From e22c36a780e6962b1af803916bb18e1166c54435 Mon Sep 17 00:00:00 2001 From: Kevin Carrasco Date: Thu, 25 Apr 2024 18:51:05 -0400 Subject: [PATCH] up clase y practico 3 --- _quarto.yml | 6 +- docs/content/01-content.html | 6 + docs/content/02-content.html | 6 + docs/content/index.html | 6 + docs/files/img/cohesion-barrial.png | Bin 0 -> 82617 bytes docs/files/img/conf-inst.png | Bin 0 -> 92384 bytes docs/resource/01-resource.html | 6 + docs/resource/02-resource.html | 6 + docs/resource/03-content.html | 1333 ++++++++++++++++ docs/resource/03-resource.html | 1371 +++++++++++++++++ docs/resource/images/basecargada.png | Bin 0 -> 10655 bytes docs/resource/images/produccion.png | Bin 0 -> 35718 bytes docs/resource/index.html | 6 + docs/search.json | 126 ++ docs/sitemap.xml | 54 +- docs/slides/03-clase3/03-clase3.html | 317 ++-- files/img/cohesion-barrial.png | Bin 0 -> 82617 bytes files/img/conf-inst.png | Bin 0 -> 92384 bytes resource/03-content.qmd | 549 +++++++ resource/03-resource.qmd | 549 +++++++ slides/03-clase3/03-clase3.Rmd | 269 ++-- slides/03-clase3/03-clase3.html | 317 ++-- .../figure-html/unnamed-chunk-10-1.png | Bin 2721 -> 0 bytes .../figure-html/unnamed-chunk-11-1.png | Bin 2721 -> 0 bytes .../figure-html/unnamed-chunk-12-1.png | Bin 5848 -> 0 bytes .../figure-html/unnamed-chunk-13-1.png | Bin 3209 -> 0 bytes .../figure-html/unnamed-chunk-14-1.png | Bin 3802 -> 0 bytes .../figure-html/unnamed-chunk-15-1.png | Bin 2720 -> 0 bytes .../figure-html/unnamed-chunk-23-1.png | Bin 5833 -> 0 bytes .../figure-html/unnamed-chunk-24-1.png | Bin 3350 -> 0 bytes .../figure-html/unnamed-chunk-25-1.png | Bin 3573 -> 0 bytes .../figure-html/unnamed-chunk-26-1.png | Bin 2721 -> 0 bytes .../figure-html/unnamed-chunk-5-1.png | Bin 3209 -> 0 bytes .../figure-html/unnamed-chunk-6-1.png | Bin 3802 -> 0 bytes .../figure-html/unnamed-chunk-7-1.png | Bin 2720 -> 0 bytes .../figure-html/unnamed-chunk-8-1.png | Bin 2721 -> 0 bytes .../figure-html/unnamed-chunk-9-1.png | Bin 3573 -> 0 bytes 37 files changed, 4330 insertions(+), 597 deletions(-) create mode 100644 docs/files/img/cohesion-barrial.png create mode 100644 docs/files/img/conf-inst.png create mode 100644 docs/resource/03-content.html create mode 100644 docs/resource/03-resource.html create mode 100644 docs/resource/images/basecargada.png create mode 100644 docs/resource/images/produccion.png create mode 100644 files/img/cohesion-barrial.png create mode 100644 files/img/conf-inst.png create mode 100644 resource/03-content.qmd create mode 100644 resource/03-resource.qmd delete mode 100644 slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-10-1.png delete mode 100644 slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-11-1.png delete mode 100644 slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-12-1.png delete mode 100644 slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-13-1.png delete mode 100644 slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-14-1.png delete mode 100644 slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-15-1.png delete mode 100644 slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-23-1.png delete mode 100644 slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-24-1.png delete mode 100644 slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-25-1.png delete mode 100644 slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-26-1.png delete mode 100644 slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-5-1.png delete mode 100644 slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-6-1.png delete mode 100644 slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-7-1.png delete mode 100644 slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-8-1.png delete mode 100644 slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-9-1.png diff --git a/_quarto.yml b/_quarto.yml index 948efea..ee610a7 100644 --- a/_quarto.yml +++ b/_quarto.yml @@ -71,8 +71,8 @@ website: file: content/01-content.qmd - text: "02: Sesión 2" file: content/02-content.qmd - #- text: "03: Sesión 3" - # file: content/04-content.qmd + - text: "03: Sesión 3" + file: content/03-content.qmd #- text: "04: Sesión 4" # file: content/05-content.qmd #- text: "05: Sesión 5" @@ -98,6 +98,8 @@ website: file: resource/01-resource.qmd - text: "Práctico 2" file: resource/02-resource.qmd + - text: "Práctico 3" + file: resource/03-resource.qmd diff --git a/docs/content/01-content.html b/docs/content/01-content.html index 3858622..7da525d 100644 --- a/docs/content/01-content.html +++ b/docs/content/01-content.html @@ -177,6 +177,12 @@ 02: Sesión 2 + +
  • +
    + + 03: Sesión 3 +
    • diff --git a/docs/content/02-content.html b/docs/content/02-content.html index cf9f7c6..e9bff21 100644 --- a/docs/content/02-content.html +++ b/docs/content/02-content.html @@ -177,6 +177,12 @@ 02: Sesión 2 + +
  • +
    + + 03: Sesión 3 +
    • diff --git a/docs/content/index.html b/docs/content/index.html index 10f6d0a..fa985a8 100644 --- a/docs/content/index.html +++ b/docs/content/index.html @@ -177,6 +177,12 @@ 02: Sesión 2 + +
  • +
    + + 03: Sesión 3 +
    • diff --git a/docs/files/img/cohesion-barrial.png b/docs/files/img/cohesion-barrial.png new file mode 100644 index 0000000000000000000000000000000000000000..72e153eed8e1aba70b96d81f3d5e2552cf1c5d64 GIT binary patch literal 82617 zcmc$`cTkgE^ewD{A__r+G-;v%q=hQIh*$_!A@trvkRl*GfOJ6=2qhpT7J88$5D)|c z2%!mrRFTl6_ulS_@B99~Z@z!Nxifd>&gd90d3c_4_FjAKwbvoyp~eI13s*0kI(3Q~ zp?p{C)Ty%`r%s(wK7S5;rJ&XE>F;TT7Hsv@sgq2^T}7mq>EhVgcov=E)iuwvo}L$>uqve&zab4{CP6af zLF8v%3BsyWpJ76;H8{HXaSXl^+@63|jqi>BNGn9<)!1_N^@+xvtfb0|nwXfl)>QB3 zW~WzgDJY_02-2S)xk-Zw|Gdo5Xu*H_=OxTtgv*2T?;Bvbal$2h|GY$`MMaqW`*Pk| zZBgZ)i)e9MS?c|JJ?Ug&`4SoHZ!xRCd{=C`|Gix9B=bkw8t3{W56S6x?Z#+@<0R_X ze}C$mB6Zpt!P?b3gN~JBjT$mbSJ=bZ{k?XVYgX>m`yUbAOnsL>&o=hFS85Wd9EFZ= z3_mRjy(m~K#Nz(rk^0Jr`%jZeuYkj~2UXj{Pn#a6IMTE0nR?qW%A>qcX6y6$MPYI~ zqoQ>yFK@g#Zx(RmUbWFB)0AlB#Dp8R&wsYo%n)6w)>hUn&)lVOa=3e9gE1KpgG9fA zSKs{9-6gZalD&4cGu{eYBC|r2L~(l;oy12x$F?5=pRRi8{JmD8{k6GMZ#TrW`1<-{>)vu-6FkqMGIEiC`M}mpV1I;d|7~;{5WqEa=*z`ePrp-w;NjYw(}l3MVZ7 z`*YdPRvRe71IZ{_))>Rdi~haqej}4=OUdm)E2~C2n1{qTY9lGeZ}a;DD>NOA{I2<* z{(L<~u_q5vkg%<#5eZ*a#v{aFyn*GIodb! z`+p=?VD)O(ylcAU5Ab_t?)^G0jFh&}&vSk}B?ov~P5k_LwEX@}NGpRG>T-UN!tw5; zgEC|8RsDa1X+F~gTC-48@4wjc!ih%yXtPf;)d`Yl@Hlz!>>Vw&MK;%O93}P=6I)~u z$!osiXEuh+gQ**bY_Y6PRTE+QnFj>H`jCcTitvg7!+blb$Ow}}n-oVJWh<+vvD)x@ zx=Mrzv=@0g+oshP>qk#pbEvM&rTTA7f2mNl#7x~p^o2Mlu4;Gl{!z@#*B^6L9xC%_d;dTAm?e-opZ=3(leHvnCy3STFJi>tn*r24zylNajs)>PP|VC zmoWC7&&?)!?b-M&mb6;l5{fYD86!hXT3TZAi1+9XV5#l{1{1F(e!cYjQ_3IJgko$# zNsK-3>#6ZvdA8NB*Shm>qHD?ZbC#%9o@)xH=}y1JzB2J;E5R=(UzA{?t@(G4f3*Fd1|SdhMgNUXi3yNC)FfOGpQ^7r+8$Y~e=~tG^QR=E zfKY|A`8@gav&d}scQ6g{*)bbPW|!S}iouN_U#^D#7XrSys+K!7D|O7Ak9KTYne8Nt3RTBi%U~HkR;ukdG5HDb5gPhhoKkJiO?U zfNJku<*@^Ka{C`4=RXv5v zBhIpUc`{moEiUKzmlpuo1wC40#3V{;=JWEyz}kz;D=ZY0Sx!5<;x9kI^O`>ltO0Lo zUF!?B7Kj)NWiXYj1u$IViXmSqwrKjFf;NxLsBc6LUu_%5VM9ws;>(AK5l6@3)V)@ciX%ySV=% zZ-mujkb}z?k>^zY{r=jFL!X9>fqDIm89r`O#{JXt%Y}eJ@Z=CcP96SCz!?{ufXW`teSc zPGgq63CoP6+L|=w@M)qcJY2B;P(-(Z3+6WW=DnfKatw#k{dr~yxh_!2ldf=4s=7N> z*p;8_b7wZ-lVKP*ndO@apV6m(){m%nB4|`nFKGU zAkJ48%evoedI4TTTmZ@8ODgY8fS6rn^WU9V1$&8~P%cV)-iw$3WP{qwZ%b!e#Ss87 z4T&c)iaY3wXB_z*ZT*}8yrMh3q6lN^!($A}D=5QH;%-FCiWHP}Nl$>H@GZ=PjUBbB zsPDT}QD(d3yz*rSlAY#ZxLx4p^E;5@PLb)C#@dZ8=1+h=ggIh=*Z700hG%2_rI|m> znAf-L{Qk1@ixBo>9Dpe+;8#VffS6b-4eNf{NjQXnZ~DCtI60n3b?c&ZuG@ROtwLB$ zn;R;#^#atWlw&En+ngX!NhLA*Oi4UrgGut4If>-m-~Y1m=jz&*e9ZmIlLzd6R|3M% zQD2S!%Lsqy4$GDt>@O6Bb0+Fv?+|WfvG@?dbs%IE4;BtWN;4fVe5kj3}edUtE?ING5h>;WE=DNe8 z3aU1?N^Tb%K+vx9u3xkC)JA> zu{QMuP`V79PUR=YI#6ti8!zzT+ebr!&C#{FK07f=5XyzZO49=VvkAg1{K0v3PGi+N zvN>Hhcxu6#weA&uo_TwVhApWT6pB>21Hmk9^))$(UtU)Fo@4H+*$J)dF+ZGm63etg z)id3{-Dr3uFxN9YeFi)9hb5!Lbgt~v6o|bGe1+v&+YaP2Ms~^h6%Q&r%zc{e>PU^v=q@cewyP?*L^8ms825l{1wDTdcgD-m96kya} zA~3xFR^6Mw7)JqYW(fA`Vx7f9SF}idOR6%LFKgdw*c3F^6HcE?(Sst3Jm!P_h{>AFSGR#%X)r#nfeozD zErB6;UZJL2c3fiqqOYE~Uskf&O6{lKW19{BPs}5;>jXh|Q`B0s!?*K`s(aM-%eFTG zbmiL2Ck|$|KS}qVq1+jD(?oSC-t7N)uvn&vg20-XK)%UC__#9RuJV)GC z00m-Aio(;#`HQ>umI#Gnej(1#xP??VP3x3HMcW4g$(PZpa3((EHP8(-tB9InUE6t@ zD7jO6;>mMx#*~yE!*Lh7LzacB__qM*c|}o6t10Wk=v=#I+0WV*4VG7-OEe()h{-nf zGVSs`KtQz}%3NBQxOLZ`wRsNN43T)VHk}AXY`GNO?}7t>Q^U_M`2tYE&&$fQC(4+J zf0<494f_}^FI`YQpJxF$@0+G|uM<#2>3`akwsF0R;2&74_-XozqG9iD52-d+ULHvH z?o%flVW!CEKOxmfNjAoG-q!pI&x*achmViTFBeT~#!Tth6WqGxBs$~|7G0QsyW{2# zw+#lw{q{F00YIZhTZTRjbtyk{TMre__7TX%E&djrI3UQ*y6%V;p~QGqqW%%BL@JZ8UcG^t64A~ z`HhD*?G+@8_x)bC+J4Yq*LQC*dUr92VdOGhwp~hY`LcHcj&;EC<7@E?5;-Dav1lvY+U`1co2@b@zL*d zd+5%(%%i76=)~i&AN%Tgf*ws$y)JrjB;Svn z)Sp(QRdagGjmMBvQczr5d$4tl;uIyt4Wu=FzOLl8-`8FS=NnS&!a}8rIo5Uut)iRT zxgh9B7rdRMI!AI+nYFUp9M70>&xWQ9^7ntMZUYr~0Gqtc=q| zacZQVJS9t$$S0?;*`qY6NaE`3@+XHIBoZagSt1ofyv?^Y*1F!SbG8W~_UxgiYsikv zZN&8#WSJ@pw|j%;z7NRSN>#3HOFdtFcaj`b5V^Id$t1Ca9fM!2EN=uCJv$yWKS#YQJRScx-&9>v@-neUiT7@n=3q-zd$-;Q5Cd){pw{qr!G*J`p(SCUmNkR zRP(VySHzj^gnobL4Z~6s8N~d%1OXsbBrk{r1lN0-mg7N^4 z2*R6Oi&}*U_Rn))6Q*uZM#uj-OHs-4btYDMf{PtVc=%fDBIPXz zea`mB$gnAw2fsPHR&A3P_`qgYlC$3#kfKGe<0|!j5^q zf8Uu{NA$#|mJjCU58-A<7ONw#(? zF@nqnO4&c0(p}wqn9NP_qu@qFph(3qn#`>(pqz4j#MWRWhUNNcG;enDxrkyhNShvX zE2rOsWwY<`9>LR222BHF)lXCzxxApW~g`BZmG)1-N>9$gr&YQe2&L zLBMxFcj+sgXG{tO2D|wDet9<^1yne`BG-4@u6gHY*Nwcaa)5q0Nv>DnC|q=_o}=GC zF3-`kdF9mPYTf3@X{W;$L@CyPKX-n`(bTQ-B5q8j{ zfK&VgqJ%370;!ceKhYx5iI~^gQ%tytxu6M3u`m;Ux&)bd#l`%7CW4Kkm0x=veumT} zs+q4{os7#+rtoEP5Rs=7M_$%Cic5@}g(Vp%{2~OhVC;f|+2D$5{c+{gh^3HVX-K@} zvy6RytOJK#L%H&^#6mL3o9b;;aJf!T&xZ9Fs(16B23)6IPPJqf@wg!9IQz_5Hz=Ny z6pK{uKj&Vwi=es7E#zG&c*DE`sxxR=o@Zw~XB)Xl=v?2}dp0LRhh)K{QIjt))4zYm zs>(ETF1 zA2|-~Ijw$W(fT*-J6-jLx4(*L zdt;ytCx~khX4%*LE(Kw!A3?ANAF#|Vx>aUb{#HBN`965ek-Z`&E`-4ygSv_aDQpNa4 z?TiyczdzY7Jlk4+mq7Vp(?<&=l82Gq{>_ou=b_t0;@zc37ahNq@0q?ESV{TYX=r2c zPI*xXiqe~09=Xq^UL>?L2&G2KL4If_Xb2dKs0Y26q5}x$FSVa|eclmuU0m+8o zgUBlz!(gX!f~H=?M!r7`{06UCgz}k5zWneuF4zsy+Ym_Gb~C+Ckek9cmlzWqfVSjk z=+{9$&rt&Mo$S9av0~sc9h&*7j{jfRp(zlogMrK14L_ z@=LAV>AeWkOP0?Qkik+C?s4j~^(Pm|EEzb;Sn6l4jDa}7bLhuas?>8-_{Z@&dM4D7EqeCa zHrB<*eS#f6Sy8F4+*=Cv7Wb@C?&Ck8HcvK?PozaU(z<1I%T0J^u9#HJaqofBX?LQs zp%!_-fF4kj(RnK|yQ2CipV496lz9M+ zC4)lrb5^hAwkn?M|4^$CoyW(ESjRjTfm7_;`2BH-X=zYVL9SuQBq32bR3FZu^VA@R zk}uWz<#^U&p=>-8cTehhB3fKsnQW_(u^}ER%Yh-H7#3H_JORDSh)d}6u=c(M7MO@U zCKvr}V&en$2htm176ik2T~QExIHyDmUwa~oeo!ETn3FY~{3>6;O%dE7F?JYAW+qRQ z80h$dT)~T-&{*wSY^eJgL&YXrHD{jU_$Kbc=w>MXH1;gTyaPMGC`ADa;|9~SVuDDv ziUBSd8F)`Ch8#lZDn*iz%og>F21nasCACgMvf=oLlUwC}i51jMIYN`Jn<04F1Y61x z7+p{fZV~oQe>UF1{1-nN;$odbxn0Fl&cM!_6_yRvek+vo5S!NZ;Jw)Mk59Dzt(*F@ zzCe?tX`L`di^K*fLKZs)UW+<;VU}|J#6Iw~ETU z=PoRn*`@by3+~bG^w-glM9N`ZFo8nOx_)hFxOe9aCYUwI7hMNCrF{JbdGE<#_es>| z@2_DOu0pOP(PLOxZ*=p>K0e zP-iu~ewE|F!KBzLq|+5&NJeOSu4UwQsrfMZ+|kALU(YWY0Hl)?nuPo`W_t_C@@7AB zM%P-7N!?b*EC=5`yOH^}!s`?SVz|dLClb76H73==ud4)h%*S36%}~zd`6D|`>S0!A zL#I=faXh&g;hrm+%y6F~BPB%T&rS^4Biy|f&OQ9}Aj_c^&pp?({GuaQ2pzJ@PQ8zL zTsj*RB=#-6rMx&}?`fUsAFdfblv?EqR0>M9=R+f#w+jXmqf|d6-aY>$`fn6cEY)g! zphIOVXJtj+NsPchRq@d^^5}U0A35D;EvI~~SR*$-)PCeq;RZKk+Ax2MYG`+?_gY$3=PrvDoy$;l_LP>E z-N=MBbCVr=VlZA{jQ$F3FpTE&XzEh<+F;!-Jm&7*3U>>$l1}jv{K+F+;dJFaB#1=6 zxD4K9Y>wBI)~aO?q@2Sn-w)5i?sJ!Y0v7m)w9F)(GA!4%JMCl?Jmu_S-w5w8W{db61G80fmj59 zqj>u=9XpGD3@Yz=j4oc0VTFf{JnkmfXC1uIjCNS?1xQG8K;GTl5W5WPbNUcSL0^MZ zfK<}^{bET4C}eNT%3uR={y4imY@Y6ys*R!lRajZhro~m5gLWp9VJYNZMdH)v-*>K2 ze4cad5GmlsOlwnqJAu_jF6o7JCv0a`=Tr&w_-`^R2MKcC2DF;GjV+I;4BHr@&$pya zjOLYbx_%EG8SI39Z|o-aJI(6K4!r$=gYZV^myOKXNh z;w@F1xrp9SZy1nBybBa4S#i0W$)#g306?v-I>R10>62d^*cTtP<2;1v$ z{h%qdHm_SXbboQGbQr;v4Eq(EuKH2C!s&rhCLe~`EkaUa5s_e{rFSRcI$bnS`F%*9 ziF|+dJ;=i})vbTbA11FOOkUGNxs8Jm4CE%aVwJB)5D@t$@?(!4>Zo1+cQ$Hbgi&5} z)#i43*8eM_8O#V|Qay(4hRSfQ`#srwepJzr{dQH)ffcGhMyv7K8W9qX6JdOt3|{>@ zdNxJ4`upYVSUJB6S0zEXoTdbA9O*$2=pGAb&1h<{Oi*PxFPfau^Mj@*#98pU;=`qL zI*x(j?|p-xQ|t{8&j}iTP>?n}*egFLVLtI@baX78IXHH76wstny%95`ax+zzzN^rY z=SN@D`ad(vICA{GI_y11gbBK24o+wTLtMrI6VI_n%ka*$T*C5UhtTq+bZ7x-PO;sd zlceWTJ$KZ9WjwAmt@yKIKM-AGsF@zwy{(UPXCpk!|4=10S=>>PSRqC$uyR##4K z@Eo8BNP9sijh3_(0$}&0FgJf6{s&LxX@)V!_W2fH^8IwxKK9lUaQP~Zr}rsLye2}M zfEpS1uMeg-=~E{dj@JC0u|x+P-e86{0-cr70~kPdPe^iMR`TPwLcpLA4g`8WSzwiz z$ocr@0yQC+?#a#qk}CHMTrU(% zUh#SD*RvEwT)~&GHzvchV4D!x)vrQeDjdGn!Yrt3nI(@<03Yiqv+aHcMAb0TKqczd zfWAc&wFDKghp40EqVKMMcm==eJlZ6NxG&NPh7p}Ovypraenmt+~q zL+l*rlHKUoy}B!FN1N3-d(^`0971yc_)F+7m&?(+Km&K=fTB2b>7Ph^JqLzdsvqJm z45QpR5cko!qk|C{q>(Ti-&I5ldJs(Hi!9gQOqesaRg%Ost^wt|*mw6%j*psvjL8Ia z!elR{{7j6gG=J&0>mNs%(sp8#ZrJSr=S%YxKjLdJMEWL|5TeJWsR-Da#93VMm)GP* z?b0&XR;-3da;H$An&@9ULS1^RZw@bKtepAR7hbut2zzJ-Y{@GoCX)|nY}O0DD_VD`)<~>`}DMQ1mix^7@|jN8TiRCYoe(h`j3-s-VSeP#A!sX+?Yd+ z`|UK__0snbeEE#k%mOj3`{vlEs(WL^8Ln zWQYOKX0=x~u#zwbhQZV8@jpzyLBVTA!2uU&sJCDOk5_sfNrXr$Z>Bi;&OJJsCiP$stnado?=WwX#*DV=0%R;QjUC@O3CB(mO zk{vLxO-uU5Wr1kiEG57RrqnKJ+L=5$?@42}0?D%r4`gDmJx=o$jJO9af;Au_*8{Nf zenb?)N6%VOJB1y+=d%>mA-fUBg*DUY>}`k1=PcE+D1^%6smVXo*Ho8-pR< zZ!BgV*jsL9&!VBnf-_c_1N*G+*v-mlKPV)#`CcLWhRr>b`u zR@YGO?QBocvqaH$6hD~#HWB7BkHt7$*4jBY`oghKUBdAyX5Mx>w zjI#nR&To5&+t&tfd-p@?Qsj=XK=p@H5suZEcZGw$o^XSIM=qf2bFU}!8Yjj&aVitD zw`Y$~pQuy`{~9zo9n%Lh4^Bbtc$k`Pc3>UrZI96A#=RQ77m;;n@*By`2g(`tb5=V?V3eMsOy+Y`Yuw=yftQ>RtWM(iAUYvpktx z-po7kc(XiW2J!i@UG{6lw~#4Tzjic>09QmDQ4;x5geFgQ?qgD(Ht*fFZ#SaxTUq&M z6H_Ap{7^rGFoR~oaEiStAp(x72PJQsmoM9s77m-SyEoHsF9@xGr8ZRa*B`FC95uN1 zV4kV?qpPwOULqS*nS1*iK}fM-v!{4X_=`s!Fu6s>LaFw~(DHKXkvqfU=pX(aac~yp zMy|~R!ogk?8}MW$^=NPlDF{Iy{k}!{k*>w!e zM3^{{C-B;QPQ_X?Pzu8zXi^%WLt&85E)Rw z3z{&jnnIId3UjjwHrCaf-&G|juX(rcXES%k%38}k1*<5}o~1Ll(V0JB%JYcuy65(t z__#CA4Q^X{fFZZjJPlKU!a{nr@H@f<-dte+__ZsmquYmp|MA4YFDKFWr8?q<-lBh{ zvb>|#Vt_a}%dRgyV4&S}RP%MwmVnN~CX?9^gNKw<)j979wat1^{-djqa+(nqtiS?Q zVw%gKxZ+72f928qKaQJRwG?iT&mq{9XO9vPy>F~pD21V>$h+v;>rAcG#W@4`Hf}6S z4aK|O_)pA#uoyT)Re9RloK*tsTALuRAye08E@VconO8N&%Sx7)6S4fAeTk%g0ei?5 zTCa|1ymR#g$w4BnB|(FnbdAHsFLr#qnrO}aCp&@Hav(g<5E_kqjV_-o^+Wp>NYLTH zIzWYrdL^keP4340v0>F`pHXxb*~(RIeA{k_{#Z`kW}oM5XM_%iU7zDU1#@7+fT5g* zWn4;Dzv0ddN**S|2U5F#I6o;TbK(2|59c})_LDpm7(4xW3^X`J+xma#kZoi$U)s+* zyCei8`4-3Ub~BCJ8SPfXVQ`jRswWCrN(|I{+g8jli%zjDpyluWdQN;Xfh5m{$wh3T zKJ1XJKqh)U?qnn5z;41ef`JP^k=Uo4IpUG(q8@u%CQBb-6#cf880v~4Jzirbf+71eCp*!1y% zpa+l(r6`zsAC7W3%-=J2*Jj8tsQX%dm%~BsRf!2V4g+Cm;*WJB(s z2SvA+dt2%`Mw7EsK8$&u@m5@?!h;TW3!&TR_&|m2-v)%&*0Pco^g_TYqu>!vvd`cN z`y2gfX{&y$6LkFKTN>YpNx=uaM8g8f;3vCRFp@77&gC5H2xE2|;+Hm`5lJ})+1)N==Ci(KV zRcv5JIpFi&%lsEi#C&DLygNBg)dL9sdDw0EU7pz$shvO@o zI$+)`v*qxIu&8x{+b=naEb^oW*>6X3;xz%g%3JC=pIxU#Q2i}_e+?Xpd9wt($PkjV zWV^s$S%~Bn${g?S`XJg;1FW9LRlw1z5|CnV!S2^^mI2?bp*8!xKH#JWbSaBNFD2v0 zO^M=`V8S}go4(psbG*OMB)w3eExc{tCFTUimcI-~&4n}9<}Gre$+ z?Nyk5zBlM5iM|8Cq~x{w^@Qcx3v2ks2Wn41DTE08Wg&9ggE#7QsVOe=ACOG&Bnz9v zpYyO75-Sw~Y5iE~ZFI=$Ic5joSn21)7(;!w7p2-|jV6I1iV}pE=e9!#iMz3YvjJ-X zxNMRYnZXJ`RDe11Rs!a!zA6FwWJk&W1p#aWx%0!&(4hOR;f_qyvC^ z@ce6veEakh69hDyRhk@clubBSS;qoSjwVki+kTV!WMA<-`@U;%6mWSqk&ZKfkz1)` z0o6fxzn+;K{AX5*)78lyqO)^~4V|>*S+d=jbkus=qJiUL#w)^ja(B#!UZ&}7*#oou zppR%n+gvH5hI8ru)<*e!I(II?_yO4_S(M3Gxm_)!=2 z=b7hlZ->4DU8{0`8-EjOqm$t$JDvgNsr^;MHAtTpc2ODPa>w!5IT%oxHM|YHp)av|nRs|# zL3!bewO1o&C?3=-;f%H&kSKbX60pJ_J1EY@M<4!79W1qB*y|gt%)iX(tZacx8G3vDS}X!K!7_x(%GrNvGZ`n(2sJfsfxq zJ{>W{UM@=Le05}~7lARPT_GJOP(OGy9PWt4U)1yN5igf$dIREG64KscAw9)5NKXQ) z!C%c5z{jIK+KM(O4VZ}t>0jNmDz3@o0)5s8u(qzJi)NCKFb`5ygSZ`Skytag&RY|p zy}m#?>p?n7LR^jiVX@bXA|%HBL_8!N09vcm(DI|390MpKTL8R6C4Wv$mEF9nEa}qJ z=BweVtL1ogkycVz(|D6Kz_G9yr1%6pb88v2T>vZ?C1xuObl-o}5qfbu!TfCSk64!%LoY9!d-fSsh=(798`4p2A%O?sjk(l1#RR?zZ)vj)pf=Bi zi{cEvgQwv%lm=!hWoLT#PAxx&5#AY3a!rzs!Nl_F+i4RwK*%~|%w3B9PBVI!R{cr~ zoA09joDuzw{OVUS3(&QEOMfjXPqJ(NwLn&K5WfRRf_G6IhLx}ib%Hiqk_DW_P>+zp zu|sV))ZX zum1Bv2%INqS>poU?5uGOsDOhJ3+<};!F65!rV=WhUVfUsi79CWJI+KyxA<29J3$kb zh<0~4U|B3tLn>>Ew82UWB?AqSQQCW*CLqx##eg)m&d4`Qd+2>dK*%I9(B}R1^c7td zSml=OLq{L)MKcW$Ba-TGm<_mwZ*Y3pDG<*Lhj~m(MptF1RV>9Nh1dzvBqppeVjWLb z0#1A#6mX|CPL*4yqq6sw;bk2nF6pA3V%n*C!?rpHQN72nmjajG_%S|l-VQZJ6V^dH z`&sxC@m;+rgF`vjujv}4l*_b1j@VDqFWGsxCJzY3mX;CW{Q%|>R}A)@O1ozys28mUJ%93^DHMMlQuStBVO!K@&^cxWmUZSJfh6~w#8t<_%2{iP-%Z+0PjyJ_ZQP)ZA8#jf zMb|neP3JM{Ot$@sReHZ^Q3%f5KLJ|PKaAeXG#78Hy!W(3tzZ6zDWB8DieGW99_li) zC2Ulh`p&qcf%4p8EFG1ukaC)$ub$95aIoWV(9*A%0{xJ zcb>u2%L1ja#&?!u&Ym}HLweyN8U}M&-(^LNoI=D}j!c_zQ>ved?v5Sju4cUMG+h~m zzgBNlz~@3o;apq9xDXV=)hd=+U@m`i2KByq+({!6JzDtF_Tf_>?{bBp75(BvR(w*?Hq-Z?ViBk}?t6=U{&4lUe7!zg%R+OUOq%-BqK6*^_DrrNtFW{? zpV7PWkn#3Gd~?m7%kj#|u^`T6xIS<^l_)f<(42gg+m7PlTFg-WFRBYTO znrEr14tV+SNfY7?A~R9*6FM)mS8RP(4(6G>{{G%!Iy5}P@EC*C7Hu5Vh86qZUWN~X(LMmpWP!&5$-XWY*__F;poRWPV7$%w#xZUjI`4 zdcg3xT>;DFmn*{6;8doh%~)v906u4L`tcXW#A=M{?h-6kQ>*l)^$o-bN+gW@>G1ub z?PM-)GALBafv?#y$mNv_@8l&-bkbDPOS0bU5SZO0$`ZZe`b9q2u#a%VqqCBR(f~Ie zKWJk#@ilo;I;&~6LA(ox(Q`b2=~|i~-q2O{m*Sn=WYV{l3gCy2vm?C4(we)?J+M(&{RqpXYe=oD) zS=BrmSEW=cYXvn8N|^H=D~IVjLF4T$6!+)rp|zJj->j=|*1ullaCJ&l3W5JP;K#H3 zCF}N!+Dl)US4Y|+2(=!ni{c-GPKz=2*~6hVH#=8oBn3_^LHpxacFlxrV+bTzHa-vd@B< zgONE+biMyq97g^|-PZy^nbXJI$%N!5&+gpNIgd1=ahKH<(r>ute(rUS`4cD0N^pI- zgyxz8G8g5#`5-@5?r`lMaAe?!6|?`d`Z8zz0v@|Zi^FH)zotqGUZ>Ce_KrR=4i7Im z+s04i(CBdKO^&nQ!@~);&!Fd3ENeG^UkmjMFqQu`DLNH^W~Dq>iAPSswnAt%7-<9d z=CZ~w5{sUjhsIB72#^2a@{p<`R%X4N=1Rs8%`R<}r8e{7pD?$40R*Cy< z(iD5I@5b0`o%!G@#_{iOSc)E!H#rLvT3$~??xrR`@bx=ak%iH7V6S6;T3DeA0-!sb zQ33Re&0e1ew%a^9Q8%;9Wo%g=dK?andI#a!#&cr)=nllTm2$S3Tu@)vs7mxqOTIjk zrJs)iG!n|ZUh@@kIx_sv<8UjVFqfbZKZfyeu_!B(;T%Z_H`81bdYl$VhMsG-Km`n8 zwBLOdCLLH}Gn-^Y)0&|4)+0=w-DARfUPhQhkNG9IA5{(WH`n~0q8LX!BXV?BR;i_` zUE9{E4_w6bdMarhts32A?;66w zQgmI}hVb1fV(dOr=-sUd6aSuElrlBq9+LtU`FTgbmP%bZ@;;8a2bm_B)VTv<=b^lu z9+V;LlsZA)Vbe79Pn4kjFe~M+S&^n$glNs<#k+4G55I^*y#q}Jhah`LOwP2L|FN1R zvjl|@c~ZsjY1AXi^<9_g*5o|B;?cbqQqfx-*w|SDK9D9NCnM8#>d~B>cdp#V$X|k| z)zj_cI>(8qv|o7truD)(KE{l$cXE7;FIRRur#)liT6rLRO)KVw7s7maUwKBTM(nJQ zJuKE#YZJ6&cd}PKY;g7vSX8z9hzgkEaWWq_#1~(2)``65>s zyMy>1MJ6%SKjrZ!k6^=j#y2~3A{Kko%b!YLZk%miLmF6O+}m0ka%TV5RtnbVJ<4mh zT!dTAc)XiSP9LPA4ifB^x7*gPa=-gLdP^=_eNUdVGmZO63i8^SM6BQCC8Gt=yu?8P zwz3lcD48rykJjf7!Ocs>QX`oepSW31bY*57EAemz2U5nVTUKi6QEf?15_~S5(vc>p zZKso6%@en)Ka@oq_T9V){dyp|+O9Wn2`^IkT>Qn0*LaZy_21&4M;9|W)Ajt7Z9?+n zlKoSAx3P9>-w1j_Q`5o8Ke|#&)RZOHl4;Ec>?smcx)a~Mnx6R`dJ0-Aakk@L0k=fD z%I+i1o9qA>It$BhKGm#~V5!Y&r>NsYjSq_F6^2W*@i78DLi*Kqf%(m=Y5#1K0R;L0 zf6IJaf-P)7p}g^3z>(ucbZ`)5`n}s z>6kWdk7R`s2|dQk6gRMgHbXgTF#q;e(bRZ8xTpND8_CL1iRkol>WJNVB#cs>!9I0S zwe?JaD(@MdmZIj2>qToLF$&&2XgvHLt!S5|)##gDDyd}UJ8$yuO1Au#h}^PD{&W3} zIB|oQSQ$Gmh^|LHP>wHy7&kQ1>DYPawsUZ)t(h8h45Z@WBUfCksvlijc)(y~;{w~T z9$LqqZZ+N7r?OWUjQ*6VAN@R&bE%~*bu&f7Sat0jR=ZJT_M*~5$Ac-;(|cAbZ@hP@ zzE+{S%DsC@*zx{1C+C4wthz7-x0t=(ebT{R$6UZfUgw$rrYI|f)*y`1*D_x}$v3o3 zrktXbCBTdFZ@n(PcDh_Nq6bx)T(`z}-!hc^LWCKF>MPTkpm>yJrQ}%YHM)O+UY-Q> z$azjXZ%U#33bGAi*cH%yyJ_Ev|8)Cp${;64;-yq{NLC~6mhF_0mfa(qF_%XTglsHv zvc`C{XkfToW&Z8%(Nu`$$GmL<(d1deX^B)KUeZL$1)Vy@Vwu!XN=4JlS zQC5Z49C}>RE;SzI3nGTbzr1l;IVcszdG8E=KxX$#t8@F|GiB3kmtc%i;_n=l_t%*o zrZ$K-NN48jwOit5U>@2ZlJ~xMvMwQvP3Rv4Es0goE~o@aD@5atsq(-^?z!EfS!(hT zf;(cMHRbHB6etBruqO9A%m&UPGC{+ZVq;}cl^5L|AJ_7G!*(BLoa{O8TKIWmN94jg`ut?NYeen?r-3ivE&L=7+F>V_|j^;Xag7@9Thp-;i?->UVuWOM|R$&1+$f} zdsfjrX&~H&S5@oh+xrGFr-JT6pid+cU%3EzbhHBeLH`@6=NStKJ4 z&`DKZf%e3F&Ipq{3a=b1k)DK%u2+L`UJ<(=UyeT}p3S>WFm>jcX)JA*l5#;w?OuVh2#&K?nm%s9 zoDF8OLH9+V!Pmfv7a_%ECom9^!Lep$(G8XLFc z5tEpwk3)R{S*t1wpUCS&aVi`;(NIHNs7Qs^5$oWVik$G((v|9npnc=WC}`Iu8}T`r zZ8FiXPT(l&AH}^0kf#q{cp2BvoBuD`-aH=4_5U9~l@nO6dF-8nYBH7AJifl~_D)M_>lg>Hs&*%I5KE99d^55y4)6CrW zecjjfdOf#SLi=;L*O;J0@)H~T^Y^9#N%w6z892KFq#p;^bccOBb{XUSe-2rax!4Oj?!eOzY!FCvL_R(?{;o+ zYshnTv+Xm#q9=k8#f~ZnF5A)SIWlNvn|qB_9Jup4Vz2jG${qRM>GsU+X>~?t*ZnhK z*j?r(xji{+KIJbgL@>H3JG6b~l8l{kjuZU4`|mZ&wcmt(pFRANfJlv^vqB`4?m#tR z7B6}$+q#DM%q&zM(HtK?h1y7RzdV^KQE;=z7113ZlOp*lJfygM4Q8IK@*d_F;~n}E z|C9PKV-C=H!n{yad*TmAa=#Y*aiU%zUZIUj4Zm^&=VQXi-rAzZ16UWCRl=o9C;a6w ze=48)i||??Qq(q5M>^_Gv8pr_C;ghg|EM+hSjK<=09%wQz_SO$YKyL{5;K+y0Eoqc z980nG=r6*%bfXxA)bbgn^L_v|)M<^!*Nr(x`aRE4u+B7JHp)3Z}%v$l%QakW=sOHIFcTN5PidjC}6r zzmI2o8EgV?d?BYry7_g$(MLGEKmg|a+BKWmNcKTM9oTp&pMZhT(wYNi$U1!aTMNnt zh+TpEMp&EWoWEvDr_ml{bFWi73c%>D>QmFoE%LHVbr5yev@K*SlYLK3}>PYZG z)Byhiq&&697?>^3Kqv$)Ef|=iHijsS`|n&jC#r4A+9RMNTwe1>oA)?lJOx?S2Pn)^+EigOiXE0Rh=}BA6Z%Yun)0C?v`V^ z4ef)#o#iw0^Z||L66p&!nHj~DDBr7w6cfzXi5}s3)_o8_)ap7Gob;jV%)YojEJo#3 z?T`;&3YPcUP4b|i>LHg#pF_EeAF)sU-<F{7Irdn`4ottVC)XyzAr_v^S&G+ z>undaU~!h&IAh_ydHJ{E2Z>~|+$a#@%MfrQJ8~_b+&fx&QJ#dJjN5X+B$@ zo0*mgDmFI+BnXk$)FioiTlU}gL{TEsEU|M(ejQ6*_Y!Te^U*R`mxg{~BW4VE+52^; zZeEBW%7}H(gAUPmB=A+MpX!;cx!~HnBJ`*tIe4{V7)5h-I*w~^$l@I1^jXV8?yK4=nU#usBu2B$HbJOBZcVnwl@WZ?{o-KmgR1is1>CpOhHeba$ z#2A7VeGknKXb#fY)3!zcPmPwOvVs4Vql5OvS0uP9Qm?*0M_eeaXz*y-wZUs6;&^jV z{0z!J_>fk+j!Dz{P=9EL_^mA{bfBprZRX~SYRg>5ZM_q{w+`DE6WRpT1;dL5>gxpa zUTT6voZ_iV+<;`!{IS$TX61pMh(s}=`P8^ltlfY*-jrdifDKD>xs>bEP%^3XW7*9P zw+vg>uMi6{RhH|2#e92zj-U1Bg5N&&iciM7)po8q6tVeExr+C*&#Vx^b|?e49>sY% zCra0Df-~Se|FaL8Af@G*t6fK5#+GuIgm)KtZ{n5^31$WTt18PHFA+<*rEEGPo&ItY zY+P6gzi&K*w_w2THGjGPg*$8ztcZDDGCH6*=|z(n1xh_9^+wWrWO(-yHZ_QrX)*Z7 z!lQuUYg8T`;-bmO?~d1C%f=W?+Qz*bLHSWs?gky<2y4918_;_$@*3=9n<{$er8PPp zp5AX?qMxT{mVI0-{vfXOu-12s6w**4NjG&LNF@nRBSZb@6jtsaTE*_w6E8<^Qs@uq8VawYW){WgOFrPRi;f2 zk(kEmTz+ACV@&O~qoIiDE;^qOTq@1(K$8ZZj~1mMFKHE)c5wYnTRZDu(zg#$o5-8q zW3T6Q=PdXMYdy3(CZJki7-#a~vRi@m&M1#5liZBs@6|hkS`;o!_9$`Ajj3ibs573T zj{HEf59SwF_6Hl^K6Vv1hCt&PovZDyJtH^te}S9{CKPrN<_&8;>4~lqf~tVg!eEnn zuY_!0vdmaCR$(}#YGbseb1uwkKLBk<4=2%>y<0EVML!I*8?*|w6A8l3rtzNxytG1 zA&5C=BU4dD9p%UHT<%6;OKl<*?-qBr`n!^CfgZ9ya~G)k*6vtZh#X71UHU-T#W}2#>Km9gZxjloGL*uS2vyPZ!!aCv3PzExs9QU$_^%&ki z_x(Ux5dhcyXM5j!Rf_-8wJi*5>h@>%K7B zavSm}kFxtuU9YiI>SBW$kg7<-4mj+aKobsm>xF17$PCs^<(=Y95gK1s7 z?g1X6<9EqN9a%MlUq7ps?4LHyyRsvtbWOZw;*{x3g4AG?emdK8_r0Fd?AReh{>yBh z!!kM!1_Ldhth-H$469Kf#p3avFJC%Kx#s$9=Ww~gHHt%rnm@GfNeZ6oMnW6|&vhg6 zHzU^s2<@*Cjo4^W3dM;}>5uYz2rif81`AHOXwcAMyVgdc39EabrNdh@Dn4_ksPN7l>I=Ei)4U?0(5K5%Mr%+8f3r&O|M2pcp z>h~N@U&I{i^;ZtQteSQ8_E?Tfay-?4xC$k-pZ~`AZRjD)W`g&7ImH3o;$~qUE)jkwc_+|z2+(f#Rcga6h5Kix92=euB} z3mNFLw8I3&TkIA3^<0Ow^~28KOBGpnxaP8?J!>Y%<)yPOS}W`r@_SM6Dq+f0dQ?Co z#8<=d>ZXkWta`!D?t9@i{$doZ-kDveEOOe$N-MYuZ(o0z;!xb0d4YrU>AQbtI+NC- z#$<@h^%5;m$vk0Ux^E%8fwfBvyBw}UnEw$~GoHwd)dNH~GwKGk^{w&BL5a62^=TekmM(D3#a#w6NsZMv}kWdFZ$F z?&wh}CS1Q@>kekQc3HiiE$<8xAE)= zsxaPcp4f9p>S9rH_x}6K^sR(*3j~|&qmIlU#Rp@V(v8MUu{KSc{bd8}biH&dBJGVD z-u&ff`R3s{mlw%R?V!?T|DyiRAnsHM>zS<$NuG%z+24+xKWZ$mo41in4x2bpX4zy{ zTh>=>b?}w@y*E&b@5lnh2X_m5wn9=CoagS}y$phS%WWmJ49GU#mwiAMk;8C8v)z>T z_Kw!`R=$OtV_}2&r9bK?1l!ws7MpuS#AL8P%=%CX*Qa z#3E2?ou6WOC`y#!gZ;F$K6_jTmF-5Q?ui3w&o>I*_Hfp5bum~T>8a%BRKy6Dc#SET z|2pg@t@@Y}vv>GwtgOmLho)O`3uz}!vZ?;hNfF%HE!8v@epR{i?Tdx$B$Rh&2|LU) z{g@b{Ygjr9Jqj;*9ZL9uHF)U%dUy7DQP*DT<9*UrzrOAAx!%H4-egG5_x&!Wf*VV> zpG`0HB}HGf!3q>c`1}+%nzlvzH@fM4*)$&))1^#VgWbDEg%~_z*-@BWhyar z+rpup1+KhrW#uh8N66kCjAIX>?BN zJ2AiAR$sSWd@+9}Gb_G{n|xRZOE9_2LT+7bvg~xSXl@ce5Qehe)Y722KJ3|_%bib^ zOm^-lF8OiW6PNwbl%)tIG^ye*DzelWB%}}AEYvRe;P*a4z2NkT$cu6k(TRLVYKSs* z8j2!8dmFVMoy9npa2@&_Z~5?Dr=q}15!ZN!hbPOnyPZ{r>Zmxk{E|t^y4U@pL6XwJ zJzxs)##wzV+7d97!ns8_t7~-!J4|X!H+Kp&nfAY`lb(5g+TfZ0kydTiOcPAd-jk9+ zeUG2)*cf15^df(4Fz<)`$qVR93Qk|p&1Nw!?AQ^bI0u3gNkNXgf+cHn4oYrx`AXGa z*oH~n`$4{sDN8piTY)(mmr)={20CtN zNOE1@vI!cv4yFxYxQ(GzVEU{^*c z`Jxno$R?jg7RlY6D@g9Uk}%>yb~p|Mbi7KX8gC#RY^5XY{ zQ((Q}lDwFhso47cNPWwA#^l~iE2-__={5D3j|LFxoE5t$Knxl?Q%-w#UmJ-}2>D(|XPEj+*cqm}RdyB=1V%r@6vVIiY^ zO~bnRuO?Gc7*tr(>#ivH`bbv%43rjk?dg;M;!oZFMtb<4|o z+m~<@EWGbgx|-HH6ek_%N?(fLbGT`n&1BiIi@Vp4swj~(X?eXyCBt3ZhX`7}*eD1W z-ov-6L|E}TMCF=UooJH8ep|&sQ2MmPWwdg#e`7HJ`q+O9RO!#RX2@|KD&}| z?(js}jWduQhjXgY5DfeDL>13h#0)zS%M|3pPWM`-+miQNrIYxFH!VQ_nxwKMP1#Tf zCI1=sJSl8G{X4C4=Ug8Fd|=8}^WTN7Vj-Fk4M=4sp+LbNrsELvwwe$-NCIq$9|`QL zK(H7MwlX0W;ho_ik-@zPhVnSE(#Xt{XTs2oY8qCB&|nJCY%4w3zQ5o2*RJ zr)FdX>~Iu7NsQNEJ01g(e`0s#!yg}2M>`}d`B7kD6}*7-R87%<1=!NLt&s4GZskLH zF4iDLYKhz|!`%=##l>ZFJgo{`DJ0bZXaJc}SzryOx)wb?Zw~5PEP5GA*+ zeCbp?945Q61AJ+(Imp@Sb4a@h4fokRE`(qV{5~iVJXjhaYxI}ybKMJVZ=`Dnc5Qgj zrM+|Lx8~Jj7~Xqz4QN8fAV!WA9DEksP;l@cIu-=!zp>E1UG>0azq*|);=Y9B%P4Cu z)D`JVZ=3*8Qxd3Ygert@H!n}zNTEzI6z@2{=xqNi>M?Aw8Q@A(+mHjmP7({O(2v}4 zle_oqE-jYcwJj8slWi;ULeOls=3KhTyB&pd;?H3EN%h#{_*JuNgy# zAC&c8)*#)Zh9-pUi0|jP$bQQV~Vb(y744ZeQfhovC3)A-wS?T|6KWByI}%HqB+ zPTA{SYs6Qx$=Cx z%@EzlpYa4SW=w@nMS?GY;ITQK-{2eU$l(0 z$?`+pC_;heWuT$`*amNoT1*di+Dy}M{VcP}@YdLo^FL>tKja4|(?Bz(eQ`tUhcm=N z)M?=};x$V+WGu@pjixD}iuN>|_75C(44vW3sN%4}z&;ketuv#d=W_>JBavA43Kc~3 z)2@`(QLH~aJV^9`eM=2sFq3J+{7dvxBo`j#YCy0g&&1g^@V$;r_LA;CxNODm02F$M z9r~m{e(J#IOo#@i?f=xdIH`TCV^7^u(#H*-e!&gxBvur~$OFld>>L1JOTgGnK1_Tk zhG4{RGkqt*I%6>>!Mx$qfKTTsZS^x|&SN$(lT>MD~4u4&}Nd z%&tQJ&R?QEY5+CFKpLPVmvZWU8PYHutPROm@8n1hA)RpXPm@a~b8x5m#0lyxTNLT} z!&(OZV*ffcNsWDk!@rQ$+%5g3KlG3Y;6<<&?nuyc?Tr>DP4D4fGL)LPvn}HOTTJo% z`VBw6P^!z{0aBOZpmt$0HAF-_Uyvcb)g8s7j=|faOpq*b-V#s>d+kd{Jr#mcFhfcB zFy!wmhz5YJA>=e_%cx=jrg}@4AIYxA+Wr_6X^*ca$}E30o7k_tZl$-Cn|ivHf8Cm|655=4b zwQj9~PmcwlMm)6UJKSLBxBhazy-aKsjM{!`i(QPAbo*&w@ve>DL@Ph^l%xpB2w=o_ovfgEQ{Xlco%fty#d8-JK3J)V*} zeBRCQG4|2pGYkz3E8QAjjDcOSeYXF8UPMLF{K1I7R6bk*YlO?IwKXW-d8f#R;y1&q z#Ry)dUS6KH!be!haM<`oc7jEN^3_JdrGc`nf%Sg7X-e|`581M31#(mv$Km1^a~Csx zgg+;InS53GW;a20`7N7Dwn<8q)bgiMsP1Xsz~rYTT6ZS3(*%SogL%yz#266S<&+iy`WoTxE5}&8~rA7BLc1+kwt`F_fe%tQg^F<|M=c4dpx#eXe zUCW23hQF%9&31W_X}B>cvah&@*IW}p_ug8tGm`cPn}bV7tpOqYqC9U9cy4fR>tXhN zA53pQW=>?Ezl;Rh^V5&a{ByXo8T=0%*t5dl`n_o3{Wjq*P(rqH4IeBo%Z=3_bp=-* zRW7V{*6m#B(ch7@ykz)s5q`Js_Ednz!t3ZNBH{U0@3fLZA?p=~Q968UfXw#T&pnH? zI=z8y-H0h1^dBc~_uq`ntk^^f2yoH6DL-QPZnN6QNw92eiskn=Pz4A1U7>U}1?q_D z&Fj%i7P~lJ5cWNI8@ah!DE+0zYMrA`uP0vya?fQAA!9-x%Vft%pACl>Qoo*-!Ag&< z5=ZcSp@@2Q4AxpHYhCPfK)`t$9~XsxhCTVUW>FE>>E8||yJxV6V@f>bM$7S9y26<2w)A2dU!3l^fElgFESXb?ZUHI{jYmPQkpiR336p@(RFCGuatj*7x> z360x*2A-nY;(E!cIa`Dm07;Xp$!BVcq8MT!GEmCVud2_|E*h9Rx5{K+l#h+F-XA&^ zOBZWr%Jva31tp)(0djxWN)O!5njWG-UwUB&*p5?=kQheuEgl}Cpm`qr?t2lVS4{Nz z4Bi^#xELW;?Ah?2ez2r3fR7W4T#Oo2cBY*{^i%zZ0(AtVI(I3(!jCYc;~HuM%ecN$ z`YaU`QMz*2V8a{~0Kgs8wC+KcnYu$#bTh}#6(w6=;e6!ID@8UllIHxW z9!`lD!!4+yNP6S*ckzHpg@ph?cQ^R*K&JV#|1hN~9r6T42?4hNM^1{$IpcGYg-|yV zB%|L!Y%?7wJ^Ib_a&68A>}v}v2PJ#(IMKcX(Zwkl&YoUb!nBCk6r>;F->0bzhA`D6 z1Uk;AZ5|B={tv$Ir3AeN_*1Kw_!&$;13VOo`Zs~%$XIpa>P5WI#%QVP#ic&-dMH-DA-4!lDHd(AnsIiEALmriJsv6bR%?NnW{IfpNro zK@|TeWe-Z$K;vI>e}8*d+xdDkEA@2q_&*(lM_$kWQX+pdm~(g}oq>>g=GECTh~ve$ zV*h#r?;hP8xjS0=Kymj<0%SUHKW9UlSY+M`Rn+8dvba zr7neJPPTyjFWHZlL~36li~ho`NhTK9u6|nteY~NYwgb3;uNk%)fuA)^z*pn`lEU8b zgc=1{WOM72*P@%jA+;5G=3>)AW+0H=IAOM`g+<;p6uvqZIUx{S-w949Lin&ppY;uO z=J}M;vT8%)$Ns{~5?)ZBjx6$K9@`@P+Rg;p(7vVzXTLFlO~NfKpYPc?dm}p9rnjr6 zyrY4Ce+N3^z2b`GlW0D!EiufSk>|im_*eCtTZ#Ph-?rrXHZ#&aZ%NYF@jsONJP;@J zsA=RWBjkT(W#flk!q@nRp_ymez)XL+o$-+u0xgg$Ex?}Er36k)YZIeDz=pFbIPL^a z$^m4P_M^sxHT@QMzIz@rGEAz$!EBvx=gnJALz7>i^e*eVC0Q~Bb;JU^CvC@Pp}gTc z<_u|WN5r~ z(T2&G)L~-Uhp!7JD$yK-t!sg?&NNDAk!NpYRSNxrZSh{ z&v)@4i3D9?0FyY(F5VM;KJ$@t3#!w-vZ4Q#0|*^1OtjM}zdDkShcbrjIV48DT#CdJ)%O2;-_2iVJ#8{`Gb z2R)?zMLw_77N1FH>+kc`Q6g!+&vB_1x}osg+X=aV#VeI)v#?PPUiw;eo1S`u=j0H@Tj zdC`8A4UpAsvlI?CX__VoR*!Ur?g`*P)rwaxR1)x`TRFXe6F!7rkaRv*^3lZMp6Nk3 zsK~7FDeROHglM4239nQA?@8-ox}H=Y2{RKP9j^f~i+rfELWM-x*VpplILIFh_ME%_ zq`D|b5_g^>>fHw;yH5okG?}TVIv$7rEx>r5&!D3F6G{-c|GPc`%<~<$b{?83a!hjP z{#U4$QL=;;3umF`G*Ali6;~0zy^!{n7!J__=*aq+FS3CL&XxgKI+7$afo%(9Yp}24 zlxDZ-^KV0G;M1Agtn!w>6s~N6gayYOsE=FVCTBb_MqpL_!7$JGUozaEdU3_PgwoRJCw?(1QE@6jfs;Q^@W<$4aXMQnhGux)>^p$BKQZ4C7qtR@xNV}Kjak%UQjPm| z3K0G(G}>Z*{m@pcjGOH1-@bdyBw4mKJ9=RU)Mb7{&JS#AB`fN7)iSs73^yg`ECN2m ziWCyY_Y}_!itU(tQGiexdsac{qui%?4|}lE?=?tsgTb#&+8GR;ldQ>XwP2abjQ)`~ z_8S_|dM`OwBRVRgMfs>mVWJe8zkIAIlI3*%J8H<<9@$TR1MVog1Q>i$i2co0mrrk> z_$?(T=iq;yc&vGX)3mhVM+(%-aq?eb06`|RxPBNM3im_uPz~0m|B)$4 zHR()m5+6a8u(OSec+d5=R`JMXz~VKu5~3{%7D2mvZSkMt`5%cV8ai&u8fdNRDl@wY=0Luw)avS&3e|5{~FA*&d$mE z?$;_Dy@S|a7Q8S!;^K8UJD9P}(!RY7yFM$Ubb}a#a21DSw?San zT}>|zM*ksCT@I{YR{>E(Im04;hHnD_ifbeHAZuujdC?5Q^pF7R#N6$!-%GWo65hR? zF=t?z>Fwp|>@y@jCUQHhAxxuc5`iCb(6JHOCy1BPz>(I{TM|MAML*?m_if{X-N2EZ zW9$e+VW=1D*zfHnr^&{s!s2zwv(_ly`Ot+IK!`)i7-A`-TYg|a_Z*v(Kl=w{;zMFC znjaLKMDC1`tlXXKPU%<0l%=oBQDIdkI#@o}&lN; zk8t0_W-f(SX~ASPo5XZjM)ZZW3=7GE>=($@_mD$7m7_8`Bs-*Rnn{WB5CnYq07aMN zy>;pMjFmGSyhl|1z{h<;N6$DHqeSyb5E5s&YOqr?hijqbDp|hb*LB}W+{Og!$MUSY zEW~Ew4SQE4Whe6S-WsPCztF9LgY!K=u+I21U&uP!*0yeK{kGxD;kLCq#}4_KBm~<8 zk7g&xJht%d6y`i_@a-Ks+KXx;W^>G*q^1@Xd!X2YBnt@7pJ?76%z$9+m!rnh{X6`4 z7jD0e3O!vJcZYM1t>uNLE!y8sJmX05t#LT;gt1q&pUR|?ASnZ0`RP7?BARC5BX!}g zR+a!KQlI17hdjg-VxxNjOfAD#j+=%(@x-r7PT9?YrTIw6?d+G4usikqroe(MHkym$ zw6CshLU6sGQg3H)u6Cn>R3JgLFJo1d_(Spevh45Q1q5+oNUC-A&t1Ms+%$od03}W< z9BsEDX!1O6E)?IEDftCaEb26=RR@D~F*$UXNtFLdA5)9+7hZL@G}BDJrW zhdg;8jsWJx6;NAoBmx#vxdYT3v;r1l^9 zBN$JMSFgv)PZ>>jX1WtEZ~0)Tl(0L*2?Suq#!nbV3gw-$rl9OE<({j4hQw_6`Sf+P{@=>acd~OF??syLErb`7Hs=kd|TQvQ59lukM!iua1(lLZU^- zD8SPtiG7autN$o9#;|Y1Z<{CEMukJXhwi&W{==|=LvX~x7eSoUR;u!c7=L0N|32%|KMyH4F=(t9k`Fnj>2fgwB<;5dg)=8=jl8yC?{u!V zH(#2d)*FL;e-k28LXdps8mjds@WGPsU*?)UO3S&1CQgO_w43O;p-*pi0FB)qOIw0% zv6GZl(8voQGDHhZz0;gn-oK^22E%5*g}q2wIULYy0!=YG<$nu%5r+f9Uij=Z znoqrOvg)qdF3{gzff|!AhmLQUzmm_KR%E(*OQjcJejKsL2Tqh0C~fnYmn%`_QwB!_ zVVOP?3*B^mMK#(i?C|VJ9|*&#G*+PJy6d*`4FtJu5(CfP!l98IP0s~TE~=iX9gU}gX18- z=!`L+2Pq}d@38vJJwUvYI?Ey<;f8a|jk7?{xHL`!djm?%4J`cJZNFW1e+qiGA#dm< z=tJ*NH)}kcUN!>lXbbc+yls0Yi!z$genfSm;I?i&9ln9>u>b-cIESK3UwV9pbw;T} z6T;|M{x7lX)l&|GZ@9-XJhF$Q8lR9BzUj8Np26$l(a!71#Hz=)yD zlo&Y77QiM18%_8G0@Mk>r7555cQCc9vACQScH$%N zf3!j{jqy(_#1rpH`p-rP#nOzyG^Y5Kqc5v~NQl0s6HB5*L-DK50tiT(3qKwX7nw4c z2<8kBC@WmUS$u|iH4>;o|D@X0Aa47&N|&d_?XqiD6=Z70APKuv%}X<9z_cn}i^=Nl z1Ukzq2LPZJXd<(j1)M>m?r~>p@#Z)kmc5u?PMZsDfQP2`Mc%mBoilzG>WRBT4u}7T zS5&ft@N4;}n~nt4cn{Tbst}2FL8AmANXh@vb`X6y#FjuP%7V6y5V)&U-v;>s=s77X z?T9KtX|BbRgK7#s38bz_thLpF$kPep#kbF9C{g-hVambe%&D05T-H17VW<|g8<-&M zUr;=C$_wSqQKSn8yjc>ARYz}MD#H{@1_@ck1PX~ei4({WLUy2DNMKI3<&$A0!M@z2 zqTg2bkRiumg_j8hQ@ug1T6p6=e3mOR)0?@_XYc<>2 z&`e`O=v@!)Q|%(z_!)yH;AK_ZD)IbtXlgI*3=fkK7j!0a5XaLxa0ajmMx=^5x<#L@ zfSQWB5E!0AL_;p6H2n?>k|_V=o@q)Nm&kSc?|$#tUxVXqL7yd;#{?I{T(mX!vB?rh8=AcD2mPOnRO` z0@RDLZ-cP+G^1FdM4#IoTF@<0KiPWgX7hDse|t-STAk!7-lDN6^XWUP^Zk|)F)-cN zQD{>W^v=*A83fXmC~Cv+%-$@iqvhV%caA_lqfE)9FJp=`Ti&!k174557mcGKtOLpn z2Qxv?SjXcA$Ql_ioV#sE?)jXpZ*UtVL8QM_K!yQ3cpMj*mE+C_{_C|v9yzSV6q&D*&FeMw%KZ;XV#S<`vv+9o@NMH;w@A>l_kVkY5t@0PK|J(X7v8B z?8RSO$)`22%@2%gYR9cFQFr^W84USvvGfdmIf15&|D(f=xDYij^tJ)ij4deZx2^z1 zI%(u~d1CIAiabl$WL=k(Dw2tj*In*IK+a&o~(3tdnM*1mw7- z2x?Lu>OcwPs?z~D?oPdHS0jG&Jb*T1q_r7ZMTu#(n?!vJoL&NkW24>7j>`rC6EFKaBux8Yp0q=18 z5&h=!D`8Oci#4cGqtpqf%R$~M7ykg3kP4py#c_jpj1g@R2K`oBk+*r?<+s06 z6p)u!p2XC?WLMP_Z&f2yd8D?Jvn%iv)%bxVSK}}Ifc1q*r-WoL5Y97N<=qScee||O z|KU_Cc#Jfq-Y{TitF3gT%#K;V?#fI2f}#x2(@PC|2ulqE?jf3RF^_##BO!q%Q
      ljd{F1JuUR z#3J#%9h?UC0@)N{ocgS{A3(Co`OigrvSs(Lk*A<6J@#bGCafCL718cI;CQsHCB5pV zwUD!*eWo5hhvLShW?+0VYPUT1NL|FY<5$E*U6$kK46de6jGqXU8iG<%aI>&kw(~u2 z5W8MM3S*0`f$}~}DV0JV#^e2klYUBk4rx82y5%O*mY!`{m>|y@>D~{d@Owg5joTVO zWDI(QuGZf}^dy~2=T4wa)O-i2@mnjS>yPPMQ*yX!G>i4??1;LkJ9fZNmo4QwXa@}X z{R*ROX)-bo7b$Xm=0{tLFbfw3Ae7l8r3bYZ2*4ICD@^CU+a3j{;*SV4H!X! zys%AnrQY$k_MUgvtgqa#UO}9(?1%3vS4w}Pzg+^ZO?KfBa3zk}nCM_Z(+H1jD&KYr zxiCnI9PCw6-`U5Bo&m3P*X*ykz5ype@o(tfHR_^fESqwMP!KSl*jC z=wJeM|8%-YfP^Xeg%9TY0JRqjJkV1i^l~)4Vb>~>kmQ1J1oLoGR_| z12~4fyHar)R6FIobErr48%$T*xB8cE{Qh7U#Zl?|z)#TKf}zS3k7`s0&}Z50B~1Lu z(niHqG_o|=LqagE2Cz&eFTiD;L6?K@-z2MRW5DGw+j$XmxuH&{enN7D)!M3;A0%z` zTtC#278jiTsLG6U!RD{Z97p^SOony12;C;gtK?AVAD~cT)Z~Dz zi$Z-b=?1*t=O;jK76NTt3z~x9y@#3H6pgr2kwC}Qn@vV+0Va?cjH|Fyp}FwZ06w-rFUE}&YM($i zMvsw%$<3mqMh;~(ZrINrB@sG9ZMx+*92o^YOAMg!HR7W)pud#LddpOM9ICR-FyQi8 z0rn$)l|4lA9KZy4fq&~u2o8qH&(=}WAcKl|Pb@PZ z7YO1DLJlWXOTNVf%B-#-$={E4=|6-a{})4Zy|sLX)qzO{1FllaAD;iW0J#rIIGmqf z)kZ6ZHGFx>$tAQ4pa7(*9Rm?hHz~cSWA&2zk(MGFS{!+PD6y}ddh-y?X-`^Hg-qvK zU^jS0N`vE<~gb#q`u?2B?(C0r?^+L@b%Ar-R#bo|b*}MjPg$GGI<-kPU7Syp1 zy_UY9dL|ZCq7Rj!j`*WF?#3TcWiXZ?S;2jCa}4Zz`;5UhE?*uz}D&7w#}ry+Qyjc3v8dJJAy=!mlizBR+*%msU{XXOJfly6uC z95QUC|9m9y8mLh-g8 z$s(;w8UUt^g@r7}B39r2#qq&e6j8e`4EiQNRkT6-q7DjrCg~;k!|UhClYq4(%_z`E zwY!2G+Jiqkw*+g(LpO}y$QYQp!?^|6)&Q?;Q0*x5nemJ$$jt)7nvO=YnCZU&FEAL$ z8Hc>?nk>RMwLmAqiNYv>q}~?=gsJAJ!FJ&K%}|~&b>*tjMc73v-G`H>=_c{d&@>;{ zk$`&s{|AtwN4@{;zCNApH<<#5)o(%_;fUay=Ao^iNLaL?i~;(^#OG7z90HORs;`fX zp79pkfnSece`to(*1<9MMmSwyw9uuZ3NXzU#8ZD!cdR^(F<*d(LYjQl@Hy#~d#_vJ zIb}ipCV;bUa3lqA@^7XWNhp7KYl-KdM(lp6l^i;%2o7e=4Ob9&k{k-7EspElQG70t ziF9LkZb8?D25t0m+HfdsZDSEo+ruT>1P!ep-1>cjE_S#*v-Q46h7C;RwWFAzaIn3~ z!F`H#&9V^%9{+D<8&D)M_%oW&0^kBc4us>ahHpF^!ACUk?KJ{DkdajmjV0$fks}oJ z{dv!3ZQF#9Z0|Vs4Q5tg-uTgvC`lSp;#1CLgg=c>?t4~N=bmRo!mVFsAgyj9~1L&<2Q0YTCsXC#*ZkSUb^ zmavhEE|i{M5V>5u!!6IR8EBt;5HB#mCO0Qw=@8ggMPxJDBRQH6$K3C37*fPFNH2+x zTvf!1Zx_}3$+htjb6l;T^$+j3IB5~OqcR*YAK|X-K-}fh*2c-e62(8xRP-Q@A*t8j zjP~_ASr}=?f!~hqXRCa+9uj@rMJcyD&Hw@bb0*t}sXm zQK?^~BD;>?S{D+RF7eLWmw!0lU^=a)$ zm^8F5?7h877TZsaM}ROk!z6J2H*H^gmG`gNOm3Mf+uXK(*ef~b$KP}`UU3y_cU^aL_!&w}OM>B_K33HfaA`R^A9Z0j88j2Ab; zZwPf1ylV6;lbPu{>@dKxT4>4)P1fq{cwq5?4XI@(mQM;(6mZ`PG($;iH^yuWE^bcp zFj!K^NAUzf>dI;~8E-Y943Bpom_VfoJ_Hb4%4Z+Ck@-n=MHj4q2izAa@HR4`LK9AA zR?6uFVX#1$GHu~LWN*k;z@S2ti_;ZXJN7UH`nF~`J+`5&5bhL&&>-)I-}m}kn^t52 zl_DfIM7dmpnNQ-RRw*&7?{z$>PRf6Hn>oS2%8vx6$wJOCAu=(QW_gs6~F9 z@J=Q|dP=Xb(LNbz+*&ar-oY>gJ_?{f#ZdjdtM^0|?uoYXSI}|b19Xn1-V@pIzN4n% zg7rKIRT6Z0krjJ-gBOHYr_grMj!DB`K5ZO%bSa`IDL7uoX2TKt{ng)*=XvA`4dqBs z{Mm-GzQg@@!K;C{nOo5CRL=B0nuYeaR z&dF0f2UVa~Lh$9FUxCPHfTVk`6-!S4*_DEgOOE}O*$6VU1R#o!w3Cx49wLFvt7IDD ziNEyd%Z}vuNj=VVA)Y68Y9azW8duNlDiu zVTy~mqpO}aL)%W{SnkZ+{o7aTNt82?v?pAUL%e8`>r_MM(isfqsdxfGn*;g{%ISuK)P#K%@9spa=Kpj$;(GywF>oE+I_KZwmLQ2(5+|~e z!%caXxSmN-i1Fj#KJvV|nseJ6+tAT1>1~+_!>2G0Vt?vA*R@HYqleb_QVUOjdz5NY za`V~KRc`GZ&jc^h^pF%ry`5SmU)I^;^-Z-#MFcT2BDI(k4=1iCQdEf-hc`wpW=M9k zRV+%73Y%hgZ6Mv)G!8bI~(|FIev<%PtZ{l#zBcX~qLt9L^190>3R!fC(5MJxop0aU!z`oYYNx+<0X z^8@Eyn}!~KhO7diksun_G{<8ehH0UqtOY7yp2P1>A5PT3X^(bm%G5Q@-7ihFL!wbYv>H8YN8Qykvwq&-0) z9=E!uIxmJEH3!}|7S`WS?o*0gaOkQ%lWlD@&REQSRqwPxcL#z(@zj6r=ud^`N~jf? z0V0}E*DkBVE-1hu-2^QHVd6qXd)*Tsp4n4RLMG3%6YIL_*YMLmAhS#&=WZWhZcC}3 z2?Z$|+m|4H1!Avgvn`FUpDWMOiio zj;eKl0c&>&hz8xpGnb|Q`KhqW5F`ad6@^bI?IVE;3(2XD|GOsEgk4^~WC*&`Pta|< z>8wmazq<*I%kvt`iZ7$0JfkRs=T%vw*0ASn-5>1t%yZJsQD5*GD7Zt zfe?o7Q{&r(6;>?W2_r&q_lLpH$tIfT+x())=QI3z5^)Y?qZmGxMJ4jJf0f9nVkgPe zp~gye3B;r+-JzhON4~>PpcHN$gZzk4YbdoTNo~qd)edB8>yv&wmqB7O;Eh4!w<|dm z-bYusz~iffA-MaXW#Jieg&Y?kPL+M%K31It7tlW?a`u1^C;%DZiabMLutPI)304m5 ziU_4kKPN8ELt~OmMKjHSJ#>s~QNQ?a(I*tgT8UKT*P$z1|6tmPGy{q|WyT-4FGzEu zin8N}DxDqyjSRg|I${R%d=IFCu8^_uL^9cYE!M2+w64!ELpf0YR)aL6M(GlT4>^q$re)wz?RP(Q` zy{C}-2&j3O%JJoTIb8-iQzbc(Ftw-n&&foumw^%`IDk6gA;>5L`X1LI`~$iisOPaz zp7~^j!s$j_!5*jpy{+@a^J|2VF+ik}TYyZXac}I^+|Jm7zyZ;adR86%xs-WOuWmxR zNqXQ{Q8iskAmkS=f`oWE{vF~is5IWe5#Y;dFOs71*#I4?5E-$z86*kYvu^@80II>E zQ-w(u0)(?QXE?l}K6HjRrM;l0GE2r&$t(OHFf8B6%Knx-jQ#wb@Bw!}VrPEPB$5Fa zRU^16*{(cXL6UnA{NvD!--acJM%JN9WO1KWZaG-l#@?*_3Z_qUf!2^ewl`^w)s69G zcqI@w%mhg=fyzZxO7Y2IsT_=_2vpFA(A>m3qsNmDB%_wi9s`!yET9z(TPlucnv~RXk#67up4|!<(OZtjL4Lqn>3i&%E3DhRZDmFjE zft&^Hs_S~4KubAuKuj^%8))_iwhocuqFJkD_CKLWsC6Hhlfpi^6t>GxcS{&jM}83C zktZR6ri)DiC-AccV4nFe`ADXwPYKOTl0^4=dT?b9`^&(z>kJ7xiL5w}hO;i`@6q7C zE}+J#ZSl%=wj*Bh@ZPq5qx{cvk+BsC9BLvRnzUMJ@$T9j|W}{t9HRYZ_)u@!1 zpPKv%NHq8>eU68g+(Xe3UqR*_^KWr#(iG~*lv-mtZyYYv^1BRvnCXxv3og6U!z64h zvYN?!fMZ~v8K<(YDxyU5Hni>VS^;P)WkF!furtbKFIykS^{bXczFSnGWUrg%ki6Qj zMkwPb@HLBYmw|~P&JevoQwlWxTUm-ye`>EW)rVZHdk4~*MCw)!%VwUFlH7V#2+{`8 z7i@Ym?FtoI!s0cZ3gkVUN~xW@zSq#@r6_P}`by$~jk8KmE|w12vdivS+kTYo@;y_e z+Klu?SfY`1jXA%bnTm*sNWWaRkJk66mGwnk7Y)I$ z*2kYbP|aCE?%tuqd8D3qiA=AUh|2|pwNDQAlxVW-@3`h(?2{jaJd6*|cKhh|J!sr%$VD&8*vn*? zgJ}?FA|81ybz{xoiFB-J{2LK1r>r$K{qar695K6|_VFDk;?5PZPZEh3wI|Da;=-|V8DCxN z>zb28Pp38=*8<6w4}UgwM{}~$vgplK34w_%m%!AvO5J5h)b>%&E&UWhH(le8WFO_$_ ztCH+t64UFgfqVX_%s;!JHY;^_yi=X=9>=@ljaZe)YqnFk|F}YVQ0dskUW+3euA=ZN+cSw}@ zfq3+L$Y}rz<9Z*XaXnOdO5M^$_IY9e(Fb!$+qjL!+NQZ1C2Nt5=DN1WSK*1d_tuFC z#FbATklB}yT3H4k!I{Uj0fZR7%BQj?iz8U3?LcH$s8|hUBmgGw=}XE_H_SBVYGZ}NU${v%X@VN@;@fWO^-dkhX%8HJ&nWh z4n_>fwMNu5oO974E&#@I8h=K6Oczq)k_2g5(R+0R?gxXj*|l5m9w)Up_%k0cB0coZGNObre!5vL|Qw2v5TL*x;07~&@bazMB;1U~Pwj`(>%ymo7C z9O>K^3q2y49zbQCf&hBaLpG<1O(GZ^T(|Ol&Kt+XbhTaL*!;=1Il#I&;M7*qI1`y; z&Oeho{^(%z+D++H4j5(b1W((Au(?<0eGy*`$6RfZ_Yu$h{c9K(#D%VHruZcXP6(O^ z{1NZY(@DGCn*+*`P-uo{u7A6{c>KQfbL_@)+S3XN*3ptRFBne>X2M{MIyl&==a{&l z(hI@mz1!`#Ev_5|Pi92q<$Vz3#$Z6wM&nkY38u#e@V$aOxTz;g6W5c@R5f+R`jCLS zp+}49+S6KpY<2m3AKGw&v>Dr_D76`NgiT8}#?j*UC1P<6IH*M?DNQ*n?MG*~r~CGa zj5M0S7%hUFP-`7#e6l#Hbac0jv*Qv7@r?#W-JhwYm5Dlc{62gO!OLYO zx$kUja3y=7bp@G7BGeJm_0p;^?E~BVIK=LMq1ha0YB9mpmv}b_ofcH75TWPuSXJNj zxet?p-`7G8uu5ccY1#Xrt}Kph&aQkxnsD0|;yCdazumiAIzt51ZU-BmS3Ja%EFO}7 zrbkA+pe(vOcD6lEh5SAxtJb7E5cfT<9?%O~wVLQE#rMtipJo1UZz3O=DP|jpP%hJd ztH8ghRn(XK-JACfU=fQyxwO?t zH;K}{2}xYGC$ISeLD!lPlWA!y&T=CGiF==t;KR-Ik2l%P0=^sXeHW_0Xc)EVrlU^> zt^ClDhGe51t3R?HEOEl3fntak0actUv|0e-v7kA0?IQ>oczpy#$?WmwoHHA<&HBrg zyOOgf(@MYf^D|_g1!-Do&Px+Cc1{j%Oe|cV=)b!x{>;tDXx9SWIm##n8fz=1D}<2RDj3@r zgK|nxWrtX{q!#sb*jM({ZdSpTjzhDIrxpMP{*S>A%A8h#3nfI9FahF`o)sDIMc{s+ zDO>#sWXY_F^3i%X+?Bsy{SR6$nsJws| zSlUYRJNS|DGyXt!f$Gv_nI~JO9aDm**Z%(>Z*Lh@b=JlWkAXp{w4_Li&w6UzALd>TBj@~M z?|uEUkHop!n4k$JRr=9cfH7g>+eCU*3W6K_H|4R%4LxxKb+GR6Hx^nW6as7k`-dM^9W_>tE zplD%<@affuFR%FF=(*EJ54Q;XkkGeUn(e|#tO9XkKRBOV(1a9!Z41Y$^opKL;R%}l zq;pAWL6}IeWdHl!){r;p+jw;#A{*Fwf-#C!7^fo82IG?or;ykW7xg{MU<9QVP+g>m zPGo3+&5C>!HPm+p+;N3l(}H>7Ibb+qhK`y@fj0!==xZRRX+#n|#0(nDOBlh}LHfd` zSaAphnN2XyQ-CzNYMWLsnGY_25la7A$zu9~SSEIhyqD)p04^p)A*hInDtXC_r?!!9 zFx9~GoY5sXK?TCK1eMdn8(weWiVc^P4GeZZZ!IeY+&+FH=epi+Me6Tcd_??Oh8|vC zp3D2=CibWJze=iIOUs&0O3UN)4p&g4d*f{d21+6tcnWH1CV^Y2E_yWuhvJC4Z&}H> z?9OGIBq8;%egmQqTPnT+H5OUqpwJxaGDZ<@YQ+XGs$K%XGcR1COZ|?1gI9VyM#YR4 zl2vT*UL@k{4XyCvP#GL)$Be`bMdaOuO1P(!L&f9Ns61N@_M%p!Af>Hr`B^!7-@D4L!e6b{9>CesR^9S> zUhT0s4u;R*U*TH&tIK%z)e;1cDUt|5M7wh-w2Q@|F=m3|O&p3h+52km6WVaw>EDRH zxA4fL&<%X!qbV(^^y>SB3gnSpjv{7tR#dA4TC(WF6g=u-O*`EvL;`ofK*CWJd`593 zs*wLD@NdRf<2G5a_WT74_W^!MEa=Z@`*WMa#R+@&5&iMg)J|hpY`UCKg1R87atjIC zt+XLP056?L)oOefOmqqg9ch|!)*v18q%m0pvK@M%m|;qs`{45mFCcABqLToMwWU`} zPjva>ZUoauSZAl$;p~Cmb zPE_^Uy0flN_@E9Ds_l!miZ7hP-oFF36+972$IE1_t%B9G z!HH}eScB2DukT%D{e@GdXit4iSmI_gVEo}^E^)k2yw*gFP~;*1CD^MAHqOIYIm^;$A!?O3SJKWg{z8gixy@SR{z$xxUPE zCBb7&H=1PtZ^euU9SJt^I4w1>FUNW_c#=Ho6|0qoi>NI?OxAdnl?=zB&e&%=hmS|F zNig4ziF8vGi?*2G=dgUvnes&<5Ld4BwvV5eoN{u7kqY@Ef3g23;PNM*#cJ6#!GCJq_CZtvb zMepS92Ea*62+6YqE0w#HZLSN&yGP~~a*|D%O7wD_o|?JD(HOiK6feQ7=5 zl4Y{8oOHy4`eAWJ{}B&fW_Mi*)sA%!guafo(;RgJu^JK(@n&Kp9~C{rtyj*5BoxRD zV)FP%3kj0{;EXF=WfL$@)h;2ryrG;zrh(-u&kRY5_815Ac?o5 zwc6_eRLI`o{gdeU_V$g3d8ID7Q+$teo*Y_n+}vY~vq z6>CRvRA&qZNY46`#D>tiGo92a7_mN?-TFwyV$!%;s|i+h$uh%n?ZC_tYqOw+%Ekhn z-PhLt5N~xSo}f>KM;}Kb*9tD?K^jo&)!-gK9uf^Vd)j~Qk1g@PAK$1ZuP4Mfte9v0 zqEG~hgnnN_%kNR9;35xtI@O(MP}=C<0Tdg!O%NJat&dULVtf5m7Fv4rqGo8z66=xB;B_l6K9 ze;&vR0A};Te<(N}DdZ^MRT2GkX9~0=#E6N2Qw2vO9I2>~f6@TX3%@{V_WGYO&J2YR zqSK8D9a1zH0pL!GG6smf&dNt^!Qr;|-@y>Z#30)e;G_fa)7no1H0+{m51a(7!H!~g z{;LNCnMDN9F&N)e0;o1IY8Tj43W}|Y*MDf4fD&i`i#KsZg5V=aw~HcDAX17KDNv!j z~j_+0Y?SOMZe@n%MxQueHcrI_)#K;Sf&smEsYz*9Q-@vLEaZ$ZV2$~NrajM&w_f-%cg*B zd;VK~CRDZd4Vp4=l)4D6UI3y~0)jG3q;~;EZY?0xg#5|Ee*|$6s3Rp1g@d@_K0*B~ zssY5ppas!F)T6U-HiF4y)8}Bz2Qvl~(eJqz9f6J0q`2+ktjMY?!E;FT4GQTsci#oYs`#FNa#^czXMDz0f>%@K$CFu&?X!fi0EwJ-F62C7PksM zShnwQjM<-jhK!O$dQcqW0~FpaO4+P;WY(3wQQSh2&PXJ7lnm@Fn8DWjX+ z-4LFF1Yej@pb{Bja;RIy58z;$4s`%?pC1gM)pqqO893M}iP0ul!=+Q|9<)~RGvY;&I)aJpvsGxO(Ib9i~emzaVNe8LHsElMOWC| z7-c?Y08YCSbK4~p=n533dj){>#ms+4v=BQh$oVv&K}8#&f@0>_tQYy1BO!AFAHLF{ z0A^aJcOny6c|}J^CC)+am5?gso1~#ym`O~+suA7*;4};Ay!a-fhR4ItR6hby;o2`G zrL6$6wh09gpv0@zuNLZV#E65p?2pUj$ME1pa*D-YhJ#9}AbUGO?B!?~lJ;S1SVInW zdVR2;E%G2@PlA#Bv^l1Qsr7`V2WP;S?I+|PKb?jSPI3iu4K~=QjHkVHb&0gtsanm? zLNW~au-k$J@0AZ4R((>#I!Vjkzq<~)&}O7K%HtEaaEg$e0Fi`En~&fdt4>YpVMsXm z6c_9||3k?l^j!o!9md3Z*B=EPzYayU9uQ7zDYWz~tVtA;uoWN!FEx=&P%!zv0SXO6uvfKhC&#nkNC@H> zb}uQn3UaF~Zv{;lZBA^#Lmq5(KGWI03yLOg7APYki3=r zKtnK+qQCpQ)U>#0*lRA zMvMSz2v6mT9pxPb!(Mc)j_2@32x@Lgx3#z&QSP2hetI$B)4SuXH@eJG=nlM^59oXD zx}Ydx>4`hLcu2rF?S6#Ix%X@W>B@dy#ZP~vRR@68T>2Q<*p)Zrt@H))+`1Ct?V&95nFWlfP0|m-`o18t9*SXmtTBD`k z{q_LSVVDDq4iDeWH($~%ijN>)w>=TnhLqxAckxjdW;%%+wn{28Af(%_A%kbH8UmpF zk!DdXkQ@gGP2;1+?9<}Y*Nu&*Ghsk|Eh1(jnGI4lZRcnD9043MEOD$6Gu|vn#K+rj zsNXzt=PLOTp-0n_r|01iq{lGY1pkT}Csd_%L~EfaA^j zU!+g(cE&*Hf&(R+mU+tR)$xAf)M=CY6@p(GvVx5tmeLEQiF(*a{a~T>Y!s6}fRj`TgqXN>V7#`Jw zP+3Jno5fQJ-uE=VD4&n?_PyT-GCGvnl)3o{m3}I_DK90UqaG*GkvzH^o{u%F zdT_sA+`mcRw1lwSu+pHc*US^MAy=nGjYlD3iA`S)T)22~28-k6P(QoZG;tAk*Ml}B z?)A(k-Qs<}j!EA`M$=POd1>dKc$DyiAg}P5f)`fs=u*Pz-Ry$Npsx~)ZRL`!O1a(c zmjz9$tisIF!y%z^W;@CFw0`efIs#^{i8p0q9xAC4(&Njt?~dTI5~7Ts!a=%xQR3BL z@%$_f^69VhcHIr9Kb85p;^5?(fNiHUyvb$RjRDfr#>N(<7w|y9v8qpJ(sZHrO|TGu z&;hv?U7i&hawVuy*Y$e@wF* z-we5S;~aS&*^x5?f0EDWuC<0I1m^~6Rq7Ogv9j~~Vq@4AMmh>o>#Wl0O7<`({Es#3 zj>S|2NnFq~igPGsZarEPc=hpj!*Pi@qv7D;3Z>ABC8Tp%$>5`ckbHLyoZoJgLpozk zpaLTYjw?Vmgq$no&{EqYH8r4)wv${k+*wPRk!u||zClM0`syUYh$Vbd1Etm8qdU5m>3XJ!S*sG`b40DoDOwlH^FmEo5&3~6u57VGH2YflgM90{TaR~dWDZ4ahedC4 z&6!Kb#aEoxRc)oT;R=|!F0;b+Kn}*#vgrnJ}yv z022h~Ag%maEmZ$8cA4oCaAbPfl2S*Lsf#x=d zM5;X=w#JbW5#wt!sMrf>&HN<*6SVGew^ZA(sD$R7|Mbt3S9Tf6tC8p& z#zebaTu3o$$#DG@Ydq|i7m2q#G5Jkj;t4XVunIfxxA#fc@FK)esMJipU-8|vu_L2hn~31W6O8WKc+~{%G=Q{r?@#M$Tt#z>Ck`cpYXy3rz9Nb zpCEWS8LCfOt)2TcT~ouYbgGx(tg(2yiHzDw_v*`QqRj_me^jwdrd8+tZFd{pM~~PG zRBe#iXI_&hpXWSX%W^(@3b|Id`HP$tm%_xue^ z+V95Ke>|~KA9o5@Hi3NvuLiiorZS#IW~!DDnhCG}*PmTt0=Z?wqvHRmj)}jo!~aHP z(!bEa|HZ%Lo_UxXIBh;7mT(p1HfGlnSC9!7)lAZC9*kBKaf)~Rh{Oek>Wx)ea8c-R zYQFn0eQRtyw3@Q^1`!31?$~%~MH#i58`n2dxqS)hh26`Ohza*1U8+Lr4`L`)MN-8z(UXy=)?*6r?^AH{mFN9KgrH>w$m2_hW->F_ zfd4+=IHUVHHDytFtn5X8L8ZjQO$%Fk)C+<7I=+1(t=FK|bH3d@pHn+6RRKGNKQboK zsY?OdYN8E;VIxeLu_S#%uh=}|T_*Uem&s7(p99Ej1CU(_ zxz^+eLxzWVtttnsqLxXT*vA0jTq=leuS4rT{V{LqRY-Rdsj=^Ke&VtL%LVnph1@d8 z98LI8?{ly`(I)SUOwe;>@GV#%Hh_mCd(+3Uff?ECO~eywBbEM;9m zGU+w(KPWEUyNM6);XF0C;}v<<6(k>b+UOLT*R;Mg>8Y2;sekK)JFJ|i5-$-0W{d_X#H1&T#A;Rxes?$SixKuhYu5c1gAZpT&01;c<+*X-{kzqv%La5cvtq^3N0=o z_k2Z-h^w{YgqZ@<=qb~yx2V$wlJ;&0pPigfZ?xN&%zrU#*|sI{a`V>3uoZ9a!l>vC z60NX}Nzi2LY88)*fbiAFiByL`)=ivt{Xp}sDs zm%?fi--VX?r*%H*a67S%L*b-%#z*A@{Tk2F31*F-c0P6i4x$(tB~j5kqN2o_L|SsV zm(g~RGZws|&+1sv-V0hovo5nTOaU8#SG8mr zarES=l#{C2wOrhfB9$&X!L>X>6f1M&qvw&lesiI+Lf;0`WAO5Kr@as{qt8E*M=-9# z-BF!y&m}PbSv8-0r<<=BF~G|@q@95^NrStFk5m}55{SI5+f85{a`1ZF$G2SU6d`|% zmI2MJLyC=RBd87*#c~_L@=Ka5TcXUF%P zWI#BjeKYOb(?T^q2JGaOj^w>ZYx*Y@ej(ojMz8&6tTE5P^<#4~OFsMF5~a5+C$i3U zu8=Qr4#p#(ZF=*8<-{Xct!P!rEez8p1i?+RJ*sKxsnWl|(_M{}+csBkJbyg-zAG~rd1K+rIqkl$ znkW7BLNfe5dr|WdMgNIqtoAZ0&wcq?oyIgN|Kn{g-7}jfvMIC>PC~P;Jv{J8!N|{! zR{vVzbmtMQ!tEEW2{Kn146@Uo+_yZzq54-7S^@fnLUKLK|i@XUsxwT6tIOP(nnQ!ACW#5{IwuYj!!e{Rf zH5eZE{mA(4!3Q~w*1nju`^s`2TL?9uKh`sU%+>hJkg|A3JE7mtk2AOY215E0u3(s_ z-Wi&XI3I070VEsD_2u-*eIFb7Rf%V4ibcfNX$G2Cgj!AvwwPKu61XGp6_Z(@km_mr z;}KtdL$cVUf& zrXns=JF1v3GRO9)(DCOXljqijHk#Z*C*#t2y^!q`dGcI8ta?QVu@0;buibC4CqJ04 zZk@m7XL+8^DU+<%>|XR41#=k>d+*i_ZdGdpn^Frit~8i96Fi&LFer^C3TDNUYbow9)R;6T7Q|k8jByD*RrnRP+?}Woo7SWxbmZ zJN0Dx&R+|viL|e|{bfVW9#y$RsO5KwFo9RxJ4Pbx*%RBp?!0u6m*{d^cB~@oNySd} zghd{v#my_^-H|!r%XC^Txk3N>EkiSwKO0GuuCZTsx5+HZf3862E1mlJag+Ft?qc0k zZGt%=Hups5Zftb;HRD?0m@#}5&hWj~+obql@f=A8s9p$!UAoj%3>INGUW{UM?1 zNgoO?arM4j^)Een-|rQ@>~PG4@(jaaH$OIB(hUQO@cS{;@1zwom37vN4);`C;JX_yl5Vc$sCdqY#Wj^h8R5Kg6J`v``yD(T4D=+8)?5ium!FH#N^%y* zpJyr5xM+4P?#y#3QIbE+WL>8&wUK&lUHO(Kp)(@gAhGj^g_>h$tih3mM_BJkyU6ZtP@YjN8D^6qb%{ z5}p?OKYR{U#HFrFj_}UvWe#XPVGsXamo?Bl$uunW>rJ2T?T0@p6iui~g|F5VI0+DQ;|=_v~@zs75wA zvXi|z10n`PvyrbBBA=v_nZM)th!_F+joE2EQb}_;*RP?U6_%bGFXq zT#2G&{H2}lFXaR?ti`7k$cu1K zrJGzhuY5bF{Pg$+jrmVC_MI_VK|h-~+N1C7iEusCEYFJR#^3CCOi6Y0C=-fM)Wb>U z?0oz+#(@~Z7ltxB5s^J!aSy&(4J5XjxARSTwryVHCKKHf?z&)K7ivTIl$=ZkC-Me8 zUGf|&5pUEddU$FtSaxNc2_}wD{CGuX)~&pM@|cpV(^Xs0 zztJ4B?M_qXux@0O5F_Rc5tZX!E)I-*Li;%GPvz|_y7LA@wra0lQykmyA6J@sEwa4! zm@G&`fQNfIE!9{;_`tsJ8x z+aU_j0~^g+bwhxKe(B2X$`v*IeLd%*%+9+qIPu=9!(2$L2!C#?wRkIA9v8CCPjWoJ zbAA5U19Pno<-Iw~#dO%u1bf^>yQn?R`Mgy0-rCX2D(u{KN*Qogo_{tg8heL(nSJkp z6YH@YPUS6Sr{ncp`Kd38m)lRw{NS3=vS>n_%~9Z69Bzw_ijzFI$ZV6*S&#{UiM)^8M;tV62Iv?d}#V5o4oEFyh z;20yacf0xJITbD5Z6OWA%+;o2?6^#)3+<7@k7OufqCPSx=Sg+?kx(7BSLbt>zxy+P zo3v!@+G9R0ts&dLwqAX&)_C{$?xHYf%eviHv~;%*Vbeyv_G)AIyD5K>Kv&s6uhC5| zzhZI*ic{@si+3cKDR5gcDlOlga9id555oq&p&%N;%TEc~!j^UU$Bjbwa%tMsOqE$Ts!OraaRC%3*LItpXIr%TI^6uQ44I+)$pE^Mr z@N8x1-buBsrXQ^G;%)*yD#B7^_pn~abX$Gd$>t;@TkpA=zTDe&xN|b{S#`gVdCjr_ zU!#bi!Q%H*6!De4q+M}692+<0RJsK|Ws62SZEU10-f^*+bQsBh_v^!0uRwjx3yq;S z-yhv+eJ~N5Ibwxh0QH`5Cckh_%38y)oW4s)wbRJIa&r}@o4!bK819nO)w@{&2^W?% z3AH{ER#Oym{WaTr7Q4eQX>Y}y(l6O55keTdb1tlZRa0k(kK{Q;Or<+R;Jq9puQF$D zffXCCH7}Xt*~w2;6W-hznyq+Ak{ zLgLSJPgIsUUtIXY=H$TW<@!y1d-iZ4{iQ=fC%X^L97<9C#=0R8=5a2yP`WLBCu5#W zh)&^9QB#VBWuH-(B`b{rcSW&R1^aP^ED`pw;IRg=LmRR()12&a29>j_YT0yNC}puT zX;!tzl$J}=(V23i$Nbq!N4H6$#hs}~ZBM#5?j`FE_V2I;3aWaEEqZ;9g*!IZzW5X( zd{a~|KNq&WEHW?5t2cozz)zXiCMLhmE51(F=-9VGa!+WkO)Q>M3SiJeq-Aad@PL59d)%UYApRCdB+2~n9UlC5C%>np7 zMdv+Ox$Qf;p^WzY6QRi|N%DUt539-!W~>hC)=&>8IW1FvrD6ApZgSVZ zDx1)CO^v@J0p?|y6y*m-9FE?@t3DvM8GUw5T?3o&zQvr3WQyNj+ zz~Pt_vOm+MTHLBaPF7P;4!ks)T|HakHQ;~c#C$FtC56%ssQ^RQW&fr{zDjU*IdUJm#W{0c+1XbtYlz$BI{Y_L7paJ<`(NRIuE6Y* zRfWV5iUv8gGXMQhQUJodx)@`zGQWS4_H4hL58HD$w%kG8&ewM_`og58@Neys}qhD&|s9_{$?ZIH{e<2bUMaWxz%o2buH9SZ#{SCfcED2&E z?wd^5hNbf20BbI04zC5buMtGC zpFlD;d?JEv_rlCL=z_IPW z38}=FKOLY9(rl}FD=vcq89Hokv~Ga3x%ojdvf9z51DuY3=xllQZcGEe(isqgBz(>D z4`oln^Iew9=CK7DJW^H;NIh{#;fI`~jvC zDf#HsCypa-%Mz83w#O|gtW@L`!OA2_L|z(W>FLaON5QH{FHO_<}P z4SFCsp&k+6&7t{yA8-3<6oC-Id##EbP^wKT@7VRzFgRC$Xx) zqqrIAi+=Wm zn)>C5UUzr9+eYR6B5OKvwrBLUz6lDb=}+o@ntL&;cd?cj=R)OrKhhr(dC7h4OpfC7 zUs9~n6P=%xicHEa8@}oy4frVlAx&5+c&3vcETPWyg9CUF8UdeYg!@#PU_KD>Fyh+? z1o2EC^i2>}iwHk8@r0(&`63E`!S&OfD}a-C1W*Bq@Y&eN6=<`wCjR3{LiA4q$eMg# zf<`Tppkky<(8`3?uZ6KnCmU|CqU)YU>cQ2wKEHS-)F56`f_|q4FTg_yCEuZnY;GSy z`1!>OZl%q+M5~J3L%ySJ;8$=P?TDH3K#)E@%GNWJ^nn@<>nt=0^p-6OI>q&c>y~GX zz0;&M;KCL`xDeJd(eTMhfco=4JWW=fHvvuGDO70Yl~2*Kgpg{Pz^|bo@4LVY>oJK3 zT-T!Ra#&ihL<$=;qnv=qnlzaJMfHexU-$qRK_BVYZVlxaBpo;|8*aZ~Aa+H0)~De1m_~!pQF1@P$&}V3@+yPeyF1Gl!9^=C$)M%g zSzQ5yqcJ8vokhXnnLVU;Hn{7E5_<7U1w_&ap7)e9<4qNO=GLA@vCgSmJSN!-Ia4Tl zV=e)ie5p<=3nOZjiRlQz^eT<7JbODheqs)~GkI5|kifQ;a?q zz1~>%P^3)Xx(pF3S0S#?cx?wPRYCsO(h2|4yyvExBYy!Eq|;?c>2WDjBUJq7Q(2Uql4+{A%-sotuzf)~Q+u*r=Xl1-eGm$jHm99`%{)PWFIWES0O} zRYigZB$Rbt>^F?&Fy-$h#bbGvjlM8!p(|?%nKHxWt_GYTdrj%Gfi4&DBA@6cMe9=KlILw+6$vKQ z2}gar{f>3ziOU>{Lvl-*FRGi_N>&+s_SC424Kco5H@mqO*iE=siZc?^jXMeqJ&g-0 z=R$_FIIl%z00UiJ2nEzwhNUE-aN`-I5M;X0U2Qt*ca?KkB2|1C(<@O3t0{Ku`hMqR zTZHKaA*%Y9U))4|X0-ayBEUF#saRN2^gy~yxh*AY-PvKz`aiDZ37Tx}Bc&ONKcoeH2jW@m|Ut z1Ne3^EI}&-1yz5&-j=TOMe1i=CXC48$@_yhb*~4mNKRg^Dj&LGf=l?pxbzb2X*}Mk zJEPNHVO}{4RlO_CIQxJf$EB{24VtJN?==8Xg8a_?xuj{imFPm>V9Rcw)KF}z^AAXi z9s`ZS8YYf~&TDJ|YhJZ|*+-!!?tlpedDDdENUgvE6Rf}_z+YHkCMie~HBuKhrzbj@ z&`~|ZJ~*52Lmtvij1zy!d2QYEecz24QE5>A3f9N-EN35N=orPbtPC-7j_eFaHQK=w zS)`&ZMll*1)1#2p$e)vlbCas&2tQ6?IN&Vik~kEXmOBNDcx3PFmJ{@g2GzHmdyxr0 zx0ZG&Yhf!kn<<-XO4#s)Z_Rz%x=_MuQ`!JMObg}k(`VrdUgllZrJvaci@i>MHGC>k zCb&?>`1cDMyL!*zOo!tov zeZSZsp{JeLqcqUGn}ubVh}V4)QrX3mDwQA~F{a`XkHN5hLA|4w4a)ARHyuyqsQ zB9wxf(g#YOx#e}c-JUR`U!KX5=yvm)?^9`9`~VkQ3&Ur9+?Rnk%BnSO^da_+(PuzZ zUVm-3SNl-vD{I@ZK;hc1pKpNDMJ2-Ox#~PAoCGyOj$~3#kctI$lkZ_E0dS0zP@^~ zdSCWYAnnPWfX}y%PrbvKoL><+*oOxjW}n&9f}0%cIT%;1%Swu-Lhw1KmQEOj#>bAolFLrTNykRRy zT0!{m{NjUa5ue%MaoV*p>^t4C4V$3E$|EQS!MYG^JX;suiLSp;^~JI-?awYZfw!D1 z{qC~t^DALa@&lQFrmtbFlDsBn_eQ`3-nk;d-CZ4=wd+@O6j2xS1w4i6d9=p;zTEDJ z9jgvX*Yf{&wFo zD^|X}NJL?Ef+A*PC)!3O`zAG`iqhnK5KBZ*&Wm;&r;wv(-*($1eG68y%_GUq)lo=X z$S$h4n%61f94EYxUDfKlW(e?n?Ey;yY;~-Z!V603yG@qzZTil?K9f~mNWONFnP*;V zfa~c#^77TzXLa4+XOCo`Y2JGjQ+MD7TR1B zsiB&VF-e(az0es_diTH9Ab=)M-HYFAjo2$<$RT0L8HnkN(TEB=nS`AIMGrCF2zOom zJ|2su&9J_Q=L$*) zN*V6EHGPo^Nt=)}ug1Yn84fviQ>gdwTliUu7x?TK@PPz^F7_fRZsaslH}L*M=_YF! zMH3D@@|O3;%=%Nq)0lvzviI;}#nL#lv*#GjVTsLrO%G>A^ z(bQfDz2b^qNsV7o0!>E^Y6~IpAD@Bgi6k$-IK*GilK1xw!dVXw!l(m}M-wDJOv`nk z#F=8|axNIeKaLPrMcuhf!AlKc;)QUbTYbb)n&|agC;hv?amI^s)?QkFE--@7&rqo) z6mo}>NyU=5A;n$o#IK(}LJw|o9z#*U!?jrMaNqR5pp&T)uHXH&^DRjH$eSsoho*FV zOe`4IVlUA)!l0ue>Xd^K;4@wBNtOzPOipR(A0IW0PzP6Mkfkn4D}is4T-(uDkZFv6 zq8dwWl%Lr3Co&Kd`v6jb&+S7|Ch$$+#V8epoBlc#DU%-*Wiv{~X(hU$xV}P=cC}_7 zLDgzSXP7;{JU-qCWglZt8A9*Sw!%Zj@PZDBbyndjV~ylEJCFbh%4bB^_L1w=$>}P) zs^lKbQzxaC3$J;3SM`x}Ng%tXyWd&&OD(1_UFtOAU!RINTg4A=w2mJ^8RD=1`!fmN z8=AG?U1yg1DF_~*LJ(TD93Uu5&}ZE{_71IrBidS~?JEO_in+VV06}u7L1{RFaL2{> znNaqqP0$~e&!s!|a_Cwn`Y}lDH3jiALMuvEXV9}ZNW-(t{${-4&ul7Kyq>3^RV(0_hQelqmr0k*G^p$nfu_EG42golWiYIo^Uef!#Se>VQQ2WDnCw? z?%6y_lBL>-nYyj#jK^*ha2sbeeEt?q)9}3kF5HA;|~x}d^TAgAHjf{ zE#^=)t}tnaduJ|LTSyX7{MD~8p;58JbN&IU!UbRo#dP6_8kCI-jx)#7wo2k&g1@$Lk_)6lyP>ZN)+L~OOg)Bfe_LwI&ncf0vI-)2cMAE_`#^s zKp&Y(D}wj1tvtCnp%p5r%^{Pft3-Sh$X=Y_W+}2XQM=3Oa#YbOL{J|XVA5ln59w?Q zWtVAC8=rC7C6Er5XoYpa>S7x%TTZj&2G9K`S`RnS>jqVZXM8LJTX#b5ND1iExNIP> zXiiztHo&7?(6#0VlyfD)O&NZA+WLZSjm+1X=*(>H`$G)LX`}E$WucWopT;>9bhdyr z3nsYH;l76>{G|d!wk6CgOD8|_L2P*f;HlYXtp|%?S+}wV829(jW8mkNhc^MIg(6z% zbT@F4oxo!)*P{}#rTMI%f@RBL#0RDRMbZsBR7K5)N^waPle}7H5H#xYiaN3ifeN zPD7~>bli&FxW7T{F1TPw?T=p5zxSW}DR9_^obOZ*tthL`-yad**YW)S$RCtffr?Oq zm`31SK1v7%$kT};jss9IH{QFBa?eU#=Em0n?>xW< zyoJHrh>=tUS(#CyW%fyg#@E!NBr-7Li+Pr@QvMD4zkwi3BO_Q#ND;KIt2uU}4)5fK zu&H8m_*-+|z%!TeN;#0f(;TWVPk?*Pbo0guq=+AaY0c!Z8-O=O6+F4;|NeOEC{I)S z1KWoJNX?l7hbIYw@`g~d50XR%8aTGI{Yy=dfSR8F1-^=q78I}>#&hGK{Py=rYF#vkiu+O&|?oBY?Bd#_580r#MnTkDa={5ww#~y&tCxH3KYeYo70B1*L{Mfq$@N0;wTkx)E)G>lK1G@epfX7YF zeH$sY-Ud_zUq5Z743ZzN4``)E%>?+$s%rtnzl)LGeUO71Zqb=7+^bOy+ejdi z9l_OPENUB#1MBA_OeIQ11ynn6Ll=$#d4zEEa1{{Q1SH=N#i*h#A^5k5hp8ZjJh}s* zK;ZR?1Bhkf!MtMlrL-$00OBefM)zjVGjo`h(?MVm~z-pSULt zbX<|g-znR$tta@BJ6?FZ+v~F*O=4M%w5$T(DsW=lD%6s&s`5NAp=Edo;#gFXf)J|! zv&Oqd^R~Nnf=hKnj;4$CHDu!C$ zDKJt6b+UDvuyt|tUIH^o2{SBzAF2?Wq38kdF@^Aeq?zPlTiCi!!A_=&vMuNmDI~U* zp$C`j-~d)c?B`{;)y@I=I5XxbCEu_fC^1LNsw*OqTqrV;_N{}e=%$R=F=$Oi|V(=}IwoBZj zo-HBn-I&svw~hGBWV~5}H8-W}a|Jtf>tY0_^+%63BR1VH%k&naJmYO~X6Y7l)B5TFDf1|IhTckXf&(uhb` zJf%p)Utu`q{KTdfA_n~-g;_#HayAArZ6O0G>-+@$=y0F{o|&SAS|AwwP=cfkcD@?5 zz@tpeFgR}KR!mU)ejbKj|;@kPIe z@#HpXpYzlDZF;HWap01d;H&Y5tuqvi-7hTBTaPO?^8A9b9!J$tPRU;W(5B%YZ>raX znMVQSWMX70P>9IdM|XAWLOfV`{F)%)2i_NGmxILzHIb)YYbc|~&q%C_KR!j(DEE9> z5GJ&s_^GaO?i8s6c@~K8{ zGWa3{KS#osFM4(V&6WFq0r_?cZPe~?BraiYX{$ydg=1BonET21c1~TwlP!-9ilOa zO5W=DBltTy?&x^YOW()0Wfh;5x)CgC&?sbhPqs#!tnH>PuFN z69kf*;1IWuIXjfADxaP(c&2b5mHy^8<9isEz}xh*&W7ExQ!yD`ZNZBDWw|$kq}Hu>5>*j zN>r545d;j7VPJp}QE3o{5Jl2LQGeGpqWgK*dEaw>fBeom>+H4He)i(gVZL$S_jP^h zD&WSr)u_Ufz3qp6BO_e{zred1Y4w8Lf398o&=&dBR^@$4> zoGU2*?}JIKB|KSr!bjGLhv^QaV8ZteUr#dZ&tH3iJMhDTbHpkAUZm2R<%$D zMxxaZ{Xz|X+Q~rHxHV88W`B#SW;RkMkT%~v@NDFwT!sb63GQ@G$7e7(TfSLEO7?fL zeB-P`WF{A1<7#!IZ17VZN|?}F&KhtRLQQjorsVpvzD=MlaPHYxIQilNw#ubkGId)l zrSChftOLswoKVFr)fN_fmGyE`H3>7$jC%=JFK?Rixe~tMRw1w=Bguc~+RL`$Evpt# z&OqAb)O~56fD=!J&hi$H;X_PM*{{0nzt)I#QuN)idp>X8Dn?e@>yUJ3(%PQ`-nGX) zvWwlU5|r5b32BUsOgC8ybI#vxd2iCsP=C}%kUB)%vIzCJh(eomKC23*$4mGkW3pux4bX zg6QVq9kJb;;!LIuSUFk7-l|FM&e~qfT%Fyqf0!Xq%i*OS`I}|th4%CWyT)b()8Pc| z###j>c16YHO(&9axJ4OGkWw?YtSguTsxKz6;v>6PQEn8WLu{HPPcSX8Jh&b(Y_||cx62=I#5`V zHTwYElxiqW8HC=0oGq?fzxXn5!xEtmaZwC!mH{Jp7)%^hM&~5m@d}PsYBmUr@`z2< z7X82#bEod>xMNj^Cl^L+(yhI*eOUZz5n(H_=)G*3uvpRuLdACmr3RKdIGGd$JK6(} zPUCF3p%P46(SYQb|MUn}kZR%G^>MttaQYrIUl9=!iJpzo$K3AMb!}d}&z*p0u}3{b zLuUmL+I6V>m`F$v@`uq9Hb4V2qeubA)07dgntlz22E7xl%{&0kLfVg!6bmW(SV&MvtcK>@rSn(_D~c%o zx%wC|IC?_27S#VxtPlCjPo4dh$toTfI9v&%uBi~fb%TCnaQX69!3Pcb2u&ZF1BmO{ zf1_{egpTa5!YR$Eu_WsRcI}s_s!%)+F`RU9zc#p3VHL((%W^(&C}LI~`KpJ-_19jo z_G&;m14XPrDg_Q}esD0CO+%8UeOxl;$cDkFBo!!xc)Q{sCzN6h@%0xnYol`oU@zju zv6gDxg)ulsuNJ-qhczh3LG>hGka93#G}!SS*Pn~f=S=*aGc|G=qU~lX>C!fwz2l*) z4`pBz0$4xKg0CMv$Sl$|A59Q1<&8Xz7Cv{sy->&A4dA(pwq*{rp0bx&C7@0N#a9*R zDuzyoGja}|T3_CxWMKx+pFYPGLyAkD?_#bWa^9kF9z_+tQ~jFO_f(F9B z`pI(IuUmuNTv;M9xeSB`xMKdoTf#@h0u3Z@ZEBfsekp7AM`s2F&9jlj$d{M%=8~?^ zWltn1tIy&#{8#p5JIKsej0&m$I)G=qq=xC-k^hC`6y<>!)H$d;{Y}q9@4b zVmbHRN;a%KH@%Em;veaV#@%PoSE|-rs|^7VOC5}uBe@iWEfl!@1F(B>9xkt z4>3OVdU96d;=_?L(#=klAdoh`^AFsg$D|HUn}EuOv^yyrhi|oT4)ndC7I&8o&9}_| zoIOSA;Jch6jM{5gBp7u*T*ym*zMib#6r+}qaUcMdlPUvbd;EgsgXvp=2INQ6J0%jkH zu6s8s^o>)4sk7>^VU*{*O0a`B?I$J~xbKzC?kIPnqUW`~Iv9#$hq&krn9&Rgci;Co zhnjgkWvBz&t6=#YIP5ntzZS2XIa10m_jJYjP~3s61#_JnG-J5X@Lk=?Sno-a2XsPd z*or9u)lCw+=B(kC2WhXAXO$WzVJD%LCLDHh$&y`Hba(GGeSPcjT@^lsU0ydILSLqZ z1A0rnH%hww1nSy~<~#EcJ4=rhDHIs&C8zhgVEkBajFRh%;12+ZmyU-PWJ0Q|OxDTQ zN4x{>J17D~^Yu~l$_Fs6OvOllZND9Ad|{A`VeJ?3zT`o|^w8-#`SFKIbv6NNI7&MA7w=T^QsG`x*wUPD5WT-+EScLX!wA zU-;;adwe$7Teq}BYYj(CJqu|{E=+w^pm0NO+GQqV_Rae8++86oz1ER?vmDP4O(Kcw zuaR`zrIQOLxkwPpCdl<5m?c{qN4wX`q=?U_MceRS2y_pjpzRrvYp_c5jQ7XG6GOP6yrX!JCy zhY0nhr|VqC#LNn+F=j9vjwyMLTa6b0*s>0mj?96tZ&$2p~KN2rxUNNwoLTMQlu zYx?*@cWNGVbtDZEE%>bSyJNk<9ILyMH;K&O?+*5W>2RfW-$2^vOfG(vvVk^|A;#`L zpI!c=cI_#NFV`n1L4U0`y0e!)2ppVODei>4aLzgAFh#H8i>P<{Nt~4q+rpH@o=aXbY-_D;bF-!b7$}-X zS=OvF(@FMz5CQG9woi{gOE$6RAgWCf36paLd&w?MiEx12 z&N0({lnEhewz4zuu16`8^kXS@YUz`~)^@%2`N^u>$3atU`!s20IvX{hI4YKAH!NrL zU{Ch8J#1StOIhm|eDu_Pxc7X(n2w;=12;GL!M?HQ@S~7<#t2tRWUl0V?`#}2D}CN( zY7CZO`23zfzhztd*QYM;_D|wVJ+C!==CIYtgP$kpe+p+wiT}_U zXsEMS%p@U(tiPwe=JPog-}()Qp9xdM1eEfxS%lu+4RW!I!ev7BW_L8CN7Uq)<}(iL zR@gG-)3S_5#O(9xd2t679$}o4ZMI^|fqdTdSgMlEN;O*J(dFkC6v6kdFx&@3gwp81 zLO?~rT@|^Q_LhWKoqij?h#IU>jTc!VW!iAh%Uo*o$^{Y5e5r$yQ-?C8%TR=yUgMJo zH>V+8AZ5?4@)c7F$8YS_8_4~5@sZEfBl#m~DY`%38jY$O+7Qh>`{Iwb{GgJE-jTQvjg;7fY|k`efo2E%wu!Ei&Y#1#(1N;x8xeXili&I zz^VC^9fRj;pkZ?3&SOcP?FL78rlxuH?H1qtFO8hd2JeecO~Q*Ht9__DCFhC0@Jdx~ z1J3r;*l1hzOA{o8f-f3Ktl9+*TUj?OY~k}xnf1IszbUG$FaEH{kw-sCffeV zWam2MD?9e$i?b_eWPOIe@0baM)Jv#+fK{h(;M@WCXJW3k`#mat78RUnG`}L2V@Sb#`AW9vFI|JJ#ilO(41{$F+^Qc;?^o+fZB8l}5+iK%_O)yx z*sI_1@CMhp(!}$E=c&hcEaff*khS#9-t+O-X@Exxq9HtdK_@)_n11=L+8{4e9&XtY zCmuC1gOCei+!GM#5&0#3A1PgqdyeoZ_ncnN7mWXC|BTrPq>H{yGAWV-)&f*TMKVFg z$Os1uf4B?x(0GuE_h&+ z+aBFJOG}~5ZaCnaAN;I>eAQmKAm+WDS8=onpZK2AWXBah9lmipH63pz0I^J~PH0F! zT(+^0wFmghTAU-;Kz-l%Zg0J@(Q;CovjHc~Fg^OfMQ_Pf0%PVJmivSh*Ws9Z@AR_Z z06}X)wtjt&-rT`te`Aj$eb5%n_*yk@Z(-1g>phy65BgjmcO!_kb8l>Se=Kv=@^A=a zy6K8Tf1c*=MhQeVx+bU7{oUfC^^I~=%ue0hIyvSaALlaM0xzNRD0jx{w3LNdpIM&5 z_t%$R1I#Nu(z12DoE#J#F*7n_-7H!-t5SXXF6z&@si=p+~Mrno(3 zo(A%?QFaT-D|f45DcQ=$CDl-_Ou89}na8#$s!6s9 zj%s9z-HDjiGKek9m4&EgkHuzB4_ZuN`TrmN;58L0;(rcVc-%+g2w?q_yBFU&sFB~1 zpY@S#+=n(m6O+YPI?)tdggJWN`e#16A$-k7jELI3a6nZN5O=6-!Hb z`SVXR97ku$?mP8M5+U^_0*Q$#<+AZ(fcLXvx@q;kwof1}SOdi;6a33FI3a}23J795 zQj6yr3@2g7eysEMISgiT2Rz9J;$33vz5xG>v@TR*q(C^y!|zyCg|8M#+h_m)u{R(4 z`7QU4E?!)21D(Yq0*v7f8CPqdw>ai^+`j!O2%OiWlOy04bS1374>}?C*?b4<1x)PZ zQgSz=cOWJ8EfR5p42t?WG zmuu%FiheBKMoC9HP0?_yU-D3KNf68m3e!6MEfiotF$_}~ynNVt^`BGJ&L(x?JA~vs z8ykX-fmJi;GYfKPN}EHm?Dw7Qt^AF>${uKc8xJ(7mJMwAEt9&gaf{9Se;C=QgOnq=)_VKe)s>!*}BaPM^GVSEo3J&1&gL4$7?`d?$!Dc#U^<66yTRe*^%34iL0dzaSEN zy_%we*1g}{Ri@Jh}VzcBuKhCc7;QQl`dq6l;{h{ND@=MM>d zz*WeRiAs7%Y2uI5pgAl2Gz?5#CUwLY$x>AM((}pvK(}(3c}_|t(&Ib>$HmI@vyDW} zQy-nlRnc=eIiw@e49bo=oLx`sKlMJqH#6_^A}{=}-=&eUhF)GHVeO_7zrFEsAYY&o zc&h?0}N) z0S$-WKoa)FdMn)xi#t%t7s&jmzaRy4Vi-7E6yc9>+rR=_gW1!3X8@D5r{efA3lMZD zfxxE19cg9vy>`HnKI6l?K8XR^=$CSTJD>&KDqZ(}EeLj&|AB@6 zP!n>QZiT@C?`1+GZ7uo->Y#yyfOoK%(KF{tEZkxBvLbL503QVWAS~j<+_jll)hrHrfRxarRFozG- zHtx%_v4i$EE7la@1h5_E*vdkiYy|aSi*{|+IPZ=cY%1Nc- zNe=Wc!arAoU<3|*ZuY{Rbm#O`7 z{QJy|nCCseK{CDwcNWhFYtEg{BR}xT*#AC=i;GjT3(sJO#`h#kJryG9GE~KIR_9rGp}cb z4O$CnUagu{;1CUkG{7ylOKO=0F-6>}7^lmkdv79vq{kdUt6v2>d30amY?{48IKigogaj&5)S@WX}ap!ql;i=hlj?&Um%V{UNy< z&Vehe;#9V9TRO4);w?~h`7%{Nw>4zdw)!zuSrTmFkY$5$MOMMBsJdf=2V1fJC$bt3 zAia0H1TZEud_)iauB>QPSga8^D}eW#@*VY^o+I7s?dM(1q#z2?R^yuoAP6pgHp-O% z_SHh2o6yHxYW5H|0{UZ9cfB{G^Ct<~`Z;>qQ#z6jMhP>9QD z;5!=Oot2_h1G-0ZOB2mjhE2(=I;C5f-rM=fu%m2YeQFELQb}QTiI%d;20XIIUc0HB zF3CjPvHfOkrgmV)}Rxnfzux2*3FlFFI6Wz)R85!NJf5Ei&^EgM6a24+fVi3O zie5CPMHRo%s0Ca)j=?oPCtZr^?(qKbq|@o!Go(B3>})EimPXYG&ejb_M_Th~;Pt~` z>P`LlSjMJ>vpDg#@P>XTM+N|0c1zR7H9+22w>in+MZABY=igeY(FKLu&rE{;ECPS` zx5qXP8>cw}zq?v3F$ug3TQJaarWA+WzBwB6hll~QC`0{Y)IuaPFAKRY$(<(Lp|&ix zq6c;<+iZJacsqMjyP##ERc}J1vAAN;7(N|{wxjehnV-%kZi2vtNDdh2?5Qz53yfQryGyAib zT;@`Z+9s-Dz**1Ll^Kp{$^QC+D`VD!-Me*C_d^u6Pf00^eWm#!OWAE!+pyoJkD-hm z^pzTP{lj^shV^w{-=PXQbBew6Ql9JSCn035CyvBGI8>R)k%XxG=c68YKND16xFvMf z$LN@k_**3rWzdaWpxRGgkNQ*~{4Rj4GkegvEZM&?N8z4~M?SfVy)=T2KZBL~lJJJg z{=KJI3pr_fiOK%oKfUKH_c)UU3`ZP+N$+p{`n$)2o?3d&^Ziy2`)ft#EQ*5r^QU#C z@-OOne}!E;nkp3J^H7GVSV3&F0%J0Vc_8bN)UmcuImk^6(32)H8?7fOjr5Z6rfzXJRk#@sLsm1!#0_syx*cffoF-{NXoVJ#4meJPk#|aj+@mJZP z!w9%K%9_GGrVJ~4Q85R%$c66X*<5s{xvF^E(a!v@jcr!FdI|oOlgqEJ;dIIL>vpm0 zuY$*2<`liVEve%~4Wr-3B%8*o^SM<|*1BQA+WeeZqGZQgq?Gy1w@&!n>w#y?$$T4S zea-i>3Zfaq(fZ2<9BVLgtRtt%*HOaCw>@r7Agk=UCEO1RLyEYBd@D?m@kw^mlQCjy z(P(vf)v1Iyquo>Uzx{;;m@N>9%zN$7Uo3rx;i;mi&dM%CLt?vvuKDpR7iD(5fJ9~IG-H;T=+3obgcX;4f(){{nl z^kPBkzUUuFgz`tJ0kY-4-8XtY=)b=E-#`67*pnY>2=f4)oe_b0_j6sfMHig1yqL?6q^e6nx(MCxbb3qCy2Yp5gvFTGU>IjO zVDc(>Uf6(Sj}^7Xp!8c`3wp!yKZ45?WynRW2!@1Qo>q`<-~gB~5b#N3U6SKO&4xS( z<$>OR=Rtf&h78ZA)Hbx?tz zP@WdcPATbRe`w1kpzL^Swtni^r+2Tmp&D!E-`Nn+lc97v6}o~&I@PSx3My(KL?Khd z4UAT2z%xr{qbFmY{Xn&9RfiTT=e#RX8VltliUorjG1#O*DOm6$~_& zrC3r)aV|Tqh#I}%-!p9!u*G-*{0X!k5g2g00A7+o01sJEqx}`gA=^7O5Fk5r;!j*e z!nbPR#>qLT1L&&x9OY2c?Rx9v4N_vP%04^ZKU~}$P*GP{Vqhm+1#BEe>4~Wga!mlb>iKVT`d1u)SeO(^%)Fy*I}}WHUd(50IpJs|>zb)lg7!H++5_ z=3n=@S+!hwt%u$Hb2xw4POcsMFBhb8SBjD^KDIXZZ(;;er<(LF!UT>?bRMB7fcC4= z5gQboVKijy!k$A0qO%$d-jpg*qbbjEI6rT*|@p8N|l2KVN)tOh3_m58xI_Ub(FqMu?U{IK&83Rq&(vcFK(P zh!lH+%I|vE&VJ#=hbwyR<{rU;(Wx%m4zDOy=nJeCr4(je4|I-novT&R7rd*qFS=ZO zF7Ml-pV=eYWwhyWXrC(_2Za?Z?ZKR-AvsX{Z+(Ap4&F02D3M1LECAR!wXi*m3Z=WI z20ShLbZ*Y)3Rx)dusGJ*Og zuoJ4%A;le?IyM5M&@qO)lY=H;@Ab|QO*?j>qUK<7ahE5pN;e^UJPU9nT3hOBLlvxp z`BwG_S{i%WPY4m?#NVr)%ZEtx2WEk7;XG&&2c4SiU^he|7Ua-9ee}rv>RBP`Njubh~t^z80 zyKuewE^w6of*D%+0nmccoD7UpZABPNv?vfABOw9WOIE@N2H2N2+Cnz_%nuB~#`D4~ z_z_4iY|keiXq&MLfR|evbUnOxI*b*HFOv>OQo~69#P-_tL|vDyf1AvTv$N?55)DTV z(E}tB%M{8BrsU=td}n`*R=yE4AeF+3sAslMifH$-w=~e+rE~?lR$JjUHzhL>6%uG{ z9HS^)>((f(Y4nfu&@V{U5z^A{x9~_>j5Cm3#%N;;_{}97@qzkjcvGG|*>x^Am-u3Q zEf$(+NKJfq3j*?4cFIN$ytA%3rN~!II-hKpVq2VeQ#%f}@1w!;}LcwB#}28?k({nh+=(Jz;gH zB#K`B^U|w-FN4DJt&$TjLKB%{_Gx}Hg`jtenEDHV^VGa?*8PJ1`Sk13?e%N@=n7El zSuN;St%Id{wz~`FN1Nf@OeHvqBwYm@6&yBk$(xnsi`i}FCyYS;q$1!MZ3jy3*gcab z!ySkWI(q&|fp~ru!2;-41g6HI?>J?1J%I+p$1_BjiU2 z2Eu_!BTxL3+%>^Q5i2KPBu-eW95?dhGgps%vwDxH`++woB8^!wKXS#CQq^)q>4wt2 zac`;4EAf5e0&DnGWO%O=Ns9|r?gDq;(yZ-iHD4!mMV45BYqE6zVR~oyn|ZpgFm-bT zA-}e*6NwFEBJc@D0I=hfF*afK4Gw!}H`MF;aAre$m^Rq7!LR+7ad8P{;rYwNS#N87 zrYd}RAxmkGU|d$2kTCPK#L6<8rt`0izLUPkPx-_1PYc{hg9J_=9?e;;7}b20zJAy+ zuJ-X(-VX3=!Y}XqPNOtLNVgItGt}@K#fyny9#%+MKLH;X2xH^OQl69mZ*jF?G9s1B}mMZrGli?-h}Ba`*#dh4`>oAV*&>>|MT7^@uuG? zEk#rgD8DM~vWCPeSJ~hC`Qv+o?MC&n2uSl{PNerbhSlLiLWMEB>jP8g-~6Z`EuDJ$ zaaJqK@wR!tWX5Yf+P3<&N1NAhC!NJptwO?NZSn;*ia%x)68sWo8n5Q>u{EkEecBly zP12t61xZ-50PD;ReWNKQ7|}=~g(iE8H=W2(ianKE8Tw^tAlW~&+&!_Nd40Vr6RA2o zkan@|xU^^CL@z`_gjUz>v8}w}@o?h_ z0nR&HsB&!6(uA`7cF&npOwD$Xwrsg7>jzW$Y@I;+nbGpSaO`C%S$N z)UXhxx7bsCa#&fn7wr1z2uvjLp%pacHyH{Bjzl%N|06%}Y=@vH(Lqo%tVYdM9T{8bIqZgh(pg!?cd z8-}VZpo3P{UR*0&=0tBlS-&`lU z5>5Z;Myt{Gh{TjPciYqF_uV?M!sH6(CW5Ou0#lg4D+fuAn}GX5@{QwUmGAgEtXhBq z_&N3Kr?dpfIlbqtK(E>LFF7jL9xJx(cJmV;_#6b&SBt=Ew5BtGSb>EWqil_Euf!yD ztoLo88w2CDUYdQPZY^k7lcBNzUvqSzKk%K*$b`{n+%B3DZ=Z$CyDmOJmZ5pVF)wDl zBU$#?Ic1Ve`+vZhz!a6qLMt_aDwFW}F)<=4x71Rl&rA`E!r)0d(Ef*cfN(q1nuei3 zO`?pv39x@~?A<~~)S(Gq5PzHei1zH?LWL5q$ObsQ=m&5into+y_Qlj`^ma32WmN&r z?x8t=yl0*l?z>7ifZgeYGf$E2xIVTA&}#s(1HA_1U+oN@1g-FI`eRY~h)h_8CB(i} z!yiF8WAG&OM~m%<+{3^xC_d`2y7puqR74Rtg8@C?r6DH)fsZp}K{gpDx7CxP~LeykE6q4Qto8{|250`1D3N`a0g6$l9U{5Yy6 z_QCXKR9{DV3Tt>9xL9V)%tKqNUH=cX#N+9E2wH(O?v*TD|LhwH!^rS(-o(D1n))AM&eE(4gom7kb6*%lZ)9?}_Hrx1&}_ zDj?rv1KE?Y+_3{bWve(}UO|Qw_yI0x!tQ^yESm-hlgAMl(ts5fF0b8~)6R@WL|s3q zzK170JL)#vME|b%CawWoY@=Y414vf=8S}amk>$R!wzJ0zjjq({@OrS*C*GhN6HqiM ztnLft%d=nIz@(gXBE57ByIi6N6 zEmc{r?!b?+;@$$0M`jvw9`Fjqs(&1SM;LIg8^ivo2lO8e-B6U{qoPo7sHhP`94fRi zWFgj&&7%#<2>w*o^zygn+$yj&&`zWk7HsOk(vp>X4iNQK7?R2V*j?0X^T1=+55IDC zIvz_;Oj14F1FTa2^MDLMr7@dp`9)8GYm(%)RD17 zHMRLO6p!`7oyhj8WL>GmX;KSkEws7K7_rcOx_QWH#S%X zp7f^H*lL);X!U&*$v!&$oiq^0!$J1Kk=M=E_M3k4L;8|Z0Wo4|axH;xE&VV9QKydp z;gVwEjZ8!aZ7`ILRfx|+$6Ak;BV-ST`iq1crIJt9x&w^n7aZ+iSehPv>dDfT&kRyx zt#5_8lfOUT{WL7|3pjwj9vPmKQoVdzXKpojfQS^e?GKqEK@_EcAT6j3)aG9+Pu%05s{0ZWMUX$9)q3H!zCgi6BesHZ8ZwJ_so34p zirxooe|`-I0ynrNPd^I&MJ5^ulY6U`TQ)YYDYT`D?Tq!=b}++#p6$89Q>A~}n-``v z3srMozN^$m>)Ha!ZUvpUjy9SL8l_gXgHFA?iYl8RX*lYUaDqsFN)p!q=CvUDFpRc9_ zaEWqn&uI&_v9Hu1l>>NGuXFx|oAtR|>et}P&kPhdJU{Ci6QZTB%BnWS+6=cN&(_MT z{?%pw8Te(Di|_{DXYsyC-jMzUtp4fVi=3>&S(A@hKmLSIBzFd+j>0Y(B|F zqTY|?NV0GZ*|VtYg11i}bH;`=f2oK1AuGrU&F?`puy!iMO(Nc3@YLI!fP_(9(JKm% zL_5TEl{2=@7Ao8IyOfcSUQ2h^{ppl`ety{3e_YjI+XIahK?3=5(^y|}TP2ZjCWHLl zg*WG|?ChCwg%NMbf3%!p`2XPZ;cs>)90$us*jTb;!{R$(dKBUTudhDO-_`4Ea*Uu% zQ1Dhbuq$_kdSBxid!svz30Pa?z<`z+vSO^c@GTMhW3j&1D{~Tq`x)k=_@_}v?tWwA z)C=Does(;G^mcJu_u8xRajH$x!UN>A;S)TvCR!sGOTp?JJfHhcC5*R@+*ss&U7U53 zf}B^fxryY|XNc5Ql9bUH+(pe=ch^*FYBpUG$!apu3(wP_pq`IkQ`C>ij*?SsULshoVf99Hb8+hvR-R#GFVlX#Rn6#gvT!AJ|x##0uQx{ zXQ_%_3Cd!R#EPu&1RIfR;da^JU|UC$&o>ZKZ~Q7z0g{CuE5eta>{3SKal2a z&y$}PQ3JFJUx{6&Rz*j&*R-W2P>bE~%EXKa&`!c}c2%(O!rV(cyETi9$ZLnc$M9(1 z>pf@eR;m?l5bjC*RZ*}@EsT>>L}X3Uca_AL-21>;62EeB$Fw^o^f>Q6#)s~n=2$*M z9lsW*kvtgvvA(i^p+jTi)P>$AhI4_(WAAPH^}>07*o?XV(qh4FLSA0nUP<^$DbPCrw%TOhL!|ROVh7#sI&k*q>gQ9*;fe6xKlK@tw>4L}9zzYyW#o3sZ)h5^(%Lpkjbez?Tzvm5Qg?R1 zTL;q7lj;8NL)z24n`CC!bxFh-G#f(@FKbk#c-&ZGLq)u&)~(V5KVWZ*rSbDuXG74G zw^fEjQ;zqA1J`8v^J5tKD)$%}sef-*m^tgCIoD8q!jz9Hxrer*BlXS2`#ywQGiqQE zvvXr3H85l!d6ZA7S(mMEv?Wgdc(b<2c6LJT>+BWb%%S_#@ zd5DUGwO$`q7sl&%%slU``~Bt}{&0CGgqtXa1s?vefzY+#ifgfC?s$j}dyLiM1-`Q8 zh8oJ`KpJGK6aQ;t_y7EZ%y8yfpSB(psbtUUC1x}&{#MlIr3XGJyZh+dRz47D+JIFz zh7#Fhdcbf4j@>|Cp#wEBZ+7t)-uezVt`>cYa2a>eEE0-|!Sqy=Tx^Ue%~d0qWNiaH ze;nloEbW}5kI$4|>#6deQgN?cEy{wP;cUsj&PNJrT>#Y-u0`!<>Vcm+WYjp-8{{;!4~{_jn6hAYvKh=Owbe?=+qBro z*Q1ZK!d(eSl`?>gWsdC#W-D~U#;r%8V0IE}W!BgFFuE^MA4X#Yq2eX$!F%h*!Y3OBg4@mArWEkLodI*GQ`gQ2pV9$qvD=G^U5v+@{O@c53DT7kV8_E?NviW+e@zz^ z+53ig5+;rX0A>VE*lUMRAPX=Cir!*qXjvY5guqUiS4ucBCq>Bn0Dln^LrT+_{U&^v zq#`S^CZOA_yx<6fxdm~0!d2eg%dDwIHJBAd=lr1+l-GJttjoEF7nmjpaA~bqhjm*o zJd+XW@DgCBX;_pE-zC<^PF6vfvhC=IvzDBK*&#H;^y+MMYUA1^tMMVYko&?eHT4_Y zgr*W>8r$q|=2`Y{SwD8dTT!7TS?j8cguf=6oXFhkb7YyZO~ar{%$qiw)UalwY-$ni(Lp52lF`+Q&Ky9TC$4}U8{b@a zMnNNd>t*z83hA=fFW)%A;hkcK$D0zA*`saON-$jtIF!x2a_b5eI-#K>%omR-p8`}a zy1tEg(O`$Q(>%&`bB8lgDvTtx4KP!2F^u_h7L72QeZ#&Q9a#;V!mrp~^h3T}h1Cub zqpxS<1T<@*UgnCM)UWrAkAp3o9~?Ok!Q%_%y=3IGm6UOpO>7}6zptu!V8jA0Fo7Jg6e)41w!$@Jx8hzGZ&F{-m5 z_17ucclYSyaAujgno2w!{g%;2yqPA&?aGtRjrT*#Sc_>51F1&uUh-YQN`BN-OP*BT zVI5Q-9-qvx&Cp+)#`tXMLDe#s;w$vlcDK)hh~C%!lRPRZ)u(Vf5O~o1T`1L+aQaBZ(J=q+*s! z2pc`1>)JH*tnIkEN>%q*^pE2W=#~qkMr~IJe_PL(Xw; zIgR;f3EkM?d%hC#843Z?DIF-Pkl#oXrJm0sJQ}^B^JooxMfYZhENfQ2oQB{si2!M% zT#_Fd)I|bcyJdBcRx6!;^r}Ep`l|me!}Y8?4VVX(YDp7QJ3n9ZK0jlC(>IUHoi(1kS3U#_ zChp6tQ}nwXed$`JZyp=t{*Ad6`XwXNK^NACxkkpaH=Fqxs&3eo{kOu4xm2wmJ9N)> zK}vL(&4)o%@~pzT$1V0tX7>d>4US)~dMY~lY0>KnDH0vAR^V5^24}*jwC!s^v|7@t z_Wl_kSy6e%84*EacBews^yu6-&P;)jRxtFdQC6dsA+^!mz6h`(h3xnaGLg@iP_C;r z<+D~rZc|73UKPU)btcAIaaj$mK3Zd;j!O&T_(v>vr}Gvb$rZZr#nIYX=9-OgT(A;O z<_I((KZ0Y=XJLC+?1%FU2~HF2dnwT!NkRt>E4DwAL)$*>bjHpAjqS%3Li1pIcsR$k zT~)(sJ%hx`>{PieEgMnqd3MbWr4NDgxOH6BY?%~sgc$7vbC*wwH~-OwGWyud z`-F8yM+s~BtHUh>)M;IgyP7V!+no;__6-0;-nW`s-KLS4B7_iiI5-0yuJ<#E7oVf# z`l`z88}9p<<=UQ|N`=JcOSv1m*m9n3`NcI?XO!|{B%#4&iE84$V!9=yF>MtFf-TK* zOWh?pW+u7S7k1CzFyu{X=BoSk!uIGf8bY%s~_d-8msK)b%w3PQX03X7)r3G&!| z`$IqiOKgjk$emx#w}ot+B#!CO8bm|qg$jDY#;ZBc`z}<<7(_KcTkzhx{m%MC>OF~fEy!AH>N?Duu{s7y zh1@>p6@#W;)kon%{X@OIP4moC7a!ewd~S5~M*y_2w2Ni%PRnP1+vd;}nj5E5!`-p- zSVWM(k?>rS^DeSr3j=8mw!?<^tkG=N)P&<%0(bH|zF(U;@3zS+`QXo0+cG2p(Fx8x zzHaZl1b<6Ib-qS=Lxq`=M&a8TS8{JNFCjx#(w?*s&;%!9oOdK~H0unTO1Rs{M(OeC-4aLkZi@yf&x)gEg0XX8Ji2#F16U99#$O?g$Wd z*9?9Way`A+3*A%>@%(^QtDXGZop;5WBUaB>?e~p*K#V3OU`ij-1|0;6J*1jCSAIb?n0b0;7bU46J>X1WA zw@5PrLkMS&&-?z?_nhB4f1R~(IlzZKJMMkQbzS%Tqp6{EnTna}+_`g?m7hG)K6j4X z``kIwu8SAIPq+@5KZ5^AJhYYM&z1JFu7YpQ+sLWQojX?%M}1;J4!);!ePZZw?i~F+ z;y)5)?YrCO&Yhu@AIa(Zn66KeSFsGA*6uL8Jb2zQRieon)hN*sEzuFx*r?zZDIdSv zg{m{kVNl7@wDqfqHlDqGY|>}#owocUA!E?PJ-^SUq*x>|<6HOLG{lOi-_~KET*6&t z;@42A!C3OYFY~=SF{S^$yjv|u?|tv@19yuuE6Tb5eW|<=6K?XKm-aS1>ni^aqAg)* zq5q%pex%WJuG6rH@EH4TRL_OcX z#i8uWKJ!xL5bI+bbm)c4RAo)ODwTXXN;~5=*&SPRv@$1Gqz@Mp#hhA#NG{hf&73iq z`rJbN*&7{C`Z0WTTEV*RK#)csZ#G)AzrH$tC${ZXzCVMgG}#iQMitfgo*d~y>y&V9{x+&%9fJH>;Yjml$K_~rP=>PvPSf&FcCF4iWlMrvbDv>6rflz3p(8P>3McYfEklG+IIl?*{P*Nys>EQ>FDBh(Z(JT)b^ zrGI_M!!+T0S!$-dC-@g)1mCz{nf#<*#=n%L6VaO~(KXSqR?30~6I>tIh3fItPP*s3 z+?pOwYR>dsPRlW>b*^BPcT2f_o8sB*tlyxzXzW>`c~$oVY#5lR)O7QF6!-k+5wh@X zMS8=#lK5`H@gxDPMdS^7T6ZOiY|*H;E>;gU5tOfx7aGy20rs1}1ELd_`Epu3{f9tu zK$*Rw#T$RJ@P`^7GXjoQ=i+2eFS58axuyE=kGFNP2WChKh8@fV%J4L8W9CX~r@t2r z6$ot2kWjE*8G$>LZ1*eBc8qS#GzacK*%+fODaTOd=oD()IWXhM@_D}hQzmM}KT%zT zGEwb;vd`}UrAnLAlBe0yZbwnvrHlb5J6(?U3#`72@fPV$HFlmk1>!ZT9u2Dn>GL85 zv&OwkDQ0Xn)34U}5rl0=m4(>N)BLPv_MYIxvf?d$Gyi1uqBnG(S06b!%s*=TjOAsa zkvZA+kx!+&`Kb*3>ZBIsCLfXOZdtuIbAmjQBHp^8&+n?sC(6v44Tj#=8AaXh2gZDZ z7USA}RVgf1s<1K9a!}je&K!DMxK`!+7dC}#gqLfuO~wEbbEqx zz3ZQAz_3|KMik42rT2tv_c|UfCi_VtV=;dAoSFPH?pR|kr$XISJ|~iAC0>>THANyb zxd#x467)w&)9&{Q^6`5q#tBl|F{9j5$Yj$z+;Qi_CH9qoRlnd|r*04Ko@USbD71d^ zv_iq4{98H+$YXlAZ4Ti^LHHR?mG6f2JG%lc_+Vwj)Y|G|C#Gt+>>C9&*Wy@n4}n-HFrcMhdm8lD5MQnoH0b09zI6LVjA zheX>bW|!c$6m)8-`#4{@L`fU1N^vKkvFm*=C*8UTXHA~Z=c4)0jE9r?IGcNAxRncv z6R_qIZqApxd7gd{r|jG%0D?tFGv^=UZKICUlHZS1s}K0gCS4xE0?isS zo=WZMPWBbt7UT$4eR{r9J-WuBL}jJ*^CsBlIpDAQ3QqEDjdl+lyWE=(QOx)NNYUO) zG3ANokw4ZtJIqVS9C0%R;4hi!gpDjxE5Kj>t{B!ujV`o!4=6Ikwz&s|dcY|jnAKb^*@6Zo=gP`c z!{F^2QhP&l`H31)u!n~yv%L~qF&y*;Z^-ElZn8b$NUl+@KBRYwlca%qJyVB9u4nh-Sb~Y6mt>m_> z<-$yFxZ{orx9^A>xb-ZDAthmgJvx7R=%|2 z@ehDYYu}n$PIqB5a@5hC^`AZNTM6%b$>q!%c(PML&NPvOJNfh_@L>GQIRf?zP{dhdL%VY-6Ywj&+K}o;gh&`b{@40(1XoO?A|L zr25Cp?1M~siLF}`uPt21BDb>!qcV^o#WEcOLq{)XTY`7OnESH5f7rEg7G_*K7*4KH zy}F;%M1L%-d%UhUv9e=QFxE4(0sOlgJEE1Gp}lJ#L_Sw=H9D*;1KVc2R&iD@qF0uG zWJCP7uuf|yTNElOSC6-v0}*@#ww);pHUzI&>$fK8HizQOg7y+Jd}&z_8L{uP_2pn* zn&Y}$G@2IrSo|j|8-gV;64bL|YO6;dkS+kG3ofPSFLM zqN>l1n%qd=dKD;*2o0*y1s38C7^~3{z@g?p@6j8xVtqn$f|JvpF3b*i=+4>{hM_m% z5dWHE{?Y>xDdst{61U1%3D&YYyLbE%$G`EZW}nvlH9u(GUp2 zLl@b#s4Jdvi|-@ImcpFBKp?KnQYq0R62hzy?;x_?+i)I1{cd`_R%MGWblY{ zW$!}=NA+$J+O_WnDLi!HmNX-Ftz8b4y{zrpwsW)bA);8lC^7@2K&;@m2bwpn9^z5M zcRJ*0)W(-t)wG|;qOAHB{w$nJ#E4OpbSK`X3#Xi4;Xyiv1&VOj z)DVb#ek0q33NH2P_v^F5S=9lGsm7OaiqvQqL;#LZdWoXt7!xcVE`SW}vq1HEtR8$6 z*s>5W7A5Z#o%Xp?%DzQ55gx*T)pt5go|cK)sO%9jnw;6L&;KN;xQ-ZTzKFMJ4DOR` zb0~Mh6S^xisyrv`3Nz=|AeR|5Y1TA?U;B4Y`)%DQte{z^Ep0wMB244`i+)e7?D=Gm z1>#6k=NZm+4Hq6=$|i~8f!sLMz|B9XhDa~IRhZwmno$cz{S12~+;soAVyLGHXH)w_ zIQzmqXG>z@goD}TXvy|J!uEqI0AKMo&-3_nPk6TKF-$Ro3*jM`GD{&SaHo+_p(F!peY>wrb> z6HX=2%gZaoPZ`b*AJDw=ZQ*@LC_Bw2_d)2j^mIQdE7Hj?og^Gx?!GzbL=o25bvFH72X#Sd%B4mWT*n=y# zAC*B?J46*p#xt@5B1R0h{lPLdSBzU%uq3`G4@FH8%|lCIfzN}jB2|jnNrN-G_dnf< z<;@#LO3j^B*%nkYQNUTDgQTxRAJd%pz@kT!?kwgGe;MAtB$T(HbvA`R?SKc#Il{-(;WuLKhUh* zFHgh>E3#ShbZ3Q{7!PQY?vZ2)@aq1w(XO(6yA>Lciv$h4Z{9gMt@6JvylT->rmaT7 zo)T_178d4Dswh9Ls$r~kUS-P&;{Y7#jf$^5lw8Pgd82`2vna2^WT9{t={5u#)Vgve zhq2v3yC0Zt^Agf%{vdW`NsINJ71Hpz#U`<*Sgf)A8_?`JY`)k0%X2dLB?UR4hm*oAavVj&)Wc(IV!e1~TZ7>>aki`OY*pf< zao<(Ae}y2UmuD>L5WAudyCKe)fAR6v3y@&W&!|uc&8(pfTyx+WAB@gc zy<3irV&h=i&&9X^(Hgsw(%2wD;R0!=qfs-wKy#7vf~MGP5Yq`(?iy_8Bg_x;!1d;n zT6H)>#p$8mh$FXYXvl4f*kYD&Ia7(UA8T&s-qi?)!)Qnc7^AQ3g4?A^K|T1 zI-uglFJdj%(pzy zM;Yb3z*G7rFKey-Pft1KvOBd9#sFm$ymUT$YhX%L71-U8Qss4Tm*zkFV;{MylfHAq z)^R2Ap&9NlcFxzX{F)^#EplYxWHhOXL%HFbuip#vQe0!z3<{;Ep|8(|m$|+D8hpOQ z6=m<=l+Cr36SyC^{k4_7#0;c^XC3mk=rN^F`ljh* zT2U|_LA>lQjPVb5-s_LG4_+eE$OLFM<+zn-qQs!&3$&H7oUFR=eaS3rusMo5x^hb2 zz#`nowG(e=^2p(1lL~N$5u3FTA1K;&JH1o#0=d`p=x;;ipU7Sts8`|ApM~c}5N4da z4y!Vw1b_8~k5x|gX)dUZ_%2CZ{zxBN0lX~-j%QevFlz?4LAN?54&%j zHHCXTV@O1=ic$HBR`L61f{KPwB*hZhM(~!UXGfAcAHD{bG2_{g3UhHw%EzRq5hGEM z8{>LBMyNymS7*@TidgMi>AnM(#jekO%t3K)aVS1MRVPnS8Kd0|*p(`Z@Uj{Am9hKh z>p^;m9&>K^j%&S-A!;k&)r=iwN{Y0@pT4`jL-E|QBC-B#sOt_7c{fS&p!@wZ~+MiaZU;F_ajG*9W%(| z*bl!ChWBNPskd%$Fv!gbZx9Xc)9=jh3)PIIA>%|-y_Lh#HT2_5(n5I~mT?b4M{HP! zJj`2zd8SCjpXBvFYAGC}pn1*c5=(Cc@ezMJKhLs6^@w%7zaf0YuI0>adWTRA`4)wu z@iK+9jAJ0$jCB@2u4=O9ds(`1Si0|U>pBR~*tug_2SI6WN=p}9NGyH(hrjs2+LN82 zk-TCV7>3ZBPiid8L#L?dT=kBpqh?7kvj(D zJw>7TluEhi$=Bx9N@PQVU@UJx1R|I74;#HB2b@x8G52Sm2ycfFmE3yXt^qx7ewU5V zSz6it-{35v`SZC+8m-A0z?kL@)GWot3=>_%d(i27YKkTQhUb)tk;9odckEZ8fWn`- zS^TDgCDC+9asTOPbQkJ7j5>SoJCU zynbLKu5{7U2z8x#0e7!Ez039=g&d^(V|z+9EGtcuY>Fop=Im&+`T0&L*(LZpSIaDj zq4wHCWHx;`YaRXv>v>$l{h5+@ue>LTAPlqDPzLtx=L{R$+jYoYUZD24iT&*UKC5AE z*{#2qglFQd)lyKLo;n08UcPXS*UQX03!;aUvp`w#b&yAoAt4zC_d!mVI`A%vOp_)e zjkb)sQ~t%&SPg5HmTU3vS4}CBoxwMKWC(syvaH2}&nt`_glWnRUEuf~W12-@Go5HY zc#>97-p#MAcVTgwP7}K6F7?1z1xS5OAJ*|HzI+z()cknyx|0W*1EEJ?LB?%lN0k@t zS+R8pOGmEOLrBEl7tZ$hwfQ~y#1oYSkcZUmwE5$%W2LJxTguga9;bdCFUv;`%30w_ z;O>PWO}n$V$hmr&amPw-VY~w|!{02MRvZ)EOBTN81Yw$d%(UgW<2Jgs=^c%tv>lE1 z*{iG86$7R?sqm+o=A`8GBb=F+xQ{kN|M2#qZhp53pJN~t?=Za&B0XL5i-%)&>u1kj zo=A3+9M39}HHebGa=ct+rU5P3t%pj*Yi<1XtCq#=*~%lyeY}cNrqNs1kLl1hl*i7d zp?xIp90Ij}f8nbwIW*-j)1Blpc}!J_Xx6sK7&Xtdt-rV*jR?@TDE;YY{BiR0_Hoxr z{2!q;#WgGGM1&r&*^e6>oSi%3bApfJzu^1~J_4`|)m&C}rmVOtl=bSzG=xj*-{PlC zfoAUbtHC!%iW-@Tw~62E#+Wq>ApRO$f0k3YMC0tYl!`h}X+%c@64~x3W{d9g@d#pR zqLz#LB^v&lOpaij??L#W=&O@>^7Ax9(C7VB5hI@uN1&`huJ4mOog8^+pkg;sUYcmv zAze?q{JqPHY&6E&17W@%Z&S7#B(rF2Wf}C~_Bg6&QrTZ@C7+KXloKMGm zNPQ{!x$hWF#*^7ET(1I^^aozbSePkmW&Ppal88gyzGuL@DQb1dD3f{H;7IabOq{Y@ z#qURttNWaVc_fbgPmyQ%EYy|*3_D|doS3`izgolltRd#ai7WM4Lw2AH);|u*S<6$^ zzv#jV#rp)zU>%ZTor-rGKmkR$`ZyBvQ-Q5C6zoni3&U?TUu$ z-uH&zV8~0@xUZ89xkEqnV@f|*9jAsozhs%H^8(f(1Q)`^rgQ%qWR62t2Y3%_Lyd8- zBxCpfa#EHLsT;LfhAM6P#;W0aT^*@Er!_`@3L%2N=Xvo=wX9}6Rh1)*Kl8{V=bJiW zstKl^Uoz?>(pI?CZcORWg@MbdJJintJvlX|Du;c*=+_u~gPhO60}1(o|AQGTP^4}& zhK5!!3|{}_(3+ev3aFiRQ|v58$nyr9iRa)lsl1b-M~Oae5}$X>qaVF;`_*1MxiK4J zyVbQxXn)uFzGeivQ zn@Keuh(@_C@ggx*_T&xlEV9y5(@kOK=)>|iODCttTX`VSnXrtL!W^z-XR9All&Goh z)T%QbRQ~qTa&DaTKbW!r$QjS^kETfOvL^TOPYe3;Yh$?^@#Q^SoVAkBA0vv{3`FX0 z=i{&JfFnB*#s5q%5bz&Z^2i3SHTwIh<{{yb*;a81kN2Jb4qXvNHGgI{Q9ZnzYz25xE_hECacB+2B}D7 zx)Q6~qm#2B5;BbarxN-U-y#$;s;r`oMxwpz==Um}$P5C%{pVn&>)3eDf1`Tz4YniP z7-{5OKZaps4?J-*aQU(~k0?lYZirV9(&VvX`Tc8{TTQS>$btwMGZ?$d@gzMc1C_t1 zn#4wxMe;K}N>FY+L#QLYnsz#)vG`UB_V&>kuThh>yNPPo?!U9m#pu-^?s2^`NpemB zgr+oF6fjbTh*%#~|WX-N@A*F7oBQY1F$?EE-tSVpH=@FUWK>z}DXD8R`4*;h- zojQLP6};m*_2(>|ZC?M3?XHrY5a00#N0;mWJ!uDJR^ht0+?rp_q zQ~{!st_qH^-`|oHwWLC%B1b`abA8_P^r@T|;3nUk*|6%FE^N2a#^J>PR)-OpaHKn< zrHWVO`{K!?_MoX9L(Rt;9n+mc>KVr-HIINs;C8P|`R&JaXxEUfxy=SsL;#W`0-TV5 z8n*#oryC5?hO`~s!M?dxq`iF$8dyuz+2E@qC1DahkNn^YoB|tP7Kq6 zRKu%Vsw*!SUz>?VG1&B%01AFt2NNAtabh5Pa`P6yAsy`zBHtfbjwiJd+m z56~dpo~~qlDt-8Zr@OS_*GIR*qx}sQ>rAhaZSY5WlOvb#vRYYmlz`ZM(`LL_abpFT zZC&xd=C18G;uvnyX^ny^Q|t8qO2FJugj4yc^47ob0SlTx1H|Upn2JbsiyHKZw{AA1 z!U~4Z>)_~6<8MX`B)a(k3b@@MgQxJPcvU~DT={CUJTTrK(a$Yvx85R)YNx!7)|Z<* znH^$qzY^ychy)>ZqOopFE0-A2gA4z?YS&#{t>OK`&R7z!iE{3>IggZUmNnKJ3 z2#}1U|ICq%a7Ps5YUZjrOE&@go_8s+MN(wUJk%9H(VfkO=1(icax{C7aPuj8)m6}d zrDXlb(jueA9vv1pqiTeq`@8kIZ%uyva43t-W|#htl0e&U)G>VO%fYk+&DFP2zJR)i z^Q>zl^7eQYNcb<2k*h=nph`I924YG16%8XSpD60`%TRgPiIKxcaj}65v7&Dj(eB@+ zB1f{TSeJzvX`W+YwXBECJlt5dXoCoq_lmqQRXJ`=_?2w8PNp5{K-F7UAs<&yWq>h7 zDl(V|Wq>`XxXz{Mh)m0&m38v~Y<*lG1>QWyL^Ed51uS`Y440P6qi{1w9;(2_pHC7# zfZK78H!HI*GpaIS+?)s3gVk52CvF1R1zTYbu7*j((Evfq*|ID^yWHnciRg~&Q^a_7 zS}qH~r=6s6)Q92NxXh@JN>JvQMv64#<; zVpgy#xwb|eO=VT*m;LjvTtcSby7$qfUHw17g6~~P2k+EYeG5alM#QD}R?b`y9CISI zyMQSd)c(PVESsWe!%Cs^Ud+t*{`1{&a~BzJ2g~0n5ghEOC9p&V5QP*?+5Nc6Ne_aI zWz(`*D6(_*wyiNEPxUoxH8ZMsh%Beb0|-fnY6R7L{%@`qco=N!v0`OKOVDr&WH5cD zB;R#LyQ|&a@2{w+8p1Okbdy32JhI*FT0ieLK-!qzkyIrui39#hsVO_DRDWO%_q^J6 zVrLpf{}qL|H0pmYa($TFi6!c5)4o-T34J!UX^bAC$Fz{LH}_cUIEakq^+eR1uq|hg zU(1y%ml|c`84((UM%|yVA0x%wW#n*bk845nP4B;+0N2=lMufM(*A2PKHx(f840e*< zgjo=2Zn08sXz##$Le6=lp>>);{t~I7FXZy-Q6OOHI*(7VC#f}?4Qrj7hgC!QLAAs% zK+4fZ!vEOWj^Q|WMKf%1Z_t4l(RYMxr@lSVagKU{|O^3SQ z-9RKu727}bE(uw4IBK05G;~DYo!G3*@S3b7n3HwTJsES?$G_&r!nH!XWZhR&xf}9V zQ%B7Y2ghoBn?$xuxVZEuM2OL1Z3oa?!&TjsWtqH$3&`jYH!khG$(m*13zwN8qqocm z)(;19W39y1F+8FGg}^@A+(&%+Wh(3$`0n889fYnf0bL>RzSj4n;Z@%Nd! zgMVdW>ej?xcG+(Ej|cnVmwVDhU8b9S@gqNKmvx;_i7)^2vthhmY~k?TqF(!PaiXzq zgdghtJL*Tl&@!-!hu82WcdKa*&a?4e!{Qr zS+Jh`H|+>+<&w59Wp{_uT8Y8s#y|hB6RD;Emgh$lwPE<0PZHGanpE(_ENOlLq*8qd z?jkAMRm24I-+5Pe%^m~K6HZh|T>`qebnQl&vlGEdkPuq*zn2?_C_7C7o|<_CR21bv zk`?|;-$aTZ(OCh3tbtx&GLXH6Vw@WNeRa&VaS;IuK z2c$|hju8cHL=D<{*4-l5gBcZ&{BzCZ3gBfumM5&Ij!y{-ac(Q#yWcn>L1HQRSBVGe znAo_A1;6Dq8w`_8##J&Y?)Y*GQ@|I**VazI`eeVfLwLq)%7{qC9rgwl?)FJv7L6hHc(F7xIn|2Dh0nWVNcYDVU20nfxN2jb|XiT zltWzW0a5EGI)m_-JP@Hj9{E(-z!hPm>_o@(W=niLT+IVR$q`0OP^7&<%#Ad8IVF6W z-T&RP8Y&9JV1zrMq@tJuzkg#XT;O(A)Tk;K=Q|T+I+FuV${^n>EuK&(fy0iePDR@4!@FJ22y?Bi{qUt zH~cy6d%?z91e4QWl-R7Z9DB7^(snzV=UNuf2M`E`HksG0vwW8ghE45@P#7Rq6aM_V zept^a9MIh&o|}{6(>_h`{xTt%@>}#qjure{O?Yb^t_4|3kX%v%pQfG)bcIUOyg>Oz zAZSQzKxhDeML5$wKLhwgUSi&A0W@A08#ii<46Kr$Jx@mKg_(@xLEl$OUwBkxX{)mR zXEE`qJTaX{?*S3vYly=L@XITAz5A3{8_aBftm`wbmco75&)6kV|ver`%kThMA zST9#NNypg{Bik4V3=1SYat9#Ii!Q@%fVwE^Se2&xsrXV-JVghvVXvP+9dHu(0H}oO ziaB{?wp++{X46Q&T^60ZQW!i>E;f;73Y<|0*&(PDADo(L<8OY7m)i%zw{oz%9b1RM zvL!$FcN{p!3Xi-#J9A~SE`)^VN1>%I2fl2MTDq^R4mQazyNtuyxlqN{~J9(_`xtZwaBcg_@TpD9>0 zm^BBCCq3sJRkZ{z>`>2M^;f2gL#C4I;)FF2zp_b+iHKTL81WXn>1A|*Q|$FQ0|LM( zmQ?=l5f;ICiB@~A9$H#yg8AeVqPWI@DDtYZ|481RJF6NUiAphj=m;n)x2|mc&2IL= z@720r8NBW8X<^f3mY;F5;>B)Nd5YV@65#KW+IEwTyp?BohM*{sy^Fna{)~tlG91UWWv)>5_N-M(UwbrmIcv)EZRK9Wa zg>t^Tl4U@k8T;$rvrjch7ry$%gz|6q(}lS5goS5z1Ki46_sOS{MvYv)5YQfxiONe9@XI{vHx_}E*lk<*v2A^)+7^_ zyK8&2$ClQwE#zMf!djq!rgu)uTX+2?WuhY^yjE}RG)dns;3fj69<>6iXuswL7goQF z&S@4+tiOgL3{0&^ia&@GNzg0XXLr?HiBRaf3S@E-FQBwv_0@pv4= zc=f5gKQPR3!Be)+1)gx}pld?-W1D55TUF}xr#pVMpH_8ZueNRV^&LoI_)cec+MY2Z z%zWm;FJRAi@-GO3ptU>Zq=EZs*(^(&hX{@))1Z1yB+8rmu{7(hmIx?!EvhY?c|8&s=>A zUV3mlRD8Gze7Pc);OD*y%sXS{#0Y zLb?nHx1Cab=KpC+($Qc_3BUd7XcFIutbyUt%kLbXJ6ItzR|es4FR-#Uq56biM@Rts z)NSfKmGU}?)hPJ{Tenwxffk-oaZ+?xGSW>~!et!R7*aK^uU~x1^F&-ox!{=tmBeh! z2oTgUwQ+aoUtqT`)Yz%~ap8kd^9hrOcYiEw{qv;^;l;;LRm->6$;}G1_)GN8NrCKo z{_~aRlqE4Xk5x$m7+W0Fg$5q&D1~)VMxWORxVa4yfzHyvpFnlI{-Ks)#N&79wX?Ujy># z4pIt5mR&ph3araT3aKWMgKuAc*DQFDA{~H~E~feF(uhEbKG(YYl_YkR;2HLaz9*wU zW(BB9gxbxIca0tl>*~Zx&Mv%sJ#)Q3HKdacV&HRwIY#rt%0aAe`Q_Fsq8|LzdnX|A zi;e;{bt5xfnoCcuw$T9mkiNQ`tS8MS9aWAsE`Zf`uf;&(<~e}zX6*E+5lHgVM0dkY8nVg}P2=Z1F6bA8Q`k^(u3u{( zM9?iiowa7Y{@#e`-d((Xh<-~YA#3|SZt+> z`f=LthKzIECinL@B)vfb)-gkI%IoEoDD;ZJ8~=&G>#nJM@xG-akUxUJj7aWe$tOIq zh%f&pXZx@mRyZm7l?fuw`3v_w{&0J$H0<{6FYi)m+Z-#hfrJbBVrCGfnlkpI@~<0M z6QcS8x%%eeuMhm7NQ?jywes@qn1W@a{j=_D=a`u5YL@4zD(#w$V506MV(uJF!nc|W zFuWzch6TTkT4Vc2%E*z?2X(enxL3o#N7qI;SS)&oVU;xa^vA5E5zeY+jaB8*LyVyZ z$z5VkLjOPC4lA-jD_SlG|LfcD8J7Yzy1<8Ig@bz$SHH%|Vc*2%TG`n?UmDlC78E`7 zP{tb#ZgxSC!AB@zH}oy3sMx0`;hC8d!Pl!)a-b81PqTg4&s$)GUBoU1H5DBS`kd6| z&oS(VPZ1k3=-*I|9kP_1hpuZc!oHL%P^D&kIWNPHFd$qdlYvg|iczb`!L{-BD%(rz zGO$vypG!)sbCK+CN^(*=TZI(Q@B7*@A9G{eRy`OCBILF#U(I{?|FOeui|S zWBn!LP|mlCs-IDz-$(NwCuy&DG1|OdD)>aXa04|ZO|U51l@%W91g< z)C%rY758(YQSrhY(7eCkg5Tc#qV5x8+;)0iGTUE`i@CtazR1v-4fU~yY*EPF%>K(a zf11)XnKZ5&=Awl)?_B8I*~#^5T;jn|QL#g$Iem816|glY-XD-G<4TD}zH!&!C=^g^ zG1lK?F%-|X;(S%!&BH(;uBbBlN!vnnX&X`NFcQ~=z3%;O9JLmK!|<*ta9i?*JW`bz z36Cys#gukFS~kL$42=v4&WL!k-Ru)mLOUTbyb|UOs!LrlJ$G~~EU~qZm%8=s5|_em zc%o*F)=qwDjajYq3`Y+R$J3GCf!Vaul1X?3oVykv^r3}_?e9pFyj{_OXb^HNn~WE! z8y(pLF5xHy<1oB^mQ(nT*S#sLGQNH7OJwKlee}fMG;c81LahT`MWfhgHmRg;9zT_>mtxv%1Ukl3e_-5K^DxRm|;yxfDQ7G?N18}eai=Ur-d|^d%}^{ z?X0dd%I6thxU}s8 ze8I><=^A7=R!~7tL_Hp{La#tv$5{QVirsC zLJY63FHxXxk~;XgoXw6gs*~Q^?hmH?>f$rDJSA2If6cKaX-g{{G{lR8Oc27vK*y^; zcF(Nu0hXs?@8*{HRH3g7$Q7np+$B2#x6{l6z+$a!V>$m8`0t#yR9h4Jzxu$9zj#M+ z7QAM-p4We|Ga<){8%9lR6A_D`xs|L(d0qfBN+eOJE2H?7Y z3J&#%fso&cr(`W}x8Msen^AdL~|2Fx8H+GOc=5@afK(_87V4AMGavb-m41 zBG&a_dEdTPZCa)I_KlD5IDoUg`tJDySVR5njkOL*aQ}MxnRWhRB12wV*k@Ku4M9PP zRPXZgIPrH}^%}X{RBv^IWDi@RYDP6r31ec63*9C{U|sLi*vs-*v!0TqP|FTI+;E{tuidDnZ1LxZe-{S#FH1XnpphQMY z`fNnpf8l!XxZY$zhWmHdpE;2tzvdqTwCE!(-pNWx`{zWhiviFkVY&tTScxX-bM-5L z-UF(57op1kL99CJ8VH_)>I}65MDmJ8eDUqyMy_N%IHyKBXsMaMK1Rf_yi;AG2W*M$ zJaH4YL=thT!7G}48h|L$8f!yEi437hLofa_eNBs2=U|GrD5d1>GvqX ze&t_e%xL)N%S*RNUGN?|8 z23>Rtz#HF~SEMJV{P7Fj4kL|8`z zHAZYc%Ju`i#|s_suEh0RmI9cBTcfUhNqW=i(b`Tu5q}1Z^k3NXS21U6EwLl;18L_x zAQV$D#I~L`CxDvB1JZrLgRwT6p8#mv2!I8Pu)4O82v-L=Q9FbBw$22|zy5JlsQ`Vf zT+%7#d;okLu|Ye15IFQ6E4SFGSGwV)`#;|&WuyoU6mW6|cKZgAFWcUqaOpBX2Eawf zYMj)*f#cp=fF4K?VV$p=)u6*^_sJwLD8a2nP>hz_yOYG~E?qlj)6p>!esZ){HV5ni zHbK4#VD(srmkvBM@w~W3I z-?iKHWzB&Oq3E;1i64(yoFD+PN*lYr0fYxpgPcA%+%3DOttm)m!ESzqCMaBZ^|pgT z#HDWqLcc+CW_vk+fpj7^ry6Z^xbxCyz~ouzja^&$eYR&Ef6WlPukKgBze(6N6?X)b z)~~PNF#JKi@)wx~w*XrJQDrdvq+1S(IIb?xj67_p6S4*1F?wRl8sUtHLly&A(v62V z#EB}%6aNE1Yzt=tSs{El#R0Br-8#UwV(J#&NT{^%b##aj+at?~OgZSG{HWFX@}GOi zi$p4O40HlNu79mmKdVZ8(Rt}g6F`zyFtb?C24;XMd!1jN*d=yG@sAi-c35ykmG=@+ zb5@S^V7BMZ4^kE@<`c%@urrK`2oV=Rt0W=kFuJ!&f+P-(O6!dPo z9lKi1%7tFAiVNd^-u~JZ-1v^%P0$%j7eRC5os{-8z<}7#B1ULqDbWCKGoE}yj9N|a zjS^_lo|hLx*an}<_@}=5Rn$i0$Y~$T8d$%+$VT)h7=XSpk8+Zm!Sndbz)cqTt3ZfX zr2ohAJAl)xZNNId76b6=B_n`ApF2z-29ov)W+gy9)uC5sEK~~6t9*CR#;u(xe2;)j zj^63GsLfqmj``~BaK0s3-&8z;@ATgGy$u*4WPUS(#hI~o0O&DpG`@kAw~$(ZZrQj& z#*aC0Ezvl#(9ZKSMC3{mpcr%D1ft72gcd{jfZ#HX{}k+HI1m;%F1AvXs1UhwpX}Ly z;b;0CygrXEGX`!38_WIjSSaH2NtJvSAgSkts2Yhh z@c#NQkTvZ7cithJPuT$`{FNW6dFh^-TTN4*x&Os*lSc2$CJmnd%)OO8B096a59*eo zTiU9y>qIoxhlIAF!EMQ^#!s3MGOL2U0DreFx{6^Z_9hd({NtL=_rsJWcXv&OQ`t-6 z>lwd-wr>_-4zcT3!L8o^hA?6p-v*xHP04d6Z;SbVIB2N(np|036yN79+H zg#M>qYRDE~shG&5rbhRHFrXaxsz{<%NBX`pNHj}^&}lAfT?lT@vi0c$BGgUn&oVLh zJJ`%rhjlWs!gbwR(}`M*Qb@*S6={I}*9qo~%bbB-uGtY5v+Qu-k7Ze?aV@X`U5`|t zE!Ibpx}Ds8*Mu*D*!Rv;+5KRyjaH_+Agr$VP*8)&5l^=E$C`suH>T__!@zsKs*gbI|@mXM!hsO%YiU-pbvzR=-)?4m|!VY=PRzx@h z&g7x7M~|>u=D5IvSuqpkYu=?`1%Ae8cl_es_&;S;IF+3WqJE_boS@V$O#O*$F15R zI%-!#`8w#~{6zK8j$0Piz>bqJ9dNv{ z`tNS2GkCY2n?kjwP_JB(Jlo`~l0gD8#l^ zy}=p4Wrc}Abp=Y%6g7Jc8lNKp+J0BVGRWQ3Z+o^i9RH%QTO$F<0-iC-xDZ-4gk}Uw z5F$JfVT57olDQZVa$hsSZM59BnrS4$MEt62qVn9wI}pTpHvW~daB7!MtxyP`Eu{dF z(xvx~=54SYv&r_yTwrm$!k##^OGJ8=VQmN_8SuZa7x#Lv@Tl=l@fH2Xd`_9UH}4;U z&mZWrn`F#SZ&Bu73=z*5urXcj)|6+onq=@c_heF)DC#_K<}FmEJ?rHgGyBaQ7aN1T z)+8+e{np_49-~Yq1Kv0f*D^0q?rEBueViIUq3+*hcXkX=BilA2EK9=uAanM zb;g3Vb`W=O6fz-D`yI0r4L`NjM;8lJj#oh^IINy@sSXlBdN^6BDq@TO+}zc*cG1+Ab#389wJ#=O+9(i5l(sY#|EW#Ea*6jlAG#8oAK|BRA`(3PwUM zX=q?CVC>yNF49%{LfLM6>0_&B-yO9g>4r zESf>=`N?fDM!~TV0i0c-|h~#&l<5QPTfNq+>S8bubzB*dOUO1$=ya2$ypSnS%0qME_x>X zzj%A^c&y*Qf4D@*O39u{h|?xAl9D226tX$V-Xmm`S!R?`q-2zg>>VK^Bcn1hPMo1a zRvB6M>o}{=_j6r;+>iVIJ+9yN-)H9ZK9BctJYUassMKPP(`3CueJfyp8@ylE87asw zic3(@ypFW#AuA-Af*#_!a*hn;78+pNWGJ4GQxmdr(bc+F@?~@trcW9WscnaE&B5!i zxUc4Ifmve%f)dC8i12>hcGZ;P8l24`$dg*#FIQnck5C<&2MUni4(NB$i__nlQNxWP z>ANBqleib6YYEo@2{b#vLD+Ah%?t?dSp#Y%Ks!H-NFQ}IYe$fT3@7CwWC8GcVtl^R z8%;;!U=|`HNQaJ?4I4~O}nRpF&hynm(m=Ik^dT?r`|Biv>akhk@k zb~x&-abfWXcQd>VwoFlP%aO9}h4z;nfozGG&maqv!%Dl_L|=c+;=IG1^)jwLv%afV zR1|^*iZJ=1!HpoSp|%!yp4aZb60VQekOB~Huj)V+PPyI5IR@jQvouuVm?s&6W`5R_ zN0wlB@`7&$Ddpx7!Kxu6^+BXzFhU&b5NV_Y7pu0z_8n-xLNMOmr%yQQ^v|oTy9BFiiH5g`oYAO_u5OSP9W~Gx;BfD zgcR;OOzh)t4qnRj>CNtyWBg5VtSd$18fVNm$>7UogT>bz$!PvrDt7%83Rmb}1jx zR6cRO2+Zm&(}X%7U{4}9CZP30;$phT#}hNT2Uk5D20M@ASj#EW%9vNSes3Nq z@bY~_1FYms7@ksH+xQDjcdgjWG60a7tB8RYw|wFU*c1fId|L5OQiSR@hY|oE__IU=

