INFERENCIA ESTADÍSTICA

Fase 2 - Muestreo e intervalos de confianza

Presentado por:
Diego Alejandro Velosa Perez
Jhon Eduar Rodriguez Patiño - 1033.743.843
OSCAR QUEVEDO
WILLIAM MAURICIO ARDILA SOLER 1101691907

Grupo:
212064_16

Presentado a:
Ruben Dario Angarita

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNAD
2021
 Estudiante 1: Jhon Eduar Rodriguez Patiño
Interrogante Actividad 1:
1. ¿Cómo seleccionar el tamaño de la muestra?

Para calcular el tamaño muestral se debe incialmente deterinar valores como: El tamaño de la
Determinar el tamaño
población, el margen de error o intervalo de confianza, el nivel de confianza y la desviación estudio probabilístico
estandar, estas variables se determinan a traves de datos que se recogen en una población analizada problema, la població
y la cual presenta un diagnostico o problema en común.  
Para realizar el estudi
Despues de conseguir los datos mencionados anteriormente, se efectua la siguiente formula: se desea estudiar, llam
se divide en unidades
intersectarse; es decir
de muestreo. Una un
conjunto de unidades
de unidades de mues
 
Donde; Determinantes al mom
Z = nivel de confianza  
P = probabilidad de éxito, o proporción esperada Margen de error (inte
Q = probabilidad de fracaso cantidad de error de m
D = precisión (error máximo admisible en términos de proporción) estadística del númer
dentro de un rango es
 
Nivel de confianza. So
determinada probabi
resultados de una acc
 
La desviación estánda
población). Mientras
 
 
La Encuesta
 
Interrogantes Actividad 2: La encuesta como téc
1. ¿Cuándo se utiliza un muestreo? que su aplicación se v
individuos como para
Cuando se quiere obtener una muestra de una determinada población. Cuando la muestra que se casos es necesario un
extrae no resulta representativa de la población que proviene, podra generarse conclusiones personal técnico even
erroneas aun si se utiliza cualquier herramienta. De particular importa
2. ¿Cuáles son los diferentes tipos de muestreos? Explique en qué consiste cada uno de ellos. individuo seleccionad
Existen 4 tipos de muestreos: simplemente, cuando
evitada tanto como se
magnitud apreciable,
Aleatorio simple: Es aquel donde el sujeto o la unidad de observación tiene una misma resultados serian en e
probabilidad de ser escogido.  
El Cuestionario
Sistematico: Es aquel donde cada "k" (segundo, tercero, cuarto, etc.) sujetos o unidades a  
observación, es elegido. Un cuestionario es un
información a través d
Estratificada: En este muestreo el marco muestral divide a los sujetos o a las unidades a revisar u Estas preguntas pued
observar por categorias o subgrupos, basandose en ciertos criterios o caracteristicas de interes lo Las primeras son aqu
previstas por el investi
cual generara un estrato. ajuste a si situación.
Cuando la pregunta e
En conglomerados: En esta se agrupa un numero de sujetos o unidades de observación las cuales libre.
tienen algo en común y que generan un conglomerado, por ejemplo un areá geografica tal o Las que hemos llamad
conjunto de viviendas.  
 
3. ¿Cómo se realiza el muestreo sistemático? CÁLCULO DEL TAMAÑ
 
La "k" se determina con la ayuda de un numero aleatorio, el cual es el inicio y el intervalo de La fórmula para calcu
es la siguiente:
selección, esta tecnica requiere ademas de un marco muestral; siendo más sencilla que la aleatoria  
simple, tambien presenta dificultades. 𝑛=(𝑍_𝑎^2 𝑥 𝑝 𝑥 𝑞)/𝑑
 
4. ¿Cómo se realiza el muestreo aleatorio simple? En donde
Z = nivel de confianza
Su procedimiento se basa en la preparación de un marco muestral donde se crea una lista de sujetos P = probabilidad de é
o unidades de observación acomodadas sin que tengan un orden en especfico. Esta requiere de Q = probabilidad de fr
D = precisión (error m
3. ¿Cómo se realiza el muestreo sistemático?
 
La "k" se determina con la ayuda de un numero aleatorio, el cual es el inicio y el intervalo de La fórmula para calcu
es la siguiente:
selección, esta tecnica requiere ademas de un marco muestral; siendo más sencilla que la aleatoria  
simple, tambien presenta dificultades. 𝑛=(𝑍_𝑎^2 𝑥 𝑝 𝑥 𝑞)/𝑑
 
4. ¿Cómo se realiza el muestreo aleatorio simple? En donde
Z = nivel de confianza
Su procedimiento se basa en la preparación de un marco muestral donde se crea una lista de sujetos P = probabilidad de é
o unidades de observación acomodadas sin que tengan un orden en especfico. Esta requiere de Q = probabilidad de fr
numeros aletarios para su aplicación, los cuales se genera por un software, por calculadora o por D = precisión (error m
una tabla impresa.  
 
CÁLCULO DEL TAMAÑ
5. ¿Qué sucede cuando se realiza un muestreo probabilístico en muestras pequeñas?  
La fórmula para calcu
En un muestreo aleatorio simple su mayor desventaja es que cuando se desea trabajar con muestras siguiente:
pequeñas esto puede que no represente a la población adecuadamente.  
𝑛=(𝑁 𝑥 𝑍_𝑎^2 𝑥 𝑝 𝑥
 
 
En donde, N = tamaño
proporción esperada
términos de proporci

Interrogantes Actividad 3:
1. ¿Para que se utilizan los intervalos de confianza?

Estos son usados para calcular o conocer dos cifras en tornoa una medida muestral, la cual es
superior e inferior en todos los casos.

2. ¿A qué se le llama error de estimación?

Se le conoce como error de estimación al valor absoluto de la diferencia entre una estiamción
particular y el valor del parametro.

3. ¿Qué representan los límites de confianza obtenidos en un intervalo de confianza?

Son aquellos limites minimos y maximos que se aceptables, que estan dentro de una población o
medida muestral tomada.

4. ¿Cómo se calculan los intervalos de confianza para la media?

Es conocido como intervalo a un indicador de precisión de una medición que se hizo, esta se
calcula a traves de:

- El tamaño de la población y la muestra

- El calculo del promedio de la variable que se seleccione
- Al hallar la desviación tipica
- Cuando se aplica un nivel de significancia, que usualmente es del 5%
- Y hallando el valor de Z

5. ¿Cómo se calculan los intervalos de confianza para la proporción?

Estos se calculan mediante:

- El conocimiento del tamaño de la población y la muestra Se utiliza para determ

- La selección de la categoría de la variable a evaluar universo) debe exami
- La proporción de la muestra El muestreo, como pr
- El nivel de q y el nivel de significancia la selección de una pa
- La obtención del valor Z problema del univers
la realidad objetiva m
una versión simplifica
 
La tarea del muestreo
tanto, su tamaño, ha
conclusiones validas.
 
Como se a dicho las t
función de la investig
- El nivel de q y el nivel de significancia la selección de una pa
- La obtención del valor Z problema del univers
la realidad objetiva m
una versión simplifica
 
La tarea del muestreo
tanto, su tamaño, ha
conclusiones validas.
 
Como se a dicho las t
función de la investig
indagación de mercad
siendo ella una activid
 
Ahora bien, los estud
llamados estudios críp
Usualmente se quiere
mas clara de sus rasgo
de hipótesis de causa

El muestreo es una he
no es posible realizar
o no probabilística.
 
MUESTREO NO PROB
 
No sirven para hacer
eligen a los individuos
investigación, no tien
determinar la poblaci
Un primer caso de int
probabilísticamente,
sesgo que descalifiqu
La segunda situación
se pretende detectar
de una serie de obser
obtienen sin interven
muchas, probableme
 
El muestreo no proba
tipos. Circunscribiénd
una muestra, pueden
 
Selección realizada sin
El primer método, en
a la buena practica cie
 
Muestreo semiprobab
Es como lo indica su n
un punto del proceso
 
Muestreo por cuotas.
El muestreo por cuota
sesgo que descalifiqu
La segunda situación
se pretende detectar
de una serie de obser
obtienen sin interven
muchas, probableme
 
El muestreo no proba
tipos. Circunscribiénd
una muestra, pueden
 
Selección realizada sin
El primer método, en
a la buena practica cie
 
Muestreo semiprobab
Es como lo indica su n
un punto del proceso
 
Muestreo por cuotas.
El muestreo por cuota
apunta fundamentalm
debe estar dispersa p
ciertas características
divide la población en
proporciones abarcad
elementos distribuido
las de la población. Pa
allí entreviste a los ind
de muestreo estipula
 
Selección según criter
En la aplicación de es
para elegir aquellos q
los objetivos del traba
Es importante destaca
por este tipo de elecc
situaciones en las que
 
MUESTREO PROBABIL
 
Se basa en el principio
seleccionada, tendrán
extraída contará con r

Al azar simple

*Sistemática

El muestreo sistemáti
primer elemento para
fijos o sistemáticos ha

El primer elemento p
denomina arranque a
(k) determina las mue
se considere.

Los resultados que ob

aleatorio simple, siem
están listados que hag
individuos. Este suces

*Estratificada
Esta técnica, pertenec
muestreo divide toda
de manera que un ind
muestra se crea selec
muestreo cualquiera.
Los estratos suelen cr
entre diferentes grup

Si la anterior condició
muestreo aleatorio es
convencional, mejora
de manera que un ind
muestra se crea selec
muestreo cualquiera.

Los estratos suelen cr

entre diferentes grup

Si la anterior condició
muestreo aleatorio es
convencional, mejora

Es relativamente habi
población como son e
fácilmente la muestra
discriminar comporta

*Conglomerados

El muestreo por cong

en la población que re
queremos medir. Dich
esto sucede, podemo
información de interé
Podemos ver esta téc
ahora las unidades de
conglomerados las un
que puede resultar m
precisión al usar esta

El proceso de muestre

El primer paso para a

característica que per
exhaustiva (todos los
entre sí en relación a
seleccionaremos al az
conglomerados es el

Por último, una vez se

que forman parte de
conglomerado, por ej
Si optamos por esta p
primera etapa será la
Si por el contrario est
conglomerados uniet
El proceso a seguir en

1. Elaboramos una lis

2. Dividimos el marco
tamaño de estos frag
elevación.

3. Número de inicio (
intervalo. Este númer
primer fragmento en

4. Selección de los n-
individuo seleccionad
individuos del resto d
el sujeto inicial. Esto e

El proceso de muestre
del universo: asignam
a extraer boletos al az
muestra. Obviamente
programas informátic
 
Dependiendo de si lo
no, hablaremos de m
Si usamos reposición,
este mismo individuo
usar reposición equiv
de extraer el siguiente
 
Si, por el contrario, no
nuevamente en el sor
Pasos para selecciona
 
Define la población o
Identifica un marco d
Evalúa el marco de m
agrupación, y haz los
Asigna un número ún
Determina el tamaño
Selecciona al azar el n
 
Para seleccionar el nú
tabla de números ale
 
Define la población o
Identifica un marco d
Evalúa el marco de m
agrupación, y haz los
Asigna un número ún
Determina el tamaño
Selecciona al azar el n
 
Para seleccionar el nú
tabla de números ale
computadora, es deci
 
El método de lotería s
su uso con poblacione
 
Al utilizar el sistema d
colocadas en chips (e
recipiente y se mezcla
se haya obtenido el ta
consume mucho tiem
 
El uso de números ale
población de 1 a N. Lu
números al azar.

El error está llamado

en la medida que dich
de la inferencia.
El error que se comet
observación de solo u
 Estudiante 2: Ocar Quevedo

¿Cómo seleccionar el tamaño de muestra?

Determinar el tamaño de la muestra que se va a seleccionar es un paso importante en cualquier

estudio probabilístico, se debe justificar convenientemente de acuerdo al planteamiento del
problema, la población, los objetivos y el propósito de la investigación.
 
Para realizar el estudio del muestreo es necesario realizar una distinción entre la población que
se desea estudiar, llamada población objeto y la población realmente estudiada. Esta población
se divide en unidades de muestreo, las cuales deben cubrir por entero a la población sin
intersectarse; es decir que todo miembro de la población de objeto pertenece a una sola unidad
de muestreo. Una unidad de muestreo puede contener un conjunto de unidades de análisis o, un
conjunto de unidades de muestreo correspondientes a una etapa posterior de selección. La lista
de unidades de muestreo recibe el nombre de marco maestral.
 
Determinantes al momento de calcular el tamaño de la muestra:
 
Margen de error (intervalo de confianza). El margen de error es una estadística que expresa la
cantidad de error de muestreo aleatorio en los resultados de una encuesta, es decir, es la medida
estadística del número de veces de cada 100 que se espera que los resultados se encuentren
dentro de un rango específico.
 
Nivel de confianza. Son intervalos aleatorios que se usan para acotar un valor con una
determinada probabilidad alta. Por ejemplo, un intervalo de confianza de 95% significa que los
resultados de una acción probablemente cubrirán las expectativas el 95% de las veces.
 
La desviación estándar. Es un índice numérico de la dispersión de un conjunto de datos (o
población). Mientras mayor es la desviación estándar, mayor es la dispersión de la población.
 
 
La Encuesta
 
La encuesta como técnica muestral es en principio utilizable en cualquier situación, lo cierto es
que su aplicación se verifica predominantemente sobre poblaciones humanas, ya sea para medir
individuos como para interrogarlos. Para dar solución a un problema de muestreo en algunos
casos es necesario un alto grado de organización y la participación de diversos especialistas y
personal técnico eventual.
De particular importancia es el fenómeno llamado no respuesta, que se introduce cuando un
individuo seleccionado no puede hallarse, la información que se obtuvo de el se extravían o,
simplemente, cuando alguien se niega a ser encuestado. Esta fuente de distorsión debe ser
evitada tanto como sea posible dentro de los recursos disponibles. De presentarse en una
magnitud apreciable, si el 30% de los individuos seleccionados no responden, entonces los
resultados serian en extremo inseguros.
 
El Cuestionario
 
Un cuestionario es un documento concebido para ayudar en el proceso de obtener y registrar
información a través de una secuencia de preguntas o aspectos a indagar.
Estas preguntas pueden ser cerradas, abiertas o cuantitativas.
Las primeras son aquellas formuladas de manera tal que todas las respuestas posibles han sido
previstas por el investigador y son ofrecidas al encuestador para que él elija la que mejor se le
ajuste a si situación.
Cuando la pregunta es abierta el entrevistado responde redactando su respuesta de manera
libre.
Las que hemos llamado cuantitativas son aquellas en que la respuesta consiste en un numero.
 
 
CÁLCULO DEL TAMAÑO DE LA MUESTRA DESCONOCIENDO EL TAMAÑO DE LA POBLACIÓN
 
La fórmula para calcular el tamaño de muestra cuando se desconoce el tamaño de la población
es la siguiente:
 
𝑛=(𝑍_𝑎^2 𝑥 𝑝 𝑥 𝑞)/𝑑^2
 
En donde
Z = nivel de confianza,
P = probabilidad de éxito, o proporción esperada 
Q = probabilidad de fracaso 
D = precisión (error máximo admisible en términos de proporción)
 
La fórmula para calcular el tamaño de muestra cuando se desconoce el tamaño de la población
es la siguiente:
 
𝑛=(𝑍_𝑎^2 𝑥 𝑝 𝑥 𝑞)/𝑑^2
 
En donde
Z = nivel de confianza,
P = probabilidad de éxito, o proporción esperada 
Q = probabilidad de fracaso 
D = precisión (error máximo admisible en términos de proporción)
 
 
CÁLCULO DEL TAMAÑO DE LA MUESTRA CONOCIENDO EL TAMAÑO DE LA POBLACIÓN
 
La fórmula para calcular el tamaño de muestra cuando se conoce el tamaño de la población es la
siguiente:
 
𝑛=(𝑁 𝑥 𝑍_𝑎^2 𝑥 𝑝 𝑥 𝑞)/(𝑑^2 𝑥 (𝑁−1)+ 𝑍_𝑎^2 𝑥 𝑝𝑥 𝑞)
 
 
En donde, N = tamaño de la población Z = nivel de confianza, P = probabilidad de éxito, o
proporción esperada Q = probabilidad de fracaso D = precisión (Error máximo admisible en
términos de proporción).

¿Cuándo se utiliza un muestreo?

Se utiliza para determinar que parte de una realidad en estudio (a la que suele llamarse población o
universo) debe examinarse con la finalidad de hacer inferencias sobre el todo de la que procede.
El muestreo, como proceder científico, procura aportar métodos que aseguren en una medida razonable
la selección de una parte del universo que le sirva de modelo. En efecto, debe notarse que en el
problema del universo y la muestra estamos ante un excelente ejemplo del proceso de representación de
la realidad objetiva mediante un modelo. Obtener una buena muestra significa, precisamente, obtener
una versión simplificada de la población, que reproduzca de algún modo rasgos básicos (Silva, 1977).
 
La tarea del muestreo va mas allá: además de determinar el método de selección de la muestra y, por
tanto, su tamaño, ha de establecer los procedimientos que habrá de aplicarse a los resultados para sacar
conclusiones validas.
 
Como se a dicho las técnicas muéstrales son herramientas de trabajo, fundamentalmente puestas en
función de la investigación científica, aunque también se utiliza bastante en otras áreas, como la llamada
 la selección de una parte del universo que le sirva de modelo. En efecto, debe notarse que en el
problema del universo y la muestra estamos ante un excelente ejemplo del proceso de representación de
la realidad objetiva mediante un modelo. Obtener una buena muestra significa, precisamente, obtener
una versión simplificada de la población, que reproduzca de algún modo rasgos básicos (Silva, 1977).
 
La tarea del muestreo va mas allá: además de determinar el método de selección de la muestra y, por
tanto, su tamaño, ha de establecer los procedimientos que habrá de aplicarse a los resultados para sacar
conclusiones validas.
 
Como se a dicho las técnicas muéstrales son herramientas de trabajo, fundamentalmente puestas en
función de la investigación científica, aunque también se utiliza bastante en otras áreas, como la llamada
indagación de mercad. Constituyendo la investigación el ámbito natural en el que opera el muestreo y,
siendo ella una actividad que con mas frecuencia de la deseada es el objetivo de confusión.
 
Ahora bien, los estudios que mas se vinculan con la teoría muestral que ocupa al presente libro son los
llamados estudios crípticos: aquellos que tiene por objetico describir como es una población.
Usualmente se quiere conocer datos generales en términos resumidos, que ayuden aun interpretación
mas clara de sus rasgos y, por lo general, que contribuyan a la formulación empíricamente fundamentada
de hipótesis de causalidad sobre las leyes que rigen los fenómenos asociados a dicha población.

¿Cuáles son los diferentes tipos de muestreos? Explique en qué consiste cada uno de ellos.

El muestreo es una herramienta para determinar qué parte de una población debemos analizar cuando
no es posible realizar un censo. Depende de los objetivos del estudio el elegir una muestra probabilística
o no probabilística.
 
MUESTREO NO PROBABILÍSTICO
 
No sirven para hacer generalizaciones, pero sí para estudios exploratorios. En este tipo de muestras, se
eligen a los individuos utilizando diferentes criterios relacionados con las características de la
investigación, no tienen la misma probabilidad de ser seleccionados ya que el investigador suele
determinar la población objetivo.
Un primer caso de interés que debe analizarse es el de las muestras que, habiendo sido planificadas
probabilísticamente, pierden ese carácter en la fase de terreno. En ese caso puede introducirse un fuerte
sesgo que descalifique los resultados.
La segunda situación que suele presentarse es la que concierne a los estudios analíticos: aquellos donde
se pretende detectar diferencias, identificar asociaciones, estudiar relaciones causa- efecto, etc. El uso
de una serie de observaciones resultantes de un conjunto numeroso de condiciones externas, y que se
obtienen sin intervención de las técnicas clásicas de muestreo, no solo es común sino inevitable en
muchas, probablemente la mayoría de las investigaciones de este tipo.
 
El muestreo no probabilístico (que algún autores llaman indebidamente “opinatico”) puede ser varios
tipos. Circunscribiéndonos al caso en que se tiene una población bien definida de la que se va a obtener
una muestra, pueden mencionarse cuatro formas básicas de selección no probabilísticas:
 
Selección realizada sin método alguno.
El primer método, en que los elementos se eligen sin reflexión ni previsión alguna, es simplemente ajeno
a la buena practica científica.
 
Muestreo semiprobabilístico.
Es como lo indica su nombre, un procedimiento tal que el carácter probabilístico se mantiene solo hasta
un punto del proceso de selección.
 
Muestreo por cuotas.
El muestreo por cuotas es muy usado actualmente en las encuestas de opinión y de mercado el cual
sesgo que descalifique los resultados.
La segunda situación que suele presentarse es la que concierne a los estudios analíticos: aquellos donde
se pretende detectar diferencias, identificar asociaciones, estudiar relaciones causa- efecto, etc. El uso
de una serie de observaciones resultantes de un conjunto numeroso de condiciones externas, y que se
obtienen sin intervención de las técnicas clásicas de muestreo, no solo es común sino inevitable en
muchas, probablemente la mayoría de las investigaciones de este tipo.
 
El muestreo no probabilístico (que algún autores llaman indebidamente “opinatico”) puede ser varios
tipos. Circunscribiéndonos al caso en que se tiene una población bien definida de la que se va a obtener
una muestra, pueden mencionarse cuatro formas básicas de selección no probabilísticas:
 
Selección realizada sin método alguno.
El primer método, en que los elementos se eligen sin reflexión ni previsión alguna, es simplemente ajeno
a la buena practica científica.
 
Muestreo semiprobabilístico.
Es como lo indica su nombre, un procedimiento tal que el carácter probabilístico se mantiene solo hasta
un punto del proceso de selección.
 
Muestreo por cuotas.
El muestreo por cuotas es muy usado actualmente en las encuestas de opinión y de mercado el cual
apunta fundamentalmente a la inversión con poblaciones humanas. Parte del principio que la muestra
debe estar dispersa por toda la población y ha de contener la misma proporción de individuos con
ciertas características que la población entera. Según los intereses que se consideran relevantes, se
divide la población en subclases mutuamente excluyentes y a partir de datos censales se obtiene las
proporciones abarcadas por cada una de dichas subclases. Se establece que la muestra tenga sus
elementos distribuidos por las subclases de manera tal que las proporciones muéstrales coincidan con
las de la población. Para lograrlo, se le asigna a cada enumerado una zona especifica y se le permite que
allí entreviste a los individuos que el escoja, dentro de ciertas restricciones determinadas por las cuotas
de muestreo estipuladas.
 
Selección según criterio de autoridad.
En la aplicación de este método, el investigador sopesa cuidadosamente los elementos de la población
para elegir aquellos que a su juicio pueden conformar el mejor modelo de la realidad en estudio dados
los objetivos del trabajo.
Es importante destacar la existencia de situaciones en que, precisamente , lo único razonable es optar
por este tipo de elecciones, en lugar de por un método probabilístico. Se trata fundamentalmente de
situaciones en las que el tamaño de la muestra es muy pequeño.
 
MUESTREO PROBABILÍSTICO
 
Se basa en el principio de equiprobabilidad, esto quiere decir que todos los individuos de la muestra
seleccionada, tendrán las mismas probabilidades de ser elegidos. Lo anterior nos asegura que la muestra
extraída contará con representatividad.

Al azar simple

*Sistemática

El muestreo sistemático es un tipo de muestreo probabilístico donde se hace una selección aleatoria del
primer elemento para la muestra, y luego se seleccionan los elementos posteriores utilizando intervalos
fijos o sistemáticos hasta alcanzar el tamaño de la muestra deseado.

El primer elemento para la muestra o numero (r) que se elige para iniciar el proceso de selección se
denomina arranque aleatorio. Concretamente en el Muestreo sistémico el ordenamiento de la población
(k) determina las muestras posibles a seleccionar y, por lo tanto, también la varianza del estimador que
se considere.

Los resultados que obtenemos son representativos de la población, de forma similar al muestreo
aleatorio simple, siempre y cuando no haya algún factor intrínseco en la forma en que los individuos
están listados que haga que se reproduzcan ciertas características poblacionales cada cierto número de
individuos. Este suceso es realmente poco frecuente.

*Estratificada
Esta técnica, perteneciente a la familia de muestreos probabilísticos, antes de iniciar el proceso de
muestreo divide toda la población objeto de estudio en diferentes subpoblaciones o estratos disjuntos,
de manera que un individuo sólo puede pertenecer a un estrato. Una vez definidos los estratos, la
muestra se crea seleccionando por separado individuos de cada estrato, empleando una técnica de
muestreo cualquiera.
Los estratos suelen crearse a partir de grupos homogéneos de individuos, que a su vez son heterogéneos
entre diferentes grupos.

Si la anterior condición se cumple (estratos homogéneos internamente, heterogéneos entre sí) el uso del
muestreo aleatorio estratificado reduce el error muestral respecto a un muestreo aleatorio
convencional, mejorando la precisión de nuestros resultados.
de manera que un individuo sólo puede pertenecer a un estrato. Una vez definidos los estratos, la
muestra se crea seleccionando por separado individuos de cada estrato, empleando una técnica de
muestreo cualquiera.

Los estratos suelen crearse a partir de grupos homogéneos de individuos, que a su vez son heterogéneos
entre diferentes grupos.

Si la anterior condición se cumple (estratos homogéneos internamente, heterogéneos entre sí) el uso del
muestreo aleatorio estratificado reduce el error muestral respecto a un muestreo aleatorio
convencional, mejorando la precisión de nuestros resultados.

Es relativamente habitual definir estratos de acuerdo a algunas variables sociodemográficas de la

población como son edad, sexo, clase social o región geográfica. Estas variables permiten dividir
fácilmente la muestra en grupos mutuamente excluyentes y, con bastante frecuencia, permiten
discriminar comportamientos diferentes dentro de la población.

*Conglomerados

El muestreo por conglomerados es una técnica que aprovecha la existencia de grupos o conglomerados
en la población que representan correctamente el total de la población en relación a la característica que
queremos medir. Dicho de otro modo, estos grupos contienen toda la variabilidad de la población. Si
esto sucede, podemos seleccionar únicamente algunos de estos conglomerados para conocer la
información de interés del total de la población.
Podemos ver esta técnica desde otro punto de vista. Mientras que en todas las técnicas vistas hasta
ahora las unidades de muestreo coinciden con las unidades a estudiar (individuos), en el muestreo por
conglomerados las unidades de muestreo son grupos de unidades a estudiar (grupos de individuos), algo
que puede resultar muy beneficioso en términos de coste. A cambio, es habitual obtener una menor
precisión al usar esta técnica, causada por falta de heterogeneidad dentro de los conglomerados.

El proceso de muestreo

El primer paso para aplicar esta técnica es definir los conglomerados. Se trata de identificar una
característica que permita dividir la población en grupos disjuntos (sin solapamiento) y de forma
exhaustiva (todos los individuos deben estar en un grupo), de tal manera que los grupos no difieran
entre sí en relación a aquello que queremos medir. Una vez hemos definido estos conglomerados,
seleccionaremos al azar algunos de ellos para estudiarlos. Un criterio habitual para definir
conglomerados es el geográfico.

Por último, una vez seleccionados los conglomerados a estudiar, podemos investigar a todos los sujetos
que forman parte de los mismos, o bien aplicar un nuevo proceso de muestreo dentro del
conglomerado, por ejemplo obteniendo una muestra mediante muestreo aleatorio simple o sistemático.
Si optamos por esta posibilidad, estaremos hablando de un muestreo en dos etapas o bietápico: la
primera etapa será la selección del conglomerado; la segunda, la de individuos dentro del conglomerado.
Si por el contrario estudiamos todos los individuos del conglomerado, hablaremos de muestreo por
conglomerados unietápico.
¿Cómo se realiza el muestreo sistemático?
El proceso a seguir en un muestreo sistemático será el siguiente:

1. Elaboramos una lista ordenada de los N individuos de la población, lo que sería el marco muestral.
2. Dividimos el marco muestral en n fragmentos, donde n es el tamaño de muestra que deseamos. El
tamaño de estos fragmentos será: K=N/n, donde K recibe el nombre de intervalo o coeficiente de
elevación.

3. Número de inicio (arranque aleatorio): obtenemos un número aleatorio entero A, menor o igual al
intervalo. Este número corresponderá al primer sujeto que seleccionaremos para la muestra dentro del
primer fragmento en que hemos dividido la población.

4. Selección de los n-1 individuos restantes: Seleccionamos los siguientes individuos a partir del
individuo seleccionado aleatoriamente, mediante una sucesión aritmética, seleccionando a los
individuos del resto de fragmentos en que hemos dividido la muestra que ocupan la misma posición que
el sujeto inicial. Esto equivale a decir que seleccionaremos los individuos:

A, A + K, A + 2K, A + 3K, ...., A + (n-1)K

¿Cómo se realiza el muestreo aleatorio simple?

El proceso de muestreo que emplea esta técnica es equivalente a hacer un sorteo entre los individuos
del universo: asignamos a cada persona un boleto, introducimos los boletos en una urna y empezamos
a extraer boletos al azar. Todos los individuos que tengan un boleto extraído de la urna formarían la
muestra. Obviamente, en la práctica, estos métodos pueden automatizarse mediante el uso de
programas informáticos.
 
Dependiendo de si los individuos del universo pueden ser seleccionados más de una vez en la muestra o
no, hablaremos de muestreo aleatorio simple con reposición o sin reposición.
Si usamos reposición, el hecho de que seleccione un individuo al azar para la muestra no impide que
este mismo individuo pueda volver a ser seleccionado. Siguiendo con el símil de la urna y los boletos,
usar reposición equivale a reintroducir los boletos de los individuos seleccionados para la muestra antes
de extraer el siguiente boleto.
 
Si, por el contrario, no usamos reposición, un individuo seleccionado para la muestra ya no entraría
nuevamente en el sorteo. Un individuo solo puede aparecer una única vez en una muestra.
Pasos para seleccionar una muestra aleatoria simple
 
Define la población objetivo.
Identifica un marco de muestreo actual de la población objetivo o desarrolla uno nuevo.
Evalúa el marco de muestreo para la falta de cobertura, cobertura excesiva, cobertura múltiple y la
agrupación, y haz los ajustes que consideres necesarios.
Asigna un número único a cada elemento de la trama.
Determina el tamaño de la muestra.
Selecciona al azar el número específico de elementos de la población.
 
Para seleccionar el número de elementos de la población puedes recurrir al método de lotería, una
tabla de números aleatorios y los números generados de forma aleatoria mediante un programa de
  
Define la población objetivo.
Identifica un marco de muestreo actual de la población objetivo o desarrolla uno nuevo.
Evalúa el marco de muestreo para la falta de cobertura, cobertura excesiva, cobertura múltiple y la
agrupación, y haz los ajustes que consideres necesarios.
Asigna un número único a cada elemento de la trama.
Determina el tamaño de la muestra.
Selecciona al azar el número específico de elementos de la población.
 
Para seleccionar el número de elementos de la población puedes recurrir al método de lotería, una
tabla de números aleatorios y los números generados de forma aleatoria mediante un programa de
computadora, es decir, al azar.
 
El método de lotería sólo funciona bien con pequeñas poblaciones de la muestra, es poco práctico para
su uso con poblaciones más grandes.
 
Al utilizar el sistema de sorteo, los números que representa cada elemento de la población objetivo son
colocadas en chips (es decir, tarjetas, papel u otros objetos). Los chips se colocan entonces en un
recipiente y se mezclan. A continuación, a ciegas se seleccionan las fichas desde el recipiente hasta que
se haya obtenido el tamaño de muestra deseado. Las desventajas de este método de selección es que
consume mucho tiempo, y se limita a poblaciones pequeñas.
 
El uso de números aleatorios, un método alternativo implica también la numeración de miembros de la
población de 1 a N. Luego, el tamaño de muestra de n tiene que ser determinada por selección de los
números al azar.

¿Qué sucede cuando se realiza un muestreo probabilístico en muestras pequeñas?

El error está llamado a ser mayor en la medida que la parte observada sea mas pequeña y, sobre todo,
en la medida que dicha parte no refleje o represente la realidad sobre la que recaerán las conclusiones
de la inferencia.
El error que se comete debido al hecho de que se sacan conclusiones sobre cierta realidad, a parte de la
observación de solo una parte de ella, se denomina error de muestreo.
 Estudiante 4. William Mauricio Ardila Soler
ACTIVIDAD 1
¿Cómo seleccionar el tamaño de muestra?
 
cualquier Antes de entrar a responder esta pregunta es importante realizar un análisis exhaustivo
to del y riguroso de nuestra información, (TAHERDOOST, 2017) indica que para para
generalizar una muestra aleatoria y evitar errores de nuestros o sesgos, una muestra
ción que aleatoria debe contar con un tamaño adecuado, entendiendo que ese tamaño no es la
población proporción de la población de población que se muestrea sino que hace referencia al
n tamaño absoluto de las muestras seleccionadas en relación con la complejidad de la
la unidad población, los objetivos del investigador y las metodologías estadísticas que utilizará.
álisis o, un
n. La lista En ese sentido, es necesario, que el investigador comprenda que entre más grande sea
su muestra, menor es la probabilidad de que sus resultados tengan sesos, sin embargo
en algunos casos el tamaño de la muestra y de los puntos o elementos muestrales
contenidos depende en gran medida de los recursos del investigador.
presa la
Por tanto, es posible definir que el tamaño de la muestra dependerá de; el tamaño de la
la medida población, el margen de error (intervalo de confianza), nivel de confianza y la desviación
entren estándar. Para lograr realizar los cálculos que permitirán obtener el tamaño de la
muestra debemos considerar 4 escenarios el primero y segundo son para determinar la
muestra en variables cualitativas (proporciones Ecuaciones 1 y 2 )y los escenarios 3 y 4
que los son para determinar las muestra en variables cuantitativas (“Ecuación 2” y “Ecuación 4”).
Dentro de cada una de las divisiones también se hace una diferenciación siendo estas
cuando se desconoce el tamaño de la población (“Ecuación 1” y “Ecuación 3”), y cuando
(o se conoce el tamaño de la población de estudio usando en ese caso la “Ecuación 2” y
ación. “Ecuación 4” (SMART, 2012).
 
𝑛= (𝑍_𝑎^2 ∗ 𝑝 ∗𝑞)/𝑒^2 Ecuación 1
n: es el tamaño de muestra requerido
cierto es p: probabilidad de éxito, o proporción esperada
ara medir
lgunos q: probabilidad de fracaso
istas y e: Es el porcentaje de error máximo (error máximo admisible en términos de proporción)
Z: Nivel de confianza
ndo un  
ían o,  
e ser
una 𝑛= (𝑁∗ 𝑍_𝑎^2∗𝑝∗𝑞)/(𝑒^2∗(𝑁−1)+ 𝑍_𝑎^2∗𝑝∗𝑞) Ecuación 2
s los  
 
n: es el tamaño de muestra requerido
N: tamaño de la población
egistrar p: probabilidad de éxito, o proporción esperada
q: probabilidad de fracaso
e: Es el porcentaje de error máximo (error máximo admisible en términos de proporción)
han sido Z: Nivel de confianza
or se le
 
anera 𝑛= (𝑍_𝑎^2 ∗ 𝛿^2 )/𝑒^2 Ecuación 3
n: es el tamaño de muestra requerido
umero.

ÓN

oblación
oblación

𝛿^2: Desviación estándar

e: Es el porcentaje de error máximo (error máximo admisible en términos de
ación es la proporción)
Z: Nivel de confianza
 
 
𝑛= (𝑁∗ 𝑍_𝑎^2∗ 𝛿^2)/(𝑒^2∗(𝑁−1)+ 𝑍_𝑎^2∗ 𝛿^2 ) Ecuación 4
o  
e en  
n: es el tamaño de muestra requerido
N: tamaño de la población
𝛿^2: Desviación estándar
e: Es el porcentaje de error máximo (error máximo admisible en términos de
proporción)
Z: Nivel de confianza
 

ACTIVIDAD 2
¿Cuándo se utiliza un muestreo?
 
Para autores como (Otzen & Manterola, 2017) El muestreo tiene por objetivo estudiar las
relaciones entre la distribución de una variable “y” en una población “z” y las distribuciones de
ésta variable en la muestra de estudio. Con lo anterior podemos. Por tanto, podemos concluir
que el muestreo se realiza cuando es imposible realizar un censo (estudio de toda la población
objeto), siendo para estos fines mucho más útil la selección de una parte representativa de la
población. En ese contexto, y siguiendo las indicaciones de (Hernández, Fernández , &
Baptista, 2006) en donde resalta la utilidad del muestreo como una herramienta de
investigación, que tiene como finalidad el determinar que parte de una población debe
examinarse, esto permite que se puedan realizar inferencias sobre la totalidad de la población,
siendo a su vez esta muestra representativa de dicha población ya que proporciona datos
relevantes sobre los rasgos esenciales de la misma. Para que la muestra sea representativa y
útil, debe reflejar las similitudes y diferencias encontradas en la población.

¿Cuáles son los diferentes tipos de muestreos? Explique en qué consiste cada uno de
ellos.
(Otzen & Manterola, 2017) en su publicación menciona que la primera división de los nuestros
son los probabilísticos y los no probabilísticos; en donde sus principales características
principales son:
Probabilísticos: se basan en el principio de que todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de la muestra.
e población o No probabilísticos: En este caso no todos los sujetos de la población tiene la misma
procede. probabilidad de ser elegidos. En este caso los elementos muestrales se seleccionan siguiendo
medida razonable determinados criterios, procurando que la muestra sea representativa.
que en el Dentro de estas dos grandes categorías encontramos que los probabilísticos se subdividen en:
representación de
amente, obtener aleatorio simple, sistemático, estratificado, conglomerados.
s (Silva, 1977).
Aleatorio simple: Es una técnica básica de muestreo que consiste en seleccionar un grupo de
muestra y, por sujetos (la muestra), siendo para este caso compartido por todos los elementos la propiedad de
ultados para sacar que tienen la misma probabilidad de ser elegidos para integrar la muestra. Cada uno de los
elementos se seleccionan aleatoriamente uno a uno
nte puestas en Sistemático: también asigna una igual probabilidad a cada elemento de ser elegido dentro de
, como la llamada
que en el Dentro de estas dos grandes categorías encontramos que los probabilísticos se subdividen en:
representación de
amente, obtener aleatorio simple, sistemático, estratificado, conglomerados.
s (Silva, 1977).
Aleatorio simple: Es una técnica básica de muestreo que consiste en seleccionar un grupo de
muestra y, por sujetos (la muestra), siendo para este caso compartido por todos los elementos la propiedad de
ultados para sacar que tienen la misma probabilidad de ser elegidos para integrar la muestra. Cada uno de los
elementos se seleccionan aleatoriamente uno a uno
nte puestas en Sistemático: también asigna una igual probabilidad a cada elemento de ser elegido dentro de
, como la llamada
a el muestreo y, la muestra, sin embargo, para este caso se divide la población N en subpoblaciones a partir de
sión. las cuales se selecciona una muestra de tamaño n extrayendo una unidad de cada
subpoblación.
nte libro son los
ación. Estratificado: Es aquel que se obtiene al separar los elementos de la población entre grupos
n interpretación excluyentes llamados estratos y seleccionar un muestreo aleatorio de cada estrato.
nte fundamentada
oblación. Conglomerados: Se utiliza cuando la población se encuentra dividida de manera natural, en
grupos que se suponen que contienen toda la variabilidad de la población.

analizar cuando
stra probabilística
¿Cómo se realiza el muestreo sistemático?
 
El procedimiento para realizar el muestreo sistemático se indica a continuación:
de muestras, se
s de la a. definir la población de estudio
dor suele b. determinar el tamaño de la muestra requerido
c. Se calcula la muestra sistemática dividiendo la población entre el tamaño de la
o planificadas muestra.
oducirse un fuerte
d. definir un intervalo k = N/n
s: aquellos donde e. Elegir un número aleatorio entre 1 y k
ecto, etc. El uso f. Seleccionar los elementos de la lista
ternas, y que se  
nevitable en ¿Cómo se realiza el muestreo aleatorio simple?
 
uede ser varios Los pasos para realizar el muestreo aleatorio simple son:
e se va a obtener a. Definir la población, confeccionando una lista de todos los elementos o registros,
as: asignándoles números consecutivos desde 1 hasta ‘N’.
b. - La unidad de estudio de la muestra debe ser la misma.
implemente ajeno c. Definir el tamaño de la muestra
d. generar número aleatorios (a partir de una tabla, calculadora o computadora).
e. extraer al azar los elementos
 
ntiene solo hasta
¿Qué sucede cuando se realiza un muestreo probabilístico en muestras
pequeñas?
 
ercado el cual Puede ser que se presente una inadecuada representación de la población objeto de
s: aquellos donde e. Elegir un número aleatorio entre 1 y k
ecto, etc. El uso f. Seleccionar los elementos de la lista
ternas, y que se  
nevitable en ¿Cómo se realiza el muestreo aleatorio simple?
 
uede ser varios Los pasos para realizar el muestreo aleatorio simple son:
e se va a obtener a. Definir la población, confeccionando una lista de todos los elementos o registros,
as: asignándoles números consecutivos desde 1 hasta ‘N’.
b. - La unidad de estudio de la muestra debe ser la misma.
implemente ajeno c. Definir el tamaño de la muestra
d. generar número aleatorios (a partir de una tabla, calculadora o computadora).
e. extraer al azar los elementos
 
ntiene solo hasta
¿Qué sucede cuando se realiza un muestreo probabilístico en muestras
pequeñas?
 
ercado el cual Puede ser que se presente una inadecuada representación de la población objeto de
que la muestra estudio. Originando resultados incorrectos y tendenciosos (Otzen & Manterola, 2017).
ividuos con
elevantes, se
se obtiene las En situaciones en los que el tamaño de la población es pequeño, el muestreo sin
tenga sus reposición toma ventaja. Intuitivamente, si el tamaño de la población es muy pequeño
s coincidan con (digamos 30 individuos) repetir individuos en una muestra es malgastar una
se le permite que
as por las cuotas oportunidad de cubrir más información. En otras palabras, es ineficiente. El único
inconveniente es la dificultad de llevarlo a la práctica en investigaciones reales.

de la población
n estudio dados
onable es optar
entalmente de ACTIVIDAD 3

¿Para qué se utilizan los intervalos de confianza?

Según (Castañeda & Gil, 2004) se puede definir un intervalo de confianza como
de la muestra aquellos valores que marcan el rango superior e inferior en el que los datos pueden
ura que la muestra ser aceptados como válidos. El principal objetivo en el uso de estos parámetros es
controlar el efecto de obtener resultados diferentes que pueden asociarse con la
aleatoriedad o azar en la selección de muestras distintas (error muestral). Sin
embargo, el investigador debe ser consciente de que esta herramienta no permiten
controlar errores no muestrales (sesgos) en donde está inmerso el diseño y la
conducción del estudio.
ción aleatoria del
izando intervalos Por tanto, la estimación de los intervalos está fundamentada en el efecto del error
muestral sobre los resultados de la investigación con diferentes conjuntos de datos
selección se que pueden arrojar resultados distintos pero alrededor de un valor verdadero del
nto de la población parámetro poblacional.
el estimador que Un intervalo de confianza se compone de una estimación puntual, de una medida de
variabilidad llamada error estándar y de un coeficiente de confiabilidad. El cálculo de
muestreo los límites del intervalo de confianza consiste en restar y sumar a la estimación
los individuos puntual el resultado del producto entre el coeficiente de confianza y el error estándar.
ierto número de Con lo anterior, la conclusión que se puede obtener es similar a la que hace (Candia &
Caiozzi, 2005) en su estudio, en donde describe que un intervalo de confianza, se
utiliza para describir la variabilidad entre la medida obtenida en un estudio y la medida
real de la población (el valor real), correspondiendo ésta a un rango de valores cuya
proceso de distribución es normal y que permite evaluar el dato con válido o no con una alta
tratos disjuntos, probabilidad, por tanto, un ejemplo de este parámetro puede ser que, un intervalo de
estratos, la confianza de 95% nos indica que dentro del rango dado se encuentra el valor real de
na técnica de
un parámetro con 95% de certeza.
 
son heterogéneos ¿A qué se le llama error de estimación?
Error de estimación es el valor absoluto de la diferencia entre una estimación
particular y el valor del parámetro. En realidad por cada valor estimado del parámetro
entre sí) el uso del
orio se tiene un error de estimación por lo general diferente. Sin embargo, es posible fijar
un intervalo dentro del cual se encontrarán la mayoría de los valores de error de
 estratos, la confianza de 95% nos indica que dentro del rango dado se encuentra el valor real de
na técnica de
un parámetro con 95% de certeza.
 
son heterogéneos ¿A qué se le llama error de estimación?
Error de estimación es el valor absoluto de la diferencia entre una estimación
particular y el valor del parámetro. En realidad por cada valor estimado del parámetro
entre sí) el uso del
orio se tiene un error de estimación por lo general diferente. Sin embargo, es posible fijar
un intervalo dentro del cual se encontrarán la mayoría de los valores de error de
estimación para un estimador y parámetro dados (thales, 2008).
áficas de la  
en dividir
permiten ¿Qué representan los límites de confianza obtenidos en un intervalo de
confianza?
Representan el nivel de confianza que podemos tener de nuestro IC (Intervalo de
confianza), al mismo tiempo representan el mínimo y máximo valor aceptados para
estar dentro de los elementos que pueden considerarse útiles para el estudio, al
o conglomerados
característica que mismo tiempo, los elementos que se encuentran por fuera de IC se denominará que
a población. Si están dentro del nivel de significación que no es otra cosa que la probabilidad de
onocer la quedar fuera del IC. Generalmente para el cálculo de estos límites del intervalo de
confianza se utiliza la desviación estándar generalmente los elementos que están
s vistas hasta
alejados a ±2 desviaciones estándar del promedio se localizan entre el 95% de las
el muestreo por medias muestrales (Molina Arias, 2013).
e individuos), algo
er una menor
omerados.

ficar una
de forma
os no difieran ¿Cómo se calculan los intervalos de confianza para la media?
lomerados, Para calcular el IC se utiliza la siguiente fórmula:
finir 〈µ〉_(1−𝛼) = 𝑥 ̅ ± 𝑍_(𝛼/2) 𝑆/√𝑛
Donde:
todos los sujetos 〈µ〉_(1−𝛼) : Intervalo de confianza
del 𝑥 ̅: Media muestral
mple o sistemático. 𝑍_(𝛼/2): Estadístico de prueba para las pruebas Z (función de la confianza)
bietápico: la
del conglomerado. 𝑆: Desviación estándar
muestreo por 𝑛: Tamaño de la muestra
 
Esta fórmula nos permite inferir entre que rango se encontrará la media en los datos
analizados.
 
¿Cómo se calculan los intervalos de confianza para la proporción?
Para calcular la proporción estimada se utiliza la siguiente fórmula:
𝑝 ̂=𝑝 ±𝑍 √(((𝑝∗𝑞)/𝑛) )
Donde:
𝑝 ̂ : Proporción estimada
𝑝: Proporción obtenida en la muestra
𝑍: Estadístico de prueba para las pruebas Z (función de la confianza)
𝑞: Complemento de la proporción de la muestra
𝑛: Tamaño de la muestra
La anterior fórmula nos permite determinar el valor del parámetro de una población a
partir de una muestra encontrando los porcentajes aceptados dentro del intervalo de
confianza para el estudio.
marco muestral.
e deseamos. El
ficiente de

menor o igual al
uestra dentro del

partir del
do a los
sma posición que

e los individuos
na y empezamos
formarían la
l uso de

ez en la muestra o
no impide que
a y los boletos,
la muestra antes

a no entraría
stra.

o.
múltiple y la

lotería, una
programa de
o.
múltiple y la

lotería, una
programa de

oco práctico para

ción objetivo son

nces en un
piente hasta que
elección es que

e miembros de la
elección de los

a y, sobre todo,
as conclusiones

dad, a parte de la
a Soler
lizar un análisis exhaustivo
dica que para para
s o sesgos, una muestra
o que ese tamaño no es la
no que hace referencia al
con la complejidad de la
estadísticas que utilizará.
a que entre más grande sea
tengan sesos, sin embargo
elementos muestrales
estigador.
penderá de; el tamaño de la
de confianza y la desviación
ener el tamaño de la
ndo son para determinar la
1 y 2 )y los escenarios 3 y 4
Ecuación 2” y “Ecuación 4”).
iferenciación siendo estas
1” y “Ecuación 3”), y cuando
se caso la “Ecuación 2” y
en términos de proporción)
en términos de proporción)
Estudiante 5 Diego Alejandro
Interrogante Actividad 1:
¿Como se debe seleccionar el tamaño de muestra?
Existen varias maneras para obtener el tamaño de una muestra, esta dependiendo de
personas a las que realizaremos el estudio, se dice que se cuenta con un numero finit
obtener el tamaño ideal de una muestra, para lograr lo anterior se hace uso de la sigu
Donde:
n= tamaño de la muestra poblacional a obtener.
N= tamaño de la población total
σ= Representa la desviación estándar de la población. En caso de desconocer este da
Z= es el valor obtenido mediante niveles de confianza, su valor es constante, por lo ge
se desee siendo 99% el valor más alto (este valor es equivalente a 2.58) y 95% (1.96)
confiable.
E= representa el limite aceptable de error muestral, generalmente va del 1% (0.01) al
investigaciones.
Cuando se establecen los valores adecuados, se procede a realizar la sustitución de l
muestra poblacional correspondiente al universo finito determinado.
Estudiante 5 Diego Alejandro
Interrogante Actividad 2:
1 ¿Cuándo se utiliza un muestro?
Se utiliza cuando el tamaño de la población es grande y la tabla de números aleatorios no
pequeñas donde la selección sistemática facilita la identificación de componentes de la muest
2 ¿Cuáles son los diferentes tipos de muestreos?
Muestro probabilístico: Son aquellos que se basan en el principio de equiprobabilidad, es dec
elegidos para formar parte de una muestre y consiguientemente todas las posibles muestras d
Muestreo aleatorio simple: en este se emplea el siguiente procedimiento: se asigna un num
eligen tantos sujetos como sea necesario para completar el tamaño de la muestra requerido.
Muestreo aleatorio sistemático: este procedimiento exige como el anterior, numerar todos l
aleatorios solo se extrae uno, se parte de ese numero aleatorio i, que es un numero elegido
decir se toman los individuos de k en k, siendo k el resultado de dividir el tamaño de la poblac
Muestreo aleatorio estratificado: se trata de obviar las dificultades que presentan los anterio
tamaño dad de la muestra. Consiste en considerar las categorías típicas diferentes entre sí (es
Muestreo aleatorio por conglomeraciones: la unidad muestral es un grupo de elementos de
unidades hospitalarias, los departamentos universitarios, una caja de determinado producto
conglomerados no naturales.
Métodos de muestreo no probabilísticos: en ocasiones para estudios exploratorios, el mue
probabilísticos, aun siendo conscientes de que no sirven para realizar generalizaciones (estim
muestra extraída sea representativa, ya que no todos los sujetos de la población tienen la mis
Muestreo por cuotas: se asienta generalmente sobre la base de un buen conocimiento d
“adecuados” para los fines de la investigación.
Muestreo intencional o de convivencia: se caracteriza por un esfuerzo deliberado de obtener
supuestamente típicos. Es muy frecuente su utilización en sondeos preelectorales de zonas qu
Bola de nieve: este se localiza en algunos individuos los cuales conducen a otros y estos a
frecuentemente cuando se hacen estudios con poblaciones “marginales”, delincuentes, sectas
Muestro discrecional: a criterio del investigador los elementos son elegidos sobre lo que el cre
3 ¿Cómo se realiza el muestreo sistemático?
Es necesario desarrollar una audiencia estructural definida para que el investigador comience

en términos de
en términos de
por objetivo estudiar las
ón “z” y las distribuciones de
Por tanto, podemos concluir
(estudio de toda la población
a parte representativa de la
ández, Fernández , &
a herramienta de
una población debe
e la totalidad de la población,
a que proporciona datos
muestra sea representativa y
oblación.
qué consiste cada uno de
mera división de los nuestros
ipales características
os tienen la misma
ón tiene la misma
les se seleccionan siguiendo
tiva.
babilísticos se subdividen en:
e en seleccionar un grupo de
os elementos la propiedad de
muestra. Cada uno de los
nto de ser elegido dentro de
Muestreo por cuotas: se asienta generalmente sobre la base de un buen conocimiento d
“adecuados” para los fines de la investigación.
Muestreo intencional o de convivencia: se caracteriza por un esfuerzo deliberado de obtener
supuestamente típicos. Es muy frecuente su utilización en sondeos preelectorales de zonas qu
Bola de nieve: este se localiza en algunos individuos los cuales conducen a otros y estos a
frecuentemente cuando se hacen estudios con poblaciones “marginales”, delincuentes, sectas
Muestro discrecional: a criterio del investigador los elementos son elegidos sobre lo que el cre
3 ¿Cómo se realiza el muestreo sistemático?
Es necesario desarrollar una audiencia estructural definida para que el investigador comience
Este a su vez debe determinar el tamaño de la muestra ideal.
La clave para obtener resultados precisos razonables y prácticos es tener una audiencia grand
Una vez que se decida el numero de tamaño de la muestra, se debe asignar un numero a cada
Decide cual será el intervalo de esta muestra.
El investigador debe seleccionar miembros que cumplan con este criterio. En este caso seria u
Se debe elegir un numero de manera aleatoria como miembro inicial de la muestra y este int
serán elementos de la muestra.
4 ¿Cómo se realiza el muestreo aleatorio simple?
Se define la población objetivo.
Identifica un marco de muestreo actual de la población objetivo o desarrolla uno nuevo.
Evalúa el marco de muestro para la falta de cobertura, cobertura excesiva, cobertura múltiple
Se asigna un numero único a cada elemento de la trama.
Determinar el tamaño de la muestra.
Se selecciona al azar un numero específico de elementos de la población.
5 ¿Qué sucede cuando se realiza un muestreo probabilístico en muestras pequeñas?
Pueden aparecer errores aleatorios, no representado la muestra adecuadamente a la població
Estudiante 5 Diego Alejandro
Actividad 3: Intervalos de confianza
1 ¿Para qué se utilizan los intervalos de confianza?
En las empresas se aplican al control estadístico de los procesos. Dado que es el proceso
estadístico, se puede utilizar de manera puntual o también por intervalos.
Este a su vez representa una técnica esencial en la empresa. Sobre todo, en los diferentes pro
control estadístico permite conocer el intervalo que le corresponde a cada proceso. Con el se
se aplica este control ocurre de la misma forma. Así mismo hace que se utilice como un excele
2 ¿A qué se le llama error de estimación?
Es la diferencia entre un valor estimado y un valor verdadero de un parámetro o el valor a ser
3 ¿Qué representan los límites de confianza obtenidos en un intervalo de confianza?
El teorema del limite central muestra que el error estándar de la media (ESM) es una es
poblacional.
Multiplicando el error estándar por un factor permite calcular, sumando y restando desde el v
babilísticos se subdividen en:

e en seleccionar un grupo de
os elementos la propiedad de
muestra. Cada uno de los

nto de ser elegido dentro de

en subpoblaciones a partir de
a unidad de cada

de la población entre grupos

o de cada estrato.

dida de manera natural, en

oblación.

4 ¿Cómo se calculan los intervalos de confianza para la media?

Intervalo de confianza para la media μ de una población normal con desviación típica conocid

Partimos de una población que sigue una distribución Z ~ N(0,1) bastara con encontrar el pun
probabilidad c.

Intervalo de confianza para la media μ de una población con desviación típica conocida σ

En el caso de poblaciones que no son normales, o que simplemente no sabemos si lo son o

(n>30) para poder aplicar el teorema central del limite para obtener que el intervalo de confia

Intervalo de confianza para la media μ de una población con desviación típica desconocida

Cuando se desconoce la desviación típica poblacional se usa como estimador de la desviació

una población con desviación típica es desconocida:

5 ¿Cómo se calculan los intervalos de confianza para la proporción?

dica a continuación:
entre el tamaño de la
En la inferencia sobre una proporción el problema se concre3ta en estimar y contrastar la p
característica A(proporción de votantes de un partido político, proporción de parados…) el pr
se presenta la característica de interés y 0 en caso contrario, esto es una variable Bernoulli,
proporción poblacional p no es otra cosa que la media poblacional de dicha variable, estimánd

En el caso de dos poblaciones, se trata de comparar la proporción en la que se presenta un

partido en dos regiones, comparar la proporción de parados entre hombres y mujeres..). El p
las que se dispone de sendas muestras aleatorias de tamaño y, respectivamente.

elementos o registros,

ora o computadora).

co en muestras

de la población objeto de
 En el caso de dos poblaciones, se trata de comparar la proporción en la que se presenta un
partido en dos regiones, comparar la proporción de parados entre hombres y mujeres..). El p
las que se dispone de sendas muestras aleatorias de tamaño y, respectivamente.

elementos o registros,

ora o computadora).

co en muestras

de la población objeto de
Otzen & Manterola, 2017).

eño, el muestreo sin

oblación es muy pequeño
s malgastar una
s ineficiente. El único
stigaciones reales.

de confianza como
el que los datos pueden
e estos parámetros es
den asociarse con la
ror muestral). Sin
erramienta no permiten
erso el diseño y la

en el efecto del error

tes conjuntos de datos
valor verdadero del

ntual, de una medida de

nfiabilidad. El cálculo de
mar a la estimación
ianza y el error estándar.
ar a la que hace (Candia &
rvalo de confianza, se
en un estudio y la medida
n rango de valores cuya
do o no con una alta
ser que, un intervalo de
ncuentra el valor real de

e una estimación
r estimado del parámetro
embargo, es posible fijar
valores de error de
 ncuentra el valor real de

e una estimación
r estimado del parámetro
embargo, es posible fijar
valores de error de
08).

un intervalo de

estro IC (Intervalo de
o valor aceptados para
s para el estudio, al
e IC se denominará que
ue la probabilidad de
ímites del intervalo de
elementos que están
an entre el 95% de las

edia?

e la confianza)

rá la media en los datos

oporción?
rmula:

onfianza)

metro de una población a

s dentro del intervalo de
udiante 5 Diego Alejandro Velosa Perez

ra, esta dependiendo de los datos con los que se cuenta, por ejemplo, contar la cantidad de
enta con un numero finito, en esta ocasión abordaremos esta clase de universos y como
r se hace uso de la siguiente fórmula propuesta pro Murray y Larry (2005):

o de desconocer este dato es común utilizar el valor constante equivalente a 0.5.

r es constante, por lo general se tienen dos valores dependiendo del grado de confianza que
nte a 2.58) y 95% (1.96) el valor mínimo aceptado para considerar la investigación como

ente va del 1% (0.01) al 9% (0.09), siendo 5% (0.5) el valor estándar usado en las

ealizar la sustitución de los valores y la aplicación de la formula para obtener el tamaño de la

nado.

udiante 5 Diego Alejandro Velosa Perez

e números aleatorios no es lo suficiente para contar esa población, también es usado en poblaciones
componentes de la muestra.

e equiprobabilidad, es decir aquellos en los que todos los individuos tienen la misma probabilidad de ser
das las posibles muestras de tamaño tienen la misma probabilidad de ser seleccionadas.
miento: se asigna un numero a cada individuo de la población y a través de algún medio mecánico se
de la muestra requerido.
anterior, numerar todos los elementos de la población pero en lugar de extraer el numero n números
ue es un numero elegido al azar la muestra son los que ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k, es
dir el tamaño de la población entre el tamaño de la muestra
que presentan los anteriores ya que simplifica los procesos y suelen reducir el error muestral para un
cas diferentes entre sí (estratos) que poseen gran homogeneidad respecto a alguna característica.
n grupo de elementos de la población que conforma una unidad, a la que llamamos conglomerado, las
de determinado producto etc… son conglomeraciones naturales, o en otras ocasiones se pueden utilizar

dios exploratorios, el muestreo probabilístico resulta excesivamente costoso y se acude a métodos no

zar generalizaciones (estimaciones inferenciales sobre la población), pues no se tiene certeza de que la
la población tienen la misma probabilidad de ser elegidos.
un buen conocimiento de estratos para la población y/o de los individuos mas “representativos” o

rzo deliberado de obtener muestras “representativas” mediante la inclusión en la muestra de grupos

preelectorales de zonas que en anteriores votaciones han marcado tendencias de voto.
nducen a otros y estos a otros y así hasta conseguir una muestra suficiente. Este tipo se emplea muy
ales”, delincuentes, sectas, determinados grupos de enfermeros etc.
legidos sobre lo que el cree que pueden aportar al estudio.

el investigador comience a trabajar en el aspecto del muestreo.

udiante 5 Diego Alejandro Velosa Perez

Dado que es el proceso de inferencia es el que estima el valor de un parámetro a partir del valor
valos.
todo, en los diferentes procesos como la producción y la venta de bienes y/o servicios. El tener un buen
a cada proceso. Con el se puede determinar el verdadero valor del parámetro, pero en los casos en que
e se utilice como un excelente parámetro para la credibilidad estadística.

parámetro o el valor a ser predicho.

valo de confianza?

a media (ESM) es una estimación de la precisión con que la media muestral representa a la media

ando y restando desde el valor de la media, el área bajo la curva de la distribución normal estándar.
 desviación típica conocida σ

stara con encontrar el punto critico zα/2 para tener un intervalo que contenga la media poblacional con

ción típica conocida σ

nte no sabemos si lo son o no, necesitamos que el tamaño de la muestra sea suficientemente grande
que el intervalo de confianza para la media μ de una población con desviación típica conocía σ es:

ción típica desconocida

estimador de la desviación típica de la muestra con lo que el intervalo de confianza para la media μ de

n estimar y contrastar la proporción p de individuos de una población que presentan una determinada
porción de parados…) el problema se modeliza mediante una variable dicotómica que toma el valor 1 si
s una variable Bernoulli, , de la que se dispone de una muestra de tamaño n, entonces la
de dicha variable, estimándose con la correspondiente proporción muestral de media muestral,

en la que se presenta una cierta característica A en las mismas (comparar la proporción de voto a un
hombres y mujeres..). El problema se modeliza mediante dos variables de Bernoulli independientes, de
ectivamente.
 Mediante el decreto 531 del 8 de m
DESCRIBIR LA POBLACION: primer caso en el país, de esta mane
velocidad de aparición de los casos.
Coronavirus COVID-19, esencialmen
identificación, confirmación, aislam
preventivas con el fin de redundar e
del país, contrata 5 expertos para m
SIVIGILA de los meses de julio, agos
diferentes secretarias de salud alred
suministrados por el Ministerio de S
variables de estudio de la base de d

