From 4e38625421eec5f898c35b8d063ca3025bccfc02 Mon Sep 17 00:00:00 2001 From: Victor Andersson Date: Wed, 10 Dec 2025 19:35:45 +0100 Subject: [PATCH] yea --- lektion1/Lektion_1.qmd | 37 +++- quiz/Quiz.qmd | 25 ++- seminarie5/Uppstartslektion Modul 4 CEP.qmd | 234 ++++++++++++++++++++ seminarie5/bildata.rds | Bin 0 -> 37248 bytes seminarie5/bildata_test_grupp_x.rds | Bin 0 -> 2789 bytes seminarie5/bildata_train_grupp_x.rds | Bin 0 -> 8570 bytes 6 files changed, 287 insertions(+), 9 deletions(-) create mode 100644 seminarie5/Uppstartslektion Modul 4 CEP.qmd create mode 100644 seminarie5/bildata.rds create mode 100644 seminarie5/bildata_test_grupp_x.rds create mode 100644 seminarie5/bildata_train_grupp_x.rds diff --git a/lektion1/Lektion_1.qmd b/lektion1/Lektion_1.qmd index efe9a94..a888eed 100644 --- a/lektion1/Lektion_1.qmd +++ b/lektion1/Lektion_1.qmd @@ -262,7 +262,7 @@ Läs in filen `hotel.rds` i Rstudio. (Se till att den filen ligger i mappen som hotels <- readRDS("hotel.rds") ``` -1 Hur många observationer och hur många variabler innehåller filen `hotel.rds`? +1\. Hur många observationer och hur många variabler innehåller filen `hotel.rds`? 118 322 observationer med 33 variablar\ \ @@ -273,12 +273,19 @@ hotels <- readRDS("hotel.rds") View(hotels) ``` -1. Vilken typ av variabel, kvalitativ eller kvantitativ, är variablerna `IsCanceled` (mäter om reservationen bokats av eller inte), `LeadTime` (antal dagar från bokning till ankomst) samt `hotel` (h1 för Algarve och h2 för Lissabon)?\ - (Bortse från hur variabeln är *kodad* i datamaterialet.)\ +2\. Vilken typ av variabel, kvalitativ eller kvantitativ, är variablerna `IsCanceled` (mäter om reservationen bokats av eller inte), `LeadTime` (antal dagar från bokning till ankomst) samt `hotel` (h1 för Algarve och h2 för Lissabon)?\ +(Bortse från hur variabeln är *kodad* i datamaterialet.) -2. Vi kodar om variabeln `IsCanceled` så att 0 blir "No" och 1 blir "Yes". Klicka på "Addins" längst upp i övre vänstra fönstret och leta upp 'Levels recoding' (du måste ha paketet `questionr` installerat). Se Figur 11-14 i bilagan.\ +3\. Vi kodar om variabeln `IsCanceled` så att 0 blir "No" och 1 blir "Yes". Klicka på "Addins" längst upp i övre vänstra fönstret och leta upp 'Levels recoding' (du måste ha paketet `questionr` installerat). Se Figur 11-14 i bilagan.\ -3. Klistra in koden från 'Levels recoding' i chunken nedan och klicka därefter på den gröna pilen. +Nej be behöver jag inte. + +```{r} + +hotels$IsCanceled <- factor(hotels$IsCanceled, levels = c(0,1), labels = c("No", "Yes")) +``` + +4\. Klistra in koden från 'Levels recoding' i chunken nedan och klicka därefter på den gröna pilen. ```{r} # Klistra in kod från 'Levels recoding' nedan @@ -291,7 +298,7 @@ View(hotels) ```{r summary hotel} # Klistra in kod från 'Levels recoding' nedan - +hotels$hotel <- factor(hotels$hotel, levels = c("h1", "h2"), labels = c("Algarve","Lisbon")) ``` 6. Beräkna med hjälp av funktionen `tbl_summary` beskrivande statistik för några variabler grupperat på hotell (Algarve/Lissabon). @@ -314,12 +321,30 @@ hotels %>% - Vilket av hotellen har högst andel avbokningar? +Lisbon + - Är det någon större skillnad i fördelningen av `CustomerType` mellan hotellen? +± 3% enheter + - Hur många dagar före ankomst (`LeadTime`) gjordes den bokning som gjordes längst i förväg? +709 dagar som helngst + 7. Visualisera med ggplot builder (`esquisse::esquisser(viewer = "browser"`)) i två histogram hur variabeln `LeadTime` varierar för de två hotellen. +```{r} + +ggplot( + ggtitle("Historia") + aes(x = , y = total) + + geom_point(colour = "#00CC00") + + geom_smooth(se = FALSE) + + theme_minimal() + +) +``` + - Dra `LeadTime` till X, `hotel` till fill och `hotel` till facet. - Välj Number of bins: 20 och ändra färger (välj