      ^#rlsYj3{RK>7`m<*7iKw}6Hjt9x!aTDfM zz#NDJPX=bMq5jDXmb4PSl2kCoj=$bR6WQ(y6-946&Qa#YJv^-q12BCZm3$Q#jMBkR`W zn&cyoWx?!(%^^!mJ+lbfphtC2FSm`XY_YDOB#BLfs4l})%FjWSiGoc8>SED-Ap5}Sw3A6G*+R0zDN^4}S>k4x;^Z5YqS z+PZw4P9!{>!huR&rsA+j9htj2LlHvTvqhlvPSZJ`pazamh}0y z3b&yecUBEnHR<~l`}E0!Mt8K!C7bzpt$X4V1DL8~9V>%X8rXTiRnQK6+S7m;c{6Yp z@*vs+@Z#g+r_hKi9re`FMi*zx4!-_^*258RB0P1pn0@&R+~-IAEUsgPzMZ=M9V)xH zLX84vVCZM7RtOS$pF%eR!;SfP(8RvH5yhD}chSStXBkgM=`dv{r)4CFS5Yw>Isfs2 zQ-o*=ag$LQZ6l|Kv^)%t<~dhGZJ#{90b9B`&lF>YD(>wsu%3K< zbvgQ`={Y+I{R7=%rr;E&f;Dl8RSk1e!2&~8-7$@Teij|~8nkBQE}EYPd_yVDaYV-xJ|mfX*$ zGy5oB-B^WcLBF&#h*EuU->nJ1NZC8zAs8{^+FX9yOC7EP)p;i^QQ*U~!q*jv6%=sD8 zs#3|anMWW(7+BOgT!l}o{P)xLp@O+`m#+?`A9W&(MtiSJs$HR|CAP|M>-ZR0dHW60 z9!?ACI$dO>a2)aIr@D9XgiVs|i|hu}ulMX=oVQ<918oA@MH9twCzQY*`|7YA;yic` z5q^cUWZE<1fd>s=Km9OYx5EzBq?{Kk{0Xxa^$Ih$c{|Ftkz0*E5LL7ArvH@N03=_+30}JG!D}QIfvg5O-5J_6+in7PA3W(O<-YlKWZ{M zuRiftk%2#tt-KQ^*JMBhA{}m3*XL8!ky>RZj!S59rm#us=JUzNCOI2%*u!^ECE^GldWlrgw-bVh`k&PB`%`(DP8#Ze^)SQHUBzrv?!$ejQ zZ;v8duqTs20;Dwy!im|Ez*^qEP`x%05e7$T;e=k59P+uCfp|g*20(48D{;1jrwSTL zBGDYR?Ck#2xTSVs4zzln)uDvd_KTc+W~osx{6Z6hNpRZfuu#Bua=FL^w~iRTWSTpd zPcLvd+Y`YIfA=+uNjdT*&EmqjRkj=TM}TE5IhJk_?ghucKeqsL~z5L?ju{7L=srx$J1i=0|f8UtA5W3gpdAyM1*g=JX3EftL@!a z?S5Joq#l*j!8+*aYt&R>JGArI`E08BJTgzK+fvNRXV->d`EU{eFA28ZA~ z$+x%lh`d@xKm%HrPjjU#4qHps*EfMLJYK$6WUcp6)FcyC5+QKp z+g7$^BzRpSYX$<`7ERfo&pOP0&f@`KNpul-4aUCggCk+vu6*k zJ#>aGs>NK=dkYa5jRFO8N!v)c3D8UhKqK=THyrS-SEgaidh#Pzx;{eW!hmWmu;VCr z845y&&g|Kb^o7xe5nM`vF@{!^Eiiz-n zxIm2*np(p&Z`ck{`Ec}VeT6mu+LCl015$`)d+J&Qv7b<$1RXrz7(2>;TGhrA|2g~; zlqo_toA@DVP+Wjc3BVuxqo{1RX0qp422=x&gS7SrmC;NLUFSR>+z(1cq38V2h$EJ&Fw!FWBXG}qLEHyNGO0m zs)gbT;miUpeH>Os)b2zB_ESmp``p(Blo?RZDfa#tMOBXn5W~ii=4m1H;b~GNCL#%+ z?29|;>5bfbL?A8O#Mx1B0Dcx*)OwjEdddG{JMR){FYr&BuL-_N+OxWB)T)@Xr`b#3 zSuZwnV+EqAA>)lb~XKXPs|%RhtOhmgks+cL?=;LI;faxx$+)jvpSj^k94 z0MQPdkBbUM?{&bf;0#P#%Le>#hz&Swz;pe?`{%)~#E3QlSrH}zyMGu&jb*m03DtFU z=s#xuZ~t*L9*9xuJ$or{Go;;x7Fq2FPO{WU5BxumMU_{fOwuN9XUjwy28ssw2ux_p z@;XI|PGx2EzV z6#d%QU=WJFIiz6h5&=VUOq>&FpOen;dRcbGWi-3}M%NfmIJ;Zs#Np?M!n=9A28gpl z$bSh7RvxI5EaiW48818B0hN zLZ>PKJ6qPj$juP|LxltSA{OA|SZVLnFHk~5mYVN7LgWL5#}Lq31(f~fsnDw)w9M_l zokY-Sz&3I2I)SF;`D1vYtfhjJ%ES!X1ok0;9>u?kvZ*wO=Xx{M2x>hlEd1@x0jEn1 z4AHU|#NHkmhacSq$JWXtIGP*a=yiN4aXxAaK|p)=ztDc>_AfK+Ulog zh=OrUL_idIJ?!LG!2tw>KLTtIoLGRf-ab^W23#c^-9k_fx;6~V@X6%E=S%;dUuwtm z*gOZgV9Sye1bn-wS_OpT@d>|B;Q{!IMj)qYp9S^hQC>x!o_MxTPcY}3^z#oGQq8ow z-GFS>ZwxAilX8csOw-&F!H5*@2Vd7>C92i_x2FYpXZ{O1Blu^k9eRjvQbgRMh(RUd zi#zB|YXEnN#8RchAY#7CDcTLGj0U~F14eqRo*fzSlJQ{Z7TP zmh|>xv_MHCd(zbMWk#=&CXNda88xbqjd znbW$0353Gw)lZ$2i`E$*_ka(BdFRsgeB=`8BsJ*^nM3AJ0HCx#yoK_7bGVKOzxvT@ z20O~W#!#yEtc2r0vvxyDwY$=78pX6i5t+~dRkVe6ta+y&hC6h{$G}P6V&C?~=KDIl zK~X~Byg}3AP{@S4Byx^)z54bdr-(m((D~Fq(|Y;8yf@64Lltd8BkvVJbC%wM+Krez z1~NO;Wr1oxus7{!>KVYQp;W`ijL$t}Hj=u^moAhsHfcwd_Q^MYdy6J zOnSs>rB@Ru1$4l2=En{((s@Ue@djxBV#JfWm14s?GWEh#XBHu|F5y+vyQwEd0r|`9 zQJ{}qT*g2=5jLjF(-)1eX;bb)2}65TQ5Kk>a7~A~QE7a^UkVJ65B)gQy5D*K z7^xsI^@O1q9U29YqDYMh*)Q;}*pqbk_52ES0J}l^eX3Go^S;FC6o}*xelVw;FMu+G zVCdrD5iI?n6(uwqxFbG?%uS@MNDD}U|Ev*N*66QV#11&@mn(xu6ULvFbT|^4XGKMD zu#JoZ>bVopRf6`V+@iK)i|ZvyX0y`!KF}4H1FN@I8@L)Hzy}5Q^0n{40moj=@47qo z={jvkWzsM@H#m}!0{II9tRI8mHHHTy=g6|JM`9OWm}rnUHPwL^h2w!4T7TgQc|JnP zlv3``4zFo_As|Ki1(eux{-CMSL~)UzPBwS%MV${7@VM}9pQ`Bm`SsZWhZRx`p>p!- zubluT7Yp}LOLLapeEu0l9Wgf_1M@ndp4Zp#9WGB`q7kzeeO-h~Qe0TXRt!F^7(Nfu z=-eoT{Ag31Wn={^FrZ|X;0ra`S59aniA>-Dp=*HeRD8ovq)bhpPn2fAG>=E~$x)zR z1{`Agy+PqK=e%_K(*0zPp*wSpuEn{?qhin1Z~`3y63Y(W7JUGTjyrOM_vH2mfX6V2 z7kLm1#zR?}Tcoou)fY2wkA_nG$D5-CjCG;<@ev7nL7>o-gsjTRFK((8ioBGkYP!3h zk^F`Iv(2ak5_gsyoew;8#d&<)PensU&;f|<9Vk3Rj0szp)ep`1?ndXpKPooL!u80M zs*0+&Gdd`y*TE=%KLwHe?xY}QW8NrH6|=;{bI1}h4>e<7GAP2}*HCs&@NT`!<#OVb zA97_e%)xnSYcn-uZqW}YUGxIj)u@){h!0-akItos;Z;(G1>=F2qyKCkCi|a50ZI^> zWi7O~&pzk5>!R~2opTrRWQ?P_3WnGx%6qs9>5+UQ_rB}YZiWO?_UxahGWXnc#W1h2 zG%UcB!bo%2I)sqlg%RdtE)4F4YNkqsiT!}Tui~2&d+p*WUJ$>Bcl;z`5XM2eBS*}f zH1vhzvBV~UzZS+D@qT^DqSHydZJkblrO36_C9hCcuP5g*!>J{o^1oq`rX2i@$iT>+o@HI60-C?l+Q_X4H=>3KKmx3 zl-8OF=Kvqcd*sX-8LYRA}G_pA5PK1mEQJ>%|^UN+? z!vOM0L9i{9Ldx)N_#X(;r)v|jci+ol)%d+8;Z=qiQHyUXoJq&;(bIF@@0AoGF=-}M z!>E$IAjXEj{?h-_BxU~ftvz_Z2I*6)C_Ax=8nvMUH?O|j-T%oIVqIB(5J!vnxr{BI z_J#<+Nc=DY;2YXIY5$z=zuLgT?cSRiVZa|K%wRvZH7i!N_GBQMOJEB_&;kjp}#I*NAJVjaHZQ|0)@MQ0jSsb zm2^U9Kv})7!6+MLNk%)k^H(=-B*=P=;k(!aPBfJ7e!8v55@`YGn8 z+5&~%47iScpshT^$DzHG7L*51Ahkr^N#lco`cg>l?M7P_vOyGlj#CRoY##bE3Dbzw ziF$&e50wmnW;y&!((VQ#kHQL@nFXN6iyhQMR6I2tilkvemsZ|eKtr%iV4X^kZ7x|W zSNEl{3k$%(h<~FY6a5!| zJ{^`SX)~>CPqQTLN{cY2Rr&_~2ZtPiMMqYQ+IGR>3wjo@$_)hgzr~WLLT}=`C;|td zl{Rx&AKiKa&-z$9R(Yn~o!SCzMi8{}{`%CKl3$Zx0|CdkV^c)#e<$q-jRKr!$hg;f z&3}SyO^Fy(-*+JNGNRC;*P(H`1a#@oK-;Z+QwO%0GSKVa%oW4sQekL@3f1eIM$nn- zaf@}DCO>8G6(>~h21lfcRHhXF8aq@1AUg=-WFRZ6SGQ^)h4&G;0O*iopZwNj$chCw zcjOS8`ymUXio;6?WZ+KgA35lYa3=xS5~c>Qln~O;0ekfGx*s_}vVETBZUgOIx@U2lBU-DW77pEF|>+do@r{RWg1=5l~HUwA}xWE)Q+_7v6d z!TWI1k%8z4{_d62cQe&kNDmO3HZPHoGUnu!=~nj(vSE-077Kzz;~D?V9Jl0(GO+3s8eW8bwVzgL`*re)^SO6su+jare`pZuA9TL(0J? z>SYIyT$((Cx8BINKLEyR!m$Z1s+Y4&P5=3zVE%sZ{JI+yM#h^0Z%IvrhEGKV!q+Rk z*R<+wPf?m^JZ zdgu$;yb`orf4tNfRduXb-!>ZYnnNutz!?zINi$GkL;i=w!bAvJMslMxM3bY*=Hp$+ z*V5d=v?>s_6`x2`D-Fr;Mx>^-_@yhKvRPmQ$GaYkerJv80wXk?T_WjxE4!A-D}z5H zM<;!$MykxmVn|Ff51e7@~W7ShA5KY&L4en#8W2S zW0$V>MWb5q4O7*YocRLBHlciQ3;Y650U(L6{NjAY{^p~}_6J%7xYq&;KOiTamuLkl zJ!A!X&Bdp5OwIb4GRe!X8YGe;u`d>zfDUL_aS0%EUVifjfOw$XRVaR{VUr!oQM{T= z@)y*s9inflYCI!(0}~m$!6hJIO0WEHsH5dlfPHjp_RYhRVcbEfqO!ODsx&Guf`WS~ zmH$(^GQ`H-W1uoy+e=t1oCgHt=* zVh~9TxsZ7=`|SgTp;g3r?Dgzm+z07D>uJ&t_S?eeve2Fp43Mq7et`n=TjuDtAS|ap z9BM_`=mR?dVB-5G1brN4xrNR9cvGB}Y94QbbA*Zzn*c_k5jr?6kVW$!I0x?+0be19 z7~m_Au;{W3um;rlV*-8o zeJjXDPUjoSv~BmVY=XU%`rrkTQ;0MJHH*Z@{%n!RSh^QO2+pNK8=@NGYg;n;7(O{$2%x^u#iX$aTY; zP6&J;-ViaNE zQ_e%EZ4yFP5rU8ka{>S_I7t6NW#|O*`TN_h!s|{B6_R#nlfbI!2F?ROZ3OXTKf0-p zkv#@{A>9xPT-yXyQfe0XTtwE8gJ!1e1&aj#qbvi8c3i3r0e8XkG&~c9x-=^X?|+kK zL?{ta!}#4q7{w(7bDg2lDU`*jMid=L$-jtTx;~skkEr21?;|=GbrK2yA%!5} zO(9XE2B`hui;qq;<=bcO&c$$cTsl7Dj*N(qfW#lRLrScDk0wP~JCp&_Azr-z=EyKq z3x-%QR2sJEqVyG!Q%K?|0K6Xza8(k<3%12Vm~aIV$!nGwuM-{skZd`WUEb%7$kp?9 zHB-PV9Yj-A0pOfq@F`-FnH##(PB(&%!FE#or{WV6gu%FDDL_Q0N@YSWX}yefc`oTK0f%FQgt5_VuB}`M zCXu1iCP8atC@&;wMB`6&o;>J~F24FoG$Z|FI&xNkXHeeC@%T|VIqohj0i?H*}Ebp0CRkPqPW==wz% z31iytRo%a$J>P%i$kK_Dtg#n8NbvOCS*}lhe8+2- zXjNEgTRQPS71gM!BwTON87FqhaUG8`QdyfSwK>%AOXMia2+7y)Ixi&FP@i_;&o_v4 z6DwBmEw|3p_$r!UgQ^$ixk*!Ou3pvcTLu;&e3gfg(rvPil0%mqI)KI@-ZWea2^R>) zCY|Mqu{$S`09i7FHecCmMSqUDOqn>?;)|P)6`fo1UE3%?DEah@-%MonAc?x#k(y@!bn42$t^EW4B^0M68K| zj`}N;dt++X&yLVbyd1yYi}OC z-u3)iH8t}6d{_H7^;`|@Z^2Dc;#~-a9lvnmYsR9aO?I4PNl|NzTXWU>PZIyH8~m>a6*r7m9f6g{lQWNAK82{XzP#G z%RDLTU+0NJq-;oTIdAE&!I2)bN4mNrDq&BGUsf`$QDhv7N~MzX-lZk3lvY^+G)3?z zd-A3WFzpuOO6uK$k`!;)uiytV5R1NhGY{ye(2}G+v5z!ZI)Td@r9nzutv(+N6dURM zLZmWqUzRL+Pp9b=6*w;DD8vE;Bau=>_;9 z&2EzIyD%xAPC{igta`0$&W9Fi+uuzQ)q>Y<(C`@G-Ir8YR1+@O!uk-1Bzdmef`l&TT*{q0PCpb_a!*tdW z=7O_Mi=`=Gttg08j#<2}T%WiaBRX!a$puBJR=_aB7TM>U^LOg0CA*UH@mj7h5pP-~ z1zUzoDZ9^?G)66Qth;bJ#T8twAIK5B%_WB~^qjcq&Fb+%Gd7cN7~2=*Sk|7 zVn=*d$g#eOhOCzJwJVRQak7vuv6(*W{ilca7)>$SMNE!4_0BBmySKxOw+ut2-`O%| zPK}~>k^E;(t+sRbjC?+zB&U1(+NirX{#yf*Rp8EMvh|LWBwM!ii4Jed%vpM#2KP@+ z905w`JcPIB-raap)Lk028vH$|qqrA~e#7ve%P;EVGDL3?hGcXO{GF5g>Pd(hTO#(K zHf`g6-h0IkUG%Ml>Eb!!;xXj9`$gQ8zxum;H#3?;gr_7V3=f~o=xdfsZb$EGudt7*->f(xHB|0i zt=r&6o=fc37v*v8n7j_PS&Ha~V-8Stdji(hj0kQU(sArvk~mNMKhu%c9Gb=k4&}?6 z3CdJWW$GM(Is$iSGxVG?ko;p7G0FCHFBdpIrEhR{hDJZ*T%1G}IFCxjaW7;l|L1yf zoh;GN=>8$v7lx9b_R&M`% z8DJTss`dWQd`1r-cD@05?aF&VQ{q5ZEI|3AKrjkJTucUF-w3uSAn5<_`RQg2=-N;4 zI@DA=LWLv9wcoVkHe{V1)c{EPvAjVXbIYG`9m-D-g~(`^TiAdsd7(5MsqzOJ(7=qE zBSfGIJrpqV#|gOKUW*0sX&`2~4=S+O7o75f&AC`b$qQh9BYZ@5j&#wWCa~rHsSq|8 zMdxaHC(LLN)cJx&Xfy;;Hls0>1wh{;V7Xj|kckp(oyZKomO?1N_}4_~sPMXdi_Zcpfx+66zP~6VfP;rAsE@%CK$Mm_SHMtUcX$P4*qEQLgEGPwi#S)dt;^KQ9Oeln=P-xU@^&t(ZBPt2nWLJy(09DN_hrp_5Y&nTC`dtY{GviT zL0F=N%B^4$Vc~dIiUbE%gHYsWH-p2J8k{a#zL9g~XkJCdMYG_qFe@9p7ICWVVV_qg ze80Tt&J{DLr(yKgAUM2{R_aO0`d*}jbVP<=dr@_e)*FBUs8O_q6+E#Dz~w6w=zYRy z3G?F?T3xXHhk(8#J5_1>4yfS@s!9!K3<{yceoX*KQB<{&GM=qmVZn!V^dKtZTvqCY zs}-F^6v#Lnlegc?3n`N+CPVCiewnM&mJk~x3IxpndS@-*Yp>C;HI>CLB zf`nQ^FIrU}FG*e-Y(XSxwR8`9dZpiyezyHWfAyDd!XhGwzDI=@yseTX0Uus?&^oHv z8hjP%617) zk0E{NDOZe;HRMt+Zi;qRgItGpM)@`xk&~^coB8)WKo0GwMf@}dbDim4u7reW^e0O3 zj{Qd;Si}wde4*135n<g;^s3?AiRAOF z;4)0)UPK(5f2|^eERl5A^ea_TeMC#y*VmsKMpt!b!5&1gLFSkQb$tU#j-7@vNjL`G z!NJ`qHB_TPn0XhaRbHj1C{N+IY^-&pE^8 zDb1_yh;wXDsH-?%YT1R#;ZGa}k?8Y%L{T6n6A6ItvbKYKPkS<Gc=fz@kl&ZY z9s6ySW35m8ZXG;;OzhiZfjN5*9{X~jX$|Y{O@w9Z`F3joday|2x6+&htYc5PBs!d_ zFsmeIBPPkB&0v=Gd=CqUbtkn!l#JVbM2(bk-QhN}_Y3X8UxJ_PUs$boOsrV_tG_33 za4j3kzt>X@6ax{m^Y6lnS75%#2}TVsj@m?$<6bD?gA~!hyUni7oJunhKcvl47tTFD zqTyP254lCk`o>DhMhImiK^-Sczdea3Ih937UuUbOfWVZ1QS+UXQH zlV@B*t; z2r6a?6|ZW(CB70&Pt7cSPhI07I3~?w;pv$~?@V(Bwe*9rp7AD`bbLv(-2vaP@6I`M ze|`t1%|Z&S!kPkbj*Gdn3}xpSe?dEz55ap4kKse8Ygw1(PH&A%o_&4zz4NfT)8 zqR9FA+nY=>-%M;@&qo&s&P4^Bj=1HH9g!Y0A0)r;-v5-R4e{kW(GI{7sYPm~Oh4r- zVc!+dh?z$;0LDep)MAi{L-1{kXmb@U-+L+IdTDuMhsuN0tTuUfaqO8xw>%E7Wldi; zSdoLv9kRK_aD7wA0nZvY4qqi1N>&tSLw2#V9ByCuC!R;o;EHr}e3X!S=9k_xtw-qM z-N1U;lp~fnQ>Dysz&hJ_Wjp72UV)iH#y1aO4}c-`LjFzw!n{G2SFoWu9)Hp z$Wsa3*iB8uV$@afMRA+bOR{tQArP=?zQ&d7_xGCY&$qt%I%-T!(MsmaF_m-N*5cO~ z@UMD^(l0~%Si~*l)Jp+5gWEt`oFlZ`)Myz)U-5+a76-A3K3&E_*Rq~5(cv#TD!OHK zM=QJc2B>){myWfUJ&j<>Q&hZus(C^!Mpys49JQA9ZdaH_t+Zc|;{LVl`mnIOJ#=dM zJ7D}&so+*TAVThsAPZDp`2G5E$7;Lslb}&2aw*2v-`>^8c$K&WNz=x`w-Sg-t?%?_ z7%*`qOeaEL4|#hewiy~XYdIsuu8DHp&DR%X8QI;=&){3%B(5j?ZWA?&r$Ni+I9&K} zJCE^8bhCS3O#k_I)dfo*=!h^^v^11_xArXGGWc4v9d_$WZ8N?`0sAFQe}TjZH*hWY zAXei2mFNhYjFyOmYPvkdFFpzSe3vO|;Rg9GaONPE6#@y8xCUQ=zs9fhay#!l=p$VNQIyRW-1th(RAKjl_`6)u6{tT5eU z^m=Ke&f25C%I(Uiuib9&jjU^zEA(M-r2=Ng_AIH|-xqDkaL{D+PLH1Y$kH-DJZyGs zO|dJ(@N*0IM5EtvS4c@hqPnvjd+hh8GKsna8$+q`IlHG6LujZ#O>{^ldGW?KM>KX_ z$Klo=3s>`*IsUc41op{hAMjsLJ#dmdDu#Q3`E#Mk$E4feUBKyY{UJmKK>3Dg?Z>26 z-<-17zt`gb%xxwx!~Kt6tK!tY0bFb&vV_3U@$9!i6uw?I2^Nj`KgrCYC9+x&plJ{f zje>I!FFbM{Q~zHxw|TR0c2b~X5KpJe!2_r;vbukNOaS1!MI17PqZ<#=7Sqa(4E$;?-(-}CFf1qk8S`!awowc zhmuqF@P`);UESHT$O7o>k)rBE#|WJ$%&1iKqRatqDl z4RD9}fvktNFErWlXA35s$m^l8q|2en(k{x*<+x z-X4VT52Of@SrmziE`mkit7w=bOabd*h-8b?PlehRq#FKN@ea2YtC5Qv?nS{+awy0p zGf(JQ$n}8$gv|EnHWug(@cL=m%nK!4XrgT4g!jhQ3}!~~Lwu|Mvq{$=9V}YB`AR@F zMATt)N*xHl<=mbJt~fJfu|aHseWqf+R6eyKoo@huiUOD_LScz0AQwbNf@v)VUF4Jb zhf<+W|4HySv4iBa0Gz}d0pe+7y4gESNLYG4{|p{sO2UmHfTDi8cxAx&(TGrdbp`tNA)fSK0!8ru{2yG11pilh z`?o;2{0P_r_?tM1s$8LST92*{{JziW|Kq>3-5AjQ_jOMX%WWTKR%v_>dG*hQPu@Ax z>gcv6Qnml}3z`0JY+--hwHYg8FyPT3OWqn_&m#V)e%58{i+^6pxKBX|`)V&hk(wf- zgtf*Rcy5Zb;ZVqh%oI{she6IW0|sR9{-?zaAkVHh;l$3*5x(XBKQ}(LAkn%E;IRm- z+&2V=$3^*{A7+KyHo!1V;KN2(Djff?v z_LFKt^w_Ey@+?Y&-@FlC%L9Al2I}PDZ^j{nNd{&BtYKg9&j8TLRYs9>@`du!)Ad41 z`?}4|idS1JL)?j(WFbF$>j(x-EbOaZhA$7t_q|Ft-$GR}3-H;lX>TvW35Wuk*H)Qh zaJ@+EM|U_4-cM+}Q3^og+G<8ZKl}0=$|j>8-J_2zEO0)k9(2AmqwEfA<7x`dk(nN% zUgQKfdW;cJlVqCZiJ^RY#=$<;bA?gK+9#~x zcsSkw-bGrPVP@_C)B5S#oIX(R_GTkf`gRR)Lq#{VHn0ovANoqpE^Gn+2V`dMewfT( zL1?Ly$(LmYB4O0X$Pcp^Ndu}|Ho&4Sa~v4Y$QTq`CKv^pX3)Hu3lqmUcv|nopb^^) z3OGLV0kl(7|0LlKiY*>qX2K;=Ep4oItKUatw@)&`L2KA|{|*OecxYp9 zI?)Q2Ke!}{nM9gDk#I>A{>wj?M7>;)MeV+!kQWy4?}DX?M*+g7mi5s*uthKKd>(>) z%V9aNjEZ9E$Gys|*~vF{uc#}xbaw2Zl1*fW>tOjXjkswJ>`pNpGA+Jm_gd`eL|n@e zDv5{7QPAZ_RHzbu00=Xz8f~Dk@|3F9f;?z=Mf{yH=AWTxixnrA;D>ZlGaq;Ab0{;r z00WHG>I>4d`vi$U!g3K!7W>s(mR>0{BLzjfA;5CU`@7i2pDcL7SO>y$2!t(yfd%15 zam93dZt4m9TTfOx#_Sg2KgIR!t3^QI%coL1!HoF#2kOg3`M&jtJ=n6Y%x!+_%Fg?2 z4Ct!xq1eMxGhMEes~#UOKQxiCXIaw7q%Zlnm_b+Zh^#)5_ zBP9u3SxgfGBzQ}mRlup{qtC>;qNG0Yv0qwd+_1Ez@MgXAe&~qbOJN9KI)j}s6dAw? zb+d>seh+-n*qU%VVF4^j%lHBEisY5!iBcfkEah^v^?*h3WtPvfmGBBS?<^ak;weJN zkmWGl)=}Muq+e*2w=I1nCz*wA`fys4PDQ#SWj9O6y*5Wsn%MaY?zj! zT5a^ddoNOg_z5o`jwdUAYG~8Vnz97Wlo;2zyYr{umZNt^E={d=b==!Jw4UI1c!PUo zH*^4^u3QvxnsDN-yOg<}kjjwRP8@pd&z)AXzwfl7e%t>_I)4~^sb{zMx(Vuk`f~Hr z;q|D!N7;BEQO|9kVh4ff%DyG(RvoCFX1Vcv3SbYm&k89E~iNCzB_M;L5 z<}I1cL3IgD-;_O(uBsH(H7=-8L>ko$Z>f$)&Yd3MkvK?gQ;IZ_FeGH5h_7f3GKNzT zadTYI7kaOiREJjydg}G-rmn&9@OQz}s0FL`9q0p(<(FbyhoaLs`DPU$QnBb?+W(eA zZ{hS?xAnOFQ{LN%zdgxonhF(|_L~8k&S%|nlRq4wtlevZE;k!fTftwid(LBNYgY4h`Zm*~pK=h&wX@vv8XB@b9hk2L5g%ROQ# zk#Or?&@kUx=D{gtxbI`;qMe;9JC!)!RNPC(39d(+raPVZj-W0^-d$gQo;pf0(@I{8 zkUYKXpp=Dzm|z{nrhE&1O?iz@gN9uV^-TRt7Iy#Wj)LE>U_@$c>lBQBwpDmGrWmmr z)XX7B(HPLvomR4&$jf1r)Q5YCr5tiE(VOy++ZtSfHX{Gcxrwc7SG8jw*7UUc^C|FL8P;ECg)BV|Z-~@e0NXa(jVB3H2DL4)z*ew7ycD32&U_m)f>X1Vt5x~jjoJ~D zmyR#tLF72N)8%xmrOo?;MD}#%=+jBM&LFPS+1jEP12E60T?`*}vjiYNUfp6x#7=){ z!B9ewu+=7c^hauTtp$wkKpuS+-^GIBsZ#QE<)9;p^q$^$#;U_n3uL42V%M)H31bhb z1($ZFZ{D4|>r}XbZYVQT(4b4{VVyZzN*weO3U~#+vH7m2YG-6VY1y&sNrAJbRgY3u zGx*>e`#l$r@Rnp{jHypeybXpE%-?NnaK}mB^ugb4yAlXpuSmFAO(5biS z4EttYZ(NkJNU>zT;oN&S)fsNAx4`<}h^1g!;>PvHRQ;keL?z5G=8*8_XP+14U}h?U%d|dF z4z7y4L~_XuPfNI>&>^Qj@kwKJT%hRA%OfPX-UdfZTEyM+i?KQ`{9f^=cVCBo!$>^Q z`?=Vi_i@rEg$y&D&t5O?EesPl`O@;~~F=|wAnZ>-Rlj=4Q8 zY(GZ4cfrJTr+GhJW@Yf)o9(;9ni+lTvDj9_b^FU1e7K|Q9r3yjBZC}n?f4^y2Px=O z_$#JfuD{;Tp6%RTwdCc`#7{3quW74oL5+)7|uR7JEE= zE@Ct|P=drOnvTDhlIwPCwy35gm8adU;hxe@K)Ea&SQ)i)nzhagGOrRQ zC$`?M^5LtM%#KTTKQE!A_q^hy{Q@n==uhz zK0fWF`Hgl{YGDMQRO!x)lZ+;L|CXb+T`s{VpkV&(w1J2OW1VqT*j4Ju25cFSc=T!FNUU zYlc^qDD$q3aMxu{x5-Ohy2+$#EUqTZZQ&ah+*4gOOQj8}4>Jpf=!1k=Zt0l9@Z)LU zbX8q*A&@tRgrR>-mTE0^zQ709AO40K^{nc=u%c)z+WxmD)J9cZO3nO%4MKxZrc zcNY3 zJIv{)^I9QQNr5jqu5rys6}~M0J*_qC_hu|cea*^$%-2hOzRtB%HRLkX~fsY#_{vVJ__EzmC^f>uMr<>cI8g__>^x=>L{ga zw^Drwec|MN>ZZH8cG7ki%o6u-ZeOA(4|b9I`spmEeMgncewFKX)JIjX$XZ+5J3Cx3 zE7x*%jP|&vA6Q?$2&412DC5g1_a}m-y@T!R&ztS@r_I}*Fbj$DaVT~=$o^SP;)-LNG38k1UPv0!tF;iMaCKLl@dq}j8mP6h7KHrop&-hf=&hJjJJn|WuYjr4$==QGP z=>8Tg{%i8`vDrT6cK~#P<@JR!Zl=;i3LYd;W4AKW3(%(!$I-nJ$YbG>!F^hjrKA4{P5Y6jl0kjR6CQnINdBtc!p|$q_OnPQX1icivXhn|#VXT~~t93F%1C=eXe#P$1wTE8_%0+(BGi%t3qKnQB(e zHP@j-Y{zfOy{)#_ta4_zbIsP!p?+Y^hN*L~D!t}qspYre3#9T&rz;%BQK?U4?OrC; z_YVJXHiW{;Qi*w5S>4@9C&a1FQQVK_&y6MY6=Xoayj}bQ6GisktC%!i-gT~r>iJFL zUTRf~u?A9dVWyaWyR{7`J&Uq$8Qvd`J#HQl-YJhb-oisvTBL4A|v}QqUie=`mkzH17!NpfRl?D^uTfsN~N^Z$CjT5fry``CsK zKh1>~I?k$5-}Da7DvT$*)G>@QC2J2^VZ^=}Qi$`fqKzC$wK?^e!u=_W-JuIS)M#V7 zZ}F`26r~djEH%kES^U@pbLqt0gJI$aFqf^GbJ6ihu(>cDa^vg%D%v4|x)9e#F6kwA zrmB`M1zUZ5^P_U|&O&!yd}e&g#~}TO;oSO%dJ@ysv1d*j*6GX##dDre%aZgvOTo4! zp4I`>zmTJHwPYMgu4ZlA@?&){+8XLCd)>{r{X2L|)}X+eOorDsp7Rvrj2*NN`SW&( z%&&*^X>*JEw~9iy;or8!pB!{^*?)-UUgy+Z`AwaFTLAVy*2EX^YK;5VVn-Xi^u3A?R%#Zffg$hR0c7~U-Ob4`v|gO~cTXc(ulChxG#3Qn z%S06>V?g$iHt}Q$n3WD$A^q>~W|D%! zBI~D

      KCxrtVi(uuaWxBD4N~IUD@~Elv*U<(BR}?JsAp+h&Zy`0uO6jMiM0*R|WS z5A;pI&b=aB%uu=LEnW57SaEwt8GMOJw5anoc?U#p!8~&OLXMUXJJD1P`RE{g_z`FU zJVeCrCr~rdp^1p?0fXx9;@>ms+kOG^Fjo8DE5Pdd2~99|MOE;1d#;9w7j~wvYqZM& zOP`U&w6Tg7CD`}A0P6Q&6YLu+NOadi53^03h3B`2Ou#KMpchN1nKKT-ID{fkM$r%x z`FhmlD!9Q)Q#B2>jL#E=Nz@P8v;T12Y@4s14~zm`(STt-7$3{np4AEcSP+BeGfhK& zo77DMY3ti4O*(T2UN7j&!4Jay%b&>ZU%SDErs3Cnwg9ob(fJOxgKY#)N!*1U&pa#d zV3`-g3F-|vgSu#|9@7mV{@$kqHHVua2^Q*>AV*Y~M@McxZ!ibmnAv9;Fmve5u z1~^XjtI|xc>I%80~CF653*N-%|J>w#4+T3 z#T^Z~B9bMC^F|-g(==#kY+JUvJFY^oV4l5JfD9uxx4Ws(yWbuVTnD$0q0R?+ts^v4ldmaBB5ye1Y3~}fV zCxA3h=fNB|+hOQyvQ&FlmJb)lmyM_+hM#jY#|O3Evcc-U>X0nCW};jx8vlI%NTr&{ z`!|sdT(xoxoM3Rx4Mw)PWNwHO7qzk@1=`o)+H_@$t-Y@e1)$Nkz9hL%F#kqL-o`{s z96CYEvuz0 zVji6c^>{OQW|z;;9ZA{7=C2j3q#5e8dIh9mSAJT&Ze-)!wz{C&(NkYqN~%L zJ^N?_VN=-mv;S-gTUCs+IOubJQRLfOBJy?Q5xb<31(Cap;WZ{~=cn166q$oCYL1lq z7p5TC660gY;k9ZN&Gw^5JHmGTjdq0L&$KkXdUpD@Df^k=7-i}Df_KMui?kpOzTDyr zaHFS2;U(+5GK;o;vw8sw-?L8BI27#PG9mJIaR!3TDaZHCQYO$EKY~=JsMkHD2OU;N zqHRq-OTO7Y;&(WhcaSYjQ=FvVs~!M%m$R*$R~S$Xz4d{|Jw0eMgxNig4<7%J{s{kl!HIyoY-5ivvY z$vX~dml3{ah8jZ*Gh-j;5;v4nqjMd#5lQ!BlP@yTIeufe=;z2ORX1H?tzHPR5UzN{-T)DG~cG+b#^CEhOD zc&4>y7{kT0m=zGBEwidN9S1Es+*>nPyEb4BEOhnQ0)Hr%PN}5BN&nEUkP%IgROj%C zSFAozt4TmT{%O;Qc|p{j`|+g69=Uig#D*HCFAhWeJ~iU{?sYfslF84&uLZyT$rCoH zz_!k7Xj2CAG$&DBAtt5*X%*?miVmF!Se!vBO!}mk=aM5i9&&616VFc4UOr*)v})cQ z1`k}o_#+?7REgLw`#rRHw^Kh}kHTkBAxi)n3! zMP$|eusW}3X$ELgO4%)QIVsHan}M1*4U*TeFw84lT1I`s6t85)Zi z6hCKpFF=KfxcCIexe>JQ__F-{62&majj%eYBOa*rCIb?W8St~RX|@VGTO%E`+JaVt z)Rk~s4+YQDebPgQ**_=-);Ne#;hP$*p;J;EC)K{2yl!2bRPN+i->UCt`2zdK4&lGO zP2-_si;udWH$C=igIw#i;g?`!DpB_}?+4?{Sk4Vx@&JtX)UFkWO>=;`bb{3$rc4ZefHUbUF#3wI=Txp+%!isDZ<)FP#WHw`CkZvcnsrY)hQx@(*-Se>o`vtpF+vZX)ExvN^2aVsz_d!?^UaI-X zZHWL6*pzn*ZkI$4yEbW^B=zTm6g}Xvbc@omHa+eKWZ#&WtW~&LiAGtV0U9bD(AvIT z8v!fO(NAzVgx_vugMdm>_uuLwbvg%OCrH=>+P}W5NDq~v*&G`*?$h{W>jcW)D2-&J zt}Ghm{V4wJVoJ`A@QOw6?h4{IQT<|}ZV?X6`%g$qg!XUz<4I9TW3+(!%HShBQ3LMw zNQhN>-$~EiEHGYpN0g+iQDX^vPGD6sOm!Xt5B58yM@PXr^d#~x+V*=uEoVpEU-^gG zYJTqyW4oRargt`D290K*=zIFOH~Hx+H)+<_keOWz(kKRW)cUttgqnTTqi?M2>=K1G zvt=oV;HFF_)8~B4LUUn1)K#XkyU26fYtC6+aNW}4{ptsZ7_hZ#4dVXi*jXfJM~M$C zVrhbr1PiRew%c_VQ}Fzk(7yVikNg?w@>Kt^#48*1mkh<>_aWT@w!znWO%palZUg(k={xFW0uRfW-? zj#9jCRb?$+GfC+ef{j<^2v)%^ix;4cD@=^dfdrv6S=m8Pzw>))*y!8+s!_;FPZ;ui zS715k69=(vpNfqWtI=qc?<}RBlNIgRrfkjDZAX>P} zR?_fV@yjJgZOjc;WQzc*Ht%03k6JLQdpYdWPCNn*E(lTUz)GA93L9>%~bH_=n{7RQ5B&28IW6vo*Ay@N&%34S;qU6I)^O3R>f^tj0FeeQ_L4PGrU z#u+r{H@-4@6Fh!6t$)DR~cI3InSORvkCc)YdZOd4|5E zXVer$H6Ew+-apZczPX2;_Emrlfot-JG4<+Fn=tg-7mCoZBr43W)b@o`T#hjYjX#Kv zK$}ttzept?qBTfWXq@PZ;e8#noq#o6uuiP}jBto47OfLonnAW$fc8q{WD-R{J#Rt0 zqr7*2|MI0h6vrAsfSC=c-3@T1s0>Sz!05ABck**%mLn@pGNT30qKgDFOdx5@a-n#0(Uwy-yCX% zD(3|xfJZ7zqnbJ~y8`6q3GHfjw<7xsIc z3>6qmmHeSKRz=0xe<`)JIyu7F1`q$U&)FDm!T!H!!Gq7c^VYdJ;4r;6dt<%&xvPcm zu@U8I&b>h>9Vv?_K)E0M(%>ul^`Ka^!i2~*_Iy+>j($RpiL3lI@HP+zT|%7i z2-I^PX*%(IL@)X+TI0^}GB4&Ot%!g;UO&>X)V~xGA1Arh882&wa;gym%o+$GD#;?$ zkALu0;b9Q$%LCa$eROBV7e3(UzRk?ml8`DbZi8E}c!!uHYcxee_G;#OeM}fs^N=22B-QTN0txl)l4{{ZE~=BUE?I{N+QckB8kjZ<>DIJsjs5EE3Y5AAT5$H zrN%+fH9RSy5o4?1V<*@>^J?zY-2U=y;o#ec zVTQVK1LyLCm*etb!pq$}Zc{J7 z&tL4MO_9OHPjaob{VYCR5`4rvuTw#1GV(UmnTsNVhM93iW@zxkFq6adBKr;QZ=1G2 ziFk$j{uJP|RCBzl$CG>hl)p{vQ%6V?mHRBvuJ<0>Aa@#;m*=;grIDr^Bz=JLXzv1n zCArEx+I=RE3J+#Yx``K~8=wx)d3mL#=ZEbqygCa7Z)nMUy00?4wyr<#D?k%v1@o|{ zyTb3uJ9E2$(>*QgKBDg4T2w<*nRm$`9&|dC6K$H`1ZkH;oM$lyB9HRZ6NlB!cSoEs zpC}eQDBxLjDB|?ofkO8^_Rf&leF)6G$V90rOS^npE&qJWxA}gkHPH4hBHG@Sv+x;h z3t1XNv$?tZ7mz&N@qChm-8)WF5x;9krhp`2#7o+r4o9Z&uwUU~SKv{{s%(voDjOgS z{?Ha0r`D0M=+it0?moGPtGN%YR5tkxODvk|H7|u~pfTPmz2`nGdSSFCS-eX5K}A7o&$-+mD+pvg92A?v53zm1YCFNlwvz6J49wqal|3LnT3O$ zM;@8k!3Qq5mRL_5-`>pX`7c%ZZx-k~ClQwp9M5OtuWsWl{@OkAvRrK6sxlPwoxb|( zd*Ar=i%@dHJUsQ6-;nH{Z|Ca8xoN)AFx~iaRPN;KJIq1XnP?LX*yQBHxNogszg-PH zeVM41 ziuxlp3CTH)VM5OeJmqcy-_o`W^^U}!i`0I8ftQHP^wL9y`4FFy_uRNr5PmtBESDKaUF~p+1CK66#{(z<^}4MGB9lo3iHabHxI7CP8m!RJIRCnI~RykN>eV% z)&JTpAPBveUT^~#1^Yltm2_23tPsTB-n!5$Wo77!4%ZaqlmRDW>jL%V-i|UyJ3gI? zy?ln>{sL`kW6|r2Qr$QxS)Mm&l5|!4zEwV^E0b-RFuy+w>nm(Qm1_lLdQw4U5sa=7 zoT2*3G#{vFAJ~KdYOfBz*xzWFFb-P_jK&f%`9`KgRX$o%+s_MwGdA2ryM44+NdEFm zV<&mx-A|{PBojH^le~v77;4~RV19Z)9^HtA-+DDQz$`9J?R_HU#hX*DD=AhgExum@fK?mu4pMu7H_*i?3gb~(P|c({A& z#Oa36E7jW{%p72LWfOWyGo^6NB3e?$KrH4t!^XxNS)?SdZ&b69ytpj%QDqlSI-ECC zIRld^;X`XWTocePs#kTWL_105Ot_zIr6;B7NNo@=dqyfI9}RN!1hc9e|FY&W?&J_+ z2a+iYzBW;(2@exQ%NTTD?hF&^z)SkUn0{-r9DFNKN#Qe_kmem(N&HU>+QOmgI*5lY zeikqelR?PQdl@clpG&Il)^+%dU?<~`Sllaaf+mkem~+o`w^hd%_8p9~|r` zFw@?2fTAe#_M5+XOVh-?s7{f4_?)^@m3r0*F3S?cp>`mW^kBUk+yF3%T!evj(xh{?r;LGu>5&Be|L0@T+-4XanqKhUE zA+Q!KeS>qCb&0<(?wSaB4K+Ae&tCgnnrofdLN_JH=pK)1?W;uw&iYDl{pIQFW4yt@Wu9{CXuj za`mP7uX5MLPkWAHSGcda!A`3iN5E+p!lgB$C%b7Qlps9Tbj$W&=#6Z_LPDq)qaG5M7m zknZ~%_Nh5v$l~|`tvGwu32c2B&n!$>nD0Mh?e7TwBN?6@Yfyq0!Jr8-)d9Q}RQViN zjm@NV!``P~cO#pH4%#Y4w}p5gGCcci5h6{n!p4aILv9 z#xCOS%naarazQ2g{DO@?` zP7pJ01_+6QiQ})u@udB6J2yY=YT`!a$#kRk^iWP?>81MiOihBj(u6i?CA7NQd5l_X zdI4fk`LBq;qQLy0Es?25PRiT(wt5f>E%d_8X29Pf7l#^(DKeUFvSn&$L?ffPz=VLa zJ$&Mnkgai5HgDt*;9)Vn7~lKzN=mok=W2jjZn`K@I{e|l8b~|eA2y_5Y)!5IerlY; zllk&829(#dsdNy&qHf@Q%)rAZ^TC(bwo$Hp(k=6Vf-knENa0D3Qk*FvIhs4YS6i;X zr8GAn+LPsRO6@hBuLVYJ%qSWc-2doW_$m2YKq^Pxo!s41z`Gbw7SjqQUOjDcK%E<- zaoud+vNKscJd<+LrpMM%poOMV_fX3#e8Eg5;dj<#?fFL)Gd8$$`by-Y6wyo1vqqn{ zEbSADS>ZQoY25oe+x?xW*RHEi8`_?x!oCJ%L+45IFBksxETcPlq+}<}feLtk@AM%&?ROQtlfC2f0q{KN;BuVGgQWXj@1&*Ka0#3J=KY0?qrV_(X<5cZ^ zYN$4tbt;%m(`ZfHDskhZ3PGtX8}h%|l$cd;inLWKWC`@K^YF0;c2c2Tit9D27aI_Z zN10VJjh8~cyf}Dbnks(4g@TqlyOPzF+l~O|dDiMVE+RiGqC`L?&?$3qG_-ns*L zTIQs&*1?mh?oFk7k%Bh4m47d5z|XfoxWQ`&-}8AVE7ohK-fc3!lEI}BCqZFX$5~zY zus*D-!Z@t@?k<&rbEG;-mkihnZqW`Z15W~9gy^TtTLBkvG~z{;BbQshe^decXDOA^ z#}+C%y5cH{cTbU5U=E=N1Fym;+al{z)tx(4Bulv;6LEduiY4d%-Xn+4pHMpU8RNs> z$ICj->HOWg;9)&2LImBeW*@~l@&>b&FGLC3TYe)ihubrattlviedXt9e`Az6yzDhq zmfdCqT>UK800S4;1A*Ic4gTmV<1oRQeuJu$&*C?-TXPOmNJlB~Ud;7OgXY*(vp5N# z^w)rt?mxMK?_CQpd*=KHV$G=*m_~*R*=4d`hmXoGzd#&4Gpv4}xO2Duui@64CCJ`| z&`Ip7j}T}{6ef9ER{0x-NKb)3 zu^(w|x{AKdAi$D=$+v{OvAnwbY5LG_tXG9IA@JHEx!+!`j2d-#1a?5ebfFe{wA*QT z*xwFq@ZuJRs?}f4g86(uEsxRg_tlvx@YfOVD7L|dh&^$^J^{rAV5)Q2ou|~CqEG;N z*wzJ>24c1Yq?gs#5OzBlij79Ab~HB@M<#mUm)>H4kew(SZ5mk&;)_`6k4FswM`S{z zY%f9-@nb-V!oQ!EnKeY)w~^ssOWTC~G7ZDN?;A9gRuEPd@i&XZLSkjP_wK25=w=4>Y-h?v8f(|m0F9Yae3E}-E7DEyRR%0@dS*)KxudT1lxdl?-i04VBL1yLj z@%+z;GMe?baS(X`{*aKQ+{D)#cjf9U`{O28?j7r`!@UYOwP76qu4C%fqk$J7#a_^R*|cNH#=mwMCjHDEnV;5u+~ zdyWYA|MO*KKxx}*Rr#Ko%Kt2ZC-v9-cVMJ`O@;f2%A3EXjd!_Iv0@5=5B$=tw33>- zzxn#1?-9Rj1{5ZSgI00#k2xtOk4Ko-n_5@ES>QqR;JC}4EkHk$y z$b|FOqhsyfD1Mk6-t?;v0TJT2zGH>hzj$*kNoGOQLJD#|)D)tB;2>DL+W?Uh?3|&4 zO;v0P+)EpUGatB)jpnzARbs!C4gkuz{dOuz0sCI<`j9kxD~M)y09!o?;3?a>xm*bI zaX1#0%!o~B2bHytk2XYNmwq5e*X@)Hw#HVBk=Cyrfp<3P)V7`I0f1d?x-?p^^|kNI zMD-p(80zpNx3)IT>|oRGU-_59%4@ozWGM^o1RUi0=eZ!pI1>z!S65)&ZZC`*PyaU* znxy#&T~$q3Rnr5mX*x<7fb;F(IKFrO7D^=!Z%TAorYd)JH_CKg=@-dr9QME#Gscd0 z*Y?7PLz+K;&3d<;>fhpioNOK%|{)3^z@X^3p}GG0bJiSAsxlBttK*iJ`SQH z;7q>eiS!LkbRPH&C(9UKIY1>QW1|2LmoQw8km*gLAq+UM=0H%t8T$uO^mpT(9m#oV zWfJ<+f?S2{W~UKi-$aW#Ghu5PuK&gLcvC2q{L;Xrrh7yX zvr;Xyqog;@Kz>!?l6<*~b2u^Gs4Z3PFg`Y`jTdlJ+FwO5R+_H20bsxeP;2%^|4o9R z?ew^>@Zznh2<3|}5<}h!+N3&{ccT)`4hWjgEn2N)@oT=YbHNTa1FI+D`kG$#6(U^` z)$EF}8yRKp#@Oz4BlBk zIZRfGcCxcgK%UZ7S;Pf?ktP&*y$~tyM;3pn`;->sW)lTE4x#WTm%I8M;e}RTdFAek z%FbCB0?p$)f@%Hqq$P&(E#&SS`c+xS{mfi<%vmx{p+y)%Cn!A3&EGxo7X9 zlU$S??$+BR&bZubBddLR)*+ddDt1inWkJO(h{y~GaUy+?;WfUzzBp58lMb#-VHBG! zSO}3dCc}izz%f&>ex8bGwP#k%ekU~eieVbt%S|fI6A^HJ{CLT${D6gBPH{R_T5qyLO*5sFV86LO?8f3EnP(;ygYt5`&wpPlR1j_1ew& z+zIgGPW{o_UsApSU61rP2%y`by1XMy6)YW04uqtNa65l`x@!-Ydr)QC^u2kdk*ns( zVR%WU!(h#jp!Cwc(jOZ9vXltM8}W?=>7 z0Zrb@n;Xsp0`3{Nxz_lU;?N zW$aFjyv4gNAsS^+NJvSFnuI|}x~$5s$&U-lf9-=a#q?hwmTaFk>9zW{1ogj2wKG1a zMf;gzIrCAqQvwsc#|K`S6N#ghY2I`30LYUef z$TA!q$?)EtOVJgwoi?X;S&wl9-?Sb`T60>k(j0ax{A?tUk&ryKzK-`n%ag3Zc*Y!P zFB>5K>`kNI+#}B~E%r%wT#UT0R^bhl(v}5fX!7 zZwb_qb((U9B~+L;@O*6mWV|=259dp=LZqb+pftdV#2$2($WC6mPgw%?03ih<(bGb@ zpAXo6qVh%bY1HaMF>fc1u zp2B8WFxFDCcBGe>t@GT@j2J&82JKo+08qg1DCWJhT1TuNqNg0FNr3Yt*8MFV_F!ye z8{z2E0qB`Y8!(1Pd8=%CSl#&+@qdMc9WOVaZy2hcqwAJ$H{SG73Fr-~b0wg3X>n=J zfrr`C;6=4p=E3T87j6zVUyS6FT(#WJMaP`3Yyya%E=3UoARGW?oEfw^0Eq&_C2zYp z1HSV;U~G?#%g=k<2^`5R&bUigKpD$=t1(JM6MERjXtPWef?eHfq==UL-{`X6u$If! z>>=EtoJeZca{)CF{EUf`XYD^@zuZkbA{)-jI+Umb+%$+7jez=p z4WkQw5#=)of7-K#A|geZrk(k7af+q=){l+8_Ho4-jbdv`F|Z9dJO@eU1D;iA0|%!U_c+tQ`X9nAu4$WaoAg(__6aBPH9SMqs)rQ{V3FDt2%+e^zWl_tG?|984ID3D;BgeWC z0hsgYsar-JjVIuZiqvN$8i{soQ*L3r(@^)?f=oFM+m)LT&Vvok$I|YRW}%9Af;BUI z+l&?Vw)R%6!9u(HI_NZe&c8f8NXutBo&Nyv{!wyN%)nE(PUTmwd@5)fXEV!uP77d_ z?G~!_vUsj2UDgJDBksPq^7{6|b1NQfdyk%$ZsZfC+XkX~(W@N`1_OLV$TgEN=0H|p zzx1#q%X0#8`ad?7N_LZy6|T+@N)T13k6gcAL%7t9DR_DEv(djyG&ExlG5DmHI|*Lz#TH-E2=6&=@tV_OLM27+AY^b9Vcf zAEmt20Y=$YERsn!3bN@e=(fz!%DJ-}izre;S}PWU*SZ(>eGF4wR_!<0K2lUWN2)XL zRhXb1bkh&m!TfmlRC{R&@Wk2X$yU^ACP!~aR**Fz`qxd0^j7_i;8(8c?s*eV%p^zX zMSHq!qTpm>S!h9?-P`>DRt;p{4dt2zM6!yBP*P$!%~EJo>kR`Q)mqh%kxXPBu>Sa) z3=b5u&56J7W^bC6F1QPUz?_RYjWTbAw$*S><$l^Hp}u)x6zIOl;FTUFBpz!yaK%RO zdt6H%f41P^prPft2m!0hHw-_ASq7ViB^qnLHND#!ntC_cN)Z@EN9o#NFbmAfr)1X> zHciTe4$kN6h|z~$L$qj-S<|~`kOeXjrC4l!!69S2M*|FNdajCBLyCfGh@9I)fI3;VOUSqq&$@x3s+62!2`71 z&q+6^wH?$WDQsG-uxEKuPQHPs0OIKBpN?RNd!XUj9R07sUD@o;86>G2j^ax$8&*$9 zNuOse&k#CBzqc(@r(Sw>2#;+~w?HM6>dEU%No`Q>F|1GGS5<11ZfW72io&_{J!k0H z*F8sBTWYJxN@FJvz-8%Dq6=|%3NJxK{5H$Mus+I0!44FA3hONk#QpeRQQB`HC-9^u z#5CZ-^DO3L+`qa&&5B)Pc%CH;I&0LjT6Ip43b6&K^?sxFq?5S918&ov&NE=4HJcpg zYl&*Sd`7r2GpWfwDA8BNUb&V-DS5*)np|c59C~ zkW4n2`m{;cGBpbR$}N>)LMxD~o9w@l&Q7=Re;^_%68Y!9dt>BqYfE4Jzcnqts1=&W z&~ZI@1wy#S9%uvhg7ZlkEBZY^_k9LKH%0^|RNg<7Rw;9^LG0EV&}#k`yQV335SbGc zcUHiS<}IBpMRww|u%BRl6`;t~;&a3*oc>p;j`-Urge1XI;~m0G=!MpR43vRhGSnjb zckI-OdKKiQP`MSB!1kJ6Sn$&ei@B`2R%_t5x(0o*f8f_-TiTc}|KO|S$YMNX{H~^a)F?t& zY5PN%M-=hB`Ph(6*uz-n_)9(uUX$TWZyB+ zd+qCho`p(@tqBr%c5Xql@;Me_Sqb=5^njzqFybMwvWzeu8Wb4<{lj`dOBF8;;^v@5 zHufKQ3S_1;rQS5074Rp3=EJdD&A`Kqe_2*v06;dEw8{m%^$}MW9(*5FDSZ{NBm03k z`IU!t<^XI9?6IKsYJcbt%u@TxbXN;rhH)EKQL`S3sDV3YLWGm>0RhpbobA^7!&MNo zb=sd2ama&~C{=J19&?Z4&lR_TBfyYPCJgYILaYil%P)K@VPoh+YU3*kDU0_}25dR} zpb3oy)5+G9Oo%BsanVOGJhMTipX#ElX_^D#dUuDP7oz zZT1(E0th@ZTgpHR7nBkaeI6XWY^NyD50dcrE0oMisl%hdr))BB@9zsP&7~)t@>oW?EYa#Q{HBsKLbi`Hew}oP zfERjI=)}H}RWeHELb*5zdsauujdIi8;=ZzoH!ant@_>U?0j4va%;G599}sFg*Edre z!fuwuNYfoF_p0>*7HGql9mnZEhV;`>fL!Bg#G5v!w3JFv7_y<*Lg$tcU;vbC3MKPp zwcO7VNzPCe&B9BSV;m=ER4d#42*^8L$}W)dn$Ww$3~Ie6?Y96=mb^>dpFK{L1=lU_ z`UM-r9;wNN@}H^=gkw-&V^>=Vi8pt{X$60kVGWElT?l_W_`S1A^-i7WMr+}`kNj*4 zO|SG=iLpl4KBBJwuuSrRvS@W}LG1^RKB@KPs7u`r7adr?mywZ;N;vzu(CanxmW`?| z_uU=4&OpVG@|00)v_o%dUDqSX%tl7{j8&;g?9c*H4B_&`RWD(&TdX^`WLz;a)hcdi z3!qPFyGSpHT5*02lDP-)dx-`}Ix-wl#;Wla+WDyJnVBoOw8T`727Yk37neGi*%39$ zt2+ZQGS}AGzZi0vc~M-;xET>y>kKE4?S$ zxhPL|_!RnArd;Km_Hl|d!@Be`~ zy4|}nJg8%Z78J!dQJvboFu5kb ztjZiw1p92$RV6A<)~;^Ny{il3`HDt>a2e1gS`|9Y$~Va~kw4|++2G?_2C;Ls^t+bx zIe@YI2$@zXR++j-M9{YAxhP0I$pWHWMAPoPFIv$qzn06ObhcU=Ym_aNu8v=0afm`} z5iMJ6#rZP!X5A;Z=>L=!Dc1*}&dOhk>rZS-7+7>*MJ%%0U|t5$mACC~k-;I90)fvt zyBQOF+y0mtLP0@<9f%+Z%cS4cGbY}me!CsWatK6K%1f8TV9}X+uw$U)@?1>-Lz(0q zF>sd0HE2dM_}o*NErMwmW9#7V!1uXUKfnkGk7x!;;qjb6r5|hinMqQ#%8GpsE39^m z=eUtmck@P0`JNHNh$^lspIwyny?A`pikW=UUXeSdG6t4Lc3DHCa7r7yLkl{RuC2OUzN)FKO%q<%82Om4`d*8KqLbRGTX(Ay?II zm9~B(OOl?%K=GYKzPM*y0mc|3e*F8>Yt`u;alh1=C0-RsS6dGUNOm{M%~k%;Ys0op zO?PBP_ewgvL)^H;ypMEb38r8AjHRILM*{p-(=+eXCR$gHIUU3Y?40oW0#Rq0%({VJ zB9uStJ6`42tn3bC2z3166x6^?c3Ye#jH|v8_x-ABWNBChlMuAfM?s#b@%0LA&I*h! zcNHDiKmOznyGhH-LFTtdXO^JjuP)POE4}NOS?a5I+0hCc%5hXH?^S}8Y?hGvMH1gO zG|t)fY*vBOt2?mQb(tU5Eksf7TNgihjn*WQ$dq9dBj?9_`Phhrh!%%}kz!c;g##-4xC!_>qHeJpm_oUO3dL~*NFO*Sx zpR6mW?QtlNSySHPG&~t$SzzguZX(DomQVS5AagtKId7&)m z>X*o|PW-hsW>PQc%Knk>`0v=Lu)&+9VA}EW^RKlhzo>1((o_}CnS<20OS+P-)`a$a zLbFn=+pDiZERXCJ?6v9nS+plbo(cx>bjvb$TWd4?B^HIqu*mqGWZdx_?8o#Ak7`QFXC5SXRG&PA1~!+`(8A1-zed;<=2UG0|7P{n4n| zp_6hAspc%{fwoN{xk`UwDslHN=bH59o0EU7!g#R4>azmNkj1F>{(0$8uF6Qzf$|#N zWvB`~;anR{s~=zC`c6^!QT%;8enu};If#=Bu5shsV!7RcUO%rN)c@Ewkuie%7Tbrsy(sU8p4dy|BpYMn18vHS_KdFM)urjk5c|1)}>D1p9^><=BZF zZs(xHK@4=j^~*uV{SoIOQ9kk9#b;dsC(kQibBiSM zvDBI}3pPn_C<|z`yfhrZ=wFqtPSEqjy~>cVnRx8PeDj{KLZVXQbWhRye3lNTH5fWf z-2Aqz?{G+@5hORJS+ZH048?i)DwyOnsyrAw)WmHNz}*(cl^Gp(Vnp5NgAhpVu6S~A zw}r0GwIuoV9)U{}@lCW-I4{AGH2KrRm$RMMSv%b+Ejl{UMPXp?KaWZST_ZZFJ>qzZ zklZ(-rR{-QwL!I7n8pv$qS*EMfnf2VB5u#S3<-HOIhW`SCz>{g)t*U?(|7EJg5I&m}%>1h%0`Lq}sDCJ}UMMo5+%Y!K$gjroPmgwyJhMFPZ*Ag8}94PRQ39)jc?TUsA4eS-w zJE8{)*ST_F(+sx{oth+`^fl6qcD*Wa_DJ+@IUroFx_9DFx%ih~KRLP6GEj2%Sagjv}i^ zc7X6ofcz|mWs1L+aJ#Rr?$8563Xf({7v2|yWI`&%;LWO&3C#H{)MyL;Dl0*Jw+7ru zF@S(a57d7tzq`824yMEIeI_|a_`~e~gi;0->$z5n85o|9ILRYxpa?I7A&HtZu#9C} zuL^R?|0pM6wQbi1%G#UomwS;$6qP!Bw$rK|d4>vv_GCE*LAzZK$amyK#R68Ns!5rq z;NIZV@jVM_H>8opjLm|Fc&Rd6cRcL|Z}Ha8O+t}jTWZjDMc6Kq;(u+^z+oRr4fCJE zR7KM!2+@1tqRzz~ue(4S(F2X{anN5FP##6MuPmar09vt@2uRz_(Iep{YAHZBWFE5> zvuV_^Y8{^r3R*SPhA)g1vUA92<}qmcka)IbYX8&pcXqo_lCC#yOI1?#NHcQ3$t@Y$ zFtENb^qVUG);FrI^d5ETc{M-6l*SkmWqi#-{0l24&m4NNHlUX?XOQ&G`-w)J?SK+1 zhE7TesG5pKzJ{nf3Wjp%xJHIVi8w-Wi=nD zk)Ogp-%mgS3Le96pHWwej2fJPg=4q>VS5p$qekw#_^o` zRuA%*`(yfbZ#hB6%52$$2NTwJ&S~B@?4aG8GvDkQAO75|`lSfN&`bUI*pFsA=)U-zuOcNA24} zs7F-?s@*B*j7vQKMnZkkbI^UtCw;{z8)Zze-a_>%%-K2FK`Xcjgn;T=(tklUA?J+R zZ)op!l_R}ck!6Aq@Jw-Rg%KSHRr4BIAti~F<#N>am~T+3dB$`3nCql`My;2!NOiVV z7wGu`Lv4v9clga{bA)MJ#C>$_ien1)T|pG1yR?KGi5wO}`sdB+Y1E zvKbOGKiA%VE zb(0G3tL-JTmSt-A2kb+dCz_;^9!^;X^P4rt?Js<27cM{zA#}iM2Q`@SSdN`g`3#a z8zDTdW)&QB@XOhjMr%8yKdufQ@BC7bBEG{=N0wg-`$Zck_i`N8YY%5`OL;gU7l)w8 zKHE*Ga69M2jcrX1_*sAGTZL|_3&mDs8?l$yr2DUYnH$WP-lUzoMn5R2K6ZWMj@v20 zC$%159DvI(p`a*ZoS)b;0c27MkRh07FBg+#wLzlU1$Uz^(U5%9M85^p`bDtu$)2?t z0A-L_zRN9;V$bCKu%Zby3wi_QrN1S+hSx@Gi1g8(=b);|zYR^zel6JbfK@T=XuR%r z9KD@MheZ}uNW?#jP?vb7czGIF*9VlbHw_t~ z0fNYYloi3{@2Hq}`~lt@-?+v>*<(`T1kJYgV0LX$#|W5C_(XQ~hZEgg;d4dfZ$Msx zux%{HYOG=PipXSg+;pd+z^s(@^fjPccMh13j8diptDsn_;!2X=Q8#{4L7PctZljpO z2MCjHLsAu)VRaut1rYn^r~cHW)ECv?@8k51TaUKuudr{oDk*AjX%<_1d|wmRJOm0f zLAxUY!$;|kEkhkt40|3vYpD!WxXtujydubA0HdwJjNE)#m#hq4ME$~_dwh5VY2$&N zd2g5q-~2$0@QXxiOfjww_++ILdMV~8sBF|sL9~+z8i-Z?@8;kR(k7slr6uweTU%fI z!H15|wnM{8y7hA65I>mlX4F&=GwU+Flc$q=l6j!v!HSKXabVNO{_F|dSYCHoaQ9>i zOyap1<+49Ws*!)_P`HdV_XXK3g|X|635G4LUw#28)@>WfXVM{{QDU1R;!dV&ttHOD z1MRqnS?bk1R-<=8kQ(Y;;r6)tOgvN9Hk&d=8M&YG#d^#03CHEKtwz4)oc#f23SK)U z4==RN>c&q`*up>vA)DJ~d=js9Ls`(q?H`0?d4b6M$-w!*&&XA#uj6LLT(6^jZVE^| zc@iYDN{X4g8u$J%7!Y|!q=n~tNVMq(iPDtA(mU2oh_LlAqp2VKG4FA1a-3?{%{hwY zXZefwQsfhit%-q53e(uKkfv40R_YCMz8;Jamz>h%ylNlS<~nG<3-J8tBxEsobJJXN zN@X2MqfNFpW6q5T{=DoOSD<+M-B8P=Y7i21Nw=h?kX&!f=&%G8Gv=9u|KbcNl1;Ok zlhV_e_-`r4*=l4W%eND&Ts0y(1ThiBvn$UKeA0y)6Q%l6`BC_T^mN;eX!rS`ViZu_ld@ zS}o??Z$U@c5%yN%s-Xy3Z(#II1z9F-nCi0%Hbc^;&3UarwZKiqL$Pw&wI0lu?`<7( z=Fd3hf+b%4decaF^G$B;81BoiQ)?Ut4Mpw_4LS zKZZm_SWD*kP(G1A;T+_vStJ*i%e~tSj`pgv;5LuMsyp4%&B%QGsI#BxHIU%G*QJzW zYt6yZa%h_~bC&UrNc=kOxtLWh(rmH0yme3f;K!w7_Gg#F0?mFpA3x)Gbb~klkEj_z zZ(t90ksR0$<)C5NKAXK$i2+gp+?Kc1wyTQ=MfiXOh?h@4=iy684 z+3yAr?OJh2F2+-IT!nWHscIxt@8oIF)D=K`WI%hRto^=@YrD_AOzIJJ%ERlYv^OUn2kjA$8{^ikZ}i5<-XNxVGsCqt1WCM3 z>Ab%nYCq33@DWirUO^XkDiyqOaG4TJK7|7KR8E}s3b3X?nEc*GfE4RTj`RKv0Kp+{)XR~ zGp@ZmQt~`dom*E*?IykVBXLvVq_dBJM8`GF^fj$vF6Yn+x z$+rd;bG^`F{R*9?%I(=ZQy6X#h2aK+KXE|zBO18Lgkr}O;06r#0YS89gBPX?cHR86 zGl6JU?R&-)xX`{b5vI?keWhI`A)z=kAda^pc}>EQyg3}C=LM)ST=dL|4tmj7O?OIs ziKGt>s1jxH<*yiNj3%P#!un`2B95sBS&d~rUKnK4#ycU)+TYC+__RFd{4$t#MB^H$ zD$OB*IzeF#)<$%>pnGrz#Kh2gwxs)0BO;LyTFz+t(UsH`$mmQ+S(zYm;GH&x795)Y zK{HagtDE4(Rm7!VTL=)cn36@gvjZu}-Z09po}Hlw?YcGK)a6-d2A<;s-5AvIH6}ZP zusUATp7B(btXWuGqlRXLN{~o26J+|PNOS=T(o8^ZsMUxw0Topylm|FJ*DU5!`wr3c zi*%POuG~wwLy7c0+cy_{sGf4{l;c;HK4GDgkS_SK9BpJlFk}||(9FSOr1dPpS|Ph_ zjd`!%X@PH!c~21B&IG+$p9p-=@IDyl0}-Om&IIj4ob3!IP53d8u%*EwHWS|}dCdBH zMlX1QUcy`mA^s6MQ5BqqZ-S^)2e%|AKkLP*++s8h<`OUYkYh7!d=jW6F)2AWtX>&MXao(-~GhzeFxLTy> zC)A$21v5Mt?*6%};&4~n-~V}Kt33%f%sYy5aq>siKt#_o3z}H;T8ged(01g=n1u#n z>oy5=ON1wEM(8fc|9hi<__O~XKi5@F=Kr*6JU*yzYW%(s3@%WNf^hK8g&v_J%I+TM z|6Kk5y)EH;TVV;Vwrj#Q@ZWwz@%=xOF8p8p{r?BH?-@q00XQ)46m~$`KZ9)HRwL)0qt zaHAQbqJS>Wi3Bq*5>&67-;wDHV(~_Xv#RiI4G2q24ukC+nIbv>veXYAgr457v9`lm zzphb|(MTsxWJ4E#c2J<*R|RXm0qPfMx^%ofpJ{slWWejpdb zS7Mv@^5lN^M7+c;lpXt#OS?3l`}FNN&tXI8%5aySt%5bv{QWs4d0pZ@MP%bHCJl_f zhZspSn*>^VKUICjHIX}|-}XLX35L~336FpSNZUz*cGAqsZwOreT*g@mMw#Asu!P5nLhC@Yo+Bs3T-|&Nrk$V6dErv%f!p3eBMUn;4fdf)j zTLFQJ&zu=jZx(O3}-r=2E|QIlY&T;U19 zWrYYaK+w*9lJ+_Q3jPr&0wza>&&3=8PBI>8I+~t%8s=GNg^Z_{T>3VtPt>bk_WJM| zInivV`s=`*)#7P9*xodHIYHvlWAqZSu!Hs7s{$DjhaaCp%57)ZCJi?_Xr_0Gncgn$ ztOXfQJLMyV?%eoxu6bV1dxZ!CrWnfLP;dm+{$N+{#fn=+>rEq0nu7KeZQk@97&T^* zLvRt;r=_Ehuuu=J1-z#VGuy&4uw2^I-EN&_zx~6{h+&ZgPU5AzwNYAHN9(yT#!*l% znD4jdHzEwfv>?~>P^*mFUQZsp?9qj7YWpe5dC1Am`E2^I=Kd#X6DnO~iT6xhOqp(9 zfRj~^*_nggU)upGW1Xi~6m1P)1MYnk7z0-J52)yviI3|1yXuHNDj8eh_w zd|@XNoh|Z6Yvt2MR3SN%5~ye)JOTHgu&^xfK5+u*Bi|XS;ynM?0o?l#Z*yK$BpMmD|z=*-27$iCzm8WrYgXqLr}O3M=?&}M8>Xe88kwG&QWkF|5VyNzHDsM zT3H_f^9`yjFgMSN>n2KE9z3Smqp#;X3NMsZgxf-58Vz@CYzg{WC%K=Rvz(Id1MZLI zyIzJNY2%&j3io0zR4FaQxxi$;Ls+@_9jQodG$*d`i{6Psi6g*6bhqITGO;P zcSzCxP*Ry>U6vqbKS61GDRi|QHQ9xYnh97X@*?QoomKbVx&Ik7QbZ6Pt7Q2LP^WrR zz%7re_!<8XDP@9go(Ww+@UvUFK?X6?jFIW_T5%TbwC^vd&mypJaRjFd;24h(THNjAAgHG7Ayg&AGouTHdcNt%_SyY{q)Hr>L7RV0H?=22VUHR z3Va~&w5*XL|Pusu4auZ61J@OdG$F(YZuH5o->*nJ9DTwsuApJJ(spO z)f;HNwG-XAVDb?%N zIR8b2ew@k8e$=V7k$;kZ=iIxqiRY$v4XSBxsK3fK4zgnB(DS&huKEu$J8xSFt9!;+ zk5w}nQ|tK&aooZF!xq={GY_8QFdQ7yR>5WY^eW&|{P10Y(}&A<6i_2*5xw6Ho#sn4>T*t!b zxv7upWz>aYF8(@Npz~h&$FS0gB(q#!+TyU+&9e@3|DZP>vvDx2>8o;|K<6Y)G8b$6 zWP0yH88KELq=7?XFy=7zPQs^7oQolOeR$&4BpRq)kx`+4liurW`PenGB5Zk@Xp)%v zRDaaA{(ExQO-Yz zn7m&_UsM4Xth!_mJM+e@_sn))7weRbynQ@Ad1$2jux%*}@U=`hjwf?C>Fyh$Hu0Sg z&zwvet>Y4u_FpzXSHi%;vzX20pd0Nc-xyQ|lSJix zPdiUr(#s`c^tagoHf;uXjg{x@SEs$T3Ke-T-qq%CbDK;L5s+2ozn3Q~ILOnY(QzKc_Xi3Sv=pa<@ z%FL4MK9Kx;C|4j+pefDmLW`zt>+~A$%!yOlB^6Z3Z_|2(dh;68#{&y{TI9EV8g0f! zBzNBK$MbXON**q+$>A|x!QGC#@@Nl<{F`uWz|=Y70#0dLGzROvbLzEbLnLXXC@m0c zU&+sE)t{4{N*Hn|Wt})hUKWmq_UTNKC!t?27mtx+lYS6#;ga5@Q{eK)foaQO)_}$= z;?Hlcb)&>qoF8HB4rvmG?O>PvLrn0LvpP4%jncii#ZgrC6;+9R;Rm;>=Culv`LCD| z`7+bNGmTLn&Mv%shh$@zNe(?ZuWhqL85{3ynE$pYFC6DcMSHf$m%rKKB!yprcuQ`FAqCASa=(o zh06mB=3cUua(acP-np3*N^1k?2+N zqJII;|M9?NT!=pRnySLA_wHx7?+KJn?OHHs(WYJM-?N)G_kOgwx<+@)po1=FL)Tth z9%HO(p>B*hh9x#uqJcMEU1kMeXG-v*j`~bcCh|;f9;Yq7)Gsp}tYr@QMa@dJ)Z>l| zcy(~1V5%5jhF$IoGUqOitWk(~U0y-OM#NT)xLL2{(y-4vXZue~<)6c01h#CZe62N# zS&(Gpb2HvCdfNAZloRete25Lsj`%}!)H6q2^^kOIO-#+>&LjPfj63gy%>H&$$8v2? zzpdMluup@#{*%+t;Jv-EE3e0iuYAjb%0rB~pVv5wexf+t|5GdnFWdS-o4IZ3bd@O_ z!S)U`V^g}h=3Owm7Zk~_W?gdTqWtII6V7AVf3d67f8H1VW%fPuX;>A<>8p$EF(hd4 z^u!$Q@D)u`j`_Sp#AjV4r8LdF*>oVXZ{@^{a_2^$=p>d6!Rdiwxce#(_)QrFPwKXC zNTz>HVR`5>FW&hx?WbB>xV~pqIw1+CDu2wKnnhGE?)FHRufsSsY)_~OQli~BYD!qA z%3UENJ1NjcyMrt3rS6Tya60-Nb_*GD7#i$LP=99btpjWHnU&yIm@D<=X$nkQVqqAz zd)&o!0#0nD!U3?F!}W7`q?+lB1}nwj1gry^vS=%64WE)1mv2*DzK%MlE*@l5t{C2# z-ao5T5l>K#?Tk`}JJ>#_Ye7uo{%scAkVUMEjy(C+n@am!WuILH1gf$`@x$`O+{pUzj@N;uB>`&w5@g}&ph zG54u}#Hx??5*TkYw5X0T`b?!5;VqBha0Eron83(cHC({Ln27|3_}pX~K|zf>BXUwJ zMt$M7al_tL4O7}ZyX)^RLY43@ev_27v*`$JWqK?6c# z5)MzF-CR|$C%#uFD=<*8UMsCeaYg!p%5H+$#Za;t?m;15Z0vO@MdQPv<*&8R`yJ1f z{M^LU>$ViqU+UKx6yPN>{o<3ukU$qvTPvb_P&635oJ-4uZ<;G2Q*JqP;VPPhw_1IQ zeafRdmAJo0uES)*+EtFZQD?4#?fdS$p#m1S@o4Zh&NMH`rhXq%YfG`y=soALp6b`{;hA^o9`Oq2&PQA(1zqgn;==jFzGyN}Tdsc*q80P9DpBA~Ej!cTkWORMn3C!7 zNy|uvQkCIEZ`}Pj$$no~u}1VLEcJ0I6J$Lyr)Mk^7x3+OeJ&zwYP4!{5}S~ z_MaK|W*JP!_2FZO8wOHCy3M%*;Y9W4SvXb>dWJAr*MB0r5~mB`X#@sd7rmu6-z#NdfJ!sDZf!cW{kH@)17{!MX1d5BTvdJi!6lw0DQ^o!gbRnJBVibvWhqi zZE?z5GjV^zORmve+KDAz@+Q`K=w=?QAfYY|hYY(Y`_cNB#1L&pnd+58S-#|>r#%2) zA%1Qg*z@0+IFFf!CTh&GF&3JapRSud#B}-+EI5ZBp^wa6G}yo90p6f?zMeMLH~x_0 z4Tr(BbU9%=!zX}8%5}yoFjNy$J(4`~^3gm0T6bHVI!0C`FxxQU!-Llfl1BRnRav|> z{6j8PkZL5b65X=?t+>1`>Lm$HNu&BVNleThS+5T6Zq<)Tk31-TwjwD# zeRfN^Oo>1lQZXA=|YL0pu~<=H-rvRhrh0>|Z}f)$B{AvnoB zd!?W2zZclC#+Uw?Sh!Dv0JD;aB;-RxsTidRz%LE1AqyNAZxgi z(pUy@e2(=E6d2irVSqMr1A3px+$*ITNnU_r&@ z=hJ{s$!L^2+*#U&G|#B}o5#PNS_nghFd5*sARQgXk(oo_7b>T7m#tvpFakc1tQvqI zRk-~-D+;{6B{5vsvbgz*gaK$64%>rZ(uMBz6PvJcKv2nG45AK}Jo^HzRm+$%96>kB z7i5a`Ib?R}W(xH7zvR^Vj##O;dcMTiA>Tp%MKHmE>%UodtAPs`#Te35Db;F|gV0Rw z$~CV87a5wdII;Y6WLURq{|2(;%G^)ZrhmZzf*-jS-1ze1$}Fuu?I$EHoXo%afyt^# zml2wsKDoopi1FCh15Wm700~+(Q4o^t5AEPU*9~!(vCC2-pdL&E!cvLrq_wF~<_3mK z@~fOqXYh@Qhg+c$A%Gf2K+K+hyA2><61ThM+ESn$O@c;&-gql8C!HbU=MauJjHMI$ z>HuB(B7~?{ZL{D{`xl}UL|@WUB5(|!G`MP5>Xti946%Y+L^t{XpL1b~0%o*%y$?%*Vl%T7J;y_EB(@IBWOOCx(^H^f79dyz>r)(4+*xX8BbVj!1agv@O`|y z+wyHeDK#78sc|UdM*0Vl?DMt?qWh0Ge1Lh82mmN&AgrXt)fLnz0Ao0;_TuuQ49Gq} z0|~Fb{9jTP2t@}`&vDV8PorF4R?xozur4K!JfdC- zJk|gxks-U#c1IJd$GM;kbr(WoIHkYT)L9^1*db*IIoG`TF9(V_Z~4f~o?b`jcDFWV zi!hpw?^FitS{5i_p>5a>?2TTqw^_uW+#{5C2c%xbzz6sW<}QH?<+F&0`yptjGt3UU z%(jODGlpYZk#b^pDGXU(lG@LyD? z6igJE&6w2a{LBBwc5=V}+EZvw9j1ERc9p!GXA-wEQ@54E%%o+W8hw2ne6tl9#>I^= z)Z~Mo1lXk9Nf*%JHv8_RfFrwBPN@G5a(;pmzZKy`XKpC5Kf`II+aO9J42hhPhG`Rp zpi*ZRl5uCGfwmO7bOcyFhW!7rOTw_s*2o(mW#9In`|=e+F& z2YBXnbU)>1^)XyB!QY(!Y(x5`Q)bPPdRt)-l;sq&#qOUN%*x1Y-eFNW!Q_x}~qS z^KXMJG(QiFu!o20w}R<;(_g@r;GShs+s=|l$9r}7eBOr32z_PNJ%KoL*Y6w4uD2ri zqeab~?+CG6zZ`0%vb@2|;4`oK3|+HsK_(JL9T(Z}{@YJ>pU0RyC`=L`@mdowS`kWs zHrl5_#hRZ8LqgvMvT0WvtW}w|2f7a9)h%$t0%kyq?l6XgF7cExWPz4`0xtM%N);nA zXT5)kS}VprTGKpxO=51umR&|n`kvnAkS&X!s&0*O;EtGAwt_`@b`!;*r2r=GBalFM z8}+qt#-L5C$g_~`@E{n}W-7?e)gZWAp~YM)+*mqQ305BIwhau6FmTVbJ=o>{0Brt8 z2OFGWb(uN$q}O#fjA)wnM9Gxb9Z^T)BiHR>;R?2uo{_35JJ}+ZXkDm{`AX6L(4b^J zKC0KI?uay@o&b#pK!0w2e@{`w0~vv(6);6v8)WaGeP?KG;+6FvRxXnE2E@p) zBngm&QH#o7i5eNA8y|(}ykmEu(h327H_WE6m9KVv4^wnP6Q1{=%vMA5+Bo@-wcG2I z)k8CQIiYKtMc(hyy#}diTdf-XwBDVVN{i9h*#wHUmT_fwHR&?pA27h8*ieu6@ay24 z%P{&-qpt578^Vs^`h4}Q8oTyvWvuUd&UfM2#r}o^I}>OVj601091d|7`xc9PoYhh% z_tJM@^?CkKfFX`h9Qzu18I1JAiiNU&->c&*3$*%I;_CZm(rD z@w3@1qpCS}+VKSS0}UoZIo(hXxXvPexmPPGbAVcVd8?S_i$-PPerRgv7g~E@VlkYI zjcBZel-_MWhFl>_#ds0ZYKEwOVxT=Y+hN}YTl&mJes(#xgLD2z490MbnRNcZZ!n{e zMBCTgL5)L3Q^&ki-zy*!%`;xKe7s3^4k6U?j1@O3#|RjlRVdf@cCY^)Z?*%6x9B|W zE3$3hgb*kPMtD|VpA0D{Wi|)Z4W`&*q;5%ISaAu&X{_)axksMSYAA;(zf9Of1zi_>eT4`#*G;st1!VWJFN6hbJg(`E?A)LmsgFu1ZyjO1 zpaY+aLNw|OT|rP&I!~m%oZ+oJqRS!O%oyM}*84SP8G`P7QTHs-m=JFIU0ojPh=fLb z)ZqcWZr$VQIN~$U1aifM?CuHvN0yyCjo*k~`%-rHI^W!&LZSepG&zsoW$?7vBejSf zZeGUi>;y4u4PL|V`WzdIP6Jkz?LI9b-)-8`kXt)~Q-0i+Olg$V%f$8E_ZR6edGD^q zXzO=nYs?%B)iQ#+nTHHFQPPrm8}>v-8!tOT{8S6)ecYOqC=GA39F$s^RmQvEzH2Wf zW6@yv60?SR$jKF3HXo>uSFebUbRgGaoDQ}fGSF;be7FAq{)x9Ix6x*uEBf)TjSB5J zlf(|mt--;XYlai;r}8t}U>Am24^p?C^h`)*j-qG~72#KZP5V^gcq~!^8+(~QbKwVc zzwBY$_)caGf;Z&yxvABiuoTV);m{6`yPjL%AgE36kc3J7siIr5Xb-gg+F`})EFJ&I z)v4Eqh(fV5i@bV@#iAn5m#YK1Y5P-T#=niNWxOCe7bxSWy{*BQ-D?}59Y<}V_UXTC zV{i5h@FlNJCmcZzS?2uleL8EJ_9x&At)_~mTQ^bOQ2aoKp7!@)Lj4__s&5+62;P|L zkzY?W)GZsjE4$rc$l7vbJo2-${e6BVs|J&frj)5YCircHI0H~JSW&UOCr+YyS3~cz zc4h?9P6216jWUBKj<bP1ryZ%A(hlGk+uVu4=#i{nJeNv5+8$z|>MeX>$yF79I!ozqCCu`&}PFHf!J0+@= z4mS8`&!AIE@ZLhmq>{%m0+l+i$v4wn>k%l=zB&%KHdw6*8-bHg*fQA9;MdGZ|L3XZ z-_&$j5F*ibyd6zqk(ooB_1f)Cr=WuP1`1jktm-7H7uUXuj9o(KgAd1GYk2p_!j*wX zYE^4DZV@pBHveWkKDHuRRYk1?un$Z>!(ixaYA18BoR zcA8y)0}?h-q(# z0z;}&9N&2PbaNR319|ATx#Kj#CFq49PAr|kne1#sYtA|tQ_P?(kUud@@%LbUqe=_I#Zp)QfCsSjCR5RTibiRlyUq_3G5fVFXLcFixF^7&IDpmZo%YHT;zvXlabjws~*sbWEZlr1`3!|SB_bd>&R156Ty)zCQ-ZhT} zyhaauj`CNias?pkBXsSpYnuCIy-JKLH&f&~RmXx!kg5DD*tOyYkhy4S5~XD;g((n`BGCSX{*^Ikc#f%=0Ac{K zWb!mdJ4GFHW-0TtdIQ!|kQxpgTURHI#yh!w%v8PsA%1xA)7M9#G zJGZuBe*x<)*AuC+0FiuErvhkEdMTslaTFZm2&51HfR~_$juZ>K1=ObqooQa=B(Z+q z2uOhpCUqI zRh;Oud87If_q-83``8>}gxzXPzogd^$57%je$`jR zrvR=s%>diSXQJvq3jDd(p8LTch_1D*X(9u&*1>eL=_4#qVd`*s54P<7fhx*HxeHB6 zNYOzsl5*(p-oUcgd~phZFz_XPCVePdULfXLOvwRDa0nAo^XF6@NjkjUI6s#xqqN>9 zy%L6okOA0yKtev!_Cmv^!E0eqv$hg8`m!52%6Aqy5|Nf8G`?mFqcXSsfjVEZe<*)C z@xYIdT(%D2POIKU!Uq;ye$%*r&(b&;=WLgcOK_LX=r{Q3f%V}scKTAH)HK=&zdgC>jUvOGEd!*%4zQHN^ z{SO03szrDN=Wz0@GZ)@{>c%4uiS+}DN3a%&-qaSvx$oUqCbEsYtr=0mpvB`?T^#VSm1Ee}-2Y7Z}=1>#!7zTq{Znq1d$P1C) zt8IbRxZ6QK1owCw?Sw;}KJKos{Yl+4{7)S}vWB9oSi^nu{z!q2-`&Kfbi#%%IDQBn zvbxK>g1^iqI41*QGZLs!oW8&bI<|BJ@+p){obtSwGWkR;!q;>u&fAQ4Ztd9h{M)=k z9)b({uG%dpx5GZ@@Fd2A$X`J3BD9u?4;IA(;XET)MKU$6JZ0?$&sfsA0rjRjMONv0 zQd)rd`};NVv9yC0zwWEtH?R5vVRYp~W*&3XPx;?KlT15<<%Dg#s1i_gj+ST_vof|9q0C*K1#M@mSoMAzyu}t|(_1vy zuRGwb>+{UKDAFNbxsK&@w@-nx1^97R{Fgi5Co~bQ(z{0E>s&!L=NRiT5zrB;Jg?W} z<$Xs3J0CZ>*W+t9b>qu%rp2jz;a1nC+4p;r*YeEvoUI^faA+01>3`}G>r3#DWE9!f zN?Q6I^cJL@voE?nmmy1Qo~rw!vjO`Q9kR5P@2;F?db#}j24*I@WY@qryWJX|9pw@j zMx7WgM<*p(dqb`vRm*(8kS046LvpJYr~NajR9p=C(kFA6?0ec~UcBqUeA)CdycNDe zjvj*x$u-y>VdJk;Yo4o^1oTQZJrurfh&4|9aCkQPSaL3}?r}|UXBRuI07tcxvk$?6 zP_GjCyJ^i0sae+sFl5%&9YTlqzO?N@mMK<7R zv^O3dUcW6Q-PCgpgS%fhR~M>2oImcqNiWC1am$?sJQcc=MQ)@@ox#%^5nInRKi#{Xne9ET#{DYFPu$z6YywTvGAv+p$6*%Hm(#%{Wkc4)&;ako^71JRb!?LCGW`{N&b z7_d748^T@9)d}F6EkbAK4Zrf<+sK;d82tMxW9$g=_El)rntYa3-X1C353<-v1BQR( z``~>8JR3|b3vCgUEOQhna|IQ;m&cVt&ITm`24jbf!@$VQQ&3oIKWqx zADOL2I|jb(Pa}egRz;gK+<7ApE4-YBU`%@eBj)~m0SH1H>XaFB5dYlHA!$Ap*%-~R zZQmd3jqS(*6dZOx2w;TB%qdmzI3Mxqa!mJZ#v3Mqm1+KBkcgGmiVwioRsby6#OU-M^x)AxwK2yIf2D&cLJ~R>ZIlf8))(L`h8$;M@`cd(Z z0pWiaUiPok#{YvE;D0BkKYSC+FTiuMxCPuelp02N^L*PnFMgs2DZ1OCrCXJ2-SQ2p zDNkgU>C|JW{Cg`s0K4P_2JA$sUtx+vMgvZ0%mQN2LX_pxhCCJnz8+j{aOK7iSh$T~ zT^Krp1b!nA4~A4$7D7EhN7>J8@JU~_{(KY%ssl9+M1C?lU zJM?k?FeScq{%QjyyTNsLvoi!G z6vIKFWf_bF_DC4LL~Vd0mQ7y|G{%5I%mp>k@FL)w=#=QcfH;|@DIF;hQ;%_=*tNmx zXx)WarGLWL0N{&KJm^fn)uGKZ(}+vCwasttuCs{+z(f&>Ipe*@v{#97D*`?BbUVyI z0pI3Yw`WH{I*9mZJmKYll(Tphzo7XM-4QGk{qCGu5zHX8l_%mc44TE+)lMB_|`??AAH+eUPUJz>Zy zSe@#|{Ieo7U&|cKBsnvHjy90Lrxq*If%s`8Ai_S|jT;NALD5CvgqB071;8t(omT9- zjg;q~U*%M0_R;`PPO|EvloEkqB1KDo-40s)!Qt&)z$fg0^q3(OE-8(7)akPa%TuX4 z!;JDOH|=HGscCSzy;iQXt}UE_NfuQ6;(Iq{fGPvr0kSl7@UZ7xY*%hXunX|$k963NKrEFr9CjT3oNHn` zS&<&?*>!XpCW|>y8YeC~% zcx@vM{c3~bdCP;bDy=;Mcn_ilxbXj5I>$_|#{Lq)NiWDOGr6#!o%P|$1MXgwi2X>* zN#0<;q9iV8lQ*0cO{}giP!R7BHId<9FuE~kUj>}NEf{wIa%3j&T220*Ts=4&qM#pr zU}z)n-=)5sGLr{PJpV1aOm1+Ma;cI+=s=|Ln$We0_-A8ME@G-bPlKgxcOo?$$Sx$C#1uNz*t!)Z4Hm*LX|cavB@C>X2HK7O`rCi z*ZXh~-UEA}7i9HCf?4ud_xXZ+4Efn9ob>SvwnH}lg%1;-2& z75p|Y8&S$Vh_l-wIk6u$Q(&{d_RA2vi0_M$cF)UiX!)6nm1Tqe;~!Q=RP)MG*UF{b zbj~Qvo2d#t(8Vsz2%y&}Z=ZH}6qjk4G>KZCx>@t6&_wB^u4tUm0>FV>gzAI5*#$BlDy<6A6!a%>% zH-2Q>n-j&hap)U;?+8+#2c|=~tXKv47FdUzArjgDde>!2gQz(a{T+!f6s#_T`MwR8 zw3=b2^EAx{IJw~d%3R&3-$CyX-V$lZQcYH1#4`56g8PyP;~sYaFb*yMNix&&1ZKc( zm=;X|7>K{M1`YCHa53`OcKU^YnhVTWhbZ_H)aW-}l!k|=rBhTI()#78LC_!j)EHiC zzvi!M;@^uGU7t9u>!1d>gCIZ%MUJ{J$f?!=^m3t!LC&NSqQZJ?3+K6mEkH0YQ>8>8 z+Zgh9H%1=?|Lt{s*{&+^$_}8$B1)Bl3c$=&-^z>OEcbuZN{hM|kAold^NYt;;{9H? zlU}42$XPikvDrrTu6YH3B*WJ?g6Rkr-mBNmV>vk+ecwR~!wK?trVZ94F|F>Rvwxm7 zN+RPQwfx=%?X4EiU^ybnpMrOMSjJ~+)r{Hk=btVs!#}kc%tUP}6uJPbeQR0p9zf0He8yq4ThE$IA-?>W>%9qyy0PAmYTQTRXYUGdYX`c~Ix>0Eyp{*>R1m)NVFo>LkW0ZGMp?VtVROOYcsS8-H-|&op?h~(zE8O#x)L_#8;de9AOJ%fFjt+Ce-ZR3 zvjz#&8Kh}J?KR{;g?8;R9Y;|gPcB3)fxyZxaHPGR28cVw1bBy5-;x6Sa{ft2gUCiR z9BVezjf-ymweiT9YO&vgL(S0yHJ9M(A?Ku(^7YK*Bg6_u8wo@zo}yaSxfa6f1}c~O z#~Gfuo~TM_#7OD5891#+)T7NCm|F29#?&(0JE{6`g-Rm_`> z4;Wkdi`RE%xIXPELUBuhYv&0t zp>h$3vSS4XvBpqPp_tl}HCab#A2G2DuPSXKWzom?Ecf7m*n4+wP~NP@lvS3>S^w4a z#KI_w`AUM{M`7qR8J-Q;KzouI7^3v25=AWa!K*P*@DVEyx8qE36}dC6kjz!u*eqJA2=kT>G&m;c zWkmKsYtX<3F>qO?Q33W}1S=LN{*_hs9B@p6E_1+@x1NfonA)I@docv_T6^Oz5zi`e z*AIT73=)V#eF6*f#>m$Q3-k;94gT zUZXJdlMi^Hbonsg|qq8@%a<<-L(7f8dn z4FZXrpN&}*0n_M4~PEP2a{^7leR=(jST}JJE&n+|4M+ z1bZr;b^d7`#Kdx?C9B&CZ8>xKjnAVxvvEv8gl$Cfy@TJTqy=uwfeJ9=sZnAj+Hh`_ zEjgiOzd3xT%ykoKTcBN7XGyITCiG}=aE3$F#mV2s&K*6FR?vgmifzE?abDW)>edmd zb19U+Zr|uC4kMgHaJ}uL^Xq0nnhFWw#pOFc@y_jlrkGp-w5={s?^;|jUD1PJoG7mg z%9{=D9e8Fw58rw&3U$x+U0-dQ?ibKdF1+Ui=a+n$U>0hB4p_IFM^t;YI1U|cvlKX~ z#iA$N8RgLizF1OiyGyN_)HE`jy?#7?K|GWn>q9tWC5G3wH`8EpU5+g4e@ z7Hla6NXQQG8UD=u{dz>D#P7k~rR}Q)7GPkZ)Ikhb{o`E%qZa3dI}Y%7S(Y0wLAs8@ zdjW&mxAs*p1Vl9(8?HJCs1*S5&lut|huon*V;Qu8=Ble3*9Lel>nJ+{6PsxEFj&Z6 zi|s?x*hMShE7yO)5r{9w_TYYvsUlPaAo+OI0c=I;mh|Z(@ba&MJ%s6}3Wbt=@F8a;~J*6LXMCQVvAgUj2Sy8#bJYnNem51h=Am_=95nQ1k z{k9)eadBTG*SPwJ%s?dj8a(##F^Nc~908GnXh4G~@2w8rFfoBZ4j_(h1i>=m@}Wa6 zTFVh4y%-2E6%aG)J_0$J_Q+`)Q;dkl&?n3GUws}>>U@w_Ij@l(? z*t*QlU}1x`2hnddBwIv6e+J(DQAC+5SOXbd4BvSn2Y5uaz}|GVPuYIxaJIvMb{nGlPD2EV7X z0(oTo;dKCxT}?jykF2sg2w{S9C>G)2rW?m=;aK4X&6YIB@f}C0(~x%3_Ns<`$kD{% zO8_d+W*Q^|l&PX>^q@5Rq=9`u>Rgc+u^kc|hN~5mV1K)&`(!8sD%2)vz=9x%5Y(0P z;;-SycGd)8@NBz*-8I|>Yde__A&SiDvj}h>!z$WU1E1+o5T^MH5dU^{}>`O4YffL4Qu*mAU6r5Dc8X% z;95|+1?BriXs##x-RKtUbuBly2Ftwq6 z<=>M_3*Lglb08&fmJZd|YPgeLlEPv&OoevLpZj|8?|o$fgL|%RSEp~7!V6!r9@7Z0 z#<@hz!-f+Z9K=S`^|sHv`vwi>jH=aqv9yyv!7YFL0k_i&Y;`6yplv_Piq5v8wj&Dw zF_E6wE#sv{Y9}Z>yJY~vO6HUF8Y_hw+XyBSvlqh@ZO`cP#rvJ{XkAGN61IcgV!|LA z@hv)_g>t3OSX4I?p0%*|@^8Jz>9O$w;_M#eqCo+~9C2>HQ_(_$#{BbPcO{(Qo*KOR z5Rfu1_3x8%N=Hr(o>CCiP_2r4o*54PKFTH#OE{%VR@D(pWixCG-~7|j>B-+HFgRT4 zUr~>pvg&`S@KV+qOWYuMkzZ+`3ktOY*d|&v#r;G(M7>)m$5~%~0mP3&T+L(uV2c7{ zh#qZ+lZutiU_Ca6!H-j)-hkzMZUkTQ8tut2z62g3uZ`Qmc!u=C8YSD~sQQ3ImLj5D zSg~c87(w5D7SrwkU&YItuU?)wwjC}w2Er?K`beD0Qt(y`pJB8e?5ZY zG(2m#luih90j&X#J4&G3Cd+t7=x99CW+CCn5#2+C>)4+)kIQ3L zA~H}u-h}tGoq>OPEtfyEGz}O+j_mRf`$`sI5=|km9Wx7+z7etY(q;{O2beajg52ida1pcJqX818H*?ACI#(`HV0jx7X&aa!=@S}(T!Z*N2uMQUYX+Yw z`TrsK>;$$g?uzMx!I~);VP+0T&VG(v6g;}iBN-`nU|5yu+NG+)d*A}%T)nzLtqfth9zF1}IzUuO-YE5|Eqs)J z!q4pAp-q8%912u))|PnAFT#pY&C><44HL6rP2~co9$q4;-9Y$cKff5Z=}z*ofTR5$}x~ zK27N0y^;c4@9^FT6v71kR|Lh2f#YVQQzh?%0=m^<-9JsbM4c28!QRmeX%1&$xK<43 zw ziQ&`g4_@60AZx}d{i#GGn#Il3v4eYq;Vdf*D@9v}VDqtq+0?ATNka&XlY$+n9RyN8 zAvo+$U(QZojxafi>aCHb3pRBa6@Y31Bi75IB>8+qwrfQ~DLxL(E|5sbra80xpR&Uc z_`-skaX!UE*`J{h+6P_&sRufEwef$7of+{tfo9k&CP}bkIu#G+wY9^Z1Gk;lzEz^V z8>Mx^jAR%fLfmaDaALZR+TSRVvbaAXsGUx3ANU2`i~PxNP!K_r>HE6}Z4?v{VE`8x zb{^vE{kQDC+SdbitZ{>@QBuyNVN~saGcIf|z2D%@`jQKGTGBIGo*=BsZd^+B9acbaa z?jaN-uX3PkB$i%b4BL!FAbev4zs^SvA%l9~h~+l|Jmz;!WTYFybWP%B&E7Ws_=}U@ zIH9-apRK$h(;<%Io}Q5tP2_ zjC6EYKLjF*c?$#+KBG5jq5IlJ$wxd-kO^}h{(0_$J(>`rB4Y$xEl%`^g&2fML-6`x z=fhi=rZ@z2Z-a1g!eAz(b60(aVN>yQd%K0x_ofz&AZY?+ctYFQrz990aTsDKI6gnG z4={pc=Mm^!=LGg#3$y){Ul(ROtMO-R+v6eD*Nl1$sE-XD=3941p*G89@`swZIWre2 z90(>HZlWI8^7D)4bsMU+W`K0mmhx*)XR_r3honMk&QXIBIePzj2jBTaxs{O`S6+h` zX?M9ss21=pXQ5Br!nI-RKrxtlY@+(B@71KeCHCH-GJWt8^AT7FRm7IX9Ly`-Gbz60 zw>h0#JYnrKu^Iw0=iV)qx2ehs)54|J*Yi3Dpyzr|G4hcwRzIzeOG>qnq+0ZCy z&4A+p=h{TA+(&P7^c-Y{GT*gBReNigX~JzQg0V@>G@A{(OuO^D9mCZ_Ny@FKoEV#? zP_`m<^!1HuyPZb2@7f6JriLxCs4|DUVcmu?u?hBxX0~m48Pa5m{=4H6*3FmO9EBZg zaEu8R2xr;>7s@Txt-7HLnuRSisUHsy4!J|nav#`4V{b==oU^?)bq4L&tVfkNl-=GX zbXfr_7z6F-Dm4^%6$6M3DZ?IuMoe@SYZWJ`92WMq?cfDc)TjKhIuya!)&{58v(VnR zjU9xsN&`|u%%~boiW(y*Rrm#O4_sl~WjJ5iUgFW#tSgHg6*RU8F=k}$m};FGpm4tG zhohArON^9k`%OR2nwX0TB-225-jWvpQD_Knj)PgRjUj2y%>h?Wd z?9o#LUQTdYu0|CBr-NuX4MsTG_Iyl&%SNWHc#Y4wV?O4w(DUe6o1SO2FAMY{t$9kY zVl$fJL}@q4VeZI*dggt3H?gA5tOhbk7D?U&qk6pN&ZG)0zW{*^2X>Zi+p0(%4d*Pc zy{*fE7yi{N<7E{u!+u2ZQSHZ54>NJ7&G z)MF?n`w-@5*w1LL$o8o-){ki$C z4Nxt%%4+XoI{(35g=vFnseEnpEv6EK!e&;=9=&A3Hoq&e1a@{M$48H+4xf+LRiv>0 z_)TDz#&f>WZ16QH*6YG0-#@B3m`hk_P5Hpd?t$>6;O!VbN0;vP?a@Fa zH*VkrxaR$)35~G^t~D{I>S*;w?#nV5y$)Z8Wl>#WZ8#@fF%I%rA9}95%lq{T!?1Z^UioX5L^bZF1YC0}7RN?A;b}oTj;&635m( zq}~hc9th}2G|?<3gPmV|ziAQ}o4=+*Q(XMLkamg94v{(SItGSjQ;<{c1asyEit@2l zmho*A1hhN;f~f7Y-rR3{jRB_mT5}G(3(ewnRTKh4t)`rxu-{=njXF(1Mqno?pd7S4 z3LI~u2H>99#jCxDnpUDQN(`xFEgIis$ zI=uuIxB(%(o;rRi$KMPF2mPlNsY+|uWs%CJhyGBK zKFpM22%E2HOCNV!Ywn;F5%rXuue`_UAZ_2Qx(y*7E6afsFDP3cEcjjPp1;f>>o?49!lbK5p5J09}TGgxQo_TXHU z@78St6M-&sUyCTx)GCvz;N@}L>UjLV^vKNyfx69wJ7{U2G5Xw}$Qh?PJ#3zg*)ufk z0f&KfK-JDFnWL3n4VsrJ^6b+>s92~xPra$y%L|9bW^Q#auQF!-mce{A1b^z{bl>S! zb(^x&L(eLGA^Ec@Td7Sd@4C47MRxbZ8Fl4}9QJU582j8VWLf#8U)bPVNH+H-(e59XSXG)TLP*)ADUVc(U`&h zN$0!g5ET39!wo$VOhV$BwWwwXR_lR?k4CW{E@>t-hO09VbaMxVdH~8*H%J<`ffFwO zT>hKijQ{xUa}+!P`d3suO`;BCLl90y6E)DZXNVs(WCJ`oDYR(1Eq6EG;Gh^~ZqQ)! zD)>|GffT;M-l%E|8kZU}EhQRNc$y>7wP!&P6sUSN7*-aR;>Nc*0U$Q5b!w=9tujyp z5Hga0n+yiE;cH;H|9CySe?W%;`3sO}eGe=guk(zLv>cy+!CsdKg>Co1M+R5jsp&wI z-uH}*#U?ah%!5fl?WzHkKxn8M4Hsw~^*z3gN1X<3LTcg`(~^_tw1p+gh%Tt*BNU zN&${ZFPocT)v^I&r6b-6k;~H%4$7c`f*&Ou6c%tFOZ-h(>17vRu|4>}S3IX!9~6EY zxwdv3(bzmNXq5`oky2n>mXQ2SaiJ@K_MLLCLAVhFo8522@JCKarDVgfsw4G3d72jBugV9Jbb7b2!8)|a8| zqfQGEf{%GTYTjS~gewx1@hi=M)zan1g1!T3X%lZ4fgcU#2BEUf;bYS-Xyk?E+gONW zs9}fZ8AOD|>aPrsXRC+LG*B+WZ0;pV-i8oLU&D6ah&jCEO#P8*@%`kcSJEOmu)FT4jjlh75~cBNBFX(A0o^ z!NLobS5T~DJ6B84q9k|5KUU613vT7cR|k6cNaiANtsxT)Lb$fybpKG6;@f72JLIuJ zPS+}a+53(l&+4Ye6DWuRe2yn;WT&SN1p(?xB>PkjTa3dF_wY1qh}uE3bc%avtD$JW z1MMBGl^I%N5C;+nCcg^tO>ZdJJ}0ZTCIp{kVx@;twl2AeBiH$klK=;7g5-G-uT@0+EJ z?yPbSkeW`{w@SI)uhV4m-HoVof0jy(mH2M3(x^i;O!)Q)Quu683#`?Q=Q#aC-td2o zq&-!Mqa!F>A3etQ%kR2x@*?i3MN+tPZvW5s|nMoKoDjIAH>@{~XpjfomMwma~w zt?6ta%C`B=3MV}Pk1a2ysy4b-Gb3=#s>R-*#hNt7J}%#};pK0&@~V?rV5IfphCn3Or+Gz$9F2+M`qOdY#_^&C#vWnfkxessm2 z3mIFVj<)B@zi!Oos)Z6hsYSCDB1ULzz7)-odgwnXMZ>C~QZ%J>%{QXq*_X?eaGG|M zZ}-f~Yh6$Et5MmRlH_5YO3LO$rXJwZ$yuEhL)8>sP$%n%&=(lKu{Gec|0Tt_!Kw}p z$ku^oKct6)Ro3QA-wmC9vSh*)@P=&Z3B?NcNpF}NO0Bl!54@wUo^QEYa8dPeS*zq$ zBJGXQ6E#pN>IC(_uO}CnS35>EOs$yOEyg7_@B`hmj>+I-8~8`v<7nqd*NT&k0u;c( zvHNItvVXL0B7Iq!&%UD!-Pl?Tkd8dj4|(p$q~Ox)3avaKa)m0hc2<_I;+v@dPDz-(Q1v>COa zYAng!>A&qnlUt)I{|+Lk4hu5r*Z&q3%~%f#n=imj(VL$PxDg|`$WYeukZQEvlHz74 z*wWC5t94ct(5a|3xb4DthVT%yf&XYh+qxyUaPOq$XgAAZg52#cP;q|%>)f`TN9Rk# z`iFP8->9}53Z0?miTWCkt5FLwfB#HiqHDI+x?IoS(9_Tm_Yv)*9G0H*2B~DXk$lXLIAvUFbE69ZXBMf9+QpP)@Q}Sur@gVv z75N#&+#pd3x9uCS&}_Lh!jzMpxm++CSUG1_uWFpVl5+NBW0>j`$sKQ<;1iT@aP{B= zwG8`nN&fYGHK>OiC7DO65lZi0*W_tXr?TK+z`hm$ku&fF@ubbKczivOcH5wKliS6#CBc4l+cwtSk8= zOw9mKza#F(F^`@X)&2bSy%KD6q7Rnh_9{s9`5aOUBOVQ!f{8`vEmCrh6xh}GsOOC^ z+kkLCwhPbA7Ddp)rEU}#(cQTNT+JO`EpI5fd*FRxHQEC?qe-kKzgpZU*DVV_!{~|4 zI-wA=?G0w-D#2eW-X@S{4mk!3F@IcE{p2*(-ifPnl^Z%Y1Sxo^;oqq?P}S(({#N9nyv$EvfGVVh)F#kw|bx~f@Q-^!V;Y|Qmc%Edlx}8{9b1^ zO2l%Htb2)raWmALr@Ae*$XNskuxkgjAZD*GSV(I;5pE7Pi1kAo`6t3z`U0Z;K1Djfe(@NU4H}r{jU+g2RB6r1O&Fj)GwLM zdzC-#eY!cVNQG&1;5MZC!Lc`wrwsqn9W@a=_@W!B=sS4V%m#rgt2%RoJPkp5gM9F2 zAzgntBo&;NfY2`igaTFEtGtN0w+HC0c3kb5`I+!k1hn)cqo#y_PV~$ zwB|(a)#DH^)R{SZz)=CbF2jpWYullC>u;YgJd3xRRw_g0UGC}`9;(Sk+BNU8Zkdoq zdrNVVjiEG=R$%rAK*K7_=@#%NcEjY})d7s}Uhnn%lTZP*LT2Ggp9FS+T^k|6Ev-0E zj-aAxFTG+b5Hy!cxTQHP7QGO9zdnAU91Ahj5XTdQj2?uPIxO7_jI{wsurv*fRi!S+ zNuhbhZTS2UOp2VfZUFMiA)HYKv=nO=T@=87KkZZD=H7vU)E`X+S~8KujzyUz(49N- z9G*Sf$&_EKJ>d<(Fo^$`h>JipEa`~*@PfzKG+_|CpF*(}zbWqU?JkO@)ghu={HoWH`y1%GukRI!B;LzeqV nF3HA^O9J5~^O8(C&aCMV1pgNamrOUq2bWl5ZO!w|j-CHE1{1M? literal 0 HcmV?d00001 diff --git a/docs/resource/01-resource.html b/docs/resource/01-resource.html index a57bd61..bcc6292 100644 --- a/docs/resource/01-resource.html +++ b/docs/resource/01-resource.html @@ -191,6 +191,12 @@ Práctico 2 + +

