Beruflich Dokumente
Kultur Dokumente
Grupo
100403_45
FASE 2
MUESTREO E INTERVALOS DE CONFIANZA
Presentado a:
Diana Milena Caliman
Entregado por:
Código: 85471039
Grupo: 100403_45
MARZO
2020
Actividad 1: Calculo tamaño de muestra
1. ¿Cómo seleccionar el tamaño muestral?
Seleccionar el tamaño de la muestra es un paso muy importante en cualquier estudio de investigación, se debe justificar conve
Posteriormente, con la ayuda de Excel, calculará un (1) tamaño de muestra para estimar la media de la variable “densidad” o
Parámetro Variable Estudiante Significancia Error
Promedio Densidad ALEX FORERO 4% 0.01
Crioscopia Estudiante 2 7% 0.002
Células somátEstudiante 3 3% 800
% grasa Estudiante 4 4% 0.02
% proteína Estudiante 5 5% 0.008
% sólidos totaCOLABORATI 5% 0.03
Descripción de la actividad:
Cada estudiante deberá dar respuesta a las siguientes preguntas:
· ¿Qué es un muestreo?
El muestreo es el proceso de seleccionar un conjunto de individuos de una población con el fin de estudiarlos y poder caracter
· ¿Cuáles son los diferentes tipos de muestreos? Explique en que consiste cada uno de ellos.
Hay cuatro tipos principales de diseños de muestras de probabilidad:
ü Muestreo aleatorio simple: El muestreo aleatorio simple es un procedimiento de muestreo probabilístico que da a cada elem
ü Muestreo estratificado: es uno de los tipos de muestreo probabilístico del que podemos hacer uso. Te invito a que sigas leye
ü Muestreo sistemático : es un tipo de muestreo probabilístico donde se hace una selección aleatoria del primer elemento pa
ü Muestreo por conglomerados: es un procedimiento de muestreo probabilístico en que los elementos de la población son se
MUESTREO SISTEMÁTICO.
Descripción de la actividad:
Cada estudiante deberá dar respuesta a las preguntas:
· ¿Para que se utilizan los intervalos de confianza?
· ¿A qué se le llama error de estimación?
· ¿Qué representan los límites de confianza obtenidos en un intervalo de confianza?
· ¿Como se calculan los intervalos de confianza para la media?
· ¿Cómo se calculan los intervalos de confianza para la proporción?
Dada una variable aleatoria con distribución Normal N (μ, σ), el objetivo es la construcción de un intervalo de confianza para e
Desde el punto de vista didáctico hemos de considerar dos posibilidades sobre la desviación típica de la variable: que sea cono
Caso de varianza conocida
se distribuye según una Normal estándar. Por tanto, aplicando el método del pivote podemos construir la expresión
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo8/Images/normal2.gif
donde zα/2 es el valor de una distribución Normal estándar que deja a su derecha una probabilidad de α/2, de la que se deduc
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo8/Images/normal3.gif
Hacemos un intervalo:
Esperamos que el 95% de los intervalos de confianza formados por
. Esperamos que el 95% de los intervalos de van a contener al parámetro P y 5% no lo van a contener. El problema es que si n
:
Teniendo en cuenta el muestreo colaborativo realizado en la Actividad 2: Tipo de muestreo, cada estudiante con la ayuda de E
Tabla 1 IC cuantitativas
Tabla 2 IC cualitativas
REFERENCIAS BIBLIOGRAFICAS
Gutiérrez, H. (2013). Capítulo 4: Elementos de Inferencia Estadística Control estadístico de la calidad y Seis Sigma. (3a. ed.) Mc
Matus, R., Hernández, M., & García, E. (2010). Estadística. México, D.F., MX: Instituto Politécnico Nacional. (pp. 27-57).
Gutiérrez, H. (2013). Capítulo 4: Elementos de Inferencia Estadística Control estadístico de la calidad y Seis Sigma. (3a. ed.) Mc
Gil, I. M., Gonzáles, M. A. I., & Jano, S. M. D. (2014). Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.). Madrid
gación, se debe justificar convenientemente de acuerdo al planteamiento del problema, la población, los objetivos y el propósito de la inv
dia de la variable “densidad” o calculará un (1) tamaño de muestra para estimar la proporción de la variable “grasa”.
de estudiarlos y poder caracterizar el total de la población. Por lo tanto, es una herramienta de la investigación científica, cuya función bá
oria se consiga que sus propiedades sean extrapolables a la población. Este proceso permite ahorrar recursos, y a la vez obtener resultado
robabilístico que da a cada elemento de la población objetivo y a cada posible muestra de un tamaño determinado, la misma probabilidad
er uso. Te invito a que sigas leyendo para conocer más de sus debilidades y fortalezas. El muestreo estratificado es un procedimiento de m
eatoria del primer elemento para la muestra, y luego se seleccionan los elementos posteriores utilizando intervalos fijos o sistemáticos has
ementos de la población son seleccionados al azar en forma natural por agrupaciones. Los elementos del muestreo se seleccionan de la po
le y la agrupación, y haz los ajustes que consideres necesarios.
ermite acotar un par o varios pares de valores, dentro de los cuales se encontrará la estimación puntual buscada (con una determinada pr
al (uno superior y otro inferior). Estos valores van a acotar un rango dentro del cual, con una determinada probabilidad, se va a localizar e
as de la misma población. Por lo tanto, deberíamos tener una medida de la variabilidad del estimador respecto del parámetro que se trata
onstruir la expresión
ntener. El problema es que si no conocemos el parámetro no conocemos la desviación estándar. Solución: Estimar la desviación estándar
da estudiante con la ayuda de Excel realizara un intervalo de confianza para la media y un intervalo de confianza para la proporción, selecc
lidad y Seis Sigma. (3a. ed.) McGraw-Hill Interamericana. (pp. 62-65).
o Nacional. (pp. 27-57).
lidad y Seis Sigma. (3a. ed.) McGraw-Hill Interamericana. (pp. 65-72). Matus, R., Hernández, M., & García, E. (2010). Estadística. México, D.
ad e Inferencia (2a.e d.). Madrid, ES: Editorial Universidad Autónoma de Madrid. (pp. 127-140).
objetivos y el propósito de la investigación.
ación científica, cuya función básica es determinar que parte de una población debe examinarse, con la finalidad de hacer inferencias sobr
os, y a la vez obtener resultados parecidos a los que se alcanzarían si se realizase un estudio de toda la población. En las investigaciones ll
pecto del parámetro que se trata de estimar. Esta variabilidad se mide en términos de la desviación estándar del estimador, la cual recibe e
a. El caso de σ conocida, ya comentado anteriormente, no pasa de ser un caso académico con poca aplicación en la práctica, sin embargo,
población P.
de α son 0,10; 0,05; y 0,01, para una confianza de 90%, 95%, y 99%.
fianza para la proporción, seleccionando una variable cuantitativa y una variable cualitativa de las siguientes tablas:
E. (2010). Estadística. México, D.F., MX: Instituto Politécnico Nacional. (pp. 43- 57).
alidad de hacer inferencias sobre dicha población.
blación. En las investigaciones llevadas por empresarios y de la medicina se usa muestreo extensivamente en recoger información sobre p
sivos, homogéneos (estratos), y luego una muestra aleatoria simple se selecciona de cada segmento (estrato).
e o poco práctico crear un marco de muestreo de una población objetivo debido a que está muy dispersa geográficamente y el costo de la
ar del estimador, la cual recibe el nombre de error estándar.
Estudiante
Carlos Alexander Castro Polanco
Código:84.455.609
Grupo
100403A_761
Tutor(a)
Diana Milena Caliman
Actividad 1
El tamaño muestral dependerá de decisiones estadísticas y no estadísticas, pueden incluir por ejemplo la disponibilidad de los
Tamaño de la población. Una población es una colección bien definida de objetos o individuos que tienen características simila
Margen de error (intervalo de confianza). El margen de error es una estadística que expresa la cantidad de error de muestreo
Nivel de confianza. Son intervalos aleatorios que se usan para acotar un valor con una determinada probabilidad alta. Por ejem
La desviación estándar. Es un índice numérico de la dispersión de un conjunto de datos (o población). Mientras mayor es la de
Actividad 2
El muestreo aleatorio simple se aplica más en poblaciones pequeñas y muestreo sistemático aplica a poblaciones más grandes
2. ¿Cuáles son los diferentes tipos de muestreos? Explique en qué consiste cada uno de ellos.
El concepto “muestra” se utiliza para denominar a cualquier subconjunto posible de una población determinada. Así, cuando s
Ø Muestreo aleatorio simple: En este tipo de muestreo las variables relevantes de la muestra tienen la misma función de prob
Ø Estratificado: El muestreo aleatorio estratificado consiste en dividir la población en estratos; un ejemplo de esto sería estud
Ø De conglomerados: En estadística inferencial los conglomerados son conjuntos de elementos poblacionales, como pueden
Ø Sistemático: En este caso se empieza dividiendo el número total de sujetos u observaciones que conforman la población en
Ø Intencional, opinático o de conveniencia: En el muestreo intencional el investigador escoge de forma voluntaria los elemen
Ø Muestreo de bola de nieve o en cadena: En este tipo de muestreo los investigadores establecen contacto con sujetos deter
Ø Muestreo por cuotas o accidental: Hablamos de muestreo por cuotas cuando los investigadores escogen un número concre
Es necesario desarrollar una audiencia estructural definida para que el investigador comience a trabajar en el aspecto del mue
El investigador a cargo debe determinar el tamaño de la muestra ideal, es decir, cuántas personas de la población completa se
El investigador debe seleccionar miembros que cumplan con este criterio. En este caso sería una persona de cada 10.
Se debe elegir un número de manera aleatoria como miembro inicial (n) de la muestra, y este intervalo se agregará al número
4. ¿Cómo se realiza el muestreo aleatorio simple?
ü Preparar una lista de todos los miembros de la población, posterior a esto marca a cada miembro con un número específico
ü De esta población, las muestras aleatorias se eligen de dos maneras: tablas de números aleatorios y con un software de gen
Se recomienda y comúnmente es lo que prefieren los investigadores un software generador de números aleatorios, ya que los
Método de lotería:
El método de la lotería es uno de los métodos más antiguos y es definitivamente un ejemplo claro del mecanismo del muestre
El método de uso de números aleatorios es un método alternativo que también implica la numeración de la población. En este
Ejemplo; considera que tienes un hospital que cuenta con un personal de 1000 miembros y necesitan asignar a 100 personas a
La precisión estadística disminuye al tiempo que el error estándar aumenta. Cuanto mas pequeña sea la muestra el error va a
Actividad 3
Es un rango de valores calculado a partir de la muestra, dentro del cual está un valor real de una variable específica con una pr
El error estándar es la variación que hay entre la media calculada a partir de la muestra y una muestra determinada.
Representan los valores alrededor de una media muestral que van a acotar un rango dentro del cual, con una determinada pro
µ = Intervalo de confianza
= Media
z = Nivel de confianza
Estándar de desviación
n = Tamaño de la muestra
Los intervalos de confianza para una proporción se calculan con la siguiente fórmula
proporción de la muestra
= margen de error
n = tamaño de la muestra
jemplo la disponibilidad de los recursos, el presupuesto o el equipo que estará en campo.
ue tienen características similares. Hablamos de dos tipos: población objetivo, que suele tiene diversas características y también es conoc
antidad de error de muestreo aleatorio en los resultados de una encuesta, es decir, es la medida estadística del número de veces de cada
ada probabilidad alta. Por ejemplo, un intervalo de confianza de 95% significa que los resultados de una acción probablemente cubrirán la
ión determinada. Así, cuando se habla de una muestra se está haciendo referencia a un conjunto determinado de sujetos que parten de u
enen la misma función de probabilidad y son independientes entre ellas. La población tiene que ser infinita o bien finita con reposición de
un ejemplo de esto sería estudiar la relación entre el grado de satisfacción vital y el nivel socioeconómico.
poblacionales, como pueden ser las escuelas o los centros hospitalarios públicos de un municipio. Al llevar a cabo este tipo de muestreo s
que conforman la población entre el que se quiere utilizar para la muestra. Posteriormente se escoge un número al azar de entre los prime
e forma voluntaria los elementos que conformarán la muestra, dando por supuesto que esta será representativa de la población de refere
en contacto con sujetos determinados; a continuación, estos consiguen a nuevos participantes para la muestra hasta completarla.
res escogen un número concreto de sujetos que cumplan unas características determinadas
as de la población completa se van a elegir. La clave para obtener resultados precisos razonables y prácticos es tener una audiencia grande
tervalo se agregará al número aleatorio para seguir agregando miembros n, n + i, n + 2i etc. que serán elementos de la muestra.
mbro con un número específico.
orios y con un software de generador de números aleatorios.
números aleatorios, ya que los números de muestra se generan sin interferencia humana.
ro del mecanismo del muestreo aleatorio simple. En este método, cada miembro de la población debe estar numerado de manera sistemá
esitan asignar a 100 personas al turno de la noche. Todos los nombres se ponen en unos papeles y posteriormente se mezclan en una caja
uestra determinada.
a del número de veces de cada 100 que se espera que los resultados se encuentren dentro de un rango específico.
úmero al azar de entre los primeros y se va sumando de forma constante este mismo valor.
os es tener una audiencia grande. Una vez que se decida el número de tamaño de la muestra, se debe asignar un número a cada miembro
mentos de la muestra.
ar numerado de manera sistemática y posterior a esto se escribe cada número en una hoja de papel por separado. Esos pedazos de papel
ormente se mezclan en una caja o cubo para ser seleccionados al azar. Todas las personas participantes tienen la misma posibilidad de ser
la que los investigadores aplicaran sus conclusiones.
nar un número a cada miembro de la muestra. Decide cuál será el intervalo de esta muestra. Este es básicamente la distancia estándar ent
parado. Esos pedazos de papel se mezclan y se ponen en una caja y de esta de forma los números se extraen de manera aleatoria.
nen la misma posibilidad de ser seleccionadas, y dado que conocemos el tamaño de la población (N) y el tamaño de la muestra (n), el cálcu
mente la distancia estándar entre los elementos. El ejemplo mencionado anteriormente sugiere que el intervalo de muestra debe ser 10,
en de manera aleatoria.
2. ¿Cuáles son los diferentes tipos de muestreos? Explique en qué consiste cada uno de ellos.
Muestreo Aleatorio Simple (MAS). Procedimiento de muestreo básico y fundamento de otras estrategia
Muestreo Estratificado (ME). Procedimiento muestral que se caracteriza por la utilización de informació
Muestreo por Conglomerados (MC). Procedimiento de muestreo que abre un abanico de posibilidades r
Muestreo Polifásico (MPF). El uso de este procedimiento se justifica cuando se requiere distinta inform
Muestreo con Probabilidad Proporcional al Tamaño (PPT). Los procedimientos de muestreo probabilíst
Muestreo con Réplicas (MR). Se caracteriza este procedimiento por la selección de más de una muestra
Muestreo Longitudinal (ML). Procedimiento de muestreo que se caracteriza por la medición de una mis
El MSA es por tanto un procedimiento equiprobabilístico, pero cabe subrayar que no todo método mues
B) Dividir el listado en dos grupos: uno formado por los cinco primeros y el otro por los restantes cinco
C) Numerar los diez elementos. Poner en una urna diez bolas numeradas sucesivamente; mezclar totalm
Un MSA de n elementos puede producir, por tanto, ese mismo número K de muestras posibles, cada un
bastará con hacer unas sencillas operaciones para llegar a que el intervalo de confianza para la m
Dada una variable aleatoria con distribución Binomial B (n, p), el objetivo es la construcción de
que sigue una distribución N (0, 1), y añadiendo una corrección por continuidad al pasar de una variable discreta a un
donde zα/2 es el valor de una distribución Normal estándar que deja a su derecha una probabilidad de α/2 para un inte
El intervalo obtenido es un intervalo asintótico y por tanto condicionado a la validez de la aproximación utilizada.
medida razonable la selección de una parte del universo que le sirva de modelo. En efecto, debe notarse que en el problema del u
e medir todos los individuos para tener un conocimiento “exacto” de las características (parámetros) de esa población. Por ejemp
ón en un listado de muchos casos y la selección se realiza mediante tablas de números aleatorios. En este contexto se elige un pu
or la utilización de información auxiliar para mejorar la eficiencia en la selección de elementos y mejorar la precisión de las estim
un abanico de posibilidades relacionadas con los muestreos por etapas y muestreos complejos. Este procedimiento se caracteriza
omplejo caracterizado por la selección de muestras en etapas sucesivas. Las unidades de la primera etapa (unidades primarias de
do se requiere distinta información de una misma muestra y el costo de los tipos de información requerida es sustancialmente dis
entos de muestreo probabilístico permiten que a cada elemento se le asignen probabilidades iguales a desiguales de selección. En
ección de más de una muestra de una misma población. En particular, se seleccionan muestras pequeñas independientes entre sí q
za por la medición de una misma población en periodos temporales sucesivos. Se ha utilizado el anglicismo panel para identifica
de muestreo será, por tanto, igual a f = 1 /k. Para aplicar el método mencionado en (4.1) se selecciona el arranque aleatorio r entr
a n, mientras que, en el caso b), el tamaño muestral es un número que puede ser igual a n + 1 o a n, en dependencia de que el arra
oblación de N unidades (donde, naturalmente, n ≤ N ). Para ello, hay que definir un método de selección. Se dice que el procedim
yar que no todo método muestral que produzca equiprobabilidad coincide con el MSA. Curiosamente, la diferencia entre un mét
el otro por los restantes cinco elementos. Lanzar una moneda al aire y tomar en calidad de muestra los elementos del primer grup
ucesivamente; mezclar totalmente las bolas y seleccionar a ciegas cinco de ellas. Finalmente, admitir en la muestra los elementos
de muestras posibles, cada una de las cuales tiene probabilidad 1/K de ser la que efectivamente se obtiene. Para determinar cuál d
a a la población.
as de las características que presenta una variable aleatoria para toda la población. Sin embargo, en la mayoría de los casos no te
me el verdadero valor del parámetro.
ianza en el que se tenga una cierta certeza de que encontraremos el verdadero valor del parámetro.
ervalo de confianza?
en el cual se encuentra, con alta probabilidad, el valor real de una determinada variable. Así un intervalo de confianza de 95% no
(0,1) bastará con encontrar el punto crítico zα/2 para tener un intervalo que contenga la media poblacional con probabilida
ntervalo de confianza para la media μ de una población normal con desviación típica conocida σ es:
objetivo es la construcción de un intervalo de confianza para el parámetro p, basada en una observación de la variable que ha dad
ianza para p:
obabilidad de α/2 para un intervalo de confianza de (1 − α) · 100 %. Las condiciones generalmente aceptadas para considerar vál
la aproximación utilizada.
tarse que en el problema del universo y la muestra estamos ante un excelente ejemplo del proceso de representación de la realida
) de esa población. Por ejemplo, un parámetro que resulta de interés es la proporción p de productos defectuosos o la media, μ, de
a de un listado de la población asignándole igual probabilidad a cada elemento. Además, cada muestra de tamaño n tiene igual p
n este contexto se elige un punto de arranque aleatorio y se seleccionan casos en forma sucesiva según un intervalo numérico co
ejorar la precisión de las estimaciones. La información auxiliar corresponde a variables de estratificación (sexo, región, estado ci
e procedimiento se caracteriza por construir unidades de muestreo compuestas por un agregado de elementos. Cada grupo de elem
etapa (unidades primarias de muestreo UPM) son potencialmente divisibles en la segunda etapa (unidades secundarias de muestr
querida es sustancialmente distinto. Se caracteriza por una primera fase con tamaño de muestra mayor y una segunda fase de reco
eñas independientes entre sí que en conjunto suman el tamaño de una sola muestra mayor. Cada muestra pequeña es una réplica
glicismo panel para identificarla. El término panel designa a un grupo de personas seleccionadas con el propósito que sirvan de ju
ona el arranque aleatorio r entre 1 y K. A partir del sujeto que ocupa el lugar r se van tomando sucesivamente los que están K lug
en dependencia de que el arranque r seleccionado sobrepase o no respectivamente al resto de la división N/n.
ción. Se dice que el procedimiento de selección es un muestreo simple aleatorio si el proceso que se sigue otorga a todo subconju
nte, la diferencia entre un método equiprobabilístico y el MSA suele confundirse como una y la misma cosa, incluso en libros ex
los elementos del primer grupo en caso de obtener cara y los del segundo en caso de obtener escudo.
ir en la muestra los elementos cuyos números aparezcan señalados en las bolas resultantes. El método A no es probabilístico: los
btiene. Para determinar cuál de estas K posibles muestras tomar, pueden seguirse diversos métodos concretos. El que se sugirió e
la mayoría de los casos no tendremos acceso a todos los datos que la componen y debemos conformarnos con los datos de una m
ervalo de confianza de 95% nos indica que dentro del rango dado se encuentra el valor real de un parámetro con 95% de certeza.