själv) i 'Geometries'. diff --git a/quiz/Quiz.qmd b/quiz/Quiz.qmd index 6add0f8..b4fb53d 100644 --- a/quiz/Quiz.qmd +++ b/quiz/Quiz.qmd @@ -12,6 +12,12 @@ editor_options: ```{r} +library(tidyverse) +library(gtsummary) +``` + +```{r} + share <- readRDS("Datamaterial_SHARE_Modul3.rds") ``` @@ -53,7 +59,10 @@ mean(share$Bor_med_partner[share$Kön == "Man"] == "Ja") * 100 ## Fråga 6 -? +```{r} + +mean(share$Kön[share$Bor_med_partner == "Ja"] == "Man") * 100 +``` ## Fråga 7 @@ -70,7 +79,7 @@ mean(share$Ålder) ```{r} -mean(share$Ålder_partner, na.rm = TRUE) * 100 +mean(share$Ålder_partner, na.rm = TRUE) ``` ## Fråga 9 @@ -99,6 +108,16 @@ ggplot(share) + theme_minimal() ``` +## Fråga 13 + +Hur stor är andelen som bedömer att deras språkförmåga vid 10 års ålder var bättre än jämnårigas bland dem som hade två bokhyllor med böcker i hemmet vid 10 års ålder? \ +*Ange svaret i procent med en decimal. Använd kommatecken ( , ).* + +```{r} + +mean(share$Relativ_språkförmåga_10_år[share$Antal_böcker_i_hemmet_vid_ålder_10 == "Mer än två bokhyllor (> 200 böcker)"] == "Bättre") * 100 +``` + ## Fråga 14 **Hur stor är andelen som bedömer att deras matteförmåga vid 10 års ålder var bättre än jämnårigas bland dem som hade två bokhyllor med böcker i hemmet vid 10 års ålder?** @@ -138,7 +157,7 @@ sd(share$Utbildningsår[share$Antal_böcker_i_hemmet_vid_ålder_10 %in% c("En bo ```{r} ggplot(share) + - ggtitle("TEst") + + ggtitle("Spridningsdiagram") + aes(x = Utbildningsår, y = Hushållsinkomst) + geom_point(colour = "#00CC00") + geom_smooth(se = FALSE) + diff --git a/seminarie5/Uppstartslektion Modul 4 CEP.qmd b/seminarie5/Uppstartslektion Modul 4 CEP.qmd new file mode 100644 index 0000000..246c725 --- /dev/null +++ b/seminarie5/Uppstartslektion Modul 4 CEP.qmd @@ -0,0 +1,234 @@ +--- +title: "Uppstartslektion Modul 4" +format: html +editor: visual +editor_options: + chunk_output_type: console +--- + +Nedan finns ett förslag på arbetsgång för att bekanta sig med datamaterialet och för att påbörja letandet efter den "bästa" modellen. Vad som är den bästa modellen beror på vilka kriterier som används. Vi har alltså inget facit. Er uppgift är att övertyga oss om varför er modell är den bästa. Alla grupper har olika datamaterial vilket gör att ni kommer att få olika modeller. + +```{r} +#| message: false +# Ladda R-paket +library(tidyverse) +library(GGally) +library(gtsummary) +library(ggrepel) +library(rsample) +``` + +1. Öppna filen med datamaterialet ni ska arbeta med. Filen finns att hämta på sidan *Modul 4: Om modul 4 (Instruktioner, datamaterial m.m.)* i Canvas. Välj en responsvariabel och **ta bort de tre responsvariabler som inte ska användas** så ni inte av misstag använde de som förklaringsvariabler. **Filtera ut den karosstyp er grupp blivit tilldelad** (se dokumentet "Data uppdelat på grupp inkl kod till hjälp" på Canvas). + + ```{r} + # Öppna filen + bildata <- readRDS("bildata.rds") + ``` + + ```{r} + # Ta bort de responsvariabler som inte ska användas + + # Ex. om ni vill ha koldioxidutsläpp som respons: + bildata <- + bildata %>% + select(-c(Bransle_blandad, Bransle_stad, Fordonsskatt, Bransle_landsvag)) + ``` + + ```{r} + # Vad heter de olika karosstyperna? + unique(bildata$BODY) + + # Ex. om ni ska ha karosstyp SEDAN: + bildata <- + bildata %>% + filter(BODY == "KOMBI-SEDAN") # Se canvassida för information om er grupps karosstyp + + ``` + +2. **Dela upp datamaterialet i träningsdata och testdata med hjälp av ert tilldelade frö (seed)**. Se dokumentet "Data uppdelat på grupp inkl kod till hjälp" på Canvas. Spara sedan datamaterialen. + + ```{r} + # Dela upp datamaterialet (80% till träning och 20% till utvärdering) + + set.seed(687) # Se canvassida för information om er grupps slumptalsfrö + + bildata_split <- initial_split(bildata, prop = 0.80) + bildata_train <- training(bildata_split) + bildata_test <- testing(bildata_split) + ``` + + ```{r} + # Spara datamaterialen + + saveRDS(bildata_train, file = "bildata_train_grupp_x.rds") + saveRDS(bildata_test, file = "bildata_test_grupp_x.rds") + ``` + +3. Lär känna varje enskild variabel genom att t.ex. göra lådagram för de kvantitativa variablerna. Har någon kvantitativ variabel outliers? Vilka variabler är kvalitativa? Innehåller någon variabel saknade värden? Använd gärna verktyget **ggplot2 builder** i Addins. *Se Lektion 1 för instruktioner.