    1. +
      + + Práctico 3 +
      2. diff --git a/docs/resource/02-resource.html b/docs/resource/02-resource.html index 19773e6..9a4d0a3 100644 --- a/docs/resource/02-resource.html +++ b/docs/resource/02-resource.html @@ -191,6 +191,12 @@ Práctico 2 + +
    2. +
      + + Práctico 3 +
      3. diff --git a/docs/resource/03-content.html b/docs/resource/03-content.html new file mode 100644 index 0000000..6e6bed9 --- /dev/null +++ b/docs/resource/03-content.html @@ -0,0 +1,1333 @@ + + + + + + + + + +Metodología I - MCS - Práctico 3. Operacionalización de variables + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
      +
      + +
      + +
      + + + + +
      + +
      +
      +

      Práctico 3. Operacionalización de variables

      +

      Metodología I

      +
      + + + +
      + + +
      +
      Fecha de publicación
      +
      +

      25 de abril de 2024

      +
      +
      + + +
      + + +
      + +
      +

      Presentación

      +
      +

      Objetivo de la práctica

      +

      El desarrollo de esta guía tiene por objetivo revisar algunos procedimientos básicos de la preparación de datos con R, que son necesarios para luego poder analizar e interpretar los datos.

      +

      Por temas de orden y reproducibilidad, en este curso vamos a separar en dos momentos el trabajo con datos, y dos archivos de código correspondientes:

      +
        +

      • Preparación corresponde a lo que se conoce generalmente como “limpieza”, es decir, realizar las modificaciones necesarias para poder efectuar los análisis. Estas modificaciones previas al análisis son necesarias ya que los datos originales con los que se va a trabajar en general no vienen perfectamente adaptados a los análisis que se quieren hacer. Por lo tanto, en cuanto a datos también hacemos la distinción entre datos originales y datos preparados (o procesados).

        • +

      • Análisis: se relaciona tanto con análisis descriptivos asociados a las preguntas de investigación y como también modelamiento de datos para contrastar hipótesis de investigación.

        • +
      +
      +

      Los procesos de preparación y análisis vinculados a datos y resultados se presentan en el siguiente esquema:

      +

      +

      Tanto la preparación como el análisis (que son parte del concepto más general de procesamiento) quedan registrados cada uno en un archivo de código.

      +

      Archivo de código R: archivo con extensión .R donde se almacena el código de análisis. Para generarlo desde RStudio: File > New File > R Script (o ctrl+shift+N), y para grabarlo File > Save (o ctrl+s), y darle nombre la primera vez (recordar: sin tilde ni ñ, y evitar espacios)

      +

      El documento de código de preparación posee 5 partes, más una sección de identificación inicial:

      +
        +
      1. Identificación y descripción general: Título, autor(es), fecha, información breve sobre el contenido del documento
        2. +
      2. Librerías: cargar librerías a utilizar
        3. +
      3. Datos: carga de datos
        4. +
      4. Selección de variables a utilizar
        5. +
      5. Procesamiento de variables: en este punto, por cada variable se realiza lo siguiente: +
          +
        1. Descriptivo básico
          2. +
        2. Recodificación: datos perdidos y valores (en caso de ser necesario)
          3. +
        3. Etiquetamiento: de variable y valores (en caso de ser necesario)
          4. +
        4. Otros ajustes
          5. +
        6. +
      6. Generación de base de datos preparada para el análisis.
        7. +
      +
      +

      De rutas, estructura de carpetas y otros

      +
        +

      • Encontrando la ruta a carpeta local: lo más fácil es crear la carpeta donde se desean guardar los datos desde el administrador de archivos del computador. Luego, posicionarse con el cursor sobre la carpeta y seleccionar “Propiedades”, en la ventana emergente debería aparecer la ruta hacia la carpeta en “Ubicación”. Copiar esa ruta y agregar al final el nombre de la carpeta (separada por slash)

        • +

      • Sobre los “slashes” (\ o /): en la ruta las carpetas y el archivo final aparecen separados por slashes, que según el sistema utilizado pueden ser slash (/) o backslash (\). En R por defecto se usa slash, pero en Windows backslash, por lo que si se usa Windows hay que reemplazarlos por backslash o también puede ser por un doble slash (//).

        • +

      • Por temas de compatibilidad general, en las rutas se recomienda evitar tildes, eñes, espacios, mayúsculas y guiones bajos (_).

        • +

      • Estructura de carpetas: para mantener el orden se sugiere seguir un protocolo de estructura de carpetas de proyecto, para lo que recomendamos el protocolo IPO, y que se adapta al flujo de trabajo presentado anteriormente. Básicamente son tres carpetas: input, procesamiento, output. En la carpeta input crear la subcarpeta data-orig para guardar datos originales, y data-proc para los procesados. En procesamiento se guardan los archivos de código y en output las tablas y los gráficos.

        • +
      +

      +
      + + + + +

      Al final de esta práctica la idea es que cada un_ elabore y entienda su propio documento de preparación de datos.

      +

      En el ejemplo vamos a procesar variables de confianza en instituciones políticas y variables de caracterización sociodemográfica utilizando los datos de la encuesta Latinobarómetro .

      +
      +
      +
      +

      Antecedentes de los datos a utilizar

      +

      Latinobarómetro es un estudio de opinión pública que aplica anualmente alrededor de 20.000 entrevistas en 18 países de América Latina representando a más de 600 millones de habitantes

      +

      “Los gobiernos latinoamericanos, que venían en declive junto con sus democracias desde inicios de la década de 2010, como reflejan los datos de Latinobarómetro, llegaron a fines de 2018 al annus horribilis con la caída de Nicaragua y Venezuela desde su condición de democracias para entrar en la categoría de autocracias y dictadura.

      +

      De los hiperpresidentes de la primera década del siglo con altos niveles de crecimiento en todos los países y altos niveles de aprobación, la región pasó en la segunda década a los subpresidentes, con una baja en aprobación de gobierno a la mitad, en menos de 10 años. Este rechazo al desempeño de las elites gobernantes, indica su fracaso a fines de 2019 en varios países de la región.” (Latinobarómetro, informe 2021, p. 7)

      +

      El presente ejercicio tiene por objetivo el procesar los datos para obtener las variables relevantes para el estudio de la Confianza en instituciones políticas, entendida como el grado en que los individuos confian en distintas instituciones políticas a nivel nacional, como el gobierno, la justicia, los partidos políticos, etc. Para ello, junto con variables de confianza, consideraremos también variables de estatus (educación), y variables de caracterización sociodemográfica (sexo y edad).

      +
      +
      +
      +

      Preparación de datos Latinobarómetro 2020

      +
      +

      1. Librerías principales (de R) a utilizar en el análisis

      +

      Como sabemos, la lógica de R es instalar librerías (solo 1 vez, con install.packages("librería")), y luego cargarlas cada vez que es necesario usarlas (con library(librería)). El problema de esto es que a veces no se sabe claramente qué librerías están instaladas y cuales no, lo que va a arrojar error al cargarlas. Y, como sucede en R, existe una librería para solucionar este problema que se llama pacman (package manager). Lo que hace pacman es cargar la librería, y si no está instalada, la instala y la carga:

      +

      Para utilizar la primera vez (si es que no está instalada):

      +
      +
      install.packages("pacman")
      +
      +

      Y en adelante, las librerías se cargan así pacman::p_load(libreria1,libreria2,libreriaX) :

      +
      +
      pacman::p_load(dplyr, sjmisc, car, sjlabelled, stargazer, haven)
      +
      +

      Para esta sesión vamos a utilizar Las librerías que vamos a utilizar son:

      +
        +
      • dplyr: ajuste general de datos
        • +
      • sjmisc: descripción y exploración de base de datos
        • +
      • car: principalmente la función recode para recodificar/agrupar valores de variable
        • +
      • stargazer: para tabla descriptiva
        • +
      +
      +
      +

      2. Cargar base de datos

      +

      Ajustar espacio de trabajo

      +

      Previo a la carga de nuestra base de datos, se recomienda ejecutar los siguientes comandos:

      +
      +
      rm(list=ls())       # borrar todos los objetos en el espacio de trabajo
+options(scipen=999) # valores sin notación científica
      +
      +

      La función rm(list=ls()) permite comenzar con un espacio de trabajo (environment) vacío y sin otros objetos. Así también, la función options(scipen=999) desactiva la notación científica, es decir, veremos los valores numéricos con todos sus decimales.

      +

      Datos

      +

      Las bases de datos se pueden cargar de un archivo local o en línea. Para este caso utilizaremos un archivo en línea que viene en formato RData: latinobarometro2020.RData. Abrir bases de datos en otros formatos: Los formatos mas comunes en que se almacenan las bases de datos son .dta (Stata), .sav (Spss) y RData (R). Para abrir desde R utlilizamos la librería haven y sus funciones read_dta y read_sav según corresponda. Ej: datos <- read_dta("base_casen.dta"). Recordar antes instalar/cargar la librería: pacman::p_load(haven)

      +
      +
      #cargamos la base de datos desde internet
+load(url("https://github.com/Kevin-carrasco/metod1-MCS/raw/main/files/data/external_data/latinobarometro2020.RData"))
      +
      +

      o de manera local:

      +
      +
      latinobarometro2020 <- read_dta("../files/data/external_data/latinobarometro2020.dta", encoding = "UTF-8")
      +
      +

      La base de datos aparece como un objeto en nuestro espacio de trabajo, con el nombre original con la que fue guardada (latinobarometro2020):

      +

      +

      Realizamos un chequeo básico de la lectura de datos: nombres de las variables y tamaño de la base en términos de casos y variables (en este ejemplo, 20204, 408 ).

      +
      +
      dim(latinobarometro2020) # dimension de la base
      +
      +
      [1] 20204   408
      +
      +
      +

      Y si se quiere revisar en formato de planilla de datos:

      +
      +
      View(latinobarometro2020)
      +
      +
      +
      +

      3. Selección de variables a utilizar

      +

      Este paso consiste en crear un subset reducido de datos que contenga solo las variables de interés. Para ello:

      +
        +
      1. Se identifica el nombre de las variables que registran la información de preguntas o items del instrumento: esto aparece en el libro de códigos y/o en el cuestionario, o también se puede hacer buscando en la base de datos mediante alguna palabra clave asociada a la pregunta. Por ejemplo, si queremos buscar variables asociadas a educación, utilizamos la función find_var (de sjmisc, librería que cargamos en el paso 1), que nos entrega nombre de la variable en columna var.name. Por ejemplo, si buscamos alguna variable asociada al concepto Confianza:
        2. +
      +
      +
      find_var(data = latinobarometro2020,"Confianza")
      +
      +
         col.nr   var.name
+1      36    p9stgbs
+2      41 P13STGBS_A
+3      42 P13STGBS_B
+4      43    p13st_c
+5      44    p13st_d
+6      45    p13st_e
+7      46    p13st_f
+8      47    p13st_g
+9      48    p13st_h
+10     49    p13st_i
+11     51    p15st_a
+12     52    p15st_b
+13     53    p15st_c
+14     54    p15st_d
+15     55    p15st_e
+16     56    p15st_f
+17     57    p15st_g
+18     58     p15n_h
+19     59     p15n_i
+20     60     p15n_j
+21     61     p15n_k
+22    154     p36n_a
+23    155     p36n_b
+24    160  P36STMB_A
+25    161  P36STMB_B
+26    162  P36STMB_C
+27    163  P36STMB_D
+                                                                          var.label
+1                                                   P9STGBS Confianza Interpersonal
+2                                       P13STGBS.A Confianza en las Fuerzas Armadas
+3                                  P13STGBS.B Confianza en la Policía / Carabineros
+4                                                   P13ST.C Confianza en la Iglesia
+5                                                  P13ST.D Confianza en el Congreso
+6                                                  P13ST.E Confianza en el Gobierno
+7                                            P13ST.F Confianza en el Poder Judicial
+8                                       P13ST.G Confianza en los Partidos Políticos
+9                           P13ST.H Confianza en: La institución Electoral del país
+10                                              P13ST.I Confianza en: El presidente
+11 P15ST.A Confianza en que las instituciones operan para mejorar nuestra calidad d
+12 P15ST.B Confianza en que las instituciones operan para mejorar nuestra calidad d
+13 P15ST.C Confianza en que las instituciones operan para mejorar nuestra calidad d
+14 P15ST.D Confianza en que las instituciones operan para mejorar nuestra calidad d
+15 P15ST.E Confianza en que las instituciones operan para mejorar nuestra calidad d
+16 P15ST.F Confianza en que las instituciones operan para mejorar nuestra calidad d
+17 P15ST.G Confianza en que las instituciones operan para mejorar nuestra calidad d
+18 P15N.H Confianza en que las instituciones operan para mejorar nuestra calidad de
+19 P15N.I Confianza en que las instituciones operan para mejorar nuestra calidad de
+20 P15N.J Confianza en que las instituciones operan para mejorar nuestra calidad de
+21 P15N.K Confianza en que las instituciones operan para mejorar nuestra calidad de
+22                        P36N.A Confianza en las Fuerzas Armadas de Estados Unidos
+23                                   P36N.B Confianza en las fuerzas Armadas Chinas
+24                    P36STMB.A Confianza en el FMI (Fondo Monetario Internacional)
+25               P36STMB.B Confianza en el BID (Banco Interamericano de Desarrollo)
+26            P36STMB.C Confianza en el CAF (Banco de Desarrollo de América Latina)
+27                                          P36STMB.D Confianza en el Banco Mundial
      +
      +
      +

      Nos informa que hay una serie de variables relacionadas con confianza interpersonal y con instituciones. Probemos con la variable p13st_e.

      +

      Mediante la función select de dplyr, seleccionamos cada una de nuestras variables de interés y creamos una nueva base con el nombre proc_data, donde “proc” hace referencia a base procesada:

      +
      +
      proc_data <- latinobarometro2020 %>% select(p13st_e, # Confianza en el Gobierno
+                          p13st_d, # Confianza en el congreso
+                          p13st_f, # Confianza en el Poder Judicial
+                          p13st_g, # Confianza en los partidos políticos
+                          reeduc_1,# nivel educacional
+                          sexo,# sexo
+                          edad,# edad
+                          idenpa) # pais 
+
+# Comprobar
+names(proc_data)
      +
      +
      [1] "p13st_e"  "p13st_d"  "p13st_f"  "p13st_g"  "reeduc_1" "sexo"     "edad"    
+[8] "idenpa"
      +
      +
      +

      Mediante el comando get_label obtenemos el atributo label de las variables.

      +
      +
      sjlabelled::get_label(proc_data)
      +
      +
                                                                   p13st_e 
+                                  "P13ST.E Confianza en el Gobierno" 
+                                                             p13st_d 
+                                  "P13ST.D Confianza en el Congreso" 
+                                                             p13st_f 
+                            "P13ST.F Confianza en el Poder Judicial" 
+                                                             p13st_g 
+                       "P13ST.G Confianza en los Partidos Políticos" 
+                                                            reeduc_1 
+"REEDUC.1 Nivel de estudios alcanzado - Entrevistado (recodificado)" 
+                                                                sexo 
+                                                         "SEXO Sexo" 
+                                                                edad 
+                                                         "EDAD Edad" 
+                                                              idenpa 
+                                    "IDENPA Identificación del País"
      +
      +
      +

      Podemos ver que son largas o con códigos poco informativos, por lo tanto, es necesario cambiarlas por etiquetas más cortas y de fácil identificación.

      +

      Para facilitar el análisis, vamos a filtrar la base de datos para quedarnos solo con los casos de Chile. Para esto utilizamos la función filter de dplyr. Si revisamos el libro de códigos, el identificador de Chile es 152

      +
      +
      proc_data <- proc_data %>% dplyr::filter(idenpa==152)
      +
      +
      +
      +

      4. Procesamiento de variables

      +

      Para el procesamiento de cada variable se seguirá el siguiente flujo de trabajo:

      +
        +
      1. Descriptivo general
        2. +
      2. Recodificación: de casos perdidos y otros valores (en caso necesario)
        3. +
      3. Etiquetado: cambio de nombres de variables y valores (en caso necesario)
        4. +
      4. Otros ajustes
        5. +
      +

      Y se recomienda también un descriptivo final para revisar que el procesamiento de cada variable está ok.

      +
      +

      4.1 Confianza en el Gobierno

      +

      En Latinobarómetro, lass variables que permiten medir la Confianza en instituciones políticas en Chile son las siguientes:

      +
        +
      • [p13st_e]: “P13ST.E Confianza en el Gobierno” (1 = Mucha; 4 = Ninguna)
        • +
      • [p13st_d]: “P13ST.D Confianza en el Congreso” (1 = Mucha; 4 = Ninguna)
        • +
      • [p13st_f]: “P13ST.F Confianza en el Poder Judicial” (1 = Mucha; 4 = Ninguna)
        • +
      • [p13st_g]: “P13ST.G Confianza en los Partidos Políticos” (1 = Mucha; 4 = Ninguna)
        • +
      +

      a. Descriptivo

      +

      Para los descriptivos se utilizará la función frq, de la librería sjmisc:

      +
      +
      frq(proc_data$p13st_e)
      +
      +
      x <numeric> 
+# total N=1200 valid N=1200 mean=3.27 sd=0.99
+
+Value |   N | Raw % | Valid % | Cum. %
+--------------------------------------
+   -2 |   8 |  0.67 |    0.67 |   0.67
+   -1 |  11 |  0.92 |    0.92 |   1.58
+    1 |  23 |  1.92 |    1.92 |   3.50
+    2 | 176 | 14.67 |   14.67 |  18.17
+    3 | 358 | 29.83 |   29.83 |  48.00
+    4 | 624 | 52.00 |   52.00 | 100.00
+ <NA> |   0 |  0.00 |    <NA> |   <NA>
      +
      +
      +

      En esta variable vemos valores asociados a la opción “No contesta” (-2) y “No sabe” (-1), que corresponde definirlos como casos perdidos (en el caso de R, como casos NA). El resto de los valores y etiquetas se encuentran en un orden contraintuitivo (mayor valor indica menos confianza), así que en la recodificiación nos haremos cargo de los casos perdidos y de reordenar las categorías.

      +

      b. Recodificación

      +

      Para recodificar utilizamos la función recode, de la librería car

      +
      +
      proc_data$p13st_e <- recode(proc_data$p13st_e, "c(-2,-1)=NA")
+proc_data$p13st_d <- recode(proc_data$p13st_d, "c(-2,-1)=NA")
+proc_data$p13st_f <- recode(proc_data$p13st_f, "c(-2,-1)=NA")
+proc_data$p13st_g <- recode(proc_data$p13st_g, "c(-2,-1)=NA")
      +
      +

      nota: con la función set_na de la librería sjmisc podemos recodificar toda la base de datos con un solo código, pero debemos estar completamente segur-s de que estos valores no tienen otra categoría asociada en otra variable.

      +
      +
      proc_data <- proc_data %>% set_na(., na = c(-2, -1))
      +
      +

      Para reordenar las categorías volvemos a utilizar la función recode, de la librería car

      +
      +
      proc_data$p13st_e <- recode(proc_data$p13st_e, "1=3; 2=2; 3=1; 4=0")
+proc_data$p13st_d <- recode(proc_data$p13st_d, "1=3; 2=2; 3=1; 4=0")
+proc_data$p13st_f <- recode(proc_data$p13st_f, "1=3; 2=2; 3=1; 4=0")
+proc_data$p13st_g <- recode(proc_data$p13st_g, "1=3; 2=2; 3=1; 4=0")
      +
      +

      c - Etiquetado

      +

      Vamos a dar un nombre más sustantivo a las variables con la función rename, de la librería dplyr:

      +
      +
      proc_data <- proc_data %>% rename("conf_gob"=p13st_e, # Confianza en el gobierno
+                                  "conf_cong"=p13st_d, # Confianza en el congreso
+                                  "conf_jud"=p13st_f, # Confianza en el Poder Judicial
+                                  "conf_partpol"=p13st_g) # Confianza en los partidos políticos
      +
      +

      Además de cambiar el nombre, queremos cambiar las etiquetas de las variables.

      +
      +
      proc_data$conf_gob <- set_label(x = proc_data$conf_gob,label = "Confianza: Gobierno")
+get_label(proc_data$conf_gob)
      +
      +
      [1] "Confianza: Gobierno"
      +
      +
      proc_data$conf_cong  <- set_label(x = proc_data$conf_cong, label = "Confianza: Congreso")
+get_label(proc_data$conf_cong)
      +
      +
      [1] "Confianza: Congreso"
      +
      +
      proc_data$conf_jud  <- set_label(x = proc_data$conf_jud, label = "Confianza: Poder judicial")
+get_label(proc_data$conf_jud)
      +
      +
      [1] "Confianza: Poder judicial"
      +
      +
      proc_data$conf_partpol  <- set_label(x = proc_data$conf_partpol, label = "Confianza: Partidos politicos")
+get_label(proc_data$conf_partpol)
      +
      +
      [1] "Confianza: Partidos politicos"
      +
      +
      +

      d. Otros ajustes

      +

      Para este caso vamos a crear una variable que sea la suma de los cuatro items de confianza.

      +
      +
      proc_data$conf_inst <- (proc_data$conf_gob+proc_data$conf_cong+proc_data$conf_jud+proc_data$conf_partpol)
+summary(proc_data$conf_inst)
      +
      +
         Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
+   0.00    0.00    2.00    2.42    4.00   12.00      38
      +
      +
      +
      +
      get_label(proc_data$conf_inst)
      +
      +
      [1] "Confianza: Gobierno"
      +
      +
      +

      Vemos que una etiqueta de la variable anterior.

      +
      +
      proc_data$conf_inst  <- set_label(x = proc_data$conf_inst, label = "Confianza en instituciones")
      +
      +

      Revisión final

      +

      Nuevamente un descriptivo de cada variable para confirmar que el procesamiento está ok:

      +
      +
      frq(proc_data$conf_gob)
      +
      +
      Confianza: Gobierno (x) <numeric> 
+# total N=1200 valid N=1181 mean=0.66 sd=0.80
+
+Value |   N | Raw % | Valid % | Cum. %
+--------------------------------------
+    0 | 624 | 52.00 |   52.84 |  52.84
+    1 | 358 | 29.83 |   30.31 |  83.15
+    2 | 176 | 14.67 |   14.90 |  98.05
+    3 |  23 |  1.92 |    1.95 | 100.00
+ <NA> |  19 |  1.58 |    <NA> |   <NA>
      +
      +
      frq(proc_data$conf_cong)
      +
      +
      Confianza: Congreso (x) <numeric> 
+# total N=1200 valid N=1178 mean=0.59 sd=0.71
+
+Value |   N | Raw % | Valid % | Cum. %
+--------------------------------------
+    0 | 628 | 52.33 |   53.31 |  53.31
+    1 | 408 | 34.00 |   34.63 |  87.95
+    2 | 134 | 11.17 |   11.38 |  99.32
+    3 |   8 |  0.67 |    0.68 | 100.00
+ <NA> |  22 |  1.83 |    <NA> |   <NA>
      +
      +
      frq(proc_data$conf_inst)
      +
      +
      Confianza en instituciones (x) <numeric> 
+# total N=1200 valid N=1162 mean=2.42 sd=2.49
+
+Value |   N | Raw % | Valid % | Cum. %
+--------------------------------------
+    0 | 397 | 33.08 |   34.17 |  34.17
+    1 | 141 | 11.75 |   12.13 |  46.30
+    2 | 130 | 10.83 |   11.19 |  57.49
+    3 | 111 |  9.25 |    9.55 |  67.04
+    4 | 169 | 14.08 |   14.54 |  81.58
+    5 |  71 |  5.92 |    6.11 |  87.69
+    6 |  41 |  3.42 |    3.53 |  91.22
+    7 |  41 |  3.42 |    3.53 |  94.75
+    8 |  44 |  3.67 |    3.79 |  98.54
+    9 |  11 |  0.92 |    0.95 |  99.48
+   10 |   4 |  0.33 |    0.34 |  99.83
+   11 |   1 |  0.08 |    0.09 |  99.91
+   12 |   1 |  0.08 |    0.09 | 100.00
+ <NA> |  38 |  3.17 |    <NA> |   <NA>
      +
      +
      +

      Vemos que los valores (labels) de cada categoría de las primeras variables que recodificamos no se corresponden con el nuevo valor. Para re-etiquetar valores usamos la función set_labels, de la librería sjlabelled

      +
      +
      proc_data$conf_gob <- set_labels(proc_data$conf_gob,
+            labels=c( "Ninguna"=0,
+                      "Poca"=1,
+                      "Algo"=2,
+                      "Mucha"=3))
+
+proc_data$conf_cong <- set_labels(proc_data$conf_cong,
+            labels=c( "Ninguna"=0,
+                      "Poca"=1,
+                      "Algo"=2,
+                      "Mucha"=3))
+
+proc_data$conf_jud <- set_labels(proc_data$conf_jud,
+            labels=c( "Ninguna"=0,
+                      "Poca"=1,
+                      "Algo"=2,
+                      "Mucha"=3))
+
+proc_data$conf_partpol <- set_labels(proc_data$conf_partpol,
+            labels=c( "Ninguna"=0,
+                      "Poca"=1,
+                      "Algo"=2,
+                      "Mucha"=3))
      +
      +

      y volvemos a revisar

      +
      +
      frq(proc_data$conf_gob)
      +
      +
      Confianza: Gobierno (x) <numeric> 
+# total N=1200 valid N=1181 mean=0.66 sd=0.80
+
+Value |   Label |   N | Raw % | Valid % | Cum. %
+------------------------------------------------
+    0 | Ninguna | 624 | 52.00 |   52.84 |  52.84
+    1 |    Poca | 358 | 29.83 |   30.31 |  83.15
+    2 |    Algo | 176 | 14.67 |   14.90 |  98.05
+    3 |   Mucha |  23 |  1.92 |    1.95 | 100.00
+ <NA> |    <NA> |  19 |  1.58 |    <NA> |   <NA>
      +
      +
      frq(proc_data$conf_cong)
      +
      +
      Confianza: Congreso (x) <numeric> 
+# total N=1200 valid N=1178 mean=0.59 sd=0.71
+
+Value |   Label |   N | Raw % | Valid % | Cum. %
+------------------------------------------------
+    0 | Ninguna | 628 | 52.33 |   53.31 |  53.31
+    1 |    Poca | 408 | 34.00 |   34.63 |  87.95
+    2 |    Algo | 134 | 11.17 |   11.38 |  99.32
+    3 |   Mucha |   8 |  0.67 |    0.68 | 100.00
+ <NA> |    <NA> |  22 |  1.83 |    <NA> |   <NA>
      +
      +
      +
      +

      4.2. Educación

      +
        +
      • [reeduc_1] = REEDUC.1 Nivel de estudios alcanzado - Entrevistado (recodificado)
        • +
      +

      a. Descriptivo

      +
      +
      frq(proc_data$reeduc_1)
      +
      +
      x <numeric> 
+# total N=1200 valid N=1200 mean=5.05 sd=1.22
+
+Value |   N | Raw % | Valid % | Cum. %
+--------------------------------------
+    1 |   8 |  0.67 |    0.67 |   0.67
+    2 |  53 |  4.42 |    4.42 |   5.08
+    3 |  36 |  3.00 |    3.00 |   8.08
+    4 | 161 | 13.42 |   13.42 |  21.50
+    5 | 643 | 53.58 |   53.58 |  75.08
+    6 | 109 |  9.08 |    9.08 |  84.17
+    7 | 190 | 15.83 |   15.83 | 100.00
+ <NA> |   0 |  0.00 |    <NA> |   <NA>
      +
      +
      +

      b. Recodificación

      +
        +

      • Vemos que no hay datos perdidos

        • +

      • Valores

        • +
      +

      Para hacer más fácil el análisis, recodificamos en tres categorías (en este caso decisión arbitraria. Se debería tener una razón teórica para recodificar)

      +
      1.  Analfabeto                                =   Educacion basica    =   1
+2   Básica incompleta                         =   Educacion basica    =   1
+3.  Básica completa                           =   Educacion basica    =   1
+4.  Secundaria, media, técnica incompleta     =   Educacion media     =   2
+5.  Secundaria, media, técnica completa       =   Educacion media     =   2
+6.  Superior incompleta                       =   Educacion superior  =   3
+7.  Superior completa                         =   Educacion superior  =   3
+
      +
      +
      # recodificacion usando funcion 'recode' de la libreria car
+proc_data$reeduc_1 <- car::recode(proc_data$reeduc_1, "c(1,2,3)=1; c(4,5)=2; c(6,7)=3")
      +
      +

      Comprobar con un nuevo descriptivo:

      +
      +
      frq(proc_data$reeduc_1)
      +
      +
      x <numeric> 
+# total N=1200 valid N=1200 mean=2.17 sd=0.55
+
+Value |   N | Raw % | Valid % | Cum. %
+--------------------------------------
+    1 |  97 |  8.08 |    8.08 |   8.08
+    2 | 804 | 67.00 |   67.00 |  75.08
+    3 | 299 | 24.92 |   24.92 | 100.00
+ <NA> |   0 |  0.00 |    <NA> |   <NA>
      +
      +
      +

      Se observa que los valores coinciden con la recodificación (los casos se acumulan entre las categorías 1 y 3), pero las etiquetas ahora no coinciden; se soluciona en el siguiente paso.

      +

      c. Etiquetado

      +

      Para re-etiquetar valores usamos la función factor, de R base. Con esta función aprovechamos de transformar la variable educación en una variable categórica, que es lo que corresponde para una variable ordinal.

      +
      +
      proc_data$reeduc_1 <- factor(proc_data$reeduc_1,
+                             labels = c("Educacion basica", "Educacion media", "Educacion superior"),
+                             levels = c(1, 2, 3))
      +
      +

      Luego renombramos la variable con un nombre más sustantivo

      +
      +
      proc_data <- rename(proc_data,"educacion"=reeduc_1)
      +
      +

      Además de cambiar el nombre, queremos cambiar la etiqueta de la variable.

      +
      +
      get_label(proc_data$educacion)
      +
      +
      NULL
      +
      +
      proc_data$educacion <- set_label(x = proc_data$educacion,label = "Educación")
      +
      +
      +
      +
      +

      4.3. Sexo

      +
        +
      • [sexo] = SEXO Sexo
        • +
      +

      a. Descriptivo

      +
      +
      frq(proc_data$sexo)
      +
      +
      x <numeric> 
+# total N=1200 valid N=1200 mean=1.54 sd=0.50
+
+Value |   N | Raw % | Valid % | Cum. %
+--------------------------------------
+    1 | 555 | 46.25 |   46.25 |  46.25
+    2 | 645 | 53.75 |   53.75 | 100.00
+ <NA> |   0 |  0.00 |    <NA> |   <NA>
      +
      +
      +

      b. Recodificación

      +

      En general esta variable no tiene problemas de casos perdidos ni de etiquetas, pero de todas maneras vamos a hacer un cambio de acuerdo a convenciones en análisis de datos, donde por lo general hombres tienen valor 0 y mujeres 1:

      +
      +
      proc_data$sexo <- car::recode(proc_data$sexo, "1=0;2=1")
      +
      +

      c. Etiquetado

      +

      Y ahora cambiamos las etiquetas de acuerdo a la recodificación anterior:

      +
      +
      proc_data$sexo <- factor(proc_data$sexo,
+            labels=c( "Hombre",
+                      "Mujer"),
+            levels=c(0,1))
      +
      +

      También queremos cambiar la etiqueta de la variable.

      +
      +
      get_label(proc_data$sexo)
      +
      +
      NULL
      +
      +
      proc_data$sexo <- set_label(x = proc_data$sexo,label = "Sexo")
      +
      +

      Revisar con un nuevo descriptivo:

      +
      +
      frq(proc_data$sexo)
      +
      +
      Sexo (x) <categorical> 
+# total N=1200 valid N=1200 mean=1.54 sd=0.50
+
+Value  |   N | Raw % | Valid % | Cum. %
+---------------------------------------
+Hombre | 555 | 46.25 |   46.25 |  46.25
+Mujer  | 645 | 53.75 |   53.75 | 100.00
+<NA>   |   0 |  0.00 |    <NA> |   <NA>
      +
      +
      +
      +
      +

      4.4 Edad

      +
        +
      • [edad] = EDAD Edad.
        • +
      +

      a. Descriptivo

      +
      +
      frq(proc_data$edad)
      +
      +
      x <numeric> 
+# total N=1200 valid N=1200 mean=44.49 sd=17.01
+
+Value |  N | Raw % | Valid % | Cum. %
+-------------------------------------
+   18 | 31 |  2.58 |    2.58 |   2.58
+   19 | 29 |  2.42 |    2.42 |   5.00
+   20 | 25 |  2.08 |    2.08 |   7.08
+   21 | 23 |  1.92 |    1.92 |   9.00
+   22 | 21 |  1.75 |    1.75 |  10.75
+   23 | 26 |  2.17 |    2.17 |  12.92
+   24 | 28 |  2.33 |    2.33 |  15.25
+   25 | 19 |  1.58 |    1.58 |  16.83
+   26 | 21 |  1.75 |    1.75 |  18.58
+   27 | 23 |  1.92 |    1.92 |  20.50
+   28 | 19 |  1.58 |    1.58 |  22.08
+   29 | 22 |  1.83 |    1.83 |  23.92
+   30 | 34 |  2.83 |    2.83 |  26.75
+   31 | 21 |  1.75 |    1.75 |  28.50
+   32 | 26 |  2.17 |    2.17 |  30.67
+   33 | 21 |  1.75 |    1.75 |  32.42
+   34 | 14 |  1.17 |    1.17 |  33.58
+   35 | 22 |  1.83 |    1.83 |  35.42
+   36 | 28 |  2.33 |    2.33 |  37.75
+   37 | 14 |  1.17 |    1.17 |  38.92
+   38 | 24 |  2.00 |    2.00 |  40.92
+   39 | 23 |  1.92 |    1.92 |  42.83
+   40 | 32 |  2.67 |    2.67 |  45.50
+   41 | 21 |  1.75 |    1.75 |  47.25
+   42 | 16 |  1.33 |    1.33 |  48.58
+   43 | 22 |  1.83 |    1.83 |  50.42
+   44 | 16 |  1.33 |    1.33 |  51.75
+   45 | 25 |  2.08 |    2.08 |  53.83
+   46 | 19 |  1.58 |    1.58 |  55.42
+   47 | 15 |  1.25 |    1.25 |  56.67
+   48 | 26 |  2.17 |    2.17 |  58.83
+   49 | 19 |  1.58 |    1.58 |  60.42
+   50 | 35 |  2.92 |    2.92 |  63.33
+   51 |  6 |  0.50 |    0.50 |  63.83
+   52 | 24 |  2.00 |    2.00 |  65.83
+   53 |  7 |  0.58 |    0.58 |  66.42
+   54 | 13 |  1.08 |    1.08 |  67.50
+   55 | 27 |  2.25 |    2.25 |  69.75
+   56 | 18 |  1.50 |    1.50 |  71.25
+   57 | 17 |  1.42 |    1.42 |  72.67
+   58 | 34 |  2.83 |    2.83 |  75.50
+   59 | 17 |  1.42 |    1.42 |  76.92
+   60 | 24 |  2.00 |    2.00 |  78.92
+   61 | 18 |  1.50 |    1.50 |  80.42
+   62 | 21 |  1.75 |    1.75 |  82.17
+   63 | 15 |  1.25 |    1.25 |  83.42
+   64 | 20 |  1.67 |    1.67 |  85.08
+   65 | 12 |  1.00 |    1.00 |  86.08
+   66 | 24 |  2.00 |    2.00 |  88.08
+   67 |  9 |  0.75 |    0.75 |  88.83
+   68 | 12 |  1.00 |    1.00 |  89.83
+   69 | 15 |  1.25 |    1.25 |  91.08
+   70 | 30 |  2.50 |    2.50 |  93.58
+   71 |  9 |  0.75 |    0.75 |  94.33
+   72 | 10 |  0.83 |    0.83 |  95.17
+   73 |  8 |  0.67 |    0.67 |  95.83
+   74 |  8 |  0.67 |    0.67 |  96.50
+   75 |  8 |  0.67 |    0.67 |  97.17
+   76 | 12 |  1.00 |    1.00 |  98.17
+   77 |  5 |  0.42 |    0.42 |  98.58
+   78 |  2 |  0.17 |    0.17 |  98.75
+   79 |  2 |  0.17 |    0.17 |  98.92
+   80 |  4 |  0.33 |    0.33 |  99.25
+   82 |  1 |  0.08 |    0.08 |  99.33
+   84 |  2 |  0.17 |    0.17 |  99.50
+   85 |  3 |  0.25 |    0.25 |  99.75
+   86 |  1 |  0.08 |    0.08 |  99.83
+   87 |  1 |  0.08 |    0.08 |  99.92
+   89 |  1 |  0.08 |    0.08 | 100.00
+ <NA> |  0 |  0.00 |    <NA> |   <NA>
      +
      +
      +

      b. Recodificación: no es necesario en este caso

      +

      c. Etiquetado

      +

      Cambio la etiqueta de la variable.

      +
      +
      get_label(proc_data$edad)
      +
      +
      NULL
      +
      +
      proc_data$edad <- set_label(x = proc_data$edad,label = "Edad")
      +
      +
      +
      +
      +

      5. Generación de base de datos procesada para el análisis

      +

      Antes de guardar la base procesada, revisamos nuevamente todas las variables con una tabla descriptiva general mediante la función stargazer (de la librería homónima)

      +

      Primero vamos a reformatear el objeto proc_data como base de datos (as.data.frame), paso necesario para que sea reconocido como tal por stargazer

      +
      +
      proc_data <-as.data.frame(proc_data)
+stargazer(proc_data, type="text")
      +
      +
      
+===========================================
+Statistic      N    Mean   St. Dev. Min Max
+-------------------------------------------
+conf_gob     1,181  0.660   0.800    0   3 
+conf_cong    1,178  0.594   0.714    0   3 
+conf_jud     1,186  0.717   0.789    0   3 
+conf_partpol 1,178  0.451   0.673    0   3 
+edad         1,200 44.491   17.008  18  89 
+idenpa       1,200 152.000  0.000   152 152
+conf_inst    1,162  2.420   2.489    0  12 
+-------------------------------------------
      +
      +
      +
      +

      Si se desea modificar las columnas que aparecen en la tabla se puede ocupar la opción summary.stat, donde se pueden especificar:

      +
        +
      • “max” maximum
        • +
      • “mean” mean
        • +
      • “median” median
        • +
      • “min” minimum
        • +
      • “n” number of observations
        • +
      • “p25” 25th percentile
        • +
      • “p75” 75th percentile
        • +
      • “sd” standard deviation
        • +
      +

      Por ejemplo, si quiero una tabla solo con promedio, n, sd y p75: stargazer(data, type="text", summary.stat = c("mean", "n", "sd", "p75"))

      +
      +
        +
      • Guardar base de datos procesada: en carpeta local La ruta hacia su carpeta local si está trabajando en windows debería ser algo como “C:/Users/Lenovo/Clases/y aquí nombre del archivo a grabar
        • +
      +

      El comando para guardar es save:

      +
      +
      save(proc_data,file = "[ruta hacia carpeta local en su computador]/ELSOC_ess_merit2016.RData")
      +
      +

      En este caso, seguimos una estructura de carpetas de datos, separando en una carpeta los datos originales, y en otra (proc) los datos procesados:

      +
      +
      save(proc_data,file = "files/data/latinobarometro_proc.RData")
      +
      +
      +
      +

      Descriptivos básicos de las variables

      +

      Podemos conocer ciertas medidas de tendencia central utilizando algunas funciones de dplyr

      +
      +

      Media por grupos

      +
      +
      proc_data %>% dplyr::group_by(sexo) %>% summarise(mean(conf_inst, na.rm=TRUE))
      +
      +
      # A tibble: 2 × 2
+  sexo   `mean(conf_inst, na.rm = TRUE)`
+  <fct>                            <dbl>
+1 Hombre                            2.48
+2 Mujer                             2.36
      +
      +
      +
      +
      proc_data %>% dplyr::group_by(educacion) %>% summarise(mean(conf_inst, na.rm=TRUE))
      +
      +
      # A tibble: 3 × 2
+  educacion          `mean(conf_inst, na.rm = TRUE)`
+  <fct>                                        <dbl>
+1 Educacion basica                              2.96
+2 Educacion media                               2.38
+3 Educacion superior                            2.36
      +
      +
      +
      +
      +

      Representación

      +
      +
      library(sjPlot)
      +
      +
      Install package "strengejacke" from GitHub (`devtools::install_github("strengejacke/strengejacke")`) to load all sj-packages at once!
      +
      +
      sjt.xtab(proc_data$educacion, proc_data$conf_inst, encoding = "UTF-8")
      +
      + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
      EducaciónConfianza en
      instituciones      		Total
      0123456789101112
      Educacion basica301166126447300190
      Educacion media268958379121452429283410780
      Educacion superior99354126362013895000292
      Total39714113011116971414144114111162
      χ2=37.850 · df=24 · Cramer's V=0.128 · Fisher's p=0.132
      +
      +
      + + +
      +
      +
      + +
      + +
      + + + + + \ No newline at end of file diff --git a/docs/resource/03-resource.html b/docs/resource/03-resource.html new file mode 100644 index 0000000..90d1a45 --- /dev/null +++ b/docs/resource/03-resource.html @@ -0,0 +1,1371 @@ + + + + + + + + + +Metodología I - MCS - Práctico 3. Operacionalización de variables + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
      +
      + + +
      + +
      + + +
      + + + +
      + +
      +
      +

      Práctico 3. Operacionalización de variables

      +

      R data analisis

      +
      + + + +
      + + +
      +
      Fecha de publicación
      +
      +

      26 de marzo de 2024

      +
      +
      + + +
      + + +
      + +
      +

      Presentación

      +
      +

      Objetivo de la práctica

      +

      El desarrollo de esta guía tiene por objetivo revisar algunos procedimientos básicos de la preparación de datos con R, que son necesarios para luego poder analizar e interpretar los datos.

      +

      Por temas de orden y reproducibilidad, en este curso vamos a separar en dos momentos el trabajo con datos, y dos archivos de código correspondientes:

      +
        +

      • Preparación corresponde a lo que se conoce generalmente como “limpieza”, es decir, realizar las modificaciones necesarias para poder efectuar los análisis. Estas modificaciones previas al análisis son necesarias ya que los datos originales con los que se va a trabajar en general no vienen perfectamente adaptados a los análisis que se quieren hacer. Por lo tanto, en cuanto a datos también hacemos la distinción entre datos originales y datos preparados (o procesados).

        • +

      • Análisis: se relaciona tanto con análisis descriptivos asociados a las preguntas de investigación y como también modelamiento de datos para contrastar hipótesis de investigación.

        • +
      +
      +

      Los procesos de preparación y análisis vinculados a datos y resultados se presentan en el siguiente esquema:

      +

      +

      Tanto la preparación como el análisis (que son parte del concepto más general de procesamiento) quedan registrados cada uno en un archivo de código.

      +

      Archivo de código R: archivo con extensión .R donde se almacena el código de análisis. Para generarlo desde RStudio: File > New File > R Script (o ctrl+shift+N), y para grabarlo File > Save (o ctrl+s), y darle nombre la primera vez (recordar: sin tilde ni ñ, y evitar espacios)

      +

      El documento de código de preparación posee 5 partes, más una sección de identificación inicial:

      +
        +
      1. Identificación y descripción general: Título, autor(es), fecha, información breve sobre el contenido del documento
        2. +
      2. Librerías: cargar librerías a utilizar
        3. +
      3. Datos: carga de datos
        4. +
      4. Selección de variables a utilizar
        5. +
      5. Procesamiento de variables: en este punto, por cada variable se realiza lo siguiente: +
          +
        1. Descriptivo básico
          2. +
        2. Recodificación: datos perdidos y valores (en caso de ser necesario)
          3. +
        3. Etiquetamiento: de variable y valores (en caso de ser necesario)
          4. +
        4. Otros ajustes
          5. +
        6. +
      6. Generación de base de datos preparada para el análisis.
        7. +
      +
      +

      De rutas, estructura de carpetas y otros

      +
        +

      • Encontrando la ruta a carpeta local: lo más fácil es crear la carpeta donde se desean guardar los datos desde el administrador de archivos del computador. Luego, posicionarse con el cursor sobre la carpeta y seleccionar “Propiedades”, en la ventana emergente debería aparecer la ruta hacia la carpeta en “Ubicación”. Copiar esa ruta y agregar al final el nombre de la carpeta (separada por slash)

        • +

      • Sobre los “slashes” (\ o /): en la ruta las carpetas y el archivo final aparecen separados por slashes, que según el sistema utilizado pueden ser slash (/) o backslash (\). En R por defecto se usa slash, pero en Windows backslash, por lo que si se usa Windows hay que reemplazarlos por backslash o también puede ser por un doble slash (//).

        • +

      • Por temas de compatibilidad general, en las rutas se recomienda evitar tildes, eñes, espacios, mayúsculas y guiones bajos (_).

        • +

      • Estructura de carpetas: para mantener el orden se sugiere seguir un protocolo de estructura de carpetas de proyecto, para lo que recomendamos el protocolo IPO, y que se adapta al flujo de trabajo presentado anteriormente. Básicamente son tres carpetas: input, procesamiento, output. En la carpeta input crear la subcarpeta data-orig para guardar datos originales, y data-proc para los procesados. En procesamiento se guardan los archivos de código y en output las tablas y los gráficos.

        • +
      +

      +
      + + + + +

      Al final de esta práctica la idea es que cada un_ elabore y entienda su propio documento de preparación de datos.

      +

      En el ejemplo vamos a procesar variables de confianza en instituciones políticas y variables de caracterización sociodemográfica utilizando los datos de la encuesta Latinobarómetro .

      +
      +
      +
      +

      Antecedentes de los datos a utilizar

      +

      Latinobarómetro es un estudio de opinión pública que aplica anualmente alrededor de 20.000 entrevistas en 18 países de América Latina representando a más de 600 millones de habitantes

      +

      “Los gobiernos latinoamericanos, que venían en declive junto con sus democracias desde inicios de la década de 2010, como reflejan los datos de Latinobarómetro, llegaron a fines de 2018 al annus horribilis con la caída de Nicaragua y Venezuela desde su condición de democracias para entrar en la categoría de autocracias y dictadura.

      +

      De los hiperpresidentes de la primera década del siglo con altos niveles de crecimiento en todos los países y altos niveles de aprobación, la región pasó en la segunda década a los subpresidentes, con una baja en aprobación de gobierno a la mitad, en menos de 10 años. Este rechazo al desempeño de las elites gobernantes, indica su fracaso a fines de 2019 en varios países de la región.” (Latinobarómetro, informe 2021, p. 7)

      +

      El presente ejercicio tiene por objetivo el procesar los datos para obtener las variables relevantes para el estudio de la Confianza en instituciones políticas, entendida como el grado en que los individuos confian en distintas instituciones políticas a nivel nacional, como el gobierno, la justicia, los partidos políticos, etc. Para ello, junto con variables de confianza, consideraremos también variables de estatus (educación), y variables de caracterización sociodemográfica (sexo y edad).

      +
      +
      +
      +

      Preparación de datos Latinobarómetro 2020

      +
      +

      1. Librerías principales (de R) a utilizar en el análisis

      +

      Como sabemos, la lógica de R es instalar librerías (solo 1 vez, con install.packages("librería")), y luego cargarlas cada vez que es necesario usarlas (con library(librería)). El problema de esto es que a veces no se sabe claramente qué librerías están instaladas y cuales no, lo que va a arrojar error al cargarlas. Y, como sucede en R, existe una librería para solucionar este problema que se llama pacman (package manager). Lo que hace pacman es cargar la librería, y si no está instalada, la instala y la carga:

      +

      Para utilizar la primera vez (si es que no está instalada):

      +
      +
      install.packages("pacman")
      +
      +

      Y en adelante, las librerías se cargan así pacman::p_load(libreria1,libreria2,libreriaX) :

      +
      +
      pacman::p_load(dplyr, sjmisc, car, sjlabelled, stargazer, haven)
      +
      +

      Para esta sesión vamos a utilizar Las librerías que vamos a utilizar son:

      +
        +
      • dplyr: ajuste general de datos
        • +
      • sjmisc: descripción y exploración de base de datos
        • +
      • car: principalmente la función recode para recodificar/agrupar valores de variable
        • +
      • stargazer: para tabla descriptiva
        • +
      +
      +
      +

      2. Cargar base de datos

      +

      Ajustar espacio de trabajo

      +

      Previo a la carga de nuestra base de datos, se recomienda ejecutar los siguientes comandos:

      +
      +
      rm(list=ls())       # borrar todos los objetos en el espacio de trabajo
+options(scipen=999) # valores sin notación científica
      +
      +

      La función rm(list=ls()) permite comenzar con un espacio de trabajo (environment) vacío y sin otros objetos. Así también, la función options(scipen=999) desactiva la notación científica, es decir, veremos los valores numéricos con todos sus decimales.

      +

      Datos

      +

      Las bases de datos se pueden cargar de un archivo local o en línea. Para este caso utilizaremos un archivo en línea que viene en formato RData: latinobarometro2020.RData. Abrir bases de datos en otros formatos: Los formatos mas comunes en que se almacenan las bases de datos son .dta (Stata), .sav (Spss) y RData (R). Para abrir desde R utlilizamos la librería haven y sus funciones read_dta y read_sav según corresponda. Ej: datos <- read_dta("base_casen.dta"). Recordar antes instalar/cargar la librería: pacman::p_load(haven)

      +
      +
      #cargamos la base de datos desde internet
+load(url("https://github.com/Kevin-carrasco/metod1-MCS/raw/main/files/data/external_data/latinobarometro2020.RData"))
      +
      +

      o de manera local:

      +
      +
      latinobarometro2020 <- read_dta("../files/data/external_data/latinobarometro2020.dta", encoding = "UTF-8")
      +
      +

      La base de datos aparece como un objeto en nuestro espacio de trabajo, con el nombre original con la que fue guardada (latinobarometro2020):

      +

      +

      Realizamos un chequeo básico de la lectura de datos: nombres de las variables y tamaño de la base en términos de casos y variables (en este ejemplo, 20204, 408 ).

      +
      +
      dim(latinobarometro2020) # dimension de la base
      +
      +
      [1] 20204   408
      +
      +
      +

      Y si se quiere revisar en formato de planilla de datos:

      +
      +
      View(latinobarometro2020)
      +
      +
      +
      +

      3. Selección de variables a utilizar

      +

      Este paso consiste en crear un subset reducido de datos que contenga solo las variables de interés. Para ello:

      +
        +
      1. Se identifica el nombre de las variables que registran la información de preguntas o items del instrumento: esto aparece en el libro de códigos y/o en el cuestionario, o también se puede hacer buscando en la base de datos mediante alguna palabra clave asociada a la pregunta. Por ejemplo, si queremos buscar variables asociadas a educación, utilizamos la función find_var (de sjmisc, librería que cargamos en el paso 1), que nos entrega nombre de la variable en columna var.name. Por ejemplo, si buscamos alguna variable asociada al concepto Confianza:
        2. +
      +
      +
      find_var(data = latinobarometro2020,"Confianza")
      +
      +
         col.nr   var.name
+1      36    p9stgbs
+2      41 P13STGBS_A
+3      42 P13STGBS_B
+4      43    p13st_c
+5      44    p13st_d
+6      45    p13st_e
+7      46    p13st_f
+8      47    p13st_g
+9      48    p13st_h
+10     49    p13st_i
+11     51    p15st_a
+12     52    p15st_b
+13     53    p15st_c
+14     54    p15st_d
+15     55    p15st_e
+16     56    p15st_f
+17     57    p15st_g
+18     58     p15n_h
+19     59     p15n_i
+20     60     p15n_j
+21     61     p15n_k
+22    154     p36n_a
+23    155     p36n_b
+24    160  P36STMB_A
+25    161  P36STMB_B
+26    162  P36STMB_C
+27    163  P36STMB_D
+                                                                          var.label
+1                                                   P9STGBS Confianza Interpersonal
+2                                       P13STGBS.A Confianza en las Fuerzas Armadas
+3                                  P13STGBS.B Confianza en la Policía / Carabineros
+4                                                   P13ST.C Confianza en la Iglesia
+5                                                  P13ST.D Confianza en el Congreso
+6                                                  P13ST.E Confianza en el Gobierno
+7                                            P13ST.F Confianza en el Poder Judicial
+8                                       P13ST.G Confianza en los Partidos Políticos
+9                           P13ST.H Confianza en: La institución Electoral del país
+10                                              P13ST.I Confianza en: El presidente
+11 P15ST.A Confianza en que las instituciones operan para mejorar nuestra calidad d
+12 P15ST.B Confianza en que las instituciones operan para mejorar nuestra calidad d
+13 P15ST.C Confianza en que las instituciones operan para mejorar nuestra calidad d
+14 P15ST.D Confianza en que las instituciones operan para mejorar nuestra calidad d
+15 P15ST.E Confianza en que las instituciones operan para mejorar nuestra calidad d
+16 P15ST.F Confianza en que las instituciones operan para mejorar nuestra calidad d
+17 P15ST.G Confianza en que las instituciones operan para mejorar nuestra calidad d
+18 P15N.H Confianza en que las instituciones operan para mejorar nuestra calidad de
+19 P15N.I Confianza en que las instituciones operan para mejorar nuestra calidad de
+20 P15N.J Confianza en que las instituciones operan para mejorar nuestra calidad de
+21 P15N.K Confianza en que las instituciones operan para mejorar nuestra calidad de
+22                        P36N.A Confianza en las Fuerzas Armadas de Estados Unidos
+23                                   P36N.B Confianza en las fuerzas Armadas Chinas
+24                    P36STMB.A Confianza en el FMI (Fondo Monetario Internacional)
+25               P36STMB.B Confianza en el BID (Banco Interamericano de Desarrollo)
+26            P36STMB.C Confianza en el CAF (Banco de Desarrollo de América Latina)
+27                                          P36STMB.D Confianza en el Banco Mundial
      +
      +
      +

      Nos informa que hay una serie de variables relacionadas con confianza interpersonal y con instituciones. Probemos con la variable p13st_e.

      +

      Mediante la función select de dplyr, seleccionamos cada una de nuestras variables de interés y creamos una nueva base con el nombre proc_data, donde “proc” hace referencia a base procesada:

      +
      +
      proc_data <- latinobarometro2020 %>% select(p13st_e, # Confianza en el Gobierno
+                          p13st_d, # Confianza en el congreso
+                          p13st_f, # Confianza en el Poder Judicial
+                          p13st_g, # Confianza en los partidos políticos
+                          reeduc_1,# nivel educacional
+                          sexo,# sexo
+                          edad,# edad
+                          idenpa) # pais 
+
+# Comprobar
+names(proc_data)
      +
      +
      [1] "p13st_e"  "p13st_d"  "p13st_f"  "p13st_g"  "reeduc_1" "sexo"     "edad"    
+[8] "idenpa"
      +
      +
      +

      Mediante el comando get_label obtenemos el atributo label de las variables.

      +
      +
      sjlabelled::get_label(proc_data)
      +
      +
                                                                   p13st_e 
+                                  "P13ST.E Confianza en el Gobierno" 
+                                                             p13st_d 
+                                  "P13ST.D Confianza en el Congreso" 
+                                                             p13st_f 
+                            "P13ST.F Confianza en el Poder Judicial" 
+                                                             p13st_g 
+                       "P13ST.G Confianza en los Partidos Políticos" 
+                                                            reeduc_1 
+"REEDUC.1 Nivel de estudios alcanzado - Entrevistado (recodificado)" 
+                                                                sexo 
+                                                         "SEXO Sexo" 
+                                                                edad 
+                                                         "EDAD Edad" 
+                                                              idenpa 
+                                    "IDENPA Identificación del País"
      +
      +
      +

      Podemos ver que son largas o con códigos poco informativos, por lo tanto, es necesario cambiarlas por etiquetas más cortas y de fácil identificación.

      +

      Para facilitar el análisis, vamos a filtrar la base de datos para quedarnos solo con los casos de Chile. Para esto utilizamos la función filter de dplyr. Si revisamos el libro de códigos, el identificador de Chile es 152

      +
      +
      proc_data <- proc_data %>% dplyr::filter(idenpa==152)
      +
      +
      +
      +

      4. Procesamiento de variables

      +

      Para el procesamiento de cada variable se seguirá el siguiente flujo de trabajo:

      +
        +
      1. Descriptivo general
        2. +
      2. Recodificación: de casos perdidos y otros valores (en caso necesario)
        3. +
      3. Etiquetado: cambio de nombres de variables y valores (en caso necesario)
        4. +
      4. Otros ajustes
        5. +
      +

      Y se recomienda también un descriptivo final para revisar que el procesamiento de cada variable está ok.

      +
      +

      4.1 Confianza en el Gobierno

      +

      En Latinobarómetro, lass variables que permiten medir la Confianza en instituciones políticas en Chile son las siguientes:

      +
        +
      • [p13st_e]: “P13ST.E Confianza en el Gobierno” (1 = Mucha; 4 = Ninguna)
        • +
      • [p13st_d]: “P13ST.D Confianza en el Congreso” (1 = Mucha; 4 = Ninguna)
        • +
      • [p13st_f]: “P13ST.F Confianza en el Poder Judicial” (1 = Mucha; 4 = Ninguna)
        • +
      • [p13st_g]: “P13ST.G Confianza en los Partidos Políticos” (1 = Mucha; 4 = Ninguna)
        • +
      +

      a. Descriptivo

      +

      Para los descriptivos se utilizará la función frq, de la librería sjmisc:

      +
      +
      frq(proc_data$p13st_e)
      +
      +
      x <numeric> 
+# total N=1200 valid N=1200 mean=3.27 sd=0.99
+
+Value |   N | Raw % | Valid % | Cum. %
+--------------------------------------
+   -2 |   8 |  0.67 |    0.67 |   0.67
+   -1 |  11 |  0.92 |    0.92 |   1.58
+    1 |  23 |  1.92 |    1.92 |   3.50
+    2 | 176 | 14.67 |   14.67 |  18.17
+    3 | 358 | 29.83 |   29.83 |  48.00
+    4 | 624 | 52.00 |   52.00 | 100.00
+ <NA> |   0 |  0.00 |    <NA> |   <NA>
      +
      +
      +

      En esta variable vemos valores asociados a la opción “No contesta” (-2) y “No sabe” (-1), que corresponde definirlos como casos perdidos (en el caso de R, como casos NA). El resto de los valores y etiquetas se encuentran en un orden contraintuitivo (mayor valor indica menos confianza), así que en la recodificiación nos haremos cargo de los casos perdidos y de reordenar las categorías.

      +

      b. Recodificación

      +

      Para recodificar utilizamos la función recode, de la librería car

      +
      +
      proc_data$p13st_e <- recode(proc_data$p13st_e, "c(-2,-1)=NA")
+proc_data$p13st_d <- recode(proc_data$p13st_d, "c(-2,-1)=NA")
+proc_data$p13st_f <- recode(proc_data$p13st_f, "c(-2,-1)=NA")
+proc_data$p13st_g <- recode(proc_data$p13st_g, "c(-2,-1)=NA")
      +
      +

      nota: con la función set_na de la librería sjmisc podemos recodificar toda la base de datos con un solo código, pero debemos estar completamente segur-s de que estos valores no tienen otra categoría asociada en otra variable.

      +
      +
      proc_data <- proc_data %>% set_na(., na = c(-2, -1))
      +
      +

      Para reordenar las categorías volvemos a utilizar la función recode, de la librería car

      +
      +
      proc_data$p13st_e <- recode(proc_data$p13st_e, "1=3; 2=2; 3=1; 4=0")
+proc_data$p13st_d <- recode(proc_data$p13st_d, "1=3; 2=2; 3=1; 4=0")
+proc_data$p13st_f <- recode(proc_data$p13st_f, "1=3; 2=2; 3=1; 4=0")
+proc_data$p13st_g <- recode(proc_data$p13st_g, "1=3; 2=2; 3=1; 4=0")
      +
      +

      c - Etiquetado

      +

      Vamos a dar un nombre más sustantivo a las variables con la función rename, de la librería dplyr:

      +
      +
      proc_data <- proc_data %>% rename("conf_gob"=p13st_e, # Confianza en el gobierno
+                                  "conf_cong"=p13st_d, # Confianza en el congreso
+                                  "conf_jud"=p13st_f, # Confianza en el Poder Judicial
+                                  "conf_partpol"=p13st_g) # Confianza en los partidos políticos
      +
      +

      Además de cambiar el nombre, queremos cambiar las etiquetas de las variables.

      +
      +
      proc_data$conf_gob <- set_label(x = proc_data$conf_gob,label = "Confianza: Gobierno")
+get_label(proc_data$conf_gob)
      +
      +
      [1] "Confianza: Gobierno"
      +
      +
      proc_data$conf_cong  <- set_label(x = proc_data$conf_cong, label = "Confianza: Congreso")
+get_label(proc_data$conf_cong)
      +
      +
      [1] "Confianza: Congreso"
      +
      +
      proc_data$conf_jud  <- set_label(x = proc_data$conf_jud, label = "Confianza: Poder judicial")
+get_label(proc_data$conf_jud)
      +
      +
      [1] "Confianza: Poder judicial"
      +
      +
      proc_data$conf_partpol  <- set_label(x = proc_data$conf_partpol, label = "Confianza: Partidos politicos")
+get_label(proc_data$conf_partpol)
      +
      +
      [1] "Confianza: Partidos politicos"
      +
      +
      +

      d. Otros ajustes

      +

      Para este caso vamos a crear una variable que sea la suma de los cuatro items de confianza.

      +
      +
      proc_data$conf_inst <- (proc_data$conf_gob+proc_data$conf_cong+proc_data$conf_jud+proc_data$conf_partpol)
+summary(proc_data$conf_inst)
      +
      +
         Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
+   0.00    0.00    2.00    2.42    4.00   12.00      38
      +
      +
      +
      +
      get_label(proc_data$conf_inst)
      +
      +
      [1] "Confianza: Gobierno"
      +
      +
      +

      Vemos que una etiqueta de la variable anterior.

      +
      +
      proc_data$conf_inst  <- set_label(x = proc_data$conf_inst, label = "Confianza en instituciones")
      +
      +

      Revisión final

      +

      Nuevamente un descriptivo de cada variable para confirmar que el procesamiento está ok:

      +
      +
      frq(proc_data$conf_gob)
      +
      +
      Confianza: Gobierno (x) <numeric> 
+# total N=1200 valid N=1181 mean=0.66 sd=0.80
+
+Value |   N | Raw % | Valid % | Cum. %
+--------------------------------------
+    0 | 624 | 52.00 |   52.84 |  52.84
+    1 | 358 | 29.83 |   30.31 |  83.15
+    2 | 176 | 14.67 |   14.90 |  98.05
+    3 |  23 |  1.92 |    1.95 | 100.00
+ <NA> |  19 |  1.58 |    <NA> |   <NA>
      +
      +
      frq(proc_data$conf_cong)
      +
      +
      Confianza: Congreso (x) <numeric> 
+# total N=1200 valid N=1178 mean=0.59 sd=0.71
+
+Value |   N | Raw % | Valid % | Cum. %
+--------------------------------------
+    0 | 628 | 52.33 |   53.31 |  53.31
+    1 | 408 | 34.00 |   34.63 |  87.95
+    2 | 134 | 11.17 |   11.38 |  99.32
+    3 |   8 |  0.67 |    0.68 | 100.00
+ <NA> |  22 |  1.83 |    <NA> |   <NA>
      +
      +
      frq(proc_data$conf_inst)
      +
      +
      Confianza en instituciones (x) <numeric> 
+# total N=1200 valid N=1162 mean=2.42 sd=2.49
+
+Value |   N | Raw % | Valid % | Cum. %
+--------------------------------------
+    0 | 397 | 33.08 |   34.17 |  34.17
+    1 | 141 | 11.75 |   12.13 |  46.30
+    2 | 130 | 10.83 |   11.19 |  57.49
+    3 | 111 |  9.25 |    9.55 |  67.04
+    4 | 169 | 14.08 |   14.54 |  81.58
+    5 |  71 |  5.92 |    6.11 |  87.69
+    6 |  41 |  3.42 |    3.53 |  91.22
+    7 |  41 |  3.42 |    3.53 |  94.75
+    8 |  44 |  3.67 |    3.79 |  98.54
+    9 |  11 |  0.92 |    0.95 |  99.48
+   10 |   4 |  0.33 |    0.34 |  99.83
+   11 |   1 |  0.08 |    0.09 |  99.91
+   12 |   1 |  0.08 |    0.09 | 100.00
+ <NA> |  38 |  3.17 |    <NA> |   <NA>
      +
      +
      +

      Vemos que los valores (labels) de cada categoría de las primeras variables que recodificamos no se corresponden con el nuevo valor. Para re-etiquetar valores usamos la función set_labels, de la librería sjlabelled

      +
      +
      proc_data$conf_gob <- set_labels(proc_data$conf_gob,
+            labels=c( "Ninguna"=0,
+                      "Poca"=1,
+                      "Algo"=2,
+                      "Mucha"=3))
+
+proc_data$conf_cong <- set_labels(proc_data$conf_cong,
+            labels=c( "Ninguna"=0,
+                      "Poca"=1,
+                      "Algo"=2,
+                      "Mucha"=3))
+
+proc_data$conf_jud <- set_labels(proc_data$conf_jud,
+            labels=c( "Ninguna"=0,
+                      "Poca"=1,
+                      "Algo"=2,
+                      "Mucha"=3))
+
+proc_data$conf_partpol <- set_labels(proc_data$conf_partpol,
+            labels=c( "Ninguna"=0,
+                      "Poca"=1,
+                      "Algo"=2,
+                      "Mucha"=3))
      +
      +

      y volvemos a revisar

      +
      +
      frq(proc_data$conf_gob)
      +
      +
      Confianza: Gobierno (x) <numeric> 
+# total N=1200 valid N=1181 mean=0.66 sd=0.80
+
+Value |   Label |   N | Raw % | Valid % | Cum. %
+------------------------------------------------
+    0 | Ninguna | 624 | 52.00 |   52.84 |  52.84
+    1 |    Poca | 358 | 29.83 |   30.31 |  83.15
+    2 |    Algo | 176 | 14.67 |   14.90 |  98.05
+    3 |   Mucha |  23 |  1.92 |    1.95 | 100.00
+ <NA> |    <NA> |  19 |  1.58 |    <NA> |   <NA>
      +
      +
      frq(proc_data$conf_cong)
      +
      +
      Confianza: Congreso (x) <numeric> 
+# total N=1200 valid N=1178 mean=0.59 sd=0.71
+
+Value |   Label |   N | Raw % | Valid % | Cum. %
+------------------------------------------------
+    0 | Ninguna | 628 | 52.33 |   53.31 |  53.31
+    1 |    Poca | 408 | 34.00 |   34.63 |  87.95
+    2 |    Algo | 134 | 11.17 |   11.38 |  99.32
+    3 |   Mucha |   8 |  0.67 |    0.68 | 100.00
+ <NA> |    <NA> |  22 |  1.83 |    <NA> |   <NA>
      +
      +
      +
      +

      4.2. Educación

      +
        +
      • [reeduc_1] = REEDUC.1 Nivel de estudios alcanzado - Entrevistado (recodificado)
        • +
      +

      a. Descriptivo

      +
      +
      frq(proc_data$reeduc_1)
      +
      +
      x <numeric> 
+# total N=1200 valid N=1200 mean=5.05 sd=1.22
+
+Value |   N | Raw % | Valid % | Cum. %
+--------------------------------------
+    1 |   8 |  0.67 |    0.67 |   0.67
+    2 |  53 |  4.42 |    4.42 |   5.08
+    3 |  36 |  3.00 |    3.00 |   8.08
+    4 | 161 | 13.42 |   13.42 |  21.50
+    5 | 643 | 53.58 |   53.58 |  75.08
+    6 | 109 |  9.08 |    9.08 |  84.17
+    7 | 190 | 15.83 |   15.83 | 100.00
+ <NA> |   0 |  0.00 |    <NA> |   <NA>
      +
      +
      +

      b. Recodificación

      +
        +

      • Vemos que no hay datos perdidos

        • +

      • Valores

        • +
      +

      Para hacer más fácil el análisis, recodificamos en tres categorías (en este caso decisión arbitraria. Se debería tener una razón teórica para recodificar)

      +
      1.  Analfabeto                                =   Educacion basica    =   1
+2   Básica incompleta                         =   Educacion basica    =   1
+3.  Básica completa                           =   Educacion basica    =   1
+4.  Secundaria, media, técnica incompleta     =   Educacion media     =   2
+5.  Secundaria, media, técnica completa       =   Educacion media     =   2
+6.  Superior incompleta                       =   Educacion superior  =   3
+7.  Superior completa                         =   Educacion superior  =   3
+
      +
      +
      # recodificacion usando funcion 'recode' de la libreria car
+proc_data$reeduc_1 <- car::recode(proc_data$reeduc_1, "c(1,2,3)=1; c(4,5)=2; c(6,7)=3")
      +
      +

      Comprobar con un nuevo descriptivo:

      +
      +
      frq(proc_data$reeduc_1)
      +
      +
      x <numeric> 
+# total N=1200 valid N=1200 mean=2.17 sd=0.55
+
+Value |   N | Raw % | Valid % | Cum. %
+--------------------------------------
+    1 |  97 |  8.08 |    8.08 |   8.08
+    2 | 804 | 67.00 |   67.00 |  75.08
+    3 | 299 | 24.92 |   24.92 | 100.00
+ <NA> |   0 |  0.00 |    <NA> |   <NA>
      +
      +
      +

      Se observa que los valores coinciden con la recodificación (los casos se acumulan entre las categorías 1 y 3), pero las etiquetas ahora no coinciden; se soluciona en el siguiente paso.

      +

      c. Etiquetado

      +

      Para re-etiquetar valores usamos la función factor, de R base. Con esta función aprovechamos de transformar la variable educación en una variable categórica, que es lo que corresponde para una variable ordinal.

      +
      +
      proc_data$reeduc_1 <- factor(proc_data$reeduc_1,
+                             labels = c("Educacion basica", "Educacion media", "Educacion superior"),
+                             levels = c(1, 2, 3))
      +
      +

      Luego renombramos la variable con un nombre más sustantivo

      +
      +
      proc_data <- rename(proc_data,"educacion"=reeduc_1)
      +
      +

      Además de cambiar el nombre, queremos cambiar la etiqueta de la variable.

      +
      +
      get_label(proc_data$educacion)
      +
      +
      NULL
      +
      +
      proc_data$educacion <- set_label(x = proc_data$educacion,label = "Educación")
      +
      +
      +
      +
      +

      4.3. Sexo

      +
        +
      • [sexo] = SEXO Sexo
        • +
      +

      a. Descriptivo

      +
      +
      frq(proc_data$sexo)
      +
      +
      x <numeric> 
+# total N=1200 valid N=1200 mean=1.54 sd=0.50
+
+Value |   N | Raw % | Valid % | Cum. %
+--------------------------------------
+    1 | 555 | 46.25 |   46.25 |  46.25
+    2 | 645 | 53.75 |   53.75 | 100.00
+ <NA> |   0 |  0.00 |    <NA> |   <NA>
      +
      +
      +

      b. Recodificación

      +

      En general esta variable no tiene problemas de casos perdidos ni de etiquetas, pero de todas maneras vamos a hacer un cambio de acuerdo a convenciones en análisis de datos, donde por lo general hombres tienen valor 0 y mujeres 1:

      +
      +
      proc_data$sexo <- car::recode(proc_data$sexo, "1=0;2=1")
      +
      +

      c. Etiquetado

      +

      Y ahora cambiamos las etiquetas de acuerdo a la recodificación anterior:

      +
      +
      proc_data$sexo <- factor(proc_data$sexo,
+            labels=c( "Hombre",
+                      "Mujer"),
+            levels=c(0,1))
      +
      +

      También queremos cambiar la etiqueta de la variable.

      +
      +
      get_label(proc_data$sexo)
      +
      +
      NULL
      +
      +
      proc_data$sexo <- set_label(x = proc_data$sexo,label = "Sexo")
      +
      +

      Revisar con un nuevo descriptivo:

      +
      +
      frq(proc_data$sexo)
      +
      +
      Sexo (x) <categorical> 
+# total N=1200 valid N=1200 mean=1.54 sd=0.50
+
+Value  |   N | Raw % | Valid % | Cum. %
+---------------------------------------
+Hombre | 555 | 46.25 |   46.25 |  46.25
+Mujer  | 645 | 53.75 |   53.75 | 100.00
+<NA>   |   0 |  0.00 |    <NA> |   <NA>
      +
      +
      +
      +
      +

      4.4 Edad

      +
        +
      • [edad] = EDAD Edad.
        • +
      +

      a. Descriptivo

      +
      +
      frq(proc_data$edad)
      +
      +
      x <numeric> 
+# total N=1200 valid N=1200 mean=44.49 sd=17.01
+
+Value |  N | Raw % | Valid % | Cum. %
+-------------------------------------
+   18 | 31 |  2.58 |    2.58 |   2.58
+   19 | 29 |  2.42 |    2.42 |   5.00
+   20 | 25 |  2.08 |    2.08 |   7.08
+   21 | 23 |  1.92 |    1.92 |   9.00
+   22 | 21 |  1.75 |    1.75 |  10.75
+   23 | 26 |  2.17 |    2.17 |  12.92
+   24 | 28 |  2.33 |    2.33 |  15.25
+   25 | 19 |  1.58 |    1.58 |  16.83
+   26 | 21 |  1.75 |    1.75 |  18.58
+   27 | 23 |  1.92 |    1.92 |  20.50
+   28 | 19 |  1.58 |    1.58 |  22.08
+   29 | 22 |  1.83 |    1.83 |  23.92
+   30 | 34 |  2.83 |    2.83 |  26.75
+   31 | 21 |  1.75 |    1.75 |  28.50
+   32 | 26 |  2.17 |    2.17 |  30.67
+   33 | 21 |  1.75 |    1.75 |  32.42
+   34 | 14 |  1.17 |    1.17 |  33.58
+   35 | 22 |  1.83 |    1.83 |  35.42
+   36 | 28 |  2.33 |    2.33 |  37.75
+   37 | 14 |  1.17 |    1.17 |  38.92
+   38 | 24 |  2.00 |    2.00 |  40.92
+   39 | 23 |  1.92 |    1.92 |  42.83
+   40 | 32 |  2.67 |    2.67 |  45.50
+   41 | 21 |  1.75 |    1.75 |  47.25
+   42 | 16 |  1.33 |    1.33 |  48.58
+   43 | 22 |  1.83 |    1.83 |  50.42
+   44 | 16 |  1.33 |    1.33 |  51.75
+   45 | 25 |  2.08 |    2.08 |  53.83
+   46 | 19 |  1.58 |    1.58 |  55.42
+   47 | 15 |  1.25 |    1.25 |  56.67
+   48 | 26 |  2.17 |    2.17 |  58.83
+   49 | 19 |  1.58 |    1.58 |  60.42
+   50 | 35 |  2.92 |    2.92 |  63.33
+   51 |  6 |  0.50 |    0.50 |  63.83
+   52 | 24 |  2.00 |    2.00 |  65.83
+   53 |  7 |  0.58 |    0.58 |  66.42
+   54 | 13 |  1.08 |    1.08 |  67.50
+   55 | 27 |  2.25 |    2.25 |  69.75
+   56 | 18 |  1.50 |    1.50 |  71.25
+   57 | 17 |  1.42 |    1.42 |  72.67
+   58 | 34 |  2.83 |    2.83 |  75.50
+   59 | 17 |  1.42 |    1.42 |  76.92
+   60 | 24 |  2.00 |    2.00 |  78.92
+   61 | 18 |  1.50 |    1.50 |  80.42
+   62 | 21 |  1.75 |    1.75 |  82.17
+   63 | 15 |  1.25 |    1.25 |  83.42
+   64 | 20 |  1.67 |    1.67 |  85.08
+   65 | 12 |  1.00 |    1.00 |  86.08
+   66 | 24 |  2.00 |    2.00 |  88.08
+   67 |  9 |  0.75 |    0.75 |  88.83
+   68 | 12 |  1.00 |    1.00 |  89.83
+   69 | 15 |  1.25 |    1.25 |  91.08
+   70 | 30 |  2.50 |    2.50 |  93.58
+   71 |  9 |  0.75 |    0.75 |  94.33
+   72 | 10 |  0.83 |    0.83 |  95.17
+   73 |  8 |  0.67 |    0.67 |  95.83
+   74 |  8 |  0.67 |    0.67 |  96.50
+   75 |  8 |  0.67 |    0.67 |  97.17
+   76 | 12 |  1.00 |    1.00 |  98.17
+   77 |  5 |  0.42 |    0.42 |  98.58
+   78 |  2 |  0.17 |    0.17 |  98.75
+   79 |  2 |  0.17 |    0.17 |  98.92
+   80 |  4 |  0.33 |    0.33 |  99.25
+   82 |  1 |  0.08 |    0.08 |  99.33
+   84 |  2 |  0.17 |    0.17 |  99.50
+   85 |  3 |  0.25 |    0.25 |  99.75
+   86 |  1 |  0.08 |    0.08 |  99.83
+   87 |  1 |  0.08 |    0.08 |  99.92
+   89 |  1 |  0.08 |    0.08 | 100.00
+ <NA> |  0 |  0.00 |    <NA> |   <NA>
      +
      +
      +

      b. Recodificación: no es necesario en este caso

      +

      c. Etiquetado

      +

      Cambio la etiqueta de la variable.