ación de la variable que ha dado como valor x. El mismo caso se aplica si estudiamos una Binomial B (1, p) y consideramos el nú
aceptadas para considerar válida la aproximación asintótica anterior son:
e representación de la realidad objetiva mediante un modelo. Obtener una «buena muestra» significa, precisamente, obtener una
s defectuosos o la media, μ, de alguna variable medida a los productos. En cambio, si la población es infinita o grande es imposib
stra de tamaño n tiene igual probabilidad de ser seleccionada. Es el prototipo del muestreo equiprobable y autoponderado.
cación (sexo, región, estado civil) que dividen a la población en estratos. Los estratos son grupos homogéneos de elementos por l
lementos. Cada grupo de elementos constituye un conglomerado. Todo conglomerado está constituido por un conjunto se eleme
yor y una segunda fase de recogida de información adicional que corresponde a una fracción de la muestra mayor.
uestra pequeña es una réplica y todas tienen aproximadamente el mismo tamaño. Dos razones justifican esta opción: necesidad d
n el propósito que sirvan de jurado. La muestra longitudinal se usa comúnmente en estudios de mercado para hacer seguimiento
ivamente los que están K lugares más adelante hasta completar n elementos. En el caso b) no existe un tal número K que cumpla
e sigue otorga a todo subconjunto de tamaño n de la población la misma posibilidad de selección; o sea, de modo que ninguna co
ma cosa, incluso en libros excelentes (ver, por ejemplo, Argimón y Jiménez, 1991). Para fijar la definición, supongamos que se t
do A no es probabilístico: los elementos 6, 7, 8, 9 y 10 del listado no podrán salir en la muestra. El método B, en cambio, es prob
concretos. El que se sugirió en tercer lugar para seleccionar cinco de diez niños, es evidentemente generalizable; se trata de num
marnos con los datos de una muestra. Si lo que nos interesa es conocer el valor concreto de alguno de los parámetros que definen
B (1, p) y consideramos el número de veces que ocurre el suceso que define la variable al repetir el experimento n veces en cond
ca, precisamente, obtener una versión simplificada de la población, que reproduzca de algún modo sus rasgos básicos (Silva, 197
es infinita o grande es imposible e incosteable medir a todos los individuos, en este caso es preciso sacar una muestra representati
bable y autoponderado.
omogéneos de elementos por lo que no es preciso seleccionar un número elevado de casos para representar al estrato. Mientras m
uido por un conjunto se elementos con valore diferentes entre sí en la variable medida para formar conglomerados. Una peculiarid
muestra mayor.
ican esta opción: necesidad de resultados preliminares y mejorar el error típico de la estimación.
e un tal número K que cumpla N = nK. Una idea para la aplicación del método arriba explicado es definir el intervalo de selecció
sea, de modo que ninguna combinación de n elementos tenga mayor probabilidad de ser elegida que otra del mismo tamaño. El
finición, supongamos que se tienen N= 10 niños ordenados alfabéticamente en un listado y que de ellos se quieren seleccionar n
método B, en cambio, es probabilístico. En efecto, la probabilidad de inclusión de cada niño es la misma que tiene el grupo al qu
generalizable; se trata de numerar los individuos secuencialmente desde 1 hasta N, escribir dichos números en otras tantas bolas
de los parámetros que definen a la población, tendremos que estimarlo a través de los valores que nos ofrece la muestra. En esta
sacar una muestra representativa de dicha población, y con base en medidas calculadas con los datos muestrales (estadísticos) se
esentar al estrato. Mientras más homogéneo sea el estrato más precisa será la estimación.
onglomerados. Una peculiaridad del muestreo por conglomerados es que no se requiere el listado de todos los elementos de la po
definir el intervalo de selección K como la parte entera de la fracción N/n; y con ese intervalo, obrar como en el caso a). No es di
ue otra del mismo tamaño. El MSA otorga a los TV sujetos de la población la misma probabilidad de quedar incluida en la muest
ellos se quieren seleccionar n = 5. Consideremos los siguientes tres procedimientos de selección. A) Tomar los cinco primeros el
misma que tiene el grupo al que pertenece. Esta es, obviamente, igual a 0,5. Por tanto, todo elemento tiene una probabilidad no nu
números en otras tantas bolas o tarjetas, luego mezclar adecuadamente estas últimas y finalmente seleccionar n de ellas para iden
os ofrece la muestra. En esta situación podemos utilizar la estimación puntual o la estimación por intervalos:
ación, o una «población en miniatura». En rigor, la tarea del muestrista va más allá: además de determinar el método de selección
s muestrales (estadísticos) se realizan, mediante los métodos apropiados, afirmaciones acerca de los parámetros de la población.
como en el caso a). No es difícil demostrar que tanto en el caso a) como en el b) el método es equiprobabilístico: todo elemento
de quedar incluida en la muestra. Puede mostrarse que la probabilidad común es igual a:
o tiene una probabilidad no nula y conocida de quedar incluido en la muestra (en este caso, además, es igual para todos ellos). Si
eleccionar n de ellas para identificar a los individuos de la nuestra. Sin embargo, este método adolece de algunos defectos: exige
rminar el método de selección de la muestra y, por tanto, su tamaño, ha de establecer los procedimientos que habrán de aplicarse
s parámetros de la población.
probabilístico: todo elemento de la población tiene probabilidad 1 /K de ser seleccionado ya que cada arranque tiene esta probab
, es igual para todos ellos). Sin embargo, no se trata de MSA ya que existen subconjuntos de cinco elementos que no pueden resu
ce de algunos defectos: exige la posesión o creación de un mecanismo físico adecuado cuya «imparcialidad» hay que admitir de a
entos que habrán de aplicarse a los resultados para sacar conclusiones válidas. Diversas razones prácticas pueden mencionarse p
da arranque tiene esta probabilidad de ser el elegido: cada muestra tiene la misma probabilidad de ser seleccionada que la que co
elementos que no pueden resultar seleccionados como consecuencia de la aplicación de este procedimiento (por ejemplo, el subc
cialidad» hay que admitir de antemano; además, cuando TV y n son números bastante grandes, que es lo común en la práctica, re
ácticas pueden mencionarse para justificar el uso de esta técnica. Sin embargo, en última instancia, la fundamental es la necesidad
ser seleccionada que la que corresponde al arranque que la determina; y cada elemento está en una y solo una de dichas muestras
imiento (por ejemplo, el subconjunto de los que ocupan lugares impares en el listado). El método C, por último, es un MSA ya q
La distribución t supone que la población está distribuida normalmente. Esta suposición es particularmente importante para n
que tienen características similares. Hablamos de dos tipos: población objetivo, que suele tiene diversas características y también es cono
cantidad de error de muestreo aleatorio en los resultados de una encuesta, es decir, es la medida estadística del número de veces de cada
nada probabilidad alta. Por ejemplo, un intervalo de confianza de 95% significa que los resultados de una acción probablemente cubrirán
ación). Mientras mayor es la desviación estándar, mayor es la dispersión de la población.
e tener un control preciso del marco muestral de individuos seleccionables junto con la probabilidad de que sean seleccionados - consisten
duo al azar. El resto del proceso es trivial y rápido. Los resultados que obtenemos son representativos de la población, de forma similar al m
que forman el universo y que por lo tanto están descritos en el marco muestral, tienen idéntica probabilidad de ser seleccionados para la
ral (uno superior y otro inferior). Estos valores van a acotar un rango dentro del cual, con una determinada probabilidad, se va a localizar e
ticularmente importante para n (30. Pero cuando la población es finita y el tamaño de la muestra constituye más del 5% de la población, s
o del problema, la población, los objetivos y el propósito de la investigación.
aracterísticas y también es conocida como la población teórica. La población accesible es la población sobre la que los investigadores aplic
ca del número de veces de cada 100 que se espera que los resultados se encuentren dentro de un rango específico.
acción probablemente cubrirán las expectativas el 95% de las veces.
e sean seleccionados - consistente en escoger un individuo inicial de forma aleatoria entre la población y, a continuación, seleccionar para
población, de forma similar al muestreo aleatorio simple, siempre y cuando no haya algún factor intrínseco en la forma en que los individ
ad de ser seleccionados para la muestra. Sería algo así como hacer un sorteo justo entre los individuos del universo: asignamos a cada per
ye más del 5% de la población, se debe usar el factor finito de corrección para modificar las desviaciones estándar. Por lo tanto, si cumple:
e la que los investigadores aplicaran sus conclusiones.
a continuación, seleccionar para la muestra a cada enésimo individuo disponible en el marco muestral.
o en la forma en que los individuos están listados que haga que se reproduzcan ciertas características poblacionales cada cierto número d
universo: asignamos a cada persona un boleto con un número correlativo, introducimos los números en una urna y empezamos a extraer
na urna y empezamos a extraer al azar boletos. Todos los individuos que tengan un número extraído de la urna formarían la muestra. Obv
urna formarían la muestra. Obviamente, en la práctica, estos métodos pueden automatizarse mediante el uso de ordenadores.
uso de ordenadores.
Densidad Crioscopia % Sólidos
Proveedor Departamento % Proteína % Grasa
(g/ml) (°C) totales
10115.46804
Temperatura
Satisfacción
de recepción
1 2
2 2
1 2 1 0.15
2 2 2 0.75
1 2 3 0.05
1 2 4 0.03
1 2 5 0.02
2 2
1 2
1 2
1 3
1 2
1 2
1 2
2 3
1 2
1 2
1 2
1 4
2 2
1 2
1 2
1 2
2 2
1 2
2 2
1 1
1 2
2 4
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
2 3
2 2
1 2
1 2
1 2
2 2
1 1
1 1
1 2
1 2
2 2
1 3
1 1
1 2
1 1
1 2
2 1
1 2
1 2
1 2
1 2
1 2
1 2
1 3
1 2
2 3
1 2
1 2
1 2
1 2
1 2
1 4
1 2
1 2
1 1
1 1
1 2
1 1
1 2
1 2
2 1
1 2
1 2
2 1
1 3
1 2
1 2
1 2
2 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 1
1 1
1 1
1 2
1 2
1 2
1 2
1 2
1 3
1 3
1 3
1 2
1 2
1 1
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 4
1 2
1 2
2 2
1 2
1 2
1 3
2 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
2 2
2 2
2 1
1 2
1 2
2 2
1 2
1 1
1 2
2 2
2 2
1 4
1 2
1 3
2 2
1 1
2 1
1 1
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 1
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 4
2 2
1 2
1 2
1 2
1 3
1 1
1 2
1 2
2 2
1 2
1 1
1 2
1 2
2 1
1 3
1 1
1 4
2 4
1 2
1 3
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 1
1 2
1 2
1 2
1 2
2 2
1 1
2 1
2 2
1 3
1 1
1 2
1 2
1 4
1 2
1 2
1 2
1 2
1 2
1 3
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 3
1 2
1 2
1 4
1 1
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
2 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 4
2 1
1 2
1 2
1 2
2 2
1 2
1 2
1 1
2 2
1 2
1 2
1 4
1 2
1 2
1 2
1 2
1 3
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
2 1
1 2
1 1
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 3
1 2
1 1
1 2
1 2
2 4
1 2
1 2
2 2
1 1
1 1
1 1
1 2
1 2
1 4
2 2
1 2
1 3
1 2
1 2
1 2
1 2
2 2
1 1
1 1
1 2
2 2
1 2
1 2
2 2
2 1
1 2
1 2
2 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
2 2
1 3
1 2
1 3
1 2
1 2
1 2
1 3
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 1
2 2
1 2
1 1
1 2
1 2
1 2
1 2
2 2
2 2
1 2
2 1
1 3
1 2
1 2
1 1
1 2
1 2
1 2