Fecha de
Cantidad inicio de Fecha de Tiempo entrega Región de
sintomas diagnóstico de los resultados residencia Edad
1 1 1/7/2020 0:00 8 3 56
2 1 1/7/2020 0:00 8 3 7
3 1 1/7/2020 0:00 5 4 20
4 1 1/7/2020 0:00 5 4 18
5 1 1/7/2020 0:00 5 4 19
6 1 1/7/2020 0:00 14 2 22
7 1 1/7/2020 0:00 5 4 19
8 1 1/7/2020 0:00 8 3 21
9 1 1/7/2020 0:00 5 1 19
10 1 1/7/2020 0:00 5 4 21
11 1 1/7/2020 0:00 8 3 25
12 1 1/7/2020 0:00 8 3 31
13 1 1/7/2020 0:00 8 3 25
14 1 1/7/2020 0:00 8 3 23
15 1 1/7/2020 0:00 5 1 39
16 1 1/7/2020 0:00 5 1 25
17 1 1/7/2020 0:00 5 1 30
18 1 1/7/2020 0:00 5 1 26
19 1 1/7/2020 0:00 5 1 20
20 1 1/7/2020 0:00 5 1 28
21 1 1/7/2020 0:00 5 1 34
22 1 1/7/2020 0:00 8 3 23
23 1 1/7/2020 0:00 5 1 30
24 1 1/7/2020 0:00 5 4 24
25 1 1/7/2020 0:00 8 3 31
26 1 1/7/2020 0:00 8 3 30
27 1 1/7/2020 0:00 8 3 26
28 1 1/7/2020 0:00 8 3 24
29 1 1/7/2020 0:00 14 2 35
30 1 1/7/2020 0:00 14 2 29
31 1 1/7/2020 0:00 8 3 33
32 1 1/7/2020 0:00 14 2 32
33 1 1/7/2020 0:00 5 1 28
34 1 1/7/2020 0:00 5 1 26
35 1 2/7/2020 0:00 5 1 16
36 1 2/7/2020 0:00 5 1 40
37 1 2/7/2020 0:00 5 1 31
38 1 2/7/2020 0:00 5 1 33
39 1 2/7/2020 0:00 5 1 70
40 1 2/7/2020 0:00 5 1 51
41 1 2/7/2020 0:00 5 1 45
42 1 2/7/2020 0:00 5 1 61
43 1 2/7/2020 0:00 8 3 60
44 1 2/7/2020 0:00 5 1 81
45 1 2/7/2020 0:00 14 2 75
46 1 2/7/2020 0:00 5 1 38
47 1 2/7/2020 0:00 5 1 27
48 1 2/7/2020 0:00 5 1 24
49 1 2/7/2020 0:00 5 1 26
50 1 2/7/2020 0:00 5 1 23
51 1 2/7/2020 0:00 8 3 34
52 1 2/7/2020 0:00 8 3 23
53 1 2/7/2020 0:00 5 1 29
54 1 2/7/2020 0:00 8 3 43
55 1 2/7/2020 0:00 5 1 26
56 1 2/7/2020 0:00 5 1 33
57 1 2/7/2020 0:00 5 1 23
58 1 2/7/2020 0:00 5 1 20
59 1 2/7/2020 0:00 14 2 51
60 1 2/7/2020 0:00 5 1 80
61 1 2/7/2020 0:00 5 1 42
62 1 2/7/2020 0:00 5 1 63
63 1 2/7/2020 0:00 5 1 55
64 1 2/7/2020 0:00 5 1 59
65 1 2/7/2020 0:00 5 1 56
66 1 2/7/2020 0:00 5 1 44
67 1 2/7/2020 0:00 5 1 38
68 1 2/7/2020 0:00 5 1 54
69 1 2/7/2020 0:00 5 1 50
70 1 2/7/2020 0:00 5 1 50
 71 1 2/7/2020 0:00 5 1 75
72 1 2/7/2020 0:00 5 1 44
73 1 2/7/2020 0:00 5 1 37
74 1 2/7/2020 0:00 5 1 58
75 1 2/7/2020 0:00 5 1 56
76 1 2/7/2020 0:00 14 2 6
77 1 2/7/2020 0:00 5 1 13
78 1 2/7/2020 0:00 5 1 16
79 1 2/7/2020 0:00 5 1 39
80 1 2/7/2020 0:00 5 1 58
81 1 2/7/2020 0:00 5 1 54
82 1 2/7/2020 0:00 5 1 83
83 1 2/7/2020 0:00 5 1 42
84 1 2/7/2020 0:00 5 1 50
85 1 2/7/2020 0:00 5 1 70
86 1 2/7/2020 0:00 5 1 40
87 1 2/7/2020 0:00 8 3 9
88 1 2/7/2020 0:00 5 1 45
89 1 2/7/2020 0:00 5 1 78
90 1 2/7/2020 0:00 5 1 64
91 1 2/7/2020 0:00 8 3 31
92 1 2/7/2020 0:00 5 1 28
93 1 2/7/2020 0:00 5 1 33
94 1 2/7/2020 0:00 5 1 33
95 1 2/7/2020 0:00 5 1 25
96 1 2/7/2020 0:00 14 2 27
97 1 2/7/2020 0:00 5 1 20
98 1 2/7/2020 0:00 5 1 55
99 1 2/7/2020 0:00 5 1 41
100 1 2/7/2020 0:00 5 1 61
101 1 2/7/2020 0:00 14 2 86
102 1 2/7/2020 0:00 5 1 58
103 1 2/7/2020 0:00 5 1 60
104 1 2/7/2020 0:00 8 3 78
105 1 2/7/2020 0:00 5 1 40
106 1 2/7/2020 0:00 5 1 53
107 1 2/7/2020 0:00 5 1 38
108 1 2/7/2020 0:00 5 1 34
109 1 2/7/2020 0:00 5 1 39
110 1 2/7/2020 0:00 5 1 68
111 1 2/7/2020 0:00 5 1 41
112 1 2/7/2020 0:00 5 1 61
113 1 2/7/2020 0:00 5 1 31
114 1 2/7/2020 0:00 5 1 48
115 1 2/7/2020 0:00 5 1 75
116 1 2/7/2020 0:00 5 1 22
117 1 2/7/2020 0:00 5 1 61
118 1 2/7/2020 0:00 5 1 32
119 1 2/7/2020 0:00 5 1 26
120 1 2/7/2020 0:00 5 1 27
121 1 2/7/2020 0:00 5 1 31
122 1 2/7/2020 0:00 5 1 27
123 1 2/7/2020 0:00 5 1 32
124 1 2/7/2020 0:00 5 1 33
125 1 2/7/2020 0:00 8 3 25
126 1 2/7/2020 0:00 5 1 26
127 1 2/7/2020 0:00 5 1 25
128 1 2/7/2020 0:00 5 1 22
129 1 2/7/2020 0:00 5 1 38
130 1 2/7/2020 0:00 5 1 46
131 1 2/7/2020 0:00 5 1 90
132 1 2/7/2020 0:00 5 1 58
133 1 2/7/2020 0:00 5 1 36
134 1 2/7/2020 0:00 5 1 46
135 1 2/7/2020 0:00 5 1 34
136 1 2/7/2020 0:00 5 1 25
137 1 2/7/2020 0:00 8 3 26
138 1 2/7/2020 0:00 5 1 28
139 1 2/7/2020 0:00 5 1 22
140 1 2/7/2020 0:00 5 1 34
141 1 2/7/2020 0:00 5 1 82
142 1 2/7/2020 0:00 5 1 21
143 1 2/7/2020 0:00 5 1 48
144 1 2/7/2020 0:00 5 1 61
145 1 2/7/2020 0:00 5 1 62
146 1 2/7/2020 0:00 5 1 46
147 1 2/7/2020 0:00 5 1 42
148 1 2/7/2020 0:00 5 1 43
149 1 2/7/2020 0:00 14 2 44
150 1 2/7/2020 0:00 5 1 62
151 1 2/7/2020 0:00 5 1 77
152 1 2/7/2020 0:00 5 1 74
153 1 2/7/2020 0:00 5 1 69
154 1 2/7/2020 0:00 5 1 56
155 1 2/7/2020 0:00 5 1 26
156 1 2/7/2020 0:00 5 1 31
157 1 2/7/2020 0:00 5 1 65
158 1 2/7/2020 0:00 5 1 50
159 1 2/7/2020 0:00 5 1 61
160 1 2/7/2020 0:00 5 1 40
161 1 2/7/2020 0:00 5 1 26
162 1 2/7/2020 0:00 5 1 27
163 1 2/7/2020 0:00 5 1 33
164 1 2/7/2020 0:00 5 1 32
165 1 2/8/2020 0:00 5 1 30
166 1 2/7/2020 0:00 5 1 32
167 1 2/7/2020 0:00 8 3 25
168 1 2/7/2020 0:00 8 3 51
169 1 2/7/2020 0:00 5 1 84
170 1 2/7/2020 0:00 5 1 97
171 1 2/7/2020 0:00 5 1 70
172 1 2/7/2020 0:00 5 1 47
173 1 2/7/2020 0:00 5 1 35
174 1 2/8/2020 0:00 5 1 14
175 1 2/7/2020 0:00 8 3 25
176 1 2/7/2020 0:00 5 1 37
177 1 2/8/2020 0:00 5 1 70
178 1 2/7/2020 0:00 8 3 20
179 1 2/7/2020 0:00 5 1 67
180 1 2/7/2020 0:00 5 1 29
181 1 2/7/2020 0:00 5 1 44
182 1 2/7/2020 0:00 5 1 54
183 1 2/7/2020 0:00 5 1 17
184 1 2/7/2020 0:00 5 1 20
185 1 2/7/2020 0:00 5 1 19
186 1 2/7/2020 0:00 5 1 26
187 1 2/7/2020 0:00 8 3 83
188 1 2/7/2020 0:00 5 1 42
189 1 2/7/2020 0:00 5 1 62
190 1 2/7/2020 0:00 5 1 43
191 1 2/7/2020 0:00 5 1 41
192 1 2/7/2020 0:00 5 1 40
193 1 2/7/2020 0:00 5 1 63
194 1 2/7/2020 0:00 5 1 26
195 1 2/7/2020 0:00 5 1 30
196 1 2/7/2020 0:00 5 1 59
197 1 3/7/2020 0:00 5 1 52
198 1 3/7/2020 0:00 8 3 37
199 1 3/7/2020 0:00 5 1 62
200 1 3/7/2020 0:00 14 2 73
201 1 3/7/2020 0:00 5 1 33
202 1 3/7/2020 0:00 5 1 64
203 1 3/7/2020 0:00 5 1 34
204 1 3/7/2020 0:00 5 1 27
205 1 3/7/2020 0:00 8 3 40
206 1 3/7/2020 0:00 5 1 24
207 1 3/7/2020 0:00 5 1 23
208 1 3/7/2020 0:00 5 1 21
209 1 3/7/2020 0:00 5 1 73
210 1 3/7/2020 0:00 5 1 51
211 1 3/7/2020 0:00 5 1 15
212 1 3/7/2020 0:00 5 1 21
213 1 3/7/2020 0:00 5 1 65
214 1 3/7/2020 0:00 5 1 42
215 1 3/7/2020 0:00 5 1 30
216 1 4/7/2020 0:00 5 1 45
217 1 4/7/2020 0:00 5 1 65
218 1 4/7/2020 0:00 5 1 58
219 1 4/7/2020 0:00 5 1 40
220 1 4/7/2020 0:00 5 1 54
221 1 4/7/2020 0:00 5 1 26
222 1 4/7/2020 0:00 5 1 27
223 1 4/7/2020 0:00 5 1 46
224 1 4/7/2020 0:00 5 1 34
225 1 4/7/2020 0:00 5 1 26
226 1 4/7/2020 0:00 5 1 60
227 1 4/7/2020 0:00 5 1 67
228 1 4/7/2020 0:00 5 1 19
229 1 4/7/2020 0:00 5 1 74
230 1 4/7/2020 0:00 5 1 10
231 1 4/7/2020 0:00 5 1 36
232 1 4/7/2020 0:00 5 1 29
233 1 4/7/2020 0:00 5 1 25
234 1 4/7/2020 0:00 5 1 20
235 1 4/7/2020 0:00 5 1 57
236 1 4/7/2020 0:00 5 1 56
237 1 4/7/2020 0:00 5 1 30
238 1 5/7/2020 0:00 5 1 30
239 1 5/7/2020 0:00 5 1 30
240 1 5/7/2020 0:00 5 1 29
241 1 5/7/2020 0:00 5 1 30
242 1 5/7/2020 0:00 5 1 30
243 1 5/7/2020 0:00 5 1 33
244 1 5/7/2020 0:00 5 1 30
245 1 5/7/2020 0:00 5 1 22
246 1 5/7/2020 0:00 5 1 30
247 1 5/7/2020 0:00 5 1 33
248 1 5/7/2020 0:00 5 1 30
249 1 5/7/2020 0:00 5 1 22
250 1 5/7/2020 0:00 5 1 46
251 1 5/7/2020 0:00 5 1 28
252 1 6/7/2020 0:00 5 1 9
253 1 6/7/2020 0:00 5 1 30
254 1 6/7/2020 0:00 5 1 24
255 1 6/7/2020 0:00 5 1 33
256 1 6/7/2020 0:00 5 1 10
257 1 6/7/2020 0:00 5 1 23
258 1 6/7/2020 0:00 5 1 51
259 1 6/7/2020 0:00 5 1 35
260 1 6/7/2020 0:00 5 1 39
261 1 6/7/2020 0:00 5 1 13
262 1 6/7/2020 0:00 5 1 35
263 1 6/7/2020 0:00 5 1 41
264 1 6/7/2020 0:00 5 1 52
265 1 6/7/2020 0:00 5 1 51
266 1 6/7/2020 0:00 5 1 42
267 1 7/7/2020 0:00 14 2 70
268 1 7/7/2020 0:00 5 1 38
269 1 7/7/2020 0:00 5 1 41
270 1 7/7/2020 0:00 5 1 62
271 1 7/7/2020 0:00 5 1 56
272 1 7/7/2020 0:00 5 1 40
273 1 7/7/2020 0:00 5 1 1
274 1 7/7/2020 0:00 5 1 24
275 1 7/7/2020 0:00 5 1 29
276 1 7/7/2020 0:00 5 1 27
277 1 7/7/2020 0:00 5 1 57
278 1 7/7/2020 0:00 5 1 64
279 1 7/7/2020 0:00 5 1 44
280 1 7/7/2020 0:00 5 1 36
281 1 7/7/2020 0:00 5 1 58
282 1 7/7/2020 0:00 5 1 46
283 1 7/7/2020 0:00 5 1 30
284 1 7/7/2020 0:00 5 1 79
285 1 7/7/2020 0:00 5 1 71
286 1 7/7/2020 0:00 5 1 49
287 1 7/7/2020 0:00 5 1 26
288 1 7/7/2020 0:00 5 1 60
289 1 7/7/2020 0:00 5 1 66
290 1 7/7/2020 0:00 8 3 31
291 1 7/7/2020 0:00 5 1 55
292 1 7/7/2020 0:00 5 1 64
293 1 7/7/2020 0:00 5 1 73
294 1 7/7/2020 0:00 14 2 68
295 1 8/7/2020 0:00 14 2 65
296 1 8/7/2020 0:00 5 1 32
297 1 8/7/2020 0:00 5 1 9
298 1 8/7/2020 0:00 5 1 5
299 1 8/7/2020 0:00 14 2 3
300 1 8/7/2020 0:00 14 2 11
301 1 8/7/2020 0:00 14 2 29
302 1 8/7/2020 0:00 14 2 20
303 1 8/7/2020 0:00 14 2 29
304 1 8/7/2020 0:00 14 2 41
305 1 8/7/2020 0:00 14 2 55
306 1 8/7/2020 0:00 5 1 24
307 1 8/7/2020 0:00 8 3 22
308 1 8/7/2020 0:00 8 3 21
309 1 8/7/2020 0:00 5 1 21
310 1 8/7/2020 0:00 5 1 32
311 1 8/7/2020 0:00 5 1 83
312 1 8/7/2020 0:00 8 3 36
313 1 8/7/2020 0:00 8 3 41
314 1 8/7/2020 0:00 5 1 48
315 1 8/7/2020 0:00 5 1 72
316 1 8/7/2020 0:00 14 2 29
317 1 8/7/2020 0:00 5 1 45
318 1 8/7/2020 0:00 8 3 29
319 1 8/7/2020 0:00 8 3 55
320 1 8/7/2020 0:00 14 2 28
321 1 8/7/2020 0:00 14 2 26
322 1 8/7/2020 0:00 14 2 34
323 1 8/7/2020 0:00 5 1 34
324 1 8/7/2020 0:00 8 3 21
325 1 8/7/2020 0:00 5 1 74
326 1 8/7/2020 0:00 5 1 55
327 1 8/7/2020 0:00 5 1 55
328 1 8/7/2020 0:00 5 1 56
329 1 8/7/2020 0:00 5 1 51
330 1 8/7/2020 0:00 5 1 39
331 1 8/7/2020 0:00 5 1 31
332 1 8/7/2020 0:00 5 1 53
333 1 8/7/2020 0:00 14 2 55
334 1 8/7/2020 0:00 14 2 33
335 1 8/7/2020 0:00 14 2 70
336 1 8/7/2020 0:00 5 1 64
337 1 8/7/2020 0:00 5 1 30
338 1 8/7/2020 0:00 5 1 30
339 1 8/7/2020 0:00 5 1 21
340 1 8/7/2020 0:00 5 1 48
341 1 8/7/2020 0:00 5 1 63
342 1 8/7/2020 0:00 5 1 15
343 1 8/7/2020 0:00 5 1 45
344 1 8/7/2020 0:00 5 1 78
345 1 8/7/2020 0:00 5 1 40
346 1 8/7/2020 0:00 5 1 77
347 1 8/7/2020 0:00 8 3 7
348 1 8/7/2020 0:00 5 1 17
349 1 8/7/2020 0:00 5 1 65
350 1 8/7/2020 0:00 5 1 83
351 1 8/7/2020 0:00 5 1 95
352 1 9/7/2020 0:00 5 1 46
353 1 9/7/2020 0:00 14 2 35
354 1 9/7/2020 0:00 14 2 34
355 1 9/7/2020 0:00 14 2 32
356 1 9/7/2020 0:00 14 2 66
357 1 9/7/2020 0:00 5 1 34
358 1 9/7/2020 0:00 5 1 75
359 1 9/7/2020 0:00 5 1 57
360 1 9/7/2020 0:00 5 1 42
361 1 9/7/2020 0:00 5 1 51
362 1 9/7/2020 0:00 5 1 31
363 1 9/7/2020 0:00 5 1 33
364 1 9/7/2020 0:00 5 1 46
365 1 9/7/2020 0:00 5 1 43
366 1 9/7/2020 0:00 5 1 79
367 1 9/7/2020 0:00 5 1 37
368 1 9/7/2020 0:00 5 1 26
369 1 9/7/2020 0:00 5 1 17
370 1 9/7/2020 0:00 5 1 53
371 1 10/7/2020 0:00 5 1 78
372 1 10/7/2020 0:00 5 1 51
373 1 10/7/2020 0:00 5 1 32
374 1 10/7/2020 0:00 5 1 52
375 1 10/7/2020 0:00 5 1 50
376 1 10/7/2020 0:00 5 1 27
377 1 10/7/2020 0:00 5 1 61
378 1 10/7/2020 0:00 8 3 77
379 1 10/7/2020 0:00 5 1 34
380 1 10/7/2020 0:00 5 1 33
381 1 10/7/2020 0:00 5 1 72
382 1 10/7/2020 0:00 14 2 73
383 1 10/7/2020 0:00 14 2 32
384 1 10/7/2020 0:00 14 2 58
385 1 10/7/2020 0:00 8 3 8
386 1 10/7/2020 0:00 5 1 65
387 1 10/7/2020 0:00 5 1 59
388 1 10/7/2020 0:00 14 2 30
389 1 10/7/2020 0:00 14 2 34
390 1 10/7/2020 0:00 5 1 40
391 1 10/7/2020 0:00 5 1 37
392 1 10/7/2020 0:00 5 1 31
393 1 10/7/2020 0:00 5 1 8
394 1 10/7/2020 0:00 5 1 46
395 1 10/7/2020 0:00 5 1 16
396 1 10/7/2020 0:00 5 1 75
397 1 10/7/2020 0:00 5 1 33
398 1 10/7/2020 0:00 5 1 71
399 1 10/7/2020 0:00 5 1 24
400 1 10/7/2020 0:00 5 1 63
401 1 10/7/2020 0:00 5 1 6
402 1 10/7/2020 0:00 5 1 45
403 1 10/7/2020 0:00 5 1 49
404 1 10/7/2020 0:00 5 1 29
405 1 10/7/2020 0:00 5 1 24
406 1 10/7/2020 0:00 5 1 27
407 1 10/7/2020 0:00 5 1 22
408 1 10/7/2020 0:00 5 1 64
409 1 10/7/2020 0:00 5 1 39
410 1 10/7/2020 0:00 5 1 30
411 1 10/7/2020 0:00 5 1 39
412 1 10/7/2020 0:00 5 1 39
413 1 11/7/2020 0:00 5 1 58
414 1 11/7/2020 0:00 8 3 21
415 1 11/7/2020 0:00 14 2 6
416 1 11/7/2020 0:00 14 2 10
417 1 11/7/2020 0:00 14 2 26
418 1 11/7/2020 0:00 5 1 79
419 1 11/7/2020 0:00 5 1 74
420 1 11/7/2020 0:00 5 1 83
421 1 11/7/2020 0:00 5 1 31
422 1 11/7/2020 0:00 5 1 77
423 1 11/7/2020 0:00 5 1 32
424 1 11/7/2020 0:00 5 1 74
425 1 11/7/2020 0:00 5 1 49
426 1 11/7/2020 0:00 5 1 34
427 1 11/7/2020 0:00 5 1 44
428 1 11/7/2020 0:00 5 1 33
429 1 11/7/2020 0:00 5 1 18
430 1 11/7/2020 0:00 5 1 62
431 1 11/7/2020 0:00 5 1 53
432 1 11/7/2020 0:00 5 1 33
433 1 11/7/2020 0:00 5 1 48
434 1 11/7/2020 0:00 5 1 61
435 1 11/7/2020 0:00 5 1 32
436 1 11/7/2020 0:00 5 1 32
437 1 11/7/2020 0:00 8 3 36
438 1 11/7/2020 0:00 5 1 45
439 1 11/7/2020 0:00 5 1 23
440 1 11/7/2020 0:00 5 1 28
441 1 11/7/2020 0:00 5 1 58
442 1 11/7/2020 0:00 5 1 56
443 1 11/7/2020 0:00 5 1 57
444 1 12/7/2020 0:00 14 2 39
445 1 12/7/2020 0:00 5 1 64
446 1 12/7/2020 0:00 5 1 82
447 1 12/7/2020 0:00 8 3 22
448 1 12/7/2020 0:00 5 1 75
449 1 12/7/2020 0:00 5 1 66
450 1 12/7/2020 0:00 5 1 64
451 1 12/7/2020 0:00 5 1 85
452 1 12/7/2020 0:00 5 1 49
453 1 12/7/2020 0:00 5 1 59
454 1 12/7/2020 0:00 5 1 22
455 1 12/7/2020 0:00 5 1 69
456 1 12/7/2020 0:00 5 1 49
457 1 12/7/2020 0:00 14 2 44
458 1 12/7/2020 0:00 14 2 90
459 1 12/7/2020 0:00 5 1 56
460 1 12/7/2020 0:00 5 1 60
461 1 12/7/2020 0:00 5 1 80
462 1 12/7/2020 0:00 5 1 26
463 1 12/7/2020 0:00 5 1 52
464 1 12/7/2020 0:00 5 1 43
465 1 12/7/2020 0:00 5 1 35
466 1 12/7/2020 0:00 5 1 39
467 1 12/7/2020 0:00 5 1 56
468 1 12/7/2020 0:00 5 1 52
469 1 12/7/2020 0:00 5 1 43
470 1 12/7/2020 0:00 5 1 52
471 1 12/7/2020 0:00 14 2 29
472 1 12/7/2020 0:00 5 1 24
473 1 12/7/2020 0:00 8 3 33
474 1 12/7/2020 0:00 8 3 56
475 1 12/7/2020 0:00 8 3 11
476 1 12/7/2020 0:00 5 1 62
477 1 12/7/2020 0:00 5 1 60
478 1 12/7/2020 0:00 5 1 23
479 1 12/7/2020 0:00 5 1 91
480 1 12/7/2020 0:00 5 1 79
481 1 12/7/2020 0:00 5 1 56
482 1 12/7/2020 0:00 5 1 31
483 1 12/7/2020 0:00 5 1 38
484 1 12/7/2020 0:00 5 1 96
485 1 12/7/2020 0:00 5 1 39
486 1 12/7/2020 0:00 5 1 28
487 1 12/7/2020 0:00 5 1 38
488 1 12/7/2020 0:00 5 1 76
489 1 12/7/2020 0:00 5 1 51
490 1 12/7/2020 0:00 8 3 24
491 1 12/7/2020 0:00 8 3 29
492 1 12/7/2020 0:00 8 3 72
493 1 12/7/2020 0:00 8 3 46
494 1 12/7/2020 0:00 8 3 32
495 1 12/7/2020 0:00 8 3 55
496 1 12/7/2020 0:00 8 3 22
497 1 12/7/2020 0:00 8 3 27
498 1 12/7/2020 0:00 8 3 27
499 1 12/7/2020 0:00 8 3 34
500 1 12/7/2020 0:00 8 3 56
501 1 12/7/2020 0:00 8 3 11
502 1 12/7/2020 0:00 8 3 20
503 1 12/7/2020 0:00 8 3 44
504 1 12/7/2020 0:00 8 3 35
505 1 12/7/2020 0:00 8 3 16
506 1 12/7/2020 0:00 8 3 51
507 1 12/7/2020 0:00 8 3 54
508 1 12/7/2020 0:00 8 3 33
509 1 12/7/2020 0:00 8 3 37
510 1 12/7/2020 0:00 8 3 26
511 1 12/7/2020 0:00 8 3 31
512 1 12/7/2020 0:00 8 3 20
513 1 12/7/2020 0:00 8 3 30
514 1 12/7/2020 0:00 8 3 36
515 1 12/7/2020 0:00 8 3 32
516 1 12/7/2020 0:00 8 3 36
517 1 12/7/2020 0:00 14 2 38
518 1 12/7/2020 0:00 5 1 44
519 1 12/7/2020 0:00 5 1 42
520 1 12/7/2020 0:00 5 1 28
521 1 12/7/2020 0:00 14 2 24
522 1 12/7/2020 0:00 14 2 24
523 1 12/7/2020 0:00 8 3 27
524 1 12/7/2020 0:00 5 1 29
525 1 12/7/2020 0:00 5 1 49
526 1 12/7/2020 0:00 5 3 33
527 1 12/7/2020 0:00 5 1 36
528 1 12/7/2020 0:00 5 1 28
529 1 12/7/2020 0:00 5 1 56
530 1 12/7/2020 0:00 5 1 51
531 1 12/7/2020 0:00 5 1 39
532 1 12/7/2020 0:00 5 1 43
533 1 12/7/2020 0:00 5 1 54
534 1 12/7/2020 0:00 5 1 29
535 1 12/7/2020 0:00 5 3 44
536 1 12/7/2020 0:00 5 3 40
537 1 12/7/2020 0:00 5 3 24
538 1 12/7/2020 0:00 5 3 32
539 1 12/7/2020 0:00 5 3 46
540 1 12/7/2020 0:00 5 3 1
541 1 12/7/2020 0:00 5 3 42
542 1 12/7/2020 0:00 5 3 55
543 1 12/7/2020 0:00 5 3 57
544 1 12/7/2020 0:00 5 3 18
545 1 12/7/2020 0:00 5 3 27
546 1 12/7/2020 0:00 5 3 48
547 1 12/7/2020 0:00 5 3 55
548 1 12/7/2020 0:00 5 3 52
549 1 12/7/2020 0:00 5 3 42
550 1 12/7/2020 0:00 5 3 50
551 1 12/7/2020 0:00 5 3 31
552 1 12/7/2020 0:00 5 3 48
553 1 12/7/2020 0:00 5 3 28
554 1 12/7/2020 0:00 5 3 45
555 1 12/7/2020 0:00 5 3 33
556 1 12/7/2020 0:00 5 3 21
557 1 12/7/2020 0:00 5 3 37
558 1 12/7/2020 0:00 5 3 37
559 1 12/7/2020 0:00 5 3 40
560 1 12/7/2020 0:00 5 3 35
561 1 12/7/2020 0:00 5 3 77
562 1 12/7/2020 0:00 5 3 39
563 1 12/7/2020 0:00 5 3 29
564 1 12/7/2020 0:00 5 3 41
565 1 12/7/2020 0:00 5 3 26
566 1 12/7/2020 0:00 5 3 54
567 1 12/7/2020 0:00 5 3 51
568 1 12/7/2020 0:00 5 3 51
569 1 12/7/2020 0:00 5 3 53
570 1 12/7/2020 0:00 5 3 22
571 1 12/7/2020 0:00 5 3 41
572 1 12/7/2020 0:00 5 3 51
573 1 12/7/2020 0:00 5 3 25
574 1 12/7/2020 0:00 5 3 22
575 1 12/7/2020 0:00 5 3 21
576 1 12/7/2020 0:00 5 3 34
577 1 12/7/2020 0:00 5 3 44
578 1 12/7/2020 0:00 5 3 23
579 1 12/7/2020 0:00 5 3 40
580 1 12/7/2020 0:00 5 3 37
581 1 12/7/2020 0:00 5 3 38
582 1 12/7/2020 0:00 5 3 64
583 1 12/7/2020 0:00 5 3 65
584 1 12/7/2020 0:00 5 3 31
585 1 12/7/2020 0:00 5 3 24
586 1 12/7/2020 0:00 5 3 36
587 1 12/7/2020 0:00 5 3 48
588 1 12/7/2020 0:00 5 3 59
589 1 12/7/2020 0:00 5 3 46
590 1 12/7/2020 0:00 5 3 29
591 1 12/7/2020 0:00 5 3 40
592 1 12/7/2020 0:00 5 3 34
593 1 12/7/2020 0:00 5 3 31
594 1 12/7/2020 0:00 5 3 23
595 1 12/7/2020 0:00 5 3 27
596 1 12/7/2020 0:00 5 3 29
597 1 12/7/2020 0:00 5 3 36
598 1 12/7/2020 0:00 5 3 50
599 1 12/7/2020 0:00 5 3 44
600 1 12/7/2020 0:00 5 3 27
601 1 12/7/2020 0:00 5 3 11
602 1 12/7/2020 0:00 5 3 15
603 1 12/7/2020 0:00 5 3 18
604 1 12/7/2020 0:00 5 3 36
605 1 12/7/2020 0:00 5 3 40
606 1 12/7/2020 0:00 5 3 13
607 1 12/7/2020 0:00 5 3 27
608 1 12/7/2020 0:00 5 3 45
609 1 12/7/2020 0:00 5 3 14
610 1 12/7/2020 0:00 5 3 60
611 1 12/7/2020 0:00 5 3 20
612 1 12/7/2020 0:00 5 3 39
613 1 12/7/2020 0:00 5 3 64
614 1 12/7/2020 0:00 5 3 33
615 1 12/7/2020 0:00 5 3 25
616 1 12/7/2020 0:00 5 3 49
617 1 12/7/2020 0:00 5 3 28
618 1 12/7/2020 0:00 5 3 63
619 1 12/7/2020 0:00 5 3 24
620 1 12/7/2020 0:00 5 3 28
621 1 12/7/2020 0:00 5 3 58
622 1 12/7/2020 0:00 5 3 19
623 1 12/7/2020 0:00 5 3 37
624 1 12/7/2020 0:00 5 3 17
625 1 12/7/2020 0:00 5 3 46
626 1 12/7/2020 0:00 5 3 22
627 1 12/7/2020 0:00 5 3 32
628 1 12/7/2020 0:00 5 3 30
629 1 12/7/2020 0:00 5 3 29
630 1 12/7/2020 0:00 5 3 31
631 1 12/7/2020 0:00 5 3 29
632 1 12/7/2020 0:00 5 3 36
633 1 12/7/2020 0:00 5 3 88
634 1 12/7/2020 0:00 5 3 50
635 1 12/7/2020 0:00 5 3 71
636 1 12/7/2020 0:00 5 3 49
637 1 12/7/2020 0:00 5 3 64
638 1 12/7/2020 0:00 5 3 52
639 1 12/7/2020 0:00 5 3 24
640 1 12/7/2020 0:00 5 3 52
641 1 12/7/2020 0:00 5 3 64
642 1 12/7/2020 0:00 5 3 24
643 1 12/7/2020 0:00 5 3 30
644 1 12/7/2020 0:00 5 3 39
645 1 12/7/2020 0:00 5 3 46
646 1 12/7/2020 0:00 5 3 22
647 1 12/7/2020 0:00 5 3 60
648 1 12/7/2020 0:00 5 3 58
649 1 12/7/2020 0:00 5 3 24
650 1 12/7/2020 0:00 5 3 28
651 1 12/7/2020 0:00 5 3 23
652 1 12/7/2020 0:00 5 3 63
653 1 12/7/2020 0:00 5 3 43
654 1 12/7/2020 0:00 5 3 58
655 1 12/7/2020 0:00 5 3 35
656 1 12/7/2020 0:00 5 3 64
657 1 12/7/2020 0:00 5 3 53
658 1 12/7/2020 0:00 5 3 38
659 1 12/7/2020 0:00 5 3 56
660 1 12/7/2020 0:00 5 3 30
661 1 12/7/2020 0:00 5 3 51
662 1 12/7/2020 0:00 5 3 23
663 1 12/7/2020 0:00 5 3 64
664 1 12/7/2020 0:00 5 3 52
665 1 12/7/2020 0:00 5 3 36
666 1 12/7/2020 0:00 5 3 28
667 1 12/7/2020 0:00 5 3 28
668 1 12/7/2020 0:00 5 3 31
669 1 12/7/2020 0:00 5 3 45
670 1 12/7/2020 0:00 5 3 52
671 1 12/7/2020 0:00 5 3 26
672 1 12/7/2020 0:00 5 3 54
673 1 12/7/2020 0:00 5 3 39
674 1 12/7/2020 0:00 5 3 50
675 1 12/7/2020 0:00 5 3 53
676 1 12/7/2020 0:00 5 3 49
677 1 12/7/2020 0:00 5 3 31
678 1 12/7/2020 0:00 5 3 70
679 1 12/7/2020 0:00 5 3 41
680 1 12/7/2020 0:00 5 3 59
681 1 12/7/2020 0:00 5 3 67
682 1 12/7/2020 0:00 5 3 39
683 1 12/7/2020 0:00 5 3 58
684 1 12/7/2020 0:00 5 3 57
685 1 12/7/2020 0:00 5 3 18
686 1 12/7/2020 0:00 5 3 55
687 1 12/7/2020 0:00 5 3 56
688 1 12/7/2020 0:00 5 3 62
689 1 12/7/2020 0:00 5 3 57
690 1 12/7/2020 0:00 5 3 30
691 1 12/7/2020 0:00 5 3 46
692 1 12/7/2020 0:00 5 3 37
693 1 12/7/2020 0:00 5 3 29
694 1 12/7/2020 0:00 5 3 1
695 1 12/7/2020 0:00 5 3 47
696 1 12/7/2020 0:00 5 3 25
697 1 12/7/2020 0:00 5 3 60
698 1 12/7/2020 0:00 5 3 37
699 1 12/7/2020 0:00 5 3 25
700 1 12/7/2020 0:00 5 3 40
701 1 12/7/2020 0:00 5 3 30
702 1 12/7/2020 0:00 5 3 47
703 1 12/7/2020 0:00 5 3 63
704 1 12/7/2020 0:00 5 3 73
705 1 12/7/2020 0:00 5 3 60
706 1 12/7/2020 0:00 5 3 37
707 1 12/7/2020 0:00 5 3 28
708 1 12/7/2020 0:00 5 3 25
709 1 12/7/2020 0:00 5 3 23
710 1 12/7/2020 0:00 5 3 34
711 1 12/7/2020 0:00 5 3 21
712 1 12/7/2020 0:00 5 3 50
713 1 12/7/2020 0:00 5 3 69
714 1 12/7/2020 0:00 5 3 36
715 1 12/7/2020 0:00 5 3 63
716 1 12/7/2020 0:00 5 3 53
717 1 12/7/2020 0:00 5 3 40
718 1 12/7/2020 0:00 5 3 25
719 1 12/7/2020 0:00 5 3 39
720 1 12/7/2020 0:00 5 3 63
721 1 12/7/2020 0:00 15 3 62
722 1 12/7/2020 0:00 15 3 57
723 1 12/7/2020 0:00 15 3 57
724 1 12/7/2020 0:00 15 3 19
725 1 12/7/2020 0:00 15 3 57
726 1 12/7/2020 0:00 15 3 38
727 1 12/7/2020 0:00 15 3 23
728 1 12/7/2020 0:00 15 3 34
729 1 12/7/2020 0:00 15 3 25
730 1 12/7/2020 0:00 15 3 49
731 1 12/7/2020 0:00 15 3 31
732 1 12/7/2020 0:00 15 3 23
733 1 12/7/2020 0:00 15 3 65
734 1 12/7/2020 0:00 15 3 76
735 1 12/7/2020 0:00 15 3 40
736 1 12/7/2020 0:00 15 3 37
737 1 12/7/2020 0:00 15 3 24
738 1 12/7/2020 0:00 15 3 53
739 1 12/7/2020 0:00 15 3 22
740 1 12/7/2020 0:00 15 3 34
741 1 12/7/2020 0:00 15 3 53
742 1 12/7/2020 0:00 15 3 35
743 1 12/7/2020 0:00 15 3 62
744 1 12/7/2020 0:00 15 3 38
745 1 12/7/2020 0:00 15 3 101
746 1 12/7/2020 0:00 15 3 51
747 1 12/7/2020 0:00 15 3 60
748 1 12/7/2020 0:00 15 3 66
749 1 12/7/2020 0:00 15 3 84
750 1 12/7/2020 0:00 15 3 28
751 1 12/7/2020 0:00 15 3 48
752 1 12/7/2020 0:00 15 3 34
753 1 12/7/2020 0:00 15 3 31
754 1 12/7/2020 0:00 15 3 21
755 1 12/7/2020 0:00 15 3 25
756 1 12/7/2020 0:00 15 3 52
757 1 12/7/2020 0:00 15 3 44
758 1 12/7/2020 0:00 15 3 72
759 1 12/7/2020 0:00 15 3 18
760 1 12/7/2020 0:00 15 3 52
761 1 12/7/2020 0:00 15 3 29
762 1 12/7/2020 0:00 15 3 61
763 1 12/7/2020 0:00 15 3 27
764 1 12/7/2020 0:00 15 3 32
765 1 12/7/2020 0:00 15 3 45
766 1 12/7/2020 0:00 15 3 62
767 1 12/7/2020 0:00 15 3 85
768 1 12/7/2020 0:00 15 3 46
769 1 12/7/2020 0:00 15 3 30
770 1 12/7/2020 0:00 15 3 8
771 1 12/7/2020 0:00 15 3 75
772 1 12/7/2020 0:00 15 3 79
773 1 12/7/2020 0:00 15 3 42
774 1 12/7/2020 0:00 15 3 73
775 1 12/7/2020 0:00 15 3 54
776 1 12/7/2020 0:00 15 3 35
777 1 12/7/2020 0:00 15 3 34
778 1 12/7/2020 0:00 15 3 80
779 1 12/7/2020 0:00 15 3 26
780 1 12/7/2020 0:00 15 3 72
781 1 12/7/2020 0:00 15 3 22
782 1 12/7/2020 0:00 15 3 34
783 1 12/7/2020 0:00 15 3 35
784 1 12/7/2020 0:00 15 3 43
785 1 12/7/2020 0:00 15 3 49
786 1 12/7/2020 0:00 15 3 58
787 1 12/7/2020 0:00 15 3 53
788 1 12/7/2020 0:00 15 3 1
789 1 12/7/2020 0:00 15 3 25
790 1 12/7/2020 0:00 15 3 28
791 1 12/7/2020 0:00 15 3 28
792 1 12/7/2020 0:00 15 3 58
793 1 12/7/2020 0:00 15 3 58
794 1 12/7/2020 0:00 15 3 48
795 1 12/7/2020 0:00 15 3 53
796 1 12/7/2020 0:00 15 3 49
797 1 12/7/2020 0:00 15 3 47
798 1 12/7/2020 0:00 15 3 49
799 1 12/7/2020 0:00 15 3 44
800 1 12/7/2020 0:00 15 3 44
801 1 12/7/2020 0:00 15 3 72
802 1 12/7/2020 0:00 15 3 52
803 1 12/7/2020 0:00 15 3 53
804 1 12/7/2020 0:00 15 3 28
805 1 12/7/2020 0:00 15 3 53
806 1 12/7/2020 0:00 15 3 36
807 1 12/7/2020 0:00 15 3 44
808 1 12/7/2020 0:00 15 3 41
809 1 12/7/2020 0:00 15 3 37
810 1 12/7/2020 0:00 15 3 66
811 1 12/7/2020 0:00 15 3 59
812 1 12/7/2020 0:00 15 3 47
813 1 12/7/2020 0:00 15 3 29
814 1 12/7/2020 0:00 15 3 21
815 1 12/7/2020 0:00 15 3 48
816 1 12/7/2020 0:00 15 3 24
817 1 12/7/2020 0:00 15 3 53
818 1 12/7/2020 0:00 15 3 23
819 1 12/7/2020 0:00 15 3 1
820 1 12/7/2020 0:00 15 3 2
821 1 12/7/2020 0:00 15 3 27
822 1 12/7/2020 0:00 15 3 40
823 1 12/7/2020 0:00 15 3 39
824 1 12/7/2020 0:00 15 3 38
825 1 12/7/2020 0:00 15 3 44
826 1 12/7/2020 0:00 15 3 58
827 1 12/7/2020 0:00 15 3 28
828 1 12/7/2020 0:00 15 3 34
829 1 12/7/2020 0:00 15 3 82
830 1 12/7/2020 0:00 15 3 9
831 1 12/7/2020 0:00 15 3 21
832 1 12/7/2020 0:00 15 3 15
833 1 12/7/2020 0:00 15 3 33
834 1 12/7/2020 0:00 15 3 46
835 1 12/7/2020 0:00 15 3 10
836 1 12/7/2020 0:00 15 3 67
837 1 12/7/2020 0:00 15 3 43
838 1 12/7/2020 0:00 15 3 42
839 1 12/7/2020 0:00 15 3 73
840 1 12/7/2020 0:00 15 3 23
841 1 12/7/2020 0:00 15 3 4
842 1 12/7/2020 0:00 15 3 19
843 1 12/7/2020 0:00 15 3 37
844 1 12/7/2020 0:00 15 3 33
845 1 12/7/2020 0:00 15 3 51
846 1 12/7/2020 0:00 15 3 50
847 1 12/7/2020 0:00 15 3 40
848 1 12/7/2020 0:00 15 3 65
849 1 12/7/2020 0:00 15 3 49
850 1 12/7/2020 0:00 15 3 56
851 1 12/7/2020 0:00 15 3 24
852 1 12/7/2020 0:00 15 3 72
853 1 12/7/2020 0:00 15 3 35
854 1 12/7/2020 0:00 15 3 35
855 1 12/7/2020 0:00 15 3 2
856 1 12/7/2020 0:00 15 3 25
857 1 12/7/2020 0:00 15 3 39
858 1 12/7/2020 0:00 15 3 43
859 1 12/7/2020 0:00 15 3 21
860 1 12/7/2020 0:00 15 3 47
861 1 12/7/2020 0:00 15 3 24
862 1 12/7/2020 0:00 15 3 52
863 1 12/7/2020 0:00 15 3 57
864 1 12/7/2020 0:00 15 3 34
865 1 12/7/2020 0:00 15 3 35
866 1 12/7/2020 0:00 15 3 40
867 1 12/7/2020 0:00 15 3 22
868 1 12/7/2020 0:00 15 3 35
869 1 12/7/2020 0:00 15 3 31
870 1 12/7/2020 0:00 15 3 44
871 1 12/7/2020 0:00 15 3 24
872 1 12/7/2020 0:00 15 3 41
873 1 12/7/2020 0:00 15 3 70
874 1 12/7/2020 0:00 15 3 36
875 1 12/7/2020 0:00 15 3 52
876 1 12/7/2020 0:00 15 3 43
877 1 12/7/2020 0:00 15 3 32
878 1 12/7/2020 0:00 15 3 21
879 1 12/7/2020 0:00 15 3 36
880 1 12/7/2020 0:00 15 3 81
881 1 12/7/2020 0:00 15 3 50
882 1 12/7/2020 0:00 15 3 33
883 1 12/7/2020 0:00 15 3 42
884 1 12/7/2020 0:00 15 3 53
885 1 12/7/2020 0:00 15 3 54
886 1 12/7/2020 0:00 15 3 28
887 1 12/7/2020 0:00 15 3 26
888 1 12/7/2020 0:00 15 3 37
889 1 12/7/2020 0:00 15 3 43
890 1 12/7/2020 0:00 15 3 23
891 1 12/7/2020 0:00 15 3 50
892 1 12/7/2020 0:00 15 3 74
893 1 12/7/2020 0:00 15 3 3
894 1 12/7/2020 0:00 15 3 8
895 1 12/7/2020 0:00 15 3 11
896 1 12/7/2020 0:00 15 3 29
897 1 12/7/2020 0:00 15 3 8
898 1 12/7/2020 0:00 15 3 43
899 1 12/7/2020 0:00 15 3 54
900 1 12/7/2020 0:00 15 3 30
901 1 12/7/2020 0:00 15 3 64
902 1 12/7/2020 0:00 15 3 44
903 1 12/7/2020 0:00 15 3 69
904 1 12/7/2020 0:00 15 3 31
905 1 12/7/2020 0:00 15 3 64
906 1 12/7/2020 0:00 15 3 10
907 1 12/7/2020 0:00 15 3 14
908 1 12/7/2020 0:00 15 3 23
909 1 12/7/2020 0:00 15 3 32
910 1 12/7/2020 0:00 15 3 54
911 1 12/7/2020 0:00 15 3 25
912 1 12/7/2020 0:00 15 3 29
913 1 12/7/2020 0:00 15 3 31
914 1 12/7/2020 0:00 15 3 30
915 1 12/7/2020 0:00 15 3 20
916 1 12/7/2020 0:00 15 3 35
917 1 12/7/2020 0:00 15 3 28
918 1 12/7/2020 0:00 15 3 36
919 1 12/7/2020 0:00 15 3 38
920 1 12/7/2020 0:00 15 3 35
921 1 12/7/2020 0:00 15 3 55
922 1 12/7/2020 0:00 15 3 14
923 1 12/7/2020 0:00 15 3 38
924 1 12/7/2020 0:00 15 3 52
925 1 12/7/2020 0:00 15 3 33
926 1 12/7/2020 0:00 15 3 42
927 1 12/7/2020 0:00 15 3 60
928 1 12/7/2020 0:00 15 3 82
929 1 12/7/2020 0:00 15 3 37
930 1 12/7/2020 0:00 15 3 41
931 1 12/7/2020 0:00 15 3 58
932 1 12/7/2020 0:00 15 3 43
933 1 12/7/2020 0:00 15 3 38
934 1 12/7/2020 0:00 15 3 73
935 1 12/7/2020 0:00 15 3 47
936 1 12/7/2020 0:00 15 3 58
937 1 12/7/2020 0:00 15 3 34
938 1 12/7/2020 0:00 15 3 49
939 1 12/7/2020 0:00 15 3 10
940 1 12/7/2020 0:00 15 3 34
941 1 12/7/2020 0:00 15 3 56
942 1 12/7/2020 0:00 15 3 20
943 1 12/7/2020 0:00 10 3 38
944 1 12/7/2020 0:00 10 3 28
945 1 12/7/2020 0:00 10 3 54
946 1 12/7/2020 0:00 10 3 45
947 1 12/7/2020 0:00 10 3 22
948 1 12/7/2020 0:00 10 3 86
949 1 12/7/2020 0:00 10 3 24
950 1 12/7/2020 0:00 10 3 24
951 1 12/7/2020 0:00 10 3 31
952 1 12/7/2020 0:00 10 3 26
953 1 12/7/2020 0:00 10 3 17
954 1 12/7/2020 0:00 10 3 36
955 1 12/7/2020 0:00 10 3 45
956 1 12/7/2020 0:00 10 3 40
957 1 12/7/2020 0:00 10 3 21
958 1 12/7/2020 0:00 10 3 45
959 1 12/7/2020 0:00 10 3 70
960 1 12/7/2020 0:00 10 3 31
961 1 12/7/2020 0:00 10 3 64
962 1 12/7/2020 0:00 10 3 18
963 1 12/7/2020 0:00 10 3 34
964 1 12/7/2020 0:00 10 3 24
965 1 12/7/2020 0:00 10 3 43
966 1 12/7/2020 0:00 10 3 63
967 1 12/7/2020 0:00 10 3 36
968 1 12/7/2020 0:00 10 3 55
969 1 12/7/2020 0:00 10 3 40
970 1 12/7/2020 0:00 10 3 56
971 1 12/7/2020 0:00 10 3 20
972 1 12/7/2020 0:00 10 3 26
973 1 12/7/2020 0:00 10 3 33
974 1 12/7/2020 0:00 10 3 17
975 1 12/7/2020 0:00 10 3 36
976 1 12/7/2020 0:00 10 3 25
977 1 12/7/2020 0:00 10 3 31
978 1 12/7/2020 0:00 10 3 31
979 1 12/7/2020 0:00 10 3 73
980 1 12/7/2020 0:00 10 3 53
981 1 12/7/2020 0:00 10 3 38
982 1 12/7/2020 0:00 10 3 11
983 1 12/7/2020 0:00 10 3 45
984 1 12/7/2020 0:00 10 3 21
985 1 12/7/2020 0:00 10 3 28
986 1 12/7/2020 0:00 10 3 20
987 1 12/7/2020 0:00 10 3 37
988 1 12/7/2020 0:00 10 3 34
989 1 12/7/2020 0:00 10 3 32
990 1 12/7/2020 0:00 10 3 33
991 1 12/7/2020 0:00 10 3 25
992 1 12/7/2020 0:00 10 3 38
993 1 12/7/2020 0:00 10 3 61
994 1 12/7/2020 0:00 10 3 14
995 1 12/7/2020 0:00 10 3 65
996 1 12/7/2020 0:00 10 3 27
997 1 12/7/2020 0:00 10 3 58
998 1 12/7/2020 0:00 10 3 39
999 1 12/7/2020 0:00 10 3 29
1000 1 12/7/2020 0:00 10 3 48
1001 1 12/7/2020 0:00 10 3 32
1002 1 12/7/2020 0:00 10 3 38
1003 1 12/7/2020 0:00 10 3 27
1004 1 12/7/2020 0:00 10 3 67
1005 1 12/7/2020 0:00 10 3 47
1006 1 12/7/2020 0:00 10 3 26
1007 1 12/7/2020 0:00 10 3 32
1008 1 12/7/2020 0:00 10 3 23
1009 1 12/7/2020 0:00 10 3 26
1010 1 12/7/2020 0:00 10 3 34
1011 1 12/7/2020 0:00 10 3 23
1012 1 12/7/2020 0:00 10 3 33
1013 1 12/7/2020 0:00 10 3 28
1014 1 12/7/2020 0:00 10 3 73
1015 1 12/7/2020 0:00 10 3 57
1016 1 12/7/2020 0:00 10 3 91
1017 1 12/7/2020 0:00 10 3 79
1018 1 12/7/2020 0:00 10 3 40
1019 1 12/7/2020 0:00 10 3 54
1020 1 12/7/2020 0:00 10 3 24
1021 1 12/7/2020 0:00 10 3 34
1022 1 12/7/2020 0:00 10 3 22
1023 1 12/7/2020 0:00 10 3 8
1024 1 12/7/2020 0:00 10 3 29
1025 1 12/7/2020 0:00 10 3 30
1026 1 12/7/2020 0:00 5 1 79
1027 1 12/7/2020 0:00 5 1 36
1028 1 12/7/2020 0:00 5 1 7
1029 1 12/7/2020 0:00 5 1 37
1030 1 12/7/2020 0:00 5 1 27
1031 1 12/7/2020 0:00 5 1 73
1032 1 12/7/2020 0:00 5 1 49
1033 1 12/7/2020 0:00 5 1 25
1034 1 12/7/2020 0:00 5 1 70
1035 1 12/7/2020 0:00 5 1 54
1036 1 12/7/2020 0:00 5 1 29
1037 1 12/7/2020 0:00 5 1 32
1038 1 12/7/2020 0:00 5 1 62
1039 1 12/7/2020 0:00 5 1 63
1040 1 12/7/2020 0:00 5 1 50
1041 1 12/7/2020 0:00 5 1 62
1042 1 12/7/2020 0:00 5 1 30
1043 1 12/7/2020 0:00 5 1 31
1044 1 12/7/2020 0:00 5 1 48
1045 1 12/7/2020 0:00 5 1 36
1046 1 12/7/2020 0:00 5 1 20
1047 1 12/7/2020 0:00 5 1 11
1048 1 12/7/2020 0:00 5 1 24
1049 1 12/7/2020 0:00 5 1 70
1050 1 12/7/2020 0:00 5 1 37
1051 1 12/7/2020 0:00 5 1 23
1052 1 12/7/2020 0:00 5 1 40
1053 1 12/7/2020 0:00 5 1 37
1054 1 12/7/2020 0:00 5 1 46
1055 1 12/7/2020 0:00 5 1 37
1056 1 12/7/2020 0:00 5 1 40
1057 1 12/7/2020 0:00 5 1 25
1058 1 12/7/2020 0:00 5 1 31
1059 1 12/7/2020 0:00 5 1 45
1060 1 12/7/2020 0:00 5 1 32
1061 1 12/7/2020 0:00 5 1 31
1062 1 12/7/2020 0:00 5 1 14
1063 1 12/7/2020 0:00 5 1 25
1064 1 12/7/2020 0:00 5 1 38
1065 1 12/7/2020 0:00 5 1 37
1066 1 12/7/2020 0:00 5 1 31
1067 1 12/7/2020 0:00 5 1 27
1068 1 12/7/2020 0:00 5 1 16
1069 1 12/7/2020 0:00 5 1 36
1070 2 1/8/2020 0:00 14 2 33
1071 2 1/8/2020 0:00 14 2 30
1072 2 1/8/2020 0:00 14 2 66
1073 2 3/8/2020 0:00 10 3 36
1074 2 2/8/2020 0:00 14 2 29
1075 2 2/8/2020 0:00 14 2 26
1076 2 2/8/2020 0:00 10 3 29
1077 2 3/8/2020 0:00 10 3 38
1078 2 2/8/2020 0:00 5 1 46
1079 2 2/8/2020 0:00 5 1 28
1080 2 2/8/2020 0:00 5 1 46
1081 2 3/8/2020 0:00 14 2 25
1082 2 3/8/2020 0:00 14 2 66
1083 2 3/8/2020 0:00 14 2 56
1084 2 3/8/2020 0:00 14 2 60
1085 2 3/8/2020 0:00 14 2 66
1086 2 3/8/2020 0:00 14 2 84
1087 2 3/8/2020 0:00 10 3 25
1088 2 3/8/2020 0:00 5 1 39
1089 2 3/8/2020 0:00 5 1 47
1090 2 3/8/2020 0:00 10 3 22
1091 2 3/8/2020 0:00 5 1 49
1092 2 3/8/2020 0:00 5 1 6
1093 2 3/8/2020 0:00 5 1 29
1094 2 3/8/2020 0:00 5 1 25
1095 2 3/8/2020 0:00 15 5 49
1096 2 3/8/2020 0:00 5 1 29
1097 2 3/8/2020 0:00 15 5 14
1098 2 3/8/2020 0:00 15 5 34
1099 2 3/8/2020 0:00 5 1 42
1100 2 3/8/2020 0:00 5 1 71
1101 2 3/8/2020 0:00 5 1 46
1102 2 3/8/2020 0:00 15 5 24
1103 2 3/8/2020 0:00 15 5 43
1104 2 3/8/2020 0:00 15 5 45
1105 2 3/8/2020 0:00 5 1 27
1106 2 3/8/2020 0:00 5 1 32
1107 2 3/8/2020 0:00 5 1 30
1108 2 3/8/2020 0:00 5 1 65
1109 2 2/8/2020 0:00 15 5 35
1110 2 3/8/2020 0:00 10 3 54
1111 2 3/8/2020 0:00 10 3 51
1112 2 3/8/2020 0:00 5 1 57
1113 2 3/8/2020 0:00 5 1 42
1114 2 3/8/2020 0:00 10 3 39
1115 2 3/8/2020 0:00 10 3 36
1116 2 1/8/2020 0:00 10 3 56
1117 2 1/8/2020 0:00 14 2 64
1118 2 1/8/2020 0:00 10 3 43
1119 2 1/8/2020 0:00 14 2 59
1120 2 1/8/2020 0:00 5 1 36
1121 2 1/8/2020 0:00 14 2 43
1122 2 2/8/2020 0:00 14 2 47
1123 2 2/8/2020 0:00 10 3 3
1124 2 3/8/2020 0:00 10 3 52
1125 2 3/8/2020 0:00 10 3 31
1126 2 2/8/2020 0:00 5 1 37
1127 2 2/8/2020 0:00 10 3 46
1128 2 2/8/2020 0:00 5 1 60
1129 2 3/8/2020 0:00 5 4 76
1130 2 3/8/2020 0:00 14 2 65
1131 2 3/8/2020 0:00 14 2 20
1132 2 3/8/2020 0:00 14 2 38
1133 2 3/8/2020 0:00 10 3 45
1134 2 3/8/2020 0:00 10 3 28
1135 2 3/8/2020 0:00 10 3 61
1136 2 3/8/2020 0:00 5 1 52
1137 2 3/8/2020 0:00 5 1 54
1138 2 3/8/2020 0:00 5 1 54
1139 2 3/8/2020 0:00 10 3 32
1140 2 3/8/2020 0:00 10 3 54
1141 2 3/8/2020 0:00 5 1 33
1142 2 3/8/2020 0:00 5 1 19
1143 2 3/8/2020 0:00 5 1 22
1144 2 3/8/2020 0:00 5 1 36
1145 2 3/8/2020 0:00 5 4 55
1146 2 3/8/2020 0:00 5 1 17
1147 2 3/8/2020 0:00 5 1 36
1148 2 3/8/2020 0:00 5 1 64
1149 2 3/8/2020 0:00 10 3 50
1150 2 3/8/2020 0:00 14 2 51
1151 2 3/8/2020 0:00 10 3 24
1152 2 3/8/2020 0:00 10 3 15
1153 2 3/8/2020 0:00 10 3 46
1154 2 3/8/2020 0:00 10 3 23
1155 2 3/8/2020 0:00 14 2 69
1156 2 3/8/2020 0:00 10 3 76
1157 2 3/8/2020 0:00 5 1 34
1158 2 3/8/2020 0:00 5 1 46
1159 2 3/8/2020 0:00 5 1 3
1160 2 3/8/2020 0:00 5 1 48
1161 2 3/8/2020 0:00 14 2 49
1162 2 3/8/2020 0:00 14 2 30
1163 2 3/8/2020 0:00 14 2 51
1164 2 3/8/2020 0:00 14 2 43
1165 2 3/8/2020 0:00 14 2 24
1166 2 1/8/2020 0:00 14 2 29
1167 2 1/8/2020 0:00 10 3 30
1168 2 2/8/2020 0:00 10 3 51
1169 2 3/8/2020 0:00 10 3 32
1170 2 2/8/2020 0:00 14 2 40
1171 2 3/8/2020 0:00 5 1 37
1172 2 3/8/2020 0:00 10 3 50
1173 2 3/8/2020 0:00 5 1 83
1174 2 3/8/2020 0:00 5 1 43
1175 2 3/8/2020 0:00 15 5 33
1176 2 3/8/2020 0:00 5 1 60
1177 2 3/8/2020 0:00 5 4 38
1178 2 3/8/2020 0:00 5 1 53
1179 2 3/8/2020 0:00 10 3 35
1180 2 3/8/2020 0:00 10 3 47
1181 2 3/8/2020 0:00 10 3 58
1182 2 3/8/2020 0:00 10 3 35
1183 2 3/8/2020 0:00 10 3 43
1184 2 3/8/2020 0:00 10 3 37
1185 2 3/8/2020 0:00 10 3 51
1186 2 1/8/2020 0:00 14 2 28
1187 2 1/8/2020 0:00 14 2 45
1188 2 1/8/2020 0:00 5 1 65
1189 2 2/8/2020 0:00 14 2 33
1190 2 2/8/2020 0:00 5 1 41
1191 2 2/8/2020 0:00 10 3 30
1192 2 2/8/2020 0:00 10 3 39
1193 2 3/8/2020 0:00 14 2 17
1194 2 3/8/2020 0:00 14 2 30
1195 2 3/8/2020 0:00 5 1 53
1196 2 3/8/2020 0:00 5 1 18
1197 2 3/8/2020 0:00 15 5 28
1198 2 3/8/2020 0:00 5 1 24
1199 2 3/8/2020 0:00 5 1 26
1200 2 3/8/2020 0:00 15 5 21
1201 2 3/8/2020 0:00 15 5 65
1202 2 3/8/2020 0:00 5 1 73
1203 2 3/8/2020 0:00 5 1 43
1204 2 3/8/2020 0:00 15 5 20
1205 2 3/8/2020 0:00 10 3 24
1206 2 3/8/2020 0:00 10 3 33
1207 2 3/8/2020 0:00 10 3 19
1208 2 3/8/2020 0:00 10 3 53
1209 2 4/8/2020 0:00 10 3 55
1210 2 1/8/2020 0:00 10 3 32
1211 2 2/8/2020 0:00 5 1 32
1212 2 3/8/2020 0:00 10 3 52
1213 2 2/8/2020 0:00 5 1 62
1214 2 2/8/2020 0:00 10 3 34
1215 2 2/8/2020 0:00 14 2 59
1216 2 3/8/2020 0:00 14 2 67
1217 2 3/8/2020 0:00 5 1 37
1218 2 3/8/2020 0:00 5 1 46
1219 2 3/8/2020 0:00 5 1 4
1220 2 3/8/2020 0:00 5 1 58
1221 2 3/8/2020 0:00 5 1 47
1222 2 3/8/2020 0:00 5 1 36
1223 2 3/8/2020 0:00 14 2 33
1224 2 3/8/2020 0:00 5 1 29
1225 2 3/8/2020 0:00 10 3 14
1226 2 3/8/2020 0:00 10 3 45
1227 2 3/8/2020 0:00 10 3 14
1228 2 3/8/2020 0:00 14 2 34
1229 2 3/8/2020 0:00 10 3 58
1230 2 3/8/2020 0:00 10 3 53
1231 2 3/8/2020 0:00 5 1 34
1232 2 1/8/2020 0:00 10 3 19
1233 2 1/8/2020 0:00 5 1 10
1234 2 1/8/2020 0:00 10 3 55
1235 2 1/8/2020 0:00 5 1 32
1236 2 2/8/2020 0:00 5 1 36
1237 2 3/8/2020 0:00 10 3 44
1238 2 3/8/2020 0:00 5 1 52
1239 2 3/8/2020 0:00 5 1 67
1240 2 3/8/2020 0:00 10 3 26
1241 2 3/8/2020 0:00 5 1 43
1242 2 3/8/2020 0:00 5 1 26
1243 2 3/8/2020 0:00 14 2 62
1244 2 3/8/2020 0:00 10 3 54
1245 2 3/8/2020 0:00 5 1 45
1246 2 1/8/2020 0:00 5 1 58
1247 2 1/8/2020 0:00 10 3 4
1248 2 1/8/2020 0:00 5 1 52
1249 2 2/8/2020 0:00 10 3 46
1250 2 2/8/2020 0:00 10 3 23
1251 2 3/8/2020 0:00 14 2 78
1252 2 3/8/2020 0:00 5 1 35
1253 2 3/8/2020 0:00 10 3 63
1254 2 3/8/2020 0:00 14 2 68
1255 2 3/8/2020 0:00 14 2 69
1256 2 3/8/2020 0:00 10 3 20
1257 2 3/8/2020 0:00 5 1 7
1258 2 3/8/2020 0:00 5 1 10
1259 2 3/8/2020 0:00 5 1 70
1260 2 3/8/2020 0:00 5 1 71
1261 2 3/8/2020 0:00 5 1 29
1262 2 3/8/2020 0:00 5 1 44
1263 2 3/8/2020 0:00 5 1 15
1264 2 3/8/2020 0:00 5 1 61
1265 2 3/8/2020 0:00 5 1 67
1266 2 3/8/2020 0:00 5 1 48
1267 2 3/8/2020 0:00 5 1 51
1268 2 3/8/2020 0:00 5 1 97
1269 2 3/8/2020 0:00 5 1 36
1270 2 3/8/2020 0:00 5 1 43
1271 2 3/8/2020 0:00 5 1 65
1272 2 3/8/2020 0:00 5 1 11
1273 2 3/8/2020 0:00 5 1 11
1274 2 3/8/2020 0:00 5 1 15
1275 2 3/8/2020 0:00 5 1 15
1276 2 3/8/2020 0:00 5 1 29
1277 2 3/8/2020 0:00 5 1 6
1278 2 1/8/2020 0:00 10 3 56
1279 2 1/8/2020 0:00 10 3 17
1280 2 2/8/2020 0:00 10 3 51
1281 2 2/8/2020 0:00 10 3 34
1282 2 2/8/2020 0:00 10 3 58
1283 2 2/8/2020 0:00 10 3 50
1284 2 3/8/2020 0:00 10 3 18
1285 2 3/8/2020 0:00 5 1 23
1286 2 3/8/2020 0:00 10 3 37
1287 2 3/8/2020 0:00 5 1 49
1288 2 3/8/2020 0:00 5 1 45
1289 2 3/8/2020 0:00 14 2 57
1290 2 1/8/2020 0:00 5 1 67
1291 2 1/8/2020 0:00 5 1 52
1292 2 2/8/2020 0:00 10 3 50
1293 2 3/8/2020 0:00 10 3 6
1294 2 3/8/2020 0:00 10 3 23
1295 2 3/8/2020 0:00 5 1 40
1296 2 3/8/2020 0:00 5 1 33
1297 2 3/8/2020 0:00 5 1 29
1298 2 3/8/2020 0:00 10 3 68
1299 2 1/8/2020 0:00 5 1 69
1300 2 3/8/2020 0:00 10 3 75
1301 2 3/8/2020 0:00 5 1 2
1302 2 3/8/2020 0:00 10 3 68
1303 2 3/8/2020 0:00 5 1 45
1304 2 1/8/2020 0:00 10 3 51
1305 2 1/8/2020 0:00 5 1 36
1306 2 1/8/2020 0:00 10 3 20
1307 2 3/8/2020 0:00 10 3 39
1308 2 3/8/2020 0:00 5 4 25
1309 2 3/8/2020 0:00 10 3 101
1310 2 3/8/2020 0:00 10 3 82
1311 2 3/8/2020 0:00 10 3 60
1312 2 3/8/2020 0:00 5 1 33
1313 2 1/8/2020 0:00 5 1 30
1314 2 1/8/2020 0:00 10 3 28
1315 2 2/8/2020 0:00 15 5 30
1316 2 2/8/2020 0:00 15 5 23
1317 2 2/8/2020 0:00 15 5 29
1318 2 2/8/2020 0:00 15 5 39
1319 2 2/8/2020 0:00 15 5 20
1320 2 2/8/2020 0:00 10 3 40
1321 2 2/8/2020 0:00 10 3 40
1322 2 3/8/2020 0:00 10 3 33
1323 2 3/8/2020 0:00 10 3 25
1324 2 3/8/2020 0:00 10 3 24
1325 2 3/8/2020 0:00 10 3 29
1326 2 3/8/2020 0:00 5 1 92
1327 2 1/8/2020 0:00 5 1 38
1328 2 2/8/2020 0:00 10 3 32
1329 2 2/8/2020 0:00 10 3 25
1330 2 1/8/2020 0:00 10 3 29
1331 2 1/8/2020 0:00 5 1 48
1332 2 1/8/2020 0:00 5 1 48
1333 2 1/8/2020 0:00 10 3 43
1334 2 3/8/2020 0:00 5 1 31
1335 2 3/8/2020 0:00 5 1 39
1336 2 3/8/2020 0:00 5 1 37
1337 2 3/8/2020 0:00 10 3 83
1338 2 1/8/2020 0:00 5 1 30
1339 2 1/8/2020 0:00 5 1 14
1340 2 4/8/2020 0:00 10 3 26
1341 2 3/8/2020 0:00 5 1 29
1342 2 4/8/2020 0:00 5 1 33
1343 2 4/8/2020 0:00 5 1 38
1344 2 4/8/2020 0:00 5 1 35
1345 2 4/8/2020 0:00 5 1 67
1346 2 4/8/2020 0:00 5 1 14
1347 2 4/8/2020 0:00 10 3 21
1348 2 4/8/2020 0:00 10 3 35
1349 2 4/8/2020 0:00 5 1 10
1350 2 4/8/2020 0:00 5 1 52
1351 2 4/8/2020 0:00 10 3 47
1352 2 4/8/2020 0:00 5 1 40
1353 2 4/8/2020 0:00 5 1 47
1354 2 4/8/2020 0:00 15 5 19
1355 2 4/8/2020 0:00 5 1 65
1356 2 4/8/2020 0:00 10 3 20
1357 2 4/8/2020 0:00 5 1 36
1358 2 4/8/2020 0:00 10 3 45
1359 2 4/8/2020 0:00 5 1 11
1360 2 4/8/2020 0:00 5 1 22
1361 2 4/8/2020 0:00 5 1 9
1362 2 4/8/2020 0:00 5 1 56
1363 2 4/8/2020 0:00 5 1 52
1364 2 3/8/2020 0:00 5 1 73
1365 2 3/8/2020 0:00 5 1 40
1366 2 3/8/2020 0:00 10 3 21
1367 2 3/8/2020 0:00 14 1 30
1368 2 3/8/2020 0:00 10 3 41
1369 2 3/8/2020 0:00 10 3 48
1370 2 3/8/2020 0:00 10 3 31
1371 2 3/8/2020 0:00 10 3 9
1372 2 3/8/2020 0:00 10 3 35
1373 2 3/8/2020 0:00 10 3 72
1374 2 2/8/2020 0:00 10 3 69
1375 2 3/8/2020 0:00 10 3 45
1376 2 3/8/2020 0:00 10 3 32
1377 2 3/8/2020 0:00 10 3 79
1378 2 3/8/2020 0:00 10 3 50
1379 2 3/8/2020 0:00 10 3 20
1380 2 2/8/2020 0:00 10 3 26
1381 2 3/8/2020 0:00 10 3 40
1382 2 3/8/2020 0:00 10 3 35
1383 2 2/8/2020 0:00 10 3 50
1384 2 3/8/2020 0:00 10 3 65
1385 2 2/8/2020 0:00 10 3 42
1386 2 2/8/2020 0:00 10 3 45
1387 2 2/8/2020 0:00 10 3 2
1388 2 3/8/2020 0:00 10 3 24
1389 2 2/8/2020 0:00 10 3 41
1390 2 2/8/2020 0:00 10 3 25