      +
      +
      get_label(proc_data$edad)
      +
      +
      NULL
      +
      +
      proc_data$edad <- set_label(x = proc_data$edad,label = "Edad")
      +
      +
      +
      +
      +

      5. Generación de base de datos procesada para el análisis

      +

      Antes de guardar la base procesada, revisamos nuevamente todas las variables con una tabla descriptiva general mediante la función stargazer (de la librería homónima)

      +

      Primero vamos a reformatear el objeto proc_data como base de datos (as.data.frame), paso necesario para que sea reconocido como tal por stargazer

      +
      +
      proc_data <-as.data.frame(proc_data)
+stargazer(proc_data, type="text")
      +
      +
      
+===========================================
+Statistic      N    Mean   St. Dev. Min Max
+-------------------------------------------
+conf_gob     1,181  0.660   0.800    0   3 
+conf_cong    1,178  0.594   0.714    0   3 
+conf_jud     1,186  0.717   0.789    0   3 
+conf_partpol 1,178  0.451   0.673    0   3 
+edad         1,200 44.491   17.008  18  89 
+idenpa       1,200 152.000  0.000   152 152
+conf_inst    1,162  2.420   2.489    0  12 
+-------------------------------------------
      +
      +
      +
      +

      Si se desea modificar las columnas que aparecen en la tabla se puede ocupar la opción summary.stat, donde se pueden especificar:

      +
        +
      • “max” maximum
        • +
      • “mean” mean
        • +
      • “median” median
        • +
      • “min” minimum
        • +
      • “n” number of observations
        • +
      • “p25” 25th percentile
        • +
      • “p75” 75th percentile
        • +
      • “sd” standard deviation
        • +
      +

      Por ejemplo, si quiero una tabla solo con promedio, n, sd y p75: stargazer(data, type="text", summary.stat = c("mean", "n", "sd", "p75"))

      +
      +
        +
      • Guardar base de datos procesada: en carpeta local La ruta hacia su carpeta local si está trabajando en windows debería ser algo como “C:/Users/Lenovo/Clases/y aquí nombre del archivo a grabar
        • +
      +

      El comando para guardar es save:

      +
      +
      save(proc_data,file = "[ruta hacia carpeta local en su computador]/ELSOC_ess_merit2016.RData")
      +
      +

      En este caso, seguimos una estructura de carpetas de datos, separando en una carpeta los datos originales, y en otra (proc) los datos procesados:

      +
      +
      save(proc_data,file = "files/data/latinobarometro_proc.RData")
      +
      +
      +
      +

      Descriptivos básicos de las variables

      +

      Podemos conocer ciertas medidas de tendencia central utilizando algunas funciones de dplyr

      +
      +

      Media por grupos

      +
      +
      proc_data %>% dplyr::group_by(sexo) %>% summarise(mean(conf_inst, na.rm=TRUE))
      +
      +
      # A tibble: 2 × 2
+  sexo   `mean(conf_inst, na.rm = TRUE)`
+  <fct>                            <dbl>
+1 Hombre                            2.48
+2 Mujer                             2.36
      +
      +
      +
      +
      proc_data %>% dplyr::group_by(educacion) %>% summarise(mean(conf_inst, na.rm=TRUE))
      +
      +
      # A tibble: 3 × 2
+  educacion          `mean(conf_inst, na.rm = TRUE)`
+  <fct>                                        <dbl>
+1 Educacion basica                              2.96
+2 Educacion media                               2.38
+3 Educacion superior                            2.36
      +
      +
      +
      +
      +