1 1
1 2
2 1
1 2
1 2
1 3
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 1
2 3
1 2
1 4
1 1
1 2
1 2
1 1
2 2
2 2
1 1
1 1
1 2
1 1
1 2
2 2
1 1
1 1
2 4
1 2
1 2
1 2
1 2
1 2
1 3
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 3
1 2
1 1
2 2
1 2
2 2
1 2
1 2
2 2
1 2
1 2
1 2
1 1
1 2
1 2
1 1
1 2
1 2
1 1
1 1
1 1
2 2
1 2
1 2
1 3
1 2
1 2
1 2
1 3
1 2
1 2
1 2
1 2
2 2
1 2
1 1
1 1
1 2
1 1
1 2
1 2
1 2
1 2
2 1
1 2
1 2
1 2
1 2
1 1
1 1
2 2
1 1
2 2
1 2
2 2
1 2
2 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 4
1 2
2 2
1 2
1 2
1 2
1 1
1 1
2 2
1 2
2 4
1 1
1 2
1 1
2 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
2 2
2 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 3
1 2
1 1
1 2
1 2
1 2
2 2
1 2
2 2
1 2
1 2
1 2
2 2
1 2
1 2
1 1
1 1
1 2
2 2
1 2
1 2
1 1
2 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 4
1 2
1 2
1 1
1 3
1 2
1 2
1 2
1 3
1 1
1 2
2 2
1 2
1 2
1 2
1 3
2 2
1 1
1 2
1 1
1 2
1 2
1 2
1 1
1 1
1 2
1 2
1 2
1 2
1 2
2 2
1 1
1 2
2 2
1 1
1 1
1 3
1 4
1 2
2 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
2 2
1 2
1 2
1 1
2 1
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 1
1 1
2 2
1 2
1 2
1 2
2 2
2 2
1 2
1 1
1 2
1 1
1 2
2 2
1 3
1 2
1 2
2 2
2 2
1 2
1 2
1 2
1 1
1 1
2 1
1 1
1 2
1 2
1 2
1 1
1 2
1 1
1 2
2 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
2 3
1 2
1 2
2 2
1 1
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
2 2
1 1
1 2
1 2
2 2
1 3
1 2
1 2
1 2
1 2
1 2
1 3
1 2
1 1
2 2
1 2
1 2
1 2
1 2
1 1
1 2
2 2
1 2
2 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 1
1 2
2 2
1 2
1 2
1 2
1 2
1 3
1 2
1 2
1 2
1 4
1 2
1 2
1 2
1 2
1 1
1 2
1 1
2 2
1 1
1 2
1 2
2 2
1 1
1 1
1 2
2 2
1 2
1 2
2 2
2 3
1 2
1 1
1 2
1 1
1 2
2 2
1 2
2 2
1 2
2 1
1 2
2 2
1 2
1 2
1 1
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 3
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 1
1 2
1 2
1 2
1 2
1 3
2 1
1 1
1 2
2 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
2 3
1 2
1 2
1 4
1 3
1 2
1 2
1 2
2 1
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
2 2
1 2
1 2
2 4
1 1
2 2
2 2
1 2
1 4
1 2
1 2
1 2
1 2
1 1
2 2
2 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 1
1 1
1 2
1 3
1 1
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
2 3
1 2
1 2
1 2
1 2
1 1
1 2
1 1
1 1
1 1
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
2 1
1 2
1 1
1 2
1 2
1 1
2 2
2 2
2 2
1 1
2 1
1 1
1 2
2 2
1 1
1 2
1 3
1 1
2 2
1 1
1 1
1 2
1 1
1 2
1 2
1 1
2 2
2 2
1 2
1 1
1 2
1 2
1 2
1 2
1 3
1 2
2 1
1 2
1 1
1 2
1 2
2 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
2 2
1 2
1 2
2 2
2 2
2 4
1 2
1 2
1 2
1 2
1 1
1 1
1 3
1 2
1 2
1 1
1 2
1 2
1 2
1 4
1 2
2 2
1 2
1 2
1 2
1 2
1 1
2 2
1 2
1 2
1 1
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
2 2
1 2
1 3
1 1
1 2
1 2
2 2
1 2
1 2
1 2
2 2
1 1
1 2
2 3
1 1
1 2
1 2
1 1
1 2
1 1
1 2
1 1
1 2
1 2
1 2
1 1
2 1
1 1
1 2
1 2
2 3
1 2
2 2
1 1
1 1
1 2
2 2
2 2
1 1
1 1
1 3
1 2
1 2
1 2
1 1
1 1
1 2
1 2
1 1
1 2
2 2
2 2
1 2
1 2
1 2
1 2
1 2
1 1
2 2
1 2
2 2
2 2
2 2
1 2
1 2
2 2
1 2
1 2
1 4
1 2
1 2
1 2
1 2
1 4
1 2
2 2
2 2
1 2
1 3
1 2
1 1
1 2
1 1
1 3
2 2
1 2
1 2
2 2
1 4
1 2
1 2
1 2
1 2
1 2
1 1
2 2
1 2
1 2
1 1
1 1
2 3
2 2
1 2
1 2
1 2
1 3
1 2
1 2
1 2
1 2
2 2
2 1
2 2
1 2
1 2
1 2
1 1
1 1
1 2
2 2
2 2
1 2
1 1
1 2
2 1
1 2
1 2
1 2
1 2
2 2
1 3
1 1
1 3
1 2
1 2
1 1
1 2
1 2
2 2
1 1
1 2
1 2
2 2
1 2
1 2
1 2
1 2
2 2
1 1
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
2 2
1 2
1 2
1 2
2 2
1 3
1 2
1 3
1 2
1 3
1 2
1 1
1 2
1 2
1 1
1 2
2 1
1 2
1 2
1 1
1 2
2 2
1 1
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 3
2 2
1 1
1 2
1 2
1 2
2 1
1 2
1 2
1 1
1 2
1 2
1 4
1 2
1 2
1 2
2 2
1 2
1 2
2 2
1 2
1 1
1 3
1 3
1 2
2 2
1 4
1 2
1 2
1 4
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 1
2 2
2 2
1 2
1 2
1 1
1 2
1 2
1 1
1 2
2 2
1 4
1 2
1 4
1 2
2 2
1 2
1 2
1 1
1 3
1 2
1 2
1 2
1 2
1 1
1 3
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
2 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
2 2
1 2
1 2
1 2
1 2
2 2
1 2
1 1
1 2
1 2
2 2
2 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 1
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 3
2 2
1 1
1 2
2 1
1 2
1 2
1 2
1 2
2 1
1 1
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 1
2 2
1 2
1 2
1 1
2 1
1 1
1 2
1 4
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 1
1 2
2 2
1 1
1 2
2 2
1 2
1 2
1 2
1 4
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 1
1 3
1 4
1 2
2 2
1 3
1 2
1 2
1 2
1 2
2 2
1 2
1 1
1 1
1 1
1 2
1 2
1 2
1 1
1 1
1 3
1 2
1 2
1 2
1 2
1 2
1 4
1 2
2 2
1 2
2 2
1 4
1 3
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 3
2 2
2 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 1
2 2
1 1
2 2
1 2
1 2
1 2
1 3
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 3
1 2
1 1
1 2
1 2
2 2
1 1
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
2 2
1 2
1 2
1 1
2 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 1
2 1
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 1
1 2
2 2
2 1
1 2
1 2
1 4
1 1
1 2
1 2
1 2
1 2
1 4
1 1
1 2
2 2
1 2
1 1
1 2
1 2
1 4
1 4
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 3
1 2
1 2
1 2
1 2
1 1
1 1
1 2
2 2
1 2
1 3
1 2
1 2
2 2
1 2
2 2
1 2
2 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
2 1
1 2
2 2
1 2
2 1
1 2
1 1
1 1
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
2 2
1 4
1 3
1 4
1 2
1 1
2 2
1 2
2 1
2 2
1 2
1 3
1 1
2 2
2 2
1 2
1 2
1 2
2 1
1 2
1 2
1 2
1 4
1 3
1 3
1 2
1 3
1 2
1 4
1 2
1 2
1 2
1 2
1 4
1 2
2 2
2 2
1 1
1 3
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
2 1
1 1
2 2
1 2
2 2
1 2
2 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
2 2
2 1
2 3
1 4
1 2
1 1
1 2
1 2
1 2
1 2
2 2
2 4
2 2
1 2
1 2
2 2
1 2
1 2
1 2
1 4
1 2
1 2
1 2
2 2
2 2
1 2
1 1
1 1
1 1
1 2
1 2
1 2
1 2
1 2
2 1
2 2
1 1
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 4
1 2
1 2
1 2
1 1
1 1
1 2
1 2
2 2
1 2
1 3
1 2
2 2
1 2
2 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
2 2
1 4
1 1
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
2 1
1 2
1 3
1 1
1 2
1 2
1 1
2 2
1 3
1 2
2 2
1 2
1 2
1 2
2 1
1 2
2 2
1 2
1 2
1 2
2 3
2 2
1 2
1 2
1 3
1 2
1 2
2 2
1 1
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 1
2 4
1 2
1 1
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
2 3
1 1
1 3
1 2
1 3
1 3
1 2
1 2
1 2
1 2
1 3
1 3
1 3
2 3
2 2
1 2
1 2
1 2
1 2
1 2
1 3
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 3
1 4
1 2
1 2
1 2
1 2
2 2
1 2
1 1
1 2
1 2
1 2
1 1
1 1
1 2
1 2
1 2
1 1
1 2
1 2
1 2
2 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 3
1 2
2 2
2 2
1 1
1 2
1 2
1 3
1 2
1 2
1 2
1 1
1 2
1 3
1 2
1 2
1 2
1 2
1 1
1 1
2 2
1 2
1 2
1 1
1 2
1 1
1 1
2 1
1 2
2 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 4
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
2 2
1 4
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 1
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 4
1 2
2 2
1 1
1 2
1 4
1 1
1 2
1 2
1 2
1 1
2 2
1 4
2 2
1 2
2 2
1 2
2 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 3
2 4
1 2
1 2
2 3
1 2
1 2
2 2
1 2
1 2
1 1
1 2
1 3
2 1
1 1
1 3
1 1
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 3
1 2
1 3
1 2
1 2
1 3
1 2
1 2
1 2
1 2
1 1
2 2
2 2
1 2
2 2
1 2
1 2
1 2
1 2
2 2
2 2
1 2
1 1
1 2
1 2
2 2
1 1
2 2
1 1
1 1
1 1
2 2
1 2
1 2
1 2
1 2
1 1
1 2
2 2
1 2
1 3
2 2
1 2
2 2
2 2
1 2
1 3
1 2
2 1
2 2
1 2
1 2
2 2
1 1
1 2
1 1
1 1
2 2
1 2
2 2
1 2
2 2
1 2
1 2
1 2
2 1
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 3
1 2
1 1
1 2
2 3
1 2
1 2
2 1
2 2
1 2
1 2
1 3
1 2
1 2
1 1
2 2
1 2
1 1
1 1
1 3
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 4
1 3
1 2
1 2
1 2
1 1
1 1
2 4
1 4
2 2
1 2
1 2
1 2
1 1
1 1
1 3
1 4
1 2
1 1
1 2
1 2
1 2
1 4
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
2 2
1 4
1 1
1 2
2 2
1 2
1 1
1 2
1 2
1 1
1 2
1 1
2 2
1 2
1 2
1 2
1 2
1 3
1 1
1 2
1 1
1 2
1 1
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 1
2 2
1 2
2 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
2 2
1 2
2 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 3
2 2
1 2
1 1
2 2
1 2
2 2
1 2
1 1
1 1
1 2
1 1
2 2
1 2
1 1
1 2
1 1
1 2
1 2
2 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 1
1 1
1 3
1 2
2 2
1 2
2 3
1 2
2 2
1 2
1 1
1 2
1 2
1 2
2 1
1 3
1 2
1 1
1 2
1 1
2 1
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 1
1 3
1 2
1 2
2 2
2 2
1 3
1 3
1 2
1 1
2 2
1 2
1 2
1 2
1 2
1 3
1 3
1 2
1 2
1 2
1 1
1 2
1 1
1 1
1 2
1 2
1 2
2 2
1 2
1 1
1 3
1 2
1 2
1 1
1 1
1 3
2 2
1 2
1 2
1 2
2 2
1 2
1 4
1 2
1 2
1 2
2 2
1 3
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 3
1 2
1 2
1 3
1 2
1 2
2 2
1 2
1 1
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
2 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 1
1 1
1 2
2 1
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
2 1
2 1
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 1
1 1
2 1
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 1
1 2
1 4
1 1
1 2
1 2
1 2
2 3
1 1
1 2
1 1
1 2
2 2
1 2
2 2
2 1
2 2
1 2
1 2
1 2
1 2
1 2
1 4
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 4
2 2
1 2
1 1
1 2
2 3
1 1
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
2 2
1 2
1 1
1 2
1 2
1 2
1 4
1 2
2 2
1 1
1 2
2 2
1 2
1 4
1 2
2 2
1 2
1 1
1 1
1 2
1 4
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 4
1 2
1 4
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 1
1 1
1 1
2 2
1 2
1 2
1 1
1 2
1 1
2 3
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 1
1 2
1 2
1 4
2 2
1 1
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 3
1 2
1 2
1 2
1 2
1 4
1 2
2 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 1
1 2
1 4
1 2
1 1
1 2
2 2
1 1
1 2
2 2
2 2
2 2
1 2
1 2
1 2
2 2
2 2
1 1
1 2
1 2
1 2
1 2
1 1
1 2
1 2
2 2
2 4
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 3
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 1
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
2 1
1 2
1 2
1 2
1 2
1 1
1 1
2 2
1 1
1 1
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 4
1 2
2 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 1
1 2
1 4
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
2 2
1 2
1 1
2 2
1 2
1 1
1 2
1 2
1 3
1 1
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 3
1 2
1 2
1 1
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
2 2
1 2
2 1
1 2
1 2
1 2
1 2
2 3
1 2
1 2
1 2
1 2
1 3
1 2
2 2
1 3
1 2
1 2
1 2
1 3
2 2
1 2
1 2
1 2
1 3
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 3
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 4
1 2
2 1
1 2
1 1
1 3
2 2
1 2
1 3
1 2
1 2
1 4
2 2
1 2
1 2
2 1
1 2
1 1
1 2
1 2
1 2
2 1
1 1
2 2
1 2
1 2
1 1
2 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 1
2 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
1 2
1 3
1 2
1 1
1 1
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 1
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 1
1 1
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 2
1 2
2 2
1 1
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 1
2 3
1 4
1 2
1 1
1 2
1 2
1 2
1 1
2 2
1 2
1 2
1 2
1 2
1 1
1 2
1 2
1 3
1 2
1 2
1 1
1 2
1 2
1 2
Células
Densidad Crioscopia % Sólidos somáticas
Muestra Departamento (g/ml) (°C) % Proteína % Grasa totales (células/ml
de leche)
1 2 4 1 796 2 1
2 2 1 3 419 2 2
2 2 1 1 845 2 1
2 2 3 1 807 2 2
2 2 1 2 707 2 1
2 2 1 2 653 2 1
1 1 3 1 1100 2 1
2 2 3 2 #DIV/0! 2 2
2 2 1 1 630 2 1
2 2 1 3 677 2 1
2 2 4 3 245 2 1
2 2 1 3 662 2 1
2 2 1 1 742 2 1
2 2 4 2 664 2 1
2 2 1 3 829 2 2
2 2 3 1 547 2 1
2 2 2 2 503 2 1
2 2 2 3 1044 2 1
2 2 1 3 651 2 1
2 2 1 1 758 2 2
1 2 1 1 650 2 1
1 2 1 3 557 2 1
2 2 2 3 623 2 1
2 2 4 3 665 1 2
1 2 4 2 761 2 1
2 2 4 2 959 1 2
2 2 1 2 514 2 1
2 2 1 3 591 2 1
2 2 1 1 530 1 2
1 2 1 3 744 2 1
1 2 1 1 892 2 1
2 2 1 3 810 2 1
2 2 4 2 731 2 1
1 2 1 2 357 2 1
2 2 1 2 889 2 1
2 2 2 1 714 2 1
2 2 1 3 641 2 1
2 2 1 2 939 1 1
2 2 4 1 542 2 1
2 2 1 2 395 2 1
1 2 2 1 776 2 2
2 2 1 2 689 2 2
2 2 1 1 640 2 1
2 2 1 2 644 2 1
2 2 2 2 609 2 1
2 2 4 1 932 2 2
1 2 1 2 902 2 1
1 1 2 3 376 2 1
1 2 1 2 595 2 1
2 2 1 1 643 2 1