1391 2 2/8/2020 0:00 10 3 39
1392 2 3/8/2020 0:00 10 3 50
1393 2 2/8/2020 0:00 10 3 71
1394 2 2/8/2020 0:00 10 3 38
1395 2 3/8/2020 0:00 10 3 57
1396 2 3/8/2020 0:00 10 3 43
1397 2 3/8/2020 0:00 10 3 27
1398 2 3/8/2020 0:00 10 3 29
1399 2 3/8/2020 0:00 10 3 51
1400 2 2/8/2020 0:00 10 3 29
1401 2 2/8/2020 0:00 10 3 59
1402 2 3/8/2020 0:00 10 3 9
1403 2 3/8/2020 0:00 10 3 30
1404 2 3/8/2020 0:00 10 3 53
1405 2 2/8/2020 0:00 10 3 33
1406 2 2/8/2020 0:00 10 3 39
1407 2 3/8/2020 0:00 10 3 29
1408 2 3/8/2020 0:00 10 3 48
1409 2 3/8/2020 0:00 10 3 36
1410 2 2/8/2020 0:00 10 3 26
1411 2 2/8/2020 0:00 10 3 28
1412 2 2/8/2020 0:00 10 3 42
1413 2 2/8/2020 0:00 10 3 18
1414 2 2/8/2020 0:00 10 3 22
1415 2 2/8/2020 0:00 10 3 22
1416 2 2/8/2020 0:00 10 3 23
1417 2 2/8/2020 0:00 10 3 26
1418 2 2/8/2020 0:00 10 3 38
1419 2 2/8/2020 0:00 10 3 43
1420 2 2/8/2020 0:00 10 3 43
1421 2 2/8/2020 0:00 10 3 25
1422 2 2/8/2020 0:00 10 3 27
1423 2 2/8/2020 0:00 10 3 27
1424 2 2/8/2020 0:00 10 3 27
1425 2 2/8/2020 0:00 10 3 36
1426 2 2/8/2020 0:00 10 3 51
1427 2 2/8/2020 0:00 10 3 58
1428 2 2/8/2020 0:00 10 3 21
1429 2 2/8/2020 0:00 10 3 25
1430 2 2/8/2020 0:00 10 3 27
1431 2 2/8/2020 0:00 10 3 29
1432 2 2/8/2020 0:00 10 3 35
1433 2 2/8/2020 0:00 10 3 35
1434 2 2/8/2020 0:00 10 3 51
1435 2 2/8/2020 0:00 10 3 31
1436 2 2/8/2020 0:00 10 3 45
1437 2 2/8/2020 0:00 10 3 52
1438 2 2/8/2020 0:00 10 3 63
1439 2 3/8/2020 0:00 10 3 34
1440 2 3/8/2020 0:00 10 3 53
1441 2 2/8/2020 0:00 10 3 39
1442 2 3/8/2020 0:00 10 3 39
1443 2 2/8/2020 0:00 10 3 66
1444 2 3/8/2020 0:00 10 3 45
1445 2 3/8/2020 0:00 10 3 41
1446 2 3/8/2020 0:00 10 3 51
1447 2 3/8/2020 0:00 10 3 20
1448 2 3/8/2020 0:00 10 3 53
1449 2 3/8/2020 0:00 10 3 40
1450 2 3/8/2020 0:00 10 3 24
1451 2 3/8/2020 0:00 10 3 20
1452 2 3/8/2020 0:00 10 3 45
1453 2 3/8/2020 0:00 10 3 22
1454 2 3/8/2020 0:00 10 3 30
1455 2 3/8/2020 0:00 10 3 23
1456 2 3/8/2020 0:00 10 3 21
1457 2 3/8/2020 0:00 10 3 35
1458 2 3/8/2020 0:00 10 3 34
1459 2 3/8/2020 0:00 10 3 43
1460 2 3/8/2020 0:00 10 3 23
1461 2 3/8/2020 0:00 10 3 50
1462 2 3/8/2020 0:00 10 3 32
1463 2 3/8/2020 0:00 10 3 22
1464 2 3/8/2020 0:00 10 3 14
1465 2 3/8/2020 0:00 10 3 63
1466 2 3/8/2020 0:00 10 3 83
1467 2 3/8/2020 0:00 10 3 49
1468 2 3/8/2020 0:00 10 3 23
1469 2 3/8/2020 0:00 10 3 36
1470 2 3/8/2020 0:00 10 3 38
1471 2 3/8/2020 0:00 10 3 55
1472 2 3/8/2020 0:00 10 3 36
1473 2 3/8/2020 0:00 10 3 39
1474 2 2/8/2020 0:00 10 3 36
1475 2 3/8/2020 0:00 10 3 27
1476 2 3/8/2020 0:00 10 3 15
1477 2 3/8/2020 0:00 10 3 26
1478 2 3/8/2020 0:00 10 3 33
1479 2 3/8/2020 0:00 10 3 27
1480 2 3/8/2020 0:00 10 3 23
1481 2 3/8/2020 0:00 10 3 43
1482 2 3/8/2020 0:00 10 3 32
1483 2 3/8/2020 0:00 10 3 39
1484 2 3/8/2020 0:00 10 3 67
1485 2 3/8/2020 0:00 10 3 45
1486 2 2/8/2020 0:00 10 3 46
1487 2 3/8/2020 0:00 10 3 28
1488 2 2/8/2020 0:00 10 3 59
1489 2 3/8/2020 0:00 10 3 54
1490 2 2/8/2020 0:00 10 3 27
1491 2 2/8/2020 0:00 10 3 3
1492 2 3/8/2020 0:00 10 3 57
1493 2 3/8/2020 0:00 10 3 9
1494 2 3/8/2020 0:00 10 3 29
1495 2 2/8/2020 0:00 10 3 27
1496 2 3/8/2020 0:00 10 3 13
1497 2 3/8/2020 0:00 10 3 53
1498 2 3/8/2020 0:00 10 3 33
1499 2 3/8/2020 0:00 10 3 23
1500 2 2/8/2020 0:00 10 3 47
1501 2 2/8/2020 0:00 10 3 52
1502 2 2/8/2020 0:00 10 3 18
1503 2 3/8/2020 0:00 10 3 47
1504 2 3/8/2020 0:00 10 3 40
1505 2 3/8/2020 0:00 10 3 24
1506 2 3/8/2020 0:00 10 3 54
1507 2 2/8/2020 0:00 10 3 31
1508 2 2/8/2020 0:00 10 3 57
1509 2 2/8/2020 0:00 10 3 56
1510 2 3/8/2020 0:00 10 3 20
1511 2 3/8/2020 0:00 10 3 20
1512 2 3/8/2020 0:00 10 3 20
1513 2 3/8/2020 0:00 10 3 20
1514 2 3/8/2020 0:00 10 3 20
1515 2 2/8/2020 0:00 10 3 29
1516 2 2/8/2020 0:00 10 3 33
1517 2 2/8/2020 0:00 10 3 65
1518 2 3/8/2020 0:00 10 3 38
1519 2 2/8/2020 0:00 10 3 10
1520 2 3/8/2020 0:00 10 3 63
1521 2 3/8/2020 0:00 10 3 24
1522 2 2/8/2020 0:00 10 3 41
1523 2 3/8/2020 0:00 10 3 62
1524 2 2/8/2020 0:00 10 3 21
1525 2 2/8/2020 0:00 10 3 57
1526 2 3/8/2020 0:00 10 3 9
1527 2 3/8/2020 0:00 10 3 34
1528 2 3/8/2020 0:00 10 3 54
1529 2 3/8/2020 0:00 10 3 26
1530 2 2/8/2020 0:00 10 3 33
1531 2 2/8/2020 0:00 10 3 41
1532 2 2/8/2020 0:00 10 3 42
1533 2 3/8/2020 0:00 10 3 14
1534 2 2/8/2020 0:00 10 3 38
1535 2 3/8/2020 0:00 10 3 11
1536 2 2/8/2020 0:00 10 3 56
1537 2 3/8/2020 0:00 10 3 19
1538 2 2/8/2020 0:00 10 3 82
1539 2 2/8/2020 0:00 10 3 76
1540 2 2/8/2020 0:00 10 3 55
1541 2 2/8/2020 0:00 10 3 63
1542 2 3/8/2020 0:00 10 3 39
1543 2 2/8/2020 0:00 10 3 54
1544 2 2/8/2020 0:00 10 3 76
1545 2 3/8/2020 0:00 10 3 43
1546 2 2/8/2020 0:00 10 3 16
1547 2 2/8/2020 0:00 10 3 35
1548 2 3/8/2020 0:00 10 3 53
1549 2 3/8/2020 0:00 10 3 38
1550 2 3/8/2020 0:00 10 3 55
1551 2 3/8/2020 0:00 10 3 53
1552 2 3/8/2020 0:00 10 3 79
1553 2 2/8/2020 0:00 10 3 22
1554 2 2/8/2020 0:00 10 3 37
1555 2 2/8/2020 0:00 10 3 12
1556 2 2/8/2020 0:00 10 3 38
1557 2 3/8/2020 0:00 10 3 30
1558 2 3/8/2020 0:00 10 3 37
1559 2 2/8/2020 0:00 10 3 33
1560 2 2/8/2020 0:00 10 3 48
1561 2 2/8/2020 0:00 10 3 43
1562 2 3/8/2020 0:00 10 3 42
1563 2 3/8/2020 0:00 10 3 26
1564 2 3/8/2020 0:00 10 3 24
1565 2 2/8/2020 0:00 10 3 45
1566 2 3/8/2020 0:00 10 3 64
1567 2 2/8/2020 0:00 10 3 26
1568 2 3/8/2020 0:00 10 3 22
1569 2 3/8/2020 0:00 10 3 39
1570 2 2/8/2020 0:00 10 3 30
1571 2 2/8/2020 0:00 10 3 75
1572 2 2/8/2020 0:00 10 3 2
1573 2 2/8/2020 0:00 10 3 8
1574 2 2/8/2020 0:00 10 3 15
1575 2 2/8/2020 0:00 10 3 26
1576 2 2/8/2020 0:00 10 3 31
1577 2 2/8/2020 0:00 10 3 54
1578 2 2/8/2020 0:00 10 3 50
1579 2 2/8/2020 0:00 10 3 71
1580 2 3/8/2020 0:00 10 3 70
1581 2 2/8/2020 0:00 10 3 48
1582 2 3/8/2020 0:00 10 3 41
1583 2 3/8/2020 0:00 10 3 51
1584 2 3/8/2020 0:00 10 3 41
1585 2 3/8/2020 0:00 10 3 30
1586 2 3/8/2020 0:00 10 3 31
1587 2 2/8/2020 0:00 10 3 26
1588 2 2/8/2020 0:00 10 3 60
1589 2 2/8/2020 0:00 10 3 56
1590 2 3/8/2020 0:00 10 3 63
1591 2 2/8/2020 0:00 10 3 28
1592 2 3/8/2020 0:00 10 3 50
1593 2 3/8/2020 0:00 10 3 31
1594 2 3/8/2020 0:00 10 3 19
1595 2 3/8/2020 0:00 10 3 23
1596 2 3/8/2020 0:00 10 3 47
1597 2 3/8/2020 0:00 10 3 16
1598 2 2/8/2020 0:00 10 3 74
1599 2 2/8/2020 0:00 10 3 17
1600 2 3/8/2020 0:00 10 3 41
1601 2 3/8/2020 0:00 10 3 38
1602 2 2/8/2020 0:00 10 3 49
1603 2 3/8/2020 0:00 10 3 27
1604 2 2/8/2020 0:00 10 3 61
1605 2 3/8/2020 0:00 10 3 24
1606 2 3/8/2020 0:00 10 3 25
1607 2 3/8/2020 0:00 10 3 51
1608 2 3/8/2020 0:00 10 3 23
1609 2 2/8/2020 0:00 10 3 73
1610 2 2/8/2020 0:00 10 3 35
1611 2 3/8/2020 0:00 10 3 31
1612 2 2/8/2020 0:00 10 3 31
1613 2 3/8/2020 0:00 10 3 26
1614 2 2/8/2020 0:00 10 3 58
1615 2 3/8/2020 0:00 10 3 44
1616 2 3/8/2020 0:00 10 3 28
1617 2 3/8/2020 0:00 10 3 34
1618 2 3/8/2020 0:00 10 3 40
1619 2 3/8/2020 0:00 10 3 15
1620 2 3/8/2020 0:00 10 3 20
1621 2 3/8/2020 0:00 10 3 22
1622 2 2/8/2020 0:00 10 3 75
1623 2 2/8/2020 0:00 10 3 40
1624 2 3/8/2020 0:00 10 3 26
1625 2 3/8/2020 0:00 10 3 46
1626 2 2/8/2020 0:00 10 3 63
1627 2 2/8/2020 0:00 10 3 84
1628 2 2/8/2020 0:00 10 3 50
1629 2 3/8/2020 0:00 10 3 46
1630 2 2/8/2020 0:00 10 3 51
1631 2 3/8/2020 0:00 10 3 36
1632 2 3/8/2020 0:00 10 3 44
1633 2 2/8/2020 0:00 10 3 29
1634 2 2/8/2020 0:00 10 3 62
1635 2 2/8/2020 0:00 10 3 63
1636 2 3/8/2020 0:00 10 3 40
1637 2 3/8/2020 0:00 10 3 24
1638 2 3/8/2020 0:00 10 3 29
1639 2 3/8/2020 0:00 10 3 39
1640 2 2/8/2020 0:00 10 3 27
1641 2 2/8/2020 0:00 10 3 22
1642 2 3/8/2020 0:00 10 3 24
1643 2 3/8/2020 0:00 10 3 19
1644 2 3/8/2020 0:00 10 3 67
1645 2 3/8/2020 0:00 10 3 65
1646 2 3/8/2020 0:00 10 3 30
1647 2 2/8/2020 0:00 10 3 43
1648 2 2/8/2020 0:00 10 3 26
1649 2 3/8/2020 0:00 10 3 63
1650 2 2/8/2020 0:00 10 3 61
1651 2 2/8/2020 0:00 10 3 89
1652 2 3/8/2020 0:00 10 3 51
1653 2 2/8/2020 0:00 10 3 44
1654 2 2/8/2020 0:00 10 3 13
1655 2 3/8/2020 0:00 10 3 74
1656 2 2/8/2020 0:00 10 3 40
1657 2 2/8/2020 0:00 10 3 25
1658 2 2/8/2020 0:00 10 3 49
1659 2 2/8/2020 0:00 10 3 22
1660 2 2/8/2020 0:00 10 3 60
1661 2 3/8/2020 0:00 10 3 58
1662 2 3/8/2020 0:00 10 3 21
1663 2 2/8/2020 0:00 10 3 52
1664 2 2/8/2020 0:00 10 3 61
1665 2 2/8/2020 0:00 10 3 62
1666 2 2/8/2020 0:00 10 3 78
1667 2 3/8/2020 0:00 10 3 43
1668 2 3/8/2020 0:00 10 3 44
1669 2 3/8/2020 0:00 10 3 61
1670 2 2/8/2020 0:00 10 3 43
1671 2 3/8/2020 0:00 10 3 40
1672 2 3/8/2020 0:00 10 3 35
1673 2 2/8/2020 0:00 10 3 41
1674 2 2/8/2020 0:00 10 3 34
1675 2 2/8/2020 0:00 10 3 26
1676 2 2/8/2020 0:00 10 3 55
1677 2 2/8/2020 0:00 10 3 58
1678 2 3/8/2020 0:00 10 3 56
1679 2 2/8/2020 0:00 10 3 39
1680 2 3/8/2020 0:00 10 3 69
1681 2 3/8/2020 0:00 10 3 31
1682 2 3/8/2020 0:00 10 3 23
1683 2 2/8/2020 0:00 10 3 45
1684 2 2/8/2020 0:00 10 3 50
1685 2 3/8/2020 0:00 10 3 43
1686 2 3/8/2020 0:00 10 3 50
1687 2 2/8/2020 0:00 10 3 9
1688 2 2/8/2020 0:00 10 3 23
1689 2 3/8/2020 0:00 10 3 60
1690 2 3/8/2020 0:00 10 3 38
1691 2 3/8/2020 0:00 10 3 38
1692 2 3/8/2020 0:00 10 3 46
1693 2 2/8/2020 0:00 10 3 26
1694 2 2/8/2020 0:00 10 3 28
1695 2 2/8/2020 0:00 10 3 22
1696 2 3/8/2020 0:00 10 3 10
1697 2 3/8/2020 0:00 10 3 50
1698 2 3/8/2020 0:00 10 3 21
1699 2 3/8/2020 0:00 10 3 43
1700 2 3/8/2020 0:00 10 3 35
1701 2 3/8/2020 0:00 10 3 78
1702 2 3/8/2020 0:00 10 3 41
1703 2 2/8/2020 0:00 10 3 32
1704 2 3/8/2020 0:00 10 3 64
1705 2 2/8/2020 0:00 10 3 40
1706 2 3/8/2020 0:00 10 3 29
1707 2 3/8/2020 0:00 10 3 54
1708 2 2/8/2020 0:00 10 3 42
1709 2 2/8/2020 0:00 10 3 16
1710 2 3/8/2020 0:00 10 3 28
1711 2 3/8/2020 0:00 10 3 48
1712 2 2/8/2020 0:00 10 3 64
1713 2 25/7/2020 0:00:00 10 3 63
1714 2 3/8/2020 0:00 10 3 45
1715 2 3/8/2020 0:00 10 3 16
1716 2 2/8/2020 0:00 10 3 29
1717 2 3/8/2020 0:00 10 3 67
1718 2 2/8/2020 0:00 10 3 24
1719 2 3/8/2020 0:00 10 3 66
1720 2 2/8/2020 0:00 10 3 37
1721 2 3/8/2020 0:00 10 3 43
1722 2 3/8/2020 0:00 10 3 56
1723 2 3/8/2020 0:00 10 3 41
1724 2 2/8/2020 0:00 10 3 59
1725 2 2/8/2020 0:00 10 3 49
1726 2 3/8/2020 0:00 10 3 31
1727 2 2/8/2020 0:00 10 3 22
1728 2 2/8/2020 0:00 10 3 37
1729 2 3/8/2020 0:00 10 3 28
1730 2 3/8/2020 0:00 10 3 27
1731 2 3/8/2020 0:00 10 3 35
1732 2 3/8/2020 0:00 10 3 32
1733 2 3/8/2020 0:00 10 3 26
1734 2 3/8/2020 0:00 10 3 57
1735 2 3/8/2020 0:00 10 3 59
1736 2 3/8/2020 0:00 10 3 25
1737 2 2/8/2020 0:00 10 3 30
1738 2 3/8/2020 0:00 10 3 25
1739 2 3/8/2020 0:00 10 3 70
1740 2 2/8/2020 0:00 10 3 29
1741 2 2/8/2020 0:00 10 3 11
1742 2 2/8/2020 0:00 10 3 77
1743 2 2/8/2020 0:00 10 3 39
1744 2 3/8/2020 0:00 10 3 24
1745 2 2/8/2020 0:00 10 3 4
1746 2 2/8/2020 0:00 10 3 49
1747 2 2/8/2020 0:00 10 3 34
1748 2 2/8/2020 0:00 10 3 28
1749 2 3/8/2020 0:00 10 3 22
1750 2 2/8/2020 0:00 10 3 67
1751 2 3/8/2020 0:00 10 3 35
1752 2 2/8/2020 0:00 10 3 25
1753 2 2/8/2020 0:00 10 3 28
1754 2 3/8/2020 0:00 10 3 56
1755 2 3/8/2020 0:00 10 3 64
1756 2 3/8/2020 0:00 10 3 51
1757 2 2/8/2020 0:00 10 3 24
1758 2 3/8/2020 0:00 10 3 84
1759 2 3/8/2020 0:00 10 3 26
1760 2 3/8/2020 0:00 10 3 27
1761 2 1/8/2020 0:00 10 3 87
1762 2 2/8/2020 0:00 10 3 26
1763 2 2/8/2020 0:00 10 3 50
1764 2 2/8/2020 0:00 10 3 45
1765 2 2/8/2020 0:00 10 3 97
1766 2 2/8/2020 0:00 10 3 50
1767 2 2/8/2020 0:00 10 3 34
1768 2 2/8/2020 0:00 10 3 10
1769 2 2/8/2020 0:00 10 3 14
1770 2 2/8/2020 0:00 10 3 45
1771 2 2/8/2020 0:00 10 3 55
1772 2 3/8/2020 0:00 10 3 30
1773 2 3/8/2020 0:00 10 3 76
1774 2 2/8/2020 0:00 10 3 81
1775 2 3/8/2020 0:00 10 3 60
1776 2 2/8/2020 0:00 10 3 55
1777 2 3/8/2020 0:00 10 3 57
1778 2 3/8/2020 0:00 10 3 36
1779 2 2/8/2020 0:00 10 3 40
1780 2 3/8/2020 0:00 10 3 16
1781 2 3/8/2020 0:00 10 3 47
1782 2 3/8/2020 0:00 10 3 12
1783 2 3/8/2020 0:00 10 3 38
1784 2 2/8/2020 0:00 10 3 40
1785 2 3/8/2020 0:00 10 3 64
1786 2 2/8/2020 0:00 10 3 27
1787 2 3/8/2020 0:00 10 3 23
1788 2 2/8/2020 0:00 10 3 30
1789 2 3/8/2020 0:00 10 3 27
1790 2 3/8/2020 0:00 10 3 23
1791 2 2/8/2020 0:00 10 3 33
1792 2 2/8/2020 0:00 10 3 32
1793 2 3/8/2020 0:00 10 3 25
1794 2 3/8/2020 0:00 10 3 51
1795 2 2/8/2020 0:00 10 3 64
1796 2 3/8/2020 0:00 10 3 82
1797 2 3/8/2020 0:00 10 3 87
1798 2 2/8/2020 0:00 10 3 58
1799 2 3/8/2020 0:00 10 3 52
1800 2 2/8/2020 0:00 10 3 45
1801 2 2/8/2020 0:00 10 3 44
1802 2 3/8/2020 0:00 10 3 64
1803 2 3/8/2020 0:00 10 3 24
1804 2 3/8/2020 0:00 10 3 32
1805 2 3/8/2020 0:00 10 3 65
1806 2 2/8/2020 0:00 10 3 37
1807 2 3/8/2020 0:00 10 3 31
1808 2 2/8/2020 0:00 10 3 58
1809 2 3/8/2020 0:00 10 3 82
1810 2 2/8/2020 0:00 10 3 19
1811 2 3/8/2020 0:00 10 3 53
1812 2 2/8/2020 0:00 10 3 11
1813 2 2/8/2020 0:00 10 3 11
1814 2 2/8/2020 0:00 10 3 13
1815 2 2/8/2020 0:00 10 3 13
1816 2 2/8/2020 0:00 10 3 14
1817 2 3/8/2020 0:00 10 3 34
1818 2 3/8/2020 0:00 10 3 32
1819 2 2/8/2020 0:00 10 3 31
1820 2 2/8/2020 0:00 10 3 24
1821 2 2/8/2020 0:00 10 3 72
1822 2 3/8/2020 0:00 10 3 55
1823 2 3/8/2020 0:00 10 3 21
1824 2 2/8/2020 0:00 10 3 46
1825 2 2/8/2020 0:00 10 3 45
1826 2 3/8/2020 0:00 10 3 29
1827 2 3/8/2020 0:00 10 3 46
1828 2 3/8/2020 0:00 10 3 20
1829 2 2/8/2020 0:00 10 3 43
1830 2 3/8/2020 0:00 10 3 40
1831 2 2/8/2020 0:00 10 3 56
1832 2 3/8/2020 0:00 10 3 46
1833 2 3/8/2020 0:00 10 3 26
1834 2 3/8/2020 0:00 10 3 19
1835 2 3/8/2020 0:00 10 3 21
1836 2 2/8/2020 0:00 10 3 50
1837 2 3/8/2020 0:00 10 3 43
1838 2 3/8/2020 0:00 10 3 12
1839 2 3/8/2020 0:00 10 3 70
1840 2 3/8/2020 0:00 10 3 55
1841 2 2/8/2020 0:00 10 3 24
1842 2 3/8/2020 0:00 10 3 53
1843 2 3/8/2020 0:00 10 3 38
1844 2 3/8/2020 0:00 10 3 9
1845 2 2/8/2020 0:00 10 3 58
1846 2 3/8/2020 0:00 10 3 25
1847 2 3/8/2020 0:00 10 3 27
1848 2 3/8/2020 0:00 10 3 57
1849 2 2/8/2020 0:00 10 3 70
1850 2 3/8/2020 0:00 10 3 33
1851 2 2/8/2020 0:00 10 3 74
1852 2 3/8/2020 0:00 10 3 66
1853 2 2/8/2020 0:00 10 3 78
1854 2 2/8/2020 0:00 10 3 33
1855 2 3/8/2020 0:00 10 3 50
1856 2 3/8/2020 0:00 10 3 68
1857 2 2/8/2020 0:00 10 3 61
1858 2 3/8/2020 0:00 10 3 32
1859 2 3/8/2020 0:00 10 3 31
1860 2 3/8/2020 0:00 10 3 29
1861 2 3/8/2020 0:00 10 3 49
1862 2 2/8/2020 0:00 10 3 12
1863 2 2/8/2020 0:00 10 3 23
1864 2 2/8/2020 0:00 10 3 26
1865 2 2/8/2020 0:00 10 3 22
1866 2 3/8/2020 0:00 10 3 54
1867 2 2/8/2020 0:00 10 3 49
1868 2 2/8/2020 0:00 10 3 42
1869 2 2/8/2020 0:00 10 3 22
1870 2 3/8/2020 0:00 10 3 31
1871 2 2/8/2020 0:00 10 3 25
1872 2 2/8/2020 0:00 10 3 72
1873 2 2/8/2020 0:00 10 3 28
1874 2 2/8/2020 0:00 10 3 54
1875 2 2/8/2020 0:00 10 3 51
1876 2 2/8/2020 0:00 10 3 40
1877 2 3/8/2020 0:00 10 3 69
1878 2 3/8/2020 0:00 10 3 19
1879 2 3/8/2020 0:00 10 3 23
1880 2 3/8/2020 0:00 10 3 35
1881 2 3/8/2020 0:00 10 3 35
1882 2 3/8/2020 0:00 10 3 57
1883 2 3/8/2020 0:00 10 3 28
1884 2 2/8/2020 0:00 10 3 39
1885 2 2/8/2020 0:00 10 3 65
1886 2 2/8/2020 0:00 10 3 51
1887 2 2/8/2020 0:00 10 3 47
1888 2 3/8/2020 0:00 10 3 28
1889 2 3/8/2020 0:00 10 3 83
1890 2 2/8/2020 0:00 10 3 10
1891 2 2/8/2020 0:00 10 3 59
1892 2 2/8/2020 0:00 10 3 7
1893 2 3/8/2020 0:00 10 3 50
1894 2 2/8/2020 0:00 10 3 49
1895 2 3/8/2020 0:00 10 3 6
1896 2 2/8/2020 0:00 10 3 18
1897 2 2/8/2020 0:00 10 3 42
1898 2 3/8/2020 0:00 10 3 39
1899 2 2/8/2020 0:00 10 3 67
1900 2 3/8/2020 0:00 10 3 54
1901 2 3/8/2020 0:00 10 3 24
1902 2 3/8/2020 0:00 10 3 23
1903 2 3/8/2020 0:00 10 3 20
1904 2 3/8/2020 0:00 10 3 59
1905 2 3/8/2020 0:00 10 3 17
1906 2 3/8/2020 0:00 10 3 44
1907 2 3/8/2020 0:00 10 3 39
1908 2 3/8/2020 0:00 10 3 62
1909 2 2/8/2020 0:00 10 3 49
1910 2 2/8/2020 0:00 10 3 34
1911 2 2/8/2020 0:00 10 3 70
1912 2 3/8/2020 0:00 10 3 90
1913 2 3/8/2020 0:00 10 3 28
1914 2 3/8/2020 0:00 10 3 58
1915 2 2/8/2020 0:00 10 3 74
1916 2 3/8/2020 0:00 10 3 71
1917 2 3/8/2020 0:00 10 3 37
1918 2 2/8/2020 0:00 10 3 50
1919 2 3/8/2020 0:00 10 3 19
1920 2 3/8/2020 0:00 10 3 19
1921 2 3/8/2020 0:00 10 3 19
1922 2 3/8/2020 0:00 10 3 29
1923 2 3/8/2020 0:00 10 3 81
1924 2 3/8/2020 0:00 10 3 36
1925 2 2/8/2020 0:00 10 3 37
1926 2 2/8/2020 0:00 10 3 63
1927 2 2/8/2020 0:00 10 3 40
1928 2 3/8/2020 0:00 10 3 53
1929 2 2/8/2020 0:00 10 3 73
1930 2 3/8/2020 0:00 10 3 46
1931 2 3/8/2020 0:00 10 3 55
1932 2 2/8/2020 0:00 10 3 67
1933 2 3/8/2020 0:00 10 3 50
1934 2 2/8/2020 0:00 10 3 73
1935 2 2/8/2020 0:00 10 3 52
1936 2 3/8/2020 0:00 10 3 25
1937 2 2/8/2020 0:00 10 3 25
1938 2 3/8/2020 0:00 10 3 16
1939 2 3/8/2020 0:00 10 3 21
1940 2 3/8/2020 0:00 10 3 65
1941 2 3/8/2020 0:00 10 3 56
1942 2 3/8/2020 0:00 10 3 19
1943 2 3/8/2020 0:00 10 3 30
1944 2 3/8/2020 0:00 10 3 40
1945 2 2/8/2020 0:00 10 3 30
1946 2 3/8/2020 0:00 10 3 23
1947 2 3/8/2020 0:00 10 3 41
1948 2 2/8/2020 0:00 10 3 77
1949 2 2/8/2020 0:00 10 3 68
1950 2 3/8/2020 0:00 10 3 25
1951 2 3/8/2020 0:00 10 3 37
1952 2 2/8/2020 0:00 10 3 66
1953 2 2/8/2020 0:00 10 3 34
1954 2 2/8/2020 0:00 10 3 35
1955 2 3/8/2020 0:00 10 3 49
1956 2 3/8/2020 0:00 10 3 22
1957 2 3/8/2020 0:00 10 3 35
1958 2 3/8/2020 0:00 10 3 16
1959 2 3/8/2020 0:00 10 3 44
1960 2 3/8/2020 0:00 10 3 23
1961 2 3/8/2020 0:00 10 3 34
1962 2 3/8/2020 0:00 10 3 25
1963 2 2/8/2020 0:00 10 3 36
1964 2 2/8/2020 0:00 10 3 30
1965 2 3/8/2020 0:00 10 3 25
1966 2 3/8/2020 0:00 10 3 53
1967 2 3/8/2020 0:00 10 3 51
1968 2 3/8/2020 0:00 10 3 44
1969 2 3/8/2020 0:00 10 3 71
1970 2 3/8/2020 0:00 10 3 52
1971 2 3/8/2020 0:00 10 3 27
1972 2 3/8/2020 0:00 10 3 44
1973 2 2/8/2020 0:00 10 3 54
1974 2 2/8/2020 0:00 10 3 34
1975 2 2/8/2020 0:00 10 3 37
1976 2 3/8/2020 0:00 10 3 36
1977 2 2/8/2020 0:00 10 3 28
1978 2 3/8/2020 0:00 10 3 34
1979 2 3/8/2020 0:00 10 3 39
1980 2 3/8/2020 0:00 10 3 55
1981 2 2/8/2020 0:00 1 3 14
1982 2 2/8/2020 0:00 15 3 57
1983 2 3/8/2020 0:00 15 3 41
1984 2 3/8/2020 0:00 15 3 63
1985 2 2/8/2020 0:00 15 3 34
1986 2 3/8/2020 0:00 15 3 34
1987 2 2/8/2020 0:00 15 3 26
1988 2 3/8/2020 0:00 15 3 43
1989 2 3/8/2020 0:00 15 3 10
1990 2 3/8/2020 0:00 15 3 22
1991 2 3/8/2020 0:00 15 3 23
1992 2 2/8/2020 0:00 15 3 29
1993 2 2/8/2020 0:00 15 3 5
1994 2 2/8/2020 0:00 15 3 38
1995 2 3/8/2020 0:00 15 3 33
1996 2 3/8/2020 0:00 15 3 55
1997 2 3/8/2020 0:00 15 3 56
1998 2 3/8/2020 0:00 15 3 52
1999 2 3/8/2020 0:00 15 3 21
2000 2 2/8/2020 0:00 15 3 45
2001 2 3/8/2020 0:00 15 3 36
2002 2 3/8/2020 0:00 15 3 48
2003 2 2/8/2020 0:00 15 3 43
2004 2 3/8/2020 0:00 15 3 30
2005 2 3/8/2020 0:00 15 3 59
2006 2 3/8/2020 0:00 15 3 60
2007 2 2/8/2020 0:00 15 3 23
2008 2 2/8/2020 0:00 15 3 59
2009 2 3/8/2020 0:00 15 3 45
2010 2 2/8/2020 0:00 15 3 22
2011 2 3/8/2020 0:00 15 3 75
2012 2 3/8/2020 0:00 15 3 35
2013 2 2/8/2020 0:00 15 3 31
2014 2 2/8/2020 0:00 15 3 19
2015 2 2/8/2020 0:00 15 3 27
2016 2 3/8/2020 0:00 15 3 41
2017 2 3/8/2020 0:00 15 3 54
2018 2 2/8/2020 0:00 15 3 33
2019 2 3/8/2020 0:00 15 3 15
2020 2 3/8/2020 0:00 15 3 43
2021 2 3/8/2020 0:00 15 3 33
2022 2 2/8/2020 0:00 15 3 61
2023 2 3/8/2020 0:00 15 3 48
2024 2 3/8/2020 0:00 15 3 32
2025 2 3/8/2020 0:00 15 3 24
2026 2 3/8/2020 0:00 15 3 46
2027 2 2/8/2020 0:00 15 3 25
2028 2 3/8/2020 0:00 15 3 57
2029 2 2/8/2020 0:00 15 3 53
2030 2 3/8/2020 0:00 15 3 31
2031 2 3/8/2020 0:00 15 3 54
2032 2 2/8/2020 0:00 15 3 41
2033 2 2/8/2020 0:00 15 3 31
2034 2 2/8/2020 0:00 15 3 26
2035 2 2/8/2020 0:00 15 3 8
2036 2 2/8/2020 0:00 15 3 55
2037 2 3/8/2020 0:00 15 3 42
2038 2 2/8/2020 0:00 15 3 53
2039 2 2/8/2020 0:00 15 3 56
2040 2 3/8/2020 0:00 15 3 46
2041 2 2/8/2020 0:00 15 3 11
2042 2 3/8/2020 0:00 15 3 28
2043 2 2/8/2020 0:00 15 3 15
2044 2 3/8/2020 0:00 15 3 45
2045 2 2/8/2020 0:00 15 3 60
2046 2 3/8/2020 0:00 15 3 26
2047 2 3/8/2020 0:00 15 3 59
2048 2 3/8/2020 0:00 15 3 74
2049 2 3/8/2020 0:00 15 3 78
2050 2 3/8/2020 0:00 15 3 79
2051 2 3/8/2020 0:00 15 3 87
2052 2 3/8/2020 0:00 15 3 91
2053 2 3/8/2020 0:00 15 3 21
2054 2 3/8/2020 0:00 15 3 36
2055 2 2/8/2020 0:00 15 3 67
2056 2 2/8/2020 0:00 15 3 49
2057 2 2/8/2020 0:00 15 3 2
2058 2 2/8/2020 0:00 15 3 23
2059 2 3/8/2020 0:00 15 3 25
2060 2 3/8/2020 0:00 15 3 55
2061 2 2/8/2020 0:00 15 3 55
2062 2 2/8/2020 0:00 15 3 58
2063 2 3/8/2020 0:00 15 3 34
2064 2 3/8/2020 0:00 15 3 21
2065 2 2/8/2020 0:00 15 3 59
2066 2 2/8/2020 0:00 15 3 45
2067 2 3/8/2020 0:00 15 3 32
2068 2 2/8/2020 0:00 15 3 12
2069 2 2/8/2020 0:00 15 3 56
2070 2 3/8/2020 0:00 15 3 49
2071 2 3/8/2020 0:00 15 3 59
2072 2 3/8/2020 0:00 15 3 87
2073 2 2/8/2020 0:00 15 3 54
2074 2 3/8/2020 0:00 15 3 64
2075 2 2/8/2020 0:00 15 3 34
2076 2 3/8/2020 0:00 15 3 60
2077 2 3/8/2020 0:00 15 3 61
2078 2 3/8/2020 0:00 15 3 77
2079 2 3/8/2020 0:00 15 3 81
2080 2 3/8/2020 0:00 15 3 83
2081 2 3/8/2020 0:00 15 3 93
2082 2 3/8/2020 0:00 15 3 81
2083 2 3/8/2020 0:00 15 3 88
2084 2 3/8/2020 0:00 15 3 51
2085 2 3/8/2020 0:00 15 3 54
2086 2 3/8/2020 0:00 15 3 25
2087 2 3/8/2020 0:00 15 3 29
2088 2 2/8/2020 0:00 15 3 66
2089 2 2/8/2020 0:00 15 3 32
2090 2 2/8/2020 0:00 15 3 47
2091 2 3/8/2020 0:00 15 3 48
2092 2 3/8/2020 0:00 15 3 21
2093 2 2/8/2020 0:00 15 3 68
2094 2 2/8/2020 0:00 15 3 2
2095 2 2/8/2020 0:00 15 3 32
2096 2 2/8/2020 0:00 15 3 35
2097 2 3/8/2020 0:00 15 3 38
2098 2 3/8/2020 0:00 15 3 25
2099 2 3/8/2020 0:00 15 3 75
2100 2 3/8/2020 0:00 15 3 27
2101 2 2/8/2020 0:00 15 3 75
2102 2 2/8/2020 0:00 15 3 41
2103 2 3/8/2020 0:00 15 3 41
2104 2 3/8/2020 0:00 15 3 23
2105 2 2/8/2020 0:00 15 3 28
2106 2 3/8/2020 0:00 15 3 69
2107 2 3/8/2020 0:00 15 3 28
2108 2 2/8/2020 0:00 15 3 56
2109 2 3/8/2020 0:00 15 3 46
2110 2 3/8/2020 0:00 15 3 22
2111 2 3/8/2020 0:00 15 3 34
2112 2 2/8/2020 0:00 15 3 32
2113 2 2/8/2020 0:00 15 3 77
2114 2 2/8/2020 0:00 15 3 65
2115 2 2/8/2020 0:00 15 3 70
2116 2 2/8/2020 0:00 15 3 2
2117 2 3/8/2020 0:00 15 3 25
2118 2 3/8/2020 0:00 15 3 26
2119 2 3/8/2020 0:00 15 3 35
2120 2 2/8/2020 0:00 15 3 31
2121 2 3/8/2020 0:00 15 3 22
2122 2 3/8/2020 0:00 15 3 43
2123 2 2/8/2020 0:00 15 3 47
2124 2 3/8/2020 0:00 15 3 89
2125 2 3/8/2020 0:00 15 3 46
2126 2 3/8/2020 0:00 15 3 31
2127 2 2/8/2020 0:00 15 3 34
2128 2 2/8/2020 0:00 15 3 70
2129 2 3/8/2020 0:00 15 3 25
2130 2 3/8/2020 0:00 15 3 59
2131 2 2/8/2020 0:00 15 3 24
2132 2 3/8/2020 0:00 15 3 44
2133 2 3/8/2020 0:00 15 3 48
2134 2 2/8/2020 0:00 15 3 36
2135 2 3/8/2020 0:00 15 3 13
2136 2 2/8/2020 0:00 15 3 25
2137 2 2/8/2020 0:00 15 3 46
2138 2 3/8/2020 0:00 15 3 63
2139 2 3/8/2020 0:00 15 3 31
2140 2 2/8/2020 0:00 15 3 62
2141 2 2/8/2020 0:00 15 3 23
2142 2 3/8/2020 0:00 15 3 20
2143 2 3/8/2020 0:00 15 3 39
2144 2 3/8/2020 0:00 15 3 41
2145 2 3/8/2020 0:00 15 3 50
2146 2 2/8/2020 0:00 15 3 39
2147 2 2/8/2020 0:00 15 3 28
2148 2 3/8/2020 0:00 15 3 26
2149 2 2/8/2020 0:00 15 3 39
2150 2 3/8/2020 0:00 15 3 25
2151 2 3/8/2020 0:00 15 3 28
2152 2 2/8/2020 0:00 15 3 7
2153 2 2/8/2020 0:00 15 3 19
2154 2 2/8/2020 0:00 15 3 46
2155 2 2/8/2020 0:00 15 3 35
2156 2 2/8/2020 0:00 15 3 38
2157 2 2/8/2020 0:00 15 3 9
2158 2 2/8/2020 0:00 15 3 37
2159 2 2/8/2020 0:00 15 3 22
2160 2 2/8/2020 0:00 15 3 1
2161 2 2/8/2020 0:00 15 3 8
2162 2 2/8/2020 0:00 15 3 19
2163 2 2/8/2020 0:00 15 3 21
2164 2 2/8/2020 0:00 15 3 40
2165 2 2/8/2020 0:00 15 3 37
2166 2 3/8/2020 0:00 15 3 39
2167 2 2/8/2020 0:00 15 3 59
2168 2 3/8/2020 0:00 15 3 39
2169 2 2/8/2020 0:00 15 3 24
2170 2 2/8/2020 0:00 15 3 38
2171 2 2/8/2020 0:00 15 3 39
2172 2 3/8/2020 0:00 15 3 65
2173 2 3/8/2020 0:00 15 3 32
2174 2 3/8/2020 0:00 15 3 49
2175 2 3/8/2020 0:00 15 3 61
2176 2 2/8/2020 0:00 15 3 61
2177 2 3/8/2020 0:00 15 3 83
2178 2 3/8/2020 0:00 15 3 58
2179 2 2/8/2020 0:00 15 3 11
2180 2 2/8/2020 0:00 15 3 27
2181 2 2/8/2020 0:00 15 3 41
2182 2 3/8/2020 0:00 15 3 42
2183 2 3/8/2020 0:00 15 3 83
2184 2 3/8/2020 0:00 15 3 12
2185 2 3/8/2020 0:00 15 3 85
2186 2 3/8/2020 0:00 15 3 51
2187 2 3/8/2020 0:00 15 3 54
2188 2 3/8/2020 0:00 15 3 50
2189 2 2/8/2020 0:00 15 3 29
2190 2 2/8/2020 0:00 15 3 5
2191 2 2/8/2020 0:00 15 3 89
2192 2 2/8/2020 0:00 15 3 22
2193 2 2/8/2020 0:00 15 3 62
2194 2 2/8/2020 0:00 15 3 59
2195 2 2/8/2020 0:00 15 3 24
2196 2 2/8/2020 0:00 15 3 45
2197 2 2/8/2020 0:00 15 3 11
2198 2 3/8/2020 0:00 15 3 48
2199 2 3/8/2020 0:00 15 3 22
2200 2 3/8/2020 0:00 15 3 57
2201 2 3/8/2020 0:00 15 3 27
2202 2 2/8/2020 0:00 15 3 1
2203 2 3/8/2020 0:00 15 3 38
2204 2 2/8/2020 0:00 15 3 61
2205 2 3/8/2020 0:00 15 3 41
2206 2 2/8/2020 0:00 15 3 5
2207 2 2/8/2020 0:00 15 3 25
2208 2 2/8/2020 0:00 15 3 17
2209 2 2/8/2020 0:00 15 3 43
2210 2 2/8/2020 0:00 15 3 45
2211 2 3/8/2020 0:00 15 3 33
2212 2 2/8/2020 0:00 15 3 23
2213 2 3/8/2020 0:00 15 3 23
2214 2 2/8/2020 0:00 15 3 65
2215 2 3/8/2020 0:00 15 3 78
2216 2 3/8/2020 0:00 15 3 27
2217 2 2/8/2020 0:00 15 3 44
2218 2 2/8/2020 0:00 15 3 65
2219 2 3/8/2020 0:00 15 3 82
2220 2 2/8/2020 0:00 15 3 44
2221 2 3/8/2020 0:00 15 3 21
2222 2 3/8/2020 0:00 15 3 31
2223 2 3/8/2020 0:00 15 3 63
2224 2 2/8/2020 0:00 15 3 34
2225 2 2/8/2020 0:00 15 3 46
2226 2 2/8/2020 0:00 15 3 33
2227 2 2/8/2020 0:00 15 3 38
2228 2 3/8/2020 0:00 15 3 58
2229 2 3/8/2020 0:00 15 3 21
2230 2 3/8/2020 0:00 15 3 21
2231 2 2/8/2020 0:00 15 3 52
2232 2 3/8/2020 0:00 15 3 36
2233 2 2/8/2020 0:00 15 3 61
2234 2 3/8/2020 0:00 15 3 35
2235 2 3/8/2020 0:00 15 3 24
2236 2 3/8/2020 0:00 15 3 45
2237 2 3/8/2020 0:00 15 3 22
2238 2 3/8/2020 0:00 15 3 50
2239 2 3/8/2020 0:00 15 3 6
2240 3 3/9/2020 0:00 15 3 54
2241 3 12/9/2020 0:00 15 3 62
2242 3 12/9/2020 0:00 15 3 64
2243 3 12/9/2020 0:00 15 3 31
2244 3 12/9/2020 0:00 15 3 38
2245 3 12/9/2020 0:00 15 3 55
2246 3 12/9/2020 0:00 15 3 43
2247 3 11/9/2020 0:00 15 3 53
2248 3 12/9/2020 0:00 15 3 2
2249 3 11/9/2020 0:00 15 3 17
2250 3 12/9/2020 0:00 15 3 39
2251 3 12/9/2020 0:00 15 3 41
2252 3 11/9/2020 0:00 15 3 48
2253 3 12/9/2020 0:00 15 3 18
2254 3 12/9/2020 0:00 15 3 2
2255 3 12/9/2020 0:00 15 3 20
2256 3 12/9/2020 0:00 15 3 25
2257 3 12/9/2020 0:00 15 3 28
2258 3 11/9/2020 0:00 15 3 30
2259 3 11/9/2020 0:00 15 3 35
2260 3 12/9/2020 0:00 15 3 40
2261 3 11/9/2020 0:00 15 3 44
2262 3 12/9/2020 0:00 15 3 46
2263 3 12/9/2020 0:00 15 3 52
2264 3 12/9/2020 0:00 15 3 60
2265 3 12/9/2020 0:00 15 3 62
2266 3 12/9/2020 0:00 15 3 65
2267 3 12/9/2020 0:00 15 3 72
2268 3 12/9/2020 0:00 15 3 76
2269 3 11/9/2020 0:00 15 3 2
2270 3 11/9/2020 0:00 15 3 4
2271 3 11/9/2020 0:00 15 3 6
2272 3 12/9/2020 0:00 15 3 8
2273 3 11/9/2020 0:00 15 3 8
2274 3 11/9/2020 0:00 15 3 9
2275 3 11/9/2020 0:00 15 3 10
2276 3 11/9/2020 0:00 15 3 13
2277 3 11/9/2020 0:00 15 3 13
2278 3 12/9/2020 0:00 15 3 14
2279 3 11/9/2020 0:00 15 3 15
2280 3 12/9/2020 0:00 15 3 17
2281 3 12/9/2020 0:00 15 3 20
2282 3 11/9/2020 0:00 15 3 21
2283 3 11/9/2020 0:00 15 3 22
2284 3 11/9/2020 0:00 15 3 24
2285 3 11/9/2020 0:00 15 3 24
2286 3 11/9/2020 0:00 15 3 24
2287 3 12/9/2020 0:00 15 3 25
2288 3 11/9/2020 0:00 15 3 25
2289 3 12/9/2020 0:00 15 3 26
2290 3 12/9/2020 0:00 15 3 27
2291 3 11/9/2020 0:00 15 3 27
2292 3 11/9/2020 0:00 15 3 28
2293 3 12/9/2020 0:00 15 3 28
2294 3 12/9/2020 0:00 15 3 28
2295 3 11/9/2020 0:00 15 3 28
2296 3 12/9/2020 0:00 15 3 28
2297 3 11/9/2020 0:00 15 3 29
2298 3 12/9/2020 0:00 15 3 29
2299 3 11/9/2020 0:00 15 3 29
2300 3 12/9/2020 0:00 15 3 29
2301 3 11/9/2020 0:00 15 3 30
2302 3 11/9/2020 0:00 15 3 30
2303 3 11/9/2020 0:00 15 3 30
2304 3 11/9/2020 0:00 15 3 30
2305 3 11/9/2020 0:00 15 3 31
2306 3 12/9/2020 0:00 15 3 31
2307 3 11/9/2020 0:00 15 3 31
2308 3 11/9/2020 0:00 15 3 32
2309 3 12/9/2020 0:00 15 3 32
2310 3 12/9/2020 0:00 15 3 34
2311 3 11/9/2020 0:00 15 3 34
2312 3 11/9/2020 0:00 15 3 34
2313 3 12/9/2020 0:00 15 3 35
2314 3 12/9/2020 0:00 15 3 35
2315 3 12/9/2020 0:00 15 3 35
2316 3 12/9/2020 0:00 15 3 35
2317 3 11/9/2020 0:00 15 3 37
2318 3 11/9/2020 0:00 15 3 38
2319 3 11/9/2020 0:00 15 3 39
2320 3 11/9/2020 0:00 15 3 39
2321 3 11/9/2020 0:00 15 3 41
2322 3 11/9/2020 0:00 15 3 41
2323 3 12/9/2020 0:00 15 3 41
2324 3 11/9/2020 0:00 15 3 42
2325 3 11/9/2020 0:00 15 3 43
2326 3 12/9/2020 0:00 15 3 43
2327 3 12/9/2020 0:00 15 3 44
2328 3 11/9/2020 0:00 15 3 44
2329 3 12/9/2020 0:00 15 3 45
2330 3 12/9/2020 0:00 15 3 46
2331 3 11/9/2020 0:00 15 3 46
2332 3 11/9/2020 0:00 15 3 46
2333 3 12/9/2020 0:00 15 3 46
2334 3 11/9/2020 0:00 15 3 46
2335 3 11/9/2020 0:00 15 3 47
2336 3 12/9/2020 0:00 15 3 48
2337 3 12/9/2020 0:00 15 3 49
2338 3 12/9/2020 0:00 15 3 49
2339 3 12/9/2020 0:00 15 3 50
2340 3 11/9/2020 0:00 15 3 51
2341 3 11/9/2020 0:00 15 3 51
2342 3 11/9/2020 0:00 15 3 52
2343 3 11/9/2020 0:00 15 3 52
2344 3 11/9/2020 0:00 15 3 52
2345 3 12/9/2020 0:00 15 3 53
2346 3 12/9/2020 0:00 15 3 53
2347 3 12/9/2020 0:00 15 3 54
2348 3 12/9/2020 0:00 15 3 54
2349 3 12/9/2020 0:00 15 3 56
2350 3 12/9/2020 0:00 15 3 57
2351 3 12/9/2020 0:00 15 3 58
2352 3 11/9/2020 0:00 15 3 59
2353 3 12/9/2020 0:00 15 3 59
2354 3 11/9/2020 0:00 15 3 60
2355 3 12/9/2020 0:00 15 3 60
2356 3 11/9/2020 0:00 15 3 62
2357 3 12/9/2020 0:00 15 3 63
2358 3 11/9/2020 0:00 15 3 66
2359 3 12/9/2020 0:00 15 3 70
2360 3 12/9/2020 0:00 15 3 73
2361 3 12/9/2020 0:00 15 3 73
2362 3 12/9/2020 0:00 15 3 75
2363 3 12/9/2020 0:00 15 3 75
2364 3 12/9/2020 0:00 15 3 79
2365 3 12/9/2020 0:00 15 3 90
2366 3 11/9/2020 0:00 15 3 1
2367 3 11/9/2020 0:00 15 3 2
2368 3 11/9/2020 0:00 15 3 2
2369 3 11/9/2020 0:00 15 3 3
2370 3 11/9/2020 0:00 15 3 4
2371 3 11/9/2020 0:00 15 3 5
2372 3 11/9/2020 0:00 15 3 6
2373 3 12/9/2020 0:00 15 3 6
2374 3 12/9/2020 0:00 15 3 6
2375 3 12/9/2020 0:00 15 3 7
2376 3 11/9/2020 0:00 15 3 7
2377 3 11/9/2020 0:00 15 3 7
2378 3 12/9/2020 0:00 15 3 8
2379 3 11/9/2020 0:00 15 3 8
2380 3 11/9/2020 0:00 15 3 9
2381 3 11/9/2020 0:00 15 3 10
2382 3 12/9/2020 0:00 15 3 12
2383 3 11/9/2020 0:00 15 3 13
2384 3 11/9/2020 0:00 15 3 13
2385 3 11/9/2020 0:00 15 3 13
2386 3 12/9/2020 0:00 15 3 14
2387 3 11/9/2020 0:00 15 3 14
2388 3 11/9/2020 0:00 15 3 14
2389 3 11/9/2020 0:00 15 3 14
2390 3 12/9/2020 0:00 15 3 14
2391 3 9/9/2020 0:00 15 3 16
2392 3 11/9/2020 0:00 15 3 16
2393 3 12/9/2020 0:00 15 3 16
2394 3 12/9/2020 0:00 15 3 17
2395 3 11/9/2020 0:00 15 3 17
2396 3 12/9/2020 0:00 15 3 17
2397 3 12/9/2020 0:00 15 3 18
2398 3 11/9/2020 0:00 15 3 18
2399 3 11/9/2020 0:00 15 3 18
2400 3 11/9/2020 0:00 15 3 18
2401 3 11/9/2020 0:00 15 3 18
2402 3 11/9/2020 0:00 15 3 18
2403 3 11/9/2020 0:00 15 3 19
2404 3 11/9/2020 0:00 15 3 19
2405 3 11/9/2020 0:00 15 3 19
2406 3 11/9/2020 0:00 15 3 20
2407 3 11/9/2020 0:00 15 3 20
2408 3 11/9/2020 0:00 15 3 20
2409 3 11/9/2020 0:00 15 3 21
2410 3 11/9/2020 0:00 15 3 21
2411 3 11/9/2020 0:00 15 3 21
2412 3 12/9/2020 0:00 15 3 21
2413 3 12/9/2020 0:00 15 3 21
2414 3 11/9/2020 0:00 15 3 21
2415 3 11/9/2020 0:00 15 3 22
2416 3 11/9/2020 0:00 15 3 22
2417 3 12/9/2020 0:00 15 3 22
2418 3 11/9/2020 0:00 15 3 22
2419 3 12/9/2020 0:00 15 3 22
2420 3 11/9/2020 0:00 15 3 23
2421 3 12/9/2020 0:00 15 3 23
2422 3 11/9/2020 0:00 15 3 23
2423 3 12/9/2020 0:00 15 3 23
2424 3 11/9/2020 0:00 15 3 23
2425 3 12/9/2020 0:00 15 3 24
2426 3 11/9/2020 0:00 15 3 24
2427 3 11/9/2020 0:00 15 3 24
2428 3 11/9/2020 0:00 15 3 24
2429 3 11/9/2020 0:00 15 3 24
2430 3 11/9/2020 0:00 15 3 24
2431 3 11/9/2020 0:00 15 3 25
2432 3 11/9/2020 0:00 15 3 25
2433 3 11/9/2020 0:00 15 3 25
2434 3 12/9/2020 0:00 15 3 25
2435 3 12/9/2020 0:00 15 3 25
2436 3 11/9/2020 0:00 15 3 25
2437 3 11/9/2020 0:00 15 3 25
2438 3 12/9/2020 0:00 15 3 25
2439 3 11/9/2020 0:00 15 3 26
2440 3 12/9/2020 0:00 15 3 26
2441 3 11/9/2020 0:00 15 3 26
2442 3 9/9/2020 0:00 15 3 26
2443 3 11/9/2020 0:00 15 3 26
2444 3 11/9/2020 0:00 15 3 26
2445 3 11/9/2020 0:00 15 3 26
2446 3 11/9/2020 0:00 15 3 26
2447 3 11/9/2020 0:00 15 3 26
2448 3 11/9/2020 0:00 15 3 27
2449 3 11/9/2020 0:00 15 3 27
2450 3 12/9/2020 0:00 15 3 27
2451 3 11/9/2020 0:00 15 3 27
2452 3 12/9/2020 0:00 15 3 27
2453 3 12/9/2020 0:00 15 3 27
2454 3 11/9/2020 0:00 15 3 27
2455 3 12/9/2020 0:00 15 3 27
2456 3 12/9/2020 0:00 15 3 27
2457 3 11/9/2020 0:00 15 3 28
2458 3 11/9/2020 0:00 15 3 28
2459 3 11/9/2020 0:00 15 3 28
2460 3 11/9/2020 0:00 15 3 28
2461 3 11/9/2020 0:00 15 3 28
2462 3 11/9/2020 0:00 15 3 28
2463 3 11/9/2020 0:00 15 3 29
2464 3 11/9/2020 0:00 15 3 29
2465 3 11/9/2020 0:00 15 3 29
2466 3 11/9/2020 0:00 15 3 29
2467 3 12/9/2020 0:00 15 3 29
2468 3 12/9/2020 0:00 15 3 29
2469 3 12/9/2020 0:00 15 3 29
2470 3 11/9/2020 0:00 15 3 29
2471 3 11/9/2020 0:00 15 3 30
2472 3 11/9/2020 0:00 15 3 31
2473 3 11/9/2020 0:00 15 3 31
2474 3 11/9/2020 0:00 15 3 31
2475 3 11/9/2020 0:00 15 3 31
2476 3 11/9/2020 0:00 15 3 31
2477 3 12/9/2020 0:00 15 3 32
2478 3 11/9/2020 0:00 15 3 32
2479 3 9/9/2020 0:00 15 3 32
2480 3 11/9/2020 0:00 15 3 32
2481 3 11/9/2020 0:00 15 3 32
2482 3 11/9/2020 0:00 15 3 32
2483 3 11/9/2020 0:00 15 3 32
2484 3 12/9/2020 0:00 15 3 32
2485 3 11/9/2020 0:00 15 3 33
2486 3 11/9/2020 0:00 15 3 33
2487 3 12/9/2020 0:00 15 3 33
2488 3 11/9/2020 0:00 15 3 33
2489 3 11/9/2020 0:00 15 3 34
2490 3 11/9/2020 0:00 15 3 34
2491 3 11/9/2020 0:00 15 3 34
2492 3 9/9/2020 0:00 15 3 34
2493 3 11/9/2020 0:00 15 3 34
2494 3 12/9/2020 0:00 15 3 34
2495 3 11/9/2020 0:00 15 3 35
2496 3 11/9/2020 0:00 15 3 35
2497 3 11/9/2020 0:00 15 3 35
2498 3 11/9/2020 0:00 15 3 35
2499 3 12/9/2020 0:00 15 3 35
2500 3 12/9/2020 0:00 15 3 36
2501 3 11/9/2020 0:00 15 3 36
2502 3 11/9/2020 0:00 15 3 36
2503 3 11/9/2020 0:00 15 3 36
2504 3 11/9/2020 0:00 15 3 36
2505 3 12/9/2020 0:00 15 3 36
2506 3 11/9/2020 0:00 15 3 36
2507 3 11/9/2020 0:00 15 3 37
2508 3 11/9/2020 0:00 15 3 37
2509 3 11/9/2020 0:00 15 3 37
2510 3 11/9/2020 0:00 15 3 37
2511 3 12/9/2020 0:00 15 3 38
2512 3 11/9/2020 0:00 15 3 38
2513 3 11/9/2020 0:00 15 3 38
2514 3 11/9/2020 0:00 15 3 39
2515 3 12/9/2020 0:00 15 3 39
2516 3 11/9/2020 0:00 15 3 39
2517 3 11/9/2020 0:00 15 3 39
2518 3 12/9/2020 0:00 15 3 40
2519 3 11/9/2020 0:00 15 3 40
2520 3 12/9/2020 0:00 15 3 40
2521 3 12/9/2020 0:00 15 3 41
2522 3 11/9/2020 0:00 15 3 41
2523 3 11/9/2020 0:00 15 3 41
2524 3 11/9/2020 0:00 15 3 41
2525 3 11/9/2020 0:00 15 3 41
2526 3 11/9/2020 0:00 15 3 41
2527 3 11/9/2020 0:00 15 3 42
2528 3 11/9/2020 0:00 15 3 42
2529 3 12/9/2020 0:00 15 3 42
2530 3 11/9/2020 0:00 15 3 42
2531 3 11/9/2020 0:00 15 3 43
2532 3 11/9/2020 0:00 15 3 43
2533 3 11/9/2020 0:00 15 3 43
2534 3 11/9/2020 0:00 15 3 43
2535 3 11/9/2020 0:00 15 3 44
2536 3 11/9/2020 0:00 15 3 44
2537 3 11/9/2020 0:00 15 3 44
2538 3 12/9/2020 0:00 15 3 45
2539 3 11/9/2020 0:00 15 3 45
2540 3 11/9/2020 0:00 15 3 45
2541 3 11/9/2020 0:00 15 3 45
2542 3 12/9/2020 0:00 15 3 46
2543 3 11/9/2020 0:00 15 3 46
2544 3 11/9/2020 0:00 15 3 47
2545 3 12/9/2020 0:00 15 3 47
2546 3 12/9/2020 0:00 15 3 47
2547 3 11/9/2020 0:00 15 3 47
2548 3 11/9/2020 0:00 15 3 47
2549 3 9/9/2020 0:00 15 3 47
2550 3 12/9/2020 0:00 15 3 48
2551 3 11/9/2020 0:00 15 3 48
2552 3 11/9/2020 0:00 15 3 48
2553 3 11/9/2020 0:00 15 3 48
2554 3 11/9/2020 0:00 15 3 48
2555 3 9/9/2020 0:00 15 3 49
2556 3 12/9/2020 0:00 15 3 49
2557 3 12/9/2020 0:00 15 3 49
2558 3 12/9/2020 0:00 15 3 50
2559 3 11/9/2020 0:00 15 3 51
2560 3 11/9/2020 0:00 15 3 51
2561 3 11/9/2020 0:00 15 3 51
2562 3 12/9/2020 0:00 15 3 51
2563 3 12/9/2020 0:00 15 3 51
2564 3 12/9/2020 0:00 15 3 52
2565 3 11/9/2020 0:00 15 3 52
2566 3 11/9/2020 0:00 15 3 52
2567 3 11/9/2020 0:00 15 3 53
2568 3 12/9/2020 0:00 15 3 53
2569 3 12/9/2020 0:00 15 3 53
2570 3 11/9/2020 0:00 15 3 53
2571 3 11/9/2020 0:00 15 3 53
2572 3 11/9/2020 0:00 15 3 54
2573 3 11/9/2020 0:00 15 3 54
2574 3 12/9/2020 0:00 15 3 54
2575 3 11/9/2020 0:00 15 3 54
2576 3 12/9/2020 0:00 15 3 54
2577 3 11/9/2020 0:00 15 3 54
2578 3 12/9/2020 0:00 15 3 54
2579 3 11/9/2020 0:00 15 3 54
2580 3 11/9/2020 0:00 15 3 55
2581 3 11/9/2020 0:00 15 3 55
2582 3 11/9/2020 0:00 15 3 55
2583 3 12/9/2020 0:00 15 3 55
2584 3 11/9/2020 0:00 15 3 55
2585 3 11/9/2020 0:00 15 3 56
2586 3 11/9/2020 0:00 15 3 56
2587 3 12/9/2020 0:00 15 3 56
2588 3 12/9/2020 0:00 15 3 57
2589 3 12/9/2020 0:00 15 3 57
2590 3 12/9/2020 0:00 15 3 58
2591 3 11/9/2020 0:00 15 3 58
2592 3 11/9/2020 0:00 15 3 58
2593 3 11/9/2020 0:00 15 3 59
2594 3 12/9/2020 0:00 15 3 59
2595 3 12/9/2020 0:00 15 3 60
2596 3 12/9/2020 0:00 15 3 60
2597 3 11/9/2020 0:00 15 3 60
2598 3 12/9/2020 0:00 15 3 61
2599 3 11/9/2020 0:00 15 3 62
2600 3 11/9/2020 0:00 15 3 62
2601 3 11/9/2020 0:00 15 3 62
2602 3 11/9/2020 0:00 15 3 62
2603 3 11/9/2020 0:00 15 3 62
2604 3 11/9/2020 0:00 15 3 62
2605 3 11/9/2020 0:00 15 3 64
2606 3 12/9/2020 0:00 15 3 66
2607 3 12/9/2020 0:00 15 3 67
2608 3 12/9/2020 0:00 15 3 67
2609 3 12/9/2020 0:00 15 3 68
2610 3 12/9/2020 0:00 15 3 69
2611 3 11/9/2020 0:00 15 3 69
2612 3 11/9/2020 0:00 15 3 69
2613 3 12/9/2020 0:00 15 3 69
2614 3 11/9/2020 0:00 15 3 69
2615 3 12/9/2020 0:00 15 3 70
2616 3 12/9/2020 0:00 15 3 72
2617 3 11/9/2020 0:00 15 3 74
2618 3 11/9/2020 0:00 15 3 74
2619 3 11/9/2020 0:00 15 3 76
2620 3 12/9/2020 0:00 15 3 77
2621 3 12/9/2020 0:00 15 3 77
2622 3 11/9/2020 0:00 15 3 78
2623 3 11/9/2020 0:00 15 3 79
2624 3 11/9/2020 0:00 15 3 83
2625 3 12/9/2020 0:00 15 3 88
2626 3 11/9/2020 0:00 15 3 37
2627 3 11/9/2020 0:00 15 3 3
2628 3 10/9/2020 0:00 15 3 3
2629 3 11/9/2020 0:00 15 3 4
2630 3 12/9/2020 0:00 15 3 4
2631 3 10/9/2020 0:00 15 3 5
2632 3 11/9/2020 0:00 15 3 5
2633 3 11/9/2020 0:00 15 3 7
2634 3 11/9/2020 0:00 15 3 7
2635 3 11/9/2020 0:00 15 3 7
2636 3 9/9/2020 0:00 15 3 8
2637 3 11/9/2020 0:00 15 3 10
2638 3 11/9/2020 0:00 15 3 11
2639 3 11/9/2020 0:00 15 3 11
2640 3 10/9/2020 0:00 15 3 11
2641 3 9/9/2020 0:00 15 3 12
2642 3 11/9/2020 0:00 15 3 12
2643 3 10/9/2020 0:00 15 3 12
2644 3 10/9/2020 0:00 15 3 13
2645 3 11/9/2020 0:00 15 3 16
2646 3 11/9/2020 0:00 15 3 17
2647 3 10/9/2020 0:00 15 3 18
2648 3 11/9/2020 0:00 15 3 18
2649 3 11/9/2020 0:00 15 3 18
2650 3 11/9/2020 0:00 15 3 19
2651 3 11/9/2020 0:00 15 3 19
2652 3 11/9/2020 0:00 15 3 19
2653 3 11/9/2020 0:00 15 3 19
2654 3 11/9/2020 0:00 15 3 20
2655 3 11/9/2020 0:00 15 3 20
2656 3 11/9/2020 0:00 15 3 21
2657 3 11/9/2020 0:00 15 3 21
2658 3 10/9/2020 0:00 15 3 21
2659 3 11/9/2020 0:00 15 3 21
2660 3 11/9/2020 0:00 15 3 21
2661 3 10/9/2020 0:00 15 3 22
2662 3 11/9/2020 0:00 15 3 22
2663 3 11/9/2020 0:00 15 3 22
2664 3 10/9/2020 0:00 15 3 22
2665 3 11/9/2020 0:00 15 3 22
2666 3 10/9/2020 0:00 15 3 23
2667 3 11/9/2020 0:00 15 3 23
2668 3 11/9/2020 0:00 15 3 23
2669 3 10/9/2020 0:00 15 3 23
2670 3 10/9/2020 0:00 15 3 23
2671 3 10/9/2020 0:00 15 3 23
2672 3 10/9/2020 0:00 15 3 23
2673 3 11/9/2020 0:00 15 3 23
2674 3 12/9/2020 0:00 15 3 24
2675 3 10/9/2020 0:00 15 3 24
2676 3 11/9/2020 0:00 15 3 24
2677 3 11/9/2020 0:00 15 3 24
2678 3 11/9/2020 0:00 15 3 24
2679 3 11/9/2020 0:00 15 3 24
2680 3 11/9/2020 0:00 15 3 24
2681 3 10/9/2020 0:00 15 3 25
2682 3 10/9/2020 0:00 15 3 25
2683 3 11/9/2020 0:00 15 3 25
2684 3 11/9/2020 0:00 15 3 25
2685 3 10/9/2020 0:00 15 3 25
2686 3 10/9/2020 0:00 15 3 25
2687 3 11/9/2020 0:00 15 3 25
2688 3 11/9/2020 0:00 15 3 25
2689 3 11/9/2020 0:00 15 3 26
2690 3 10/9/2020 0:00 15 3 26
2691 3 11/9/2020 0:00 15 3 26
2692 3 10/9/2020 0:00 15 3 26
2693 3 11/9/2020 0:00 15 3 26
2694 3 11/9/2020 0:00 15 3 26
2695 3 11/9/2020 0:00 15 3 26
2696 3 11/9/2020 0:00 15 3 26
2697 3 11/9/2020 0:00 15 3 26
2698 3 10/9/2020 0:00 15 3 26
2699 3 10/9/2020 0:00 15 3 26
2700 3 11/9/2020 0:00 15 3 26
2701 3 11/9/2020 0:00 15 3 27
2702 3 11/9/2020 0:00 15 3 27
2703 3 11/9/2020 0:00 15 3 27
2704 3 11/9/2020 0:00 15 3 27
2705 3 11/9/2020 0:00 15 3 27
2706 3 11/9/2020 0:00 15 3 27
2707 3 11/9/2020 0:00 15 3 27
2708 3 10/9/2020 0:00 15 3 27
2709 3 11/9/2020 0:00 15 3 27
2710 3 10/9/2020 0:00 15 3 27
2711 3 11/9/2020 0:00 15 3 27
2712 3 12/9/2020 0:00 15 3 27
2713 3 11/9/2020 0:00 15 3 27
2714 3 11/9/2020 0:00 15 3 28
2715 3 11/9/2020 0:00 15 3 28
2716 3 11/9/2020 0:00 15 3 28
2717 3 11/9/2020 0:00 15 3 28
2718 3 11/9/2020 0:00 15 3 28
2719 3 11/9/2020 0:00 15 3 29
2720 3 11/9/2020 0:00 15 3 29
2721 3 11/9/2020 0:00 15 3 29
2722 3 11/9/2020 0:00 15 3 29
2723 3 11/9/2020 0:00 15 3 29
2724 3 10/9/2020 0:00 15 3 29