      Representación

      +
      +
      library(sjPlot)
+sjt.xtab(proc_data$educacion, proc_data$conf_inst, encoding = "UTF-8")
      +
      + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
      EducaciónConfianza en
      instituciones      		Total
      0123456789101112
      Educacion basica301166126447300190
      Educacion media268958379121452429283410780
      Educacion superior99354126362013895000292
      Total39714113011116971414144114111162
      χ2=37.850 · df=24 · Cramer's V=0.128 · Fisher's p=0.139
      +
      +
      + + +
      +
      +
      + +
      + +
      + + + + + \ No newline at end of file diff --git a/docs/resource/images/basecargada.png b/docs/resource/images/basecargada.png new file mode 100644 index 0000000000000000000000000000000000000000..4bfae6c6b3d73031aaf8da6e07911196a260ba14 GIT binary patch literal 10655 zcmeHtXIN9))-HRaTNDu^y(=h4m)?oe5$OcP(2I0}^cuDh1gX-iAieiqBcVxGdXEtS zDItLnS_s^D&iV0u=iK}E{yIO_vz|G}v(|jam~+1G9AmBbdOGS3<) zFEPIRkMG2SZi_05@Y3QQs@UKAqxk9TYuCfZ!fBr~F}(;=cB*^tOH1)!wFer&CeHow zsNxdcI9WH@v$c|6;Xb=Mv(>0rIoD3uYn)Uh?qb?3lQ4v@imNG#_+>iPd;d^En|eQmLV&L^Oo@K z%K7H@`c>+swYB=06bsFh=k1Ykl>uGI%XGQwX6^NHWan-z9P0HoGPHS4GI~?!`B~G> z^tT-j_cP<=J5hoYl5Fmd(-!nUx2W8fkzctBm2gfa{sM?cD6j_9<h<*$B(Ax)K@qOsaMlCY_#+oj;R9Mt49tYXTWSr&7CLB zB;aD{be`#5o?qsgK+b7UYLM329^QW#i(+=~K}@eM3Ccg%L-RyZ0SSW-px**C+dsi||S#YV{)y1fpP$$hQK#~o_YiRY!oH8tPl z?&3Z#BD)PY1Wi76y-W$&P~^INJNGE}Pjs%BPe)$RM9wOWW$L61pZD1A1Zz@~M=8}> z1T#3CoblmOSmW-1{l99H@AXq0iqw-ig3vf zyngSYd57(RwlytkK=ewC^G2>$Qw%L?ai|Mm`N+*33~5Zu)i5G=_2)OFtTc<@`A{HtU}|K)@vx^s29nLhAN& zgd8G<2Z-h0l`LEYGQv8(8w=;#+kWbLZ8%Pd)fhT@YxGf`Cid^xcfeDJaNFCRMJJ&L z$zoI!^D`nQa?L{F;$Cbe23gS^f!|%*s^0mT`deH8bb#vyXJ2_b#HPI92GRm5(l$v0 z?Ua+b>f+=kLQ#R#+dJ%4p%cDaT-5r%4>c`$+zhv z(ai91cS_?Z>}l(#B#W%^JxwgLQgh~jnOONjOSRf$0u(m7v~ZhoynRp(-Akx+o}l`3 zY%G7ps|;kr7xaQ+U@s`Wc@4(C`utrcZBU+>kHCVwvrO=>$xA-E3uQgtq?HB*J=3wP zSQYbeCe*jT%icIz!FUqd>!*K-YDmpn^Vy;o078_51If6+=~6Cn=>(D|1p}Rwt0WENp;cHi%E^T-4%fQ9Ss2n!?B<-(2GFjV%e{;fZQ#nd5Mq5Gj^(ra*_!JJ^E{yO-S4qcH>dcI2{UV?V-*%(cWHS1f*oKuAz1>*T&_1r3sf@ z%TtT-Xm-7AL{BNrb-C@hL(w|4f>CRlR$GX0sQNe^h#hrx{>VoD8rYqsB zvlc6d8%1BB)e<~}-%Rc@(u;AKU9SUdSx{bAYfHHX7d>&CpqSt2rQMz^8iu%LO&2!> z8;>czjcyNoJkH!+#&gaZq#Nh44fm;Kb!AWaNl*(kfbEW0LNGsKB%h$Wc!bIGr)4=g43Vs{efeGX;T zp+h@6P`^z9KU9?ISO5e2J8zxp>aj?t*R|Y}BTt$sqp@0FgI`bmcr50+FHe(Q8#!*v z%L<`6>P?;IBQ}*#_tRU~bYjmVL;!1FBu8IVKynY;uQU8#c{q3izyO8K5ZDhW};o z-@S9<9ctI~PlGQxb?6BBYOdg}H67=VVh2Sp)p>P;lI%t<+mCKKWW>U+z0x zmLM}Ox+K^e$N|kj5<7fajUSMJrL`A;k%_o;`Ku8Zh!Grmp%>@>Bb94tAY5H%Pv&TF zhrwd)Wa<6e!YoO|jXOPl7hk~2Jh2z)xx_%tfUSmnw7N-#gjhG^JM0Z^UeKaZVmwi| z2E72pZ;V+&&uZVrr&QB+yE7ME>NBk&AWw8v!q4y?&+&|7-Of=P_+1c#fW1LFjTBO}~R$AA}iJ;GU zzGi1z^ZS<}+O?%y+D*cV17Dh6io?j*|sS}Y=alddZlJ@fz$fJ^R zxi(N{NsZ`U+0O`xPTuy<4Dv@8$x-qjq)cptQ{YWlFqsE9 zYDNFfV{`PdA9B%q5BqbKe?LRvd)oGTPm6EG>7>|@&xE6jT;Q7QO(*^q?QRN7CpWsl zMf>!)tehtXxIFVtmn)a0Eh%?hGpOgbb9umM>>Eq4STTO4eseR!amg_u`&b#+A>nW} zly_{w1K3}DbB0i_K9A4xJx#Oa8|s#>CDeB}I{Us*Y;#hXow4{SWfLR%rlzen_;e=@ z>i+YJYq2jdQXKGd=i=f%;u z^o^buA?3Opvbk5=6m(}UV-$Eca3jGOKC`LXnI|<7(&Uv_c70uIh{bT7FrhpSv8Wa6 z(Oi{uT9%LN@#ucQ9e+$tRPPDhAqRFTT%xD3BPPe950tV!bUr2=3;+{jv}8E|?J{HvLt`^w5=W|%t;`?#Qs5yv&& zBF+^&fv|^q-?$)5=H9}AJ8k367oM#MHkV%XrEDennSq@r!TQze>tP~_`J#?_ma$YR zCNdUc%=J{I!rbBp8H-$I79~cY@c?_}fu*6Po))*@*;CB;_8au(b@RMz!UqryfTaN6 z5>R3s;s(Vz07^$Lx%jEs4nnUKJdW(l7m6o8kch&R{%EK&LiIGtnvEyc8SZ6YN)%Rj zEwj0JgWbZSW$#OFGNy;vn8(H@*A+tAMEByZ>b!rLClp;K1|@O^_a6Ertt`z7cU3W@ zVHN_=Sx(58QXva(^zR;}%%PH3Uo65PCwd8N1fPHG>u z8~dprG7|jDK3jc>?&8HPv!RQd;}1uOzf&j2D!Z0()vk!gPq1);DAz@|!s411b?&Q7 zKuz-?&tv&efn(9iO~im~yKEM~Nbbr9#bY1$~&U7^(!mH|6qxeADKyqWf!-;w1Dr>csZm zkZc0u`VX!yy@(!YExDpiL9s#Nx)=>+AL1t(?E&NlJ>HSB2fDbAASWnVwk6reAM&4Oa+pvIcX;48)_KV*3G_We^|?S^fKY_~lU?%L&dh-QR>qtZ6&BA^ z!`H?=AvWVTAk{$_mDyn~%7iZYH$x*0_O?qJ(GZKT_Prk<_<$mK^G#04?zxL?^|lxJ z_1ndy&4cN+_1g;qg!8sMVy2!*Bh-sgRCb%ZAy3at+E7SQ!a)2R9jJnU+gU^ptadR=YC zaWCz>ROn{oP{r#Z4>gqtJm}b^OEF`4qyhdMQt3_%?=DLR{N=pNI$vBSoG8FhoFTo0 zK?jVz*qtT}fnwS4sJAa+@J6|_fy--8KiU7o3m2h2Z(S0rRC#?U`!uI#^V&# zjayUb*c&&2p6;{^`PS}}cFST->V}qjYi=;c#36Qzp0z%)c};S1rlPiabM3p3+2&oG z+c!>~)RR;ya6L5Ul2BhARMB@brP_YQe*Ei*16{cY3b8r9*g|+tHxcRSQ9rV-U!AY9 zcp(V~dnyTN=EI$y0a-*f6%7^FO5l}Q@L8N8J|5dIHC4S4Fgo`NoGEDuBUsZ&&>cNk zlI$Rex8iG510LgTsdhjzHKV~VSkdT8{_!Rq@8yajprE0!L{gA_{L8`9{#*FR*YV+5 zHvu&k)b_E#)+Oey39+pD#6n)rs}PUrDD%maRsC5lXwQ?{X~S^$;5ye&ASOVzs>?nV zQo|$=PCS~Ue^Wur&*y-yRO~f_0SE29^b@z|aOd9%jmz3TA7>6ONcY2DECKm|^DvoAmd{HPdSmXU#Vemu%E)n^~V zkoy`6V2757w7n6x(X3%)Yl={5YqEu#bF|R7^HW|zH%4LxviFOeANHgVwhPgycg}xC zSP=}~KltzNCPPj%Q%Z19WDh5l%faK9SnwjdBZJ#V); z#PnpGva>4mN3Qx%8hG|@eS6d9+Dll>8F4~HcX~6LFd7ML_bHrH#fWe!kd ze%!5^NT^x$n&_m?jf<6MC>^bQG?u=V&N+Sale zR^j#s#3W?)rk{mk>+&jf8WR8XY?T_1nORTNQ8+6w=pXzRxGZm2*)x|zWtSTZW!O(Y zn-0=1eO?cSC+Z4V)bD=PABNn7h{0Pip~{DZ%btO&tmJ*-$Z@r!-^D=C^h##|aRGp? zuD)08@9CDYf>OE!Tw?XH9LAnSbT15xr;Q7KZu&-_F35Nl zpbg>gDpnb(&e|uPGCl_0=^&sklSopr(i!lKA@xVheo!4D1iinrw12~V8HxMMW*)eL ze~JuZ-w)M2`D3mn%6~i4zJeCR&mrk~F=k&W32!S59O^9;=8*2#-Z06nS(0`fo2jwC z9;)gT!fD1T-?n?I&o&iYRY2?uA-v3fxKw|2nrmpRp&@M12!ifhN1sOQ`e>$IC9dU9 zD@Q;jz+6jHobm)m;0)wf3_l-ok+=Y{V0!?R0%@n*tBjw1Epsu^{g=<4NS#;0rQwjm zlg`7p50nE}zBQLVZ1vwFc4MGrc^v?ZM46ZH{s2HY1b4GU$X+?<4zr=+Uj3oTDs!D`FWC9~HG=^XMOCL2)pQi<8ram!-tF zaWw)b!l9zluO#@M0>0bZV}4G1VI4^7NORRx`JHpn9^sv%qM}~j`)3lNd!_78%3#Kt z9&%np^VhPA`$mHtW!fIf^bQ?kt z>aMnyB8_x4Dtt9tcOX`!G&)8qHMNt@7J!&)l~K2o;~f)`H~syKFCW_b+ka>*^4C;3 z-AK1obT&YkG-kdUc5|L3fwSS4iu&nC^Eg~U*^LV7sK6zE;anAqNv%k5Le}uqI3LSO8+Naz+M>1#YyJyw6<0X7IE5ze4%n;|| zR;sH_Z53BkiRx+CMrA8T!I3w@SYixmqttB;^r4(ctBZS})z;$onH!0Yub#X;w7WwmENG^r~3% z6ig0W^-^owJGpRz18T_)9t7Ke;wM;2BZIWi4h+t-+Feq)q8W;)8epx$1_QH#JlY5B z_TxlQ_IfX1n_PG2{mK39)HsLS+K#*R5!sBWN=dimrnCh~%8h*5nzg2Jf&L3YH5lR9 zhez;c*@4ENtqUJ0EU%(CPzBA^OgSRN+i9n_J@pH8N=t6(U(LRM-nsCtyba`&#JR#j z#nx0I0S7QWhWCexprmY6{EtRHW5Vlqf0@JTuFopNSr~|B>1s#&VeEmkMva*Y2h1l4 zvcvM0J`Zdtr9=>|`)k5Zf>OxW`TqzHz0D;(M#yac>;mQ(MG`eUdCO$Ee1tr*)b#b7c zNxoDhXoYxM{054;1w@Qoy4;r1(Qu7(-! zNy_dyTLajM4Zv7bph}y&jK+R}YTFx?k)qt6u^uY@IoxXgShc`Z(=ROBR81LxeO09k zs;w~MRQhFsjm@EgMysP+C8S4;Q)bMnd5&7ll#YbG$g27BtA9#NFZd2V z#v`?jVPc!{j`DmIwv2l414-~JB6|T&$$?7$T1rI;jiBv>#_Hw61|PrpfTdHwTHEC~ zvYGktmw2UK_NgB#3E4Pb+j0nQYQY=Hu-)yq&gkWnSg(9|f6@|58IGld9ti)D!;I>9 zr_}O19{XM5EnM?=0ZB!e>sGV}E-DP!>u{_xe{&Q7_&p~Bsvwt#bu{LkXX=F|WA!_> zI$8>dtL^3L(ZkEE7BVj9vki~MSx=_tp zSGA2OuSG^NJBm$K!8`QKqw>i(dn&(}p*$KxVz7F~*YB|}_&F@GQ}NxT2D&C`k!Q;cHrnpVu zXy_}!v4Y_7o1C02c5>d^tCwqQ!KSAAsi@Rv`(K+ABu?{Hq&Yd~hVGc3f1&z8;*cm+ zgLhI|(3s!d1<9{tNbge-uP;hc`Zr0Uv${)7`umf_9IY@8EH9P>Y zD;^!5UWn9w?Woj=#R}j_-6F!fY$%J{1diuYqq7Zw;fhykFo*I462%9Ydcf3ATfgOg z;~5h++THM|K0x6fS2X?uioC$%-`Y`c^v^F#|I4%gba~44x86h*yJjr;!dn0Qa((_L z*;B7)Fy-*?vVV{{3PpK1-ZkSPBO6!k1ze^YSJ!mpuYM$VNSRz+vE4jhKG%ltocmfj z`9#2F2XhJ?6wjM6JsVJKB2yy~{Z~t4*Jh#R{MZ4js&T!rP>VRF zMJ`c?fv~OvpO@OKZ;L@N6<7|{vO_D6L#G>`U}rn2CaW_YZp)aEtGVTSDTmo$WZ(wK z@+tRFMY=8a=SggF<(;d;Y1^w^>LDP}w!{E>x*nR{?y5~R==z%?oq)jrMR5ap z7iu;^b3KhQmU6h`JjyakYHWPs`c!z<&7uVyd2 zrf0Bn^syxpN!U0@04f|Dlpao-JxQmApB!jcL-4JSgy^4R-MG;eq+twjjW8Fzs2_; z?A#XyLuWfB&h$t@+)X06CGf`Igt|PYvQH!GpJ8vuPvo^DZVgtsu~sdHlG`?cHXOkc zu{X16UjcP&U@T>7VQ<7dRX-59$0h>iPuTY>hNTcJ8-ZmvZW2J`?DWp-lkqAu_(q7y z-nHVq+Lz)Z^>z?THrG8yd#}(kP_{L&F#mX&TAkMw$tYEr7Z$Lpwx!?NDDLlUXGZN@ z8H;e#hyx9y$;GAI;3q_6=)sWiB{ozz_#AxZB$P16vDSM0w-7+JqBHEl0>!%y01eUqF!Guh#@m3yhGr`m$iZM zBBgjMusP6GY|r62VeR74$AeAB@~VpMo^sju1nt}+BWr&%17Hr7?J{>l>Wv zXL^Q?Au+4~_uD-_-`6TmK@Wa{E#u8Wqot8bBWH*43fotPt~K3(jOb5!Yb{Vh2V3a; zF^a-?=$enS=d<*7kd-6*6BJYX-th(-E>U_RTtMmuJLeUTR!=&(Y8bzzY z#TqZmMFstw8EaqQ+Ut*Riaw5QHHsKsqpp@Lj666WCWtyvRTBShIwqRw(?riJNhc0C z6f8i+cz7Sw>uJbXgfHlUiLSBdOm=Zt|L{5c4^PmWU`yGO$_Pr+`gs08M&RdPU1bLl zn1;q`?FZjz8vWF6=sQYwW5Pk7e&JU4=kcwlHd{6m-}>V-OSw$!1_@5qW>*KkqC*c0 zAEMg}N2X6GzPhI9!A>&TpIy<*)1%`+EMq zNZo(1{6&-CI*{k|4jUW zYB2yx7VQYY=G{DGjR+BHZOn0XyrD0DpzY${n-}b;$2}fzer9580(jcU*?WPx+7dfh ziO{XS?$Z7X00qOHjA7Ylf}2FO4w-b*X}v*tcbl=*tW#Q6#ipfL_Q4&N=}4(@CPRxl zhJOUV7&i>am63{gSo6Fx&$El2DVz(&hSej+4z_$f=Pgq4|IyNW>S)9E_*0Lpv)4U_ z& zru+%wv5DJePT2HLX)+_qY5jG|&_qx^Ub#qV-{ZN0r3K;Uyz=CRR-t5dPeArVD)W0z z1UduVH^wu@n@@{B*1n8on%9*4S-us*IPHksv#TOD?eg5$0(RTuI;bW-nX+5?KDEu^ z4lnj9pp-B{l4T{`i^kSAInQg3&Ze(1j+(~DCK96k5rTSPqX(^qm+dfmJ3p&Ux3VC-+ zQlyj*U-9ViNoR_TSA@S<`D&DDnRsj5F$)_cAK&a765rg0XDJa!p>?;?6;-6k zo-#jTK#_6(mU$<$kn#CP**N{*wDBk44pkWG=}+zV5&6$NK9Z4%GpI<5Q`FFq{k<7R z5&2iI&!1#p&Fuc?!HSIRGgFiY>8Bf>2Z%q&$Z}v5H^|65?s2k`44VHn{5K^3T@3%- z2LEM-|G%7Qz|}SDgSKNM<(_FJNi){YL%$PUfO+Eo%zFPbH~d#REL=%W;`6PtO2XBV XXi}pKFMTbkO{S@;qf(<}750As>lqRe literal 0 HcmV?d00001 diff --git a/docs/resource/images/produccion.png b/docs/resource/images/produccion.png new file mode 100644 index 0000000000000000000000000000000000000000..b55f7760052bbbd828826b9b2faf17b73578d061 GIT binary patch literal 35718 zcmeFZbyU<{)F?cP0wSH#-6_&YC^>WuNOz}ngG#4#gES1?4Js(oF?6SN4_)_%KF@vE z_kQ=T?|$pvb^m(LA8?pCd!K#wiQR-MDM+EA5TSrTAT+SFxC#jLG#3PVREdlTd{T?< zAqM<<;`A1*h72@sWRno!Z$f8@ch0KzX3lPgj;0`UJ9}GGRwrXeQ&T%93w!4Sgbra4 zhynx_f1~D}zB_MjpfjFvezcfTu2;q;o5-rsq+!#fjLI`5`cVwKno{90n8GIUvrTnR zbx*8Pwc?ZwktyZpYMKCij)JLzCZhN8P_&5a`Q2b;QF`9@-NUL$1F)5XBO5?xTPDkEC9p z{nJI}`)=`1SM)2EB*H)a$59+a|8y}O0!IGn`uqPEY7pqZ81ir&{(qhjmTzod*tz)T zXWTFHTuGQUwzd!xGN7moW&(ySF+P8Ex?dfc2#k%lzr^a{QU^#a&;k^ z5*4pr0(WlPCdxSW^!~>7d{dRKQ^~tljPX4d5if(XYA_x1cRMs!O@OLRDYjXTD^bfj z-wyBKi35hjmI+$1SXE)}KKjB|sxV1E6Y1(6nikY)lV3(JWE4WjY-=1(e@u6p)Fgk> zr2@g9lT|2I*f9++3eQw@N->+d$nH<@1gQ!)t>GwhT~W(g6L->yxu%#@rE!~Wg66$e z-$f39QC&TNsT=zVg|iN-w`JSvZj;Hbuj$4Ud3$NIm{1#-))V8{D9c6h3B%$vkA%Z> zpupsU6WrQnG&N%lEoM4`&cJp=X8G5#RgEb z;ZTxFYK-w(9?Sx++=#*7`LVD6d1K`y`e9IFd>|HXsJ!@}bnSBHzy*U@0J-rceEz%;(;0Ve7@EnV}CMc!zlw3cv zfVdD1#g!jGhy0$BQ1XDecyxozS9U-l8l8B+hVY5b6R}Z)I57_dqtm(b4Mw(JEP!1U zn`GXXIBiYGU&7D|72a>)IVgWOQOTrz>ozb1)8&ms|BKMDz<^+Qx@Sgm{%&g4%F)w# z*n%nqku6qnl+r%VH9=!XyTenTjn|D3)L4Cc*QV>~wEl*aJ_PYfJhye`cR7rFVZMxa zg7jZ(lz5VY^Lnh_CMmBY$w+xpfrSV=|AH0innJEdYOL`*&&5Dr^N$wxsf13C)f0%= zAlTvvK0j%*>RYzq;T^tE#q$Kj77}2o0Y#rtayzcZuC1UJ6K_7@<$MsG+9{vh7W(12 zzo+|+?J0<@DRvui{=Q2Jdg`G@r%~DW=qiKGqpnZ4;y|QMQlfDCqb@pt=&jPPfRVm> zQdl{uDU$)c7llDAn7q&yY6^1xkXvT zGf1!sz~E5-896s?p6qt>(ghl??Q;C2h2)FAQ(s}{KHcr^P}VT`iNgb!(u$Fn zxha(P6kns7Q=Ko=A{Se|VJCRUbrjyS>f|wa@Xv0D=5n-(Wlt&{k`d6^52H*AIEjmQr@g zeYIyjJGN$mzz({dRXsRJtXLTM!t3yCysw0=M)AJE$i7k*5VWGm&pcn;_9J^I5ZgY;+Q{10>D?G~=-BN`14N64e+eG(yLQN8 z+9Z4YrmCV`!QP$^dzTYLVc?3Fp{|;sx{m1f0hFW_H^dx1UmER3fYgEuzy*YS2^txX zR2a{+8?_V&5mmw!OsiczWXveHMR8>WVPX!obx0{(j`eGeh$_Xqr=ITr%>BmpAn_@w ziVWf5JLodPS=(C_kKZgO;Nl$&r|wDoq133e92+2$Vn$!PFxm~TWP1G>fDX78kKUl= ziY#d72z<1lD6;YSD!- zocqCmsnk|!dMn5v=@H1MytF{stYWNx5LZ+w#nvoAZ49Xe^yo(qo1Bptp#seD1W+s0rpELaz3#kTOj`JHEPTK>p&#ucAKi zGf))yFcmeykpLgSio3?4rI+Np6?YM2?LvA?I)&sy)!KM8D**dh5ZfP=#sHM> zo1a%;JwDxPWA49m%}OK;W3Xi8B30AdZjXx64X@@9no_H-5QL6YKJ@A)eG%`3!ds_g z4<$i>xG`EH22hClV@U?b6ZsskcxkDR>PGkF9p;%trU=NK{9b36pE!PZRcd{@+Q{v> zyVb_@+?m2QQdy5qHWC5k;PDTFLrh71^;RoB%^WoQM2l4DL52JBvBn2}9tp7=g!3z42S2~Kc+iG1f!$7Gw7&(nox^vaEju+@oP%^=nP%7e z^7{+Cw)fv*rx+=_y)SrmF5_yrSm^b7s(4bgvmD3Ai#DaJ>g}g;A=e zox*UVLGQMHLeI4x!ZIXo&+F`@Q^}F(16#%3VYp@|m!Vo1VuARtk(mzX$;sk1_fS{c zg$i!sFvy7N#zZB9p+&iw0(qXY74|Sv-y_^T! zqodT%HkY*=oLe$4<|X%v+kRyhFv?LA=#{kK=P|X07qVi-^peDs^kX%pb`&YyyKf_~ zip-S`9#~DSa&MG8hhM(eZ3{Db7OkdbmpAI@}^`hehR6;`1256T4N-2bqYs@S_YSC)rpHJYwN7KZ1AbFT4}>HK&gCpi^ZVdVEl# z3YrSp!d^jVbhMTrzkM?wbGz%Yf}q^sIyh{ zI48;W(T>7C`lWcp`m1a$Hq!j2E+BL*OYT@oeBknn=Y4s}te-F>O${7G`n0=MV783IPywa)9}J_o@#36|0Y>7iO&HXWJsd+~~~H7j{%8q$XK zbeA-Qv13a4VqW3RbIZaun`%B~tRb$J2Ys@qYu9*I`xgaSyW?REqt1N@yjxe!;DSfZ zrr^wap=Np7GLKqD9&KLv6QmJ{)?MG^Y4oST8i5#D{m_X#Kdrn9MYN>;p60EexMg1L z@8mb`p98NiDaYZ!S6*N#!y3rB*N^O7QqU))w?<-3RJA;l<*s$gYFzrm2$vvW%?u;s z?|DLLwcDi>%@VMY3{Tq=3m@}X`B-^sx*vV@EouWB+MgL!aPZOMI;^K!jq5V+zo=sF zRkXFglg*mXdnuBVrv~nQk-LMqH<5)=AFws?$Wn$|OOb7^3=%wqo@jEnJ2EN%=oV_G(w*ji?C4lF^WD~p2H5*D@!-KWHLO(GjclA_;=vH?3< zz~kMg(Gz{`6QH^J1Q?P0I!f@B$*~oF=PjgN+t$ z#w*d00?q_4+Kpn)43#KO8b-_3#5r#nMK+;wSX(Qgp>B$yddvP@XX86yogXQkg5lFU zTg_7DVRB;ugks#jYS3z!Q9Pz;%*c8QL1$h_{EO+^V95FgCW#kBSB*W(NNYPZQX>Mw zWS`iIhjbc!YV5KIcL39&rMrD1%h1iA&mxo&`l7QQDF=QGqWJRnB^*WqwjZHJ z{yiy=pFQ+_5A4XJv!I{920k$B6hC#oCCCZmL+)REsG+9>RVYOb}%0A6iqF&)?gEzZ?BLait@WDn| zTEUV$N19+T?QS4fPvUY$Hj$UxYVTE+3y6NqgOV{TsuM-sbc-CJX|dJ~87LYwuk*u~G+Ezd73XR8F(h+;<4sWe6?z zmZW~X_1xRK^&Bu!9bH0=Bok8d@JJzwA)DaYVe;I3F@H+lLv%Q$?OAweB=Q^t`rP%E z7hw_LhiDc>MEe{e4_amhtUj$38f|^ubGC2zZV);0c(Hq1pqxODZ&)6a6&$o1LvT&M z3^9h(>E|R0J1>Gl1Ogh{i<_fJ#p56& zRrPxJ@6y82EyY6be`P<4x$!^{rMTHO7g4pcg8m*zD>Tpa2r_8SGG0piU=K|HrDFJF zyIhJfr*q%!^E!(8`w;DGJ-tF!2&tfd`zv#FiEhT`mLBN>Y5B|VTV(peJFodlS70%r58iZa8x1#;D#|p?|1aS^=mkeNo*_Z+R>~ zx&2KFe=}(JY;dj^!hE{hJfqOk0z3*zP^){xUg?2>s$!=+>#0?)+rdCB&Y#2W7||u) z?!|RJu9TT)?l|$3>6})}yNaj`u^YA>?OiaVqJgr;c`>?m7$LPE30I&H29T ztD8pFhrc8nRems(4xJbq(l3elseq9thZ2sg+VB4)|EKf5WfSCZ&{3$WR=Q5N)Mrzm zN}C)%a+Gx|7B`!Ju?_O_V1Mj4wTq+H_xSjX?4HX{33zPd_P&aKI+ifr4Rp178VS^K z0)nKS0n$3F*AS==twIx1ud~c2KrTnUX}-R*t~1l9n?nzFHVD^SRAH~k`)!=&7csBuB`NaTrA{7iQK)X7)3k4AYD z9}ea{kNi&}Zl9oerI%l=pf%UHEO{->eLzW?L2PFh(5bmaSmY_TUAi{$DdYtD)IS-N z?>-#BJXdZ}Tn2-O+?KB4uUec-tHM90{M~~bK3nhJR>tjANbx_qoEGCk*VDi&VJ8ynH2vu(wC9W0&`>7Kt;(#Y{dR^w`*jYD&fI8UQ3d#V>#2HL< znA9#r8){{|ULkBYbc|goja^fh@98;nnnAG}{pPkX5iLA044>}gdhZOaR{1`gxZ^OP zR(yE)%=Xf~Vq&jU%{XbRN-wXJFapWi{e=FqmYy%3hLllMZ#tGn$WCdqZ@ zagTJ4%m&ko>#QfwdaN~B68)dT{O&BW$ZmHe_gn8|{ zkE$IUnt%T6-Zt0I!usnxF##O^fN`6i)Q*}fxV>YL3YgYte}VyrJMR&k0NYpgM@M}3 zyxU^g*qGWt8n5Ee>ywDyzP?Yoe}V^JFdhtZ|IcC^f1(Yy7!TGlvgH%l!#h7L^5@Gw z#BYBh6guq>X7pFnP=i09Z0v~!1c08@AtNJG>$*2%kn}+qKg_V=KQ5N8&*^yT`&r(P zx(^mT=nDc6#}NHG=e`;VEh&LDzF+;Qi*lvJ5CkZ=FMlyv?v!@jt55vD|{-rp-8}x@{%<6}~MSoHIKiHf8eSdrb$lxc#4}*t09*kETBB%R| zX17L4u)xvEBK$D8?pW{aU_8mDx8+01y1lh{iad3VzSu)eVCzL@*#@zG3@X3<){H88~sY|GR;2~`_&gJP0-}R)xF~( z1rz2%k!VcpCBq|P5;INtqO;Gp*WjlXab+)G8a9L&$ zUBl6}pg>Phe!n``b7LG$t17nuL(H?g6B@cz zoXY10Woq!tF~6%73*I3-eDD%Em{LUShZ<@OqD^kj0S(I@RJ_{O`KcQB;*dF0F>!?kQGXT9XP^Je@> z>A(%kNGOpHB=a}>3n+_JpK%XtV|$TG-t%JXmdQ=O`S=kCIgy#(f4@jFtMwu?F#+Dn zn8D2kxoqek+k+Wt&k*!@TwU3ApOX6tXCof}3ANpl7&<4RN<M?pWMo}T1p4;uGLN!CQs_q}@^j=BU(3x2%StSGSvI{h)QhavuV7SFvR&5@(>ky|)xEjRl z=a?9@-o?y6LFcriTHZ{AN6I*HhUQgkCEK*^mFe!Pz%l|(<#S4=i;#gWMOa8oN1mNC z@ny4;AB?2h7LE_Yya@4WQ3uBRw?1)MN$05Gkg{fJ$F^iE(1$Bn9n_0y)$AwB5IrLV z!P%b-6a1RY^Rc%bjY+BDl8%j_k?*bFTD2XpYEnt}y8gm^mWL{z#Vv;;nQvhr6F^ed z!rHR4qvqHu-okS*nTqxU$`?%AwTr;X1)+H@5L(`N7@y${5swW!`E{TF( zkd)g~x(w{Co&_z3Oa@qYTMe$EuIB~Rah2;vG6`wrm07!4t^ZVo9^9JFzEeGxsT$4%n z;<~pIOcG5JJFV1L`mIkt369PPpgQuI@Mc`kYN-b8l$;NZ223d^PIV^4@Tz3>5of2A zsBin}m8iyd-sedT?4MkE-!;p}vN*m&ogO`QK1YCY3sl33>C&*PtDRlc6U`#--$mcr z6^6BJzSdkpv^;947)g&P7b)fD)SAxCO%U>I#3z|Ar}u48_OfEHJTZBf@X{%<-KE=r z*7aP^Sdz)BUz+uGz3h;1)07$e;`tk*a4a?A@`xd9Uda&ZMwMAABEIh~G?ZgkQ32zL3z{)Hbx|Qvwm?>UO zJKKicCP2@o;vn_gwoWeBGwjV=UM<@)+LB)V{7$XaQ70}z zzcX%wt|2ohDnBr!7OPopw!Wn;QoDUFqF+WzDwrE2M&02MCoD3UwJGRgbWOR(r&bI* zB_l)+UWrAtSnGPz8x?CJJ9@g9S-73mUVN@NI*;JsaeZ3hN4ks6<|kaCLt1WVwv)2F z>Cu3J`mdkRi)qFIUO8dQref$3H#fn7_N#X|{^pHLgKXH~SlOaB#p*Ke>0qb=fof+# zdLZxCho?ujeF+d!;nK2e#gghCC3mA7N%>xNvql=JFuP{I53i$H#%BXF*n1y#9=N6e z^Jm*(FGK8xKX7~1ZYd>L&ErcH(pc}pmx=g|QtvKL1R<_xvhdq~?`jlB^DC(wI_Kmy z7n{A8E-&9~knp=W-@Y7|C!gRfVR#KOjvWwiX!YSot>|8y=EM~=iwFv6ayFRux>{`s z+;G0O5v)kw4f`jCfm*{g=3#wK87x`Cs;WL7+sSS=X}L6?v@*GaMt9jrkgEOJ90Jh*E_s*@A=$aS^sBV zOXXLfFXWuTjEvCR$~)&80k%Y!!M#s!SnqLooT2R#_$JM@=j-{N$G0flZmk?X)f&tT zGB8$*xx5`1Z3^OMBCW^F*(Ohd^RHKXnyaUE^%Tu-vTh8E?~W}82q(`c_2tK0&e=xI zgSBW>bL`rk@_0n*S0jdbYRj8^<`*~^P0vsVLhXg%3D(o>iI&qbQ5&SgQU`Y90qm@! zyyZk?gK>p|+a(9lXU~9}{C3`h1@zvuvWuR%jy0zOc9%=wHk(s((Wp?{CYtA{VryFy zL6hZ8s(@|s-T%^#7<$hCRR$nooTy=xcwg8-zuk{(&F9C ztRr-!K9{<;wkIiXocoB?E$4TT)OJJ^$ z){{+h8L4>pc}{KgI#|F5jA!3oTq!QVU>Slx%38StJ@<+gA#H z(ED%}z(qUXpLyP7RlAkXeU(=v6NvP@u4Qzl{)`&5)VuzRC@03Ygkj9`zACCuC*Az| zt9IeD@SwWDi~&LQol6XXrzv-;JK=TkX?dn2kiJ$ z6X`BK=iCW9Z6bEVSof%szuDuGjSIcZLipA!ufa9)Tq(y2SRgWzniG%HtXrG z#4qUT&6rA+@g{bmM%wh{l+=38Te>8f^ODb(Po77NPD-V=@UOn+#<$qIg4zkkt+B8I zsT7Sls9?!tMDf%-t^0%V|L$_;{m(9EL2KQYIiuWyL-+Lh`FQpjNqzvL z;BrdFH?U(W_?sQNsG#XF;aFpP-G-Vp5xjpK&Q8qOpy2~TtgYttte}PlUYT>iMO7G_ zwb|seRK}=shw1ltI!~TCs-!vicX$ijUzkq->}DbxE0$Z>)#q9%rvR2Tftp1f>NA(r znT;2td+9oRF81bnp6AL9guE{AZ}eBWf{cvA zna@!>Y!PB-c@d$kLmcYG&B?CCD35eJ?1ti})2Y`H~)_l}Qc z*VxtfI+C%Q$_}U`-m|wiOJ6ITAGe%w7aMq)&Kmaq;+xjKpY?#s72YV)L{7%0Au%n? zTmsgBh2cA!FnRDufc44gS212IyV&~_&$7GO{a1-Se6s9&2MIBzwt@DGJNqs?H%s_rnblyh zt|Ge>+!)-E_AR4ROUQXF7cU;(Rvu@9E2aG;*w(TwT_|%orex2FkdsjNUQa$IH1)wr z8Z85H)r!E*Vex^Z)wbG;JC@FjG9`z3g!-7w39&YTH&@(bRp5 z;b}+i4$;?|$De~jbqc+7xBE)Ab389`VU8J*f8z%{xS806_2XhzOkTE%&a40!!Qz62 zrCS|$jx`fxUiNxGSF>EEINT*yK1@1vEBD_gkKE9ie&IJAx2&UdY)`?9U`lSiu3d}H zf@E}S8s16QHsNdhN^?n4F$kUxL3JitX6M#XLNSiCjKt(yIkz+Sa126+ezNj*78Y>g6?`}#Jwt_ z1QF%jV|tn6;`$=#7B`adLgMGO4UJomJG4QferkRuS&8kn$|cVS7Z$T?GG~#5xz$}> zVB6UYH~d~Y=i%-1cq9J>v+ehprdO_0O9^_h>9$f_tX8K*d>*Ez-l}QM#P0p(c_&sryk3H`4a&4<*R~n{ z%mpolWv?dG+b;Tbn+sVR8UK9jN8g7KR++z$yF`7KeK?!3GJ`XZ+-7a3U(Y*e9{ zdjXt*{a(%ti`ZDwSloi_PHI#Bx!d2~ZB>P6YM$Ci*^<|?o{i_nAH5z4UkboKqSh3f zT7J&d8#0Nli#}s-eIYp}>SOobtGm*7hv{|&;~FxtUeTlE{4>xON7y4(u>Y1(r^L_8 zB-&H^d$pV1IPUJGwc^2~HC-Ua#9!0$wZ>IR;`>ACjSr0#kAf=nzMZ5CE*+AOzg z8aN#&Gs77;x zxKc8B+mhTETpbWxSD`wmRDoDQ<1y5#9wfyym-iewM(iMUwqXw~E8T_EcWVE0Thfp@ zO0$J`D<0uJX!gLxoSOn2k9Q42$boEv95NqZxWcwkmN|H z&IpF&Tc4K{hK>*nmINIaoON!#lQ`$xnU0Aq$Pf7+g; z7-^aSJt6-|Z|UDwc*34pxL;deaiJ7_Yg7|~Ma!sx)*%}wfipL$4r7G2D146WWUsaIn zX?z;Uem;^`pt=q{ChwwUepMZu;ei?)G_YT3W;FbwdP)$!kS=5&ZxYrw!A;HXZHr~z z^OE$`@6m4)`M#>GHfQ4vlrr={m-9rrk{n~(wmWJoHi0}e+B@oCMDgPxbkMMyjisi* zeios%{KVRaHl5`GETWfm&3lzbi{SCPyVjaorNFz%Y8uP8W{MT2u#k%R>_w3y7onpr z>{|<89qlDzt;xA|dwZ@d7S+Ieiq~MV6)$LiPVKYevg?@i0Zs4Hq4thM4ADP3m>sTe zuAzgcb+j?Rmx1b4(0=pDnv1z}##%}y7F8NSu$?e9X7tKO>;E19>OhHuDBB7tC2glpQy~MK zi74VKTR70y|5pC&q*}n{og0tWZ{&f2L-KKp)t^k46;bWY*kyZ%T5-S4nak5AIdew2 z%xwZ#%;NgZqERp=>d~5mC%799W{LMz17{X_P6Z`j75s2(p|551{PJ57ZKvKu-}e2Y z_h0kdfe>&sO0IrWgkNjO%nF!?k>v@J-F$4nzKkJ?nLD+?QFSks92l59C%cSj=csRk zDWBar3N>VxD<;XjmQ_trx3xa7Kx=jhGNZ{5D(Oz;6W4Ec`>4_;Zza4lEjv)M{ZR#S zjiD-OWf!$q`gO6g+wv;od7Vi_whuX(#;5zx#wS1ACQo+4D!^U~bJ_J^(G*qZp}kMI zi;&Zbjv(CPPO z-E|T(kim};Ab(*Kz-P460$K31Amvt-Em!#57A_n2pTl~cELM>wIvSPa=Ue$Towtc@tA@1i_JN2w2U-%eV@p% z-fgwnwFJXDMgd`UOLNxajj?a0%HJtGjg|0WYxe>Ewmhj7frbkQv`w_%JJ>D$0jH&W_A6i|Jc2)^| zFu0~1M(y!Kt7Ew_DxUk7X+1NKslTLr|M>6|KcsTa*}HnZSt~95`N=$?3f~-`++*%J zy1>Y084=Idib(Y&uy5aqAmc6Tue9+JFbmU_`H3=??^_%!Crh*i`wf8XE_*KW*;4aG zg-Hy2nqQwKItl#LF%)VAW6LzH9`3JTce;`l4mq>5W2yvsO4uJRs2)7aVpj zj?rc~Z?)u+lk)fmuJ;MJjCOo&nTwQjZNk9dk*OX+nJRDsxgWGMm)=^%L{><$Frrbh zUF6Th*@%iMdET`#8XB#>O^<|Vy}YODvUeC#UliYdqDAZ~02eQVOq+<$OD z3bnn_7Nj4EU31zV7Fig(Z>)gv66F1&?1_ypx17w&^08AbUhs7cOeA%3c}YR?c5)6> z%iGE=1y5SEQ-OELjbgUYXeRIrE2d=V)fx_UU(NT?rV8}ySAr7LB7 z11K#Ukkd2ntIG~@*xaQ@DvyAKWmz~?vvrAD<#nZc*;Mg>gu*3B3TMMW?@?@pZewMXgt=eN=-wR`h%taejL4QS~oW_A9V+QRMVGmvA)$Tz%Ge?Ii{vu zAViUY-_v4 z23~I~hN+zUyZ12#1H@%F&$fCMY8zO_m#tK$M{s7UT?^IiUgvvKOXkj)k)@e5I9GW~ zX8j{4FlSJ+h6rlsW$5OwHTK@~7R5BZNJ_`z7GJzyA17h~Gr^n|{lv1yo-{E$8L*Km zO%!r1q3ZnDYWMsqBjuI(_J|ZY#MjriQuZ6(<`DTFEZ1+o$VXDOQuf)4#jb%^8sn2L z3XR9k_RCAok&)5kL+uOe>F$8KqVs0z>miCM>F1nBcb{ft63!QW1%Qu%=8yT6lk_%7 zB1J<#pST+celV&Gx*TjK*=Hn{l&GSmArAG%`2Db+j4@`~I~M;71KK3+kJ#sJwSv=G z%!Qcb(~2`(7w~I+-q~Dv&ckfEE$4H}B(?KCPS~eIT$gPG`5!2sfRvHjAPqe7ipdry zyOA3;aDh1M#R37h@5UQjAqTBOVxMY>9~MdrnDS&K6KATYX%pM02nsP0|CEv;(|q6b z?V9vfvA-K?srI=R(2cW9G*RB(#F8PMKfPSfDxWyG)1lx|M*2G;rUj4>7g4y~sOP!% z)Ha#pZB2ox^~D!=v=FZAEQpUseiRvBxxDqc#p*I*(@)@(bbE_A&oP>GHqR19D zj(v9A52@*!s>+5uDJD-^P?y5YU&%R6P4kihINzY>+Pa3@bOD*=w0yf^;jX`|mKUk~ z?@SF;@=Aex^WhX96-RIP%06JMC^E9u6)ySe=ST%AOf}6BESc<2$Y02bGEx}A8=pT% z<_Xu3iHt^eB?QI-x%PWmru0&M`#=TWN5I;6Tl_5MA$k8QeZVM|1<}p$(VO2cmlh8x zR1b;pn<>;VTm>X7WauNF7R16I0G%M@kbp*x86r{4A3@V<>dFYow^<^!PO4W3i=s+2DW%PZR<3_n9)f)3 zQ=;Eu7>^AU0(|)u88VEfTK!2E5%fgPCQpp9CngN9CijCZtDvxo6bevTlvnx>rC4wd z&$}+0A5*1a$i9qU@l0*BTG4USCn7c0pF9v-WY6-VjH?rWm(!nl@O!$mJV|2d1w-QI z16#ts(0`?i%l5J(Ewq{bq>JJpkwQjZaj9C9kc#<`@j&s#E;TiGE!kne>oHsQT$jb( zqJFtO8xhXmY>2lX$s}b*Nu7e3h1fnSP&tIoalICM+FjzzOA6GIfI2_l?d*G-61q-A zA+kN{{9LXmJJAZ(BuXbE-gN|~$9xNvqVS+@CAkfaQpAbj3xtY_(n<>8!VEUkc%zlo z_!`O(8aX4#)ALFs^O?kM?#VDM^hwfkKS?nY!hwu}ubKdSV%`XUXtSkfl%u>MaK`+T z<%8N^+k7^n-qqqVb^vN|{AIT{WX%|uUq=j}egF|AkySL~oL)5u7I16=x4^$9K<))A z7-QijBp0?4Z(8Zgg^BDIJv1J(ns7BeSjGX;Y^A5L+py|#8 zBL{2pVS;vkk7V=%#>q~%b>>%$OjGM1Q6*ho%P;NkS1lqNBzws`cn6RFyM@zJjyJrUt!Lb*;Z)kW$*!w=<`S z?4#A7DYs1iC#NZ`ENCY)+?2fF`_nQ_lm;Ae;JN%_PDv~&tK!@!KjiC|x&Lcu9CBun zpZu;KVKcIa1O8*=6W0%X+7i^;Wu!@F)|Wu7%_C9iR31)<-_0^wGt)~w)lOqzFdvfT z$nw?3vraW#rILzyF0K2U=_8v6pq$3v3HumE&`&3J&YoGcLua}*Lcjy9tk#>|wpQCY zdD6l~vDQzXSdKak(VO{l;A@w2+?|I6RMa7R@LRt0JQA@RTNIh9Fuxb^IwxIFce(Jp zVbxq<4&9Rz3^g`CAbpGd%U|?y0G{My++LR47F=K3j#?!xhMIWnUWUL*^W+brh=!)I zZL4_nM-k`sw6}MkZF{0<`l@g}y!D1wH;xj@5BQs9@|=Xv=bVJ+CEoi7W~}GGtGsHl zqS}*bsH7+-5&lda{5*s+#ritl zzpC*BL#ATihz5lE(B`iJ#UJ^Ux``tO1}cj$e!52gzNo^sLV)T2waQ4#{Y>lMO*is}v-9NFxO&me=ZIB4Az~L{TaWulj1 zx^(QrQn!;{m9}G4o);^sOfIg}D&k0E&)uOeo=ClB&Xx7lk~AucQl5@hFSS(l*#^* zpH(n@PloU_WAy;){46H>O_zA^aG?}mo6&dhF6qDprBEme%zJxOm@y)8aLGcCutoKR zKUVv#x-b9q({uwFtq&!a54QXhdFF zt;HYsMRA2{-W`fpotLdlhQI4FNw*9NX+ z_#dD@KZY11@c#wF!pc&8!TK*46_s!yht|Jf;^N*4hPD3zcai?x;y>X2hZFjLMg+=7 z|NdWq|Lc?g*Mtwd^M7ayiA6;->6aUkpZXKkc9b!6VR7&zij{l6_H>`+M# zrOUrJVY!Ch=*E?QLrE_}sKNUl!NGy-iFnnbPDQ0+_Q4iUNeOBE)He1PC}en;Vk=;~ zwBBz6f4=jHLv;RJ zej0h!$ghC(ICTAc3gnk>{U32!Q!>7w!t)FXN#_|?e+RL#c9VM++(q%LEYO(yv+^Px zW8FndBGm$cg})x%3(O}7A8n&up8Jnk%}N}%H!HCfe%bu`$g%xC^K&Dgr+k{Eg$@a~ zghYHnp(?Ndh#pzujFz86jQIT&^di55o#MyE3J`0f~s-qpD$!X`YmY09e7TN6Y$*|FcF{5 zzTIqizFdHMk=^f#6fUiSYyI)Z{PH$geZ6%4Q%~l2e2g`_Iq9QspWyn9pNsNnR2JMn zRaA6jLUHJCbh)uQkVC_bhgW{k==*TL85tSF#mCP4ymVky7Y1DXtwT<$rB$lNR>4;N zCp|5;*|i~Gm#r?W6Zba0Tex$6JG-Z*l!lFmgt*T_u^Bi!(-|)M-d`L%n~$V@{8=BV z@7PA9^X<~Xt$}C2UOAh*2K8V(xuE0~5;@0VtSrM^O)y4*Ts95ukHvB9qZVlE>oegK zRIe2O$hzM`yTdrF?$ws={L!2$h@!wPtN(O$P`{dA#^>l=)+*=2= z^Zcu7lag8efFTnVm92(ZRiF*dcZwQB$^8!-CwSuFd^H^?Y~T+iD$DMXtVQ_miGYI(1%Lh!iE&+*Mw6SxSd5<*@Ta00^_*q438%q8srD(@ zhr-<=#RU=tnCF~O?L>@Ptow4roBN<8MFt1erZl=f+$BjYhLdrMA0hV?;;+r>s&_)^ zFN{X0tYl=X)HJSJB-sEN5rdvTVU_0h-mun|3l7Eho0QI5g;sveXFSx&+;aou)7-vH zQTFO;*!4NnT-g}f=-h%a0{;VG5rVyS7=}S=^dp{8 zZGGL4yP@MR13C0q{j+|~;J*f2cDSX7I7@f%qY(Gn=H7^lch#XhFJ%w>1!`pMT&%;| z(s6}+H)T{R7H#gEI^V59)oYH25a`R9Dgd!S>QPHI6Z4avbpA0&eFuLRAX=q^E6cFy zg1=R8+I~n0aZkc)5MSh4iiZwcn(8-cC{V)NgYQGFB=hRr5fyM~4kIeA(fvRD}bdnnf2FN%b3|dgpXF zg|8kIr7g~=GClckgBf?_h+hEhW#%Qb0q4~32w40hs=~=*9IYNb@w{)_D#^I$L+jTq zbX2;sW#bbBp9gab8k480jHj=XIxbq6sB{P2Ixe102;A#KG=QgfZ{iFkne>@G-qiz0 z^wW#lsl_@>EKBlgtL09r0e$8b48;vAXw=}^W|BVkObLPJ&cx*d8ihf(MP+UE-v?F? zd^+24;J$fhn8vOkuF%o##03cskuJlN44%PP!;gWnH=vJN-RM3)`fu&Mbx>U0*Di>= z1`nDD)W7I_f z4j&9WEz5wvzfogl^s&GOUkd*`Cg#11W|3-IoWy5Gu6v!vhZpI;u4jq(c5+Jqj$fTZ zf%zT*+DF3RA9uf=aevBcXc$dc(SP3AF)o=Aj--3uI`zo=S8qRC zhiVc~XzZ%=RYw1=1mx8X{{&pDlPK*;5AhsDK?&Q8jO@80R5n>deG780`kz192DAxA z`Qx28QoP9gCxnd0EKb%-wIo_%z=BgX?$`FIcDS?0OvrO)xWT`o$siI=-?tLesTByQ zeaMf%!3`2MD*CFZ#M}0OJPjX8s_DoWDL9hn zuLwV_A)X)%M0j;V-xC0VWuY(8z*eFrtrv%P4Y8WM-l_U0to=W+zG$<)@Q6%ZAr=yy zv0n+lptC@NtZA(AmhIp5p?Yn8sFUQ>g|$xU76KQkQ?z*nNVm`b5`)ww)uZtGVo_5G z-#5p83y%uUfh#T#Ch$--su#;Xrx*6YW7kJeH|`oYHmW*wnpZ_=XX?Rrq802)uap7C zCiwQ>A?63Y_(qd&UCvg7&i3)c271;aQ| z2A|0`lte>{NSv|lmKm!J;hz;H*KfhTKUPaSfq^;W{0Ah|d;p|Ab(j0IZYHSfI8Boc z{?*wQ@fXBCm4Ni$>-%;#xHE;_Zp~FWjhA8qaTw%o-Q9|RS&$W;HjO66IpAet0vr%& zszUxLykNt@n#u4#a2pc<1ZOA?A<|1!zq z5;4E^m0Xy33MahG)%1n}0EFQ8gkq(Cc!6nmR(**Yg?~LGZoRioF`Pia74pG(Pzv$z zP@P5X#|na9QCS^O!!huIv*OOA&ijWHhp0DqrRqDLt`j~MnoEb>s;j#%<9ma#;s%Pz zn?+yW48#Z%krb91WRIowkYB2kN9So={8iXE)?t>(-5znOD`)xWipm%_I|AR7p4we1 z%6O_Q8O!DmAMYi9=^&nvAAcwkJr{42%5XE3iv1L)E#1Uze?c0W2K6dv@3irYE-9c@51M51wnAWW=WrLu< z3{5+%(3|LMRYQlGJYdNo*30Pv7%IP56w9I)gW~?r^7@S;9nB&tUs7U$l;@K%S8z|6 z>23C;Lmq9eQQj-pt%YnB#oCzPxk8aKE=6t#I&3{I^Z+C0f%4a+%;{eEMMg=IZYi;BaWO`!&)-N^nI0yGR7(W3==pPi?s z8^c66;UDVk$I9PPgbGH64)WU?EIbAGF8kB^D{%<#aZvkjO2rF7juFTM- zd6&6H+%~|6yM?5#=|l)wY;J_3R#&yGULZZ zPT4A=KOsm3fW7X@4ady$SXYa7Y<<>Hp~NO2H;D^jV95~kqC3MI!%6XHxNLGR?+?uH z3G@G&%;V&L6&EQ)!1}YqFXYozUE=_?us`9FbRs(MncgqwYMWhCs$nJy46BopE?!gz z_E?z%|$4tKW+v6Nc!eW>>oK zK}%m07|3EXmw2qy6Ld68h-t5;5(t2k7a1x_l+;xImA~`Kg@JAZU7b(XwTbPfi};Pm zpLMz-&oT}rB+@0gc6zJ+A6tpD0RYlL;*4jc%fqJ&3OpMK3)DKpuN zB&(qiq@8F#u;by8#0?X`R8aA64v``<_jrDl#wmHL3N_b~7&6;7Z*uQR-|bRg71lrr zkE*pJHj{{o(EA|W(o|RX{-gtH%WJoK1f*2OzbEh)@&3qMWY8Ny#1-y}5qsV{{SE*n zZB!>qQtNeV`|{j)e0+S$d&~I1{nxjjmD z^V;a-Q@UcOFBaP_t27IIgI+cKab5Py(DvNdhUEo9{C(5G!9n+}xQ{7ZW*9$y{J<#G z0rYQonyFenJzv4&sCpoU-+>Mc1}}S^wqq3jiTGy^riI<8S-xys?|5ICAgCWp>LR-P zMd#3<*S4Plwc(L(L!I&j5*zM5He0Skq}Ukx?lpVX_L(?(TN{Ndp(p2SFoq?hyQcmo zj%S6bE2HB^j}Aprtrsutt)}1KC$?W&OSul>ihQKxR(=&9U%khvVD`7UuZU6iByITB z>f6CsEjRA2vF|XiapVap8>y4p?tM*6N?8->ZvfM-vj8;j%cf% z|43dse@ae8MT2ui`+rW0n!G#)uEGsfb26d1+Yd_M;5Yo9?l7sP1m&V7$~>KMM3_Tx)!2 zU4J}hl~Z)Eqy2At@ZfY{pe??>#X+OmjC4^nIy-%1Iqa?W`}Tv$&!1_(+1M{1fMupFuo^b01l>5y?yY0U%p!lyTpqQ8z+8c~S$Am+*Y}BUfl6%2^mJKMe$4m+U|>GTd-s13fNI>& zjfpw*hjS!?9`)*7Y2cXjvHHi>kM(ZCaBb_JNF{SE_;e6E3Ne(oq%Kds%le}>=c zy&UWM`;Ie5NEN&JqtVB=(+C8kfrtiDy>RKX!$Ov5q0QVzyKi++iv*FW{HO|}LxOD$ zivuHrt{Zz$djDBCTd-(w%sgKN9J=JOFQ=AOG?b!4bvAb1)HqoF=U_Z?oTRsZhXONO zbBotwqzoqn@QlQzrLA8F?ti562o69*=?J#(Dw(F=?Cl!fB>BPweh1DO?e0 zH8r)(-Th#60sw>?FrLic9P~ciH1Wqth`r39khP{KODi97gRkc^d$;t~Sfk^$*g)5f zkcZDjC-c+@(MBk+A2=v<*KsqE`oS|`g~oIS2H`}^XtK}_fYFHIB#joWQ^Zgtb>E+1 zOK{qur-%lBxxOSdKWcd5ClEtV8Vz^@63P0TYu~HrexCji$IVk^fq7)v09o^>;)GZ0 ztnlkXNczfKYuw)(FRa-y(qO|Dh;7h|GLR{0)cuRI0z=fviPbI(QN`n0H`TD82=9ul zY~I4F_zmK0izWjz4Gw!NVgCmKKYeLwLdDj6Ua%Zs|8sbMWRzKdO!thSbO607fg^U9sDlyIN{J zlr}aQM+is!;L~5`V2rS#uJx516){pl!hYOPdt5aOnC3Hakgp@=QhI27X%w>%HXr=!yNsegaHr@j^>Out zU#>NRt8636M+>fZX@yZjBmK1!a^0$I660sqPcyCq+Ffykx3`_l&;mI(lH^S541nu9wS4*5gQV9RoUb4Tq7`(p@W6xI-P6 zT(W)nxSp5AYA;0iA|hNR`a3KpTa!DjXeoaHT4>3QJOz{vxsE%-1|+Lszk!W0Gc3^3 zk_QMIGt@X&x)lHX6sz%pY%7xC;7N`}$QXLsiBuFy^WLP%OtQ@-xUX7!Mk&#~Uv41% zrss=+EaoluFf=sZY7F8TB_^;jL}T1IvLbWnHR~Hok-hCBeVs&DPiUrA=Y%*Q<{jn3 z;VWrWoq&kk$L(#x#0^^Ht*wmS%;Q@@+H+9QOoYB}5We@Cy~^lbZ%aCnNB?Ij+tuOE zlT@0h@QG#8w5VQZ++f2y`uVmYqwYZelRjNnc!s19vWY& z069D>8i!re7mM=nkeI60xrn5mw)L%Q%zgU0zw=mk{d9=%;!kTZr=0x!z7DN4^rPBJ z?#gE|QqH*4EB{jE(CO0(GxQ+7XB*anQls41-bjDrXc=iqJFl%U-*V~PPB^@+ZzHWJAvyQ+O>g!~*}iHq z6_0`M%Wz_Qx2rqUgeqz=Wu~xjuGb9?JMKHp=G#B~D(x-P?W}xDVnZ8bCz!n_&Z+c>y!(vzhlIeEsrQ{VPk-#$ zl}3h#L+^(=V`c9*^_2GhUI_6tbC8qvUq>&WA>C ze_FkhzG3n_KtM4N_=VT?{@yL4kuJh*)Hl%Bf}?zCK@r;XE_`(3?s7=>$z1H$Ol~lC z`lvs-EtBtRUIuJBfw0w!xu5FF=TV1v*(`gp#Pd>z!rg-B-tt~k((@J1zHYo-OCr^} zc;#hE&509M!l?ODG)CB_bN=mEC!k}0EprW9xVd|Roz}vVX-TR~d!1mRMtO#+88);T zlal;Rs9b}`e!S+Q3gu!KeJ341MHzkGg|^jS5&S;5<-TeUMxWzBN=2Q2 zXZ1S0gISRIarH4>f}!(_%_-?7ple_8aS97Zw=qt1D~E!saLI`hIFyh{zgc!YKkt$iLv*_Z99-=T13IZ!8~z78}JoL z_@ZK4G<)9H`9SR|4DcPSG`L;s;1v^69|t*P(;wY_9yo19Uq9b#q|ZGN;air6stPhQ z|By>yIzQ{hO-M^SIQ=fCgLEB2P9g;ft%j?w@+0?dz*vPLbSzKTP4T(H>xwEuB!RLa zAF%%?GONofDsG*$o|<3oj67E))%{vzpexdo;uLY%kd9ACXue(bx<4PFe$r#(Kx1&+ z55hW}tI8aSyTu(h-9R&;c%pu!Tsh<`)o%@~OhcWxW?f)ea9^N)QwArHZ~8yD01%vx z19%kB;zzyoc#Em_b)2YUmD<~|gdjy7+7gQA?Q)7m7yn1Qukop5%7(2}-(M^4DHvG-IVm-fDzt%&VKc^Qws_nDf9WQg}0*GN?^56v(?dm8}qKy{HQLxe^=-fy6f{W zNQB=B><&Mq8G9++x@Ro9t3>fm?xJ1;-OhXa$n2N&>}NF5oIMzT#M6{~w=*aYh_N8f zX@-K%H0Q8WA7T+dWfRixS}+n<>ymFZ>9n@&^kY`xT({Mi0UYEX1%*sjVXu}tE$59W zg2qlQaCa0XZWaQ2OgNhrjxNN^k5i1=#H`@0p3mM9QL*0aiv7xPx2HYDJ|1KFM9XT> z_G&IcE%DP;ln5>w8Lxkrx%wM2)C>h!=%)#aowW-Qc9O(=X9BM*k+qulQl}nRnG^Qs zT-nnfMRR*b(gJsUIBG4_d%vQ`=;|TDsIaBu2p_gyI+-*d*z0nZUY&5d%AnGWM|PAj{jWo)BTf# zL_lZhnwk{nQ>EWi#7p;yh-U~S$6+|pne=;tv!D*2-Ns0={*@b#cfWBp9tDM>q@-ji ztf8f45tZk=&_IbW(2i~ZV%r>I-#PmYP7e1exma?}GOwFZ#=ggXW0XR!*d!(8TF@%F zL)@~qnNX3QouPqNYe;+KoSsdw!4M4E?QQ3DB7|Gnjp@5`7Uc04xE7Lc${_Xc_A|UO zXskJai58UoW?{3l_@k?42EoD@_=YsFzE{{?dlVr}Y{$gXyW%~>lUS~=u#E_`qn$B& z-QiD#O-=-fZ|PkKw?W;pt`QYMQb$3=6ZFBzEu?-^J_Vh7jgeQN#NPSnD0;Vs_}!{? z@`#sG2Z*1vw6vZpWC&#P;<(3z6M)`JP77wq6ODETIA1nze%1i#Rcx=@6SI*t9-#W+ zzEEv)a*}$T9UF_cGnPHJ@h77BtOxVQ&z~DmuAH_%Vnq1VhpX+V1R&)X_}+?%W%u;- zB)M7lf49jt(l9nQ-qf8;U{a#9dh*105{zXFKOtea$x!Q6H=~9HxbVS(HU&T<#7bx5 zMo2u?X%F~*Pi%cnWLlVboNvb0Z{vbdeC3tcG$#$rrWD+qp0R!W#f|-L-zoSu#0>L6 zn4S{G1X^q{3;s}gp_RXLML_g>AVA4GC z68qKtemnU|54p<&4j>^->N+}d0UPhO#88CZUeZ- zM4{HLWRxqy{wGabvd}}wJZwjZVo5#x(m{qEHuzd6SGu74_b{^RKfc5f`KF>=r)=5nRn zkM7zqBmuDz6d=9w$WHP!Bnsml=-lb@gKW<4v?rR8eA3a2u<`GVi;YNf>PF1dr5N&m z*Jtz(EKQ!3ZH3gZS~e2#xi65ioSXM^-j_jY${I7Vjb@`;DHak_6BmVm&JYfzX} z?@*uZmsne0;UA7_@N`r$_h=}>p-~lgz`am&Epd;@A&-5R#v6szP4QViNM`(KEf)6gK$;Sly-WA2?L!K)% zguqe5LD&h6%>_MS_J*2%Xbxv2+o|hdU?D_NQu;||+rryv38srQ0Vjj7NvA7}YFNk% zp)JFS=_d4Fa7+^Q*ygJMx_Q^?V53=KhIut>#x1Mw4Yqu%!?9kgvdNlxe z{aiS0!R&v_fhBft^xTCMV_adNsQ+F-)UPZE4}V_(*MeD{*t;~=8y!kiw6V53Cq=EX zvi$uHl3<_nTnG(m?2bIS*;T&xf~XheVd0-1JiYnSvwPDY|bz@AVXiL<^ zSH-!L3FsX1-Ni;&xU(Z*V}YkkE~eF0;!;z=57&pyhZU`a(h(W+D0VzZ6WyFJ!IV-O zpem;UY&e>A-|#Ct9^MKF2$X472NozKzYRZ`9$%>?=MS<)*=?={c{Fq+tTb(Zw6ovR_oIb5 zfQdpO2+HezB7ECdQ^cM-!_M+EnKkV#H4vvX3=b&a z>sffpC|hL(I8nK9EfGVDaMXoMzA==jolUP$g6ob`iZ0qAR6}?I$a*6FwmsUCH?Wny z?&XK$aVP%EW~*@fq>m)PlY4`qmh^P8kB4l|PRYPCNnC5&Qo072y=K{>BUMJ%**dwK zsZG2=*|WbKk2{k0sONf6rNtR?9x94uz!bV3lPgqxyfwg2zJ^)mr!!IB+dEIz>3!Ku0+B~>;SPzUXHQSM5(0sWCa zDzAHW>Lt-`2q2GFXkm7kZjP-M7~P;wJr<=lGpujnjd%tQL#YZJcJ>@_9ahCS7<;tV zz8`#mbb9wK|5@oCPe@69DrPR@$UQ*2M_#eX{l3MR@iaL0Bg*v`&ByW0SwBv?Twh=~ zAJr*$e-`JPj%4-w&%56kkaBNsO-zK&r$+k0l;XV-4YO%_#t$Uk&koW-6GspWr`RUX z;aoo3-i7vW--kX$#!Y2LQpJ#V$HII^jxeJr{2sVp8z?=x)1?_$utEkqwo{|h<8E0k zHjd^K3=A4eB7H6yQJTnaY`{!UF|h9xmNsdfk+puJN#da0u6a9ri?(~A*IZjIzhDEa zE7v^N2hh3ueJUn=2YDy)h`J;qS05a5`J6fFCL?y~#(EP#ztRx3)2b4Cf8OSf!%eY= zV21j4*nSY6-QMvRH6wm2_Q(kFaTTp42}WFJc=RHZvtr*FpD1LRO?7(?n(53OVvHGO zfD3QA7D>wJ3`HCgW85{wF<0m72~(nd{#kHEIer%KMfQPG3?x$IJBo3L&UN}MGBD~D z>T87Oyh@;(cI#BL`jk?39LCI1-1VCD!(Lb1mEfu4LyTop%9sAQR%(XEHmwznr-aB! zEv!f+S>xe3=>GMCBUhujsubaR-YAp9zVJVRzrhbrnTd}NM4>kbXf!lkD_Bz??jj!* z^yI}IvFNr$k5Y&!%p#2QV}JJ?Zq@y!#eD6dGE)pnxW(3iQn1(~LkW3|DmmfDtF3zm zh&N;PO3pzhi`K2?``zVce}4azL;lNi>ihFe=ij)MyLTP0%09=#Vhj>odxaQW5lO-G zJSBadFtJHLenp;7!MNGo{-rxpY*>T(&xp;K)TXMe{_s+@kxjOjPi4=C0=ka_)#Ch5 zRFKh`WDX0Mmw|e$7RD!^eO?>*AUpoBzoCsByV$cUk4Zk&Qk5Nknb|L?vV1u0e6}(? zZk&p2tRLrVwg+7JKo%FiuE{+32T4~QDe1W0l;IC|ari4{E^7MiQ3$6sto8~WfsUBV zWZ@S@=N*q18oD?matw#*hx^Nn+9UaY;2y?|_NaF_rxzToTx((d3ir?T!%Pu$+G@|e z$rfQ;(B1)3pclJh{@9FI(b!DI+Z4G)y$H?Q!MFrsjk+D*KA@k0c<1(} z`tW!5)NWW&cnm^h5SjaFC)xZFKN0ovs0Ck}l$Hwuban>M%@q$%JSH9Xr!77A4kmLp zipZ!5Z*>FpZeJ6X?0m#*?}exP(R{^j%x>d3oc5)2;}YWC8@qrzD`xx~cZpKvD|7Sh z$adb~oWO3k6FRbFp}|no{+yssyNgbi@$q&i{jug$#H&?rn4l2AX41<*_=a!yPO?+l zPeW2VzgG>8jp|)!&zh;Nt=I)%B!m2jPHzSNcc@TWRtBY2}T(UJ#;iKeutL{hmRAniKu=)^=^h!GQDTw(;G! zRlbqxT zR@&q)@&^N3Pdj=K;gRVB))0CP%$3TnO(2F=tTiqlnfnLjYNJC-bV~+e#+@yZC5PD1 zv&ya7=GB$^<!Zc`h<7Ia z&f#zmP_8>Ssy6+#)3gkx)o+M*8$u&2$A|+h@R)W%WGlyG9vAI)4i2rjIkmHuMfPJ<9qmsyNp8gW z*;-e(F0emBdjLJwuUNN*El$TmIQomIIuLkT+7&_jSW_B>Os zM-Ht8c8>@OprB#F9axLGn9pCqm;JTpmq7+WguWoAf9=5_`Qhb3d&Cm#vy=ldZF0Q< zJK>QdwA~3F5K;Rliv_ciX!H(Y8u`&4L2%Be)<70geR4w|G8P5S##oJJ+R-+l3rX4!cwX%%ROS5j* zj<1?H!Xb|ME7%{k@VxB zhGK9?<7!~L*=Tm<+km=PvP-z74?Xn}M)sOe7Ae6@gQo)xR^6s501`U75rEdWZww?% zc2D2dQAcBPQ>-8v%%L{@pf^%gLF1A9L~ISgG@HM9S{K=Knl`gsnk!1ByP zYVUjS8D14{ws;dxhYz`^6WTi{R>&uGJObn$uD^-_Bg_p#`O!9^7QfdkkVgbHP)<9d z(>Bj~ps|oMasEh3_@@>rS-8)0b5^_O4;Q>$7xqnNgW$YWZ7=0Et%my79iEi4JB!rh zoXf7Ff#s?x*g`mxM5>wS9KZ>l`iMT-aR=Hg>r>ljKDkfTck7&e=3zrp|D^j6OV%G!GoZ<9# zzPMhO0GQX`F|8QA?@*4)sb`cpBT3N_jcJEXTmNQdBe&wr>suW=xZjK1ZNCb?uA&2? zp#4N3;VJ5;AtBvo^1?no(0K@PyHRmS&gUyT;ER?H|PTM@G(CyQvaxCdFU@=CjA8Sk%O$V3p9GUtp!% z%f-X0o{sCA(X49Rg~kTs7;j8w6GK_qsTFM(QlXkHk8q$nYzgHO(SI#VVIyPViK#n z7v{2uOsyl9q4QmDrD)LPN!8X{(wXx8ce~0VBnH7(4--b|H(gg+4>Bb9alB_cw^e+d zQ*Fzl-y-6Js>*2@q62g)g8~40dllNM4$jh0mp9=oMFr)ghm;q4Gb_KS-PXU0v6)w#bfahRhl3#+y6~dHS?t8Qz`s$G%8{HZvTAoi(csz{S z_!WcIC~|D{Lt26yfXXIeEH(!X!*YX(_A>?=g_ZYyFZXxk4nDlm1?nVUM6D6)_Ju~0 zZ4$oL@DFR~=~&`MWujAKb&@WN4&edMYjD5tz~T3VdY&ZtLJdimdpk0-ZHCw~_XV)% zR=nGGs2XDQe^8*UXy3iz4ek!t1Q;E{b5PGqmpX<%+B%-OmQ&99e`P;0f?8o5W3DU* z*Y%?{?Kx_C;_C{NZv^R`9=_rG^Xz4aaOLn$zO*{Sp7g+el{>nXx;v4RVtGZ2f)pd_ z!|Wn)7(n0?(9@nm;m?FvmX~N)U57WqvS5^Dg4Q}k3+c)q$$;dUZ{Z6y%dmB1;`lEa zeV@!Yzon5@F58)Nl2iY+Bll?)(S`CnA6r3{i`P&x3T4sGo4=?|HJ4m%*Mft!Mu+VD z_DC<>=OkW-f6Wxp1*Pp!RQUDD#s@e}n#QgUvX!Af)AZ2@Ic^N9Ft-AahS7pjETPev zVz01Go(}d>H=!jUgIDj-j=ffJ`rdA?w7w-K@CUh}6`5hc^=VfqDX9=eD0ZNP4^4g) z$*RhK$qb~QkZ2ZzkZl8{jyvbRHl46GizFe-Q!q)filI?cUFC$AL5e*s*cK*(JH#pI+|TCndISjlj>B=6;4(|}14Py? z(hUb~?{+@Ur*Cr}ClS?5S&LbTg-NKd#cSa$Z5*o?bz%XeaIu$M7lP`hgt)asO5NBu zM@sS6%Zv%3h4jG>FLXM0I}}($Tl7WmS&5W|-4;TVV_5|Ao3hxM9$|3wau$JIlFhf* z-h4>6`q=r{czX<*wk24#y&kw|S4y(%baakyy%$jSoUgegVehJ(u{3|L$-X{P2|#3y z)iZ*yxey3@V4XC*eyHPR6{R!-@`ZO{KwyOLkAb^GSyoX8qk84=)99b-{Y0V}vxW)w zRgAo)3qh_1DW#{=06F_}Qa&eIo!qwmnS}D)`kM4i$l$BfEJ!~W1+icm>vdV=pd<8@ zHcneo6G))q`Zd4{8n?eDl`>qjUmEie_n@*~fh%=gn%&~04svVgp`23o!H$^v6dE4> z*D}ANDjZGR)d6#gNt32?xPuJe=_j@?VqgCPUqsDOCaWF)_MB1ZktB4pJyfzOy>3Mt zI}B4-4DuE*o^aLGHzV;BfFz+@8^%ZJe-^09ob5u(UO~;BS%{qp0W-i12(xTidF@Cq zjAO2c);LxtmQ;`VbCLhU(muNsP}mN8VFJLJQaVy=^Pa99{Xt!e1rc2YCl5uFo5EbVEhN6yANrJpHfDv2iDLPA zW6kb(ecc9lcU%Y2J@4Gi;Qj}5uhh;EV19re7f|erC})S%rkrz4H9VvIv#`m3sjmL? z%#8kb2a?q@0%m3qv8r?U`m!L5w%({u4leRw-xHD)%+wVdDu8WeIOBRtZ&gloHd=dD zdG&L}=!m>wr*D{rKBVN#0DuXwD2=As3E}L)Amvk8w-# zX6g3msWX zK-H%+gFb=h=8ii%A9=v6R?cwaZ{?{FBja?hJMt|c^R1@}9Ufj>XLM!`CY<;Ci(9Ea zw;&G1LdyQrrwLL-IBkDyEckfSYfEs8P{NpgcA2+Ujl21zxX3e;PYiTYG< zfd%D)-Jg34(5{WF@11nK2-pqA+zd_JO5BV$5lT;27rjW|+9kgsSx-=rXV+g>S161!-ht>-w2o+GIx+#ls%DF|&Oy zkim>B@eem!cQ;$zxeQTT4Lo2QxzWxheOjRZ5XPRIw8UpYfm1vIgR=)2$D@k;*(pHQW7-V{$N0sS`MqCguFB)*PbPN^T=BC=Cf7G$|!pai$$ zf@18JIwNI1+Htw*J6@E4Qxy_Uf{qutB`ZyK$iS%POjdJ@x5Dw(kjCYYx7A?atjB}e zcr*1|8=C24U0=D2WAcP+6~+=q^<73M{f)ZwII30~wTlOqgsD>%+jj0|JN1jJiXF&| zV1m|Vd~&&>em(2HVC3m>z_e$)6NifO(s)K(hp)-SR`k=5i{gn2F}w2Da>XPSKKj@G zvtKSq4HdV3GhU9#i#E|UUyg2Np(ZHl_`210kFJ{DESui{0H?CVn?yVBN4{V%_?zc- zl+;lq9OuIcBohk@!~y*h5(FIJ4Sw)B1nJ(LY#o&l;e7qI0!|ha!qG=9KUi!A8;mh$ zBIIP~xG~I$q&^O*7bJA`-3;%`WuN#cdL1R{TwICVZVk-ostaN$ej|C>0;Se_x>TQ! zOaQHxfF3W7gZ~}^1NXKl^5vYM|J?@~9F%Z5DW#&H1-sGqUV|!MI%<)g4*wtj2V7Y@ ze&tIpPhB!_Voz-TS3$Usl{*Ib1X96W0o}vl;(QWyCi6vQp9{IMzR#tW@ zZhn6Iq@3$6H`hdz5F?`T_=m-Gl2Nb4c)i|&sjj~I;#y|}{~A|pkdvT%5!?aOOtgp1 zwI|a^rj8(rqPw1Y5iz9!8FpR%NyFB9_g2%W>67^Wdrk+oled|0Ic0J-U`djloZ^HQ zwyAeiifP=Ss7YElv-e#Q3!;gvhiWoXa+idhT}XUI^n(O%j@oKY-&h1+jb>-(c6Zmg zIGehUWlcI5N`61wll5|QTfqA85tTnYSLWh3xIi5cu8LcrKMsMjo9#qi`Oxyj0zT2f zazV~JGEtkYmDg@Gl6#Cb6N#y;z|PNWA8qhkjtk}7FWq+|Iu|*KxWJ6U<+N$XhoK}y z6ecPo5X@;M$b$^?v8)&38I$$C0>je;weN})(7(wGnB^&Nzn2<3`u1j%t2P!c{{38( z?^4|)v!Su)5|Fm#io{h<;uwn`;!r7XZ+9k4v0rRy;qsaJJ^3ziLfnenn&EVhBNKrs z>k=AYGKvou&!Er}?-VU(zUY7|vtr;`G~1+hdOWhK*UEKTU&%&^%#@Mrw?)t9Kr0Ji zTgRveW>il<W#l%zq!F^-Xxn-ix&=W*fWVKLH{+hUA5rN^Xn3eHmPXA?E-T*VC z>;r=;49NZyiPG<%DFrUtO;&~{7-%iz&;XwTR>7?N~)9fO0Tariyk` zK19^qZA2)13_v%zE)x9}4KA-n`CdNp?Y(>$9DicDSAqhy;;g8SAbO--!eTr~#mX0H z%}u15@BV&tD+(6?aT9`S!I;fSYqq=yU3MayZ{dMxHn2(|A{K0RHSv0M2kKTENhz>S z#HEm7N8-01kC-76nyQwQE1$uz*8U8afh?{Uhw*+lRB_)gc@(It7Chw3S)LvZlTkl? z+keB^G4tJHGmVE$T^cm_%`kGWf^q5q%on4wXa(r%-PJ@hxOpH^8Gd}Ra3-Nsj9s9< z$oUm%wxAWbg&?8DEVFYdn#T2V}Qe928ZuEb!Fjd=SWB{fK+73G5BD0 zi@;p2E4 z^yDYQWr6MX(~%3ej#}qP5>**Q6L~+8`-FY4mqikQ%)lWujT|Y}AIaXGsh)A54#dZy zz$BCxi2q69B9jsPTdp91Gwr*LO^HfcBBou3KthaAg);>yUv%fyWZQvLHVfsZKZPK? z$>`S2*69vUGNEc#_eAq=vHP(C95lG-&vrUBbu3zqbg3r9Ac|i%+KxjPTen4t%97~y zo+5hcg z#Xo;}kGyIIXJ3ax4z85~AD*b3xK}v8CiOCRWjIU%MYPI;a_jof>~Bt%Q^`4+8Dc85 z)Pal3Ss1wKDYxvTO}@jC2d3Gwl^k5yz14#nZvdzWqDgN?^cJduO$Rck+G|UFQa?!l z7Iovx7Xu&E<10CoJ=;D+K)Bv>#u|7ZnKW;1QmdHEm(lZ6tUNt6pB1K0`aSFyhsgR)t={l=xxVQk=Jy z+{NJPq};bJy+J_>)ea`U?%TgSj8|GF9dcY|zH8mD<5~b`%NCZKSeKC(0{RfO&d?f~ zFlMVPS}(9rm>9|+=f-v)u>fp&OW!aJ-(&H{lQ)9=9%L`h4ENuU3+}kSPe%6|`V9SI z?;eVZdMPIM@X6PEglFNo3s?Z+hs85BN54yJ9ul$@U(D|NkJ11<3SQ*kmDYH_`FL*^ ztJ?g~ANjROZFyoIb5}bRSLTw4ksY}*H4ZA5np>AD3_3SS%1C*Ym2CI5T43sHkV1>K z_^84Z>FdGhk5u3X4j<;umgfg7>lJOmSA_4Jt`9Pvb8*d{kxBAbxq0XGKFc6(>eG*q z$&X<%s+`)`a&76xo`3u9DF+e>ws+3*>Eh#GF7-^bXol3|e Práctico 2 + +
    3. +
      + + Práctico 3 +
      4. diff --git a/docs/search.json b/docs/search.json index 5a0c6c9..d239368 100644 --- a/docs/search.json +++ b/docs/search.json @@ -104,6 +104,69 @@ "section": "Referencias", "text": "Referencias\nDarlington & Hayes 2016 Cap16 Detecting and Managing Irregularities\nDarlington & Hayes 2016 Cap12 Nonlinear relationships" }, + { + "objectID": "resource/03-resource.html", + "href": "resource/03-resource.html", + "title": "Práctico 3. Operacionalización de variables", + "section": "", + "text": "El desarrollo de esta guía tiene por objetivo revisar algunos procedimientos básicos de la preparación de datos con R, que son necesarios para luego poder analizar e interpretar los datos.\nPor temas de orden y reproducibilidad, en este curso vamos a separar en dos momentos el trabajo con datos, y dos archivos de código correspondientes:\n\nPreparación corresponde a lo que se conoce generalmente como “limpieza”, es decir, realizar las modificaciones necesarias para poder efectuar los análisis. Estas modificaciones previas al análisis son necesarias ya que los datos originales con los que se va a trabajar en general no vienen perfectamente adaptados a los análisis que se quieren hacer. Por lo tanto, en cuanto a datos también hacemos la distinción entre datos originales y datos preparados (o procesados).\nAnálisis: se relaciona tanto con análisis descriptivos asociados a las preguntas de investigación y como también modelamiento de datos para contrastar hipótesis de investigación.\n\n\n\n\nTanto la preparación como el análisis (que son parte del concepto más general de procesamiento) quedan registrados cada uno en un archivo de código.\nArchivo de código R: archivo con extensión .R donde se almacena el código de análisis. Para generarlo desde RStudio: File > New File > R Script (o ctrl+shift+N), y para grabarlo File > Save (o ctrl+s), y darle nombre la primera vez (recordar: sin tilde ni ñ, y evitar espacios) \nEl documento de código de preparación posee 5 partes, más una sección de identificación inicial:\n\nIdentificación y descripción general: Título, autor(es), fecha, información breve sobre el contenido del documento\nLibrerías: cargar librerías a utilizar\nDatos: carga de datos\nSelección de variables a utilizar\nProcesamiento de variables: en este punto, por cada variable se realiza lo siguiente:\n\nDescriptivo básico\nRecodificación: datos perdidos y valores (en caso de ser necesario)\nEtiquetamiento: de variable y valores (en caso de ser necesario)\nOtros ajustes\n\nGeneración de base de datos preparada para el análisis.\n\n\nDe rutas, estructura de carpetas y otros \n\nEncontrando la ruta a carpeta local: lo más fácil es crear la carpeta donde se desean guardar los datos desde el administrador de archivos del computador. Luego, posicionarse con el cursor sobre la carpeta y seleccionar “Propiedades”, en la ventana emergente debería aparecer la ruta hacia la carpeta en “Ubicación”. Copiar esa ruta y agregar al final el nombre de la carpeta (separada por slash)\nSobre los “slashes” (\\ o /): en la ruta las carpetas y el archivo final aparecen separados por slashes, que según el sistema utilizado pueden ser slash (/) o backslash (\\). En R por defecto se usa slash, pero en Windows backslash, por lo que si se usa Windows hay que reemplazarlos por backslash o también puede ser por un doble slash (//).\nPor temas de compatibilidad general, en las rutas se recomienda evitar tildes, eñes, espacios, mayúsculas y guiones bajos (_).\nEstructura de carpetas: para mantener el orden se sugiere seguir un protocolo de estructura de carpetas de proyecto, para lo que recomendamos el protocolo IPO, y que se adapta al flujo de trabajo presentado anteriormente. Básicamente son tres carpetas: input, procesamiento, output. En la carpeta input crear la subcarpeta data-orig para guardar datos originales, y data-proc para los procesados. En procesamiento se guardan los archivos de código y en output las tablas y los gráficos.\n\n\n\n\n\n\n\nAl final de esta práctica la idea es que cada un_ elabore y entienda su propio documento de preparación de datos.\nEn el ejemplo vamos a procesar variables de confianza en instituciones políticas y variables de caracterización sociodemográfica utilizando los datos de la encuesta Latinobarómetro .\n\n\n\n\nLatinobarómetro es un estudio de opinión pública que aplica anualmente alrededor de 20.000 entrevistas en 18 países de América Latina representando a más de 600 millones de habitantes\n“Los gobiernos latinoamericanos, que venían en declive junto con sus democracias desde inicios de la década de 2010, como reflejan los datos de Latinobarómetro, llegaron a fines de 2018 al annus horribilis con la caída de Nicaragua y Venezuela desde su condición de democracias para entrar en la categoría de autocracias y dictadura.\nDe los hiperpresidentes de la primera década del siglo con altos niveles de crecimiento en todos los países y altos niveles de aprobación, la región pasó en la segunda década a los subpresidentes, con una baja en aprobación de gobierno a la mitad, en menos de 10 años. Este rechazo al desempeño de las elites gobernantes, indica su fracaso a fines de 2019 en varios países de la región.” (Latinobarómetro, informe 2021, p. 7)\nEl presente ejercicio tiene por objetivo el procesar los datos para obtener las variables relevantes para el estudio de la Confianza en instituciones políticas, entendida como el grado en que los individuos confian en distintas instituciones políticas a nivel nacional, como el gobierno, la justicia, los partidos políticos, etc. Para ello, junto con variables de confianza, consideraremos también variables de estatus (educación), y variables de caracterización sociodemográfica (sexo y edad)." + }, + { + "objectID": "resource/03-resource.html#objetivo-de-la-práctica", + "href": "resource/03-resource.html#objetivo-de-la-práctica", + "title": "Práctico 3. Operacionalización de variables", + "section": "", + "text": "El desarrollo de esta guía tiene por objetivo revisar algunos procedimientos básicos de la preparación de datos con R, que son necesarios para luego poder analizar e interpretar los datos.\nPor temas de orden y reproducibilidad, en este curso vamos a separar en dos momentos el trabajo con datos, y dos archivos de código correspondientes:\n\nPreparación corresponde a lo que se conoce generalmente como “limpieza”, es decir, realizar las modificaciones necesarias para poder efectuar los análisis. Estas modificaciones previas al análisis son necesarias ya que los datos originales con los que se va a trabajar en general no vienen perfectamente adaptados a los análisis que se quieren hacer. Por lo tanto, en cuanto a datos también hacemos la distinción entre datos originales y datos preparados (o procesados).\nAnálisis: se relaciona tanto con análisis descriptivos asociados a las preguntas de investigación y como también modelamiento de datos para contrastar hipótesis de investigación.\n\n\n\n\nTanto la preparación como el análisis (que son parte del concepto más general de procesamiento) quedan registrados cada uno en un archivo de código.\nArchivo de código R: archivo con extensión .R donde se almacena el código de análisis. Para generarlo desde RStudio: File > New File > R Script (o ctrl+shift+N), y para grabarlo File > Save (o ctrl+s), y darle nombre la primera vez (recordar: sin tilde ni ñ, y evitar espacios) \nEl documento de código de preparación posee 5 partes, más una sección de identificación inicial:\n\nIdentificación y descripción general: Título, autor(es), fecha, información breve sobre el contenido del documento\nLibrerías: cargar librerías a utilizar\nDatos: carga de datos\nSelección de variables a utilizar\nProcesamiento de variables: en este punto, por cada variable se realiza lo siguiente:\n\nDescriptivo básico\nRecodificación: datos perdidos y valores (en caso de ser necesario)\nEtiquetamiento: de variable y valores (en caso de ser necesario)\nOtros ajustes\n\nGeneración de base de datos preparada para el análisis.\n\n\nDe rutas, estructura de carpetas y otros \n\nEncontrando la ruta a carpeta local: lo más fácil es crear la carpeta donde se desean guardar los datos desde el administrador de archivos del computador. Luego, posicionarse con el cursor sobre la carpeta y seleccionar “Propiedades”, en la ventana emergente debería aparecer la ruta hacia la carpeta en “Ubicación”. Copiar esa ruta y agregar al final el nombre de la carpeta (separada por slash)\nSobre los “slashes” (\\ o /): en la ruta las carpetas y el archivo final aparecen separados por slashes, que según el sistema utilizado pueden ser slash (/) o backslash (\\). En R por defecto se usa slash, pero en Windows backslash, por lo que si se usa Windows hay que reemplazarlos por backslash o también puede ser por un doble slash (//).\nPor temas de compatibilidad general, en las rutas se recomienda evitar tildes, eñes, espacios, mayúsculas y guiones bajos (_).\nEstructura de carpetas: para mantener el orden se sugiere seguir un protocolo de estructura de carpetas de proyecto, para lo que recomendamos el protocolo IPO, y que se adapta al flujo de trabajo presentado anteriormente. Básicamente son tres carpetas: input, procesamiento, output. En la carpeta input crear la subcarpeta data-orig para guardar datos originales, y data-proc para los procesados. En procesamiento se guardan los archivos de código y en output las tablas y los gráficos.\n\n\n\n\n\n\n\nAl final de esta práctica la idea es que cada un_ elabore y entienda su propio documento de preparación de datos.\nEn el ejemplo vamos a procesar variables de confianza en instituciones políticas y variables de caracterización sociodemográfica utilizando los datos de la encuesta Latinobarómetro ." + }, + { + "objectID": "resource/03-resource.html#antecedentes-de-los-datos-a-utilizar", + "href": "resource/03-resource.html#antecedentes-de-los-datos-a-utilizar", + "title": "Práctico 3. Operacionalización de variables", + "section": "", + "text": "Latinobarómetro es un estudio de opinión pública que aplica anualmente alrededor de 20.000 entrevistas en 18 países de América Latina representando a más de 600 millones de habitantes\n“Los gobiernos latinoamericanos, que venían en declive junto con sus democracias desde inicios de la década de 2010, como reflejan los datos de Latinobarómetro, llegaron a fines de 2018 al annus horribilis con la caída de Nicaragua y Venezuela desde su condición de democracias para entrar en la categoría de autocracias y dictadura.\nDe los hiperpresidentes de la primera década del siglo con altos niveles de crecimiento en todos los países y altos niveles de aprobación, la región pasó en la segunda década a los subpresidentes, con una baja en aprobación de gobierno a la mitad, en menos de 10 años. Este rechazo al desempeño de las elites gobernantes, indica su fracaso a fines de 2019 en varios países de la región.” (Latinobarómetro, informe 2021, p. 7)\nEl presente ejercicio tiene por objetivo el procesar los datos para obtener las variables relevantes para el estudio de la Confianza en instituciones políticas, entendida como el grado en que los individuos confian en distintas instituciones políticas a nivel nacional, como el gobierno, la justicia, los partidos políticos, etc. Para ello, junto con variables de confianza, consideraremos también variables de estatus (educación), y variables de caracterización sociodemográfica (sexo y edad)." + }, + { + "objectID": "resource/03-resource.html#librerias", + "href": "resource/03-resource.html#librerias", + "title": "Práctico 3. Operacionalización de variables", + "section": "1. Librerías principales (de R) a utilizar en el análisis", + "text": "1. Librerías principales (de R) a utilizar en el análisis\nComo sabemos, la lógica de R es instalar librerías (solo 1 vez, con install.packages(\"librería\")), y luego cargarlas cada vez que es necesario usarlas (con library(librería)). El problema de esto es que a veces no se sabe claramente qué librerías están instaladas y cuales no, lo que va a arrojar error al cargarlas. Y, como sucede en R, existe una librería para solucionar este problema que se llama pacman (package manager). Lo que hace pacman es cargar la librería, y si no está instalada, la instala y la carga:\nPara utilizar la primera vez (si es que no está instalada):\n\ninstall.packages(\"pacman\")\n\nY en adelante, las librerías se cargan así pacman::p_load(libreria1,libreria2,libreriaX) :\n\npacman::p_load(dplyr, sjmisc, car, sjlabelled, stargazer, haven)\n\nPara esta sesión vamos a utilizar Las librerías que vamos a utilizar son:\n\ndplyr: ajuste general de datos\nsjmisc: descripción y exploración de base de datos\ncar: principalmente la función recode para recodificar/agrupar valores de variable\nstargazer: para tabla descriptiva" + }, + { + "objectID": "resource/03-resource.html#cargar-base-de-datos", + "href": "resource/03-resource.html#cargar-base-de-datos", + "title": "Práctico 3. Operacionalización de variables", + "section": "2. Cargar base de datos", + "text": "2. Cargar base de datos\nAjustar espacio de trabajo\nPrevio a la carga de nuestra base de datos, se recomienda ejecutar los siguientes comandos:\n\nrm(list=ls()) # borrar todos los objetos en el espacio de trabajo\noptions(scipen=999) # valores sin notación científica\n\nLa función rm(list=ls()) permite comenzar con un espacio de trabajo (environment) vacío y sin otros objetos. Así también, la función options(scipen=999) desactiva la notación científica, es decir, veremos los valores numéricos con todos sus decimales.\nDatos\nLas bases de datos se pueden cargar de un archivo local o en línea. Para este caso utilizaremos un archivo en línea que viene en formato RData: latinobarometro2020.RData. Abrir bases de datos en otros formatos: Los formatos mas comunes en que se almacenan las bases de datos son .dta (Stata), .sav (Spss) y RData (R). Para abrir desde R utlilizamos la librería haven y sus funciones read_dta y read_sav según corresponda. Ej: datos <- read_dta(\"base_casen.dta\"). Recordar antes instalar/cargar la librería: pacman::p_load(haven) \n\n#cargamos la base de datos desde internet\nload(url(\"https://github.com/Kevin-carrasco/metod1-MCS/raw/main/files/data/external_data/latinobarometro2020.RData\"))\n\no de manera local:\n\nlatinobarometro2020 <- read_dta(\"../files/data/external_data/latinobarometro2020.dta\", encoding = \"UTF-8\")\n\nLa base de datos aparece como un objeto en nuestro espacio de trabajo, con el nombre original con la que fue guardada (latinobarometro2020):\n\nRealizamos un chequeo básico de la lectura de datos: nombres de las variables y tamaño de la base en términos de casos y variables (en este ejemplo, 20204, 408 ).\n\ndim(latinobarometro2020) # dimension de la base\n\n[1] 20204 408\n\n\nY si se quiere revisar en formato de planilla de datos:\n\nView(latinobarometro2020)" + }, + { + "objectID": "resource/03-resource.html#selección-de-variables-a-utilizar", + "href": "resource/03-resource.html#selección-de-variables-a-utilizar", + "title": "Práctico 3. Operacionalización de variables", + "section": "3. Selección de variables a utilizar", + "text": "3. Selección de variables a utilizar\nEste paso consiste en crear un subset reducido de datos que contenga solo las variables de interés. Para ello:\n\nSe identifica el nombre de las variables que registran la información de preguntas o items del instrumento: esto aparece en el libro de códigos y/o en el cuestionario, o también se puede hacer buscando en la base de datos mediante alguna palabra clave asociada a la pregunta. Por ejemplo, si queremos buscar variables asociadas a educación, utilizamos la función find_var (de sjmisc, librería que cargamos en el paso 1), que nos entrega nombre de la variable en columna var.name. Por ejemplo, si buscamos alguna variable asociada al concepto Confianza:\n\n\nfind_var(data = latinobarometro2020,\"Confianza\")\n\n col.nr var.name\n1 36 p9stgbs\n2 41 P13STGBS_A\n3 42 P13STGBS_B\n4 43 p13st_c\n5 44 p13st_d\n6 45 p13st_e\n7 46 p13st_f\n8 47 p13st_g\n9 48 p13st_h\n10 49 p13st_i\n11 51 p15st_a\n12 52 p15st_b\n13 53 p15st_c\n14 54 p15st_d\n15 55 p15st_e\n16 56 p15st_f\n17 57 p15st_g\n18 58 p15n_h\n19 59 p15n_i\n20 60 p15n_j\n21 61 p15n_k\n22 154 p36n_a\n23 155 p36n_b\n24 160 P36STMB_A\n25 161 P36STMB_B\n26 162 P36STMB_C\n27 163 P36STMB_D\n var.label\n1 P9STGBS Confianza Interpersonal\n2 P13STGBS.A Confianza en las Fuerzas Armadas\n3 P13STGBS.B Confianza en la Policía / Carabineros\n4 P13ST.C Confianza en la Iglesia\n5 P13ST.D Confianza en el Congreso\n6 P13ST.E Confianza en el Gobierno\n7 P13ST.F Confianza en el Poder Judicial\n8 P13ST.G Confianza en los Partidos Políticos\n9 P13ST.H Confianza en: La institución Electoral del país\n10 P13ST.I Confianza en: El presidente\n11 P15ST.A Confianza en que las instituciones operan para mejorar nuestra calidad d\n12 P15ST.B Confianza en que las instituciones operan para mejorar nuestra calidad d\n13 P15ST.C Confianza en que las instituciones operan para mejorar nuestra calidad d\n14 P15ST.D Confianza en que las instituciones operan para mejorar nuestra calidad d\n15 P15ST.E Confianza en que las instituciones operan para mejorar nuestra calidad d\n16 P15ST.F Confianza en que las instituciones operan para mejorar nuestra calidad d\n17 P15ST.G Confianza en que las instituciones operan para mejorar nuestra calidad d\n18 P15N.H Confianza en que las instituciones operan para mejorar nuestra calidad de\n19 P15N.I Confianza en que las instituciones operan para mejorar nuestra calidad de\n20 P15N.J Confianza en que las instituciones operan para mejorar nuestra calidad de\n21 P15N.K Confianza en que las instituciones operan para mejorar nuestra calidad de\n22 P36N.A Confianza en las Fuerzas Armadas de Estados Unidos\n23 P36N.B Confianza en las fuerzas Armadas Chinas\n24 P36STMB.A Confianza en el FMI (Fondo Monetario Internacional)\n25 P36STMB.B Confianza en el BID (Banco Interamericano de Desarrollo)\n26 P36STMB.C Confianza en el CAF (Banco de Desarrollo de América Latina)\n27 P36STMB.D Confianza en el Banco Mundial\n\n\nNos informa que hay una serie de variables relacionadas con confianza interpersonal y con instituciones. Probemos con la variable p13st_e.\nMediante la función select de dplyr, seleccionamos cada una de nuestras variables de interés y creamos una nueva base con el nombre proc_data, donde “proc” hace referencia a base procesada:\n\nproc_data <- latinobarometro2020 %>% select(p13st_e, # Confianza en el Gobierno\n p13st_d, # Confianza en el congreso\n p13st_f, # Confianza en el Poder Judicial\n p13st_g, # Confianza en los partidos políticos\n reeduc_1,# nivel educacional\n sexo,# sexo\n edad,# edad\n idenpa) # pais \n\n# Comprobar\nnames(proc_data)\n\n[1] \"p13st_e\" \"p13st_d\" \"p13st_f\" \"p13st_g\" \"reeduc_1\" \"sexo\" \"edad\" \n[8] \"idenpa\" \n\n\nMediante el comando get_label obtenemos el atributo label de las variables.\n\nsjlabelled::get_label(proc_data)\n\n p13st_e \n \"P13ST.E Confianza en el Gobierno\" \n p13st_d \n \"P13ST.D Confianza en el Congreso\" \n p13st_f \n \"P13ST.F Confianza en el Poder Judicial\" \n p13st_g \n \"P13ST.G Confianza en los Partidos Políticos\" \n reeduc_1 \n\"REEDUC.1 Nivel de estudios alcanzado - Entrevistado (recodificado)\" \n sexo \n \"SEXO Sexo\" \n edad \n \"EDAD Edad\" \n idenpa \n \"IDENPA Identificación del País\" \n\n\nPodemos ver que son largas o con códigos poco informativos, por lo tanto, es necesario cambiarlas por etiquetas más cortas y de fácil identificación.\nPara facilitar el análisis, vamos a filtrar la base de datos para quedarnos solo con los casos de Chile. Para esto utilizamos la función filter de dplyr. Si revisamos el libro de códigos, el identificador de Chile es 152\n\nproc_data <- proc_data %>% dplyr::filter(idenpa==152)" + }, + { + "objectID": "resource/03-resource.html#procesamiento-de-variables", + "href": "resource/03-resource.html#procesamiento-de-variables", + "title": "Práctico 3. Operacionalización de variables", + "section": "4. Procesamiento de variables", + "text": "4. Procesamiento de variables\nPara el procesamiento de cada variable se seguirá el siguiente flujo de trabajo:\n\nDescriptivo general\nRecodificación: de casos perdidos y otros valores (en caso necesario)\nEtiquetado: cambio de nombres de variables y valores (en caso necesario)\nOtros ajustes\n\nY se recomienda también un descriptivo final para revisar que el procesamiento de cada variable está ok.\n\n4.1 Confianza en el Gobierno\nEn Latinobarómetro, lass variables que permiten medir la Confianza en instituciones políticas en Chile son las siguientes:\n\n[p13st_e]: “P13ST.E Confianza en el Gobierno” (1 = Mucha; 4 = Ninguna)\n[p13st_d]: “P13ST.D Confianza en el Congreso” (1 = Mucha; 4 = Ninguna)\n[p13st_f]: “P13ST.F Confianza en el Poder Judicial” (1 = Mucha; 4 = Ninguna)\n[p13st_g]: “P13ST.G Confianza en los Partidos Políticos” (1 = Mucha; 4 = Ninguna)\n\na. Descriptivo\nPara los descriptivos se utilizará la función frq, de la librería sjmisc:\n\nfrq(proc_data$p13st_e)\n\nx <numeric> \n# total N=1200 valid N=1200 mean=3.27 sd=0.99\n\nValue | N | Raw % | Valid % | Cum. %\n--------------------------------------\n -2 | 8 | 0.67 | 0.67 | 0.67\n -1 | 11 | 0.92 | 0.92 | 1.58\n 1 | 23 | 1.92 | 1.92 | 3.50\n 2 | 176 | 14.67 | 14.67 | 18.17\n 3 | 358 | 29.83 | 29.83 | 48.00\n 4 | 624 | 52.00 | 52.00 | 100.00\n <NA> | 0 | 0.00 | <NA> | <NA>\n\n\nEn esta variable vemos valores asociados a la opción “No contesta” (-2) y “No sabe” (-1), que corresponde definirlos como casos perdidos (en el caso de R, como casos NA). El resto de los valores y etiquetas se encuentran en un orden contraintuitivo (mayor valor indica menos confianza), así que en la recodificiación nos haremos cargo de los casos perdidos y de reordenar las categorías.\nb. Recodificación\nPara recodificar utilizamos la función recode, de la librería car\n\nproc_data$p13st_e <- recode(proc_data$p13st_e, \"c(-2,-1)=NA\")\nproc_data$p13st_d <- recode(proc_data$p13st_d, \"c(-2,-1)=NA\")\nproc_data$p13st_f <- recode(proc_data$p13st_f, \"c(-2,-1)=NA\")\nproc_data$p13st_g <- recode(proc_data$p13st_g, \"c(-2,-1)=NA\")\n\nnota: con la función set_na de la librería sjmisc podemos recodificar toda la base de datos con un solo código, pero debemos estar completamente segur-s de que estos valores no tienen otra categoría asociada en otra variable.\n\nproc_data <- proc_data %>% set_na(., na = c(-2, -1))\n\nPara reordenar las categorías volvemos a utilizar la función recode, de la librería car\n\nproc_data$p13st_e <- recode(proc_data$p13st_e, \"1=3; 2=2; 3=1; 4=0\")\nproc_data$p13st_d <- recode(proc_data$p13st_d, \"1=3; 2=2; 3=1; 4=0\")\nproc_data$p13st_f <- recode(proc_data$p13st_f, \"1=3; 2=2; 3=1; 4=0\")\nproc_data$p13st_g <- recode(proc_data$p13st_g, \"1=3; 2=2; 3=1; 4=0\")\n\nc - Etiquetado\nVamos a dar un nombre más sustantivo a las variables con la función rename, de la librería dplyr:\n\nproc_data <- proc_data %>% rename(\"conf_gob\"=p13st_e, # Confianza en el gobierno\n \"conf_cong\"=p13st_d, # Confianza en el congreso\n \"conf_jud\"=p13st_f, # Confianza en el Poder Judicial\n \"conf_partpol\"=p13st_g) # Confianza en los partidos políticos \n\nAdemás de cambiar el nombre, queremos cambiar las etiquetas de las variables.\n\nproc_data$conf_gob <- set_label(x = proc_data$conf_gob,label = \"Confianza: Gobierno\")\nget_label(proc_data$conf_gob)\n\n[1] \"Confianza: Gobierno\"\n\nproc_data$conf_cong <- set_label(x = proc_data$conf_cong, label = \"Confianza: Congreso\")\nget_label(proc_data$conf_cong)\n\n[1] \"Confianza: Congreso\"\n\nproc_data$conf_jud <- set_label(x = proc_data$conf_jud, label = \"Confianza: Poder judicial\")\nget_label(proc_data$conf_jud)\n\n[1] \"Confianza: Poder judicial\"\n\nproc_data$conf_partpol <- set_label(x = proc_data$conf_partpol, label = \"Confianza: Partidos politicos\")\nget_label(proc_data$conf_partpol)\n\n[1] \"Confianza: Partidos politicos\"\n\n\nd. Otros ajustes\nPara este caso vamos a crear una variable que sea la suma de los cuatro items de confianza.\n\nproc_data$conf_inst <- (proc_data$conf_gob+proc_data$conf_cong+proc_data$conf_jud+proc_data$conf_partpol)\nsummary(proc_data$conf_inst)\n\n Min. 1st Qu. Median Mean 3rd Qu. Max. NA's \n 0.00 0.00 2.00 2.42 4.00 12.00 38 \n\n\n\nget_label(proc_data$conf_inst)\n\n[1] \"Confianza: Gobierno\"\n\n\nVemos que una etiqueta de la variable anterior.\n\nproc_data$conf_inst <- set_label(x = proc_data$conf_inst, label = \"Confianza en instituciones\")\n\nRevisión final\nNuevamente un descriptivo de cada variable para confirmar que el procesamiento está ok:\n\nfrq(proc_data$conf_gob)\n\nConfianza: Gobierno (x) <numeric> \n# total N=1200 valid N=1181 mean=0.66 sd=0.80\n\nValue | N | Raw % | Valid % | Cum. %\n--------------------------------------\n 0 | 624 | 52.00 | 52.84 | 52.84\n 1 | 358 | 29.83 | 30.31 | 83.15\n 2 | 176 | 14.67 | 14.90 | 98.05\n 3 | 23 | 1.92 | 1.95 | 100.00\n <NA> | 19 | 1.58 | <NA> | <NA>\n\nfrq(proc_data$conf_cong)\n\nConfianza: Congreso (x) <numeric> \n# total N=1200 valid N=1178 mean=0.59 sd=0.71\n\nValue | N | Raw % | Valid % | Cum. %\n--------------------------------------\n 0 | 628 | 52.33 | 53.31 | 53.31\n 1 | 408 | 34.00 | 34.63 | 87.95\n 2 | 134 | 11.17 | 11.38 | 99.32\n 3 | 8 | 0.67 | 0.68 | 100.00\n <NA> | 22 | 1.83 | <NA> | <NA>\n\nfrq(proc_data$conf_inst)\n\nConfianza en instituciones (x) <numeric> \n# total N=1200 valid N=1162 mean=2.42 sd=2.49\n\nValue | N | Raw % | Valid % | Cum. %\n--------------------------------------\n 0 | 397 | 33.08 | 34.17 | 34.17\n 1 | 141 | 11.75 | 12.13 | 46.30\n 2 | 130 | 10.83 | 11.19 | 57.49\n 3 | 111 | 9.25 | 9.55 | 67.04\n 4 | 169 | 14.08 | 14.54 | 81.58\n 5 | 71 | 5.92 | 6.11 | 87.69\n 6 | 41 | 3.42 | 3.53 | 91.22\n 7 | 41 | 3.42 | 3.53 | 94.75\n 8 | 44 | 3.67 | 3.79 | 98.54\n 9 | 11 | 0.92 | 0.95 | 99.48\n 10 | 4 | 0.33 | 0.34 | 99.83\n 11 | 1 | 0.08 | 0.09 | 99.91\n 12 | 1 | 0.08 | 0.09 | 100.00\n <NA> | 38 | 3.17 | <NA> | <NA>\n\n\nVemos que los valores (labels) de cada categoría de las primeras variables que recodificamos no se corresponden con el nuevo valor. Para re-etiquetar valores usamos la función set_labels, de la librería sjlabelled\n\nproc_data$conf_gob <- set_labels(proc_data$conf_gob,\n labels=c( \"Ninguna\"=0,\n \"Poca\"=1,\n \"Algo\"=2,\n \"Mucha\"=3))\n\nproc_data$conf_cong <- set_labels(proc_data$conf_cong,\n labels=c( \"Ninguna\"=0,\n \"Poca\"=1,\n \"Algo\"=2,\n \"Mucha\"=3))\n\nproc_data$conf_jud <- set_labels(proc_data$conf_jud,\n labels=c( \"Ninguna\"=0,\n \"Poca\"=1,\n \"Algo\"=2,\n \"Mucha\"=3))\n\nproc_data$conf_partpol <- set_labels(proc_data$conf_partpol,\n labels=c( \"Ninguna\"=0,\n \"Poca\"=1,\n \"Algo\"=2,\n \"Mucha\"=3))\n\ny volvemos a revisar\n\nfrq(proc_data$conf_gob)\n\nConfianza: Gobierno (x) <numeric> \n# total N=1200 valid N=1181 mean=0.66 sd=0.80\n\nValue | Label | N | Raw % | Valid % | Cum. %\n------------------------------------------------\n 0 | Ninguna | 624 | 52.00 | 52.84 | 52.84\n 1 | Poca | 358 | 29.83 | 30.31 | 83.15\n 2 | Algo | 176 | 14.67 | 14.90 | 98.05\n 3 | Mucha | 23 | 1.92 | 1.95 | 100.00\n <NA> | <NA> | 19 | 1.58 | <NA> | <NA>\n\nfrq(proc_data$conf_cong)\n\nConfianza: Congreso (x) <numeric> \n# total N=1200 valid N=1178 mean=0.59 sd=0.71\n\nValue | Label | N | Raw % | Valid % | Cum. %\n------------------------------------------------\n 0 | Ninguna | 628 | 52.33 | 53.31 | 53.31\n 1 | Poca | 408 | 34.00 | 34.63 | 87.95\n 2 | Algo | 134 | 11.17 | 11.38 | 99.32\n 3 | Mucha | 8 | 0.67 | 0.68 | 100.00\n <NA> | <NA> | 22 | 1.83 | <NA> | <NA>\n\n\n\n4.2. Educación\n\n[reeduc_1] = REEDUC.1 Nivel de estudios alcanzado - Entrevistado (recodificado)\n\na. Descriptivo\n\nfrq(proc_data$reeduc_1)\n\nx <numeric> \n# total N=1200 valid N=1200 mean=5.05 sd=1.22\n\nValue | N | Raw % | Valid % | Cum. %\n--------------------------------------\n 1 | 8 | 0.67 | 0.67 | 0.67\n 2 | 53 | 4.42 | 4.42 | 5.08\n 3 | 36 | 3.00 | 3.00 | 8.08\n 4 | 161 | 13.42 | 13.42 | 21.50\n 5 | 643 | 53.58 | 53.58 | 75.08\n 6 | 109 | 9.08 | 9.08 | 84.17\n 7 | 190 | 15.83 | 15.83 | 100.00\n <NA> | 0 | 0.00 | <NA> | <NA>\n\n\nb. Recodificación\n\nVemos que no hay datos perdidos\nValores\n\nPara hacer más fácil el análisis, recodificamos en tres categorías (en este caso decisión arbitraria. Se debería tener una razón teórica para recodificar)\n1. Analfabeto = Educacion basica = 1\n2 Básica incompleta = Educacion basica = 1\n3. Básica completa = Educacion basica = 1\n4. Secundaria, media, técnica incompleta = Educacion media = 2\n5. Secundaria, media, técnica completa = Educacion media = 2\n6. Superior incompleta = Educacion superior = 3\n7. Superior completa = Educacion superior = 3\n\n\n# recodificacion usando funcion 'recode' de la libreria car\nproc_data$reeduc_1 <- car::recode(proc_data$reeduc_1, \"c(1,2,3)=1; c(4,5)=2; c(6,7)=3\")\n\nComprobar con un nuevo descriptivo:\n\nfrq(proc_data$reeduc_1)\n\nx <numeric> \n# total N=1200 valid N=1200 mean=2.17 sd=0.55\n\nValue | N | Raw % | Valid % | Cum. %\n--------------------------------------\n 1 | 97 | 8.08 | 8.08 | 8.08\n 2 | 804 | 67.00 | 67.00 | 75.08\n 3 | 299 | 24.92 | 24.92 | 100.00\n <NA> | 0 | 0.00 | <NA> | <NA>\n\n\nSe observa que los valores coinciden con la recodificación (los casos se acumulan entre las categorías 1 y 3), pero las etiquetas ahora no coinciden; se soluciona en el siguiente paso.\nc. Etiquetado\nPara re-etiquetar valores usamos la función factor, de R base. Con esta función aprovechamos de transformar la variable educación en una variable categórica, que es lo que corresponde para una variable ordinal.\n\nproc_data$reeduc_1 <- factor(proc_data$reeduc_1,\n labels = c(\"Educacion basica\", \"Educacion media\", \"Educacion superior\"),\n levels = c(1, 2, 3))\n\nLuego renombramos la variable con un nombre más sustantivo\n\nproc_data <- rename(proc_data,\"educacion\"=reeduc_1)\n\nAdemás de cambiar el nombre, queremos cambiar la etiqueta de la variable.\n\nget_label(proc_data$educacion)\n\nNULL\n\nproc_data$educacion <- set_label(x = proc_data$educacion,label = \"Educación\")\n\n\n\n\n4.3. Sexo\n\n[sexo] = SEXO Sexo\n\na. Descriptivo\n\nfrq(proc_data$sexo)\n\nx <numeric> \n# total N=1200 valid N=1200 mean=1.54 sd=0.50\n\nValue | N | Raw % | Valid % | Cum. %\n--------------------------------------\n 1 | 555 | 46.25 | 46.25 | 46.25\n 2 | 645 | 53.75 | 53.75 | 100.00\n <NA> | 0 | 0.00 | <NA> | <NA>\n\n\nb. Recodificación\nEn general esta variable no tiene problemas de casos perdidos ni de etiquetas, pero de todas maneras vamos a hacer un cambio de acuerdo a convenciones en análisis de datos, donde por lo general hombres tienen valor 0 y mujeres 1:\n\nproc_data$sexo <- car::recode(proc_data$sexo, \"1=0;2=1\")\n\nc. Etiquetado\nY ahora cambiamos las etiquetas de acuerdo a la recodificación anterior:\n\nproc_data$sexo <- factor(proc_data$sexo,\n labels=c( \"Hombre\",\n \"Mujer\"),\n levels=c(0,1))\n\nTambién queremos cambiar la etiqueta de la variable.\n\nget_label(proc_data$sexo)\n\nNULL\n\nproc_data$sexo <- set_label(x = proc_data$sexo,label = \"Sexo\")\n\nRevisar con un nuevo descriptivo:\n\nfrq(proc_data$sexo)\n\nSexo (x) <categorical> \n# total N=1200 valid N=1200 mean=1.54 sd=0.50\n\nValue | N | Raw % | Valid % | Cum. %\n---------------------------------------\nHombre | 555 | 46.25 | 46.25 | 46.25\nMujer | 645 | 53.75 | 53.75 | 100.00\n<NA> | 0 | 0.00 | <NA> | <NA>\n\n\n\n\n4.4 Edad\n\n[edad] = EDAD Edad.\n\na. Descriptivo\n\nfrq(proc_data$edad)\n\nx <numeric> \n# total N=1200 valid N=1200 mean=44.49 sd=17.01\n\nValue | N | Raw % | Valid % | Cum. %\n-------------------------------------\n 18 | 31 | 2.58 | 2.58 | 2.58\n 19 | 29 | 2.42 | 2.42 | 5.00\n 20 | 25 | 2.08 | 2.08 | 7.08\n 21 | 23 | 1.92 | 1.92 | 9.00\n 22 | 21 | 1.75 | 1.75 | 10.75\n 23 | 26 | 2.17 | 2.17 | 12.92\n 24 | 28 | 2.33 | 2.33 | 15.25\n 25 | 19 | 1.58 | 1.58 | 16.83\n 26 | 21 | 1.75 | 1.75 | 18.58\n 27 | 23 | 1.92 | 1.92 | 20.50\n 28 | 19 | 1.58 | 1.58 | 22.08\n 29 | 22 | 1.83 | 1.83 | 23.92\n 30 | 34 | 2.83 | 2.83 | 26.75\n 31 | 21 | 1.75 | 1.75 | 28.50\n 32 | 26 | 2.17 | 2.17 | 30.67\n 33 | 21 | 1.75 | 1.75 | 32.42\n 34 | 14 | 1.17 | 1.17 | 33.58\n 35 | 22 | 1.83 | 1.83 | 35.42\n 36 | 28 | 2.33 | 2.33 | 37.75\n 37 | 14 | 1.17 | 1.17 | 38.92\n 38 | 24 | 2.00 | 2.00 | 40.92\n 39 | 23 | 1.92 | 1.92 | 42.83\n 40 | 32 | 2.67 | 2.67 | 45.50\n 41 | 21 | 1.75 | 1.75 | 47.25\n 42 | 16 | 1.33 | 1.33 | 48.58\n 43 | 22 | 1.83 | 1.83 | 50.42\n 44 | 16 | 1.33 | 1.33 | 51.75\n 45 | 25 | 2.08 | 2.08 | 53.83\n 46 | 19 | 1.58 | 1.58 | 55.42\n 47 | 15 | 1.25 | 1.25 | 56.67\n 48 | 26 | 2.17 | 2.17 | 58.83\n 49 | 19 | 1.58 | 1.58 | 60.42\n 50 | 35 | 2.92 | 2.92 | 63.33\n 51 | 6 | 0.50 | 0.50 | 63.83\n 52 | 24 | 2.00 | 2.00 | 65.83\n 53 | 7 | 0.58 | 0.58 | 66.42\n 54 | 13 | 1.08 | 1.08 | 67.50\n 55 | 27 | 2.25 | 2.25 | 69.75\n 56 | 18 | 1.50 | 1.50 | 71.25\n 57 | 17 | 1.42 | 1.42 | 72.67\n 58 | 34 | 2.83 | 2.83 | 75.50\n 59 | 17 | 1.42 | 1.42 | 76.92\n 60 | 24 | 2.00 | 2.00 | 78.92\n 61 | 18 | 1.50 | 1.50 | 80.42\n 62 | 21 | 1.75 | 1.75 | 82.17\n 63 | 15 | 1.25 | 1.25 | 83.42\n 64 | 20 | 1.67 | 1.67 | 85.08\n 65 | 12 | 1.00 | 1.00 | 86.08\n 66 | 24 | 2.00 | 2.00 | 88.08\n 67 | 9 | 0.75 | 0.75 | 88.83\n 68 | 12 | 1.00 | 1.00 | 89.83\n 69 | 15 | 1.25 | 1.25 | 91.08\n 70 | 30 | 2.50 | 2.50 | 93.58\n 71 | 9 | 0.75 | 0.75 | 94.33\n 72 | 10 | 0.83 | 0.83 | 95.17\n 73 | 8 | 0.67 | 0.67 | 95.83\n 74 | 8 | 0.67 | 0.67 | 96.50\n 75 | 8 | 0.67 | 0.67 | 97.17\n 76 | 12 | 1.00 | 1.00 | 98.17\n 77 | 5 | 0.42 | 0.42 | 98.58\n 78 | 2 | 0.17 | 0.17 | 98.75\n 79 | 2 | 0.17 | 0.17 | 98.92\n 80 | 4 | 0.33 | 0.33 | 99.25\n 82 | 1 | 0.08 | 0.08 | 99.33\n 84 | 2 | 0.17 | 0.17 | 99.50\n 85 | 3 | 0.25 | 0.25 | 99.75\n 86 | 1 | 0.08 | 0.08 | 99.83\n 87 | 1 | 0.08 | 0.08 | 99.92\n 89 | 1 | 0.08 | 0.08 | 100.00\n <NA> | 0 | 0.00 | <NA> | <NA>\n\n\nb. Recodificación: no es necesario en este caso\nc. Etiquetado\nCambio la etiqueta de la variable.\n\nget_label(proc_data$edad)\n\nNULL\n\nproc_data$edad <- set_label(x = proc_data$edad,label = \"Edad\")" + }, + { + "objectID": "resource/03-resource.html#generación-de-base-de-datos-procesada-para-el-análisis", + "href": "resource/03-resource.html#generación-de-base-de-datos-procesada-para-el-análisis", + "title": "Práctico 3. Operacionalización de variables", + "section": "5. Generación de base de datos procesada para el análisis", + "text": "5. Generación de base de datos procesada para el análisis\nAntes de guardar la base procesada, revisamos nuevamente todas las variables con una tabla descriptiva general mediante la función stargazer (de la librería homónima)\nPrimero vamos a reformatear el objeto proc_data como base de datos (as.data.frame), paso necesario para que sea reconocido como tal por stargazer\n\nproc_data <-as.data.frame(proc_data)\nstargazer(proc_data, type=\"text\")\n\n\n===========================================\nStatistic N Mean St. Dev. Min Max\n-------------------------------------------\nconf_gob 1,181 0.660 0.800 0 3 \nconf_cong 1,178 0.594 0.714 0 3 \nconf_jud 1,186 0.717 0.789 0 3 \nconf_partpol 1,178 0.451 0.673 0 3 \nedad 1,200 44.491 17.008 18 89 \nidenpa 1,200 152.000 0.000 152 152\nconf_inst 1,162 2.420 2.489 0 12 \n-------------------------------------------\n\n\n\nSi se desea modificar las columnas que aparecen en la tabla se puede ocupar la opción summary.stat, donde se pueden especificar:\n\n“max” maximum\n“mean” mean\n“median” median\n“min” minimum\n“n” number of observations\n“p25” 25th percentile\n“p75” 75th percentile\n“sd” standard deviation\n\nPor ejemplo, si quiero una tabla solo con promedio, n, sd y p75: stargazer(data, type=\"text\", summary.stat = c(\"mean\", \"n\", \"sd\", \"p75\"))\n\n\nGuardar base de datos procesada: en carpeta local La ruta hacia su carpeta local si está trabajando en windows debería ser algo como “C:/Users/Lenovo/Clases/y aquí nombre del archivo a grabar\n\nEl comando para guardar es save:\n\nsave(proc_data,file = \"[ruta hacia carpeta local en su computador]/ELSOC_ess_merit2016.RData\")\n\nEn este caso, seguimos una estructura de carpetas de datos, separando en una carpeta los datos originales, y en otra (proc) los datos procesados:\n\nsave(proc_data,file = \"files/data/latinobarometro_proc.RData\")" + }, + { + "objectID": "resource/03-resource.html#descriptivos-básicos-de-las-variables", + "href": "resource/03-resource.html#descriptivos-básicos-de-las-variables", + "title": "Práctico 3. Operacionalización de variables", + "section": "Descriptivos básicos de las variables", + "text": "Descriptivos básicos de las variables\nPodemos conocer ciertas medidas de tendencia central utilizando algunas funciones de dplyr\n\nMedia por grupos\n\nproc_data %>% dplyr::group_by(sexo) %>% summarise(mean(conf_inst, na.rm=TRUE))\n\n# A tibble: 2 × 2\n sexo `mean(conf_inst, na.rm = TRUE)`\n <fct> <dbl>\n1 Hombre 2.48\n2 Mujer 2.36\n\n\n\nproc_data %>% dplyr::group_by(educacion) %>% summarise(mean(conf_inst, na.rm=TRUE))\n\n# A tibble: 3 × 2\n educacion `mean(conf_inst, na.rm = TRUE)`\n <fct> <dbl>\n1 Educacion basica 2.96\n2 Educacion media 2.38\n3 Educacion superior 2.36\n\n\n\n\nRepresentación\n\nlibrary(sjPlot)\nsjt.xtab(proc_data$educacion, proc_data$conf_inst, encoding = \"UTF-8\")\n\n\n\n \n Educación\n Confianza eninstituciones\n Total\n \n \n\n 0\n 1\n 2\n 3\n 4\n 5\n 6\n 7\n 8\n 9\n 10\n 11\n 12\n \n \n \nEducacion basica\n30\n11\n6\n6\n12\n6\n4\n4\n7\n3\n0\n0\n1\n90 \n\n \n \nEducacion media\n268\n95\n83\n79\n121\n45\n24\n29\n28\n3\n4\n1\n0\n780 \n\n \n \nEducacion superior\n99\n35\n41\n26\n36\n20\n13\n8\n9\n5\n0\n0\n0\n292 \n\n \n \nTotal\n397\n141\n130\n111\n169\n71\n41\n41\n44\n11\n4\n1\n1\n1162 \n\nχ2=37.850 · df=24 · Cramer's V=0.128 · Fisher's p=0.139" + }, { "objectID": "resource/02-resource.html", "href": "resource/02-resource.html", @@ -349,6 +412,69 @@ "section": "Otro ejemplo", "text": "Otro ejemplo\n\nguaguas %>% \n filter(nombre %in% c(\"Salvador\", \"Augusto\"), anio >= 1960 & anio <= 1979) %>% \n ggplot(aes(anio, n, color = nombre)) + \n geom_line() +\n labs(x = \"año\", y = \"total inscripciones\", color = \"nombre\", \n title = \"Inscripciones de 'Salvador' y 'Augusto' entre 1960 - 1979\")" }, + { + "objectID": "resource/03-content.html", + "href": "resource/03-content.html", + "title": "Práctico 3. Operacionalización de variables", + "section": "", + "text": "El desarrollo de esta guía tiene por objetivo revisar algunos procedimientos básicos de la preparación de datos con R, que son necesarios para luego poder analizar e interpretar los datos.\nPor temas de orden y reproducibilidad, en este curso vamos a separar en dos momentos el trabajo con datos, y dos archivos de código correspondientes:\n\nPreparación corresponde a lo que se conoce generalmente como “limpieza”, es decir, realizar las modificaciones necesarias para poder efectuar los análisis. Estas modificaciones previas al análisis son necesarias ya que los datos originales con los que se va a trabajar en general no vienen perfectamente adaptados a los análisis que se quieren hacer. Por lo tanto, en cuanto a datos también hacemos la distinción entre datos originales y datos preparados (o procesados).\nAnálisis: se relaciona tanto con análisis descriptivos asociados a las preguntas de investigación y como también modelamiento de datos para contrastar hipótesis de investigación.\n\n\n\n\nTanto la preparación como el análisis (que son parte del concepto más general de procesamiento) quedan registrados cada uno en un archivo de código.\nArchivo de código R: archivo con extensión .R donde se almacena el código de análisis. Para generarlo desde RStudio: File > New File > R Script (o ctrl+shift+N), y para grabarlo File > Save (o ctrl+s), y darle nombre la primera vez (recordar: sin tilde ni ñ, y evitar espacios) \nEl documento de código de preparación posee 5 partes, más una sección de identificación inicial:\n\nIdentificación y descripción general: Título, autor(es), fecha, información breve sobre el contenido del documento\nLibrerías: cargar librerías a utilizar\nDatos: carga de datos\nSelección de variables a utilizar\nProcesamiento de variables: en este punto, por cada variable se realiza lo siguiente:\n\nDescriptivo básico\nRecodificación: datos perdidos y valores (en caso de ser necesario)\nEtiquetamiento: de variable y valores (en caso de ser necesario)\nOtros ajustes\n\nGeneración de base de datos preparada para el análisis.\n\n\nDe rutas, estructura de carpetas y otros \n\nEncontrando la ruta a carpeta local: lo más fácil es crear la carpeta donde se desean guardar los datos desde el administrador de archivos del computador. Luego, posicionarse con el cursor sobre la carpeta y seleccionar “Propiedades”, en la ventana emergente debería aparecer la ruta hacia la carpeta en “Ubicación”. Copiar esa ruta y agregar al final el nombre de la carpeta (separada por slash)\nSobre los “slashes” (\\ o /): en la ruta las carpetas y el archivo final aparecen separados por slashes, que según el sistema utilizado pueden ser slash (/) o backslash (\\). En R por defecto se usa slash, pero en Windows backslash, por lo que si se usa Windows hay que reemplazarlos por backslash o también puede ser por un doble slash (//).\nPor temas de compatibilidad general, en las rutas se recomienda evitar tildes, eñes, espacios, mayúsculas y guiones bajos (_).\nEstructura de carpetas: para mantener el orden se sugiere seguir un protocolo de estructura de carpetas de proyecto, para lo que recomendamos el protocolo IPO, y que se adapta al flujo de trabajo presentado anteriormente. Básicamente son tres carpetas: input, procesamiento, output. En la carpeta input crear la subcarpeta data-orig para guardar datos originales, y data-proc para los procesados. En procesamiento se guardan los archivos de código y en output las tablas y los gráficos.\n\n\n\n\n\n\n\nAl final de esta práctica la idea es que cada un_ elabore y entienda su propio documento de preparación de datos.\nEn el ejemplo vamos a procesar variables de confianza en instituciones políticas y variables de caracterización sociodemográfica utilizando los datos de la encuesta Latinobarómetro .\n\n\n\n\nLatinobarómetro es un estudio de opinión pública que aplica anualmente alrededor de 20.000 entrevistas en 18 países de América Latina representando a más de 600 millones de habitantes\n“Los gobiernos latinoamericanos, que venían en declive junto con sus democracias desde inicios de la década de 2010, como reflejan los datos de Latinobarómetro, llegaron a fines de 2018 al annus horribilis con la caída de Nicaragua y Venezuela desde su condición de democracias para entrar en la categoría de autocracias y dictadura.\nDe los hiperpresidentes de la primera década del siglo con altos niveles de crecimiento en todos los países y altos niveles de aprobación, la región pasó en la segunda década a los subpresidentes, con una baja en aprobación de gobierno a la mitad, en menos de 10 años. Este rechazo al desempeño de las elites gobernantes, indica su fracaso a fines de 2019 en varios países de la región.” (Latinobarómetro, informe 2021, p. 7)\nEl presente ejercicio tiene por objetivo el procesar los datos para obtener las variables relevantes para el estudio de la Confianza en instituciones políticas, entendida como el grado en que los individuos confian en distintas instituciones políticas a nivel nacional, como el gobierno, la justicia, los partidos políticos, etc. Para ello, junto con variables de confianza, consideraremos también variables de estatus (educación), y variables de caracterización sociodemográfica (sexo y edad)." + }, + { + "objectID": "resource/03-content.html#objetivo-de-la-práctica", + "href": "resource/03-content.html#objetivo-de-la-práctica", + "title": "Práctico 3. Operacionalización de variables", + "section": "", + "text": "El desarrollo de esta guía tiene por objetivo revisar algunos procedimientos básicos de la preparación de datos con R, que son necesarios para luego poder analizar e interpretar los datos.\nPor temas de orden y reproducibilidad, en este curso vamos a separar en dos momentos el trabajo con datos, y dos archivos de código correspondientes:\n\nPreparación corresponde a lo que se conoce generalmente como “limpieza”, es decir, realizar las modificaciones necesarias para poder efectuar los análisis. Estas modificaciones previas al análisis son necesarias ya que los datos originales con los que se va a trabajar en general no vienen perfectamente adaptados a los análisis que se quieren hacer. Por lo tanto, en cuanto a datos también hacemos la distinción entre datos originales y datos preparados (o procesados).\nAnálisis: se relaciona tanto con análisis descriptivos asociados a las preguntas de investigación y como también modelamiento de datos para contrastar hipótesis de investigación.\n\n\n\n\nTanto la preparación como el análisis (que son parte del concepto más general de procesamiento) quedan registrados cada uno en un archivo de código.\nArchivo de código R: archivo con extensión .R donde se almacena el código de análisis. Para generarlo desde RStudio: File > New File > R Script (o ctrl+shift+N), y para grabarlo File > Save (o ctrl+s), y darle nombre la primera vez (recordar: sin tilde ni ñ, y evitar espacios) \nEl documento de código de preparación posee 5 partes, más una sección de identificación inicial:\n\nIdentificación y descripción general: Título, autor(es), fecha, información breve sobre el contenido del documento\nLibrerías: cargar librerías a utilizar\nDatos: carga de datos\nSelección de variables a utilizar\nProcesamiento de variables: en este punto, por cada variable se realiza lo siguiente:\n\nDescriptivo básico\nRecodificación: datos perdidos y valores (en caso de ser necesario)\nEtiquetamiento: de variable y valores (en caso de ser necesario)\nOtros ajustes\n\nGeneración de base de datos preparada para el análisis.\n\n\nDe rutas, estructura de carpetas y otros \n\nEncontrando la ruta a carpeta local: lo más fácil es crear la carpeta donde se desean guardar los datos desde el administrador de archivos del computador. Luego, posicionarse con el cursor sobre la carpeta y seleccionar “Propiedades”, en la ventana emergente debería aparecer la ruta hacia la carpeta en “Ubicación”. Copiar esa ruta y agregar al final el nombre de la carpeta (separada por slash)\nSobre los “slashes” (\\ o /): en la ruta las carpetas y el archivo final aparecen separados por slashes, que según el sistema utilizado pueden ser slash (/) o backslash (\\). En R por defecto se usa slash, pero en Windows backslash, por lo que si se usa Windows hay que reemplazarlos por backslash o también puede ser por un doble slash (//).\nPor temas de compatibilidad general, en las rutas se recomienda evitar tildes, eñes, espacios, mayúsculas y guiones bajos (_).\nEstructura de carpetas: para mantener el orden se sugiere seguir un protocolo de estructura de carpetas de proyecto, para lo que recomendamos el protocolo IPO, y que se adapta al flujo de trabajo presentado anteriormente. Básicamente son tres carpetas: input, procesamiento, output. En la carpeta input crear la subcarpeta data-orig para guardar datos originales, y data-proc para los procesados. En procesamiento se guardan los archivos de código y en output las tablas y los gráficos.\n\n\n\n\n\n\n\nAl final de esta práctica la idea es que cada un_ elabore y entienda su propio documento de preparación de datos.\nEn el ejemplo vamos a procesar variables de confianza en instituciones políticas y variables de caracterización sociodemográfica utilizando los datos de la encuesta Latinobarómetro ." + }, + { + "objectID": "resource/03-content.html#antecedentes-de-los-datos-a-utilizar", + "href": "resource/03-content.html#antecedentes-de-los-datos-a-utilizar", + "title": "Práctico 3. Operacionalización de variables", + "section": "", + "text": "Latinobarómetro es un estudio de opinión pública que aplica anualmente alrededor de 20.000 entrevistas en 18 países de América Latina representando a más de 600 millones de habitantes\n“Los gobiernos latinoamericanos, que venían en declive junto con sus democracias desde inicios de la década de 2010, como reflejan los datos de Latinobarómetro, llegaron a fines de 2018 al annus horribilis con la caída de Nicaragua y Venezuela desde su condición de democracias para entrar en la categoría de autocracias y dictadura.\nDe los hiperpresidentes de la primera década del siglo con altos niveles de crecimiento en todos los países y altos niveles de aprobación, la región pasó en la segunda década a los subpresidentes, con una baja en aprobación de gobierno a la mitad, en menos de 10 años. Este rechazo al desempeño de las elites gobernantes, indica su fracaso a fines de 2019 en varios países de la región.” (Latinobarómetro, informe 2021, p. 7)\nEl presente ejercicio tiene por objetivo el procesar los datos para obtener las variables relevantes para el estudio de la Confianza en instituciones políticas, entendida como el grado en que los individuos confian en distintas instituciones políticas a nivel nacional, como el gobierno, la justicia, los partidos políticos, etc. Para ello, junto con variables de confianza, consideraremos también variables de estatus (educación), y variables de caracterización sociodemográfica (sexo y edad)." + }, + { + "objectID": "resource/03-content.html#librerias", + "href": "resource/03-content.html#librerias", + "title": "Práctico 3. Operacionalización de variables", + "section": "1. Librerías principales (de R) a utilizar en el análisis", + "text": "1. Librerías principales (de R) a utilizar en el análisis\nComo sabemos, la lógica de R es instalar librerías (solo 1 vez, con install.packages(\"librería\")), y luego cargarlas cada vez que es necesario usarlas (con library(librería)). El problema de esto es que a veces no se sabe claramente qué librerías están instaladas y cuales no, lo que va a arrojar error al cargarlas. Y, como sucede en R, existe una librería para solucionar este problema que se llama pacman (package manager). Lo que hace pacman es cargar la librería, y si no está instalada, la instala y la carga:\nPara utilizar la primera vez (si es que no está instalada):\n\ninstall.packages(\"pacman\")\n\nY en adelante, las librerías se cargan así pacman::p_load(libreria1,libreria2,libreriaX) :\n\npacman::p_load(dplyr, sjmisc, car, sjlabelled, stargazer, haven)\n\nPara esta sesión vamos a utilizar Las librerías que vamos a utilizar son:\n\ndplyr: ajuste general de datos\nsjmisc: descripción y exploración de base de datos\ncar: principalmente la función recode para recodificar/agrupar valores de variable\nstargazer: para tabla descriptiva" + }, + { + "objectID": "resource/03-content.html#cargar-base-de-datos", + "href": "resource/03-content.html#cargar-base-de-datos", + "title": "Práctico 3. Operacionalización de variables", + "section": "2. Cargar base de datos", + "text": "2. Cargar base de datos\nAjustar espacio de trabajo\nPrevio a la carga de nuestra base de datos, se recomienda ejecutar los siguientes comandos:\n\nrm(list=ls()) # borrar todos los objetos en el espacio de trabajo\noptions(scipen=999) # valores sin notación científica\n\nLa función rm(list=ls()) permite comenzar con un espacio de trabajo (environment) vacío y sin otros objetos. Así también, la función options(scipen=999) desactiva la notación científica, es decir, veremos los valores numéricos con todos sus decimales.\nDatos\nLas bases de datos se pueden cargar de un archivo local o en línea. Para este caso utilizaremos un archivo en línea que viene en formato RData: latinobarometro2020.RData. Abrir bases de datos en otros formatos: Los formatos mas comunes en que se almacenan las bases de datos son .dta (Stata), .sav (Spss) y RData (R). Para abrir desde R utlilizamos la librería haven y sus funciones read_dta y read_sav según corresponda. Ej: datos <- read_dta(\"base_casen.dta\"). Recordar antes instalar/cargar la librería: pacman::p_load(haven) \n\n#cargamos la base de datos desde internet\nload(url(\"https://github.com/Kevin-carrasco/metod1-MCS/raw/main/files/data/external_data/latinobarometro2020.RData\"))\n\no de manera local:\n\nlatinobarometro2020 <- read_dta(\"../files/data/external_data/latinobarometro2020.dta\", encoding = \"UTF-8\")\n\nLa base de datos aparece como un objeto en nuestro espacio de trabajo, con el nombre original con la que fue guardada (latinobarometro2020):\n\nRealizamos un chequeo básico de la lectura de datos: nombres de las variables y tamaño de la base en términos de casos y variables (en este ejemplo, 20204, 408 ).\n\ndim(latinobarometro2020) # dimension de la base\n\n[1] 20204 408\n\n\nY si se quiere revisar en formato de planilla de datos:\n\nView(latinobarometro2020)" + }, + { + "objectID": "resource/03-content.html#selección-de-variables-a-utilizar", + "href": "resource/03-content.html#selección-de-variables-a-utilizar", + "title": "Práctico 3. Operacionalización de variables", + "section": "3. Selección de variables a utilizar", + "text": "3. Selección de variables a utilizar\nEste paso consiste en crear un subset reducido de datos que contenga solo las variables de interés. Para ello:\n\nSe identifica el nombre de las variables que registran la información de preguntas o items del instrumento: esto aparece en el libro de códigos y/o en el cuestionario, o también se puede hacer buscando en la base de datos mediante alguna palabra clave asociada a la pregunta. Por ejemplo, si queremos buscar variables asociadas a educación, utilizamos la función find_var (de sjmisc, librería que cargamos en el paso 1), que nos entrega nombre de la variable en columna var.name. Por ejemplo, si buscamos alguna variable asociada al concepto Confianza:\n\n\nfind_var(data = latinobarometro2020,\"Confianza\")\n\n col.nr var.name\n1 36 p9stgbs\n2 41 P13STGBS_A\n3 42 P13STGBS_B\n4 43 p13st_c\n5 44 p13st_d\n6 45 p13st_e\n7 46 p13st_f\n8 47 p13st_g\n9 48 p13st_h\n10 49 p13st_i\n11 51 p15st_a\n12 52 p15st_b\n13 53 p15st_c\n14 54 p15st_d\n15 55 p15st_e\n16 56 p15st_f\n17 57 p15st_g\n18 58 p15n_h\n19 59 p15n_i\n20 60 p15n_j\n21 61 p15n_k\n22 154 p36n_a\n23 155 p36n_b\n24 160 P36STMB_A\n25 161 P36STMB_B\n26 162 P36STMB_C\n27 163 P36STMB_D\n var.label\n1 P9STGBS Confianza Interpersonal\n2 P13STGBS.A Confianza en las Fuerzas Armadas\n3 P13STGBS.B Confianza en la Policía / Carabineros\n4 P13ST.C Confianza en la Iglesia\n5 P13ST.D Confianza en el Congreso\n6 P13ST.E Confianza en el Gobierno\n7 P13ST.F Confianza en el Poder Judicial\n8 P13ST.G Confianza en los Partidos Políticos\n9 P13ST.H Confianza en: La institución Electoral del país\n10 P13ST.I Confianza en: El presidente\n11 P15ST.A Confianza en que las instituciones operan para mejorar nuestra calidad d\n12 P15ST.B Confianza en que las instituciones operan para mejorar nuestra calidad d\n13 P15ST.C Confianza en que las instituciones operan para mejorar nuestra calidad d\n14 P15ST.D Confianza en que las instituciones operan para mejorar nuestra calidad d\n15 P15ST.E Confianza en que las instituciones operan para mejorar nuestra calidad d\n16 P15ST.F Confianza en que las instituciones operan para mejorar nuestra calidad d\n17 P15ST.G Confianza en que las instituciones operan para mejorar nuestra calidad d\n18 P15N.H Confianza en que las instituciones operan para mejorar nuestra calidad de\n19 P15N.I Confianza en que las instituciones operan para mejorar nuestra calidad de\n20 P15N.J Confianza en que las instituciones operan para mejorar nuestra calidad de\n21 P15N.K Confianza en que las instituciones operan para mejorar nuestra calidad de\n22 P36N.A Confianza en las Fuerzas Armadas de Estados Unidos\n23 P36N.B Confianza en las fuerzas Armadas Chinas\n24 P36STMB.A Confianza en el FMI (Fondo Monetario Internacional)\n25 P36STMB.B Confianza en el BID (Banco Interamericano de Desarrollo)\n26 P36STMB.C Confianza en el CAF (Banco de Desarrollo de América Latina)\n27 P36STMB.D Confianza en el Banco Mundial\n\n\nNos informa que hay una serie de variables relacionadas con confianza interpersonal y con instituciones. Probemos con la variable p13st_e.\nMediante la función select de dplyr, seleccionamos cada una de nuestras variables de interés y creamos una nueva base con el nombre proc_data, donde “proc” hace referencia a base procesada:\n\nproc_data <- latinobarometro2020 %>% select(p13st_e, # Confianza en el Gobierno\n p13st_d, # Confianza en el congreso\n p13st_f, # Confianza en el Poder Judicial\n p13st_g, # Confianza en los partidos políticos\n reeduc_1,# nivel educacional\n sexo,# sexo\n edad,# edad\n idenpa) # pais \n\n# Comprobar\nnames(proc_data)\n\n[1] \"p13st_e\" \"p13st_d\" \"p13st_f\" \"p13st_g\" \"reeduc_1\" \"sexo\" \"edad\" \n[8] \"idenpa\" \n\n\nMediante el comando get_label obtenemos el atributo label de las variables.\n\nsjlabelled::get_label(proc_data)\n\n p13st_e \n \"P13ST.E Confianza en el Gobierno\" \n p13st_d \n \"P13ST.D Confianza en el Congreso\" \n p13st_f \n \"P13ST.F Confianza en el Poder Judicial\" \n p13st_g \n \"P13ST.G Confianza en los Partidos Políticos\" \n reeduc_1 \n\"REEDUC.1 Nivel de estudios alcanzado - Entrevistado (recodificado)\" \n sexo \n \"SEXO Sexo\" \n edad \n \"EDAD Edad\" \n idenpa \n \"IDENPA Identificación del País\" \n\n\nPodemos ver que son largas o con códigos poco informativos, por lo tanto, es necesario cambiarlas por etiquetas más cortas y de fácil identificación.\nPara facilitar el análisis, vamos a filtrar la base de datos para quedarnos solo con los casos de Chile. Para esto utilizamos la función filter de dplyr. Si revisamos el libro de códigos, el identificador de Chile es 152\n\nproc_data <- proc_data %>% dplyr::filter(idenpa==152)" + }, + { + "objectID": "resource/03-content.html#procesamiento-de-variables", + "href": "resource/03-content.html#procesamiento-de-variables", + "title": "Práctico 3. Operacionalización de variables", + "section": "4. Procesamiento de variables", + "text": "4. Procesamiento de variables\nPara el procesamiento de cada variable se seguirá el siguiente flujo de trabajo:\n\nDescriptivo general\nRecodificación: de casos perdidos y otros valores (en caso necesario)\nEtiquetado: cambio de nombres de variables y valores (en caso necesario)\nOtros ajustes\n\nY se recomienda también un descriptivo final para revisar que el procesamiento de cada variable está ok.\n\n4.1 Confianza en el Gobierno\nEn Latinobarómetro, lass variables que permiten medir la Confianza en instituciones políticas en Chile son las siguientes:\n\n[p13st_e]: “P13ST.E Confianza en el Gobierno” (1 = Mucha; 4 = Ninguna)\n[p13st_d]: “P13ST.D Confianza en el Congreso” (1 = Mucha; 4 = Ninguna)\n[p13st_f]: “P13ST.F Confianza en el Poder Judicial” (1 = Mucha; 4 = Ninguna)\n[p13st_g]: “P13ST.G Confianza en los Partidos Políticos” (1 = Mucha; 4 = Ninguna)\n\na. Descriptivo\nPara los descriptivos se utilizará la función frq, de la librería sjmisc:\n\nfrq(proc_data$p13st_e)\n\nx <numeric> \n# total N=1200 valid N=1200 mean=3.27 sd=0.99\n\nValue | N | Raw % | Valid % | Cum. %\n--------------------------------------\n -2 | 8 | 0.67 | 0.67 | 0.67\n -1 | 11 | 0.92 | 0.92 | 1.58\n 1 | 23 | 1.92 | 1.92 | 3.50\n 2 | 176 | 14.67 | 14.67 | 18.17\n 3 | 358 | 29.83 | 29.83 | 48.00\n 4 | 624 | 52.00 | 52.00 | 100.00\n <NA> | 0 | 0.00 | <NA> | <NA>\n\n\nEn esta variable vemos valores asociados a la opción “No contesta” (-2) y “No sabe” (-1), que corresponde definirlos como casos perdidos (en el caso de R, como casos NA). El resto de los valores y etiquetas se encuentran en un orden contraintuitivo (mayor valor indica menos confianza), así que en la recodificiación nos haremos cargo de los casos perdidos y de reordenar las categorías.\nb. Recodificación\nPara recodificar utilizamos la función recode, de la librería car\n\nproc_data$p13st_e <- recode(proc_data$p13st_e, \"c(-2,-1)=NA\")\nproc_data$p13st_d <- recode(proc_data$p13st_d, \"c(-2,-1)=NA\")\nproc_data$p13st_f <- recode(proc_data$p13st_f, \"c(-2,-1)=NA\")\nproc_data$p13st_g <- recode(proc_data$p13st_g, \"c(-2,-1)=NA\")\n\nnota: con la función set_na de la librería sjmisc podemos recodificar toda la base de datos con un solo código, pero debemos estar completamente segur-s de que estos valores no tienen otra categoría asociada en otra variable.\n\nproc_data <- proc_data %>% set_na(., na = c(-2, -1))\n\nPara reordenar las categorías volvemos a utilizar la función recode, de la librería car\n\nproc_data$p13st_e <- recode(proc_data$p13st_e, \"1=3; 2=2; 3=1; 4=0\")\nproc_data$p13st_d <- recode(proc_data$p13st_d, \"1=3; 2=2; 3=1; 4=0\")\nproc_data$p13st_f <- recode(proc_data$p13st_f, \"1=3; 2=2; 3=1; 4=0\")\nproc_data$p13st_g <- recode(proc_data$p13st_g, \"1=3; 2=2; 3=1; 4=0\")\n\nc - Etiquetado\nVamos a dar un nombre más sustantivo a las variables con la función rename, de la librería dplyr:\n\nproc_data <- proc_data %>% rename(\"conf_gob\"=p13st_e, # Confianza en el gobierno\n \"conf_cong\"=p13st_d, # Confianza en el congreso\n \"conf_jud\"=p13st_f, # Confianza en el Poder Judicial\n \"conf_partpol\"=p13st_g) # Confianza en los partidos políticos \n\nAdemás de cambiar el nombre, queremos cambiar las etiquetas de las variables.\n\nproc_data$conf_gob <- set_label(x = proc_data$conf_gob,label = \"Confianza: Gobierno\")\nget_label(proc_data$conf_gob)\n\n[1] \"Confianza: Gobierno\"\n\nproc_data$conf_cong <- set_label(x = proc_data$conf_cong, label = \"Confianza: Congreso\")\nget_label(proc_data$conf_cong)\n\n[1] \"Confianza: Congreso\"\n\nproc_data$conf_jud <- set_label(x = proc_data$conf_jud, label = \"Confianza: Poder judicial\")\nget_label(proc_data$conf_jud)\n\n[1] \"Confianza: Poder judicial\"\n\nproc_data$conf_partpol <- set_label(x = proc_data$conf_partpol, label = \"Confianza: Partidos politicos\")\nget_label(proc_data$conf_partpol)\n\n[1] \"Confianza: Partidos politicos\"\n\n\nd. Otros ajustes\nPara este caso vamos a crear una variable que sea la suma de los cuatro items de confianza.\n\nproc_data$conf_inst <- (proc_data$conf_gob+proc_data$conf_cong+proc_data$conf_jud+proc_data$conf_partpol)\nsummary(proc_data$conf_inst)\n\n Min. 1st Qu. Median Mean 3rd Qu. Max. NA's \n 0.00 0.00 2.00 2.42 4.00 12.00 38 \n\n\n\nget_label(proc_data$conf_inst)\n\n[1] \"Confianza: Gobierno\"\n\n\nVemos que una etiqueta de la variable anterior.\n\nproc_data$conf_inst <- set_label(x = proc_data$conf_inst, label = \"Confianza en instituciones\")\n\nRevisión final\nNuevamente un descriptivo de cada variable para confirmar que el procesamiento está ok:\n\nfrq(proc_data$conf_gob)\n\nConfianza: Gobierno (x) <numeric> \n# total N=1200 valid N=1181 mean=0.66 sd=0.80\n\nValue | N | Raw % | Valid % | Cum. %\n--------------------------------------\n 0 | 624 | 52.00 | 52.84 | 52.84\n 1 | 358 | 29.83 | 30.31 | 83.15\n 2 | 176 | 14.67 | 14.90 | 98.05\n 3 | 23 | 1.92 | 1.95 | 100.00\n <NA> | 19 | 1.58 | <NA> | <NA>\n\nfrq(proc_data$conf_cong)\n\nConfianza: Congreso (x) <numeric> \n# total N=1200 valid N=1178 mean=0.59 sd=0.71\n\nValue | N | Raw % | Valid % | Cum. %\n--------------------------------------\n 0 | 628 | 52.33 | 53.31 | 53.31\n 1 | 408 | 34.00 | 34.63 | 87.95\n 2 | 134 | 11.17 | 11.38 | 99.32\n 3 | 8 | 0.67 | 0.68 | 100.00\n <NA> | 22 | 1.83 | <NA> | <NA>\n\nfrq(proc_data$conf_inst)\n\nConfianza en instituciones (x) <numeric> \n# total N=1200 valid N=1162 mean=2.42 sd=2.49\n\nValue | N | Raw % | Valid % | Cum. %\n--------------------------------------\n 0 | 397 | 33.08 | 34.17 | 34.17\n 1 | 141 | 11.75 | 12.13 | 46.30\n 2 | 130 | 10.83 | 11.19 | 57.49\n 3 | 111 | 9.25 | 9.55 | 67.04\n 4 | 169 | 14.08 | 14.54 | 81.58\n 5 | 71 | 5.92 | 6.11 | 87.69\n 6 | 41 | 3.42 | 3.53 | 91.22\n 7 | 41 | 3.42 | 3.53 | 94.75\n 8 | 44 | 3.67 | 3.79 | 98.54\n 9 | 11 | 0.92 | 0.95 | 99.48\n 10 | 4 | 0.33 | 0.34 | 99.83\n 11 | 1 | 0.08 | 0.09 | 99.91\n 12 | 1 | 0.08 | 0.09 | 100.00\n <NA> | 38 | 3.17 | <NA> | <NA>\n\n\nVemos que los valores (labels) de cada categoría de las primeras variables que recodificamos no se corresponden con el nuevo valor. Para re-etiquetar valores usamos la función set_labels, de la librería sjlabelled\n\nproc_data$conf_gob <- set_labels(proc_data$conf_gob,\n labels=c( \"Ninguna\"=0,\n \"Poca\"=1,\n \"Algo\"=2,\n \"Mucha\"=3))\n\nproc_data$conf_cong <- set_labels(proc_data$conf_cong,\n labels=c( \"Ninguna\"=0,\n \"Poca\"=1,\n \"Algo\"=2,\n \"Mucha\"=3))\n\nproc_data$conf_jud <- set_labels(proc_data$conf_jud,\n labels=c( \"Ninguna\"=0,\n \"Poca\"=1,\n \"Algo\"=2,\n \"Mucha\"=3))\n\nproc_data$conf_partpol <- set_labels(proc_data$conf_partpol,\n labels=c( \"Ninguna\"=0,\n \"Poca\"=1,\n \"Algo\"=2,\n \"Mucha\"=3))\n\ny volvemos a revisar\n\nfrq(proc_data$conf_gob)\n\nConfianza: Gobierno (x) <numeric> \n# total N=1200 valid N=1181 mean=0.66 sd=0.80\n\nValue | Label | N | Raw % | Valid % | Cum. %\n------------------------------------------------\n 0 | Ninguna | 624 | 52.00 | 52.84 | 52.84\n 1 | Poca | 358 | 29.83 | 30.31 | 83.15\n 2 | Algo | 176 | 14.67 | 14.90 | 98.05\n 3 | Mucha | 23 | 1.92 | 1.95 | 100.00\n <NA> | <NA> | 19 | 1.58 | <NA> | <NA>\n\nfrq(proc_data$conf_cong)\n\nConfianza: Congreso (x) <numeric> \n# total N=1200 valid N=1178 mean=0.59 sd=0.71\n\nValue | Label | N | Raw % | Valid % | Cum. %\n------------------------------------------------\n 0 | Ninguna | 628 | 52.33 | 53.31 | 53.31\n 1 | Poca | 408 | 34.00 | 34.63 | 87.95\n 2 | Algo | 134 | 11.17 | 11.38 | 99.32\n 3 | Mucha | 8 | 0.67 | 0.68 | 100.00\n <NA> | <NA> | 22 | 1.83 | <NA> | <NA>\n\n\n\n4.2. Educación\n\n[reeduc_1] = REEDUC.1 Nivel de estudios alcanzado - Entrevistado (recodificado)\n\na. Descriptivo\n\nfrq(proc_data$reeduc_1)\n\nx <numeric> \n# total N=1200 valid N=1200 mean=5.05 sd=1.22\n\nValue | N | Raw % | Valid % | Cum. %\n--------------------------------------\n 1 | 8 | 0.67 | 0.67 | 0.67\n 2 | 53 | 4.42 | 4.42 | 5.08\n 3 | 36 | 3.00 | 3.00 | 8.08\n 4 | 161 | 13.42 | 13.42 | 21.50\n 5 | 643 | 53.58 | 53.58 | 75.08\n 6 | 109 | 9.08 | 9.08 | 84.17\n 7 | 190 | 15.83 | 15.83 | 100.00\n <NA> | 0 | 0.00 | <NA> | <NA>\n\n\nb. Recodificación\n\nVemos que no hay datos perdidos\nValores\n\nPara hacer más fácil el análisis, recodificamos en tres categorías (en este caso decisión arbitraria. Se debería tener una razón teórica para recodificar)\n1. Analfabeto = Educacion basica = 1\n2 Básica incompleta = Educacion basica = 1\n3. Básica completa = Educacion basica = 1\n4. Secundaria, media, técnica incompleta = Educacion media = 2\n5. Secundaria, media, técnica completa = Educacion media = 2\n6. Superior incompleta = Educacion superior = 3\n7. Superior completa = Educacion superior = 3\n\n\n# recodificacion usando funcion 'recode' de la libreria car\nproc_data$reeduc_1 <- car::recode(proc_data$reeduc_1, \"c(1,2,3)=1; c(4,5)=2; c(6,7)=3\")\n\nComprobar con un nuevo descriptivo:\n\nfrq(proc_data$reeduc_1)\n\nx <numeric> \n# total N=1200 valid N=1200 mean=2.17 sd=0.55\n\nValue | N | Raw % | Valid % | Cum. %\n--------------------------------------\n 1 | 97 | 8.08 | 8.08 | 8.08\n 2 | 804 | 67.00 | 67.00 | 75.08\n 3 | 299 | 24.92 | 24.92 | 100.00\n <NA> | 0 | 0.00 | <NA> | <NA>\n\n\nSe observa que los valores coinciden con la recodificación (los casos se acumulan entre las categorías 1 y 3), pero las etiquetas ahora no coinciden; se soluciona en el siguiente paso.\nc. Etiquetado\nPara re-etiquetar valores usamos la función factor, de R base. Con esta función aprovechamos de transformar la variable educación en una variable categórica, que es lo que corresponde para una variable ordinal.\n\nproc_data$reeduc_1 <- factor(proc_data$reeduc_1,\n labels = c(\"Educacion basica\", \"Educacion media\", \"Educacion superior\"),\n levels = c(1, 2, 3))\n\nLuego renombramos la variable con un nombre más sustantivo\n\nproc_data <- rename(proc_data,\"educacion\"=reeduc_1)\n\nAdemás de cambiar el nombre, queremos cambiar la etiqueta de la variable.\n\nget_label(proc_data$educacion)\n\nNULL\n\nproc_data$educacion <- set_label(x = proc_data$educacion,label = \"Educación\")\n\n\n\n\n4.3. Sexo\n\n[sexo] = SEXO Sexo\n\na. Descriptivo\n\nfrq(proc_data$sexo)\n\nx <numeric> \n# total N=1200 valid N=1200 mean=1.54 sd=0.50\n\nValue | N | Raw % | Valid % | Cum. %\n--------------------------------------\n 1 | 555 | 46.25 | 46.25 | 46.25\n 2 | 645 | 53.75 | 53.75 | 100.00\n <NA> | 0 | 0.00 | <NA> | <NA>\n\n\nb. Recodificación\nEn general esta variable no tiene problemas de casos perdidos ni de etiquetas, pero de todas maneras vamos a hacer un cambio de acuerdo a convenciones en análisis de datos, donde por lo general hombres tienen valor 0 y mujeres 1:\n\nproc_data$sexo <- car::recode(proc_data$sexo, \"1=0;2=1\")\n\nc. Etiquetado\nY ahora cambiamos las etiquetas de acuerdo a la recodificación anterior:\n\nproc_data$sexo <- factor(proc_data$sexo,\n labels=c( \"Hombre\",\n \"Mujer\"),\n levels=c(0,1))\n\nTambién queremos cambiar la etiqueta de la variable.\n\nget_label(proc_data$sexo)\n\nNULL\n\nproc_data$sexo <- set_label(x = proc_data$sexo,label = \"Sexo\")\n\nRevisar con un nuevo descriptivo:\n\nfrq(proc_data$sexo)\n\nSexo (x) <categorical> \n# total N=1200 valid N=1200 mean=1.54 sd=0.50\n\nValue | N | Raw % | Valid % | Cum. %\n---------------------------------------\nHombre | 555 | 46.25 | 46.25 | 46.25\nMujer | 645 | 53.75 | 53.75 | 100.00\n<NA> | 0 | 0.00 | <NA> | <NA>\n\n\n\n\n4.4 Edad\n\n[edad] = EDAD Edad.\n\na. Descriptivo\n\nfrq(proc_data$edad)\n\nx <numeric> \n# total N=1200 valid N=1200 mean=44.49 sd=17.01\n\nValue | N | Raw % | Valid % | Cum. %\n-------------------------------------\n 18 | 31 | 2.58 | 2.58 | 2.58\n 19 | 29 | 2.42 | 2.42 | 5.00\n 20 | 25 | 2.08 | 2.08 | 7.08\n 21 | 23 | 1.92 | 1.92 | 9.00\n 22 | 21 | 1.75 | 1.75 | 10.75\n 23 | 26 | 2.17 | 2.17 | 12.92\n 24 | 28 | 2.33 | 2.33 | 15.25\n 25 | 19 | 1.58 | 1.58 | 16.83\n 26 | 21 | 1.75 | 1.75 | 18.58\n 27 | 23 | 1.92 | 1.92 | 20.50\n 28 | 19 | 1.58 | 1.58 | 22.08\n 29 | 22 | 1.83 | 1.83 | 23.92\n 30 | 34 | 2.83 | 2.83 | 26.75\n 31 | 21 | 1.75 | 1.75 | 28.50\n 32 | 26 | 2.17 | 2.17 | 30.67\n 33 | 21 | 1.75 | 1.75 | 32.42\n 34 | 14 | 1.17 | 1.17 | 33.58\n 35 | 22 | 1.83 | 1.83 | 35.42\n 36 | 28 | 2.33 | 2.33 | 37.75\n 37 | 14 | 1.17 | 1.17 | 38.92\n 38 | 24 | 2.00 | 2.00 | 40.92\n 39 | 23 | 1.92 | 1.92 | 42.83\n 40 | 32 | 2.67 | 2.67 | 45.50\n 41 | 21 | 1.75 | 1.75 | 47.25\n 42 | 16 | 1.33 | 1.33 | 48.58\n 43 | 22 | 1.83 | 1.83 | 50.42\n 44 | 16 | 1.33 | 1.33 | 51.75\n 45 | 25 | 2.08 | 2.08 | 53.83\n 46 | 19 | 1.58 | 1.58 | 55.42\n 47 | 15 | 1.25 | 1.25 | 56.67\n 48 | 26 | 2.17 | 2.17 | 58.83\n 49 | 19 | 1.58 | 1.58 | 60.42\n 50 | 35 | 2.92 | 2.92 | 63.33\n 51 | 6 | 0.50 | 0.50 | 63.83\n 52 | 24 | 2.00 | 2.00 | 65.83\n 53 | 7 | 0.58 | 0.58 | 66.42\n 54 | 13 | 1.08 | 1.08 | 67.50\n 55 | 27 | 2.25 | 2.25 | 69.75\n 56 | 18 | 1.50 | 1.50 | 71.25\n 57 | 17 | 1.42 | 1.42 | 72.67\n 58 | 34 | 2.83 | 2.83 | 75.50\n 59 | 17 | 1.42 | 1.42 | 76.92\n 60 | 24 | 2.00 | 2.00 | 78.92\n 61 | 18 | 1.50 | 1.50 | 80.42\n 62 | 21 | 1.75 | 1.75 | 82.17\n 63 | 15 | 1.25 | 1.25 | 83.42\n 64 | 20 | 1.67 | 1.67 | 85.08\n 65 | 12 | 1.00 | 1.00 | 86.08\n 66 | 24 | 2.00 | 2.00 | 88.08\n 67 | 9 | 0.75 | 0.75 | 88.83\n 68 | 12 | 1.00 | 1.00 | 89.83\n 69 | 15 | 1.25 | 1.25 | 91.08\n 70 | 30 | 2.50 | 2.50 | 93.58\n 71 | 9 | 0.75 | 0.75 | 94.33\n 72 | 10 | 0.83 | 0.83 | 95.17\n 73 | 8 | 0.67 | 0.67 | 95.83\n 74 | 8 | 0.67 | 0.67 | 96.50\n 75 | 8 | 0.67 | 0.67 | 97.17\n 76 | 12 | 1.00 | 1.00 | 98.17\n 77 | 5 | 0.42 | 0.42 | 98.58\n 78 | 2 | 0.17 | 0.17 | 98.75\n 79 | 2 | 0.17 | 0.17 | 98.92\n 80 | 4 | 0.33 | 0.33 | 99.25\n 82 | 1 | 0.08 | 0.08 | 99.33\n 84 | 2 | 0.17 | 0.17 | 99.50\n 85 | 3 | 0.25 | 0.25 | 99.75\n 86 | 1 | 0.08 | 0.08 | 99.83\n 87 | 1 | 0.08 | 0.08 | 99.92\n 89 | 1 | 0.08 | 0.08 | 100.00\n <NA> | 0 | 0.00 | <NA> | <NA>\n\n\nb. Recodificación: no es necesario en este caso\nc. Etiquetado\nCambio la etiqueta de la variable.\n\nget_label(proc_data$edad)\n\nNULL\n\nproc_data$edad <- set_label(x = proc_data$edad,label = \"Edad\")" + }, + { + "objectID": "resource/03-content.html#generación-de-base-de-datos-procesada-para-el-análisis", + "href": "resource/03-content.html#generación-de-base-de-datos-procesada-para-el-análisis", + "title": "Práctico 3. Operacionalización de variables", + "section": "5. Generación de base de datos procesada para el análisis", + "text": "5. Generación de base de datos procesada para el análisis\nAntes de guardar la base procesada, revisamos nuevamente todas las variables con una tabla descriptiva general mediante la función stargazer (de la librería homónima)\nPrimero vamos a reformatear el objeto proc_data como base de datos (as.data.frame), paso necesario para que sea reconocido como tal por stargazer\n\nproc_data <-as.data.frame(proc_data)\nstargazer(proc_data, type=\"text\")\n\n\n===========================================\nStatistic N Mean St. Dev. Min Max\n-------------------------------------------\nconf_gob 1,181 0.660 0.800 0 3 \nconf_cong 1,178 0.594 0.714 0 3 \nconf_jud 1,186 0.717 0.789 0 3 \nconf_partpol 1,178 0.451 0.673 0 3 \nedad 1,200 44.491 17.008 18 89 \nidenpa 1,200 152.000 0.000 152 152\nconf_inst 1,162 2.420 2.489 0 12 \n-------------------------------------------\n\n\n\nSi se desea modificar las columnas que aparecen en la tabla se puede ocupar la opción summary.stat, donde se pueden especificar:\n\n“max” maximum\n“mean” mean\n“median” median\n“min” minimum\n“n” number of observations\n“p25” 25th percentile\n“p75” 75th percentile\n“sd” standard deviation\n\nPor ejemplo, si quiero una tabla solo con promedio, n, sd y p75: stargazer(data, type=\"text\", summary.stat = c(\"mean\", \"n\", \"sd\", \"p75\"))\n\n\nGuardar base de datos procesada: en carpeta local La ruta hacia su carpeta local si está trabajando en windows debería ser algo como “C:/Users/Lenovo/Clases/y aquí nombre del archivo a grabar\n\nEl comando para guardar es save:\n\nsave(proc_data,file = \"[ruta hacia carpeta local en su computador]/ELSOC_ess_merit2016.RData\")\n\nEn este caso, seguimos una estructura de carpetas de datos, separando en una carpeta los datos originales, y en otra (proc) los datos procesados:\n\nsave(proc_data,file = \"files/data/latinobarometro_proc.RData\")" + }, + { + "objectID": "resource/03-content.html#descriptivos-básicos-de-las-variables", + "href": "resource/03-content.html#descriptivos-básicos-de-las-variables", + "title": "Práctico 3. Operacionalización de variables", + "section": "Descriptivos básicos de las variables", + "text": "Descriptivos básicos de las variables\nPodemos conocer ciertas medidas de tendencia central utilizando algunas funciones de dplyr\n\nMedia por grupos\n\nproc_data %>% dplyr::group_by(sexo) %>% summarise(mean(conf_inst, na.rm=TRUE))\n\n# A tibble: 2 × 2\n sexo `mean(conf_inst, na.rm = TRUE)`\n <fct> <dbl>\n1 Hombre 2.48\n2 Mujer 2.36\n\n\n\nproc_data %>% dplyr::group_by(educacion) %>% summarise(mean(conf_inst, na.rm=TRUE))\n\n# A tibble: 3 × 2\n educacion `mean(conf_inst, na.rm = TRUE)`\n <fct> <dbl>\n1 Educacion basica 2.96\n2 Educacion media 2.38\n3 Educacion superior 2.36\n\n\n\n\nRepresentación\n\nlibrary(sjPlot)\n\nInstall package \"strengejacke\" from GitHub (`devtools::install_github(\"strengejacke/strengejacke\")`) to load all sj-packages at once!\n\nsjt.xtab(proc_data$educacion, proc_data$conf_inst, encoding = \"UTF-8\")\n\n\n\n \n Educación\n Confianza eninstituciones\n Total\n \n \n\n 0\n 1\n 2\n 3\n 4\n 5\n 6\n 7\n 8\n 9\n 10\n 11\n 12\n \n \n \nEducacion basica\n30\n11\n6\n6\n12\n6\n4\n4\n7\n3\n0\n0\n1\n90 \n\n \n \nEducacion media\n268\n95\n83\n79\n121\n45\n24\n29\n28\n3\n4\n1\n0\n780 \n\n \n \nEducacion superior\n99\n35\n41\n26\n36\n20\n13\n8\n9\n5\n0\n0\n0\n292 \n\n \n \nTotal\n397\n141\n130\n111\n169\n71\n41\n41\n44\n11\n4\n1\n1\n1162 \n\nχ2=37.850 · df=24 · Cramer's V=0.128 · Fisher's p=0.132" + }, { "objectID": "resource/04-resource.html", "href": "resource/04-resource.html", diff --git a/docs/sitemap.xml b/docs/sitemap.xml index a7da4c4..e7e09b6 100644 --- a/docs/sitemap.xml +++ b/docs/sitemap.xml @@ -2,94 +2,102 @@ https://metod1-mcs.netlify.app/trabajos.html - 2024-04-19T05:24:59.546Z + 2024-04-25T22:47:54.128Z https://metod1-mcs.netlify.app/schedule.html - 2024-04-19T05:24:57.936Z + 2024-04-25T22:47:52.617Z https://metod1-mcs.netlify.app/resource/07-resource.html - 2024-04-19T05:24:56.775Z + 2024-04-25T22:47:51.371Z https://metod1-mcs.netlify.app/resource/05-resource.html - 2024-04-19T05:24:49.853Z + 2024-04-25T22:47:44.300Z + + + https://metod1-mcs.netlify.app/resource/03-resource.html + 2024-04-25T22:49:02.820Z https://metod1-mcs.netlify.app/resource/02-resource.html - 2024-04-19T05:25:16.344Z + 2024-04-25T22:46:48.903Z https://metod1-mcs.netlify.app/index.html - 2024-04-19T05:24:40.165Z + 2024-04-25T22:46:46.053Z https://metod1-mcs.netlify.app/content/11-content.html - 2024-04-19T05:24:39.066Z + 2024-04-25T22:46:45.017Z https://metod1-mcs.netlify.app/content/09-content.html - 2024-04-19T05:24:38.129Z + 2024-04-25T22:46:44.003Z https://metod1-mcs.netlify.app/content/07-content.html - 2024-04-19T05:24:37.187Z + 2024-04-25T22:46:43.017Z https://metod1-mcs.netlify.app/content/05-content.html - 2024-04-19T05:24:36.258Z + 2024-04-25T22:46:42.014Z https://metod1-mcs.netlify.app/content/02-content.html - 2024-04-19T05:24:35.261Z + 2024-04-25T22:46:41.038Z https://metod1-mcs.netlify.app/assignment/index.html - 2024-04-19T05:24:34.286Z + 2024-04-25T22:46:40.050Z https://metod1-mcs.netlify.app/content/01-content.html - 2024-04-19T05:24:34.760Z + 2024-04-25T22:46:40.568Z https://metod1-mcs.netlify.app/content/04-content.html - 2024-04-19T05:24:35.755Z + 2024-04-25T22:46:41.501Z https://metod1-mcs.netlify.app/content/06-content.html - 2024-04-19T05:24:36.696Z + 2024-04-25T22:46:42.554Z https://metod1-mcs.netlify.app/content/08-content.html - 2024-04-19T05:24:37.696Z + 2024-04-25T22:46:43.456Z https://metod1-mcs.netlify.app/content/10-content.html - 2024-04-19T05:24:38.624Z + 2024-04-25T22:46:44.520Z https://metod1-mcs.netlify.app/content/index.html - 2024-04-19T05:24:39.545Z + 2024-04-25T22:46:45.502Z https://metod1-mcs.netlify.app/resource/01-resource.html - 2024-04-19T05:24:41.501Z + 2024-04-25T22:46:47.336Z + + + https://metod1-mcs.netlify.app/resource/03-content.html + 2024-04-25T22:47:14.636Z https://metod1-mcs.netlify.app/resource/04-resource.html - 2024-04-19T05:24:46.119Z + 2024-04-25T22:47:40.668Z https://metod1-mcs.netlify.app/resource/06-resource.html - 2024-04-19T05:24:53.984Z + 2024-04-25T22:47:48.402Z https://metod1-mcs.netlify.app/resource/index.html - 2024-04-19T05:24:57.292Z + 2024-04-25T22:47:51.893Z https://metod1-mcs.netlify.app/syllabus.html - 2024-04-19T05:24:58.742Z + 2024-04-25T22:47:53.408Z diff --git a/docs/slides/03-clase3/03-clase3.html b/docs/slides/03-clase3/03-clase3.html index eab63e0..77ec4ce 100644 --- a/docs/slides/03-clase3/03-clase3.html +++ b/docs/slides/03-clase3/03-clase3.html @@ -40,7 +40,7 @@ # Metodología I ## **Kevin Carrasco** ## Magister Ciencias Sociales FACSO - UChile -## 1er Sem 2023 +## 1er Sem 2024 ## [.green[metod1-mcs.netlify.com]](https://metod1-mcs.netlify.com) ] @@ -48,7 +48,7 @@ .pull-right[ .right[ <br> -## .yellow[Sesión 3: Visualización de datos] +## .yellow[Sesión 3: Procesamiento de datos] ![:scale 70%](../../files/img/eval-hires.png) @@ -66,17 +66,14 @@ class: inverse, bottom, right, animated, slideInRight -# .red[Sesión 3] +# .red[Sesión 2] <br> Repaso sesión anterior -Visualización de datos - -Tipos de tablas y tipos de gráficos - -Visualización de datos en R +Medición en Ciencias Sociales +Operacionalización <br> <br> <br> @@ -85,311 +82,217 @@ class: inverse, bottom, right -# .red[Sesión 3] +# .red[Sesión 2] <br> .yellow[Repaso sesión anterior] -Visualización de datos - -Tipos de tablas y tipos de gráficos - -Visualización de datos en R +Medición en Ciencias Sociales +Operacionalización <br> <br> <br> <br> --- +## Datos y variables -## Medidas de tendencia Central - -* **Moda**: valor que ocurre más frecuentemente +* Los datos miden al menos una *característica* de a los menos una *unidad* en a lo menos *un punto en el tiempo* -- + + Ejemplo: La esperanza de vida en Chile el 2017 fue de 79,9 años -* **Mediana**: valor medio de la distribución ordenada. Si N es par, entonces es el promedio de los valores medios + - Característica (variable) : esperanza de vida --- -* **Media** o promedio aritmético: suma de los valores dividido por el total de casos + - Unidad: Años ---- -## Medidas de tendencia Central + - Punto en el tiempo: 2017 -### Dispersión: +--- +## Datos y variables -* **Varianza**: promedio de la suma de las diferencias del promedio al cuadrado +* Base de Datos -* **Desviación Estándar**: - - Raiz Cuadrada de la varianza. +* Forma "rectangular" de almacenamiento de datos: - - Expresada en la mismas unidades que los puntajes de la escala original +.center[![:scale 60%](../../files/img/ObservacionesyVariables.png)] --- -class: middle, center +## Datos y variables + + - cada .blue[fila] representa una unidad o caso (ej: un encuestad_) -# Más sobre datos, variables y varianza en: + - cada .orange[columna] una variable (ej: edad) -##- [Moore: 1.Comprensión de los datos (1-54)](https://multivariada.netlify.app/docs/lecturas/moore_comprensiondelosdatos.pdf) + - cada .purple[variable] posee valores numéricos + - los valores numéricos pueden estar asociados a una etiqueta (ej: 1=Mujer) + --- -class: inverse, bottom, right +## Datos y variables +- Una variable representa cualquier cosa o propiedad que varía y a la cuál se le asigna un valor. Es decir: -# .red[Sesión 3] -<br> +- `\(Variable \neq Constante\)` -Repaso sesión anterior +--- +## Datos y variables -.yellow[Visualización de datos] +- discretas (Rango finito de valores): -Tipos de tablas y tipos de gráficos + - Dicotómicas + - Politómicas -Visualización de datos en R +- continuas: -<br> -<br> -<br> -<br> + - Rango (teóricamente) infinito de valores. --- -## Visualización de datos +## Escalas de medición de variables -La visualización de datos refiere a la forma que utilizamos para conocer y comunicar mediciones y resultados de análisis. +- NOIR: Nominal, Ordinal, Intervalar, Razón --- - -Cumple tres objetivos principales: - * Exploración: Conocer descriptivos básicos o asociaciones entre variables - - * Modelamiento: Comparar estimaciones, determinar diferencias o explicaciones - - * Comunicación: presentar resultados y atraer audiencias +.small[ +| Tipo | Características | Propiedad de números | Ejemplo| +|------------ |----------------------------------------------|--------------- |----------- | +| *Nominal* | Uso de números en lugar de palabras | Identidad | Nacionalidad | +| *Ordinal* | Números se usan para ordenar series | + ranking | Nivel educacional | +| *Intervalar* | Intervalos iguales entre números | + igualdad | Temperatura | +| *Razón* | Cero real | + aditividad | Distancia | +] --- -## Visualización de datos +## Tipos de datos en relación a escalas de medición. -La mejor visualización de datos es la que no requiere un esfuerzo para ser comprendida. +* **Datos categóricos**: -Se debe evitar saturar con información. Todo lo que se visualiza debe servir para explicar lo que queremos. + - pueden ser medidos sólo mediante escalas nominales, u ordinales en caso de orden de rango -Para comparar tablas o gráficos se deben utilizar las mismas escalas de medición y los mismos límites de los ejes. +* **Datos continuos**: + - Medidos en escalas intervalares o de razón + - Pueden ser transformados a datos categóricos --- class: inverse, bottom, right - -# .red[Sesión 3] +# .red[Sesión 2] <br> Repaso sesión anterior -Visualización de datos - -.yellow[Tipos de tablas y tipos de gráficos] - -Visualización de datos en R +.yellow[Medición en Ciencias Sociales] +Operacionalización <br> <br> <br> <br> - --- -## Tipos de tablas y tipos de gráficos - -* Descriptivos según tipo de variable - -.small[ -| | Categórica | Continua | Categ.(y)/Categ.(x) | Cont.(y)/Categ.(x) | -|------------- |--------------------------------- |------------------------- |------------------------------------------------ |------------------------------------------ | -| **Ejemplo** | **Estatus Ocupacional** | **Ingreso** | **Estatus Ocupacional (Y) / Género (X)** | **Ingreso (Y) / Género (X)** | -| Tabla | Frecuencias / porcentajes | `\(\bar{X}\)`/sd ... o recodificar en categorías | Tabla de Contingencia | Clasificar Y | -| Gráfico | Barras | Histograma / boxplot | Gráfico de barras condicionado | Histograma, box plot condicionado | -] +.center[¿Qué es medir?] +Asignar un número de acuerdo a la cantidad que un objeto posee de una determinada propiedad +* Ejemplo de economía: **Riqueza**: Asignar un número a las personas según ingresos o propiedades que tengan +* Ejemplo de Ciencias Sociales: **Inteligencia**: Asignar un número a las personas según su capacidad para resolver problemas --- -## Tipos de tablas y tipos de gráficos +.center[¿Cómo se asignan estos números?] -Importancia de buenos gráficos +2 Teorías base de medición +a) Teoría clásica: +- Fundamentado en la operación básica de medición: contar -![:scale 70%](../../files/img/pinera.jpg) +- Contar entidad continuas ---- -## Tipos de tablas y tipos de gráficos +- Fraccionar en función de unidades de medida -Importancia de buenos gráficos - -![:scale 70%](../../files/img/aprob_pres.jpg) +- Aditividad --- -## Tipos de tablas y tipos de gráficos +a ) Teoría clásica: -Importancia de buenos gráficos +Ventajas: +- Fácilmente interpretable +- Bajo nivel de arbitrariedad -![:scale 50%](../../files/img/bad_graph.png) +Desventajas: +- Poco aplicable en Ciencias sociales, salvo variables delimitadas: dinero, tiempo, edad --- -## Tipos de tablas y tipos de gráficos +.center[¿Cómo se asignan estos números?] -.small[ -Ejemplo tabla de descriptiva: -] +2 Teorías base de medición +b) Teoría representacional +- Origen en 1946. Stevens, psicólogo -.small[ - -| |var |label | n| mean| sd|range | -|:--|:------------|:-----------------------------|----:|-----------:|----------:|:-----------| -|2 |conf_gob |Confianza: Gobierno | 1181| 0.6596105| 0.7999806|3 (0-3) | -|1 |conf_cong |Confianza: Congreso | 1178| 0.5942275| 0.7140065|3 (0-3) | -|4 |conf_jud |Confianza: Poder judicial | 1186| 0.7166948| 0.7885304|3 (0-3) | -|5 |conf_partpol |Confianza: Partidos politicos | 1178| 0.4507640| 0.6733451|3 (0-3) | -|7 |educacion |Educación | 1200| 2.1683333| 0.5494684|2 (1-3) | -|9 |sexo |Sexo | 1200| 0.5375000| 0.4987996|1 (0-1) | -|6 |edad |Edad | 1200| 44.4908333| 17.0076738|71 (18-89) | -|8 |idenpa |idenpa | 1200| 152.0000000| 0.0000000|0 (152-152) | -|3 |conf_inst |Confianza en instituciones | 1162| 2.4199656| 2.4887441|12 (0-12) | -] +- Medir no está restringido a asignar números a magnitudes, sino asignar números según una regla o serie de decisiones +- Estas reglas dependen de las propiedades de los números que utilizamos y que queremos representar. Nominal, Ordinal, Intervalar, razón. --- -## Tipos de tablas y tipos de gráficos - -.small[Ejemplo tabla de contingencia:] - -<table style="border-collapse:collapse; border:none;"> - <tr> - <th style="border-top:double; text-align:center; font-style:italic; font-weight:normal; border-bottom:1px solid;" rowspan="2">Confianza: Gobierno</th> - <th style="border-top:double; text-align:center; font-style:italic; font-weight:normal;" colspan="2">Sexo</th> - <th style="border-top:double; text-align:center; font-style:italic; font-weight:normal; font-weight:bolder; font-style:italic; border-bottom:1px solid; " rowspan="2">Total</th> - </tr> - -<tr> - <td style="border-bottom:1px solid; text-align:center; padding:0.2cm;">Hombre</td> - <td style="border-bottom:1px solid; text-align:center; padding:0.2cm;">Mujer</td> - </tr> - -<tr> -<td style="padding:0.2cm; text-align:left; vertical-align:middle;">Ninguna</td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">280</span></td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">344</span></td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">624</span></td> -</tr> - -<tr> -<td style="padding:0.2cm; text-align:left; vertical-align:middle;">Poca</td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">167</span></td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">191</span></td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">358</span></td> -</tr> - -<tr> -<td style="padding:0.2cm; text-align:left; vertical-align:middle;">Algo</td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">93</span></td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">83</span></td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">176</span></td> -</tr> - -<tr> -<td style="padding:0.2cm; text-align:left; vertical-align:middle;">Mucha</td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">9</span></td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">14</span></td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">23</span></td> -</tr> - -<tr> -<td style="padding:0.2cm; border-bottom:double; font-weight:bolder; font-style:italic; text-align:left; vertical-align:middle;">Total</td> -<td style="padding:0.2cm; text-align:center; border-bottom:double;"><span style="color:black;">549</span></td> -<td style="padding:0.2cm; text-align:center; border-bottom:double;"><span style="color:black;">632</span></td> -<td style="padding:0.2cm; text-align:center; border-bottom:double;"><span style="color:black;">1181</span></td> -</tr> -<td style="text-align:right; font-size:0.9em; font-style:italic; padding:0.2cm;" colspan="4">&chi;<sup>2</sup>=4.015 &middot; df=3 &middot; Cramer's V=0.058 &middot; p=0.260</td> -</tr> - -</table> +b) Teoría representacional ---- -## Tipos de tablas y tipos de gráficos +Ventajas: -Ejemplo gráfico de barras: - -![:scale 40%](../../files/img/graph1.png) +- Números "representan" relaciones entre objetos +- No requiere unidad de medida +- Permite medir un mayor número de conceptos sociales +-- +Desventajas: +- Ambigüedad en sentido del número asignado (no hay unidad de medida; no se emplean todas las propiedades de los números) +- Menor validez del número asignado: (operaciones para medir son discutibles, no se mide directamente) --- -## Tipos de tablas y tipos de gráficos +class: inverse, bottom, right -Ejemplo gráfico de barras condicionado: +# .red[Sesión 2] +<br> +Repaso sesión anterior -![:scale 40%](../../files/img/graph3.png) +Medición en Ciencias Sociales +.yellow[Operacionalización] +<br> +<br> +<br> +<br> --- -## Tipos de tablas y tipos de gráficos +## Operacionalización -Ejemplo Histograma: +- Las variables pueden ser visibles o no visibles/latentes. (Ej: peso / inteligencia) -![:scale 40%](../../files/img/graph4.png) +-- +* Proceso de definición de la medición de un fenómeno que no se puede medir directamente, aunque su existencia se infiere de otros fenómenos --- -## Tipos de tablas y tipos de gráficos +## Operacionalización -.small[Ejemplo gráfico de cajas:] - -![:scale 40%](../../files/img/graph.png) +.center[![:scale 100%](../../files/img/operacionalizacion.png)] --- +## Operacionalización -... pero ojo! esto también avanza muy rápido +.center[![:scale 100%](../../files/img/operacionalizacion2.png)] --- -## Tipos de tablas y tipos de gráficos - -Ejemplo gráfico alternativo de [twitter](https://twitter.com/RosanaFerrero/status/1635536429957758977): - -![:scale 60%](../../files/img/alternative_boxplot.png) +## Operacionalización +.center[![:scale 100%](../../files/img/conf-inst.png)] --- -class: inverse, bottom, right - - -# .red[Sesión 3] - -<br> - -Repaso sesión anterior - -Visualización de datos - -Tipos de tablas y tipos de gráficos - -.yellow[Visualización de datos en R] - -<br> -<br> -<br> -<br> +## Operacionalización +.center[![:scale 100%](../../files/img/cohesion-barrial.png)] --- -## Visualización de datos en R - -Guía de trabajo en: - -# .center[[**metod1-mcs.netlify.app/resource/03-resource.html**](https://metod1-mcs.netlify.app/resource/03-resource.html)] - ---- - - class: front .pull-left[ @@ -404,7 +307,7 @@ .pull-right[ .right[ <br> -## .yellow[Sesión 3: Visualización de datos] +## .yellow[Sesión 3: Procesamiento de datos] ![:scale 70%](../../files/img/eval-hires.png) diff --git a/files/img/cohesion-barrial.png b/files/img/cohesion-barrial.png new file mode 100644 index 0000000000000000000000000000000000000000..72e153eed8e1aba70b96d81f3d5e2552cf1c5d64 GIT binary patch literal 82617 zcmc$`cTkgE^ewD{A__r+G-;v%q=hQIh*$_!A@trvkRl*GfOJ6=2qhpT7J88$5D)|c z2%!mrRFTl6_ulS_@B99~Z@z!Nxifd>&gd90d3c_4_FjAKwbvoyp~eI13s*0kI(3Q~ zp?p{C)Ty%`r%s(wK7S5;rJ&XE>F;TT7Hsv@sgq2^T}7mq>EhVgcov=E)iuwvo}L$>uqve&zab4{CP6af zLF8v%3BsyWpJ76;H8{HXaSXl^+@63|jqi>BNGn9<)!1_N^@+xvtfb0|nwXfl)>QB3 zW~WzgDJY_02-2S)xk-Zw|Gdo5Xu*H_=OxTtgv*2T?;Bvbal$2h|GY$`MMaqW`*Pk| zZBgZ)i)e9MS?c|JJ?Ug&`4SoHZ!xRCd{=C`|Gix9B=bkw8t3{W56S6x?Z#+@<0R_X ze}C$mB6Zpt!P?b3gN~JBjT$mbSJ=bZ{k?XVYgX>m`yUbAOnsL>&o=hFS85Wd9EFZ= z3_mRjy(m~K#Nz(rk^0Jr`%jZeuYkj~2UXj{Pn#a6IMTE0nR?qW%A>qcX6y6$MPYI~ zqoQ>yFK@g#Zx(RmUbWFB)0AlB#Dp8R&wsYo%n)6w)>hUn&)lVOa=3e9gE1KpgG9fA zSKs{9-6gZalD&4cGu{eYBC|r2L~(l;oy12x$F?5=pRRi8{JmD8{k6GMZ#TrW`1<-{>)vu-6FkqMGIEiC`M}mpV1I;d|7~;{5WqEa=*z`ePrp-w;NjYw(}l3MVZ7 z`*YdPRvRe71IZ{_))>Rdi~haqej}4=OUdm)E2~C2n1{qTY9lGeZ}a;DD>NOA{I2<* z{(L<~u_q5vkg%<#5eZ*a#v{aFyn*GIodb! z`+p=?VD)O(ylcAU5Ab_t?)^G0jFh&}&vSk}B?ov~P5k_LwEX@}NGpRG>T-UN!tw5; zgEC|8RsDa1X+F~gTC-48@4wjc!ih%yXtPf;)d`Yl@Hlz!>>Vw&MK;%O93}P=6I)~u z$!osiXEuh+gQ**bY_Y6PRTE+QnFj>H`jCcTitvg7!+blb$Ow}}n-oVJWh<+vvD)x@ zx=Mrzv=@0g+oshP>qk#pbEvM&rTTA7f2mNl#7x~p^o2Mlu4;Gl{!z@#*B^6L9xC%_d;dTAm?e-opZ=3(leHvnCy3STFJi>tn*r24zylNajs)>PP|VC zmoWC7&&?)!?b-M&mb6;l5{fYD86!hXT3TZAi1+9XV5#l{1{1F(e!cYjQ_3IJgko$# zNsK-3>#6ZvdA8NB*Shm>qHD?ZbC#%9o@)xH=}y1JzB2J;E5R=(UzA{?t@(G4f3*Fd1|SdhMgNUXi3yNC)FfOGpQ^7r+8$Y~e=~tG^QR=E zfKY|A`8@gav&d}scQ6g{*)bbPW|!S}iouN_U#^D#7XrSys+K!7D|O7Ak9KTYne8Nt3RTBi%U~HkR;ukdG5HDb5gPhhoKkJiO?U zfNJku<*@^Ka{C`4=RXv5v zBhIpUc`{moEiUKzmlpuo1wC40#3V{;=JWEyz}kz;D=ZY0Sx!5<;x9kI^O`>ltO0Lo zUF!?B7Kj)NWiXYj1u$IViXmSqwrKjFf;NxLsBc6LUu_%5VM9ws;>(AK5l6@3)V)@ciX%ySV=% zZ-mujkb}z?k>^zY{r=jFL!X9>fqDIm89r`O#{JXt%Y}eJ@Z=CcP96SCz!?{ufXW`teSc zPGgq63CoP6+L|=w@M)qcJY2B;P(-(Z3+6WW=DnfKatw#k{dr~yxh_!2ldf=4s=7N> z*p;8_b7wZ-lVKP*ndO@apV6m(){m%nB4|`nFKGU zAkJ48%evoedI4TTTmZ@8ODgY8fS6rn^WU9V1$&8~P%cV)-iw$3WP{qwZ%b!e#Ss87 z4T&c)iaY3wXB_z*ZT*}8yrMh3q6lN^!($A}D=5QH;%-FCiWHP}Nl$>H@GZ=PjUBbB zsPDT}QD(d3yz*rSlAY#ZxLx4p^E;5@PLb)C#@dZ8=1+h=ggIh=*Z700hG%2_rI|m> znAf-L{Qk1@ixBo>9Dpe+;8#VffS6b-4eNf{NjQXnZ~DCtI60n3b?c&ZuG@ROtwLB$ zn;R;#^#atWlw&En+ngX!NhLA*Oi4UrgGut4If>-m-~Y1m=jz&*e9ZmIlLzd6R|3M% zQD2S!%Lsqy4$GDt>@O6Bb0+Fv?+|WfvG@?dbs%IE4;BtWN;4fVe5kj3}edUtE?ING5h>;WE=DNe8 z3aU1?N^Tb%K+vx9u3xkC)JA> zu{QMuP`V79PUR=YI#6ti8!zzT+ebr!&C#{FK07f=5XyzZO49=VvkAg1{K0v3PGi+N zvN>Hhcxu6#weA&uo_TwVhApWT6pB>21Hmk9^))$(UtU)Fo@4H+*$J)dF+ZGm63etg z)id3{-Dr3uFxN9YeFi)9hb5!Lbgt~v6o|bGe1+v&+YaP2Ms~^h6%Q&r%zc{e>PU^v=q@cewyP?*L^8ms825l{1wDTdcgD-m96kya} zA~3xFR^6Mw7)JqYW(fA`Vx7f9SF}idOR6%LFKgdw*c3F^6HcE?(Sst3Jm!P_h{>AFSGR#%X)r#nfeozD zErB6;UZJL2c3fiqqOYE~Uskf&O6{lKW19{BPs}5;>jXh|Q`B0s!?*K`s(aM-%eFTG zbmiL2Ck|$|KS}qVq1+jD(?oSC-t7N)uvn&vg20-XK)%UC__#9RuJV)GC z00m-Aio(;#`HQ>umI#Gnej(1#xP??VP3x3HMcW4g$(PZpa3((EHP8(-tB9InUE6t@ zD7jO6;>mMx#*~yE!*Lh7LzacB__qM*c|}o6t10Wk=v=#I+0WV*4VG7-OEe()h{-nf zGVSs`KtQz}%3NBQxOLZ`wRsNN43T)VHk}AXY`GNO?}7t>Q^U_M`2tYE&&$fQC(4+J zf0<494f_}^FI`YQpJxF$@0+G|uM<#2>3`akwsF0R;2&74_-XozqG9iD52-d+ULHvH z?o%flVW!CEKOxmfNjAoG-q!pI&x*achmViTFBeT~#!Tth6WqGxBs$~|7G0QsyW{2# zw+#lw{q{F00YIZhTZTRjbtyk{TMre__7TX%E&djrI3UQ*y6%V;p~QGqqW%%BL@JZ8UcG^t64A~ z`HhD*?G+@8_x)bC+J4Yq*LQC*dUr92VdOGhwp~hY`LcHcj&;EC<7@E?5;-Dav1lvY+U`1co2@b@zL*d zd+5%(%%i76=)~i&AN%Tgf*ws$y)JrjB;Svn z)Sp(QRdagGjmMBvQczr5d$4tl;uIyt4Wu=FzOLl8-`8FS=NnS&!a}8rIo5Uut)iRT zxgh9B7rdRMI!AI+nYFUp9M70>&xWQ9^7ntMZUYr~0Gqtc=q| zacZQVJS9t$$S0?;*`qY6NaE`3@+XHIBoZagSt1ofyv?^Y*1F!SbG8W~_UxgiYsikv zZN&8#WSJ@pw|j%;z7NRSN>#3HOFdtFcaj`b5V^Id$t1Ca9fM!2EN=uCJv$yWKS#YQJRScx-&9>v@-neUiT7@n=3q-zd$-;Q5Cd){pw{qr!G*J`p(SCUmNkR zRP(VySHzj^gnobL4Z~6s8N~d%1OXsbBrk{r1lN0-mg7N^4 z2*R6Oi&}*U_Rn))6Q*uZM#uj-OHs-4btYDMf{PtVc=%fDBIPXz zea`mB$gnAw2fsPHR&A3P_`qgYlC$3#kfKGe<0|!j5^q zf8Uu{NA$#|mJjCU58-A<7ONw#(? zF@nqnO4&c0(p}wqn9NP_qu@qFph(3qn#`>(pqz4j#MWRWhUNNcG;enDxrkyhNShvX zE2rOsWwY<`9>LR222BHF)lXCzxxApW~g`BZmG)1-N>9$gr&YQe2&L zLBMxFcj+sgXG{tO2D|wDet9<^1yne`BG-4@u6gHY*Nwcaa)5q0Nv>DnC|q=_o}=GC zF3-`kdF9mPYTf3@X{W;$L@CyPKX-n`(bTQ-B5q8j{ zfK&VgqJ%370;!ceKhYx5iI~^gQ%tytxu6M3u`m;Ux&)bd#l`%7CW4Kkm0x=veumT} zs+q4{os7#+rtoEP5Rs=7M_$%Cic5@}g(Vp%{2~OhVC;f|+2D$5{c+{gh^3HVX-K@} zvy6RytOJK#L%H&^#6mL3o9b;;aJf!T&xZ9Fs(16B23)6IPPJqf@wg!9IQz_5Hz=Ny z6pK{uKj&Vwi=es7E#zG&c*DE`sxxR=o@Zw~XB)Xl=v?2}dp0LRhh)K{QIjt))4zYm zs>(ETF1 zA2|-~Ijw$W(fT*-J6-jLx4(*L zdt;ytCx~khX4%*LE(Kw!A3?ANAF#|Vx>aUb{#HBN`965ek-Z`&E`-4ygSv_aDQpNa4 z?TiyczdzY7Jlk4+mq7Vp(?<&=l82Gq{>_ou=b_t0;@zc37ahNq@0q?ESV{TYX=r2c zPI*xXiqe~09=Xq^UL>?L2&G2KL4If_Xb2dKs0Y26q5}x$FSVa|eclmuU0m+8o zgUBlz!(gX!f~H=?M!r7`{06UCgz}k5zWneuF4zsy+Ym_Gb~C+Ckek9cmlzWqfVSjk z=+{9$&rt&Mo$S9av0~sc9h&*7j{jfRp(zlogMrK14L_ z@=LAV>AeWkOP0?Qkik+C?s4j~^(Pm|EEzb;Sn6l4jDa}7bLhuas?>8-_{Z@&dM4D7EqeCa zHrB<*eS#f6Sy8F4+*=Cv7Wb@C?&Ck8HcvK?PozaU(z<1I%T0J^u9#HJaqofBX?LQs zp%!_-fF4kj(RnK|yQ2CipV496lz9M+ zC4)lrb5^hAwkn?M|4^$CoyW(ESjRjTfm7_;`2BH-X=zYVL9SuQBq32bR3FZu^VA@R zk}uWz<#^U&p=>-8cTehhB3fKsnQW_(u^}ER%Yh-H7#3H_JORDSh)d}6u=c(M7MO@U zCKvr}V&en$2htm176ik2T~QExIHyDmUwa~oeo!ETn3FY~{3>6;O%dE7F?JYAW+qRQ z80h$dT)~T-&{*wSY^eJgL&YXrHD{jU_$Kbc=w>MXH1;gTyaPMGC`ADa;|9~SVuDDv ziUBSd8F)`Ch8#lZDn*iz%og>F21nasCACgMvf=oLlUwC}i51jMIYN`Jn<04F1Y61x z7+p{fZV~oQe>UF1{1-nN;$odbxn0Fl&cM!_6_yRvek+vo5S!NZ;Jw)Mk59Dzt(*F@ zzCe?tX`L`di^K*fLKZs)UW+<;VU}|J#6Iw~ETU z=PoRn*`@by3+~bG^w-glM9N`ZFo8nOx_)hFxOe9aCYUwI7hMNCrF{JbdGE<#_es>| z@2_DOu0pOP(PLOxZ*=p>K0e zP-iu~ewE|F!KBzLq|+5&NJeOSu4UwQsrfMZ+|kALU(YWY0Hl)?nuPo`W_t_C@@7AB zM%P-7N!?b*EC=5`yOH^}!s`?SVz|dLClb76H73==ud4)h%*S36%}~zd`6D|`>S0!A zL#I=faXh&g;hrm+%y6F~BPB%T&rS^4Biy|f&OQ9}Aj_c^&pp?({GuaQ2pzJ@PQ8zL zTsj*RB=#-6rMx&}?`fUsAFdfblv?EqR0>M9=R+f#w+jXmqf|d6-aY>$`fn6cEY)g! zphIOVXJtj+NsPchRq@d^^5}U0A35D;EvI~~SR*$-)PCeq;RZKk+Ax2MYG`+?_gY$3=PrvDoy$;l_LP>E z-N=MBbCVr=VlZA{jQ$F3FpTE&XzEh<+F;!-Jm&7*3U>>$l1}jv{K+F+;dJFaB#1=6 zxD4K9Y>wBI)~aO?q@2Sn-w)5i?sJ!Y0v7m)w9F)(GA!4%JMCl?Jmu_S-w5w8W{db61G80fmj59 zqj>u=9XpGD3@Yz=j4oc0VTFf{JnkmfXC1uIjCNS?1xQG8K;GTl5W5WPbNUcSL0^MZ zfK<}^{bET4C}eNT%3uR={y4imY@Y6ys*R!lRajZhro~m5gLWp9VJYNZMdH)v-*>K2 ze4cad5GmlsOlwnqJAu_jF6o7JCv0a`=Tr&w_-`^R2MKcC2DF;GjV+I;4BHr@&$pya zjOLYbx_%EG8SI39Z|o-aJI(6K4!r$=gYZV^myOKXNh z;w@F1xrp9SZy1nBybBa4S#i0W$)#g306?v-I>R10>62d^*cTtP<2;1v$ z{h%qdHm_SXbboQGbQr;v4Eq(EuKH2C!s&rhCLe~`EkaUa5s_e{rFSRcI$bnS`F%*9 ziF|+dJ;=i})vbTbA11FOOkUGNxs8Jm4CE%aVwJB)5D@t$@?(!4>Zo1+cQ$Hbgi&5} z)#i43*8eM_8O#V|Qay(4hRSfQ`#srwepJzr{dQH)ffcGhMyv7K8W9qX6JdOt3|{>@ zdNxJ4`upYVSUJB6S0zEXoTdbA9O*$2=pGAb&1h<{Oi*PxFPfau^Mj@*#98pU;=`qL zI*x(j?|p-xQ|t{8&j}iTP>?n}*egFLVLtI@baX78IXHH76wstny%95`ax+zzzN^rY z=SN@D`ad(vICA{GI_y11gbBK24o+wTLtMrI6VI_n%ka*$T*C5UhtTq+bZ7x-PO;sd zlceWTJ$KZ9WjwAmt@yKIKM-AGsF@zwy{(UPXCpk!|4=10S=>>PSRqC$uyR##4K z@Eo8BNP9sijh3_(0$}&0FgJf6{s&LxX@)V!_W2fH^8IwxKK9lUaQP~Zr}rsLye2}M zfEpS1uMeg-=~E{dj@JC0u|x+P-e86{0-cr70~kPdPe^iMR`TPwLcpLA4g`8WSzwiz z$ocr@0yQC+?#a#qk}CHMTrU(% zUh#SD*RvEwT)~&GHzvchV4D!x)vrQeDjdGn!Yrt3nI(@<03Yiqv+aHcMAb0TKqczd zfWAc&wFDKghp40EqVKMMcm==eJlZ6NxG&NPh7p}Ovypraenmt+~q zL+l*rlHKUoy}B!FN1N3-d(^`0971yc_)F+7m&?(+Km&K=fTB2b>7Ph^JqLzdsvqJm z45QpR5cko!qk|C{q>(Ti-&I5ldJs(Hi!9gQOqesaRg%Ost^wt|*mw6%j*psvjL8Ia z!elR{{7j6gG=J&0>mNs%(sp8#ZrJSr=S%YxKjLdJMEWL|5TeJWsR-Da#93VMm)GP* z?b0&XR;-3da;H$An&@9ULS1^RZw@bKtepAR7hbut2zzJ-Y{@GoCX)|nY}O0DD_VD`)<~>`}DMQ1mix^7@|jN8TiRCYoe(h`j3-s-VSeP#A!sX+?Yd+ z`|UK__0snbeEE#k%mOj3`{vlEs(WL^8Ln zWQYOKX0=x~u#zwbhQZV8@jpzyLBVTA!2uU&sJCDOk5_sfNrXr$Z>Bi;&OJJsCiP$stnado?=WwX#*DV=0%R;QjUC@O3CB(mO zk{vLxO-uU5Wr1kiEG57RrqnKJ+L=5$?@42}0?D%r4`gDmJx=o$jJO9af;Au_*8{Nf zenb?)N6%VOJB1y+=d%>mA-fUBg*DUY>}`k1=PcE+D1^%6smVXo*Ho8-pR< zZ!BgV*jsL9&!VBnf-_c_1N*G+*v-mlKPV)#`CcLWhRr>b`u zR@YGO?QBocvqaH$6hD~#HWB7BkHt7$*4jBY`oghKUBdAyX5Mx>w zjI#nR&To5&+t&tfd-p@?Qsj=XK=p@H5suZEcZGw$o^XSIM=qf2bFU}!8Yjj&aVitD zw`Y$~pQuy`{~9zo9n%Lh4^Bbtc$k`Pc3>UrZI96A#=RQ77m;;n@*By`2g(`tb5=V?V3eMsOy+Y`Yuw=yftQ>RtWM(iAUYvpktx z-po7kc(XiW2J!i@UG{6lw~#4Tzjic>09QmDQ4;x5geFgQ?qgD(Ht*fFZ#SaxTUq&M z6H_Ap{7^rGFoR~oaEiStAp(x72PJQsmoM9s77m-SyEoHsF9@xGr8ZRa*B`FC95uN1 zV4kV?qpPwOULqS*nS1*iK}fM-v!{4X_=`s!Fu6s>LaFw~(DHKXkvqfU=pX(aac~yp zMy|~R!ogk?8}MW$^=NPlDF{Iy{k}!{k*>w!e zM3^{{C-B;QPQ_X?Pzu8zXi^%WLt&85E)Rw z3z{&jnnIId3UjjwHrCaf-&G|juX(rcXES%k%38}k1*<5}o~1Ll(V0JB%JYcuy65(t z__#CA4Q^X{fFZZjJPlKU!a{nr@H@f<-dte+__ZsmquYmp|MA4YFDKFWr8?q<-lBh{ zvb>|#Vt_a}%dRgyV4&S}RP%MwmVnN~CX?9^gNKw<)j979wat1^{-djqa+(nqtiS?Q zVw%gKxZ+72f928qKaQJRwG?iT&mq{9XO9vPy>F~pD21V>$h+v;>rAcG#W@4`Hf}6S z4aK|O_)pA#uoyT)Re9RloK*tsTALuRAye08E@VconO8N&%Sx7)6S4fAeTk%g0ei?5 zTCa|1ymR#g$w4BnB|(FnbdAHsFLr#qnrO}aCp&@Hav(g<5E_kqjV_-o^+Wp>NYLTH zIzWYrdL^keP4340v0>F`pHXxb*~(RIeA{k_{#Z`kW}oM5XM_%iU7zDU1#@7+fT5g* zWn4;Dzv0ddN**S|2U5F#I6o;TbK(2|59c})_LDpm7(4xW3^X`J+xma#kZoi$U)s+* zyCei8`4-3Ub~BCJ8SPfXVQ`jRswWCrN(|I{+g8jli%zjDpyluWdQN;Xfh5m{$wh3T zKJ1XJKqh)U?qnn5z;41ef`JP^k=Uo4IpUG(q8@u%CQBb-6#cf880v~4Jzirbf+71eCp*!1y% zpa+l(r6`zsAC7W3%-=J2*Jj8tsQX%dm%~BsRf!2V4g+Cm;*WJB(s z2SvA+dt2%`Mw7EsK8$&u@m5@?!h;TW3!&TR_&|m2-v)%&*0Pco^g_TYqu>!vvd`cN z`y2gfX{&y$6LkFKTN>YpNx=uaM8g8f;3vCRFp@77&gC5H2xE2|;+Hm`5lJ})+1)N==Ci(KV zRcv5JIpFi&%lsEi#C&DLygNBg)dL9sdDw0EU7pz$shvO@o zI$+)`v*qxIu&8x{+b=naEb^oW*>6X3;xz%g%3JC=pIxU#Q2i}_e+?Xpd9wt($PkjV zWV^s$S%~Bn${g?S`XJg;1FW9LRlw1z5|CnV!S2^^mI2?bp*8!xKH#JWbSaBNFD2v0 zO^M=`V8S}go4(psbG*OMB)w3eExc{tCFTUimcI-~&4n}9<}Gre$+ z?Nyk5zBlM5iM|8Cq~x{w^@Qcx3v2ks2Wn41DTE08Wg&9ggE#7QsVOe=ACOG&Bnz9v zpYyO75-Sw~Y5iE~ZFI=$Ic5joSn21)7(;!w7p2-|jV6I1iV}pE=e9!#iMz3YvjJ-X zxNMRYnZXJ`RDe11Rs!a!zA6FwWJk&W1p#aWx%0!&(4hOR;f_qyvC^ z@ce6veEakh69hDyRhk@clubBSS;qoSjwVki+kTV!WMA<-`@U;%6mWSqk&ZKfkz1)` z0o6fxzn+;K{AX5*)78lyqO)^~4V|>*S+d=jbkus=qJiUL#w)^ja(B#!UZ&}7*#oou zppR%n+gvH5hI8ru)<*e!I(II?_yO4_S(M3Gxm_)!=2 z=b7hlZ->4DU8{0`8-EjOqm$t$JDvgNsr^;MHAtTpc2ODPa>w!5IT%oxHM|YHp)av|nRs|# zL3!bewO1o&C?3=-;f%H&kSKbX60pJ_J1EY@M<4!79W1qB*y|gt%)iX(tZacx8G3vDS}X!K!7_x(%GrNvGZ`n(2sJfsfxq zJ{>W{UM@=Le05}~7lARPT_GJOP(OGy9PWt4U)1yN5igf$dIREG64KscAw9)5NKXQ) z!C%c5z{jIK+KM(O4VZ}t>0jNmDz3@o0)5s8u(qzJi)NCKFb`5ygSZ`Skytag&RY|p zy}m#?>p?n7LR^jiVX@bXA|%HBL_8!N09vcm(DI|390MpKTL8R6C4Wv$mEF9nEa}qJ z=BweVtL1ogkycVz(|D6Kz_G9yr1%6pb88v2T>vZ?C1xuObl-o}5qfbu!TfCSk64!%LoY9!d-fSsh=(798`4p2A%O?sjk(l1#RR?zZ)vj)pf=Bi zi{cEvgQwv%lm=!hWoLT#PAxx&5#AY3a!rzs!Nl_F+i4RwK*%~|%w3B9PBVI!R{cr~ zoA09joDuzw{OVUS3(&QEOMfjXPqJ(NwLn&K5WfRRf_G6IhLx}ib%Hiqk_DW_P>+zp zu|sV))ZX zum1Bv2%INqS>poU?5uGOsDOhJ3+<};!F65!rV=WhUVfUsi79CWJI+KyxA<29J3$kb zh<0~4U|B3tLn>>Ew82UWB?AqSQQCW*CLqx##eg)m&d4`Qd+2>dK*%I9(B}R1^c7td zSml=OLq{L)MKcW$Ba-TGm<_mwZ*Y3pDG<*Lhj~m(MptF1RV>9Nh1dzvBqppeVjWLb z0#1A#6mX|CPL*4yqq6sw;bk2nF6pA3V%n*C!?rpHQN72nmjajG_%S|l-VQZJ6V^dH z`&sxC@m;+rgF`vjujv}4l*_b1j@VDqFWGsxCJzY3mX;CW{Q%|>R}A)@O1ozys28mUJ%93^DHMMlQuStBVO!K@&^cxWmUZSJfh6~w#8t<_%2{iP-%Z+0PjyJ_ZQP)ZA8#jf zMb|neP3JM{Ot$@sReHZ^Q3%f5KLJ|PKaAeXG#78Hy!W(3tzZ6zDWB8DieGW99_li) zC2Ulh`p&qcf%4p8EFG1ukaC)$ub$95aIoWV(9*A%0{xJ zcb>u2%L1ja#&?!u&Ym}HLweyN8U}M&-(^LNoI=D}j!c_zQ>ved?v5Sju4cUMG+h~m zzgBNlz~@3o;apq9xDXV=)hd=+U@m`i2KByq+({!6JzDtF_Tf_>?{bBp75(BvR(w*?Hq-Z?ViBk}?t6=U{&4lUe7!zg%R+OUOq%-BqK6*^_DrrNtFW{? zpV7PWkn#3Gd~?m7%kj#|u^`T6xIS<^l_)f<(42gg+m7PlTFg-WFRBYTO znrEr14tV+SNfY7?A~R9*6FM)mS8RP(4(6G>{{G%!Iy5}P@EC*C7Hu5Vh86qZUWN~X(LMmpWP!&5$-XWY*__F;poRWPV7$%w#xZUjI`4 zdcg3xT>;DFmn*{6;8doh%~)v906u4L`tcXW#A=M{?h-6kQ>*l)^$o-bN+gW@>G1ub z?PM-)GALBafv?#y$mNv_@8l&-bkbDPOS0bU5SZO0$`ZZe`b9q2u#a%VqqCBR(f~Ie zKWJk#@ilo;I;&~6LA(ox(Q`b2=~|i~-q2O{m*Sn=WYV{l3gCy2vm?C4(we)?J+M(&{RqpXYe=oD) zS=BrmSEW=cYXvn8N|^H=D~IVjLF4T$6!+)rp|zJj->j=|*1ullaCJ&l3W5JP;K#H3 zCF}N!+Dl)US4Y|+2(=!ni{c-GPKz=2*~6hVH#=8oBn3_^LHpxacFlxrV+bTzHa-vd@B< zgONE+biMyq97g^|-PZy^nbXJI$%N!5&+gpNIgd1=ahKH<(r>ute(rUS`4cD0N^pI- zgyxz8G8g5#`5-@5?r`lMaAe?!6|?`d`Z8zz0v@|Zi^FH)zotqGUZ>Ce_KrR=4i7Im z+s04i(CBdKO^&nQ!@~);&!Fd3ENeG^UkmjMFqQu`DLNH^W~Dq>iAPSswnAt%7-<9d z=CZ~w5{sUjhsIB72#^2a@{p<`R%X4N=1Rs8%`R<}r8e{7pD?$40R*Cy< z(iD5I@5b0`o%!G@#_{iOSc)E!H#rLvT3$~??xrR`@bx=ak%iH7V6S6;T3DeA0-!sb zQ33Re&0e1ew%a^9Q8%;9Wo%g=dK?andI#a!#&cr)=nllTm2$S3Tu@)vs7mxqOTIjk zrJs)iG!n|ZUh@@kIx_sv<8UjVFqfbZKZfyeu_!B(;T%Z_H`81bdYl$VhMsG-Km`n8 zwBLOdCLLH}Gn-^Y)0&|4)+0=w-DARfUPhQhkNG9IA5{(WH`n~0q8LX!BXV?BR;i_` zUE9{E4_w6bdMarhts32A?;66w zQgmI}hVb1fV(dOr=-sUd6aSuElrlBq9+LtU`FTgbmP%bZ@;;8a2bm_B)VTv<=b^lu z9+V;LlsZA)Vbe79Pn4kjFe~M+S&^n$glNs<#k+4G55I^*y#q}Jhah`LOwP2L|FN1R zvjl|@c~ZsjY1AXi^<9_g*5o|B;?cbqQqfx-*w|SDK9D9NCnM8#>d~B>cdp#V$X|k| z)zj_cI>(8qv|o7truD)(KE{l$cXE7;FIRRur#)liT6rLRO)KVw7s7maUwKBTM(nJQ zJuKE#YZJ6&cd}PKY;g7vSX8z9hzgkEaWWq_#1~(2)``65>s zyMy>1MJ6%SKjrZ!k6^=j#y2~3A{Kko%b!YLZk%miLmF6O+}m0ka%TV5RtnbVJ<4mh zT!dTAc)XiSP9LPA4ifB^x7*gPa=-gLdP^=_eNUdVGmZO63i8^SM6BQCC8Gt=yu?8P zwz3lcD48rykJjf7!Ocs>QX`oepSW31bY*57EAemz2U5nVTUKi6QEf?15_~S5(vc>p zZKso6%@en)Ka@oq_T9V){dyp|+O9Wn2`^IkT>Qn0*LaZy_21&4M;9|W)Ajt7Z9?+n zlKoSAx3P9>-w1j_Q`5o8Ke|#&)RZOHl4;Ec>?smcx)a~Mnx6R`dJ0-Aakk@L0k=fD z%I+i1o9qA>It$BhKGm#~V5!Y&r>NsYjSq_F6^2W*@i78DLi*Kqf%(m=Y5#1K0R;L0 zf6IJaf-P)7p}g^3z>(ucbZ`)5`n}s z>6kWdk7R`s2|dQk6gRMgHbXgTF#q;e(bRZ8xTpND8_CL1iRkol>WJNVB#cs>!9I0S zwe?JaD(@MdmZIj2>qToLF$&&2XgvHLt!S5|)##gDDyd}UJ8$yuO1Au#h}^PD{&W3} zIB|oQSQ$Gmh^|LHP>wHy7&kQ1>DYPawsUZ)t(h8h45Z@WBUfCksvlijc)(y~;{w~T z9$LqqZZ+N7r?OWUjQ*6VAN@R&bE%~*bu&f7Sat0jR=ZJT_M*~5$Ac-;(|cAbZ@hP@ zzE+{S%DsC@*zx{1C+C4wthz7-x0t=(ebT{R$6UZfUgw$rrYI|f)*y`1*D_x}$v3o3 zrktXbCBTdFZ@n(PcDh_Nq6bx)T(`z}-!hc^LWCKF>MPTkpm>yJrQ}%YHM)O+UY-Q> z$azjXZ%U#33bGAi*cH%yyJ_Ev|8)Cp${;64;-yq{NLC~6mhF_0mfa(qF_%XTglsHv zvc`C{XkfToW&Z8%(Nu`$$GmL<(d1deX^B)KUeZL$1)Vy@Vwu!XN=4JlS zQC5Z49C}>RE;SzI3nGTbzr1l;IVcszdG8E=KxX$#t8@F|GiB3kmtc%i;_n=l_t%*o zrZ$K-NN48jwOit5U>@2ZlJ~xMvMwQvP3Rv4Es0goE~o@aD@5atsq(-^?z!EfS!(hT zf;(cMHRbHB6etBruqO9A%m&UPGC{+ZVq;}cl^5L|AJ_7G!*(BLoa{O8TKIWmN94jg`ut?NYeen?r-3ivE&L=7+F>V_|j^;Xag7@9Thp-;i?->UVuWOM|R$&1+$f} zdsfjrX&~H&S5@oh+xrGFr-JT6pid+cU%3EzbhHBeLH`@6=NStKJ4 z&`DKZf%e3F&Ipq{3a=b1k)DK%u2+L`UJ<(=UyeT}p3S>WFm>jcX)JA*l5#;w?OuVh2#&K?nm%s9 zoDF8OLH9+V!Pmfv7a_%ECom9^!Lep$(G8XLFc z5tEpwk3)R{S*t1wpUCS&aVi`;(NIHNs7Qs^5$oWVik$G((v|9npnc=WC}`Iu8}T`r zZ8FiXPT(l&AH}^0kf#q{cp2BvoBuD`-aH=4_5U9~l@nO6dF-8nYBH7AJifl~_D)M_>lg>Hs&*%I5KE99d^55y4)6CrW zecjjfdOf#SLi=;L*O;J0@)H~T^Y^9#N%w6z892KFq#p;^bccOBb{XUSe-2rax!4Oj?!eOzY!FCvL_R(?{;o+ zYshnTv+Xm#q9=k8#f~ZnF5A)SIWlNvn|qB_9Jup4Vz2jG${qRM>GsU+X>~?t*ZnhK z*j?r(xji{+KIJbgL@>H3JG6b~l8l{kjuZU4`|mZ&wcmt(pFRANfJlv^vqB`4?m#tR z7B6}$+q#DM%q&zM(HtK?h1y7RzdV^KQE;=z7113ZlOp*lJfygM4Q8IK@*d_F;~n}E z|C9PKV-C=H!n{yad*TmAa=#Y*aiU%zUZIUj4Zm^&=VQXi-rAzZ16UWCRl=o9C;a6w ze=48)i||??Qq(q5M>^_Gv8pr_C;ghg|EM+hSjK<=09%wQz_SO$YKyL{5;K+y0Eoqc z980nG=r6*%bfXxA)bbgn^L_v|)M<^!*Nr(x`aRE4u+B7JHp)3Z}%v$l%QakW=sOHIFcTN5PidjC}6r zzmI2o8EgV?d?BYry7_g$(MLGEKmg|a+BKWmNcKTM9oTp&pMZhT(wYNi$U1!aTMNnt zh+TpEMp&EWoWEvDr_ml{bFWi73c%>D>QmFoE%LHVbr5yev@K*SlYLK3}>PYZG z)Byhiq&&697?>^3Kqv$)Ef|=iHijsS`|n&jC#r4A+9RMNTwe1>oA)?lJOx?S2Pn)^+EigOiXE0Rh=}BA6Z%Yun)0C?v`V^ z4ef)#o#iw0^Z||L66p&!nHj~DDBr7w6cfzXi5}s3)_o8_)ap7Gob;jV%)YojEJo#3 z?T`;&3YPcUP4b|i>LHg#pF_EeAF)sU-<F{7Irdn`4ottVC)XyzAr_v^S&G+ z>undaU~!h&IAh_ydHJ{E2Z>~|+$a#@%MfrQJ8~_b+&fx&QJ#dJjN5X+B$@ zo0*mgDmFI+BnXk$)FioiTlU}gL{TEsEU|M(ejQ6*_Y!Te^U*R`mxg{~BW4VE+52^; zZeEBW%7}H(gAUPmB=A+MpX!;cx!~HnBJ`*tIe4{V7)5h-I*w~^$l@I1^jXV8?yK4=nU#usBu2B$HbJOBZcVnwl@WZ?{o-KmgR1is1>CpOhHeba$ z#2A7VeGknKXb#fY)3!zcPmPwOvVs4Vql5OvS0uP9Qm?*0M_eeaXz*y-wZUs6;&^jV z{0z!J_>fk+j!Dz{P=9EL_^mA{bfBprZRX~SYRg>5ZM_q{w+`DE6WRpT1;dL5>gxpa zUTT6voZ_iV+<;`!{IS$TX61pMh(s}=`P8^ltlfY*-jrdifDKD>xs>bEP%^3XW7*9P zw+vg>uMi6{RhH|2#e92zj-U1Bg5N&&iciM7)po8q6tVeExr+C*&#Vx^b|?e49>sY% zCra0Df-~Se|FaL8Af@G*t6fK5#+GuIgm)KtZ{n5^31$WTt18PHFA+<*rEEGPo&ItY zY+P6gzi&K*w_w2THGjGPg*$8ztcZDDGCH6*=|z(n1xh_9^+wWrWO(-yHZ_QrX)*Z7 z!lQuUYg8T`;-bmO?~d1C%f=W?+Qz*bLHSWs?gky<2y4918_;_$@*3=9n<{$er8PPp zp5AX?qMxT{mVI0-{vfXOu-12s6w**4NjG&LNF@nRBSZb@6jtsaTE*_w6E8<^Qs@uq8VawYW){WgOFrPRi;f2 zk(kEmTz+ACV@&O~qoIiDE;^qOTq@1(K$8ZZj~1mMFKHE)c5wYnTRZDu(zg#$o5-8q zW3T6Q=PdXMYdy3(CZJki7-#a~vRi@m&M1#5liZBs@6|hkS`;o!_9$`Ajj3ibs573T zj{HEf59SwF_6Hl^K6Vv1hCt&PovZDyJtH^te}S9{CKPrN<_&8;>4~lqf~tVg!eEnn zuY_!0vdmaCR$(}#YGbseb1uwkKLBk<4=2%>y<0EVML!I*8?*|w6A8l3rtzNxytG1 zA&5C=BU4dD9p%UHT<%6;OKl<*?-qBr`n!^CfgZ9ya~G)k*6vtZh#X71UHU-T#W}2#>Km9gZxjloGL*uS2vyPZ!!aCv3PzExs9QU$_^%&ki z_x(Ux5dhcyXM5j!Rf_-8wJi*5>h@>%K7B zavSm}kFxtuU9YiI>SBW$kg7<-4mj+aKobsm>xF17$PCs^<(=Y95gK1s7 z?g1X6<9EqN9a%MlUq7ps?4LHyyRsvtbWOZw;*{x3g4AG?emdK8_r0Fd?AReh{>yBh z!!kM!1_Ldhth-H$469Kf#p3avFJC%Kx#s$9=Ww~gHHt%rnm@GfNeZ6oMnW6|&vhg6 zHzU^s2<@*Cjo4^W3dM;}>5uYz2rif81`AHOXwcAMyVgdc39EabrNdh@Dn4_ksPN7l>I=Ei)4U?0(5K5%Mr%+8f3r&O|M2pcp z>h~N@U&I{i^;ZtQteSQ8_E?Tfay-?4xC$k-pZ~`AZRjD)W`g&7ImH3o;$~qUE)jkwc_+|z2+(f#Rcga6h5Kix92=euB} z3mNFLw8I3&TkIA3^<0Ow^~28KOBGpnxaP8?J!>Y%<)yPOS}W`r@_SM6Dq+f0dQ?Co z#8<=d>ZXkWta`!D?t9@i{$doZ-kDveEOOe$N-MYuZ(o0z;!xb0d4YrU>AQbtI+NC- z#$<@h^%5;m$vk0Ux^E%8fwfBvyBw}UnEw$~GoHwd)dNH~GwKGk^{w&BL5a62^=TekmM(D3#a#w6NsZMv}kWdFZ$F z?&wh}CS1Q@>kekQc3HiiE$<8xAE)= zsxaPcp4f9p>S9rH_x}6K^sR(*3j~|&qmIlU#Rp@V(v8MUu{KSc{bd8}biH&dBJGVD z-u&ff`R3s{mlw%R?V!?T|DyiRAnsHM>zS<$NuG%z+24+xKWZ$mo41in4x2bpX4zy{ zTh>=>b?}w@y*E&b@5lnh2X_m5wn9=CoagS}y$phS%WWmJ49GU#mwiAMk;8C8v)z>T z_Kw!`R=$OtV_}2&r9bK?1l!ws7MpuS#AL8P%=%CX*Qa z#3E2?ou6WOC`y#!gZ;F$K6_jTmF-5Q?ui3w&o>I*_Hfp5bum~T>8a%BRKy6Dc#SET z|2pg@t@@Y}vv>GwtgOmLho)O`3uz}!vZ?;hNfF%HE!8v@epR{i?Tdx$B$Rh&2|LU) z{g@b{Ygjr9Jqj;*9ZL9uHF)U%dUy7DQP*DT<9*UrzrOAAx!%H4-egG5_x&!Wf*VV> zpG`0HB}HGf!3q>c`1}+%nzlvzH@fM4*)$&))1^#VgWbDEg%~_z*-@BWhyar z+rpup1+KhrW#uh8N66kCjAIX>?BN zJ2AiAR$sSWd@+9}Gb_G{n|xRZOE9_2LT+7bvg~xSXl@ce5Qehe)Y722KJ3|_%bib^ zOm^-lF8OiW6PNwbl%)tIG^ye*DzelWB%}}AEYvRe;P*a4z2NkT$cu6k(TRLVYKSs* z8j2!8dmFVMoy9npa2@&_Z~5?Dr=q}15!ZN!hbPOnyPZ{r>Zmxk{E|t^y4U@pL6XwJ zJzxs)##wzV+7d97!ns8_t7~-!J4|X!H+Kp&nfAY`lb(5g+TfZ0kydTiOcPAd-jk9+ zeUG2)*cf15^df(4Fz<)`$qVR93Qk|p&1Nw!?AQ^bI0u3gNkNXgf+cHn4oYrx`AXGa z*oH~n`$4{sDN8piTY)(mmr)={20CtN zNOE1@vI!cv4yFxYxQ(GzVEU{^*c z`Jxno$R?jg7RlY6D@g9Uk}%>yb~p|Mbi7KX8gC#RY^5XY{ zQ((Q}lDwFhso47cNPWwA#^l~iE2-__={5D3j|LFxoE5t$Knxl?Q%-w#UmJ-}2>D(|XPEj+*cqm}RdyB=1V%r@6vVIiY^ zO~bnRuO?Gc7*tr(>#ivH`bbv%43rjk?dg;M;!oZFMtb<4|o z+m~<@EWGbgx|-HH6ek_%N?(fLbGT`n&1BiIi@Vp4swj~(X?eXyCBt3ZhX`7}*eD1W z-ov-6L|E}TMCF=UooJH8ep|&sQ2MmPWwdg#e`7HJ`q+O9RO!#RX2@|KD&}| z?(js}jWduQhjXgY5DfeDL>13h#0)zS%M|3pPWM`-+miQNrIYxFH!VQ_nxwKMP1#Tf zCI1=sJSl8G{X4C4=Ug8Fd|=8}^WTN7Vj-Fk4M=4sp+LbNrsELvwwe$-NCIq$9|`QL zK(H7MwlX0W;ho_ik-@zPhVnSE(#Xt{XTs2oY8qCB&|nJCY%4w3zQ5o2*RJ zr)FdX>~Iu7NsQNEJ01g(e`0s#!yg}2M>`}d`B7kD6}*7-R87%<1=!NLt&s4GZskLH zF4iDLYKhz|!`%=##l>ZFJgo{`DJ0bZXaJc}SzryOx)wb?Zw~5PEP5GA*+ zeCbp?945Q61AJ+(Imp@Sb4a@h4fokRE`(qV{5~iVJXjhaYxI}ybKMJVZ=`Dnc5Qgj zrM+|Lx8~Jj7~Xqz4QN8fAV!WA9DEksP;l@cIu-=!zp>E1UG>0azq*|);=Y9B%P4Cu z)D`JVZ=3*8Qxd3Ygert@H!n}zNTEzI6z@2{=xqNi>M?Aw8Q@A(+mHjmP7({O(2v}4 zle_oqE-jYcwJj8slWi;ULeOls=3KhTyB&pd;?H3EN%h#{_*JuNgy# zAC&c8)*#)Zh9-pUi0|jP$bQQV~Vb(y744ZeQfhovC3)A-wS?T|6KWByI}%HqB+ zPTA{SYs6Qx$=Cx z%@EzlpYa4SW=w@nMS?GY;ITQK-{2eU$l(0 z$?`+pC_;heWuT$`*amNoT1*di+Dy}M{VcP}@YdLo^FL>tKja4|(?Bz(eQ`tUhcm=N z)M?=};x$V+WGu@pjixD}iuN>|_75C(44vW3sN%4}z&;ketuv#d=W_>JBavA43Kc~3 z)2@`(QLH~aJV^9`eM=2sFq3J+{7dvxBo`j#YCy0g&&1g^@V$;r_LA;CxNODm02F$M z9r~m{e(J#IOo#@i?f=xdIH`TCV^7^u(#H*-e!&gxBvur~$OFld>>L1JOTgGnK1_Tk zhG4{RGkqt*I%6>>!Mx$qfKTTsZS^x|&SN$(lT>MD~4u4&}Nd z%&tQJ&R?QEY5+CFKpLPVmvZWU8PYHutPROm@8n1hA)RpXPm@a~b8x5m#0lyxTNLT} z!&(OZV*ffcNsWDk!@rQ$+%5g3KlG3Y;6<<&?nuyc?Tr>DP4D4fGL)LPvn}HOTTJo% z`VBw6P^!z{0aBOZpmt$0HAF-_Uyvcb)g8s7j=|faOpq*b-V#s>d+kd{Jr#mcFhfcB zFy!wmhz5YJA>=e_%cx=jrg}@4AIYxA+Wr_6X^*ca$}E30o7k_tZl$-Cn|ivHf8Cm|655=4b zwQj9~PmcwlMm)6UJKSLBxBhazy-aKsjM{!`i(QPAbo*&w@ve>DL@Ph^l%xpB2w=o_ovfgEQ{Xlco%fty#d8-JK3J)V*} zeBRCQG4|2pGYkz3E8QAjjDcOSeYXF8UPMLF{K1I7R6bk*YlO?IwKXW-d8f#R;y1&q z#Ry)dUS6KH!be!haM<`oc7jEN^3_JdrGc`nf%Sg7X-e|`581M31#(mv$Km1^a~Csx zgg+;InS53GW;a20`7N7Dwn<8q)bgiMsP1Xsz~rYTT6ZS3(*%SogL%yz#266S<&+iy`WoTxE5}&8~rA7BLc1+kwt`F_fe%tQg^F<|M=c4dpx#eXe zUCW23hQF%9&31W_X}B>cvah&@*IW}p_ug8tGm`cPn}bV7tpOqYqC9U9cy4fR>tXhN zA53pQW=>?Ezl;Rh^V5&a{ByXo8T=0%*t5dl`n_o3{Wjq*P(rqH4IeBo%Z=3_bp=-* zRW7V{*6m#B(ch7@ykz)s5q`Js_Ednz!t3ZNBH{U0@3fLZA?p=~Q968UfXw#T&pnH? zI=z8y-H0h1^dBc~_uq`ntk^^f2yoH6DL-QPZnN6QNw92eiskn=Pz4A1U7>U}1?q_D z&Fj%i7P~lJ5cWNI8@ah!DE+0zYMrA`uP0vya?fQAA!9-x%Vft%pACl>Qoo*-!Ag&< z5=ZcSp@@2Q4AxpHYhCPfK)`t$9~XsxhCTVUW>FE>>E8||yJxV6V@f>bM$7S9y26<2w)A2dU!3l^fElgFESXb?ZUHI{jYmPQkpiR336p@(RFCGuatj*7x> z360x*2A-nY;(E!cIa`Dm07;Xp$!BVcq8MT!GEmCVud2_|E*h9Rx5{K+l#h+F-XA&^ zOBZWr%Jva31tp)(0djxWN)O!5njWG-UwUB&*p5?=kQheuEgl}Cpm`qr?t2lVS4{Nz z4Bi^#xELW;?Ah?2ez2r3fR7W4T#Oo2cBY*{^i%zZ0(AtVI(I3(!jCYc;~HuM%ecN$ z`YaU`QMz*2V8a{~0Kgs8wC+KcnYu$#bTh}#6(w6=;e6!ID@8UllIHxW z9!`lD!!4+yNP6S*ckzHpg@ph?cQ^R*K&JV#|1hN~9r6T42?4hNM^1{$IpcGYg-|yV zB%|L!Y%?7wJ^Ib_a&68A>}v}v2PJ#(IMKcX(Zwkl&YoUb!nBCk6r>;F->0bzhA`D6 z1Uk;AZ5|B={tv$Ir3AeN_*1Kw_!&$;13VOo`Zs~%$XIpa>P5WI#%QVP#ic&-dMH-DA-4!lDHd(AnsIiEALmriJsv6bR%?NnW{IfpNro zK@|TeWe-Z$K;vI>e}8*d+xdDkEA@2q_&*(lM_$kWQX+pdm~(g}oq>>g=GECTh~ve$ zV*h#r?;hP8xjS0=Kymj<0%SUHKW9UlSY+M`Rn+8dvba zr7neJPPTyjFWHZlL~36li~ho`NhTK9u6|nteY~NYwgb3;uNk%)fuA)^z*pn`lEU8b zgc=1{WOM72*P@%jA+;5G=3>)AW+0H=IAOM`g+<;p6uvqZIUx{S-w949Lin&ppY;uO z=J}M;vT8%)$Ns{~5?)ZBjx6$K9@`@P+Rg;p(7vVzXTLFlO~NfKpYPc?dm}p9rnjr6 zyrY4Ce+N3^z2b`GlW0D!EiufSk>|im_*eCtTZ#Ph-?rrXHZ#&aZ%NYF@jsONJP;@J zsA=RWBjkT(W#flk!q@nRp_ymez)XL+o$-+u0xgg$Ex?}Er36k)YZIeDz=pFbIPL^a z$^m4P_M^sxHT@QMzIz@rGEAz$!EBvx=gnJALz7>i^e*eVC0Q~Bb;JU^CvC@Pp}gTc z<_u|WN5r~ z(T2&G)L~-Uhp!7JD$yK-t!sg?&NNDAk!NpYRSNxrZSh{ z&v)@4i3D9?0FyY(F5VM;KJ$@t3#!w-vZ4Q#0|*^1OtjM}zdDkShcbrjIV48DT#CdJ)%O2;-_2iVJ#8{`Gb z2R)?zMLw_77N1FH>+kc`Q6g!+&vB_1x}osg+X=aV#VeI)v#?PPUiw;eo1S`u=j0H@Tj zdC`8A4UpAsvlI?CX__VoR*!Ur?g`*P)rwaxR1)x`TRFXe6F!7rkaRv*^3lZMp6Nk3 zsK~7FDeROHglM4239nQA?@8-ox}H=Y2{RKP9j^f~i+rfELWM-x*VpplILIFh_ME%_ zq`D|b5_g^>>fHw;yH5okG?}TVIv$7rEx>r5&!D3F6G{-c|GPc`%<~<$b{?83a!hjP z{#U4$QL=;;3umF`G*Ali6;~0zy^!{n7!J__=*aq+FS3CL&XxgKI+7$afo%(9Yp}24 zlxDZ-^KV0G;M1Agtn!w>6s~N6gayYOsE=FVCTBb_MqpL_!7$JGUozaEdU3_PgwoRJCw?(1QE@6jfs;Q^@W<$4aXMQnhGux)>^p$BKQZ4C7qtR@xNV}Kjak%UQjPm| z3K0G(G}>Z*{m@pcjGOH1-@bdyBw4mKJ9=RU)Mb7{&JS#AB`fN7)iSs73^yg`ECN2m ziWCyY_Y}_!itU(tQGiexdsac{qui%?4|}lE?=?tsgTb#&+8GR;ldQ>XwP2abjQ)`~ z_8S_|dM`OwBRVRgMfs>mVWJe8zkIAIlI3*%J8H<<9@$TR1MVog1Q>i$i2co0mrrk> z_$?(T=iq;yc&vGX)3mhVM+(%-aq?eb06`|RxPBNM3im_uPz~0m|B)$4 zHR()m5+6a8u(OSec+d5=R`JMXz~VKu5~3{%7D2mvZSkMt`5%cV8ai&u8fdNRDl@wY=0Luw)avS&3e|5{~FA*&d$mE z?$;_Dy@S|a7Q8S!;^K8UJD9P}(!RY7yFM$Ubb}a#a21DSw?San zT}>|zM*ksCT@I{YR{>E(Im04;hHnD_ifbeHAZuujdC?5Q^pF7R#N6$!-%GWo65hR? zF=t?z>Fwp|>@y@jCUQHhAxxuc5`iCb(6JHOCy1BPz>(I{TM|MAML*?m_if{X-N2EZ zW9$e+VW=1D*zfHnr^&{s!s2zwv(_ly`Ot+IK!`)i7-A`-TYg|a_Z*v(Kl=w{;zMFC znjaLKMDC1`tlXXKPU%<0l%=oBQDIdkI#@o}&lN; zk8t0_W-f(SX~ASPo5XZjM)ZZW3=7GE>=($@_mD$7m7_8`Bs-*Rnn{WB5CnYq07aMN zy>;pMjFmGSyhl|1z{h<;N6$DHqeSyb5E5s&YOqr?hijqbDp|hb*LB}W+{Og!$MUSY zEW~Ew4SQE4Whe6S-WsPCztF9LgY!K=u+I21U&uP!*0yeK{kGxD;kLCq#}4_KBm~<8 zk7g&xJht%d6y`i_@a-Ks+KXx;W^>G*q^1@Xd!X2YBnt@7pJ?76%z$9+m!rnh{X6`4 z7jD0e3O!vJcZYM1t>uNLE!y8sJmX05t#LT;gt1q&pUR|?ASnZ0`RP7?BARC5BX!}g zR+a!KQlI17hdjg-VxxNjOfAD#j+=%(@x-r7PT9?YrTIw6?d+G4usikqroe(MHkym$ zw6CshLU6sGQg3H)u6Cn>R3JgLFJo1d_(Spevh45Q1q5+oNUC-A&t1Ms+%$od03}W< z9BsEDX!1O6E)?IEDftCaEb26=RR@D~F*$UXNtFLdA5)9+7hZL@G}BDJrW zhdg;8jsWJx6;NAoBmx#vxdYT3v;r1l^9 zBN$JMSFgv)PZ>>jX1WtEZ~0)Tl(0L*2?Suq#!nbV3gw-$rl9OE<({j4hQw_6`Sf+P{@=>acd~OF??syLErb`7Hs=kd|TQvQ59lukM!iua1(lLZU^- zD8SPtiG7autN$o9#;|Y1Z<{CEMukJXhwi&W{==|=LvX~x7eSoUR;u!c7=L0N|32%|KMyH4F=(t9k`Fnj>2fgwB<;5dg)=8=jl8yC?{u!V zH(#2d)*FL;e-k28LXdps8mjds@WGPsU*?)UO3S&1CQgO_w43O;p-*pi0FB)qOIw0% zv6GZl(8voQGDHhZz0;gn-oK^22E%5*g}q2wIULYy0!=YG<$nu%5r+f9Uij=Z znoqrOvg)qdF3{gzff|!AhmLQUzmm_KR%E(*OQjcJejKsL2Tqh0C~fnYmn%`_QwB!_ zVVOP?3*B^mMK#(i?C|VJ9|*&#G*+PJy6d*`4FtJu5(CfP!l98IP0s~TE~=iX9gU}gX18- z=!`L+2Pq}d@38vJJwUvYI?Ey<;f8a|jk7?{xHL`!djm?%4J`cJZNFW1e+qiGA#dm< z=tJ*NH)}kcUN!>lXbbc+yls0Yi!z$genfSm;I?i&9ln9>u>b-cIESK3UwV9pbw;T} z6T;|M{x7lX)l&|GZ@9-XJhF$Q8lR9BzUj8Np26$l(a!71#Hz=)yD zlo&Y77QiM18%_8G0@Mk>r7555cQCc9vACQScH$%N zf3!j{jqy(_#1rpH`p-rP#nOzyG^Y5Kqc5v~NQl0s6HB5*L-DK50tiT(3qKwX7nw4c z2<8kBC@WmUS$u|iH4>;o|D@X0Aa47&N|&d_?XqiD6=Z70APKuv%}X<9z_cn}i^=Nl z1Ukzq2LPZJXd<(j1)M>m?r~>p@#Z)kmc5u?PMZsDfQP2`Mc%mBoilzG>WRBT4u}7T zS5&ft@N4;}n~nt4cn{Tbst}2FL8AmANXh@vb`X6y#FjuP%7V6y5V)&U-v;>s=s77X z?T9KtX|BbRgK7#s38bz_thLpF$kPep#kbF9C{g-hVambe%&D05T-H17VW<|g8<-&M zUr;=C$_wSqQKSn8yjc>ARYz}MD#H{@1_@ck1PX~ei4({WLUy2DNMKI3<&$A0!M@z2 zqTg2bkRiumg_j8hQ@ug1T6p6=e3mOR)0?@_XYc<>2 z&`e`O=v@!)Q|%(z_!)yH;AK_ZD)IbtXlgI*3=fkK7j!0a5XaLxa0ajmMx=^5x<#L@ zfSQWB5E!0AL_;p6H2n?>k|_V=o@q)Nm&kSc?|$#tUxVXqL7yd;#{?I{T(mX!vB?rh8=AcD2mPOnRO` z0@RDLZ-cP+G^1FdM4#IoTF@<0KiPWgX7hDse|t-STAk!7-lDN6^XWUP^Zk|)F)-cN zQD{>W^v=*A83fXmC~Cv+%-$@iqvhV%caA_lqfE)9FJp=`Ti&!k174557mcGKtOLpn z2Qxv?SjXcA$Ql_ioV#sE?)jXpZ*UtVL8QM_K!yQ3cpMj*mE+C_{_C|v9yzSV6q&D*&FeMw%KZ;XV#S<`vv+9o@NMH;w@A>l_kVkY5t@0PK|J(X7v8B z?8RSO$)`22%@2%gYR9cFQFr^W84USvvGfdmIf15&|D(f=xDYij^tJ)ij4deZx2^z1 zI%(u~d1CIAiabl$WL=k(Dw2tj*In*IK+a&o~(3tdnM*1mw7- z2x?Lu>OcwPs?z~D?oPdHS0jG&Jb*T1q_r7ZMTu#(n?!vJoL&NkW24>7j>`rC6EFKaBux8Yp0q=18 z5&h=!D`8Oci#4cGqtpqf%R$~M7ykg3kP4py#c_jpj1g@R2K`oBk+*r?<+s06 z6p)u!p2XC?WLMP_Z&f2yd8D?Jvn%iv)%bxVSK}}Ifc1q*r-WoL5Y97N<=qScee||O z|KU_Cc#Jfq-Y{TitF3gT%#K;V?#fI2f}#x2(@PC|2ulqE?jf3RF^_##BO!q%Q
        ljd{F1JuUR z#3J#%9h?UC0@)N{ocgS{A3(Co`OigrvSs(Lk*A<6J@#bGCafCL718cI;CQsHCB5pV zwUD!*eWo5hhvLShW?+0VYPUT1NL|FY<5$E*U6$kK46de6jGqXU8iG<%aI>&kw(~u2 z5W8MM3S*0`f$}~}DV0JV#^e2klYUBk4rx82y5%O*mY!`{m>|y@>D~{d@Owg5joTVO zWDI(QuGZf}^dy~2=T4wa)O-i2@mnjS>yPPMQ*yX!G>i4??1;LkJ9fZNmo4QwXa@}X z{R*ROX)-bo7b$Xm=0{tLFbfw3Ae7l8r3bYZ2*4ICD@^CU+a3j{;*SV4H!X! zys%AnrQY$k_MUgvtgqa#UO}9(?1%3vS4w}Pzg+^ZO?KfBa3zk}nCM_Z(+H1jD&KYr zxiCnI9PCw6-`U5Bo&m3P*X*ykz5ype@o(tfHR_^fESqwMP!KSl*jC z=wJeM|8%-YfP^Xeg%9TY0JRqjJkV1i^l~)4Vb>~>kmQ1J1oLoGR_| z12~4fyHar)R6FIobErr48%$T*xB8cE{Qh7U#Zl?|z)#TKf}zS3k7`s0&}Z50B~1Lu z(niHqG_o|=LqagE2Cz&eFTiD;L6?K@-z2MRW5DGw+j$XmxuH&{enN7D)!M3;A0%z` zTtC#278jiTsLG6U!RD{Z97p^SOony12;C;gtK?AVAD~cT)Z~Dz zi$Z-b=?1*t=O;jK76NTt3z~x9y@#3H6pgr2kwC}Qn@vV+0Va?cjH|Fyp}FwZ06w-rFUE}&YM($i zMvsw%$<3mqMh;~(ZrINrB@sG9ZMx+*92o^YOAMg!HR7W)pud#LddpOM9ICR-FyQi8 z0rn$)l|4lA9KZy4fq&~u2o8qH&(=}WAcKl|Pb@PZ z7YO1DLJlWXOTNVf%B-#-$={E4=|6-a{})4Zy|sLX)qzO{1FllaAD;iW0J#rIIGmqf z)kZ6ZHGFx>$tAQ4pa7(*9Rm?hHz~cSWA&2zk(MGFS{!+PD6y}ddh-y?X-`^Hg-qvK zU^jS0N`vE<~gb#q`u?2B?(C0r?^+L@b%Ar-R#bo|b*}MjPg$GGI<-kPU7Syp1 zy_UY9dL|ZCq7Rj!j`*WF?#3TcWiXZ?S;2jCa}4Zz`;5UhE?*uz}D&7w#}ry+Qyjc3v8dJJAy=!mlizBR+*%msU{XXOJfly6uC z95QUC|9m9y8mLh-g8 z$s(;w8UUt^g@r7}B39r2#qq&e6j8e`4EiQNRkT6-q7DjrCg~;k!|UhClYq4(%_z`E zwY!2G+Jiqkw*+g(LpO}y$QYQp!?^|6)&Q?;Q0*x5nemJ$$jt)7nvO=YnCZU&FEAL$ z8Hc>?nk>RMwLmAqiNYv>q}~?=gsJAJ!FJ&K%}|~&b>*tjMc73v-G`H>=_c{d&@>;{ zk$`&s{|AtwN4@{;zCNApH<<#5)o(%_;fUay=Ao^iNLaL?i~;(^#OG7z90HORs;`fX zp79pkfnSece`to(*1<9MMmSwyw9uuZ3NXzU#8ZD!cdR^(F<*d(LYjQl@Hy#~d#_vJ zIb}ipCV;bUa3lqA@^7XWNhp7KYl-KdM(lp6l^i;%2o7e=4Ob9&k{k-7EspElQG70t ziF9LkZb8?D25t0m+HfdsZDSEo+ruT>1P!ep-1>cjE_S#*v-Q46h7C;RwWFAzaIn3~ z!F`H#&9V^%9{+D<8&D)M_%oW&0^kBc4us>ahHpF^!ACUk?KJ{DkdajmjV0$fks}oJ z{dv!3ZQF#9Z0|Vs4Q5tg-uTgvC`lSp;#1CLgg=c>?t4~N=bmRo!mVFsAgyj9~1L&<2Q0YTCsXC#*ZkSUb^ zmavhEE|i{M5V>5u!!6IR8EBt;5HB#mCO0Qw=@8ggMPxJDBRQH6$K3C37*fPFNH2+x zTvf!1Zx_}3$+htjb6l;T^$+j3IB5~OqcR*YAK|X-K-}fh*2c-e62(8xRP-Q@A*t8j zjP~_ASr}=?f!~hqXRCa+9uj@rMJcyD&Hw@bb0*t}sXm zQK?^~BD;>?S{D+RF7eLWmw!0lU^=a)$ zm^8F5?7h877TZsaM}ROk!z6J2H*H^gmG`gNOm3Mf+uXK(*ef~b$KP}`UU3y_cU^aL_!&w}OM>B_K33HfaA`R^A9Z0j88j2Ab; zZwPf1ylV6;lbPu{>@dKxT4>4)P1fq{cwq5?4XI@(mQM;(6mZ`PG($;iH^yuWE^bcp zFj!K^NAUzf>dI;~8E-Y943Bpom_VfoJ_Hb4%4Z+Ck@-n=MHj4q2izAa@HR4`LK9AA zR?6uFVX#1$GHu~LWN*k;z@S2ti_;ZXJN7UH`nF~`J+`5&5bhL&&>-)I-}m}kn^t52 zl_DfIM7dmpnNQ-RRw*&7?{z$>PRf6Hn>oS2%8vx6$wJOCAu=(QW_gs6~F9 z@J=Q|dP=Xb(LNbz+*&ar-oY>gJ_?{f#ZdjdtM^0|?uoYXSI}|b19Xn1-V@pIzN4n% zg7rKIRT6Z0krjJ-gBOHYr_grMj!DB`K5ZO%bSa`IDL7uoX2TKt{ng)*=XvA`4dqBs z{Mm-GzQg@@!K;C{nOo5CRL=B0nuYeaR z&dF0f2UVa~Lh$9FUxCPHfTVk`6-!S4*_DEgOOE}O*$6VU1R#o!w3Cx49wLFvt7IDD ziNEyd%Z}vuNj=VVA)Y68Y9azW8duNlDiu zVTy~mqpO}aL)%W{SnkZ+{o7aTNt82?v?pAUL%e8`>r_MM(isfqsdxfGn*;g{%ISuK)P#K%@9spa=Kpj$;(GywF>oE+I_KZwmLQ2(5+|~e z!%caXxSmN-i1Fj#KJvV|nseJ6+tAT1>1~+_!>2G0Vt?vA*R@HYqleb_QVUOjdz5NY za`V~KRc`GZ&jc^h^pF%ry`5SmU)I^;^-Z-#MFcT2BDI(k4=1iCQdEf-hc`wpW=M9k zRV+%73Y%hgZ6Mv)G!8bI~(|FIev<%PtZ{l#zBcX~qLt9L^190>3R!fC(5MJxop0aU!z`oYYNx+<0X z^8@Eyn}!~KhO7diksun_G{<8ehH0UqtOY7yp2P1>A5PT3X^(bm%G5Q@-7ihFL!wbYv>H8YN8Qykvwq&-0) z9=E!uIxmJEH3!}|7S`WS?o*0gaOkQ%lWlD@&REQSRqwPxcL#z(@zj6r=ud^`N~jf? z0V0}E*DkBVE-1hu-2^QHVd6qXd)*Tsp4n4RLMG3%6YIL_*YMLmAhS#&=WZWhZcC}3 z2?Z$|+m|4H1!Avgvn`FUpDWMOiio zj;eKl0c&>&hz8xpGnb|Q`KhqW5F`ad6@^bI?IVE;3(2XD|GOsEgk4^~WC*&`Pta|< z>8wmazq<*I%kvt`iZ7$0JfkRs=T%vw*0ASn-5>1t%yZJsQD5*GD7Zt zfe?o7Q{&r(6;>?W2_r&q_lLpH$tIfT+x())=QI3z5^)Y?qZmGxMJ4jJf0f9nVkgPe zp~gye3B;r+-JzhON4~>PpcHN$gZzk4YbdoTNo~qd)edB8>yv&wmqB7O;Eh4!w<|dm z-bYusz~iffA-MaXW#Jieg&Y?kPL+M%K31It7tlW?a`u1^C;%DZiabMLutPI)304m5 ziU_4kKPN8ELt~OmMKjHSJ#>s~QNQ?a(I*tgT8UKT*P$z1|6tmPGy{q|WyT-4FGzEu zin8N}DxDqyjSRg|I${R%d=IFCu8^_uL^9cYE!M2+w64!ELpf0YR)aL6M(GlT4>^q$re)wz?RP(Q` zy{C}-2&j3O%JJoTIb8-iQzbc(Ftw-n&&foumw^%`IDk6gA;>5L`X1LI`~$iisOPaz zp7~^j!s$j_!5*jpy{+@a^J|2VF+ik}TYyZXac}I^+|Jm7zyZ;adR86%xs-WOuWmxR zNqXQ{Q8iskAmkS=f`oWE{vF~is5IWe5#Y;dFOs71*#I4?5E-$z86*kYvu^@80II>E zQ-w(u0)(?QXE?l}K6HjRrM;l0GE2r&$t(OHFf8B6%Knx-jQ#wb@Bw!}VrPEPB$5Fa zRU^16*{(cXL6UnA{NvD!--acJM%JN9WO1KWZaG-l#@?*_3Z_qUf!2^ewl`^w)s69G zcqI@w%mhg=fyzZxO7Y2IsT_=_2vpFA(A>m3qsNmDB%_wi9s`!yET9z(TPlucnv~RXk#67up4|!<(OZtjL4Lqn>3i&%E3DhRZDmFjE zft&^Hs_S~4KubAuKuj^%8))_iwhocuqFJkD_CKLWsC6Hhlfpi^6t>GxcS{&jM}83C zktZR6ri)DiC-AccV4nFe`ADXwPYKOTl0^4=dT?b9`^&(z>kJ7xiL5w}hO;i`@6q7C zE}+J#ZSl%=wj*Bh@ZPq5qx{cvk+BsC9BLvRnzUMJ@$T9j|W}{t9HRYZ_)u@!1 zpPKv%NHq8>eU68g+(Xe3UqR*_^KWr#(iG~*lv-mtZyYYv^1BRvnCXxv3og6U!z64h zvYN?!fMZ~v8K<(YDxyU5Hni>VS^;P)WkF!furtbKFIykS^{bXczFSnGWUrg%ki6Qj zMkwPb@HLBYmw|~P&JevoQwlWxTUm-ye`>EW)rVZHdk4~*MCw)!%VwUFlH7V#2+{`8 z7i@Ym?FtoI!s0cZ3gkVUN~xW@zSq#@r6_P}`by$~jk8KmE|w12vdivS+kTYo@;y_e z+Klu?SfY`1jXA%bnTm*sNWWaRkJk66mGwnk7Y)I$ z*2kYbP|aCE?%tuqd8D3qiA=AUh|2|pwNDQAlxVW-@3`h(?2{jaJd6*|cKhh|J!sr%$VD&8*vn*? zgJ}?FA|81ybz{xoiFB-J{2LK1r>r$K{qar695K6|_VFDk;?5PZPZEh3wI|Da;=-|V8DCxN z>zb28Pp38=*8<6w4}UgwM{}~$vgplK34w_%m%!AvO5J5h)b>%&E&UWhH(le8WFO_$_ ztCH+t64UFgfqVX_%s;!JHY;^_yi=X=9>=@ljaZe)YqnFk|F}YVQ0dskUW+3euA=ZN+cSw}@ zfq3+L$Y}rz<9Z*XaXnOdO5M^$_IY9e(Fb!$+qjL!+NQZ1C2Nt5=DN1WSK*1d_tuFC z#FbATklB}yT3H4k!I{Uj0fZR7%BQj?iz8U3?LcH$s8|hUBmgGw=}XE_H_SBVYGZ}NU${v%X@VN@;@fWO^-dkhX%8HJ&nWh z4n_>fwMNu5oO974E&#@I8h=K6Oczq)k_2g5(R+0R?gxXj*|l5m9w)Up_%k0cB0coZGNObre!5vL|Qw2v5TL*x;07~&@bazMB;1U~Pwj`(>%ymo7C z9O>K^3q2y49zbQCf&hBaLpG<1O(GZ^T(|Ol&Kt+XbhTaL*!;=1Il#I&;M7*qI1`y; z&Oeho{^(%z+D++H4j5(b1W((Au(?<0eGy*`$6RfZ_Yu$h{c9K(#D%VHruZcXP6(O^ z{1NZY(@DGCn*+*`P-uo{u7A6{c>KQfbL_@)+S3XN*3ptRFBne>X2M{MIyl&==a{&l z(hI@mz1!`#Ev_5|Pi92q<$Vz3#$Z6wM&nkY38u#e@V$aOxTz;g6W5c@R5f+R`jCLS zp+}49+S6KpY<2m3AKGw&v>Dr_D76`NgiT8}#?j*UC1P<6IH*M?DNQ*n?MG*~r~CGa zj5M0S7%hUFP-`7#e6l#Hbac0jv*Qv7@r?#W-JhwYm5Dlc{62gO!OLYO zx$kUja3y=7bp@G7BGeJm_0p;^?E~BVIK=LMq1ha0YB9mpmv}b_ofcH75TWPuSXJNj zxet?p-`7G8uu5ccY1#Xrt}Kph&aQkxnsD0|;yCdazumiAIzt51ZU-BmS3Ja%EFO}7 zrbkA+pe(vOcD6lEh5SAxtJb7E5cfT<9?%O~wVLQE#rMtipJo1UZz3O=DP|jpP%hJd ztH8ghRn(XK-JACfU=fQyxwO?t zH;K}{2}xYGC$ISeLD!lPlWA!y&T=CGiF==t;KR-Ik2l%P0=^sXeHW_0Xc)EVrlU^> zt^ClDhGe51t3R?HEOEl3fntak0actUv|0e-v7kA0?IQ>oczpy#$?WmwoHHA<&HBrg zyOOgf(@MYf^D|_g1!-Do&Px+Cc1{j%Oe|cV=)b!x{>;tDXx9SWIm##n8fz=1D}<2RDj3@r zgK|nxWrtX{q!#sb*jM({ZdSpTjzhDIrxpMP{*S>A%A8h#3nfI9FahF`o)sDIMc{s+ zDO>#sWXY_F^3i%X+?Bsy{SR6$nsJws| zSlUYRJNS|DGyXt!f$Gv_nI~JO9aDm**Z%(>Z*Lh@b=JlWkAXp{w4_Li&w6UzALd>TBj@~M z?|uEUkHop!n4k$JRr=9cfH7g>+eCU*3W6K_H|4R%4LxxKb+GR6Hx^nW6as7k`-dM^9W_>tE zplD%<@affuFR%FF=(*EJ54Q;XkkGeUn(e|#tO9XkKRBOV(1a9!Z41Y$^opKL;R%}l zq;pAWL6}IeWdHl!){r;p+jw;#A{*Fwf-#C!7^fo82IG?or;ykW7xg{MU<9QVP+g>m zPGo3+&5C>!HPm+p+;N3l(}H>7Ibb+qhK`y@fj0!==xZRRX+#n|#0(nDOBlh}LHfd` zSaAphnN2XyQ-CzNYMWLsnGY_25la7A$zu9~SSEIhyqD)p04^p)A*hInDtXC_r?!!9 zFx9~GoY5sXK?TCK1eMdn8(weWiVc^P4GeZZZ!IeY+&+FH=epi+Me6Tcd_??Oh8|vC zp3D2=CibWJze=iIOUs&0O3UN)4p&g4d*f{d21+6tcnWH1CV^Y2E_yWuhvJC4Z&}H> z?9OGIBq8;%egmQqTPnT+H5OUqpwJxaGDZ<@YQ+XGs$K%XGcR1COZ|?1gI9VyM#YR4 zl2vT*UL@k{4XyCvP#GL)$Be`bMdaOuO1P(!L&f9Ns61N@_M%p!Af>Hr`B^!7-@D4L!e6b{9>CesR^9S> zUhT0s4u;R*U*TH&tIK%z)e;1cDUt|5M7wh-w2Q@|F=m3|O&p3h+52km6WVaw>EDRH zxA4fL&<%X!qbV(^^y>SB3gnSpjv{7tR#dA4TC(WF6g=u-O*`EvL;`ofK*CWJd`593 zs*wLD@NdRf<2G5a_WT74_W^!MEa=Z@`*WMa#R+@&5&iMg)J|hpY`UCKg1R87atjIC zt+XLP056?L)oOefOmqqg9ch|!)*v18q%m0pvK@M%m|;qs`{45mFCcABqLToMwWU`} zPjva>ZUoauSZAl$;p~Cmb zPE_^Uy0flN_@E9Ds_l!miZ7hP-oFF36+972$IE1_t%B9G z!HH}eScB2DukT%D{e@GdXit4iSmI_gVEo}^E^)k2yw*gFP~;*1CD^MAHqOIYIm^;$A!?O3SJKWg{z8gixy@SR{z$xxUPE zCBb7&H=1PtZ^euU9SJt^I4w1>FUNW_c#=Ho6|0qoi>NI?OxAdnl?=zB&e&%=hmS|F zNig4ziF8vGi?*2G=dgUvnes&<5Ld4BwvV5eoN{u7kqY@Ef3g23;PNM*#cJ6#!GCJq_CZtvb zMepS92Ea*62+6YqE0w#HZLSN&yGP~~a*|D%O7wD_o|?JD(HOiK6feQ7=5 zl4Y{8oOHy4`eAWJ{}B&fW_Mi*)sA%!guafo(;RgJu^JK(@n&Kp9~C{rtyj*5BoxRD zV)FP%3kj0{;EXF=WfL$@)h;2ryrG;zrh(-u&kRY5_815Ac?o5 zwc6_eRLI`o{gdeU_V$g3d8ID7Q+$teo*Y_n+}vY~vq z6>CRvRA&qZNY46`#D>tiGo92a7_mN?-TFwyV$!%;s|i+h$uh%n?ZC_tYqOw+%Ekhn z-PhLt5N~xSo}f>KM;}Kb*9tD?K^jo&)!-gK9uf^Vd)j~Qk1g@PAK$1ZuP4Mfte9v0 zqEG~hgnnN_%kNR9;35xtI@O(MP}=C<0Tdg!O%NJat&dULVtf5m7Fv4rqGo8z66=xB;B_l6K9 ze;&vR0A};Te<(N}DdZ^MRT2GkX9~0=#E6N2Qw2vO9I2>~f6@TX3%@{V_WGYO&J2YR zqSK8D9a1zH0pL!GG6smf&dNt^!Qr;|-@y>Z#30)e;G_fa)7no1H0+{m51a(7!H!~g z{;LNCnMDN9F&N)e0;o1IY8Tj43W}|Y*MDf4fD&i`i#KsZg5V=aw~HcDAX17KDNv!j z~j_+0Y?SOMZe@n%MxQueHcrI_)#K;Sf&smEsYz*9Q-@vLEaZ$ZV2$~NrajM&w_f-%cg*B zd;VK~CRDZd4Vp4=l)4D6UI3y~0)jG3q;~;EZY?0xg#5|Ee*|$6s3Rp1g@d@_K0*B~ zssY5ppas!F)T6U-HiF4y)8}Bz2Qvl~(eJqz9f6J0q`2+ktjMY?!E;FT4GQTsci#oYs`#FNa#^czXMDz0f>%@K$CFu&?X!fi0EwJ-F62C7PksM zShnwQjM<-jhK!O$dQcqW0~FpaO4+P;WY(3wQQSh2&PXJ7lnm@Fn8DWjX+ z-4LFF1Yej@pb{Bja;RIy58z;$4s`%?pC1gM)pqqO893M}iP0ul!=+Q|9<)~RGvY;&I)aJpvsGxO(Ib9i~emzaVNe8LHsElMOWC| z7-c?Y08YCSbK4~p=n533dj){>#ms+4v=BQh$oVv&K}8#&f@0>_tQYy1BO!AFAHLF{ z0A^aJcOny6c|}J^CC)+am5?gso1~#ym`O~+suA7*;4};Ay!a-fhR4ItR6hby;o2`G zrL6$6wh09gpv0@zuNLZV#E65p?2pUj$ME1pa*D-YhJ#9}AbUGO?B!?~lJ;S1SVInW zdVR2;E%G2@PlA#Bv^l1Qsr7`V2WP;S?I+|PKb?jSPI3iu4K~=QjHkVHb&0gtsanm? zLNW~au-k$J@0AZ4R((>#I!Vjkzq<~)&}O7K%HtEaaEg$e0Fi`En~&fdt4>YpVMsXm z6c_9||3k?l^j!o!9md3Z*B=EPzYayU9uQ7zDYWz~tVtA;uoWN!FEx=&P%!zv0SXO6uvfKhC&#nkNC@H> zb}uQn3UaF~Zv{;lZBA^#Lmq5(KGWI03yLOg7APYki3=r zKtnK+qQCpQ)U>#0*lRA zMvMSz2v6mT9pxPb!(Mc)j_2@32x@Lgx3#z&QSP2hetI$B)4SuXH@eJG=nlM^59oXD zx}Ydx>4`hLcu2rF?S6#Ix%X@W>B@dy#ZP~vRR@68T>2Q<*p)Zrt@H))+`1Ct?V&95nFWlfP0|m-`o18t9*SXmtTBD`k z{q_LSVVDDq4iDeWH($~%ijN>)w>=TnhLqxAckxjdW;%%+wn{28Af(%_A%kbH8UmpF zk!DdXkQ@gGP2;1+?9<}Y*Nu&*Ghsk|Eh1(jnGI4lZRcnD9043MEOD$6Gu|vn#K+rj zsNXzt=PLOTp-0n_r|01iq{lGY1pkT}Csd_%L~EfaA^j zU!+g(cE&*Hf&(R+mU+tR)$xAf)M=CY6@p(GvVx5tmeLEQiF(*a{a~T>Y!s6}fRj`TgqXN>V7#`Jw zP+3Jno5fQJ-uE=VD4&n?_PyT-GCGvnl)3o{m3}I_DK90UqaG*GkvzH^o{u%F zdT_sA+`mcRw1lwSu+pHc*US^MAy=nGjYlD3iA`S)T)22~28-k6P(QoZG;tAk*Ml}B z?)A(k-Qs<}j!EA`M$=POd1>dKc$DyiAg}P5f)`fs=u*Pz-Ry$Npsx~)ZRL`!O1a(c zmjz9$tisIF!y%z^W;@CFw0`efIs#^{i8p0q9xAC4(&Njt?~dTI5~7Ts!a=%xQR3BL z@%$_f^69VhcHIr9Kb85p;^5?(fNiHUyvb$RjRDfr#>N(<7w|y9v8qpJ(sZHrO|TGu z&;hv?U7i&hawVuy*Y$e@wF* z-we5S;~aS&*^x5?f0EDWuC<0I1m^~6Rq7Ogv9j~~Vq@4AMmh>o>#Wl0O7<`({Es#3 zj>S|2NnFq~igPGsZarEPc=hpj!*Pi@qv7D;3Z>ABC8Tp%$>5`ckbHLyoZoJgLpozk zpaLTYjw?Vmgq$no&{EqYH8r4)wv${k+*wPRk!u||zClM0`syUYh$Vbd1Etm8qdU5m>3XJ!S*sG`b40DoDOwlH^FmEo5&3~6u57VGH2YflgM90{TaR~dWDZ4ahedC4 z&6!Kb#aEoxRc)oT;R=|!F0;b+Kn}*#vgrnJ}yv z022h~Ag%maEmZ$8cA4oCaAbPfl2S*Lsf#x=d zM5;X=w#JbW5#wt!sMrf>&HN<*6SVGew^ZA(sD$R7|Mbt3S9Tf6tC8p& z#zebaTu3o$$#DG@Ydq|i7m2q#G5Jkj;t4XVunIfxxA#fc@FK)esMJipU-8|vu_L2hn~31W6O8WKc+~{%G=Q{r?@#M$Tt#z>Ck`cpYXy3rz9Nb zpCEWS8LCfOt)2TcT~ouYbgGx(tg(2yiHzDw_v*`QqRj_me^jwdrd8+tZFd{pM~~PG zRBe#iXI_&hpXWSX%W^(@3b|Id`HP$tm%_xue^ z+V95Ke>|~KA9o5@Hi3NvuLiiorZS#IW~!DDnhCG}*PmTt0=Z?wqvHRmj)}jo!~aHP z(!bEa|HZ%Lo_UxXIBh;7mT(p1HfGlnSC9!7)lAZC9*kBKaf)~Rh{Oek>Wx)ea8c-R zYQFn0eQRtyw3@Q^1`!31?$~%~MH#i58`n2dxqS)hh26`Ohza*1U8+Lr4`L`)MN-8z(UXy=)?*6r?^AH{mFN9KgrH>w$m2_hW->F_ zfd4+=IHUVHHDytFtn5X8L8ZjQO$%Fk)C+<7I=+1(t=FK|bH3d@pHn+6RRKGNKQboK zsY?OdYN8E;VIxeLu_S#%uh=}|T_*Uem&s7(p99Ej1CU(_ zxz^+eLxzWVtttnsqLxXT*vA0jTq=leuS4rT{V{LqRY-Rdsj=^Ke&VtL%LVnph1@d8 z98LI8?{ly`(I)SUOwe;>@GV#%Hh_mCd(+3Uff?ECO~eywBbEM;9m zGU+w(KPWEUyNM6);XF0C;}v<<6(k>b+UOLT*R;Mg>8Y2;sekK)JFJ|i5-$-0W{d_X#H1&T#A;Rxes?$SixKuhYu5c1gAZpT&01;c<+*X-{kzqv%La5cvtq^3N0=o z_k2Z-h^w{YgqZ@<=qb~yx2V$wlJ;&0pPigfZ?xN&%zrU#*|sI{a`V>3uoZ9a!l>vC z60NX}Nzi2LY88)*fbiAFiByL`)=ivt{Xp}sDs zm%?fi--VX?r*%H*a67S%L*b-%#z*A@{Tk2F31*F-c0P6i4x$(tB~j5kqN2o_L|SsV zm(g~RGZws|&+1sv-V0hovo5nTOaU8#SG8mr zarES=l#{C2wOrhfB9$&X!L>X>6f1M&qvw&lesiI+Lf;0`WAO5Kr@as{qt8E*M=-9# z-BF!y&m}PbSv8-0r<<=BF~G|@q@95^NrStFk5m}55{SI5+f85{a`1ZF$G2SU6d`|% zmI2MJLyC=RBd87*#c~_L@=Ka5TcXUF%P zWI#BjeKYOb(?T^q2JGaOj^w>ZYx*Y@ej(ojMz8&6tTE5P^<#4~OFsMF5~a5+C$i3U zu8=Qr4#p#(ZF=*8<-{Xct!P!rEez8p1i?+RJ*sKxsnWl|(_M{}+csBkJbyg-zAG~rd1K+rIqkl$ znkW7BLNfe5dr|WdMgNIqtoAZ0&wcq?oyIgN|Kn{g-7}jfvMIC>PC~P;Jv{J8!N|{! zR{vVzbmtMQ!tEEW2{Kn146@Uo+_yZzq54-7S^@fnLUKLK|i@XUsxwT6tIOP(nnQ!ACW#5{IwuYj!!e{Rf zH5eZE{mA(4!3Q~w*1nju`^s`2TL?9uKh`sU%+>hJkg|A3JE7mtk2AOY215E0u3(s_ z-Wi&XI3I070VEsD_2u-*eIFb7Rf%V4ibcfNX$G2Cgj!AvwwPKu61XGp6_Z(@km_mr z;}KtdL$cVUf& zrXns=JF1v3GRO9)(DCOXljqijHk#Z*C*#t2y^!q`dGcI8ta?QVu@0;buibC4CqJ04 zZk@m7XL+8^DU+<%>|XR41#=k>d+*i_ZdGdpn^Frit~8i96Fi&LFer^C3TDNUYbow9)R;6T7Q|k8jByD*RrnRP+?}Woo7SWxbmZ zJN0Dx&R+|viL|e|{bfVW9#y$RsO5KwFo9RxJ4Pbx*%RBp?!0u6m*{d^cB~@oNySd} zghd{v#my_^-H|!r%XC^Txk3N>EkiSwKO0GuuCZTsx5+HZf3862E1mlJag+Ft?qc0k zZGt%=Hups5Zftb;HRD?0m@#}5&hWj~+obql@f=A8s9p$!UAoj%3>INGUW{UM?1 zNgoO?arM4j^)Een-|rQ@>~PG4@(jaaH$OIB(hUQO@cS{;@1zwom37vN4);`C;JX_yl5Vc$sCdqY#Wj^h8R5Kg6J`v``yD(T4D=+8)?5ium!FH#N^%y* zpJyr5xM+4P?#y#3QIbE+WL>8&wUK&lUHO(Kp)(@gAhGj^g_>h$tih3mM_BJkyU6ZtP@YjN8D^6qb%{ z5}p?OKYR{U#HFrFj_}UvWe#XPVGsXamo?Bl$uunW>rJ2T?T0@p6iui~g|F5VI0+DQ;|=_v~@zs75wA zvXi|z10n`PvyrbBBA=v_nZM)th!_F+joE2EQb}_;*RP?U6_%bGFXq zT#2G&{H2}lFXaR?ti`7k$cu1K zrJGzhuY5bF{Pg$+jrmVC_MI_VK|h-~+N1C7iEusCEYFJR#^3CCOi6Y0C=-fM)Wb>U z?0oz+#(@~Z7ltxB5s^J!aSy&(4J5XjxARSTwryVHCKKHf?z&)K7ivTIl$=ZkC-Me8 zUGf|&5pUEddU$FtSaxNc2_}wD{CGuX)~&pM@|cpV(^Xs0 zztJ4B?M_qXux@0O5F_Rc5tZX!E)I-*Li;%GPvz|_y7LA@wra0lQykmyA6J@sEwa4! zm@G&`fQNfIE!9{;_`tsJ8x z+aU_j0~^g+bwhxKe(B2X$`v*IeLd%*%+9+qIPu=9!(2$L2!C#?wRkIA9v8CCPjWoJ zbAA5U19Pno<-Iw~#dO%u1bf^>yQn?R`Mgy0-rCX2D(u{KN*Qogo_{tg8heL(nSJkp z6YH@YPUS6Sr{ncp`Kd38m)lRw{NS3=vS>n_%~9Z69Bzw_ijzFI$ZV6*S&#{UiM)^8M;tV62Iv?d}#V5o4oEFyh z;20yacf0xJITbD5Z6OWA%+;o2?6^#)3+<7@k7OufqCPSx=Sg+?kx(7BSLbt>zxy+P zo3v!@+G9R0ts&dLwqAX&)_C{$?xHYf%eviHv~;%*Vbeyv_G)AIyD5K>Kv&s6uhC5| zzhZI*ic{@si+3cKDR5gcDlOlga9id555oq&p&%N;%TEc~!j^UU$Bjbwa%tMsOqE$Ts!OraaRC%3*LItpXIr%TI^6uQ44I+)$pE^Mr z@N8x1-buBsrXQ^G;%)*yD#B7^_pn~abX$Gd$>t;@TkpA=zTDe&xN|b{S#`gVdCjr_ zU!#bi!Q%H*6!De4q+M}692+<0RJsK|Ws62SZEU10-f^*+bQsBh_v^!0uRwjx3yq;S z-yhv+eJ~N5Ibwxh0QH`5Cckh_%38y)oW4s)wbRJIa&r}@o4!bK819nO)w@{&2^W?% z3AH{ER#Oym{WaTr7Q4eQX>Y}y(l6O55keTdb1tlZRa0k(kK{Q;Or<+R;Jq9puQF$D zffXCCH7}Xt*~w2;6W-hznyq+Ak{ zLgLSJPgIsUUtIXY=H$TW<@!y1d-iZ4{iQ=fC%X^L97<9C#=0R8=5a2yP`WLBCu5#W zh)&^9QB#VBWuH-(B`b{rcSW&R1^aP^ED`pw;IRg=LmRR()12&a29>j_YT0yNC}puT zX;!tzl$J}=(V23i$Nbq!N4H6$#hs}~ZBM#5?j`FE_V2I;3aWaEEqZ;9g*!IZzW5X( zd{a~|KNq&WEHW?5t2cozz)zXiCMLhmE51(F=-9VGa!+WkO)Q>M3SiJeq-Aad@PL59d)%UYApRCdB+2~n9UlC5C%>np7 zMdv+Ox$Qf;p^WzY6QRi|N%DUt539-!W~>hC)=&>8IW1FvrD6ApZgSVZ zDx1)CO^v@J0p?|y6y*m-9FE?@t3DvM8GUw5T?3o&zQvr3WQyNj+ zz~Pt_vOm+MTHLBaPF7P;4!ks)T|HakHQ;~c#C$FtC56%ssQ^RQW&fr{zDjU*IdUJm#W{0c+1XbtYlz$BI{Y_L7paJ<`(NRIuE6Y* zRfWV5iUv8gGXMQhQUJodx)@`zGQWS4_H4hL58HD$w%kG8&ewM_`og58@Neys}qhD&|s9_{$?ZIH{e<2bUMaWxz%o2buH9SZ#{SCfcED2&E z?wd^5hNbf20BbI04zC5buMtGC zpFlD;d?JEv_rlCL=z_IPW z38}=FKOLY9(rl}FD=vcq89Hokv~Ga3x%ojdvf9z51DuY3=xllQZcGEe(isqgBz(>D z4`oln^Iew9=CK7DJW^H;NIh{#;fI`~jvC zDf#HsCypa-%Mz83w#O|gtW@L`!OA2_L|z(W>FLaON5QH{FHO_<}P z4SFCsp&k+6&7t{yA8-3<6oC-Id##EbP^wKT@7VRzFgRC$Xx) zqqrIAi+=Wm zn)>C5UUzr9+eYR6B5OKvwrBLUz6lDb=}+o@ntL&;cd?cj=R)OrKhhr(dC7h4OpfC7 zUs9~n6P=%xicHEa8@}oy4frVlAx&5+c&3vcETPWyg9CUF8UdeYg!@#PU_KD>Fyh+? z1o2EC^i2>}iwHk8@r0(&`63E`!S&OfD}a-C1W*Bq@Y&eN6=<`wCjR3{LiA4q$eMg# zf<`Tppkky<(8`3?uZ6KnCmU|CqU)YU>cQ2wKEHS-)F56`f_|q4FTg_yCEuZnY;GSy z`1!>OZl%q+M5~J3L%ySJ;8$=P?TDH3K#)E@%GNWJ^nn@<>nt=0^p-6OI>q&c>y~GX zz0;&M;KCL`xDeJd(eTMhfco=4JWW=fHvvuGDO70Yl~2*Kgpg{Pz^|bo@4LVY>oJK3 zT-T!Ra#&ihL<$=;qnv=qnlzaJMfHexU-$qRK_BVYZVlxaBpo;|8*aZ~Aa+H0)~De1m_~!pQF1@P$&}V3@+yPeyF1Gl!9^=C$)M%g zSzQ5yqcJ8vokhXnnLVU;Hn{7E5_<7U1w_&ap7)e9<4qNO=GLA@vCgSmJSN!-Ia4Tl zV=e)ie5p<=3nOZjiRlQz^eT<7JbODheqs)~GkI5|kifQ;a?q zz1~>%P^3)Xx(pF3S0S#?cx?wPRYCsO(h2|4yyvExBYy!Eq|;?c>2WDjBUJq7Q(2Uql4+{A%-sotuzf)~Q+u*r=Xl1-eGm$jHm99`%{)PWFIWES0O} zRYigZB$Rbt>^F?&Fy-$h#bbGvjlM8!p(|?%nKHxWt_GYTdrj%Gfi4&DBA@6cMe9=KlILw+6$vKQ z2}gar{f>3ziOU>{Lvl-*FRGi_N>&+s_SC424Kco5H@mqO*iE=siZc?^jXMeqJ&g-0 z=R$_FIIl%z00UiJ2nEzwhNUE-aN`-I5M;X0U2Qt*ca?KkB2|1C(<@O3t0{Ku`hMqR zTZHKaA*%Y9U))4|X0-ayBEUF#saRN2^gy~yxh*AY-PvKz`aiDZ37Tx}Bc&ONKcoeH2jW@m|Ut z1Ne3^EI}&-1yz5&-j=TOMe1i=CXC48$@_yhb*~4mNKRg^Dj&LGf=l?pxbzb2X*}Mk zJEPNHVO}{4RlO_CIQxJf$EB{24VtJN?==8Xg8a_?xuj{imFPm>V9Rcw)KF}z^AAXi z9s`ZS8YYf~&TDJ|YhJZ|*+-!!?tlpedDDdENUgvE6Rf}_z+YHkCMie~HBuKhrzbj@ z&`~|ZJ~*52Lmtvij1zy!d2QYEecz24QE5>A3f9N-EN35N=orPbtPC-7j_eFaHQK=w zS)`&ZMll*1)1#2p$e)vlbCas&2tQ6?IN&Vik~kEXmOBNDcx3PFmJ{@g2GzHmdyxr0 zx0ZG&Yhf!kn<<-XO4#s)Z_Rz%x=_MuQ`!JMObg}k(`VrdUgllZrJvaci@i>MHGC>k zCb&?>`1cDMyL!*zOo!tov zeZSZsp{JeLqcqUGn}ubVh}V4)QrX3mDwQA~F{a`XkHN5hLA|4w4a)ARHyuyqsQ zB9wxf(g#YOx#e}c-JUR`U!KX5=yvm)?^9`9`~VkQ3&Ur9+?Rnk%BnSO^da_+(PuzZ zUVm-3SNl-vD{I@ZK;hc1pKpNDMJ2-Ox#~PAoCGyOj$~3#kctI$lkZ_E0dS0zP@^~ zdSCWYAnnPWfX}y%PrbvKoL><+*oOxjW}n&9f}0%cIT%;1%Swu-Lhw1KmQEOj#>bAolFLrTNykRRy zT0!{m{NjUa5ue%MaoV*p>^t4C4V$3E$|EQS!MYG^JX;suiLSp;^~JI-?awYZfw!D1 z{qC~t^DALa@&lQFrmtbFlDsBn_eQ`3-nk;d-CZ4=wd+@O6j2xS1w4i6d9=p;zTEDJ z9jgvX*Yf{&wFo zD^|X}NJL?Ef+A*PC)!3O`zAG`iqhnK5KBZ*&Wm;&r;wv(-*($1eG68y%_GUq)lo=X z$S$h4n%61f94EYxUDfKlW(e?n?Ey;yY;~-Z!V603yG@qzZTil?K9f~mNWONFnP*;V zfa~c#^77TzXLa4+XOCo`Y2JGjQ+MD7TR1B zsiB&VF-e(az0es_diTH9Ab=)M-HYFAjo2$<$RT0L8HnkN(TEB=nS`AIMGrCF2zOom zJ|2su&9J_Q=L$*) zN*V6EHGPo^Nt=)}ug1Yn84fviQ>gdwTliUu7x?TK@PPz^F7_fRZsaslH}L*M=_YF! zMH3D@@|O3;%=%Nq)0lvzviI;}#nL#lv*#GjVTsLrO%G>A^ z(bQfDz2b^qNsV7o0!>E^Y6~IpAD@Bgi6k$-IK*GilK1xw!dVXw!l(m}M-wDJOv`nk z#F=8|axNIeKaLPrMcuhf!AlKc;)QUbTYbb)n&|agC;hv?amI^s)?QkFE--@7&rqo) z6mo}>NyU=5A;n$o#IK(}LJw|o9z#*U!?jrMaNqR5pp&T)uHXH&^DRjH$eSsoho*FV zOe`4IVlUA)!l0ue>Xd^K;4@wBNtOzPOipR(A0IW0PzP6Mkfkn4D}is4T-(uDkZFv6 zq8dwWl%Lr3Co&Kd`v6jb&+S7|Ch$$+#V8epoBlc#DU%-*Wiv{~X(hU$xV}P=cC}_7 zLDgzSXP7;{JU-qCWglZt8A9*Sw!%Zj@PZDBbyndjV~ylEJCFbh%4bB^_L1w=$>}P) zs^lKbQzxaC3$J;3SM`x}Ng%tXyWd&&OD(1_UFtOAU!RINTg4A=w2mJ^8RD=1`!fmN z8=AG?U1yg1DF_~*LJ(TD93Uu5&}ZE{_71IrBidS~?JEO_in+VV06}u7L1{RFaL2{> znNaqqP0$~e&!s!|a_Cwn`Y}lDH3jiALMuvEXV9}ZNW-(t{${-4&ul7Kyq>3^RV(0_hQelqmr0k*G^p$nfu_EG42golWiYIo^Uef!#Se>VQQ2WDnCw? z?%6y_lBL>-nYyj#jK^*ha2sbeeEt?q)9}3kF5HA;|~x}d^TAgAHjf{ zE#^=)t}tnaduJ|LTSyX7{MD~8p;58JbN&IU!UbRo#dP6_8kCI-jx)#7wo2k&g1@$Lk_)6lyP>ZN)+L~OOg)Bfe_LwI&ncf0vI-)2cMAE_`#^s zKp&Y(D}wj1tvtCnp%p5r%^{Pft3-Sh$X=Y_W+}2XQM=3Oa#YbOL{J|XVA5ln59w?Q zWtVAC8=rC7C6Er5XoYpa>S7x%TTZj&2G9K`S`RnS>jqVZXM8LJTX#b5ND1iExNIP> zXiiztHo&7?(6#0VlyfD)O&NZA+WLZSjm+1X=*(>H`$G)LX`}E$WucWopT;>9bhdyr z3nsYH;l76>{G|d!wk6CgOD8|_L2P*f;HlYXtp|%?S+}wV829(jW8mkNhc^MIg(6z% zbT@F4oxo!)*P{}#rTMI%f@RBL#0RDRMbZsBR7K5)N^waPle}7H5H#xYiaN3ifeN zPD7~>bli&FxW7T{F1TPw?T=p5zxSW}DR9_^obOZ*tthL`-yad**YW)S$RCtffr?Oq zm`31SK1v7%$kT};jss9IH{QFBa?eU#=Em0n?>xW< zyoJHrh>=tUS(#CyW%fyg#@E!NBr-7Li+Pr@QvMD4zkwi3BO_Q#ND;KIt2uU}4)5fK zu&H8m_*-+|z%!TeN;#0f(;TWVPk?*Pbo0guq=+AaY0c!Z8-O=O6+F4;|NeOEC{I)S z1KWoJNX?l7hbIYw@`g~d50XR%8aTGI{Yy=dfSR8F1-^=q78I}>#&hGK{Py=rYF#vkiu+O&|?oBY?Bd#_580r#MnTkDa={5ww#~y&tCxH3KYeYo70B1*L{Mfq$@N0;wTkx)E)G>lK1G@epfX7YF zeH$sY-Ud_zUq5Z743ZzN4``)E%>?+$s%rtnzl)LGeUO71Zqb=7+^bOy+ejdi z9l_OPENUB#1MBA_OeIQ11ynn6Ll=$#d4zEEa1{{Q1SH=N#i*h#A^5k5hp8ZjJh}s* zK;ZR?1Bhkf!MtMlrL-$00OBefM)zjVGjo`h(?MVm~z-pSULt zbX<|g-znR$tta@BJ6?FZ+v~F*O=4M%w5$T(DsW=lD%6s&s`5NAp=Edo;#gFXf)J|! zv&Oqd^R~Nnf=hKnj;4$CHDu!C$ zDKJt6b+UDvuyt|tUIH^o2{SBzAF2?Wq38kdF@^Aeq?zPlTiCi!!A_=&vMuNmDI~U* zp$C`j-~d)c?B`{;)y@I=I5XxbCEu_fC^1LNsw*OqTqrV;_N{}e=%$R=F=$Oi|V(=}IwoBZj zo-HBn-I&svw~hGBWV~5}H8-W}a|Jtf>tY0_^+%63BR1VH%k&naJmYO~X6Y7l)B5TFDf1|IhTckXf&(uhb` zJf%p)Utu`q{KTdfA_n~-g;_#HayAArZ6O0G>-+@$=y0F{o|&SAS|AwwP=cfkcD@?5 zz@tpeFgR}KR!mU)ejbKj|;@kPIe z@#HpXpYzlDZF;HWap01d;H&Y5tuqvi-7hTBTaPO?^8A9b9!J$tPRU;W(5B%YZ>raX znMVQSWMX70P>9IdM|XAWLOfV`{F)%)2i_NGmxILzHIb)YYbc|~&q%C_KR!j(DEE9> z5GJ&s_^GaO?i8s6c@~K8{ zGWa3{KS#osFM4(V&6WFq0r_?cZPe~?BraiYX{$ydg=1BonET21c1~TwlP!-9ilOa zO5W=DBltTy?&x^YOW()0Wfh;5x)CgC&?sbhPqs#!tnH>PuFN z69kf*;1IWuIXjfADxaP(c&2b5mHy^8<9isEz}xh*&W7ExQ!yD`ZNZBDWw|$kq}Hu>5>*j zN>r545d;j7VPJp}QE3o{5Jl2LQGeGpqWgK*dEaw>fBeom>+H4He)i(gVZL$S_jP^h zD&WSr)u_Ufz3qp6BO_e{zred1Y4w8Lf398o&=&dBR^@$4> zoGU2*?}JIKB|KSr!bjGLhv^QaV8ZteUr#dZ&tH3iJMhDTbHpkAUZm2R<%$D zMxxaZ{Xz|X+Q~rHxHV88W`B#SW;RkMkT%~v@NDFwT!sb63GQ@G$7e7(TfSLEO7?fL zeB-P`WF{A1<7#!IZ17VZN|?}F&KhtRLQQjorsVpvzD=MlaPHYxIQilNw#ubkGId)l zrSChftOLswoKVFr)fN_fmGyE`H3>7$jC%=JFK?Rixe~tMRw1w=Bguc~+RL`$Evpt# z&OqAb)O~56fD=!J&hi$H;X_PM*{{0nzt)I#QuN)idp>X8Dn?e@>yUJ3(%PQ`-nGX) zvWwlU5|r5b32BUsOgC8ybI#vxd2iCsP=C}%kUB)%vIzCJh(eomKC23*$4mGkW3pux4bX zg6QVq9kJb;;!LIuSUFk7-l|FM&e~qfT%Fyqf0!Xq%i*OS`I}|th4%CWyT)b()8Pc| z###j>c16YHO(&9axJ4OGkWw?YtSguTsxKz6;v>6PQEn8WLu{HPPcSX8Jh&b(Y_||cx62=I#5`V zHTwYElxiqW8HC=0oGq?fzxXn5!xEtmaZwC!mH{Jp7)%^hM&~5m@d}PsYBmUr@`z2< z7X82#bEod>xMNj^Cl^L+(yhI*eOUZz5n(H_=)G*3uvpRuLdACmr3RKdIGGd$JK6(} zPUCF3p%P46(SYQb|MUn}kZR%G^>MttaQYrIUl9=!iJpzo$K3AMb!}d}&z*p0u}3{b zLuUmL+I6V>m`F$v@`uq9Hb4V2qeubA)07dgntlz22E7xl%{&0kLfVg!6bmW(SV&MvtcK>@rSn(_D~c%o zx%wC|IC?_27S#VxtPlCjPo4dh$toTfI9v&%uBi~fb%TCnaQX69!3Pcb2u&ZF1BmO{ zf1_{egpTa5!YR$Eu_WsRcI}s_s!%)+F`RU9zc#p3VHL((%W^(&C}LI~`KpJ-_19jo z_G&;m14XPrDg_Q}esD0CO+%8UeOxl;$cDkFBo!!xc)Q{sCzN6h@%0xnYol`oU@zju zv6gDxg)ulsuNJ-qhczh3LG>hGka93#G}!SS*Pn~f=S=*aGc|G=qU~lX>C!fwz2l*) z4`pBz0$4xKg0CMv$Sl$|A59Q1<&8Xz7Cv{sy->&A4dA(pwq*{rp0bx&C7@0N#a9*R zDuzyoGja}|T3_CxWMKx+pFYPGLyAkD?_#bWa^9kF9z_+tQ~jFO_f(F9B z`pI(IuUmuNTv;M9xeSB`xMKdoTf#@h0u3Z@ZEBfsekp7AM`s2F&9jlj$d{M%=8~?^ zWltn1tIy&#{8#p5JIKsej0&m$I)G=qq=xC-k^hC`6y<>!)H$d;{Y}q9@4b zVmbHRN;a%KH@%Em;veaV#@%PoSE|-rs|^7VOC5}uBe@iWEfl!@1F(B>9xkt z4>3OVdU96d;=_?L(#=klAdoh`^AFsg$D|HUn}EuOv^yyrhi|oT4)ndC7I&8o&9}_| zoIOSA;Jch6jM{5gBp7u*T*ym*zMib#6r+}qaUcMdlPUvbd;EgsgXvp=2INQ6J0%jkH zu6s8s^o>)4sk7>^VU*{*O0a`B?I$J~xbKzC?kIPnqUW`~Iv9#$hq&krn9&Rgci;Co zhnjgkWvBz&t6=#YIP5ntzZS2XIa10m_jJYjP~3s61#_JnG-J5X@Lk=?Sno-a2XsPd z*or9u)lCw+=B(kC2WhXAXO$WzVJD%LCLDHh$&y`Hba(GGeSPcjT@^lsU0ydILSLqZ z1A0rnH%hww1nSy~<~#EcJ4=rhDHIs&C8zhgVEkBajFRh%;12+ZmyU-PWJ0Q|OxDTQ zN4x{>J17D~^Yu~l$_Fs6OvOllZND9Ad|{A`VeJ?3zT`o|^w8-#`SFKIbv6NNI7&MA7w=T^QsG`x*wUPD5WT-+EScLX!wA zU-;;adwe$7Teq}BYYj(CJqu|{E=+w^pm0NO+GQqV_Rae8++86oz1ER?vmDP4O(Kcw zuaR`zrIQOLxkwPpCdl<5m?c{qN4wX`q=?U_MceRS2y_pjpzRrvYp_c5jQ7XG6GOP6yrX!JCy zhY0nhr|VqC#LNn+F=j9vjwyMLTa6b0*s>0mj?96tZ&$2p~KN2rxUNNwoLTMQlu zYx?*@cWNGVbtDZEE%>bSyJNk<9ILyMH;K&O?+*5W>2RfW-$2^vOfG(vvVk^|A;#`L zpI!c=cI_#NFV`n1L4U0`y0e!)2ppVODei>4aLzgAFh#H8i>P<{Nt~4q+rpH@o=aXbY-_D;bF-!b7$}-X zS=OvF(@FMz5CQG9woi{gOE$6RAgWCf36paLd&w?MiEx12 z&N0({lnEhewz4zuu16`8^kXS@YUz`~)^@%2`N^u>$3atU`!s20IvX{hI4YKAH!NrL zU{Ch8J#1StOIhm|eDu_Pxc7X(n2w;=12;GL!M?HQ@S~7<#t2tRWUl0V?`#}2D}CN( zY7CZO`23zfzhztd*QYM;_D|wVJ+C!==CIYtgP$kpe+p+wiT}_U zXsEMS%p@U(tiPwe=JPog-}()Qp9xdM1eEfxS%lu+4RW!I!ev7BW_L8CN7Uq)<}(iL zR@gG-)3S_5#O(9xd2t679$}o4ZMI^|fqdTdSgMlEN;O*J(dFkC6v6kdFx&@3gwp81 zLO?~rT@|^Q_LhWKoqij?h#IU>jTc!VW!iAh%Uo*o$^{Y5e5r$yQ-?C8%TR=yUgMJo zH>V+8AZ5?4@)c7F$8YS_8_4~5@sZEfBl#m~DY`%38jY$O+7Qh>`{Iwb{GgJE-jTQvjg;7fY|k`efo2E%wu!Ei&Y#1#(1N;x8xeXili&I zz^VC^9fRj;pkZ?3&SOcP?FL78rlxuH?H1qtFO8hd2JeecO~Q*Ht9__DCFhC0@Jdx~ z1J3r;*l1hzOA{o8f-f3Ktl9+*TUj?OY~k}xnf1IszbUG$FaEH{kw-sCffeV zWam2MD?9e$i?b_eWPOIe@0baM)Jv#+fK{h(;M@WCXJW3k`#mat78RUnG`}L2V@Sb#`AW9vFI|JJ#ilO(41{$F+^Qc;?^o+fZB8l}5+iK%_O)yx z*sI_1@CMhp(!}$E=c&hcEaff*khS#9-t+O-X@Exxq9HtdK_@)_n11=L+8{4e9&XtY zCmuC1gOCei+!GM#5&0#3A1PgqdyeoZ_ncnN7mWXC|BTrPq>H{yGAWV-)&f*TMKVFg z$Os1uf4B?x(0GuE_h&+ z+aBFJOG}~5ZaCnaAN;I>eAQmKAm+WDS8=onpZK2AWXBah9lmipH63pz0I^J~PH0F! zT(+^0wFmghTAU-;Kz-l%Zg0J@(Q;CovjHc~Fg^OfMQ_Pf0%PVJmivSh*Ws9Z@AR_Z z06}X)wtjt&-rT`te`Aj$eb5%n_*yk@Z(-1g>phy65BgjmcO!_kb8l>Se=Kv=@^A=a zy6K8Tf1c*=MhQeVx+bU7{oUfC^^I~=%ue0hIyvSaALlaM0xzNRD0jx{w3LNdpIM&5 z_t%$R1I#Nu(z12DoE#J#F*7n_-7H!-t5SXXF6z&@si=p+~Mrno(3 zo(A%?QFaT-D|f45DcQ=$CDl-_Ou89}na8#$s!6s9 zj%s9z-HDjiGKek9m4&EgkHuzB4_ZuN`TrmN;58L0;(rcVc-%+g2w?q_yBFU&sFB~1 zpY@S#+=n(m6O+YPI?)tdggJWN`e#16A$-k7jELI3a6nZN5O=6-!Hb z`SVXR97ku$?mP8M5+U^_0*Q$#<+AZ(fcLXvx@q;kwof1}SOdi;6a33FI3a}23J795 zQj6yr3@2g7eysEMISgiT2Rz9J;$33vz5xG>v@TR*q(C^y!|zyCg|8M#+h_m)u{R(4 z`7QU4E?!)21D(Yq0*v7f8CPqdw>ai^+`j!O2%OiWlOy04bS1374>}?C*?b4<1x)PZ zQgSz=cOWJ8EfR5p42t?WG zmuu%FiheBKMoC9HP0?_yU-D3KNf68m3e!6MEfiotF$_}~ynNVt^`BGJ&L(x?JA~vs z8ykX-fmJi;GYfKPN}EHm?Dw7Qt^AF>${uKc8xJ(7mJMwAEt9&gaf{9Se;C=QgOnq=)_VKe)s>!*}BaPM^GVSEo3J&1&gL4$7?`d?$!Dc#U^<66yTRe*^%34iL0dzaSEN zy_%we*1g}{Ri@Jh}VzcBuKhCc7;QQl`dq6l;{h{ND@=MM>d zz*WeRiAs7%Y2uI5pgAl2Gz?5#CUwLY$x>AM((}pvK(}(3c}_|t(&Ib>$HmI@vyDW} zQy-nlRnc=eIiw@e49bo=oLx`sKlMJqH#6_^A}{=}-=&eUhF)GHVeO_7zrFEsAYY&o zc&h?0}N) z0S$-WKoa)FdMn)xi#t%t7s&jmzaRy4Vi-7E6yc9>+rR=_gW1!3X8@D5r{efA3lMZD zfxxE19cg9vy>`HnKI6l?K8XR^=$CSTJD>&KDqZ(}EeLj&|AB@6 zP!n>QZiT@C?`1+GZ7uo->Y#yyfOoK%(KF{tEZkxBvLbL503QVWAS~j<+_jll)hrHrfRxarRFozG- zHtx%_v4i$EE7la@1h5_E*vdkiYy|aSi*{|+IPZ=cY%1Nc- zNe=Wc!arAoU<3|*ZuY{Rbm#O`7 z{QJy|nCCseK{CDwcNWhFYtEg{BR}xT*#AC=i;GjT3(sJO#`h#kJryG9GE~KIR_9rGp}cb z4O$CnUagu{;1CUkG{7ylOKO=0F-6>}7^lmkdv79vq{kdUt6v2>d30amY?{48IKigogaj&5)S@WX}ap!ql;i=hlj?&Um%V{UNy< z&Vehe;#9V9TRO4);w?~h`7%{Nw>4zdw)!zuSrTmFkY$5$MOMMBsJdf=2V1fJC$bt3 zAia0H1TZEud_)iauB>QPSga8^D}eW#@*VY^o+I7s?dM(1q#z2?R^yuoAP6pgHp-O% z_SHh2o6yHxYW5H|0{UZ9cfB{G^Ct<~`Z;>qQ#z6jMhP>9QD z;5!=Oot2_h1G-0ZOB2mjhE2(=I;C5f-rM=fu%m2YeQFELQb}QTiI%d;20XIIUc0HB zF3CjPvHfOkrgmV)}Rxnfzux2*3FlFFI6Wz)R85!NJf5Ei&^EgM6a24+fVi3O zie5CPMHRo%s0Ca)j=?oPCtZr^?(qKbq|@o!Go(B3>})EimPXYG&ejb_M_Th~;Pt~` z>P`LlSjMJ>vpDg#@P>XTM+N|0c1zR7H9+22w>in+MZABY=igeY(FKLu&rE{;ECPS` zx5qXP8>cw}zq?v3F$ug3TQJaarWA+WzBwB6hll~QC`0{Y)IuaPFAKRY$(<(Lp|&ix zq6c;<+iZJacsqMjyP##ERc}J1vAAN;7(N|{wxjehnV-%kZi2vtNDdh2?5Qz53yfQryGyAib zT;@`Z+9s-Dz**1Ll^Kp{$^QC+D`VD!-Me*C_d^u6Pf00^eWm#!OWAE!+pyoJkD-hm z^pzTP{lj^shV^w{-=PXQbBew6Ql9JSCn035CyvBGI8>R)k%XxG=c68YKND16xFvMf z$LN@k_**3rWzdaWpxRGgkNQ*~{4Rj4GkegvEZM&?N8z4~M?SfVy)=T2KZBL~lJJJg z{=KJI3pr_fiOK%oKfUKH_c)UU3`ZP+N$+p{`n$)2o?3d&^Ziy2`)ft#EQ*5r^QU#C z@-OOne}!E;nkp3J^H7GVSV3&F0%J0Vc_8bN)UmcuImk^6(32)H8?7fOjr5Z6rfzXJRk#@sLsm1!#0_syx*cffoF-{NXoVJ#4meJPk#|aj+@mJZP z!w9%K%9_GGrVJ~4Q85R%$c66X*<5s{xvF^E(a!v@jcr!FdI|oOlgqEJ;dIIL>vpm0 zuY$*2<`liVEve%~4Wr-3B%8*o^SM<|*1BQA+WeeZqGZQgq?Gy1w@&!n>w#y?$$T4S zea-i>3Zfaq(fZ2<9BVLgtRtt%*HOaCw>@r7Agk=UCEO1RLyEYBd@D?m@kw^mlQCjy z(P(vf)v1Iyquo>Uzx{;;m@N>9%zN$7Uo3rx;i;mi&dM%CLt?vvuKDpR7iD(5fJ9~IG-H;T=+3obgcX;4f(){{nl z^kPBkzUUuFgz`tJ0kY-4-8XtY=)b=E-#`67*pnY>2=f4)oe_b0_j6sfMHig1yqL?6q^e6nx(MCxbb3qCy2Yp5gvFTGU>IjO zVDc(>Uf6(Sj}^7Xp!8c`3wp!yKZ45?WynRW2!@1Qo>q`<-~gB~5b#N3U6SKO&4xS( z<$>OR=Rtf&h78ZA)Hbx?tz zP@WdcPATbRe`w1kpzL^Swtni^r+2Tmp&D!E-`Nn+lc97v6}o~&I@PSx3My(KL?Khd z4UAT2z%xr{qbFmY{Xn&9RfiTT=e#RX8VltliUorjG1#O*DOm6$~_& zrC3r)aV|Tqh#I}%-!p9!u*G-*{0X!k5g2g00A7+o01sJEqx}`gA=^7O5Fk5r;!j*e z!nbPR#>qLT1L&&x9OY2c?Rx9v4N_vP%04^ZKU~}$P*GP{Vqhm+1#BEe>4~Wga!mlb>iKVT`d1u)SeO(^%)Fy*I}}WHUd(50IpJs|>zb)lg7!H++5_ z=3n=@S+!hwt%u$Hb2xw4POcsMFBhb8SBjD^KDIXZZ(;;er<(LF!UT>?bRMB7fcC4= z5gQboVKijy!k$A0qO%$d-jpg*qbbjEI6rT*|@p8N|l2KVN)tOh3_m58xI_Ub(FqMu?U{IK&83Rq&(vcFK(P zh!lH+%I|vE&VJ#=hbwyR<{rU;(Wx%m4zDOy=nJeCr4(je4|I-novT&R7rd*qFS=ZO zF7Ml-pV=eYWwhyWXrC(_2Za?Z?ZKR-AvsX{Z+(Ap4&F02D3M1LECAR!wXi*m3Z=WI z20ShLbZ*Y)3Rx)dusGJ*Og zuoJ4%A;le?IyM5M&@qO)lY=H;@Ab|QO*?j>qUK<7ahE5pN;e^UJPU9nT3hOBLlvxp z`BwG_S{i%WPY4m?#NVr)%ZEtx2WEk7;XG&&2c4SiU^he|7Ua-9ee}rv>RBP`Njubh~t^z80 zyKuewE^w6of*D%+0nmccoD7UpZABPNv?vfABOw9WOIE@N2H2N2+Cnz_%nuB~#`D4~ z_z_4iY|keiXq&MLfR|evbUnOxI*b*HFOv>OQo~69#P-_tL|vDyf1AvTv$N?55)DTV z(E}tB%M{8BrsU=td}n`*R=yE4AeF+3sAslMifH$-w=~e+rE~?lR$JjUHzhL>6%uG{ z9HS^)>((f(Y4nfu&@V{U5z^A{x9~_>j5Cm3#%N;;_{}97@qzkjcvGG|*>x^Am-u3Q zEf$(+NKJfq3j*?4cFIN$ytA%3rN~!II-hKpVq2VeQ#%f}@1w!;}LcwB#}28?k({nh+=(Jz;gH zB#K`B^U|w-FN4DJt&$TjLKB%{_Gx}Hg`jtenEDHV^VGa?*8PJ1`Sk13?e%N@=n7El zSuN;St%Id{wz~`FN1Nf@OeHvqBwYm@6&yBk$(xnsi`i}FCyYS;q$1!MZ3jy3*gcab z!ySkWI(q&|fp~ru!2;-41g6HI?>J?1J%I+p$1_BjiU2 z2Eu_!BTxL3+%>^Q5i2KPBu-eW95?dhGgps%vwDxH`++woB8^!wKXS#CQq^)q>4wt2 zac`;4EAf5e0&DnGWO%O=Ns9|r?gDq;(yZ-iHD4!mMV45BYqE6zVR~oyn|ZpgFm-bT zA-}e*6NwFEBJc@D0I=hfF*afK4Gw!}H`MF;aAre$m^Rq7!LR+7ad8P{;rYwNS#N87 zrYd}RAxmkGU|d$2kTCPK#L6<8rt`0izLUPkPx-_1PYc{hg9J_=9?e;;7}b20zJAy+ zuJ-X(-VX3=!Y}XqPNOtLNVgItGt}@K#fyny9#%+MKLH;X2xH^OQl69mZ*jF?G9s1B}mMZrGli?-h}Ba`*#dh4`>oAV*&>>|MT7^@uuG? zEk#rgD8DM~vWCPeSJ~hC`Qv+o?MC&n2uSl{PNerbhSlLiLWMEB>jP8g-~6Z`EuDJ$ zaaJqK@wR!tWX5Yf+P3<&N1NAhC!NJptwO?NZSn;*ia%x)68sWo8n5Q>u{EkEecBly zP12t61xZ-50PD;ReWNKQ7|}=~g(iE8H=W2(ianKE8Tw^tAlW~&+&!_Nd40Vr6RA2o zkan@|xU^^CL@z`_gjUz>v8}w}@o?h_ z0nR&HsB&!6(uA`7cF&npOwD$Xwrsg7>jzW$Y@I;+nbGpSaO`C%S$N z)UXhxx7bsCa#&fn7wr1z2uvjLp%pacHyH{Bjzl%N|06%}Y=@vH(Lqo%tVYdM9T{8bIqZgh(pg!?cd z8-}VZpo3P{UR*0&=0tBlS-&`lU z5>5Z;Myt{Gh{TjPciYqF_uV?M!sH6(CW5Ou0#lg4D+fuAn}GX5@{QwUmGAgEtXhBq z_&N3Kr?dpfIlbqtK(E>LFF7jL9xJx(cJmV;_#6b&SBt=Ew5BtGSb>EWqil_Euf!yD ztoLo88w2CDUYdQPZY^k7lcBNzUvqSzKk%K*$b`{n+%B3DZ=Z$CyDmOJmZ5pVF)wDl zBU$#?Ic1Ve`+vZhz!a6qLMt_aDwFW}F)<=4x71Rl&rA`E!r)0d(Ef*cfN(q1nuei3 zO`?pv39x@~?A<~~)S(Gq5PzHei1zH?LWL5q$ObsQ=m&5into+y_Qlj`^ma32WmN&r z?x8t=yl0*l?z>7ifZgeYGf$E2xIVTA&}#s(1HA_1U+oN@1g-FI`eRY~h)h_8CB(i} z!yiF8WAG&OM~m%<+{3^xC_d`2y7puqR74Rtg8@C?r6DH)fsZp}K{gpDx7CxP~LeykE6q4Qto8{|250`1D3N`a0g6$l9U{5Yy6 z_QCXKR9{DV3Tt>9xL9V)%tKqNUH=cX#N+9E2wH(O?v*TD|LhwH!^rS(-o(D1n))AM&eE(4gom7kb6*%lZ)9?}_Hrx1&}_ zDj?rv1KE?Y+_3{bWve(}UO|Qw_yI0x!tQ^yESm-hlgAMl(ts5fF0b8~)6R@WL|s3q zzK170JL)#vME|b%CawWoY@=Y414vf=8S}amk>$R!wzJ0zjjq({@OrS*C*GhN6HqiM ztnLft%d=nIz@(gXBE57ByIi6N6 zEmc{r?!b?+;@$$0M`jvw9`Fjqs(&1SM;LIg8^ivo2lO8e-B6U{qoPo7sHhP`94fRi zWFgj&&7%#<2>w*o^zygn+$yj&&`zWk7HsOk(vp>X4iNQK7?R2V*j?0X^T1=+55IDC zIvz_;Oj14F1FTa2^MDLMr7@dp`9)8GYm(%)RD17 zHMRLO6p!`7oyhj8WL>GmX;KSkEws7K7_rcOx_QWH#S%X zp7f^H*lL);X!U&*$v!&$oiq^0!$J1Kk=M=E_M3k4L;8|Z0Wo4|axH;xE&VV9QKydp z;gVwEjZ8!aZ7`ILRfx|+$6Ak;BV-ST`iq1crIJt9x&w^n7aZ+iSehPv>dDfT&kRyx zt#5_8lfOUT{WL7|3pjwj9vPmKQoVdzXKpojfQS^e?GKqEK@_EcAT6j3)aG9+Pu%05s{0ZWMUX$9)q3H!zCgi6BesHZ8ZwJ_so34p zirxooe|`-I0ynrNPd^I&MJ5^ulY6U`TQ)YYDYT`D?Tq!=b}++#p6$89Q>A~}n-``v z3srMozN^$m>)Ha!ZUvpUjy9SL8l_gXgHFA?iYl8RX*lYUaDqsFN)p!q=CvUDFpRc9_ zaEWqn&uI&_v9Hu1l>>NGuXFx|oAtR|>et}P&kPhdJU{Ci6QZTB%BnWS+6=cN&(_MT z{?%pw8Te(Di|_{DXYsyC-jMzUtp4fVi=3>&S(A@hKmLSIBzFd+j>0Y(B|F zqTY|?NV0GZ*|VtYg11i}bH;`=f2oK1AuGrU&F?`puy!iMO(Nc3@YLI!fP_(9(JKm% zL_5TEl{2=@7Ao8IyOfcSUQ2h^{ppl`ety{3e_YjI+XIahK?3=5(^y|}TP2ZjCWHLl zg*WG|?ChCwg%NMbf3%!p`2XPZ;cs>)90$us*jTb;!{R$(dKBUTudhDO-_`4Ea*Uu% zQ1Dhbuq$_kdSBxid!svz30Pa?z<`z+vSO^c@GTMhW3j&1D{~Tq`x)k=_@_}v?tWwA z)C=Does(;G^mcJu_u8xRajH$x!UN>A;S)TvCR!sGOTp?JJfHhcC5*R@+*ss&U7U53 zf}B^fxryY|XNc5Ql9bUH+(pe=ch^*FYBpUG$!apu3(wP_pq`IkQ`C>ij*?SsULshoVf99Hb8+hvR-R#GFVlX#Rn6#gvT!AJ|x##0uQx{ zXQ_%_3Cd!R#EPu&1RIfR;da^JU|UC$&o>ZKZ~Q7z0g{CuE5eta>{3SKal2a z&y$}PQ3JFJUx{6&Rz*j&*R-W2P>bE~%EXKa&`!c}c2%(O!rV(cyETi9$ZLnc$M9(1 z>pf@eR;m?l5bjC*RZ*}@EsT>>L}X3Uca_AL-21>;62EeB$Fw^o^f>Q6#)s~n=2$*M z9lsW*kvtgvvA(i^p+jTi)P>$AhI4_(WAAPH^}>07*o?XV(qh4FLSA0nUP<^$DbPCrw%TOhL!|ROVh7#sI&k*q>gQ9*;fe6xKlK@tw>4L}9zzYyW#o3sZ)h5^(%Lpkjbez?Tzvm5Qg?R1 zTL;q7lj;8NL)z24n`CC!bxFh-G#f(@FKbk#c-&ZGLq)u&)~(V5KVWZ*rSbDuXG74G zw^fEjQ;zqA1J`8v^J5tKD)$%}sef-*m^tgCIoD8q!jz9Hxrer*BlXS2`#ywQGiqQE zvvXr3H85l!d6ZA7S(mMEv?Wgdc(b<2c6LJT>+BWb%%S_#@ zd5DUGwO$`q7sl&%%slU``~Bt}{&0CGgqtXa1s?vefzY+#ifgfC?s$j}dyLiM1-`Q8 zh8oJ`KpJGK6aQ;t_y7EZ%y8yfpSB(psbtUUC1x}&{#MlIr3XGJyZh+dRz47D+JIFz zh7#Fhdcbf4j@>|Cp#wEBZ+7t)-uezVt`>cYa2a>eEE0-|!Sqy=Tx^Ue%~d0qWNiaH ze;nloEbW}5kI$4|>#6deQgN?cEy{wP;cUsj&PNJrT>#Y-u0`!<>Vcm+WYjp-8{{;!4~{_jn6hAYvKh=Owbe?=+qBro z*Q1ZK!d(eSl`?>gWsdC#W-D~U#;r%8V0IE}W!BgFFuE^MA4X#Yq2eX$!F%h*!Y3OBg4@mArWEkLodI*GQ`gQ2pV9$qvD=G^U5v+@{O@c53DT7kV8_E?NviW+e@zz^ z+53ig5+;rX0A>VE*lUMRAPX=Cir!*qXjvY5guqUiS4ucBCq>Bn0Dln^LrT+_{U&^v zq#`S^CZOA_yx<6fxdm~0!d2eg%dDwIHJBAd=lr1+l-GJttjoEF7nmjpaA~bqhjm*o zJd+XW@DgCBX;_pE-zC<^PF6vfvhC=IvzDBK*&#H;^y+MMYUA1^tMMVYko&?eHT4_Y zgr*W>8r$q|=2`Y{SwD8dTT!7TS?j8cguf=6oXFhkb7YyZO~ar{%$qiw)UalwY-$ni(Lp52lF`+Q&Ky9TC$4}U8{b@a zMnNNd>t*z83hA=fFW)%A;hkcK$D0zA*`saON-$jtIF!x2a_b5eI-#K>%omR-p8`}a zy1tEg(O`$Q(>%&`bB8lgDvTtx4KP!2F^u_h7L72QeZ#&Q9a#;V!mrp~^h3T}h1Cub zqpxS<1T<@*UgnCM)UWrAkAp3o9~?Ok!Q%_%y=3IGm6UOpO>7}6zptu!V8jA0Fo7Jg6e)41w!$@Jx8hzGZ&F{-m5 z_17ucclYSyaAujgno2w!{g%;2yqPA&?aGtRjrT*#Sc_>51F1&uUh-YQN`BN-OP*BT zVI5Q-9-qvx&Cp+)#`tXMLDe#s;w$vlcDK)hh~C%!lRPRZ)u(Vf5O~o1T`1L+aQaBZ(J=q+*s! z2pc`1>)JH*tnIkEN>%q*^pE2W=#~qkMr~IJe_PL(Xw; zIgR;f3EkM?d%hC#843Z?DIF-Pkl#oXrJm0sJQ}^B^JooxMfYZhENfQ2oQB{si2!M% zT#_Fd)I|bcyJdBcRx6!;^r}Ep`l|me!}Y8?4VVX(YDp7QJ3n9ZK0jlC(>IUHoi(1kS3U#_ zChp6tQ}nwXed$`JZyp=t{*Ad6`XwXNK^NACxkkpaH=Fqxs&3eo{kOu4xm2wmJ9N)> zK}vL(&4)o%@~pzT$1V0tX7>d>4US)~dMY~lY0>KnDH0vAR^V5^24}*jwC!s^v|7@t z_Wl_kSy6e%84*EacBews^yu6-&P;)jRxtFdQC6dsA+^!mz6h`(h3xnaGLg@iP_C;r z<+D~rZc|73UKPU)btcAIaaj$mK3Zd;j!O&T_(v>vr}Gvb$rZZr#nIYX=9-OgT(A;O z<_I((KZ0Y=XJLC+?1%FU2~HF2dnwT!NkRt>E4DwAL)$*>bjHpAjqS%3Li1pIcsR$k zT~)(sJ%hx`>{PieEgMnqd3MbWr4NDgxOH6BY?%~sgc$7vbC*wwH~-OwGWyud z`-F8yM+s~BtHUh>)M;IgyP7V!+no;__6-0;-nW`s-KLS4B7_iiI5-0yuJ<#E7oVf# z`l`z88}9p<<=UQ|N`=JcOSv1m*m9n3`NcI?XO!|{B%#4&iE84$V!9=yF>MtFf-TK* zOWh?pW+u7S7k1CzFyu{X=BoSk!uIGf8bY%s~_d-8msK)b%w3PQX03X7)r3G&!| z`$IqiOKgjk$emx#w}ot+B#!CO8bm|qg$jDY#;ZBc`z}<<7(_KcTkzhx{m%MC>OF~fEy!AH>N?Duu{s7y zh1@>p6@#W;)kon%{X@OIP4moC7a!ewd~S5~M*y_2w2Ni%PRnP1+vd;}nj5E5!`-p- zSVWM(k?>rS^DeSr3j=8mw!?<^tkG=N)P&<%0(bH|zF(U;@3zS+`QXo0+cG2p(Fx8x zzHaZl1b<6Ib-qS=Lxq`=M&a8TS8{JNFCjx#(w?*s&;%!9oOdK~H0unTO1Rs{M(OeC-4aLkZi@yf&x)gEg0XX8Ji2#F16U99#$O?g$Wd z*9?9Way`A+3*A%>@%(^QtDXGZop;5WBUaB>?e~p*K#V3OU`ij-1|0;6J*1jCSAIb?n0b0;7bU46J>X1WA zw@5PrLkMS&&-?z?_nhB4f1R~(IlzZKJMMkQbzS%Tqp6{EnTna}+_`g?m7hG)K6j4X z``kIwu8SAIPq+@5KZ5^AJhYYM&z1JFu7YpQ+sLWQojX?%M}1;J4!);!ePZZw?i~F+ z;y)5)?YrCO&Yhu@AIa(Zn66KeSFsGA*6uL8Jb2zQRieon)hN*sEzuFx*r?zZDIdSv zg{m{kVNl7@wDqfqHlDqGY|>}#owocUA!E?PJ-^SUq*x>|<6HOLG{lOi-_~KET*6&t z;@42A!C3OYFY~=SF{S^$yjv|u?|tv@19yuuE6Tb5eW|<=6K?XKm-aS1>ni^aqAg)* zq5q%pex%WJuG6rH@EH4TRL_OcX z#i8uWKJ!xL5bI+bbm)c4RAo)ODwTXXN;~5=*&SPRv@$1Gqz@Mp#hhA#NG{hf&73iq z`rJbN*&7{C`Z0WTTEV*RK#)csZ#G)AzrH$tC${ZXzCVMgG}#iQMitfgo*d~y>y&V9{x+&%9fJH>;Yjml$K_~rP=>PvPSf&FcCF4iWlMrvbDv>6rflz3p(8P>3McYfEklG+IIl?*{P*Nys>EQ>FDBh(Z(JT)b^ zrGI_M!!+T0S!$-dC-@g)1mCz{nf#<*#=n%L6VaO~(KXSqR?30~6I>tIh3fItPP*s3 z+?pOwYR>dsPRlW>b*^BPcT2f_o8sB*tlyxzXzW>`c~$oVY#5lR)O7QF6!-k+5wh@X zMS8=#lK5`H@gxDPMdS^7T6ZOiY|*H;E>;gU5tOfx7aGy20rs1}1ELd_`Epu3{f9tu zK$*Rw#T$RJ@P`^7GXjoQ=i+2eFS58axuyE=kGFNP2WChKh8@fV%J4L8W9CX~r@t2r z6$ot2kWjE*8G$>LZ1*eBc8qS#GzacK*%+fODaTOd=oD()IWXhM@_D}hQzmM}KT%zT zGEwb;vd`}UrAnLAlBe0yZbwnvrHlb5J6(?U3#`72@fPV$HFlmk1>!ZT9u2Dn>GL85 zv&OwkDQ0Xn)34U}5rl0=m4(>N)BLPv_MYIxvf?d$Gyi1uqBnG(S06b!%s*=TjOAsa zkvZA+kx!+&`Kb*3>ZBIsCLfXOZdtuIbAmjQBHp^8&+n?sC(6v44Tj#=8AaXh2gZDZ z7USA}RVgf1s<1K9a!}je&K!DMxK`!+7dC}#gqLfuO~wEbbEqx zz3ZQAz_3|KMik42rT2tv_c|UfCi_VtV=;dAoSFPH?pR|kr$XISJ|~iAC0>>THANyb zxd#x467)w&)9&{Q^6`5q#tBl|F{9j5$Yj$z+;Qi_CH9qoRlnd|r*04Ko@USbD71d^ zv_iq4{98H+$YXlAZ4Ti^LHHR?mG6f2JG%lc_+Vwj)Y|G|C#Gt+>>C9&*Wy@n4}n-HFrcMhdm8lD5MQnoH0b09zI6LVjA zheX>bW|!c$6m)8-`#4{@L`fU1N^vKkvFm*=C*8UTXHA~Z=c4)0jE9r?IGcNAxRncv z6R_qIZqApxd7gd{r|jG%0D?tFGv^=UZKICUlHZS1s}K0gCS4xE0?isS zo=WZMPWBbt7UT$4eR{r9J-WuBL}jJ*^CsBlIpDAQ3QqEDjdl+lyWE=(QOx)NNYUO) zG3ANokw4ZtJIqVS9C0%R;4hi!gpDjxE5Kj>t{B!ujV`o!4=6Ikwz&s|dcY|jnAKb^*@6Zo=gP`c z!{F^2QhP&l`H31)u!n~yv%L~qF&y*;Z^-ElZn8b$NUl+@KBRYwlca%qJyVB9u4nh-Sb~Y6mt>m_> z<-$yFxZ{orx9^A>xb-ZDAthmgJvx7R=%|2 z@ehDYYu}n$PIqB5a@5hC^`AZNTM6%b$>q!%c(PML&NPvOJNfh_@L>GQIRf?zP{dhdL%VY-6Ywj&+K}o;gh&`b{@40(1XoO?A|L zr25Cp?1M~siLF}`uPt21BDb>!qcV^o#WEcOLq{)XTY`7OnESH5f7rEg7G_*K7*4KH zy}F;%M1L%-d%UhUv9e=QFxE4(0sOlgJEE1Gp}lJ#L_Sw=H9D*;1KVc2R&iD@qF0uG zWJCP7uuf|yTNElOSC6-v0}*@#ww);pHUzI&>$fK8HizQOg7y+Jd}&z_8L{uP_2pn* zn&Y}$G@2IrSo|j|8-gV;64bL|YO6;dkS+kG3ofPSFLM zqN>l1n%qd=dKD;*2o0*y1s38C7^~3{z@g?p@6j8xVtqn$f|JvpF3b*i=+4>{hM_m% z5dWHE{?Y>xDdst{61U1%3D&YYyLbE%$G`EZW}nvlH9u(GUp2 zLl@b#s4Jdvi|-@ImcpFBKp?KnQYq0R62hzy?;x_?+i)I1{cd`_R%MGWblY{ zW$!}=NA+$J+O_WnDLi!HmNX-Ftz8b4y{zrpwsW)bA);8lC^7@2K&;@m2bwpn9^z5M zcRJ*0)W(-t)wG|;qOAHB{w$nJ#E4OpbSK`X3#Xi4;Xyiv1&VOj z)DVb#ek0q33NH2P_v^F5S=9lGsm7OaiqvQqL;#LZdWoXt7!xcVE`SW}vq1HEtR8$6 z*s>5W7A5Z#o%Xp?%DzQ55gx*T)pt5go|cK)sO%9jnw;6L&;KN;xQ-ZTzKFMJ4DOR` zb0~Mh6S^xisyrv`3Nz=|AeR|5Y1TA?U;B4Y`)%DQte{z^Ep0wMB244`i+)e7?D=Gm z1>#6k=NZm+4Hq6=$|i~8f!sLMz|B9XhDa~IRhZwmno$cz{S12~+;soAVyLGHXH)w_ zIQzmqXG>z@goD}TXvy|J!uEqI0AKMo&-3_nPk6TKF-$Ro3*jM`GD{&SaHo+_p(F!peY>wrb> z6HX=2%gZaoPZ`b*AJDw=ZQ*@LC_Bw2_d)2j^mIQdE7Hj?og^Gx?!GzbL=o25bvFH72X#Sd%B4mWT*n=y# zAC*B?J46*p#xt@5B1R0h{lPLdSBzU%uq3`G4@FH8%|lCIfzN}jB2|jnNrN-G_dnf< z<;@#LO3j^B*%nkYQNUTDgQTxRAJd%pz@kT!?kwgGe;MAtB$T(HbvA`R?SKc#Il{-(;WuLKhUh* zFHgh>E3#ShbZ3Q{7!PQY?vZ2)@aq1w(XO(6yA>Lciv$h4Z{9gMt@6JvylT->rmaT7 zo)T_178d4Dswh9Ls$r~kUS-P&;{Y7#jf$^5lw8Pgd82`2vna2^WT9{t={5u#)Vgve zhq2v3yC0Zt^Agf%{vdW`NsINJ71Hpz#U`<*Sgf)A8_?`JY`)k0%X2dLB?UR4hm*oAavVj&)Wc(IV!e1~TZ7>>aki`OY*pf< zao<(Ae}y2UmuD>L5WAudyCKe)fAR6v3y@&W&!|uc&8(pfTyx+WAB@gc zy<3irV&h=i&&9X^(Hgsw(%2wD;R0!=qfs-wKy#7vf~MGP5Yq`(?iy_8Bg_x;!1d;n zT6H)>#p$8mh$FXYXvl4f*kYD&Ia7(UA8T&s-qi?)!)Qnc7^AQ3g4?A^K|T1 zI-uglFJdj%(pzy zM;Yb3z*G7rFKey-Pft1KvOBd9#sFm$ymUT$YhX%L71-U8Qss4Tm*zkFV;{MylfHAq z)^R2Ap&9NlcFxzX{F)^#EplYxWHhOXL%HFbuip#vQe0!z3<{;Ep|8(|m$|+D8hpOQ z6=m<=l+Cr36SyC^{k4_7#0;c^XC3mk=rN^F`ljh* zT2U|_LA>lQjPVb5-s_LG4_+eE$OLFM<+zn-qQs!&3$&H7oUFR=eaS3rusMo5x^hb2 zz#`nowG(e=^2p(1lL~N$5u3FTA1K;&JH1o#0=d`p=x;;ipU7Sts8`|ApM~c}5N4da z4y!Vw1b_8~k5x|gX)dUZ_%2CZ{zxBN0lX~-j%QevFlz?4LAN?54&%j zHHCXTV@O1=ic$HBR`L61f{KPwB*hZhM(~!UXGfAcAHD{bG2_{g3UhHw%EzRq5hGEM z8{>LBMyNymS7*@TidgMi>AnM(#jekO%t3K)aVS1MRVPnS8Kd0|*p(`Z@Uj{Am9hKh z>p^;m9&>K^j%&S-A!;k&)r=iwN{Y0@pT4`jL-E|QBC-B#sOt_7c{fS&p!@wZ~+MiaZU;F_ajG*9W%(| z*bl!ChWBNPskd%$Fv!gbZx9Xc)9=jh3)PIIA>%|-y_Lh#HT2_5(n5I~mT?b4M{HP! zJj`2zd8SCjpXBvFYAGC}pn1*c5=(Cc@ezMJKhLs6^@w%7zaf0YuI0>adWTRA`4)wu z@iK+9jAJ0$jCB@2u4=O9ds(`1Si0|U>pBR~*tug_2SI6WN=p}9NGyH(hrjs2+LN82 zk-TCV7>3ZBPiid8L#L?dT=kBpqh?7kvj(D zJw>7TluEhi$=Bx9N@PQVU@UJx1R|I74;#HB2b@x8G52Sm2ycfFmE3yXt^qx7ewU5V zSz6it-{35v`SZC+8m-A0z?kL@)GWot3=>_%d(i27YKkTQhUb)tk;9odckEZ8fWn`- zS^TDgCDC+9asTOPbQkJ7j5>SoJCU zynbLKu5{7U2z8x#0e7!Ez039=g&d^(V|z+9EGtcuY>Fop=Im&+`T0&L*(LZpSIaDj zq4wHCWHx;`YaRXv>v>$l{h5+@ue>LTAPlqDPzLtx=L{R$+jYoYUZD24iT&*UKC5AE z*{#2qglFQd)lyKLo;n08UcPXS*UQX03!;aUvp`w#b&yAoAt4zC_d!mVI`A%vOp_)e zjkb)sQ~t%&SPg5HmTU3vS4}CBoxwMKWC(syvaH2}&nt`_glWnRUEuf~W12-@Go5HY zc#>97-p#MAcVTgwP7}K6F7?1z1xS5OAJ*|HzI+z()cknyx|0W*1EEJ?LB?%lN0k@t zS+R8pOGmEOLrBEl7tZ$hwfQ~y#1oYSkcZUmwE5$%W2LJxTguga9;bdCFUv;`%30w_ z;O>PWO}n$V$hmr&amPw-VY~w|!{02MRvZ)EOBTN81Yw$d%(UgW<2Jgs=^c%tv>lE1 z*{iG86$7R?sqm+o=A`8GBb=F+xQ{kN|M2#qZhp53pJN~t?=Za&B0XL5i-%)&>u1kj zo=A3+9M39}HHebGa=ct+rU5P3t%pj*Yi<1XtCq#=*~%lyeY}cNrqNs1kLl1hl*i7d zp?xIp90Ij}f8nbwIW*-j)1Blpc}!J_Xx6sK7&Xtdt-rV*jR?@TDE;YY{BiR0_Hoxr z{2!q;#WgGGM1&r&*^e6>oSi%3bApfJzu^1~J_4`|)m&C}rmVOtl=bSzG=xj*-{PlC zfoAUbtHC!%iW-@Tw~62E#+Wq>ApRO$f0k3YMC0tYl!`h}X+%c@64~x3W{d9g@d#pR zqLz#LB^v&lOpaij??L#W=&O@>^7Ax9(C7VB5hI@uN1&`huJ4mOog8^+pkg;sUYcmv zAze?q{JqPHY&6E&17W@%Z&S7#B(rF2Wf}C~_Bg6&QrTZ@C7+KXloKMGm zNPQ{!x$hWF#*^7ET(1I^^aozbSePkmW&Ppal88gyzGuL@DQb1dD3f{H;7IabOq{Y@ z#qURttNWaVc_fbgPmyQ%EYy|*3_D|doS3`izgolltRd#ai7WM4Lw2AH);|u*S<6$^ zzv#jV#rp)zU>%ZTor-rGKmkR$`ZyBvQ-Q5C6zoni3&U?TUu$ z-uH&zV8~0@xUZ89xkEqnV@f|*9jAsozhs%H^8(f(1Q)`^rgQ%qWR62t2Y3%_Lyd8- zBxCpfa#EHLsT;LfhAM6P#;W0aT^*@Er!_`@3L%2N=Xvo=wX9}6Rh1)*Kl8{V=bJiW zstKl^Uoz?>(pI?CZcORWg@MbdJJintJvlX|Du;c*=+_u~gPhO60}1(o|AQGTP^4}& zhK5!!3|{}_(3+ev3aFiRQ|v58$nyr9iRa)lsl1b-M~Oae5}$X>qaVF;`_*1MxiK4J zyVbQxXn)uFzGeivQ zn@Keuh(@_C@ggx*_T&xlEV9y5(@kOK=)>|iODCttTX`VSnXrtL!W^z-XR9All&Goh z)T%QbRQ~qTa&DaTKbW!r$QjS^kETfOvL^TOPYe3;Yh$?^@#Q^SoVAkBA0vv{3`FX0 z=i{&JfFnB*#s5q%5bz&Z^2i3SHTwIh<{{yb*;a81kN2Jb4qXvNHGgI{Q9ZnzYz25xE_hECacB+2B}D7 zx)Q6~qm#2B5;BbarxN-U-y#$;s;r`oMxwpz==Um}$P5C%{pVn&>)3eDf1`Tz4YniP z7-{5OKZaps4?J-*aQU(~k0?lYZirV9(&VvX`Tc8{TTQS>$btwMGZ?$d@gzMc1C_t1 zn#4wxMe;K}N>FY+L#QLYnsz#)vG`UB_V&>kuThh>yNPPo?!U9m#pu-^?s2^`NpemB zgr+oF6fjbTh*%#~|WX-N@A*F7oBQY1F$?EE-tSVpH=@FUWK>z}DXD8R`4*;h- zojQLP6};m*_2(>|ZC?M3?XHrY5a00#N0;mWJ!uDJR^ht0+?rp_q zQ~{!st_qH^-`|oHwWLC%B1b`abA8_P^r@T|;3nUk*|6%FE^N2a#^J>PR)-OpaHKn< zrHWVO`{K!?_MoX9L(Rt;9n+mc>KVr-HIINs;C8P|`R&JaXxEUfxy=SsL;#W`0-TV5 z8n*#oryC5?hO`~s!M?dxq`iF$8dyuz+2E@qC1DahkNn^YoB|tP7Kq6 zRKu%Vsw*!SUz>?VG1&B%01AFt2NNAtabh5Pa`P6yAsy`zBHtfbjwiJd+m z56~dpo~~qlDt-8Zr@OS_*GIR*qx}sQ>rAhaZSY5WlOvb#vRYYmlz`ZM(`LL_abpFT zZC&xd=C18G;uvnyX^ny^Q|t8qO2FJugj4yc^47ob0SlTx1H|Upn2JbsiyHKZw{AA1 z!U~4Z>)_~6<8MX`B)a(k3b@@MgQxJPcvU~DT={CUJTTrK(a$Yvx85R)YNx!7)|Z<* znH^$qzY^ychy)>ZqOopFE0-A2gA4z?YS&#{t>OK`&R7z!iE{3>IggZUmNnKJ3 z2#}1U|ICq%a7Ps5YUZjrOE&@go_8s+MN(wUJk%9H(VfkO=1(icax{C7aPuj8)m6}d zrDXlb(jueA9vv1pqiTeq`@8kIZ%uyva43t-W|#htl0e&U)G>VO%fYk+&DFP2zJR)i z^Q>zl^7eQYNcb<2k*h=nph`I924YG16%8XSpD60`%TRgPiIKxcaj}65v7&Dj(eB@+ zB1f{TSeJzvX`W+YwXBECJlt5dXoCoq_lmqQRXJ`=_?2w8PNp5{K-F7UAs<&yWq>h7 zDl(V|Wq>`XxXz{Mh)m0&m38v~Y<*lG1>QWyL^Ed51uS`Y440P6qi{1w9;(2_pHC7# zfZK78H!HI*GpaIS+?)s3gVk52CvF1R1zTYbu7*j((Evfq*|ID^yWHnciRg~&Q^a_7 zS}qH~r=6s6)Q92NxXh@JN>JvQMv64#<; zVpgy#xwb|eO=VT*m;LjvTtcSby7$qfUHw17g6~~P2k+EYeG5alM#QD}R?b`y9CISI zyMQSd)c(PVESsWe!%Cs^Ud+t*{`1{&a~BzJ2g~0n5ghEOC9p&V5QP*?+5Nc6Ne_aI zWz(`*D6(_*wyiNEPxUoxH8ZMsh%Beb0|-fnY6R7L{%@`qco=N!v0`OKOVDr&WH5cD zB;R#LyQ|&a@2{w+8p1Okbdy32JhI*FT0ieLK-!qzkyIrui39#hsVO_DRDWO%_q^J6 zVrLpf{}qL|H0pmYa($TFi6!c5)4o-T34J!UX^bAC$Fz{LH}_cUIEakq^+eR1uq|hg zU(1y%ml|c`84((UM%|yVA0x%wW#n*bk845nP4B;+0N2=lMufM(*A2PKHx(f840e*< zgjo=2Zn08sXz##$Le6=lp>>);{t~I7FXZy-Q6OOHI*(7VC#f}?4Qrj7hgC!QLAAs% zK+4fZ!vEOWj^Q|WMKf%1Z_t4l(RYMxr@lSVagKU{|O^3SQ z-9RKu727}bE(uw4IBK05G;~DYo!G3*@S3b7n3HwTJsES?$G_&r!nH!XWZhR&xf}9V zQ%B7Y2ghoBn?$xuxVZEuM2OL1Z3oa?!&TjsWtqH$3&`jYH!khG$(m*13zwN8qqocm z)(;19W39y1F+8FGg}^@A+(&%+Wh(3$`0n889fYnf0bL>RzSj4n;Z@%Nd! zgMVdW>ej?xcG+(Ej|cnVmwVDhU8b9S@gqNKmvx;_i7)^2vthhmY~k?TqF(!PaiXzq zgdghtJL*Tl&@!-!hu82WcdKa*&a?4e!{Qr zS+Jh`H|+>+<&w59Wp{_uT8Y8s#y|hB6RD;Emgh$lwPE<0PZHGanpE(_ENOlLq*8qd z?jkAMRm24I-+5Pe%^m~K6HZh|T>`qebnQl&vlGEdkPuq*zn2?_C_7C7o|<_CR21bv zk`?|;-$aTZ(OCh3tbtx&GLXH6Vw@WNeRa&VaS;IuK z2c$|hju8cHL=D<{*4-l5gBcZ&{BzCZ3gBfumM5&Ij!y{-ac(Q#yWcn>L1HQRSBVGe znAo_A1;6Dq8w`_8##J&Y?)Y*GQ@|I**VazI`eeVfLwLq)%7{qC9rgwl?)FJv7L6hHc(F7xIn|2Dh0nWVNcYDVU20nfxN2jb|XiT zltWzW0a5EGI)m_-JP@Hj9{E(-z!hPm>_o@(W=niLT+IVR$q`0OP^7&<%#Ad8IVF6W z-T&RP8Y&9JV1zrMq@tJuzkg#XT;O(A)Tk;K=Q|T+I+FuV${^n>EuK&(fy0iePDR@4!@FJ22y?Bi{qUt zH~cy6d%?z91e4QWl-R7Z9DB7^(snzV=UNuf2M`E`HksG0vwW8ghE45@P#7Rq6aM_V zept^a9MIh&o|}{6(>_h`{xTt%@>}#qjure{O?Yb^t_4|3kX%v%pQfG)bcIUOyg>Oz zAZSQzKxhDeML5$wKLhwgUSi&A0W@A08#ii<46Kr$Jx@mKg_(@xLEl$OUwBkxX{)mR zXEE`qJTaX{?*S3vYly=L@XITAz5A3{8_aBftm`wbmco75&)6kV|ver`%kThMA zST9#NNypg{Bik4V3=1SYat9#Ii!Q@%fVwE^Se2&xsrXV-JVghvVXvP+9dHu(0H}oO ziaB{?wp++{X46Q&T^60ZQW!i>E;f;73Y<|0*&(PDADo(L<8OY7m)i%zw{oz%9b1RM zvL!$FcN{p!3Xi-#J9A~SE`)^VN1>%I2fl2MTDq^R4mQazyNtuyxlqN{~J9(_`xtZwaBcg_@TpD9>0 zm^BBCCq3sJRkZ{z>`>2M^;f2gL#C4I;)FF2zp_b+iHKTL81WXn>1A|*Q|$FQ0|LM( zmQ?=l5f;ICiB@~A9$H#yg8AeVqPWI@DDtYZ|481RJF6NUiAphj=m;n)x2|mc&2IL= z@720r8NBW8X<^f3mY;F5;>B)Nd5YV@65#KW+IEwTyp?BohM*{sy^Fna{)~tlG91UWWv)>5_N-M(UwbrmIcv)EZRK9Wa zg>t^Tl4U@k8T;$rvrjch7ry$%gz|6q(}lS5goS5z1Ki46_sOS{MvYv)5YQfxiONe9@XI{vHx_}E*lk<*v2A^)+7^_ zyK8&2$ClQwE#zMf!djq!rgu)uTX+2?WuhY^yjE}RG)dns;3fj69<>6iXuswL7goQF z&S@4+tiOgL3{0&^ia&@GNzg0XXLr?HiBRaf3S@E-FQBwv_0@pv4= zc=f5gKQPR3!Be)+1)gx}pld?-W1D55TUF}xr#pVMpH_8ZueNRV^&LoI_)cec+MY2Z z%zWm;FJRAi@-GO3ptU>Zq=EZs*(^(&hX{@))1Z1yB+8rmu{7(hmIx?!EvhY?c|8&s=>A zUV3mlRD8Gze7Pc);OD*y%sXS{#0Y zLb?nHx1Cab=KpC+($Qc_3BUd7XcFIutbyUt%kLbXJ6ItzR|es4FR-#Uq56biM@Rts z)NSfKmGU}?)hPJ{Tenwxffk-oaZ+?xGSW>~!et!R7*aK^uU~x1^F&-ox!{=tmBeh! z2oTgUwQ+aoUtqT`)Yz%~ap8kd^9hrOcYiEw{qv;^;l;;LRm->6$;}G1_)GN8NrCKo z{_~aRlqE4Xk5x$m7+W0Fg$5q&D1~)VMxWORxVa4yfzHyvpFnlI{-Ks)#N&79wX?Ujy># z4pIt5mR&ph3araT3aKWMgKuAc*DQFDA{~H~E~feF(uhEbKG(YYl_YkR;2HLaz9*wU zW(BB9gxbxIca0tl>*~Zx&Mv%sJ#)Q3HKdacV&HRwIY#rt%0aAe`Q_Fsq8|LzdnX|A zi;e;{bt5xfnoCcuw$T9mkiNQ`tS8MS9aWAsE`Zf`uf;&(<~e}zX6*E+5lHgVM0dkY8nVg}P2=Z1F6bA8Q`k^(u3u{( zM9?iiowa7Y{@#e`-d((Xh<-~YA#3|SZt+> z`f=LthKzIECinL@B)vfb)-gkI%IoEoDD;ZJ8~=&G>#nJM@xG-akUxUJj7aWe$tOIq zh%f&pXZx@mRyZm7l?fuw`3v_w{&0J$H0<{6FYi)m+Z-#hfrJbBVrCGfnlkpI@~<0M z6QcS8x%%eeuMhm7NQ?jywes@qn1W@a{j=_D=a`u5YL@4zD(#w$V506MV(uJF!nc|W zFuWzch6TTkT4Vc2%E*z?2X(enxL3o#N7qI;SS)&oVU;xa^vA5E5zeY+jaB8*LyVyZ z$z5VkLjOPC4lA-jD_SlG|LfcD8J7Yzy1<8Ig@bz$SHH%|Vc*2%TG`n?UmDlC78E`7 zP{tb#ZgxSC!AB@zH}oy3sMx0`;hC8d!Pl!)a-b81PqTg4&s$)GUBoU1H5DBS`kd6| z&oS(VPZ1k3=-*I|9kP_1hpuZc!oHL%P^D&kIWNPHFd$qdlYvg|iczb`!L{-BD%(rz zGO$vypG!)sbCK+CN^(*=TZI(Q@B7*@A9G{eRy`OCBILF#U(I{?|FOeui|S zWBn!LP|mlCs-IDz-$(NwCuy&DG1|OdD)>aXa04|ZO|U51l@%W91g< z)C%rY758(YQSrhY(7eCkg5Tc#qV5x8+;)0iGTUE`i@CtazR1v-4fU~yY*EPF%>K(a zf11)XnKZ5&=Awl)?_B8I*~#^5T;jn|QL#g$Iem816|glY-XD-G<4TD}zH!&!C=^g^ zG1lK?F%-|X;(S%!&BH(;uBbBlN!vnnX&X`NFcQ~=z3%;O9JLmK!|<*ta9i?*JW`bz z36Cys#gukFS~kL$42=v4&WL!k-Ru)mLOUTbyb|UOs!LrlJ$G~~EU~qZm%8=s5|_em zc%o*F)=qwDjajYq3`Y+R$J3GCf!Vaul1X?3oVykv^r3}_?e9pFyj{_OXb^HNn~WE! z8y(pLF5xHy<1oB^mQ(nT*S#sLGQNH7OJwKlee}fMG;c81LahT`MWfhgHmRg;9zT_>mtxv%1Ukl3e_-5K^DxRm|;yxfDQ7G?N18}eai=Ur-d|^d%}^{ z?X0dd%I6thxU}s8 ze8I><=^A7=R!~7tL_Hp{La#tv$5{QVirsC zLJY63FHxXxk~;XgoXw6gs*~Q^?hmH?>f$rDJSA2If6cKaX-g{{G{lR8Oc27vK*y^; zcF(Nu0hXs?@8*{HRH3g7$Q7np+$B2#x6{l6z+$a!V>$m8`0t#yR9h4Jzxu$9zj#M+ z7QAM-p4We|Ga<){8%9lR6A_D`xs|L(d0qfBN+eOJE2H?7Y z3J&#%fso&cr(`W}x8Msen^AdL~|2Fx8H+GOc=5@afK(_87V4AMGavb-m41 zBG&a_dEdTPZCa)I_KlD5IDoUg`tJDySVR5njkOL*aQ}MxnRWhRB12wV*k@Ku4M9PP zRPXZgIPrH}^%}X{RBv^IWDi@RYDP6r31ec63*9C{U|sLi*vs-*v!0TqP|FTI+;E{tuidDnZ1LxZe-{S#FH1XnpphQMY z`fNnpf8l!XxZY$zhWmHdpE;2tzvdqTwCE!(-pNWx`{zWhiviFkVY&tTScxX-bM-5L z-UF(57op1kL99CJ8VH_)>I}65MDmJ8eDUqyMy_N%IHyKBXsMaMK1Rf_yi;AG2W*M$ zJaH4YL=thT!7G}48h|L$8f!yEi437hLofa_eNBs2=U|GrD5d1>GvqX ze&t_e%xL)N%S*RNUGN?|8 z23>Rtz#HF~SEMJV{P7Fj4kL|8`z zHAZYc%Ju`i#|s_suEh0RmI9cBTcfUhNqW=i(b`Tu5q}1Z^k3NXS21U6EwLl;18L_x zAQV$D#I~L`CxDvB1JZrLgRwT6p8#mv2!I8Pu)4O82v-L=Q9FbBw$22|zy5JlsQ`Vf zT+%7#d;okLu|Ye15IFQ6E4SFGSGwV)`#;|&WuyoU6mW6|cKZgAFWcUqaOpBX2Eawf zYMj)*f#cp=fF4K?VV$p=)u6*^_sJwLD8a2nP>hz_yOYG~E?qlj)6p>!esZ){HV5ni zHbK4#VD(srmkvBM@w~W3I z-?iKHWzB&Oq3E;1i64(yoFD+PN*lYr0fYxpgPcA%+%3DOttm)m!ESzqCMaBZ^|pgT z#HDWqLcc+CW_vk+fpj7^ry6Z^xbxCyz~ouzja^&$eYR&Ef6WlPukKgBze(6N6?X)b z)~~PNF#JKi@)wx~w*XrJQDrdvq+1S(IIb?xj67_p6S4*1F?wRl8sUtHLly&A(v62V z#EB}%6aNE1Yzt=tSs{El#R0Br-8#UwV(J#&NT{^%b##aj+at?~OgZSG{HWFX@}GOi zi$p4O40HlNu79mmKdVZ8(Rt}g6F`zyFtb?C24;XMd!1jN*d=yG@sAi-c35ykmG=@+ zb5@S^V7BMZ4^kE@<`c%@urrK`2oV=Rt0W=kFuJ!&f+P-(O6!dPo z9lKi1%7tFAiVNd^-u~JZ-1v^%P0$%j7eRC5os{-8z<}7#B1ULqDbWCKGoE}yj9N|a zjS^_lo|hLx*an}<_@}=5Rn$i0$Y~$T8d$%+$VT)h7=XSpk8+Zm!Sndbz)cqTt3ZfX zr2ohAJAl)xZNNId76b6=B_n`ApF2z-29ov)W+gy9)uC5sEK~~6t9*CR#;u(xe2;)j zj^63GsLfqmj``~BaK0s3-&8z;@ATgGy$u*4WPUS(#hI~o0O&DpG`@kAw~$(ZZrQj& z#*aC0Ezvl#(9ZKSMC3{mpcr%D1ft72gcd{jfZ#HX{}k+HI1m;%F1AvXs1UhwpX}Ly z;b;0CygrXEGX`!38_WIjSSaH2NtJvSAgSkts2Yhh z@c#NQkTvZ7cithJPuT$`{FNW6dFh^-TTN4*x&Os*lSc2$CJmnd%)OO8B096a59*eo zTiU9y>qIoxhlIAF!EMQ^#!s3MGOL2U0DreFx{6^Z_9hd({NtL=_rsJWcXv&OQ`t-6 z>lwd-wr>_-4zcT3!L8o^hA?6p-v*xHP04d6Z;SbVIB2N(np|036yN79+H zg#M>qYRDE~shG&5rbhRHFrXaxsz{<%NBX`pNHj}^&}lAfT?lT@vi0c$BGgUn&oVLh zJJ`%rhjlWs!gbwR(}`M*Qb@*S6={I}*9qo~%bbB-uGtY5v+Qu-k7Ze?aV@X`U5`|t zE!Ibpx}Ds8*Mu*D*!Rv;+5KRyjaH_+Agr$VP*8)&5l^=E$C`suH>T__!@zsKs*gbI|@mXM!hsO%YiU-pbvzR=-)?4m|!VY=PRzx@h z&g7x7M~|>u=D5IvSuqpkYu=?`1%Ae8cl_es_&;S;IF+3WqJE_boS@V$O#O*$F15R zI%-!#`8w#~{6zK8j$0Piz>bqJ9dNv{ z`tNS2GkCY2n?kjwP_JB(Jlo`~l0gD8#l^ zy}=p4Wrc}Abp=Y%6g7Jc8lNKp+J0BVGRWQ3Z+o^i9RH%QTO$F<0-iC-xDZ-4gk}Uw z5F$JfVT57olDQZVa$hsSZM59BnrS4$MEt62qVn9wI}pTpHvW~daB7!MtxyP`Eu{dF z(xvx~=54SYv&r_yTwrm$!k##^OGJ8=VQmN_8SuZa7x#Lv@Tl=l@fH2Xd`_9UH}4;U z&mZWrn`F#SZ&Bu73=z*5urXcj)|6+onq=@c_heF)DC#_K<}FmEJ?rHgGyBaQ7aN1T z)+8+e{np_49-~Yq1Kv0f*D^0q?rEBueViIUq3+*hcXkX=BilA2EK9=uAanM zb;g3Vb`W=O6fz-D`yI0r4L`NjM;8lJj#oh^IINy@sSXlBdN^6BDq@TO+}zc*cG1+Ab#389wJ#=O+9(i5l(sY#|EW#Ea*6jlAG#8oAK|BRA`(3PwUM zX=q?CVC>yNF49%{LfLM6>0_&B-yO9g>4r zESf>=`N?fDM!~TV0i0c-|h~#&l<5QPTfNq+>S8bubzB*dOUO1$=ya2$ypSnS%0qME_x>X zzj%A^c&y*Qf4D@*O39u{h|?xAl9D226tX$V-Xmm`S!R?`q-2zg>>VK^Bcn1hPMo1a zRvB6M>o}{=_j6r;+>iVIJ+9yN-)H9ZK9BctJYUassMKPP(`3CueJfyp8@ylE87asw zic3(@ypFW#AuA-Af*#_!a*hn;78+pNWGJ4GQxmdr(bc+F@?~@trcW9WscnaE&B5!i zxUc4Ifmve%f)dC8i12>hcGZ;P8l24`$dg*#FIQnck5C<&2MUni4(NB$i__nlQNxWP z>ANBqleib6YYEo@2{b#vLD+Ah%?t?dSp#Y%Ks!H-NFQ}IYe$fT3@7CwWC8GcVtl^R z8%;;!U=|`HNQaJ?4I4~O}nRpF&hynm(m=Ik^dT?r`|Biv>akhk@k zb~x&-abfWXcQd>VwoFlP%aO9}h4z;nfozGG&maqv!%Dl_L|=c+;=IG1^)jwLv%afV zR1|^*iZJ=1!HpoSp|%!yp4aZb60VQekOB~Huj)V+PPyI5IR@jQvouuVm?s&6W`5R_ zN0wlB@`7&$Ddpx7!Kxu6^+BXzFhU&b5NV_Y7pu0z_8n-xLNMOmr%yQQ^v|oTy9BFiiH5g`oYAO_u5OSP9W~Gx;BfD zgcR;OOzh)t4qnRj>CNtyWBg5VtSd$18fVNm$>7UogT>bz$!PvrDt7%83Rmb}1jx zR6cRO2+Zm&(}X%7U{4}9CZP30;$phT#}hNT2Uk5D20M@ASj#EW%9vNSes3Nq z@bY~_1FYms7@ksH+xQDjcdgjWG60a7tB8RYw|wFU*c1fId|L5OQiSR@hY|oE__IU=