2 2 1 2 618 2 2
2 2 1 1 506 2 1
1 2 1 1 474 2 1
1 2 1 2 465 2 1
2 2 1 3 704 2 1
2 1 3 2 762 2 1
2 2 1 1 700 2 2
2 2 2 1 484 2 1
2 2 1 2 551 2 1
1 2 2 2 665 2 1
2 2 1 1 782 2 1
2 2 1 2 959 2 1
2 1 3 2 318 2 1
2 2 4 1 648 1 1
1 2 3 2 1171 2 1
2 2 3 2 511 2 2
2 2 4 1 994 2 1
2 2 1 3 805 2 1
2 2 2 3 820 2 1
2 2 1 1 501 2 1
2 2 4 2 671 2 1
2 2 3 1 707 2 1
2 2 4 2 623 1 1
1 2 4 1 687 2 1
2 2 2 2 650 2 1
2 2 3 2 788 2 1
2 2 1 2 545 2 1
2 2 2 2 660 2 1
2 2 4 2 481 2 1
2 2 1 2 612 2 1
2 2 2 2 589 2 2
2 1 2 3 804 2 1
2 2 1 3 524 2 1
2 2 1 2 394 2 2
2 2 3 3 678 2 1
2 2 1 3 247 2 1
2 2 1 3 361 2 1
2 2 3 1 697 2 1
2 2 4 1 478 2 2
2 2 1 1 910 1 1
2 2 1 2 649 2 1
1 2 2 2 465 2 1
2 2 4 3 869 2 1
2 2 1 3 662 2 1
1 2 2 1 478 2 1
2 2 1 1 914 2 1
2 2 4 3 611 2 1
2 2 1 1 783 2 1
2 2 1 1 769 2 1
2 2 4 2 858 2 1
2 2 1 2 548 1 1
2 2 1 3 713 2 1
2 2 1 1 881 1 1
2 2 1 2 935 2 1
1 2 1 3 499 2 1
2 2 1 1 711 1 1
2 2 1 2 435 2 1
2 2 1 2 703 2 1
2 2 3 2 938 2 1
2 2 4 2 629 1 1
2 2 1 2 837 2 2
1 1 1 3 786 2 1
2 2 1 2 688 2 1
2 2 1 2 478 2 1
2 1 1 2 768 2 1
1 2 2 3 671 2 1
2 2 1 2 598 2 1
1 2 1 2 701 1 1
2 2 3 2 678 2 1
2 2 1 3 798 2 1
2 2 1 1 816 2 2
2 2 4 3 779 2 1
2 2 2 2 627 2 1
2 2 1 2 754 2 1
2 2 4 2 312 2 1
2 2 2 2 516 2 1
2 2 1 1 564 2 1
1 2 2 2 466 2 1
2 2 1 2 965 2 1
1 2 1 2 798 2 1
1 2 2 2 861 2 1
2 2 1 2 694 1 2
2 2 2 3 1040 2 1
2 2 1 2 870 2 1
2 2 1 2 594 2 1
1 2 1 1 793 2 2
2 2 2 1 871 2 1
2 2 1 1 753 2 1
2 2 4 2 816 2 1
2 2 4 3 561 2 1
2 2 1 2 720 1 1
1 2 2 2 680 2 1
2 2 1 2 837 2 1
2 2 4 3 648 2 2
2 1 3 2 580 2 2
2 2 4 1 805 2 2
2 2 2 2 808 2 1
2 1 4 2 741 1 1
2 2 1 2 416 1 2
2 2 2 2 732 2 1
2 2 4 2 418 2 1
2 2 4 2 729 2 1
2 2 1 1 746 1 2
2 2 4 2 1011 2 2
2 2 1 3 315 2 1
2 2 2 3 639 2 1
2 2 4 2 554 2 1
2 2 4 2 751 2 2
2 2 4 3 571 2 1
1 2 4 1 814 2 2
2 1 1 2 534 1 1
1 2 4 3 590 2 1
2 2 1 2 723 1 1
2 2 4 1 766 2 1
1 2 4 3 789 2 1
2 2 1 2 535 1 1
2 2 4 3 708 2 1
2 2 2 2 394 2 1
1 2 1 2 496 2 1
2 2 2 2 760 2 1
1 2 1 2 964 2 1
2 2 3 2 637 2 1
2 2 1 1 896 1 1
2 2 2 2 930 2 1
2 2 1 2 935 2 1
2 2 3 2 659 2 2
2 1 1 2 413 2 1
2 2 3 3 683 2 1
2 2 4 2 786 2 1
2 2 2 2 974 2 1
2 2 2 2 812 2 1
2 1 1 1 745 1 1
2 2 1 2 1053 2 1
2 2 2 2 418 2 1
2 2 4 3 321 2 1
2 2 4 1 427 2 1
2 2 1 1 762 2 1
2 2 4 2 1193 2 1
2 2 1 2 921 2 1
2 2 1 3 750 2 1
2 2 4 2 871 2 1
2 2 1 3 1149 2 1
1 2 2 3 734 2 2
1 2 1 3 636 2 1
2 2 1 2 598 2 1
1 2 1 2 573 1 1
2 2 3 3 740 2 1
1 2 2 3 573 2 1
2 2 4 3 1172 2 1
1 2 1 3 861 2 1
2 2 1 2 995 2 2
2 2 2 2 633 2 1
2 2 3 3 702 2 1
2 2 1 2 747 2 1
1 2 1 2 369 2 1
2 2 1 3 545 2 2
2 2 4 1 798 2 1
2 2 1 1 623 2 1
2 2 1 2 617 2 1
2 2 1 2 592 2 2
2 2 1 3 423 1 1
2 2 2 2 381 2 1
2 2 1 2 826 2 1
2 2 1 2 638 2 1
2 2 2 2 325 2 1
2 2 1 2 907 2 2
2 2 1 2 623 2 1
2 2 2 1 595 2 1
2 2 4 1 781 2 1
2 2 4 2 556 2 1
2 2 4 1 1099 2 1
2 1 2 2 665 2 1
1 2 3 2 641 2 1
2 2 1 2 884 2 1
1 2 3 1 713 1 1
2 2 1 1 867 2 1
2 2 1 1 822 2 1
1 2 1 2 701 2 1
1 2 1 1 662 2 1
1 2 4 2 1135 2 1
2 2 1 2 1088 2 1
2 2 1 2 652 2 1
2 2 4 2 404 2 2
2 2 1 3 714 2 1
2 2 1 3 762 2 2
2 2 1 1 824 1 2
2 2 1 2 921 2 1
2 2 1 2 648 1 1
2 2 3 2 705 2 1
1 2 4 2 668 2 1
2 2 4 1 719 2 1
2 2 2 3 1074 1 1
2 2 1 3 824 2 1
1 2 3 2 796 2 1
2 2 4 2 510 2 1
2 2 1 2 461 2 1
2 2 1 1 931 2 1
2 2 4 1 561 2 1
2 2 3 2 968 2 1
2 2 1 3 827 2 1
2 2 1 2 965 2 1
2 2 4 3 1060 2 1
1 2 4 1 405 2 1
2 2 1 2 832 1 1
1 2 1 3 510 2 1
2 2 1 2 887 2 2
2 2 1 2 727 2 1
2 1 1 2 635 2 1
1 2 4 3 901 1 1
2 2 1 2 804 1 2
2 2 2 2 690 2 1
2 2 1 2 864 2 1
2 2 1 3 708 2 1
2 2 2 2 1057 2 1
2 2 4 2 643 2 1
2 2 1 1 819 2 1
2 2 1 3 806 2 1
2 2 1 2 856 2 1
2 2 1 3 772 2 1
1 2 1 2 875 2 1
2 2 1 2 674 2 1
2 2 1 2 747 2 1
2 2 1 2 545 2 1
2 2 1 1 571 2 1
1 2 1 2 863 2 1
2 1 4 1 838 2 1
2 2 3 2 702 2 1
2 2 1 3 649 2 2
2 2 1 2 1160 2 1
2 2 1 2 490 2 1
1 2 2 1 504 2 1
2 2 1 2 707 2 1
2 2 2 1 674 2 2
2 2 1 1 600 1 2
2 1 1 2 517 2 1
1 2 3 2 783 2 1
2 2 1 1 511 2 1
2 2 1 3 568 2 1
1 2 1 2 531 2 1
2 2 4 2 798 1 1
2 2 1 2 942 2 1
2 2 1 2 626 2 1
2 2 1 2 733 2 1
2 2 4 1 705 2 1
2 2 2 2 666 2 1
1 2 1 2 596 2 1
2 2 1 1 871 2 1
1 2 4 1 696 2 1
2 2 1 3 679 2 1
2 2 1 2 936 1 1
2 2 4 1 523 2 1
1 2 1 2 589 2 1
2 1 4 2 650 1 1
2 1 1 2 655 2 2
2 2 1 1 920 2 1
2 2 2 2 811 2 1
2 2 1 3 774 2 1
2 2 1 2 612 2 2
2 2 1 3 907 2 1
2 2 1 2 575 2 1
2 2 2 2 724 2 1
2 2 1 1 522 2 2
2 2 3 2 682 1 1
2 2 2 2 727 2 1
2 2 1 2 744 1 1
2 2 4 2 667 2 1
2 1 3 2 935 2 1
1 2 4 1 777 1 1
2 1 1 2 516 2 1
2 2 2 2 1011 2 1
1 2 3 2 1078 2 1
1 2 2 1 641 2 2
2 2 2 3 656 2 1
2 2 1 3 404 2 1
1 2 3 2 360 1 1
2 2 1 2 611 2 1
2 2 2 3 611 2 1
2 2 1 2 861 2 1
2 2 2 3 604 2 2
2 2 2 2 556 2 1
2 2 4 2 894 2 1
2 2 3 1 621 1 1
2 2 2 1 869 2 1
2 2 3 2 1032 2 2
2 2 1 3 361 2 1
1 2 4 2 438 2 1
1 2 4 2 480 2 1
2 2 1 3 960 2 1
2 2 1 1 1049 1 1
2 2 2 2 735 2 1
2 1 2 1 893 2 1
2 2 1 1 462 2 1
2 2 3 1 729 2 1
2 2 4 2 756 1 1
2 2 4 2 607 2 1
2 2 4 1 829 2 1
2 2 3 2 1093 2 1
2 2 1 1 824 2 2
2 2 3 2 627 1 1
2 2 1 3 756 2 1
2 2 1 2 825 1 2
2 2 3 2 703 2 1
2 2 1 1 709 2 1
2 2 4 2 925 2 1
2 2 1 3 544 2 1
2 2 1 1 764 2 1
2 2 1 2 833 2 1
2 2 3 2 899 2 2
2 2 1 1 738 2 1
2 2 1 1 744 2 1
2 2 1 1 878 2 1
2 2 1 3 579 2 1
2 2 2 2 501 1 1
2 2 1 2 742 2 1
2 2 2 2 673 2 2
2 2 1 2 680 2 1
2 1 2 2 878 2 1
2 2 1 1 705 2 1
2 2 2 2 726 2 2
1 1 1 2 579 2 1
1 2 4 2 804 2 1
2 2 1 1 934 2 2
1 2 4 1 745 2 2
2 2 1 2 839 2 1
2 2 2 2 857 2 1
2 2 1 2 641 2 2
1 2 1 3 534 2 1
2 2 1 2 922 2 1
2 2 4 1 708 2 1
2 2 1 2 839 2 1
2 2 4 2 536 2 1
1 2 1 2 892 2 1
2 2 1 2 566 2 1
2 2 1 2 479 2 2
2 2 1 2 669 1 1
2 2 1 1 745 2 1
1 2 1 3 647 2 1
2 2 1 3 281 2 1
2 2 4 1 495 2 1
2 2 1 3 494 2 1
2 2 4 2 636 2 1
2 1 1 1 657 2 1
2 2 2 2 642 2 1
2 2 4 2 888 2 1
2 2 1 2 949 2 1
1 2 4 2 572 2 1
2 2 1 3 692 2 1
2 2 4 2 847 2 1
2 2 1 2 1236 2 1
1 2 4 2 555 2 1
2 2 2 2 865 2 1
2 2 1 1 454 2 1
2 2 2 2 475 2 1
2 2 1 3 860 2 1
2 2 1 2 848 2 1
2 2 4 1 688 1 1
2 2 2 2 871 1 2
2 2 2 1 368 2 1
2 2 1 3 757 2 1
2 2 1 2 761 2 1
2 1 2 2 647 2 1
2 2 1 2 538 2 1
2 2 1 2 749 2 1
1 1 4 1 386 2 2
2 2 2 2 848 2 2
1 2 1 2 781 2 1
2 2 1 3 642 2 2
2 2 1 1 861 1 1
2 2 1 1 623 2 1
2 2 3 2 605 1 1
2 2 4 1 480 2 1
2 2 1 2 754 2 1
2 1 4 2 768 2 1
2 2 2 1 779 2 1
2 2 2 3 219 1 1
1 2 4 2 450 2 1
2 2 4 2 1005 2 2
2 2 1 3 449 2 1
2 2 2 2 921 1 1
1 2 2 3 619 2 1
2 2 2 1 735 1 1
1 2 2 3 659 2 1
1 1 1 3 725 2 1
2 2 4 3 781 2 1
2 2 4 2 810 2 1
2 2 1 2 1098 2 1
1 2 1 3 755 2 2
2 2 1 1 906 2 1
2 2 1 2 1032 2 1
2 2 2 1 884 2 1
1 2 3 1 500 2 1
2 2 3 2 743 2 1
2 1 4 2 412 2 1
2 2 1 1 918 2 1
2 2 3 2 594 2 1
2 2 4 3 625 2 2
2 2 1 2 588 2 1
1 2 3 1 777 2 1
1 2 1 1 360 1 1
2 2 1 2 801 2 1
2 2 1 3 816 2 1
2 2 1 2 843 2 2
2 2 1 3 523 2 1
2 2 4 3 469 2 1
2 2 2 2 480 2 1
2 2 4 2 655 2 1
2 2 1 2 840 2 1
2 2 3 1 428 1 1
2 2 4 2 642 2 2
1 2 1 3 375 2 2
1 1 1 3 461 2 1
2 2 1 2 996 2 1
1 2 3 2 628 2 1
2 2 1 2 991 2 1
2 2 1 2 694 1 1
2 2 1 2 469 1 2
2 2 1 3 608 2 1
2 2 1 3 586 2 1
2 2 1 3 878 2 2
1 2 4 2 1064 2 1
2 2 1 2 625 2 1
2 2 2 3 771 2 1
2 2 2 1 631 2 1
2 2 1 1 581 2 1
2 2 4 1 596 2 1
2 2 1 2 862 2 1
2 2 1 1 698 2 1
2 2 3 2 574 2 1
2 2 1 2 662 2 1
2 2 2 2 586 2 1
2 2 1 1 479 2 1
2 2 1 2 651 2 1
2 2 3 1 696 2 1
2 2 2 1 882 2 1
2 2 1 1 600 2 1
2 2 1 1 928 1 1
2 2 1 2 616 2 1
2 2 1 2 632 2 1
2 2 4 2 841 2 1
2 2 1 2 821 2 2
1 2 1 2 746 2 1
2 2 2 2 526 2 2
2 2 1 2 521 2 1
2 2 1 2 873 2 1
2 2 1 3 960 2 2
2 2 4 2 598 2 1
2 2 1 2 625 2 1
2 2 2 1 697 2 1
2 2 1 2 1137 2 1
2 2 3 2 786 2 1
1 2 4 2 790 1 1
2 2 1 2 576 2 1
2 2 1 2 924 2 1
2 2 1 2 322 2 1
2 2 1 2 914 2 1
1 2 4 2 413 2 1
2 2 1 1 459 2 1
2 2 1 2 497 2 2
2 2 2 2 1346 2 1
2 2 1 2 798 2 1
2 2 1 2 790 2 1
2 2 4 1 628 2 1
2 2 2 2 644 2 1
2 2 1 3 938 2 1
2 2 4 1 904 2 1
2 2 1 1 383 2 1
2 2 4 2 332 2 1
2 2 2 2 740 1 1
2 2 1 3 723 2 1
2 2 1 1 943 2 2
2 2 4 2 495 2 1
2 2 1 2 995 2 1
2 2 1 3 581 2 1
2 2 1 2 821 2 1
2 2 1 1 760 2 1
1 2 1 2 748 2 1
2 2 2 1 760 2 1
2 2 1 1 775 2 1
2 2 4 3 936 2 1
2 2 4 1 842 2 2
1 2 4 2 468 2 1
2 2 1 1 616 1 1
2 2 1 1 1101 2 1
2 2 2 2 734 2 1
2 2 1 2 567 2 1
2 2 1 2 517 2 1
2 2 1 2 614 2 2
2 2 1 2 600 2 1
2 2 1 1 864 2 2
2 2 1 2 545 2 1
2 2 1 3 461 2 2
2 2 1 2 257 2 1
2 2 3 3 608 2 2
2 2 4 2 642 2 2
2 2 1 3 748 2 1
2 2 1 2 465 2 1
2 2 4 2 619 2 1
2 2 4 2 507 1 1
2 2 1 2 662 2 1
2 2 1 3 581 2 1
2 1 1 3 902 2 1
2 2 1 3 390 2 1
2 2 1 2 365 2 1
2 2 1 3 675 2 1
2 2 3 2 622 2 1
2 2 3 3 469 2 1
2 2 4 1 714 2 2
1 2 2 3 609 2 1
2 2 1 2 761 2 1
2 2 2 3 879 2 1
2 2 1 2 966 2 1
2 2 1 2 870 2 1
1 2 1 1 615 2 2
2 2 1 2 723 2 1
2 2 1 2 399 2 2
2 1 2 2 523 2 1
2 2 1 2 940 2 1
2 2 1 2 990 2 1
2 2 3 2 653 2 2
2 1 4 2 530 2 1
2 2 2 2 1262 2 1
2 2 2 2 684 2 1
2 2 3 2 772 2 1
1 2 1 2 981 1 2
2 2 4 2 628 2 1
1 2 1 2 703 2 1
2 2 1 3 739 2 2
2 1 1 2 905 2 2
2 2 1 3 805 1 1
2 2 1 2 362 2 1
2 2 3 3 430 1 1
2 2 2 3 651 2 1
2 2 3 3 463 1 1
2 2 4 3 701 2 1
2 1 1 2 778 1 1
2 2 1 1 983 2 1
2 2 4 3 397 2 1
2 2 1 1 898 2 1
2 2 1 2 696 2 1
1 2 1 2 659 2 1
2 2 4 1 891 2 1
2 2 4 2 596 2 1
2 2 1 3 573 2 2
1 2 1 2 649 2 1
2 2 1 2 732 2 2
2 2 1 2 855 2 1
2 2 3 2 837 1 1
2 2 1 2 823 2 1
2 2 1 2 444 2 2
2 2 1 3 892 1 1
1 2 4 2 866 2 1
2 2 4 2 897 2 1
2 2 1 2 725 2 1
2 2 1 2 723 2 1
2 2 1 3 1258 2 2
1 2 2 2 750 2 1
2 2 4 2 754 2 1
2 2 4 2 716 2 1
2 2 1 1 516 2 2
2 2 4 3 918 1 1
2 2 4 2 394 2 1
2 2 3 1 820 2 1
2 2 1 2 479 2 1
2 2 4 2 898 2 1
2 2 2 1 988 2 1
1 2 4 2 746 2 1
1 2 1 1 556 2 1
2 1 1 3 1065 2 1
2 2 4 1 973 2 1
2 2 4 1 778 2 1
2 2 1 1 770 2 1
2 2 2 2 821 2 1
2 2 3 2 1095 1 1
1 2 1 2 527 2 1
2 2 2 1 826 2 1
1 2 2 2 533 2 1
1 1 1 2 364 2 1
2 2 1 3 790 2 1
2 2 1 2 700 2 2
2 2 1 2 621 2 1
1 2 1 1 894 2 1
2 2 1 2 402 2 1
2 2 1 2 592 2 1
1 2 2 2 614 1 2
2 2 1 2 760 2 1
2 2 1 1 564 2 1
2 2 1 2 398 2 1
2 2 1 1 738 2 1
2 2 4 2 794 1 1
2 2 1 2 966 2 1
2 2 1 3 559 2 1
2 2 2 2 850 2 1
2 2 1 1 808 2 1
2 2 1 2 676 2 1
1 2 4 1 549 2 1
2 2 1 2 946 2 1
1 2 1 2 834 2 1
2 2 1 2 615 2 2
2 2 1 2 1147 2 1
2 2 1 1 394 2 1
1 2 4 2 825 2 2
1 2 4 3 652 1 1
2 2 2 3 774 2 1
2 2 1 2 721 2 1
2 2 1 3 714 2 1
2 2 1 2 590 2 1
2 2 1 2 596 1 2
2 2 1 2 853 2 1
2 2 1 3 563 2 1
2 2 1 3 1179 2 2
2 2 2 3 528 2 1
2 1 2 2 677 2 1
2 2 1 1 1073 2 1
2 2 1 3 656 2 1
2 2 2 2 748 2 1
2 2 1 2 723 2 1
1 1 1 2 773 2 1
2 2 2 1 686 1 1
2 2 2 2 572 2 1
2 2 1 3 872 2 2
2 2 1 2 1042 2 2
1 2 2 2 847 2 1
2 2 1 2 786 2 1
2 2 1 2 489 2 1
1 2 2 1 616 2 2
2 2 1 3 715 2 1
2 2 1 2 719 2 1
2 2 1 3 563 2 1
2 2 1 3 846 2 1
2 2 2 2 628 2 1
1 2 2 2 568 2 1
2 2 1 2 732 2 2
2 2 2 1 744 2 1
1 2 1 3 445 2 1
2 2 1 2 806 2 1
2 2 1 2 696 2 1
2 2 4 1 832 2 2
2 2 2 2 353 2 1
1 2 1 2 865 2 1
2 2 1 2 791 2 1
2 2 1 1 981 2 2
2 2 2 1 778 2 2
2 2 1 2 583 2 1
2 1 1 2 1047 2 1
2 2 1 2 414 2 1
2 2 4 3 640 2 1
2 2 1 3 727 2 1
2 2 2 2 633 2 2
2 1 1 2 625 1 1
2 2 1 2 625 2 1
2 2 2 1 722 2 1
1 2 4 1 788 2 2
2 2 4 2 745 2 2
2 2 1 2 931 2 1
2 2 1 1 669 2 1
2 1 1 1 634 2 1
2 2 4 1 864 2 1
2 2 3 3 695 2 1
2 2 3 2 874 1 2
2 2 4 1 998 2 1
2 2 1 1 1061 2 1
2 2 1 2 1105 2 1
2 2 3 3 601 2 1
2 2 3 2 865 2 1
2 2 1 1 879 2 1
2 2 4 1 947 2 1
1 2 4 2 725 1 1
2 2 4 1 771 2 2
2 2 1 3 806 2 1
2 2 1 2 720 2 1
2 2 1 3 567 2 1
2 2 1 3 586 2 2
2 2 4 2 524 2 1
2 2 4 2 837 2 1
2 2 3 2 824 2 1
2 2 3 3 522 2 2
2 2 1 2 695 2 1
2 2 2 2 456 2 1
2 2 1 2 1145 2 2
2 2 1 2 709 2 1
2 2 1 1 808 2 1
2 2 1 2 474 1 1
1 2 4 2 668 2 1
2 2 1 2 987 2 1
2 2 4 2 710 2 1
2 2 4 2 784 2 1
2 1 1 2 690 2 1
2 2 4 1 879 2 1
2 2 1 2 623 2 1
2 2 1 1 1154 2 1
1 2 1 1 604 2 1
2 2 4 2 708 2 2
2 2 4 1 455 2 2
2 2 2 2 530 2 1
2 2 2 3 706 2 1
2 2 1 2 1094 2 1
1 2 1 1 442 2 2
2 2 1 3 518 2 1
2 2 3 3 667 2 1
1 2 1 2 692 2 1
1 2 1 1 558 2 1
2 2 1 2 728 2 1
2 2 2 2 738 2 1
1 2 1 2 908 2 1
2 2 1 3 606 2 1
2 2 1 2 727 2 1
2 2 3 2 481 1 2
1 2 3 2 846 2 1
2 2 1 1 649 2 1
2 2 1 2 639 1 1
1 2 1 3 836 2 1
1 2 3 1 786 2 1
1 2 1 2 358 2 1
2 1 3 1 533 2 2
2 2 4 2 996 2 1
2 2 1 3 834 2 2
2 2 4 2 684 2 1
2 2 1 3 548 2 1
2 2 1 2 860 1 2
2 2 1 2 848 2 1
1 2 1 2 659 2 1
2 2 1 1 906 1 1
1 2 4 2 848 2 1
1 2 4 2 907 2 1
2 2 3 2 802 2 1
2 2 1 3 740 2 2
2 2 2 3 577 2 1
2 2 1 2 537 2 1