2725 3 11/9/2020 0:00 15 3 29
2726 3 11/9/2020 0:00 15 3 29
2727 3 11/9/2020 0:00 15 3 29
2728 3 11/9/2020 0:00 15 3 30
2729 3 11/9/2020 0:00 15 3 30
2730 3 10/9/2020 0:00 15 3 30
2731 3 11/9/2020 0:00 15 3 30
2732 3 11/9/2020 0:00 15 3 30
2733 3 11/9/2020 0:00 15 3 30
2734 3 11/9/2020 0:00 15 3 30
2735 3 11/9/2020 0:00 15 3 30
2736 3 12/9/2020 0:00 15 3 30
2737 3 11/9/2020 0:00 15 3 30
2738 3 11/9/2020 0:00 15 3 30
2739 3 10/9/2020 0:00 15 3 30
2740 3 11/9/2020 0:00 15 3 30
2741 3 11/9/2020 0:00 15 3 31
2742 3 11/9/2020 0:00 15 3 31
2743 3 10/9/2020 0:00 15 3 31
2744 3 11/9/2020 0:00 15 3 31
2745 3 11/9/2020 0:00 15 3 31
2746 3 10/9/2020 0:00 15 3 31
2747 3 10/9/2020 0:00 15 3 31
2748 3 10/9/2020 0:00 15 3 32
2749 3 11/9/2020 0:00 15 3 32
2750 3 11/9/2020 0:00 15 3 32
2751 3 11/9/2020 0:00 15 3 32
2752 3 11/9/2020 0:00 15 3 32
2753 3 11/9/2020 0:00 15 3 32
2754 3 11/9/2020 0:00 15 3 32
2755 3 10/9/2020 0:00 15 3 32
2756 3 10/9/2020 0:00 15 3 32
2757 3 10/9/2020 0:00 15 3 32
2758 3 11/9/2020 0:00 15 3 32
2759 3 10/9/2020 0:00 15 3 32
2760 3 10/9/2020 0:00 15 3 32
2761 3 11/9/2020 0:00 15 3 33
2762 3 10/9/2020 0:00 15 3 33
2763 3 11/9/2020 0:00 15 3 33
2764 3 10/9/2020 0:00 15 3 33
2765 3 11/9/2020 0:00 15 3 33
2766 3 11/9/2020 0:00 15 3 33
2767 3 10/9/2020 0:00 15 3 34
2768 3 11/9/2020 0:00 15 3 34
2769 3 11/9/2020 0:00 15 3 34
2770 3 11/9/2020 0:00 15 3 34
2771 3 10/9/2020 0:00 15 3 34
2772 3 11/9/2020 0:00 15 3 34
2773 3 11/9/2020 0:00 15 3 34
2774 3 11/9/2020 0:00 15 3 34
2775 3 11/9/2020 0:00 15 3 34
2776 3 11/9/2020 0:00 15 3 34
2777 3 11/9/2020 0:00 15 3 34
2778 3 11/9/2020 0:00 15 3 34
2779 3 11/9/2020 0:00 15 3 35
2780 3 11/9/2020 0:00 15 3 35
2781 3 11/9/2020 0:00 15 3 35
2782 3 11/9/2020 0:00 15 3 35
2783 3 11/9/2020 0:00 15 3 35
2784 3 11/9/2020 0:00 15 3 35
2785 3 11/9/2020 0:00 15 3 35
2786 3 11/9/2020 0:00 15 3 35
2787 3 11/9/2020 0:00 15 3 35
2788 3 11/9/2020 0:00 15 3 35
2789 3 10/9/2020 0:00 15 3 35
2790 3 10/9/2020 0:00 15 3 35
2791 3 10/9/2020 0:00 15 3 36
2792 3 11/9/2020 0:00 15 3 36
2793 3 11/9/2020 0:00 15 3 36
2794 3 10/9/2020 0:00 15 3 36
2795 3 10/9/2020 0:00 15 3 36
2796 3 11/9/2020 0:00 15 3 36
2797 3 11/9/2020 0:00 15 3 37
2798 3 10/9/2020 0:00 15 3 37
2799 3 11/9/2020 0:00 15 3 37
2800 3 11/9/2020 0:00 15 3 37
2801 3 11/9/2020 0:00 15 3 37
2802 3 11/9/2020 0:00 15 3 37
2803 3 10/9/2020 0:00 15 3 37
2804 3 11/9/2020 0:00 15 3 37
2805 3 11/9/2020 0:00 15 3 38
2806 3 11/9/2020 0:00 15 3 38
2807 3 11/9/2020 0:00 15 3 38
2808 3 11/9/2020 0:00 15 3 38
2809 3 10/9/2020 0:00 15 3 38
2810 3 11/9/2020 0:00 15 3 38
2811 3 11/9/2020 0:00 15 3 38
2812 3 11/9/2020 0:00 15 3 39
2813 3 11/9/2020 0:00 15 3 39
2814 3 11/9/2020 0:00 15 3 39
2815 3 11/9/2020 0:00 15 3 39
2816 3 12/9/2020 0:00 15 3 39
2817 3 10/9/2020 0:00 15 3 39
2818 3 11/9/2020 0:00 15 3 39
2819 3 11/9/2020 0:00 15 3 39
2820 3 10/9/2020 0:00 15 3 40
2821 3 11/9/2020 0:00 15 3 40
2822 3 11/9/2020 0:00 15 3 40
2823 3 11/9/2020 0:00 15 3 40
2824 3 11/9/2020 0:00 15 3 40
2825 3 11/9/2020 0:00 15 3 40
2826 3 11/9/2020 0:00 15 3 40
2827 3 9/9/2020 0:00 15 3 40
2828 3 10/9/2020 0:00 15 3 41
2829 3 11/9/2020 0:00 15 3 41
2830 3 11/9/2020 0:00 15 3 41
2831 3 11/9/2020 0:00 15 3 41
2832 3 11/9/2020 0:00 15 3 41
2833 3 11/9/2020 0:00 15 3 42
2834 3 10/9/2020 0:00 15 3 42
2835 3 11/9/2020 0:00 15 3 42
2836 3 11/9/2020 0:00 15 3 42
2837 3 10/9/2020 0:00 15 3 42
2838 3 10/9/2020 0:00 15 3 42
2839 3 11/9/2020 0:00 15 3 42
2840 3 12/9/2020 0:00 15 3 43
2841 3 11/9/2020 0:00 15 3 43
2842 3 11/9/2020 0:00 15 3 43
2843 3 11/9/2020 0:00 15 3 43
2844 3 11/9/2020 0:00 15 3 43
2845 3 10/9/2020 0:00 15 3 43
2846 3 11/9/2020 0:00 15 3 43
2847 3 11/9/2020 0:00 15 3 43
2848 3 11/9/2020 0:00 15 3 44
2849 3 11/9/2020 0:00 15 3 44
2850 3 11/9/2020 0:00 15 3 44
2851 3 10/9/2020 0:00 15 3 44
2852 3 10/9/2020 0:00 15 3 44
2853 3 12/9/2020 0:00 15 3 44
2854 3 11/9/2020 0:00 15 3 45
2855 3 10/9/2020 0:00 15 3 45
2856 3 11/9/2020 0:00 15 3 45
2857 3 11/9/2020 0:00 15 3 46
2858 3 10/9/2020 0:00 15 3 46
2859 3 10/9/2020 0:00 15 3 46
2860 3 11/9/2020 0:00 15 3 46
2861 3 10/9/2020 0:00 15 3 46
2862 3 11/9/2020 0:00 15 3 47
2863 3 11/9/2020 0:00 15 3 47
2864 3 11/9/2020 0:00 15 3 47
2865 3 10/9/2020 0:00 15 3 47
2866 3 11/9/2020 0:00 15 3 47
2867 3 11/9/2020 0:00 15 3 47
2868 3 11/9/2020 0:00 15 3 47
2869 3 11/9/2020 0:00 15 3 47
2870 3 10/9/2020 0:00 15 3 48
2871 3 11/9/2020 0:00 15 3 48
2872 3 11/9/2020 0:00 15 3 48
2873 3 11/9/2020 0:00 15 3 48
2874 3 11/9/2020 0:00 15 3 48
2875 3 10/9/2020 0:00 15 3 48
2876 3 10/9/2020 0:00 15 3 48
2877 3 11/9/2020 0:00 15 3 49
2878 3 11/9/2020 0:00 15 3 49
2879 3 10/9/2020 0:00 15 3 49
2880 3 11/9/2020 0:00 15 3 49
2881 3 11/9/2020 0:00 15 3 50
2882 3 11/9/2020 0:00 15 3 50
2883 3 11/9/2020 0:00 15 3 50
2884 3 11/9/2020 0:00 15 3 50
2885 3 11/9/2020 0:00 15 3 50
2886 3 11/9/2020 0:00 15 3 51
2887 3 11/9/2020 0:00 15 3 51
2888 3 11/9/2020 0:00 15 3 51
2889 3 11/9/2020 0:00 15 3 51
2890 3 10/9/2020 0:00 15 3 51
2891 3 11/9/2020 0:00 15 3 51
2892 3 11/9/2020 0:00 15 3 51
2893 3 11/9/2020 0:00 15 3 51
2894 3 10/9/2020 0:00 15 3 52
2895 3 11/9/2020 0:00 15 3 52
2896 3 10/9/2020 0:00 15 3 52
2897 3 10/9/2020 0:00 15 3 52
2898 3 11/9/2020 0:00 15 3 52
2899 3 10/9/2020 0:00 15 3 53
2900 3 11/9/2020 0:00 15 3 53
2901 3 11/9/2020 0:00 15 3 53
2902 3 11/9/2020 0:00 15 3 53
2903 3 11/9/2020 0:00 15 3 54
2904 3 12/9/2020 0:00 15 3 54
2905 3 10/9/2020 0:00 15 3 54
2906 3 11/9/2020 0:00 15 3 54
2907 3 11/9/2020 0:00 15 3 54
2908 3 10/9/2020 0:00 15 3 54
2909 3 11/9/2020 0:00 15 3 55
2910 3 11/9/2020 0:00 15 3 55
2911 3 11/9/2020 0:00 15 3 56
2912 3 10/9/2020 0:00 15 3 56
2913 3 10/9/2020 0:00 15 3 56
2914 3 11/9/2020 0:00 15 3 56
2915 3 11/9/2020 0:00 15 3 57
2916 3 11/9/2020 0:00 15 3 57
2917 3 10/9/2020 0:00 15 3 57
2918 3 12/9/2020 0:00 15 3 57
2919 3 10/9/2020 0:00 15 3 57
2920 3 10/9/2020 0:00 15 3 57
2921 3 10/9/2020 0:00 15 3 57
2922 3 10/9/2020 0:00 15 3 58
2923 3 10/9/2020 0:00 15 3 58
2924 3 10/9/2020 0:00 15 3 58
2925 3 11/9/2020 0:00 15 3 59
2926 3 11/9/2020 0:00 15 3 59
2927 3 10/9/2020 0:00 15 3 59
2928 3 11/9/2020 0:00 15 3 59
2929 3 11/9/2020 0:00 15 3 59
2930 3 11/9/2020 0:00 15 3 59
2931 3 10/9/2020 0:00 15 3 60
2932 3 10/9/2020 0:00 15 3 60
2933 3 10/9/2020 0:00 15 3 60
2934 3 11/9/2020 0:00 15 3 61
2935 3 11/9/2020 0:00 15 3 61
2936 3 11/9/2020 0:00 15 3 61
2937 3 11/9/2020 0:00 15 3 61
2938 3 10/9/2020 0:00 15 3 62
2939 3 11/9/2020 0:00 15 3 62
2940 3 12/9/2020 0:00 15 3 62
2941 3 11/9/2020 0:00 15 3 62
2942 3 11/9/2020 0:00 15 3 63
2943 3 10/9/2020 0:00 15 3 63
2944 3 11/9/2020 0:00 15 3 63
2945 3 11/9/2020 0:00 15 3 63
2946 3 11/9/2020 0:00 15 3 63
2947 3 12/9/2020 0:00 15 3 64
2948 3 12/9/2020 0:00 15 3 64
2949 3 10/9/2020 0:00 15 3 64
2950 3 10/9/2020 0:00 15 3 64
2951 3 11/9/2020 0:00 15 3 64
2952 3 10/9/2020 0:00 15 3 64
2953 3 12/9/2020 0:00 15 3 65
2954 3 10/9/2020 0:00 15 3 67
2955 3 11/9/2020 0:00 15 3 67
2956 3 10/9/2020 0:00 15 3 67
2957 3 11/9/2020 0:00 15 3 68
2958 3 11/9/2020 0:00 15 3 69
2959 3 10/9/2020 0:00 15 3 70
2960 3 11/9/2020 0:00 15 3 70
2961 3 11/9/2020 0:00 15 3 72
2962 3 10/9/2020 0:00 15 3 72
2963 3 11/9/2020 0:00 15 3 73
2964 3 11/9/2020 0:00 15 3 73
2965 3 11/9/2020 0:00 15 3 73
2966 3 11/9/2020 0:00 15 3 73
2967 3 11/9/2020 0:00 15 3 74
2968 3 10/9/2020 0:00 15 3 74
2969 3 11/9/2020 0:00 15 3 75
2970 3 10/9/2020 0:00 15 3 75
2971 3 10/9/2020 0:00 15 3 76
2972 3 10/9/2020 0:00 15 3 78
2973 3 10/9/2020 0:00 15 3 79
2974 3 10/9/2020 0:00 15 3 80
2975 3 11/9/2020 0:00 15 3 82
2976 3 11/9/2020 0:00 15 3 82
2977 3 10/9/2020 0:00 15 3 83
2978 3 11/9/2020 0:00 15 3 83
2979 3 11/9/2020 0:00 15 3 85
2980 3 10/9/2020 0:00 15 3 86
2981 3 11/9/2020 0:00 15 3 95
2982 3 11/9/2020 0:00 15 3 33
2983 3 11/9/2020 0:00 15 3 1
2984 3 12/9/2020 0:00 15 3 1
2985 3 11/9/2020 0:00 15 3 2
2986 3 10/9/2020 0:00 15 3 2
2987 3 11/9/2020 0:00 15 3 2
2988 3 10/9/2020 0:00 15 3 3
2989 3 11/9/2020 0:00 15 3 3
2990 3 11/9/2020 0:00 15 3 4
2991 3 11/9/2020 0:00 15 3 4
2992 3 10/9/2020 0:00 15 3 5
2993 3 11/9/2020 0:00 15 3 5
2994 3 10/9/2020 0:00 15 3 5
2995 3 11/9/2020 0:00 15 3 5
2996 3 10/9/2020 0:00 15 3 5
2997 3 11/9/2020 0:00 15 3 6
2998 3 11/9/2020 0:00 15 3 6
2999 3 11/9/2020 0:00 15 3 6
3000 3 10/9/2020 0:00 15 3 6
3001 3 12/9/2020 0:00 15 3 7
3002 3 10/9/2020 0:00 15 3 7
3003 3 11/9/2020 0:00 15 3 8
3004 3 10/9/2020 0:00 15 3 9
3005 3 11/9/2020 0:00 15 3 9
3006 3 10/9/2020 0:00 15 3 9
3007 3 12/9/2020 0:00 15 3 9
3008 3 11/9/2020 0:00 15 3 9
3009 3 11/9/2020 0:00 15 3 10
3010 3 11/9/2020 0:00 15 3 10
3011 3 11/9/2020 0:00 15 3 10
3012 3 10/9/2020 0:00 15 3 12
3013 3 10/9/2020 0:00 15 3 12
3014 3 10/9/2020 0:00 15 3 12
3015 3 10/9/2020 0:00 15 3 12
3016 3 12/9/2020 0:00 15 3 12
3017 3 11/9/2020 0:00 15 3 13
3018 3 11/9/2020 0:00 15 3 13
3019 3 11/9/2020 0:00 15 3 13
3020 3 11/9/2020 0:00 15 3 13
3021 3 11/9/2020 0:00 15 3 14
3022 3 11/9/2020 0:00 15 3 14
3023 3 10/9/2020 0:00 15 3 14
3024 3 11/9/2020 0:00 15 3 15
3025 3 11/9/2020 0:00 15 3 15
3026 3 10/9/2020 0:00 15 3 16
3027 3 10/9/2020 0:00 15 3 16
3028 3 10/9/2020 0:00 15 3 16
3029 3 10/9/2020 0:00 15 3 17
3030 3 11/9/2020 0:00 15 3 17
3031 3 10/9/2020 0:00 15 3 17
3032 3 11/9/2020 0:00 15 3 17
3033 3 10/9/2020 0:00 15 3 18
3034 3 11/9/2020 0:00 15 3 18
3035 3 11/9/2020 0:00 15 3 18
3036 3 11/9/2020 0:00 15 3 18
3037 3 10/9/2020 0:00 15 3 19
3038 3 11/9/2020 0:00 15 3 19
3039 3 11/9/2020 0:00 15 3 20
3040 3 11/9/2020 0:00 15 3 20
3041 3 10/9/2020 0:00 15 3 20
3042 3 12/9/2020 0:00 15 3 20
3043 3 11/9/2020 0:00 15 3 20
3044 3 11/9/2020 0:00 15 3 20
3045 3 11/9/2020 0:00 15 3 20
3046 3 11/9/2020 0:00 15 3 21
3047 3 11/9/2020 0:00 15 3 21
3048 3 11/9/2020 0:00 15 3 22
3049 3 10/9/2020 0:00 15 3 22
3050 3 11/9/2020 0:00 15 3 22
3051 3 11/9/2020 0:00 15 3 22
3052 3 11/9/2020 0:00 15 3 22
3053 3 10/9/2020 0:00 15 3 22
3054 3 10/9/2020 0:00 15 3 22
3055 3 11/9/2020 0:00 15 3 23
3056 3 12/9/2020 0:00 15 3 23
3057 3 11/9/2020 0:00 15 3 23
3058 3 12/9/2020 0:00 15 3 23
3059 3 11/9/2020 0:00 15 3 23
3060 3 11/9/2020 0:00 15 3 23
3061 3 11/9/2020 0:00 15 3 23
3062 3 10/9/2020 0:00 15 3 23
3063 3 10/9/2020 0:00 14 2 95
3064 3 10/9/2020 0:00 14 2 28
3065 3 10/9/2020 0:00 14 2 61
3066 3 10/9/2020 0:00 5 4 28
3067 3 8/9/2020 0:00 5 4 28
3068 3 5/9/2020 0:00 5 4 2
3069 3 12/9/2020 0:00 5 4 58
3070 3 12/9/2020 0:00 15 3 18
3071 3 12/9/2020 0:00 15 3 21
3072 3 12/9/2020 0:00 5 4 29
3073 3 12/9/2020 0:00 15 3 32
3074 4 1/10/2020 0:00 5 4 28
3075 4 1/10/2020 0:00 5 4 13
3076 4 1/10/2020 0:00 15 3 52
3077 4 1/10/2020 0:00 15 3 35
3078 4 1/10/2020 0:00 15 3 36
3079 4 1/10/2020 0:00 15 3 22
3080 4 1/10/2020 0:00 15 3 39
3081 4 1/10/2020 0:00 15 3 67
3082 4 1/10/2020 0:00 15 3 31
3083 4 1/10/2020 0:00 15 3 39
3084 4 1/10/2020 0:00 14 1 50
3085 4 1/10/2020 0:00 15 3 36
3086 4 1/10/2020 0:00 15 3 56
3087 4 1/10/2020 0:00 15 3 29
3088 4 1/10/2020 0:00 14 1 56
3089 4 2/10/2020 0:00 5 4 70
3090 4 2/10/2020 0:00 15 3 16
3091 4 2/10/2020 0:00 15 3 43
3092 4 2/10/2020 0:00 15 3 48
3093 4 2/10/2020 0:00 15 3 43
3094 4 2/10/2020 0:00 15 3 51
3095 4 2/10/2020 0:00 15 3 27
3096 4 2/10/2020 0:00 5 4 79
3097 4 2/10/2020 0:00 5 4 64
3098 4 2/10/2020 0:00 5 4 23
3099 4 2/10/2020 0:00 5 4 29
3100 4 2/10/2020 0:00 5 4 24
3101 4 2/10/2020 0:00 5 4 56
3102 4 2/10/2020 0:00 5 4 28
3103 4 2/10/2020 0:00 5 4 30
3104 4 2/10/2020 0:00 5 4 30
3105 4 2/10/2020 0:00 5 4 58
3106 4 2/10/2020 0:00 15 3 58
3107 4 2/10/2020 0:00 15 3 31
3108 4 2/10/2020 0:00 15 3 49
3109 4 2/10/2020 0:00 15 3 48
3110 4 2/10/2020 0:00 15 3 42
3111 4 2/10/2020 0:00 15 3 20
3112 4 2/10/2020 0:00 15 3 89
3113 4 2/10/2020 0:00 15 3 34
3114 4 2/10/2020 0:00 15 3 79
3115 4 2/10/2020 0:00 15 3 28
3116 4 2/10/2020 0:00 15 3 42
3117 4 2/10/2020 0:00 15 3 69
3118 4 2/10/2020 0:00 15 5 37
3119 4 2/10/2020 0:00 14 1 49
3120 4 2/10/2020 0:00 14 1 56
3121 4 2/10/2020 0:00 14 1 64
3122 4 2/10/2020 0:00 14 1 29
3123 4 2/10/2020 0:00 14 1 37
3124 4 2/10/2020 0:00 14 1 37
3125 4 2/10/2020 0:00 14 1 47
3126 4 2/10/2020 0:00 15 3 50
3127 4 2/10/2020 0:00 15 3 34
3128 4 2/10/2020 0:00 15 3 10
3129 4 2/10/2020 0:00 15 3 43
3130 4 2/10/2020 0:00 5 4 29
3131 4 2/10/2020 0:00 5 4 31
3132 4 2/10/2020 0:00 15 3 30
3133 4 2/10/2020 0:00 15 3 71
3134 4 2/10/2020 0:00 15 3 41
3135 4 2/10/2020 0:00 15 3 57
3136 4 2/10/2020 0:00 5 4 71
3137 4 2/10/2020 0:00 15 3 41
3138 4 2/10/2020 0:00 15 3 43
3139 4 2/10/2020 0:00 5 4 50
3140 4 2/10/2020 0:00 5 4 34
3141 4 2/10/2020 0:00 15 3 36
3142 4 2/10/2020 0:00 15 3 27
3143 4 2/10/2020 0:00 15 3 57
3144 4 2/10/2020 0:00 5 4 19
3145 4 2/10/2020 0:00 5 4 40
3146 4 2/10/2020 0:00 5 4 39
3147 4 2/10/2020 0:00 5 4 26
3148 4 2/10/2020 0:00 5 4 30
3149 4 2/10/2020 0:00 5 4 58
3150 4 2/10/2020 0:00 5 4 25
3151 4 2/10/2020 0:00 5 4 30
3152 4 2/10/2020 0:00 5 4 25
3153 4 2/10/2020 0:00 5 4 25
3154 4 2/10/2020 0:00 5 4 61
3155 4 2/10/2020 0:00 5 4 63
3156 4 2/10/2020 0:00 5 4 23
3157 4 2/10/2020 0:00 5 4 32
3158 4 2/10/2020 0:00 5 4 9
3159 4 2/10/2020 0:00 5 4 40
3160 4 2/10/2020 0:00 5 4 17
3161 4 2/10/2020 0:00 5 4 55
3162 4 2/10/2020 0:00 5 4 1
3163 4 2/10/2020 0:00 5 4 18
3164 4 2/10/2020 0:00 5 4 43
3165 4 2/10/2020 0:00 5 4 13
3166 4 2/10/2020 0:00 5 4 40
3167 4 2/10/2020 0:00 5 4 67
3168 4 2/10/2020 0:00 5 4 20
3169 4 2/10/2020 0:00 5 4 34
3170 4 2/10/2020 0:00 14 2 45
3171 4 2/10/2020 0:00 14 2 19
3172 4 2/10/2020 0:00 14 2 21
3173 4 2/10/2020 0:00 14 2 63
3174 4 2/10/2020 0:00 14 2 53
3175 4 2/10/2020 0:00 14 2 19
3176 4 2/10/2020 0:00 14 2 68
3177 4 2/10/2020 0:00 14 2 38
3178 4 2/10/2020 0:00 14 2 25
3179 4 2/10/2020 0:00 14 2 46
3180 4 2/10/2020 0:00 15 3 75
3181 4 2/10/2020 0:00 15 3 60
3182 4 2/10/2020 0:00 15 3 75
3183 4 2/10/2020 0:00 15 3 56
3184 4 2/10/2020 0:00 15 3 32
3185 4 2/10/2020 0:00 15 3 10
3186 4 2/10/2020 0:00 15 3 13
3187 4 2/10/2020 0:00 15 3 12
3188 4 2/10/2020 0:00 15 3 42
3189 4 2/10/2020 0:00 15 3 22
3190 4 2/10/2020 0:00 15 3 54
3191 4 2/10/2020 0:00 14 2 25
3192 4 2/10/2020 0:00 15 3 19
3193 4 2/10/2020 0:00 15 3 66
3194 4 2/10/2020 0:00 15 3 62
3195 4 2/10/2020 0:00 15 3 18
3196 4 2/10/2020 0:00 14 2 52
3197 4 2/10/2020 0:00 14 2 19
3198 4 2/10/2020 0:00 15 3 31
3199 4 2/10/2020 0:00 15 3 66
3200 4 2/10/2020 0:00 15 3 35
3201 4 2/10/2020 0:00 15 3 48
3202 4 2/10/2020 0:00 15 3 32
3203 4 2/10/2020 0:00 15 3 29
3204 4 2/10/2020 0:00 15 3 1
3205 4 2/10/2020 0:00 15 3 34
3206 4 2/10/2020 0:00 15 3 75
3207 4 2/10/2020 0:00 15 3 66
3208 4 2/10/2020 0:00 15 3 39
3209 4 2/10/2020 0:00 15 3 21
3210 4 2/10/2020 0:00 15 3 56
3211 4 2/10/2020 0:00 15 3 48
3212 4 2/10/2020 0:00 15 3 48
3213 4 2/10/2020 0:00 15 3 42
3214 4 2/10/2020 0:00 15 3 35
3215 4 2/10/2020 0:00 15 3 15
3216 4 2/10/2020 0:00 15 3 40
3217 4 2/10/2020 0:00 15 3 28
3218 4 2/10/2020 0:00 15 3 28
3219 4 2/10/2020 0:00 15 3 47
3220 4 2/10/2020 0:00 15 3 21
3221 4 2/10/2020 0:00 15 3 45
3222 4 2/10/2020 0:00 15 3 48
3223 4 2/10/2020 0:00 15 3 57
3224 4 2/10/2020 0:00 15 3 58
3225 4 2/10/2020 0:00 15 3 54
3226 4 2/10/2020 0:00 15 3 24
3227 4 2/10/2020 0:00 15 3 79
3228 4 2/10/2020 0:00 15 3 29
3229 4 2/10/2020 0:00 15 3 29
3230 4 2/10/2020 0:00 15 3 35
3231 4 2/10/2020 0:00 15 3 40
3232 4 2/10/2020 0:00 15 3 21
3233 4 2/10/2020 0:00 15 3 45
3234 4 2/10/2020 0:00 15 3 50
3235 4 2/10/2020 0:00 15 3 45
3236 4 2/10/2020 0:00 15 3 30
3237 4 2/10/2020 0:00 15 3 29
3238 4 2/10/2020 0:00 15 3 43
3239 4 2/10/2020 0:00 15 3 41
3240 4 2/10/2020 0:00 15 3 64
3241 4 2/10/2020 0:00 15 3 23
3242 4 2/10/2020 0:00 15 3 25
3243 4 2/10/2020 0:00 15 3 43
3244 4 2/10/2020 0:00 15 3 48
3245 4 2/10/2020 0:00 15 3 30
3246 4 2/10/2020 0:00 15 3 29
3247 4 2/10/2020 0:00 15 3 28
3248 4 2/10/2020 0:00 15 3 23
3249 4 2/10/2020 0:00 15 3 46
3250 4 2/10/2020 0:00 15 3 34
3251 4 2/10/2020 0:00 15 3 28
3252 4 2/10/2020 0:00 15 3 32
3253 4 2/10/2020 0:00 15 3 28
3254 4 2/10/2020 0:00 15 3 36
3255 4 2/10/2020 0:00 15 3 36
3256 4 2/10/2020 0:00 5 4 30
3257 4 2/10/2020 0:00 5 4 19
3258 4 2/10/2020 0:00 5 4 47
3259 4 2/10/2020 0:00 5 4 23
3260 4 2/10/2020 0:00 15 3 33
3261 4 2/10/2020 0:00 15 3 25
3262 4 2/10/2020 0:00 15 3 13
3263 4 2/10/2020 0:00 15 3 38
3264 4 2/10/2020 0:00 15 3 68
3265 4 2/10/2020 0:00 15 3 35
3266 4 2/10/2020 0:00 15 3 36
3267 4 2/10/2020 0:00 15 3 61
3268 4 2/10/2020 0:00 15 3 67
3269 4 2/10/2020 0:00 15 3 28
3270 4 2/10/2020 0:00 15 3 46
3271 4 2/10/2020 0:00 15 3 53
3272 4 2/10/2020 0:00 15 3 80
3273 4 2/10/2020 0:00 15 3 41
3274 4 2/10/2020 0:00 15 3 30
3275 4 2/10/2020 0:00 15 3 25
3276 4 3/10/2020 0:00 15 3 22
3277 4 3/10/2020 0:00 15 3 46
3278 4 3/10/2020 0:00 15 3 36
3279 4 3/10/2020 0:00 15 3 60
3280 4 3/10/2020 0:00 15 3 36
3281 4 3/10/2020 0:00 15 3 39
3282 4 3/10/2020 0:00 15 3 24
3283 4 3/10/2020 0:00 15 3 24
3284 4 3/10/2020 0:00 15 3 52
3285 4 3/10/2020 0:00 15 3 33
3286 4 3/10/2020 0:00 15 3 44
3287 4 3/10/2020 0:00 15 3 38
3288 4 3/10/2020 0:00 15 3 28
3289 4 3/10/2020 0:00 15 3 47
3290 4 3/10/2020 0:00 15 3 15
3291 4 4/10/2020 0:00 15 3 40
3292 4 4/10/2020 0:00 15 3 47
3293 4 4/10/2020 0:00 15 3 26
3294 4 4/10/2020 0:00 15 3 44
3295 4 4/10/2020 0:00 15 3 4
3296 4 4/10/2020 0:00 15 3 38
3297 4 4/10/2020 0:00 15 3 37
3298 4 4/10/2020 0:00 15 3 32
3299 4 4/10/2020 0:00 15 3 26
3300 4 4/10/2020 0:00 15 3 37
3301 4 4/10/2020 0:00 15 3 54
3302 4 4/10/2020 0:00 15 3 67
3303 4 4/10/2020 0:00 15 3 46
3304 4 4/10/2020 0:00 15 3 34
3305 4 4/10/2020 0:00 15 3 45
3306 4 4/10/2020 0:00 1 3 33
3307 4 4/10/2020 0:00 14 2 45
3308 4 4/10/2020 0:00 14 2 53
3309 4 4/10/2020 0:00 14 2 25
3310 4 4/10/2020 0:00 14 2 46
3311 4 4/10/2020 0:00 14 2 46
3312 4 4/10/2020 0:00 14 1 42
3313 4 4/10/2020 0:00 14 1 49
3314 4 4/10/2020 0:00 14 1 21
3315 4 4/10/2020 0:00 14 1 23
3316 4 4/10/2020 0:00 14 1 18
3317 4 4/10/2020 0:00 14 1 33
3318 4 4/10/2020 0:00 1 3 31
3319 4 4/10/2020 0:00 1 3 24
3320 4 4/10/2020 0:00 1 3 26
3321 4 4/10/2020 0:00 1 3 15
3322 4 4/10/2020 0:00 1 3 65
3323 4 4/10/2020 0:00 1 3 45
3324 4 4/10/2020 0:00 1 3 26
3325 4 4/10/2020 0:00 1 3 67
3326 4 4/10/2020 0:00 1 3 25
3327 4 4/10/2020 0:00 1 3 28
3328 4 4/10/2020 0:00 1 3 40
3329 4 4/10/2020 0:00 1 3 45
3330 4 4/10/2020 0:00 1 3 32
3331 4 4/10/2020 0:00 1 3 38
3332 4 4/10/2020 0:00 1 3 24
3333 4 4/10/2020 0:00 1 3 20
3334 4 4/10/2020 0:00 14 2 40
3335 4 4/10/2020 0:00 1 3 11
3336 4 4/10/2020 0:00 1 3 29
3337 4 4/10/2020 0:00 1 3 24
3338 4 4/10/2020 0:00 1 3 23
3339 4 4/10/2020 0:00 1 3 20
3340 4 4/10/2020 0:00 1 3 23
3341 4 4/10/2020 0:00 1 3 43
3342 4 4/10/2020 0:00 1 3 32
3343 4 4/10/2020 0:00 1 3 24
3344 4 4/10/2020 0:00 14 2 43
3345 4 4/10/2020 0:00 14 2 26
3346 4 4/10/2020 0:00 1 3 39
3347 4 4/10/2020 0:00 1 3 18
3348 4 4/10/2020 0:00 1 3 7
3349 4 4/10/2020 0:00 1 3 45
3350 4 4/10/2020 0:00 1 3 19
3351 4 4/10/2020 0:00 1 3 25
3352 4 4/10/2020 0:00 1 3 30
3353 4 4/10/2020 0:00 1 3 28
3354 4 4/10/2020 0:00 1 3 56
3355 4 4/10/2020 0:00 1 3 51
3356 4 4/10/2020 0:00 14 2 39
3357 4 4/10/2020 0:00 1 3 24
3358 4 4/10/2020 0:00 1 3 43
3359 4 4/10/2020 0:00 1 3 38
3360 4 4/10/2020 0:00 1 3 50
3361 4 4/10/2020 0:00 1 3 41
3362 4 4/10/2020 0:00 14 1 50
3363 4 4/10/2020 0:00 1 3 28
3364 4 4/10/2020 0:00 1 3 63
3365 4 4/10/2020 0:00 1 3 22
3366 4 4/10/2020 0:00 1 3 31
3367 4 4/10/2020 0:00 1 3 27
3368 4 4/10/2020 0:00 1 3 34
3369 4 4/10/2020 0:00 1 3 50
3370 4 4/10/2020 0:00 1 3 47
3371 4 4/10/2020 0:00 1 3 49
3372 4 4/10/2020 0:00 1 3 56
3373 4 4/10/2020 0:00 1 3 28
3374 4 4/10/2020 0:00 1 3 29
3375 4 4/10/2020 0:00 1 3 30
3376 4 4/10/2020 0:00 14 2 25
3377 4 4/10/2020 0:00 1 3 37
3378 4 4/10/2020 0:00 14 2 36
3379 4 4/10/2020 0:00 1 3 22
3380 4 4/10/2020 0:00 1 3 28
3381 4 4/10/2020 0:00 1 3 36
3382 4 4/10/2020 0:00 1 3 21
3383 4 4/10/2020 0:00 1 3 52
3384 4 4/10/2020 0:00 1 3 37
3385 4 4/10/2020 0:00 1 3 47
3386 4 4/10/2020 0:00 14 2 33
3387 4 4/10/2020 0:00 1 3 33
3388 4 4/10/2020 0:00 1 3 40
3389 4 4/10/2020 0:00 1 3 36
3390 4 4/10/2020 0:00 14 1 28
3391 4 4/10/2020 0:00 1 3 34
3392 4 4/10/2020 0:00 1 3 28
3393 4 4/10/2020 0:00 1 3 34
3394 4 4/10/2020 0:00 1 3 23
3395 4 4/10/2020 0:00 1 3 26
3396 4 4/10/2020 0:00 1 3 56
3397 4 4/10/2020 0:00 1 3 34
3398 4 4/10/2020 0:00 1 3 32
3399 4 4/10/2020 0:00 1 3 38
3400 4 4/10/2020 0:00 1 3 26
3401 4 4/10/2020 0:00 1 3 31
3402 4 4/10/2020 0:00 1 3 37
3403 4 4/10/2020 0:00 1 3 34
3404 4 4/10/2020 0:00 1 3 49
3405 4 4/10/2020 0:00 1 3 45
3406 4 4/10/2020 0:00 1 3 62
3407 4 4/10/2020 0:00 1 3 58
3408 4 4/10/2020 0:00 1 3 20
3409 4 4/10/2020 0:00 14 2 15
3410 4 4/10/2020 0:00 1 3 25
3411 4 4/10/2020 0:00 1 3 25
3412 4 4/10/2020 0:00 1 3 45
3413 4 4/10/2020 0:00 1 3 49
3414 4 4/10/2020 0:00 1 3 40
3415 4 4/10/2020 0:00 1 3 40
3416 4 4/10/2020 0:00 14 2 28
3417 4 4/10/2020 0:00 1 3 24
3418 4 4/10/2020 0:00 1 3 57
3419 4 4/10/2020 0:00 1 3 39
3420 4 4/10/2020 0:00 1 3 28
3421 4 4/10/2020 0:00 1 3 15
3422 4 4/10/2020 0:00 1 3 40
3423 4 4/10/2020 0:00 1 3 40
3424 4 4/10/2020 0:00 1 3 47
3425 4 4/10/2020 0:00 14 2 38
3426 4 4/10/2020 0:00 1 3 30
3427 4 4/10/2020 0:00 1 3 27
3428 4 4/10/2020 0:00 1 3 26
3429 4 4/10/2020 0:00 1 3 40
3430 4 4/10/2020 0:00 1 3 26
3431 4 4/10/2020 0:00 1 3 22
3432 4 4/10/2020 0:00 1 3 30
3433 4 4/10/2020 0:00 1 3 51
3434 4 4/10/2020 0:00 1 3 37
3435 4 4/10/2020 0:00 1 3 33
3436 4 4/10/2020 0:00 1 3 24
3437 4 4/10/2020 0:00 1 3 22
3438 4 4/10/2020 0:00 1 3 31
3439 4 4/10/2020 0:00 1 3 31
3440 4 4/10/2020 0:00 1 3 24
3441 4 4/10/2020 0:00 1 3 31
3442 4 4/10/2020 0:00 1 3 20
3443 4 4/10/2020 0:00 1 3 25
3444 4 4/10/2020 0:00 1 3 25
3445 4 4/10/2020 0:00 14 2 26
3446 4 4/10/2020 0:00 1 3 25
3447 4 4/10/2020 0:00 1 3 50
3448 4 4/10/2020 0:00 1 3 39
3449 4 4/10/2020 0:00 1 3 20
3450 4 4/10/2020 0:00 1 3 30
3451 4 4/10/2020 0:00 14 2 31
3452 4 4/10/2020 0:00 14 2 35
3453 4 4/10/2020 0:00 1 3 43
3454 4 4/10/2020 0:00 1 3 51
3455 4 4/10/2020 0:00 1 3 28
3456 4 4/10/2020 0:00 1 3 26
3457 4 4/10/2020 0:00 1 3 34
3458 4 4/10/2020 0:00 1 3 21
3459 4 4/10/2020 0:00 1 3 27
3460 4 4/10/2020 0:00 1 3 27
3461 4 4/10/2020 0:00 1 3 31
3462 4 4/10/2020 0:00 1 3 34
3463 4 4/10/2020 0:00 1 3 31
3464 4 4/10/2020 0:00 1 3 25
3465 4 4/10/2020 0:00 1 3 29
3466 4 4/10/2020 0:00 1 3 24
3467 4 4/10/2020 0:00 1 3 31
3468 4 4/10/2020 0:00 1 3 30
3469 4 4/10/2020 0:00 1 3 39
3470 4 4/10/2020 0:00 1 3 34
3471 4 4/10/2020 0:00 1 3 31
3472 4 4/10/2020 0:00 1 3 53
3473 4 4/10/2020 0:00 1 3 29
3474 4 4/10/2020 0:00 1 3 58
3475 4 4/10/2020 0:00 1 3 38
3476 4 4/10/2020 0:00 1 3 33
3477 4 4/10/2020 0:00 1 3 33
3478 4 4/10/2020 0:00 1 3 32
3479 4 4/10/2020 0:00 1 3 31
3480 4 4/10/2020 0:00 1 3 28
3481 4 4/10/2020 0:00 1 3 43
3482 4 4/10/2020 0:00 1 3 53
3483 4 4/10/2020 0:00 1 3 35
3484 4 4/10/2020 0:00 1 3 45
3485 4 4/10/2020 0:00 1 3 55
3486 4 4/10/2020 0:00 1 3 29
3487 4 4/10/2020 0:00 1 3 52
3488 4 4/10/2020 0:00 1 3 27
3489 4 4/10/2020 0:00 1 3 42
3490 4 4/10/2020 0:00 1 3 42
3491 4 4/10/2020 0:00 1 3 40
3492 4 4/10/2020 0:00 1 3 19
3493 4 4/10/2020 0:00 1 3 31
3494 4 4/10/2020 0:00 1 3 24
3495 4 4/10/2020 0:00 1 3 35
3496 4 4/10/2020 0:00 1 3 38
3497 4 4/10/2020 0:00 1 3 42
3498 4 4/10/2020 0:00 1 3 19
3499 4 4/10/2020 0:00 1 3 23
3500 4 4/10/2020 0:00 14 2 19
3501 4 4/10/2020 0:00 1 3 58
3502 4 4/10/2020 0:00 1 3 24
3503 4 4/10/2020 0:00 1 3 32
3504 4 4/10/2020 0:00 1 3 28
3505 4 4/10/2020 0:00 14 1 45
3506 4 4/10/2020 0:00 1 3 48
3507 4 4/10/2020 0:00 1 3 55
3508 4 4/10/2020 0:00 14 2 33
3509 4 4/10/2020 0:00 1 3 66
3510 4 4/10/2020 0:00 1 3 39
3511 4 4/10/2020 0:00 1 3 23
3512 4 4/10/2020 0:00 1 3 27
3513 4 4/10/2020 0:00 1 3 37
3514 4 4/10/2020 0:00 1 3 61
3515 4 4/10/2020 0:00 1 3 29
3516 4 4/10/2020 0:00 1 3 44
3517 4 4/10/2020 0:00 1 3 36
3518 4 4/10/2020 0:00 1 3 64
3519 4 4/10/2020 0:00 14 2 50
3520 4 4/10/2020 0:00 1 3 23
3521 4 4/10/2020 0:00 1 3 40
3522 4 4/10/2020 0:00 1 3 49
3523 4 4/10/2020 0:00 1 3 21
3524 4 4/10/2020 0:00 1 3 50
3525 4 4/10/2020 0:00 14 1 44
3526 4 4/10/2020 0:00 1 3 12
3527 4 4/10/2020 0:00 1 3 9
3528 4 4/10/2020 0:00 1 3 45
3529 4 4/10/2020 0:00 1 3 46
3530 4 4/10/2020 0:00 1 3 26
3531 4 4/10/2020 0:00 1 3 22
3532 4 4/10/2020 0:00 1 3 31
3533 4 4/10/2020 0:00 1 3 38
3534 4 4/10/2020 0:00 1 3 11
3535 4 4/10/2020 0:00 1 3 27
3536 4 4/10/2020 0:00 1 3 35
3537 4 4/10/2020 0:00 1 3 27
3538 4 4/10/2020 0:00 1 3 19
3539 4 4/10/2020 0:00 1 3 28
3540 4 4/10/2020 0:00 1 3 44
3541 4 4/10/2020 0:00 14 2 29
3542 4 4/10/2020 0:00 1 3 45
3543 4 4/10/2020 0:00 1 3 28
3544 4 4/10/2020 0:00 1 3 33
3545 4 4/10/2020 0:00 1 3 32
3546 4 4/10/2020 0:00 1 3 37
3547 4 4/10/2020 0:00 1 3 44
3548 4 4/10/2020 0:00 1 3 21
3549 4 4/10/2020 0:00 14 2 34
3550 4 4/10/2020 0:00 1 3 56
3551 4 4/10/2020 0:00 1 3 22
3552 4 4/10/2020 0:00 1 3 39
3553 4 4/10/2020 0:00 1 3 23
3554 4 4/10/2020 0:00 1 3 28
3555 4 4/10/2020 0:00 1 3 65
3556 4 4/10/2020 0:00 1 3 35
3557 4 4/10/2020 0:00 1 3 25
3558 4 4/10/2020 0:00 1 3 35
3559 4 4/10/2020 0:00 14 2 25
3560 4 4/10/2020 0:00 1 3 42
3561 4 4/10/2020 0:00 1 3 40
3562 4 4/10/2020 0:00 1 3 35
3563 4 4/10/2020 0:00 1 3 27
3564 4 4/10/2020 0:00 1 3 43
3565 4 4/10/2020 0:00 1 3 31
3566 4 4/10/2020 0:00 1 3 32
3567 4 4/10/2020 0:00 1 3 26
3568 4 4/10/2020 0:00 1 3 42
3569 4 4/10/2020 0:00 1 3 31
3570 4 4/10/2020 0:00 1 3 34
3571 4 4/10/2020 0:00 14 2 22
3572 4 4/10/2020 0:00 1 3 22
3573 4 4/10/2020 0:00 1 3 33
3574 4 4/10/2020 0:00 1 3 37
3575 4 4/10/2020 0:00 1 3 33
3576 4 4/10/2020 0:00 1 3 52
3577 4 4/10/2020 0:00 14 2 23
3578 4 4/10/2020 0:00 1 3 52
3579 4 4/10/2020 0:00 1 3 38
3580 4 4/10/2020 0:00 1 3 9
3581 4 4/10/2020 0:00 1 3 38
3582 4 4/10/2020 0:00 1 3 19
3583 4 4/10/2020 0:00 1 3 32
3584 4 4/10/2020 0:00 1 3 22
3585 4 4/10/2020 0:00 1 3 26
3586 4 4/10/2020 0:00 1 3 27
3587 4 4/10/2020 0:00 1 3 21
3588 4 4/10/2020 0:00 1 3 31
3589 4 4/10/2020 0:00 1 3 29
3590 4 4/10/2020 0:00 1 3 36
3591 4 4/10/2020 0:00 1 3 46
3592 4 4/10/2020 0:00 1 3 50
3593 4 4/10/2020 0:00 1 3 25
3594 4 4/10/2020 0:00 1 3 40
3595 4 4/10/2020 0:00 1 3 37
3596 4 4/10/2020 0:00 1 3 29
3597 4 4/10/2020 0:00 1 3 56
3598 4 4/10/2020 0:00 1 3 37
3599 4 4/10/2020 0:00 1 3 44
3600 4 4/10/2020 0:00 14 2 38
3601 4 4/10/2020 0:00 1 3 16
3602 4 4/10/2020 0:00 1 3 23
3603 4 4/10/2020 0:00 1 3 29
3604 4 4/10/2020 0:00 1 3 30
3605 4 4/10/2020 0:00 1 3 25
3606 4 4/10/2020 0:00 1 3 27
3607 4 4/10/2020 0:00 1 3 53
3608 4 4/10/2020 0:00 1 3 88
3609 4 4/10/2020 0:00 1 3 44
3610 4 4/10/2020 0:00 1 3 28
3611 4 4/10/2020 0:00 14 2 20
3612 4 4/10/2020 0:00 1 3 38
3613 4 4/10/2020 0:00 1 3 18
3614 4 4/10/2020 0:00 1 3 60
3615 4 4/10/2020 0:00 1 3 48
3616 4 4/10/2020 0:00 1 3 53
3617 4 4/10/2020 0:00 1 3 59
3618 4 4/10/2020 0:00 1 3 30
3619 4 4/10/2020 0:00 1 3 48
3620 4 4/10/2020 0:00 1 3 36
3621 4 4/10/2020 0:00 1 3 31
3622 4 4/10/2020 0:00 1 3 49
3623 4 4/10/2020 0:00 1 3 38
3624 4 4/10/2020 0:00 1 3 44
3625 4 4/10/2020 0:00 1 3 34
3626 4 4/10/2020 0:00 1 3 9
3627 4 4/10/2020 0:00 1 3 20
3628 4 4/10/2020 0:00 1 3 34
3629 4 4/10/2020 0:00 1 3 59
3630 4 4/10/2020 0:00 1 3 51
3631 4 4/10/2020 0:00 1 3 57
3632 4 4/10/2020 0:00 1 3 37
3633 4 4/10/2020 0:00 1 3 59
3634 4 4/10/2020 0:00 1 3 26
3635 4 4/10/2020 0:00 1 3 30
3636 4 4/10/2020 0:00 1 3 32
3637 4 4/10/2020 0:00 1 3 27
3638 4 4/10/2020 0:00 1 3 30
3639 4 4/10/2020 0:00 1 3 55
3640 4 4/10/2020 0:00 1 3 4
3641 4 4/10/2020 0:00 1 3 31
3642 4 4/10/2020 0:00 1 3 35
3643 4 4/10/2020 0:00 1 3 42
3644 4 4/10/2020 0:00 1 3 36
3645 4 4/10/2020 0:00 1 3 49
3646 4 4/10/2020 0:00 1 3 42
3647 4 4/10/2020 0:00 1 3 45
3648 4 4/10/2020 0:00 1 3 35
3649 4 4/10/2020 0:00 1 3 45
3650 4 4/10/2020 0:00 1 3 44
3651 4 4/10/2020 0:00 1 3 40
3652 4 4/10/2020 0:00 1 3 57
3653 4 4/10/2020 0:00 1 3 28
3654 4 4/10/2020 0:00 1 3 44
3655 4 4/10/2020 0:00 1 3 44
3656 4 4/10/2020 0:00 1 3 38
3657 4 4/10/2020 0:00 1 3 30
3658 4 4/10/2020 0:00 1 3 40
3659 4 4/10/2020 0:00 5 4 28
3660 4 4/10/2020 0:00 5 4 57
3661 4 4/10/2020 0:00 5 4 75
3662 4 4/10/2020 0:00 8 4 35
3663 4 4/10/2020 0:00 14 2 43
3664 4 4/10/2020 0:00 14 2 43
3665 4 4/10/2020 0:00 14 1 53
3666 4 4/10/2020 0:00 14 1 69
3667 4 4/10/2020 0:00 14 2 51
3668 4 4/10/2020 0:00 14 2 31
3669 4 4/10/2020 0:00 14 2 50
3670 4 4/10/2020 0:00 14 2 25
3671 4 4/10/2020 0:00 14 2 20
3672 4 4/10/2020 0:00 14 2 40
3673 4 4/10/2020 0:00 14 2 60
3674 4 4/10/2020 0:00 14 2 18
3675 4 4/10/2020 0:00 14 2 23
3676 4 4/10/2020 0:00 14 2 24
3677 4 4/10/2020 0:00 1 3 38
3678 4 4/10/2020 0:00 1 3 39
3679 4 4/10/2020 0:00 1 3 64
3680 4 4/10/2020 0:00 14 1 63
3681 4 4/10/2020 0:00 14 1 42
3682 4 4/10/2020 0:00 14 1 18
3683 4 4/10/2020 0:00 14 1 63
3684 4 4/10/2020 0:00 14 1 54
3685 4 4/10/2020 0:00 14 1 46
3686 4 4/10/2020 0:00 14 1 20
3687 4 4/10/2020 0:00 14 1 42
3688 4 4/10/2020 0:00 14 1 31
3689 4 4/10/2020 0:00 14 1 23
3690 4 4/10/2020 0:00 14 1 10
3691 4 4/10/2020 0:00 14 1 37
3692 4 4/10/2020 0:00 14 1 43
3693 4 4/10/2020 0:00 14 1 75
3694 4 4/10/2020 0:00 14 1 56
3695 4 4/10/2020 0:00 14 1 29
3696 4 4/10/2020 0:00 14 1 25
3697 4 4/10/2020 0:00 14 1 23
3698 4 4/10/2020 0:00 14 1 68
3699 4 4/10/2020 0:00 14 1 44
3700 4 4/10/2020 0:00 14 1 18
3701 4 4/10/2020 0:00 14 1 23
3702 4 4/10/2020 0:00 14 1 33
3703 4 4/10/2020 0:00 14 1 55
3704 4 4/10/2020 0:00 14 1 33
3705 4 4/10/2020 0:00 14 1 47
3706 4 4/10/2020 0:00 14 1 35
3707 4 4/10/2020 0:00 14 1 66
3708 4 4/10/2020 0:00 14 1 80
3709 4 4/10/2020 0:00 14 1 37
3710 4 4/10/2020 0:00 14 1 28
3711 4 4/10/2020 0:00 14 1 15
3712 4 4/10/2020 0:00 14 1 37
3713 4 4/10/2020 0:00 14 1 43
3714 4 4/10/2020 0:00 14 1 17
3715 4 4/10/2020 0:00 14 1 41
3716 4 4/10/2020 0:00 14 1 42
3717 4 4/10/2020 0:00 14 1 45
3718 4 4/10/2020 0:00 14 1 3
3719 4 4/10/2020 0:00 14 1 31
3720 4 4/10/2020 0:00 14 1 59
3721 4 4/10/2020 0:00 14 1 64
3722 4 4/10/2020 0:00 1 3 23
3723 4 4/10/2020 0:00 1 3 28
3724 4 4/10/2020 0:00 1 3 22
3725 4 4/10/2020 0:00 1 3 32
3726 4 4/10/2020 0:00 1 3 44
3727 4 4/10/2020 0:00 1 3 51
3728 4 4/10/2020 0:00 8 4 28
3729 4 4/10/2020 0:00 8 4 37
3730 4 4/10/2020 0:00 14 1 25
3731 4 4/10/2020 0:00 14 1 26
3732 4 4/10/2020 0:00 14 1 19
3733 4 4/10/2020 0:00 14 1 88
3734 4 4/10/2020 0:00 1 3 76
3735 4 4/10/2020 0:00 1 3 79
3736 4 4/10/2020 0:00 14 2 21
3737 4 4/10/2020 0:00 14 2 17
3738 4 4/10/2020 0:00 14 2 43
3739 4 4/10/2020 0:00 14 2 55
3740 4 4/10/2020 0:00 14 2 27
3741 4 4/10/2020 0:00 14 2 38
3742 4 4/10/2020 0:00 14 2 30
3743 4 4/10/2020 0:00 14 2 50
3744 4 4/10/2020 0:00 14 2 46
3745 4 4/10/2020 0:00 14 2 29
3746 4 4/10/2020 0:00 14 2 22
3747 4 4/10/2020 0:00 8 4 26
3748 4 4/10/2020 0:00 8 4 48
3749 4 4/10/2020 0:00 8 4 74
3750 4 4/10/2020 0:00 8 4 29
3751 4 4/10/2020 0:00 1 3 26
3752 4 4/10/2020 0:00 1 3 52
3753 4 4/10/2020 0:00 8 4 53
3754 4 4/10/2020 0:00 1 3 41
3755 4 4/10/2020 0:00 1 3 22
3756 4 4/10/2020 0:00 1 3 47
3757 4 4/10/2020 0:00 1 3 54
3758 4 4/10/2020 0:00 8 4 36
3759 4 4/10/2020 0:00 1 3 51
3760 4 4/10/2020 0:00 8 4 41
3761 4 4/10/2020 0:00 8 4 35
3762 4 4/10/2020 0:00 1 3 44
3763 4 4/10/2020 0:00 1 3 4
3764 4 4/10/2020 0:00 1 3 43
3765 4 4/10/2020 0:00 1 3 63
3766 4 4/10/2020 0:00 1 3 28
3767 4 4/10/2020 0:00 8 4 49
3768 4 4/10/2020 0:00 1 3 25
3769 4 4/10/2020 0:00 1 3 56
3770 4 4/10/2020 0:00 1 3 58
3771 4 4/10/2020 0:00 1 3 58
3772 4 4/10/2020 0:00 1 3 23
3773 4 4/10/2020 0:00 1 3 34
3774 4 4/10/2020 0:00 1 3 21
3775 4 4/10/2020 0:00 1 3 23
3776 4 4/10/2020 0:00 1 3 27
3777 4 4/10/2020 0:00 1 3 40
3778 4 4/10/2020 0:00 1 3 53
3779 4 4/10/2020 0:00 1 3 49
3780 4 4/10/2020 0:00 1 3 41
3781 4 4/10/2020 0:00 1 3 29
3782 4 4/10/2020 0:00 14 1 37
3783 4 4/10/2020 0:00 14 1 26
3784 4 4/10/2020 0:00 14 1 29
3785 4 4/10/2020 0:00 14 1 45
3786 4 4/10/2020 0:00 14 1 13
3787 4 4/10/2020 0:00 14 1 49
3788 4 4/10/2020 0:00 14 1 41
3789 4 4/10/2020 0:00 14 1 34
3790 4 4/10/2020 0:00 14 1 33
3791 4 4/10/2020 0:00 14 1 25
3792 4 4/10/2020 0:00 14 1 31
3793 4 4/10/2020 0:00 14 1 50
3794 4 4/10/2020 0:00 14 1 26
3795 4 4/10/2020 0:00 14 1 29
3796 4 4/10/2020 0:00 8 4 64
3797 4 4/10/2020 0:00 1 3 23
3798 4 4/10/2020 0:00 1 3 55
3799 4 4/10/2020 0:00 8 4 25
3800 4 4/10/2020 0:00 8 4 29
3801 4 4/10/2020 0:00 8 4 23
3802 4 4/10/2020 0:00 8 4 26
3803 4 4/10/2020 0:00 8 4 21
3804 4 4/10/2020 0:00 8 4 30
3805 4 4/10/2020 0:00 8 4 31
3806 4 4/10/2020 0:00 8 4 32
3807 4 4/10/2020 0:00 14 2 77
3808 4 4/10/2020 0:00 14 2 17
3809 4 4/10/2020 0:00 14 2 26
3810 4 4/10/2020 0:00 14 2 48
3811 4 4/10/2020 0:00 14 2 23
3812 4 4/10/2020 0:00 1 3 50
3813 4 4/10/2020 0:00 1 3 45
3814 4 4/10/2020 0:00 1 3 25
3815 4 4/10/2020 0:00 14 2 36
3816 4 4/10/2020 0:00 14 2 51
3817 4 4/10/2020 0:00 14 2 50
3818 4 4/10/2020 0:00 14 2 24
3819 4 4/10/2020 0:00 14 2 53
3820 4 4/10/2020 0:00 14 2 58
3821 4 4/10/2020 0:00 14 2 40
3822 4 4/10/2020 0:00 1 3 35
3823 4 4/10/2020 0:00 1 3 24
3824 4 4/10/2020 0:00 1 3 83
3825 4 4/10/2020 0:00 1 3 52
3826 4 4/10/2020 0:00 1 3 34
3827 4 4/10/2020 0:00 14 1 1
3828 4 4/10/2020 0:00 1 3 38
3829 4 4/10/2020 0:00 1 3 27
3830 4 4/10/2020 0:00 1 3 25
3831 4 4/10/2020 0:00 1 3 42
3832 4 4/10/2020 0:00 1 3 35
3833 4 4/10/2020 0:00 1 3 31
3834 4 4/10/2020 0:00 1 3 26
3835 4 4/10/2020 0:00 1 3 37
3836 4 4/10/2020 0:00 1 3 70
3837 4 4/10/2020 0:00 1 3 43
3838 4 4/10/2020 0:00 1 3 45
3839 4 4/10/2020 0:00 1 3 40
3840 4 4/10/2020 0:00 1 3 78
3841 4 4/10/2020 0:00 1 3 24
3842 4 4/10/2020 0:00 1 3 67
3843 4 4/10/2020 0:00 1 3 44
3844 4 4/10/2020 0:00 1 3 48
3845 4 4/10/2020 0:00 1 3 56
3846 4 4/10/2020 0:00 1 3 68
3847 4 4/10/2020 0:00 1 3 41
3848 4 4/10/2020 0:00 1 3 68
3849 4 4/10/2020 0:00 1 3 69
3850 4 4/10/2020 0:00 1 3 81
3851 4 4/10/2020 0:00 1 3 73
3852 4 4/10/2020 0:00 1 3 63
3853 4 4/10/2020 0:00 1 3 77
3854 4 4/10/2020 0:00 1 3 77
3855 4 4/10/2020 0:00 1 3 42
3856 4 4/10/2020 0:00 1 3 48
3857 4 4/10/2020 0:00 1 3 60
3858 4 4/10/2020 0:00 1 3 23
3859 4 4/10/2020 0:00 15 5 26
3860 4 4/10/2020 0:00 1 3 24
3861 4 4/10/2020 0:00 1 3 27
3862 4 4/10/2020 0:00 1 3 48
3863 4 4/10/2020 0:00 1 3 33
3864 4 4/10/2020 0:00 1 3 36
3865 4 4/10/2020 0:00 1 3 24
3866 4 4/10/2020 0:00 1 3 41
3867 4 4/10/2020 0:00 1 3 26
3868 4 4/10/2020 0:00 1 3 61
3869 4 4/10/2020 0:00 1 3 2
3870 4 4/10/2020 0:00 1 3 38
3871 4 4/10/2020 0:00 1 3 34
3872 4 4/10/2020 0:00 1 3 50
3873 4 4/10/2020 0:00 1 3 25
3874 4 4/10/2020 0:00 1 3 17
3875 4 4/10/2020 0:00 1 3 60
3876 4 4/10/2020 0:00 1 3 61
3877 4 4/10/2020 0:00 1 3 36
3878 4 4/10/2020 0:00 1 3 41
3879 4 4/10/2020 0:00 1 3 13
3880 4 4/10/2020 0:00 1 3 84
3881 4 4/10/2020 0:00 1 3 26
3882 4 4/10/2020 0:00 1 3 19
3883 4 4/10/2020 0:00 1 3 59
3884 4 4/10/2020 0:00 1 3 33
3885 4 4/10/2020 0:00 1 3 17
3886 4 4/10/2020 0:00 1 3 32
3887 4 4/10/2020 0:00 1 3 24
3888 4 4/10/2020 0:00 1 3 25
3889 4 4/10/2020 0:00 1 3 38
3890 4 4/10/2020 0:00 1 3 35
3891 4 4/10/2020 0:00 1 3 40
3892 4 4/10/2020 0:00 1 3 23
3893 4 4/10/2020 0:00 1 3 52
3894 4 4/10/2020 0:00 1 3 1
3895 4 4/10/2020 0:00 1 3 69
3896 4 4/10/2020 0:00 1 3 31
3897 4 4/10/2020 0:00 1 3 39
3898 4 4/10/2020 0:00 1 3 55
3899 4 4/10/2020 0:00 1 3 37
3900 4 4/10/2020 0:00 1 3 51
3901 4 4/10/2020 0:00 1 3 37
3902 4 4/10/2020 0:00 1 3 63
3903 4 4/10/2020 0:00 1 3 33
3904 4 4/10/2020 0:00 1 3 68
3905 4 4/10/2020 0:00 1 3 35
3906 4 4/10/2020 0:00 1 3 25
3907 4 4/10/2020 0:00 1 3 51
3908 4 4/10/2020 0:00 1 3 27
3909 4 4/10/2020 0:00 1 3 40
3910 4 4/10/2020 0:00 1 3 23
3911 4 4/10/2020 0:00 1 3 24
3912 4 4/10/2020 0:00 15 2 32
3913 4 4/10/2020 0:00 15 2 27
3914 4 4/10/2020 0:00 15 2 29
3915 4 4/10/2020 0:00 15 2 29
3916 4 4/10/2020 0:00 15 2 61
3917 4 4/10/2020 0:00 15 2 82
3918 4 4/10/2020 0:00 14 1 5
3919 4 4/10/2020 0:00 14 1 31
3920 4 4/10/2020 0:00 1 3 66
3921 4 4/10/2020 0:00 1 3 42
3922 4 4/10/2020 0:00 1 3 20
3923 4 4/10/2020 0:00 1 3 36
3924 4 4/10/2020 0:00 1 3 42
3925 4 4/10/2020 0:00 1 3 30
3926 4 4/10/2020 0:00 1 3 49
3927 4 4/10/2020 0:00 1 3 44
3928 4 4/10/2020 0:00 1 3 24
3929 4 4/10/2020 0:00 1 3 18
3930 4 4/10/2020 0:00 1 3 29
3931 4 4/10/2020 0:00 1 3 30
3932 4 4/10/2020 0:00 1 3 39
3933 4 4/10/2020 0:00 1 3 6
3934 4 4/10/2020 0:00 1 3 33
3935 4 4/10/2020 0:00 1 3 34
3936 4 4/10/2020 0:00 1 3 41
3937 4 4/10/2020 0:00 1 3 33
3938 4 4/10/2020 0:00 1 3 40
3939 4 4/10/2020 0:00 1 3 38
3940 4 4/10/2020 0:00 1 3 37
3941 4 4/10/2020 0:00 1 3 36
3942 4 4/10/2020 0:00 1 3 28
3943 4 4/10/2020 0:00 1 3 54
3944 4 4/10/2020 0:00 1 3 28
3945 4 4/10/2020 0:00 1 3 38
3946 4 4/10/2020 0:00 1 3 28
3947 4 4/10/2020 0:00 1 3 62
3948 4 4/10/2020 0:00 1 3 21
3949 4 4/10/2020 0:00 1 3 30
3950 4 4/10/2020 0:00 1 3 37
3951 4 4/10/2020 0:00 1 3 39
3952 4 4/10/2020 0:00 1 3 39
3953 4 4/10/2020 0:00 1 3 43
3954 4 4/10/2020 0:00 1 3 37
3955 4 4/10/2020 0:00 1 3 44
3956 4 4/10/2020 0:00 1 3 44
3957 4 4/10/2020 0:00 1 3 27
3958 4 4/10/2020 0:00 1 3 28
3959 4 4/10/2020 0:00 1 3 26
3960 4 4/10/2020 0:00 1 3 33
3961 4 4/10/2020 0:00 1 3 22
3962 4 4/10/2020 0:00 1 3 35
3963 4 4/10/2020 0:00 1 3 46
3964 4 4/10/2020 0:00 1 3 45
3965 4 4/10/2020 0:00 1 3 28
3966 4 4/10/2020 0:00 1 3 38
3967 4 4/10/2020 0:00 1 3 21
3968 4 4/10/2020 0:00 1 3 19
3969 4 4/10/2020 0:00 1 3 34
3970 4 4/10/2020 0:00 1 3 24
3971 4 4/10/2020 0:00 1 3 11
3972 4 4/10/2020 0:00 1 3 18
3973 4 4/10/2020 0:00 1 3 21
3974 4 4/10/2020 0:00 1 3 40
3975 4 4/10/2020 0:00 1 3 24
3976 4 4/10/2020 0:00 1 3 29
3977 4 4/10/2020 0:00 1 3 27
3978 4 4/10/2020 0:00 1 3 26
3979 4 4/10/2020 0:00 1 3 36
3980 4 4/10/2020 0:00 1 3 27
3981 4 4/10/2020 0:00 1 3 20
3982 4 4/10/2020 0:00 1 3 30
3983 4 4/10/2020 0:00 1 3 32
3984 4 4/10/2020 0:00 1 3 25
3985 4 4/10/2020 0:00 15 2 31
3986 4 4/10/2020 0:00 1 3 28
3987 4 4/10/2020 0:00 1 3 26
3988 4 4/10/2020 0:00 1 3 23
3989 4 4/10/2020 0:00 1 3 30
3990 4 4/10/2020 0:00 1 3 29
3991 4 4/10/2020 0:00 1 3 29
3992 4 4/10/2020 0:00 1 3 27
3993 4 4/10/2020 0:00 1 3 22
3994 4 4/10/2020 0:00 1 3 38
3995 4 4/10/2020 0:00 1 3 34
3996 4 4/10/2020 0:00 1 3 19
3997 4 4/10/2020 0:00 1 3 32
3998 4 4/10/2020 0:00 1 3 28
3999 4 4/10/2020 0:00 1 3 20
4000 4 4/10/2020 0:00 14 1 32
 BASE DE DATOS
ante el decreto 531 del 8 de marzo de 2020 en Colombia la fase de contención se inició 6 de marzo de 2020 cuando se confirmó la presencia del
r caso en el país, de esta manera, dentro de la fase de contención, el 20 de marzo del mismo año se inició una cuarentena con el fin de controlar
dad de aparición de los casos. Según la Organización Mundial de la Salud - OMS, declaró el 11 de marzo del presente año, como pandemia el
navirus COVID-19, esencialmente por la velocidad de su propagación, instando a los Estados a tomar acciones urgentes y decididas para la
ficación, confirmación, aislamiento, monitoreo de posibles casos y el tratamiento de los casos confirmados, así como la divulgación de las medid
ntivas con el fin de redundar en la mitigación del contagio. El ministerio de salud para evitar la propagación de los casos en las diferentes regione
aís, contrata 5 expertos para mitigar y prevenir la propagación de casos relacionados con COVID-19, de esta manera se solicitó una base de datos
LA de los meses de julio, agosto, septiembre y octubre con 4.000 registros positivos para COVID -19, datos que fueron suministrados por las
ntes secretarias de salud alrededor de todo el país. Con base en lo anterior, el grupo de expertos realizará un análisis estadístico de los datos
nistrados por el Ministerio de Salud, con el fin de encontrar las principales causas, afectaciones y formular una solución al problema planteado. La
bles de estudio de la base de datos son:

Tipo de Personas que

sisben Sexo contagio Ubicación del caso Estado convive
1 2 1 2 2 1
3 2 1 1 3 2
1 2 2 1 3 2
1 2 2 1 3 2
1 2 2 1 3 2
1 1 1 1 3 4
1 2 2 1 3 5
1 2 1 1 3 2
1 2 2 1 3 2
1 2 2 1 3 1
1 1 1 1 3 1
1 1 1 1 3 1
1 2 1 1 3 1
1 2 2 1 3 1
1 2 1 1 3 5
1 2 1 1 3 3
1 1 1 1 3 2
1 1 1 1 3 1
1 2 1 1 3 1
1 2 1 1 3 1
2 2 1 1 3 1
2 2 1 1 3 4
2 2 2 1 3 1
2 2 2 1 3 4
2 2 1 1 3 4
2 2 1 1 3 4
2 1 1 1 3 4
2 2 1 1 3 4
2 2 2 1 3 4
2 2 1 4 3 4
2 2 1 4 3 4
2 1 1 4 3 4
2 1 1 4 3 4
2 1 1 4 3 2
1 2 1 4 3 2
1 1 1 4 3 2
1 2 1 4 3 2
1 1 1 4 3 2
1 2 1 4 3 2
1 1 1 4 3 2
1 1 1 4 3 2
1 2 1 4 3 2
3 1 1 4 3 2
3 1 1 2 2 2
3 2 1 2 2 2
1 2 1 4 3 2
1 2 2 4 3 2
1 2 1 4 3 2
1 2 1 4 3 2
1 1 1 4 3 2
1 2 1 4 3 2
1 2 1 4 3 2
1 1 1 4 3 2
1 2 1 4 3 5
1 2 1 4 3 6
1 1 1 4 3 6
1 1 1 4 3 6
1 2 1 4 3 6
1 2 1 4 3 6
1 1 1 4 3 6
1 1 1 4 3 4
1 1 1 2 2 4
1 1 1 4 3 4
3 1 1 4 3 4
1 2 1 4 3 4
1 2 1 4 3 4
1 1 1 4 3 4
1 2 1 4 3 4
1 2 1 4 3 4
1 2 1 4 3 4
1 2 1 4 3 4
1 2 1 4 3 4
1 2 1 4 3 4
3 2 1 4 3 4
1 2 1 2 2 4
3 1 1 4 3 2
1 1 1 4 3 2
1 1 2 4 3 2
1 2 1 4 3 2
1 2 1 4 3 2
1 2 1 4 3 2
1 2 1 2 2 2
1 2 2 4 3 2
1 2 2 2 2 2
1 2 1 4 3 2
1 2 1 4 3 2
3 2 1 4 3 2
1 2 1 2 2 2
1 1 1 4 3 2
1 1 1 4 3 2
1 2 1 4 3 2
1 1 1 4 1 2
1 1 1 4 1 2
1 1 1 4 1 2
1 2 1 4 1 2
1 1 1 4 1 2
1 1 1 4 1 2
1 2 1 4 1 2
1 1 1 4 1 2
1 1 1 4 1 2
1 1 1 4 1 2
1 1 1 4 1 2
1 2 1 4 1 2
1 2 1 4 1 2
1 2 1 4 1 2
1 2 1 4 1 2
1 2 1 4 1 2
1 2 2 4 1 2
1 2 1 4 1 2
1 2 1 2 2 2
1 2 1 2 2 2
1 2 1 4 1 2
1 1 1 4 1 2
1 2 1 4 1 2
1 2 1 4 1 2
1 1 1 5 1 2
1 1 1 2 2 2
1 2 1 4 1 2
1 1 1 4 1 2
1 2 1 4 1 2
1 1 1 4 1 2
1 2 1 4 1 2
1 2 1 4 1 2
1 1 1 4 1 2
1 2 2 4 1 2
1 2 1 4 1 2
1 2 1 4 1 2
1 2 1 4 1 2
1 1 1 3 1 2
1 1 1 4 1 2
1 1 1 2 2 2
1 2 2 5 1 2
1 1 1 3 1 2
1 2 1 2 2 2
1 1 1 4 1 2
1 2 2 5 1 2
1 2 2 3 1 2
1 1 1 4 1 2
1 1 1 5 1 2
1 1 1 3 1 2
1 1 1 4 1 2
1 2 1 5 1 2
1 1 1 3 1 2
1 1 1 4 1 2
1 1 1 5 1 2
1 2 2 3 1 2
1 2 1 4 1 2
1 2 1 5 1 2
1 2 1 3 1 2
1 2 1 4 1 2
1 2 1 5 2 2
1 2 1 3 1 2
1 1 1 4 2 2
1 2 1 5 2 2
1 2 1 3 1 2
1 1 1 4 1 2
1 1 1 5 1 2
1 1 1 3 1 2
1 2 1 4 1 2
1 2 1 5 1 2
1 2 1 3 1 2
1 2 1 4 1 5
1 1 1 5 1 5
1 2 1 3 1 5
1 1 1 4 1 5
1 2 1 5 1 5
1 2 2 1 1 5
1 2 1 1 1 5
1 1 1 1 1 5
1 1 1 2 2 2
1 1 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 2 1 2 2 2
1 1 1 1 1 2
1 1 1 2 2 2
1 2 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 2 1 2 2 2
1 1 1 1 1 2
1 2 1 1 1 2
1 1 1 3 1 2
1 2 1 4 2 2
1 2 1 5 1 2
1 2 1 3 1 2
1 2 1 4 2 2
1 1 2 5 1 2
1 2 1 3 2 2
1 2 1 4 1 6
1 2 2 5 1 6
1 1 2 3 1 6
1 1 1 4 1 6
1 1 1 5 1 6
1 1 1 3 1 6
1 1 1 4 1 6
1 1 1 5 1 2
1 1 1 3 1 2
1 1 1 4 1 2
1 2 1 5 1 2
1 2 1 3 1 2
1 2 1 4 1 2
1 1 1 3 1 2
1 2 1 3 1 2
1 2 1 4 1 2
1 1 1 5 1 2
1 1 1 3 1 2
1 1 1 4 1 2
1 2 2 5 1 6
1 1 1 3 1 3
1 2 1 4 1 2
1 1 1 5 1 1
1 2 1 3 1 2
1 2 1 4 1 2
1 1 1 5 1 2
1 1 1 1 1 2
3 1 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 6
1 1 1 3 1 6
1 2 1 4 1 6
1 2 1 5 1 1
3 1 1 3 1 1
1 2 1 4 1 1
1 2 1 5 1 4
1 2 1 3 1 4
3 2 1 4 1 4
1 1 1 5 1 4
1 2 1 3 1 4
1 1 1 4 1 4
1 2 1 5 1 4
1 1 1 3 1 4
1 1 1 4 1 4
1 2 1 5 1 4
1 2 1 3 1 2
1 2 1 4 1 2
1 2 1 5 1 2
1 2 2 3 1 2
1 1 1 4 1 2
1 1 1 3 1 2
1 1 1 3 1 2
1 2 1 4 1 2
1 2 2 5 1 2
3 2 1 3 1 2
1 2 1 4 1 2
1 1 1 5 1 2
1 1 1 3 1 2
1 2 1 4 1 2
1 1 1 5 1 2
1 1 1 3 1 2
1 1 1 4 1 2
1 1 1 5 1 2
1 2 1 1 1 2
1 2 1 1 1 6
1 1 1 1 1 5
1 1 1 1 1 2
1 1 1 1 1 4
1 1 1 1 1 4
1 2 1 2 2 4
1 2 1 1 1 4
1 2 1 1 1 4
1 2 1 1 1 4
1 2 1 1 1 4
1 1 1 2 2 4
1 2 1 1 1 5
1 2 1 1 1 6
1 1 1 1 1 5
3 1 1 1 1 2
3 2 1 1 1 2
3 2 1 1 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 1 2 1 1 2
1 2 1 1 1 2
1 1 1 3 1 2
1 2 2 4 1 2
1 1 1 5 1 2
1 2 1 3 1 2
1 2 1 4 1 2
1 1 1 5 1 2
1 2 1 3 2 2
1 1 1 4 1 2
1 2 1 5 1 2
1 1 1 3 1 2
1 1 1 4 2 2
1 1 1 5 1 2
1 1 1 3 1 2
1 2 1 4 1 2
1 2 1 5 1 2
1 2 1 3 1 2
1 1 1 4 1 2
1 1 1 5 1 2
1 2 1 3 1 2
1 1 1 4 1 2
1 2 1 3 2 2
1 2 1 3 1 2
1 1 1 4 2 2
1 1 1 5 1 2
1 2 1 3 1 2
1 2 1 4 2 2
1 2 1 5 1 2
1 2 1 3 2 2
1 1 1 4 1 2
1 1 1 5 1 2
1 2 1 3 2 2
1 1 1 4 1 2
1 1 1 5 1 2
1 1 1 1 1 2
1 1 1 1 1 2
1 1 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 2 1 2 2 2
3 2 1 1 1 2
1 1 1 1 1 2
1 1 1 1 1 2
1 1 1 2 2 2
1 1 1 2 2 2
1 1 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 1 1 2 2 2
1 1 1 1 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 5
1 2 1 1 1 5
1 2 1 1 1 5
1 1 1 1 1 5
1 1 1 1 1 5
1 2 1 1 1 5
1 1 2 1 1 3
1 1 2 1 1 3
1 2 1 3 1 3
1 1 1 4 1 2
1 1 1 5 1 3
1 1 1 3 1 4
1 1 1 4 1 4
1 2 1 5 1 2
1 1 1 3 1 2
1 1 1 4 1 2
1 1 1 5 1 2
1 2 1 3 1 4
1 2 1 4 1 2
1 1 2 5 1 2
1 2 1 3 1 2
1 1 1 4 1 2
1 2 2 5 1 2
3 1 1 3 1 2
1 1 1 4 2 2
1 1 1 5 1 2
1 1 1 3 1 2
1 1 1 4 1 2
1 1 1 3 1 2
1 2 1 3 1 2
1 1 1 4 1 2
3 1 1 5 1 2
1 2 1 3 1 2
1 2 1 4 1 2
1 2 1 5 2 2
1 2 1 3 1 2
1 1 1 4 2 2
1 1 2 5 1 2
1 2 2 3 1 2
3 2 1 4 1 2
1 2 1 5 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 6
1 2 1 1 1 6
1 2 1 1 1 6
1 1 1 1 1 6
1 1 2 1 1 6
1 2 1 1 1 4
1 2 1 1 1 4
1 2 2 1 1 4
1 1 1 1 1 4
3 1 2 1 1 4
3 2 2 1 1 2
1 1 1 1 1 2
1 2 1 2 2 2
1 2 1 2 2 2
1 2 1 2 2 2
1 1 1 1 1 2
1 1 1 2 2 2
1 1 1 1 1 4
1 2 1 2 2 2
1 2 1 2 2 2
1 1 1 2 2 2
1 2 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 1 1 3 1 2
1 1 1 4 1 2
1 1 1 5 1 2
1 1 1 3 1 2
1 1 1 4 1 2
1 2 1 5 1 2
1 2 1 3 1 2
1 2 1 4 1 2
1 2 1 5 1 2
1 1 1 3 1 2
1 1 1 4 1 2
1 2 1 5 1 2
1 1 1 3 1 2
1 2 1 4 2 2
1 1 1 5 2 2
1 2 1 3 1 2
1 2 1 4 2 2
1 2 1 5 2 2
1 2 1 3 2 2
1 1 1 4 1 2
1 1 1 3 1 2
1 2 1 3 1 2
1 2 1 4 1 2
1 2 1 5 2 2
1 1 2 3 1 2
1 1 1 4 1 2
1 2 1 5 2 2
1 1 1 3 1 2
1 1 1 4 1 2
1 2 1 5 1 2
1 2 1 3 1 2
1 1 1 4 1 6
1 2 1 5 1 6
1 2 1 1 1 6
1 1 1 1 1 6
1 1 1 1 1 6
1 2 1 2 2 2
1 1 1 1 1 2
1 1 1 1 1 2
1 1 1 1 1 2
1 2 2 1 1 2
1 2 2 1 1 2
1 2 2 1 1 2
1 1 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 2 1 2 2 2
1 2 1 3 1 2
1 1 1 4 1 2
1 2 1 5 1 2
1 1 1 3 2 2
1 1 1 4 1 2
1 2 1 5 1 2
1 2 1 3 1 2
1 2 1 4 2 2
1 1 1 5 1 2
1 2 1 3 1 2
1 1 1 4 1 2
1 2 1 5 1 2
1 2 1 3 1 2
1 2 1 4 1 2
1 2 1 5 1 2
1 1 1 3 1 2
1 2 2 4 1 2
1 2 2 5 1 2
1 2 1 3 1 2
1 2 1 4 1 2
1 1 1 3 1 2
1 2 1 3 1 2
1 1 2 4 1 2
1 2 1 5 1 2
1 1 1 3 1 2
1 2 1 4 1 2
1 2 1 5 1 2
1 2 1 3 1 2
1 1 1 4 1 2
1 1 1 5 1 2
1 1 1 3 1 2
1 2 1 4 1 4
1 2 1 5 1 4
1 1 2 1 1 4
1 2 1 1 1 4
1 2 1 1 1 4
1 1 1 1 1 4
1 2 1 1 1 2
1 2 1 1 1 4
1 2 1 1 1 4
1 2 1 1 1 4
1 2 1 1 1 4
1 1 1 1 1 4
1 2 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 1 1 1 1 2
1 2 1 3 1 2
1 2 1 4 1 2
1 2 1 5 1 2
1 2 1 3 1 2
1 2 1 4 1 2
1 2 1 5 1 2
1 1 1 3 1 2
1 2 1 4 1 2
1 2 1 5 1 2
1 2 1 3 1 2
1 2 1 4 1 2
3 2 1 5 1 2
1 1 1 3 1 2
1 2 1 4 1 2
1 2 1 5 1 2
1 2 1 3 1 2
1 1 1 4 1 2
1 1 1 5 1 2
1 2 1 3 1 2
1 1 1 4 1 2
1 1 1 3 1 2
1 2 1 3 1 2
1 1 1 4 1 2
1 1 1 5 1 2
1 1 1 3 1 2
1 2 1 4 1 2
1 2 1 5 1 2
1 2 1 3 1 2
1 1 1 4 1 3
1 2 2 5 1 2
1 2 1 3 1 2
1 2 2 4 1 2
1 1 1 5 1 2
1 1 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 2 1 1 1 2
1 1 1 1 1 2
1 2 1 1 1 5
1 1 1 1 1 5
1 2 1 1 1 5
1 1 1 1 1 5
1 2 1 1 1 5
1 2 1 1 1 5
1 2 1 1 1 5
1 1 1 1 1 5
1 2 1 1 1 5
1 2 1 1 1 5
1 1 1 1 1 5
1 2 1 1 1 5
1 2 1 1 1 5
1 1 1 1 1 5
1 2 1 1 1 5
1 2 1 1 1 5
1 1 1 3 1 5
1 1 1 4 1 5
1 1 1 5 1 5
1 2 1 3 1 5
1 1 1 4 1 5
1 2 1 5 1 5
1 2 1 3 1 5
1 2 1 4 1 3
1 1 1 5 1 3
1 2 1 3 1 3
1 2 1 4 1 3
1 1 1 5 1 3
1 2 1 3 1 3
1 1 1 4 1 5
1 1 2 5 1 5
1 1 1 3 1 5
1 2 1 4 1 5
1 1 1 5 1 5
1 2 1 3 1 5
1 2 1 4 1 5
1 1 1 3 1 5
1 1 1 3 1 5
1 1 1 4 1 5
1 1 1 5 1 5
1 1 1 3 1 5
1 1 1 4 1 5
1 1 1 5 1 5
1 1 1 3 1 5
1 1 1 4 1 5
1 1 1 5 1 5
1 1 1 3 1 5
1 2 1 4 1 5
1 1 1 5 1 5
1 1 1 1 1 5
1 1 1 1 1 5
1 2 1 1 1 5
1 2 1 1 1 5
1 1 1 1 1 5
1 2 1 1 4 5
1 1 1 1 4 5
1 1 1 1 4 5
1 2 1 1 4 5
1 2 1 1 4 5
1 2 1 1 4 5
1 2 1 1 4 5
1 2 1 1 4 5
1 1 1 1 4 5
1 1 1 1 4 5
1 2 1 1 3 5
1 2 1 1 3 5
1 2 1 1 3 5
1 1 1 1 2 5
1 1 1 1 2 5
1 1 1 1 2 5
1 2 1 1 2 5
1 2 1 1 2 5
1 2 1 1 2 5
1 1 1 1 2 5
1 1 1 1 2 5
1 1 1 1 2 5
1 1 1 3 2 5
1 2 1 4 2 5
1 2 1 5 2 5
1 1 1 3 2 5
1 1 1 4 2 5
1 1 1 5 2 5
1 1 1 3 2 5
1 2 1 4 2 5
1 1 1 5 2 5
1 1 1 3 2 5
1 1 1 4 2 5
1 1 1 5 2 5
1 1 1 3 2 3
1 2 1 4 2 3
1 2 1 5 2 3
1 1 1 3 2 3
1 2 1 4 2 3
1 1 1 5 2 3
1 1 1 3 2 3
1 2 1 4 2 3
1 1 1 3 2 3
1 1 1 3 2 3
1 2 1 4 2 3
1 1 1 5 2 3
1 1 1 3 2 3
1 2 1 4 2 3
1 1 1 5 2 3
1 1 1 3 2 3
1 1 1 4 2 3
1 1 1 5 2 3
1 1 1 3 2 3
1 2 1 4 2 3
1 2 1 5 2 3
1 1 1 3 2 3
1 2 1 4 2 3
1 2 1 5 2 3
1 2 1 3 2 3
1 2 1 4 2 3
3 1 1 5 2 3
1 1 1 3 2 3
1 1 1 4 2 3
1 1 1 5 2 3
1 1 1 3 2 3
1 1 1 4 2 3
1 1 1 5 2 3
1 1 1 3 2 3
1 2 1 4 2 3
1 1 1 5 2 3
1 2 1 3 2 3
1 1 1 4 2 3
1 1 1 5 2 3
1 2 1 3 2 3
1 1 1 4 2 3
1 2 1 3 2 3
1 2 1 3 2 3
1 2 1 4 2 3
1 2 1 5 2 3
1 2 1 3 2 3
1 1 1 4 2 3
1 1 1 5 2 3
1 1 1 3 2 3
1 2 1 4 2 3
1 1 1 5 2 3
1 2 1 3 2 3
1 2 1 4 2 3
1 1 1 5 2 3
1 1 1 3 2 3
1 2 1 4 2 3
1 2 1 5 2 3
1 2 1 3 2 3
1 2 1 4 2 3
1 2 1 5 2 3
1 1 1 3 2 3
1 1 1 4 2 3
1 1 1 5 2 3
1 2 1 3 2 3
1 1 1 4 2 3
1 2 1 5 2 3
1 2 1 3 2 3
1 2 1 4 2 3
1 2 1 5 2 3
1 1 1 3 2 3
1 2 1 4 2 3
1 2 1 5 2 3
1 2 1 3 2 3
1 2 2 4 2 3
1 1 1 3 2 3
1 1 1 3 2 3
1 1 2 4 2 3
1 2 1 5 1 3
1 2 1 3 2 3
1 1 1 4 2 3
1 1 1 5 2 3
1 1 1 3 2 3
1 2 1 4 2 3
1 2 1 5 2 3
1 2 1 3 2 3
1 2 1 4 2 3
1 2 1 5 2 3
1 2 1 3 2 3
1 2 1 4 2 3
1 2 1 5 2 3
1 2 1 3 2 3
1 1 1 4 2 3
1 1 1 5 2 3
1 1 1 3 2 3
1 1 1 4 2 3
1 2 1 5 2 3
1 2 1 3 2 3
1 1 1 4 2 3
1 2 1 5 2 3
1 2 1 3 2 3
1 2 1 4 2 3
1 1 1 5 2 3
3 1 1 3 2 3
1 2 1 4 2 3
1 1 1 5 2 3
1 1 1 3 2 3
1 1 1 4 1 3
1 2 1 3 2 3
1 2 1 3 2 3
1 1 1 4 2 3
1 2 1 5 2 3
1 2 1 3 2 3
1 2 1 4 2 3
1 1 1 5 2 3
1 1 1 3 2 3
1 2 1 4 2 3
1 2 1 5 2 3
1 1 1 3 2 3
1 2 1 4 2 3
1 2 1 5 2 3
3 1 1 1 2 3
1 1 1 1 2 3
1 1 1 1 2 3
1 1 1 1 2 3
1 1 1 1 2 3
1 2 1 1 2 3
1 2 1 1 2 3
1 1 1 1 2 3
1 2 1 1 2 3
1 1 1 1 2 3
1 2 1 1 2 3
1 2 1 1 2 3
1 1 1 1 2 3
1 2 1 1 2 3
1 2 1 1 2 3
1 1 1 1 2 3
1 1 1 1 2 3
1 2 1 1 2 3
1 2 1 1 2 3
1 1 1 1 2 3
1 1 1 2 2 3
1 2 1 2 2 3
1 2 1 1 2 3
1 1 1 1 2 3
1 1 1 4 2 3
1 2 1 1 2 3
1 2 1 1 2 3
1 1 1 3 2 3
1 2 1 1 2 3
1 2 1 4 2 3
1 1 1 4 2 3
3 2 1 4 2 3
3 2 1 4 2 3
1 1 1 4 2 3
1 1 1 4 2 3
1 2 1 4 2 3
1 2 1 1 2 3
1 2 1 1 2 3
1 1 1 1 2 3
1 1 1 1 2 3
1 1 1 1 2 3
1 1 1 1 2 3
3 1 1 1 2 3
1 1 1 1 2 3
1 2 1 1 2 3
1 1 1 1 2 3
1 2 1 1 2 3
3 1 1 1 2 3
1 2 1 1 2 3
1 1 1 1 2 3
1 2 1 1 2 3
1 1 1 1 2 3
1 2 1 1 2 3
3 1 1 1 2 3
1 1 1 1 2 3
1 1 1 1 2 3
1 2 1 1 2 3
1 2 1 1 2 3
1 2 1 1 2 3
1 2 1 1 2 3
1 2 1 1 2 3
1 2 1 1 2 3
1 2 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
3 2 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 4 2 3
2 2 1 4 2 3
2 2 1 4 2 3
2 1 1 4 2 3
2 1 1 4 2 3
2 1 1 4 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 5 3
3 1 1 1 2 3
3 2 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
3 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 3 2 3
2 2 1 3 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
3 2 1 4 2 3
2 2 1 4 2 3
2 1 1 4 2 3
2 2 1 4 2 3
2 1 1 4 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 1 1 4 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 1 1 4 2 3
2 1 1 4 2 3
2 2 1 4 2 3
2 2 1 4 2 3
2 2 1 1 2 3
2 1 1 4 2 3
2 2 1 4 2 3
2 2 1 4 2 3
3 1 1 4 2 3
2 2 1 4 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 3 1 3
2 1 1 3 2 3
2 2 1 3 2 3
2 1 1 3 2 3
2 2 1 3 2 3
2 1 1 3 2 3
2 2 1 3 2 3
2 2 1 3 2 3
2 1 1 3 2 3
2 1 1 3 2 3
2 1 1 3 2 3
2 2 1 3 2 3
2 2 1 3 2 3
2 2 2 3 2 3
2 1 1 3 2 3
2 2 1 3 2 3
2 2 1 3 2 3
2 1 1 3 2 3
2 2 1 3 2 3
2 2 1 3 2 3
2 1 1 3 2 3
2 1 1 3 2 3
2 1 1 3 2 3
2 2 1 3 2 3
2 1 1 3 2 3
2 1 1 3 2 3
2 1 1 3 2 3
2 1 1 3 2 3
2 2 1 3 2 3
2 1 1 3 2 3
2 2 1 3 2 3
2 1 1 3 2 3
2 1 1 3 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
3 1 1 1 2 3
2 2 2 1 2 3
2 2 2 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
3 1 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 2 1 2 3
2 1 1 3 5 3
2 2 1 3 5 3
2 2 2 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 1 1 4 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 1 1 3 2 3
2 2 1 1 2 3
2 1 1 4 2 3
2 2 1 4 2 3
2 1 1 4 2 3
2 2 1 4 2 3
2 2 1 4 2 3
2 1 1 4 2 3
2 2 1 4 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 2 2 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 2 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 2 1 2 3
2 2 1 1 2 3
3 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 2 1 2 3
2 1 1 4 2 3
2 1 1 4 2 3
2 2 1 4 2 3
2 2 1 4 2 3
2 2 1 4 2 3
2 1 1 4 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 2 1 1 2 3
2 1 1 1 2 3
2 1 1 1 2 3
2 2 1 1 5 3
2 2 1 1 5 3
2 1 1 1 5 3
2 2 1 1 5 3
2 1 1 1 5 3
2 1 1 1 5 3
2 2 1 1 5 3
2 1 1 1 5 3
2 1 1 1 5 3
3 1 1 1 5 3
2 1 1 1 5 3
2 2 2 1 5 3
2 1 1 1 5 3
2 1 1 1 5 3
2 1 1 1 5 3
2 2 1 1 5 3
2 2 1 1 5 3
2 1 1 1 5 3
2 2 1 1 5 3
2 1 1 1 5 3
2 2 2 1 5 3
2 2 1 1 5 3
2 2 1 1 5 3
2 2 1 3 5 3
2 2 1 3 5 3
2 2 2 1 5 3
2 2 2 1 5 3
2 2 1 1 5 3
2 2 1 4 5 3
2 1 1 4 5 3
2 2 1 4 5 3
2 1 1 4 5 3
2 2 1 4 5 3
2 2 1 1 5 3
2 2 1 1 5 3
2 1 1 2 5 3
2 2 1 4 5 3
2 1 1 2 5 3
2 1 1 2 5 3
2 2 2 2 5 3
2 2 2 2 5 3
2 2 1 2 3 3
2 1 1 2 5 3
2 1 2 2 5 3
2 1 1 2 5 3
3 1 2 2 5 3
2 2 1 2 5 3
2 2 1 2 5 3
2 2 1 2 5 3
2 2 1 2 5 3
2 2 1 2 5 3
2 2 1 2 5 3
2 1 1 2 5 3
2 2 1 4 5 3
2 2 1 4 5 3
2 1 2 4 5 3
2 2 2 4 5 3
2 1 1 2 5 3
2 2 2 4 5 3
2 2 1 4 2 3
2 2 1 4 5 3
2 1 1 4 5 3
2 1 1 4 5 3
2 2 1 2 5 3
2 1 1 2 5 3
2 2 1 2 5 3
2 2 1 2 5 3
2 1 1 2 5 3
2 1 1 2 5 3
2 2 1 2 5 3
2 1 1 2 5 3
2 1 1 2 5 3
2 1 1 2 5 3
2 2 1 2 5 3
2 2 1 2 5 3
2 1 1 2 5 3
2 1 1 2 5 3
2 2 2 2 5 3
2 2 1 2 5 3
2 2 1 2 5 3
2 2 1 2 5 3
2 2 1 2 5 3
2 2 1 2 5 3
2 1 1 2 5 3
2 1 1 2 5 3
2 1 1 2 5 3
2 1 1 3 5 3
2 2 1 3 5 3
2 1 1 3 5 3
2 1 1 3 5 3
2 1 1 3 5 3
2 1 1 3 5 3
2 2 1 3 5 3
2 2 1 3 5 3
2 1 1 3 5 3
2 2 1 3 5 3
2 1 1 3 5 3
2 2 1 3 5 3
2 1 1 3 5 3
2 1 1 3 1 3
2 1 1 3 5 3
2 1 1 3 5 3
2 1 1 3 2 3
2 1 1 3 5 3
2 1 1 3 5 3
3 2 1 3 5 3
2 1 1 3 5 3
2 2 1 3 5 3
2 1 1 3 5 3
2 2 1 3 5 3
2 1 1 3 5 3
2 1 1 3 5 3
2 1 1 3 5 3
2 1 1 3 5 3
2 2 1 3 5 3
2 1 2 3 5 3
2 2 1 3 5 3
2 2 1 3 5 3
2 1 1 3 5 3
3 2 1 3 5 3
2 2 1 4 2 3
2 2 1 5 5 3
2 2 1 3 5 3
2 1 2 4 5 3
2 2 1 5 5 3
2 2 1 3 5 3
2 2 1 4 5 3
2 2 1 5 5 3
2 1 1 3 5 3
2 2 1 4 5 3
2 2 2 5 5 3
2 2 1 3 5 3
2 2 1 4 5 3
3 1 1 5 5 3
2 1 1 3 5 3
2 2 1 4 5 3
2 1 1 3 5 3
2 2 1 3 2 3
2 2 1 4 5 3
2 2 1 5 2 3
2 1 1 3 2 3
2 2 1 4 5 3
2 2 1 5 5 3
3 1 1 3 5 3
3 1 1 4 5 3
2 1 1 5 5 3
2 2 1 3 5 3
2 2 1 4 5 3
2 1 1 5 5 3
2 1 1 3 5 3
2 1 1 4 5 3
2 2 1 5 5 3
2 1 1 3 5 3
2 2 1 4 5 3
2 1 1 5 2 3
2 2 1 3 5 3
2 2 1 4 5 3
2 1 1 5 5 3
2 1 1 3 5 3
2 2 1 4 5 3
2 2 1 5 5 3
2 2 1 3 5 3
2 2 1 4 5 3
3 2 1 5 5 3
2 1 1 3 5 3
2 2 1 4 5 3
2 2 1 5 5 3
2 1 2 3 5 3
2 2 1 4 5 3
2 1 1 3 5 3
2 2 1 3 5 3
2 1 1 4 5 3
2 2 1 3 5 3
2 2 1 4 5 3
2 2 1 5 5 3
2 1 1 4 2 3
2 2 1 3 5 3
2 2 1 4 5 3
2 2 1 5 5 3
3 2 2 3 5 3
2 2 1 4 5 3
2 2 1 5 5 3
2 1 1 3 5 3
2 1 1 4 5 3
2 1 1 5 5 3
2 2 1 3 2 3
2 2 1 4 5 3
3 1 1 5 5 3
2 1 1 3 5 3
2 1 1 4 5 3
2 2 1 5 5 3
2 2 2 4 5 3
2 2 1 5 5 3
2 2 1 3 5 3
2 2 2 4 5 3
2 1 1 3 5 3
2 1 2 3 5 3
2 2 1 3 5 3
2 2 2 4 5 3
2 1 1 3 5 3
2 2 1 4 5 3
2 2 1 5 5 3
2 1 1 3 5 3
2 2 1 4 5 3
2 2 1 5 5 3
2 1 1 3 5 3
2 1 1 4 5 3
2 2 1 5 5 3
2 2 1 1 5 3
2 2 1 1 5 3
2 2 1 1 5 3
2 2 1 1 5 3
2 2 1 1 5 3
2 2 2 1 5 3
2 2 1 1 5 3
2 1 2 1 5 3
2 2 1 1 5 3
2 2 1 1 5 3
2 2 1 1 5 3
2 1 1 1 5 3
2 2 2 1 5 3
2 2 2 1 5 3
2 2 2 1 5 3
2 2 1 1 5 3
2 2 1 1 5 3
2 1 1 1 5 3
2 2 1 1 5 3
2 1 1 3 5 3
2 2 1 4 5 3
2 1 1 5 5 3
2 1 1 3 5 3
2 2 1 4 5 3
2 1 1 5 5 3
2 1 1 3 5 3
2 1 1 4 5 3
3 1 1 3 5 3
2 2 1 3 5 4
2 1 1 4 5 4
2 2 1 5 5 4
2 1 1 3 5 4
2 2 1 4 5 4
2 2 1 5 5 4
2 2 2 3 5 4
2 2 1 4 5 4
2 2 2 5 5 4
2 2 1 3 5 4
2 2 2 4 5 4
3 1 1 5 5 4
2 1 1 1 5 4
2 2 1 1 5 4
2 2 1 1 5 4
2 2 1 2 5 4
2 2 2 2 5 4
2 1 1 2 5 4
2 2 2 2 5 4
2 2 1 4 5 4
2 2 1 2 5 4
3 1 1 2 5 4
2 1 1 3 5 4
2 2 1 2 5 4
2 1 1 4 2 4
2 2 1 4 5 4
2 1 1 4 5 4
2 2 1 4 5 4
2 2 2 4 5 4
2 2 1 4 5 4
2 2 1 4 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 2 1 2 2 4
2 2 2 2 5 4
2 2 2 2 5 4
3 2 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
3 1 1 2 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 2 2 2 5 4
2 1 1 2 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 1 2 2 1 4
2 2 2 2 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 2 2 4 5 4
2 2 2 4 5 4
2 2 2 4 5 4
2 2 2 4 5 4
2 2 2 4 5 4
2 2 2 4 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 2 1 3 5 4
2 2 1 3 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 2 1 4 5 4
2 1 1 4 5 4
2 1 1 4 5 4
2 2 1 4 5 4
2 1 1 4 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 1 1 4 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 2 1 4 5 4
2 1 1 4 5 4
2 1 1 4 5 4
3 1 1 4 5 4
2 1 1 2 5 4
3 2 1 4 5 4
2 1 1 4 5 4
2 2 1 4 5 4
2 1 1 4 5 4
2 2 1 4 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 2 2 2 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
3 1 1 2 5 4
2 1 1 2 5 4
2 1 1 3 5 4
2 1 1 3 5 4
2 1 1 3 5 4
2 2 1 3 5 4
2 1 1 3 5 4
3 2 1 3 5 4
2 1 1 3 5 4
2 1 1 3 5 4
2 2 1 3 5 4
2 2 1 3 5 4
2 2 1 3 5 4
2 1 1 3 5 4
2 1 1 3 5 4
2 2 1 3 5 4
2 2 1 3 5 4
2 2 1 3 5 4
2 1 1 3 3 4
2 1 1 3 3 4
2 1 1 3 3 4
2 1 1 3 2 4
2 2 1 3 3 4
2 2 1 3 3 4
2 2 1 3 3 4
2 1 1 3 3 4
2 2 1 3 3 4
2 2 1 3 3 4
2 2 1 3 3 4
2 2 1 3 3 4
2 2 1 3 3 4
2 1 1 3 3 4
2 1 1 3 2 4
2 1 1 3 2 4
2 1 1 3 3 4
2 1 1 1 3 4
2 2 1 1 3 4
2 2 1 1 3 4
2 1 1 1 3 4
2 1 1 1 3 4
2 1 1 1 2 4
2 1 1 1 3 4
2 2 1 1 3 4
2 2 1 1 3 4
2 2 1 1 3 4
2 1 1 1 3 4
2 1 1 1 3 4
2 1 1 1 3 4
2 1 1 1 3 4
2 1 1 1 3 4
2 1 1 1 3 4
2 2 1 1 3 4
2 1 1 1 3 4
3 1 1 1 3 4
3 2 1 3 3 4
2 2 1 4 3 4
2 1 1 5 3 4
2 2 1 3 3 4
2 2 1 4 3 4
2 1 1 5 4 4
2 2 1 3 4 4
2 2 1 4 2 4
2 2 1 5 4 4
2 1 2 3 4 4
2 1 1 4 4 4
2 1 1 5 4 4
2 2 1 3 4 4
2 1 1 4 4 4
2 2 1 5 4 4
2 2 1 3 4 4
2 2 1 4 4 4
2 2 1 5 4 4
2 2 1 3 5 4
2 2 1 4 5 4
2 2 1 3 5 4
2 2 2 3 5 4
2 1 1 4 5 4
2 2 1 5 5 4
2 1 1 3 5 4
2 2 1 4 5 4
2 2 1 5 5 4
2 2 1 3 5 4
2 1 1 4 5 4
2 1 1 5 2 4
2 2 1 3 5 4
2 1 1 4 5 4
2 2 1 5 5 4
2 1 1 3 3 4
2 2 1 4 3 4
2 2 1 5 3 4
2 1 1 3 2 4
2 1 1 4 3 4
2 1 1 5 3 4
2 1 1 3 3 4
2 1 1 4 3 4
2 1 1 5 5 4
2 1 1 3 3 4
2 1 1 4 3 4
2 2 1 5 3 4
2 1 1 3 3 4
2 1 1 4 3 4
2 2 1 5 3 4
2 2 2 3 3 4
2 2 1 4 3 4
2 2 1 5 3 4
2 1 1 3 3 4
2 1 1 4 3 4
2 1 1 3 2 4
2 2 1 3 2 4
2 1 1 4 3 4
2 2 1 5 3 4
2 1 1 3 3 4
2 1 1 4 3 4
2 2 1 5 5 4
2 1 1 3 3 4
2 2 1 4 3 4
2 2 1 5 3 4
2 1 1 3 3 4
2 2 1 4 3 4
2 1 1 5 3 4
2 2 1 3 3 4
2 2 1 4 3 4
2 1 1 5 3 4
2 2 1 3 3 4
2 1 1 4 3 4
2 1 1 5 3 4
2 1 1 3 3 4
2 2 1 4 3 4
2 2 1 5 3 4
2 1 1 3 3 4
2 1 1 4 3 4
2 2 1 5 3 4
2 1 1 3 3 4
2 1 1 4 3 4
2 1 1 5 3 4
2 2 1 3 3 4
2 1 1 4 3 4
2 1 1 5 3 4
2 2 1 3 3 4
2 1 1 4 3 4
2 1 1 3 3 4
2 1 1 3 3 4
2 1 1 4 3 4
2 1 1 3 3 4
2 1 1 4 3 4
2 1 1 5 3 4
2 2 1 4 3 4
2 2 1 3 3 4
2 1 1 4 3 4
2 2 1 5 3 4
2 2 1 3 3 4
2 1 1 4 3 4
2 1 1 5 3 4
2 2 1 3 3 4
2 2 1 4 3 4
2 1 1 5 3 4
2 2 1 3 3 4
2 2 1 4 3 4
2 1 1 5 3 4
2 1 1 3 3 4
2 2 1 4 3 4
2 2 1 5 2 4
2 2 1 4 3 4
2 2 1 5 3 4
2 2 1 3 3 4
2 2 1 4 3 4
2 2 1 3 3 4
2 2 1 3 3 4
3 2 1 3 3 4
2 2 1 4 3 4
2 2 1 3 1 4
2 2 1 4 3 4
2 2 1 5 3 4
2 1 1 3 3 4
2 1 1 4 3 4
2 2 1 5 3 4
2 1 1 3 3 4
3 1 1 4 3 4
2 1 1 5 3 4
2 2 1 1 3 4
2 2 1 1 3 4
2 2 1 1 3 4
2 1 1 2 3 4
2 2 1 2 3 4
2 1 1 2 3 4
2 2 1 2 3 4
2 1 1 4 3 4
2 2 1 2 3 4
2 1 1 2 3 4
2 2 1 3 3 4
2 1 1 2 3 4
2 1 1 4 3 4
2 1 1 4 3 4
2 1 1 4 3 4
2 2 1 4 3 4
2 1 1 4 3 4
2 1 1 4 3 4
2 1 1 4 5 4
2 2 1 2 2 4
2 1 1 2 5 4
2 2 1 2 2 4
2 2 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 1 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 2 1 2 5 4
2 1 1 2 3 4
2 2 1 2 2 4
2 1 1 2 3 4
2 1 1 2 3 4
2 2 1 2 3 4
2 2 1 2 3 4
2 2 1 2 3 4
2 2 1 2 3 4
2 1 1 2 3 4
2 2 1 2 3 4
2 2 1 2 3 4
3 2 1 2 3 4
2 1 1 2 3 4
2 2 1 2 3 4
2 2 1 2 3 4
2 2 2 2 3 4
2 1 1 2 3 4
2 2 2 2 3 4
2 2 1 2 3 4
2 2 1 2 3 4
2 1 1 2 3 4
2 2 1 2 3 4
2 2 1 2 3 4
2 2 1 2 3 4
2 2 1 2 3 4
2 2 1 2 3 4
2 1 1 4 3 4
2 2 1 4 5 4
2 1 1 4 3 4
2 1 1 4 3 4
2 2 1 4 3 4
2 1 1 4 3 4
2 1 1 2 3 4
2 1 1 2 3 4
3 2 1 2 3 4
2 2 1 2 3 4
2 1 1 2 3 4
2 1 1 2 3 4
2 2 1 2 3 4
2 1 1 2 3 4
2 1 1 2 3 4
2 1 1 2 3 4
2 1 1 2 3 4
2 2 1 2 3 4
2 1 1 2 3 4
2 2 1 2 3 4
1 2 1 2 3 4
1 1 1 2 3 4
1 2 1 2 3 4
1 2 1 2 3 4
1 2 1 2 3 4
1 2 1 2 3 4
1 2 1 2 3 4
1 2 1 2 3 4
1 1 1 2 3 4
1 1 1 2 3 4
1 1 1 2 3 4
1 2 1 2 3 4
1 1 1 2 3 4
1 1 1 2 3 4
1 2 1 3 3 4
1 2 1 3 3 4
1 2 1 2 3 4
1 1 1 2 2 4
1 2 1 2 3 4
1 2 1 4 3 4
1 1 1 4 3 4
1 2 1 4 3 4
1 1 1 4 3 4
1 2 1 4 3 4
1 1 1 2 3 4
1 2 1 2 3 4
1 2 1 2 3 4
1 2 1 4 3 4
1 1 1 2 3 4
1 1 1 2 3 4
1 2 1 2 3 4
1 1 1 2 3 4
1 2 1 2 3 4
1 2 1 2 3 4
1 2 1 2 3 4
1 2 1 2 3 4
1 2 1 2 3 4
1 2 1 2 3 4
1 2 1 2 3 4
1 1 1 2 3 4
1 2 1 2 3 4
1 1 1 2 3 4
1 1 1 2 3 4
1 1 1 2 3 4
1 1 1 4 3 4
1 1 1 4 3 4
1 2 1 4 3 4
1 1 1 4 3 4
1 1 2 2 3 4
1 1 1 4 3 4
1 2 1 4 3 4
1 2 1 4 3 4
1 1 1 4 3 4
1 2 1 4 3 4
1 2 1 2 3 4
1 1 2 2 3 4
1 2 1 2 3 4
1 1 1 2 3 4
1 1 1 2 3 4
1 1 1 2 3 4
1 2 1 2 3 4
1 1 1 2 3 4
1 1 1 2 3 4
1 2 1 2 3 4
3 1 1 2 3 4
1 2 1 2 3 4
1 1 1 2 3 4
1 2 1 2 3 4
1 1 1 2 3 4
1 2 1 2 3 4
1 2 1 2 3 4
1 2 1 2 3 4
1 1 1 2 3 4
1 1 1 2 3 4
1 1 1 2 3 4
1 2 1 2 3 4
1 1 1 2 3 4
1 1 1 3 3 4
1 2 1 3 3 4
1 1 1 3 3 4
1 2 1 3 3 4
1 2 1 3 3 4
1 1 1 3 3 4
1 2 1 3 3 4
1 1 1 3 3 4
1 2 1 3 3 4
1 2 1 3 3 4
1 2 1 3 3 4
1 1 1 3 3 4
1 2 1 3 5 4
1 1 1 3 5 4
1 1 1 3 5 4
1 2 1 3 5 4
1 1 1 3 5 4
1 2 1 3 5 4
1 1 1 3 5 4
1 1 1 3 5 4
1 1 1 3 5 4
1 2 1 3 5 4
1 1 1 3 5 4
1 2 1 3 5 4
1 1 1 3 5 4
1 2 1 3 5 4
1 1 1 3 3 4
1 1 1 3 3 4
1 1 1 3 3 4
1 1 1 3 3 4
1 2 1 3 3 4
1 1 1 3 3 4
1 2 1 3 3 4
3 2 1 3 5 3
1 2 1 3 3 3
3 2 1 4 3 3
1 2 1 5 3 3
1 1 1 3 5 3
3 1 1 4 3 3
1 1 1 5 3 3
1 1 1 3 3 3
1 2 1 4 3 3
1 2 1 3 3 3
1 1 1 3 3 3
1 1 1 4 3 3
1 1 1 5 3 3
1 2 2 3 3 3
1 2 1 4 3 3
1 2 1 5 3 3
1 1 1 3 3 3
1 1 1 4 3 3
1 1 1 5 3 3
1 2 1 3 3 3
1 1 1 4 3 3
1 1 1 5 3 3
1 1 1 1 2 3
1 1 1 1 3 3
1 1 1 1 3 3
1 2 1 1 3 3
1 1 1 1 3 3
1 1 1 1 3 3
1 2 1 1 3 3
1 2 1 1 3 3
1 2 1 1 3 3
1 2 1 1 3 3
1 2 1 1 3 3
1 1 1 1 3 3
1 2 1 1 3 3
1 1 1 1 3 3
1 1 1 1 3 3
1 1 1 1 3 3
1 1 1 1 3 3
1 2 1 1 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 1 1 2 5 3
1 1 1 4 2 3
1 2 1 2 3 3
1 1 1 2 3 3
1 2 1 3 3 3
1 1 1 2 3 3
1 1 1 4 3 3
1 2 1 4 3 3
1 2 1 4 3 3
1 2 1 4 3 3
1 2 1 4 3 3
1 1 1 4 3 3
1 2 1 4 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 1 1 2 2 3
1 1 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 2 2 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 2 1 2 1 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
3 1 1 4 3 3
1 2 1 4 3 3
1 2 1 4 3 3
1 1 1 4 3 3
3 2 1 4 3 3
1 2 1 4 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 2 2 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 2 1 2 5 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 1 2 2 3
1 1 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 1 3 5 3
1 1 1 3 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 2 1 4 2 3
1 2 1 4 3 3
1 2 1 4 3 3
1 1 1 4 3 3
1 2 1 4 3 3
1 2 1 2 3 3
1 1 1 2 3 3
3 2 1 2 3 3
1 1 1 4 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 2 1 2 5 3
1 2 1 2 3 3
1 1 2 2 3 3
1 2 2 2 3 3
1 2 2 2 3 3
1 2 2 2 2 3
1 2 2 2 3 3
1 2 2 2 3 3
1 1 1 4 3 3
1 1 1 4 3 3
1 2 1 4 3 3
1 2 1 4 3 3
3 1 1 2 3 3
1 1 1 4 3 3
1 1 1 4 3 3
1 1 1 4 3 3
1 2 1 4 3 3
1 2 1 4 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 2 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 1 2 2 3 3
1 2 2 2 3 3
1 1 2 2 3 3
1 2 2 2 3 3
1 1 2 2 3 3
1 1 2 2 3 3
1 1 2 2 3 3
1 1 2 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 1 1 3 3 3
1 1 1 3 3 3
1 2 1 3 3 3
1 1 1 3 3 3
1 2 1 3 3 3
1 1 1 3 3 3
1 2 1 3 3 3
1 2 1 3 3 3
3 2 1 3 3 3
1 1 1 3 3 3
1 2 1 3 3 3
1 2 1 3 3 3
1 1 1 3 3 3
1 1 1 3 3 3
1 1 1 3 3 3
1 2 1 3 3 3
1 2 1 3 3 3
1 2 1 3 3 3
1 2 1 3 3 3
1 2 1 3 3 3
1 1 1 3 3 3
1 2 1 3 3 3
1 2 1 3 3 3
1 1 1 3 3 3
1 1 1 3 3 3
1 2 1 3 3 3
1 1 1 3 3 3
1 2 1 3 3 3
1 2 2 3 3 3
1 2 2 3 2 3
3 1 1 3 3 3
1 1 1 3 3 3
1 2 1 3 3 3
1 2 2 1 3 3
1 1 1 1 3 3
1 1 1 1 3 3
1 1 1 1 3 3
1 1 1 1 3 3
1 1 1 2 2 3
1 2 1 1 3 3
1 1 1 1 3 3
1 1 1 1 3 3
1 2 1 2 2 3
1 1 1 1 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 1 1 4 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 1 3 3 3
1 1 1 2 3 3
1 2 1 4 3 3
1 1 1 4 3 3
1 2 1 4 3 3
1 1 1 4 3 3
1 1 1 4 3 3
1 2 1 4 2 3
1 2 1 4 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
3 2 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
3 1 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
3 2 1 2 3 3
3 1 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 1 2 2 3
1 2 1 2 3 3
1 2 1 2 2 3
1 2 1 2 3 3
1 2 1 2 3 3
1 1 1 2 3 3
1 1 1 4 3 3
3 1 1 4 3 3
1 1 1 4 3 3
1 2 1 4 3 3
2 2 1 4 3 3
2 1 1 4 3 3
2 2 1 2 3 3
2 2 1 2 3 3
2 2 1 2 3 3
2 1 1 2 3 3
2 2 1 2 3 3
2 1 1 2 3 3
2 1 1 2 3 3
3 2 1 2 3 3
2 2 1 2 3 3
2 2 1 2 3 3
2 1 1 2 3 3
3 1 1 2 3 3
2 1 1 2 3 3
2 2 1 2 3 3
2 1 1 2 3 3
2 2 1 2 3 3
2 2 1 2 3 3
2 1 1 2 3 3
2 1 1 2 3 3
2 2 1 2 3 3
2 1 1 2 3 3
2 2 1 2 3 3
2 1 1 2 3 3
2 1 1 2 3 3
2 1 1 2 5 3
2 1 1 2 3 3
2 2 2 2 3 3
2 2 1 2 3 3
2 2 1 3 3 3
2 1 1 3 3 3
2 2 1 2 3 3
2 1 1 2 3 3
2 1 1 2 3 3
2 1 1 4 3 3
2 2 2 4 3 3
3 2 2 4 3 3
3 1 1 4 3 3
3 1 1 4 3 3
3 2 1 2 3 3
3 1 1 2 3 3
3 1 1 2 3 3
3 2 1 4 3 3
3 2 1 2 3 3
3 1 1 2 3 3
3 2 1 2 3 3
3 2 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 1 1 2 3 3
3 1 1 2 3 3
3 2 1 2 3 3
3 1 1 2 3 3
3 1 1 2 3 3
3 1 1 2 3 3
3 1 1 2 5 3
3 1 1 2 5 3
3 2 1 2 5 3
3 2 1 2 5 3
3 2 1 4 5 3
3 2 1 4 5 3
3 1 1 4 5 3
3 2 1 4 5 3
3 1 1 2 5 3
3 2 1 4 5 3
3 1 1 4 5 3
3 1 1 4 5 3
3 1 1 4 5 3
3 1 1 4 5 3
3 2 1 2 5 3
3 1 1 2 5 3
3 2 1 2 5 3
3 2 1 2 5 3
3 1 1 2 5 3
3 2 1 2 5 3
3 1 1 2 5 3
3 2 1 2 5 3
3 1 1 2 5 3
3 1 1 2 5 3
3 2 1 2 5 3
3 1 1 2 5 3
3 1 1 2 2 3
3 1 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 1 1 2 2 3
3 1 1 2 2 3
3 1 1 3 2 3
3 2 1 3 2 3
3 2 1 3 2 3
3 2 1 3 2 3
3 1 1 3 2 3
3 2 1 3 2 3
3 1 1 3 2 3
3 2 1 3 2 3
3 2 1 3 2 3
3 2 1 3 2 3
3 2 1 3 2 3
3 1 1 3 2 3
3 1 1 3 2 3
3 1 1 3 2 3
3 2 1 3 2 3
3 1 1 3 2 3
3 1 1 3 2 3
3 1 1 3 2 3
3 2 1 3 2 3
3 2 1 3 2 3
3 2 1 3 2 3
3 2 1 3 2 3
3 2 1 3 2 3
3 2 1 3 2 3
3 1 1 3 2 3
3 2 1 3 2 3
3 2 1 3 2 3
3 1 1 3 2 3
3 1 1 3 2 3
3 2 1 3 2 3
3 2 1 3 2 3
3 1 1 3 2 3
3 1 1 3 2 3
3 1 1 1 2 3
3 2 1 1 2 3
3 1 1 1 2 3
3 2 1 1 2 3
3 2 1 1 2 3
3 2 1 1 2 3
3 1 1 1 2 3
3 2 1 1 2 3
3 1 1 1 2 3
3 2 1 1 2 3
3 2 1 1 2 3
3 1 1 1 2 3
3 1 1 1 2 3
3 2 1 1 2 3
3 2 1 1 2 3
3 2 1 1 2 3
3 2 1 2 2 3
3 2 1 1 2 3
3 1 1 1 2 3
3 2 1 1 2 3
3 2 1 1 2 3
3 1 1 1 2 3
3 1 1 1 2 3
3 1 1 2 2 3
3 1 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 2 1 4 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 2 1 3 2 3
3 1 1 2 2 3
3 1 1 4 2 3
3 2 1 4 2 3
3 2 1 4 2 3
3 2 1 4 2 3
3 2 1 4 5 3
3 2 1 4 2 3
3 1 1 4 2 3
3 1 1 2 2 3
3 1 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 2 1 2 5 3
3 2 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 2 1 2 5 3
3 1 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 1 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 1 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 1 1 2 2 3
3 1 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 2 1 4 2 3
3 2 1 4 2 3
3 2 1 4 2 3
3 2 1 4 2 3
3 2 1 4 2 3
3 2 1 4 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 1 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 1 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 1 1 2 2 3
3 1 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 1 1 2 2 3
3 1 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 2 1 2 2 3
3 1 1 2 2 3
3 1 1 2 2 3
3 1 1 2 5 3
3 1 1 2 5 3
3 2 1 3 5 3
3 2 1 3 5 3
3 2 1 2 5 3
3 2 1 2 5 3
3 1 1 2 5 3
3 1 1 4 5 3
3 1 1 4 5 3
3 1 1 4 5 3
3 1 1 4 5 3
3 1 1 4 5 3
3 2 1 2 5 3
3 2 1 2 5 3
3 2 1 2 5 3
3 1 1 4 5 3
3 1 1 2 5 3
3 1 1 2 5 3
3 1 1 2 1 3
3 1 1 2 1 3
3 2 1 2 1 3
3 2 1 2 1 3
3 2 1 2 1 3
3 2 1 2 1 3
3 1 1 2 1 3
3 1 1 2 1 3
3 1 1 2 1 3
3 1 1 2 1 3
3 2 1 2 1 3
3 2 1 2 1 3
3 1 1 2 1 3
3 1 1 2 1 3
3 2 1 4 1 3
3 2 1 4 1 3
3 2 1 4 1 3
3 2 1 4 1 3
3 2 1 2 1 3
3 2 1 4 1 3
3 1 1 4 1 3
3 1 1 4 1 3
3 1 1 4 1 3
3 2 1 4 1 3
3 2 1 2 1 3
3 2 1 2 1 3
3 1 1 2 1 3
3 1 1 2 1 3
3 1 1 2 1 3
3 1 1 2 1 3
3 1 1 2 1 3
3 2 1 2 1 3
3 2 1 2 1 3
3 2 1 2 1 3
3 1 1 2 1 3
3 1 1 2 1 3
3 2 1 2 1 3
3 2 1 2 1 3
3 1 1 2 1 3
3 1 1 2 1 3
3 1 1 2 1 3
3 2 1 2 1 3
3 2 1 2 1 3
3 2 1 2 1 3
3 1 1 2 1 3
3 2 1 2 1 3
3 2 1 2 1 3
3 2 1 3 1 3
3 2 1 3 1 3
3 1 1 3 1 3
3 1 1 3 1 3
3 1 1 3 1 3
3 2 1 3 1 3
3 2 1 3 1 3
3 2 1 3 1 3
3 2 1 3 1 3
3 1 1 3 1 3
3 1 1 3 1 3
3 2 1 3 1 3
3 2 1 3 1 3
3 1 1 3 1 3
3 2 1 3 1 3
3 2 1 3 1 3
3 1 1 3 1 3
3 1 1 3 1 3
3 2 1 3 1 3
3 2 1 3 1 3
3 1 1 3 1 3
3 2 1 3 1 3
3 2 1 3 1 3
3 1 1 3 1 3
3 1 1 3 1 3
3 1 1 3 1 3
3 1 1 3 1 3
3 1 1 3 1 3
3 2 1 3 1 3
3 1 1 3 1 3
3 1 1 3 1 3
3 2 1 3 1 3
3 2 1 3 1 3
3 1 1 1 1 3
3 1 1 1 1 3
3 2 1 1 1 3
3 2 1 1 1 3
3 1 1 1 1 3
3 1 1 1 1 3
3 1 1 1 1 3
3 1 1 1 1 3
3 1 1 1 1 3
3 2 1 1 1 3
3 2 1 5 1 3
3 1 1 5 1 3
3 2 1 5 1 3
3 1 1 5 1 3
3 1 1 5 1 3
3 1 1 5 1 3
3 2 1 5 1 3
3 2 1 5 1 3
3 2 1 5 1 3
3 1 1 5 1 3
3 1 1 5 1 3
3 2 1 5 1 3
3 2 1 5 1 3
3 2 1 5 1 4
3 2 1 5 1 4
3 2 1 5 1 4
3 2 1 5 1 4
3 1 1 5 1 4
3 1 1 5 1 4
3 1 1 5 1 4
3 1 1 5 1 4
3 2 1 5 1 4
3 2 1 5 1 4
3 1 1 5 1 4
3 1 1 5 1 4
3 1 1 5 1 4
3 1 1 5 1 4
3 1 1 5 1 4
3 1 1 5 1 4
3 2 1 5 5 4
3 2 1 5 5 4
3 1 1 5 5 4
3 1 1 5 5 4
3 1 1 5 5 4
3 1 1 5 5 4
3 2 1 5 5 4
3 2 1 5 5 4
3 2 1 5 5 4
3 2 1 2 2 4
3 1 1 5 5 4
3 1 1 5 5 4
3 1 1 5 5 4
3 2 1 5 5 4
3 2 1 5 5 4
3 1 1 5 5 4
3 2 1 5 5 4
3 2 1 5 5 4
3 1 1 5 5 4
3 2 1 5 5 4
3 1 1 5 5 4
3 2 1 5 5 4
3 2 1 5 5 4
3 1 1 4 3 4
3 2 1 5 5 4
3 1 1 5 5 4
3 1 1 5 5 4
3 2 1 5 5 4
3 2 1 5 5 4
3 1 1 5 5 4
3 1 1 5 5 4
3 1 1 5 5 4
3 1 1 5 5 4
3 2 1 3 5 4
3 2 1 5 5 4
3 2 1 5 5 4
3 2 1 5 5 4
3 1 1 5 5 4
3 2 1 2 2 4
3 1 1 5 5 4
3 1 1 5 5 4
3 1 1 5 5 4
3 1 1 5 5 4
3 2 1 5 5 4
3 2 1 2 2 4
3 2 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 2 1 2 1 4
3 2 1 2 5 4
3 1 1 2 5 4
3 2 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 2 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 2 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 1 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 1 1 2 5 4
3 2 1 2 5 4
3 2 1 4 5 4
3 2 1 4 5 4
3 1 1 4 5 4
3 2 1 4 5 4
3 1 1 4 5 4
3 1 1 4 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 2 1 2 5 4
3 1 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 3 5 4
3 2 1 3 5 4
3 2 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 1 1 4 5 4
3 1 1 4 5 4
3 1 1 4 5 4
3 2 1 4 5 4
3 2 1 4 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 4 5 4
3 2 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 1 1 4 5 4
3 1 1 4 5 4
3 2 1 4 5 4
3 1 1 4 5 4
3 1 1 2 5 4
3 1 1 4 5 4
3 1 1 4 5 4
3 1 1 4 5 4
3 1 1 4 5 4
3 1 1 4 5 4
3 1 1 2 5 4
3 2 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 1 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 1 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 2 1 2 5 4
3 1 1 2 5 4
3 1 1 3 5 4
3 1 1 3 5 4
3 2 1 3 5 4
3 2 1 3 5 4
3 2 1 3 5 4
3 2 1 3 5 4
3 2 1 3 2 4
3 2 1 3 5 4
3 2 1 3 5 4
3 2 1 3 5 4
3 2 1 3 5 4
3 2 1 3 5 4
3 1 1 3 5 4
3 1 1 3 5 4
3 1 1 3 5 4
3 1 1 3 5 4
3 2 1 3 5 4
3 1 1 3 5 4
3 1 1 3 5 4
3 1 1 3 5 4
3 1 1 3 5 4
3 1 1 3 5 4
3 1 1 3 5 4
3 1 1 3 4 4
3 1 1 3 4 4
3 1 1 3 4 4
3 2 1 3 4 4
3 2 1 3 4 4
3 2 1 3 4 4
3 2 1 3 4 4
3 1 1 3 4 4
3 1 1 3 4 4
3 1 1 3 4 4
3 1 1 3 5 4
3 1 1 3 4 4
3 1 1 3 4 4
3 1 1 3 4 4
3 2 1 3 4 4
3 2 1 3 4 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 3 4
3 2 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 2 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 3 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 2 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 2 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 1 1 3 5 4
3 1 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 3 5 4
3 2 1 3 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 1 1 4
3 2 1 3 5 4
3 2 1 1 1 4
3 2 1 1 1 4
3 1 1 1 1 4
3 1 1 1 1 4
3 1 1 1 1 4
3 2 1 1 1 4
3 1 1 1 1 4
3 2 1 1 1 4
3 2 1 4 3 4
3 2 1 1 1 4
3 1 1 1 1 4
3 2 1 1 1 4
3 1 1 1 1 4
3 1 1 1 1 4
3 1 1 1 1 4
3 2 1 1 1 4
3 1 1 1 1 4
3 2 1 2 2 4
3 1 1 1 1 4
3 2 1 1 1 4
3 1 1 1 1 4
3 2 1 1 1 4
3 1 1 5 1 4
3 1 1 1 1 4
3 1 1 2 2 4
3 2 1 1 1 4
3 1 1 3 5 4
3 2 1 1 1 4
3 2 1 1 1 4
3 1 1 1 1 4
3 1 1 2 2 4
3 1 1 1 1 4
3 1 1 1 1 4
3 2 1 1 1 4
3 2 1 1 1 4
3 2 1 1 1 4
3 1 1 1 1 4
3 1 1 1 1 4
3 1 1 1 1 4
3 1 1 1 1 4
3 1 1 1 1 4
3 1 1 3 5 4
3 1 1 1 1 4
3 1 1 1 1 4
3 2 1 1 1 4
3 2 1 1 1 4
3 1 1 1 1 4
3 1 1 1 1 4
3 2 1 1 1 4
3 2 1 1 1 4
3 2 1 1 1 4
3 2 1 1 1 4
3 1 1 1 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 1 1 2 5 4
3 2 1 2 1 4
3 1 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 1 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 1 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 2 1 2 5 4
3 2 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 1 1 4 1 4
3 1 1 4 1 4
3 1 1 4 5 4
3 2 1 4 1 4
3 2 1 4 1 4
3 1 1 4 1 4
3 2 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 2 1 2 1 4
3 1 1 2 1 4
3 2 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 2 1 2 1 4
3 1 1 2 1 4
3 2 1 2 1 4
3 1 1 2 1 4
3 2 1 2 1 4
3 1 1 3 1 4
3 1 1 3 1 4
3 1 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 2 1 4 1 4
3 1 1 4 1 4
3 2 1 4 1 4
3 1 1 4 1 4
3 2 1 4 1 4
3 1 1 2 1 4
3 2 1 2 1 4
3 1 1 2 1 4
3 2 1 4 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 2 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 1 1 2 1 4
3 2 1 1 1 4
3 2 1 1 1 4
3 2 1 1 1 4
3 1 1 4 1 4
3 1 2 4 1 4
3 2 1 4 1 4
3 1 1 4 1 4
3 2 1 1 1 4
3 1 1 4 1 4
3 2 1 4 1 4
3 2 1 4 1 4
3 2 1 4 1 4
3 2 1 4 1 4
3 1 1 1 1 4
3 2 1 1 1 4
3 1 1 1 1 4
3 1 1 1 1 4
3 1 1 1 1 4
3 2 1 1 5 4
3 2 1 1 1 4
3 2 1 1 1 4
3 2 1 1 1 4
3 1 1 1 1 4
3 2 1 1 1 4
3 2 1 1 1 4
3 1 2 1 1 4
3 2 2 1 1 4
3 2 1 1 1 4
3 2 1 1 1 4
3 1 1 1 1 4
3 1 1 1 1 4
3 2 2 1 1 4
3 2 1 1 1 4
3 1 1 1 1 4
3 2 1 1 1 4
3 2 1 2 1 5
3 1 2 3 1 5
3 2 1 3 2 5
3 1 1 3 1 5
3 1 1 3 1 5
3 2 1 3 1 5
3 1 1 3 1 5
3 2 1 3 1 5
3 2 1 3 1 5
3 1 1 3 1 5
3 1 1 3 1 5
3 2 1 3 1 5
3 1 1 3 1 5
3 2 1 3 1 5
3 2 1 3 1 5
3 2 1 3 1 5
3 1 1 3 1 5
3 1 1 3 1 5
3 2 1 3 1 5
3 2 1 3 1 5
3 2 1 3 1 5
3 1 1 3 1 5
3 1 1 3 1 5
3 1 1 3 1 5
3 2 1 3 1 5
3 1 1 3 1 5
3 1 1 3 1 5
3 1 1 3 1 5
3 1 1 3 1 5
3 2 1 3 1 5
3 1 1 3 1 5
3 2 1 3 1 5
3 1 1 3 1 5
3 1 1 3 1 5
3 2 1 3 1 5
3 2 1 3 1 5
3 2 1 3 1 5
3 2 1 3 1 5
3 1 1 3 1 5
3 1 1 3 1 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 2 3 2 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 3 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 2 3 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 2 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 2 1 4 5
3 1 1 1 4 5
3 1 1 1 4 5
3 1 2 1 4 5
3 1 1 1 4 5
3 1 1 1 4 5
3 1 1 1 4 5
3 1 1 1 4 5
3 1 1 1 4 5
3 1 1 1 4 5
3 1 2 1 4 5
3 1 1 1 4 5
3 1 1 1 4 5
3 1 1 1 4 5
3 1 1 1 4 5
3 2 1 1 4 5
3 1 2 1 4 5
3 1 1 1 4 5
3 2 1 1 4 5
3 2 1 1 4 5
3 1 1 1 4 5
3 1 1 1 4 5
3 1 2 1 4 5
3 2 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 2 1 3 4 5
3 1 1 4 4 5
3 2 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 2 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 1 2 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 2 3 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 1 2 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 1 2 4 4 5
3 1 1 5 4 5
3 1 2 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 1 2 3 4 5
3 1 2 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 2 2 4 4 5
3 2 1 3 4 5
3 2 2 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 1 1 4 4 5
3 1 2 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 2 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 2 1 4 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 4 4 5
3 2 2 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 2 3 4 5
3 2 2 4 4 5
3 2 1 5 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 2 3 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 2 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 1 2 4 4 5
3 1 1 5 4 5
3 2 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 1 2 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 2 3 4 5
3 2 1 4 4 5
3 2 2 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 2 2 4 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 2 1 3 4 5
3 1 1 4 4 5
3 2 1 5 4 5
3 2 2 4 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 1 2 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 2 2 3 4 5
3 2 1 4 4 5
3 2 2 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 3 4 5
3 2 2 3 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 1 2 4 4 5
3 2 2 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 2 2 4 4 5
3 1 1 5 4 5
3 2 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 1 2 5 4 5
3 1 1 3 4 5
3 1 2 4 4 5
3 1 2 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 2 2 5 4 5
3 2 1 3 4 5
3 1 1 4 4 5
3 1 2 3 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 4 4 5
3 2 2 3 4 5
3 1 1 4 4 5
3 1 2 5 4 5
3 1 2 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 1 2 3 4 5
3 1 2 4 4 5
3 2 1 5 4 5
3 1 1 4 4 5
3 1 2 5 4 5
3 2 1 3 4 5
3 1 1 4 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 2 1 4 2 5
3 1 1 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 1 1 3 2 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 1 1 4 4 5
3 2 1 3 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 2 2 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 2 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 2 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 4 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 2 1 4 4 5
3 2 1 5 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 2 1 3 4 5
3 1 1 3 4 5
3 2 1 3 4 5
3 2 1 4 4 5
3 1 1 3 4 5
3 2 1 4 4 5
3 1 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 2 1 5 4 5
3 1 1 3 4 5
3 1 1 4 4 5
3 2 1 5 4 5
3 2 1 1 4 5
3 1 1 1 4 5
3 1 1 1 4 5
3 2 1 1 4 5
3 1 1 1 4 5
3 2 1 1 4 5
3 2 1 1 4 5
3 2 1 1 4 5
3 1 1 1 4 5
3 2 1 1 4 5
3 2 1 1 4 5
3 2 1 1 4 5
3 1 1 1 4 5
3 2 1 1 4 5
3 2 1 1 4 5
3 2 1 1 4 5
3 1 1 1 4 5
3 1 1 1 4 5
3 2 1 1 4 5
3 2 1 1 4 5
3 2 1 1 4 5
3 2 1 1 4 5
3 2 1 1 4 5
3 2 1 1 4 5
3 2 1 1 4 5
3 1 1 1 4 5
3 1 1 1 4 5
3 2 1 1 4 5
3 2 1 1 4 5
3 1 1 1 4 5
3 2 1 1 4 6
3 1 1 1 4 6
3 2 1 1 4 6
3 1 1 1 4 6
1 2 2 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 1 2 2 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
3 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 1 3 5 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
3 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 2 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
3 1 2 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
3 2 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
3 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 2 1 4 6
1 1 1 1 4 6
1 1 2 1 4 6
1 2 2 1 4 6
1 2 1 1 4 6
1 2 2 1 4 6
1 2 1 1 4 6
1 2 2 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 2 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 2 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 6
1 1 1 1 4 3
1 1 1 1 4 3
1 2 1 1 4 4
1 2 2 1 4 4
1 1 1 1 4 6
1 1 1 1 4 6
1 1 2 1 4 5
1 1 1 1 4 5
1 1 1 1 4 4
1 1 1 1 4 4
1 1 1 1 4 1
020 cuando se confirmó la presencia del
ió una cuarentena con el fin de controlar la
del presente año, como pandemia el
ciones urgentes y decididas para la
dos, así como la divulgación de las medidas
ción de los casos en las diferentes regiones
sta manera se solicitó una base de datos al
os que fueron suministrados por las
rá un análisis estadístico de los datos
ar una solución al problema planteado. Las