        ^#rlsYj3{RK>7`m<*7iKw}6Hjt9x!aTDfM zz#NDJPX=bMq5jDXmb4PSl2kCoj=$bR6WQ(y6-946&Qa#YJv^-q12BCZm3$Q#jMBkR`W zn&cyoWx?!(%^^!mJ+lbfphtC2FSm`XY_YDOB#BLfs4l})%FjWSiGoc8>SED-Ap5}Sw3A6G*+R0zDN^4}S>k4x;^Z5YqS z+PZw4P9!{>!huR&rsA+j9htj2LlHvTvqhlvPSZJ`pazamh}0y z3b&yecUBEnHR<~l`}E0!Mt8K!C7bzpt$X4V1DL8~9V>%X8rXTiRnQK6+S7m;c{6Yp z@*vs+@Z#g+r_hKi9re`FMi*zx4!-_^*258RB0P1pn0@&R+~-IAEUsgPzMZ=M9V)xH zLX84vVCZM7RtOS$pF%eR!;SfP(8RvH5yhD}chSStXBkgM=`dv{r)4CFS5Yw>Isfs2 zQ-o*=ag$LQZ6l|Kv^)%t<~dhGZJ#{90b9B`&lF>YD(>wsu%3K< zbvgQ`={Y+I{R7=%rr;E&f;Dl8RSk1e!2&~8-7$@Teij|~8nkBQE}EYPd_yVDaYV-xJ|mfX*$ zGy5oB-B^WcLBF&#h*EuU->nJ1NZC8zAs8{^+FX9yOC7EP)p;i^QQ*U~!q*jv6%=sD8 zs#3|anMWW(7+BOgT!l}o{P)xLp@O+`m#+?`A9W&(MtiSJs$HR|CAP|M>-ZR0dHW60 z9!?ACI$dO>a2)aIr@D9XgiVs|i|hu}ulMX=oVQ<918oA@MH9twCzQY*`|7YA;yic` z5q^cUWZE<1fd>s=Km9OYx5EzBq?{Kk{0Xxa^$Ih$c{|Ftkz0*E5LL7ArvH@N03=_+30}JG!D}QIfvg5O-5J_6+in7PA3W(O<-YlKWZ{M zuRiftk%2#tt-KQ^*JMBhA{}m3*XL8!ky>RZj!S59rm#us=JUzNCOI2%*u!^ECE^GldWlrgw-bVh`k&PB`%`(DP8#Ze^)SQHUBzrv?!$ejQ zZ;v8duqTs20;Dwy!im|Ez*^qEP`x%05e7$T;e=k59P+uCfp|g*20(48D{;1jrwSTL zBGDYR?Ck#2xTSVs4zzln)uDvd_KTc+W~osx{6Z6hNpRZfuu#Bua=FL^w~iRTWSTpd zPcLvd+Y`YIfA=+uNjdT*&EmqjRkj=TM}TE5IhJk_?ghucKeqsL~z5L?ju{7L=srx$J1i=0|f8UtA5W3gpdAyM1*g=JX3EftL@!a z?S5Joq#l*j!8+*aYt&R>JGArI`E08BJTgzK+fvNRXV->d`EU{eFA28ZA~ z$+x%lh`d@xKm%HrPjjU#4qHps*EfMLJYK$6WUcp6)FcyC5+QKp z+g7$^BzRpSYX$<`7ERfo&pOP0&f@`KNpul-4aUCggCk+vu6*k zJ#>aGs>NK=dkYa5jRFO8N!v)c3D8UhKqK=THyrS-SEgaidh#Pzx;{eW!hmWmu;VCr z845y&&g|Kb^o7xe5nM`vF@{!^Eiiz-n zxIm2*np(p&Z`ck{`Ec}VeT6mu+LCl015$`)d+J&Qv7b<$1RXrz7(2>;TGhrA|2g~; zlqo_toA@DVP+Wjc3BVuxqo{1RX0qp422=x&gS7SrmC;NLUFSR>+z(1cq38V2h$EJ&Fw!FWBXG}qLEHyNGO0m zs)gbT;miUpeH>Os)b2zB_ESmp``p(Blo?RZDfa#tMOBXn5W~ii=4m1H;b~GNCL#%+ z?29|;>5bfbL?A8O#Mx1B0Dcx*)OwjEdddG{JMR){FYr&BuL-_N+OxWB)T)@Xr`b#3 zSuZwnV+EqAA>)lb~XKXPs|%RhtOhmgks+cL?=;LI;faxx$+)jvpSj^k94 z0MQPdkBbUM?{&bf;0#P#%Le>#hz&Swz;pe?`{%)~#E3QlSrH}zyMGu&jb*m03DtFU z=s#xuZ~t*L9*9xuJ$or{Go;;x7Fq2FPO{WU5BxumMU_{fOwuN9XUjwy28ssw2ux_p z@;XI|PGx2EzV z6#d%QU=WJFIiz6h5&=VUOq>&FpOen;dRcbGWi-3}M%NfmIJ;Zs#Np?M!n=9A28gpl z$bSh7RvxI5EaiW48818B0hN zLZ>PKJ6qPj$juP|LxltSA{OA|SZVLnFHk~5mYVN7LgWL5#}Lq31(f~fsnDw)w9M_l zokY-Sz&3I2I)SF;`D1vYtfhjJ%ES!X1ok0;9>u?kvZ*wO=Xx{M2x>hlEd1@x0jEn1 z4AHU|#NHkmhacSq$JWXtIGP*a=yiN4aXxAaK|p)=ztDc>_AfK+Ulog zh=OrUL_idIJ?!LG!2tw>KLTtIoLGRf-ab^W23#c^-9k_fx;6~V@X6%E=S%;dUuwtm z*gOZgV9Sye1bn-wS_OpT@d>|B;Q{!IMj)qYp9S^hQC>x!o_MxTPcY}3^z#oGQq8ow z-GFS>ZwxAilX8csOw-&F!H5*@2Vd7>C92i_x2FYpXZ{O1Blu^k9eRjvQbgRMh(RUd zi#zB|YXEnN#8RchAY#7CDcTLGj0U~F14eqRo*fzSlJQ{Z7TP zmh|>xv_MHCd(zbMWk#=&CXNda88xbqjd znbW$0353Gw)lZ$2i`E$*_ka(BdFRsgeB=`8BsJ*^nM3AJ0HCx#yoK_7bGVKOzxvT@ z20O~W#!#yEtc2r0vvxyDwY$=78pX6i5t+~dRkVe6ta+y&hC6h{$G}P6V&C?~=KDIl zK~X~Byg}3AP{@S4Byx^)z54bdr-(m((D~Fq(|Y;8yf@64Lltd8BkvVJbC%wM+Krez z1~NO;Wr1oxus7{!>KVYQp;W`ijL$t}Hj=u^moAhsHfcwd_Q^MYdy6J zOnSs>rB@Ru1$4l2=En{((s@Ue@djxBV#JfWm14s?GWEh#XBHu|F5y+vyQwEd0r|`9 zQJ{}qT*g2=5jLjF(-)1eX;bb)2}65TQ5Kk>a7~A~QE7a^UkVJ65B)gQy5D*K z7^xsI^@O1q9U29YqDYMh*)Q;}*pqbk_52ES0J}l^eX3Go^S;FC6o}*xelVw;FMu+G zVCdrD5iI?n6(uwqxFbG?%uS@MNDD}U|Ev*N*66QV#11&@mn(xu6ULvFbT|^4XGKMD zu#JoZ>bVopRf6`V+@iK)i|ZvyX0y`!KF}4H1FN@I8@L)Hzy}5Q^0n{40moj=@47qo z={jvkWzsM@H#m}!0{II9tRI8mHHHTy=g6|JM`9OWm}rnUHPwL^h2w!4T7TgQc|JnP zlv3``4zFo_As|Ki1(eux{-CMSL~)UzPBwS%MV${7@VM}9pQ`Bm`SsZWhZRx`p>p!- zubluT7Yp}LOLLapeEu0l9Wgf_1M@ndp4Zp#9WGB`q7kzeeO-h~Qe0TXRt!F^7(Nfu z=-eoT{Ag31Wn={^FrZ|X;0ra`S59aniA>-Dp=*HeRD8ovq)bhpPn2fAG>=E~$x)zR z1{`Agy+PqK=e%_K(*0zPp*wSpuEn{?qhin1Z~`3y63Y(W7JUGTjyrOM_vH2mfX6V2 z7kLm1#zR?}Tcoou)fY2wkA_nG$D5-CjCG;<@ev7nL7>o-gsjTRFK((8ioBGkYP!3h zk^F`Iv(2ak5_gsyoew;8#d&<)PensU&;f|<9Vk3Rj0szp)ep`1?ndXpKPooL!u80M zs*0+&Gdd`y*TE=%KLwHe?xY}QW8NrH6|=;{bI1}h4>e<7GAP2}*HCs&@NT`!<#OVb zA97_e%)xnSYcn-uZqW}YUGxIj)u@){h!0-akItos;Z;(G1>=F2qyKCkCi|a50ZI^> zWi7O~&pzk5>!R~2opTrRWQ?P_3WnGx%6qs9>5+UQ_rB}YZiWO?_UxahGWXnc#W1h2 zG%UcB!bo%2I)sqlg%RdtE)4F4YNkqsiT!}Tui~2&d+p*WUJ$>Bcl;z`5XM2eBS*}f zH1vhzvBV~UzZS+D@qT^DqSHydZJkblrO36_C9hCcuP5g*!>J{o^1oq`rX2i@$iT>+o@HI60-C?l+Q_X4H=>3KKmx3 zl-8OF=Kvqcd*sX-8LYRA}G_pA5PK1mEQJ>%|^UN+? z!vOM0L9i{9Ldx)N_#X(;r)v|jci+ol)%d+8;Z=qiQHyUXoJq&;(bIF@@0AoGF=-}M z!>E$IAjXEj{?h-_BxU~ftvz_Z2I*6)C_Ax=8nvMUH?O|j-T%oIVqIB(5J!vnxr{BI z_J#<+Nc=DY;2YXIY5$z=zuLgT?cSRiVZa|K%wRvZH7i!N_GBQMOJEB_&;kjp}#I*NAJVjaHZQ|0)@MQ0jSsb zm2^U9Kv})7!6+MLNk%)k^H(=-B*=P=;k(!aPBfJ7e!8v55@`YGn8 z+5&~%47iScpshT^$DzHG7L*51Ahkr^N#lco`cg>l?M7P_vOyGlj#CRoY##bE3Dbzw ziF$&e50wmnW;y&!((VQ#kHQL@nFXN6iyhQMR6I2tilkvemsZ|eKtr%iV4X^kZ7x|W zSNEl{3k$%(h<~FY6a5!| zJ{^`SX)~>CPqQTLN{cY2Rr&_~2ZtPiMMqYQ+IGR>3wjo@$_)hgzr~WLLT}=`C;|td zl{Rx&AKiKa&-z$9R(Yn~o!SCzMi8{}{`%CKl3$Zx0|CdkV^c)#e<$q-jRKr!$hg;f z&3}SyO^Fy(-*+JNGNRC;*P(H`1a#@oK-;Z+QwO%0GSKVa%oW4sQekL@3f1eIM$nn- zaf@}DCO>8G6(>~h21lfcRHhXF8aq@1AUg=-WFRZ6SGQ^)h4&G;0O*iopZwNj$chCw zcjOS8`ymUXio;6?WZ+KgA35lYa3=xS5~c>Qln~O;0ekfGx*s_}vVETBZUgOIx@U2lBU-DW77pEF|>+do@r{RWg1=5l~HUwA}xWE)Q+_7v6d z!TWI1k%8z4{_d62cQe&kNDmO3HZPHoGUnu!=~nj(vSE-077Kzz;~D?V9Jl0(GO+3s8eW8bwVzgL`*re)^SO6su+jare`pZuA9TL(0J? z>SYIyT$((Cx8BINKLEyR!m$Z1s+Y4&P5=3zVE%sZ{JI+yM#h^0Z%IvrhEGKV!q+Rk z*R<+wPf?m^JZ zdgu$;yb`orf4tNfRduXb-!>ZYnnNutz!?zINi$GkL;i=w!bAvJMslMxM3bY*=Hp$+ z*V5d=v?>s_6`x2`D-Fr;Mx>^-_@yhKvRPmQ$GaYkerJv80wXk?T_WjxE4!A-D}z5H zM<;!$MykxmVn|Ff51e7@~W7ShA5KY&L4en#8W2S zW0$V>MWb5q4O7*YocRLBHlciQ3;Y650U(L6{NjAY{^p~}_6J%7xYq&;KOiTamuLkl zJ!A!X&Bdp5OwIb4GRe!X8YGe;u`d>zfDUL_aS0%EUVifjfOw$XRVaR{VUr!oQM{T= z@)y*s9inflYCI!(0}~m$!6hJIO0WEHsH5dlfPHjp_RYhRVcbEfqO!ODsx&Guf`WS~ zmH$(^GQ`H-W1uoy+e=t1oCgHt=* zVh~9TxsZ7=`|SgTp;g3r?Dgzm+z07D>uJ&t_S?eeve2Fp43Mq7et`n=TjuDtAS|ap z9BM_`=mR?dVB-5G1brN4xrNR9cvGB}Y94QbbA*Zzn*c_k5jr?6kVW$!I0x?+0be19 z7~m_Au;{W3um;rlV*-8o zeJjXDPUjoSv~BmVY=XU%`rrkTQ;0MJHH*Z@{%n!RSh^QO2+pNK8=@NGYg;n;7(O{$2%x^u#iX$aTY; zP6&J;-ViaNE zQ_e%EZ4yFP5rU8ka{>S_I7t6NW#|O*`TN_h!s|{B6_R#nlfbI!2F?ROZ3OXTKf0-p zkv#@{A>9xPT-yXyQfe0XTtwE8gJ!1e1&aj#qbvi8c3i3r0e8XkG&~c9x-=^X?|+kK zL?{ta!}#4q7{w(7bDg2lDU`*jMid=L$-jtTx;~skkEr21?;|=GbrK2yA%!5} zO(9XE2B`hui;qq;<=bcO&c$$cTsl7Dj*N(qfW#lRLrScDk0wP~JCp&_Azr-z=EyKq z3x-%QR2sJEqVyG!Q%K?|0K6Xza8(k<3%12Vm~aIV$!nGwuM-{skZd`WUEb%7$kp?9 zHB-PV9Yj-A0pOfq@F`-FnH##(PB(&%!FE#or{WV6gu%FDDL_Q0N@YSWX}yefc`oTK0f%FQgt5_VuB}`M zCXu1iCP8atC@&;wMB`6&o;>J~F24FoG$Z|FI&xNkXHeeC@%T|VIqohj0i?H*}Ebp0CRkPqPW==wz% z31iytRo%a$J>P%i$kK_Dtg#n8NbvOCS*}lhe8+2- zXjNEgTRQPS71gM!BwTON87FqhaUG8`QdyfSwK>%AOXMia2+7y)Ixi&FP@i_;&o_v4 z6DwBmEw|3p_$r!UgQ^$ixk*!Ou3pvcTLu;&e3gfg(rvPil0%mqI)KI@-ZWea2^R>) zCY|Mqu{$S`09i7FHecCmMSqUDOqn>?;)|P)6`fo1UE3%?DEah@-%MonAc?x#k(y@!bn42$t^EW4B^0M68K| zj`}N;dt++X&yLVbyd1yYi}OC z-u3)iH8t}6d{_H7^;`|@Z^2Dc;#~-a9lvnmYsR9aO?I4PNl|NzTXWU>PZIyH8~m>a6*r7m9f6g{lQWNAK82{XzP#G z%RDLTU+0NJq-;oTIdAE&!I2)bN4mNrDq&BGUsf`$QDhv7N~MzX-lZk3lvY^+G)3?z zd-A3WFzpuOO6uK$k`!;)uiytV5R1NhGY{ye(2}G+v5z!ZI)Td@r9nzutv(+N6dURM zLZmWqUzRL+Pp9b=6*w;DD8vE;Bau=>_;9 z&2EzIyD%xAPC{igta`0$&W9Fi+uuzQ)q>Y<(C`@G-Ir8YR1+@O!uk-1Bzdmef`l&TT*{q0PCpb_a!*tdW z=7O_Mi=`=Gttg08j#<2}T%WiaBRX!a$puBJR=_aB7TM>U^LOg0CA*UH@mj7h5pP-~ z1zUzoDZ9^?G)66Qth;bJ#T8twAIK5B%_WB~^qjcq&Fb+%Gd7cN7~2=*Sk|7 zVn=*d$g#eOhOCzJwJVRQak7vuv6(*W{ilca7)>$SMNE!4_0BBmySKxOw+ut2-`O%| zPK}~>k^E;(t+sRbjC?+zB&U1(+NirX{#yf*Rp8EMvh|LWBwM!ii4Jed%vpM#2KP@+ z905w`JcPIB-raap)Lk028vH$|qqrA~e#7ve%P;EVGDL3?hGcXO{GF5g>Pd(hTO#(K zHf`g6-h0IkUG%Ml>Eb!!;xXj9`$gQ8zxum;H#3?;gr_7V3=f~o=xdfsZb$EGudt7*->f(xHB|0i zt=r&6o=fc37v*v8n7j_PS&Ha~V-8Stdji(hj0kQU(sArvk~mNMKhu%c9Gb=k4&}?6 z3CdJWW$GM(Is$iSGxVG?ko;p7G0FCHFBdpIrEhR{hDJZ*T%1G}IFCxjaW7;l|L1yf zoh;GN=>8$v7lx9b_R&M`% z8DJTss`dWQd`1r-cD@05?aF&VQ{q5ZEI|3AKrjkJTucUF-w3uSAn5<_`RQg2=-N;4 zI@DA=LWLv9wcoVkHe{V1)c{EPvAjVXbIYG`9m-D-g~(`^TiAdsd7(5MsqzOJ(7=qE zBSfGIJrpqV#|gOKUW*0sX&`2~4=S+O7o75f&AC`b$qQh9BYZ@5j&#wWCa~rHsSq|8 zMdxaHC(LLN)cJx&Xfy;;Hls0>1wh{;V7Xj|kckp(oyZKomO?1N_}4_~sPMXdi_Zcpfx+66zP~6VfP;rAsE@%CK$Mm_SHMtUcX$P4*qEQLgEGPwi#S)dt;^KQ9Oeln=P-xU@^&t(ZBPt2nWLJy(09DN_hrp_5Y&nTC`dtY{GviT zL0F=N%B^4$Vc~dIiUbE%gHYsWH-p2J8k{a#zL9g~XkJCdMYG_qFe@9p7ICWVVV_qg ze80Tt&J{DLr(yKgAUM2{R_aO0`d*}jbVP<=dr@_e)*FBUs8O_q6+E#Dz~w6w=zYRy z3G?F?T3xXHhk(8#J5_1>4yfS@s!9!K3<{yceoX*KQB<{&GM=qmVZn!V^dKtZTvqCY zs}-F^6v#Lnlegc?3n`N+CPVCiewnM&mJk~x3IxpndS@-*Yp>C;HI>CLB zf`nQ^FIrU}FG*e-Y(XSxwR8`9dZpiyezyHWfAyDd!XhGwzDI=@yseTX0Uus?&^oHv z8hjP%617) zk0E{NDOZe;HRMt+Zi;qRgItGpM)@`xk&~^coB8)WKo0GwMf@}dbDim4u7reW^e0O3 zj{Qd;Si}wde4*135n<g;^s3?AiRAOF z;4)0)UPK(5f2|^eERl5A^ea_TeMC#y*VmsKMpt!b!5&1gLFSkQb$tU#j-7@vNjL`G z!NJ`qHB_TPn0XhaRbHj1C{N+IY^-&pE^8 zDb1_yh;wXDsH-?%YT1R#;ZGa}k?8Y%L{T6n6A6ItvbKYKPkS<Gc=fz@kl&ZY z9s6ySW35m8ZXG;;OzhiZfjN5*9{X~jX$|Y{O@w9Z`F3joday|2x6+&htYc5PBs!d_ zFsmeIBPPkB&0v=Gd=CqUbtkn!l#JVbM2(bk-QhN}_Y3X8UxJ_PUs$boOsrV_tG_33 za4j3kzt>X@6ax{m^Y6lnS75%#2}TVsj@m?$<6bD?gA~!hyUni7oJunhKcvl47tTFD zqTyP254lCk`o>DhMhImiK^-Sczdea3Ih937UuUbOfWVZ1QS+UXQH zlV@B*t; z2r6a?6|ZW(CB70&Pt7cSPhI07I3~?w;pv$~?@V(Bwe*9rp7AD`bbLv(-2vaP@6I`M ze|`t1%|Z&S!kPkbj*Gdn3}xpSe?dEz55ap4kKse8Ygw1(PH&A%o_&4zz4NfT)8 zqR9FA+nY=>-%M;@&qo&s&P4^Bj=1HH9g!Y0A0)r;-v5-R4e{kW(GI{7sYPm~Oh4r- zVc!+dh?z$;0LDep)MAi{L-1{kXmb@U-+L+IdTDuMhsuN0tTuUfaqO8xw>%E7Wldi; zSdoLv9kRK_aD7wA0nZvY4qqi1N>&tSLw2#V9ByCuC!R;o;EHr}e3X!S=9k_xtw-qM z-N1U;lp~fnQ>Dysz&hJ_Wjp72UV)iH#y1aO4}c-`LjFzw!n{G2SFoWu9)Hp z$Wsa3*iB8uV$@afMRA+bOR{tQArP=?zQ&d7_xGCY&$qt%I%-T!(MsmaF_m-N*5cO~ z@UMD^(l0~%Si~*l)Jp+5gWEt`oFlZ`)Myz)U-5+a76-A3K3&E_*Rq~5(cv#TD!OHK zM=QJc2B>){myWfUJ&j<>Q&hZus(C^!Mpys49JQA9ZdaH_t+Zc|;{LVl`mnIOJ#=dM zJ7D}&so+*TAVThsAPZDp`2G5E$7;Lslb}&2aw*2v-`>^8c$K&WNz=x`w-Sg-t?%?_ z7%*`qOeaEL4|#hewiy~XYdIsuu8DHp&DR%X8QI;=&){3%B(5j?ZWA?&r$Ni+I9&K} zJCE^8bhCS3O#k_I)dfo*=!h^^v^11_xArXGGWc4v9d_$WZ8N?`0sAFQe}TjZH*hWY zAXei2mFNhYjFyOmYPvkdFFpzSe3vO|;Rg9GaONPE6#@y8xCUQ=zs9fhay#!l=p$VNQIyRW-1th(RAKjl_`6)u6{tT5eU z^m=Ke&f25C%I(Uiuib9&jjU^zEA(M-r2=Ng_AIH|-xqDkaL{D+PLH1Y$kH-DJZyGs zO|dJ(@N*0IM5EtvS4c@hqPnvjd+hh8GKsna8$+q`IlHG6LujZ#O>{^ldGW?KM>KX_ z$Klo=3s>`*IsUc41op{hAMjsLJ#dmdDu#Q3`E#Mk$E4feUBKyY{UJmKK>3Dg?Z>26 z-<-17zt`gb%xxwx!~Kt6tK!tY0bFb&vV_3U@$9!i6uw?I2^Nj`KgrCYC9+x&plJ{f zje>I!FFbM{Q~zHxw|TR0c2b~X5KpJe!2_r;vbukNOaS1!MI17PqZ<#=7Sqa(4E$;?-(-}CFf1qk8S`!awowc zhmuqF@P`);UESHT$O7o>k)rBE#|WJ$%&1iKqRatqDl z4RD9}fvktNFErWlXA35s$m^l8q|2en(k{x*<+x z-X4VT52Of@SrmziE`mkit7w=bOabd*h-8b?PlehRq#FKN@ea2YtC5Qv?nS{+awy0p zGf(JQ$n}8$gv|EnHWug(@cL=m%nK!4XrgT4g!jhQ3}!~~Lwu|Mvq{$=9V}YB`AR@F zMATt)N*xHl<=mbJt~fJfu|aHseWqf+R6eyKoo@huiUOD_LScz0AQwbNf@v)VUF4Jb zhf<+W|4HySv4iBa0Gz}d0pe+7y4gESNLYG4{|p{sO2UmHfTDi8cxAx&(TGrdbp`tNA)fSK0!8ru{2yG11pilh z`?o;2{0P_r_?tM1s$8LST92*{{JziW|Kq>3-5AjQ_jOMX%WWTKR%v_>dG*hQPu@Ax z>gcv6Qnml}3z`0JY+--hwHYg8FyPT3OWqn_&m#V)e%58{i+^6pxKBX|`)V&hk(wf- zgtf*Rcy5Zb;ZVqh%oI{she6IW0|sR9{-?zaAkVHh;l$3*5x(XBKQ}(LAkn%E;IRm- z+&2V=$3^*{A7+KyHo!1V;KN2(Djff?v z_LFKt^w_Ey@+?Y&-@FlC%L9Al2I}PDZ^j{nNd{&BtYKg9&j8TLRYs9>@`du!)Ad41 z`?}4|idS1JL)?j(WFbF$>j(x-EbOaZhA$7t_q|Ft-$GR}3-H;lX>TvW35Wuk*H)Qh zaJ@+EM|U_4-cM+}Q3^og+G<8ZKl}0=$|j>8-J_2zEO0)k9(2AmqwEfA<7x`dk(nN% zUgQKfdW;cJlVqCZiJ^RY#=$<;bA?gK+9#~x zcsSkw-bGrPVP@_C)B5S#oIX(R_GTkf`gRR)Lq#{VHn0ovANoqpE^Gn+2V`dMewfT( zL1?Ly$(LmYB4O0X$Pcp^Ndu}|Ho&4Sa~v4Y$QTq`CKv^pX3)Hu3lqmUcv|nopb^^) z3OGLV0kl(7|0LlKiY*>qX2K;=Ep4oItKUatw@)&`L2KA|{|*OecxYp9 zI?)Q2Ke!}{nM9gDk#I>A{>wj?M7>;)MeV+!kQWy4?}DX?M*+g7mi5s*uthKKd>(>) z%V9aNjEZ9E$Gys|*~vF{uc#}xbaw2Zl1*fW>tOjXjkswJ>`pNpGA+Jm_gd`eL|n@e zDv5{7QPAZ_RHzbu00=Xz8f~Dk@|3F9f;?z=Mf{yH=AWTxixnrA;D>ZlGaq;Ab0{;r z00WHG>I>4d`vi$U!g3K!7W>s(mR>0{BLzjfA;5CU`@7i2pDcL7SO>y$2!t(yfd%15 zam93dZt4m9TTfOx#_Sg2KgIR!t3^QI%coL1!HoF#2kOg3`M&jtJ=n6Y%x!+_%Fg?2 z4Ct!xq1eMxGhMEes~#UOKQxiCXIaw7q%Zlnm_b+Zh^#)5_ zBP9u3SxgfGBzQ}mRlup{qtC>;qNG0Yv0qwd+_1Ez@MgXAe&~qbOJN9KI)j}s6dAw? zb+d>seh+-n*qU%VVF4^j%lHBEisY5!iBcfkEah^v^?*h3WtPvfmGBBS?<^ak;weJN zkmWGl)=}Muq+e*2w=I1nCz*wA`fys4PDQ#SWj9O6y*5Wsn%MaY?zj! zT5a^ddoNOg_z5o`jwdUAYG~8Vnz97Wlo;2zyYr{umZNt^E={d=b==!Jw4UI1c!PUo zH*^4^u3QvxnsDN-yOg<}kjjwRP8@pd&z)AXzwfl7e%t>_I)4~^sb{zMx(Vuk`f~Hr z;q|D!N7;BEQO|9kVh4ff%DyG(RvoCFX1Vcv3SbYm&k89E~iNCzB_M;L5 z<}I1cL3IgD-;_O(uBsH(H7=-8L>ko$Z>f$)&Yd3MkvK?gQ;IZ_FeGH5h_7f3GKNzT zadTYI7kaOiREJjydg}G-rmn&9@OQz}s0FL`9q0p(<(FbyhoaLs`DPU$QnBb?+W(eA zZ{hS?xAnOFQ{LN%zdgxonhF(|_L~8k&S%|nlRq4wtlevZE;k!fTftwid(LBNYgY4h`Zm*~pK=h&wX@vv8XB@b9hk2L5g%ROQ# zk#Or?&@kUx=D{gtxbI`;qMe;9JC!)!RNPC(39d(+raPVZj-W0^-d$gQo;pf0(@I{8 zkUYKXpp=Dzm|z{nrhE&1O?iz@gN9uV^-TRt7Iy#Wj)LE>U_@$c>lBQBwpDmGrWmmr z)XX7B(HPLvomR4&$jf1r)Q5YCr5tiE(VOy++ZtSfHX{Gcxrwc7SG8jw*7UUc^C|FL8P;ECg)BV|Z-~@e0NXa(jVB3H2DL4)z*ew7ycD32&U_m)f>X1Vt5x~jjoJ~D zmyR#tLF72N)8%xmrOo?;MD}#%=+jBM&LFPS+1jEP12E60T?`*}vjiYNUfp6x#7=){ z!B9ewu+=7c^hauTtp$wkKpuS+-^GIBsZ#QE<)9;p^q$^$#;U_n3uL42V%M)H31bhb z1($ZFZ{D4|>r}XbZYVQT(4b4{VVyZzN*weO3U~#+vH7m2YG-6VY1y&sNrAJbRgY3u zGx*>e`#l$r@Rnp{jHypeybXpE%-?NnaK}mB^ugb4yAlXpuSmFAO(5biS z4EttYZ(NkJNU>zT;oN&S)fsNAx4`<}h^1g!;>PvHRQ;keL?z5G=8*8_XP+14U}h?U%d|dF z4z7y4L~_XuPfNI>&>^Qj@kwKJT%hRA%OfPX-UdfZTEyM+i?KQ`{9f^=cVCBo!$>^Q z`?=Vi_i@rEg$y&D&t5O?EesPl`O@;~~F=|wAnZ>-Rlj=4Q8 zY(GZ4cfrJTr+GhJW@Yf)o9(;9ni+lTvDj9_b^FU1e7K|Q9r3yjBZC}n?f4^y2Px=O z_$#JfuD{;Tp6%RTwdCc`#7{3quW74oL5+)7|uR7JEE= zE@Ct|P=drOnvTDhlIwPCwy35gm8adU;hxe@K)Ea&SQ)i)nzhagGOrRQ zC$`?M^5LtM%#KTTKQE!A_q^hy{Q@n==uhz zK0fWF`Hgl{YGDMQRO!x)lZ+;L|CXb+T`s{VpkV&(w1J2OW1VqT*j4Ju25cFSc=T!FNUU zYlc^qDD$q3aMxu{x5-Ohy2+$#EUqTZZQ&ah+*4gOOQj8}4>Jpf=!1k=Zt0l9@Z)LU zbX8q*A&@tRgrR>-mTE0^zQ709AO40K^{nc=u%c)z+WxmD)J9cZO3nO%4MKxZrc zcNY3 zJIv{)^I9QQNr5jqu5rys6}~M0J*_qC_hu|cea*^$%-2hOzRtB%HRLkX~fsY#_{vVJ__EzmC^f>uMr<>cI8g__>^x=>L{ga zw^Drwec|MN>ZZH8cG7ki%o6u-ZeOA(4|b9I`spmEeMgncewFKX)JIjX$XZ+5J3Cx3 zE7x*%jP|&vA6Q?$2&412DC5g1_a}m-y@T!R&ztS@r_I}*Fbj$DaVT~=$o^SP;)-LNG38k1UPv0!tF;iMaCKLl@dq}j8mP6h7KHrop&-hf=&hJjJJn|WuYjr4$==QGP z=>8Tg{%i8`vDrT6cK~#P<@JR!Zl=;i3LYd;W4AKW3(%(!$I-nJ$YbG>!F^hjrKA4{P5Y6jl0kjR6CQnINdBtc!p|$q_OnPQX1icivXhn|#VXT~~t93F%1C=eXe#P$1wTE8_%0+(BGi%t3qKnQB(e zHP@j-Y{zfOy{)#_ta4_zbIsP!p?+Y^hN*L~D!t}qspYre3#9T&rz;%BQK?U4?OrC; z_YVJXHiW{;Qi*w5S>4@9C&a1FQQVK_&y6MY6=Xoayj}bQ6GisktC%!i-gT~r>iJFL zUTRf~u?A9dVWyaWyR{7`J&Uq$8Qvd`J#HQl-YJhb-oisvTBL4A|v}QqUie=`mkzH17!NpfRl?D^uTfsN~N^Z$CjT5fry``CsK zKh1>~I?k$5-}Da7DvT$*)G>@QC2J2^VZ^=}Qi$`fqKzC$wK?^e!u=_W-JuIS)M#V7 zZ}F`26r~djEH%kES^U@pbLqt0gJI$aFqf^GbJ6ihu(>cDa^vg%D%v4|x)9e#F6kwA zrmB`M1zUZ5^P_U|&O&!yd}e&g#~}TO;oSO%dJ@ysv1d*j*6GX##dDre%aZgvOTo4! zp4I`>zmTJHwPYMgu4ZlA@?&){+8XLCd)>{r{X2L|)}X+eOorDsp7Rvrj2*NN`SW&( z%&&*^X>*JEw~9iy;or8!pB!{^*?)-UUgy+Z`AwaFTLAVy*2EX^YK;5VVn-Xi^u3A?R%#Zffg$hR0c7~U-Ob4`v|gO~cTXc(ulChxG#3Qn z%S06>V?g$iHt}Q$n3WD$A^q>~W|D%! zBI~D