2 2 1 2 598 2 1
1 1 1 2 640 1 1
2 2 3 1 495 2 1
2 1 2 3 924 2 1
2 2 2 2 962 2 1
2 2 2 2 699 2 1
2 2 1 2 883 2 1
2 2 1 2 780 2 1
1 2 2 2 1005 2 1
1 2 1 3 669 2 1
1 2 3 1 681 2 1
2 2 1 2 925 2 1
2 2 1 2 809 2 1
2 2 4 2 774 2 1
1 2 1 2 841 2 2
2 2 3 3 647 2 1
2 2 4 2 914 2 1
2 2 1 2 485 2 1
2 1 2 3 758 2 2
2 2 4 1 821 2 1
2 2 2 2 984 2 1
1 1 4 2 574 2 1
2 2 1 1 667 2 2
2 2 1 3 648 2 1
1 2 1 2 845 1 1
2 2 1 1 426 2 2
2 2 1 2 728 2 2
1 2 1 2 594 2 1
2 2 2 2 467 2 1
1 2 1 2 679 2 1
2 2 2 3 1010 2 1
1 2 1 2 685 2 1
2 2 1 3 775 2 2
2 2 3 1 516 2 1
1 2 3 3 86 2 2
1 2 4 2 480 2 1
2 2 4 2 518 2 2
1 2 1 2 665 2 1
2 2 4 3 374 2 2
1 2 1 3 853 2 1
2 2 1 2 1101 2 1
2 2 1 2 1026 2 1
2 2 4 2 615 1 2
2 2 3 1 1208 2 1
1 2 3 1 519 2 1
2 2 1 2 369 2 1
2 1 1 2 998 1 1
2 2 2 3 491 2 1
2 2 1 2 407 2 1
2 2 2 3 777 2 1
2 2 1 2 729 2 1
2 1 1 2 902 2 1
1 2 1 2 544 1 1
2 2 1 3 534 2 1
2 2 1 2 666 2 1
2 2 4 1 817 2 1
2 2 1 2 685 2 1
2 2 1 1 840 2 1
2 2 3 1 692 2 1
2 2 1 1 704 2 1
2 2 1 2 662 2 2
2 2 1 2 822 2 1
2 2 3 3 332 1 1
1 2 1 2 810 1 1
1 2 2 2 771 2 1
2 2 2 1 621 2 1
2 2 1 3 909 2 1
2 2 4 1 948 2 1
2 2 1 2 515 2 2
2 2 3 3 424 2 1
2 2 2 2 594 1 1
2 2 1 1 583 2 2
2 2 1 2 748 2 1
2 2 1 2 885 2 1
2 2 2 2 888 2 2
2 2 2 2 370 2 1
2 2 4 1 571 2 1
2 2 4 1 602 2 1
2 2 1 2 561 2 1
1 2 1 1 594 2 1
2 2 2 1 818 2 2
2 2 1 2 773 2 1
2 1 1 2 643 2 1
2 2 2 1 705 2 1
2 2 1 1 627 2 1
2 2 1 2 431 2 1
2 2 1 3 929 2 1
1 2 4 2 841 2 1
2 2 1 2 868 1 2
2 2 1 2 563 2 1
2 1 1 2 980 2 1
2 2 4 2 771 2 1
2 2 1 2 712 2 1
2 2 3 2 327 2 1
2 2 1 3 1047 2 1
2 2 1 1 846 2 1
2 2 4 1 361 2 1
2 2 3 1 896 2 1
2 1 1 2 473 2 2
2 2 2 1 611 2 1
2 2 4 2 903 2 1
2 2 3 2 871 2 2
1 2 2 1 787 1 1
2 2 1 2 343 1 2
1 2 3 2 575 2 2
2 2 1 2 993 2 1
2 2 3 3 766 2 1
2 2 3 1 622 2 1
2 2 1 3 560 2 1
2 2 1 3 906 2 1
1 2 1 3 765 2 1
2 2 1 2 483 2 1
2 2 1 2 596 2 2
2 2 1 1 497 2 2
1 2 1 1 560 2 1
2 2 4 2 700 2 1
2 1 1 3 549 2 1
2 1 4 1 760 2 1
2 2 4 1 973 2 1
2 2 1 1 651 1 1
2 2 2 2 655 2 1
2 2 3 2 968 2 1
1 2 1 3 865 2 2
2 2 4 1 558 2 1
2 2 1 3 440 2 1
2 2 1 3 729 2 1
2 2 3 3 585 2 1
2 2 2 2 643 2 1
1 2 1 1 917 2 1
2 2 1 1 865 1 1
2 2 1 3 784 2 1
2 2 4 1 918 2 1
2 2 2 3 1116 2 1
1 2 1 2 796 2 1
2 1 1 1 622 2 1
2 2 4 2 954 2 1
2 2 1 1 796 2 1
2 2 3 2 597 2 1
2 2 2 2 935 2 1
2 2 1 1 761 2 1
2 2 1 2 520 2 1
2 2 4 2 853 2 1
2 2 3 2 516 2 1
1 2 1 3 889 2 1
2 2 4 2 663 2 1
2 2 4 3 613 2 1
2 2 1 3 854 2 1
2 2 1 2 357 2 1
1 2 2 3 663 2 1
2 2 1 3 535 2 1
2 2 1 1 799 2 2
1 2 1 3 653 2 1
2 1 1 1 487 2 2
2 2 2 3 666 2 1
2 2 1 2 726 1 1
2 1 1 2 532 1 1
2 2 4 3 726 2 1
2 2 1 2 574 2 1
2 2 1 2 691 2 1
2 2 4 2 516 2 1
2 2 4 2 691 2 1
2 2 1 1 692 2 1
2 2 1 1 1075 2 1
2 2 4 3 690 2 1
2 1 1 2 416 2 1
2 2 1 2 651 2 1
2 2 2 2 679 1 1
2 2 4 1 772 2 1
2 2 2 3 989 2 1
1 2 4 2 435 2 1
2 2 4 2 606 2 1
2 2 2 3 349 2 1
2 2 4 1 958 2 1
2 2 1 2 875 2 1
2 2 2 1 925 2 1
2 2 3 1 710 2 1
1 2 1 3 453 2 1
2 2 1 1 718 2 2
2 2 1 1 585 2 1
1 2 1 2 815 2 2
2 2 1 2 646 2 1
2 2 1 2 865 2 1
2 2 1 2 647 2 1
2 2 4 2 688 2 1
2 2 1 2 506 2 1
2 2 1 2 709 2 2
2 2 1 2 496 2 2
2 2 1 2 910 2 2
2 2 1 1 511 1 1
2 2 1 1 779 2 2
2 2 1 2 512 2 1
1 2 1 3 790 2 1
2 2 1 2 685 2 2
2 2 4 2 601 2 1
2 2 4 2 241 2 1
2 2 1 2 677 2 1
2 2 3 3 653 2 1
2 1 4 3 589 2 2
2 2 4 2 553 1 1
2 2 3 2 939 2 1
2 2 1 2 593 2 1
2 2 4 2 769 2 1
2 2 4 2 484 2 1
2 1 1 2 462 1 1
2 2 1 2 424 2 1
2 2 1 2 625 2 2
2 2 1 2 908 2 2
2 1 1 2 520 2 1
2 2 2 1 729 2 1
2 2 3 2 594 2 1
2 2 2 2 661 2 1
2 2 2 2 747 2 1
2 2 4 2 601 2 1
2 2 4 1 500 1 1
2 2 1 3 553 2 1
1 2 1 1 555 1 2
2 2 4 3 962 2 1
2 2 1 1 466 2 1
2 2 1 2 419 2 1
1 2 1 3 236 2 1
2 2 1 3 960 2 2
2 2 1 2 141 2 2
2 2 2 3 955 2 1
1 2 1 2 643 2 1
2 2 4 1 815 2 1
2 2 1 1 888 2 1
1 2 1 2 587 2 1
1 2 1 2 706 2 1
1 2 4 2 425 2 1
2 2 4 1 624 2 1
2 1 3 1 907 2 2
1 2 1 1 545 2 1
1 2 2 2 616 2 1
2 1 1 2 684 2 2
2 2 3 1 468 2 2
2 2 3 1 855 2 2
2 1 2 1 397 2 1
2 2 1 3 657 2 1
2 2 1 1 557 2 1
1 2 1 3 799 2 1
2 2 1 2 624 2 1
2 1 1 2 563 2 1
2 2 1 2 703 2 1
2 2 2 1 419 2 1
2 2 3 2 489 1 1
2 2 4 2 720 2 1
2 2 4 2 667 2 1
1 2 2 1 504 1 1
2 2 1 1 498 2 1
2 2 4 1 584 2 1
2 2 1 2 637 2 1
2 2 1 2 838 2 2
1 2 2 2 752 2 1
2 2 4 2 502 2 1
2 2 1 1 632 2 1
1 2 1 2 761 2 1
2 2 2 2 666 2 1
2 2 1 2 885 2 2
1 2 1 1 875 2 1
2 2 3 1 854 2 1
2 2 1 2 1000 2 1
2 2 1 2 576 2 1
2 2 1 2 773 2 1
2 2 1 1 375 2 1
2 2 4 1 984 2 1
2 2 2 2 546 2 1
2 2 2 2 728 2 1
2 2 3 2 676 2 1
2 2 2 2 371 2 1
2 2 1 2 806 2 1
2 2 4 2 472 2 1
2 2 2 2 958 1 2
2 2 1 3 579 2 1
1 2 3 2 535 2 1
2 2 1 2 622 2 1
2 2 1 1 1080 2 1
1 2 1 2 767 2 2
1 2 4 2 1127 1 1
2 2 1 2 602 2 1
2 2 4 2 787 2 1
2 2 3 3 894 1 1
2 2 4 2 561 2 1
2 2 1 3 752 2 2
2 2 1 1 800 2 1
2 2 4 1 870 2 1
2 2 1 1 764 2 1
2 2 4 2 519 2 2
1 2 1 3 788 2 1
2 2 1 2 322 2 1
2 2 1 3 527 2 2
2 2 3 2 550 2 1
1 2 1 3 878 2 1
2 2 1 1 775 2 1
2 2 2 2 619 2 1
1 2 4 2 917 1 1
2 2 1 2 842 2 1
2 2 1 1 568 2 1
2 2 1 1 786 1 1
1 2 4 2 599 2 1
1 2 1 3 889 1 1
2 2 1 2 1214 2 1
2 2 1 2 754 2 1
2 1 4 2 803 2 2
2 2 3 1 717 2 1
2 2 3 1 655 2 1
2 1 1 3 485 2 1
2 2 1 2 576 2 2
1 2 4 2 728 2 1
2 2 1 1 626 2 2
2 2 1 2 484 2 1
2 2 1 1 502 2 1
2 2 2 2 472 2 1
2 2 2 2 606 2 2
2 2 3 2 642 2 2
2 2 4 1 920 2 1
2 2 1 1 845 2 1
1 2 1 2 934 2 1
2 2 1 1 767 2 1
2 2 1 2 353 1 1
2 2 1 2 807 2 1
2 2 1 1 569 2 1
1 2 3 1 978 2 1
2 2 1 1 729 2 1
2 2 1 3 726 2 1
2 2 2 2 763 2 1
2 2 1 2 724 2 1
2 2 1 3 906 2 2
2 2 1 2 782 1 2
2 2 4 1 795 2 1
2 2 1 1 878 2 1
2 2 4 1 795 2 1
2 2 2 2 487 2 1
2 2 2 1 781 2 1
2 2 4 2 477 2 1
2 2 2 2 547 2 2
2 2 4 3 532 2 1
2 2 1 1 502 2 2
2 2 1 3 522 1 2
2 2 1 1 482 2 2
2 2 2 1 681 2 1
1 2 1 2 739 2 1
2 2 1 2 581 2 2
2 2 1 2 603 2 1
2 2 1 2 799 2 1
2 2 4 3 463 2 1
1 2 1 1 574 2 1
2 2 4 2 863 2 1
2 2 2 2 634 2 1
2 2 2 3 1061 2 1
2 2 3 1 234 2 1
2 2 3 2 786 2 1
2 2 2 1 865 1 2
2 2 3 3 468 2 2
1 2 2 2 589 2 1
2 2 4 1 695 1 1
2 2 1 2 615 2 1
2 2 1 2 433 2 1
2 2 1 1 718 2 1
1 2 1 3 1050 2 1
2 2 4 1 953 2 1
1 2 1 2 1110 2 2
2 2 3 1 849 2 1
2 2 1 2 763 2 1
2 2 1 2 941 1 2
1 1 1 2 735 1 1
2 1 1 2 956 2 1
2 2 1 2 911 2 1
1 2 1 2 655 2 1
2 2 1 3 501 2 1
2 2 1 2 753 2 1
2 2 1 2 624 2 1
2 2 2 1 817 2 2
2 2 4 2 668 2 1
2 2 1 2 632 2 1
2 2 2 2 500 2 1
1 2 1 2 727 1 1
2 2 1 3 438 2 2
2 2 2 3 724 2 2
1 2 1 2 722 2 1
2 2 1 2 567 2 1
2 2 4 2 1066 2 1
2 2 1 2 565 1 1
2 2 1 1 897 2 1
2 2 3 2 1004 2 1
2 2 1 2 961 2 1
1 2 1 3 747 2 1
1 2 1 3 518 1 2
2 2 1 3 941 2 2
2 2 1 2 1147 2 2
2 2 1 1 740 1 1
2 2 1 3 739 2 1
1 2 2 2 739 2 1
2 2 4 3 473 2 1
2 2 2 1 876 2 1
2 2 1 2 717 2 1
2 2 1 1 477 2 2
1 2 1 2 344 1 2
2 2 3 2 606 1 1
2 2 4 2 1001 2 1
1 2 1 1 761 2 1
2 2 1 3 621 2 2
1 2 1 1 921 2 1
2 2 1 1 895 2 1
2 2 2 3 880 2 1
2 2 1 2 848 2 1
2 2 2 2 340 2 2
2 2 1 2 428 2 1
2 2 1 2 817 2 1
2 2 1 2 640 2 1
1 1 4 1 483 2 1
2 2 4 2 856 2 1
2 2 1 2 745 2 1
1 2 1 2 746 2 1
2 2 2 1 694 1 1
2 2 1 3 623 2 2
2 2 4 1 307 2 1
2 2 4 3 563 2 1
2 2 2 3 652 2 1
2 2 2 3 598 2 2
2 2 2 2 664 2 1
2 2 2 1 486 1 1
2 2 3 3 763 2 1
1 2 2 2 480 1 1
2 2 4 2 789 2 2
2 2 2 1 631 2 1
1 2 1 2 640 2 2
2 2 1 2 635 2 1
2 2 4 2 530 2 1
2 2 4 1 481 2 1
1 2 1 2 599 1 1
2 2 3 3 825 2 1
2 2 1 2 534 2 1
2 2 2 2 997 2 1
2 2 1 3 734 2 1
2 2 4 3 449 2 1
2 2 3 1 756 2 2
2 2 1 1 593 2 1
2 2 4 2 720 1 1
1 2 1 2 714 2 1
2 2 1 1 515 2 2
1 2 1 1 649 2 1
2 2 3 1 1146 2 1
2 2 1 1 838 2 1
2 2 2 1 245 2 1
2 2 4 2 609 2 1
1 2 2 3 730 2 1
2 2 1 3 1065 1 1
2 2 1 3 878 2 1
2 2 4 2 982 2 1
2 2 4 2 633 2 1
2 2 4 2 454 2 1
2 2 1 2 690 2 2
2 2 1 2 386 2 1
2 2 1 1 588 2 1
2 2 1 3 371 2 1
2 1 4 2 458 2 1
2 2 1 2 581 2 2
1 2 1 3 340 2 1
2 2 2 2 750 2 1
2 2 1 3 930 2 1
1 2 2 1 815 1 1
2 2 2 2 707 2 1
2 2 4 2 750 2 1
2 2 1 2 628 2 1
2 2 1 1 677 2 1
1 2 3 2 674 1 1
2 2 1 2 430 2 1
2 2 2 3 635 1 1
2 2 1 2 647 2 1
2 2 1 1 879 2 1
2 2 4 2 1062 2 1
2 2 4 3 806 2 1
2 2 3 2 886 2 1
2 2 4 2 605 2 1
2 2 1 3 548 2 2
1 2 1 2 692 2 1
2 2 1 2 651 2 1
2 2 2 2 983 2 1
2 2 3 3 742 2 1
2 2 1 2 416 1 2
2 2 4 2 496 2 1
2 2 2 3 607 2 1
2 2 1 3 618 2 1
2 2 4 1 342 2 1
1 2 1 2 432 1 1
2 2 1 1 849 2 1
2 2 4 2 874 2 1
2 2 2 1 774 2 1
2 2 1 2 785 2 1
2 2 1 2 714 2 2
2 2 1 3 582 2 1
2 2 2 2 663 2 1
2 2 1 3 694 2 2
2 2 3 2 575 2 1
2 2 1 2 926 2 1
2 2 3 2 581 2 1
2 2 1 2 775 2 1
1 2 1 1 655 2 1
2 2 1 1 614 2 2
2 2 2 2 828 2 1
1 2 1 2 607 2 1
1 2 1 2 685 1 1
2 2 1 2 944 2 1
2 2 2 3 486 2 1
2 2 3 1 787 1 1
2 2 4 2 653 2 1
1 2 2 1 660 2 1
2 2 4 1 662 1 1
2 2 3 2 928 2 1
2 2 1 2 811 2 1
2 2 1 3 419 2 1
2 2 4 2 630 2 1
2 2 1 1 593 2 1
1 1 2 2 565 2 1
2 2 1 1 597 1 2
1 2 4 1 680 2 1
1 2 4 1 617 2 2
1 1 1 2 402 1 2
2 2 1 2 1054 2 1
2 2 2 2 368 2 1
2 2 4 2 798 2 1
2 2 2 2 844 2 1
1 2 1 2 948 2 1
2 2 2 1 653 2 1
2 2 1 2 890 2 1
1 2 3 2 687 1 2
2 2 1 1 1094 2 1
2 2 4 2 1174 2 1
2 2 3 1 752 2 1
2 2 1 1 709 2 1
2 2 1 1 933 2 2
1 2 4 2 901 2 1
2 2 1 3 399 2 1
2 2 1 2 804 2 1
2 2 1 3 892 2 1
2 2 1 3 436 2 1
2 2 1 2 519 2 1
2 2 3 1 830 2 1
2 2 3 1 535 2 1
2 2 1 2 763 2 1
2 2 1 1 746 2 1
1 2 1 2 802 2 1
1 2 3 2 615 2 1
2 2 4 2 543 2 1
2 2 1 2 422 2 1
2 2 2 2 591 2 2
2 2 4 2 859 2 1
2 2 1 1 722 2 1
2 2 1 3 801 1 1
2 2 3 2 785 2 1
2 2 1 2 354 2 2
1 2 4 2 929 2 1
2 1 1 1 819 2 1
2 2 1 1 878 2 1
2 2 1 3 745 1 1
1 2 1 3 884 2 1
2 2 3 1 95 2 1
2 2 1 2 842 2 1
2 2 1 2 613 2 1
2 2 2 2 703 2 1
2 2 4 2 776 2 1
1 2 1 2 230 2 1
2 2 2 1 632 2 1
1 2 3 3 515 2 1
2 2 1 1 656 2 1
1 1 1 2 671 1 1
2 2 1 2 633 2 2
2 2 1 2 495 2 1
2 2 1 2 904 2 1
2 2 1 3 1168 2 1
2 2 1 2 929 2 1
2 2 1 2 614 2 2
2 2 1 3 495 2 1
2 2 1 2 613 2 1
2 2 1 2 604 2 1
2 2 1 2 360 2 1
2 2 1 2 690 2 2
2 2 1 2 825 2 2
2 2 1 2 541 2 1
2 2 2 2 696 2 1
1 2 1 2 908 2 1
2 2 1 2 897 2 1
2 2 1 2 744 2 1
1 2 1 1 807 2 1
1 2 2 2 684 2 1
2 2 1 2 935 2 1
2 2 1 1 1005 2 1
2 2 3 2 492 2 1
2 2 1 2 1037 2 1
1 2 2 2 662 1 1
2 2 1 2 636 2 1
2 2 4 3 788 2 1
2 2 1 2 664 2 1
1 2 3 3 568 2 1
1 2 2 1 901 2 2
2 2 1 2 738 2 1
2 2 1 2 983 2 1
2 2 1 3 553 2 2
1 2 1 3 382 2 1
2 2 3 3 847 2 1
2 2 2 2 729 2 1
2 2 1 2 961 2 1
1 2 1 3 638 2 2
2 2 1 2 486 2 1
1 2 1 2 944 2 1
2 2 1 3 782 2 1
2 2 1 2 1081 2 1
1 2 2 1 527 2 1
1 2 2 2 841 2 1
2 2 1 1 430 2 1
1 2 4 2 645 2 1
2 2 1 2 929 2 1
2 2 1 1 586 2 1
2 2 1 3 687 2 1
2 2 1 2 570 2 2
1 2 4 3 1013 1 1
2 2 1 2 897 2 1
2 2 2 3 624 2 1
2 2 1 2 461 2 2
1 2 1 1 491 2 1
2 2 4 2 701 2 1
2 2 1 2 619 2 1
2 2 1 2 751 2 1
2 2 1 2 595 2 1
2 2 2 2 871 2 1
2 2 3 2 837 1 1
2 2 2 2 320 2 1
2 2 4 2 649 1 1
2 2 2 3 1072 1 2
1 2 1 1 575 2 1
2 2 3 1 710 1 1
2 2 1 1 645 2 1
2 2 2 2 639 2 1
1 2 1 2 684 2 2
2 2 1 2 400 2 1
2 2 2 3 418 2 1
2 2 3 1 379 2 2
1 2 3 1 692 2 1
2 2 3 2 626 2 1
2 2 1 3 915 2 1
2 2 1 1 699 2 1
2 2 1 2 940 1 1
1 2 1 3 841 2 1
2 2 1 1 821 2 1
2 2 1 2 518 2 1
2 2 2 1 428 2 1
2 2 4 2 767 2 1
2 2 4 2 986 2 1
2 2 3 1 485 2 1
2 2 1 2 804 2 1
2 2 4 2 822 2 1
2 2 3 3 406 2 1
1 2 1 2 524 2 1
2 2 2 2 448 2 1
1 2 1 2 726 2 1
1 2 1 3 348 2 1
2 2 1 2 312 2 1
1 2 1 1 578 2 1
2 2 1 3 379 2 1
2 2 1 2 612 2 1
2 2 1 3 781 2 2
1 2 1 3 659 2 1
2 2 1 3 669 2 1
2 2 2 2 569 2 1
2 2 4 1 792 2 1
2 2 1 2 829 2 1
2 2 1 2 925 2 2
2 2 4 2 737 2 1
2 2 4 2 711 2 1
2 2 4 1 525 1 1
2 1 2 3 678 2 1
2 2 4 1 572 2 1
2 2 2 2 692 2 1
2 2 1 1 1048 2 1
2 2 4 2 599 2 1
1 2 1 1 678 2 1
1 2 1 2 734 1 1
2 2 1 1 901 2 1
2 2 1 1 669 2 1
2 2 4 2 951 2 1
1 2 1 2 878 2 1
2 2 4 2 781 2 1
2 2 1 3 402 2 1
2 2 4 3 724 2 1
2 1 4 2 615 2 2
2 2 1 2 976 2 1
2 2 4 2 841 2 2
2 2 1 2 698 2 1
2 2 2 3 702 1 1
2 2 1 2 736 1 1
2 2 1 2 765 2 1
2 2 3 3 686 2 1
2 2 4 2 959 2 1
2 2 4 2 550 2 1
2 2 2 1 688 2 1
2 2 1 2 727 2 2
2 2 1 1 508 2 1
2 2 4 2 336 2 2
2 2 1 3 609 2 2
1 2 2 1 698 2 1
1 2 1 3 412 2 1
2 2 3 2 869 2 1
2 2 1 1 633 2 1
2 2 2 2 633 2 1
2 2 4 2 889 2 1
2 2 1 3 549 2 1
2 2 1 3 675 2 1
2 2 2 1 901 2 1
1 2 1 2 587 2 1
2 2 4 2 778 2 1
1 2 3 2 620 2 2
2 2 4 2 299 2 1
2 2 2 1 824 2 1
2 2 1 1 393 2 1
1 2 1 2 857 1 1
1 2 3 1 771 2 1
2 2 3 3 425 2 1
2 2 1 3 815 2 1
2 2 1 2 884 2 1
1 1 4 3 528 2 2
2 2 1 1 295 2 1
2 2 2 1 805 2 1
2 2 3 3 354 2 1
2 1 1 2 634 2 1
1 2 1 2 656 2 1
2 2 2 2 886 2 2
2 2 1 2 632 2 1
2 2 2 2 661 2 1
2 2 1 2 816 2 1
2 2 4 3 807 2 1