satisfacción de Temperatura
atención EPS Estado del paciente Tiempo del virus Tipo de prueba del paciente
1 1 16 1 32
2 2 13 2 32.5
3 2 16 2 32.3
4 2 11 2 34
5 2 11 1 34.5
5 2 10 2 36.8
4 2 11 2 35.9
3 2 15 1 32.5
2 2 10 2 32
1 2 16 1 35
1 2 17 2 35.8
1 2 18 2 37.8
1 2 14 1 36.5
1 2 14 1 34.5
1 2 20 1 38
1 2 11 1 39.5
1 2 18 1 33
1 2 12 1 32.5
1 2 14 1 37.8
2 2 19 1 32
2 2 19 2 32.5
3 2 19 2 32.3
3 2 10 2 34
4 2 19 2 34.5
5 2 12 2 36.8
4 2 14 1 35.9
5 2 10 2 32.5
2 2 20 1 32
3 2 16 2 35
1 2 17 1 35.8
4 2 10 1 37.8
4 2 17 2 36.5
4 2 17 2 34.5
4 2 18 2 38
4 2 14 2 39.5
4 2 16 1 33
4 2 17 1 32.5
4 2 18 1 37.8
4 2 18 2 32
4 2 17 2 32.5
4 2 10 1 32.3
4 2 12 2 34
4 2 17 2 34.5
4 1 13 3 36.8
4 1 19 3 35.9
4 2 16 2 32.5
4 2 15 2 32
4 2 11 2 35
4 2 16 1 35.8
4 2 18 1 37.8
4 2 18 2 36.5
4 2 11 2 34.5
4 2 18 2 38
4 2 11 2 39.5
4 2 10 2 33
4 2 10 1 32.5
4 2 17 2 37.8
4 2 20 2 32.3
4 2 10 1 34
4 2 20 2 35
4 2 11 2 35
4 1 17 3 34
4 2 10 2 33
4 2 10 1 32
4 2 15 1 32.5
4 2 18 1 32.3
4 2 14 1 36.5
4 2 14 2 37.8
4 2 19 2 39.5
4 2 11 2 39.5
4 2 14 1 39.5
4 2 10 1 32
4 2 17 2 32.5
4 2 18 2 32.3
4 1 16 3 34
4 2 20 1 34.5
4 2 13 2 36.8
4 2 20 1 35.9
4 2 11 1 32.5
4 2 17 1 32
4 2 13 1 35
4 1 16 3 35.8
4 2 18 1 37.8
4 1 10 3 36.5
4 2 14 2 34.5
4 2 18 2 38
4 2 11 2 39.5
4 1 20 3 33
4 2 19 2 32.5
4 2 19 2 37.8
4 2 13 2 32
4 2 13 2 32.5
4 2 11 2 32.3
4 2 17 2 34
4 2 14 2 34.5
4 2 15 1 36.8
4 2 17 1 35.9
4 2 14 1 32.5
4 2 20 2 32
4 2 14 1 35
4 2 13 1 35.8
4 2 11 2 37.8
4 2 20 1 36.5
4 2 13 2 34.5
4 2 13 1 38
4 2 14 2 32
4 2 12 2 33
4 2 19 1 32.5
4 2 16 2 37.8
4 1 19 3 32
4 1 18 3 32.5
4 2 10 2 32.3
4 2 15 1 34
4 2 10 2 34.5
4 2 11 2 36.8
4 3 12 3 35.9
4 1 10 3 32.5
4 2 15 2 32
4 2 16 2 35
4 2 11 2 35.8
4 2 10 1 37.8
4 2 17 2 36.5
4 2 10 2 34.5
4 2 18 1 38
4 2 17 1 32
4 2 11 1 33
4 2 14 2 32.5
4 2 11 2 37.8
4 2 10 2 32.3
4 2 10 2 34
4 1 15 3 35
4 2 20 1 35
4 2 11 1 34
4 1 11 3 33
4 2 13 1 32
4 2 14 1 32.5
4 2 20 1 32.3
4 2 10 2 36.5
4 2 16 1 37.8
4 2 14 1 32
4 2 17 1 32
4 2 20 2 33
4 2 19 2 32
4 2 20 1 32.5
4 2 15 1 32.3
4 2 15 1 34
4 2 15 2 34.5
4 2 12 2 36.8
4 2 18 2 35.9
4 2 11 2 32.5
4 1 10 3 32
4 2 17 1 35
4 1 16 3 35.8
4 1 17 3 37.8
4 2 10 1 36.5
4 2 11 1 34.5
4 2 11 2 38
4 2 10 1 33
4 2 18 1 33
4 2 19 2 32.5
4 2 19 2 37.8
4 2 11 2 32
4 2 10 2 32.5
4 2 19 1 32.3
4 2 18 1 34
4 2 16 1 34.5
4 2 12 1 36.8
4 2 14 2 35.9
4 2 18 1 32.5
4 1 12 3 32
4 2 15 1 35
4 2 11 2 35.8
4 2 19 2 37.8
4 2 15 2 36.5
4 2 11 2 34.5
4 2 13 1 38
4 1 11 3 39.5
4 2 11 1 33
4 1 16 3 32.5
4 2 11 2 37.8
4 2 12 2 32
4 2 11 2 32.5
4 2 19 1 32.3
4 2 19 1 34
4 2 14 1 34.5
4 2 14 2 36.8
4 2 12 1 35.9
4 2 10 1 32.5
4 2 10 1 32
4 2 14 2 35
4 2 18 2 35.8
4 2 12 2 37.8
4 1 16 3 36.5
4 2 16 2 34.5
4 2 11 2 38
4 2 11 2 33
4 1 10 3 33
4 2 14 1 32.5
4 2 19 1 37.8
4 1 17 3 32.3
4 2 18 2 34
4 1 13 3 35
4 2 18 1 35
4 2 10 1 34
4 2 12 1 33
4 2 20 1 32
4 2 20 2 32.5
4 2 18 2 32.3
4 2 19 2 36.5
4 2 14 1 37.8
4 2 20 1 34
4 2 10 2 34
4 2 17 1 34
4 2 12 1 32
4 2 17 2 32.5
4 2 10 1 32.3
4 2 17 2 34
4 2 14 1 34.5
4 2 16 2 36.8
4 2 18 2 35.9
4 2 18 2 32.5
4 2 16 1 32
4 2 17 2 35
4 2 14 1 35.8
4 2 16 2 37.8
4 2 20 2 36.5
4 2 19 2 34.5
4 2 14 2 38
4 2 17 2 34
4 2 18 2 33
4 2 19 1 32.5
4 2 17 2 37.8
4 2 17 2 32
4 2 16 1 32.5
4 2 17 1 32.3
4 2 10 1 34
4 2 19 2 34.5
4 2 19 2 36.8
4 2 17 2 35.9
4 2 13 1 32.5
4 2 10 1 32
4 2 14 1 35
4 2 20 1 35.8
4 2 18 2 37.8
4 2 16 1 36.5
4 2 17 1 34.5
4 2 16 2 38
4 2 10 1 34
4 2 13 2 33
4 2 19 1 32.5
4 2 15 2 37.8
4 2 13 2 32
4 2 15 2 32.5
4 2 18 1 32.3
4 2 11 2 34
4 2 15 2 34.5
4 2 17 2 36.8
4 2 11 1 35.9
4 2 19 2 32.5
4 2 16 2 32
4 2 12 1 35
4 2 14 2 35.8
4 2 12 1 37.8
4 2 19 1 36.5
4 2 18 1 34.5
4 2 12 1 38
4 2 14 1 34
4 2 15 2 33
4 2 11 1 32.5
4 2 20 2 37.8
4 2 17 2 32.3
4 2 11 2 34
4 2 13 2 35
4 2 16 2 35
4 2 15 1 34
4 2 18 1 33
4 2 14 2 32
4 2 11 1 32.5
4 2 20 2 32.3
4 2 11 2 36.5
4 2 20 2 37.8
4 2 14 2 32
4 2 16 2 32
4 2 14 2 32
4 2 15 1 32
4 2 14 1 33
4 2 12 2 33
4 1 14 3 33
4 2 18 2 34
4 2 15 2 34
4 2 17 1 34
4 2 19 2 34
4 1 12 3 34
4 2 20 2 34
4 2 18 1 35.8
4 2 12 2 37.8
4 2 11 2 36.5
4 2 12 2 34.5
4 2 20 2 38
4 2 20 2 33
4 2 14 1 33
4 2 19 2 32.5
4 2 18 2 37.8
4 2 19 1 32
4 2 13 1 32.5
4 2 10 2 32.3
4 2 15 1 34
4 2 15 2 34.5
4 2 15 2 36.8
4 2 11 2 35.9
4 1 19 3 32.5
4 2 12 2 32
4 2 18 1 35
4 2 20 2 35.8
4 1 15 3 37.8
4 2 15 2 36.5
4 2 11 2 34.5
4 2 16 2 38
4 2 14 1 33
4 2 11 1 33
4 2 12 1 32.5
4 2 19 2 37.8
4 2 11 2 32
4 2 14 1 32.5
4 1 10 3 32.3
4 2 18 2 34
4 1 13 3 34.5
4 2 17 1 36.8
4 2 19 2 35.9
4 1 16 3 32.5
4 2 19 2 32
4 1 12 3 35
4 2 15 1 35.8
4 2 20 2 37.8
4 1 11 3 36.5
4 2 17 2 34.5
4 2 20 1 38
4 2 11 1 33
4 2 19 1 33
4 2 19 2 32.5
4 2 18 2 37.8
4 2 10 2 32.3
4 2 18 2 34
4 2 14 2 35
4 2 15 2 35
4 1 15 3 34
4 2 13 1 33
4 2 15 2 32
4 2 17 2 32.5
4 1 19 3 32.3
4 1 14 3 36.5
4 2 15 2 37.8
4 2 20 2 34
4 2 15 2 32
4 2 13 1 33
4 2 10 2 32
4 1 18 3 32.5
4 2 17 1 32.3
4 2 19 2 34
4 2 20 2 34.5
4 2 17 1 36.8
4 2 14 2 35.9
4 2 12 2 32.5
4 2 14 1 32
4 2 18 1 35
4 2 10 1 35.8
4 2 10 1 37.8
4 2 15 2 36.5
4 2 10 1 34.5
4 2 10 1 38
4 2 13 2 34
4 2 11 2 33
4 2 12 2 32.5
4 2 10 1 37.8
4 2 15 2 32
4 2 18 2 32.5
4 2 14 2 32.3
4 2 16 2 34
4 2 10 2 34.5
4 2 16 1 36.8
4 2 13 2 35.9
4 2 17 1 32.5
4 2 11 1 32
4 2 10 1 35
4 2 10 1 35.8
4 1 19 3 37.8
4 2 13 2 36.5
4 2 18 2 34.5
4 2 12 2 38
4 2 17 1 34
4 2 13 1 33
4 2 10 2 32.5
4 2 10 1 37.8
4 2 12 2 32
4 2 16 2 32.5
4 1 17 3 32.3
4 2 10 1 34
4 1 10 3 34.5
4 2 10 1 36.8
4 2 16 2 35.9
4 2 18 2 32.5
4 2 17 2 32
4 2 11 1 35
4 2 10 1 35.8
4 2 15 2 37.8
4 2 19 2 36.5
4 2 11 2 34.5
4 2 10 2 38
4 2 15 2 34
4 2 19 2 33
4 2 12 2 32.5
4 2 12 2 37.8
4 2 15 2 32.3
4 2 17 2 34
4 2 10 1 35
4 2 11 1 35
4 2 14 1 34
4 1 17 3 33
4 1 20 3 32
4 1 17 3 32.5
4 2 14 1 32.3
4 1 19 3 36.5
4 2 20 1 37.8
4 1 10 3 39.5
4 1 19 3 39.5
4 1 14 3 39.5
4 2 14 1 32
4 2 12 2 32.5
4 2 15 1 32.3
4 2 17 2 34
4 2 13 2 34.5
4 2 14 1 36.8
4 2 11 2 35.9
4 2 16 1 32.5
4 2 15 1 32
4 2 19 1 35
4 2 17 2 35.8
4 2 12 2 37.8
4 2 18 2 36.5
4 2 18 2 34.5
4 2 14 2 38
4 2 18 2 34
4 2 11 2 33
4 2 16 2 32.5
4 1 17 3 37.8
4 1 12 3 32
4 2 20 2 32.5
4 1 17 3 32.3
4 1 17 3 34
4 1 16 3 34.5
4 2 15 2 36.8
4 2 19 2 35.9
4 2 19 1 32.5
4 2 17 2 32
4 1 17 3 35
4 2 16 2 35.8
4 2 20 2 37.8
4 1 16 3 36.5
4 2 19 2 34.5
4 2 19 2 38
4 2 12 2 34
4 2 12 2 33
4 2 14 2 32.5
4 2 17 1 37.8
4 2 14 1 32
4 2 15 2 32.5
4 2 10 2 32.3
4 1 13 3 34
4 2 16 2 34.5
4 2 19 1 36.8
4 2 16 1 35.9
4 2 10 2 32.5
4 2 13 2 32
4 2 20 2 35
4 2 12 1 35.8
4 2 10 2 37.8
4 2 10 2 36.5
4 2 13 1 34.5
4 2 13 2 38
4 1 13 3 39.5
4 2 19 2 33
4 2 19 2 32.5
4 2 19 1 37.8
4 1 10 3 32.3
4 2 14 2 34
4 2 10 2 35
4 2 11 2 35
4 1 10 3 34
4 2 13 2 33
4 2 18 2 32
4 2 20 2 32.5
4 2 16 2 32.3
4 2 18 2 36.5
4 2 18 2 37.8
4 2 10 2 34
4 2 12 2 34
4 2 17 1 34
4 2 18 1 32
4 2 17 1 32.5
4 2 18 2 32.3
4 2 20 2 34
4 2 11 1 34.5
4 2 10 2 36.8
4 2 17 2 35.9
4 2 19 2 32.5
4 2 16 2 32
4 2 10 2 35
4 2 12 2 35.8
4 2 19 2 37.8
4 2 19 2 36.5
4 2 18 2 34.5
4 2 11 2 38
4 2 17 2 34
4 2 12 2 33
4 2 13 2 32.5
4 2 12 2 37.8
4 2 15 1 32
4 2 19 2 32.5
4 2 13 1 32.3
4 2 15 2 34
4 2 11 2 34.5
4 2 17 1 36.8
4 2 19 2 35.9
4 2 20 2 32.5
4 2 15 2 32
4 2 10 2 35
4 2 16 2 35.8
4 2 14 2 37.8
4 2 19 1 36.5
4 2 19 2 34.5
4 2 10 2 38
4 2 17 2 34
4 2 20 1 33
4 2 19 1 32.5
4 2 15 2 37.8
4 2 11 2 32
4 2 16 2 32.5
4 2 10 2 32.3
4 2 12 2 34
4 2 14 2 34.5
4 2 15 2 36.8
4 2 16 2 35.9
4 2 16 2 32.5
4 2 18 1 32
4 2 18 1 35
4 2 18 2 35.8
4 2 17 2 37.8
4 2 15 2 36.5
4 2 13 2 34.5
4 2 16 2 38
4 2 18 2 34
4 2 11 1 33
4 2 15 2 32.5
4 2 16 2 37.8
4 2 11 2 32.3
4 2 12 2 34
4 2 13 2 35
4 2 14 1 35
4 2 12 2 34
4 2 20 2 33
4 2 14 1 32
4 2 13 1 32.5
4 2 14 2 32.3
4 2 12 2 36.5
4 2 20 2 37.8
4 2 17 1 34
4 2 10 2 34
4 2 20 2 34
4 2 11 2 32
4 2 17 1 32.5
4 2 17 2 32.3
4 2 10 2 34
4 2 11 2 34.5
4 2 10 2 36.8
4 2 12 2 35.9
4 2 20 2 32.5
4 2 10 1 32
4 2 15 2 35
4 2 10 2 35.8
4 2 11 2 37.8
4 2 14 2 36.5
4 2 14 2 34.5
4 2 15 2 38
4 2 19 1 34
4 2 15 2 33
4 2 13 2 32.5
4 2 12 2 37.8
4 2 15 2 32
4 2 14 2 32.5
4 2 13 2 32.3
4 2 15 2 34
4 2 11 2 34.5
4 2 17 2 36.8
4 2 10 2 35.9
4 2 17 1 32.5
4 2 15 2 32
4 2 15 1 35
4 2 10 2 35.8
4 2 19 2 37.8
4 2 12 2 36.5
4 2 14 1 34.5
4 2 19 2 38
4 2 10 1 34
4 2 20 2 33
4 2 20 2 32.5
4 2 19 2 37.8
4 2 10 2 32
4 2 19 2 32.5
4 2 18 2 32.3
4 2 13 2 34
4 2 17 2 34.5
4 2 11 2 36.8
4 2 13 2 35.9
4 2 16 2 32.5
4 2 15 2 32
4 2 12 1 35
4 2 11 1 35.8
4 2 18 2 37.8
4 2 17 2 36.5
4 2 10 2 34.5
4 2 11 1 38
4 2 17 2 34
3 2 18 2 33
3 2 20 2 32.5
3 2 15 1 37.8
3 2 17 1 32.3
3 2 12 1 34
3 2 11 1 35
3 2 11 2 35
3 2 18 2 34
3 2 20 2 33
3 2 14 2 32
3 2 10 2 32.5
3 2 10 2 32.3
2 2 18 2 36.5
2 2 10 1 37.8
2 2 17 1 39.5
2 2 17 2 39.5
2 2 19 1 39.5
2 2 10 2 32
2 2 13 1 32.5
2 2 14 2 32.3
2 2 10 2 34
2 2 19 2 34.5
2 2 11 2 36.8
2 2 14 1 35.9
2 2 12 2 32.5
2 2 13 2 32
2 2 18 2 35
2 2 20 2 35.8
2 2 13 2 37.8
2 2 19 2 36.5
2 2 12 2 34.5
2 2 19 2 38
2 2 11 2 39.5
2 2 12 2 33
2 2 17 1 32.5
2 2 18 1 37.8
2 2 12 2 32
2 2 16 1 32.5
2 2 18 2 32.3
2 2 11 2 34
2 2 19 2 34.5
2 2 18 2 36.8
2 2 11 2 35.9
2 2 18 2 32.5
2 2 17 2 32
2 2 19 2 35
2 2 13 2 35.8
2 2 10 2 37.8
2 2 14 2 36.5
2 2 13 2 34.5
2 2 14 2 38
2 2 16 2 39.5
2 2 17 2 33
2 2 19 2 32.5
2 2 15 2 37.8
2 2 10 2 32
2 2 18 1 32.5
2 2 12 2 32.3
2 2 19 1 34
2 2 19 2 34.5
2 2 20 2 36.8
2 2 14 2 35.9
2 2 17 2 32.5
2 2 19 2 32
2 2 14 2 35
2 2 18 2 35.8
2 2 18 1 37.8
2 2 16 2 36.5
2 2 17 1 34.5
2 2 16 2 38
2 2 20 2 39.5
2 2 13 2 33
2 2 14 2 32.5
2 2 15 1 37.8
2 2 14 2 32.3
2 2 11 1 34
2 2 18 1 35
2 2 19 2 35
2 2 20 1 34
2 2 15 2 33
2 2 17 2 32
2 2 19 1 32.5
2 2 16 2 32.3
2 2 16 2 36.5
2 2 20 2 37.8
2 2 16 2 39.5
2 2 12 1 39.5
2 2 20 2 39.5
2 2 11 1 32
2 2 14 2 32.5
2 2 11 2 32.3
2 2 15 1 34
2 2 14 1 34.5
2 2 14 2 36.8
2 2 13 1 35.9
2 2 17 2 32.5
2 2 16 2 32
2 2 11 2 35
2 2 19 2 35.8
2 2 11 1 37.8
2 2 20 2 36.5
2 2 12 2 34.5
2 2 20 2 38
2 2 18 2 39.5
2 2 16 2 33
2 2 17 2 32.5
2 2 18 2 37.8
2 2 16 1 32
2 2 10 2 32.5
2 2 19 2 32.3
2 2 19 2 34
2 2 15 2 34.5
2 2 13 1 36.8
2 2 13 2 35.9
2 2 16 2 32.5
2 2 15 1 32
2 2 12 2 35
2 2 14 2 35.8
2 2 19 1 37.8
2 2 11 2 36.5
2 2 10 1 34.5
2 2 17 1 38
2 3 15 3 34
2 2 13 2 33
2 2 10 2 32.5
2 2 19 2 37.8
2 1 14 3 32
2 2 16 2 32.5
2 1 19 3 32.3
2 2 13 2 34
2 2 13 1 34.5
2 2 16 2 36.8
2 2 15 2 35.9
2 2 19 1 32.5
2 2 13 2 32
2 2 11 1 35
2 2 19 2 35.8
2 2 14 2 37.8
2 2 16 1 36.5
2 2 14 2 34.5
2 2 15 1 38
2 2 15 1 39.5
2 2 11 2 33
2 2 15 2 32.5
2 1 15 3 37.8
2 2 11 2 32.3
2 2 19 2 34
2 2 10 1 35
2 2 12 1 35
2 1 19 3 34
2 2 11 1 33
2 3 17 3 32
5 2 20 2 32.5
5 2 16 2 32.3
5 2 19 2 36.5
5 1 19 3 37.8
5 2 11 2 39.5
5 2 20 2 39.5
2 2 14 2 39.5
2 2 18 2 32
2 2 14 1 32.5
2 2 11 2 32.3
2 2 20 2 34
2 2 19 1 34.5
1 2 17 2 36.8
1 2 17 1 35.9
1 2 19 2 32.5
1 2 12 1 32
1 2 12 1 35
1 2 13 1 35.8
3 2 13 1 37.8
2 2 20 2 36.5
4 2 13 2 34.5
5 2 16 1 38
4 2 13 2 39.5
5 2 11 2 33
5 2 12 2 32.5
4 2 12 2 37.8
4 2 13 1 32
5 2 10 2 32.5
4 2 16 1 32.3
5 2 15 2 34
4 2 14 1 34.5
3 2 15 2 36.8
3 2 20 2 35.9
3 2 10 1 32.5
4 2 14 2 32
5 2 18 2 35
5 2 16 2 35.8
3 2 10 1 37.8
3 2 15 2 36.5
3 2 13 2 34.5
3 2 15 2 38
2 2 18 2 39.5
2 2 17 2 33
2 2 16 1 32.5
2 2 17 1 37.8
2 2 19 2 32
2 2 13 2 32.5
2 2 10 2 32.3
5 2 13 2 34
5 2 14 1 34.5
5 2 15 1 36.8
5 2 13 2 35.9
5 2 17 1 32.5
5 2 15 2 32
3 2 17 2 35
4 2 10 1 35.8
5 2 18 1 37.8
5 2 19 1 36.5
4 2 18 1 34.5
3 2 16 1 38
3 2 17 2 39.5
4 2 10 1 33
5 2 18 1 32.5
1 1 14 3 37.8
1 2 10 1 32.3
1 2 18 2 34
1 2 15 1 35
1 2 16 1 35
1 2 11 1 34
1 2 14 1 33
1 2 14 1 32
1 2 18 2 32.5
1 2 11 1 32.3
1 2 17 2 36.5
1 2 12 2 37.8
1 2 15 2 39.5
1 2 19 2 39.5
1 2 20 2 39.5
1 2 16 1 32
1 2 13 1 32.5
1 2 10 1 32.3
1 2 13 1 34
1 2 15 1 34.5
1 2 11 2 36.8
1 2 12 2 35.9
1 2 17 2 32.5
1 2 13 1 32
1 2 13 2 35
1 2 19 1 35.8
1 2 12 2 37.8
1 2 15 1 36.5
1 2 14 2 34.5
1 2 17 1 38
1 2 14 1 39.5
1 2 14 2 33
1 2 13 1 32.5
1 2 13 1 37.8
1 2 11 2 32
1 1 18 3 32.5
1 2 16 2 32.3
1 2 19 2 34
1 2 10 2 34.5
1 2 19 2 36.8
1 2 19 1 35.9
1 2 17 2 32.5
1 2 12 2 32
1 2 10 2 35
1 2 12 2 35.8
1 2 18 2 37.8
1 2 17 2 36.5
1 2 10 2 34.5
1 2 20 2 38
1 2 14 1 39.5
1 2 11 2 33
1 2 14 2 32.5
1 2 20 2 37.8
1 2 17 2 32
1 2 20 1 32.5
1 2 15 2 32.3
1 2 12 2 34
1 2 13 2 34.5
1 2 16 2 36.8
1 2 10 2 35.9
1 2 16 2 32.5
1 2 13 1 32
1 2 19 2 35
1 2 13 1 35.8
1 2 18 2 37.8
1 2 15 2 36.5
1 2 15 2 34.5
1 2 14 1 38
1 2 14 1 39.5
1 2 18 2 33
1 2 17 2 32.5
1 2 14 1 37.8
1 2 19 2 32.3
1 2 11 2 34
1 2 15 1 35
1 2 12 2 35
1 2 11 2 34
1 2 13 2 33
1 2 20 2 32
1 2 18 1 32.5
1 2 10 1 32.3
1 2 12 2 36.5
1 2 12 2 37.8
1 2 15 2 39.5
1 2 15 2 39.5
1 2 17 1 39.5
1 2 17 1 32
1 2 20 1 32.5
1 2 16 2 32.3
1 2 20 1 34
1 2 20 2 34.5
1 2 14 1 36.8
1 2 18 2 35.9
1 2 13 2 32.5
1 2 15 2 32
1 2 13 2 35
1 2 19 2 35.8
1 2 14 2 37.8
1 2 13 2 36.5
1 2 12 1 34.5
1 2 20 2 38
1 2 10 2 39.5
1 2 11 2 33
1 2 11 2 32.5
1 2 12 1 37.8
1 2 18 2 32
1 2 16 1 32.5
1 2 10 2 32.3
1 2 15 2 34
1 2 19 2 34.5
1 2 11 1 36.8
1 2 17 2 35.9
1 2 16 2 32.5
1 2 15 2 32
1 2 16 2 35
1 2 19 2 35.8
1 2 16 2 37.8
1 2 19 1 36.5
1 2 19 2 34.5
1 2 15 2 38
1 2 16 1 39.5
1 1 14 3 33
1 2 20 1 32.5
1 2 10 2 37.8
1 2 10 2 32
1 2 11 2 32.5
1 2 15 1 32.3
1 2 18 2 34
1 2 11 1 34.5
1 2 17 2 36.8
1 2 10 1 35.9
1 2 11 1 32.5
1 2 20 1 32
1 2 14 2 35
1 2 12 2 35.8
1 2 15 2 37.8
1 2 19 1 36.5
1 2 18 2 34.5
1 2 19 2 38
1 2 16 1 39.5
1 2 11 2 33
1 2 14 2 32.5
1 2 20 1 37.8
1 2 15 1 32.3
1 2 11 2 34
1 2 10 2 35
1 2 17 2 35
1 2 20 2 34
1 2 18 1 33
1 2 11 2 32
1 2 18 1 32.5
1 2 18 2 32.3
1 2 17 1 36.5
1 2 13 2 37.8
1 2 14 2 39.5
1 2 20 2 39.5
1 2 18 2 39.5
1 2 15 1 32
1 2 11 2 32.5
1 1 16 3 32.3
1 2 15 2 34
1 2 16 1 34.5
1 2 12 2 36.8
1 2 18 2 35.9
1 2 20 2 32.5
1 2 14 2 32
1 2 11 2 35
1 2 20 2 35.8
1 2 19 2 37.8
1 2 16 2 36.5
1 2 17 2 34.5
1 2 13 2 38
1 2 10 2 39.5
1 2 18 1 33
1 2 20 2 32.5
1 2 18 2 37.8
1 2 13 2 32
1 2 20 1 32.5
1 1 10 3 32.3
1 2 13 2 34
1 2 17 2 34.5
1 2 18 2 36.8
1 2 20 2 35.9
1 2 17 2 32.5
1 2 13 2 32
1 2 18 2 35
1 2 13 2 35.8
1 2 17 2 37.8
1 1 12 3 36.5
1 2 12 2 34.5
1 1 12 3 38
1 2 14 1 39.5
1 2 18 2 33
1 1 20 3 32.5
1 1 13 3 37.8
1 2 12 2 32
1 1 17 3 32.5
1 2 13 2 32.3
1 2 15 2 34
1 2 18 2 34.5
1 2 18 1 36.8
1 2 17 2 35.9
1 2 11 2 32.5
1 2 16 2 32
1 2 14 2 35
1 2 17 2 35.8
1 2 17 2 37.8
1 2 18 2 36.5
1 2 16 2 34.5
1 2 11 2 38
1 2 17 2 39.5
1 2 15 2 33
1 2 20 2 32.5
1 2 16 2 37.8
1 2 17 2 32.3
1 2 10 2 34
1 2 13 2 35
1 2 15 2 35
1 2 16 2 34
1 2 10 2 33
1 2 11 2 32
1 2 20 2 32.5
1 2 19 2 32.3
1 2 20 2 36.5
1 2 16 2 37.8
1 2 19 2 39.5
1 2 14 2 39.5
1 2 15 2 39.5
1 2 18 2 32
1 2 14 2 32.5
1 2 10 2 32.3
1 2 19 2 34
1 2 18 2 34.5
1 2 13 2 36.8
1 2 18 2 35.9
1 2 12 2 32.5
3 2 11 2 32
1 2 16 2 35
3 2 19 2 35.8
3 2 17 2 37.8
3 2 11 2 36.5
3 2 15 1 34.5
3 2 13 2 38
3 2 18 2 39.5
3 2 10 2 33
3 2 14 2 32.5
3 2 15 2 37.8
3 2 15 2 32
3 2 13 2 32.5
3 2 20 2 32.3
3 2 12 2 34
3 2 17 2 34.5
3 2 19 2 36.8
3 2 16 1 35.9
3 2 19 2 32.5
3 2 19 2 32
3 2 17 2 35
3 2 15 2 35.8
3 2 14 2 37.8
3 2 15 2 36.5
3 2 11 2 34.5
3 2 16 2 38
3 2 17 2 39.5
3 2 15 2 33
3 2 18 2 32.5
3 2 14 1 37.8
3 2 11 2 32
3 2 19 2 32.5
3 2 15 2 32.3
3 2 18 2 34
3 2 15 2 34.5
3 2 16 2 36.8
3 2 13 2 35.9
3 2 15 2 32.5
3 2 10 1 32
3 2 13 2 35
3 2 10 2 35.8
3 2 16 2 37.8
3 2 14 2 36.5
3 2 12 2 34.5
3 2 17 2 38
3 2 10 2 39.5
3 2 18 2 33
3 2 17 2 32.5
3 2 18 2 37.8
3 3 11 3 32.3
3 2 15 2 34
3 2 18 2 35
3 2 17 1 35
3 2 17 2 34
3 2 13 2 33
3 2 15 2 32
3 3 19 3 32.5
3 2 19 2 32.3
3 2 15 2 36.5
3 2 17 2 37.8
3 2 18 2 39.5
3 2 11 2 39.5
3 2 17 2 39.5
3 2 11 1 32
3 2 20 1 32.5
3 2 11 2 32.3
3 2 16 1 34
3 2 14 2 34.5
3 2 17 2 36.8
3 2 16 2 35.9
3 2 16 2 32.5
3 2 12 2 32
3 2 16 2 35
3 2 13 2 35.8
3 2 10 2 37.8
3 2 11 1 36.5
3 2 10 2 34.5
3 2 12 2 38
3 2 13 2 39.5
3 2 19 2 33
3 2 16 2 32.5
3 3 12 3 37.8
3 2 16 2 32
3 2 11 2 32.5
3 2 14 2 32.3
3 2 15 2 34
3 2 16 2 34.5
3 2 11 2 36.8
3 2 18 2 35.9
3 2 11 2 32.5
3 2 15 2 32
3 2 12 2 35
3 2 16 2 35.8
3 2 20 2 37.8
3 2 19 2 36.5
3 2 17 2 34.5
3 2 16 2 38
3 2 15 2 39.5
3 2 18 2 33
3 1 12 3 32.5
3 2 20 2 37.8
3 2 18 2 32
3 2 11 1 32.5
3 2 10 2 32.3
3 2 20 2 34
3 2 16 2 34.5
3 2 12 2 36.8
3 2 19 2 35.9
3 2 17 2 32.5
3 2 20 2 32
3 2 18 2 35
3 2 14 2 35.8
3 2 17 2 37.8
3 2 13 2 36.5
3 2 15 2 34.5
3 2 12 2 38
3 2 15 2 39.5
3 2 14 2 33
3 2 12 2 32.5
3 2 18 2 37.8
3 2 11 2 32.3
3 2 10 2 34
3 2 17 2 35
3 2 17 2 35
3 2 13 2 34
3 2 13 2 33
3 2 18 2 32
3 2 16 2 32.5
3 2 19 2 32.3
3 2 16 2 36.5
3 2 15 2 37.8
3 2 16 2 39.5
3 2 16 2 39.5
3 2 18 2 39.5
3 2 18 2 32
3 2 17 2 32.5
3 2 20 1 32.3
3 2 18 1 34
3 2 20 2 34.5
3 3 19 3 36.8
3 2 10 2 35.9
3 2 19 2 32.5
3 1 16 3 32
3 2 13 2 35
3 2 17 2 35.8
3 2 17 2 37.8
3 2 12 2 36.5
3 2 17 2 34.5
3 2 10 2 38
3 2 11 2 39.5
3 2 20 2 33
3 2 12 2 32.5
3 2 10 2 37.8
3 2 12 2 32
3 2 12 2 32.5
3 2 11 2 32.3
3 2 17 2 34
3 2 12 2 34.5
3 2 12 2 36.8
3 2 18 2 35.9
3 1 18 3 32.5
3 2 12 2 32
3 2 12 1 35
3 2 14 2 35.8
3 2 11 1 37.8
3 2 11 2 36.5
3 2 17 2 34.5
3 2 15 2 38
3 2 14 2 39.5
3 2 20 2 33
3 2 19 2 32.5
3 2 13 2 37.8
3 2 18 2 32
3 2 17 2 32.5
3 2 10 2 32.3
3 2 12 2 34
3 2 15 2 34.5
3 1 12 3 36.8
3 2 18 2 35.9
3 1 20 3 32.5
3 1 19 3 32
3 2 11 2 35
3 2 11 2 35.8
3 2 20 2 37.8
3 2 18 2 36.5
3 2 15 2 34.5
3 2 19 2 38
3 2 13 2 39.5
3 2 13 2 33
3 2 15 2 32.5
3 2 15 2 37.8
3 2 20 2 32.3
3 2 19 2 34
3 2 12 2 35
3 1 17 3 35
3 2 19 2 34
3 2 18 2 33
3 2 16 2 32
3 2 10 2 32.5
3 2 16 2 32.3
3 2 16 2 36.5
3 2 15 1 37.8
3 2 17 2 39.5
3 2 20 2 39.5
3 2 11 2 39.5
3 2 10 2 32
3 2 20 2 32.5
3 2 15 2 32.3
3 2 15 2 34
3 2 19 1 34.5
3 2 20 2 36.8
3 2 13 2 35.9
3 2 20 1 32.5
3 3 15 3 32
3 2 13 2 35
3 1 16 3 35.8
3 2 15 2 37.8
3 2 12 2 36.5
3 2 14 2 34.5
3 2 11 2 38
3 2 16 2 39.5
3 2 11 2 33
3 3 18 3 32.5
3 2 19 2 37.8
3 2 10 2 32
3 1 19 3 32.5
3 2 14 2 32.3
3 2 14 2 34
3 2 15 2 34.5
3 2 11 2 36.8
3 2 18 2 35.9
3 2 11 2 32.5
3 2 11 2 32
3 2 18 2 35
3 2 17 2 35.8
3 2 19 2 37.8
3 2 16 2 36.5
3 2 12 1 34.5
3 2 16 2 38
3 2 10 2 39.5
3 2 13 2 33
3 2 12 2 32.5
3 2 14 2 37.8
3 2 15 2 32
3 2 19 2 32.5
3 2 20 2 32.3
3 2 16 2 34
3 2 13 2 34.5
3 2 11 2 36.8
3 2 11 2 35.9
3 2 16 2 32.5
3 2 13 2 32
3 2 18 2 35
3 2 11 2 35.8
3 2 11 1 37.8
3 2 12 2 36.5
3 2 11 2 34.5
3 2 18 2 38
3 2 15 2 39.5
3 2 18 2 33
3 2 10 1 32.5
3 2 20 2 37.8
3 2 18 2 32.3
3 2 18 2 34
3 2 13 2 35
3 2 18 2 35
3 2 12 2 34
3 2 11 1 33
3 2 18 2 32
3 2 10 2 32.5
3 2 11 2 32.3
3 2 11 2 36.5
3 2 16 2 37.8
3 2 18 2 39.5
3 2 14 2 39.5
3 2 12 2 39.5
3 3 13 3 32
3 2 12 2 32.5
3 2 14 2 32.3
3 2 18 2 34
3 2 19 2 34.5
3 3 17 3 36.8
3 2 12 2 35.9
3 2 11 2 32.5
3 2 15 2 32
3 2 15 2 35
3 2 19 2 35.8
3 2 19 1 37.8
3 2 15 2 36.5
3 2 16 1 34.5
3 2 19 2 38
3 2 13 2 39.5
3 2 13 2 33
3 2 18 2 32.5
3 2 12 2 37.8
3 2 15 1 32
3 2 13 2 32.5
3 2 10 2 32.3
3 2 17 1 34
3 2 14 2 34.5
3 1 12 3 36.8
3 2 11 1 35.9
3 2 15 2 32.5
3 2 19 2 32
3 2 18 2 35
3 2 15 2 35.8
3 2 10 2 37.8
3 2 11 2 36.5
3 2 17 2 34.5
3 2 13 2 38
3 1 17 3 39.5
3 2 11 1 33
3 2 15 1 32.5
3 2 19 2 37.8
3 2 18 1 32
3 2 15 2 32.5
3 2 14 2 32.3
3 2 11 2 34
3 2 19 2 34.5
3 2 20 2 36.8
3 2 16 2 35.9
3 2 14 1 32.5
3 2 14 1 32
3 2 19 2 35
3 2 17 1 35.8
3 2 18 2 37.8
3 2 17 2 36.5
3 2 18 2 34.5
3 2 16 2 38
3 2 19 2 39.5
3 2 18 2 33
3 2 15 2 32.5
3 2 13 2 37.8
3 2 20 2 32.3
3 2 19 2 34
3 2 20 2 35
3 2 11 2 35
3 2 14 2 34
3 2 11 2 33
3 2 10 2 32
3 2 18 2 32.5
3 2 13 2 32.3
3 2 17 2 36.5
3 2 18 2 37.8
3 2 13 2 39.5
3 2 17 2 39.5
3 2 12 2 39.5
3 2 13 2 32
3 2 19 2 32.5
3 2 12 2 32.3
3 2 15 2 34
3 2 16 2 34.5
3 2 20 2 36.8
3 2 10 2 35.9
3 2 14 2 32.5
3 2 12 2 32
3 2 20 2 35
3 2 16 2 35.8
3 2 20 2 37.8
3 2 11 2 36.5
3 2 17 2 34.5
3 2 20 2 38
3 2 16 2 39.5
3 2 11 2 33
3 2 13 2 32.5
3 2 14 2 37.8
3 2 12 2 32
3 2 19 2 32.5
3 2 10 2 32.3
3 2 15 2 34
3 2 17 2 34.5
3 2 20 2 36.8
3 2 14 2 35.9
3 2 17 2 32.5
3 2 14 2 32
3 2 17 2 35
3 2 18 2 35.8
3 2 18 2 37.8
3 2 19 2 36.5
3 2 17 2 34.5
3 2 14 2 38
3 2 11 2 39.5
3 2 10 2 33
3 2 19 2 32.5
3 2 15 2 37.8
3 2 20 2 32
3 2 20 2 32.5
3 2 17 2 32.3
3 2 19 2 34
3 2 13 2 34.5
3 2 15 1 36.8
3 2 13 2 35.9
3 2 16 2 32.5
3 2 18 2 32
3 2 10 2 35
3 2 13 2 35.8
3 2 20 2 37.8
3 2 15 2 36.5
3 2 19 2 34.5
3 2 16 2 38
3 2 15 2 39.5
3 2 19 2 33
3 2 15 2 32.5
3 2 13 2 37.8
3 2 20 2 32.3
3 2 20 2 34
3 2 20 2 35
3 2 14 2 35
3 2 16 1 34
3 2 18 2 33
3 2 20 2 32
3 2 13 2 32.5
3 2 12 2 32.3
3 2 13 2 36.5
3 2 13 2 37.8
3 2 13 2 39.5
3 2 19 2 39.5
3 2 15 1 39.5
3 2 15 2 32
3 2 18 2 32.5
3 2 13 2 32.3
3 2 10 2 34
3 2 20 2 34.5
3 2 14 2 36.8
3 2 14 2 35.9
3 2 11 2 32.5
3 2 19 2 32
3 2 20 2 35
3 2 11 2 35.8
3 2 15 2 37.8
3 2 12 2 36.5
3 2 14 2 34.5
3 2 19 2 38
3 2 17 1 39.5
3 2 12 2 33
3 2 19 2 32.5
3 2 16 2 37.8
3 2 12 2 32
3 2 20 2 32.5
3 2 10 2 32.3
3 2 14 2 34
3 2 15 2 34.5
3 2 19 1 36.8
3 2 10 2 35.9
3 2 16 2 32.5
3 2 13 2 32
3 2 14 1 35
3 2 12 2 35.8
3 2 16 1 37.8
3 2 16 2 36.5
3 2 20 2 34.5
3 2 11 1 38
3 2 14 2 39.5
3 2 18 2 33
3 2 12 2 32.5
3 2 12 2 37.8
3 2 13 2 32
3 2 13 2 32.5
3 2 10 2 32.3
3 2 19 2 34
3 2 15 2 34.5
3 2 12 2 36.8
3 2 18 2 35.9
3 2 11 2 32.5
3 2 18 2 32
3 2 15 2 35
3 1 18 3 35.8
3 2 12 2 37.8
3 2 18 2 36.5
3 2 19 2 34.5
3 2 15 1 38
3 2 13 2 39.5
3 2 14 2 33
3 2 10 2 32.5
3 2 13 2 37.8
3 2 17 2 32.3
3 2 16 2 34
3 1 19 3 35
3 1 14 3 35
3 2 19 2 34
3 2 20 2 33
3 2 10 2 32
3 2 10 2 32.5
3 2 12 2 32.3
3 2 20 2 36.5
3 1 18 3 37.8
3 2 12 2 39.5
3 2 13 2 39.5
3 2 11 2 39.5
3 2 17 2 32
3 2 14 2 32.5
3 2 14 2 32.3
3 2 11 2 34
3 2 14 2 34.5
3 2 11 2 36.8
3 2 16 2 35.9
3 2 13 2 32.5
3 2 10 2 32
3 2 12 2 35
3 2 11 2 35.8
3 2 20 2 37.8
3 2 13 2 36.5
3 2 20 2 34.5
3 2 13 2 38
3 2 10 2 39.5
3 2 17 2 33
3 1 18 3 32.5
3 2 16 1 37.8
3 2 19 2 32
3 2 11 2 32.5
3 2 18 2 32.3
5 2 17 2 34
5 2 11 2 34.5
5 2 20 2 36.8
5 2 20 2 35.9
5 2 10 2 32.5
5 2 14 1 32
5 2 13 2 35
5 2 15 2 35.8
5 2 12 2 37.8
5 2 15 2 36.5
5 2 10 2 34.5
5 2 17 2 38
5 2 20 2 39.5
5 2 14 1 33
5 2 10 2 32.5
5 2 14 2 37.8
5 2 20 2 32
5 1 13 3 32.5
5 2 10 2 32.3
5 2 11 2 34
5 2 16 1 34.5
5 2 19 1 36.8
5 2 18 2 35.9
5 2 20 2 32.5
5 1 12 3 32
5 2 12 2 35
5 2 14 2 35.8
5 2 16 2 37.8
5 2 10 2 36.5
4 2 10 2 34.5
4 2 20 2 38
4 2 17 2 39.5
4 2 20 2 33
4 2 19 2 32.5
4 2 11 2 37.8
4 2 16 1 32.3
4 2 19 2 34
4 2 14 1 35
4 2 10 2 35
4 2 11 2 34
4 2 10 2 33
4 1 10 3 32
4 1 12 3 32.5
4 2 20 2 32.3
4 2 11 2 36.5
4 2 20 2 37.8
4 2 12 2 39.5
4 2 18 2 39.5
4 2 17 2 39.5
4 2 17 2 32
4 2 19 2 32.5
4 2 12 2 32.3
4 2 11 2 34
4 2 14 2 34.5
4 2 20 2 36.8
4 2 13 2 35.9
4 2 18 1 32.5
4 2 14 2 32
4 2 18 2 35
4 2 20 1 35.8
4 2 17 2 37.8
4 2 20 2 36.5
4 2 14 2 34.5
4 2 10 2 38
4 2 15 2 39.5
4 2 15 2 33
4 2 13 2 32.5
4 2 13 2 37.8
4 2 18 2 32
4 2 15 2 32.5
4 2 13 2 32.3
4 2 12 2 34
4 2 20 2 34.5
4 2 15 2 36.8
4 2 10 2 35.9
4 2 17 2 32.5
4 2 11 1 32
4 2 17 2 35
4 2 17 2 35.8
4 2 11 2 37.8
4 2 15 2 36.5
4 2 12 2 34.5
4 2 16 2 38
4 2 15 1 39.5
4 2 11 2 33
4 2 11 2 32.5
4 2 15 2 37.8
4 2 16 2 32
4 2 17 2 32.5
4 2 14 2 32.3
4 2 18 2 34
4 2 15 2 34.5
4 2 13 2 36.8
4 2 16 2 35.9
4 2 12 2 32.5
4 1 12 3 32
4 2 11 2 35
4 2 18 2 35.8
4 2 16 2 37.8
4 2 17 2 36.5
4 2 20 2 34.5
4 2 20 2 38
4 2 18 2 39.5
4 2 12 2 33
4 3 13 3 32.5
4 2 13 2 37.8
4 2 11 2 32.3
4 2 13 2 34
4 2 15 1 35
4 2 11 2 35
4 2 12 2 34
4 2 14 2 33
4 2 12 2 32
4 2 18 2 32.5
4 2 10 2 32.3
4 2 15 2 36.5
4 2 12 2 37.8
4 2 12 2 39.5
4 2 17 2 39.5
4 2 15 2 39.5
4 2 20 2 32
4 2 19 2 32.5
4 2 14 2 32.3
4 2 16 2 34
4 2 20 2 34.5
4 2 16 2 36.8
4 2 18 2 35.9
4 2 17 2 32.5
4 2 20 2 32
4 2 10 2 35
4 2 10 2 35.8
4 2 15 1 37.8
4 1 11 3 36.5
4 2 16 1 34.5
4 1 15 3 38
4 2 18 2 39.5
4 2 13 2 33
4 2 12 2 32.5
4 2 10 2 37.8
4 2 14 2 32
4 2 20 2 32.5
4 2 10 2 32.3
4 2 14 2 34
4 2 10 2 34.5
4 2 13 2 36.8
4 2 10 2 35.9
4 2 12 2 32.5
4 2 13 2 32
4 2 19 2 35
4 2 13 2 35.8
4 1 13 3 37.8
4 2 14 2 36.5
4 2 10 2 34.5
4 2 16 2 38
4 2 10 2 39.5
4 2 12 2 33
4 2 16 2 32.5
4 2 15 2 37.8
4 2 18 2 32
4 2 10 2 32.5
4 2 16 2 32.3
4 2 11 2 34
4 2 11 2 34.5
4 2 11 2 36.8
4 2 20 2 35.9
4 2 14 1 32.5
4 2 17 2 32
4 2 17 2 35
4 2 20 2 35.8
4 2 11 2 37.8
4 2 12 1 36.5
4 2 12 2 34.5
4 2 10 2 38
4 2 13 2 39.5
4 2 17 2 33
4 2 20 2 32.5
4 2 11 2 37.8
4 2 18 2 32.3
4 2 19 2 34
4 2 12 2 35
4 2 12 2 35
4 2 13 2 34
4 2 13 2 33
4 2 11 2 32
4 2 18 2 32.5
4 2 13 2 32.3
4 2 16 2 36.5
4 2 16 2 37.8
4 2 18 1 39.5
4 2 16 2 39.5
4 2 16 2 39.5
4 2 17 2 32
4 2 16 2 32.5
4 2 18 2 32.3
4 2 10 2 34
4 2 13 2 34.5
4 2 15 2 36.8
4 2 18 2 35.9
4 2 12 2 32.5
4 2 19 2 32
4 2 19 1 35
4 2 17 2 35.8
4 2 16 2 37.8
4 2 17 2 36.5
4 2 18 2 34.5
4 2 18 2 38
4 2 14 2 39.5
4 2 17 2 33
4 2 18 2 32.5
4 2 10 2 37.8
4 2 16 1 32
4 2 10 1 32.5
4 1 15 3 32.3
4 2 15 2 34
4 2 11 1 34.5
4 2 16 2 36.8
4 2 13 2 35.9
4 2 12 1 32.5
4 2 17 2 32
4 2 14 2 35
4 2 13 2 35.8
4 2 12 2 37.8
4 2 18 2 36.5
4 2 12 2 34.5
4 2 18 2 38
4 2 14 2 39.5
4 2 17 2 33
4 2 19 2 32.5
4 2 20 2 37.8
4 2 10 2 32
4 2 10 2 32.5
4 2 15 2 32.3
4 2 20 2 34
4 2 19 2 34.5
4 2 11 2 36.8
4 2 16 2 35.9
4 2 12 2 32.5
4 2 13 2 32
4 2 15 2 35
4 2 13 2 35.8
4 2 20 2 37.8
4 2 17 2 36.5
4 2 12 2 34.5
4 2 17 2 38
4 2 15 2 39.5
4 2 19 2 33
4 2 20 2 32.5
4 2 17 2 37.8
4 2 11 2 32.3
4 2 11 2 34
4 2 12 2 35
4 2 15 2 35
4 2 14 2 34
4 2 11 2 33
4 2 18 2 32
4 2 20 2 32.5
4 2 13 2 32.3
4 2 16 2 36.5
4 2 17 2 37.8
4 2 10 2 39.5
4 2 14 2 39.5
4 2 19 2 39.5
4 2 11 2 32
4 2 10 2 32.5
4 2 11 1 32.3
4 2 19 1 34
4 2 20 2 34.5
4 2 13 2 36.8
4 2 12 2 35.9
4 2 16 2 32.5
4 2 18 2 32
4 2 18 1 35
4 2 18 1 35.8
4 2 11 2 37.8
4 2 17 2 36.5
4 2 16 2 34.5
4 2 12 2 38
4 2 10 2 39.5
4 2 13 2 33
4 2 19 2 32.5
4 2 18 2 37.8
4 2 10 2 32
4 2 14 2 32.5
4 2 15 2 32.3
4 2 12 2 34
4 2 17 2 34.5
4 2 16 2 36.8
4 2 12 2 35.9
4 2 14 2 32.5
4 2 14 2 32
4 2 12 1 35
4 2 16 1 35.8
4 2 20 2 37.8
4 2 14 2 36.5
4 2 11 2 34.5
4 2 18 2 38
4 2 16 2 39.5
4 2 11 2 33
4 2 18 2 32.5
4 2 12 1 37.8
4 2 17 2 32
4 2 12 2 32.5
4 2 19 2 32.3
4 2 17 2 34
4 2 12 2 34.5
4 2 14 2 36.8
4 2 14 2 35.9
4 2 10 2 32.5
4 2 16 2 32
4 2 10 2 35
4 2 15 2 35.8
4 2 12 2 37.8
4 2 14 2 36.5
4 2 10 2 34.5
4 2 15 2 38
4 2 17 2 39.5
4 2 20 2 33
4 2 11 2 32.5
4 2 15 2 37.8
4 2 10 2 32.3
4 2 14 2 34
4 2 10 2 35
4 2 18 2 35
4 2 15 2 34
4 2 20 2 33
4 2 10 2 32
4 2 14 2 32.5
4 1 10 3 32.3
4 2 19 2 36.5
4 2 17 2 37.8
4 2 19 2 39.5
4 2 17 2 39.5
4 2 14 2 39.5
4 2 13 2 32
4 2 11 2 32.5
4 2 18 2 32.3
4 2 15 2 34
4 2 11 2 34.5
4 2 12 2 36.8
4 2 13 2 35.9
4 2 19 1 32.5
4 2 10 2 32
4 2 18 2 35
4 2 15 2 35.8
4 2 13 2 37.8
4 2 15 2 36.5
4 2 13 1 34.5
4 2 19 2 38
4 2 20 2 39.5
4 1 15 3 33
4 2 10 2 32.5
4 2 15 2 37.8
4 2 18 2 32
4 2 14 1 32.5
4 2 11 1 32.3
4 2 10 2 34
4 2 11 2 34.5
4 2 16 2 36.8
4 2 16 2 35.9
4 2 10 2 32.5
4 2 16 2 32
4 2 18 2 35
4 2 19 2 35.8
4 2 16 2 37.8
4 2 11 2 36.5
4 2 20 2 34.5
4 2 14 2 38
4 1 20 3 39.5
4 2 12 2 33
4 2 15 2 32.5
4 2 10 1 37.8
4 2 17 2 32
4 2 19 2 32.5
4 2 15 2 32.3
4 2 19 2 34
4 2 10 2 34.5
4 2 17 2 36.8
4 2 20 2 35.9
4 2 16 2 32.5
4 2 11 2 32
4 2 12 2 35
4 2 17 2 35.8
4 2 14 2 37.8
4 2 15 2 36.5
4 3 16 3 34.5
4 2 15 2 38
4 2 11 2 39.5
4 2 17 2 33
4 2 10 2 32.5
4 2 17 2 37.8
4 2 17 2 32.3
4 2 10 2 34
4 2 16 1 35
4 2 16 2 35
4 2 19 1 34
4 2 15 2 33
4 2 13 2 32
4 2 10 2 32.5
4 2 19 2 32.3
4 2 13 2 36.5
4 2 14 2 37.8
4 2 18 2 39.5
4 2 13 2 39.5
4 2 10 1 39.5
4 2 16 2 32
4 2 11 2 32.5
4 2 10 2 32.3
4 2 11 2 34
4 2 10 2 34.5
4 2 15 2 36.8
4 2 12 2 35.9
4 2 14 2 32.5
4 2 10 2 32
4 2 13 2 35
4 2 20 2 35.8
4 2 12 2 37.8
4 2 12 2 36.5
4 2 17 1 34.5
4 2 11 2 38
4 2 13 2 39.5
4 2 11 1 33
4 2 19 2 32.5
4 2 10 2 37.8
4 2 11 2 32
4 2 15 2 32.5
4 2 16 2 32.3
4 1 12 3 34
4 2 19 2 34.5
4 2 19 2 36.8
4 2 20 2 35.9
4 2 11 2 32.5
4 2 19 1 32
4 2 11 2 35
4 2 12 1 35.8
4 2 11 1 37.8
4 2 20 2 36.5
4 2 18 2 34.5
4 2 16 2 38
4 2 10 2 39.5
4 2 12 2 33
4 2 12 2 32.5
4 2 13 2 37.8
4 2 11 2 32
4 1 16 3 32.5
4 2 19 2 32.3
4 2 10 2 34
4 2 19 2 34.5
4 2 16 2 36.8
4 2 14 2 35.9
4 2 10 2 32.5
4 2 10 2 32
4 2 13 2 35
4 2 14 2 35.8
4 2 17 1 37.8
4 2 12 2 36.5
4 2 19 2 34.5
4 2 18 2 38
4 2 12 2 39.5
4 2 11 2 33
4 2 17 2 32.5
4 2 20 2 37.8
4 2 12 1 32.3
4 2 17 2 34
4 2 11 2 35
4 2 14 2 35
4 1 20 3 34
4 2 11 2 33
4 2 18 2 32
4 2 16 2 32.5
4 2 13 2 32.3
4 2 20 2 36.5
4 2 10 2 37.8
4 2 15 2 39.5
4 2 13 2 39.5
4 2 16 2 39.5
4 2 20 2 32
4 2 18 2 32.5
4 2 18 2 32.3
4 2 10 2 34
4 2 13 2 34.5
4 2 17 2 36.8
4 2 20 2 35.9
4 2 16 2 32.5
4 2 14 2 32
4 2 19 2 35
4 2 15 2 35.8
4 2 13 2 37.8
4 2 12 2 36.5
4 2 16 1 34.5
4 2 14 2 38
4 2 20 2 39.5
4 2 10 2 33
4 2 18 2 32.5
4 2 19 2 37.8
4 2 19 2 32
4 2 15 2 32.5
4 2 17 2 32.3
4 2 11 2 34
4 2 16 2 34.5
4 2 17 2 36.8
4 2 17 2 35.9
4 2 11 2 32.5
4 2 12 2 32
4 2 14 2 35
4 2 18 2 35.8
4 2 15 2 37.8
4 2 11 2 36.5
4 2 15 2 34.5
4 2 10 2 38
4 2 12 2 39.5
4 2 12 2 33
4 2 13 2 32.5
4 2 16 2 37.8
4 2 11 2 32
4 2 19 2 32.5
4 2 16 1 32.3
4 2 10 2 34
4 2 11 2 34.5
4 2 16 2 36.8
4 2 20 2 35.9
4 2 17 2 32.5
4 2 18 2 32
4 2 15 2 35
4 2 11 2 35.8
4 2 20 2 37.8
4 2 12 2 36.5
4 2 16 2 34.5
4 2 20 2 38
4 2 16 2 39.5
4 2 19 1 33
4 1 19 3 32.5
4 2 14 2 37.8
4 2 10 2 32.3
4 2 14 2 34
4 2 12 2 35
4 2 14 2 35
4 2 11 2 34
4 2 17 2 33
4 2 20 1 32
4 1 17 3 32.5
4 2 13 2 32.3
4 2 17 2 36.5
4 2 17 2 37.8
4 1 19 3 39.5
4 2 11 2 39.5
4 2 15 2 39.5
4 2 14 2 32
4 2 12 2 32.5
4 2 17 1 32.3
4 2 18 1 34
4 2 13 2 34.5
4 2 16 2 36.8
4 2 11 2 35.9
4 2 20 2 32.5
4 2 12 2 32
4 2 16 2 35
4 2 15 2 35.8
4 2 19 2 37.8
4 2 11 2 36.5
4 1 16 3 34.5
4 2 10 2 38
4 2 17 2 39.5
4 2 10 2 33
4 2 18 2 32.5
4 2 19 2 37.8
4 2 15 2 32
4 2 15 2 32.5
4 2 18 2 32.3
4 2 11 2 34
4 2 12 2 34.5
4 2 11 1 36.8
4 2 13 1 35.9
4 2 16 2 32.5
4 2 16 2 32
4 2 18 2 35
4 2 19 2 35.8
4 2 13 2 37.8
4 2 18 2 36.5
4 2 20 2 34.5
4 2 14 2 38
4 2 18 2 39.5
4 2 13 2 33
4 2 15 2 32.5
4 2 12 2 37.8
4 2 18 2 32
4 2 19 2 32.5
4 2 14 1 32.3
4 2 13 2 34
4 2 13 1 34.5
4 2 16 2 36.8
4 2 13 2 35.9
4 2 16 2 32.5
4 2 14 2 32
4 2 12 2 35
4 2 19 2 35.8
4 2 19 2 37.8
4 2 19 2 36.5
4 2 20 2 34.5
4 1 12 3 38
4 2 15 2 39.5
4 1 19 3 33
4 2 12 2 32.5
4 2 11 2 37.8
4 2 18 1 32.3
4 2 10 2 34
4 2 14 2 35
4 2 11 2 35
4 2 11 2 34
4 2 12 2 33
4 2 19 2 32
4 2 13 2 32.5
4 2 16 2 32.3
4 2 20 2 36.5
4 2 12 2 37.8
4 2 19 2 39.5
4 2 17 2 39.5
4 2 12 2 39.5
4 2 11 2 32
4 2 11 2 32.5
4 2 15 2 32.3
4 2 19 2 34
4 2 13 2 34.5
4 2 19 2 36.8
4 2 12 2 35.9
4 2 11 2 32.5
4 2 12 2 32
4 2 20 2 35
4 2 12 2 35.8
4 2 13 2 37.8
2 2 15 2 36.5
2 2 19 2 34.5
2 2 13 2 38
2 2 10 2 39.5
2 2 14 2 33
2 2 11 2 32.5
2 2 15 2 37.8
2 2 15 2 32
2 2 12 2 32.5
2 2 18 1 32.3
2 2 16 2 34
2 2 18 2 34.5
2 2 19 2 36.8
2 2 14 1 35.9
2 2 10 2 32.5
2 2 11 2 32
2 2 12 2 35
2 2 16 2 35.8
2 2 15 2 37.8
2 2 17 2 36.5
2 2 18 2 34.5
2 2 20 2 38
2 2 10 1 39.5
2 2 12 1 33
2 2 19 1 32.5
2 2 13 2 37.8
2 1 12 3 32
2 1 19 3 32.5
2 1 20 3 32.3
2 2 12 2 34
2 2 14 2 34.5
2 2 17 2 36.8
2 2 16 2 35.9
2 2 18 2 32.5
2 2 11 2 32
2 2 17 2 35
2 2 12 2 35.8
2 2 14 2 37.8
2 2 17 2 36.5
2 2 10 2 34.5
2 2 15 2 38
2 2 16 2 39.5
2 2 19 2 33
2 2 17 2 32.5
2 2 20 2 37.8
2 2 18 2 32.3
2 2 19 2 34
2 2 17 2 35
2 2 16 2 35
2 2 11 2 34
2 2 16 2 33
2 2 11 2 32
2 2 11 2 32.5
2 2 16 2 32.3
2 2 17 2 36.5
2 2 13 2 37.8
2 2 18 2 39.5
2 2 13 2 39.5
2 2 13 2 39.5
2 2 19 2 32
2 2 20 2 32.5
2 2 15 2 32.3
2 2 10 2 34
2 2 15 2 34.5
2 2 10 2 36.8
2 2 15 2 35.9
2 2 17 2 32.5
2 2 12 2 32
2 2 17 2 35
3 2 16 2 35.8
3 2 19 2 37.8
3 2 15 2 36.5
3 2 16 2 34.5
3 2 10 2 38
3 2 14 2 39.5
3 2 13 2 33
3 2 18 2 32.5
3 2 15 2 37.8
3 2 15 2 32
3 2 18 2 32.5
3 2 19 2 32.3
3 2 18 2 34
3 2 17 2 34.5
3 2 14 2 36.8
3 1 13 3 35.9
3 2 16 2 32.5
3 2 14 2 32
3 2 17 2 35
3 2 20 2 35.8
3 2 19 2 37.8
3 2 11 2 36.5
3 2 17 2 34.5
3 2 17 2 38
3 2 17 2 39.5
3 2 16 2 33
3 2 18 2 32.5
3 2 19 2 37.8
3 2 13 2 32
3 2 17 2 32.5
3 2 15 1 32.3
3 2 20 2 34
3 2 13 2 34.5
3 2 10 1 36.8
3 2 17 2 35.9
3 2 17 2 32.5
3 2 14 2 32
3 2 10 2 35
3 2 15 2 35.8
3 2 12 2 37.8
3 2 12 1 36.5
3 2 16 2 34.5
3 2 11 2 38
3 2 11 2 39.5
3 2 16 2 33
3 2 20 2 32.5
3 2 13 2 37.8
3 2 18 2 32.3
3 2 20 2 34
3 2 13 2 35
3 2 19 2 35
3 2 16 2 34
3 1 19 3 33
3 2 18 2 32
3 2 16 2 32.5
3 2 11 2 32.3
3 2 20 2 36.5
3 2 12 2 37.8
3 2 20 2 39.5
3 2 15 1 39.5
3 2 19 2 39.5
3 2 12 2 32
3 2 15 2 32.5
3 2 13 1 32.3
3 2 20 2 34
3 2 14 1 34.5
3 2 10 2 36.8
3 2 15 2 35.9
3 1 13 3 32.5
3 2 15 2 32
3 2 14 2 35
3 2 11 2 35.8
3 2 17 2 37.8
3 2 10 2 36.5
3 2 13 2 34.5
3 2 14 2 38
3 2 14 2 39.5
3 2 13 2 33
3 2 11 2 32.5
3 1 10 3 37.8
3 1 10 3 32
3 2 17 2 32.5
3 1 12 3 32.3
3 2 17 2 34
3 2 16 2 34.5
3 2 10 2 36.8
3 2 15 2 35.9
3 2 16 2 32.5
3 2 12 2 32
3 2 13 2 35
3 2 16 2 35.8
3 2 20 2 37.8
3 2 14 2 36.5
3 2 18 2 34.5
3 2 20 2 38
3 2 20 2 39.5
3 2 11 2 33
3 2 20 2 32.5
3 2 16 2 37.8
3 2 13 2 32
3 2 10 2 32.5
3 2 11 2 32.3
3 2 17 2 34
3 2 19 2 34.5
3 2 19 2 36.8
3 2 15 2 35.9
3 2 13 2 32.5
3 2 18 2 32
3 2 11 2 35
3 2 15 2 35.8
3 2 13 2 37.8
3 2 17 2 36.5
3 2 18 2 34.5
3 2 13 2 38
3 2 19 2 39.5
3 2 20 2 33
3 2 12 2 32.5
3 2 17 2 37.8
3 2 14 2 32.3
3 2 20 2 34
3 2 19 2 35
3 2 15 2 35
3 2 15 2 34
3 2 20 1 33
3 2 17 2 32
3 2 18 2 32.5
3 2 13 2 32.3
3 2 13 2 36.5
3 2 17 2 37.8
3 2 17 2 39.5
3 2 10 2 39.5
3 2 19 2 39.5
3 2 19 2 32
3 2 19 2 32.5
3 2 18 2 32.3
3 2 12 2 34
3 2 19 2 34.5
3 2 17 2 36.8
3 2 10 2 35.9
3 2 15 2 32.5
3 2 14 2 32
3 2 11 2 35
3 2 20 2 35.8
3 2 19 2 37.8
3 2 17 1 36.5
3 2 16 2 34.5
3 2 16 2 38
3 2 12 2 39.5
3 2 16 2 33
3 2 13 2 32.5
3 2 13 2 37.8
3 2 10 2 32
3 2 11 2 32.5
3 2 17 2 32.3
3 2 15 1 34
3 2 20 2 34.5
3 2 13 2 36.8
3 2 14 2 35.9
3 2 15 2 32.5
3 2 19 2 32
3 2 10 2 35
3 2 16 2 35.8
3 2 19 2 37.8
3 2 13 2 36.5
3 2 18 2 34.5
3 2 17 2 38
3 2 10 2 39.5
3 2 16 2 33
3 2 17 2 32.5
3 2 15 2 37.8
3 2 10 2 32
3 2 16 2 32.5
3 2 13 2 32.3
3 2 11 2 34
3 2 10 1 34.5
3 2 14 2 36.8
3 2 15 2 35.9
3 2 18 2 32.5
3 2 10 2 32
3 2 11 2 35
3 2 20 2 35.8
3 2 11 2 37.8
3 2 12 2 36.5
3 2 18 2 34.5
3 2 15 2 38
3 2 15 2 34
3 2 16 2 33
3 2 20 2 32.5
3 2 11 2 37.8
3 2 16 2 32.3
3 2 18 2 34
3 2 12 2 35
3 2 16 2 35
3 2 16 2 34
3 2 12 2 33
3 2 16 2 32
3 2 16 2 32.5
3 2 14 2 32.3
3 2 16 2 36.5
3 2 14 2 37.8
3 2 17 2 34
3 2 15 2 34
3 2 18 2 34
3 2 12 2 32
3 2 16 2 32.5
3 2 10 2 32.3
3 2 17 2 34
3 2 19 2 34.5
3 2 12 2 36.8
3 2 19 1 35.9
3 2 10 2 32.5
3 2 16 2 32
3 2 14 2 35
3 2 19 2 35.8
3 2 19 2 37.8
3 2 16 2 36.5
3 2 18 1 34.5
3 2 11 2 38
3 2 17 2 34
3 2 19 2 33
3 2 11 2 32.5
3 2 11 2 37.8
3 2 13 2 32
3 2 13 2 32.5
3 2 11 2 32.3
3 2 10 2 34
3 2 13 2 34.5
3 2 13 2 36.8
3 2 14 2 35.9
3 2 17 2 32.5
3 2 17 2 32
3 2 10 2 35
3 2 20 2 35.8
3 2 13 2 37.8
3 2 17 2 36.5
3 2 15 2 34.5
3 2 19 2 38
3 2 14 2 34
3 2 19 2 33
3 2 20 2 32.5
3 2 19 2 37.8
3 2 18 2 32
3 2 18 2 32.5
3 2 15 2 32.3
3 2 13 2 34
3 2 16 2 34.5
3 2 15 1 36.8
3 2 17 2 35.9
3 2 17 2 32.5
3 2 18 2 32
3 2 13 2 35
3 2 18 2 35.8
3 2 12 2 37.8
3 2 19 2 36.5
3 2 15 1 34.5
3 2 19 2 38
3 2 18 2 34
3 2 11 2 33
3 2 11 2 32.5
3 2 18 2 37.8
3 2 19 2 32.3
3 2 18 2 34
3 2 18 2 35
3 2 18 2 35
3 2 14 1 34
3 2 16 2 33
3 2 15 1 32
3 2 20 2 32.5
3 2 20 2 32.3
3 2 15 2 36.5
3 2 18 2 37.8
3 2 17 1 34
3 2 17 2 34
3 2 20 2 34
3 2 13 2 32
3 2 11 2 32.5
3 2 15 2 32.3
4 2 17 2 34
4 2 10 2 34.5
4 2 15 2 36.8
4 2 12 2 35.9
4 2 14 1 32.5
4 2 10 2 32
4 2 10 2 35
4 2 17 2 35.8
4 2 19 2 37.8
4 2 16 2 36.5
4 2 14 2 34.5
4 2 18 2 38
4 2 10 2 39.5
4 2 13 2 33
4 2 11 1 32.5
4 2 17 1 37.8
4 2 12 2 32
4 2 11 2 32.5
4 2 14 2 32.3
4 1 17 3 34
4 2 19 2 34.5
4 2 12 2 36.8
4 2 16 2 35.9
4 2 12 2 32.5
4 2 17 2 32
4 2 14 2 35
4 2 10 2 35.8
4 2 15 1 37.8
4 2 17 2 36.5
4 2 11 1 34.5
4 2 12 2 38
4 2 19 2 39.5
4 2 18 2 33
4 3 18 3 32.5
4 2 20 2 37.8
4 2 10 2 32
4 2 12 1 32.5
4 2 14 2 32.3
4 2 18 2 34
4 2 11 2 34.5
4 2 15 2 36.8
4 2 11 1 35.9
4 2 18 2 32.5
4 2 13 2 32
4 2 18 2 35
4 2 13 2 35.8
4 2 12 2 37.8
4 2 13 2 36.5
4 1 10 3 34.5
4 2 16 2 38
4 2 20 2 39.5
4 2 15 2 33
4 2 19 1 32.5
4 2 20 2 37.8
4 1 12 3 32.3
4 2 18 2 34
4 2 10 2 35
4 2 18 2 35
4 3 15 3 34
4 2 18 2 33
4 2 16 2 32
4 2 16 1 32.5
4 2 16 2 32.3
4 2 10 2 36.5
4 2 16 2 37.8
4 2 18 2 39.5
4 2 11 2 39.5
4 2 13 2 39.5
4 2 18 2 32
4 2 19 2 32.5
4 2 12 2 32.3
4 2 13 2 34
4 2 11 2 34.5
4 2 17 2 36.8
4 2 17 2 35.9
4 2 15 2 32.5
4 2 16 2 32
4 2 20 2 35
4 2 11 2 35.8
4 2 10 2 37.8
4 2 12 2 36.5
4 2 14 2 34.5
4 2 17 2 38
4 2 15 2 39.5
4 2 15 2 33
4 2 10 2 32.5
4 2 18 2 37.8
4 2 10 2 32
4 2 12 2 32.5
4 2 13 2 32.3
4 2 20 2 34
4 2 11 2 34.5
4 2 10 2 36.8
4 2 16 1 35.9
4 2 15 2 32.5
4 2 13 2 32
4 2 18 2 35
4 2 19 2 35.8
4 2 13 2 37.8
4 2 17 2 36.5
4 2 19 2 34.5
4 2 12 2 38
4 2 20 1 39.5
4 2 19 2 33
4 2 13 1 32.5
4 2 13 2 37.8
4 2 16 2 32
4 2 11 2 32.5
4 2 12 2 32.3
4 2 18 2 34
4 2 12 2 34.5
4 2 18 2 36.8
4 2 16 2 35.9
4 2 20 2 32.5
4 2 10 2 32
4 2 11 2 35
4 2 17 2 35.8
4 2 11 2 37.8
4 2 15 2 36.5
4 2 19 2 34.5
4 2 15 2 38
4 2 16 2 39.5
4 2 14 2 33
4 2 15 2 32.5
4 2 19 2 37.8
4 2 14 2 32.3
4 2 16 2 34
4 2 19 2 35
4 2 17 2 35
4 2 15 2 34
4 2 18 2 33
4 2 11 1 32
4 2 11 2 32.5
4 2 15 2 32.3
4 2 13 2 36.5
4 2 13 2 37.8
4 2 15 2 39.5
4 2 10 2 39.5
4 2 13 2 39.5
4 2 12 2 32
4 2 13 2 32.5
4 2 20 2 32.3
4 2 13 2 34
4 2 12 2 34.5
4 2 20 2 36.8
4 2 14 2 35.9
4 2 10 1 32.5
4 2 13 2 32
4 2 19 2 35
4 2 17 2 35.8
4 2 11 2 37.8
4 2 10 2 36.5
4 2 11 2 34.5
4 2 11 2 38
4 2 10 1 39.5
4 2 16 2 33
4 2 17 2 32.5
4 2 20 2 37.8
4 2 15 2 32
4 2 10 2 32.5
4 2 18 1 32.3
4 2 19 2 34
4 2 17 2 34.5
4 2 14 2 36.8
4 2 15 2 35.9
4 2 15 2 32.5
4 2 19 2 32
4 2 11 2 35
4 2 16 1 35.8
4 2 17 2 37.8
4 2 10 2 36.5
4 2 18 2 34.5
4 2 11 2 38
4 2 17 2 39.5
4 2 10 2 33
4 2 17 2 32.5
4 2 19 2 37.8
4 2 11 2 32
4 2 17 1 32.5
4 2 18 2 32.3
4 2 13 1 34
4 2 20 2 34.5
4 2 18 2 36.8
4 2 17 2 35.9
4 2 10 2 32.5
4 2 19 2 32
4 2 20 2 35
4 2 20 2 35.8
4 2 18 2 37.8
4 2 17 2 36.5
4 2 13 2 34.5
4 2 17 2 38
4 2 14 2 39.5
4 2 18 2 33
4 2 16 2 32.5
4 1 15 3 37.8
4 2 20 2 32.3
4 2 15 2 34
4 2 18 2 35
4 2 13 2 35
4 2 20 2 34
4 2 12 2 33
4 2 11 2 32
4 2 13 2 32.5
4 2 12 2 32.3
4 2 16 2 36.5
4 2 11 2 37.8
4 2 18 2 39.5
4 2 16 2 39.5
4 2 11 2 39.5
4 2 17 1 32
4 2 20 2 32.5
4 2 11 2 32.3
4 2 18 1 34
4 2 19 2 34.5
4 2 17 1 36.8
4 2 10 1 35.9
4 2 15 2 32.5
4 2 18 2 32
4 2 20 2 35
4 2 17 2 35.8
4 2 18 2 37.8
4 2 14 2 36.5
4 2 15 2 34.5
4 2 15 2 38
4 2 18 2 39.5
4 2 16 2 33
4 2 20 1 32.5
4 2 17 2 37.8
4 2 19 2 32
4 2 12 2 32.5
4 2 16 2 32.3
4 2 19 2 34
4 2 15 2 34.5
4 2 20 2 36.8
4 2 11 2 35.9
4 2 19 1 32.5
4 2 17 2 32
4 2 10 2 35
4 2 14 2 35.8
4 2 11 2 37.8
4 2 10 2 36.5
4 2 20 1 34.5
4 2 18 2 38
4 2 20 2 34
4 2 10 2 33
4 2 13 1 32.5
4 2 18 2 37.8
4 2 12 2 32
4 2 18 2 32.5
4 2 16 2 32.3
4 2 14 2 34
4 2 16 2 34.5
4 2 16 1 36.8
4 2 11 2 35.9
4 2 19 2 32.5
4 2 18 2 32
4 2 17 2 35
4 2 17 2 35.8
4 2 18 2 37.8
4 2 19 2 36.5
4 2 14 2 34.5
4 2 14 2 38
4 2 11 2 34
3 2 12 2 33
3 2 20 2 32.5
3 2 15 2 37.8
3 2 15 2 32.3
3 2 18 2 34
3 2 20 2 35
3 2 15 2 35
3 2 16 2 34
3 2 15 2 33
3 2 19 2 32
3 2 13 2 32.5
3 2 13 2 32.3
3 2 18 2 36.5
3 2 17 2 37.8
3 2 20 2 34
3 2 12 2 34
3 2 15 2 34
3 2 10 2 32
3 2 12 2 32.5
3 2 13 2 32.3
3 2 10 2 34
3 2 18 2 34.5
3 2 13 2 36.8
3 2 13 2 35.9
3 2 20 2 32.5
3 2 12 2 32
3 2 12 2 35
3 2 10 2 35.8
3 3 20 3 37.8
3 2 16 2 36.5
3 2 14 2 34.5
3 2 17 2 38
3 2 19 2 34
3 2 13 2 33
3 2 11 2 32.5
3 2 17 2 37.8
3 2 13 2 32
3 2 10 2 32.5
3 2 13 2 32.3
3 2 12 2 34
3 2 10 2 34.5
3 2 10 2 36.8
3 2 17 2 35.9
3 2 20 2 32.5
3 2 14 1 32
3 2 18 2 35
3 2 13 2 35.8
3 2 13 2 37.8
3 2 10 2 36.5
3 2 20 2 34.5
3 2 15 2 38
3 2 13 2 34
3 2 17 2 33
3 2 10 1 32.5
3 2 12 2 37.8
3 2 10 2 32
3 2 11 1 32.5
3 2 19 2 32.3
3 2 18 2 34
3 2 11 2 34.5
3 2 15 2 36.8
3 2 17 2 35.9
3 2 20 2 32.5
3 2 17 2 32
3 2 19 2 35
3 2 15 2 35.8
3 2 11 2 37.8
3 2 19 1 36.5
3 2 16 2 34.5
3 1 17 3 38
3 2 14 2 34
3 2 18 2 33
3 2 16 2 32.5
3 2 18 2 37.8
3 2 16 2 32.3
3 2 15 2 34
3 2 14 2 35
3 2 16 2 35
3 2 18 2 34
3 2 15 2 33
3 2 20 2 32
3 2 18 2 32.5
3 3 19 3 32.3
3 2 13 2 36.5
3 2 16 2 37.8
3 2 15 1 34
3 2 11 2 34
3 2 19 2 34
3 2 16 2 32
3 2 20 2 32.5
3 2 12 2 32.3
3 2 12 2 34
3 2 11 2 34.5
3 2 19 2 36.8
3 2 11 2 35.9
3 2 17 2 32.5
3 2 15 2 32
3 2 15 2 35
3 1 19 3 35.8
3 2 16 2 37.8
3 2 18 2 36.5
3 2 17 2 34.5
3 2 19 2 38
3 2 12 2 34
3 1 13 3 33
3 2 17 2 32.5
3 2 16 2 37.8
3 2 13 2 32
3 2 11 2 32.5
3 2 16 2 32.3
3 2 11 2 34
3 2 15 2 34.5
3 2 12 2 36.8
3 2 12 2 35.9
3 2 12 2 32.5
3 2 19 2 32
3 3 17 3 35
3 2 14 2 35.8
3 2 17 2 37.8
3 2 13 2 36.5
3 2 13 2 34.5
3 2 17 2 38
3 2 13 2 34
3 2 20 1 33
3 2 13 2 32.5
3 2 14 2 37.8
3 2 19 2 32
3 2 13 2 32.5
3 2 16 2 32.3
3 2 10 2 34
3 2 14 2 34.5
3 2 13 2 36.8
3 2 17 2 35.9
3 2 14 2 32.5
3 2 20 2 32
3 3 10 3 35
3 2 11 2 35.8
3 2 11 2 37.8
3 2 16 2 36.5
3 2 15 2 34.5
3 2 14 2 38
3 2 16 1 34
3 2 11 2 33
3 2 16 2 32.5
3 1 10 3 37.8
3 2 14 2 32.3
3 2 18 2 34
3 2 13 1 35
3 2 10 2 35
3 3 19 3 34
3 2 20 2 33
3 1 16 3 32
3 2 19 2 32.5
3 2 20 2 32.3
3 2 12 2 36.5
3 2 20 2 37.8
3 2 13 2 34
3 1 20 3 39.5
3 2 11 2 34
3 2 16 2 32
3 2 15 2 32.5
3 2 17 2 32.3
3 2 14 2 34
3 2 10 2 34.5
3 2 14 2 36.8
3 2 11 2 35.9
3 2 16 2 32.5
3 2 18 2 32
3 2 15 2 35
3 2 19 2 35.8
3 2 10 2 37.8
3 2 18 2 36.5
3 2 17 2 34.5
3 2 17 2 38
3 2 16 2 34
3 2 12 2 33
3 2 10 2 32.5
3 2 12 2 37.8
3 2 18 2 32
3 2 12 2 32.5
3 2 15 2 32.3
3 2 11 2 34
3 2 20 2 34.5
3 2 15 2 36.8
3 2 20 2 35.9
3 2 13 2 32.5
3 2 14 2 32
3 2 14 2 35
3 2 12 2 35.8
3 2 17 2 37.8
3 2 17 2 36.5
3 2 18 2 34.5
3 2 11 2 38
3 2 17 2 34
3 2 18 2 33
3 2 20 2 32.5
3 2 20 2 37.8
3 2 12 2 32
3 2 14 2 32.5
3 2 18 2 32.3
3 2 20 2 34
3 2 14 2 34.5
3 2 15 2 36.8
3 2 15 2 35.9
3 2 12 2 32.5
3 2 15 2 32
3 2 19 2 35
3 2 18 1 35.8
3 2 11 2 37.8
3 2 19 2 36.5
3 2 18 2 34.5
3 2 19 2 38
3 2 20 2 34
3 2 14 2 33
3 2 10 2 32.5
3 2 13 2 37.8
3 2 12 2 32.3
3 2 15 2 34
3 2 19 2 35
3 2 17 2 35
3 2 11 1 34
3 2 12 2 33
3 2 17 2 32
3 2 17 2 32.5
3 2 20 2 32.3
3 2 19 2 36.5
3 2 13 2 37.8
3 2 17 1 34
3 2 15 2 34
3 2 12 2 34
3 2 14 2 32
3 2 11 2 32.5
3 2 15 1 32.3
3 2 17 2 34
3 2 14 2 34.5
3 2 11 2 36.8
3 2 13 2 35.9
3 2 12 2 32.5
3 2 15 2 32
3 2 16 2 35
3 2 12 2 35.8
3 2 13 2 37.8
3 2 18 2 36.5
3 2 16 2 34.5
3 2 16 2 38
3 2 13 2 34
3 2 18 2 33
3 2 13 2 32.5
3 2 13 2 37.8
3 2 14 2 32
3 2 10 2 32.5
3 2 17 2 32.3
3 2 15 2 34
3 2 17 2 34.5
3 2 14 2 36.8
3 2 14 2 35.9
3 2 17 2 32.5
3 2 20 2 32
3 2 20 2 35
3 2 12 2 35.8
3 2 15 2 37.8
3 2 11 2 36.5
3 2 15 2 34.5
3 2 20 2 38
3 2 18 2 34
3 2 16 2 33
3 2 18 2 32.5
3 2 16 2 37.8
3 2 19 2 32
3 2 14 2 32.5
3 2 13 1 32.3
3 2 10 2 34
3 2 12 2 34.5
3 2 10 2 36.8
3 2 11 2 35.9
3 2 17 2 32.5
3 2 16 2 32
3 2 19 2 35
3 2 16 2 35.8
3 2 17 2 37.8
3 2 18 2 36.5
3 2 14 2 34.5
3 2 17 2 38
3 2 16 2 34
3 2 18 2 33
3 2 17 2 32.5
3 2 19 2 37.8
3 2 17 2 32.3
3 2 10 2 34
3 2 10 2 35
3 2 13 2 35
3 2 15 2 34
3 2 15 2 33
3 2 15 2 32
3 2 16 2 32.5
3 2 15 2 32.3
3 2 15 2 36.5
3 2 11 2 37.8
3 2 17 2 34
3 2 10 1 34
3 2 19 2 34
3 2 13 2 32
3 2 10 2 32.5
3 2 13 2 32.3
3 2 20 2 34
3 2 11 2 34.5
3 2 14 2 36.8
3 2 14 2 35.9
3 2 18 2 32.5
3 2 12 2 32
3 2 12 2 35
3 2 11 2 35.8
3 2 15 2 37.8
3 2 19 2 36.5
3 2 16 2 34.5
3 1 12 3 38
3 2 16 2 34
3 2 13 2 33
3 2 12 2 32.5
3 2 16 2 37.8
3 2 13 2 32
3 2 15 2 32.5
3 2 13 2 32.3
3 2 14 2 34
3 2 19 2 34.5
3 2 20 2 36.8
3 2 20 2 35.9
3 2 19 2 32.5
3 2 10 2 32
3 2 17 2 35
3 2 16 2 35.8
3 2 17 2 37.8
3 2 20 2 36.5
3 2 15 2 34.5
3 2 16 2 38
3 2 11 2 34
3 2 14 2 33
3 2 14 2 32.5
3 2 18 2 37.8
3 2 20 2 32
3 2 11 2 32.5
3 2 14 2 32.3
3 2 19 2 34
3 2 16 2 34.5
3 2 15 2 36.8
3 2 17 2 35.9
3 2 11 2 32.5
3 2 17 2 32
3 2 15 2 35
3 2 18 2 35.8
3 2 17 2 37.8
3 2 19 2 36.5
3 2 17 2 34.5
3 2 18 2 38
3 2 10 2 39.5
3 2 18 2 33
3 2 16 2 32.5
3 2 11 2 37.8
3 2 15 2 32.3
3 2 11 2 34
3 2 15 2 35
3 2 12 2 35
3 2 14 2 34
3 2 13 2 33
3 2 20 2 32
3 2 15 2 32.5
3 2 15 2 32.3
3 2 18 2 36.5
3 2 14 2 37.8
3 2 14 2 39.5
3 2 19 2 39.5
3 2 20 2 39.5
3 2 12 2 32
3 2 11 2 32.5
3 2 12 2 32.3
3 2 16 2 34
3 2 20 2 34.5
3 2 14 2 36.8
3 2 18 2 35.9
3 2 17 2 32.5
3 2 11 2 32
3 2 14 2 35
3 2 18 2 35.8
3 2 19 2 37.8
3 2 14 2 36.5
3 2 16 2 34.5
3 2 16 2 38
3 2 10 2 39.5
3 2 15 2 33
3 2 17 2 32.5
3 2 12 2 37.8
3 2 11 2 32
3 2 12 2 32.5
3 2 20 2 32.3
3 2 18 2 34
3 2 13 2 34.5
3 2 20 2 36.8
3 2 18 2 35.9
3 2 17 2 32.5
3 2 12 2 32
3 2 15 2 35
3 2 20 2 35.8
3 2 15 2 37.8
3 2 12 2 36.5
3 2 13 2 34.5
3 2 20 2 38
3 2 15 2 39.5
3 2 12 2 33
3 2 10 2 32.5
3 2 19 2 37.8
3 2 12 2 32
3 2 19 2 32.5
3 2 12 2 32.3
3 2 20 2 34
3 2 18 2 34.5
3 2 19 2 36.8
3 2 18 2 35.9
3 2 13 2 32.5
3 2 20 2 32
3 2 17 2 35
3 2 20 2 35.8
3 2 20 2 37.8
3 2 18 2 36.5
4 2 16 2 34.5
4 2 17 2 38
4 2 16 2 39.5
4 2 20 2 33
4 2 17 2 32.5
4 2 15 2 37.8
4 2 19 2 32.3
4 2 13 2 34
4 2 18 2 35
4 2 13 2 35
4 2 15 2 34
4 2 10 2 33
4 2 18 2 32
4 2 14 2 32.5
4 2 11 2 32.3
4 2 12 2 36.5
4 2 20 2 37.8
4 2 10 2 39.5
4 2 17 2 39.5
4 2 13 2 39.5
4 2 10 2 32
4 2 18 2 32.5
4 2 19 2 32.3
4 2 11 2 34
4 2 19 2 34.5
4 2 11 2 36.8
4 2 18 2 35.9
4 2 12 2 32.5
4 2 18 2 32
4 2 16 2 35
4 2 15 2 35.8
4 2 11 2 37.8
4 2 13 2 36.5
4 2 15 2 34.5
4 2 17 2 38
4 2 11 2 39.5
4 2 12 2 33
4 1 16 3 32.5
4 2 18 2 37.8
4 2 20 2 32
4 2 19 2 32.5
4 2 13 2 32.3
4 2 19 2 34
4 2 15 2 34.5
4 2 20 2 36.8
4 2 12 2 35.9
4 2 13 2 32.5
4 2 17 2 32
4 2 13 2 35
4 2 15 2 35.8
4 2 16 2 37.8
4 2 16 2 36.5
4 2 19 2 34.5
4 2 10 2 38
4 2 18 2 39.5
4 2 17 2 33
4 2 11 2 32.5
4 2 11 2 37.8
4 2 20 2 32
4 2 10 2 32.5
4 2 17 2 32.3
4 2 12 2 34
4 2 18 2 34.5
4 2 18 2 36.8
4 2 16 2 35.9
4 2 12 2 32.5
4 2 14 2 32
4 2 11 2 35
4 2 19 2 35.8
4 2 10 2 37.8
4 2 19 2 36.5
4 2 15 2 34.5
4 2 19 2 38
4 2 19 2 39.5
4 2 14 2 33
4 2 10 2 32.5
4 2 16 2 37.8
4 2 10 1 32.3
4 2 19 2 34
4 2 19 2 35
4 2 18 2 35
4 2 17 2 34
4 2 11 2 33
4 2 11 2 32
4 2 13 2 32.5
4 2 17 2 32.3
4 2 16 2 36.5
4 2 18 2 37.8
4 2 15 2 39.5
4 2 19 2 39.5
4 2 12 2 39.5
4 2 15 2 32
4 2 11 2 32.5
4 2 12 2 32.3
4 2 17 2 34
4 2 19 2 34.5
4 2 16 2 36.8
4 2 15 2 35.9
4 2 20 2 32.5
4 2 11 2 32
4 2 14 2 35
4 2 14 2 35.8
4 2 13 2 37.8
4 2 10 2 36.5
4 2 14 2 34.5
4 2 10 2 38
4 2 15 2 39.5
4 2 11 2 33
4 2 11 2 32.5
4 2 10 2 37.8
4 2 13 2 32
4 2 10 2 32.5
4 2 13 2 32.3
4 2 12 2 34
4 2 18 2 34.5
4 2 19 2 36.8
4 2 12 2 35.9
4 2 12 2 32.5
4 2 17 2 32
4 2 12 2 35
4 2 10 2 35.8
4 2 12 2 37.8
4 2 17 2 36.5
4 2 19 2 34.5
4 2 11 2 38
4 2 13 2 39.5
4 2 12 2 33
4 2 14 2 32.5
4 2 14 2 37.8
4 2 13 2 32
4 2 12 2 32.5
4 2 20 2 32.3
4 2 20 2 34
4 2 12 2 34.5
4 2 19 2 36.8
4 2 20 2 35.9
4 2 15 2 32.5
4 2 14 2 32
4 2 18 2 35
4 2 10 2 35.8
4 2 14 2 37.8
4 2 13 2 36.5
4 2 18 2 34.5
4 2 19 2 38
4 2 13 2 39.5
4 2 10 2 33
4 2 18 2 32.5
4 2 16 2 37.8
4 2 12 2 32.3
4 2 15 2 34
4 2 13 2 35
4 2 15 2 35
4 2 19 2 34
4 2 11 2 33
4 2 11 2 32
4 2 12 2 32.5
4 2 11 2 32.3
4 2 13 2 36.5
4 2 16 2 37.8
4 2 10 2 39.5
4 2 10 2 39.5
4 2 13 2 39.5
4 2 20 2 32
4 2 17 2 32.5
4 2 17 2 32.3
4 2 19 2 34
4 2 12 2 34.5
4 2 12 2 36.8
4 2 16 2 35.9
4 2 17 2 32.5
4 2 12 2 32
4 2 13 2 35
4 2 18 2 35.8
4 2 16 2 37.8
4 2 12 2 36.5
4 2 19 2 34.5
4 2 10 2 38
4 2 12 2 39.5
4 2 18 2 33
4 2 18 2 32.5
4 2 20 1 37.8
4 2 14 2 32
4 2 17 2 32.5
4 2 18 2 32.3
4 2 16 2 34
4 2 17 2 34.5
4 2 14 2 36.8
4 2 13 2 35.9
4 2 10 2 32.5
4 2 17 2 32
4 2 14 2 35
4 2 18 2 35.8
4 2 12 2 37.8
4 2 10 2 36.5
4 2 17 2 34.5
4 2 11 2 38
4 2 18 2 39.5
4 2 11 2 33
4 2 14 2 32.5
4 2 14 2 37.8
4 2 19 2 32
4 2 10 2 32.5
4 2 19 2 32.3
4 2 16 2 34
4 2 12 2 34.5
4 2 19 2 36.8
4 2 17 2 35.9
4 2 10 2 32.5
4 2 19 2 32
4 2 11 2 35
4 2 19 2 35.8
4 2 20 2 37.8
4 2 15 2 36.5
4 2 15 2 34.5
4 2 12 2 38
4 2 20 2 39.5
4 2 17 2 33
4 2 17 2 32.5
4 2 18 2 37.8
4 2 13 2 32.3
4 2 12 2 34
4 2 17 2 35
4 2 13 2 35
4 2 19 2 34
4 2 15 2 33
4 2 19 2 32
4 2 13 2 32.5
4 2 10 2 32.3
4 2 17 2 36.5
4 2 11 2 37.8
4 2 11 2 39.5
4 2 16 2 39.5
4 2 14 2 39.5
4 2 12 2 32
4 2 18 2 32.5
4 2 14 2 32.3
4 2 12 2 34
4 2 11 2 34.5
4 2 13 2 36.8
4 2 15 2 35.9
4 2 18 2 32.5
4 2 16 2 32
4 2 10 2 35
4 2 10 2 35.8
4 2 20 2 37.8
4 2 15 2 36.5
4 2 17 2 34.5
4 2 20 2 38
4 2 12 2 39.5
4 2 20 2 33
4 2 19 2 32.5
4 2 12 2 37.8
4 2 17 2 32
4 2 17 2 32.5
4 2 10 2 32.3
4 2 19 2 34
4 2 20 2 34.5
4 2 11 2 36.8
4 2 10 2 35.9
4 2 20 2 32.5
4 2 16 2 32
4 2 18 2 35
4 2 14 2 35.8
4 2 20 2 37.8
4 2 18 2 36.5
4 2 20 2 34.5
4 2 17 2 38
4 2 11 2 39.5
4 2 16 2 33
4 2 18 2 32.5
4 2 12 2 37.8
4 2 19 2 32
4 2 14 2 32.5
4 2 20 2 32.3
4 2 13 2 34
4 2 20 2 34.5
4 2 15 2 36.8
4 2 19 2 35.9
4 2 20 2 32.5
4 2 13 2 32
4 2 17 2 35
4 2 13 2 35.8
4 2 18 2 37.8
4 2 17 2 36.5
4 2 10 2 34.5
4 2 16 2 38
4 2 13 2 39.5
4 2 13 2 33
4 2 12 2 32.5
4 2 19 2 37.8
4 2 17 2 32.3
4 2 20 2 34
4 2 14 2 35
4 2 11 2 35
4 2 11 2 34
4 2 10 2 33
4 2 17 2 32
4 2 17 2 32.5
4 2 14 2 32.3
4 2 12 2 36.5
4 2 18 2 37.8
4 2 11 2 39.5
4 2 11 2 39.5
4 2 14 2 39.5
4 2 17 2 32
4 2 18 2 32.5
4 2 13 2 32.3
4 2 19 2 34
4 2 11 2 34.5
4 2 10 2 36.8
4 2 20 2 35.9
4 2 10 2 32.5
4 2 18 2 32
4 2 15 2 35
4 2 18 2 35.8
4 2 13 2 37.8
4 2 16 2 36.5
4 2 19 2 34.5
4 2 20 2 38
4 2 20 2 39.5
4 2 13 2 33
4 2 19 2 32.5
4 2 18 2 37.8
4 2 15 2 32
4 2 18 2 32.5
4 2 10 2 32.3
4 2 18 2 34
4 2 13 2 34.5
4 2 16 2 36.8
4 2 13 2 35.9
4 2 20 2 32.5
4 2 20 2 32
4 2 19 2 35
4 2 16 2 35.8
4 2 13 2 37.8
4 2 13 2 36.5
4 2 14 2 34.5
4 2 10 2 38
4 2 12 2 39.5
4 2 17 2 33
4 2 18 2 32.5
4 2 11 2 37.8
4 2 10 2 32
4 2 16 2 32.5
4 2 14 2 32.3
4 2 12 2 34
4 2 16 2 34.5
4 2 12 2 36.8
4 2 19 2 35.9
4 2 11 2 32.5
4 2 13 2 32
4 2 10 2 35
4 2 10 2 35.8
4 2 13 2 37.8
4 2 14 2 36.5
4 2 13 2 34.5
4 2 15 2 38
4 2 10 2 39.5
4 2 17 2 33
4 2 16 2 32.5
4 2 18 2 37.8
4 2 13 2 32.3
4 2 16 2 34
4 2 12 2 35
4 2 13 2 35
4 2 18 2 34
4 2 12 2 33
4 2 11 2 32
4 2 17 2 32.5
4 2 16 2 32.3
4 2 12 2 36.5
4 2 13 2 37.8
4 2 11 2 39.5
4 2 20 2 39.5
4 2 11 2 39.5
4 2 16 2 32
4 2 20 2 32.5
4 2 10 2 32.3
4 2 14 2 34
4 2 19 2 34.5
4 2 19 2 36.8
4 2 19 2 35.9
4 2 16 2 32.5
4 2 13 2 32
4 2 10 2 35
4 2 17 2 35.8
4 2 20 2 37.8
4 2 10 2 36.5
4 2 18 2 34.5
4 2 16 2 38
4 2 12 2 39.5
4 2 19 2 33
4 2 15 2 32.5
4 2 15 2 37.8
4 2 12 2 32
4 2 10 2 32.5
4 2 20 2 32.3
4 2 10 2 34
4 2 10 2 34.5
4 2 16 2 36.8
4 2 14 2 35.9
4 2 13 2 32.5
4 2 19 2 32
4 2 20 2 35
4 2 17 2 35.8
4 2 20 2 37.8
4 2 12 2 36.5
4 2 10 2 34.5
4 2 10 2 38
4 2 10 2 39.5
4 2 15 2 33
4 2 10 2 32.5
4 2 19 2 37.8
4 2 13 2 32
4 1 20 3 32.5
4 2 13 2 32.3
4 2 16 2 34
4 2 20 2 34.5
4 2 19 2 36.8
4 1 12 3 35.9
4 2 17 2 32.5
4 2 18 2 32
4 2 10 2 35
4 2 19 2 35.8
4 2 10 2 37.8
4 2 16 2 36.5
4 2 20 2 34.5
4 2 12 2 38
4 2 16 2 39.5
4 2 12 2 33
4 2 16 2 32.5
4 2 10 2 37.8
4 2 16 2 32.3
4 2 15 2 34
4 2 19 2 35
4 2 17 2 35
4 2 20 2 34
4 2 12 2 33
4 2 17 2 32
4 2 10 2 32.5
4 2 15 2 32.3
4 2 17 2 36.5
4 2 15 2 37.8
4 2 20 2 39.5
4 2 20 2 39.5
4 2 13 2 39.5
4 2 18 2 32
4 2 18 2 32.5
4 2 12 2 32.3
4 2 19 2 34
4 2 11 2 34.5
4 2 20 2 36.8
4 2 16 2 35.9
4 2 10 2 32.5
4 2 17 2 32
4 2 10 2 35
4 2 12 2 35.8
4 2 14 2 37.8
4 2 14 2 36.5
4 2 10 2 34.5
4 2 16 2 38
4 2 18 2 39.5
4 2 12 2 33
4 2 20 2 32.5
4 2 10 2 37.8
4 2 15 2 32
4 2 19 2 32.5
4 2 17 2 32.3
4 2 15 1 34
4 2 19 2 34.5
4 2 13 2 36.8
4 2 20 2 35.9
4 2 14 2 32.5
4 2 13 2 32
4 2 18 2 35
4 2 16 2 35.8
4 2 16 2 37.8
4 2 19 2 36.5
4 2 19 1 34.5
4 2 13 2 38
4 2 13 2 39.5
4 2 17 2 33
4 2 13 2 32.5
4 2 17 1 37.8
4 2 17 2 32
4 2 16 2 32.5
4 2 14 2 32.3
4 2 15 2 34
4 2 13 2 34.5
4 2 11 2 36.8
4 2 12 2 35.9
4 2 15 2 32.5
4 2 11 2 32
4 2 10 2 35
4 2 16 2 35.8
4 2 10 2 37.8
4 2 19 2 36.5
4 2 13 2 34.5
4 2 19 2 38
4 2 13 2 39.5
4 2 10 2 33
4 2 13 2 32.5
4 2 10 2 37.8
4 2 11 2 32.3
4 2 15 2 34
4 2 10 2 35
4 2 19 2 35
4 2 20 2 34
4 2 14 2 33
4 2 14 2 32
4 2 15 2 32.5
4 2 17 2 32.3
4 2 11 2 36.5
4 2 12 2 37.8
4 2 14 2 39.5
4 2 11 2 39.5
4 2 18 2 39.5
4 2 16 2 32
4 2 12 2 32.5
4 2 10 2 32.3
4 2 14 2 34
4 2 10 2 34.5
4 2 13 2 36.8
4 2 20 2 35.9
4 2 14 2 32.5
4 2 10 2 32
4 2 19 2 35
4 2 10 1 35.8
4 2 18 2 37.8
4 2 19 2 36.5
4 2 15 2 34.5
4 2 17 2 38
4 2 12 2 39.5
4 2 12 2 33
4 2 11 2 32.5
4 2 14 2 37.8
4 2 13 2 32
4 2 18 2 32.5
4 2 13 2 32.3
4 2 12 2 34
4 2 12 2 34.5
4 2 13 2 36.8
4 2 19 2 35.9
4 2 20 2 32.5
4 2 16 2 32
4 2 13 2 35
4 2 14 2 35.8
4 2 14 2 37.8
4 2 19 2 36.5
4 1 12 3 34.5
4 2 20 2 38
4 2 12 2 39.5
4 2 18 2 33
4 2 19 2 32.5
4 2 14 2 37.8
4 2 19 2 32
4 2 13 2 32.5
4 2 19 2 32.3
4 2 18 2 34
4 2 16 2 34.5
4 2 10 2 36.8
4 2 10 2 35.9
4 2 20 2 32.5
4 2 19 2 32
4 2 15 2 35
4 2 20 2 35.8
4 2 17 2 37.8
4 2 15 2 36.5
4 2 16 2 34.5
4 2 14 2 38
4 2 19 2 39.5
4 2 17 2 33
4 2 13 2 32.5
4 2 19 2 37.8
4 2 19 2 32.3
4 2 13 2 34
4 2 15 2 35
4 2 16 2 35
4 2 12 2 34
4 2 11 2 33
4 2 15 2 32
4 2 16 2 32.5
4 2 16 2 32.3
4 2 13 2 36.5
4 2 12 2 37.8
4 2 20 2 39.5
4 2 10 2 39.5
4 2 20 2 39.5
4 2 13 2 32
4 2 14 2 32.5
4 2 20 2 32.3
4 2 13 2 34
4 2 20 2 34.5
4 2 18 2 36.8
4 2 14 2 35.9
4 2 12 2 32.5
4 2 10 2 32
4 2 15 2 35
4 2 18 2 35.8
4 2 17 2 37.8
4 2 12 2 36.5
4 2 12 2 34.5
4 2 19 2 38
4 2 20 2 39.5
4 2 13 2 33
4 2 20 2 32.5
4 2 15 2 37.8
4 2 15 2 32
4 2 18 2 32.5
4 2 20 2 32.3
4 2 10 2 34
4 2 12 2 34.5
4 2 12 2 36.8
4 2 16 2 35.9
4 2 19 2 32.5
4 2 19 2 32
4 2 10 2 35
4 2 12 2 35.8
4 2 10 2 37.8
4 2 12 2 36.5
4 2 19 2 34.5
4 2 11 2 38
4 2 13 2 39.5
4 2 20 2 33
4 2 13 2 32.5
4 2 20 2 37.8
4 2 10 2 32
4 2 10 2 32.5
4 2 14 2 32.3
4 2 14 2 34
4 2 19 2 34.5
4 2 18 2 36.8
4 2 18 2 35.9
4 2 15 2 32.5
4 2 11 2 32
4 2 16 2 35
4 2 10 2 35.8
4 2 17 2 37.8
4 2 15 2 36.5
4 2 18 2 34.5
4 2 19 2 38
4 2 20 2 39.5
4 2 15 2 33
4 2 15 2 32.5
4 2 10 2 37.8
4 2 20 2 32.3
4 2 18 2 34
4 2 17 2 35
4 2 11 2 35
4 2 14 2 34
4 2 10 2 33
4 2 16 2 32
4 2 18 2 32.5
4 2 20 2 32.3
4 2 18 2 36.5
4 2 14 2 37.8
4 2 13 2 39.5
4 2 10 2 39.5
4 2 14 2 39.5
4 2 15 2 32
4 2 13 2 32.5
4 2 16 2 32.3
4 2 19 2 34
4 2 12 2 34.5
4 2 10 2 36.8
4 2 19 2 35.9
4 2 14 2 32.5
4 2 19 1 32
4 2 16 2 35
4 2 17 2 35.8
4 2 16 2 37.8
4 2 10 2 36.5
4 2 16 2 34.5
4 2 10 2 38
4 2 16 2 39.5
4 2 13 2 33
4 2 13 2 32.5
4 2 10 2 37.8
4 2 17 2 32
4 2 19 2 32.5
4 2 14 2 32.3
4 2 16 2 34
4 2 10 2 34.5
4 2 10 2 36.8
4 2 20 2 35.9
4 2 16 2 32.5
4 2 17 2 32
4 2 20 2 35
4 2 18 2 35.8
4 2 15 2 37.8
4 2 13 2 36.5
4 2 17 2 34.5
4 2 12 2 38
4 2 13 2 39.5
4 2 15 2 33
4 2 13 2 32.5
4 2 13 2 37.8
4 2 18 2 32
4 2 14 2 32.5
4 2 11 2 32.3
4 2 13 2 34
4 2 12 2 34.5
4 2 20 2 36.8
4 2 12 2 35.9
4 2 16 2 32.5
4 2 16 2 32
4 2 14 2 35
4 2 20 2 35.8
4 2 11 2 37.8
4 2 17 2 36.5
4 2 15 2 34.5
4 2 15 2 38
4 2 16 2 39.5
4 2 11 2 33
4 2 14 2 32.5
4 2 11 2 37.8
4 2 14 2 32.3
4 2 11 2 34
4 2 19 2 35
4 2 15 2 35
4 2 17 2 34
4 2 10 2 33
4 2 20 2 32
4 2 11 2 32.5
4 2 17 2 32.3
4 2 15 2 36.5
4 2 11 2 37.8
4 2 16 2 39.5
4 2 13 2 39.5
4 2 18 2 39.5
4 2 13 2 32
4 2 10 2 32.5
4 2 10 2 32.3
4 2 12 2 34
4 2 20 2 34.5
4 2 13 2 36.8
4 2 15 2 35.9
4 2 20 2 32.5
4 2 14 2 32
4 2 11 2 35
4 2 16 2 35.8
4 2 10 2 37.8
4 2 19 2 36.5
4 2 19 2 34.5
4 2 14 2 38
4 2 15 2 39.5
4 2 13 2 33
4 2 13 2 32.5
2 2 12 2 37.8
1 2 10 2 32
1 2 11 2 32.5
5 2 10 2 32.3
5 2 17 2 34
5 2 16 2 34.5
 ESTUDIANTE 1 : Jhon Rodriguez
Enunciado del ejercicio:

CON TODA LA POBLACIÓN

Desviación
poblacional
5.1261354291

TAMAÑO DE MUESTRA PARA ESTIMAR

MEDIA

FORMULAS

TAMAÑO DE Tamaño de la población N= 4000

MUESTRA
PARA Nivel de significancia α 0.07
ESTIMAR EL Nivel de confianza 1-α= 0.93
PROMEDIO Parámetro Estadístico
Z= 1.81
(Verificar en tabla)
Desviación poblacional  σ 5.126135429103

Error B 0.4
Tamaño de muestra n= 475

Luego de aplicar el tamaño de la muestra para la variable "tiempo de entrega", notam

el tamaño de la muestra a utilizar es de 475 con una significacía del 7% y un error de 0

ESTUDIANTE 4: William Mauricio Ardila Soler

Enunciado del ejercicio:

CON TODA LA POBLACIÓN

 Desviación
poblacional
1.0872706367

TAMAÑO DE MUESTRA PARA ESTIMAR

MEDIA

FORMULAS

TAMAÑO DE Tamaño de la población N= 4000

MUESTRA
PARA Nivel de significancia α 0.05
ESTIMAR EL Nivel de confianza 1-α= 0.95
PROMEDIO Parámetro Estadístico
Z= 1.96
(Verificar en tabla)
Desviación poblacional  σ 1.09

Error B 0.08
Tamaño de muestra n= 603

Conclusión: Luego de aplicar el tamaño de muestra para la variable "personas que con
notamos que el tamaño de la muestra es de 603.
ez ESTUDIANTE 2: Osc
Enunciado del ejercicio:

OTRA FORMULA TAMAÑO DE MUESTRA

PARA ESTIMAR MEDIA

FORMULAS

N= 4000 TAMAÑO DE Tamaño de la población

MUESTRA
a= 0.07 PARA Nivel de significancia
1-a= 0.93 ESTIMAR EL Nivel de confianza
PROMEDIO Parámetro Estadístico
1.81
Z= (Verificar en tabla)
Desviación del
promedio 5.13 Desviación poblacional
obtenido s=
Error d=B=E=e= 0.4 Error
no= 539 Tamaño de muestra
n= 475

empo de entrega", notamos que

cía del 7% y un error de 0,4
Conclusión: Luego de aplicar el tamaño de mues
representa un 17.32% de

dila Soler ESTUDIANTE 5: Diego Al

Enunciado del ejercicio:
 OTRA FORMULA TAMAÑO DE MUESTRA
PARA ESTIMAR MEDIA

FORMULAS

N= 4000 TAMAÑO DE Tamaño de la población

MUESTRA
a= 0.05 PARA Nivel de significancia
1-a= 0.95 ESTIMAR EL Nivel de confianza
PROMEDIO Parámetro Estadístico
1.96
Z= (Verificar en tabla)
Desviación del
promedio 1.09 Desviación poblacional
obtenido s=
Error d=B=E=e= 0.080 Error
no= 710 Tamaño de muestra
n= 603

ariable "personas que convive"

Conclusión: Luego de aplicar el tamaño de mues

que el tamaño de la muestra a utilizar es de 728
 ESTUDIANTE 2: Oscar Iván Quevedo

CON TODA LA POBLACIÓN

Desviación
poblacional
17.8485083253

OTRA FORMULA TAMAÑO DE MUESTRA

TAMAÑO DE MUESTRA PARA ESTIMAR PARA ESTIMAR MEDIA
MEDIA

N= 4000 N= 4000
α 0.04 a= 0.04
1-α= 0.96 1-a= 0.96

Z= 2.05 2.05
Z=
Desviación del
 σ 17.85 promedio obtenido 17.85
s=
B 1.5 Error d=B=E=e= 1.5
n= 520 no= 597
n= 520

ar el tamaño de muestra para la variable, notamos que la muestra

esenta un 17.32% de la poblacion a estudio.

UDIANTE 5: Diego Alejandro Velosa Perez

CON TODA LA POBLACIÓN

 Desviación
poblacional
3.17188524383

OTRA FORMULA TAMAÑO DE MUESTRA

TAMAÑO DE MUESTRA PARA ESTIMAR PARA ESTIMAR MEDIA
MEDIA

N= 4000 N= 4000
α 0.06 a= 0.06
1-α= 0.94 1-a= 0.94

Z= 1.88 1.88
Z=
Desviación del
 σ 3.17 promedio obtenido 3.17
s=
B 0.2 Error d=B=E=e= 0.2
n= 728 no= 890
n= 728

r el tamaño de muestra para la variable tiempo del virus, notamos

ra a utilizar es de 728 con una significacía del 6% y un error de 0,2
 ESTUDIANTE 3: Nombre
Enunciado del ejercicio:

CON TODA LA POBLACIÓN

Desviación
poblacional

TAMAÑO DE MUESTRA PARA ESTIMAR

MEDIA

FORMULAS

TAMAÑO DE Tamaño de la población N=

MUESTRA
PARA Nivel de significancia α
ESTIMAR EL Nivel de confianza 1-α=
PROMEDIO Parámetro Estadístico
Z=
(Verificar en tabla)
Desviación poblacional  σ

Error B
Tamaño de muestra n= #DIV/0!

Conclusión: Luego de aplicar el tamaño de muestra para la variable, notamos que…..

COLABORATIVO
Enunciado del ejercicio:

CON TODA LA POBLACIÓN

 Desviación
poblacional
2.3212633509

TAMAÑO DE MUESTRA PARA ESTIMAR

MEDIA

FORMULAS

TAMAÑO DE Tamaño de la población N= 4000

MUESTRA
PARA Nivel de significancia α 0.03
ESTIMAR EL Nivel de confianza 1-α= 0.97
PROMEDIO Parámetro Estadístico
Z= 2.17
(Verificar en tabla)
Desviación poblacional  σ 2.32

Error B 0.02
Tamaño de muestra n= 3763

Conclusión: Luego de aplicar el tamaño de muestra para la variable tiempo del virus, n
el tamaño de la muestra a utilizar es de 3763 con una significacía del 3% y un erro
e

OTRA FORMULA TAMAÑO DE MUESTRA PARA

ESTIMAR MEDIA

N=
a=
1-a=

Z=
Desviación del
promedio obtenido
s=
Error d=B=E=e=
no= #DIV/0!
n= #DIV/0!

ariable, notamos que…..

 OTRA FORMULA TAMAÑO DE MUESTRA PARA
ESTIMAR MEDIA

N= 4000
a= 0.03
1-a= 0.97

2.17
Z=
Desviación del
promedio obtenido 2.32
s=
Error d=B=E=e= 0.02
no= 63437
n= 3763

ariable tiempo del virus, notamos que

nificacía del 3% y un error de 0,02
 TIPO DE MUESTREO: Sistemático

Muestreo en que los n elementos de la muestra se seleccionan tomando aleatoriamente un númer

en una lista o población de N elementos, al primero que va a formar parte de la mue

Características:

1) Una lista completa de la población

2) La población ordenada y la muestra también estará ordenada
Esta es la forma o cada cuanto se selecciona un elemento
K= N/n
K= fracción sistemática (o cada cuanto se toma el elemento de la población)
N= Tamaño de la población
n= Tamaño de la muestra (Calculado ya anteriormente)

K= 6.6334992
N= 4000
n= 603
K= 6 se redondea

K= 6 Seleccione la muestra cada k elementos

Alea= 2 Se escoge un número aleatorio entre 1 y K.
Fijo= 6 Copie y pegue el número aleatorio como valor para que no e

1) Rellene una columna que empiece desde 1 hasta n

2) Luego, empieze la 2da columna con el número que encontró entre 1 y K,

corresponde al valor fijo

LISTO! Esta es la lista de personas que van a conformar su muestra, recuer

importante mantener la constante K

3) Copie y pegue los nombres de las variables de la población

4) Use la función =BUSCARV(C36;Población!$B$12:$O$2961;2;0) esto es p
que pasar manualmente la información de la cantidad de elementos que va
muestra. El número 2, corresponde a la columna de la variable, en este caso

TOMA
CANTIDAD
MUESTRA
Tiempo entrega Región de
de los resultados residencia Edad sisben
1 6
 2 12
3 18
4 24
5 30
6 36
7 42
8 48
9 54
10 60
11 66
12 72
13 78
14 84
15 90
16 96
17 102
18 108
19 114
20 120
21 126
22 132
23 138
24 144
25 150
26 156
27 162
28 168
29 174
30 180
31 186
32 192
33 198
34 204
35 210
36 216
37 222
38 228
39 234
40 240
41 246
42 252
43 258
44 264
45 270
46 276
47 282
48 288
49 294
50 300
51 306
52 312
53 318
54 324
55 330
56 336
57 342
58 348
59 354
60 360
61 366
62 372
63 378
64 384
65 390
66 396
67 402
68 408
69 414
70 420
71 426
72 432
73 438
74 444
75 450
76 456
77 462
78 468
79 474
80 480
81 486
82 492
83 498
84 504
85 510
86 516
87 522
88 528
89 534
90 540
91 546
92 552
93 558
94 564
95 570
96 576
97 582
98 588
99 594
100 600
101 606
102 612
103 618
104 624
105 630
106 636
107 642
108 648
109 654
110 660
111 666
112 672
113 678
114 684
115 690
116 696
117 702
118 708
119 714
120 720
121 726
122 732
123 738
124 744
125 750
126 756
127 762
128 768
129 774
130 780
131 786
132 792
133 798
134 804
135 810
136 816
137 822
138 828
139 834
140 840
141 846
142 852
143 858
144 864
145 870
146 876
147 882
148 888
149 894
150 900
151 906
152 912
153 918
154 924
155 930
156 936
157 942
158 948
159 954
160 960
161 966
162 972
163 978
164 984
165 990
166 996
167 1002
168 1008
169 1014
170 1020
171 1026
172 1032
173 1038
174 1044
175 1050
176 1056
177 1062
178 1068
179 1074
180 1080
181 1086
182 1092
183 1098
184 1104
185 1110
186 1116
187 1122
188 1128
189 1134
190 1140
191 1146
192 1152
193 1158
194 1164
195 1170
196 1176
197 1182
198 1188
199 1194
200 1200
201 1206
202 1212
203 1218
204 1224
205 1230
206 1236
207 1242
208 1248
209 1254
210 1260
211 1266
212 1272
213 1278
214 1284
215 1290
216 1296
217 1302
218 1308
219 1314
220 1320
221 1326
222 1332
223 1338
224 1344
225 1350
226 1356
227 1362
228 1368
229 1374
230 1380
231 1386
232 1392
233 1398
234 1404
235 1410
236 1416
237 1422
238 1428
239 1434
240 1440
241 1446
242 1452
243 1458
244 1464
245 1470
246 1476
247 1482
248 1488
249 1494
250 1500
251 1506
252 1512
253 1518
254 1524
255 1530
256 1536
257 1542
258 1548
259 1554
260 1560
261 1566
262 1572
263 1578
264 1584
265 1590
266 1596
267 1602
268 1608
269 1614
270 1620
271 1626
272 1632
273 1638
274 1644
275 1650
276 1656
277 1662
278 1668
279 1674
280 1680
281 1686
282 1692
283 1698
284 1704
285 1710
286 1716
287 1722
288 1728
289 1734
290 1740
291 1746
292 1752
293 1758
294 1764
295 1770
296 1776
297 1782
298 1788
299 1794
300 1800
301 1806
302 1812
303 1818
304 1824
305 1830
306 1836
307 1842
308 1848
309 1854
310 1860
311 1866
312 1872
313 1878
314 1884
315 1890
316 1896
317 1902
318 1908
319 1914
320 1920
321 1926
322 1932
323 1938
324 1944
325 1950
326 1956
327 1962
328 1968
329 1974
330 1980
331 1986
332 1992
333 1998
334 2004
335 2010
336 2016
337 2022
338 2028
339 2034
340 2040
341 2046
342 2052
343 2058
344 2064
345 2070
346 2076
347 2082
348 2088
349 2094
350 2100
351 2106
352 2112
353 2118
354 2124
355 2130
356 2136
357 2142
358 2148
359 2154
360 2160
361 2166
362 2172
363 2178
364 2184
365 2190
366 2196
367 2202
368 2208
369 2214
370 2220
371 2226
372 2232
373 2238
374 2244
375 2250
376 2256
377 2262
378 2268
379 2274
380 2280
381 2286
382 2292
383 2298
384 2304
385 2310
386 2316
387 2322
388 2328
389 2334
390 2340
391 2346
392 2352
393 2358
394 2364
395 2370
396 2376
397 2382
398 2388
399 2394
400 2400
401 2406
402 2412
403 2418
404 2424
405 2430
406 2436
407 2442
408 2448
409 2454
410 2460
411 2466
412 2472
413 2478
414 2484
415 2490
416 2496
417 2502
418 2508
419 2514
420 2520
421 2526
422 2532
423 2538
424 2544
425 2550
426 2556
427 2562
428 2568
429 2574
430 2580
431 2586
432 2592
433 2598
434 2604
435 2610
436 2616
437 2622
438 2628
439 2634
440 2640
441 2646
442 2652
443 2658
444 2664
445 2670
446 2676
447 2682
448 2688
449 2694
450 2700
451 2706
452 2712
453 2718
454 2724
455 2730
456 2736
457 2742
458 2748
459 2754
460 2760
461 2766
462 2772
463 2778
464 2784
465 2790
466 2796
467 2802
468 2808
469 2814
470 2820
471 2826
472 2832
473 2838
474 2844
475 2850
476 2856
477 2862
478 2868
479 2874
480 2880
481 2886
482 2892
483 2898
484 2904
485 2910
486 2916
487 2922
488 2928
489 2934
490 2940
491 2946
492 2952
493 2958
494 2964
495 2970
496 2976
497 2982
498 2988
499 2994
500 3000
501 3006
502 3012
503 3018
504 3024
505 3030
506 3036
507 3042
508 3048
509 3054
510 3060
511 3066
512 3072
513 3078
514 3084
515 3090
516 3096
517 3102
518 3108
519 3114
520 3120
521 3126
522 3132
523 3138
524 3144
525 3150
526 3156
527 3162
528 3168
529 3174
530 3180
531 3186
532 3192
533 3198
534 3204
535 3210
536 3216
537 3222
538 3228
539 3234
540 3240
541 3246
542 3252
543 3258
544 3264
545 3270
546 3276
547 3282
548 3288
549 3294
550 3300
551 3306
552 3312
553 3318
554 3324
555 3330
556 3336
557 3342
558 3348
559 3354
560 3360
561 3366
562 3372
563 3378
564 3384
565 3390
566 3396
567 3402
568 3408
569 3414
570 3420
571 3426
572 3432
573 3438
574 3444
575 3450
576 3456
577 3462
578 3468
579 3474
580 3480
581 3486
582 3492
583 3498
584 3504
585 3510
586 3516
587 3522
588 3528
589 3534
590 3540
591 3546
592 3552
593 3558
594 3564
595 3570
596 3576
597 3582
598 3588
599 3594
600 3600
601 3606
602 3612
603 3618
o

atoriamente un número i, que designará,

ormar parte de la muestra.

Nota: Solo se emplea este muestreo para n<50%, si n>50% se debe d

a realizar un muestreo aleatorio simple.

os
1 y K.
mo valor para que no este cambiando

encontró entre 1 y K, es decir el que

ar su muestra, recuerde que es

oblación
O$2961;2;0) esto es para que no tenga
de elementos que va a incluir en la
a variable, en este caso Tipo de Articulo

Ubicación del Personas que

Sexo Tipo de contagio caso Estado convive
4
1
1
4
4
2
2
2
5
6
4
4
2
2
2
2
2
2
2
2
2
2
2
2
2
2
5
5
2
2
2
2
2
6
2
2
6
2
2
2
2
1
4
2
2
2
2
4
5
2
2
2
2
2
2
2
2
2
2
2
5
3
2
2
2
2
2
6
4
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
4
4
2
2
2
2
2
2
2
2
2
5
5
5
5
3
5
5
5
5
5
5
5
5
5
5
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
e muestreo para n<50%, si n>50% se debe de proceder
alizar un muestreo aleatorio simple.

Tipo de Temperatura del

satisfacción de atención EPS Estado del paciente Tiempo del virus prueba paciente
 TIPO DE MUESTREO: Sistemático

Muestreo en que los n elementos de la muestra se seleccionan tomando aleatoriamente un númer

primero que va a formar parte de la mue

Características:

1) Una lista completa de la población

2) La población ordenada y la muestra también estará ordenada
Esta es la forma o cada cuanto se selecciona un elemento
K= N/n
K= fracción sistemática (o cada cuanto se toma el elemento de la población)
N= Tamaño de la población
n= Tamaño de la muestra (Calculado ya anteriormente)

K= 5.4946324
N= 4000
n= 727.9832
K= 5 se redondea

K= 5 Seleccione la muestra cada k elementos

Alea= 4 Se escoge un número aleatorio entre 1 y K.
Fijo= 4 Copie y pegue el número aleatorio como valor para que no e

1) Rellene una columna que empiece desde 1 hasta n

2) Luego, empieze la 2da columna con el número que encontró entre 1 y K,

LISTO! Esta es la lista de personas que van a conformar su muestra, recuer

3) Copie y pegue los nombres de las variables de la población

4) Use la función =BUSCARV(C36;Población!$B$12:$O$2961;2;0) esto es p

cantidad de elementos que va a incluir en la muestra. El número 2, correspo

TOMA
CANTIDAD
MUESTRA
Tiempo entrega
de los resultados Región de residencia
2 9
128 639
129 644
130 649
131 654
132 659
133 664
134 669
135 674
136 679
137 684
138 689
139 694
140 699
141 704
142 709
143 714
144 719
145 724
146 729
147 734
148 739
149 744
150 749
151 754
152 759
153 764
154 769
155 774
157 784
159 794
164 819
443 2214
444 2219
445 2224
446 2229
447 2234
448 2239
449 2244
450 2249
451 2254
452 2259
453 2264
454 2269
455 2274
456 2279
TIPO DE MUESTREO: Sistemático

tomando aleatoriamente un número i, que designará, en una lista o población de N elementos, al

ero que va a formar parte de la muestra.

ento de la población)

ada k elementos
eatorio entre 1 y K.
o aleatorio como valor para que no este cambiando

sde 1 hasta n

l número que encontró entre 1 y K, es decir el que corresponde al valor fijo

van a conformar su muestra, recuerde que es importante mantener la constante K

iables de la población

ción!$B$12:$O$2961;2;0) esto es para que no tenga que pasar manualmente la información de la

n la muestra. El número 2, corresponde a la columna de la variable, en este caso Tipo de Articulo

Edad sisben Sexo Tipo de contagio

Nota: Solo se emplea este muestreo para n<50%, si n>50% se debe de proceder a realizar un mu
simple.

Ubicación del caso Estado Personas que convive

% se debe de proceder a realizar un muestreo aleatorio
e.

Tipo de Temperatura del

satisfacción de atención EPS Estado del paciente Tiempo del virus prueba paciente
2 10
2 19
2 19
2 18
2 19
2 12
2 18
2 13
2 16
2 18
2 14
2 18
2 13
2 18
2 19
2 12
2 15
2 16
2 12
2 18
2 15
2 12
2 17
2 14
2 16
2 19
2 15
2 19
2 17
2 11
2 20
2 17
2 15
2 11
2 16
2 11
2 18
2 13
2 14
2 17
2 15
2 18
2 16
2 13
2 20
2 15
 TIPO DE MUESTREO: Sistemático

Muestreo en que los n elementos de la muestra se seleccionan tomando aleatoriamente un númer

primero que va a formar parte de la mue

Características:

1) Una lista completa de la población

2) La población ordenada y la muestra también estará ordenada
Esta es la forma o cada cuanto se selecciona un elemento
K= N/n
K= fracción sistemática (o cada cuanto se toma el elemento de la población)
N= Tamaño de la población
n= Tamaño de la muestra (Calculado ya anteriormente)

K= 8.4168188
N= 4000
n= 475
K= 8 se redondea

K= 8 Seleccione la muestra cada k elementos

Alea= 5 Se escoge un número aleatorio entre 1 y K.
Fijo= 3 Copie y pegue el número aleatorio como valor para que no e

1) Rellene una columna que empiece desde 1 hasta n

2) Luego, empieze la 2da columna con el número que encontró entre 1 y K,

LISTO! Esta es la lista de personas que van a conformar su muestra, recuer

3) Copie y pegue los nombres de las variables de la población

4) Use la función =BUSCARV(C36;Población!$B$12:$O$2961;2;0) esto es p

cantidad de elementos que va a incluir en la muestra. El número 2, correspo

TOMA
CANTIDAD
MUESTRA
Tiempo entrega
de los resultados Región de residencia
1 3 5 4
 2 11 8 3
3 19 5 1
4 27 8 3
5 35 5 1
6 43 8 3
7 51 8 3
8 59 14 2
9 67 5 1
10 75 5 1
11 83 5 1
12 91 8 3
13 99 5 1
14 107 5 1
15 115 5 1
16 123 5 1
17 131 5 1
18 139 5 1
19 147 5 1
20 155 5 1
21 163 5 1
22 171 5 1
23 179 5 1
24 187 8 3
25 195 5 1
26 203 5 1
27 211 5 1
28 219 5 1
29 227 5 1
30 235 5 1
31 243 5 1
32 251 5 1
33 259 5 1
34 267 14 2
35 275 5 1
36 283 5 1
37 291 5 1
38 299 14 2
39 307 8 3
40 315 5 1
41 323 5 1
42 331 5 1
43 339 5 1
44 347 8 3
45 355 14 2
46 363 5 1
47 371 5 1
48 379 5 1
49 387 5 1
50 395 5 1
51 403 5 1
52 411 5 1
53 419 5 1
54 427 5 1
55 435 5 1
56 443 5 1
57 451 5 1
58 459 5 1
59 467 5 1
60 475 8 3
61 483 5 1
62 491 8 3
63 499 8 3
64 507 8 3
65 515 8 3
66 523 8 3
67 531 5 1
68 539 5 3
69 547 5 3
70 555 5 3
71 563 5 3
72 571 5 3
73 579 5 3
74 587 5 3
75 595 5 3
76 603 5 3
77 611 5 3
78 619 5 3
79 627 5 3
80 635 5 3
81 643 5 3
82 651 5 3
83 659 5 3
84 667 5 3
85 675 5 3
86 683 5 3
87 691 5 3
88 699 5 3
89 707 5 3
90 715 5 3
91 723 15 3
92 731 15 3
93 739 15 3
94 747 15 3
95 755 15 3
96 763 15 3
97 771 15 3
98 779 15 3
99 787 15 3
100 795 15 3
101 803 15 3
102 811 15 3
103 819 15 3
104 827 15 3
105 835 15 3
106 843 15 3
107 851 15 3
108 859 15 3
109 867 15 3
110 875 15 3
111 883 15 3
112 891 15 3
113 899 15 3
114 907 15 3
115 915 15 3
116 923 15 3
117 931 15 3
118 939 15 3
119 947 10 3
120 955 10 3
121 963 10 3
122 971 10 3
123 979 10 3
124 987 10 3
125 995 10 3
126 1003 10 3
127 1011 10 3
128 1019 10 3
129 1027 5 1
130 1035 5 1
131 1043 5 1
132 1051 5 1
133 1059 5 1
134 1067 5 1
135 1075 14 2
136 1083 14 2
137 1091 5 1
138 1099 5 1
139 1107 5 1
140 1115 10 3
141 1123 10 3
142 1131 14 2
143 1139 10 3
144 1147 5 1
145 1155 14 2
146 1163 14 2
147 1171 5 1
148 1179 10 3
149 1187 14 2
150 1195 5 1
151 1203 5 1
152 1211 5 1
153 1219 5 1
154 1227 10 3
155 1235 5 1
156 1243 14 2
157 1251 14 2
158 1259 5 1
159 1267 5 1
160 1275 5 1
161 1283 10 3
162 1291 5 1
163 1299 5 1
164 1307 10 3
165 1315 15 5
166 1323 10 3
167 1331 5 1
168 1339 5 1
169 1347 10 3
170 1355 5 1
171 1363 5 1
172 1371 10 3
173 1379 10 3
174 1387 10 3
175 1395 10 3
176 1403 10 3
177 1411 10 3
178 1419 10 3
179 1427 10 3
180 1435 10 3
181 1443 10 3
182 1451 10 3
183 1459 10 3
184 1467 10 3
185 1475 10 3
186 1483 10 3
187 1491 10 3
188 1499 10 3
189 1507 10 3
190 1515 10 3
191 1523 10 3
192 1531 10 3
193 1539 10 3
194 1547 10 3
195 1555 10 3
196 1563 10 3
197 1571 10 3
198 1579 10 3
199 1587 10 3
200 1595 10 3
201 1603 10 3
202 1611 10 3
203 1619 10 3
204 1627 10 3
205 1635 10 3
206 1643 10 3
207 1651 10 3
208 1659 10 3
209 1667 10 3
210 1675 10 3
211 1683 10 3
212 1691 10 3
213 1699 10 3
214 1707 10 3
215 1715 10 3
216 1723 10 3
217 1731 10 3
218 1739 10 3
219 1747 10 3
220 1755 10 3
221 1763 10 3
222 1771 10 3
223 1779 10 3
224 1787 10 3
225 1795 10 3
226 1803 10 3
227 1811 10 3
228 1819 10 3
229 1827 10 3
230 1835 10 3
231 1843 10 3
232 1851 10 3
233 1859 10 3
234 1867 10 3
235 1875 10 3
236 1883 10 3
237 1891 10 3
238 1899 10 3
239 1907 10 3
240 1915 10 3
241 1923 10 3
242 1931 10 3
243 1939 10 3
244 1947 10 3
245 1955 10 3
246 1963 10 3
247 1971 10 3
248 1979 10 3
249 1987 15 3
250 1995 15 3
251 2003 15 3
252 2011 15 3
253 2019 15 3
254 2027 15 3
255 2035 15 3
256 2043 15 3
257 2051 15 3
258 2059 15 3
259 2067 15 3
260 2075 15 3
261 2083 15 3
262 2091 15 3
263 2099 15 3
264 2107 15 3
265 2115 15 3
266 2123 15 3
267 2131 15 3
268 2139 15 3
269 2147 15 3
270 2155 15 3
271 2163 15 3
272 2171 15 3
273 2179 15 3
274 2187 15 3
275 2195 15 3
276 2203 15 3
277 2211 15 3
278 2219 15 3
279 2227 15 3
280 2235 15 3
281 2243 15 3
282 2251 15 3
283 2259 15 3
284 2267 15 3
285 2275 15 3
286 2283 15 3
287 2291 15 3
288 2299 15 3
289 2307 15 3
290 2315 15 3
291 2323 15 3
292 2331 15 3
293 2339 15 3
294 2347 15 3
295 2355 15 3
296 2363 15 3
297 2371 15 3
298 2379 15 3
299 2387 15 3
300 2395 15 3
301 2403 15 3
302 2411 15 3
303 2419 15 3
304 2427 15 3
305 2435 15 3
306 2443 15 3
307 2451 15 3
308 2459 15 3
309 2467 15 3
310 2475 15 3
311 2483 15 3
312 2491 15 3
313 2499 15 3
314 2507 15 3
315 2515 15 3
316 2523 15 3
317 2531 15 3
318 2539 15 3
319 2547 15 3
320 2555 15 3
321 2563 15 3
322 2571 15 3
323 2579 15 3
324 2587 15 3
325 2595 15 3
326 2603 15 3
327 2611 15 3
328 2619 15 3
329 2627 15 3
330 2635 15 3
331 2643 15 3
332 2651 15 3
333 2659 15 3
334 2667 15 3
335 2675 15 3
336 2683 15 3
337 2691 15 3
338 2699 15 3
339 2707 15 3
340 2715 15 3
341 2723 15 3
342 2731 15 3
343 2739 15 3
344 2747 15 3
345 2755 15 3
346 2763 15 3
347 2771 15 3
348 2779 15 3
349 2787 15 3
350 2795 15 3
351 2803 15 3
352 2811 15 3
353 2819 15 3
354 2827 15 3
355 2835 15 3
356 2843 15 3
357 2851 15 3
358 2859 15 3
359 2867 15 3
360 2875 15 3
361 2883 15 3
362 2891 15 3
363 2899 15 3
364 2907 15 3
365 2915 15 3
366 2923 15 3
367 2931 15 3
368 2939 15 3
369 2947 15 3
370 2955 15 3
371 2963 15 3
372 2971 15 3
373 2979 15 3
374 2987 15 3
375 2995 15 3
376 3003 15 3
377 3011 15 3
378 3019 15 3
379 3027 15 3
380 3035 15 3
381 3043 15 3
382 3051 15 3
383 3059 15 3
384 3067 5 4
385 3075 5 4
386 3083 15 3
387 3091 15 3
388 3099 5 4
389 3107 15 3
390 3115 15 3
391 3123 14 1
392 3131 5 4
393 3139 5 4
394 3147 5 4
395 3155 5 4
396 3163 5 4
397 3171 14 2
398 3179 14 2
399 3187 15 3
400 3195 15 3
401 3203 15 3
402 3211 15 3
403 3219 15 3
404 3227 15 3
405 3235 15 3
406 3243 15 3
407 3251 15 3
408 3259 5 4
409 3267 15 3
410 3275 15 3
411 3283 15 3
412 3291 15 3
413 3299 15 3
414 3307 14 2
415 3315 14 1
416 3323 1 3
417 3331 1 3
418 3339 1 3
419 3347 1 3
420 3355 1 3
421 3363 1 3
422 3371 1 3
423 3379 1 3
424 3387 1 3
425 3395 1 3
426 3403 1 3
427 3411 1 3
428 3419 1 3
429 3427 1 3
430 3435 1 3
431 3443 1 3
432 3451 14 2
433 3459 1 3
434 3467 1 3
435 3475 1 3
436 3483 1 3
437 3491 1 3
438 3499 1 3
439 3507 1 3
440 3515 1 3
441 3523 1 3
442 3531 1 3
443 3539 1 3
444 3547 1 3
445 3555 1 3
446 3563 1 3
447 3571 14 2
448 3579 1 3
449 3587 1 3
450 3595 1 3
451 3603 1 3
452 3611 14 2
453 3619 1 3
454 3627 1 3
455 3635 1 3
456 3643 1 3
457 3651 1 3
458 3659 5 4
459 3667 14 2
460 3675 14 2
461 3683 14 1
462 3691 14 1
463 3699 14 1
464 3707 14 1
465 3715 14 1
466 3723 1 3
467 3731 14 1
468 3739 14 2
469 3747 8 4
470 3755 1 3
471 3763 1 3
472 3771 1 3
473 3779 1 3
474 3787 14 1
475 3795 14 1
TIPO DE MUESTREO: Sistemático

tomando aleatoriamente un número i, que designará, en una lista o población de N elementos, al

ero que va a formar parte de la muestra.

ento de la población)

ada k elementos
eatorio entre 1 y K.
o aleatorio como valor para que no este cambiando

sde 1 hasta n

l número que encontró entre 1 y K, es decir el que corresponde al valor fijo

van a conformar su muestra, recuerde que es importante mantener la constante K

iables de la población

ción!$B$12:$O$2961;2;0) esto es para que no tenga que pasar manualmente la información de la

n la muestra. El número 2, corresponde a la columna de la variable, en este caso Tipo de Articulo

Edad sisben Sexo Tipo de contagio

Nota: Solo se emplea este muestreo para n<50%, si n>50% se debe de proceder a realizar un mu
simple.

Ubicación del caso Estado Personas que convive

% se debe de proceder a realizar un muestreo aleatorio
e.