        KCxrtVi(uuaWxBD4N~IUD@~Elv*U<(BR}?JsAp+h&Zy`0uO6jMiM0*R|WS z5A;pI&b=aB%uu=LEnW57SaEwt8GMOJw5anoc?U#p!8~&OLXMUXJJD1P`RE{g_z`FU zJVeCrCr~rdp^1p?0fXx9;@>ms+kOG^Fjo8DE5Pdd2~99|MOE;1d#;9w7j~wvYqZM& zOP`U&w6Tg7CD`}A0P6Q&6YLu+NOadi53^03h3B`2Ou#KMpchN1nKKT-ID{fkM$r%x z`FhmlD!9Q)Q#B2>jL#E=Nz@P8v;T12Y@4s14~zm`(STt-7$3{np4AEcSP+BeGfhK& zo77DMY3ti4O*(T2UN7j&!4Jay%b&>ZU%SDErs3Cnwg9ob(fJOxgKY#)N!*1U&pa#d zV3`-g3F-|vgSu#|9@7mV{@$kqHHVua2^Q*>AV*Y~M@McxZ!ibmnAv9;Fmve5u z1~^XjtI|xc>I%80~CF653*N-%|J>w#4+T3 z#T^Z~B9bMC^F|-g(==#kY+JUvJFY^oV4l5JfD9uxx4Ws(yWbuVTnD$0q0R?+ts^v4ldmaBB5ye1Y3~}fV zCxA3h=fNB|+hOQyvQ&FlmJb)lmyM_+hM#jY#|O3Evcc-U>X0nCW};jx8vlI%NTr&{ z`!|sdT(xoxoM3Rx4Mw)PWNwHO7qzk@1=`o)+H_@$t-Y@e1)$Nkz9hL%F#kqL-o`{s z96CYEvuz0 zVji6c^>{OQW|z;;9ZA{7=C2j3q#5e8dIh9mSAJT&Ze-)!wz{C&(NkYqN~%L zJ^N?_VN=-mv;S-gTUCs+IOubJQRLfOBJy?Q5xb<31(Cap;WZ{~=cn166q$oCYL1lq z7p5TC660gY;k9ZN&Gw^5JHmGTjdq0L&$KkXdUpD@Df^k=7-i}Df_KMui?kpOzTDyr zaHFS2;U(+5GK;o;vw8sw-?L8BI27#PG9mJIaR!3TDaZHCQYO$EKY~=JsMkHD2OU;N zqHRq-OTO7Y;&(WhcaSYjQ=FvVs~!M%m$R*$R~S$Xz4d{|Jw0eMgxNig4<7%J{s{kl!HIyoY-5ivvY z$vX~dml3{ah8jZ*Gh-j;5;v4nqjMd#5lQ!BlP@yTIeufe=;z2ORX1H?tzHPR5UzN{-T)DG~cG+b#^CEhOD zc&4>y7{kT0m=zGBEwidN9S1Es+*>nPyEb4BEOhnQ0)Hr%PN}5BN&nEUkP%IgROj%C zSFAozt4TmT{%O;Qc|p{j`|+g69=Uig#D*HCFAhWeJ~iU{?sYfslF84&uLZyT$rCoH zz_!k7Xj2CAG$&DBAtt5*X%*?miVmF!Se!vBO!}mk=aM5i9&&616VFc4UOr*)v})cQ z1`k}o_#+?7REgLw`#rRHw^Kh}kHTkBAxi)n3! zMP$|eusW}3X$ELgO4%)QIVsHan}M1*4U*TeFw84lT1I`s6t85)Zi z6hCKpFF=KfxcCIexe>JQ__F-{62&majj%eYBOa*rCIb?W8St~RX|@VGTO%E`+JaVt z)Rk~s4+YQDebPgQ**_=-);Ne#;hP$*p;J;EC)K{2yl!2bRPN+i->UCt`2zdK4&lGO zP2-_si;udWH$C=igIw#i;g?`!DpB_}?+4?{Sk4Vx@&JtX)UFkWO>=;`bb{3$rc4ZefHUbUF#3wI=Txp+%!isDZ<)FP#WHw`CkZvcnsrY)hQx@(*-Se>o`vtpF+vZX)ExvN^2aVsz_d!?^UaI-X zZHWL6*pzn*ZkI$4yEbW^B=zTm6g}Xvbc@omHa+eKWZ#&WtW~&LiAGtV0U9bD(AvIT z8v!fO(NAzVgx_vugMdm>_uuLwbvg%OCrH=>+P}W5NDq~v*&G`*?$h{W>jcW)D2-&J zt}Ghm{V4wJVoJ`A@QOw6?h4{IQT<|}ZV?X6`%g$qg!XUz<4I9TW3+(!%HShBQ3LMw zNQhN>-$~EiEHGYpN0g+iQDX^vPGD6sOm!Xt5B58yM@PXr^d#~x+V*=uEoVpEU-^gG zYJTqyW4oRargt`D290K*=zIFOH~Hx+H)+<_keOWz(kKRW)cUttgqnTTqi?M2>=K1G zvt=oV;HFF_)8~B4LUUn1)K#XkyU26fYtC6+aNW}4{ptsZ7_hZ#4dVXi*jXfJM~M$C zVrhbr1PiRew%c_VQ}Fzk(7yVikNg?w@>Kt^#48*1mkh<>_aWT@w!znWO%palZUg(k={xFW0uRfW-? zj#9jCRb?$+GfC+ef{j<^2v)%^ix;4cD@=^dfdrv6S=m8Pzw>))*y!8+s!_;FPZ;ui zS715k69=(vpNfqWtI=qc?<}RBlNIgRrfkjDZAX>P} zR?_fV@yjJgZOjc;WQzc*Ht%03k6JLQdpYdWPCNn*E(lTUz)GA93L9>%~bH_=n{7RQ5B&28IW6vo*Ay@N&%34S;qU6I)^O3R>f^tj0FeeQ_L4PGrU z#u+r{H@-4@6Fh!6t$)DR~cI3InSORvkCc)YdZOd4|5E zXVer$H6Ew+-apZczPX2;_Emrlfot-JG4<+Fn=tg-7mCoZBr43W)b@o`T#hjYjX#Kv zK$}ttzept?qBTfWXq@PZ;e8#noq#o6uuiP}jBto47OfLonnAW$fc8q{WD-R{J#Rt0 zqr7*2|MI0h6vrAsfSC=c-3@T1s0>Sz!05ABck**%mLn@pGNT30qKgDFOdx5@a-n#0(Uwy-yCX% zD(3|xfJZ7zqnbJ~y8`6q3GHfjw<7xsIc z3>6qmmHeSKRz=0xe<`)JIyu7F1`q$U&)FDm!T!H!!Gq7c^VYdJ;4r;6dt<%&xvPcm zu@U8I&b>h>9Vv?_K)E0M(%>ul^`Ka^!i2~*_Iy+>j($RpiL3lI@HP+zT|%7i z2-I^PX*%(IL@)X+TI0^}GB4&Ot%!g;UO&>X)V~xGA1Arh882&wa;gym%o+$GD#;?$ zkALu0;b9Q$%LCa$eROBV7e3(UzRk?ml8`DbZi8E}c!!uHYcxee_G;#OeM}fs^N=22B-QTN0txl)l4{{ZE~=BUE?I{N+QckB8kjZ<>DIJsjs5EE3Y5AAT5$H zrN%+fH9RSy5o4?1V<*@>^J?zY-2U=y;o#ec zVTQVK1LyLCm*etb!pq$}Zc{J7 z&tL4MO_9OHPjaob{VYCR5`4rvuTw#1GV(UmnTsNVhM93iW@zxkFq6adBKr;QZ=1G2 ziFk$j{uJP|RCBzl$CG>hl)p{vQ%6V?mHRBvuJ<0>Aa@#;m*=;grIDr^Bz=JLXzv1n zCArEx+I=RE3J+#Yx``K~8=wx)d3mL#=ZEbqygCa7Z)nMUy00?4wyr<#D?k%v1@o|{ zyTb3uJ9E2$(>*QgKBDg4T2w<*nRm$`9&|dC6K$H`1ZkH;oM$lyB9HRZ6NlB!cSoEs zpC}eQDBxLjDB|?ofkO8^_Rf&leF)6G$V90rOS^npE&qJWxA}gkHPH4hBHG@Sv+x;h z3t1XNv$?tZ7mz&N@qChm-8)WF5x;9krhp`2#7o+r4o9Z&uwUU~SKv{{s%(voDjOgS z{?Ha0r`D0M=+it0?moGPtGN%YR5tkxODvk|H7|u~pfTPmz2`nGdSSFCS-eX5K}A7o&$-+mD+pvg92A?v53zm1YCFNlwvz6J49wqal|3LnT3O$ zM;@8k!3Qq5mRL_5-`>pX`7c%ZZx-k~ClQwp9M5OtuWsWl{@OkAvRrK6sxlPwoxb|( zd*Ar=i%@dHJUsQ6-;nH{Z|Ca8xoN)AFx~iaRPN;KJIq1XnP?LX*yQBHxNogszg-PH zeVM41 ziuxlp3CTH)VM5OeJmqcy-_o`W^^U}!i`0I8ftQHP^wL9y`4FFy_uRNr5PmtBESDKaUF~p+1CK66#{(z<^}4MGB9lo3iHabHxI7CP8m!RJIRCnI~RykN>eV% z)&JTpAPBveUT^~#1^Yltm2_23tPsTB-n!5$Wo77!4%ZaqlmRDW>jL%V-i|UyJ3gI? zy?ln>{sL`kW6|r2Qr$QxS)Mm&l5|!4zEwV^E0b-RFuy+w>nm(Qm1_lLdQw4U5sa=7 zoT2*3G#{vFAJ~KdYOfBz*xzWFFb-P_jK&f%`9`KgRX$o%+s_MwGdA2ryM44+NdEFm zV<&mx-A|{PBojH^le~v77;4~RV19Z)9^HtA-+DDQz$`9J?R_HU#hX*DD=AhgExum@fK?mu4pMu7H_*i?3gb~(P|c({A& z#Oa36E7jW{%p72LWfOWyGo^6NB3e?$KrH4t!^XxNS)?SdZ&b69ytpj%QDqlSI-ECC zIRld^;X`XWTocePs#kTWL_105Ot_zIr6;B7NNo@=dqyfI9}RN!1hc9e|FY&W?&J_+ z2a+iYzBW;(2@exQ%NTTD?hF&^z)SkUn0{-r9DFNKN#Qe_kmem(N&HU>+QOmgI*5lY zeikqelR?PQdl@clpG&Il)^+%dU?<~`Sllaaf+mkem~+o`w^hd%_8p9~|r` zFw@?2fTAe#_M5+XOVh-?s7{f4_?)^@m3r0*F3S?cp>`mW^kBUk+yF3%T!evj(xh{?r;LGu>5&Be|L0@T+-4XanqKhUE zA+Q!KeS>qCb&0<(?wSaB4K+Ae&tCgnnrofdLN_JH=pK)1?W;uw&iYDl{pIQFW4yt@Wu9{CXuj za`mP7uX5MLPkWAHSGcda!A`3iN5E+p!lgB$C%b7Qlps9Tbj$W&=#6Z_LPDq)qaG5M7m zknZ~%_Nh5v$l~|`tvGwu32c2B&n!$>nD0Mh?e7TwBN?6@Yfyq0!Jr8-)d9Q}RQViN zjm@NV!``P~cO#pH4%#Y4w}p5gGCcci5h6{n!p4aILv9 z#xCOS%naarazQ2g{DO@?` zP7pJ01_+6QiQ})u@udB6J2yY=YT`!a$#kRk^iWP?>81MiOihBj(u6i?CA7NQd5l_X zdI4fk`LBq;qQLy0Es?25PRiT(wt5f>E%d_8X29Pf7l#^(DKeUFvSn&$L?ffPz=VLa zJ$&Mnkgai5HgDt*;9)Vn7~lKzN=mok=W2jjZn`K@I{e|l8b~|eA2y_5Y)!5IerlY; zllk&829(#dsdNy&qHf@Q%)rAZ^TC(bwo$Hp(k=6Vf-knENa0D3Qk*FvIhs4YS6i;X zr8GAn+LPsRO6@hBuLVYJ%qSWc-2doW_$m2YKq^Pxo!s41z`Gbw7SjqQUOjDcK%E<- zaoud+vNKscJd<+LrpMM%poOMV_fX3#e8Eg5;dj<#?fFL)Gd8$$`by-Y6wyo1vqqn{ zEbSADS>ZQoY25oe+x?xW*RHEi8`_?x!oCJ%L+45IFBksxETcPlq+}<}feLtk@AM%&?ROQtlfC2f0q{KN;BuVGgQWXj@1&*Ka0#3J=KY0?qrV_(X<5cZ^ zYN$4tbt;%m(`ZfHDskhZ3PGtX8}h%|l$cd;inLWKWC`@K^YF0;c2c2Tit9D27aI_Z zN10VJjh8~cyf}Dbnks(4g@TqlyOPzF+l~O|dDiMVE+RiGqC`L?&?$3qG_-ns*L zTIQs&*1?mh?oFk7k%Bh4m47d5z|XfoxWQ`&-}8AVE7ohK-fc3!lEI}BCqZFX$5~zY zus*D-!Z@t@?k<&rbEG;-mkihnZqW`Z15W~9gy^TtTLBkvG~z{;BbQshe^decXDOA^ z#}+C%y5cH{cTbU5U=E=N1Fym;+al{z)tx(4Bulv;6LEduiY4d%-Xn+4pHMpU8RNs> z$ICj->HOWg;9)&2LImBeW*@~l@&>b&FGLC3TYe)ihubrattlviedXt9e`Az6yzDhq zmfdCqT>UK800S4;1A*Ic4gTmV<1oRQeuJu$&*C?-TXPOmNJlB~Ud;7OgXY*(vp5N# z^w)rt?mxMK?_CQpd*=KHV$G=*m_~*R*=4d`hmXoGzd#&4Gpv4}xO2Duui@64CCJ`| z&`Ip7j}T}{6ef9ER{0x-NKb)3 zu^(w|x{AKdAi$D=$+v{OvAnwbY5LG_tXG9IA@JHEx!+!`j2d-#1a?5ebfFe{wA*QT z*xwFq@ZuJRs?}f4g86(uEsxRg_tlvx@YfOVD7L|dh&^$^J^{rAV5)Q2ou|~CqEG;N z*wzJ>24c1Yq?gs#5OzBlij79Ab~HB@M<#mUm)>H4kew(SZ5mk&;)_`6k4FswM`S{z zY%f9-@nb-V!oQ!EnKeY)w~^ssOWTC~G7ZDN?;A9gRuEPd@i&XZLSkjP_wK25=w=4>Y-h?v8f(|m0F9Yae3E}-E7DEyRR%0@dS*)KxudT1lxdl?-i04VBL1yLj z@%+z;GMe?baS(X`{*aKQ+{D)#cjf9U`{O28?j7r`!@UYOwP76qu4C%fqk$J7#a_^R*|cNH#=mwMCjHDEnV;5u+~ zdyWYA|MO*KKxx}*Rr#Ko%Kt2ZC-v9-cVMJ`O@;f2%A3EXjd!_Iv0@5=5B$=tw33>- zzxn#1?-9Rj1{5ZSgI00#k2xtOk4Ko-n_5@ES>QqR;JC}4EkHk$y z$b|FOqhsyfD1Mk6-t?;v0TJT2zGH>hzj$*kNoGOQLJD#|)D)tB;2>DL+W?Uh?3|&4 zO;v0P+)EpUGatB)jpnzARbs!C4gkuz{dOuz0sCI<`j9kxD~M)y09!o?;3?a>xm*bI zaX1#0%!o~B2bHytk2XYNmwq5e*X@)Hw#HVBk=Cyrfp<3P)V7`I0f1d?x-?p^^|kNI zMD-p(80zpNx3)IT>|oRGU-_59%4@ozWGM^o1RUi0=eZ!pI1>z!S65)&ZZC`*PyaU* znxy#&T~$q3Rnr5mX*x<7fb;F(IKFrO7D^=!Z%TAorYd)JH_CKg=@-dr9QME#Gscd0 z*Y?7PLz+K;&3d<;>fhpioNOK%|{)3^z@X^3p}GG0bJiSAsxlBttK*iJ`SQH z;7q>eiS!LkbRPH&C(9UKIY1>QW1|2LmoQw8km*gLAq+UM=0H%t8T$uO^mpT(9m#oV zWfJ<+f?S2{W~UKi-$aW#Ghu5PuK&gLcvC2q{L;Xrrh7yX zvr;Xyqog;@Kz>!?l6<*~b2u^Gs4Z3PFg`Y`jTdlJ+FwO5R+_H20bsxeP;2%^|4o9R z?ew^>@Zznh2<3|}5<}h!+N3&{ccT)`4hWjgEn2N)@oT=YbHNTa1FI+D`kG$#6(U^` z)$EF}8yRKp#@Oz4BlBk zIZRfGcCxcgK%UZ7S;Pf?ktP&*y$~tyM;3pn`;->sW)lTE4x#WTm%I8M;e}RTdFAek z%FbCB0?p$)f@%Hqq$P&(E#&SS`c+xS{mfi<%vmx{p+y)%Cn!A3&EGxo7X9 zlU$S??$+BR&bZubBddLR)*+ddDt1inWkJO(h{y~GaUy+?;WfUzzBp58lMb#-VHBG! zSO}3dCc}izz%f&>ex8bGwP#k%ekU~eieVbt%S|fI6A^HJ{CLT${D6gBPH{R_T5qyLO*5sFV86LO?8f3EnP(;ygYt5`&wpPlR1j_1ew& z+zIgGPW{o_UsApSU61rP2%y`by1XMy6)YW04uqtNa65l`x@!-Ydr)QC^u2kdk*ns( zVR%WU!(h#jp!Cwc(jOZ9vXltM8}W?=>7 z0Zrb@n;Xsp0`3{Nxz_lU;?N zW$aFjyv4gNAsS^+NJvSFnuI|}x~$5s$&U-lf9-=a#q?hwmTaFk>9zW{1ogj2wKG1a zMf;gzIrCAqQvwsc#|K`S6N#ghY2I`30LYUef z$TA!q$?)EtOVJgwoi?X;S&wl9-?Sb`T60>k(j0ax{A?tUk&ryKzK-`n%ag3Zc*Y!P zFB>5K>`kNI+#}B~E%r%wT#UT0R^bhl(v}5fX!7 zZwb_qb((U9B~+L;@O*6mWV|=259dp=LZqb+pftdV#2$2($WC6mPgw%?03ih<(bGb@ zpAXo6qVh%bY1HaMF>fc1u zp2B8WFxFDCcBGe>t@GT@j2J&82JKo+08qg1DCWJhT1TuNqNg0FNr3Yt*8MFV_F!ye z8{z2E0qB`Y8!(1Pd8=%CSl#&+@qdMc9WOVaZy2hcqwAJ$H{SG73Fr-~b0wg3X>n=J zfrr`C;6=4p=E3T87j6zVUyS6FT(#WJMaP`3Yyya%E=3UoARGW?oEfw^0Eq&_C2zYp z1HSV;U~G?#%g=k<2^`5R&bUigKpD$=t1(JM6MERjXtPWef?eHfq==UL-{`X6u$If! z>>=EtoJeZca{)CF{EUf`XYD^@zuZkbA{)-jI+Umb+%$+7jez=p z4WkQw5#=)of7-K#A|geZrk(k7af+q=){l+8_Ho4-jbdv`F|Z9dJO@eU1D;iA0|%!U_c+tQ`X9nAu4$WaoAg(__6aBPH9SMqs)rQ{V3FDt2%+e^zWl_tG?|984ID3D;BgeWC z0hsgYsar-JjVIuZiqvN$8i{soQ*L3r(@^)?f=oFM+m)LT&Vvok$I|YRW}%9Af;BUI z+l&?Vw)R%6!9u(HI_NZe&c8f8NXutBo&Nyv{!wyN%)nE(PUTmwd@5)fXEV!uP77d_ z?G~!_vUsj2UDgJDBksPq^7{6|b1NQfdyk%$ZsZfC+XkX~(W@N`1_OLV$TgEN=0H|p zzx1#q%X0#8`ad?7N_LZy6|T+@N)T13k6gcAL%7t9DR_DEv(djyG&ExlG5DmHI|*Lz#TH-E2=6&=@tV_OLM27+AY^b9Vcf zAEmt20Y=$YERsn!3bN@e=(fz!%DJ-}izre;S}PWU*SZ(>eGF4wR_!<0K2lUWN2)XL zRhXb1bkh&m!TfmlRC{R&@Wk2X$yU^ACP!~aR**Fz`qxd0^j7_i;8(8c?s*eV%p^zX zMSHq!qTpm>S!h9?-P`>DRt;p{4dt2zM6!yBP*P$!%~EJo>kR`Q)mqh%kxXPBu>Sa) z3=b5u&56J7W^bC6F1QPUz?_RYjWTbAw$*S><$l^Hp}u)x6zIOl;FTUFBpz!yaK%RO zdt6H%f41P^prPft2m!0hHw-_ASq7ViB^qnLHND#!ntC_cN)Z@EN9o#NFbmAfr)1X> zHciTe4$kN6h|z~$L$qj-S<|~`kOeXjrC4l!!69S2M*|FNdajCBLyCfGh@9I)fI3;VOUSqq&$@x3s+62!2`71 z&q+6^wH?$WDQsG-uxEKuPQHPs0OIKBpN?RNd!XUj9R07sUD@o;86>G2j^ax$8&*$9 zNuOse&k#CBzqc(@r(Sw>2#;+~w?HM6>dEU%No`Q>F|1GGS5<11ZfW72io&_{J!k0H z*F8sBTWYJxN@FJvz-8%Dq6=|%3NJxK{5H$Mus+I0!44FA3hONk#QpeRQQB`HC-9^u z#5CZ-^DO3L+`qa&&5B)Pc%CH;I&0LjT6Ip43b6&K^?sxFq?5S918&ov&NE=4HJcpg zYl&*Sd`7r2GpWfwDA8BNUb&V-DS5*)np|c59C~ zkW4n2`m{;cGBpbR$}N>)LMxD~o9w@l&Q7=Re;^_%68Y!9dt>BqYfE4Jzcnqts1=&W z&~ZI@1wy#S9%uvhg7ZlkEBZY^_k9LKH%0^|RNg<7Rw;9^LG0EV&}#k`yQV335SbGc zcUHiS<}IBpMRww|u%BRl6`;t~;&a3*oc>p;j`-Urge1XI;~m0G=!MpR43vRhGSnjb zckI-OdKKiQP`MSB!1kJ6Sn$&ei@B`2R%_t5x(0o*f8f_-TiTc}|KO|S$YMNX{H~^a)F?t& zY5PN%M-=hB`Ph(6*uz-n_)9(uUX$TWZyB+ zd+qCho`p(@tqBr%c5Xql@;Me_Sqb=5^njzqFybMwvWzeu8Wb4<{lj`dOBF8;;^v@5 zHufKQ3S_1;rQS5074Rp3=EJdD&A`Kqe_2*v06;dEw8{m%^$}MW9(*5FDSZ{NBm03k z`IU!t<^XI9?6IKsYJcbt%u@TxbXN;rhH)EKQL`S3sDV3YLWGm>0RhpbobA^7!&MNo zb=sd2ama&~C{=J19&?Z4&lR_TBfyYPCJgYILaYil%P)K@VPoh+YU3*kDU0_}25dR} zpb3oy)5+G9Oo%BsanVOGJhMTipX#ElX_^D#dUuDP7oz zZT1(E0th@ZTgpHR7nBkaeI6XWY^NyD50dcrE0oMisl%hdr))BB@9zsP&7~)t@>oW?EYa#Q{HBsKLbi`Hew}oP zfERjI=)}H}RWeHELb*5zdsauujdIi8;=ZzoH!ant@_>U?0j4va%;G599}sFg*Edre z!fuwuNYfoF_p0>*7HGql9mnZEhV;`>fL!Bg#G5v!w3JFv7_y<*Lg$tcU;vbC3MKPp zwcO7VNzPCe&B9BSV;m=ER4d#42*^8L$}W)dn$Ww$3~Ie6?Y96=mb^>dpFK{L1=lU_ z`UM-r9;wNN@}H^=gkw-&V^>=Vi8pt{X$60kVGWElT?l_W_`S1A^-i7WMr+}`kNj*4 zO|SG=iLpl4KBBJwuuSrRvS@W}LG1^RKB@KPs7u`r7adr?mywZ;N;vzu(CanxmW`?| z_uU=4&OpVG@|00)v_o%dUDqSX%tl7{j8&;g?9c*H4B_&`RWD(&TdX^`WLz;a)hcdi z3!qPFyGSpHT5*02lDP-)dx-`}Ix-wl#;Wla+WDyJnVBoOw8T`727Yk37neGi*%39$ zt2+ZQGS}AGzZi0vc~M-;xET>y>kKE4?S$ zxhPL|_!RnArd;Km_Hl|d!@Be`~ zy4|}nJg8%Z78J!dQJvboFu5kb ztjZiw1p92$RV6A<)~;^Ny{il3`HDt>a2e1gS`|9Y$~Va~kw4|++2G?_2C;Ls^t+bx zIe@YI2$@zXR++j-M9{YAxhP0I$pWHWMAPoPFIv$qzn06ObhcU=Ym_aNu8v=0afm`} z5iMJ6#rZP!X5A;Z=>L=!Dc1*}&dOhk>rZS-7+7>*MJ%%0U|t5$mACC~k-;I90)fvt zyBQOF+y0mtLP0@<9f%+Z%cS4cGbY}me!CsWatK6K%1f8TV9}X+uw$U)@?1>-Lz(0q zF>sd0HE2dM_}o*NErMwmW9#7V!1uXUKfnkGk7x!;;qjb6r5|hinMqQ#%8GpsE39^m z=eUtmck@P0`JNHNh$^lspIwyny?A`pikW=UUXeSdG6t4Lc3DHCa7r7yLkl{RuC2OUzN)FKO%q<%82Om4`d*8KqLbRGTX(Ay?II zm9~B(OOl?%K=GYKzPM*y0mc|3e*F8>Yt`u;alh1=C0-RsS6dGUNOm{M%~k%;Ys0op zO?PBP_ewgvL)^H;ypMEb38r8AjHRILM*{p-(=+eXCR$gHIUU3Y?40oW0#Rq0%({VJ zB9uStJ6`42tn3bC2z3166x6^?c3Ye#jH|v8_x-ABWNBChlMuAfM?s#b@%0LA&I*h! zcNHDiKmOznyGhH-LFTtdXO^JjuP)POE4}NOS?a5I+0hCc%5hXH?^S}8Y?hGvMH1gO zG|t)fY*vBOt2?mQb(tU5Eksf7TNgihjn*WQ$dq9dBj?9_`Phhrh!%%}kz!c;g##-4xC!_>qHeJpm_oUO3dL~*NFO*Sx zpR6mW?QtlNSySHPG&~t$SzzguZX(DomQVS5AagtKId7&)m z>X*o|PW-hsW>PQc%Knk>`0v=Lu)&+9VA}EW^RKlhzo>1((o_}CnS<20OS+P-)`a$a zLbFn=+pDiZERXCJ?6v9nS+plbo(cx>bjvb$TWd4?B^HIqu*mqGWZdx_?8o#Ak7`QFXC5SXRG&PA1~!+`(8A1-zed;<=2UG0|7P{n4n| zp_6hAspc%{fwoN{xk`UwDslHN=bH59o0EU7!g#R4>azmNkj1F>{(0$8uF6Qzf$|#N zWvB`~;anR{s~=zC`c6^!QT%;8enu};If#=Bu5shsV!7RcUO%rN)c@Ewkuie%7Tbrsy(sU8p4dy|BpYMn18vHS_KdFM)urjk5c|1)}>D1p9^><=BZF zZs(xHK@4=j^~*uV{SoIOQ9kk9#b;dsC(kQibBiSM zvDBI}3pPn_C<|z`yfhrZ=wFqtPSEqjy~>cVnRx8PeDj{KLZVXQbWhRye3lNTH5fWf z-2Aqz?{G+@5hORJS+ZH048?i)DwyOnsyrAw)WmHNz}*(cl^Gp(Vnp5NgAhpVu6S~A zw}r0GwIuoV9)U{}@lCW-I4{AGH2KrRm$RMMSv%b+Ejl{UMPXp?KaWZST_ZZFJ>qzZ zklZ(-rR{-QwL!I7n8pv$qS*EMfnf2VB5u#S3<-HOIhW`SCz>{g)t*U?(|7EJg5I&m}%>1h%0`Lq}sDCJ}UMMo5+%Y!K$gjroPmgwyJhMFPZ*Ag8}94PRQ39)jc?TUsA4eS-w zJE8{)*ST_F(+sx{oth+`^fl6qcD*Wa_DJ+@IUroFx_9DFx%ih~KRLP6GEj2%Sagjv}i^ zc7X6ofcz|mWs1L+aJ#Rr?$8563Xf({7v2|yWI`&%;LWO&3C#H{)MyL;Dl0*Jw+7ru zF@S(a57d7tzq`824yMEIeI_|a_`~e~gi;0->$z5n85o|9ILRYxpa?I7A&HtZu#9C} zuL^R?|0pM6wQbi1%G#UomwS;$6qP!Bw$rK|d4>vv_GCE*LAzZK$amyK#R68Ns!5rq z;NIZV@jVM_H>8opjLm|Fc&Rd6cRcL|Z}Ha8O+t}jTWZjDMc6Kq;(u+^z+oRr4fCJE zR7KM!2+@1tqRzz~ue(4S(F2X{anN5FP##6MuPmar09vt@2uRz_(Iep{YAHZBWFE5> zvuV_^Y8{^r3R*SPhA)g1vUA92<}qmcka)IbYX8&pcXqo_lCC#yOI1?#NHcQ3$t@Y$ zFtENb^qVUG);FrI^d5ETc{M-6l*SkmWqi#-{0l24&m4NNHlUX?XOQ&G`-w)J?SK+1 zhE7TesG5pKzJ{nf3Wjp%xJHIVi8w-Wi=nD zk)Ogp-%mgS3Le96pHWwej2fJPg=4q>VS5p$qekw#_^o` zRuA%*`(yfbZ#hB6%52$$2NTwJ&S~B@?4aG8GvDkQAO75|`lSfN&`bUI*pFsA=)U-zuOcNA24} zs7F-?s@*B*j7vQKMnZkkbI^UtCw;{z8)Zze-a_>%%-K2FK`Xcjgn;T=(tklUA?J+R zZ)op!l_R}ck!6Aq@Jw-Rg%KSHRr4BIAti~F<#N>am~T+3dB$`3nCql`My;2!NOiVV z7wGu`Lv4v9clga{bA)MJ#C>$_ien1)T|pG1yR?KGi5wO}`sdB+Y1E zvKbOGKiA%VE zb(0G3tL-JTmSt-A2kb+dCz_;^9!^;X^P4rt?Js<27cM{zA#}iM2Q`@SSdN`g`3#a z8zDTdW)&QB@XOhjMr%8yKdufQ@BC7bBEG{=N0wg-`$Zck_i`N8YY%5`OL;gU7l)w8 zKHE*Ga69M2jcrX1_*sAGTZL|_3&mDs8?l$yr2DUYnH$WP-lUzoMn5R2K6ZWMj@v20 zC$%159DvI(p`a*ZoS)b;0c27MkRh07FBg+#wLzlU1$Uz^(U5%9M85^p`bDtu$)2?t z0A-L_zRN9;V$bCKu%Zby3wi_QrN1S+hSx@Gi1g8(=b);|zYR^zel6JbfK@T=XuR%r z9KD@MheZ}uNW?#jP?vb7czGIF*9VlbHw_t~ z0fNYYloi3{@2Hq}`~lt@-?+v>*<(`T1kJYgV0LX$#|W5C_(XQ~hZEgg;d4dfZ$Msx zux%{HYOG=PipXSg+;pd+z^s(@^fjPccMh13j8diptDsn_;!2X=Q8#{4L7PctZljpO z2MCjHLsAu)VRaut1rYn^r~cHW)ECv?@8k51TaUKuudr{oDk*AjX%<_1d|wmRJOm0f zLAxUY!$;|kEkhkt40|3vYpD!WxXtujydubA0HdwJjNE)#m#hq4ME$~_dwh5VY2$&N zd2g5q-~2$0@QXxiOfjww_++ILdMV~8sBF|sL9~+z8i-Z?@8;kR(k7slr6uweTU%fI z!H15|wnM{8y7hA65I>mlX4F&=GwU+Flc$q=l6j!v!HSKXabVNO{_F|dSYCHoaQ9>i zOyap1<+49Ws*!)_P`HdV_XXK3g|X|635G4LUw#28)@>WfXVM{{QDU1R;!dV&ttHOD z1MRqnS?bk1R-<=8kQ(Y;;r6)tOgvN9Hk&d=8M&YG#d^#03CHEKtwz4)oc#f23SK)U z4==RN>c&q`*up>vA)DJ~d=js9Ls`(q?H`0?d4b6M$-w!*&&XA#uj6LLT(6^jZVE^| zc@iYDN{X4g8u$J%7!Y|!q=n~tNVMq(iPDtA(mU2oh_LlAqp2VKG4FA1a-3?{%{hwY zXZefwQsfhit%-q53e(uKkfv40R_YCMz8;Jamz>h%ylNlS<~nG<3-J8tBxEsobJJXN zN@X2MqfNFpW6q5T{=DoOSD<+M-B8P=Y7i21Nw=h?kX&!f=&%G8Gv=9u|KbcNl1;Ok zlhV_e_-`r4*=l4W%eND&Ts0y(1ThiBvn$UKeA0y)6Q%l6`BC_T^mN;eX!rS`ViZu_ld@ zS}o??Z$U@c5%yN%s-Xy3Z(#II1z9F-nCi0%Hbc^;&3UarwZKiqL$Pw&wI0lu?`<7( z=Fd3hf+b%4decaF^G$B;81BoiQ)?Ut4Mpw_4LS zKZZm_SWD*kP(G1A;T+_vStJ*i%e~tSj`pgv;5LuMsyp4%&B%QGsI#BxHIU%G*QJzW zYt6yZa%h_~bC&UrNc=kOxtLWh(rmH0yme3f;K!w7_Gg#F0?mFpA3x)Gbb~klkEj_z zZ(t90ksR0$<)C5NKAXK$i2+gp+?Kc1wyTQ=MfiXOh?h@4=iy684 z+3yAr?OJh2F2+-IT!nWHscIxt@8oIF)D=K`WI%hRto^=@YrD_AOzIJJ%ERlYv^OUn2kjA$8{^ikZ}i5<-XNxVGsCqt1WCM3 z>Ab%nYCq33@DWirUO^XkDiyqOaG4TJK7|7KR8E}s3b3X?nEc*GfE4RTj`RKv0Kp+{)XR~ zGp@ZmQt~`dom*E*?IykVBXLvVq_dBJM8`GF^fj$vF6Yn+x z$+rd;bG^`F{R*9?%I(=ZQy6X#h2aK+KXE|zBO18Lgkr}O;06r#0YS89gBPX?cHR86 zGl6JU?R&-)xX`{b5vI?keWhI`A)z=kAda^pc}>EQyg3}C=LM)ST=dL|4tmj7O?OIs ziKGt>s1jxH<*yiNj3%P#!un`2B95sBS&d~rUKnK4#ycU)+TYC+__RFd{4$t#MB^H$ zD$OB*IzeF#)<$%>pnGrz#Kh2gwxs)0BO;LyTFz+t(UsH`$mmQ+S(zYm;GH&x795)Y zK{HagtDE4(Rm7!VTL=)cn36@gvjZu}-Z09po}Hlw?YcGK)a6-d2A<;s-5AvIH6}ZP zusUATp7B(btXWuGqlRXLN{~o26J+|PNOS=T(o8^ZsMUxw0Topylm|FJ*DU5!`wr3c zi*%POuG~wwLy7c0+cy_{sGf4{l;c;HK4GDgkS_SK9BpJlFk}||(9FSOr1dPpS|Ph_ zjd`!%X@PH!c~21B&IG+$p9p-=@IDyl0}-Om&IIj4ob3!IP53d8u%*EwHWS|}dCdBH zMlX1QUcy`mA^s6MQ5BqqZ-S^)2e%|AKkLP*++s8h<`OUYkYh7!d=jW6F)2AWtX>&MXao(-~GhzeFxLTy> zC)A$21v5Mt?*6%};&4~n-~V}Kt33%f%sYy5aq>siKt#_o3z}H;T8ged(01g=n1u#n z>oy5=ON1wEM(8fc|9hi<__O~XKi5@F=Kr*6JU*yzYW%(s3@%WNf^hK8g&v_J%I+TM z|6Kk5y)EH;TVV;Vwrj#Q@ZWwz@%=xOF8p8p{r?BH?-@q00XQ)46m~$`KZ9)HRwL)0qt zaHAQbqJS>Wi3Bq*5>&67-;wDHV(~_Xv#RiI4G2q24ukC+nIbv>veXYAgr457v9`lm zzphb|(MTsxWJ4E#c2J<*R|RXm0qPfMx^%ofpJ{slWWejpdb zS7Mv@^5lN^M7+c;lpXt#OS?3l`}FNN&tXI8%5aySt%5bv{QWs4d0pZ@MP%bHCJl_f zhZspSn*>^VKUICjHIX}|-}XLX35L~336FpSNZUz*cGAqsZwOreT*g@mMw#Asu!P5nLhC@Yo+Bs3T-|&Nrk$V6dErv%f!p3eBMUn;4fdf)j zTLFQJ&zu=jZx(O3}-r=2E|QIlY&T;U19 zWrYYaK+w*9lJ+_Q3jPr&0wza>&&3=8PBI>8I+~t%8s=GNg^Z_{T>3VtPt>bk_WJM| zInivV`s=`*)#7P9*xodHIYHvlWAqZSu!Hs7s{$DjhaaCp%57)ZCJi?_Xr_0Gncgn$ ztOXfQJLMyV?%eoxu6bV1dxZ!CrWnfLP;dm+{$N+{#fn=+>rEq0nu7KeZQk@97&T^* zLvRt;r=_Ehuuu=J1-z#VGuy&4uw2^I-EN&_zx~6{h+&ZgPU5AzwNYAHN9(yT#!*l% znD4jdHzEwfv>?~>P^*mFUQZsp?9qj7YWpe5dC1Am`E2^I=Kd#X6DnO~iT6xhOqp(9 zfRj~^*_nggU)upGW1Xi~6m1P)1MYnk7z0-J52)yviI3|1yXuHNDj8eh_w zd|@XNoh|Z6Yvt2MR3SN%5~ye)JOTHgu&^xfK5+u*Bi|XS;ynM?0o?l#Z*yK$BpMmD|z=*-27$iCzm8WrYgXqLr}O3M=?&}M8>Xe88kwG&QWkF|5VyNzHDsM zT3H_f^9`yjFgMSN>n2KE9z3Smqp#;X3NMsZgxf-58Vz@CYzg{WC%K=Rvz(Id1MZLI zyIzJNY2%&j3io0zR4FaQxxi$;Ls+@_9jQodG$*d`i{6Psi6g*6bhqITGO;P zcSzCxP*Ry>U6vqbKS61GDRi|QHQ9xYnh97X@*?QoomKbVx&Ik7QbZ6Pt7Q2LP^WrR zz%7re_!<8XDP@9go(Ww+@UvUFK?X6?jFIW_T5%TbwC^vd&mypJaRjFd;24h(THNjAAgHG7Ayg&AGouTHdcNt%_SyY{q)Hr>L7RV0H?=22VUHR z3Va~&w5*XL|Pusu4auZ61J@OdG$F(YZuH5o->*nJ9DTwsuApJJ(spO z)f;HNwG-XAVDb?%N zIR8b2ew@k8e$=V7k$;kZ=iIxqiRY$v4XSBxsK3fK4zgnB(DS&huKEu$J8xSFt9!;+ zk5w}nQ|tK&aooZF!xq={GY_8QFdQ7yR>5WY^eW&|{P10Y(}&A<6i_2*5xw6Ho#sn4>T*t!b zxv7upWz>aYF8(@Npz~h&$FS0gB(q#!+TyU+&9e@3|DZP>vvDx2>8o;|K<6Y)G8b$6 zWP0yH88KELq=7?XFy=7zPQs^7oQolOeR$&4BpRq)kx`+4liurW`PenGB5Zk@Xp)%v zRDaaA{(ExQO-Yz zn7m&_UsM4Xth!_mJM+e@_sn))7weRbynQ@Ad1$2jux%*}@U=`hjwf?C>Fyh$Hu0Sg z&zwvet>Y4u_FpzXSHi%;vzX20pd0Nc-xyQ|lSJix zPdiUr(#s`c^tagoHf;uXjg{x@SEs$T3Ke-T-qq%CbDK;L5s+2ozn3Q~ILOnY(QzKc_Xi3Sv=pa<@ z%FL4MK9Kx;C|4j+pefDmLW`zt>+~A$%!yOlB^6Z3Z_|2(dh;68#{&y{TI9EV8g0f! zBzNBK$MbXON**q+$>A|x!QGC#@@Nl<{F`uWz|=Y70#0dLGzROvbLzEbLnLXXC@m0c zU&+sE)t{4{N*Hn|Wt})hUKWmq_UTNKC!t?27mtx+lYS6#;ga5@Q{eK)foaQO)_}$= z;?Hlcb)&>qoF8HB4rvmG?O>PvLrn0LvpP4%jncii#ZgrC6;+9R;Rm;>=Culv`LCD| z`7+bNGmTLn&Mv%shh$@zNe(?ZuWhqL85{3ynE$pYFC6DcMSHf$m%rKKB!yprcuQ`FAqCASa=(o zh06mB=3cUua(acP-np3*N^1k?2+N zqJII;|M9?NT!=pRnySLA_wHx7?+KJn?OHHs(WYJM-?N)G_kOgwx<+@)po1=FL)Tth z9%HO(p>B*hh9x#uqJcMEU1kMeXG-v*j`~bcCh|;f9;Yq7)Gsp}tYr@QMa@dJ)Z>l| zcy(~1V5%5jhF$IoGUqOitWk(~U0y-OM#NT)xLL2{(y-4vXZue~<)6c01h#CZe62N# zS&(Gpb2HvCdfNAZloRete25Lsj`%}!)H6q2^^kOIO-#+>&LjPfj63gy%>H&$$8v2? zzpdMluup@#{*%+t;Jv-EE3e0iuYAjb%0rB~pVv5wexf+t|5GdnFWdS-o4IZ3bd@O_ z!S)U`V^g}h=3Owm7Zk~_W?gdTqWtII6V7AVf3d67f8H1VW%fPuX;>A<>8p$EF(hd4 z^u!$Q@D)u`j`_Sp#AjV4r8LdF*>oVXZ{@^{a_2^$=p>d6!Rdiwxce#(_)QrFPwKXC zNTz>HVR`5>FW&hx?WbB>xV~pqIw1+CDu2wKnnhGE?)FHRufsSsY)_~OQli~BYD!qA z%3UENJ1NjcyMrt3rS6Tya60-Nb_*GD7#i$LP=99btpjWHnU&yIm@D<=X$nkQVqqAz zd)&o!0#0nD!U3?F!}W7`q?+lB1}nwj1gry^vS=%64WE)1mv2*DzK%MlE*@l5t{C2# z-ao5T5l>K#?Tk`}JJ>#_Ye7uo{%scAkVUMEjy(C+n@am!WuILH1gf$`@x$`O+{pUzj@N;uB>`&w5@g}&ph zG54u}#Hx??5*TkYw5X0T`b?!5;VqBha0Eron83(cHC({Ln27|3_}pX~K|zf>BXUwJ zMt$M7al_tL4O7}ZyX)^RLY43@ev_27v*`$JWqK?6c# z5)MzF-CR|$C%#uFD=<*8UMsCeaYg!p%5H+$#Za;t?m;15Z0vO@MdQPv<*&8R`yJ1f z{M^LU>$ViqU+UKx6yPN>{o<3ukU$qvTPvb_P&635oJ-4uZ<;G2Q*JqP;VPPhw_1IQ zeafRdmAJo0uES)*+EtFZQD?4#?fdS$p#m1S@o4Zh&NMH`rhXq%YfG`y=soALp6b`{;hA^o9`Oq2&PQA(1zqgn;==jFzGyN}Tdsc*q80P9DpBA~Ej!cTkWORMn3C!7 zNy|uvQkCIEZ`}Pj$$no~u}1VLEcJ0I6J$Lyr)Mk^7x3+OeJ&zwYP4!{5}S~ z_MaK|W*JP!_2FZO8wOHCy3M%*;Y9W4SvXb>dWJAr*MB0r5~mB`X#@sd7rmu6-z#NdfJ!sDZf!cW{kH@)17{!MX1d5BTvdJi!6lw0DQ^o!gbRnJBVibvWhqi zZE?z5GjV^zORmve+KDAz@+Q`K=w=?QAfYY|hYY(Y`_cNB#1L&pnd+58S-#|>r#%2) zA%1Qg*z@0+IFFf!CTh&GF&3JapRSud#B}-+EI5ZBp^wa6G}yo90p6f?zMeMLH~x_0 z4Tr(BbU9%=!zX}8%5}yoFjNy$J(4`~^3gm0T6bHVI!0C`FxxQU!-Llfl1BRnRav|> z{6j8PkZL5b65X=?t+>1`>Lm$HNu&BVNleThS+5T6Zq<)Tk31-TwjwD# zeRfN^Oo>1lQZXA=|YL0pu~<=H-rvRhrh0>|Z}f)$B{AvnoB zd!?W2zZclC#+Uw?Sh!Dv0JD;aB;-RxsTidRz%LE1AqyNAZxgi z(pUy@e2(=E6d2irVSqMr1A3px+$*ITNnU_r&@ z=hJ{s$!L^2+*#U&G|#B}o5#PNS_nghFd5*sARQgXk(oo_7b>T7m#tvpFakc1tQvqI zRk-~-D+;{6B{5vsvbgz*gaK$64%>rZ(uMBz6PvJcKv2nG45AK}Jo^HzRm+$%96>kB z7i5a`Ib?R}W(xH7zvR^Vj##O;dcMTiA>Tp%MKHmE>%UodtAPs`#Te35Db;F|gV0Rw z$~CV87a5wdII;Y6WLURq{|2(;%G^)ZrhmZzf*-jS-1ze1$}Fuu?I$EHoXo%afyt^# zml2wsKDoopi1FCh15Wm700~+(Q4o^t5AEPU*9~!(vCC2-pdL&E!cvLrq_wF~<_3mK z@~fOqXYh@Qhg+c$A%Gf2K+K+hyA2><61ThM+ESn$O@c;&-gql8C!HbU=MauJjHMI$ z>HuB(B7~?{ZL{D{`xl}UL|@WUB5(|!G`MP5>Xti946%Y+L^t{XpL1b~0%o*%y$?%*Vl%T7J;y_EB(@IBWOOCx(^H^f79dyz>r)(4+*xX8BbVj!1agv@O`|y z+wyHeDK#78sc|UdM*0Vl?DMt?qWh0Ge1Lh82mmN&AgrXt)fLnz0Ao0;_TuuQ49Gq} z0|~Fb{9jTP2t@}`&vDV8PorF4R?xozur4K!JfdC- zJk|gxks-U#c1IJd$GM;kbr(WoIHkYT)L9^1*db*IIoG`TF9(V_Z~4f~o?b`jcDFWV zi!hpw?^FitS{5i_p>5a>?2TTqw^_uW+#{5C2c%xbzz6sW<}QH?<+F&0`yptjGt3UU z%(jODGlpYZk#b^pDGXU(lG@LyD? z6igJE&6w2a{LBBwc5=V}+EZvw9j1ERc9p!GXA-wEQ@54E%%o+W8hw2ne6tl9#>I^= z)Z~Mo1lXk9Nf*%JHv8_RfFrwBPN@G5a(;pmzZKy`XKpC5Kf`II+aO9J42hhPhG`Rp zpi*ZRl5uCGfwmO7bOcyFhW!7rOTw_s*2o(mW#9In`|=e+F& z2YBXnbU)>1^)XyB!QY(!Y(x5`Q)bPPdRt)-l;sq&#qOUN%*x1Y-eFNW!Q_x}~qS z^KXMJG(QiFu!o20w}R<;(_g@r;GShs+s=|l$9r}7eBOr32z_PNJ%KoL*Y6w4uD2ri zqeab~?+CG6zZ`0%vb@2|;4`oK3|+HsK_(JL9T(Z}{@YJ>pU0RyC`=L`@mdowS`kWs zHrl5_#hRZ8LqgvMvT0WvtW}w|2f7a9)h%$t0%kyq?l6XgF7cExWPz4`0xtM%N);nA zXT5)kS}VprTGKpxO=51umR&|n`kvnAkS&X!s&0*O;EtGAwt_`@b`!;*r2r=GBalFM z8}+qt#-L5C$g_~`@E{n}W-7?e)gZWAp~YM)+*mqQ305BIwhau6FmTVbJ=o>{0Brt8 z2OFGWb(uN$q}O#fjA)wnM9Gxb9Z^T)BiHR>;R?2uo{_35JJ}+ZXkDm{`AX6L(4b^J zKC0KI?uay@o&b#pK!0w2e@{`w0~vv(6);6v8)WaGeP?KG;+6FvRxXnE2E@p) zBngm&QH#o7i5eNA8y|(}ykmEu(h327H_WE6m9KVv4^wnP6Q1{=%vMA5+Bo@-wcG2I z)k8CQIiYKtMc(hyy#}diTdf-XwBDVVN{i9h*#wHUmT_fwHR&?pA27h8*ieu6@ay24 z%P{&-qpt578^Vs^`h4}Q8oTyvWvuUd&UfM2#r}o^I}>OVj601091d|7`xc9PoYhh% z_tJM@^?CkKfFX`h9Qzu18I1JAiiNU&->c&*3$*%I;_CZm(rD z@w3@1qpCS}+VKSS0}UoZIo(hXxXvPexmPPGbAVcVd8?S_i$-PPerRgv7g~E@VlkYI zjcBZel-_MWhFl>_#ds0ZYKEwOVxT=Y+hN}YTl&mJes(#xgLD2z490MbnRNcZZ!n{e zMBCTgL5)L3Q^&ki-zy*!%`;xKe7s3^4k6U?j1@O3#|RjlRVdf@cCY^)Z?*%6x9B|W zE3$3hgb*kPMtD|VpA0D{Wi|)Z4W`&*q;5%ISaAu&X{_)axksMSYAA;(zf9Of1zi_>eT4`#*G;st1!VWJFN6hbJg(`E?A)LmsgFu1ZyjO1 zpaY+aLNw|OT|rP&I!~m%oZ+oJqRS!O%oyM}*84SP8G`P7QTHs-m=JFIU0ojPh=fLb z)ZqcWZr$VQIN~$U1aifM?CuHvN0yyCjo*k~`%-rHI^W!&LZSepG&zsoW$?7vBejSf zZeGUi>;y4u4PL|V`WzdIP6Jkz?LI9b-)-8`kXt)~Q-0i+Olg$V%f$8E_ZR6edGD^q zXzO=nYs?%B)iQ#+nTHHFQPPrm8}>v-8!tOT{8S6)ecYOqC=GA39F$s^RmQvEzH2Wf zW6@yv60?SR$jKF3HXo>uSFebUbRgGaoDQ}fGSF;be7FAq{)x9Ix6x*uEBf)TjSB5J zlf(|mt--;XYlai;r}8t}U>Am24^p?C^h`)*j-qG~72#KZP5V^gcq~!^8+(~QbKwVc zzwBY$_)caGf;Z&yxvABiuoTV);m{6`yPjL%AgE36kc3J7siIr5Xb-gg+F`})EFJ&I z)v4Eqh(fV5i@bV@#iAn5m#YK1Y5P-T#=niNWxOCe7bxSWy{*BQ-D?}59Y<}V_UXTC zV{i5h@FlNJCmcZzS?2uleL8EJ_9x&At)_~mTQ^bOQ2aoKp7!@)Lj4__s&5+62;P|L zkzY?W)GZsjE4$rc$l7vbJo2-${e6BVs|J&frj)5YCircHI0H~JSW&UOCr+YyS3~cz zc4h?9P6216jWUBKj<bP1ryZ%A(hlGk+uVu4=#i{nJeNv5+8$z|>MeX>$yF79I!ozqCCu`&}PFHf!J0+@= z4mS8`&!AIE@ZLhmq>{%m0+l+i$v4wn>k%l=zB&%KHdw6*8-bHg*fQA9;MdGZ|L3XZ z-_&$j5F*ibyd6zqk(ooB_1f)Cr=WuP1`1jktm-7H7uUXuj9o(KgAd1GYk2p_!j*wX zYE^4DZV@pBHveWkKDHuRRYk1?un$Z>!(ixaYA18BoR zcA8y)0}?h-q(# z0z;}&9N&2PbaNR319|ATx#Kj#CFq49PAr|kne1#sYtA|tQ_P?(kUud@@%LbUqe=_I#Zp)QfCsSjCR5RTibiRlyUq_3G5fVFXLcFixF^7&IDpmZo%YHT;zvXlabjws~*sbWEZlr1`3!|SB_bd>&R156Ty)zCQ-ZhT} zyhaauj`CNias?pkBXsSpYnuCIy-JKLH&f&~RmXx!kg5DD*tOyYkhy4S5~XD;g((n`BGCSX{*^Ikc#f%=0Ac{K zWb!mdJ4GFHW-0TtdIQ!|kQxpgTURHI#yh!w%v8PsA%1xA)7M9#G zJGZuBe*x<)*AuC+0FiuErvhkEdMTslaTFZm2&51HfR~_$juZ>K1=ObqooQa=B(Z+q z2uOhpCUqI zRh;Oud87If_q-83``8>}gxzXPzogd^$57%je$`jR zrvR=s%>diSXQJvq3jDd(p8LTch_1D*X(9u&*1>eL=_4#qVd`*s54P<7fhx*HxeHB6 zNYOzsl5*(p-oUcgd~phZFz_XPCVePdULfXLOvwRDa0nAo^XF6@NjkjUI6s#xqqN>9 zy%L6okOA0yKtev!_Cmv^!E0eqv$hg8`m!52%6Aqy5|Nf8G`?mFqcXSsfjVEZe<*)C z@xYIdT(%D2POIKU!Uq;ye$%*r&(b&;=WLgcOK_LX=r{Q3f%V}scKTAH)HK=&zdgC>jUvOGEd!*%4zQHN^ z{SO03szrDN=Wz0@GZ)@{>c%4uiS+}DN3a%&-qaSvx$oUqCbEsYtr=0mpvB`?T^#VSm1Ee}-2Y7Z}=1>#!7zTq{Znq1d$P1C) zt8IbRxZ6QK1owCw?Sw;}KJKos{Yl+4{7)S}vWB9oSi^nu{z!q2-`&Kfbi#%%IDQBn zvbxK>g1^iqI41*QGZLs!oW8&bI<|BJ@+p){obtSwGWkR;!q;>u&fAQ4Ztd9h{M)=k z9)b({uG%dpx5GZ@@Fd2A$X`J3BD9u?4;IA(;XET)MKU$6JZ0?$&sfsA0rjRjMONv0 zQd)rd`};NVv9yC0zwWEtH?R5vVRYp~W*&3XPx;?KlT15<<%Dg#s1i_gj+ST_vof|9q0C*K1#M@mSoMAzyu}t|(_1vy zuRGwb>+{UKDAFNbxsK&@w@-nx1^97R{Fgi5Co~bQ(z{0E>s&!L=NRiT5zrB;Jg?W} z<$Xs3J0CZ>*W+t9b>qu%rp2jz;a1nC+4p;r*YeEvoUI^faA+01>3`}G>r3#DWE9!f zN?Q6I^cJL@voE?nmmy1Qo~rw!vjO`Q9kR5P@2;F?db#}j24*I@WY@qryWJX|9pw@j zMx7WgM<*p(dqb`vRm*(8kS046LvpJYr~NajR9p=C(kFA6?0ec~UcBqUeA)CdycNDe zjvj*x$u-y>VdJk;Yo4o^1oTQZJrurfh&4|9aCkQPSaL3}?r}|UXBRuI07tcxvk$?6 zP_GjCyJ^i0sae+sFl5%&9YTlqzO?N@mMK<7R zv^O3dUcW6Q-PCgpgS%fhR~M>2oImcqNiWC1am$?sJQcc=MQ)@@ox#%^5nInRKi#{Xne9ET#{DYFPu$z6YywTvGAv+p$6*%Hm(#%{Wkc4)&;ako^71JRb!?LCGW`{N&b z7_d748^T@9)d}F6EkbAK4Zrf<+sK;d82tMxW9$g=_El)rntYa3-X1C353<-v1BQR( z``~>8JR3|b3vCgUEOQhna|IQ;m&cVt&ITm`24jbf!@$VQQ&3oIKWqx zADOL2I|jb(Pa}egRz;gK+<7ApE4-YBU`%@eBj)~m0SH1H>XaFB5dYlHA!$Ap*%-~R zZQmd3jqS(*6dZOx2w;TB%qdmzI3Mxqa!mJZ#v3Mqm1+KBkcgGmiVwioRsby6#OU-M^x)AxwK2yIf2D&cLJ~R>ZIlf8))(L`h8$;M@`cd(Z z0pWiaUiPok#{YvE;D0BkKYSC+FTiuMxCPuelp02N^L*PnFMgs2DZ1OCrCXJ2-SQ2p zDNkgU>C|JW{Cg`s0K4P_2JA$sUtx+vMgvZ0%mQN2LX_pxhCCJnz8+j{aOK7iSh$T~ zT^Krp1b!nA4~A4$7D7EhN7>J8@JU~_{(KY%ssl9+M1C?lU zJM?k?FeScq{%QjyyTNsLvoi!G z6vIKFWf_bF_DC4LL~Vd0mQ7y|G{%5I%mp>k@FL)w=#=QcfH;|@DIF;hQ;%_=*tNmx zXx)WarGLWL0N{&KJm^fn)uGKZ(}+vCwasttuCs{+z(f&>Ipe*@v{#97D*`?BbUVyI z0pI3Yw`WH{I*9mZJmKYll(Tphzo7XM-4QGk{qCGu5zHX8l_%mc44TE+)lMB_|`??AAH+eUPUJz>Zy zSe@#|{Ieo7U&|cKBsnvHjy90Lrxq*If%s`8Ai_S|jT;NALD5CvgqB071;8t(omT9- zjg;q~U*%M0_R;`PPO|EvloEkqB1KDo-40s)!Qt&)z$fg0^q3(OE-8(7)akPa%TuX4 z!;JDOH|=HGscCSzy;iQXt}UE_NfuQ6;(Iq{fGPvr0kSl7@UZ7xY*%hXunX|$k963NKrEFr9CjT3oNHn` zS&<&?*>!XpCW|>y8YeC~% zcx@vM{c3~bdCP;bDy=;Mcn_ilxbXj5I>$_|#{Lq)NiWDOGr6#!o%P|$1MXgwi2X>* zN#0<;q9iV8lQ*0cO{}giP!R7BHId<9FuE~kUj>}NEf{wIa%3j&T220*Ts=4&qM#pr zU}z)n-=)5sGLr{PJpV1aOm1+Ma;cI+=s=|Ln$We0_-A8ME@G-bPlKgxcOo?$$Sx$C#1uNz*t!)Z4Hm*LX|cavB@C>X2HK7O`rCi z*ZXh~-UEA}7i9HCf?4ud_xXZ+4Efn9ob>SvwnH}lg%1;-2& z75p|Y8&S$Vh_l-wIk6u$Q(&{d_RA2vi0_M$cF)UiX!)6nm1Tqe;~!Q=RP)MG*UF{b zbj~Qvo2d#t(8Vsz2%y&}Z=ZH}6qjk4G>KZCx>@t6&_wB^u4tUm0>FV>gzAI5*#$BlDy<6A6!a%>% zH-2Q>n-j&hap)U;?+8+#2c|=~tXKv47FdUzArjgDde>!2gQz(a{T+!f6s#_T`MwR8 zw3=b2^EAx{IJw~d%3R&3-$CyX-V$lZQcYH1#4`56g8PyP;~sYaFb*yMNix&&1ZKc( zm=;X|7>K{M1`YCHa53`OcKU^YnhVTWhbZ_H)aW-}l!k|=rBhTI()#78LC_!j)EHiC zzvi!M;@^uGU7t9u>!1d>gCIZ%MUJ{J$f?!=^m3t!LC&NSqQZJ?3+K6mEkH0YQ>8>8 z+Zgh9H%1=?|Lt{s*{&+^$_}8$B1)Bl3c$=&-^z>OEcbuZN{hM|kAold^NYt;;{9H? zlU}42$XPikvDrrTu6YH3B*WJ?g6Rkr-mBNmV>vk+ecwR~!wK?trVZ94F|F>Rvwxm7 zN+RPQwfx=%?X4EiU^ybnpMrOMSjJ~+)r{Hk=btVs!#}kc%tUP}6uJPbeQR0p9zf0He8yq4ThE$IA-?>W>%9qyy0PAmYTQTRXYUGdYX`c~Ix>0Eyp{*>R1m)NVFo>LkW0ZGMp?VtVROOYcsS8-H-|&op?h~(zE8O#x)L_#8;de9AOJ%fFjt+Ce-ZR3 zvjz#&8Kh}J?KR{;g?8;R9Y;|gPcB3)fxyZxaHPGR28cVw1bBy5-;x6Sa{ft2gUCiR z9BVezjf-ymweiT9YO&vgL(S0yHJ9M(A?Ku(^7YK*Bg6_u8wo@zo}yaSxfa6f1}c~O z#~Gfuo~TM_#7OD5891#+)T7NCm|F29#?&(0JE{6`g-Rm_`> z4;Wkdi`RE%xIXPELUBuhYv&0t zp>h$3vSS4XvBpqPp_tl}HCab#A2G2DuPSXKWzom?Ecf7m*n4+wP~NP@lvS3>S^w4a z#KI_w`AUM{M`7qR8J-Q;KzouI7^3v25=AWa!K*P*@DVEyx8qE36}dC6kjz!u*eqJA2=kT>G&m;c zWkmKsYtX<3F>qO?Q33W}1S=LN{*_hs9B@p6E_1+@x1NfonA)I@docv_T6^Oz5zi`e z*AIT73=)V#eF6*f#>m$Q3-k;94gT zUZXJdlMi^Hbonsg|qq8@%a<<-L(7f8dn z4FZXrpN&}*0n_M4~PEP2a{^7leR=(jST}JJE&n+|4M+ z1bZr;b^d7`#Kdx?C9B&CZ8>xKjnAVxvvEv8gl$Cfy@TJTqy=uwfeJ9=sZnAj+Hh`_ zEjgiOzd3xT%ykoKTcBN7XGyITCiG}=aE3$F#mV2s&K*6FR?vgmifzE?abDW)>edmd zb19U+Zr|uC4kMgHaJ}uL^Xq0nnhFWw#pOFc@y_jlrkGp-w5={s?^;|jUD1PJoG7mg z%9{=D9e8Fw58rw&3U$x+U0-dQ?ibKdF1+Ui=a+n$U>0hB4p_IFM^t;YI1U|cvlKX~ z#iA$N8RgLizF1OiyGyN_)HE`jy?#7?K|GWn>q9tWC5G3wH`8EpU5+g4e@ z7Hla6NXQQG8UD=u{dz>D#P7k~rR}Q)7GPkZ)Ikhb{o`E%qZa3dI}Y%7S(Y0wLAs8@ zdjW&mxAs*p1Vl9(8?HJCs1*S5&lut|huon*V;Qu8=Ble3*9Lel>nJ+{6PsxEFj&Z6 zi|s?x*hMShE7yO)5r{9w_TYYvsUlPaAo+OI0c=I;mh|Z(@ba&MJ%s6}3Wbt=@F8a;~J*6LXMCQVvAgUj2Sy8#bJYnNem51h=Am_=95nQ1k z{k9)eadBTG*SPwJ%s?dj8a(##F^Nc~908GnXh4G~@2w8rFfoBZ4j_(h1i>=m@}Wa6 zTFVh4y%-2E6%aG)J_0$J_Q+`)Q;dkl&?n3GUws}>>U@w_Ij@l(? z*t*QlU}1x`2hnddBwIv6e+J(DQAC+5SOXbd4BvSn2Y5uaz}|GVPuYIxaJIvMb{nGlPD2EV7X z0(oTo;dKCxT}?jykF2sg2w{S9C>G)2rW?m=;aK4X&6YIB@f}C0(~x%3_Ns<`$kD{% zO8_d+W*Q^|l&PX>^q@5Rq=9`u>Rgc+u^kc|hN~5mV1K)&`(!8sD%2)vz=9x%5Y(0P z;;-SycGd)8@NBz*-8I|>Yde__A&SiDvj}h>!z$WU1E1+o5T^MH5dU^{}>`O4YffL4Qu*mAU6r5Dc8X% z;95|+1?BriXs##x-RKtUbuBly2Ftwq6 z<=>M_3*Lglb08&fmJZd|YPgeLlEPv&OoevLpZj|8?|o$fgL|%RSEp~7!V6!r9@7Z0 z#<@hz!-f+Z9K=S`^|sHv`vwi>jH=aqv9yyv!7YFL0k_i&Y;`6yplv_Piq5v8wj&Dw zF_E6wE#sv{Y9}Z>yJY~vO6HUF8Y_hw+XyBSvlqh@ZO`cP#rvJ{XkAGN61IcgV!|LA z@hv)_g>t3OSX4I?p0%*|@^8Jz>9O$w;_M#eqCo+~9C2>HQ_(_$#{BbPcO{(Qo*KOR z5Rfu1_3x8%N=Hr(o>CCiP_2r4o*54PKFTH#OE{%VR@D(pWixCG-~7|j>B-+HFgRT4 zUr~>pvg&`S@KV+qOWYuMkzZ+`3ktOY*d|&v#r;G(M7>)m$5~%~0mP3&T+L(uV2c7{ zh#qZ+lZutiU_Ca6!H-j)-hkzMZUkTQ8tut2z62g3uZ`Qmc!u=C8YSD~sQQ3ImLj5D zSg~c87(w5D7SrwkU&YItuU?)wwjC}w2Er?K`beD0Qt(y`pJB8e?5ZY zG(2m#luih90j&X#J4&G3Cd+t7=x99CW+CCn5#2+C>)4+)kIQ3L zA~H}u-h}tGoq>OPEtfyEGz}O+j_mRf`$`sI5=|km9Wx7+z7etY(q;{O2beajg52ida1pcJqX818H*?ACI#(`HV0jx7X&aa!=@S}(T!Z*N2uMQUYX+Yw z`TrsK>;$$g?uzMx!I~);VP+0T&VG(v6g;}iBN-`nU|5yu+NG+)d*A}%T)nzLtqfth9zF1}IzUuO-YE5|Eqs)J z!q4pAp-q8%912u))|PnAFT#pY&C><44HL6rP2~co9$q4;-9Y$cKff5Z=}z*ofTR5$}x~ zK27N0y^;c4@9^FT6v71kR|Lh2f#YVQQzh?%0=m^<-9JsbM4c28!QRmeX%1&$xK<43 zw ziQ&`g4_@60AZx}d{i#GGn#Il3v4eYq;Vdf*D@9v}VDqtq+0?ATNka&XlY$+n9RyN8 zAvo+$U(QZojxafi>aCHb3pRBa6@Y31Bi75IB>8+qwrfQ~DLxL(E|5sbra80xpR&Uc z_`-skaX!UE*`J{h+6P_&sRufEwef$7of+{tfo9k&CP}bkIu#G+wY9^Z1Gk;lzEz^V z8>Mx^jAR%fLfmaDaALZR+TSRVvbaAXsGUx3ANU2`i~PxNP!K_r>HE6}Z4?v{VE`8x zb{^vE{kQDC+SdbitZ{>@QBuyNVN~saGcIf|z2D%@`jQKGTGBIGo*=BsZd^+B9acbaa z?jaN-uX3PkB$i%b4BL!FAbev4zs^SvA%l9~h~+l|Jmz;!WTYFybWP%B&E7Ws_=}U@ zIH9-apRK$h(;<%Io}Q5tP2_ zjC6EYKLjF*c?$#+KBG5jq5IlJ$wxd-kO^}h{(0_$J(>`rB4Y$xEl%`^g&2fML-6`x z=fhi=rZ@z2Z-a1g!eAz(b60(aVN>yQd%K0x_ofz&AZY?+ctYFQrz990aTsDKI6gnG z4={pc=Mm^!=LGg#3$y){Ul(ROtMO-R+v6eD*Nl1$sE-XD=3941p*G89@`swZIWre2 z90(>HZlWI8^7D)4bsMU+W`K0mmhx*)XR_r3honMk&QXIBIePzj2jBTaxs{O`S6+h` zX?M9ss21=pXQ5Br!nI-RKrxtlY@+(B@71KeCHCH-GJWt8^AT7FRm7IX9Ly`-Gbz60 zw>h0#JYnrKu^Iw0=iV)qx2ehs)54|J*Yi3Dpyzr|G4hcwRzIzeOG>qnq+0ZCy z&4A+p=h{TA+(&P7^c-Y{GT*gBReNigX~JzQg0V@>G@A{(OuO^D9mCZ_Ny@FKoEV#? zP_`m<^!1HuyPZb2@7f6JriLxCs4|DUVcmu?u?hBxX0~m48Pa5m{=4H6*3FmO9EBZg zaEu8R2xr;>7s@Txt-7HLnuRSisUHsy4!J|nav#`4V{b==oU^?)bq4L&tVfkNl-=GX zbXfr_7z6F-Dm4^%6$6M3DZ?IuMoe@SYZWJ`92WMq?cfDc)TjKhIuya!)&{58v(VnR zjU9xsN&`|u%%~boiW(y*Rrm#O4_sl~WjJ5iUgFW#tSgHg6*RU8F=k}$m};FGpm4tG zhohArON^9k`%OR2nwX0TB-225-jWvpQD_Knj)PgRjUj2y%>h?Wd z?9o#LUQTdYu0|CBr-NuX4MsTG_Iyl&%SNWHc#Y4wV?O4w(DUe6o1SO2FAMY{t$9kY zVl$fJL}@q4VeZI*dggt3H?gA5tOhbk7D?U&qk6pN&ZG)0zW{*^2X>Zi+p0(%4d*Pc zy{*fE7yi{N<7E{u!+u2ZQSHZ54>NJ7&G z)MF?n`w-@5*w1LL$o8o-){ki$C z4Nxt%%4+XoI{(35g=vFnseEnpEv6EK!e&;=9=&A3Hoq&e1a@{M$48H+4xf+LRiv>0 z_)TDz#&f>WZ16QH*6YG0-#@B3m`hk_P5Hpd?t$>6;O!VbN0;vP?a@Fa zH*VkrxaR$)35~G^t~D{I>S*;w?#nV5y$)Z8Wl>#WZ8#@fF%I%rA9}95%lq{T!?1Z^UioX5L^bZF1YC0}7RN?A;b}oTj;&635m( zq}~hc9th}2G|?<3gPmV|ziAQ}o4=+*Q(XMLkamg94v{(SItGSjQ;<{c1asyEit@2l zmho*A1hhN;f~f7Y-rR3{jRB_mT5}G(3(ewnRTKh4t)`rxu-{=njXF(1Mqno?pd7S4 z3LI~u2H>99#jCxDnpUDQN(`xFEgIis$ zI=uuIxB(%(o;rRi$KMPF2mPlNsY+|uWs%CJhyGBK zKFpM22%E2HOCNV!Ywn;F5%rXuue`_UAZ_2Qx(y*7E6afsFDP3cEcjjPp1;f>>o?49!lbK5p5J09}TGgxQo_TXHU z@78St6M-&sUyCTx)GCvz;N@}L>UjLV^vKNyfx69wJ7{U2G5Xw}$Qh?PJ#3zg*)ufk z0f&KfK-JDFnWL3n4VsrJ^6b+>s92~xPra$y%L|9bW^Q#auQF!-mce{A1b^z{bl>S! zb(^x&L(eLGA^Ec@Td7Sd@4C47MRxbZ8Fl4}9QJU582j8VWLf#8U)bPVNH+H-(e59XSXG)TLP*)ADUVc(U`&h zN$0!g5ET39!wo$VOhV$BwWwwXR_lR?k4CW{E@>t-hO09VbaMxVdH~8*H%J<`ffFwO zT>hKijQ{xUa}+!P`d3suO`;BCLl90y6E)DZXNVs(WCJ`oDYR(1Eq6EG;Gh^~ZqQ)! zD)>|GffT;M-l%E|8kZU}EhQRNc$y>7wP!&P6sUSN7*-aR;>Nc*0U$Q5b!w=9tujyp z5Hga0n+yiE;cH;H|9CySe?W%;`3sO}eGe=guk(zLv>cy+!CsdKg>Co1M+R5jsp&wI z-uH}*#U?ah%!5fl?WzHkKxn8M4Hsw~^*z3gN1X<3LTcg`(~^_tw1p+gh%Tt*BNU zN&${ZFPocT)v^I&r6b-6k;~H%4$7c`f*&Ou6c%tFOZ-h(>17vRu|4>}S3IX!9~6EY zxwdv3(bzmNXq5`oky2n>mXQ2SaiJ@K_MLLCLAVhFo8522@JCKarDVgfsw4G3d72jBugV9Jbb7b2!8)|a8| zqfQGEf{%GTYTjS~gewx1@hi=M)zan1g1!T3X%lZ4fgcU#2BEUf;bYS-Xyk?E+gONW zs9}fZ8AOD|>aPrsXRC+LG*B+WZ0;pV-i8oLU&D6ah&jCEO#P8*@%`kcSJEOmu)FT4jjlh75~cBNBFX(A0o^ z!NLobS5T~DJ6B84q9k|5KUU613vT7cR|k6cNaiANtsxT)Lb$fybpKG6;@f72JLIuJ zPS+}a+53(l&+4Ye6DWuRe2yn;WT&SN1p(?xB>PkjTa3dF_wY1qh}uE3bc%avtD$JW z1MMBGl^I%N5C;+nCcg^tO>ZdJJ}0ZTCIp{kVx@;twl2AeBiH$klK=;7g5-G-uT@0+EJ z?yPbSkeW`{w@SI)uhV4m-HoVof0jy(mH2M3(x^i;O!)Q)Quu683#`?Q=Q#aC-td2o zq&-!Mqa!F>A3etQ%kR2x@*?i3MN+tPZvW5s|nMoKoDjIAH>@{~XpjfomMwma~w zt?6ta%C`B=3MV}Pk1a2ysy4b-Gb3=#s>R-*#hNt7J}%#};pK0&@~V?rV5IfphCn3Or+Gz$9F2+M`qOdY#_^&C#vWnfkxessm2 z3mIFVj<)B@zi!Oos)Z6hsYSCDB1ULzz7)-odgwnXMZ>C~QZ%J>%{QXq*_X?eaGG|M zZ}-f~Yh6$Et5MmRlH_5YO3LO$rXJwZ$yuEhL)8>sP$%n%&=(lKu{Gec|0Tt_!Kw}p z$ku^oKct6)Ro3QA-wmC9vSh*)@P=&Z3B?NcNpF}NO0Bl!54@wUo^QEYa8dPeS*zq$ zBJGXQ6E#pN>IC(_uO}CnS35>EOs$yOEyg7_@B`hmj>+I-8~8`v<7nqd*NT&k0u;c( zvHNItvVXL0B7Iq!&%UD!-Pl?Tkd8dj4|(p$q~Ox)3avaKa)m0hc2<_I;+v@dPDz-(Q1v>COa zYAng!>A&qnlUt)I{|+Lk4hu5r*Z&q3%~%f#n=imj(VL$PxDg|`$WYeukZQEvlHz74 z*wWC5t94ct(5a|3xb4DthVT%yf&XYh+qxyUaPOq$XgAAZg52#cP;q|%>)f`TN9Rk# z`iFP8->9}53Z0?miTWCkt5FLwfB#HiqHDI+x?IoS(9_Tm_Yv)*9G0H*2B~DXk$lXLIAvUFbE69ZXBMf9+QpP)@Q}Sur@gVv z75N#&+#pd3x9uCS&}_Lh!jzMpxm++CSUG1_uWFpVl5+NBW0>j`$sKQ<;1iT@aP{B= zwG8`nN&fYGHK>OiC7DO65lZi0*W_tXr?TK+z`hm$ku&fF@ubbKczivOcH5wKliS6#CBc4l+cwtSk8= zOw9mKza#F(F^`@X)&2bSy%KD6q7Rnh_9{s9`5aOUBOVQ!f{8`vEmCrh6xh}GsOOC^ z+kkLCwhPbA7Ddp)rEU}#(cQTNT+JO`EpI5fd*FRxHQEC?qe-kKzgpZU*DVV_!{~|4 zI-wA=?G0w-D#2eW-X@S{4mk!3F@IcE{p2*(-ifPnl^Z%Y1Sxo^;oqq?P}S(({#N9nyv$EvfGVVh)F#kw|bx~f@Q-^!V;Y|Qmc%Edlx}8{9b1^ zO2l%Htb2)raWmALr@Ae*$XNskuxkgjAZD*GSV(I;5pE7Pi1kAo`6t3z`U0Z;K1Djfe(@NU4H}r{jU+g2RB6r1O&Fj)GwLM zdzC-#eY!cVNQG&1;5MZC!Lc`wrwsqn9W@a=_@W!B=sS4V%m#rgt2%RoJPkp5gM9F2 zAzgntBo&;NfY2`igaTFEtGtN0w+HC0c3kb5`I+!k1hn)cqo#y_PV~$ zwB|(a)#DH^)R{SZz)=CbF2jpWYullC>u;YgJd3xRRw_g0UGC}`9;(Sk+BNU8Zkdoq zdrNVVjiEG=R$%rAK*K7_=@#%NcEjY})d7s}Uhnn%lTZP*LT2Ggp9FS+T^k|6Ev-0E zj-aAxFTG+b5Hy!cxTQHP7QGO9zdnAU91Ahj5XTdQj2?uPIxO7_jI{wsurv*fRi!S+ zNuhbhZTS2UOp2VfZUFMiA)HYKv=nO=T@=87KkZZD=H7vU)E`X+S~8KujzyUz(49N- z9G*Sf$&_EKJ>d<(Fo^$`h>JipEa`~*@PfzKG+_|CpF*(}zbWqU?JkO@)ghu={HoWH`y1%GukRI!B;LzeqV nF3HA^O9J5~^O8(C&aCMV1pgNamrOUq2bWl5ZO!w|j-CHE1{1M? literal 0 HcmV?d00001 diff --git a/resource/03-content.qmd b/resource/03-content.qmd new file mode 100644 index 0000000..bd596d6 --- /dev/null +++ b/resource/03-content.qmd @@ -0,0 +1,549 @@ +--- +title: "Práctico 3. Operacionalización de variables" +subtitle: "Metodología I" +linktitle: "Práctico 3: Operacionalización" +date: "2024-04-25" +lang: es +--- + +# Presentación + +## Objetivo de la práctica + +El desarrollo de esta guía tiene por objetivo revisar algunos procedimientos básicos de la preparación de datos con R, que son necesarios para luego poder analizar e interpretar los datos. + +Por temas de orden y reproducibilidad, en este curso vamos a separar en **dos momentos** el trabajo con datos, y dos archivos de código correspondientes: + + - **Preparación** corresponde a lo que se conoce generalmente como "limpieza", es decir, realizar las modificaciones necesarias para poder efectuar los análisis. Estas modificaciones previas al análisis son necesarias ya que los datos originales con los que se va a trabajar en general no vienen perfectamente adaptados a los análisis que se quieren hacer. Por lo tanto, en cuanto a datos también hacemos la distinción entre datos originales y datos preparados (o procesados). + + - **Análisis**: se relaciona tanto con análisis descriptivos asociados a las preguntas de investigación y como también modelamiento de datos para contrastar hipótesis de investigación. + +#### Los procesos de preparación y análisis vinculados a datos y resultados se presentan en el siguiente esquema:{#flujo} + +![](images/produccion.png) + +Tanto la preparación como el análisis (que son parte del concepto más general de procesamiento) quedan registrados cada uno en un _archivo de código_. + +**Archivo de código R**: archivo con extensión .R donde se almacena el código de análisis. Para generarlo desde RStudio: _File > New File > R Script_ (o ctrl+shift+N), y para grabarlo _File > Save (o ctrl+s)_, y darle nombre la primera vez (recordar: sin tilde ni ñ, y evitar espacios) + +El documento de **código de preparación** posee 5 partes, más una sección de identificación inicial: + +0. Identificación y descripción general: Título, autor(es), fecha, información breve sobre el contenido del documento +1. Librerías: cargar librerías a utilizar +2. Datos: carga de datos +3. Selección de variables a utilizar +4. Procesamiento de variables: en este punto, por cada variable se realiza lo siguiente: + a. Descriptivo básico + b. Recodificación: datos perdidos y valores (en caso de ser necesario) + c. Etiquetamiento: de variable y valores (en caso de ser necesario) + e. Otros ajustes + + +5. Generación de base de datos preparada para el análisis. + +

        +**De rutas, estructura de carpetas y otros ** + +- **Encontrando la ruta a carpeta local**: lo más fácil es crear la carpeta donde se desean guardar los datos desde el administrador de archivos del computador. Luego, posicionarse con el cursor sobre la carpeta y seleccionar "Propiedades", en la ventana emergente debería aparecer la ruta hacia la carpeta en "Ubicación". Copiar esa ruta y agregar al final el nombre de la carpeta (separada por slash) + +- **Sobre los "slashes" (`\` o `/`)**: en la ruta las carpetas y el archivo final aparecen separados por slashes, que según el sistema utilizado pueden ser _slash_ (`/`) o _backslash_ (`\`). En R por defecto se usa _slash_, pero en Windows _backslash_, por lo que si se usa Windows hay que reemplazarlos por _backslash_ o también puede ser por un doble _slash_ (`//`). + +- Por temas de compatibilidad general, en las rutas se recomienda evitar tildes, eñes, espacios, mayúsculas y guiones bajos (_). + +- **Estructura de carpetas**: para mantener el orden se sugiere seguir un protocolo de estructura de carpetas de proyecto, para lo que recomendamos el protocolo [IPO](https://lisa-coes.com/ipo-protocol/), y que se adapta al flujo de trabajo presentado anteriormente. Básicamente son tres carpetas: **input**, **procesamiento**, **output**. En la carpeta input crear la subcarpeta data-orig para guardar datos originales, y data-proc para los procesados. En procesamiento se guardan los archivos de código y en output las tablas y los gráficos. + +![](../files/img/ipo-hex.png) + + +
        + + + + +Al final de esta práctica la idea es que cada un_ elabore y entienda su propio documento de preparación de datos. + +En el ejemplo vamos a procesar variables de confianza en instituciones políticas y variables de caracterización sociodemográfica utilizando los datos de la encuesta [Latinobarómetro](https://www.latinobarometro.org/lat.jsp) . + +## Antecedentes de los datos a utilizar + +Latinobarómetro es un estudio de opinión pública que aplica anualmente alrededor de 20.000 entrevistas en 18 países de América Latina representando a más de 600 millones de habitantes + + "Los gobiernos latinoamericanos, que venían en declive junto con sus democracias desde inicios de la década de 2010, como reflejan los datos de Latinobarómetro, llegaron a fines de 2018 al annus horribilis con la caída de Nicaragua y Venezuela desde su condición de democracias para entrar en la categoría de autocracias y dictadura. + + De los hiperpresidentes de la primera década del siglo con altos niveles de crecimiento en todos los países y altos niveles de aprobación, la región pasó en la segunda década a los subpresidentes, con una baja en aprobación de gobierno a la mitad, en menos de 10 años. Este rechazo al desempeño de las elites gobernantes, indica su fracaso a fines de 2019 en varios países de la región." (Latinobarómetro, informe 2021, p. 7) + + +El presente ejercicio tiene por objetivo el procesar los datos para obtener las variables relevantes para el estudio de la **Confianza en instituciones políticas**, entendida como el grado en que los individuos confian en distintas instituciones políticas a nivel nacional, como el gobierno, la justicia, los partidos políticos, etc. Para ello, junto con variables de confianza, consideraremos también variables de estatus (educación), y variables de caracterización sociodemográfica (sexo y edad). + +# Preparación de datos Latinobarómetro 2020 + +## 1. Librerías principales (de R) a utilizar en el análisis{#librerias} + +Como sabemos, la lógica de R es instalar librerías (solo 1 vez, con `install.packages("librería")`), y luego cargarlas cada vez que es necesario usarlas (con `library(librería)`). El problema de esto es que a veces no se sabe claramente qué librerías están instaladas y cuales no, lo que va a arrojar error al cargarlas. Y, como sucede en R, existe una librería para solucionar este problema que se llama `pacman` (package manager). Lo que hace `pacman` es cargar la librería, y si no está instalada, la instala y la carga: + + +Para utilizar la primera vez (si es que no está instalada): + +```{r eval=FALSE} +install.packages("pacman") +``` + +Y en adelante, las librerías se cargan así pacman::p_load(libreria1,libreria2,libreriaX) : + + +```{r} +pacman::p_load(dplyr, sjmisc, car, sjlabelled, stargazer, haven) +``` + + +Para esta sesión vamos a utilizar Las librerías que vamos a utilizar son: + +- `dplyr`: ajuste general de datos +- `sjmisc`: descripción y exploración de base de datos +- `car`: principalmente la función `recode` para recodificar/agrupar valores de variable +- `stargazer`: para tabla descriptiva + + +## 2. Cargar base de datos + +**Ajustar espacio de trabajo** + +Previo a la carga de nuestra base de datos, se recomienda ejecutar los siguientes comandos: + +```{r} +rm(list=ls()) # borrar todos los objetos en el espacio de trabajo +options(scipen=999) # valores sin notación científica +``` + +La función `rm(list=ls())` permite comenzar con un espacio de trabajo (environment) vacío y sin otros objetos. Así también, la función `options(scipen=999)` desactiva la notación científica, es decir, veremos los valores numéricos con todos sus decimales. + +**Datos** + +Las bases de datos se pueden cargar de un archivo local o en línea. Para este caso utilizaremos un archivo en línea que viene en formato RData: **latinobarometro2020.RData**. **Abrir bases de datos en otros formatos**: Los formatos mas comunes en que se almacenan las bases de datos son .dta (Stata), .sav (Spss) y RData (R). Para abrir desde R utlilizamos la librería `haven` y sus funciones read_dta y read_sav según corresponda. Ej: `datos <- read_dta("base_casen.dta")`. Recordar antes instalar/cargar la librería: `pacman::p_load(haven)` + +```{r eval=FALSE, } +#cargamos la base de datos desde internet +load(url("https://github.com/Kevin-carrasco/metod1-MCS/raw/main/files/data/external_data/latinobarometro2020.RData")) +``` + +o de manera local: + +```{r} +latinobarometro2020 <- read_dta("../files/data/external_data/latinobarometro2020.dta", encoding = "UTF-8") +``` + + +La base de datos aparece como un objeto en nuestro espacio de trabajo, con el nombre original con la que fue guardada (latinobarometro2020): + +![](images/basecargada.png) + +Realizamos un chequeo básico de la lectura de datos: nombres de las variables y tamaño de la base en términos de casos y variables (en este ejemplo, `r dim(latinobarometro2020)` ). + +```{r} +dim(latinobarometro2020) # dimension de la base +``` +Y si se quiere revisar en formato de planilla de datos: + +```{r} +View(latinobarometro2020) +``` + +## 3. Selección de variables a utilizar + +Este paso consiste en crear un subset reducido de datos que contenga solo las variables de interés. Para ello: + +1. Se identifica el nombre de las variables que registran la información de preguntas o items del instrumento: esto aparece en el libro de códigos y/o en el cuestionario, o también se puede hacer buscando en la base de datos mediante alguna palabra clave asociada a la pregunta. Por ejemplo, si queremos buscar variables asociadas a educación, utilizamos la función `find_var` (de `sjmisc`, librería que cargamos en el paso 1), que nos entrega nombre de la variable en columna var.name. Por ejemplo, si buscamos alguna variable asociada al concepto _Confianza_: + +```{r} +find_var(data = latinobarometro2020,"Confianza") +``` + +Nos informa que hay una serie de variables relacionadas con confianza interpersonal y con instituciones. Probemos con la variable `p13st_e`. + + +Mediante la función `select` de `dplyr`, seleccionamos cada una de nuestras variables de interés y creamos una nueva base con el nombre `proc_data`, donde "proc" hace referencia a base procesada: + +```{r} +proc_data <- latinobarometro2020 %>% select(p13st_e, # Confianza en el Gobierno + p13st_d, # Confianza en el congreso + p13st_f, # Confianza en el Poder Judicial + p13st_g, # Confianza en los partidos políticos + reeduc_1,# nivel educacional + sexo,# sexo + edad,# edad + idenpa) # pais + +# Comprobar +names(proc_data) +``` + +Mediante el comando `get_label` obtenemos el atributo label de las variables. + +```{r} +sjlabelled::get_label(proc_data) +``` + +Podemos ver que son largas o con códigos poco informativos, por lo tanto, es necesario cambiarlas por etiquetas más cortas y de fácil identificación. + +```{r echo=FALSE} +load(url("https://github.com/Kevin-carrasco/metod1-MCS/raw/main/files/data/external_data/latinobarometro2020.RData")) +proc_data <- latinobarometro2020 %>% select(p13st_e, # Confianza en el Gobierno + p13st_d, # Confianza en el congreso + p13st_f, # Confianza en el Poder Judicial + p13st_g, # Confianza en los partidos políticos + reeduc_1,# nivel educacional + sexo,# sexo + edad,# edad + idenpa) # pais +``` + + +Para facilitar el análisis, vamos a filtrar la base de datos para quedarnos solo con los casos de Chile. Para esto utilizamos la función `filter` de `dplyr`. Si revisamos el libro de códigos, el identificador de Chile es 152 + +```{r} +proc_data <- proc_data %>% dplyr::filter(idenpa==152) +``` + +## 4. Procesamiento de variables + +Para el procesamiento de cada variable se seguirá el siguiente flujo de trabajo: + +a. Descriptivo general +b. Recodificación: de casos perdidos y otros valores (en caso necesario) +c. Etiquetado: cambio de nombres de variables y valores (en caso necesario) +d. Otros ajustes + +Y se recomienda también un descriptivo final para revisar que el procesamiento de cada variable está ok. + +### 4.1 Confianza en el Gobierno + +En Latinobarómetro, lass variables que permiten medir la Confianza en instituciones políticas en Chile son las siguientes: + +* [`p13st_e`]: "P13ST.E Confianza en el Gobierno" (1 = Mucha; 4 = Ninguna) +* [`p13st_d`]: "P13ST.D Confianza en el Congreso" (1 = Mucha; 4 = Ninguna) +* [`p13st_f`]: "P13ST.F Confianza en el Poder Judicial" (1 = Mucha; 4 = Ninguna) +* [`p13st_g`]: "P13ST.G Confianza en los Partidos Políticos" (1 = Mucha; 4 = Ninguna) + +_a. Descriptivo_ + +Para los descriptivos se utilizará la función `frq`, de la librería `sjmisc`: + +```{r} +frq(proc_data$p13st_e) +``` + +En esta variable vemos valores asociados a la opción "No contesta" (-2) y "No sabe" (-1), que corresponde definirlos como casos perdidos (en el caso de R, como casos NA). El resto de los valores y etiquetas se encuentran en un orden contraintuitivo (mayor valor indica menos confianza), así que en la recodificiación nos haremos cargo de los casos perdidos y de reordenar las categorías. + +_b. Recodificación_ + +Para recodificar utilizamos la función `recode`, de la librería `car` + +```{r} +proc_data$p13st_e <- recode(proc_data$p13st_e, "c(-2,-1)=NA") +proc_data$p13st_d <- recode(proc_data$p13st_d, "c(-2,-1)=NA") +proc_data$p13st_f <- recode(proc_data$p13st_f, "c(-2,-1)=NA") +proc_data$p13st_g <- recode(proc_data$p13st_g, "c(-2,-1)=NA") +``` + +**nota**: con la función `set_na` de la librería `sjmisc` podemos recodificar toda la base de datos con un solo código, pero debemos estar completamente segur-s de que estos valores no tienen otra categoría asociada en otra variable. + +```{r eval=FALSE} +proc_data <- proc_data %>% set_na(., na = c(-2, -1)) +``` + +Para reordenar las categorías volvemos a utilizar la función `recode`, de la librería `car` + +```{r} +proc_data$p13st_e <- recode(proc_data$p13st_e, "1=3; 2=2; 3=1; 4=0") +proc_data$p13st_d <- recode(proc_data$p13st_d, "1=3; 2=2; 3=1; 4=0") +proc_data$p13st_f <- recode(proc_data$p13st_f, "1=3; 2=2; 3=1; 4=0") +proc_data$p13st_g <- recode(proc_data$p13st_g, "1=3; 2=2; 3=1; 4=0") +``` + +_c - Etiquetado_ + +Vamos a dar un nombre más sustantivo a las variables con la función `rename`, de la librería `dplyr`: + +```{r} +proc_data <- proc_data %>% rename("conf_gob"=p13st_e, # Confianza en el gobierno + "conf_cong"=p13st_d, # Confianza en el congreso + "conf_jud"=p13st_f, # Confianza en el Poder Judicial + "conf_partpol"=p13st_g) # Confianza en los partidos políticos + +``` + + +Además de cambiar el nombre, queremos cambiar las etiquetas de las variables. + +```{r} +proc_data$conf_gob <- set_label(x = proc_data$conf_gob,label = "Confianza: Gobierno") +get_label(proc_data$conf_gob) + +proc_data$conf_cong <- set_label(x = proc_data$conf_cong, label = "Confianza: Congreso") +get_label(proc_data$conf_cong) + +proc_data$conf_jud <- set_label(x = proc_data$conf_jud, label = "Confianza: Poder judicial") +get_label(proc_data$conf_jud) + +proc_data$conf_partpol <- set_label(x = proc_data$conf_partpol, label = "Confianza: Partidos politicos") +get_label(proc_data$conf_partpol) +``` + +_d. Otros ajustes_ + +Para este caso vamos a crear una variable que sea la suma de los cuatro items de confianza. + +```{r} +proc_data$conf_inst <- (proc_data$conf_gob+proc_data$conf_cong+proc_data$conf_jud+proc_data$conf_partpol) +summary(proc_data$conf_inst) +``` + +```{r} +get_label(proc_data$conf_inst) +``` + +Vemos que una etiqueta de la variable anterior. + +```{r} +proc_data$conf_inst <- set_label(x = proc_data$conf_inst, label = "Confianza en instituciones") +``` + + +_Revisión final_ + +Nuevamente un descriptivo de cada variable para confirmar que el procesamiento está ok: + +```{r} +frq(proc_data$conf_gob) +frq(proc_data$conf_cong) +frq(proc_data$conf_inst) +``` + +Vemos que los valores (labels) de cada categoría de las primeras variables que recodificamos no se corresponden con el nuevo valor. Para re-etiquetar valores usamos la función `set_labels`, de la librería `sjlabelled` + +```{r} +proc_data$conf_gob <- set_labels(proc_data$conf_gob, + labels=c( "Ninguna"=0, + "Poca"=1, + "Algo"=2, + "Mucha"=3)) + +proc_data$conf_cong <- set_labels(proc_data$conf_cong, + labels=c( "Ninguna"=0, + "Poca"=1, + "Algo"=2, + "Mucha"=3)) + +proc_data$conf_jud <- set_labels(proc_data$conf_jud, + labels=c( "Ninguna"=0, + "Poca"=1, + "Algo"=2, + "Mucha"=3)) + +proc_data$conf_partpol <- set_labels(proc_data$conf_partpol, + labels=c( "Ninguna"=0, + "Poca"=1, + "Algo"=2, + "Mucha"=3)) +``` + +y volvemos a revisar + +```{r} +frq(proc_data$conf_gob) +frq(proc_data$conf_cong) +``` + +#### 4.2. Educación + +* [`reeduc_1`] = REEDUC.1 Nivel de estudios alcanzado - Entrevistado (recodificado) + +_a. Descriptivo_ + +```{r} +frq(proc_data$reeduc_1) +``` + +_b. Recodificación_ + +- Vemos que no hay datos perdidos + +- Valores + +Para hacer más fácil el análisis, recodificamos en tres categorías (en este caso decisión arbitraria. Se debería tener una razón teórica para recodificar) + +``` +1. Analfabeto = Educacion basica = 1 +2 Básica incompleta = Educacion basica = 1 +3. Básica completa = Educacion basica = 1 +4. Secundaria, media, técnica incompleta = Educacion media = 2 +5. Secundaria, media, técnica completa = Educacion media = 2 +6. Superior incompleta = Educacion superior = 3 +7. Superior completa = Educacion superior = 3 + +``` +```{r} +# recodificacion usando funcion 'recode' de la libreria car +proc_data$reeduc_1 <- car::recode(proc_data$reeduc_1, "c(1,2,3)=1; c(4,5)=2; c(6,7)=3") +``` + +Comprobar con un nuevo descriptivo: + +```{r} +frq(proc_data$reeduc_1) +``` + +Se observa que los valores coinciden con la recodificación (los casos se acumulan entre las categorías 1 y 3), pero las etiquetas ahora no coinciden; se soluciona en el siguiente paso. + +_c. Etiquetado_ + +Para re-etiquetar valores usamos la función `factor`, de R base. Con esta función aprovechamos de transformar la variable educación en una variable categórica, que es lo que corresponde para una variable ordinal. + +```{r} +proc_data$reeduc_1 <- factor(proc_data$reeduc_1, + labels = c("Educacion basica", "Educacion media", "Educacion superior"), + levels = c(1, 2, 3)) +``` + +Luego renombramos la variable con un nombre más sustantivo + +```{r} +proc_data <- rename(proc_data,"educacion"=reeduc_1) +``` + +Además de cambiar el nombre, queremos cambiar la etiqueta de la variable. + +```{r} +get_label(proc_data$educacion) +proc_data$educacion <- set_label(x = proc_data$educacion,label = "Educación") +``` + + +### 4.3. Sexo + +* [`sexo`] = SEXO Sexo + +_a. Descriptivo_ + +```{r} +frq(proc_data$sexo) +``` + +_b. Recodificación_ + +En general esta variable no tiene problemas de casos perdidos ni de etiquetas, pero de todas maneras vamos a hacer un cambio de acuerdo a convenciones en análisis de datos, donde por lo general hombres tienen valor 0 y mujeres 1: + +```{r} +proc_data$sexo <- car::recode(proc_data$sexo, "1=0;2=1") +``` + +_c. Etiquetado_ + +Y ahora cambiamos las etiquetas de acuerdo a la recodificación anterior: + +```{r} +proc_data$sexo <- factor(proc_data$sexo, + labels=c( "Hombre", + "Mujer"), + levels=c(0,1)) +``` + + +También queremos cambiar la etiqueta de la variable. + +```{r} +get_label(proc_data$sexo) +proc_data$sexo <- set_label(x = proc_data$sexo,label = "Sexo") +``` + +Revisar con un nuevo descriptivo: + +```{r} +frq(proc_data$sexo) +``` + +### 4.4 Edad + +* [`edad`] = EDAD Edad. + + +_a. Descriptivo_ + +```{r} +frq(proc_data$edad) +``` + +_b. Recodificación_: no es necesario en este caso + +_c. Etiquetado_ + +Cambio la etiqueta de la variable. + +```{r} +get_label(proc_data$edad) +proc_data$edad <- set_label(x = proc_data$edad,label = "Edad") +``` + +## 5. Generación de base de datos procesada para el análisis + +Antes de guardar la base procesada, revisamos nuevamente todas las variables con una tabla descriptiva general mediante la función `stargazer` (de la librería homónima) + +Primero vamos a reformatear el objeto proc_data como base de datos (as.data.frame), paso necesario para que sea reconocido como tal por `stargazer` + + +```{r} +proc_data <-as.data.frame(proc_data) +stargazer(proc_data, type="text") +``` +
        +Si se desea modificar las columnas que aparecen en la tabla se puede ocupar la opción `summary.stat`, donde se pueden especificar: + +- "max" maximum +- "mean" mean +- "median" median +- "min" minimum +- "n" number of observations +- "p25" 25th percentile +- "p75" 75th percentile +- "sd" standard deviation + +Por ejemplo, si quiero una tabla solo con promedio, n, sd y p75: `stargazer(data, type="text", summary.stat = c("mean", "n", "sd", "p75"))` + +
        + +- Guardar base de datos procesada: en carpeta local La ruta hacia su carpeta local si está trabajando en windows debería ser algo como "C:/Users/Lenovo/Clases/y aquí nombre del archivo a grabar + +El comando para guardar es `save`: + +```{r eval=FALSE} +save(proc_data,file = "[ruta hacia carpeta local en su computador]/ELSOC_ess_merit2016.RData") +``` + +En este caso, seguimos una estructura de carpetas de datos, separando en una carpeta los datos originales, y en otra (proc) los datos procesados: + + +```{r eval=FALSE} +save(proc_data,file = "files/data/latinobarometro_proc.RData") +``` + + +## Descriptivos básicos de las variables + +Podemos conocer ciertas medidas de tendencia central utilizando algunas funciones de `dplyr` + +### Media por grupos + +```{r} +proc_data %>% dplyr::group_by(sexo) %>% summarise(mean(conf_inst, na.rm=TRUE)) +``` + +```{r} +proc_data %>% dplyr::group_by(educacion) %>% summarise(mean(conf_inst, na.rm=TRUE)) +``` + +### Representación + +```{r} +library(sjPlot) +sjt.xtab(proc_data$educacion, proc_data$conf_inst, encoding = "UTF-8") +``` diff --git a/resource/03-resource.qmd b/resource/03-resource.qmd new file mode 100644 index 0000000..b798d23 --- /dev/null +++ b/resource/03-resource.qmd @@ -0,0 +1,549 @@ +--- +title: "Práctico 3. Operacionalización de variables" +subtitle: "R data analisis" +linktitle: "Práctico 3: Operacionalización" +date: "2024-03-26" +lang: es +--- + +# Presentación + +## Objetivo de la práctica + +El desarrollo de esta guía tiene por objetivo revisar algunos procedimientos básicos de la preparación de datos con R, que son necesarios para luego poder analizar e interpretar los datos. + +Por temas de orden y reproducibilidad, en este curso vamos a separar en **dos momentos** el trabajo con datos, y dos archivos de código correspondientes: + + - **Preparación** corresponde a lo que se conoce generalmente como "limpieza", es decir, realizar las modificaciones necesarias para poder efectuar los análisis. Estas modificaciones previas al análisis son necesarias ya que los datos originales con los que se va a trabajar en general no vienen perfectamente adaptados a los análisis que se quieren hacer. Por lo tanto, en cuanto a datos también hacemos la distinción entre datos originales y datos preparados (o procesados). + + - **Análisis**: se relaciona tanto con análisis descriptivos asociados a las preguntas de investigación y como también modelamiento de datos para contrastar hipótesis de investigación. + +#### Los procesos de preparación y análisis vinculados a datos y resultados se presentan en el siguiente esquema:{#flujo} + +![](images/produccion.png) + +Tanto la preparación como el análisis (que son parte del concepto más general de procesamiento) quedan registrados cada uno en un _archivo de código_. + +**Archivo de código R**: archivo con extensión .R donde se almacena el código de análisis. Para generarlo desde RStudio: _File > New File > R Script_ (o ctrl+shift+N), y para grabarlo _File > Save (o ctrl+s)_, y darle nombre la primera vez (recordar: sin tilde ni ñ, y evitar espacios) + +El documento de **código de preparación** posee 5 partes, más una sección de identificación inicial: + +0. Identificación y descripción general: Título, autor(es), fecha, información breve sobre el contenido del documento +1. Librerías: cargar librerías a utilizar +2. Datos: carga de datos +3. Selección de variables a utilizar +4. Procesamiento de variables: en este punto, por cada variable se realiza lo siguiente: + a. Descriptivo básico + b. Recodificación: datos perdidos y valores (en caso de ser necesario) + c. Etiquetamiento: de variable y valores (en caso de ser necesario) + e. Otros ajustes + + +5. Generación de base de datos preparada para el análisis. + +
        +**De rutas, estructura de carpetas y otros ** + +- **Encontrando la ruta a carpeta local**: lo más fácil es crear la carpeta donde se desean guardar los datos desde el administrador de archivos del computador. Luego, posicionarse con el cursor sobre la carpeta y seleccionar "Propiedades", en la ventana emergente debería aparecer la ruta hacia la carpeta en "Ubicación". Copiar esa ruta y agregar al final el nombre de la carpeta (separada por slash) + +- **Sobre los "slashes" (`\` o `/`)**: en la ruta las carpetas y el archivo final aparecen separados por slashes, que según el sistema utilizado pueden ser _slash_ (`/`) o _backslash_ (`\`). En R por defecto se usa _slash_, pero en Windows _backslash_, por lo que si se usa Windows hay que reemplazarlos por _backslash_ o también puede ser por un doble _slash_ (`//`). + +- Por temas de compatibilidad general, en las rutas se recomienda evitar tildes, eñes, espacios, mayúsculas y guiones bajos (_). + +- **Estructura de carpetas**: para mantener el orden se sugiere seguir un protocolo de estructura de carpetas de proyecto, para lo que recomendamos el protocolo [IPO](https://lisa-coes.com/ipo-protocol/), y que se adapta al flujo de trabajo presentado anteriormente. Básicamente son tres carpetas: **input**, **procesamiento**, **output**. En la carpeta input crear la subcarpeta data-orig para guardar datos originales, y data-proc para los procesados. En procesamiento se guardan los archivos de código y en output las tablas y los gráficos. + +![](../files/img/ipo-hex.png) + + +
        + + + + +Al final de esta práctica la idea es que cada un_ elabore y entienda su propio documento de preparación de datos. + +En el ejemplo vamos a procesar variables de confianza en instituciones políticas y variables de caracterización sociodemográfica utilizando los datos de la encuesta [Latinobarómetro](https://www.latinobarometro.org/lat.jsp) . + +## Antecedentes de los datos a utilizar + +Latinobarómetro es un estudio de opinión pública que aplica anualmente alrededor de 20.000 entrevistas en 18 países de América Latina representando a más de 600 millones de habitantes + + "Los gobiernos latinoamericanos, que venían en declive junto con sus democracias desde inicios de la década de 2010, como reflejan los datos de Latinobarómetro, llegaron a fines de 2018 al annus horribilis con la caída de Nicaragua y Venezuela desde su condición de democracias para entrar en la categoría de autocracias y dictadura. + + De los hiperpresidentes de la primera década del siglo con altos niveles de crecimiento en todos los países y altos niveles de aprobación, la región pasó en la segunda década a los subpresidentes, con una baja en aprobación de gobierno a la mitad, en menos de 10 años. Este rechazo al desempeño de las elites gobernantes, indica su fracaso a fines de 2019 en varios países de la región." (Latinobarómetro, informe 2021, p. 7) + + +El presente ejercicio tiene por objetivo el procesar los datos para obtener las variables relevantes para el estudio de la **Confianza en instituciones políticas**, entendida como el grado en que los individuos confian en distintas instituciones políticas a nivel nacional, como el gobierno, la justicia, los partidos políticos, etc. Para ello, junto con variables de confianza, consideraremos también variables de estatus (educación), y variables de caracterización sociodemográfica (sexo y edad). + +# Preparación de datos Latinobarómetro 2020 + +## 1. Librerías principales (de R) a utilizar en el análisis{#librerias} + +Como sabemos, la lógica de R es instalar librerías (solo 1 vez, con `install.packages("librería")`), y luego cargarlas cada vez que es necesario usarlas (con `library(librería)`). El problema de esto es que a veces no se sabe claramente qué librerías están instaladas y cuales no, lo que va a arrojar error al cargarlas. Y, como sucede en R, existe una librería para solucionar este problema que se llama `pacman` (package manager). Lo que hace `pacman` es cargar la librería, y si no está instalada, la instala y la carga: + + +Para utilizar la primera vez (si es que no está instalada): + +```{r eval=FALSE} +install.packages("pacman") +``` + +Y en adelante, las librerías se cargan así pacman::p_load(libreria1,libreria2,libreriaX) : + + +```{r} +pacman::p_load(dplyr, sjmisc, car, sjlabelled, stargazer, haven) +``` + + +Para esta sesión vamos a utilizar Las librerías que vamos a utilizar son: + +- `dplyr`: ajuste general de datos +- `sjmisc`: descripción y exploración de base de datos +- `car`: principalmente la función `recode` para recodificar/agrupar valores de variable +- `stargazer`: para tabla descriptiva + + +## 2. Cargar base de datos + +**Ajustar espacio de trabajo** + +Previo a la carga de nuestra base de datos, se recomienda ejecutar los siguientes comandos: + +```{r} +rm(list=ls()) # borrar todos los objetos en el espacio de trabajo +options(scipen=999) # valores sin notación científica +``` + +La función `rm(list=ls())` permite comenzar con un espacio de trabajo (environment) vacío y sin otros objetos. Así también, la función `options(scipen=999)` desactiva la notación científica, es decir, veremos los valores numéricos con todos sus decimales. + +**Datos** + +Las bases de datos se pueden cargar de un archivo local o en línea. Para este caso utilizaremos un archivo en línea que viene en formato RData: **latinobarometro2020.RData**. **Abrir bases de datos en otros formatos**: Los formatos mas comunes en que se almacenan las bases de datos son .dta (Stata), .sav (Spss) y RData (R). Para abrir desde R utlilizamos la librería `haven` y sus funciones read_dta y read_sav según corresponda. Ej: `datos <- read_dta("base_casen.dta")`. Recordar antes instalar/cargar la librería: `pacman::p_load(haven)` + +```{r eval=FALSE, } +#cargamos la base de datos desde internet +load(url("https://github.com/Kevin-carrasco/metod1-MCS/raw/main/files/data/external_data/latinobarometro2020.RData")) +``` + +o de manera local: + +```{r} +latinobarometro2020 <- read_dta("../files/data/external_data/latinobarometro2020.dta", encoding = "UTF-8") +``` + + +La base de datos aparece como un objeto en nuestro espacio de trabajo, con el nombre original con la que fue guardada (latinobarometro2020): + +![](images/basecargada.png) + +Realizamos un chequeo básico de la lectura de datos: nombres de las variables y tamaño de la base en términos de casos y variables (en este ejemplo, `r dim(latinobarometro2020)` ). + +```{r} +dim(latinobarometro2020) # dimension de la base +``` +Y si se quiere revisar en formato de planilla de datos: + +```{r} +View(latinobarometro2020) +``` + +## 3. Selección de variables a utilizar + +Este paso consiste en crear un subset reducido de datos que contenga solo las variables de interés. Para ello: + +1. Se identifica el nombre de las variables que registran la información de preguntas o items del instrumento: esto aparece en el libro de códigos y/o en el cuestionario, o también se puede hacer buscando en la base de datos mediante alguna palabra clave asociada a la pregunta. Por ejemplo, si queremos buscar variables asociadas a educación, utilizamos la función `find_var` (de `sjmisc`, librería que cargamos en el paso 1), que nos entrega nombre de la variable en columna var.name. Por ejemplo, si buscamos alguna variable asociada al concepto _Confianza_: + +```{r} +find_var(data = latinobarometro2020,"Confianza") +``` + +Nos informa que hay una serie de variables relacionadas con confianza interpersonal y con instituciones. Probemos con la variable `p13st_e`. + + +Mediante la función `select` de `dplyr`, seleccionamos cada una de nuestras variables de interés y creamos una nueva base con el nombre `proc_data`, donde "proc" hace referencia a base procesada: + +```{r} +proc_data <- latinobarometro2020 %>% select(p13st_e, # Confianza en el Gobierno + p13st_d, # Confianza en el congreso + p13st_f, # Confianza en el Poder Judicial + p13st_g, # Confianza en los partidos políticos + reeduc_1,# nivel educacional + sexo,# sexo + edad,# edad + idenpa) # pais + +# Comprobar +names(proc_data) +``` + +Mediante el comando `get_label` obtenemos el atributo label de las variables. + +```{r} +sjlabelled::get_label(proc_data) +``` + +Podemos ver que son largas o con códigos poco informativos, por lo tanto, es necesario cambiarlas por etiquetas más cortas y de fácil identificación. + +```{r echo=FALSE} +load(url("https://github.com/Kevin-carrasco/metod1-MCS/raw/main/files/data/external_data/latinobarometro2020.RData")) +proc_data <- latinobarometro2020 %>% select(p13st_e, # Confianza en el Gobierno + p13st_d, # Confianza en el congreso + p13st_f, # Confianza en el Poder Judicial + p13st_g, # Confianza en los partidos políticos + reeduc_1,# nivel educacional + sexo,# sexo + edad,# edad + idenpa) # pais +``` + + +Para facilitar el análisis, vamos a filtrar la base de datos para quedarnos solo con los casos de Chile. Para esto utilizamos la función `filter` de `dplyr`. Si revisamos el libro de códigos, el identificador de Chile es 152 + +```{r} +proc_data <- proc_data %>% dplyr::filter(idenpa==152) +``` + +## 4. Procesamiento de variables + +Para el procesamiento de cada variable se seguirá el siguiente flujo de trabajo: + +a. Descriptivo general +b. Recodificación: de casos perdidos y otros valores (en caso necesario) +c. Etiquetado: cambio de nombres de variables y valores (en caso necesario) +d. Otros ajustes + +Y se recomienda también un descriptivo final para revisar que el procesamiento de cada variable está ok. + +### 4.1 Confianza en el Gobierno + +En Latinobarómetro, lass variables que permiten medir la Confianza en instituciones políticas en Chile son las siguientes: + +* [`p13st_e`]: "P13ST.E Confianza en el Gobierno" (1 = Mucha; 4 = Ninguna) +* [`p13st_d`]: "P13ST.D Confianza en el Congreso" (1 = Mucha; 4 = Ninguna) +* [`p13st_f`]: "P13ST.F Confianza en el Poder Judicial" (1 = Mucha; 4 = Ninguna) +* [`p13st_g`]: "P13ST.G Confianza en los Partidos Políticos" (1 = Mucha; 4 = Ninguna) + +_a. Descriptivo_ + +Para los descriptivos se utilizará la función `frq`, de la librería `sjmisc`: + +```{r} +frq(proc_data$p13st_e) +``` + +En esta variable vemos valores asociados a la opción "No contesta" (-2) y "No sabe" (-1), que corresponde definirlos como casos perdidos (en el caso de R, como casos NA). El resto de los valores y etiquetas se encuentran en un orden contraintuitivo (mayor valor indica menos confianza), así que en la recodificiación nos haremos cargo de los casos perdidos y de reordenar las categorías. + +_b. Recodificación_ + +Para recodificar utilizamos la función `recode`, de la librería `car` + +```{r} +proc_data$p13st_e <- recode(proc_data$p13st_e, "c(-2,-1)=NA") +proc_data$p13st_d <- recode(proc_data$p13st_d, "c(-2,-1)=NA") +proc_data$p13st_f <- recode(proc_data$p13st_f, "c(-2,-1)=NA") +proc_data$p13st_g <- recode(proc_data$p13st_g, "c(-2,-1)=NA") +``` + +**nota**: con la función `set_na` de la librería `sjmisc` podemos recodificar toda la base de datos con un solo código, pero debemos estar completamente segur-s de que estos valores no tienen otra categoría asociada en otra variable. + +```{r eval=FALSE} +proc_data <- proc_data %>% set_na(., na = c(-2, -1)) +``` + +Para reordenar las categorías volvemos a utilizar la función `recode`, de la librería `car` + +```{r} +proc_data$p13st_e <- recode(proc_data$p13st_e, "1=3; 2=2; 3=1; 4=0") +proc_data$p13st_d <- recode(proc_data$p13st_d, "1=3; 2=2; 3=1; 4=0") +proc_data$p13st_f <- recode(proc_data$p13st_f, "1=3; 2=2; 3=1; 4=0") +proc_data$p13st_g <- recode(proc_data$p13st_g, "1=3; 2=2; 3=1; 4=0") +``` + +_c - Etiquetado_ + +Vamos a dar un nombre más sustantivo a las variables con la función `rename`, de la librería `dplyr`: + +```{r} +proc_data <- proc_data %>% rename("conf_gob"=p13st_e, # Confianza en el gobierno + "conf_cong"=p13st_d, # Confianza en el congreso + "conf_jud"=p13st_f, # Confianza en el Poder Judicial + "conf_partpol"=p13st_g) # Confianza en los partidos políticos + +``` + + +Además de cambiar el nombre, queremos cambiar las etiquetas de las variables. + +```{r} +proc_data$conf_gob <- set_label(x = proc_data$conf_gob,label = "Confianza: Gobierno") +get_label(proc_data$conf_gob) + +proc_data$conf_cong <- set_label(x = proc_data$conf_cong, label = "Confianza: Congreso") +get_label(proc_data$conf_cong) + +proc_data$conf_jud <- set_label(x = proc_data$conf_jud, label = "Confianza: Poder judicial") +get_label(proc_data$conf_jud) + +proc_data$conf_partpol <- set_label(x = proc_data$conf_partpol, label = "Confianza: Partidos politicos") +get_label(proc_data$conf_partpol) +``` + +_d. Otros ajustes_ + +Para este caso vamos a crear una variable que sea la suma de los cuatro items de confianza. + +```{r} +proc_data$conf_inst <- (proc_data$conf_gob+proc_data$conf_cong+proc_data$conf_jud+proc_data$conf_partpol) +summary(proc_data$conf_inst) +``` + +```{r} +get_label(proc_data$conf_inst) +``` + +Vemos que una etiqueta de la variable anterior. + +```{r} +proc_data$conf_inst <- set_label(x = proc_data$conf_inst, label = "Confianza en instituciones") +``` + + +_Revisión final_ + +Nuevamente un descriptivo de cada variable para confirmar que el procesamiento está ok: + +```{r} +frq(proc_data$conf_gob) +frq(proc_data$conf_cong) +frq(proc_data$conf_inst) +``` + +Vemos que los valores (labels) de cada categoría de las primeras variables que recodificamos no se corresponden con el nuevo valor. Para re-etiquetar valores usamos la función `set_labels`, de la librería `sjlabelled` + +```{r} +proc_data$conf_gob <- set_labels(proc_data$conf_gob, + labels=c( "Ninguna"=0, + "Poca"=1, + "Algo"=2, + "Mucha"=3)) + +proc_data$conf_cong <- set_labels(proc_data$conf_cong, + labels=c( "Ninguna"=0, + "Poca"=1, + "Algo"=2, + "Mucha"=3)) + +proc_data$conf_jud <- set_labels(proc_data$conf_jud, + labels=c( "Ninguna"=0, + "Poca"=1, + "Algo"=2, + "Mucha"=3)) + +proc_data$conf_partpol <- set_labels(proc_data$conf_partpol, + labels=c( "Ninguna"=0, + "Poca"=1, + "Algo"=2, + "Mucha"=3)) +``` + +y volvemos a revisar + +```{r} +frq(proc_data$conf_gob) +frq(proc_data$conf_cong) +``` + +#### 4.2. Educación + +* [`reeduc_1`] = REEDUC.1 Nivel de estudios alcanzado - Entrevistado (recodificado) + +_a. Descriptivo_ + +```{r} +frq(proc_data$reeduc_1) +``` + +_b. Recodificación_ + +- Vemos que no hay datos perdidos + +- Valores + +Para hacer más fácil el análisis, recodificamos en tres categorías (en este caso decisión arbitraria. Se debería tener una razón teórica para recodificar) + +``` +1. Analfabeto = Educacion basica = 1 +2 Básica incompleta = Educacion basica = 1 +3. Básica completa = Educacion basica = 1 +4. Secundaria, media, técnica incompleta = Educacion media = 2 +5. Secundaria, media, técnica completa = Educacion media = 2 +6. Superior incompleta = Educacion superior = 3 +7. Superior completa = Educacion superior = 3 + +``` +```{r} +# recodificacion usando funcion 'recode' de la libreria car +proc_data$reeduc_1 <- car::recode(proc_data$reeduc_1, "c(1,2,3)=1; c(4,5)=2; c(6,7)=3") +``` + +Comprobar con un nuevo descriptivo: + +```{r} +frq(proc_data$reeduc_1) +``` + +Se observa que los valores coinciden con la recodificación (los casos se acumulan entre las categorías 1 y 3), pero las etiquetas ahora no coinciden; se soluciona en el siguiente paso. + +_c. Etiquetado_ + +Para re-etiquetar valores usamos la función `factor`, de R base. Con esta función aprovechamos de transformar la variable educación en una variable categórica, que es lo que corresponde para una variable ordinal. + +```{r} +proc_data$reeduc_1 <- factor(proc_data$reeduc_1, + labels = c("Educacion basica", "Educacion media", "Educacion superior"), + levels = c(1, 2, 3)) +``` + +Luego renombramos la variable con un nombre más sustantivo + +```{r} +proc_data <- rename(proc_data,"educacion"=reeduc_1) +``` + +Además de cambiar el nombre, queremos cambiar la etiqueta de la variable. + +```{r} +get_label(proc_data$educacion) +proc_data$educacion <- set_label(x = proc_data$educacion,label = "Educación") +``` + + +### 4.3. Sexo + +* [`sexo`] = SEXO Sexo + +_a. Descriptivo_ + +```{r} +frq(proc_data$sexo) +``` + +_b. Recodificación_ + +En general esta variable no tiene problemas de casos perdidos ni de etiquetas, pero de todas maneras vamos a hacer un cambio de acuerdo a convenciones en análisis de datos, donde por lo general hombres tienen valor 0 y mujeres 1: + +```{r} +proc_data$sexo <- car::recode(proc_data$sexo, "1=0;2=1") +``` + +_c. Etiquetado_ + +Y ahora cambiamos las etiquetas de acuerdo a la recodificación anterior: + +```{r} +proc_data$sexo <- factor(proc_data$sexo, + labels=c( "Hombre", + "Mujer"), + levels=c(0,1)) +``` + + +También queremos cambiar la etiqueta de la variable. + +```{r} +get_label(proc_data$sexo) +proc_data$sexo <- set_label(x = proc_data$sexo,label = "Sexo") +``` + +Revisar con un nuevo descriptivo: + +```{r} +frq(proc_data$sexo) +``` + +### 4.4 Edad + +* [`edad`] = EDAD Edad. + + +_a. Descriptivo_ + +```{r} +frq(proc_data$edad) +``` + +_b. Recodificación_: no es necesario en este caso + +_c. Etiquetado_ + +Cambio la etiqueta de la variable. + +```{r} +get_label(proc_data$edad) +proc_data$edad <- set_label(x = proc_data$edad,label = "Edad") +``` + +## 5. Generación de base de datos procesada para el análisis + +Antes de guardar la base procesada, revisamos nuevamente todas las variables con una tabla descriptiva general mediante la función `stargazer` (de la librería homónima) + +Primero vamos a reformatear el objeto proc_data como base de datos (as.data.frame), paso necesario para que sea reconocido como tal por `stargazer` + + +```{r} +proc_data <-as.data.frame(proc_data) +stargazer(proc_data, type="text") +``` +
        +Si se desea modificar las columnas que aparecen en la tabla se puede ocupar la opción `summary.stat`, donde se pueden especificar: + +- "max" maximum +- "mean" mean +- "median" median +- "min" minimum +- "n" number of observations +- "p25" 25th percentile +- "p75" 75th percentile +- "sd" standard deviation + +Por ejemplo, si quiero una tabla solo con promedio, n, sd y p75: `stargazer(data, type="text", summary.stat = c("mean", "n", "sd", "p75"))` + +
        + +- Guardar base de datos procesada: en carpeta local La ruta hacia su carpeta local si está trabajando en windows debería ser algo como "C:/Users/Lenovo/Clases/y aquí nombre del archivo a grabar + +El comando para guardar es `save`: + +```{r eval=FALSE} +save(proc_data,file = "[ruta hacia carpeta local en su computador]/ELSOC_ess_merit2016.RData") +``` + +En este caso, seguimos una estructura de carpetas de datos, separando en una carpeta los datos originales, y en otra (proc) los datos procesados: + + +```{r eval=FALSE} +save(proc_data,file = "files/data/latinobarometro_proc.RData") +``` + + +## Descriptivos básicos de las variables + +Podemos conocer ciertas medidas de tendencia central utilizando algunas funciones de `dplyr` + +### Media por grupos + +```{r} +proc_data %>% dplyr::group_by(sexo) %>% summarise(mean(conf_inst, na.rm=TRUE)) +``` + +```{r} +proc_data %>% dplyr::group_by(educacion) %>% summarise(mean(conf_inst, na.rm=TRUE)) +``` + +### Representación + +```{r} +library(sjPlot) +sjt.xtab(proc_data$educacion, proc_data$conf_inst, encoding = "UTF-8") +``` diff --git a/slides/03-clase3/03-clase3.Rmd b/slides/03-clase3/03-clase3.Rmd index 00ba48a..b40a037 100644 --- a/slides/03-clase3/03-clase3.Rmd +++ b/slides/03-clase3/03-clase3.Rmd @@ -1,7 +1,7 @@ --- title: "Metodología I" author: ".small[Kevin Carrasco