2 2 1 2 632 1 1
1 2 1 2 419 2 2
2 2 1 2 525 1 1
2 2 3 3 459 2 2
2 2 1 1 520 2 1
1 2 2 1 513 2 1
2 2 1 2 1020 2 1
2 2 4 2 809 1 1
2 2 1 2 558 2 1
2 1 1 1 512 2 1
2 2 2 1 911 2 1
2 2 1 2 1196 1 1
2 2 1 1 429 2 1
2 2 4 3 612 2 1
2 2 2 1 1049 2 1
2 2 3 3 912 2 1
2 2 2 3 551 2 1
2 2 1 2 859 2 1
1 2 1 2 609 2 1
2 2 1 2 361 2 1
1 2 3 2 632 2 1
2 2 1 2 699 2 1
2 2 2 2 742 2 1
1 2 4 2 879 2 1
2 2 1 1 303 2 2
2 2 1 1 978 2 1
2 2 1 2 760 2 1
2 2 1 1 471 2 1
2 2 3 2 884 1 2
1 2 3 2 890 2 1
2 2 1 1 765 2 1
1 2 1 3 643 2 1
2 2 1 1 722 2 1
2 1 4 2 1015 2 1
2 2 1 2 511 2 1
2 2 1 2 662 2 1
2 2 4 3 276 2 2
2 2 4 2 704 2 1
1 2 2 2 699 2 1
1 1 1 2 806 2 1
2 2 1 1 526 2 2
1 2 2 2 164 2 1
2 2 2 1 804 2 1
2 2 1 2 328 2 1
2 1 2 3 660 2 1
2 2 1 2 845 2 1
2 2 2 2 909 2 1
2 2 1 2 577 2 2
2 2 3 1 479 2 1
1 2 1 2 907 2 2
2 2 1 2 822 2 1
2 2 1 3 404 2 1
2 2 1 1 1186 2 1
2 2 3 2 832 1 1
2 2 1 1 715 2 1
2 2 1 2 565 2 1
2 2 2 2 936 2 1
2 2 1 1 697 1 1
2 2 1 2 869 2 1
2 1 3 2 718 2 1
2 2 1 2 787 2 1
2 2 1 3 821 2 2
2 2 4 2 639 2 1
1 2 3 1 835 2 1
2 2 1 3 994 2 2
1 2 4 3 541 2 2
2 2 3 3 432 2 1
1 2 1 2 859 2 1
2 2 2 2 383 2 1
2 2 1 2 519 2 1
2 1 1 1 664 2 1
2 2 2 3 745 2 1
2 2 1 2 639 2 1
2 2 1 2 659 2 1
2 2 4 1 995 2 1
1 2 4 1 732 2 1
2 2 1 1 504 2 1
2 2 1 2 576 2 2
2 2 1 2 436 2 1
1 2 1 2 716 2 1
2 2 2 2 889 2 1
2 2 4 1 457 1 1
2 2 4 2 865 2 1
2 2 2 1 774 2 1
1 2 2 1 659 2 2
1 2 1 2 523 2 1
2 2 1 2 670 2 1
2 2 1 3 659 2 1
2 2 1 3 698 2 1
1 2 4 1 860 2 1
2 2 1 2 244 2 1
2 2 1 1 575 2 1
2 2 1 2 798 1 1
2 2 1 2 979 2 1
2 2 3 1 822 2 1
1 2 2 2 819 2 1
1 2 1 3 489 2 1
2 2 1 3 591 1 1
2 2 4 2 855 2 1
2 2 1 3 968 2 2
2 2 1 2 685 1 1
2 2 2 3 871 2 1
2 2 1 1 1053 2 1
1 2 2 2 956 2 1
1 2 1 2 659 2 2
2 2 2 3 887 2 1
2 2 4 2 695 2 2
2 2 2 3 453 2 1
2 2 2 2 463 1 2
2 2 4 3 714 2 1
2 2 4 2 724 2 1
2 2 3 1 508 2 1
2 2 1 2 560 1 2
2 2 4 2 527 2 1
2 1 4 1 837 2 1
2 2 4 2 614 2 1
2 2 4 2 616 2 1
2 2 1 3 924 2 1
2 2 1 1 528 2 2
2 2 3 2 1115 2 1
2 2 3 2 536 2 2
2 2 1 1 1146 2 1
2 2 1 2 332 2 2
2 2 3 3 415 2 1
2 2 2 2 821 2 1
2 2 4 2 497 2 1
1 2 1 2 859 1 1
2 2 4 3 625 2 1
2 2 2 1 575 2 1
2 2 1 3 416 2 1
2 2 4 1 992 2 1
2 2 1 2 485 2 2
1 2 1 2 699 2 1
2 2 4 1 332 2 1
2 2 1 3 769 2 2
2 2 1 2 636 2 1
2 2 1 2 668 2 1
2 2 1 2 478 2 1
2 2 1 2 409 2 1
2 2 3 3 825 2 1
2 2 1 2 493 2 2
2 2 1 1 589 2 1
2 2 1 2 689 2 2
2 2 1 2 824 2 2
2 2 2 2 792 2 1
2 2 4 3 525 2 1
2 1 3 1 767 1 1
2 2 4 3 575 2 2
2 2 3 2 689 2 2
2 2 1 2 948 2 1
2 2 1 3 970 2 1
2 2 3 1 818 2 1
2 2 3 2 932 2 2
1 2 1 1 757 2 1
2 2 1 2 683 1 1
2 2 3 2 668 2 1
2 2 1 1 783 2 1
2 2 3 2 261 2 1
2 2 2 2 949 2 1
2 2 4 2 854 2 1
2 2 1 2 1039 2 1
2 2 1 2 884 2 1
1 2 2 1 979 2 1
1 2 2 3 663 2 1
1 2 1 2 648 2 1
2 2 1 1 592 2 1
2 2 1 1 568 2 1
2 2 4 1 879 2 1
1 2 1 3 455 2 1
1 2 2 2 709 2 2
2 2 3 3 501 2 2
2 2 4 2 599 2 1
1 2 2 2 490 2 1
2 2 1 2 444 1 1
2 2 4 3 630 2 1
2 2 1 1 422 2 1
2 2 1 1 485 2 1
1 2 4 3 735 2 1
2 2 4 2 563 2 1
2 2 1 1 580 2 1
2 2 1 1 762 2 1
2 2 1 2 528 2 1
2 2 4 2 448 2 1
2 2 4 1 746 2 1
2 2 1 2 261 1 1
1 2 1 2 767 2 1
2 2 3 3 800 2 1
2 2 3 3 686 2 1
1 2 1 1 650 2 1
2 2 1 1 423 2 2
2 2 1 2 793 2 1
2 2 1 2 664 2 2
2 2 3 2 673 2 1
2 2 2 2 581 2 2
2 2 1 1 1048 2 1
2 2 2 2 678 2 2
2 2 2 3 670 2 1
2 2 3 2 1100 2 1
1 2 1 1 896 2 1
1 2 1 1 603 2 1
2 2 2 2 751 2 1
2 2 1 2 795 2 1
2 2 4 2 273 2 1
1 2 1 1 540 2 1
2 1 1 1 283 2 1
2 2 1 2 677 2 1
2 2 1 2 1032 2 1
2 2 1 1 426 2 1
2 2 1 2 283 2 2
2 2 1 3 572 1 1
2 2 1 2 499 2 2
2 2 1 2 885 2 2
2 2 1 1 741 2 2
2 2 1 1 729 2 1
2 2 2 1 657 2 1
1 2 4 2 784 1 1
2 2 1 1 710 2 1
2 2 4 2 660 2 1
1 2 3 3 937 2 1
2 2 4 3 1015 2 1
2 2 3 3 901 2 2
2 2 4 2 843 2 2
2 1 3 2 408 1 2
2 2 1 1 832 2 1
1 2 4 3 661 2 1
2 2 4 3 677 2 2
2 2 1 2 341 2 1
2 2 1 3 718 2 1
2 2 2 2 1018 2 1
2 2 2 1 660 2 1
2 2 4 2 873 2 1
1 2 1 2 1080 2 1
2 2 4 2 789 2 1
2 2 1 2 802 2 2
2 2 4 3 804 2 2
2 2 2 2 724 2 1
2 2 1 2 816 2 1
2 2 4 2 839 1 1
2 2 4 2 622 1 1
1 2 1 2 888 2 1
2 2 4 3 615 2 1
2 1 3 2 703 2 1
1 2 2 1 822 2 1
2 2 1 1 466 2 1
2 1 2 3 527 2 2
1 2 1 2 853 2 2
2 2 4 2 921 2 1
1 2 1 1 547 2 1
2 2 1 2 959 2 1
2 2 3 2 811 2 1
2 2 4 2 1117 2 1
2 2 1 1 601 2 1
2 2 1 1 248 2 1
2 2 3 2 684 2 1
1 2 4 1 554 2 1
2 2 1 2 677 2 1
2 2 1 1 492 2 2
2 2 3 1 934 2 1
1 2 1 3 922 2 1
2 2 1 1 767 2 1
2 2 1 3 592 2 1
2 2 1 1 853 2 1
2 2 2 3 853 2 1
1 2 4 3 521 2 1
1 2 1 2 740 2 1
2 2 2 1 347 2 1
2 2 4 3 410 2 1
2 2 1 2 465 2 1
2 2 1 2 577 2 1
2 2 1 1 622 2 1
2 2 1 2 885 2 1
2 2 1 2 753 2 1
2 2 3 2 741 2 1
2 1 2 2 368 2 1
2 2 1 1 517 2 1
2 2 4 2 922 2 2
1 2 4 2 590 2 1
2 2 1 2 711 2 1
1 2 2 1 842 2 1
2 2 2 2 759 2 2
2 2 1 1 549 2 1
1 2 4 2 815 2 2
2 2 1 1 798 2 1
2 2 2 3 751 1 1
2 2 1 2 902 2 1
1 1 2 1 657 2 1
1 2 1 2 769 2 1
2 1 1 2 619 2 1
2 2 4 2 644 2 1
2 2 4 1 692 1 1
2 2 4 1 401 2 2
2 2 1 1 641 2 1
2 2 4 3 870 2 1
2 2 2 2 549 2 1
1 2 1 2 792 2 1
2 2 1 3 642 2 1
2 2 1 2 463 1 1
1 2 4 2 725 2 1
2 2 1 3 796 2 1
1 2 4 2 591 2 1
2 2 1 2 757 2 1
2 2 1 2 643 2 1
2 2 1 1 403 2 1
2 2 1 2 851 2 1
2 2 1 2 887 2 1
2 2 4 2 1025 2 1
2 2 1 2 634 2 1
2 2 3 1 747 2 1
2 2 1 1 847 2 1
1 2 1 3 615 2 1
2 2 1 1 777 2 1
1 2 3 2 687 2 1
2 2 1 2 1075 2 1
2 2 2 1 312 2 1
2 2 1 2 715 2 1
2 2 1 2 750 2 1
2 2 3 3 664 2 2
2 2 1 2 838 2 1
2 1 3 2 434 2 1
2 2 1 3 643 2 1
2 2 2 2 687 2 1
2 2 3 2 718 2 1
2 2 1 1 931 2 1
2 2 4 2 363 2 2
2 2 1 2 1020 2 1
2 2 3 2 800 2 1
2 2 1 2 804 2 2
2 2 4 2 566 2 1
2 2 1 2 733 2 1
2 2 1 2 724 2 1
2 2 1 3 1157 2 2
2 2 4 2 497 2 1
2 2 1 1 897 2 2
2 2 4 2 246 2 1
2 2 1 2 955 1 1
2 2 4 1 975 2 1
2 2 3 1 779 2 2
1 2 2 2 838 2 2
2 1 4 2 373 2 1
2 2 4 2 637 2 1
2 2 1 2 752 2 1
2 2 4 2 782 2 1
2 2 4 2 640 2 1
2 2 1 1 690 2 2
2 2 1 2 594 2 1
2 2 4 1 742 1 1
1 2 2 3 843 2 2
2 2 2 2 797 2 1
2 2 1 1 845 2 1
2 2 2 3 752 2 1
2 2 3 3 737 2 1
2 2 1 3 817 2 1
2 2 2 2 570 2 1
2 2 1 3 841 2 1
1 2 1 3 689 2 1
2 2 1 1 726 2 1
2 2 4 2 498 2 1
2 2 1 3 524 2 1
2 2 4 2 622 2 1
2 2 2 2 726 2 1
2 2 4 1 877 1 1
2 2 3 1 811 2 1
2 2 1 1 488 2 1
2 2 1 3 659 2 1
2 2 1 2 345 1 1
2 2 1 2 569 2 1
2 2 4 2 732 2 2
1 2 3 2 824 2 1
2 2 1 2 517 2 1
2 2 2 1 647 2 1
2 2 3 2 799 2 1
2 2 1 1 1043 2 1
2 1 1 3 810 2 1
2 2 1 1 970 2 1
2 2 1 2 392 2 1
2 2 2 3 711 2 1
2 2 1 2 840 2 1
2 2 2 3 875 2 2
2 2 4 2 696 2 1
2 2 1 2 982 1 1
2 2 2 2 128 2 1
2 2 1 1 954 2 1
2 2 1 1 676 2 1
2 2 1 2 784 2 1
2 2 4 1 436 2 1
2 2 3 2 602 2 1
2 2 4 2 803 2 1
1 2 3 2 709 2 1
2 2 4 1 906 2 1
2 2 1 2 685 2 1
2 2 3 2 627 2 2
2 2 3 2 586 2 2
2 2 1 2 575 2 1
2 2 1 2 509 2 1
2 2 4 3 423 2 1
2 2 1 3 690 2 1
2 2 3 1 582 2 1
2 2 4 2 312 2 1
2 2 1 1 696 2 1
2 2 3 1 464 2 1
2 2 1 2 1250 2 1
2 2 1 1 504 2 1
1 2 3 3 752 1 1
2 2 1 2 859 2 1
2 2 1 2 461 2 1
2 2 2 1 638 2 1
2 2 1 1 447 2 1
2 2 1 3 766 2 1
2 2 1 2 733 2 1
1 2 1 2 712 2 1
2 2 3 1 713 1 1
2 2 3 2 309 1 1
2 2 4 2 554 2 2
2 2 2 1 727 2 1
2 2 1 2 599 2 1
2 2 1 1 774 2 1
2 2 4 1 932 2 1
1 2 3 2 780 2 1
2 2 3 3 571 2 1
2 2 1 2 525 2 1
2 2 1 2 752 2 1
2 2 1 2 606 1 1
1 2 3 2 846 2 1
1 2 3 2 707 2 1
2 2 1 2 847 1 1
2 2 1 2 636 2 1
1 2 1 1 724 2 1
2 2 3 3 638 2 2
2 2 1 1 798 2 1
1 2 3 1 520 2 1
2 2 2 2 664 2 1
1 2 1 3 371 2 1
2 2 4 2 615 2 1
2 2 2 1 847 2 1
2 2 1 1 882 1 1
2 2 2 1 1010 2 1
2 2 1 2 850 2 1
2 2 1 2 542 2 1
2 2 1 2 526 2 1
1 2 1 2 244 2 1
2 2 1 2 636 2 1
2 2 4 2 950 2 1
1 2 2 3 705 2 1
2 2 1 3 615 2 1
1 2 1 1 743 2 1
2 2 3 3 619 2 1
2 2 2 2 228 1 2
2 2 1 2 586 2 2
1 2 1 3 460 2 1
2 2 2 2 848 2 1
2 2 3 1 723 2 1
2 2 1 1 671 2 1
1 2 4 2 970 2 1
1 2 4 2 623 2 1
2 2 4 1 1026 2 1
2 2 2 3 720 2 1
2 2 4 3 891 2 1
2 2 1 2 578 2 1
2 2 1 2 435 2 1
2 2 1 1 852 2 1
2 2 1 2 694 2 1
2 2 2 1 672 2 1
2 2 1 1 645 2 1
1 2 1 3 817 2 1
2 2 2 2 903 2 2
1 2 1 2 659 2 1
1 2 1 2 542 2 1
1 2 4 2 501 2 1
2 2 1 2 868 2 1
2 2 4 3 706 2 1
2 2 4 2 593 2 1
2 2 1 2 1111 2 2
2 2 1 2 640 2 1
2 2 4 2 737 2 2
2 2 1 2 900 1 1
2 2 1 3 921 1 1
2 1 1 2 596 2 1
2 2 1 1 1002 2 1
2 2 1 2 821 2 1
2 2 1 2 601 2 1
2 2 4 2 798 2 1
1 2 1 3 186 2 1
2 2 1 1 886 2 1
2 2 4 2 907 2 1
2 2 4 3 638 2 1
1 2 3 2 471 1 2
1 2 3 1 696 2 1
2 2 4 1 847 2 1
1 2 1 1 663 1 1
2 2 4 2 505 2 1
2 2 4 1 1054 2 1
2 2 1 3 429 2 1
2 1 1 1 890 2 1
2 2 1 3 689 2 1
2 2 1 3 791 2 1
2 2 3 2 705 2 2
2 2 1 3 878 2 1
2 2 1 1 746 2 1
1 2 3 2 626 2 1
2 2 3 2 850 2 1
2 2 4 2 583 2 1
2 2 2 3 598 2 1
1 2 4 2 779 2 1
2 2 1 2 417 2 1
2 2 1 1 622 2 1
2 2 1 1 728 2 1
2 2 1 2 825 2 1
1 2 1 1 625 2 1
2 1 3 3 721 2 1
2 2 1 3 1106 2 1
2 2 1 3 988 2 1
2 2 4 3 771 2 1
2 2 4 2 519 2 2
1 2 3 2 422 1 1
1 1 2 2 481 2 1
2 1 1 2 780 1 1
2 2 4 2 726 2 1
2 2 2 2 429 2 1
2 2 3 2 586 2 1
2 2 1 2 867 2 1
2 2 1 2 334 2 1
1 2 1 2 838 2 1
2 2 1 1 597 2 1
2 2 1 2 569 2 1
2 1 1 2 1148 2 1
1 2 4 2 885 2 1
2 2 1 3 946 2 1
1 2 1 1 920 2 1
2 2 1 1 1300 2 1
2 2 1 3 587 2 2
2 2 3 2 781 2 1
1 2 4 3 949 2 1
2 2 4 2 585 2 1
1 2 2 1 683 2 1
2 2 2 2 883 2 1
2 2 1 2 963 1 1
1 2 4 2 716 1 1
2 2 1 3 586 2 1
2 2 1 2 507 2 2
2 2 2 2 416 2 1
2 2 1 3 744 1 2
2 2 4 3 1038 2 1
2 2 4 3 614 2 2
1 2 1 2 644 2 1
2 2 3 1 726 2 2
2 2 4 2 494 2 1
2 2 1 1 543 2 1
2 2 4 1 808 2 1
2 2 1 1 457 2 1
2 2 4 2 744 2 1
1 2 3 1 688 2 1
2 2 1 2 636 2 1
2 2 1 1 799 2 2
2 2 4 2 560 2 1
2 2 1 3 963 2 1
1 2 1 1 1023 1 1
2 2 4 2 538 2 1
2 2 2 3 1076 2 1
2 2 2 1 950 2 1
2 2 2 2 691 2 1
2 2 4 3 786 2 1
1 2 2 2 866 2 1
2 2 1 2 620 2 1
2 2 3 1 547 2 1
2 2 1 2 1045 2 1
2 2 2 2 880 2 1
2 2 1 2 755 2 2
2 2 1 2 624 2 1
2 2 1 1 836 2 1
2 2 3 2 729 2 2
1 1 1 2 889 2 1
1 2 2 2 349 2 1
2 2 1 1 809 2 2
2 2 1 3 597 2 1
2 2 1 1 964 2 1
2 2 1 3 823 2 1
1 2 1 1 660 2 1
1 2 4 2 838 2 1
2 2 4 1 772 2 2
1 1 4 3 723 2 1
2 1 1 2 784 2 1
2 2 3 2 970 2 1
2 2 1 3 722 2 1
2 2 4 3 626 2 1
2 2 1 3 224 2 1
2 2 2 2 437 2 1
2 2 2 2 692 2 1
2 2 1 2 712 2 1
2 2 4 3 831 1 1
2 2 2 1 582 2 1
2 2 4 1 892 2 1
1 2 1 3 483 1 1
2 2 1 2 790 2 1
1 1 1 2 1026 2 1
1 2 3 2 617 2 1
2 2 4 2 400 2 1
2 2 4 3 712 2 1
2 2 1 2 465 2 1
2 2 4 2 452 2 1
2 2 1 2 614 2 1
1 2 1 1 634 2 1
2 2 2 1 774 2 1
2 2 4 1 618 2 1
1 2 4 2 931 1 1
2 2 1 2 558 2 2
2 2 2 3 600 2 2
1 2 2 3 1214 2 1
2 2 2 2 462 1 2
2 2 2 3 895 2 1
2 1 1 1 962 2 1
2 2 1 2 869 1 1
2 2 4 3 627 2 1
2 2 1 2 1035 1 2
1 2 1 2 568 2 2
2 2 4 2 555 2 1
2 2 3 2 858 2 1
2 2 2 2 395 1 1
2 2 3 3 580 2 1
2 2 1 2 661 2 2
1 2 3 3 980 2 1
2 2 4 1 1140 2 2
1 2 2 2 1096 2 1
2 2 3 3 498 2 1
2 2 1 1 847 2 1
1 2 3 3 643 2 2
2 1 1 2 932 2 1
2 2 1 2 646 2 1
2 2 1 2 681 2 1
2 1 4 3 513 2 1
2 2 4 2 977 2 1
2 2 1 2 776 2 1
2 1 1 3 1104 2 2
2 2 3 2 544 2 1
2 2 1 3 537 2 1
2 2 2 3 1011 1 2
2 2 1 1 991 1 1
2 2 1 2 683 2 2
2 2 4 1 544 2 2
2 2 1 1 489 2 1
1 2 1 2 292 2 1
2 2 1 1 689 2 1
1 2 1 2 1035 1 2
2 2 1 1 884 2 2
2 2 4 2 1033 2 1
1 2 1 1 795 1 1
2 2 1 2 764 2 2
2 2 1 1 708 2 1
2 2 4 1 970 2 1
2 2 2 2 689 1 1
2 2 1 2 478 2 1
1 2 1 2 978 1 2
2 2 1 2 860 1 1
2 2 1 1 577 2 2
1 2 4 1 600 2 1
2 2 1 1 709 2 2
1 2 1 2 729 2 1
2 2 4 3 782 2 1
2 2 3 2 526 2 1
1 2 4 2 364 2 2
2 2 4 3 445 1 1
2 2 1 3 471 2 1
1 2 4 2 873 2 1
2 2 1 1 1009 2 1
2 2 1 2 750 2 1
1 2 4 1 793 2 1
1 2 1 1 567 2 1
2 2 1 2 851 2 1
2 2 4 1 493 2 1
2 2 1 3 859 2 1
2 2 2 2 500 2 1
2 2 1 2 526 2 1
2 2 4 2 520 2 1
2 2 1 1 681 2 1
2 2 4 2 788 2 1
2 2 1 1 762 1 1
2 2 3 1 921 2 2
2 2 4 2 758 2 1
2 2 4 1 422 2 1
1 2 1 2 815 1 2
2 2 1 1 439 2 2
2 2 4 2 671 2 1
2 2 2 2 656 2 1
2 2 1 2 -30 2 1
2 2 3 2 664 2 1
2 2 1 1 1010 2 1
2 2 3 2 605 2 1
2 2 3 3 1026 2 2
2 2 1 2 823 2 1
2 2 2 3 1032 2 1
2 2 1 2 865 2 1
2 2 4 2 742 2 1
2 2 1 1 584 2 1
2 2 4 2 774 2 1
2 2 4 2 552 2 1
2 2 2 1 953 2 1
2 2 1 2 760 2 1
1 2 3 2 823 2 1
2 2 1 1 571 2 1
2 2 1 2 812 2 1
1 2 1 2 465 2 1
2 2 1 1 766 2 2
1 2 1 2 510 2 1
1 2 4 2 582 2 1
2 2 1 2 664 2 1
2 2 4 2 694 2 1
2 2 3 3 574 2 2
1 2 1 2 936 2 1
2 2 2 2 576 2 1
1 2 1 2 714 1 1
1 2 1 2 679 2 1
2 2 2 2 667 2 1
2 2 1 3 861 2 1
1 2 4 2 766 2 1
2 2 1 2 593 2 1
2 2 1 1 653 2 1
1 2 1 2 825 2 1
2 2 1 1 690 2 2
2 1 4 1 1397 2 1
2 2 1 2 818 2 2
1 2 1 2 832 2 1
2 2 3 1 549 2 1
2 2 4 2 513 2 1
2 2 1 1 483 2 1
2 2 1 3 1135 2 1
2 2 1 2 430 2 1
2 2 4 3 687 2 1
2 2 2 1 832 2 1
2 2 2 2 769 2 1