Tipo de Temperatura del

satisfacción de atención EPS Estado del paciente Tiempo del virus prueba paciente
 TIPO DE MUESTREO: Sistemático

Muestreo en que los n elementos de la muestra se seleccionan tomando aleatoriamente un númer

primero que va a formar parte de la mue

Características:

1) Una lista completa de la población

2) La población ordenada y la muestra también estará ordenada
Esta es la forma o cada cuanto se selecciona un elemento
K= N/n
K= fracción sistemática (o cada cuanto se toma el elemento de la población)
N= Tamaño de la población
n= Tamaño de la muestra (Calculado ya anteriormente)

K= 7.6963073
N= 4000
n= 520
K= 7 se redondea

K= 7 Seleccione la muestra cada 5 elementos

Alea= 5 Se escoge un número aleatorio entre 1 y K.
Fijo= 4 Copie y pegue el número aleatorio como valor para que no e

1) Rellene una columna que empiece desde 1 hasta n

2) Luego, empieze la 2da columna con el número que encontró entre 1 y K,

LISTO! Esta es la lista de personas que van a conformar su muestra, recuer

3) Copie y pegue los nombres de las variables de la población

4) Use la función =BUSCARV(C36;Población!$B$12:$O$2961;2;0) esto es p

cantidad de elementos que va a incluir en la muestra. El número 2, correspo

TOMA
CANTIDAD
MUESTRA
Tiempo entrega
de los resultados Región de residencia
1 7
 2 14
3 21
4 28
5 35
6 42
7 49
8 56
9 63
10 70
11 77
12 84
13 91
14 98
15 105
16 112
17 119
18 126
19 133
20 140
21 147
22 154
23 161
24 168
25 175
26 182
27 189
28 196
29 203
30 210
31 217
32 224
33 231
34 238
35 245
36 252
37 259
38 266
39 273
40 280
41 287
42 294
43 301
44 308
45 315
46 322
47 329
48 336
49 343
50 350
51 357
52 364
53 371
54 378
55 385
56 392
57 399
58 406
59 413
60 420
61 427
62 434
63 441
64 448
65 455
66 462
67 469
68 476
69 483
70 490
71 497
72 504
73 511
74 518
75 525
76 532
77 539
78 546
79 553
80 560
81 567
82 574
83 581
84 588
85 595
86 602
87 609
88 616
89 623
90 630
91 637
92 644
93 651
94 658
95 665
96 672
97 679
98 686
99 693
100 700
101 707
102 714
103 721
104 728
105 735
106 742
107 749
108 756
109 763
110 770
111 777
112 784
113 791
114 798
115 805
116 812
117 819
118 826
119 833
120 840
121 847
122 854
123 861
124 868
125 875
126 882
127 889
128 896
129 903
130 910
131 917
132 924
133 931
134 938
135 945
136 952
137 959
138 966
139 973
140 980
141 987
142 994
143 1001
144 1008
145 1015
146 1022
147 1029
148 1036
149 1043
150 1050
151 1057
152 1064
153 1071
154 1078
155 1085
156 1092
157 1099
158 1106
159 1113
160 1120
161 1127
162 1134
163 1141
164 1148
165 1155
166 1162
167 1169
168 1176
169 1183
170 1190
171 1197
172 1204
173 1211
174 1218
175 1225
176 1232
177 1239
178 1246
179 1253
180 1260
181 1267
182 1274
183 1281
184 1288
185 1295
186 1302
187 1309
188 1316
189 1323
190 1330
191 1337
192 1344
193 1351
194 1358
195 1365
196 1372
197 1379
198 1386
199 1393
200 1400
201 1407
202 1414
203 1421
204 1428
205 1435
206 1442
207 1449
208 1456
209 1463
210 1470
211 1477
212 1484
213 1491
214 1498
215 1505
216 1512
217 1519
218 1526
219 1533
220 1540
221 1547
222 1554
223 1561
224 1568
225 1575
226 1582
227 1589
228 1596
229 1603
230 1610
231 1617
232 1624
233 1631
234 1638
235 1645
236 1652
237 1659
238 1666
239 1673
240 1680
241 1687
242 1694
243 1701
244 1708
245 1715
246 1722
247 1729
248 1736
249 1743
250 1750
251 1757
252 1764
253 1771
254 1778
255 1785
256 1792
257 1799
258 1806
259 1813
260 1820
261 1827
262 1834
263 1841
264 1848
265 1855
266 1862
267 1869
268 1876
269 1883
270 1890
271 1897
272 1904
273 1911
274 1918
275 1925
276 1932
277 1939
278 1946
279 1953
280 1960
281 1967
282 1974
283 1981
284 1988
285 1995
286 2002
287 2009
288 2016
289 2023
290 2030
291 2037
292 2044
293 2051
294 2058
295 2065
296 2072
297 2079
298 2086
299 2093
300 2100
301 2107
302 2114
303 2121
304 2128
305 2135
306 2142
307 2149
308 2156
309 2163
310 2170
311 2177
312 2184
313 2191
314 2198
315 2205
316 2212
317 2219
318 2226
319 2233
320 2240
321 2247
322 2254
323 2261
324 2268
325 2275
326 2282
327 2289
328 2296
329 2303
330 2310
331 2317
332 2324
333 2331
334 2338
335 2345
336 2352
337 2359
338 2366
339 2373
340 2380
341 2387
342 2394
343 2401
344 2408
345 2415
346 2422
347 2429
348 2436
349 2443
350 2450
351 2457
352 2464
353 2471
354 2478
355 2485
356 2492
357 2499
358 2506
359 2513
360 2520
361 2527
362 2534
363 2541
364 2548
365 2555
366 2562
367 2569
368 2576
369 2583
370 2590
371 2597
372 2604
373 2611
374 2618
375 2625
376 2632
377 2639
378 2646
379 2653
380 2660
381 2667
382 2674
383 2681
384 2688
385 2695
386 2702
387 2709
388 2716
389 2723
390 2730
391 2737
392 2744
393 2751
394 2758
395 2765
396 2772
397 2779
398 2786
399 2793
400 2800
401 2807
402 2814
403 2821
404 2828
405 2835
406 2842
407 2849
408 2856
409 2863
410 2870
411 2877
412 2884
413 2891
414 2898
415 2905
416 2912
417 2919
418 2926
419 2933
420 2940
421 2947
422 2954
423 2961
424 2968
425 2975
426 2982
427 2989
428 2996
429 3003
430 3010
431 3017
432 3024
433 3031
434 3038
435 3045
436 3052
437 3059
438 3066
439 3073
440 3080
441 3087
442 3094
443 3101
444 3108
445 3115
446 3122
447 3129
448 3136
449 3143
450 3150
451 3157
452 3164
453 3171
454 3178
455 3185
456 3192
457 3199
458 3206
459 3213
460 3220
461 3227
462 3234
463 3241
464 3248
465 3255
466 3262
467 3269
468 3276
469 3283
470 3290
471 3297
472 3304
473 3311
474 3318
475 3325
476 3332
477 3339
478 3346
479 3353
480 3360
481 3367
482 3374
483 3381
484 3388
485 3395
486 3402
487 3409
488 3416
489 3423
490 3430
491 3437
492 3444
493 3451
494 3458
495 3465
496 3472
497 3479
498 3486
499 3493
500 3500
501 3507
502 3514
503 3521
504 3528
505 3535
506 3542
507 3549
508 3556
509 3563
510 3570
511 3577
512 3584
513 3591
514 3598
515 3605
516 3612
517 3619
518 3626
519 3633
520 3640
TIPO DE MUESTREO: Sistemático

tomando aleatoriamente un número i, que designará, en una lista o población de N elementos, al

ero que va a formar parte de la muestra.

ento de la población)

ada 5 elementos
eatorio entre 1 y K.
o aleatorio como valor para que no este cambiando

sde 1 hasta n

l número que encontró entre 1 y K, es decir el que corresponde al valor fijo

van a conformar su muestra, recuerde que es importante mantener la constante K

iables de la población

ción!$B$12:$O$2961;2;0) esto es para que no tenga que pasar manualmente la información de la

n la muestra. El número 2, corresponde a la columna de la variable, en este caso Tipo de Articulo

Edad sisben Sexo Tipo de contagio

19
23
34
24
16
61
26
33
55
50
13
50
31
55
40
61
26
26
36
34
42
56
26
51
25
54
62
59
34
51
65
34
36
30
22
9
35
42
1
36
26
68
29
21
72
34
51
64
45
83
34
46
78
77
8
31
24
27
58
83
44
61
58
75
69
26
43
62
38
24
27
35
31
44
49
43
46
48
28
35
51
22
38
59
27
15
14
49
37
31
64
39
23
38
36
54
41
55
29
40
28
36
62
34
40
35
84
52
27
8
34
43
28
49
53
47
1
58
33
23
40
35
24
35
52
33
43
29
69
54
28
52
58
49
54
26
70
63
33
53
37
14
32
23
57
22
37
29
31
37
25
38
30
46
66
6
42
32
42
36
46
28
33
64
69
30
32
60
43
41
28
20
32
 46
14
19
67
58
63
71
51
15
34
45
40
68
101
23
25
29
83
35
47
45
40
35
20
45
71
29
29
22
25
21
31
39
40
21
22
38
26
67
3
33
24
20
10
9
14
55
35
37
43
22
26
41
56
47
27
35
34
26
36
29
65
51
22
78
41
69
9
28
78
42
16
56
28
25
39
67
24
45
55
36
64
32
52
37
11
24
46
19
24
57
50
12
22
40
28
10
42
59
70
50
37
67
21
23
34
23
51
34
14
43
33
48
45
41
48
31
42
45
87
23
59
87
81
25
68
27
28
65
22
70
13
20
39
38
21
38
83
12
89
48
41
23
82
33
61
54
53
2
44
76
10
21
26
28
30
34
37
42
46
49
53
59
70
1
6
9
14
17
18
20
22
23
24
25
26
27
28
29
30
32
33
34
35
36
38
40
42
43
45
47
49
51
53
54
55
58
60
62
69
74
88
5
11
17
19
21
23
24
25
25
26
27
27
28
29
30
30
31
32
32
33
34
35
35
36
37
38
39
40
41
42
43
44
45
47
48
49
50
51
52
54
56
57
59
60
62
64
67
72
74
82
33
3
5
8
10
13
15
17
19
20
22
23
28
32
39
29
51
56
49
28
29
43
71
57
25
32
43
19
25
10
19
66
75
42
21
79
50
23
23
36
13
28
22
24
15
37
34
46
31
67
24
20
39
28
50
27
29
36
40
26
37
15
28
40
26
22
25
31
21
29
53
31
29
31
19
55
61
40
45
27
45
34
35
27
34
23
22
46
37
25
38
48
9
59
4
Nota: Solo se emplea este muestreo para n<50%, si n>50% se debe de proceder a realizar un mu
simple.

Ubicación del caso Estado Personas que convive

% se debe de proceder a realizar un muestreo aleatorio
e.

Tipo de Temperatura del

satisfacción de atención EPS Estado del paciente Tiempo del virus prueba paciente
 TIPO DE MUESTREO: Sistemático

Muestreo en que los n elementos de la muestra se seleccionan tomando aleatoriamente un númer

primero que va a formar parte de la mue

Características:

1) Una lista completa de la población

2) La población ordenada y la muestra también estará ordenada
Esta es la forma o cada cuanto se selecciona un elemento
K= N/n
K= fracción sistemática (o cada cuanto se toma el elemento de la población)
N= Tamaño de la población
n= Tamaño de la muestra (Calculado ya anteriormente)

K= 1.0630387
N= 4000
n= 3763
K= 1 se redondea

K= 1.0630 Seleccione la muestra cada 5 elementos

Alea= 1 Se escoge un número aleatorio entre 1 y K.
Fijo= 1 Copie y pegue el número aleatorio como valor para que no e

1) Rellene una columna que empiece desde 1 hasta n

2) Luego, empieze la 2da columna con el número que encontró entre 1 y K,

LISTO! Esta es la lista de personas que van a conformar su muestra, recuer

3) Copie y pegue los nombres de las variables de la población

4) Use la función =BUSCARV(C36;Población!$B$12:$O$2961;2;0) esto es p

cantidad de elementos que va a incluir en la muestra. El número 2, correspo

TOMA
CANTIDAD
MUESTRA
Tiempo entrega
de los resultados Región de residencia
1 1
 2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
10 10
11 11
12 12
13 13
14 14
15 15
16 16
17 17
18 18
19 19
20 20
21 21
22 22
23 23
24 24
25 25
26 26
27 27
28 28
29 29
30 30
31 31
32 32
33 33
34 34
35 35
36 36
37 37
38 38
39 39
40 40
41 41
42 42
43 43
44 44
45 45
46 46
47 47
48 48
49 49
50 50
51 51
52 52
53 53
54 54
55 55
56 56
57 57
58 58
59 59
60 60
61 61
62 62
63 63
64 64
65 65
66 66
67 67
68 68
69 69
70 70
71 71
72 72
73 73
74 74
75 75
76 76
77 77
78 78
79 79
80 80
81 81
82 82
83 83
84 84
85 85
86 86
87 87
88 88
89 89
90 90
91 91
92 92
93 93
94 94
95 95
96 96
97 97
98 98
99 99
100 100
101 101
102 102
103 103
104 104
105 105
106 106
107 107
108 108
109 109
110 110
111 111
112 112
113 113
114 114
115 115
116 116
117 117
118 118
119 119
120 120
121 121
122 122
123 123
124 124
125 125
126 126
127 127
128 128
129 129
130 130
131 131
132 132
133 133
134 134
135 135
136 136
137 137
138 138
139 139
140 140
141 141
142 142
143 143
144 144
145 145
146 146
147 147
148 148
149 149
150 150
151 151
152 152
153 153
154 154
155 155
156 156
157 157
158 158
159 159
160 160
161 161
162 162
163 163
164 164
165 165
166 166
167 167
168 168
169 169
170 170
171 171
172 172
173 173
174 174
175 175
176 176
177 177
178 178
179 179
180 180
181 181
182 182
183 183
184 184
185 185
186 186
187 187
188 188
189 189
190 190
191 191
192 192
193 193
194 194
195 195
196 196
197 197
198 198
199 199
200 200
201 201
202 202
203 203
204 204
205 205
206 206
207 207
208 208
209 209
210 210
211 211
212 212
213 213
214 214
215 215
216 216
217 217
218 218
219 219
220 220
221 221
222 222
223 223
224 224
225 225
226 226
227 227
228 228
229 229
230 230
231 231
232 232
233 233
234 234
235 235
236 236
237 237
238 238
239 239
240 240
241 241
242 242
243 243
244 244
245 245
246 246
247 247
248 248
249 249
250 250
251 251
252 252
253 253
254 254
255 255
256 256
257 257
258 258
259 259
260 260
261 261
262 262
263 263
264 264
265 265
266 266
267 267
268 268
269 269
270 270
271 271
272 272
273 273
274 274
275 275
276 276
277 277
278 278
279 279
280 280
281 281
282 282
283 283
284 284
285 285
286 286
287 287
288 288
289 289
290 290
291 291
292 292
293 293
294 294
295 295
296 296
297 297
298 298
299 299
300 300
301 301
302 302
303 303
304 304
305 305
306 306
307 307
308 308
309 309
310 310
311 311
312 312
313 313
314 314
315 315
316 316
317 317
318 318
319 319
320 320
321 321
322 322
323 323
324 324
325 325
326 326
327 327
328 328
329 329
330 330
331 331
332 332
333 333
334 334
335 335
336 336
337 337
338 338
339 339
340 340
341 341
342 342
343 343
344 344
345 345
346 346
347 347
348 348
349 349
350 350
351 351
352 352
353 353
354 354
355 355
356 356
357 357
358 358
359 359
360 360
361 361
362 362
363 363
364 364
365 365
366 366
367 367
368 368
369 369
370 370
371 371
372 372
373 373
374 374
375 375
376 376
377 377
378 378
379 379
380 380
381 381
382 382
383 383
384 384
385 385
386 386
387 387
388 388
389 389
390 390
391 391
392 392
393 393
394 394
395 395
396 396
397 397
398 398
399 399
400 400
401 401
402 402
403 403
404 404
405 405
406 406
407 407
408 408
409 409
410 410
411 411
412 412
413 413
414 414
415 415
416 416
417 417
418 418
419 419
420 420
421 421
422 422
423 423
424 424
425 425
426 426
427 427
428 428
429 429
430 430
431 431
432 432
433 433
434 434
435 435
436 436
437 437
438 438
439 439
440 440
441 441
442 442
443 443
444 444
445 445
446 446
447 447
448 448
449 449
450 450
451 451
452 452
453 453
454 454
455 455
456 456
457 457
458 458
459 459
460 460
461 461
462 462
463 463
464 464
465 465
466 466
467 467
468 468
469 469
470 470
471 471
472 472
473 473
474 474
475 475
476 476
477 477
478 478
479 479
480 480
481 481
482 482
483 483
484 484
485 485
486 486
487 487
488 488
489 489
490 490
491 491
492 492
493 493
494 494
495 495
496 496
497 497
498 498
499 499
500 500
501 501
502 502
503 503
504 504
505 505
506 506
507 507
508 508
509 509
510 510
511 511
512 512
513 513
514 514
515 515
516 516
517 517
518 518
519 519
520 520
521 521
522 522
523 523
524 524
525 525
526 526
527 527
528 528
529 529
530 530
531 531
532 532
533 533
534 534
535 535
536 536
537 537
538 538
539 539
540 540
541 541
542 542
543 543
544 544
545 545
546 546
547 547
548 548
549 549
550 550
551 551
552 552
553 553
554 554
555 555
556 556
557 557
558 558
559 559
560 560
561 561
562 562
563 563
564 564
565 565
566 566
567 567
568 568
569 569
570 570
571 571
572 572
573 573
574 574
575 575
576 576
577 577
578 578
579 579
580 580
581 581
582 582
583 583
584 584
585 585
586 586
587 587
588 588
589 589
590 590
591 591
592 592
593 593
594 594
595 595
596 596
597 597
598 598
599 599
600 600
601 601
602 602
603 603
604 604
605 605
606 606
607 607
608 608
609 609
610 610
611 611
612 612
613 613
614 614
615 615
616 616
617 617
618 618
619 619
620 620
621 621
622 622
623 623
624 624
625 625
626 626
627 627
628 628
629 629
630 630
631 631
632 632
633 633
634 634
635 635
636 636
637 637
638 638
639 639
640 640
641 641
642 642
643 643
644 644
645 645
646 646
647 647
648 648
649 649
650 650
651 651
652 652
653 653
654 654
655 655
656 656
657 657
658 658
659 659
660 660
661 661
662 662
663 663
664 664
665 665
666 666
667 667
668 668
669 669
670 670
671 671
672 672
673 673
674 674
675 675
676 676
677 677
678 678
679 679
680 680
681 681
682 682
683 683
684 684
685 685
686 686
687 687
688 688
689 689
690 690
691 691
692 692
693 693
694 694
695 695
696 696
697 697
698 698
699 699
700 700
701 701
702 702
703 703
704 704
705 705
706 706
707 707
708 708
709 709
710 710
711 711
712 712
713 713
714 714
715 715
716 716
717 717
718 718
719 719
720 720
721 721
722 722
723 723
724 724
725 725
726 726
727 727
728 728
729 729
730 730
731 731
732 732
733 733
734 734
735 735
736 736
737 737
738 738
739 739
740 740
741 741
742 742
743 743
744 744
745 745
746 746
747 747
748 748
749 749
750 750
751 751
752 752
753 753
754 754
755 755
756 756
757 757
758 758
759 759
760 760
761 761
762 762
763 763
764 764
765 765
766 766
767 767
768 768
769 769
770 770
771 771
772 772
773 773
774 774
775 775
776 776
777 777
778 778
779 779
780 780
781 781
782 782
783 783
784 784
785 785
786 786
787 787
788 788
789 789
790 790
791 791
792 792
793 793
794 794
795 795
796 796
797 797
798 798
799 799
800 800
801 801
802 802
803 803
804 804
805 805
806 806
807 807
808 808
809 809
810 810
811 811
812 812
813 813
814 814
815 815
816 816
817 817
818 818
819 819
820 820
821 821
822 822
823 823
824 824
825 825
826 826
827 827
828 828
829 829
830 830
831 831
832 832
833 833
834 834
835 835
836 836
837 837
838 838
839 839
840 840
841 841
842 842
843 843
844 844
845 845
846 846
847 847
848 848
849 849
850 850
851 851
852 852
853 853
854 854
855 855
856 856
857 857
858 858
859 859
860 860
861 861
862 862
863 863
864 864
865 865
866 866
867 867
868 868
869 869
870 870
871 871
872 872
873 873
874 874
875 875
876 876
877 877
878 878
879 879
880 880
881 881
882 882
883 883
884 884
885 885
886 886
887 887
888 888
889 889
890 890
891 891
892 892
893 893
894 894
895 895
896 896
897 897
898 898
899 899
900 900
901 901
902 902
903 903
904 904
905 905
906 906
907 907
908 908
909 909
910 910
911 911
912 912
913 913
914 914
915 915
916 916
917 917
918 918
919 919
920 920
921 921
922 922
923 923
924 924
925 925
926 926
927 927
928 928
929 929
930 930
931 931
932 932
933 933
934 934
935 935
936 936
937 937
938 938
939 939
940 940
941 941
942 942
943 943
944 944
945 945
946 946
947 947
948 948
949 949
950 950
951 951
952 952
953 953
954 954
955 955
956 956
957 957
958 958
959 959
960 960
961 961
962 962
963 963
964 964
965 965
966 966
967 967
968 968
969 969
970 970
971 971
972 972
973 973
974 974
975 975
976 976
977 977
978 978
979 979
980 980
 981 981
982 982
983 983
984 984
985 985
986 986
987 987
988 988
989 989
990 990
991 991
992 992
993 993
994 994
995 995
996 996
997 997
998 998
999 999
1000 1000
1001 1001
1002 1002
1003 1003
1004 1004
1005 1005
1006 1006
1007 1007
1008 1008
1009 1009
1010 1010
1011 1011
1012 1012
1013 1013
1014 1014
1015 1015
1016 1016
1017 1017
1018 1018
1019 1019
1020 1020
1021 1021
1022 1022
1023 1023
1024 1024
1025 1025
1026 1026
1027 1027
1028 1028
1029 1029
1030 1030
1031 1031
1032 1032
1033 1033
1034 1034
1035 1035
1036 1036
1037 1037
1038 1038
1039 1039
1040 1040
1041 1041
1042 1042
1043 1043
1044 1044
1045 1045
1046 1046
1047 1047
1048 1048
1049 1049
1050 1050
1051 1051
1052 1052
1053 1053
1054 1054
1055 1055
1056 1056
1057 1057
1058 1058
1059 1059
1060 1060
1061 1061
1062 1062
1063 1063
1064 1064
1065 1065
1066 1066
1067 1067
1068 1068
1069 1069
1070 1070
1071 1071
1072 1072
1073 1073
1074 1074
1075 1075
1076 1076
1077 1077
1078 1078
1079 1079
1080 1080
1081 1081
1082 1082
1083 1083
1084 1084
1085 1085
1086 1086
1087 1087
1088 1088
1089 1089
1090 1090
1091 1091
1092 1092
1093 1093
1094 1094
1095 1095
1096 1096
1097 1097
1098 1098
1099 1099
1100 1100
1101 1101
1102 1102
1103 1103
1104 1104
1105 1105
1106 1106
1107 1107
1108 1108
1109 1109
1110 1110
1111 1111
1112 1112
1113 1113
1114 1114
1115 1115
1116 1116
1117 1117
1118 1118
1119 1119
1120 1120
1121 1121
1122 1122
1123 1123
1124 1124
1125 1125
1126 1126
1127 1127
1128 1128
1129 1129
1130 1130
1131 1131
1132 1132
1133 1133
1134 1134
1135 1135
1136 1136
1137 1137
1138 1138
1139 1139
1140 1140
1141 1141
1142 1142
1143 1143
1144 1144
1145 1145
1146 1146
1147 1147
1148 1148
1149 1149
1150 1150
1151 1151
1152 1152
1153 1153
1154 1154
1155 1155
1156 1156
1157 1157
1158 1158
1159 1159
1160 1160
1161 1161
1162 1162
1163 1163
1164 1164
1165 1165
1166 1166
1167 1167
1168 1168
1169 1169
1170 1170
1171 1171
1172 1172
1173 1173
1174 1174
1175 1175
1176 1176
1177 1177
1178 1178
1179 1179
1180 1180
1181 1181
1182 1182
1183 1183
1184 1184
1185 1185
1186 1186
1187 1187
1188 1188
1189 1189
1190 1190
1191 1191
1192 1192
1193 1193
1194 1194
1195 1195
1196 1196
1197 1197
1198 1198
1199 1199
1200 1200
1201 1201
1202 1202
1203 1203
1204 1204
1205 1205
1206 1206
1207 1207
1208 1208
1209 1209
1210 1210
1211 1211
1212 1212
1213 1213
1214 1214
1215 1215
1216 1216
1217 1217
1218 1218
1219 1219
1220 1220
1221 1221
1222 1222
1223 1223
1224 1224
1225 1225
1226 1226
1227 1227
1228 1228
1229 1229
1230 1230
1231 1231
1232 1232
1233 1233
1234 1234
1235 1235
1236 1236
1237 1237
1238 1238
1239 1239
1240 1240
1241 1241
1242 1242
1243 1243
1244 1244
1245 1245
1246 1246
1247 1247
1248 1248
1249 1249
1250 1250
1251 1251
1252 1252
1253 1253
1254 1254
1255 1255
1256 1256
1257 1257
1258 1258
1259 1259
1260 1260
1261 1261
1262 1262
1263 1263
1264 1264
1265 1265
1266 1266
1267 1267
1268 1268
1269 1269
1270 1270
1271 1271
1272 1272
1273 1273
1274 1274
1275 1275
1276 1276
1277 1277
1278 1278
1279 1279
1280 1280
1281 1281
1282 1282
1283 1283
1284 1284
1285 1285
1286 1286
1287 1287
1288 1288
1289 1289
1290 1290
1291 1291
1292 1292
1293 1293
1294 1294
1295 1295
1296 1296
1297 1297
1298 1298
1299 1299
1300 1300
1301 1301
1302 1302
1303 1303
1304 1304
1305 1305
1306 1306
1307 1307
1308 1308
1309 1309
1310 1310
1311 1311
1312 1312
1313 1313
1314 1314
1315 1315
1316 1316
1317 1317
1318 1318
1319 1319
1320 1320
1321 1321
1322 1322
1323 1323
1324 1324
1325 1325
1326 1326
1327 1327
1328 1328
1329 1329
1330 1330
1331 1331
1332 1332
1333 1333
1334 1334
1335 1335
1336 1336
1337 1337
1338 1338
1339 1339
1340 1340
1341 1341
1342 1342
1343 1343
1344 1344
1345 1345
1346 1346
1347 1347
1348 1348
1349 1349
1350 1350
1351 1351
1352 1352
1353 1353
1354 1354
1355 1355
1356 1356
1357 1357
1358 1358
1359 1359
1360 1360
1361 1361
1362 1362
1363 1363
1364 1364
1365 1365
1366 1366
1367 1367
1368 1368
1369 1369
1370 1370
1371 1371
1372 1372
1373 1373
1374 1374
1375 1375
1376 1376
1377 1377
1378 1378
1379 1379
1380 1380
1381 1381
1382 1382
1383 1383
1384 1384
1385 1385
1386 1386
1387 1387
1388 1388
1389 1389
1390 1390
1391 1391
1392 1392
1393 1393
1394 1394
1395 1395
1396 1396
1397 1397
1398 1398
1399 1399
1400 1400
1401 1401
1402 1402
1403 1403
1404 1404
1405 1405
1406 1406
1407 1407
1408 1408
1409 1409
1410 1410
1411 1411
1412 1412
1413 1413
1414 1414
1415 1415
1416 1416
1417 1417
1418 1418
1419 1419
1420 1420
1421 1421
1422 1422
1423 1423
1424 1424
1425 1425
1426 1426
1427 1427
1428 1428
1429 1429
1430 1430
1431 1431
1432 1432
1433 1433
1434 1434
1435 1435
1436 1436
1437 1437
1438 1438
1439 1439
1440 1440
1441 1441
1442 1442
1443 1443
1444 1444
1445 1445
1446 1446
1447 1447
1448 1448
1449 1449
1450 1450
1451 1451
1452 1452
1453 1453
1454 1454
1455 1455
1456 1456
1457 1457
1458 1458
1459 1459
1460 1460
1461 1461
1462 1462
1463 1463
1464 1464
1465 1465
1466 1466
1467 1467
1468 1468
1469 1469
1470 1470
1471 1471
1472 1472
1473 1473
1474 1474
1475 1475
1476 1476
1477 1477
1478 1478
1479 1479
1480 1480
1481 1481
1482 1482
1483 1483
1484 1484
1485 1485
1486 1486
1487 1487
1488 1488
1489 1489
1490 1490
1491 1491
1492 1492
1493 1493
1494 1494
1495 1495
1496 1496
1497 1497
1498 1498
1499 1499
1500 1500
1501 1501
1502 1502
1503 1503
1504 1504
1505 1505
1506 1506
1507 1507
1508 1508
1509 1509
1510 1510
1511 1511
1512 1512
1513 1513
1514 1514
1515 1515
1516 1516
1517 1517
1518 1518
1519 1519
1520 1520
1521 1521
1522 1522
1523 1523
1524 1524
1525 1525
1526 1526
1527 1527
1528 1528
1529 1529
1530 1530
1531 1531
1532 1532
1533 1533
1534 1534
1535 1535
1536 1536
1537 1537
1538 1538
1539 1539
1540 1540
1541 1541
1542 1542
1543 1543
1544 1544
1545 1545
1546 1546
1547 1547
1548 1548
1549 1549
1550 1550
1551 1551
1552 1552
1553 1553
1554 1554
1555 1555
1556 1556
1557 1557
1558 1558
1559 1559
1560 1560
1561 1561
1562 1562
1563 1563
1564 1564
1565 1565
1566 1566
1567 1567
1568 1568
1569 1569
1570 1570
1571 1571
1572 1572
1573 1573
1574 1574
1575 1575
1576 1576
1577 1577
1578 1578
1579 1579
1580 1580
1581 1581
1582 1582
1583 1583
1584 1584
1585 1585
1586 1586
1587 1587
1588 1588
1589 1589
1590 1590
1591 1591
1592 1592
1593 1593
1594 1594
1595 1595
1596 1596
1597 1597
1598 1598
1599 1599
1600 1600
1601 1601
1602 1602
1603 1603
1604 1604
1605 1605
1606 1606
1607 1607
1608 1608
1609 1609
1610 1610
1611 1611
1612 1612
1613 1613
1614 1614
1615 1615
1616 1616
1617 1617
1618 1618
1619 1619
1620 1620
1621 1621
1622 1622
1623 1623
1624 1624
1625 1625
1626 1626
1627 1627
1628 1628
1629 1629
1630 1630
1631 1631
1632 1632
1633 1633
1634 1634
1635 1635
1636 1636
1637 1637
1638 1638
1639 1639
1640 1640
1641 1641
1642 1642
1643 1643
1644 1644
1645 1645
1646 1646
1647 1647
1648 1648
1649 1649
1650 1650
1651 1651
1652 1652
1653 1653
1654 1654
1655 1655
1656 1656
1657 1657
1658 1658
1659 1659
1660 1660
1661 1661
1662 1662
1663 1663
1664 1664
1665 1665
1666 1666
1667 1667
1668 1668
1669 1669
1670 1670
1671 1671
1672 1672
1673 1673
1674 1674
1675 1675
1676 1676
1677 1677
1678 1678
1679 1679
1680 1680
1681 1681
1682 1682
1683 1683
1684 1684
1685 1685
1686 1686
1687 1687
1688 1688
1689 1689
1690 1690
1691 1691
1692 1692
1693 1693
1694 1694
1695 1695
1696 1696
1697 1697
1698 1698
1699 1699
1700 1700
1701 1701
1702 1702
1703 1703
1704 1704
1705 1705
1706 1706
1707 1707
1708 1708
1709 1709
1710 1710
1711 1711
1712 1712
1713 1713
1714 1714
1715 1715
1716 1716
1717 1717
1718 1718
1719 1719
1720 1720
1721 1721
1722 1722
1723 1723
1724 1724
1725 1725
1726 1726
1727 1727
1728 1728
1729 1729
1730 1730
1731 1731
1732 1732
1733 1733
1734 1734
1735 1735
1736 1736
1737 1737
1738 1738
1739 1739
1740 1740
1741 1741
1742 1742
1743 1743
1744 1744
1745 1745
1746 1746
1747 1747
1748 1748
1749 1749
1750 1750
1751 1751
1752 1752
1753 1753
1754 1754
1755 1755
1756 1756
1757 1757
1758 1758
1759 1759
1760 1760
1761 1761
1762 1762
1763 1763
1764 1764
1765 1765
1766 1766
1767 1767
1768 1768
1769 1769
1770 1770
1771 1771
1772 1772
1773 1773
1774 1774
1775 1775
1776 1776
1777 1777
1778 1778
1779 1779
1780 1780
1781 1781
1782 1782
1783 1783
1784 1784
1785 1785
1786 1786
1787 1787
1788 1788
1789 1789
1790 1790
1791 1791
1792 1792
1793 1793
1794 1794
1795 1795
1796 1796
1797 1797
1798 1798
1799 1799
1800 1800
1801 1801
1802 1802
1803 1803
1804 1804
1805 1805
1806 1806
1807 1807
1808 1808
1809 1809
1810 1810
1811 1811
1812 1812
1813 1813
1814 1814
1815 1815
1816 1816
1817 1817
1818 1818
1819 1819
1820 1820
1821 1821
1822 1822
1823 1823
1824 1824
1825 1825
1826 1826
1827 1827
1828 1828
1829 1829
1830 1830
1831 1831
1832 1832
1833 1833
1834 1834
1835 1835
1836 1836
1837 1837
1838 1838
1839 1839
1840 1840
1841 1841
1842 1842
1843 1843
1844 1844
1845 1845
1846 1846
1847 1847
1848 1848
1849 1849
1850 1850
1851 1851
1852 1852
1853 1853
1854 1854
1855 1855
1856 1856
1857 1857
1858 1858
1859 1859
1860 1860
1861 1861
1862 1862
1863 1863
1864 1864
1865 1865
1866 1866
1867 1867
1868 1868
1869 1869
1870 1870
1871 1871
1872 1872
1873 1873
1874 1874
1875 1875
1876 1876
1877 1877
1878 1878
1879 1879
1880 1880
1881 1881
1882 1882
1883 1883
1884 1884
1885 1885
1886 1886
1887 1887
1888 1888
1889 1889
1890 1890
1891 1891
1892 1892
1893 1893
1894 1894
1895 1895
1896 1896
1897 1897
1898 1898
1899 1899
1900 1900
1901 1901
1902 1902
1903 1903
1904 1904
1905 1905
1906 1906
1907 1907
1908 1908
1909 1909
1910 1910
1911 1911
1912 1912
1913 1913
1914 1914
1915 1915
1916 1916
1917 1917
1918 1918
1919 1919
1920 1920
1921 1921
1922 1922
1923 1923
1924 1924
1925 1925
1926 1926
1927 1927
1928 1928
1929 1929
1930 1930
1931 1931
1932 1932
1933 1933
1934 1934
1935 1935
1936 1936
1937 1937
1938 1938
1939 1939
1940 1940
1941 1941
1942 1942
1943 1943
1944 1944
1945 1945
1946 1946
1947 1947
1948 1948
1949 1949
1950 1950
1951 1951
1952 1952
1953 1953
1954 1954
1955 1955
1956 1956
1957 1957
1958 1958
1959 1959
1960 1960
1961 1961
1962 1962
1963 1963
1964 1964
1965 1965
1966 1966
1967 1967
1968 1968
1969 1969
1970 1970
1971 1971
1972 1972
1973 1973
1974 1974
1975 1975
1976 1976
1977 1977
1978 1978
1979 1979
1980 1980
1981 1981
1982 1982
1983 1983
1984 1984
1985 1985
1986 1986
1987 1987
1988 1988
1989 1989
1990 1990
1991 1991
1992 1992
1993 1993
1994 1994
1995 1995
1996 1996
1997 1997
1998 1998
1999 1999
2000 2000
2001 2001
2002 2002
2003 2003
2004 2004
2005 2005
2006 2006
2007 2007
2008 2008
2009 2009
2010 2010
2011 2011
2012 2012
2013 2013
2014 2014
2015 2015
2016 2016
2017 2017
2018 2018
2019 2019
2020 2020
2021 2021
2022 2022
2023 2023
2024 2024
2025 2025
2026 2026
2027 2027
2028 2028
2029 2029
2030 2030
2031 2031
2032 2032
2033 2033
2034 2034
2035 2035
2036 2036
2037 2037
2038 2038
2039 2039
2040 2040
2041 2041
2042 2042
2043 2043
2044 2044
2045 2045
2046 2046
2047 2047
2048 2048
2049 2049
2050 2050
2051 2051
2052 2052
2053 2053
2054 2054
2055 2055
2056 2056
2057 2057
2058 2058
2059 2059
2060 2060
2061 2061
2062 2062
2063 2063
2064 2064
2065 2065
2066 2066
2067 2067
2068 2068
2069 2069
2070 2070
2071 2071
2072 2072
2073 2073
2074 2074
2075 2075
2076 2076
2077 2077
2078 2078
2079 2079
2080 2080
2081 2081
2082 2082
2083 2083
2084 2084
2085 2085
2086 2086
2087 2087
2088 2088
2089 2089
2090 2090
2091 2091
2092 2092
2093 2093
2094 2094
2095 2095
2096 2096
2097 2097
2098 2098
2099 2099
2100 2100
2101 2101
2102 2102
2103 2103
2104 2104
2105 2105
2106 2106
2107 2107
2108 2108
2109 2109
2110 2110
2111 2111
2112 2112
2113 2113
2114 2114
2115 2115
2116 2116
2117 2117
2118 2118
2119 2119
2120 2120
2121 2121
2122 2122
2123 2123
2124 2124
2125 2125
2126 2126
2127 2127
2128 2128
2129 2129
2130 2130
2131 2131
2132 2132
2133 2133
2134 2134
2135 2135
2136 2136
2137 2137
2138 2138
2139 2139
2140 2140
2141 2141
2142 2142
2143 2143
2144 2144
2145 2145
2146 2146
2147 2147
2148 2148
2149 2149
2150 2150
2151 2151
2152 2152
2153 2153
2154 2154
2155 2155
2156 2156
2157 2157
2158 2158
2159 2159
2160 2160
2161 2161
2162 2162
2163 2163
2164 2164
2165 2165
2166 2166
2167 2167
2168 2168
2169 2169
2170 2170
2171 2171
2172 2172
2173 2173
2174 2174
2175 2175
2176 2176
2177 2177
2178 2178
2179 2179
2180 2180
2181 2181
2182 2182
2183 2183
2184 2184
2185 2185
2186 2186
2187 2187
2188 2188
2189 2189
2190 2190
2191 2191
2192 2192
2193 2193
2194 2194
2195 2195
2196 2196
2197 2197
2198 2198
2199 2199
2200 2200
2201 2201
2202 2202
2203 2203
2204 2204
2205 2205
2206 2206
2207 2207
2208 2208
2209 2209
2210 2210
2211 2211
2212 2212
2213 2213
2214 2214
2215 2215
2216 2216
2217 2217
2218 2218
2219 2219
2220 2220
2221 2221
2222 2222
2223 2223
2224 2224
2225 2225
2226 2226
2227 2227
2228 2228
2229 2229
2230 2230
2231 2231
2232 2232
2233 2233
2234 2234
2235 2235
2236 2236
2237 2237
2238 2238
2239 2239
2240 2240
2241 2241
2242 2242
2243 2243
2244 2244
2245 2245
2246 2246
2247 2247
2248 2248
2249 2249
2250 2250
2251 2251
2252 2252
2253 2253
2254 2254
2255 2255
2256 2256
2257 2257
2258 2258
2259 2259
2260 2260
2261 2261
2262 2262
2263 2263
2264 2264
2265 2265
2266 2266
2267 2267
2268 2268
2269 2269
2270 2270
2271 2271
2272 2272
2273 2273
2274 2274
2275 2275
2276 2276
2277 2277
2278 2278
2279 2279
2280 2280
2281 2281
2282 2282
2283 2283
2284 2284
2285 2285
2286 2286
2287 2287
2288 2288
2289 2289
2290 2290
2291 2291
2292 2292
2293 2293
2294 2294
2295 2295
2296 2296
2297 2297
2298 2298
2299 2299
2300 2300
2301 2301
2302 2302
2303 2303
2304 2304
2305 2305
2306 2306
2307 2307
2308 2308
2309 2309
2310 2310
2311 2311
2312 2312
2313 2313
2314 2314
2315 2315
2316 2316
2317 2317
2318 2318
2319 2319
2320 2320
2321 2321
2322 2322
2323 2323
2324 2324
2325 2325
2326 2326
2327 2327
2328 2328
2329 2329
2330 2330
2331 2331
2332 2332
2333 2333
2334 2334
2335 2335
2336 2336
2337 2337
2338 2338
2339 2339
2340 2340
2341 2341
2342 2342
2343 2343
2344 2344
2345 2345
2346 2346
2347 2347
2348 2348
2349 2349
2350 2350
2351 2351
2352 2352
2353 2353
2354 2354
2355 2355
2356 2356
2357 2357
2358 2358
2359 2359
2360 2360
2361 2361
2362 2362
2363 2363
2364 2364
2365 2365
2366 2366
2367 2367
2368 2368
2369 2369
2370 2370
2371 2371
2372 2372
2373 2373
2374 2374
2375 2375
2376 2376
2377 2377
2378 2378
2379 2379
2380 2380
2381 2381
2382 2382
2383 2383
2384 2384
2385 2385
2386 2386
2387 2387
2388 2388
2389 2389
2390 2390
2391 2391
2392 2392
2393 2393
2394 2394
2395 2395
2396 2396
2397 2397
2398 2398
2399 2399
2400 2400
2401 2401
2402 2402
2403 2403
2404 2404
2405 2405
2406 2406
2407 2407
2408 2408
2409 2409
2410 2410
2411 2411
2412 2412
2413 2413
2414 2414
2415 2415
2416 2416
2417 2417
2418 2418
2419 2419
2420 2420
2421 2421
2422 2422
2423 2423
2424 2424
2425 2425
2426 2426
2427 2427
2428 2428
2429 2429
2430 2430
2431 2431
2432 2432
2433 2433
2434 2434
2435 2435
2436 2436
2437 2437
2438 2438
2439 2439
2440 2440
2441 2441
2442 2442
2443 2443
2444 2444
2445 2445
2446 2446
2447 2447
2448 2448
2449 2449
2450 2450
2451 2451
2452 2452
2453 2453
2454 2454
2455 2455
2456 2456
2457 2457
2458 2458
2459 2459
2460 2460
2461 2461
2462 2462
2463 2463
2464 2464
2465 2465
2466 2466
2467 2467
2468 2468
2469 2469
2470 2470
2471 2471
2472 2472
2473 2473
2474 2474
2475 2475
2476 2476
2477 2477
2478 2478
2479 2479
2480 2480
2481 2481
2482 2482
2483 2483
2484 2484
2485 2485
2486 2486
2487 2487
2488 2488
2489 2489
2490 2490
2491 2491
2492 2492
2493 2493
2494 2494
2495 2495
2496 2496
2497 2497
2498 2498
2499 2499
2500 2500
2501 2501
2502 2502
2503 2503
2504 2504
2505 2505
2506 2506
2507 2507
2508 2508
2509 2509
2510 2510
2511 2511
2512 2512
2513 2513
2514 2514
2515 2515
2516 2516
2517 2517
2518 2518
2519 2519
2520 2520
2521 2521
2522 2522
2523 2523
2524 2524
2525 2525
2526 2526
2527 2527
2528 2528
2529 2529
2530 2530
2531 2531
2532 2532
2533 2533
2534 2534
2535 2535
2536 2536
2537 2537
2538 2538
2539 2539
2540 2540
2541 2541
2542 2542
2543 2543
2544 2544
2545 2545
2546 2546
2547 2547
2548 2548
2549 2549
2550 2550
2551 2551
2552 2552
2553 2553
2554 2554
2555 2555
2556 2556
2557 2557
2558 2558
2559 2559
2560 2560
2561 2561
2562 2562
2563 2563
2564 2564
2565 2565
2566 2566
2567 2567
2568 2568
2569 2569
2570 2570
2571 2571
2572 2572
2573 2573
2574 2574
2575 2575
2576 2576
2577 2577
2578 2578
2579 2579
2580 2580
2581 2581
2582 2582
2583 2583
2584 2584
2585 2585
2586 2586
2587 2587
2588 2588
2589 2589
2590 2590
2591 2591
2592 2592
2593 2593
2594 2594
2595 2595
2596 2596
2597 2597
2598 2598
2599 2599
2600 2600
2601 2601
2602 2602
2603 2603
2604 2604
2605 2605
2606 2606
2607 2607
2608 2608
2609 2609
2610 2610
2611 2611
2612 2612
2613 2613
2614 2614
2615 2615
2616 2616
2617 2617
2618 2618
2619 2619
2620 2620
2621 2621
2622 2622
2623 2623
2624 2624
2625 2625
2626 2626
2627 2627
2628 2628
2629 2629
2630 2630
2631 2631
2632 2632
2633 2633
2634 2634
2635 2635
2636 2636
2637 2637
2638 2638
2639 2639
2640 2640
2641 2641
2642 2642
2643 2643
2644 2644
2645 2645
2646 2646
2647 2647
2648 2648
2649 2649
2650 2650
2651 2651
2652 2652
2653 2653
2654 2654
2655 2655
2656 2656
2657 2657
2658 2658
2659 2659
2660 2660
2661 2661
2662 2662
2663 2663
2664 2664
2665 2665
2666 2666
2667 2667
2668 2668
2669 2669
2670 2670
2671 2671
2672 2672
2673 2673
2674 2674
2675 2675
2676 2676
2677 2677
2678 2678
2679 2679
2680 2680
2681 2681
2682 2682
2683 2683
2684 2684
2685 2685
2686 2686
2687 2687
2688 2688
2689 2689
2690 2690
2691 2691
2692 2692
2693 2693
2694 2694
2695 2695
2696 2696
2697 2697
2698 2698
2699 2699
2700 2700
2701 2701
2702 2702
2703 2703
2704 2704
2705 2705
2706 2706
2707 2707
2708 2708
2709 2709
2710 2710
2711 2711
2712 2712
2713 2713
2714 2714
2715 2715
2716 2716
2717 2717
2718 2718
2719 2719
2720 2720
2721 2721
2722 2722
2723 2723
2724 2724
2725 2725
2726 2726
2727 2727
2728 2728
2729 2729
2730 2730
2731 2731
2732 2732
2733 2733
2734 2734
2735 2735
2736 2736
2737 2737
2738 2738
2739 2739
2740 2740
2741 2741
2742 2742
2743 2743
2744 2744
2745 2745
2746 2746
2747 2747
2748 2748
2749 2749
2750 2750
2751 2751
2752 2752
2753 2753
2754 2754
2755 2755
2756 2756
2757 2757
2758 2758
2759 2759
2760 2760
2761 2761
2762 2762
2763 2763
2764 2764
2765 2765
2766 2766
2767 2767
2768 2768
2769 2769
2770 2770
2771 2771
2772 2772
2773 2773
2774 2774
2775 2775
2776 2776
2777 2777
2778 2778
2779 2779
2780 2780
2781 2781
2782 2782
2783 2783
2784 2784
2785 2785
2786 2786
2787 2787
2788 2788
2789 2789
2790 2790
2791 2791
2792 2792
2793 2793
2794 2794
2795 2795
2796 2796
2797 2797
2798 2798
2799 2799
2800 2800
2801 2801
2802 2802
2803 2803
2804 2804
2805 2805
2806 2806
2807 2807
2808 2808
2809 2809
2810 2810
2811 2811
2812 2812
2813 2813
2814 2814
2815 2815
2816 2816
2817 2817
2818 2818
2819 2819
2820 2820
2821 2821
2822 2822
2823 2823
2824 2824
2825 2825
2826 2826
2827 2827
2828 2828
2829 2829
2830 2830
2831 2831
2832 2832
2833 2833
2834 2834
2835 2835
2836 2836
2837 2837
2838 2838
2839 2839
2840 2840
2841 2841
2842 2842
2843 2843
2844 2844
2845 2845
2846 2846
2847 2847
2848 2848
2849 2849
2850 2850
2851 2851
2852 2852
2853 2853
2854 2854
2855 2855
2856 2856
2857 2857
2858 2858
2859 2859
2860 2860
2861 2861
2862 2862
2863 2863
2864 2864
2865 2865
2866 2866
2867 2867
2868 2868
2869 2869
2870 2870
2871 2871
2872 2872
2873 2873
2874 2874
2875 2875
2876 2876
2877 2877
2878 2878
2879 2879
2880 2880
2881 2881
2882 2882
2883 2883
2884 2884
2885 2885
2886 2886
2887 2887
2888 2888
2889 2889
2890 2890
2891 2891
2892 2892
2893 2893
2894 2894
2895 2895
2896 2896
2897 2897
2898 2898
2899 2899
2900 2900
2901 2901
2902 2902
2903 2903
2904 2904
2905 2905
2906 2906
2907 2907
2908 2908
2909 2909
2910 2910
2911 2911
2912 2912
2913 2913
2914 2914
2915 2915
2916 2916
2917 2917
2918 2918
2919 2919
2920 2920
2921 2921
2922 2922
2923 2923
2924 2924
2925 2925
2926 2926
2927 2927
2928 2928
2929 2929
2930 2930
2931 2931
2932 2932
2933 2933
2934 2934
2935 2935
2936 2936
2937 2937
2938 2938
2939 2939
2940 2940
2941 2941
2942 2942
2943 2943
2944 2944
2945 2945
2946 2946
2947 2947
2948 2948
2949 2949
2950 2950
2951 2951
2952 2952
2953 2953
2954 2954
2955 2955
2956 2956
2957 2957
2958 2958
2959 2959
2960 2960
2961 2961
2962 2962
2963 2963
2964 2964
2965 2965
2966 2966
2967 2967
2968 2968
2969 2969
2970 2970
2971 2971
2972 2972
2973 2973
2974 2974
2975 2975
2976 2976
2977 2977
2978 2978
2979 2979
2980 2980
2981 2981
2982 2982
2983 2983
2984 2984
2985 2985
2986 2986
2987 2987
2988 2988
2989 2989
2990 2990
2991 2991
2992 2992
2993 2993
2994 2994
2995 2995
2996 2996
2997 2997
2998 2998
2999 2999
3000 3000
3001 3001
3002 3002
3003 3003
3004 3004
3005 3005
3006 3006
3007 3007
3008 3008
3009 3009
3010 3010
3011 3011
3012 3012
3013 3013
3014 3014
3015 3015
3016 3016
3017 3017
3018 3018
3019 3019
3020 3020
3021 3021
3022 3022
3023 3023
3024 3024
3025 3025
3026 3026
3027 3027
3028 3028
3029 3029
3030 3030
3031 3031
3032 3032
3033 3033
3034 3034
3035 3035
3036 3036
3037 3037
3038 3038
3039 3039
3040 3040
3041 3041
3042 3042
3043 3043
3044 3044
3045 3045
3046 3046
3047 3047
3048 3048
3049 3049
3050 3050
3051 3051
3052 3052
3053 3053
3054 3054
3055 3055
3056 3056
3057 3057
3058 3058
3059 3059
3060 3060
3061 3061
3062 3062
3063 3063
3064 3064
3065 3065
3066 3066
3067 3067
3068 3068
3069 3069
3070 3070
3071 3071
3072 3072
3073 3073
3074 3074
3075 3075
3076 3076
3077 3077
3078 3078
3079 3079
3080 3080
3081 3081
3082 3082
3083 3083
3084 3084
3085 3085
3086 3086
3087 3087
3088 3088
3089 3089
3090 3090
3091 3091
3092 3092
3093 3093
3094 3094
3095 3095
3096 3096
3097 3097
3098 3098
3099 3099
3100 3100
3101 3101
3102 3102
3103 3103
3104 3104
3105 3105
3106 3106
3107 3107
3108 3108
3109 3109
3110 3110
3111 3111
3112 3112
3113 3113
3114 3114
3115 3115
3116 3116
3117 3117
3118 3118
3119 3119
3120 3120
3121 3121
3122 3122
3123 3123
3124 3124
3125 3125
3126 3126
3127 3127
3128 3128
3129 3129
3130 3130
3131 3131
3132 3132
3133 3133
3134 3134
3135 3135
3136 3136
3137 3137
3138 3138
3139 3139
3140 3140
3141 3141
3142 3142
3143 3143
3144 3144
3145 3145
3146 3146
3147 3147
3148 3148
3149 3149
3150 3150
3151 3151
3152 3152
3153 3153
3154 3154
3155 3155
3156 3156
3157 3157
3158 3158
3159 3159
3160 3160
3161 3161
3162 3162
3163 3163
3164 3164
3165 3165
3166 3166
3167 3167
3168 3168
3169 3169
3170 3170
3171 3171
3172 3172
3173 3173
3174 3174
3175 3175
3176 3176
3177 3177
3178 3178
3179 3179
3180 3180
3181 3181
3182 3182
3183 3183
3184 3184
3185 3185
3186 3186
3187 3187
3188 3188
3189 3189
3190 3190
3191 3191
3192 3192
3193 3193
3194 3194
3195 3195
3196 3196
3197 3197
3198 3198
3199 3199
3200 3200
3201 3201
3202 3202
3203 3203
3204 3204
3205 3205
3206 3206
3207 3207
3208 3208
3209 3209
3210 3210
3211 3211
3212 3212
3213 3213
3214 3214
3215 3215
3216 3216
3217 3217
3218 3218
3219 3219
3220 3220
3221 3221
3222 3222
3223 3223
3224 3224
3225 3225
3226 3226
3227 3227
3228 3228
3229 3229
3230 3230
3231 3231
3232 3232
3233 3233
3234 3234
3235 3235
3236 3236
3237 3237
3238 3238
3239 3239
3240 3240
3241 3241
3242 3242
3243 3243
3244 3244
3245 3245
3246 3246
3247 3247
3248 3248
3249 3249
3250 3250
3251 3251
3252 3252
3253 3253
3254 3254
3255 3255
3256 3256
3257 3257
3258 3258
3259 3259
3260 3260
3261 3261
3262 3262
3263 3263
3264 3264
3265 3265
3266 3266
3267 3267
3268 3268
3269 3269
3270 3270
3271 3271
3272 3272
3273 3273
3274 3274
3275 3275
3276 3276
3277 3277
3278 3278
3279 3279
3280 3280
3281 3281
3282 3282
3283 3283
3284 3284
3285 3285
3286 3286
3287 3287
3288 3288
3289 3289
3290 3290
3291 3291
3292 3292
3293 3293
3294 3294
3295 3295
3296 3296
3297 3297
3298 3298
3299 3299
3300 3300
3301 3301
3302 3302
3303 3303
3304 3304
3305 3305
3306 3306
3307 3307
3308 3308
3309 3309
3310 3310
3311 3311
3312 3312
3313 3313
3314 3314
3315 3315
3316 3316
3317 3317
3318 3318
3319 3319
3320 3320
3321 3321
3322 3322
3323 3323
3324 3324
3325 3325
3326 3326
3327 3327
3328 3328
3329 3329
3330 3330
3331 3331
3332 3332
3333 3333
3334 3334
3335 3335
3336 3336
3337 3337
3338 3338
3339 3339
3340 3340
3341 3341
3342 3342
3343 3343
3344 3344
3345 3345
3346 3346
3347 3347
3348 3348
3349 3349
3350 3350
3351 3351
3352 3352
3353 3353
3354 3354
3355 3355
3356 3356
3357 3357
3358 3358
3359 3359
3360 3360
3361 3361
3362 3362
3363 3363
3364 3364
3365 3365
3366 3366
3367 3367
3368 3368
3369 3369
3370 3370
3371 3371
3372 3372
3373 3373
3374 3374
3375 3375
3376 3376
3377 3377
3378 3378
3379 3379
3380 3380
3381 3381
3382 3382
3383 3383
3384 3384
3385 3385
3386 3386
3387 3387
3388 3388
3389 3389
3390 3390
3391 3391
3392 3392
3393 3393
3394 3394
3395 3395
3396 3396
3397 3397
3398 3398
3399 3399
3400 3400
3401 3401
3402 3402
3403 3403
3404 3404
3405 3405
3406 3406
3407 3407
3408 3408
3409 3409
3410 3410
3411 3411
3412 3412
3413 3413
3414 3414
3415 3415
3416 3416
3417 3417
3418 3418
3419 3419
3420 3420
3421 3421
3422 3422
3423 3423
3424 3424
3425 3425
3426 3426
3427 3427
3428 3428
3429 3429
3430 3430
3431 3431
3432 3432
3433 3433
3434 3434
3435 3435
3436 3436
3437 3437
3438 3438
3439 3439
3440 3440
3441 3441
3442 3442
3443 3443
3444 3444
3445 3445
3446 3446
3447 3447
3448 3448
3449 3449
3450 3450
3451 3451
3452 3452
3453 3453
3454 3454
3455 3455
3456 3456
3457 3457
3458 3458
3459 3459
3460 3460
3461 3461
3462 3462
3463 3463
3464 3464
3465 3465
3466 3466
3467 3467
3468 3468
3469 3469
3470 3470
3471 3471
3472 3472
3473 3473
3474 3474
3475 3475
3476 3476
3477 3477
3478 3478
3479 3479
3480 3480
3481 3481
3482 3482
3483 3483
3484 3484
3485 3485
3486 3486
3487 3487
3488 3488
3489 3489
3490 3490
3491 3491
3492 3492
3493 3493
3494 3494
3495 3495
3496 3496
3497 3497
3498 3498
3499 3499
3500 3500
3501 3501
3502 3502
3503 3503
3504 3504
3505 3505
3506 3506
3507 3507
3508 3508
3509 3509
3510 3510
3511 3511
3512 3512
3513 3513
3514 3514
3515 3515
3516 3516
3517 3517
3518 3518
3519 3519
3520 3520
3521 3521
3522 3522
3523 3523
3524 3524
3525 3525
3526 3526
3527 3527
3528 3528
3529 3529
3530 3530
3531 3531
3532 3532
3533 3533
3534 3534
3535 3535
3536 3536
3537 3537
3538 3538
3539 3539
3540 3540
3541 3541
3542 3542
3543 3543
3544 3544
3545 3545
3546 3546
3547 3547
3548 3548
3549 3549
3550 3550
3551 3551
3552 3552
3553 3553
3554 3554
3555 3555
3556 3556
3557 3557
3558 3558
3559 3559
3560 3560
3561 3561
3562 3562
3563 3563
3564 3564
3565 3565
3566 3566
3567 3567
3568 3568
3569 3569
3570 3570
3571 3571
3572 3572
3573 3573
3574 3574
3575 3575
3576 3576
3577 3577
3578 3578
3579 3579
3580 3580
3581 3581
3582 3582
3583 3583
3584 3584
3585 3585
3586 3586
3587 3587
3588 3588
3589 3589
3590 3590
3591 3591
3592 3592
3593 3593
3594 3594
3595 3595
3596 3596
3597 3597
3598 3598
3599 3599
3600 3600
3601 3601
3602 3602
3603 3603
3604 3604
3605 3605
3606 3606
3607 3607
3608 3608
3609 3609
3610 3610
3611 3611
3612 3612
3613 3613
3614 3614
3615 3615
3616 3616
3617 3617
3618 3618
3619 3619
3620 3620
3621 3621
3622 3622
3623 3623
3624 3624
3625 3625
3626 3626
3627 3627
3628 3628
3629 3629
3630 3630
3631 3631
3632 3632
3633 3633
3634 3634
3635 3635
3636 3636
3637 3637
3638 3638
3639 3639
3640 3640
3641 3641
3642 3642
3643 3643
3644 3644
3645 3645
3646 3646
3647 3647
3648 3648
3649 3649
3650 3650
3651 3651
3652 3652
3653 3653
3654 3654
3655 3655
3656 3656
3657 3657
3658 3658
3659 3659
3660 3660
3661 3661
3662 3662
3663 3663
3664 3664
3665 3665
3666 3666
3667 3667
3668 3668
3669 3669
3670 3670
3671 3671
3672 3672
3673 3673
3674 3674
3675 3675
3676 3676
3677 3677
3678 3678
3679 3679
3680 3680
3681 3681
3682 3682
3683 3683
3684 3684
3685 3685
3686 3686
3687 3687
3688 3688
3689 3689
3690 3690
3691 3691
3692 3692
3693 3693
3694 3694
3695 3695
3696 3696
3697 3697
3698 3698
3699 3699
3700 3700
3701 3701
3702 3702
3703 3703
3704 3704
3705 3705
3706 3706
3707 3707
3708 3708
3709 3709
3710 3710
3711 3711
3712 3712
3713 3713
3714 3714
3715 3715
3716 3716
3717 3717
3718 3718
3719 3719
3720 3720
3721 3721
3722 3722
3723 3723
3724 3724
3725 3725
3726 3726
3727 3727
3728 3728
3729 3729
3730 3730
3731 3731
3732 3732
3733 3733
3734 3734
3735 3735
3736 3736
3737 3737
3738 3738
3739 3739
3740 3740
3741 3741
3742 3742
3743 3743
3744 3744
3745 3745
3746 3746
3747 3747
3748 3748
3749 3749
3750 3750
3751 3751
3752 3752
3753 3753
3754 3754
3755 3755
3756 3756
3757 3757
3758 3758
3759 3759
3760 3760
3761 3761
3762 3762
3763 3763
TIPO DE MUESTREO: Sistemático

tomando aleatoriamente un número i, que designará, en una lista o población de N elementos, al

ero que va a formar parte de la muestra.

ento de la población)

ada 5 elementos
eatorio entre 1 y K.
o aleatorio como valor para que no este cambiando

sde 1 hasta n

l número que encontró entre 1 y K, es decir el que corresponde al valor fijo

van a conformar su muestra, recuerde que es importante mantener la constante K

iables de la población

ción!$B$12:$O$2961;2;0) esto es para que no tenga que pasar manualmente la información de la

n la muestra. El número 2, corresponde a la columna de la variable, en este caso Tipo de Articulo

Edad sisben Sexo Tipo de contagio

Nota: Solo se emplea este muestreo para n<50%, si n>50% se debe de proceder a realizar un mu
simple.

Ubicación del caso Estado Personas que convive

% se debe de proceder a realizar un muestreo aleatorio
e.

Tipo de Temperatura del

satisfacción de atención EPS Estado del paciente Tiempo del virus prueba paciente
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
 33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
32
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
32
33
32.5
37.8
32.3
34
 35
35
34
33
32
32.5
32.3
36.5
37.8
32
32
33
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
33
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
33
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
34
34
34
32
32.5
32.3
 34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
 35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
32
32
32
32
33
33
33
34
34
34
34
34
34
35.8
37.8
36.5
34.5
38
33
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
33
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
33
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
34
32
33
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
 38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
 35
35
34
33
32
32.5
32.3
36.5
37.8
34
34
34
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
 38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
34
34
34
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
 38
34
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
 32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
 32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
 32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
 33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
 34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
 34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
 34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
 35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
 32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
 32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
 32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
 34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
34
34
34
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
34
34
 34
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
 32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
34
34
34
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
34
34
34
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
34
39.5
34
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
 34
34
34
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
34
34
34
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
 33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
34
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
 34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
 33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
 35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
 33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
 35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
 35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
 38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
 35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
 38
39.5
33
32.5
37.8
32
32.5
32.3
34
34.5
36.8
35.9
32.5
32
35
35.8
37.8
36.5
34.5
38
39.5
33
32.5
37.8
32.3
34
35
35
34
33
32
32.5
32.3
36.5
37.8
39.5
39.5
39.5
 PROCEDIMIENTO ALTERNO EN EXCEL PARA ELABORAR INTERVALOS DE CONFIAN
PARA LA MEDIA
Variables cuantitativas

Variable Estudiante 1 Estudiante 2 Estudiante 3 Estudiante 4

Tiempo de Persona con las

Cálculo Edad Sisben
entrega que convive
N 4000 4000 4000
n= 475 520 603
Promedio
10.15 39.06 3.547263681592
muestral (x)

Desviación (s) 4.89 17.85 0.944825903802

Significancia
0.07 0.04 0.05
(a)
Valor Z 1.81 2.05374891063182 1.95996398454005

Limi inf 9.75 37.4551436343115 3.47185154828824

Limi sup 10.56 40.6713563656885 3.62267581489584

IC= (9,75 ; 10,56) (37.46 - 40.67) (3,47-3,62)

𝑰.𝑪. Fórmula a desarrolla

para construir el IC
INTERVALO DE CONFIANZA PARA LA =𝒙 ̅±𝒁_(𝜶∕𝟐)∗𝒔/√𝒏 (Intervalo de confianza
MEDIA:

OTRA FORMA DE HACERLO

Fórmula de excel que

Calcula el radio del
intervalo

Límite inferior= promedio - Radio IC

Límite superior= promedio + Radio IC
 IC= (Li; Ls)

Radio= 0.22

Li= 14.75
Ls= 15.19

Con una significancia del 5%, el tiempo promedio de entrega de las muestras tomadas de COVID-
Análisis 10,56)
Con una significancia del 6%, el tiempo promedio del tiempo del virus, se encuentra en
ALOS DE CONFIANZA PROCEDIMIENTO ALTERN

Estudiante 5 Colaborativo Variable

Temperatura del
Tiempo del virus
paciente
4000 4000 Cálculo
728 3763 N=

14.97 34.83 n=

3.180 2.32 Categoría=

0.06 0.03 P

1.88 2.17 Q

14.75 34.75 Significancia (a)

15.19 34.91 Valor Z

(14,75 , 15,19) (34,75 , 34,95) N=
n=
lim inf=
Fórmula a desarrollar
lim sup=
para construir el IC
(Intervalo de confianza)
IC=

INTERVALO DE CONFIANZA PARA LA

PROPORCIÓN:

Fórmula de excel que

tras tomadas de COVID-19, se encuentra entre (9,75 ;
Análisis
el virus, se encuentra entre (14,75 , 15,19)
PROCEDIMIENTO ALTERNO EN EXCEL PARA ELABORAR INTERVALOS DE CONFIANZA PARA L
PROPORCIÓN
Variables cualitativas

Estudiante 1 Estudiante 2 Estudiante 3 Estudiante 4

Región de residencia Tipo de contagio Ubicación del caso Estado

4000 4000 4000

475.238934727935 520 603

Caribe Caso relacionado leve

18% 42.9% 22%

82% 57.1% 78%

0.07 0.04 0.05

1.8119106729526 2.05 1.9599

4000 4000 4000
475.238934727935 519.729764796649 603
-184.95% -239.05% -187%
221.56% 324.86% 231%

(221,56% , -184,95%)(239.05% - 324.86%) (-187% , 231%)

𝑰.𝑪. :𝒑 ̅±𝒁_(𝜶∕𝟐)∗√((𝒑 ̅∗𝒒 ̅)/𝒏)
TERVALO DE CONFIANZA PARA LA
PROPORCIÓN: √((𝑵−𝒏)/(𝑵−𝟏))

Fórmula de excel que Calcula el radio del intervalo NO SIRVE PARA ESTE CASO
Con una significancia del 5%,la región promedio de residencia en la categoría Caribe donde se realiza tomas de mu
COVID 19 , se encuentra entre (221,56% ; -184,95%)
Con una significancia del 6%,la satisfaccion de atencion EPS, se encuentra entre (-97,02% , 108,56%)
OS DE CONFIANZA PARA LA

Estudiante 5

satisfacción de
atención EPS

4000

728

satisfecho

5.77% La suma de P y Q debe

94.23%
ser 100%

0.06

1.88079360815125
4000
728
-97.02%
108.56%

(-97,02% ,
108,56%)

√((𝒑 ̅∗𝒒 ̅)/𝒏)
)

ASO
aribe donde se realiza tomas de muestras de
184,95%)
entra entre (-97,02% , 108,56%)
 Referencias

QUESTIONPRO. (N/A). ¿Como determinar el tamaño de muestra de una investigación

de mercados?. 07/03/2021, de QUESTIONPRO Sitio web:
https://www.questionpro.com/blog/es/como-determinar-el-tamano-de-una- Deben usar las n
muestra/ sólo copiar y peg
referen

Pedro Luis Lopez. (2004). POBLACIÓN MUESTRA Y MUESTREO. 07/03/2021, de SCIELO

Sitio web: http://www.scielo.org.bo/scielo.php?script=sci_arttext&pid=S1815-
02762004000100012

Questionpro. (N/A). ¿Cómo realizar un muestreo sistemático?. 07/03/2021, de

Questionpro Sitio web: https://www.questionpro.com/blog/es/como-realizar-un-
muestreo-sistematico/

Aurelio Conde Casas. (2007). Intervalo de Confianza para la Media. 09/03/2021, de

Descartes Sitio web:
http://recursostic.educacion.es/descartes/web/materiales_didacticos/estimacion_po
r_intervalos/int_media.htm

Banco Finandina. (2019). ¿Qué es un intervalo de confianza y para qué se utiliza?.

09/03/2021, de Banco Finandina Sitio web:
https://www.bancofinandina.com/finanblog/noticias/2019/11/01/que-es-un-
intervalo-de-confianza-y-para-que-se-utiliza

Company News (2015). ¿Cómo determinar el tamaño de un muestra? Recuperado de

https://www.psyma.com/company/news/message/como-determinar-el-tamano-de-una-
muestra

Silva, A. L. C. (1993). Muestreo para la investigación en ciencias de la salud. Madrid, ES:

Ediciones Díaz de Santos. (pp. 1- 6). Recuperado de https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/52863?page=18

netquest(2015).Muestreo probabilístico. Recuperado de

https://www.netquest.com/blog/es/blog/es/muestreo-sistematico

Silva, A. L. C. (1993). Muestreo para la investigación en ciencias de la salud. Madrid,

ES: Ediciones Díaz de Santos. (pp. 1-6).
 Gutiérrez, H. (2013). Capítulo 4: Elementos de Inferencia Estadística Control
estadístico de la calidad y Seis Sigma. (3a. ed.) McGraw-Hill Interamericana. (pp. 65-
72).

Matus, R., Hernández, M., & García, E. (2010). Estadística. México, D.F., MX:
Instituto Politécnico Nacional. (pp. 43- 57).

Gil, I. M., Gonzáles, M. A. I., & Jano, S. M. D. (2014). Ejercicios de estadística

teórica: probabilidad e Inferencia (2a.e d.). Madrid, ES: Editorial Universidad
Autónoma de Madrid. (pp. 127-140).

Romero, R. E. (2016). Estadística para todos: análisis de datos: estadística

descriptiva, teoría de la probabilidad e inferencia. Madrid, ESPAÑA: Larousse
- Ediciones Pirámide. Pp. 269 -298. Recuperado de https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/49136?page=270

Gutiérrez, H. (2013). Capítulo 4: Elementos de Inferencia Estadística Control

estadístico de la calidad y Seis Sigma.(3a. ed.) McGraw-Hill Interamericana.
Pp. 65- 72. Recuperado de http://www.ebooks7-
24.com.bibliotecavirtual.unad.edu.co/?il=280&pg=84
Deben usar las normas APA, no
sólo copiar y pegar los links de
referencias.