        Departamento de Sociología - UCH / COES

        ]" -date: "1er Sem 2023" +date: "1er Sem 2024" output: xaringan::moon_reader: css: "../../files/css/custom_2020.css" @@ -60,7 +60,7 @@ About macros.js: permite escalar las imágenes como [scale 50%](path to image), # Metodología I ## **Kevin Carrasco** ## Magister Ciencias Sociales FACSO - UChile -## 1er Sem 2023 +## 1er Sem 2024 ## [.green[metod1-mcs.netlify.com]](https://metod1-mcs.netlify.com) ] @@ -68,7 +68,7 @@ About macros.js: permite escalar las imágenes como [scale 50%](path to image), .pull-right[ .right[
        -## .yellow[Sesión 3: Visualización de datos] +## .yellow[Sesión 3: Procesamiento de datos] ![:scale 70%](../../files/img/eval-hires.png) @@ -86,17 +86,14 @@ class: animated, fadeIn class: inverse, bottom, right, animated, slideInRight -# .red[Sesión 3] +# .red[Sesión 2]
        Repaso sesión anterior -Visualización de datos - -Tipos de tablas y tipos de gráficos - -Visualización de datos en R +Medición en Ciencias Sociales +Operacionalización


        @@ -105,261 +102,217 @@ Visualización de datos en R class: inverse, bottom, right -# .red[Sesión 3] +# .red[Sesión 2]
        .yellow[Repaso sesión anterior] -Visualización de datos - -Tipos de tablas y tipos de gráficos - -Visualización de datos en R +Medición en Ciencias Sociales +Operacionalización



        --- +## Datos y variables -## Medidas de tendencia Central - -* **Moda**: valor que ocurre más frecuentemente +* Los datos miden al menos una *característica* de a los menos una *unidad* en a lo menos *un punto en el tiempo* -- + + Ejemplo: La esperanza de vida en Chile el 2017 fue de 79,9 años -* **Mediana**: valor medio de la distribución ordenada. Si N es par, entonces es el promedio de los valores medios + - Característica (variable) : esperanza de vida --- -* **Media** o promedio aritmético: suma de los valores dividido por el total de casos + - Unidad: Años ---- -## Medidas de tendencia Central + - Punto en el tiempo: 2017 -### Dispersión: +--- +## Datos y variables -* **Varianza**: promedio de la suma de las diferencias del promedio al cuadrado +* Base de Datos -* **Desviación Estándar**: - - Raiz Cuadrada de la varianza. +* Forma "rectangular" de almacenamiento de datos: - - Expresada en la mismas unidades que los puntajes de la escala original +.center[![:scale 60%](../../files/img/ObservacionesyVariables.png)] --- -class: middle, center +## Datos y variables + + - cada .blue[fila] representa una unidad o caso (ej: un encuestad_) -# Más sobre datos, variables y varianza en: + - cada .orange[columna] una variable (ej: edad) -##- [Moore: 1.Comprensión de los datos (1-54)](https://multivariada.netlify.app/docs/lecturas/moore_comprensiondelosdatos.pdf) + - cada .purple[variable] posee valores numéricos + - los valores numéricos pueden estar asociados a una etiqueta (ej: 1=Mujer) + --- -class: inverse, bottom, right +## Datos y variables +- Una variable representa cualquier cosa o propiedad que varía y a la cuál se le asigna un valor. Es decir: -# .red[Sesión 3] -
        +- $Variable \neq Constante$ -Repaso sesión anterior +--- +## Datos y variables -.yellow[Visualización de datos] +- discretas (Rango finito de valores): -Tipos de tablas y tipos de gráficos + - Dicotómicas + - Politómicas -Visualización de datos en R +- continuas: -
        -
        -
        -
        + - Rango (teóricamente) infinito de valores. --- -## Visualización de datos +## Escalas de medición de variables -La visualización de datos refiere a la forma que utilizamos para conocer y comunicar mediciones y resultados de análisis. +- NOIR: Nominal, Ordinal, Intervalar, Razón --- - -Cumple tres objetivos principales: - * Exploración: Conocer descriptivos básicos o asociaciones entre variables - - * Modelamiento: Comparar estimaciones, determinar diferencias o explicaciones - - * Comunicación: presentar resultados y atraer audiencias +.small[ +| Tipo | Características | Propiedad de números | Ejemplo| +|------------ |----------------------------------------------|--------------- |----------- | +| *Nominal* | Uso de números en lugar de palabras | Identidad | Nacionalidad | +| *Ordinal* | Números se usan para ordenar series | + ranking | Nivel educacional | +| *Intervalar* | Intervalos iguales entre números | + igualdad | Temperatura | +| *Razón* | Cero real | + aditividad | Distancia | +] --- -## Visualización de datos +## Tipos de datos en relación a escalas de medición. -La mejor visualización de datos es la que no requiere un esfuerzo para ser comprendida. +* **Datos categóricos**: -Se debe evitar saturar con información. Todo lo que se visualiza debe servir para explicar lo que queremos. + - pueden ser medidos sólo mediante escalas nominales, u ordinales en caso de orden de rango -Para comparar tablas o gráficos se deben utilizar las mismas escalas de medición y los mismos límites de los ejes. +* **Datos continuos**: + - Medidos en escalas intervalares o de razón + - Pueden ser transformados a datos categóricos --- class: inverse, bottom, right - -# .red[Sesión 3] +# .red[Sesión 2]
        Repaso sesión anterior -Visualización de datos - -.yellow[Tipos de tablas y tipos de gráficos] - -Visualización de datos en R +.yellow[Medición en Ciencias Sociales] +Operacionalización



        - --- -## Tipos de tablas y tipos de gráficos - -* Descriptivos según tipo de variable - -.small[ -| | Categórica | Continua | Categ.(y)/Categ.(x) | Cont.(y)/Categ.(x) | -|------------- |--------------------------------- |------------------------- |------------------------------------------------ |------------------------------------------ | -| **Ejemplo** | **Estatus Ocupacional** | **Ingreso** | **Estatus Ocupacional (Y) / Género (X)** | **Ingreso (Y) / Género (X)** | -| Tabla | Frecuencias / porcentajes | $\bar{X}$/sd ... o recodificar en categorías | Tabla de Contingencia | Clasificar Y | -| Gráfico | Barras | Histograma / boxplot | Gráfico de barras condicionado | Histograma, box plot condicionado | -] +.center[¿Qué es medir?] +Asignar un número de acuerdo a la cantidad que un objeto posee de una determinada propiedad +* Ejemplo de economía: **Riqueza**: Asignar un número a las personas según ingresos o propiedades que tengan +* Ejemplo de Ciencias Sociales: **Inteligencia**: Asignar un número a las personas según su capacidad para resolver problemas --- -## Tipos de tablas y tipos de gráficos +.center[¿Cómo se asignan estos números?] -Importancia de buenos gráficos +2 Teorías base de medición +a) Teoría clásica: +- Fundamentado en la operación básica de medición: contar -![:scale 70%](../../files/img/pinera.jpg) - ---- -## Tipos de tablas y tipos de gráficos +- Contar entidad continuas -Importancia de buenos gráficos +- Fraccionar en función de unidades de medida -![:scale 70%](../../files/img/aprob_pres.jpg) +- Aditividad --- -## Tipos de tablas y tipos de gráficos +a ) Teoría clásica: -Importancia de buenos gráficos +Ventajas: +- Fácilmente interpretable +- Bajo nivel de arbitrariedad -![:scale 50%](../../files/img/bad_graph.png) +Desventajas: +- Poco aplicable en Ciencias sociales, salvo variables delimitadas: dinero, tiempo, edad --- -## Tipos de tablas y tipos de gráficos - -.small[ -Ejemplo tabla de descriptiva: -] - -```{r echo=FALSE} -load(url("https://github.com/Kevin-carrasco/metod1-MCS/raw/main/files/data/latinobarometro_proc.RData")) -pacman::p_load(dplyr, stargazer, ggplot2, summarytools, kableExtra, sjPlot) -proc_data <- as.data.frame(proc_data) -``` +.center[¿Cómo se asignan estos números?] -.small[ -```{r} -sjmisc::descr(proc_data, - show = c("label","range", "mean", "sd", "n"))%>% - kbl(format = "markdown") -``` -] +2 Teorías base de medición +b) Teoría representacional ---- -## Tipos de tablas y tipos de gráficos +- Origen en 1946. Stevens, psicólogo -.small[Ejemplo tabla de contingencia:] +- Medir no está restringido a asignar números a magnitudes, sino asignar números según una regla o serie de decisiones -```{r} -sjPlot::sjt.xtab(proc_data$conf_gob, proc_data$sexo) -``` +- Estas reglas dependen de las propiedades de los números que utilizamos y que queremos representar. Nominal, Ordinal, Intervalar, razón. --- -## Tipos de tablas y tipos de gráficos +b) Teoría representacional -Ejemplo gráfico de barras: +Ventajas: -![:scale 40%](../../files/img/graph1.png) +- Números "representan" relaciones entre objetos +- No requiere unidad de medida +- Permite medir un mayor número de conceptos sociales +-- +Desventajas: +- Ambigüedad en sentido del número asignado (no hay unidad de medida; no se emplean todas las propiedades de los números) +- Menor validez del número asignado: (operaciones para medir son discutibles, no se mide directamente) --- -## Tipos de tablas y tipos de gráficos +class: inverse, bottom, right -Ejemplo gráfico de barras condicionado: +# .red[Sesión 2] +
        +Repaso sesión anterior -![:scale 40%](../../files/img/graph3.png) +Medición en Ciencias Sociales +.yellow[Operacionalización] +
        +
        +
        +
        --- -## Tipos de tablas y tipos de gráficos +## Operacionalización -Ejemplo Histograma: +- Las variables pueden ser visibles o no visibles/latentes. (Ej: peso / inteligencia) -![:scale 40%](../../files/img/graph4.png) +-- +* Proceso de definición de la medición de un fenómeno que no se puede medir directamente, aunque su existencia se infiere de otros fenómenos --- -## Tipos de tablas y tipos de gráficos +## Operacionalización -.small[Ejemplo gráfico de cajas:] - -![:scale 40%](../../files/img/graph.png) +.center[![:scale 100%](../../files/img/operacionalizacion.png)] --- +## Operacionalización -... pero ojo! esto también avanza muy rápido +.center[![:scale 100%](../../files/img/operacionalizacion2.png)] --- -## Tipos de tablas y tipos de gráficos - -Ejemplo gráfico alternativo de [twitter](https://twitter.com/RosanaFerrero/status/1635536429957758977): - -![:scale 60%](../../files/img/alternative_boxplot.png) +## Operacionalización +.center[![:scale 100%](../../files/img/conf-inst.png)] --- -class: inverse, bottom, right - - -# .red[Sesión 3] - -
        - -Repaso sesión anterior - -Visualización de datos - -Tipos de tablas y tipos de gráficos - -.yellow[Visualización de datos en R] - -
        -
        -
        -
        +## Operacionalización +.center[![:scale 100%](../../files/img/cohesion-barrial.png)] --- -## Visualización de datos en R - -Guía de trabajo en: - -# .center[[**metod1-mcs.netlify.app/resource/03-resource.html**](https://metod1-mcs.netlify.app/resource/03-resource.html)] - ---- - - class: front .pull-left[ @@ -374,7 +327,7 @@ class: front .pull-right[ .right[
        -## .yellow[Sesión 3: Visualización de datos] +## .yellow[Sesión 3: Procesamiento de datos] ![:scale 70%](../../files/img/eval-hires.png) diff --git a/slides/03-clase3/03-clase3.html b/slides/03-clase3/03-clase3.html index eab63e0..77ec4ce 100644 --- a/slides/03-clase3/03-clase3.html +++ b/slides/03-clase3/03-clase3.html @@ -40,7 +40,7 @@ # Metodología I ## **Kevin Carrasco** ## Magister Ciencias Sociales FACSO - UChile -## 1er Sem 2023 +## 1er Sem 2024 ## [.green[metod1-mcs.netlify.com]](https://metod1-mcs.netlify.com) ] @@ -48,7 +48,7 @@ .pull-right[ .right[ <br> -## .yellow[Sesión 3: Visualización de datos] +## .yellow[Sesión 3: Procesamiento de datos] ![:scale 70%](../../files/img/eval-hires.png) @@ -66,17 +66,14 @@ class: inverse, bottom, right, animated, slideInRight -# .red[Sesión 3] +# .red[Sesión 2] <br> Repaso sesión anterior -Visualización de datos - -Tipos de tablas y tipos de gráficos - -Visualización de datos en R +Medición en Ciencias Sociales +Operacionalización <br> <br> <br> @@ -85,311 +82,217 @@ class: inverse, bottom, right -# .red[Sesión 3] +# .red[Sesión 2] <br> .yellow[Repaso sesión anterior] -Visualización de datos - -Tipos de tablas y tipos de gráficos - -Visualización de datos en R +Medición en Ciencias Sociales +Operacionalización <br> <br> <br> <br> --- +## Datos y variables -## Medidas de tendencia Central - -* **Moda**: valor que ocurre más frecuentemente +* Los datos miden al menos una *característica* de a los menos una *unidad* en a lo menos *un punto en el tiempo* -- + + Ejemplo: La esperanza de vida en Chile el 2017 fue de 79,9 años -* **Mediana**: valor medio de la distribución ordenada. Si N es par, entonces es el promedio de los valores medios + - Característica (variable) : esperanza de vida --- -* **Media** o promedio aritmético: suma de los valores dividido por el total de casos + - Unidad: Años ---- -## Medidas de tendencia Central + - Punto en el tiempo: 2017 -### Dispersión: +--- +## Datos y variables -* **Varianza**: promedio de la suma de las diferencias del promedio al cuadrado +* Base de Datos -* **Desviación Estándar**: - - Raiz Cuadrada de la varianza. +* Forma "rectangular" de almacenamiento de datos: - - Expresada en la mismas unidades que los puntajes de la escala original +.center[![:scale 60%](../../files/img/ObservacionesyVariables.png)] --- -class: middle, center +## Datos y variables + + - cada .blue[fila] representa una unidad o caso (ej: un encuestad_) -# Más sobre datos, variables y varianza en: + - cada .orange[columna] una variable (ej: edad) -##- [Moore: 1.Comprensión de los datos (1-54)](https://multivariada.netlify.app/docs/lecturas/moore_comprensiondelosdatos.pdf) + - cada .purple[variable] posee valores numéricos + - los valores numéricos pueden estar asociados a una etiqueta (ej: 1=Mujer) + --- -class: inverse, bottom, right +## Datos y variables +- Una variable representa cualquier cosa o propiedad que varía y a la cuál se le asigna un valor. Es decir: -# .red[Sesión 3] -<br> +- `\(Variable \neq Constante\)` -Repaso sesión anterior +--- +## Datos y variables -.yellow[Visualización de datos] +- discretas (Rango finito de valores): -Tipos de tablas y tipos de gráficos + - Dicotómicas + - Politómicas -Visualización de datos en R +- continuas: -<br> -<br> -<br> -<br> + - Rango (teóricamente) infinito de valores. --- -## Visualización de datos +## Escalas de medición de variables -La visualización de datos refiere a la forma que utilizamos para conocer y comunicar mediciones y resultados de análisis. +- NOIR: Nominal, Ordinal, Intervalar, Razón --- - -Cumple tres objetivos principales: - * Exploración: Conocer descriptivos básicos o asociaciones entre variables - - * Modelamiento: Comparar estimaciones, determinar diferencias o explicaciones - - * Comunicación: presentar resultados y atraer audiencias +.small[ +| Tipo | Características | Propiedad de números | Ejemplo| +|------------ |----------------------------------------------|--------------- |----------- | +| *Nominal* | Uso de números en lugar de palabras | Identidad | Nacionalidad | +| *Ordinal* | Números se usan para ordenar series | + ranking | Nivel educacional | +| *Intervalar* | Intervalos iguales entre números | + igualdad | Temperatura | +| *Razón* | Cero real | + aditividad | Distancia | +] --- -## Visualización de datos +## Tipos de datos en relación a escalas de medición. -La mejor visualización de datos es la que no requiere un esfuerzo para ser comprendida. +* **Datos categóricos**: -Se debe evitar saturar con información. Todo lo que se visualiza debe servir para explicar lo que queremos. + - pueden ser medidos sólo mediante escalas nominales, u ordinales en caso de orden de rango -Para comparar tablas o gráficos se deben utilizar las mismas escalas de medición y los mismos límites de los ejes. +* **Datos continuos**: + - Medidos en escalas intervalares o de razón + - Pueden ser transformados a datos categóricos --- class: inverse, bottom, right - -# .red[Sesión 3] +# .red[Sesión 2] <br> Repaso sesión anterior -Visualización de datos - -.yellow[Tipos de tablas y tipos de gráficos] - -Visualización de datos en R +.yellow[Medición en Ciencias Sociales] +Operacionalización <br> <br> <br> <br> - --- -## Tipos de tablas y tipos de gráficos - -* Descriptivos según tipo de variable - -.small[ -| | Categórica | Continua | Categ.(y)/Categ.(x) | Cont.(y)/Categ.(x) | -|------------- |--------------------------------- |------------------------- |------------------------------------------------ |------------------------------------------ | -| **Ejemplo** | **Estatus Ocupacional** | **Ingreso** | **Estatus Ocupacional (Y) / Género (X)** | **Ingreso (Y) / Género (X)** | -| Tabla | Frecuencias / porcentajes | `\(\bar{X}\)`/sd ... o recodificar en categorías | Tabla de Contingencia | Clasificar Y | -| Gráfico | Barras | Histograma / boxplot | Gráfico de barras condicionado | Histograma, box plot condicionado | -] +.center[¿Qué es medir?] +Asignar un número de acuerdo a la cantidad que un objeto posee de una determinada propiedad +* Ejemplo de economía: **Riqueza**: Asignar un número a las personas según ingresos o propiedades que tengan +* Ejemplo de Ciencias Sociales: **Inteligencia**: Asignar un número a las personas según su capacidad para resolver problemas --- -## Tipos de tablas y tipos de gráficos +.center[¿Cómo se asignan estos números?] -Importancia de buenos gráficos +2 Teorías base de medición +a) Teoría clásica: +- Fundamentado en la operación básica de medición: contar -![:scale 70%](../../files/img/pinera.jpg) +- Contar entidad continuas ---- -## Tipos de tablas y tipos de gráficos +- Fraccionar en función de unidades de medida -Importancia de buenos gráficos - -![:scale 70%](../../files/img/aprob_pres.jpg) +- Aditividad --- -## Tipos de tablas y tipos de gráficos +a ) Teoría clásica: -Importancia de buenos gráficos +Ventajas: +- Fácilmente interpretable +- Bajo nivel de arbitrariedad -![:scale 50%](../../files/img/bad_graph.png) +Desventajas: +- Poco aplicable en Ciencias sociales, salvo variables delimitadas: dinero, tiempo, edad --- -## Tipos de tablas y tipos de gráficos +.center[¿Cómo se asignan estos números?] -.small[ -Ejemplo tabla de descriptiva: -] +2 Teorías base de medición +b) Teoría representacional +- Origen en 1946. Stevens, psicólogo -.small[ - -| |var |label | n| mean| sd|range | -|:--|:------------|:-----------------------------|----:|-----------:|----------:|:-----------| -|2 |conf_gob |Confianza: Gobierno | 1181| 0.6596105| 0.7999806|3 (0-3) | -|1 |conf_cong |Confianza: Congreso | 1178| 0.5942275| 0.7140065|3 (0-3) | -|4 |conf_jud |Confianza: Poder judicial | 1186| 0.7166948| 0.7885304|3 (0-3) | -|5 |conf_partpol |Confianza: Partidos politicos | 1178| 0.4507640| 0.6733451|3 (0-3) | -|7 |educacion |Educación | 1200| 2.1683333| 0.5494684|2 (1-3) | -|9 |sexo |Sexo | 1200| 0.5375000| 0.4987996|1 (0-1) | -|6 |edad |Edad | 1200| 44.4908333| 17.0076738|71 (18-89) | -|8 |idenpa |idenpa | 1200| 152.0000000| 0.0000000|0 (152-152) | -|3 |conf_inst |Confianza en instituciones | 1162| 2.4199656| 2.4887441|12 (0-12) | -] +- Medir no está restringido a asignar números a magnitudes, sino asignar números según una regla o serie de decisiones +- Estas reglas dependen de las propiedades de los números que utilizamos y que queremos representar. Nominal, Ordinal, Intervalar, razón. --- -## Tipos de tablas y tipos de gráficos - -.small[Ejemplo tabla de contingencia:] - -<table style="border-collapse:collapse; border:none;"> - <tr> - <th style="border-top:double; text-align:center; font-style:italic; font-weight:normal; border-bottom:1px solid;" rowspan="2">Confianza: Gobierno</th> - <th style="border-top:double; text-align:center; font-style:italic; font-weight:normal;" colspan="2">Sexo</th> - <th style="border-top:double; text-align:center; font-style:italic; font-weight:normal; font-weight:bolder; font-style:italic; border-bottom:1px solid; " rowspan="2">Total</th> - </tr> - -<tr> - <td style="border-bottom:1px solid; text-align:center; padding:0.2cm;">Hombre</td> - <td style="border-bottom:1px solid; text-align:center; padding:0.2cm;">Mujer</td> - </tr> - -<tr> -<td style="padding:0.2cm; text-align:left; vertical-align:middle;">Ninguna</td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">280</span></td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">344</span></td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">624</span></td> -</tr> - -<tr> -<td style="padding:0.2cm; text-align:left; vertical-align:middle;">Poca</td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">167</span></td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">191</span></td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">358</span></td> -</tr> - -<tr> -<td style="padding:0.2cm; text-align:left; vertical-align:middle;">Algo</td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">93</span></td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">83</span></td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">176</span></td> -</tr> - -<tr> -<td style="padding:0.2cm; text-align:left; vertical-align:middle;">Mucha</td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">9</span></td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">14</span></td> -<td style="padding:0.2cm; text-align:center; "><span style="color:black;">23</span></td> -</tr> - -<tr> -<td style="padding:0.2cm; border-bottom:double; font-weight:bolder; font-style:italic; text-align:left; vertical-align:middle;">Total</td> -<td style="padding:0.2cm; text-align:center; border-bottom:double;"><span style="color:black;">549</span></td> -<td style="padding:0.2cm; text-align:center; border-bottom:double;"><span style="color:black;">632</span></td> -<td style="padding:0.2cm; text-align:center; border-bottom:double;"><span style="color:black;">1181</span></td> -</tr> -<td style="text-align:right; font-size:0.9em; font-style:italic; padding:0.2cm;" colspan="4">&chi;<sup>2</sup>=4.015 &middot; df=3 &middot; Cramer's V=0.058 &middot; p=0.260</td> -</tr> - -</table> +b) Teoría representacional ---- -## Tipos de tablas y tipos de gráficos +Ventajas: -Ejemplo gráfico de barras: - -![:scale 40%](../../files/img/graph1.png) +- Números "representan" relaciones entre objetos +- No requiere unidad de medida +- Permite medir un mayor número de conceptos sociales +-- +Desventajas: +- Ambigüedad en sentido del número asignado (no hay unidad de medida; no se emplean todas las propiedades de los números) +- Menor validez del número asignado: (operaciones para medir son discutibles, no se mide directamente) --- -## Tipos de tablas y tipos de gráficos +class: inverse, bottom, right -Ejemplo gráfico de barras condicionado: +# .red[Sesión 2] +<br> +Repaso sesión anterior -![:scale 40%](../../files/img/graph3.png) +Medición en Ciencias Sociales +.yellow[Operacionalización] +<br> +<br> +<br> +<br> --- -## Tipos de tablas y tipos de gráficos +## Operacionalización -Ejemplo Histograma: +- Las variables pueden ser visibles o no visibles/latentes. (Ej: peso / inteligencia) -![:scale 40%](../../files/img/graph4.png) +-- +* Proceso de definición de la medición de un fenómeno que no se puede medir directamente, aunque su existencia se infiere de otros fenómenos --- -## Tipos de tablas y tipos de gráficos +## Operacionalización -.small[Ejemplo gráfico de cajas:] - -![:scale 40%](../../files/img/graph.png) +.center[![:scale 100%](../../files/img/operacionalizacion.png)] --- +## Operacionalización -... pero ojo! esto también avanza muy rápido +.center[![:scale 100%](../../files/img/operacionalizacion2.png)] --- -## Tipos de tablas y tipos de gráficos - -Ejemplo gráfico alternativo de [twitter](https://twitter.com/RosanaFerrero/status/1635536429957758977): - -![:scale 60%](../../files/img/alternative_boxplot.png) +## Operacionalización +.center[![:scale 100%](../../files/img/conf-inst.png)] --- -class: inverse, bottom, right - - -# .red[Sesión 3] - -<br> - -Repaso sesión anterior - -Visualización de datos - -Tipos de tablas y tipos de gráficos - -.yellow[Visualización de datos en R] - -<br> -<br> -<br> -<br> +## Operacionalización +.center[![:scale 100%](../../files/img/cohesion-barrial.png)] --- -## Visualización de datos en R - -Guía de trabajo en: - -# .center[[**metod1-mcs.netlify.app/resource/03-resource.html**](https://metod1-mcs.netlify.app/resource/03-resource.html)] - ---- - - class: front .pull-left[ @@ -404,7 +307,7 @@ .pull-right[ .right[ <br> -## .yellow[Sesión 3: Visualización de datos] +## .yellow[Sesión 3: Procesamiento de datos] ![:scale 70%](../../files/img/eval-hires.png) diff --git a/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-10-1.png b/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-10-1.png deleted file mode 100644 index 4691de68b534a4a0a599fa52aac32251f733d0ca..0000000000000000000000000000000000000000 GIT binary patch literal 0 HcmV?d00001 literal 2721 zcmc&03s6&6_8}ICk*12s3Sz7bloc>-sS6t*K}SRi5w$9d6oPIytSAA;WywO4S2d89 z)+ALIP=tsbwKjn)B4Oo|NT`s4F-w_1F_`cqEXqe8{{%wb-dOvwvpcJ9XZFth%suDa zGv}WF$2+!1yDsru0zr^#%(gANAjrWC)}LJ*0i-rAcMu%f9dWy(zzIQQ2x35FFhvl9 z0Wsu6*7e}vU;rgUWHQ76i%b@gMPSOwB0bGMm^7Mz#+1+mYR1#Y3$ z1WbXNDKQD`qyhm`A`qwr;Ht(%WJm-!%0(hQcKObLgh`W_FgXK~V|qD;sRcB(fT;%5 zYD|q`dJ$QVVI~RFBoUY}Y-D5vkOCrr08k9GzW`K#1jDe^7X(h=L%6JMiANy_zudkY zzPZP>0vIc1%ck9|^J9JZ1g|}gTak*rOS|#!;ipfnPxo5kP|<$ruZ#UBG5B=asfv83 zk~6o@MwmvM6nmCmk_-**_q%G`_d&jI;#T6#5?=f}h#Sqk#f{R*i@&Z%q5~3pKX01& zx_7cN0Q)j`hFL?L%~~l7>lcr5SnI48ec2Z^i{Mj#5IYZ}uP1RasXqeWzNR}6Vr{vf zWtn)dSfvb0BGK2q+S1b5o^H8VeLcHFd|*edY`kMrHQlp_xZRKVYVmq=TQqXe;=L=` zI#}6n8sBLdMZp$S-9WZ2ydj)nE}Z!Ej|BmgZ7GJn7Jh)X^=?DQAbi58kjS}_ zJ>X7!G-$*Y+W2^KpN<5N^iEP+d}QVgzj0(wf0?3)d%V4=Rk-(Et5`ufXDvrH%P6vX zi&Fo7P^O2XHK+P+NY3f7*${1=A%oFdS6ZxX*M4EpCFD#UAsTdiLc^eDKc_cmI$8P| z_Cem5%sR6+eX(LLwlU&@=ZC~f^CBBMftAJnpl>E06AGxC&Y+2^V5EkZrb@$UdD`XW zII(ZI8zq+I$1XzS%z?<+7a&OHQ`fBU&|B`BJP@A(ZM~CHOejRQR#Sh4tz&Ekj;%hgoGKK0QAV81$kros>);u=e{O`0A3XlX zN4ugK$tSR()WcZ1m1k=;kxqsJ-6QevD%fR4)duY0N-rb=dq$c+vLhUGml<&@-j-i)qV;^1m@=Nh|MxB(q?)}eZ9W=}qo$Uk zaIJ?eyAn^m036;SKTSpO4|n560?&6`LYErtD!hujin(Im5lJhpU5j2JO{8TSN6*Ye$$CuM z2M661%}0AQ>28XLE%alA{wuPSCn2(mQHwM7RbT0Eo5|#fIo-!^+KqCv#~fb*m<)tW zDI^##5x)rAsac3o;Yp3?Gn=(B+ndsHEs95|;VHYC!u#$w3)66L-F%a&!IiGD|BSfS zdL=_3`7=n>}ab1;h`0-gZ`}vhpUXb}F zZ0@w8G@>DZD@e>xh2$It+Vy4Ao{=7 zkALlw;C8(eY@65HL+P2A(ZXT=)WvzoK)x14;esXAx|zEADO+y&kQb7?u$tm#nCOmM98(weC`uy9+>f$dtXC?(wa4jwS zhKrD~o&ejU6p~+K-CX_3sX`A$RTSr>hr-XOi>{KOD}VcA2LgBoC7VwNb`;4~Cvr*` zW-)Yl;MRuy=E31(=)pbBM22|b9|R?%qgdGGzu%lCf!XimUJKdxP^h4g=ed~^C6t6% z-=$Q=eL}(~2kPjb?p2L&rbAEiNY(Lc#>yf*C@1|;WQHp@5QOnXazEk2qqVzLD6)|f zVC)X!=%`6r3SG9QYbgEdpAfhBr+v{6CEMn_u?hOPR^gRpZ#840wr{E0oO=9UXg_;w diff --git a/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-11-1.png b/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-11-1.png deleted file mode 100644 index 4691de68b534a4a0a599fa52aac32251f733d0ca..0000000000000000000000000000000000000000 GIT binary patch literal 0 HcmV?d00001 literal 2721 zcmc&03s6&6_8}ICk*12s3Sz7bloc>-sS6t*K}SRi5w$9d6oPIytSAA;WywO4S2d89 z)+ALIP=tsbwKjn)B4Oo|NT`s4F-w_1F_`cqEXqe8{{%wb-dOvwvpcJ9XZFth%suDa zGv}WF$2+!1yDsru0zr^#%(gANAjrWC)}LJ*0i-rAcMu%f9dWy(zzIQQ2x35FFhvl9 z0Wsu6*7e}vU;rgUWHQ76i%b@gMPSOwB0bGMm^7Mz#+1+mYR1#Y3$ z1WbXNDKQD`qyhm`A`qwr;Ht(%WJm-!%0(hQcKObLgh`W_FgXK~V|qD;sRcB(fT;%5 zYD|q`dJ$QVVI~RFBoUY}Y-D5vkOCrr08k9GzW`K#1jDe^7X(h=L%6JMiANy_zudkY zzPZP>0vIc1%ck9|^J9JZ1g|}gTak*rOS|#!;ipfnPxo5kP|<$ruZ#UBG5B=asfv83 zk~6o@MwmvM6nmCmk_-**_q%G`_d&jI;#T6#5?=f}h#Sqk#f{R*i@&Z%q5~3pKX01& zx_7cN0Q)j`hFL?L%~~l7>lcr5SnI48ec2Z^i{Mj#5IYZ}uP1RasXqeWzNR}6Vr{vf zWtn)dSfvb0BGK2q+S1b5o^H8VeLcHFd|*edY`kMrHQlp_xZRKVYVmq=TQqXe;=L=` zI#}6n8sBLdMZp$S-9WZ2ydj)nE}Z!Ej|BmgZ7GJn7Jh)X^=?DQAbi58kjS}_ zJ>X7!G-$*Y+W2^KpN<5N^iEP+d}QVgzj0(wf0?3)d%V4=Rk-(Et5`ufXDvrH%P6vX zi&Fo7P^O2XHK+P+NY3f7*${1=A%oFdS6ZxX*M4EpCFD#UAsTdiLc^eDKc_cmI$8P| z_Cem5%sR6+eX(LLwlU&@=ZC~f^CBBMftAJnpl>E06AGxC&Y+2^V5EkZrb@$UdD`XW zII(ZI8zq+I$1XzS%z?<+7a&OHQ`fBU&|B`BJP@A(ZM~CHOejRQR#Sh4tz&Ekj;%hgoGKK0QAV81$kros>);u=e{O`0A3XlX zN4ugK$tSR()WcZ1m1k=;kxqsJ-6QevD%fR4)duY0N-rb=dq$c+vLhUGml<&@-j-i)qV;^1m@=Nh|MxB(q?)}eZ9W=}qo$Uk zaIJ?eyAn^m036;SKTSpO4|n560?&6`LYErtD!hujin(Im5lJhpU5j2JO{8TSN6*Ye$$CuM z2M661%}0AQ>28XLE%alA{wuPSCn2(mQHwM7RbT0Eo5|#fIo-!^+KqCv#~fb*m<)tW zDI^##5x)rAsac3o;Yp3?Gn=(B+ndsHEs95|;VHYC!u#$w3)66L-F%a&!IiGD|BSfS zdL=_3`7=n>}ab1;h`0-gZ`}vhpUXb}F zZ0@w8G@>DZD@e>xh2$It+Vy4Ao{=7 zkALlw;C8(eY@65HL+P2A(ZXT=)WvzoK)x14;esXAx|zEADO+y&kQb7?u$tm#nCOmM98(weC`uy9+>f$dtXC?(wa4jwS zhKrD~o&ejU6p~+K-CX_3sX`A$RTSr>hr-XOi>{KOD}VcA2LgBoC7VwNb`;4~Cvr*` zW-)Yl;MRuy=E31(=)pbBM22|b9|R?%qgdGGzu%lCf!XimUJKdxP^h4g=ed~^C6t6% z-=$Q=eL}(~2kPjb?p2L&rbAEiNY(Lc#>yf*C@1|;WQHp@5QOnXazEk2qqVzLD6)|f zVC)X!=%`6r3SG9QYbgEdpAfhBr+v{6CEMn_u?hOPR^gRpZ#840wr{E0oO=9UXg_;w diff --git a/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-12-1.png b/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-12-1.png deleted file mode 100644 index b03d092d24abb4834fec30c3fe0d681c1ba8337c..0000000000000000000000000000000000000000 GIT binary patch literal 0 HcmV?d00001 literal 5848 zcmd5=dpwleyB`_%5N#B?hjM9l7?%-tNpcyIkYrRcVld?{W8{`3!%pRrOHpo9X6G{Q zF_a<29!z2wgK&XT58!#0$0- zlH!Wu5C}xl^8DG05QqQ=yh20;!ImnUyAxo=^McJKbFd15z#$L>1cHJ<&=5Er0*`|r z5D)|!f=Gp+iXmt;1Wne_(E&kl2nr65gU5A%Xb^#bpb-f0pNc@E5oj_37lBAkMWm7u zsSM=y&mV~-ApQN3{zN399b`vA;3xbUq(g_x5kF8F_I;3|{R`5!;DQ(|m0i(z*b9Ce#xkrDw&YFq=Hh#N5tmu`@{`iP4 z;9>%L2oXkGeG37mTj>oh4`P)D9i}&4l(gEpWyNN0>E#~%@~a3Sn{+tP?DrgB#phZVA-sf+ORHiX3_`WCq_j+{zkZzdR3!^Wz$u@tzPoyPswz=`9HR`}pSfO&d za}w}pec8gIKB6R|fqBR7$;DT%G}7^P z<3Z}&VC{wK)!(73$2R&I;Z++mji*s|Z|Kgqa5otj{%2q%d5n<*JdV!dV(;b1KWDLu zTsn1Zd_9LldAHGg|LpR0MeYPl+C5?=y&D>_Dno_!%wmoMF{=}5?pBlTK0piVbG@yw zRDX}W&khN%iY#4@fvxtYyXgBL;A7G_XMJ(VIG2SfwT#Vkoc5}^8$&8VmleY}!(L|% zkk>|cHNgID%X<{*TUEM~VGlGK?z0Y+0g5pRH7yv?{bS;!L;tJMDte*R{B)m}ovrQ2 z;Mu<|ixb4xD5PLJUz_C)r)dajx@$<`(G&3K_}x-r*LUDZa?*FTNulW{#Gs}XOIgh= zVq!SEGPPp?+(d{e;&L5FiTn8zW`~5@Q9%89XhBq%^}U4?^{pbee{#r&Ikrnf@%GbL z)x+7Uf81^nfT@QbrY3c(1-KPYs2KBp3M&KUhx)A)gO}95o&S4OP$<*-|LOQ<%G#C5 z%;fNEN_Nbr8lUWJ+2u>di&!qY%j^^<^Jza+UP_TWEw_BwgkZ5Lj>9@%z)G*Ft|2xO zw|BLih$Js?VCGD8-cSVbsd7pGMb@fDT}M$8%$McmgxY=C;2MCi>r`0W5dsr{ zkw4{|ggf-Qeoqtl=^KGqyKf6QjmiWSRnm092e7so1$@JVtZ|dvsOvC z0JFdY`*4weE|A6W67api2#;4~v26Y5Q$DKcLCWstg7g(Fx1n(hMV#%L(a+%%EC7Y3 z_w|1~;;=#w>=Z7tUny61jo>Y@X6DxHJijVLnKGX?;ns+hinWCTi>)53D_~9-MKx~T zy1w@gExW?)jBl4;o@zzb%IN6zF72^89G`!9Trm4>-%X8B=TL4oV(ut@^$(L8r#H8_S(6L?l)|IPA)%5HM=?rhf3dx@85OmgB;2X z*yS81N%`j+y@3jI)!Lq$^KfsVd*OpS{;zCIr{0+~t=Xon*4Fsd@npFe3#p~Tx4wG; z=L0-l)MZoVoHi*KU`XO|o0^0O`$`4s@G&3KjD%Ec5t>LzNh!eY#}jf zTz^wzJ*E{XDcRp}J%E`NNz$FAX-t|oaOz0ScFZ)`SVBZv#J>648O!ARtO_SXPF#od zmEHyVxvg+&!-EvHwUx~pn)O36bcF8QQk3K`W`c2y&C^~t*H}mS^&#x$62M8SPrB*I zNPA~KKInzSI&;h;BBp!r{=*Fv#=*Q1ts$-XJ~M(lvLPH?J)9h}Q5$(j)CBWf0G8pq z9|wEb7h(9?zSu&<{lLnEYj{kxkDj2(^>P8AB;Q2f)DS(szJ{8j%gH{m7xe8sksifN z>}5?>bfTxNWlxC_eP4zOo#$9u0 zUpzma;R$BH9t8vlvBCoQ!Oy!{ACcj&qj!0>9^x3bo+_tT-^)G5rbmXyGv7g*3Wdc? z_6ISb(mmI}Z;IyZX+`C*-}}u8?k@wXFB(8iy_%Ir9N#YVe5s|kfbxu%wMC71Ga%4O zhVv@$1N-ckiw7GsP1nB8DW3+EdM*j#2MzPp+*3;PH%sv6EBvQKV@6U76@iK_nRnsk zdg1&ehL>Cr;UGuSTU{V8+~b)p{c%2?-X$~nf>b1xqaEY!;31T^lc;6my~s$5+VFWn z)lBNni+U0IXVj-dpNnXr9~Y)z>56TeD_*dnZamu8#Xwhtc$C_Wu=r4*H0k}hncX92 zWHD`&z`<>4R!b-Za#z0euuMOZHnuq4ef%X~NG;OnAziRP)H=Bb9{5iY6gdz+tu6q{gI7z z211Z^sR!&RN!aZ=NrZFhOO!AkXI(AuX)QsG1BYJ#>}(j=c+~?GQpsug)w`b=J|NKD zVO$bdXWGF1g2k6wVZ&izem|HBl(VLN(KWt4+zT^$vXZ80%#Z2_1u@lsA9$OE5HB@y0 z^rf61Eh>2vxs!JOX5bLc2$J^C5GS)U&(2I3tX($&jS`dMa*u4;^!au<7XEw=>LVIA z(*jA7z7DsAAgx8Jr-0{SOB$s+1sNae1e$>oZ{aX|H5~f+Wqk-Z6(vJpj0c*t6<D*j3p3#L(N)?m+;PiD-BqCxOo#qr#74^E{3bauSn%GcgM%wj;M^Cs z)A-#F&h$nkXo#FjWerofR_By&b3Y<$Fh*Zc=Sj!RvmXrAuWwafPVDH9y_q=&Csf=) zx>1OhYfNSyY&J>ltD_-($zY_+UgE0sW6!emJrt~H!%%d<N()qM_rC&RtpOpM-ZoXHb^BJ6I^`M9g3^JU$w8((KfS^GrLw*qJGE_^f2 zV^OwiuO{UBW)-dq5ldj4$0@;LCJSpdJXVryahYOF_0bD%a46RDMV*f*^YL%N^j!@q z(X*w8!mM}D9nFAe&;VKuvdtx#RH_T24vHjaKML%wTu8TRb4et9(oGi5>na)Rl<+b% zq@ON$cI|w06v<>1&V18-z{E$9%k5nRa6ZJAL`1cc7c@ z#0KsI<6@th`zabQ<6}}Zi3G)tGp1r$61wlN*0L}44}F)lyHUpK_S>qS96w&*tsPdB zJ)7~|Z7lQ0lrVlpFlHn}qka6kK9CmC^hazz@eL{eP*_w}~E1Ns4)PWvIZ)3)5xC%T%8Xt5O z_?%gNGIZAiq#3Xu9{)IB{Mu<#e!Q5`)CnmCNlHZDFIM8}_tdG~j*zJngrT2W?H!IC zFNI95jCNmD7Wzq9PB|jslubj?OQ95{_oalBhAU(ca=J zuWcJkPaj-o<@Mi4q&4ft%eI$H#oB?J24cxXOrF+}TntQ}U-@NwHS_X#`(kCC>!NY4 z6Go$q-s|J{aX#$I+hmrKk7slJu<(gDj&Ve3Y4^y>iKNcZ{R1h>e|+oR{6Tf) zgpKcczWt@519z1Vh56Ikp_Q*Iw*@4xm=C6K_kK7b-wW5OiDvV&%x-~|R z+l&2f2oJf%u8VQcO?TXJ<>D1@&Eq-Tt5147n_c(+*b^uaq{}O^T+jc2*Yv{sU_A3>U-8ac^KU&UTJ<=2Cqy&i5_`JMq zF|u3=KJ1tIkK^Eq@__WljZUU-64%A=cfIVbS5k{r8|s}>hVC6*{d_KV%q+!Hao(c8 zTQ;6)Kl4JZ@jgg=p+I@~RB!A9_GQ^SCyS#!#_9)dSOL7CJMA@$T;9>jSt82o*8vyl zb7}FGSeX6vzM?r9{{p&X!+uSlb5iOdk-s~Wf*-$&d-!BfmWb0>`W}?=a!fNJYrfMa zM~KwPJ$pT5NMDGmcg3&ydHv#H4!^eS6Qt2xW`C*Hoq%_m_ne*283~~l@-Ai&ZDxL( zsxPApH?ded z!Pn^S2uGr1nByHxi8qgNN0F;E?Deg)U#4QZ}T;=J@|Ize2T$S=P5O+VWp% zi~_T~^2~g3Fsm0upB2n?`t;vtlQRDmp-rQ=ZSu_Q-x5Z*PpB=;ZO@jSxfb&u^X-zi diff --git a/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-13-1.png b/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-13-1.png deleted file mode 100644 index dc0c02a6a103e06118ab625679536a9b89cc8586..0000000000000000000000000000000000000000 GIT binary patch literal 0 HcmV?d00001 literal 3209 zcmcgv3se(l79J8LfIw8LJQR>>uvKf6@X!E>)+dCAtF9D5k;Mir%0rO^5)<$Nr;351 zg7Pr7RBW5o;47{Yl0cM4SwuyRG(r*xum~iRq`)9yrUR~LPmi9n?w-@mnVEn7JKw$k zH~+o=z5jf@IeeqNt*b2n0QSL~)@=a*3kbc^t+A-&c4%e~+Q>GCZd;GG06+!+IzTP} z=psORpF|>|eKJ5M19UREfJ~>83zT7#2QMs15XNhyPoe3+>5EFdcj=t?Du zMYMt>t$?RR8np;AFfd>=8lm(9s3xj_;?UQ~ls2k_Vi5!}RmHcVUtp86De4daOrJG* zSv=|Bn9+yi;B{-ZG0TQJ>?6DD-A<$~+PtXxL6l$g4TF{AC%0B#sy!|elT=9b`odAm zJi^>2Ql#R!i5f&Ee&~eKCi*{&&Dsjh+%4eHhf2-2_AK}!e{jAngkn60&C8hju zH8wzUn{Y0G6X1p#mG9S$P&jFUYO7<+)lu`)`=BA6s3J>U^LP9oU(|?)KKZo0Uo%z0@=Q_guyQ?O; zEFiz)ZFMR;d4JqUiuYpotmH$%L(vm$)YfJAn@+0@Gd`E9h-0*KU|99?x=&AVp&R8x zWB)X#VLV0;}P-N-$m8?hy);oxH|-CM#`F!ZQiTeot>&IWX}58%Q$8zNBZh3j0efzZ zi;n81l1QyL259yU>?OUF1W1rn56CxHI04!bJ~TR>&kAVgUh`k}H|aC1zM$+f`PHy-bab#+ zmrCT$+~4cZ5c&s#I+`md04H91a33@noh8J}0zSLoOhK+u`Gax`rhwoZAjzCspLc!O zoB_qak>=={_QKm5WHfV*td(;GCzhkVSY+N|&%os2BAQn&f8twr(1BK|GI)&TF=D(Y zczh~>hS3+qxWW&3T*w>J459((b`qyn#%#ISEj$(b)H%P7$t2k=s+fw(ylKck6w1Hn zAOp`~dRm5aQqF_5))O45)_1E-EIcdTXR8H&sQ*Xh=srlvaD;L@1Z^+h#-&SQ1CoFY zjE^NkO$lc0BRMfa)5F6_Y6$VQh`<(p@Nyz;4u)@Vr+KLi4~qEgxm<5FQN4V|TIw=g zVkE(-#Brl9vUEVS$5@@onJGWiq*XQC><%gpMX+UktxWalB5lI3!_-6{=FVKeEtO74 zjKwRaCTZ1z;T`ds1hdd36OO%&?fj}q3!O!z)cbH1t)d_f3t#qd~)Ke%^IIFXT{<1!-cSa&y_~mx!3`=*YF<9Nbv)OWuIy=A2lG6FV2|1qZ?}|gq6EDoS4g|kBBWtKG zvN|;pN;Ym-|y2hTYQH_d66DX1&EFSAru6<@&7y$%;*rwg~G?4t@^x-H8`1C(Yp8q2XLU zYsOpnlxcOer8!mgI>h&NjWsPqxy71xn-WgfD*|m$ri#E9=BNsT zZ^YyPzIZ?G^S$hrGw4^aTaLBxhli*g7M&o9pGI-TfU;%>KkjyQg(rX)5AObspn`t_ zk8#P)`?374ORLN+%ggezB2pgBgN@7Y;L)_vZz5HaJYckNg)rEsi+k>&o1n^UsikCy zU{CEP^!1$cSz2nv(e13!ipA(IsZB?@llAxKGP5d=kiZF{jKyF2u{INJwSMMTe)h?fZBS zu4H&S_ayRi4Sced*+h(+o?tfVevwnneo>%T?Tr=ci0CZoxH;FAl81X;%m{}IxaEXgqPPCzPMUIjvEtK>AE_J70d-+A1bXPvoEn!Czb0gANK@4x` zjF0{R+vDvn5(n`dK)3RTwN%}3`bp|biIi#R8Ry2FMJ5iT(g+suwej`C61j?_7#~?# zHkui&8PR*NN;Pmie4^{oxayQ}PqIbL)xo%mXd_zPkZ#UOmG}swY{HXkPBV*dlc268 zigtmfZAAd*D!uN)N(^1jUKR@sc9&~e42aw;) czS)NEID6%uxRlG2zZAji!`EH=eD~4c0DA#HJ^%m! diff --git a/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-14-1.png b/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-14-1.png deleted file mode 100644 index febf462851567d8e193d92c086bdd72b3f2fe3fe..0000000000000000000000000000000000000000 GIT binary patch literal 0 HcmV?d00001 literal 3802 zcmcgvd00~E8b3mWX-b=#TTIhpO(~US6K<2{SngKl6bjcgtW+>tLh%z}EO+CZAoj=k4U5OGY?LiRM>D#CHxGFmU4$36I4%RWy# z`y6)rbiZpqT&+Qy9r)$*uV5PucOhWS35uAoYiI!~cFXIM#>OREcd?_;K$lN4X1Bn^ zOroCwp9{SenA?{gyU$#l+H%x`jwxHCa`F6g%R5W;c6MVJhqfH&RT(}vDj&YmobSa9 zblnOL{Q85}pShn|1vV%TyF|Eu8;G(scyXm=w^Eh!9Hd0G z(PKT#{+#^TbUw|tx0t`ho&%$P)v~2rNEp4UBoAc^Q=f%y6CgKcwD8hrL`fERdBJML zLp9C672(eexXFJk-G1^ri7S}D`?npp{ac=2A))3J4VH1g27)QJ_(DGv3p!7Ob_z={TLnOL9VzW0!#(*XJFF=!EdL zpQZA(0(-_S6m=d6GVTGr%i&zlWSPawwOKH}A-G=-`wx_&C9;^}RY>^A4ng{Du`|~- z-v;D_B%`(=oF2g_lKEi-uM0`Z24s5^KiqdT62N877_iAnP`!l0pK!GrD+Zi!s&V_T z1+1(+)Zs))$D(&Mt#^q7NN+uEl{PF*`cyUww9yfh=YBjy4~&g0L?tTTF7u_xnsKVq zdy{d7l2?v35lY3^sY-?7Tk`Z$Jm4Jdmu3waG?kPG(;;<+v7JO1PY*Oip6Y}-fO$H2 zkr5?35+S}2+*oq84LzoRu|#PQgg@Utx{Ey;WmyzU7426vg?;&u9xA`yka8ol>F&fB zziw;p1n06e=k*Dk)Rf$<%S}q|xP%aI64>{ISQx0P0a=hfb+u$3&gE>=dfaC?a9YrN zDg~Sg@V8si`{JDkn%k-fwxf+1`#W&$`ims?!l{?DdrsLekpU=b5+wv!V7-;XV_IZmI_oH+^%N_bYA9z*@XpqRou!`-5o7gQ z??_Q&8yp8-;*uT|`Kivjvc6woNvS{@!l|NYFN*mFP#`j_u@}J6I6dmHAclpFU=%(qUf^Jl2{c!r)YNXUqflV^Qg~xK6>Ml=80PC<3jYW!*WM_n|Vc;0l5dV zOh@vR4Bp>*7D9NhCf4bPg2d7OyuNDm$m!qO?N`=@U~!X|`7`5xQ54=it(rCted}0b z9ziDvd%2H&QoDo$r1hYw5a)C0lol5PPyHru0!4XPA0Zsv6{; zN(jWQog3;9WG^K+*U9}b9+xYSDsEr)1MWvRN60`gSA3f#{nY#Hr`;5%D+LDZZd~Qy z<4b$8Z%FnHl!x@-J{a0sQ}Uoky_AZjkmQhXZYYc9x*j|(?45gt`FZF_-hk)j;eZ!* zUi(09Nk`gNWMT_TYVS;flQB&n18CtS$ylKvBKE@z9ZWL%bb|EUeak|oxtG$# z<{(T(H?9&w^?0T!<(Uzs_2N$E<{q0f-CZZQpN-llueyIGoOIEXR{ECoSMgPGj<3F= z&`TkVGO{xO~`(3d!#_=CRKKL3_{rW@qw zOJL~WAHL)k>Z(2*mX!NUiIYtP31x5I;Y=bZFESSU>_3uAa+=6}0AUR^Qono0Z?DYo zl_B*p=qwf^v_nWar~o{?Sz{)zQ2aCJFt~ z1*4sMpy^A3#yxN10XciR|LKj7Ro@4!R#FZf!TAd|c}Ka$TZJ!ZnDJuj7yQt!;IZPd zpr2-;g9@z6juks*eQFd-O$jymFv4bs=84po@)F(wijYwXpd3IbD>>Gs0kCxx2|H~s z;c~$2d$WNmnDa$dpYe?mJqK;)i}woP1cWwv8UKcM+xXZ@mkT!cT3Ev?C9A*PYh3vu zZprVMTh7$DHE;M``ma9vHu3AA+^Ld-rMNKl4}te-=2s&%US|8%gi z*f?m)0s4UqNDjmvDnXby-h|R-B)RQ#>+FK&itFDI&i;PTYwf{ab(%Q&*5(z5RaCyl?pbYntQSafZYU9Q669b9HE zp$9t9eL1OktzoU&XVz0vEj&nVR#ZVC1kTr3Jsz_)L?^KdEUE*B|6sddY`+7_G-NVT z|L!Y8sL{6N39Lje;ZNakDhHf*9){;*sIvJ#cpg6yz{!7brEJ>{3beI%%?kX;c{3Nf z$F8#=>8Iy<;E~I+xaB*xd@~PK*Tj-Uto78k|NY!!O_Rr&UtBxZyZKlw+{r}soBhZR zDMtX^;!0VKSrZM+OI?|&GWKZcpo+ZQJQ^t**QfxX#a6ePO&9nPWiHo zq+0arWp%QEyosFrJ!a}wl)IEnxMBS1OLoSv>iR_fKsI~)zS1J;xr34emf&B8PtL?| zQOeJ+cCORD(Jvx^QwwzPuZLO(+DcK)?dD{>tfYdaj^7@m3l;^bi!0x!m<%^BN3?oQ zgJ>e#eO06#lWU_6D9?c<4V>ICWXftbQT0UemS&h`h$5TJGjn>dr!@P$Tzf5BI zy`{+G?|GkQYwqB>55}Zt*9P`l<~pyM9GMicP=gspb6HaU1O6{aRc!TSQO~Cevhr2B zdjkzKQc6GvC6?n*hkNg+t1q*CKC2Y!$LS?K#qb?U_{`Tb-Z9O5Y+Ue@aL*4jnEmrX zN%*K>rw+bIYwuXT#wxd`uNiF-^qNgMRN>&?F&Hyo#+$K!OJ{M~I~AV^e7Cm9g7O|6 zo_OC9fxw{4@*njj(Vk%lWo=+X`iwlCZ;h6Yluj1+y&^dtq*d4EC&r}n<9E*9eHXts z$I$`rT-`wC&o!8-pC_IRtTD&;&?aWzw|&+Yh3^@%P}EgkQk}CI?#!=?gQt68|EXf+ ZNm=I;gDr$*80|OeAvd1`k6r$f@^_xSiIe~U diff --git a/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-15-1.png b/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-15-1.png deleted file mode 100644 index 50933f198341506e9cd3635812af57fc4efa02cb..0000000000000000000000000000000000000000 GIT binary patch literal 0 HcmV?d00001 literal 2720 zcmc&$3s6&68or1{VoFhvrGj`Zj>3u5S1%*z}A3S%B%87BveSjm~ovzA(-S!C<<6_cqR~X_oQ2Q>r8i6-OlWtbN(~; z|G)FkfBx4wr+4p)a$4@O9D*RH=$$+ELXe#a%s)BW15RUX_6S&1yJPo9fE9wM5X6M2 zV2B_l6Jj>OoQ8ma0Kla}R4T*-lS&m)MPM{hMH;&8W6|kCI!jC!DwscQW-C8*+YW#N5P~4qToF2e1CdVbOgIHW zWEb1C`}_S|3*co%@7T7VbLsIAIo|VteI!?(SyK3nQLMIh(W z&Q|0*l%BtRA=EI@EUEUO-#JMkMyupXV@al9>+8@QFqCCJ(L(Pd-!8;Q9@jW34W{z{!1 zXz6@#!aTXJL@o+HPSlWwl8Yhd@Hsk<8`#@=mp43A=X*GBlYl1--WDD0@& zYj2Weq*iY*?lDi`fcV$7QmuKjYhLu^$aplS| zNsC#gdDlPFUD}mZHyD_8E_g0b)vV264m4jZQT3?4(5mCJrcc6JwZOS`M0uDukTsK3 zbA~vQ^H^e;U6;O8Iv>*(dd1@-xYo49icb=kWB%oDmVhV{(zcz)6XXF{JwHvJMpE%r zF6AV2Lx^iw3}+*^7>_k=#xA@7AW1-5yUJZ-9yGXP>kCvZ4l>la5R0s%y-s*@zrhpY zF%{tyZ@G9mg=Vet&2HD$O6-~(lWwSGTa=7AJy~M<16E(Hmn0kIQDpS3SDqZ>`q>z~ zc-=dunsNNz-O*v$_LIMcsV{ig>a{!wyTF%(uH$_aL}KKG&qF82LfUS9xt?~Q$4~m0 zirl*Q|FZ2rM5-*0c4vw^oEnU@thYHoFv&=)xg?t|EbNKEmJpfel|kV zZ%{ov>L%?t)vru8!NxGrBtNQNQOg_r%%e!d{%FTXLTq#g8 z95^i%6Z{175@L^XFrOtoN%3zH>cacCS5T=s`zO8VPA$Xg9PvF_gBG z!RstnlLX@)LufMy4{@@7zj@!4&V!RTh4MHBd!GYX9dhdLy@z?Pg64W_+$%Q8jGG%ZpCRhe0`cnO)u*%+;Pbkd%+q z?;E7NJ4$5V(%m1w#h*LK=+6U}OMl}R5*Q;_L3K;bxz1>I8Z{>ciriFQg4tUm1M={{bJXzp}v8cGp zr2u9a1>%T04JFbKn~`Q;ijiLz@npa1Zpe z%<*FB7+RZ#O5%$iood|Qf}j4GRp6w+K*GLo9DlF6VfMQ1r5PQuYsdBNDS7_@t=fW= diff --git a/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-23-1.png b/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-23-1.png deleted file mode 100644 index f578ca07a731b6d3bc26bcbfa766e511f461cbf9..0000000000000000000000000000000000000000 GIT binary patch literal 0 HcmV?d00001 literal 5833 zcmd5=dpwi<`=9bqN<<=&B$Q)e4kN2aBWdKE)AW>cjD%L!mQ$3B5^`oDS}b8wW0ahg zW762}aw=0ckzuyq?RkFB>v#UWe!qXdukT*FKl|L*{l4DU^||irzV^AV+h=X9#Kq*r zAP|VS^{JB%5Qq>LJfgO21|@Z8u1|p{0cX!RA;41z1PXz`AP^J;;s=33A<%dT361(rrf zZhX*4Bms#=Bhe%zp#x+`L7*rI3Wb8A%2|FJ#y}gO=3gvn8ysnAeiQ+yhDH+5XcC&x zfhLjAq{(nDp zPovW*bh>~ppwI<^NfLUJM3@wGObP_7aulmGp4ACrL3(gx3GgNY{8`Wd$S9zvfoOqX zgI)k?3qTD)mq+_EFw$GYPPtuyK(i88xLhs&UjSE1U>reHc6Ga*(ns%VvT(Pd&crVDp|d zAWu2$$MWq1)uJzCf4(t;^r+kkOsUW$t*NHQcVY0=c#zrNrq;XF7ubX81a96K>Wk-|L$QhO zN4Xs8aajaErE33TsQpmpTY+ipu<`xjn~XBtN&EI-C&Od+WMWrd!8-DB3pO3-hy=j$ zYWR%)y0^C%WC6&Zq>uTAA8BL~21|}oM0hP{@%P-kJ%3AoLs_-kG)D@FeaKLAZgdGY z?DDRuu{AT6E92`d57K;mm3N>6-WRjt%67o72JZ0tMZb36;Eh7Fjn;vF-(qt0!+~qn zNZ!{yb%C3FmXCV$=z1l#l7JMenxhjAe7&`PjiZS~)PiI-T1ew?hOBRGPuk^R!?tOU z)%nXg)rT6=rH*aJ9TBBXIw?UQ%pJ8J~RVNwyZ3@2XVo$E8kJO-kE(lcy{|G zg7>MrDMk(HkETB6&>Lbpd}{RV>vP16#8I2R_Fk#2_}FW?;_TAxHk9nWu$tDcKlOs@ z9-r8P^lE4RD4WGJT7Us4OmzypSs8sZ-C!VHElP|xr*(&KemGh1Q_I1(dbIqPbIPw+ z1+vG?@8kVeQbQ$Q=YLGq&CW!|Q42mkA@^}RC>u8t8XH=^6KjzI>hM5LjmiL`h+4;Arw!@-^2XiC_0WvO}x0(*e9r#E}HO6JTc-zFtJ|*Lp8hrQ- zBD!-^RF=~6%n|l>M9TAsCujk~(pV(a z263Z>dBZY(P|?{sNt)DKfN~XEKK4Hf%XV=K z+;^S4v14*_@w?Z_jg{FN1MQWV>vlSd3%nT5!{^uCFSGSE$y>GZ!kV{91ESwC25HwC z>!YmqbF(u>K>R5{H2m0!dlT=4xt;x=-ZBAy7nJllW91mvQL60vTlyw!sF%1>^Iza| zfU`1Oii;?w|N(~sht)OdO*cDm)A#0KQx2f*E4N>8a>g3q`zq~pQH2yjH ze*|8ER}@k(`cRa@nY+Fa)(z=W4KOQ5&T z=3l<_tB6$iG4%>#r1||*Dwr9406ZgKXBT%guAbg`PbB0w6pfgBgSz@!1m`yejY-%n zLjGBc-Kl$CLW+HXq&1sv1dSUu-}6_<6pnD?L&z#ks=(u`ulz3R!sOH<@z9;04Pp`| zq@sB)^89Ci5%E)l^qjTHuiYhokS*BJ<()SL)AeMy8|s47?xj@(HV;xjC6XfS z+wBavc|WfHD|;%Si;u$l?&0*)@W%4_R{f;#;O}oqCH|piW?63DJpO7Xue-iU?wDZ3 zVzJ!Y-P$IOc754yx$vo$iVk`vI7>2g=9gW%8*-J)HTK_g*{ez5eUBsb4i)q~{v4bJXSYa<4gu{c~AAt<=*X!sQ>xrh4+BJ z5?(EwSELR7;bh-57qMyiUGbq=UjkeObG3Issw8WzuC;s< z{)oa7j7Xqy3|n4Z%9NEcA1C>?7B+IiBKXq*5u7JHRa(D-_BQ@1KfTf2(sP=7S#!4u z3Tyjg5j6Zh!5lieG=b+BGeE6$dV^u;OjpnV_;u4+HcDiT`<7DkRJzn{b5L`M%l zA-jO(l$yF+x>ZXd_J10^^;UE&$D7}KcjsC4_wwh?H03KM;Row)?Olm|!>$;Gv(ra< z*3NO3&c+np*w1Vyc+`k`-8gag%Dzw1*bh%cL-i&Q(VWJCa`^Y0#TN&h|72Jn6vFb<4nAvz`4}R&P*= zfTF=GA>FTYV%R6;c97K2Z?CQnydKpNZ(^E^OkYKq1W4`%zlsi4IWTa zE*cmHMB*`qKaR_vC(Kv0>r92t7>a>J!2(8mD7YcebwdE@sG~LdP@9-VKOBX^lCfZ$ z4mfSbF*N=5Gm}ZgwQSs}nh>&FEc0HOJUbb6wEEg3*xCx{m(1cFWv*hNhEU-(=bW)8 zs)+Tn#tS_sn5PtBzQVN9vio3q;pUU??R%C#bUkC%5K_=~_l(Z?GuOLSCap7j*T-}`dpI6J8alJG5*N2~d!yez zE0<8(z}iJN-eYd(I*}hTYqQ)p*DR|Hni|e$rUJ_lstx%eEng!3)O9ZjbZ0b;=wTkq z+|1T#ynq|`avHleaq7pph;A$P8iY}0ExRyig5gwt1vObh=EDo#HwziV%aAG2-z9mO z@`t#Orx~Gf8w3t%+k4R~VBAxT*xzC#7aV!4>_234x5w}2YD4+WuBMW)K>ZMR zbEpOznxi*Aw-rQMv46-X>Z^bNVeiupN=OWVNI6oNhLJ?nFDOk*^D=XQ=43+vdt=Y& zH~u;=aRm&WnlbxJRcKSwU7p<3GV=haTO8wRp?!bJcQRbReqk+iC#crftogcgRj)Db z4{QOPw6i6&VyhH3cpsxHHJRs@0y>Ed0D8+|;|VtA-N)V+4kv-G#fzYh4Y<}{@slcb zof!MuR(I;6zWvXrDm`QvfPkV7jm`-X3Zg@Na$_|ia^}#_G0eB=-u*suqiP?-Az-o5 z2Oa)=h2Hv7sF__6D2%z5+CenGlmcNorsB4mhq$q`9&-%0?GO<|?NsMJ^=*d3%*TUn z_aAQ|J&qABtOIww@FWFVuih7#z$f7uA4lqk@SQJ0a%wY(xLn^>%>k#WF5GBV=8#p* zrVYVX9Ns_^xOA@lRhi^Qt&?_NsyZwT*2ux6HSX&gUG0k0TY!!AY>6`0;r?pCmZk@f z%yU*_m1?JQxtaWGEV*KtA`k|}05*4|h zEFC@Ae&=uLnT!uufNL8*SnD~8eeg82>FwpHstQdE^c%x8u^VxN)A~~5u{&epBQ(hO zr~UJ$6?qk|VoX;26lVLNl1FToi*fh;u8K^C+Yb4<=PQTYnAnt^Je?L@%ky&Vgc_|1 zv!HMJQ$_unx$t~)C@NT(rUII^G;EiB|NPOF+0_eUCrV5gQ9UC@x`wgLofznmi~9$? zV+Me2{%!*%k;j~5kv%TQ6sQx;+e37`<`rMfNSn#=!aqHJZ$2+%3$0w0acv2j-PSaD z(JS`-TC^vgjo9ksD&FEDRbC|@TYvDZ7gRXZy69!l7RLSKk;9Ty)tK2Q${3qX4FO|n z6HnV*oi|WvahA4iqk7BBmq1yot8b2FoZXBQXQ~uuYa7{Dt}5pMz`we$VI{EzZCRuU z+l=%XLilxmlYqtLmd&&?$UdKGp9h20O@;71{%u># zttL91)gBXQ`KBRN$$os5?5is*7iyHRcHJh;)oi?KcarN<&g5xboX&_zRw15$A%auJ z&vySchEQoA?^foX{#o}Ct3xpt02bBcu}4>tZl4FfqAFWV%+no9r_SWEh}LQo!Rp-_ z%sV5MPfK0TMLvvAMywM&eXsj>>dKM^r(XtiEv+OimzLW#VThjxhr?}qa}7rjj+FO_ zn%r$3Mg$=xL0vNrgr*ZpMjbcqc0#ffLr+yj4!#Bjh7jX1$Fk#np^QwJ&uXx!Bq$Sx>&}+uv(P!&I-c24$88w+`Dcp9*(d`kl>F>u20uu) zD#CO>VFsxAelw!ttO0_Yd<$3)@R6;${2caDqs{eYn09ZU;St0Qiej3M%$>5Yk^PcX z^%M))s$kRohQlomru)4#b|L#&L}iS34wO_PAnV{jvy@9`=AN;iBZRGU4N81C||vUk`-@>9@=&KbnRxn(%)NlHR{O6 zE|(vE@W^}ekv3WLYMIlahoGJ#q-h^mfyxd)cwn;BB@#0kM{buYi3t=_EwycYa$^4q z;Mkos7!=e1$aW{qeCmFS|Ktz8TXFk#O=8ZU+yYMbH|x$~+$$?zINOoxWSH%PK_Os^ zMsqWxQvOA);m#^JjNdYG8tc`#){4uU$6v^xqD_0Iz}-)dA^GR!)(Q_hn}bD5bIu1m z9Nc-=kf*bR=7-qP5y2TrNjf1Fhp;!$LTc%s3I=GkiYF5$`U=(?zq`vQd!(ue>uSko z-=sWnxgBgBxH1Dh>?J~-aPB2Ba} z-O5^uSvo?TTTjGSD^3p;3=k0OIS;B}?WQp_e!?*s#f679Z&_gqF+(_aS3}QgEvHK8 zLkr{TW9_fvbZx(Nu`r@+S9oN{G278TRJgIzlO0l7_Zh`4QnwpE^8)pyV?8o|S4>p({P-`%c%*CbgIf}7?_NFzh8&m6)>Tq{88efs9{ zrnBF5wB=j6l-0Jepv}0b51DaW_2`r@kD{t}ep4lhV-mj71Xi{}V+3{l6{)%}->f5k z!U?x7*j%bc@ZCc08KQXBieGG&oHG@}o9@Ty3RVkS6ZfSXnA}DGl1^aQe=AaNOc)m7 zoh!*3`^GwPGFJqpIAnCS#v5R*&Fd?JNo9e`M56!ZJOfvnb=xBH`!K zmgW9g5tPJksEVk}tKtrl(aX+rzavhE+;(n~xfW&KbM|tkMeh#ZvUjl~zBu9$(|tLy z7nLdv0b~eOj88*9(K{Y$AKxBiljo_W2@GfSTgQy7J>E5~;Rx$nL0_s9BFkS@4{;oN z+*1FAW7e*od^^RNP&oGE-8+~jFm?B6<1YnXep6qkrmxm)w4++NV%-ibBiB8onRLs; zqjJ9Q_8>rm-R94>_6;KzokH%deQg^*O_)dYw}f3kV2qCpKQf14uFN1NY&C}n?xN=3 nk(K5^VCh}3UG-mDk^)ix)vg?7kwwi$OWGP?d$Q{H^RfQ|;r*%X diff --git a/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-24-1.png b/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-24-1.png deleted file mode 100644 index 82db873ca377de0d6f5a78e550f453cc1a6eae85..0000000000000000000000000000000000000000 GIT binary patch literal 0 HcmV?d00001 literal 3350 zcmc&%3sjQX7RE>6BW1E~PB!99Nv`Uum6?SitEO%mDrF{RJ}Q&S3M(y15yBdq>4BD0 z)Tq&C#7s>6!OUNI{P)M!%$m9DcJI3DuG?ktbI$(u-sk*# zpL4#m`C&`ICMyd&3j_jTiP;pe2835=BcCG^9MaEo8iMz}>Fum}VhflWh@ zc?iKTZftI)7E5!K|$t06n_?l!liKGuYzST zVzDS(RuhzlMWn(05{OIj=TcZ)1;isGcw{V(2k{`NiRItKqBJ!@O%NnW!%EV~5(#Vz zDYz5`m!*K36c98tG^AFm!IMW|PuKyrgVoTqH|zx4LJ%}o64?PqV1CqRXDk9?X=8Yd z+I#3)xTE#mur7$2Is6JmS|Fa?um^Kz^Sj$$He#$<8*e=`USYK`ryoC|VQ`Cb9B0n+ zO)Mq{j~-ye9*6C1cb^ff*#Y5w(`RDKM?r>!3NOy(jPSs7gq16!qFlyG&d!KlrYgRI>=M@s;Q9 zGUj-GG&JYO5#+H0Y99;rRVPCrw2@G>@48yGBhc>5Y|Cm{w4{l2(=@ya160PIa-1>w zBwa|TF!hdiNzM5>;*TM28>0qE1DfRIO|L_LSohAOZXD!$333nC!5 z`@Mv=@1je?&k8gTw+~M~(eAV0yik?-ZUf&BknzZH+(C1^UGOV@W1|o3KB10reaKC{ z{NOAjUun-|`+WX2{2%6Ur3bR@A>8;t`0!aF=$ANQ1hN;fRkjhq~p^>f|&2spr| z8QZm|*rT?VHoW?=i~7)idn%G1vK_+cW#$)zbf9uVGtPc`7-UE64f1q1seRc&q{ujrA_O-d$&#wp z%+KKX_0I7OU)?=dk56QTwsGo-vc9}?BlM|E^e9z+BHh0ia<|lP?a=~jG19(BN48Xz z?u^&1&{LOx`R*vmVNv&7`kO?pjxs(>pgS*cHi%(3hhM(Gao7Ulzfje|@#7Oxk=|R5 zp8_YhkDBo}lr6rhS$9ztrJs`AaA>$2ZyLUEXL>?WDS*=tSR`o$FO3|QR<81jA77E) zGD;m$e!G~RGEn4A{(S%gV_E=tL~nmf8n7=CtVaXG6`?rou%KH7^JeoMAXJI@CoF3L z5SPu+5^ODe7@edSpp1y0QP==__7zEO-XOu)3}6uNML7eq83?F_`3^S2Sk9f1Jn zu5_Vi`M&}Ots;uMfyczk5^}v}JhWq)NIyBml9{qlGqC@P(8G25jt~*x%f_5GW@Dg# z8Q;|K;-6MsmbXlvE_RqHjb0LoVS4O(vcp#{y0$XdhI&8u;#E`W;r|#G&y)^g(o26V zy&}wTjw*Bn$b|XJ%=z7c4V#T)cz=cuTH@{Q7^w99$Lm$K`+CvIcGXcef`7c-MnA%i zZsa%weMmp|$b3@i#g7;nveAPkCS#=ft9#>|5c2COceM=P&Eh6_4zu_nx$|mtxY3Zku=?MKxl&U z0)$AWE8Yxl4Z?^S*T>iZ8U+1sf}~D-X!WD>)~zY7H;-MqU?1~P6MWeeO_ei|^n+kS zTb0mhh`8U8i8Me^`rWtJdju7xUO?px?d>!0P&BrD0R7Q^+6n#{vhP3qM~rd&=*az_ zRB$=r>IHhj^UIt;^?vt0c!$7mvKGls2zE2n7eW(G?9u!`DW1P!+(YtTu9Gv{@Mip; z5MI(3RQV;8v1`(^;;69}CR$ss-)%`vJ@eXd5mL?gopr(THdMoheAy`58;=PY>xEZo zFxQ?Fi)-JUg6-}KRkkrn#3^B0VrtBOm(+cC)4Qs!ET)M{8WL+S$8 zbIb}t3U;S__}{@{?%L##$HhlT&tfk%n1=H)fCWx`z;6+CX$V{)8rNpeplxa~*0&7A zy)4W?*$%HRY@kVwx2&?eGtGw*{QVhPHt|jQ4wUA|vY<#-2zrdV{HuwthF{>zVNKg> z-i~Ys{5_nu$F(DcWPQY0P7FrC6=Majx8uMweM_PrePG4GPJ6uFte51wE)UV-SChD9 zU^V9}>Fd7QM$Nl3r?!6+TAnm#*EoN&t{w-3B@F=q72;TKGX6s)PZdksWC^n70rt*v z&ybIm?FlPAy`lm)`Fcv!ogE|7_r2@K3wT}bV4n0sZB0YD6cEea*LrWxtC5nc^qOkv z->Q;4^bLw<84*shd>5k{k+OGtqe5(_|DdUft2(Bex;wR33+mstJTHT~uJMRp@pv0Lu$hxq5Y1aR)&+3+zy}?41LS z7YHaLypE^#j2B$WJBsXB?4}d9tB?_4GYY1nW4Z=PUn|jG?n{0T1zv(FeAIhYb-$f+ Ro8kYB@5X=)MeBDb{~b5A);<6L diff --git a/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-25-1.png b/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-25-1.png deleted file mode 100644 index 81242dfea33aa62cf30c7ecccf91c672a5d6b344..0000000000000000000000000000000000000000 GIT binary patch literal 0 HcmV?d00001 literal 3573 zcmbtXc~}$Y)}MeF79qujl)bH17DQnNdf?awVH|PA7`!rz?v4HZ@&7DUM?Ru$Pn{Pa}Mo%bZ&DP&$D14H7TsRw114` zv#%Q8fkZyNp_X>`wr@wh3iW{e`@QKRnNCDFOk3Z`@nJgJA=^>wwL-Q*m&6$^U!X zf6dCKg$N5UU!Ef}+O|3pPxiBavdh~J+25@{9_?=&TyYPbN_(e{(N(q&h&wT z=jg#%RD<sMdI4$dMwa6K9*8vEv5i{Z zadr47VvlyRtMMPvyM8B*A$dsyPrtsKHB8jGR{M|f z18b1uEdYdDK-cg?0wZNEAQho!s0*f07-bc_8zYhFPo{t#(FU?b=b2hv zp=!8lJN@c>bM5joyU#M{5%HdI&E<$DE9?+I@HIw4_Y6LpWΞ8V&~EzB-@5a*pgf zFeP10PeBt$tnCKxc70ws*ETDxAtu0xz27rVfRU4NmW)428vvdEbL* z(#p(QNXJ$}>9CEWDDp(A8Sio}+I13MJ^$A0ukgn-F1kEHtawZh(kvw|=wsPf;oJro z6pzud8rWv`!No5lO!Ni9qZM!tKV>kmc9znXZxF1HZP}^Efp<59k~&{ zpTa)vQo)NI!l9bon|9MPe#;(Vk~*JsE)bujwlz*PIgRb1&mUe&X zGKmZa_p*Bph3RLeZ$?h7Mib|FJKk5aaK%b_Tc(i6AH*!K@N2sbE1eG?qnP}9VPGaU zW|*W~xuL#khvlhvmqL?hrf!9Ep=D>FI*dDop5~mj7~i{3m(dTO^ib#}ES~C8K7-PN z>YMIkD`OTz%NP)UIi%$co;v11S#G?RU;qqV}dqGw6wMC8YZbli=nP#*XXg^}q> zrhFiZ(=-+3@TA@ew3k`#5)6KBS!Ku#I8px2-K#HX=#YZxAf=uL{_i9`xQeN zoaK|^^wGv=1cw@Hx*nl$75xYcD>Onmaf0K%d*BBKU*_lV)-@jdRb^-KIT+`;@w8}| z=V&x)EU{ljuhXUH0yu^#RN|#2*a2!sVNsi~lG{2OVnt6vYsEmL+6ZHXRwk-lnOpv_ zL#0mkvP5&krpLriFjw&JHRY#!dK-!LcOSh;=8&bxYvb=wA zxW;{LyG`J@_;%iTG~4q`g17C>j%|(@DMhoXaD(9cj`|}VVR&RuFheg(pHT_Bb;juT zHZEJp4AFPZKS9+C2s49*CkEb>P*}L*jT>MUKYKBiqVsQkp-I-}>wX$~b^pxpye_;k z+nJZphc3Vp3^Q#LXpRD$q6t4l3S(iJ0(cD92XeK|eb%`Df`Y7#V?4Bz{W6V~7eRaF zjW^4AH688#XwHCTyfY?|s%jI+(8q*1MERgY1KbDnG}Y+UyHN&PPKRf@+@ZLY$RCKW zy|+s89eteS3f_%3lzv*!FfqcPs5j(RHmCnR7=j5swAr9RvHYN9zy$hLX8ri0u?fV- zOOmZ23y2-;hQ`PQVvj8S87B>=GNtXL2-IfWgDXbR*#D_T;DpyWpvfHcriLF_b8oe7 zkGzX3fKx+p&%gX)=-W?LRDM+QARR+XtP-s;(W##Z>7tR2P~Gh-?1W zGb<(I!`A^AqnovBU2YOIf7&B6YBc|XNYO!%Lq*ExaP)gEM$O+p8xPB9Qa_RV4QZW2xI1#fNqIZ5E%^FFGlML9{FcUL zRodz2Ol0UOG+=^twPpnEl9`bsS|e1?1x&Bk-|u=iCr6Le@2wN%hVF5CqBkLvsJ_Zf z3k&r;4iSU56CXu9&hZ#6p7EIw(4lK4d+D7c_p^B#_T?8%Uo>iY|B!s zy)$v@6K794meJ3MEYv%M|C17vTsW88(J%hJF8Fjl5_x|pf3l<6pHO0sw!<4GG&OTufG%7UuBsM3W8v`xLmhF+l+1&)*?-e$bU=E9 z>Rr=Hz|B|9Rc~*q7sjXR6;n(3hksmo*(Zv$h|1iVmi&qO?v@*MzpeBrQn{P+drpch z;*~`~=LTifbC38~ynpt}LB_k4FC!0v9=1q}k|b%(8ohvj4oO8%*Hu-nKT?0At`~Px zI97M@yOL^zs;CVs8kGGI-WK)hKFQtP#G;_4X(?;+?bHJC|%tUY-l5hPRbS*V!o(<9>+PiD8y~rrJJr_(Gnwe!Y%B zFu>$xBl4$}jQ*fj{K-XpVHV-_OK#np%d$o4(3N}PGFnzZt|)EyyVHZqUzEDJN4nqZ zA&6GQYt?ts6NB5#E1zY~b&Y!#zp?j!9l%+h40l*@DM@@)I4NL#%_II3*z;KtftAzi&RCd%wB)*Y8jL4a$lYCjbBd diff --git a/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-26-1.png b/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-26-1.png deleted file mode 100644 index 4691de68b534a4a0a599fa52aac32251f733d0ca..0000000000000000000000000000000000000000 GIT binary patch literal 0 HcmV?d00001 literal 2721 zcmc&03s6&6_8}ICk*12s3Sz7bloc>-sS6t*K}SRi5w$9d6oPIytSAA;WywO4S2d89 z)+ALIP=tsbwKjn)B4Oo|NT`s4F-w_1F_`cqEXqe8{{%wb-dOvwvpcJ9XZFth%suDa zGv}WF$2+!1yDsru0zr^#%(gANAjrWC)}LJ*0i-rAcMu%f9dWy(zzIQQ2x35FFhvl9 z0Wsu6*7e}vU;rgUWHQ76i%b@gMPSOwB0bGMm^7Mz#+1+mYR1#Y3$ z1WbXNDKQD`qyhm`A`qwr;Ht(%WJm-!%0(hQcKObLgh`W_FgXK~V|qD;sRcB(fT;%5 zYD|q`dJ$QVVI~RFBoUY}Y-D5vkOCrr08k9GzW`K#1jDe^7X(h=L%6JMiANy_zudkY zzPZP>0vIc1%ck9|^J9JZ1g|}gTak*rOS|#!;ipfnPxo5kP|<$ruZ#UBG5B=asfv83 zk~6o@MwmvM6nmCmk_-**_q%G`_d&jI;#T6#5?=f}h#Sqk#f{R*i@&Z%q5~3pKX01& zx_7cN0Q)j`hFL?L%~~l7>lcr5SnI48ec2Z^i{Mj#5IYZ}uP1RasXqeWzNR}6Vr{vf zWtn)dSfvb0BGK2q+S1b5o^H8VeLcHFd|*edY`kMrHQlp_xZRKVYVmq=TQqXe;=L=` zI#}6n8sBLdMZp$S-9WZ2ydj)nE}Z!Ej|BmgZ7GJn7Jh)X^=?DQAbi58kjS}_ zJ>X7!G-$*Y+W2^KpN<5N^iEP+d}QVgzj0(wf0?3)d%V4=Rk-(Et5`ufXDvrH%P6vX zi&Fo7P^O2XHK+P+NY3f7*${1=A%oFdS6ZxX*M4EpCFD#UAsTdiLc^eDKc_cmI$8P| z_Cem5%sR6+eX(LLwlU&@=ZC~f^CBBMftAJnpl>E06AGxC&Y+2^V5EkZrb@$UdD`XW zII(ZI8zq+I$1XzS%z?<+7a&OHQ`fBU&|B`BJP@A(ZM~CHOejRQR#Sh4tz&Ekj;%hgoGKK0QAV81$kros>);u=e{O`0A3XlX zN4ugK$tSR()WcZ1m1k=;kxqsJ-6QevD%fR4)duY0N-rb=dq$c+vLhUGml<&@-j-i)qV;^1m@=Nh|MxB(q?)}eZ9W=}qo$Uk zaIJ?eyAn^m036;SKTSpO4|n560?&6`LYErtD!hujin(Im5lJhpU5j2JO{8TSN6*Ye$$CuM z2M661%}0AQ>28XLE%alA{wuPSCn2(mQHwM7RbT0Eo5|#fIo-!^+KqCv#~fb*m<)tW zDI^##5x)rAsac3o;Yp3?Gn=(B+ndsHEs95|;VHYC!u#$w3)66L-F%a&!IiGD|BSfS zdL=_3`7=n>}ab1;h`0-gZ`}vhpUXb}F zZ0@w8G@>DZD@e>xh2$It+Vy4Ao{=7 zkALlw;C8(eY@65HL+P2A(ZXT=)WvzoK)x14;esXAx|zEADO+y&kQb7?u$tm#nCOmM98(weC`uy9+>f$dtXC?(wa4jwS zhKrD~o&ejU6p~+K-CX_3sX`A$RTSr>hr-XOi>{KOD}VcA2LgBoC7VwNb`;4~Cvr*` zW-)Yl;MRuy=E31(=)pbBM22|b9|R?%qgdGGzu%lCf!XimUJKdxP^h4g=ed~^C6t6% z-=$Q=eL}(~2kPjb?p2L&rbAEiNY(Lc#>yf*C@1|;WQHp@5QOnXazEk2qqVzLD6)|f zVC)X!=%`6r3SG9QYbgEdpAfhBr+v{6CEMn_u?hOPR^gRpZ#840wr{E0oO=9UXg_;w diff --git a/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-5-1.png b/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-5-1.png deleted file mode 100644 index dc0c02a6a103e06118ab625679536a9b89cc8586..0000000000000000000000000000000000000000 GIT binary patch literal 0 HcmV?d00001 literal 3209 zcmcgv3se(l79J8LfIw8LJQR>>uvKf6@X!E>)+dCAtF9D5k;Mir%0rO^5)<$Nr;351 zg7Pr7RBW5o;47{Yl0cM4SwuyRG(r*xum~iRq`)9yrUR~LPmi9n?w-@mnVEn7JKw$k zH~+o=z5jf@IeeqNt*b2n0QSL~)@=a*3kbc^t+A-&c4%e~+Q>GCZd;GG06+!+IzTP} z=psORpF|>|eKJ5M19UREfJ~>83zT7#2QMs15XNhyPoe3+>5EFdcj=t?Du zMYMt>t$?RR8np;AFfd>=8lm(9s3xj_;?UQ~ls2k_Vi5!}RmHcVUtp86De4daOrJG* zSv=|Bn9+yi;B{-ZG0TQJ>?6DD-A<$~+PtXxL6l$g4TF{AC%0B#sy!|elT=9b`odAm zJi^>2Ql#R!i5f&Ee&~eKCi*{&&Dsjh+%4eHhf2-2_AK}!e{jAngkn60&C8hju zH8wzUn{Y0G6X1p#mG9S$P&jFUYO7<+)lu`)`=BA6s3J>U^LP9oU(|?)KKZo0Uo%z0@=Q_guyQ?O; zEFiz)ZFMR;d4JqUiuYpotmH$%L(vm$)YfJAn@+0@Gd`E9h-0*KU|99?x=&AVp&R8x zWB)X#VLV0;}P-N-$m8?hy);oxH|-CM#`F!ZQiTeot>&IWX}58%Q$8zNBZh3j0efzZ zi;n81l1QyL259yU>?OUF1W1rn56CxHI04!bJ~TR>&kAVgUh`k}H|aC1zM$+f`PHy-bab#+ zmrCT$+~4cZ5c&s#I+`md04H91a33@noh8J}0zSLoOhK+u`Gax`rhwoZAjzCspLc!O zoB_qak>=={_QKm5WHfV*td(;GCzhkVSY+N|&%os2BAQn&f8twr(1BK|GI)&TF=D(Y zczh~>hS3+qxWW&3T*w>J459((b`qyn#%#ISEj$(b)H%P7$t2k=s+fw(ylKck6w1Hn zAOp`~dRm5aQqF_5))O45)_1E-EIcdTXR8H&sQ*Xh=srlvaD;L@1Z^+h#-&SQ1CoFY zjE^NkO$lc0BRMfa)5F6_Y6$VQh`<(p@Nyz;4u)@Vr+KLi4~qEgxm<5FQN4V|TIw=g zVkE(-#Brl9vUEVS$5@@onJGWiq*XQC><%gpMX+UktxWalB5lI3!_-6{=FVKeEtO74 zjKwRaCTZ1z;T`ds1hdd36OO%&?fj}q3!O!z)cbH1t)d_f3t#qd~)Ke%^IIFXT{<1!-cSa&y_~mx!3`=*YF<9Nbv)OWuIy=A2lG6FV2|1qZ?}|gq6EDoS4g|kBBWtKG zvN|;pN;Ym-|y2hTYQH_d66DX1&EFSAru6<@&7y$%;*rwg~G?4t@^x-H8`1C(Yp8q2XLU zYsOpnlxcOer8!mgI>h&NjWsPqxy71xn-WgfD*|m$ri#E9=BNsT zZ^YyPzIZ?G^S$hrGw4^aTaLBxhli*g7M&o9pGI-TfU;%>KkjyQg(rX)5AObspn`t_ zk8#P)`?374ORLN+%ggezB2pgBgN@7Y;L)_vZz5HaJYckNg)rEsi+k>&o1n^UsikCy zU{CEP^!1$cSz2nv(e13!ipA(IsZB?@llAxKGP5d=kiZF{jKyF2u{INJwSMMTe)h?fZBS zu4H&S_ayRi4Sced*+h(+o?tfVevwnneo>%T?Tr=ci0CZoxH;FAl81X;%m{}IxaEXgqPPCzPMUIjvEtK>AE_J70d-+A1bXPvoEn!Czb0gANK@4x` zjF0{R+vDvn5(n`dK)3RTwN%}3`bp|biIi#R8Ry2FMJ5iT(g+suwej`C61j?_7#~?# zHkui&8PR*NN;Pmie4^{oxayQ}PqIbL)xo%mXd_zPkZ#UOmG}swY{HXkPBV*dlc268 zigtmfZAAd*D!uN)N(^1jUKR@sc9&~e42aw;) czS)NEID6%uxRlG2zZAji!`EH=eD~4c0DA#HJ^%m! diff --git a/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-6-1.png b/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-6-1.png deleted file mode 100644 index febf462851567d8e193d92c086bdd72b3f2fe3fe..0000000000000000000000000000000000000000 GIT binary patch literal 0 HcmV?d00001 literal 3802 zcmcgvd00~E8b3mWX-b=#TTIhpO(~US6K<2{SngKl6bjcgtW+>tLh%z}EO+CZAoj=k4U5OGY?LiRM>D#CHxGFmU4$36I4%RWy# z`y6)rbiZpqT&+Qy9r)$*uV5PucOhWS35uAoYiI!~cFXIM#>OREcd?_;K$lN4X1Bn^ zOroCwp9{SenA?{gyU$#l+H%x`jwxHCa`F6g%R5W;c6MVJhqfH&RT(}vDj&YmobSa9 zblnOL{Q85}pShn|1vV%TyF|Eu8;G(scyXm=w^Eh!9Hd0G z(PKT#{+#^TbUw|tx0t`ho&%$P)v~2rNEp4UBoAc^Q=f%y6CgKcwD8hrL`fERdBJML zLp9C672(eexXFJk-G1^ri7S}D`?npp{ac=2A))3J4VH1g27)QJ_(DGv3p!7Ob_z={TLnOL9VzW0!#(*XJFF=!EdL zpQZA(0(-_S6m=d6GVTGr%i&zlWSPawwOKH}A-G=-`wx_&C9;^}RY>^A4ng{Du`|~- z-v;D_B%`(=oF2g_lKEi-uM0`Z24s5^KiqdT62N877_iAnP`!l0pK!GrD+Zi!s&V_T z1+1(+)Zs))$D(&Mt#^q7NN+uEl{PF*`cyUww9yfh=YBjy4~&g0L?tTTF7u_xnsKVq zdy{d7l2?v35lY3^sY-?7Tk`Z$Jm4Jdmu3waG?kPG(;;<+v7JO1PY*Oip6Y}-fO$H2 zkr5?35+S}2+*oq84LzoRu|#PQgg@Utx{Ey;WmyzU7426vg?;&u9xA`yka8ol>F&fB zziw;p1n06e=k*Dk)Rf$<%S}q|xP%aI64>{ISQx0P0a=hfb+u$3&gE>=dfaC?a9YrN zDg~Sg@V8si`{JDkn%k-fwxf+1`#W&$`ims?!l{?DdrsLekpU=b5+wv!V7-;XV_IZmI_oH+^%N_bYA9z*@XpqRou!`-5o7gQ z??_Q&8yp8-;*uT|`Kivjvc6woNvS{@!l|NYFN*mFP#`j_u@}J6I6dmHAclpFU=%(qUf^Jl2{c!r)YNXUqflV^Qg~xK6>Ml=80PC<3jYW!*WM_n|Vc;0l5dV zOh@vR4Bp>*7D9NhCf4bPg2d7OyuNDm$m!qO?N`=@U~!X|`7`5xQ54=it(rCted}0b z9ziDvd%2H&QoDo$r1hYw5a)C0lol5PPyHru0!4XPA0Zsv6{; zN(jWQog3;9WG^K+*U9}b9+xYSDsEr)1MWvRN60`gSA3f#{nY#Hr`;5%D+LDZZd~Qy z<4b$8Z%FnHl!x@-J{a0sQ}Uoky_AZjkmQhXZYYc9x*j|(?45gt`FZF_-hk)j;eZ!* zUi(09Nk`gNWMT_TYVS;flQB&n18CtS$ylKvBKE@z9ZWL%bb|EUeak|oxtG$# z<{(T(H?9&w^?0T!<(Uzs_2N$E<{q0f-CZZQpN-llueyIGoOIEXR{ECoSMgPGj<3F= z&`TkVGO{xO~`(3d!#_=CRKKL3_{rW@qw zOJL~WAHL)k>Z(2*mX!NUiIYtP31x5I;Y=bZFESSU>_3uAa+=6}0AUR^Qono0Z?DYo zl_B*p=qwf^v_nWar~o{?Sz{)zQ2aCJFt~ z1*4sMpy^A3#yxN10XciR|LKj7Ro@4!R#FZf!TAd|c}Ka$TZJ!ZnDJuj7yQt!;IZPd zpr2-;g9@z6juks*eQFd-O$jymFv4bs=84po@)F(wijYwXpd3IbD>>Gs0kCxx2|H~s z;c~$2d$WNmnDa$dpYe?mJqK;)i}woP1cWwv8UKcM+xXZ@mkT!cT3Ev?C9A*PYh3vu zZprVMTh7$DHE;M``ma9vHu3AA+^Ld-rMNKl4}te-=2s&%US|8%gi z*f?m)0s4UqNDjmvDnXby-h|R-B)RQ#>+FK&itFDI&i;PTYwf{ab(%Q&*5(z5RaCyl?pbYntQSafZYU9Q669b9HE zp$9t9eL1OktzoU&XVz0vEj&nVR#ZVC1kTr3Jsz_)L?^KdEUE*B|6sddY`+7_G-NVT z|L!Y8sL{6N39Lje;ZNakDhHf*9){;*sIvJ#cpg6yz{!7brEJ>{3beI%%?kX;c{3Nf z$F8#=>8Iy<;E~I+xaB*xd@~PK*Tj-Uto78k|NY!!O_Rr&UtBxZyZKlw+{r}soBhZR zDMtX^;!0VKSrZM+OI?|&GWKZcpo+ZQJQ^t**QfxX#a6ePO&9nPWiHo zq+0arWp%QEyosFrJ!a}wl)IEnxMBS1OLoSv>iR_fKsI~)zS1J;xr34emf&B8PtL?| zQOeJ+cCORD(Jvx^QwwzPuZLO(+DcK)?dD{>tfYdaj^7@m3l;^bi!0x!m<%^BN3?oQ zgJ>e#eO06#lWU_6D9?c<4V>ICWXftbQT0UemS&h`h$5TJGjn>dr!@P$Tzf5BI zy`{+G?|GkQYwqB>55}Zt*9P`l<~pyM9GMicP=gspb6HaU1O6{aRc!TSQO~Cevhr2B zdjkzKQc6GvC6?n*hkNg+t1q*CKC2Y!$LS?K#qb?U_{`Tb-Z9O5Y+Ue@aL*4jnEmrX zN%*K>rw+bIYwuXT#wxd`uNiF-^qNgMRN>&?F&Hyo#+$K!OJ{M~I~AV^e7Cm9g7O|6 zo_OC9fxw{4@*njj(Vk%lWo=+X`iwlCZ;h6Yluj1+y&^dtq*d4EC&r}n<9E*9eHXts z$I$`rT-`wC&o!8-pC_IRtTD&;&?aWzw|&+Yh3^@%P}EgkQk}CI?#!=?gQt68|EXf+ ZNm=I;gDr$*80|OeAvd1`k6r$f@^_xSiIe~U diff --git a/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-7-1.png b/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-7-1.png deleted file mode 100644 index 50933f198341506e9cd3635812af57fc4efa02cb..0000000000000000000000000000000000000000 GIT binary patch literal 0 HcmV?d00001 literal 2720 zcmc&$3s6&68or1{VoFhvrGj`Zj>3u5S1%*z}A3S%B%87BveSjm~ovzA(-S!C<<6_cqR~X_oQ2Q>r8i6-OlWtbN(~; z|G)FkfBx4wr+4p)a$4@O9D*RH=$$+ELXe#a%s)BW15RUX_6S&1yJPo9fE9wM5X6M2 zV2B_l6Jj>OoQ8ma0Kla}R4T*-lS&m)MPM{hMH;&8W6|kCI!jC!DwscQW-C8*+YW#N5P~4qToF2e1CdVbOgIHW zWEb1C`}_S|3*co%@7T7VbLsIAIo|VteI!?(SyK3nQLMIh(W z&Q|0*l%BtRA=EI@EUEUO-#JMkMyupXV@al9>+8@QFqCCJ(L(Pd-!8;Q9@jW34W{z{!1 zXz6@#!aTXJL@o+HPSlWwl8Yhd@Hsk<8`#@=mp43A=X*GBlYl1--WDD0@& zYj2Weq*iY*?lDi`fcV$7QmuKjYhLu^$aplS| zNsC#gdDlPFUD}mZHyD_8E_g0b)vV264m4jZQT3?4(5mCJrcc6JwZOS`M0uDukTsK3 zbA~vQ^H^e;U6;O8Iv>*(dd1@-xYo49icb=kWB%oDmVhV{(zcz)6XXF{JwHvJMpE%r zF6AV2Lx^iw3}+*^7>_k=#xA@7AW1-5yUJZ-9yGXP>kCvZ4l>la5R0s%y-s*@zrhpY zF%{tyZ@G9mg=Vet&2HD$O6-~(lWwSGTa=7AJy~M<16E(Hmn0kIQDpS3SDqZ>`q>z~ zc-=dunsNNz-O*v$_LIMcsV{ig>a{!wyTF%(uH$_aL}KKG&qF82LfUS9xt?~Q$4~m0 zirl*Q|FZ2rM5-*0c4vw^oEnU@thYHoFv&=)xg?t|EbNKEmJpfel|kV zZ%{ov>L%?t)vru8!NxGrBtNQNQOg_r%%e!d{%FTXLTq#g8 z95^i%6Z{175@L^XFrOtoN%3zH>cacCS5T=s`zO8VPA$Xg9PvF_gBG z!RstnlLX@)LufMy4{@@7zj@!4&V!RTh4MHBd!GYX9dhdLy@z?Pg64W_+$%Q8jGG%ZpCRhe0`cnO)u*%+;Pbkd%+q z?;E7NJ4$5V(%m1w#h*LK=+6U}OMl}R5*Q;_L3K;bxz1>I8Z{>ciriFQg4tUm1M={{bJXzp}v8cGp zr2u9a1>%T04JFbKn~`Q;ijiLz@npa1Zpe z%<*FB7+RZ#O5%$iood|Qf}j4GRp6w+K*GLo9DlF6VfMQ1r5PQuYsdBNDS7_@t=fW= diff --git a/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-8-1.png b/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-8-1.png deleted file mode 100644 index 4691de68b534a4a0a599fa52aac32251f733d0ca..0000000000000000000000000000000000000000 GIT binary patch literal 0 HcmV?d00001 literal 2721 zcmc&03s6&6_8}ICk*12s3Sz7bloc>-sS6t*K}SRi5w$9d6oPIytSAA;WywO4S2d89 z)+ALIP=tsbwKjn)B4Oo|NT`s4F-w_1F_`cqEXqe8{{%wb-dOvwvpcJ9XZFth%suDa zGv}WF$2+!1yDsru0zr^#%(gANAjrWC)}LJ*0i-rAcMu%f9dWy(zzIQQ2x35FFhvl9 z0Wsu6*7e}vU;rgUWHQ76i%b@gMPSOwB0bGMm^7Mz#+1+mYR1#Y3$ z1WbXNDKQD`qyhm`A`qwr;Ht(%WJm-!%0(hQcKObLgh`W_FgXK~V|qD;sRcB(fT;%5 zYD|q`dJ$QVVI~RFBoUY}Y-D5vkOCrr08k9GzW`K#1jDe^7X(h=L%6JMiANy_zudkY zzPZP>0vIc1%ck9|^J9JZ1g|}gTak*rOS|#!;ipfnPxo5kP|<$ruZ#UBG5B=asfv83 zk~6o@MwmvM6nmCmk_-**_q%G`_d&jI;#T6#5?=f}h#Sqk#f{R*i@&Z%q5~3pKX01& zx_7cN0Q)j`hFL?L%~~l7>lcr5SnI48ec2Z^i{Mj#5IYZ}uP1RasXqeWzNR}6Vr{vf zWtn)dSfvb0BGK2q+S1b5o^H8VeLcHFd|*edY`kMrHQlp_xZRKVYVmq=TQqXe;=L=` zI#}6n8sBLdMZp$S-9WZ2ydj)nE}Z!Ej|BmgZ7GJn7Jh)X^=?DQAbi58kjS}_ zJ>X7!G-$*Y+W2^KpN<5N^iEP+d}QVgzj0(wf0?3)d%V4=Rk-(Et5`ufXDvrH%P6vX zi&Fo7P^O2XHK+P+NY3f7*${1=A%oFdS6ZxX*M4EpCFD#UAsTdiLc^eDKc_cmI$8P| z_Cem5%sR6+eX(LLwlU&@=ZC~f^CBBMftAJnpl>E06AGxC&Y+2^V5EkZrb@$UdD`XW zII(ZI8zq+I$1XzS%z?<+7a&OHQ`fBU&|B`BJP@A(ZM~CHOejRQR#Sh4tz&Ekj;%hgoGKK0QAV81$kros>);u=e{O`0A3XlX zN4ugK$tSR()WcZ1m1k=;kxqsJ-6QevD%fR4)duY0N-rb=dq$c+vLhUGml<&@-j-i)qV;^1m@=Nh|MxB(q?)}eZ9W=}qo$Uk zaIJ?eyAn^m036;SKTSpO4|n560?&6`LYErtD!hujin(Im5lJhpU5j2JO{8TSN6*Ye$$CuM z2M661%}0AQ>28XLE%alA{wuPSCn2(mQHwM7RbT0Eo5|#fIo-!^+KqCv#~fb*m<)tW zDI^##5x)rAsac3o;Yp3?Gn=(B+ndsHEs95|;VHYC!u#$w3)66L-F%a&!IiGD|BSfS zdL=_3`7=n>}ab1;h`0-gZ`}vhpUXb}F zZ0@w8G@>DZD@e>xh2$It+Vy4Ao{=7 zkALlw;C8(eY@65HL+P2A(ZXT=)WvzoK)x14;esXAx|zEADO+y&kQb7?u$tm#nCOmM98(weC`uy9+>f$dtXC?(wa4jwS zhKrD~o&ejU6p~+K-CX_3sX`A$RTSr>hr-XOi>{KOD}VcA2LgBoC7VwNb`;4~Cvr*` zW-)Yl;MRuy=E31(=)pbBM22|b9|R?%qgdGGzu%lCf!XimUJKdxP^h4g=ed~^C6t6% z-=$Q=eL}(~2kPjb?p2L&rbAEiNY(Lc#>yf*C@1|;WQHp@5QOnXazEk2qqVzLD6)|f zVC)X!=%`6r3SG9QYbgEdpAfhBr+v{6CEMn_u?hOPR^gRpZ#840wr{E0oO=9UXg_;w diff --git a/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-9-1.png b/slides/03-clase3/03-clase3_files/figure-html/unnamed-chunk-9-1.png deleted file mode 100644 index 81242dfea33aa62cf30c7ecccf91c672a5d6b344..0000000000000000000000000000000000000000 GIT binary patch literal 0 HcmV?d00001 literal 3573 zcmbtXc~}$Y)}MeF79qujl)bH17DQnNdf?awVH|PA7`!rz?v4HZ@&7DUM?Ru$Pn{Pa}Mo%bZ&DP&$D14H7TsRw114` zv#%Q8fkZyNp_X>`wr@wh3iW{e`@QKRnNCDFOk3Z`@nJgJA=^>wwL-Q*m&6$^U!X zf6dCKg$N5UU!Ef}+O|3pPxiBavdh~J+25@{9_?=&TyYPbN_(e{(N(q&h&wT z=jg#%RD<sMdI4$dMwa6K9*8vEv5i{Z zadr47VvlyRtMMPvyM8B*A$dsyPrtsKHB8jGR{M|f z18b1uEdYdDK-cg?0wZNEAQho!s0*f07-bc_8zYhFPo{t#(FU?b=b2hv zp=!8lJN@c>bM5joyU#M{5%HdI&E<$DE9?+I@HIw4_Y6LpWΞ8V&~EzB-@5a*pgf zFeP10PeBt$tnCKxc70ws*ETDxAtu0xz27rVfRU4NmW)428vvdEbL* z(#p(QNXJ$}>9CEWDDp(A8Sio}+I13MJ^$A0ukgn-F1kEHtawZh(kvw|=wsPf;oJro z6pzud8rWv`!No5lO!Ni9qZM!tKV>kmc9znXZxF1HZP}^Efp<59k~&{ zpTa)vQo)NI!l9bon|9MPe#;(Vk~*JsE)bujwlz*PIgRb1&mUe&X zGKmZa_p*Bph3RLeZ$?h7Mib|FJKk5aaK%b_Tc(i6AH*!K@N2sbE1eG?qnP}9VPGaU zW|*W~xuL#khvlhvmqL?hrf!9Ep=D>FI*dDop5~mj7~i{3m(dTO^ib#}ES~C8K7-PN z>YMIkD`OTz%NP)UIi%$co;v11S#G?RU;qqV}dqGw6wMC8YZbli=nP#*XXg^}q> zrhFiZ(=-+3@TA@ew3k`#5)6KBS!Ku#I8px2-K#HX=#YZxAf=uL{_i9`xQeN zoaK|^^wGv=1cw@Hx*nl$75xYcD>Onmaf0K%d*BBKU*_lV)-@jdRb^-KIT+`;@w8}| z=V&x)EU{ljuhXUH0yu^#RN|#2*a2!sVNsi~lG{2OVnt6vYsEmL+6ZHXRwk-lnOpv_ zL#0mkvP5&krpLriFjw&JHRY#!dK-!LcOSh;=8&bxYvb=wA zxW;{LyG`J@_;%iTG~4q`g17C>j%|(@DMhoXaD(9cj`|}VVR&RuFheg(pHT_Bb;juT zHZEJp4AFPZKS9+C2s49*CkEb>P*}L*jT>MUKYKBiqVsQkp-I-}>wX$~b^pxpye_;k z+nJZphc3Vp3^Q#LXpRD$q6t4l3S(iJ0(cD92XeK|eb%`Df`Y7#V?4Bz{W6V~7eRaF zjW^4AH688#XwHCTyfY?|s%jI+(8q*1MERgY1KbDnG}Y+UyHN&PPKRf@+@ZLY$RCKW zy|+s89eteS3f_%3lzv*!FfqcPs5j(RHmCnR7=j5swAr9RvHYN9zy$hLX8ri0u?fV- zOOmZ23y2-;hQ`PQVvj8S87B>=GNtXL2-IfWgDXbR*#D_T;DpyWpvfHcriLF_b8oe7 zkGzX3fKx+p&%gX)=-W?LRDM+QARR+XtP-s;(W##Z>7tR2P~Gh-?1W zGb<(I!`A^AqnovBU2YOIf7&B6YBc|XNYO!%Lq*ExaP)gEM$O+p8xPB9Qa_RV4QZW2xI1#fNqIZ5E%^FFGlML9{FcUL zRodz2Ol0UOG+=^twPpnEl9`bsS|e1?1x&Bk-|u=iCr6Le@2wN%hVF5CqBkLvsJ_Zf z3k&r;4iSU56CXu9&hZ#6p7EIw(4lK4d+D7c_p^B#_T?8%Uo>iY|B!s zy)$v@6K794meJ3MEYv%M|C17vTsW88(J%hJF8Fjl5_x|pf3l<6pHO0sw!<4GG&OTufG%7UuBsM3W8v`xLmhF+l+1&)*?-e$bU=E9 z>Rr=Hz|B|9Rc~*q7sjXR6;n(3hksmo*(Zv$h|1iVmi&qO?v@*MzpeBrQn{P+drpch z;*~`~=LTifbC38~ynpt}LB_k4FC!0v9=1q}k|b%(8ohvj4oO8%*Hu-nKT?0At`~Px zI97M@yOL^zs;CVs8kGGI-WK)hKFQtP#G;_4X(?;+?bHJC|%tUY-l5hPRbS*V!o(<9>+PiD8y~rrJJr_(Gnwe!Y%B zFu>$xBl4$}jQ*fj{K-XpVHV-_OK#np%d$o4(3N}PGFnzZt|)EyyVHZqUzEDJN4nqZ zA&6GQYt?ts6NB5#E1zY~b&Y!#zp?j!9l%+h40l*@DM@@)I4NL#%_II3*z;KtftAzi&RCd%wB)*Y8jL4a$lYCjbBd