1 2 1 2 879 1 1
2 2 1 2 430 1 1
2 2 2 2 660 2 1
2 2 1 1 474 2 1
2 2 4 2 657 2 1
2 2 1 2 534 2 1
2 2 1 1 865 2 1
2 2 1 2 851 2 1
2 2 4 2 845 2 1
2 2 2 1 586 1 1
2 2 1 2 467 2 1
2 2 1 2 955 2 1
2 2 1 1 567 2 2
2 2 2 2 738 2 1
2 2 2 3 694 2 1
1 2 1 2 826 1 1
2 2 1 2 599 2 2
2 2 1 3 613 2 1
2 2 4 1 792 1 1
2 2 4 2 633 2 1
2 2 1 3 602 2 1
2 2 1 3 585 2 1
1 2 1 3 652 2 1
1 2 3 2 536 2 1
2 2 1 3 961 2 2
2 2 1 3 359 2 1
2 1 1 2 712 2 1
2 2 1 2 924 2 1
2 2 1 2 813 2 1
2 2 1 3 881 2 1
2 2 4 3 1148 2 1
2 2 4 1 657 1 1
2 2 4 1 997 2 1
1 2 4 2 77 2 1
2 2 4 2 605 2 1
2 2 1 1 451 2 1
1 2 3 1 743 2 1
2 2 1 2 448 1 1
1 2 2 3 699 2 1
2 2 4 2 663 1 1
2 2 1 1 436 1 1
1 2 2 2 821 2 1
2 2 1 1 719 2 1
1 2 4 3 602 2 1
2 2 1 2 750 1 1
2 2 1 3 501 1 1
2 2 2 2 350 2 2
2 2 4 3 829 2 1
1 2 1 1 528 2 2
2 2 1 2 695 2 2
2 2 1 3 527 2 1
2 2 1 3 716 2 1
2 2 2 2 941 2 1
2 2 4 2 981 2 1
2 2 1 2 856 1 1
2 2 1 2 858 2 1
2 2 4 2 435 2 2
2 2 4 1 762 2 1
2 2 1 1 668 2 2
2 2 4 2 567 2 1
2 2 2 1 1027 2 2
2 2 1 2 675 2 1
2 2 3 3 648 2 1
1 2 3 3 886 2 1
2 2 4 3 751 1 1
2 2 4 2 796 2 1
2 2 1 1 759 2 1
2 2 1 2 760 2 1
1 2 1 1 782 2 1
2 2 4 1 759 2 1
2 2 1 1 607 2 1
2 2 4 3 776 2 1
2 2 1 2 791 2 2
2 2 1 1 381 2 1
1 2 1 1 555 1 1
2 2 1 1 728 2 2
2 2 1 2 697 1 1
2 2 1 2 839 2 2
2 1 4 2 696 2 1
1 2 1 2 861 1 1
1 2 1 1 738 1 1
2 2 2 1 515 2 1
1 2 4 3 141 2 1
2 2 4 1 518 2 2
1 2 1 3 846 2 1
2 2 1 1 792 2 1
2 2 1 2 343 2 1
2 2 1 1 684 2 1
1 2 2 2 578 2 1
1 2 1 2 721 2 1
2 2 1 2 593 2 2
2 2 4 1 324 2 1
2 2 1 2 520 2 1
2 2 4 3 646 2 1
2 2 1 1 314 2 2
1 2 1 1 1110 2 1
2 2 1 3 922 2 1
1 2 1 2 563 2 1
2 2 4 1 632 2 1
2 2 1 2 1005 2 1
2 2 1 2 523 2 1
2 2 4 1 674 2 1
1 2 1 2 704 2 1
2 2 1 1 1041 2 2
1 2 4 2 650 2 1
1 2 4 1 258 2 2
1 2 2 3 1113 2 1
2 2 3 2 679 2 2
2 2 3 3 878 2 1
2 2 1 2 1029 2 1
2 2 1 2 731 2 1
2 2 1 1 370 2 1
2 2 1 1 607 2 1
2 2 2 3 491 1 2
2 2 1 2 368 2 1
2 2 3 1 888 2 1
2 2 2 2 696 2 1
1 2 3 3 508 2 1
2 1 1 2 704 2 1
2 2 2 1 578 1 2
2 2 4 1 714 2 2
2 1 4 2 857 2 1
2 2 4 1 598 2 1
2 2 1 1 885 2 1
2 2 1 2 856 2 1
2 2 1 1 759 2 1
2 2 4 2 555 2 1
2 2 1 2 429 2 1
2 2 4 1 625 2 1
2 2 2 3 477 1 1
2 2 1 3 604 2 1
2 2 2 3 1026 2 1
1 2 1 2 785 2 1
1 2 1 3 487 2 1
2 2 1 3 760 2 1
2 2 1 2 1103 2 2
2 1 1 2 731 2 2
2 2 1 2 891 2 1
2 2 1 1 666 2 1
2 2 1 2 668 2 1
2 2 1 2 720 2 1
1 2 1 2 494 1 2
2 2 1 2 564 2 1
2 2 2 2 839 2 1
2 2 4 3 817 2 1
2 2 1 2 745 2 1
2 2 1 3 1066 1 1
1 2 4 2 838 2 1
2 2 1 2 752 2 1
2 2 3 1 910 2 1
2 2 1 1 948 2 1
2 2 1 3 648 2 1
2 2 1 2 701 2 1
2 2 1 1 862 2 1
2 2 2 3 681 2 1
1 2 1 2 992 2 1
2 2 2 3 592 2 1
1 2 3 2 313 2 1
1 2 1 3 757 2 2
1 2 4 2 695 2 1
2 2 4 1 483 2 1
2 2 1 2 565 2 1
1 2 4 1 333 2 1
2 2 1 2 547 2 1
1 2 1 2 828 2 1
2 2 1 2 509 2 1
2 2 1 2 690 2 1
2 2 4 2 702 2 2
2 2 1 1 411 2 1
2 2 1 1 516 2 1
2 2 4 2 1001 2 1
2 2 1 2 738 2 2
1 2 1 3 756 2 1
2 2 1 3 768 2 1
2 2 1 1 842 2 1
1 2 1 1 670 2 1
2 2 3 2 812 2 1
2 2 3 3 491 2 2
2 2 1 2 575 1 1
1 2 1 2 885 2 2
1 2 4 2 821 2 1
2 1 4 1 567 2 1
2 2 4 2 527 2 1
2 2 1 1 558 2 1
1 2 1 3 610 1 1
1 2 1 2 646 2 1
2 2 2 2 725 1 1
2 2 3 3 574 2 1
2 2 1 1 487 2 1
2 2 4 1 636 2 1
2 2 1 1 474 2 1
2 2 1 1 832 2 1
2 2 1 2 913 2 1
2 2 1 2 936 2 1
2 2 4 2 912 2 2
2 2 3 1 961 2 1
2 2 1 3 337 2 1
2 2 1 1 952 2 1
1 2 4 2 522 2 1
2 2 2 1 688 2 1
2 2 1 2 602 2 1
2 2 1 2 245 1 1
1 2 1 2 796 1 1
2 2 1 2 771 2 1
2 2 4 2 391 2 1
1 2 1 3 797 1 1
2 2 1 1 809 2 1
2 2 1 2 779 2 1
1 2 1 2 800 2 1
2 2 1 3 838 2 2
2 2 1 1 481 2 1
2 2 1 2 738 1 2
2 2 1 2 708 2 1
2 2 4 2 760 1 1
2 1 2 2 738 1 1
1 2 2 2 598 2 1
2 2 2 2 774 2 1
2 2 2 2 848 2 1
2 2 1 1 489 1 1
1 2 1 2 631 2 2
2 2 1 3 900 2 1
2 2 1 1 629 2 1
2 1 4 2 947 2 1
2 2 2 2 732 2 2
2 2 4 1 832 2 1
1 2 1 2 853 2 1
2 2 1 2 1029 2 1
2 2 1 3 990 2 1
2 2 1 1 513 2 1
2 2 1 3 783 2 1
1 2 1 1 449 2 1
2 2 2 2 1397 2 1
2 2 4 2 554 2 1
2 2 1 2 862 2 1
2 2 3 1 762 2 1
2 2 1 1 354 2 1
2 2 4 2 930 2 1
2 2 3 2 674 2 2
2 2 3 2 942 2 2
2 2 1 2 546 2 1
2 2 1 1 754 2 2
2 2 1 2 940 2 1
2 1 2 1 748 2 1
2 2 1 3 537 2 1
1 2 1 2 756 2 1
1 2 1 3 573 1 1
2 2 1 2 759 2 1
2 2 3 3 589 2 1
2 2 2 1 804 2 2
2 2 2 3 760 2 1
2 2 2 2 720 2 1
1 2 1 2 692 2 2
1 2 1 2 222 2 1
2 2 4 2 733 2 1
2 2 4 1 674 2 1
2 2 4 2 839 2 1
2 2 1 3 699 2 1
2 2 3 1 376 2 2
2 2 4 2 545 2 1
1 2 1 2 858 2 1
1 2 1 2 888 2 1
2 2 3 2 768 2 1
2 2 2 2 941 2 1
2 2 3 3 620 2 1
2 2 2 1 593 2 1
2 2 1 1 646 2 1
2 2 1 2 689 2 2
2 2 4 1 865 1 1
1 1 2 1 533 2 1
2 2 2 1 993 2 1
2 2 2 1 665 2 1
2 2 1 2 151 2 1
2 2 4 2 985 2 1
2 2 4 1 623 2 1
2 2 1 2 692 2 1
2 2 1 2 715 2 1
2 1 1 2 819 2 1
2 2 3 1 587 1 1
2 2 1 2 468 2 1
2 2 4 2 279 2 1
2 2 3 1 554 2 1
2 2 1 1 1020 2 1
2 2 2 2 939 2 1
2 2 1 3 710 2 1
2 2 4 2 519 2 1
2 2 1 2 707 2 1
2 2 1 3 697 2 2
2 2 1 1 633 2 1
2 2 4 2 621 2 1
2 2 4 2 522 2 1
2 2 1 2 603 2 1
2 2 4 2 786 2 2
1 2 1 1 841 2 1
2 2 3 3 965 2 2
1 2 4 3 715 2 2
2 2 4 2 948 2 2
2 2 1 2 700 2 1
2 2 1 2 280 2 1
2 1 4 2 828 2 1
1 2 4 2 790 2 1
2 2 2 2 401 2 1
2 2 1 3 483 2 1
2 2 2 1 794 2 1
2 2 1 3 479 2 1
2 1 3 2 786 2 1
2 2 3 1 614 2 1
2 2 1 2 628 2 1
1 1 3 2 452 2 1
2 2 2 2 750 2 2
2 2 1 2 829 2 1
2 2 1 3 490 2 2
2 2 1 2 697 2 1
1 2 1 1 680 2 1
2 2 3 1 556 2 1
2 2 1 1 455 2 2
1 2 2 3 282 2 1
2 2 1 2 1037 2 1
1 2 1 1 747 2 1
2 2 1 2 428 2 1
2 2 1 1 702 2 1
2 2 1 2 395 2 1
1 2 2 2 464 2 1
2 2 1 1 814 2 2
2 2 1 3 653 2 1
2 2 1 1 804 2 1
2 2 4 2 708 2 1
2 2 1 2 555 1 2
2 2 1 2 586 2 1
2 2 1 2 650 2 1
2 2 1 2 616 2 1
2 1 1 2 823 2 1
1 2 1 2 345 2 2
2 2 1 2 759 2 1
2 2 1 2 914 2 1
2 2 1 1 631 1 1
1 2 4 2 863 2 1
2 2 3 1 641 2 1
2 2 1 2 690 2 1
2 2 4 2 735 2 1
2 2 4 2 384 2 2
2 2 1 1 1137 2 1
1 2 1 2 767 2 1
2 2 1 3 400 1 2
2 1 1 2 915 2 1
2 2 4 1 551 2 1
1 2 1 2 594 2 1
2 2 4 1 884 2 2
2 2 4 1 514 2 1
2 2 2 1 330 2 1
2 2 1 2 486 2 1
2 2 1 2 704 2 1
2 2 1 3 707 2 1
2 2 1 1 1011 2 1
2 2 1 1 522 2 1
2 2 1 2 810 1 1
2 2 1 1 686 2 1
2 2 1 2 665 2 1
2 2 1 3 624 2 1
2 2 3 3 689 2 1
2 2 4 3 521 2 1
2 2 1 2 363 2 1
2 2 1 2 650 2 1
2 2 1 2 711 2 1
2 2 1 2 927 2 1
1 2 1 1 372 2 1
1 2 2 3 987 2 1
2 2 1 3 646 2 1
1 2 1 2 674 2 1
2 2 1 2 468 2 1
2 2 4 2 884 2 1
1 1 2 3 593 1 1
2 2 4 2 545 2 1
2 2 2 1 790 2 1
2 2 1 2 862 2 1
2 2 3 2 713 2 1
2 2 3 3 677 2 1
2 1 1 2 879 2 1
2 2 2 1 657 2 1
2 2 1 2 731 2 1
2 2 1 2 880 2 2
2 2 4 2 366 1 1
1 2 1 2 617 2 1
2 2 1 2 642 2 1
2 2 1 2 904 2 1
2 2 1 2 906 2 1
2 2 1 2 473 2 2
2 2 2 2 612 2 1
2 2 1 3 336 2 1
2 2 1 1 821 2 1
2 2 2 2 558 2 1
2 2 1 2 436 2 1
1 2 3 2 695 2 1
2 2 1 1 310 2 1
1 2 2 3 787 2 1
2 2 1 2 1014 2 1
2 2 1 1 975 2 1
2 2 3 1 706 1 1
2 2 4 2 1158 2 1
2 2 4 3 247 2 1
2 2 1 3 743 2 1
2 2 4 1 691 2 1
1 2 4 1 884 2 1
1 2 4 2 661 2 1
2 2 1 2 388 2 1
2 2 1 2 705 1 2
2 2 1 3 314 1 1
2 2 1 3 687 2 1
2 2 1 2 800 1 1
1 2 1 2 503 2 1
2 2 1 2 575 2 2
2 2 3 2 717 2 1
2 2 2 2 711 2 1
2 1 2 3 806 2 2
2 2 1 3 615 2 1
2 2 3 2 732 2 1
2 2 1 2 517 2 1
2 2 3 1 510 2 1
2 2 4 1 426 2 1
2 2 4 2 626 2 1
1 2 1 1 919 2 1
2 2 1 3 692 2 1
2 2 1 2 933 2 1
1 2 1 1 466 2 1
2 2 4 2 579 2 1
2 2 1 2 685 2 1
1 2 1 2 376 2 1
1 2 1 2 779 1 1
2 2 1 2 700 2 1
2 2 1 1 576 2 1
1 2 1 2 759 1 1
2 2 1 2 821 2 2
1 2 1 2 1003 2 1
2 2 4 2 757 2 1
2 2 1 2 615 2 2
2 2 2 2 788 2 1
1 2 1 1 803 2 1
1 2 4 2 616 2 1
2 2 2 1 1063 2 1
2 2 3 1 463 2 1
2 2 1 1 563 2 1
2 1 2 2 737 2 1
2 2 1 1 945 2 1
1 2 4 2 844 2 1
2 2 2 3 659 2 1
2 2 1 1 846 2 2
1 2 1 1 502 2 1
2 2 2 1 556 2 1
1 2 4 2 555 2 2
2 1 1 2 822 2 2
2 2 1 1 749 2 2
2 1 1 3 651 2 1
2 2 4 2 688 2 1
2 2 2 2 716 2 1
2 2 2 3 1042 2 2
2 2 1 2 953 2 2
2 2 2 3 794 1 1
2 2 1 1 371 2 1
2 2 1 2 844 2 1
2 2 4 2 419 2 1
2 2 2 2 751 2 1
2 2 2 2 715 2 1
1 2 1 3 604 2 1
2 2 1 2 637 2 1
1 1 1 2 638 2 2
2 2 1 3 533 2 2
1 2 1 2 732 2 1
2 2 1 1 723 2 1
2 2 2 2 1041 2 1
2 1 1 1 328 2 1
1 2 2 2 567 2 1
2 2 1 2 963 2 1
2 2 1 1 883 2 1
1 2 1 1 342 2 1
2 2 1 2 880 2 1
2 2 1 1 446 1 1
2 2 1 1 618 2 1
2 2 2 3 293 2 1
2 2 1 1 819 2 1
2 2 3 1 852 2 1
2 2 1 3 1042 2 1
2 2 2 3 362 2 1
1 2 2 2 777 2 1
2 2 3 2 893 2 1
2 2 3 3 993 2 2
1 2 3 1 856 1 1
2 2 2 2 1143 2 1
1 2 4 1 468 2 1
2 2 4 3 482 2 1
2 2 1 1 976 2 1
2 2 2 3 726 2 1
2 2 1 2 640 1 2
2 2 3 2 938 2 1
2 2 1 2 757 2 1
2 2 3 2 671 2 1
1 2 1 2 1104 2 1
2 2 1 1 933 2 1
2 2 1 1 648 2 1
1 2 1 2 549 2 2
2 2 1 3 601 2 1
2 2 1 1 581 2 1
2 2 2 3 710 2 1
1 2 4 1 613 2 1
2 2 2 1 788 2 1
1 2 1 1 663 2 1
2 2 1 1 1044 2 1
2 2 1 2 968 2 1
2 2 1 2 420 2 1
2 2 1 3 833 2 1
2 2 1 1 555 2 1
2 2 4 3 974 2 1
2 2 2 2 1082 2 1
2 2 1 2 694 2 1
2 2 4 2 280 2 2
2 2 4 1 749 2 1
2 2 1 2 899 2 1
2 1 1 1 368 2 1
2 2 1 2 539 1 1
2 1 4 1 659 2 1
1 2 3 1 764 2 2
2 2 1 2 433 2 1
1 2 1 2 893 1 1
2 2 4 2 687 2 1
2 2 4 1 728 2 1
2 2 2 2 789 1 1
2 2 1 1 889 2 1
2 2 3 3 609 2 1
2 2 1 3 990 2 1
1 2 2 3 784 1 1
2 2 1 3 1015 2 1
1 2 1 2 619 2 1
2 2 3 2 1114 2 1
2 2 2 3 806 2 1
2 2 2 3 836 2 1
2 2 2 3 756 2 2
2 2 1 3 673 2 1
1 2 1 1 450 2 1
2 2 1 2 635 2 2
2 2 1 3 688 2 1
1 2 2 3 439 2 1
2 2 4 2 882 2 1
2 2 3 1 562 2 1
2 2 1 3 688 2 1
2 2 1 3 855 1 1
2 2 4 2 381 2 1
2 2 1 3 512 2 1
2 2 1 3 543 2 1
2 2 4 2 631 2 1
2 2 1 1 545 2 1
2 2 1 2 807 2 1
2 2 1 3 742 1 1
2 2 1 2 781 2 1
2 2 2 2 552 2 1
2 2 1 2 384 2 1
2 2 4 1 326 1 1
1 2 1 2 642 2 1
2 2 4 2 976 2 1
1 2 4 2 720 2 1
2 2 2 1 495 2 1
1 2 4 3 914 2 1
2 2 4 3 381 2 1
2 2 1 2 485 2 1
2 2 1 1 653 2 2
2 2 2 2 668 2 1
2 2 1 2 402 2 1
1 2 1 2 820 2 1
2 2 1 3 662 2 2
1 2 4 2 724 2 1
1 2 1 3 448 2 2
1 2 1 3 830 2 1
2 2 1 2 531 2 1
2 2 4 2 593 2 1
2 2 3 2 625 2 1
2 2 1 2 956 2 2
2 2 1 2 365 2 1
2 2 4 3 705 2 1
2 2 1 3 385 2 1
1 2 3 3 702 2 1
2 2 4 2 770 2 1
2 2 3 3 442 2 1
2 2 2 2 711 2 2
2 2 1 1 619 2 1
2 2 4 3 839 2 1
1 2 1 1 791 2 1
2 2 1 2 634 2 1
2 2 2 1 609 2 1
1 2 1 2 470 1 2
2 2 2 2 643 2 1
2 2 1 2 578 2 1
2 2 1 3 464 2 1
2 2 2 3 314 2 1
2 2 1 2 801 2 1
2 2 1 2 702 2 1
2 2 1 2 808 2 1
2 1 1 2 598 2 1
2 2 2 1 575 2 1
2 2 1 2 810 2 1
2 2 2 1 677 2 1
2 2 1 2 1020 2 1
2 2 1 2 754 2 1
1 2 1 2 873 2 1
2 2 2 1 519 1 1
2 2 1 1 516 2 1
2 2 1 2 751 2 1
2 2 1 2 831 2 1
2 2 2 1 505 2 1
2 2 3 1 526 2 1
2 2 4 1 798 2 1
2 2 1 2 402 2 1
2 2 4 2 748 2 1
2 2 1 3 701 2 1
2 2 2 2 719 2 1
2 2 4 1 817 2 1
2 2 2 1 450 2 1
1 2 1 2 476 1 1
2 2 1 2 676 2 2
2 2 2 3 698 2 1
2 2 4 2 1046 2 2
2 2 4 3 382 2 1
2 2 1 2 930 2 1
2 2 4 2 1028 2 1
2 2 2 3 1004 2 2
2 2 4 3 1074 2 1
2 2 1 2 768 2 1
2 2 2 2 791 2 1
2 2 1 1 339 2 1
2 2 3 2 601 2 1
2 2 2 2 895 2 2
2 2 1 2 834 2 1
2 2 4 3 1024 2 1
1 2 1 1 617 2 2
2 2 1 1 713 2 1
2 2 1 2 880 2 1
2 2 3 1 540 2 1
2 2 4 2 970 2 1
2 2 1 1 835 2 1
2 2 2 2 514 2 2
1 2 1 3 928 2 1
2 1 1 3 635 2 2
1 2 1 2 536 2 1
2 2 4 2 858 2 1
2 2 4 2 716 2 1
2 2 4 2 837 2 2
2 2 1 1 174 2 1
2 2 1 2 556 2 1
2 2 1 1 385 2 1
2 2 2 1 807 2 1
2 2 1 2 1270 2 2
1 2 1 1 828 2 1
2 2 3 2 889 2 1
2 2 1 2 720 2 1
1 2 4 1 135 2 1
2 2 3 1 1027 1 1
2 2 3 3 699 2 1
2 2 4 2 974 2 1
2 2 1 1 514 2 1
2 2 1 2 645 2 1
1 2 1 3 974 1 2
2 2 1 3 467 1 1
2 2 1 2 644 2 1
1 2 1 2 950 2 1
2 1 1 2 612 2 2
2 2 3 2 735 2 1
2 2 4 1 688 2 1
1 2 1 3 884 2 1
2 2 3 2 1014 2 1
2 2 1 2 639 2 1
1 2 4 1 568 2 1
2 2 1 2 621 2 1
1 2 1 1 413 2 1
1 2 4 1 1066 2 1
1 2 1 2 480 1 1
2 2 2 2 496 2 1
2 2 1 2 974 2 1
2 2 1 1 881 2 1
2 1 1 2 719 2 1
2 2 1 1 402 2 1
2 2 4 1 595 2 1
2 2 2 1 712 2 1
2 2 2 2 773 2 1
2 2 3 1 659 2 2
2 2 1 1 609 2 1
1 1 3 2 811 2 1
2 2 1 3 753 2 1
2 2 1 2 897 2 1
2 2 1 2 567 1 1
2 2 1 2 799 2 1
2 2 2 2 365 2 1
2 2 4 3 733 2 2
2 2 4 2 852 2 1
1 2 1 3 873 2 2
2 2 4 2 874 2 1
2 2 2 2 720 2 1
2 2 4 1 777 2 1
2 2 1 1 755 2 1
2 2 1 2 964 2 1
2 2 3 1 803 2 1
2 2 4 2 413 2 1
2 2 1 3 894 2 1
2 2 3 2 618 2 2
2 2 1 2 799 2 1
2 2 1 1 792 1 1
2 2 1 2 591 2 2
2 2 3 2 936 2 1
2 2 2 1 481 2 1
2 2 2 2 972 2 1
2 2 4 2 699 2 1
1 2 1 2 1283 2 1
2 2 1 1 998 2 1
2 2 4 2 997 2 1
2 2 4 1 672 2 1
2 2 1 1 213 2 1
1 2 1 2 994 2 1
2 2 1 2 601 2 1
2 2 1 1 463 2 1
2 2 1 2 642 2 2
2 2 1 2 927 2 1
2 2 1 3 789 2 1
1 2 2 2 341 1 1
1 2 1 1 607 2 1
2 2 1 2 621 2 2
2 2 1 3 715 2 1
2 2 4 2 985 2 1
2 2 3 2 939 2 1
1 2 4 2 800 1 1
2 2 1 2 456 2 1
1 2 4 2 594 2 1
2 2 4 2 745 2 1
1 2 1 2 687 2 1
2 2 1 2 809 2 1
1 2 1 3 418 2 2
1 2 1 2 439 2 2
1 2 4 2 611 2 1
2 2 4 2 836 1 1
2 2 1 2 692 2 1
1 2 1 3 532 2 1
1 2 1 2 992 2 1
2 2 1 2 548 2 1
1 2 1 1 1068 2 1
1 2 1 1 240 2 2
2 2 2 2 565 2 1
2 2 3 2 507 2 1
2 2 1 2 570 2 1
2 2 4 3 1005 2 1
2 2 4 1 976 2 1
1 2 1 2 561 1 1
2 2 1 3 767 2 1
1 2 2 2 835 2 1
2 1 3 3 1041 2 1
1 2 4 2 626 2 1
1 2 2 2 729 2 1
2 2 1 1 606 2 1
2 2 4 2 1053 2 1
2 2 1 3 749 2 1
Satisfacción
2
2
2
2
2
2
2
2
2
2
3
2
2
2
3
2
2
2
4
2
2
2
2
2
2
2
1
2
4
2
2
1
2
2
2
2
2
1
2
2
3
2
2
2
2
2
1
1
2
2
2
3
1
2
1
2
1
2
2
2
2
2
2
3
2
3
2
2
2
2
2
4
2
2
1
1
2
1
2
2
1
2
2
1
3
2
2
2
2
2
2
1
2
2
2
2
1
1
1
2
2
2
2
2
3
3
3
2
2
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
4
2
2
2
2
2
3
2
2
1
2
2
2
2
2
2
2
1
2
2
2
2
1
2
2
2
4
2
3
2
1
1
1
2
2
1
2
2
2
2
2
2
2
2
2
2
2
2
1
2
2
1
2
2
2
2
2
2
2
2
2
2
1
4
2
2
2
2
3
1
2
2
2
2
1
2
2
1
3
1
4
4
2
3
2
2
2
2
2
2
2
1
2
2
2
2
2
1
2
1
2
2
2
2
2
1
1
2
3
1
2
2
4
2
2
2
2
2
3
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
3
2
2
4
1
2
2
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
2
2
2
2
1
2
2
2
2
2
4
1
2
2
2
2
2
2
1
2
2
2
4
2
2
2
2
3
2
2
2
2
2
2
2
2
1
2
1
2
2
2
2
2
2
2
2
2
2
2
3
2
1
2
2
4
2
2
2
1
1
1
2
2
4
2
2
3
2
2
2
2
2
1
1
2
2
2
2
2
1
2
2
2
2
1
2
2
2
2
2
2
3
2
3
2
2
2
3
2
2
2
1
2
2
2
2
2
2
2
1
2
2
1
2
2
1
2
2
2
2
2
2
2
1
3
2
2
1
2
2
2
1
2
1
2
2
3
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
3
2
4
1
2
2
1
2
2
1
1
2
1
2
2
1
1
4
2
2
2
2
2
3
1
2
2
2
2
2
2
2
2
2
1
3
2
1
2
2
2
2
2
2
2
2
2
1
2
2
1
2
2
1
1
1
2
2
2
3
2
2
2
3
2
2
2
2
2
2
1
1
2
1
2
2
2
2
1
2
2
2
2
1
1
2
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
4
2
2
2
2
2
1
1
2
2
4
1
2
1
2
2
2
2
2
2
2
2
2
2
1
2
2
2
2
2
2
2
3
2
1
2
2
2
2
2
2
2
2
2
2
2
2
1
1
2
2
2
2
1
2
2
2
1
2
2
2
2
2
4
2
2
1
3
2
2
2
3
1
2
2
2
2
2
3
2
1
2
1
2
2
2
1
1
2
2
2
2
2
2
1
2
2
1
1
3
4
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
1
2
2
2
2
2
2
2
2
2
1
1
2
2
2
2
2
2
2
1
2
1
2
2
3
2
2
2
2
2
2
2
1
1
1
1
2
2
2
1
2
1
2
2
2
2
2
2
2
2
2
3
2
2
2
1
2
2
1
2
2
2
2
2
2
2
2
2
2
1
2
2
2
3
2
2
2
2
2
3
2
1
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
2
2
1
2
2
2
2
2
2
3
2
2
2
4
2
2
2
2
1
2
1
2
1
2
2
2
1
1
2
2
2
2
2
3
2
1
2
1
2
2
2
2
2
1
2
2
2
2
1
2
2
2
2
2
2
2
1
2
3
1
2
2
2
2
2
2
2
2
2
1
2
2
2
2
3
1
1
2
2
2
2
2
2
2
2
2
2
3
2
2
4
3
2
2
2
1
2
2
2
2
1
2
2
2
2
2
2
2
4
1
2
2
2
4
2
2
2
2
1
2
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
2
1
1
2
3
1
2
1
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
3
2
2
2
2
1
2
1
1
1
2
2
2
2
2
1
2
2
1
2
2
2
2
2
2
2
2
1
2
1
2
2
1
2
2
2
1
1
1
2
2
1
2
3
1
2
1
1
2
1
2
2
1
2
2
2
1
2
2
2
2
3
2
1
2
1
2
2
2
2
2
2
2
2
2
2
1
2
2
2
2
2
2
4
2
2
2
2
1
1
3
2
2
1
2
2
2
4
2
2
2
2
2
2
1
2
2
2
1
2
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
3
1
2
2
2
2
2
2
2
1
2
3
1
2
2
1
2
1
2
1
2
2
2
1
1
1
2
2
3
2
2
1
1
2
2
2
1
1
3
2
2
2
1
1
2
2
1
2
2
2
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
2
4
2
2
2
2
4
2
2
2
2
3
2
1
2
1
3
2
2
2
2
4
2
2
2
2
2
1
2
2
2
1
1
3
2
2
2
2
3
2
2
2
2
2
1
2
2
2
2
1
1
2
2
2
2
1
2
1
2
2
2
2
2
3
1
3
2
2
1
2
2
2
1
2
2
2
2
2
2
2
2
1
2
2
2
2
2
2
2
2
1
2
2
2
2
2
2
3
2
3
2
3
2
1
2
2
1
2
1
2
2
1
2
2
1
2
2
2
2
1
2
2
2
2
2
2
1
2
2
2
3
2
1
2
2
2
1
2
2
1
2
2
4
2
2
2
2
2
2
2
2
1
3
3
2
2
4
2
2
4
2
2
2
2
2
2
2
2
2
2
2
2
1
2
2
2
2
1
2
2
1
2
2
4
2
4
2
2
2
2
1
3
2
2
2
2
1
3
2
2
2
2
2
2
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
1
2
1
2
1
2
2
2
2
2
3
2
1
2
1
2
2
2
2
1
1
2
2
2
1
2
2
2
2
2
1
2
2
2
1
1
1
2
4
2
2
2
2
2
2
2
2
2
1
2
2
1
2
2
2
2
2
4
2
2
2
2
2
2
2
2
2
2
2
1
2
2
2
1
3
4
2
2
3
2
2
2
2
2
2
1
1
1
2
2
2
1
1
3
2
2
2
2
2
4
2
2
2
2
4
3
2
2
2
2
2
2
2
3
2
2
2
2
1
2
2
2
2
2
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
2
1
2
2
2
2
3
2
2
2
2
2
2
2
1
2
2
2
3
2
1
2
2
2
1
2
2
2
2
2
2
2
2
1
2
2
2
2
1
2
2
2
2
2
2
2
2
1
1
2
2
1
2
2
2
2
2
2
2
2
2
1
2
2
1
2
2
4
1
2
2
2
2
4
1
2
2
2
1
2
2
4
4
2
2
2
2
2
2
2
3
2
2
2
2
1
1
2
2
2
3
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
2
2
2
1
2
1
1
2
2
2
2
2
2
2
2
2
4
3
4
2
1
2
2
1
2
2
3
1
2
2
2
2
2
1
2
2
2
4
3
3
2
3
2
4
2
2
2
2
4
2
2
2
1
3
2
2
2
2
1
2
2
2
2
2
2
2
2
1
2
2
1
1
2
2
2
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
2
2
1
3
4
2
1
2
2
2
2
2
4
2
2
2
2
2
2
2
4
2
2
2
2
2
2
1
1
1
2
2
2
2
2
1
2
1
2
2
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
4
2
2
2
1
1
2
2
2
2
3
2
2
2
2
2
2
2
1
2
2
2
2
2
4
1
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
2
2
2
2
1
2
2
2
1
2
3
1
2
2
1
2
3
2
2
2
2
2
1
2
2
2
2
2
3
2
2
2
3
2
2
2
1
2
2
2
2
2
2
2
2
2
2
1
2
2
2
1
2
2
2
2
2
1
4
2
1
2
2
2
2
1
2
2
2
3
1
3
2
3
3
2
2
2
2
3
3
3
3
2
2
2
2
2
2
3
2
2
2
2
1
2
2
2
3
4
2
2
2
2
2
2
1
2
2
2
1
1
2
2
2
1
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
3
2
2
2
1
2
2
3
2
2
2
1
2
3
2
2
2
2
1
1
2
2
2
1
2
1
1
1
2
1
2
2
2
2
2
2
2
2
2
2
2
2
4
2
2
2
2
1
2
2
2
2
4
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
2
2
2
1
2
2
2
2
2
2
2
2
2
4
2
2
1
2
4
1
2
2
2
1
2
4
2
2
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
1
2
2
2
1
2
2
2
3
4
2
2
3
2
2
2
2
2
1
2
3
1
1
3
1
2
2
1
2
2
2
2
2
2
2
2
3
2
3
2
2
3
2
2
2
2
1
2
2
2
2
2
2
2
2
2
2
2
1
2
2
2
1
2
1
1
1
2
2
2
2
2
1
2
2
2
3
2
2
2
2
2
3
2
1
2
2
2
2
1
2
1
1
2
2
2
2
2
2
2
2
1
2
2
2
2
2
1
2
2
2
2
2
2
3
2
1
2
3
2
2
1
2
2
2
3
2
2
1
2
2
1
1
3
2
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
4
3
2
2
2
1
1
4
4
2
2
2
2
1
1
3
4
2
1
2
2
2
4
2
2
2
2
2
2
2
1
2
4
1
2
2
2
1
2
2
1
2
1
2
2
2
2
2
3
1
2
1
2
1
2
2
2
2
1
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
3
2
2
1
2
2
2
2
1
1
2
1
2
2
1
2
1
2
2
2
2
2
2
2
2
2
2
2
1
1
3
2
2
2
3
2
2
2
1
2
2
2
1
3
2
1
2
1
1
2
2
2
2
2
2
2
1
2
2
2
1
3
2
2
2
2
3
3
2
1
2
2
2
2
2
3
3
2
2
2
1
2
1
1
2
2
2
2
2
1
3
2
2
1
1
3
2
2
2
2
2
2
4
2
2
2
2
3
2
2
2
2
2
2
2
1
2
3
2
2
3
2
2
2
2
1
2
2
2
1
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
2
2
2
2
1
1
2
1
2
2
1
2
2
2
2
1
2
2
2
2
2
1
1
2
2
2
2
2
2
2
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
1
2
1
2
4
1
2
2
2
3
1
2
1
2
2
2
2
1
2
2
2
2
2
2
4
2
2
2
2
2
2
2
4
2
2
1
2
3
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
2
2
2
4
2
2
1
2
2
2
4
2
2
2
1
1
2
4
2
2
2
1
2
2
2
2
2
2
2
2
4
2
4
2
2
2
2
1
2
2
2
2
1
1
1
2
2
2
1
2
1
3
2
2
2
2
2
2
2
2
2
2
2
1
2
2
2
2
2
2
2
1
2
2
4
2
1
2
2
2
2
2
2
2
2
1
2
2
2
3
2
2
2
2
4
2
2
2
2
2
2
2
2
2
1
2
4
2
1
2
2
1
2
2
2
2
2
2
2
2
2
1
2
2
2
2
1
2
2
2
4
2
2
2
2
2
2
2
3
2
2
2
2
1
2
2
1
2
2
2
2
2
2
2
2
2
1
2
2
2
2
1
1
2
1
1
2
2
2
2
2
1
2
2
2
2
4
2
2
2
2
2
2
2
2
2
2
2
1
2
4
2
2
2
2
2
2
2
1
2
2
1
2
2
1
2
2
3
1
2
2
2
2
2
2
2
1
2
2
3
2
2
1
2
2
2
2
2
2
2
2
2
2
1
2
2
2
2
3
2
2
2
2
3
2
2
3
2
2
2
3
2
2
2
2
3
2
2
2
2
2
2
1
2
2
3
2
2
2
2
2
2
2
2
2
2
2
2
2
2
4
2
1
2
1
3
2
2
3
2
2
4
2
2
2
1
2
1
2
2
2
1
1
2
2
2
1
2
2
2
2
2
2
2
2
2
2
2
2
2
1
1
2
2
2
2
2
2
2
2
2
2
2
2
1
2
2
2
2
2
3
2
1
1
2
2
2
2
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
2
2
1
1
2
2
2
2
2
2
2
2
1
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
2
2
2
2
1
3
4
2
1
2
2
2
1
2
2
2
2
2
1
2
2
3
2
2
1
2
2
2
COLABORATIVO
CON TODA LA POBLACIÓN
SOLIDOS TOTAL
promedio s=
0.31
( N - 1) B2 + Z2s 2
TAMAÑO DE
MUESTRA Tamaño de la población 2989
N=
PARA
Nivel de significancia α 0.05
ESTIMAR UNA
MEDIA Nivel de confianza 1-α= 0.95
(Ingreso Cuantil Z Z= 1.96
mensual Desviación del
promedio ) Desviación poblacional promedio obtenido 0.31
s=
Precisión Error d=B=E=e= 0
Enunciado del ejercicio:Cálculo tamaño de la muestra de la variable % de proteina con una significancia del 5% y un error d
0,008.
CON TODA LA POBLACIÓN
Desviación
poblacional
TAMAÑO DE MUESTRA PARA ESTIMAR
MEDIA
FORMULAS
TAMAÑO DE
MUESTRA
PARA
ESTIMAR EL
Tamaño de la población N= 2989
Nivel de significancia α
TAMAÑO DE
MUESTRA Nivel de confianza 1-α= 1.00
PARA
Parámetro Estadístico
ESTIMAR EL Z= #VALUE!
(Verificar en tabla)
PROMEDIO
Error B 0.008
Tamaño de muestra n= #VALUE!
ESTUDIANTE 1 ALEX FORERO ACU
n Z2s 2
n= o donde no =
n
1+ o B2 FORMULAS
N
TAMAÑO DE
2989 MUESTRA Tamaño de la población
N=
PARA
a= 0.05 Nivel de significancia
ESTIMAR UNA
1-a= 0.95 MEDIA Nivel de confianza
n= 141
una significancia del 5% y un error de Enunciado del ejercicio:Cálculo tamaño de la muestra de la variable % de pr
error de 0,008.
FORMULAS
TAMAÑO DE
MUESTRA
PARA
ESTIMAR EL
N= 2989 Tamaño de la poblaci
a= Nivel de significancia
TAMAÑO DE
1-a= 1.00 MUESTRA Nivel de confianza
PARA Parámetro
#VALUE! ESTIMAR EL Estadístico (Verificar
Z= PROMEDIO en tabla)
Desviación del
promedio 0.00 Desviación poblaciona
obtenido s=
Error d=B=E=e 0.008 Error
no= #VALUE! Tamaño de muestra
n= #VALUE!
ESTUDIANTE 1 ALEX FORERO ACUÑA ESTU
CON TODA LA POBLACIÓN
Densidad promedio
s=
0.05
n= 100
ESTU
amaño de la muestra de la variable % de proteina con una significancia del 5% y un Enunciado del ejercicio:Cálculo tamaño de
error de 0,008.
CON TODA LA POBLACIÓN
Desviación
poblacional
TAMAÑO DE MUESTRA PARA ESTIMAR OTRA FORMULA TAMAÑO DE
MEDIA MUESTRA PARA ESTIMAR MEDIA
ULAS
TAMAÑO DE
MUESTRA
PARA
ESTIMAR EL
N= 2989 N= 2989
α a= 0.05
TAMAÑO DE
1-α= 1.00 1-a= 0.95 MUESTRA
PARA
Z= #VALUE! 1.96 ESTIMAR EL
Z= PROMEDIO
Desviación del
σ 0.00 promedio 0.00
obtenido s=
B 0.008 Error d=B=E=e 0.008
n= #VALUE! no= 0
n= 0
CRIOSCOPIA
promedio s=
0.02
n= 315
FORMULAS
Tamaño de la poblaci N= 2989 N= 2989
Nivel de significancia α 0.05 a= 0.05
Nivel de confianza 1-α= 0.95 1-a= 0.95
Parámetro
Estadístico (Verificar Z= 1.96 1.96
en tabla) Z=
Desviación del
Desviación poblaciona σ 0.10 promedio 0.10
obtenido s=
Error B 0.008 Error d=B=E=e 0.008
Tamaño de muestra n= 527 no= 639
n= 527
Características:
1) Una lista completa de la población
2) La población ordenada y la muestra también estará ordenada
Esta es la forma o cada cuanto se selecciona un elemento
F= N/n
F= fracción sistemática (o cad 0
N= Tamaño de la población
n= Tamaño de la muestra (Calculado ya anteriormente)
F= N/n
N= 2989
n= 100
F= 29.89 se redondea
1) Rellene una columna que empiece desde 1 hasta n (en este caso hasta 3
#NAME? 2) Luego, empieze la 2da columna con el número que encontro entre 1
10+6=16, etc...
LISTO! Esta es la lista de personas que van a conformar su muestra… em
10, 14,…. A eso se refiere el tipo de muestreo a seleccionar las persona
conformar su muestra de tamaño "n".
3) Copie y pegue los nombres de las variables de la población
4) Use la función =BUSCARV(C36;Población!$A$6:$Q$918;2;0) esto es par
manualmente la información de los 261 elementos que va a incluir en la mu
corresponde a la columna de la variable, en este caso Municipio
Densidad
Nº Muestra (g/ml)
Crioscopia (°C) % Proteína % Grasa
ntos
e 1 y el valor de la celda c20
omo valor para que no este cambiando
Temperatu
Costo Prueba de ra de Satisfacción
yodo
recepcion
807 2 2 2
630 2 1 2
664 2 1 2
651 2 1 4
665 1 2 2
530 1 2 4
357 2 1 2
542 2 1 2
644 2 1 2
595 2 1 2
465 2 1 2
551 2 1 2
648 1 1 3
820 2 1 2
687 2 1 2
481 2 1 2
394 2 2 1
478 2 2 2
662 2 1 2
769 2 1 1
935 2 1 2
938 2 1 2
478 2 1 2
678 2 1 2
754 2 1 2
965 2 1 4
870 2 1 2
816 2 1 2
648 2 2 2
416 1 2 2
1011 2 2 2
571 2 1 1
766 2 1 1
496 2 1 2
930 2 1 2
786 2 1 2
418 2 1 2
921 2 1 2
636 2 1 2
1172 2 1 2
747 2 1 2
617 2 1 4
638 2 1 2
781 2 1 2
884 2 1 2
662 2 1 2
714 2 1 1
705 2 1 2
796 2 1 2
968 2 1 2
832 1 1 2
901 1 1 2
1057 2 1 2
772 2 1 1
571 2 1 2
1160 2 1 2
600 1 2 2
531 2 1 2
705 2 1 2
679 2 1 2
655 2 2 1
PROCEDIMIENTO ALTERNO EN EXCEL PARA ELABORAR INTERVALOS DE
CONFIANZA PARA LA MEDIA
CARLOS WALTER
Variable ALEX FORERO
CASTRO SANCHEZ
OTRA FORMA
DE
HACERLO....
Fórmula de excel que Calcula
Radio= 0.02 el radio del intervalo
Li= 1.02
Ls= 1.06
R INTERVALOS DE PROCEDIMIENTO ALTERNO EN EXCEL PARA ELABORAR INT
CONFIANZA PARA LA PROPORCIÓN
3.62 q= 1% 1% 1%
- 1 Significancia (a) 0% 0% 0%
que Calcula
valo 𝑰.𝑪. :𝒑 ̅±𝒁_(𝜶∕𝟐)∗√((𝒑 ̅∗𝒒 ̅)/𝒏)
√((𝑵−𝒏)/(𝑵−𝟏))
COLABORATIVO
Prueba de
Satisfaccion
yodo
2989
141
PRESENCIA
La suma de
1.0%
P y Q debe
1% ser 100%
0% 0%
3.39
2989
141
0.72%
1.28%
(16,28% ;
29,72%)
Referencias