* + + ```{r} + ## Klistra in kod från ggplot2 builder här + + ggplot(bildata_test) + + aes(x = Koldioxidutslapp, y = Effekt) + + geom_point(colour = "#112446") + + geom_smooth( + span = 1L, + level = 1L, + method = "lm", + se = FALSE, + colour = "#112446" + ) + + theme_minimal() + ``` + +4. Studera sambandet mellan par av kvantitativa variabler genom att plotta numeriska variabler parvis mot varandra och beräkna korrelationer. *Se Lektion 7.* + + ```{r} + bildata_train %>% + select(where(is.numeric)) %>% # Välj ut numeriska variabler + ggpairs() + ``` + +5. Rita ett spridningsdiagram mellan responsvariabeln och den förklaringsvariabel som ni tror har störst betydelse för att förklara er responsvariabel. Hur ser sambandet ut? *Använd **ggplot 2 builder** eller skriv egen kod*. *Se Lektion 1 för instruktioner.* + + ```{r} + # Lägg in ggplot-kod nedan + lm() + ``` + +6. Gör en enkel linjär regressionsanalys med den förklaringsvariabel ni valde i uppgift 5. Vilken förklaringsgrad har modellen? Vilken justerad förklaringsgrad har modellen? *Se Lektion 7*. + + ```{r} + Modell_1 <- + bildata_train %>% + lm(responsvariabel ~ förklaringsvariabel, # ändra variabelnamn + data = .) + + Modell_1 %>% summary() + + ``` + +7. Gör om spridningsdiagrammet från uppgift 5 med tillägget att punkternas färg beror på bränsletyp (bensin/diesel). Ger diagrammet indikation på att den kvalitativa variabeln bränsletyp bör tas med i regressionsanalysen? *Se Lektion 8*. + + ```{r} + # Klistra in ggplot-kod nedan + bildata_train %>% + ggplot( + aes( + x = förklaringsvariabel, # ändra variabelnamn + y = responsvariabel, # ändra variabelnamn + color = Bransletyp + ) + ) + + geom_point() + + geom_smooth( + method = "lm", + se = FALSE + ) + + ``` + +8. Gör en ny regressionsanalys som också inkluderar bränsletyp som förklarande variabel. Har bränsletyp ett signifikant samband (5% signifikansnivå) med responsvariabeln, givet att vi att vi har med den andra förklaringsvariabeln i modellen? *Se Lektion 8*. + + ```{r} + Modell_2 <- + bildata_train %>% + lm(responsvariabel ~ förklaringsvariabel + Bransletyp, # ändra variabelnamn + data = .) + + Modell_2 %>% summary() + ``` + +9. Hur förändras $R^2$ och $R^2_{adj}$ jämfört med modellen i uppgift 6? När används med fördel den justerade förklaringsgraden framför den "vanliga" förklaringsgraden, $R^2$? + +10. Vilken modell har lägst prediktions-MSE? Stämmer detta överens med din slutsats från uppgift 9 baserat på $R^2_{adj}$ värdena? *Se Lektion 7.* + + ```{r} + + #Prediktera på testdata + pred1 <- predict(Modell_1, newdata = bildata_test) + pred2 <- predict(Modell_2, newdata = bildata_test) + + #Beräkna MSE + MSE1 = mean((bildata_test$responsvariabel - pred1)^2, + na.rm = TRUE) # ändra variabelnamn + MSE2 = mean((bildata_test$responsvariabel - pred2)^2, + na.rm = TRUE) # ändra variabelnamn + + print(paste("Prediktions MSE Modell 1:", round(MSE1))) + print(paste("Prediktions MSE Modell 2:", round(MSE2))) + ``` + +11. Gör en residualanalys för modellen i uppgift 8. *Se Lektion 7*. Vilka bilar har störst residualer? Finns det någon gemensam nämnare med dessa bilar? + + ```{r} + # Residualplottar: + + # Residuals vs fitted + plot(Modell_2, which=1) + # QQ-plot + plot(Modell_2, which=2) + ``` + + ```{r} + # Här är ett alternativ om du vill göra snyggare residauls vs fitted-plot med ggplot genom att först spara "predikterade värden" och "residualer" som nya variabler i ert datamaterial och sedan använda ggplot + + # Lägg till predikterade värden i bildata_train + bildata_train$y_hat <- predict(Modell_2, newdata = bildata_train) + + # Lägg till residualer i bildata_train + bildata_train <- bildata_train %>% mutate(res = responsvariabel - y_hat) # ändra variabelnamn + + # Residuals vs fitted-plot med ggplot + bildata_train %>% + ggplot(aes(x = y_hat, + y = res + )) + + geom_point() + + labs( + x = "Fitted values", + y = "Residuals") + + theme_minimal() + + # Residuals vs fitted-plot med ggplot där text med bilmärke och version anges för de residualser som är större än 80 eller mindre än -80 (detta värde kan ändras) + bildata_train %>% + ggplot(aes(x = y_hat, + y = res + )) + + geom_point() + + labs( + x = "Fitted values", + y = "Residuals") + + geom_text_repel( + data = filter(bildata_train, abs(res) > 80), # ändra värde för fler/färre + aes(label = paste(Bilmarke, Version)) + ) + + theme_minimal() + + ``` + +12. Finns det indikationer på att en samspelsterm mellan bränsletyp och den kvantitativa variabeln som ni har i modellen i uppgift 8 bör inkluderas? Ett sätt att ta reda på det är att studera spridningsdiagrammet i uppgift 7. Är de skattade linjerna parallella? Om det finns indikationer på att ni behöver en samspelsterm, testa då om samspelet är signifikant (dvs. om effekten som den kvantitativa variabeln har på responsen skiljer sig mellan bensin- och dieselbilar). *Se Lektion 8*. + + ```{r} + Modell_3 <- + bildata_train %>% + lm(responsvariabel ~ förklaringsvariabel * Bransletyp, # ändra variabelnamn + + data = .) + + Modell_3 %>% summary() + ``` + +13. Prova att utöka modellen med ytterligare en variabel. Blev modellen bättre? Vilka mått är intressanta att titta på då modeller ska jämföras? + +14. Fortsätt att undersöka om fler variabler bör tas med i modellen. + +**Notera**:\ +Att bara utöka modellen med fler och fler variabler leder inte alltid till den ”bästa” modellen. Den variabel som är starkast korrelerad med responsvariabeln är den variabel som är “bäst” om vi bara får välja en variabel i modellen. I modellbyggnadsprocessen gäller det att hitta den kombination av variabler som tillsammans förklarar så mycket som möjligt av variationen i responsvariabeln, dvs. den kombination av variabler som kompletterar varandra så bra som möjligt. Den kombinationen behöver inte nödvändigtvis innehålla den variabeln som är starkast korrelerad med responsvariabeln. + +Notera även att det inte nödvändigtvis är den modell med högst $R^2_{adj}$ som är bäst på prediktion. Det kan hända att ni har överanpassat modellen till ert datamaterial vilket då gör den sämre för prediktion av andra bilar (testdatat). + +Att komma fram till den bästa modellen är inte lätt. Det är en hel del testande fram och tillbaka. När ni har kommit fram till den modell som ni anser är den bästa ska ni börja skriva rapporten. Fundera över vilken strategi/vilket tillvägagångssätt ni har använt för att komma fram till den modell som ni anser är den bästa. Den strategin ska beskrivas i er rapport. + +**Läs rapportinstruktionerna och titta på modelltexten innan ni börjar skriva!** diff --git a/seminarie5/bildata.rds b/seminarie5/bildata.rds new file mode 100644 index 0000000000000000000000000000000000000000..7d10960e8237a8354c54c6ae29f97e0dfa358fc1 GIT binary patch literal 37248 zcmYg%XH*kPw6$JTRIYHXhyqa&K|xSadJ+^61O*iZkrEXFktT#1NFp{sx-_LER1s-P zZ%J(Q5_%+oL%IEjqpErNz$E-DL)}A@%?0wD|K+^V2|1-8RF}t!ny0X=Y zh8sr=0>7L)_^$0>^8Mr|jJk{lRh-W8qYv#r)C8Tm7tn%eFE_mOm>Ylm#nNDus?Rpk zt|h?HL#zIWN&iT`M=^U+YbBan{lwShepwaaToaAR7O!lLex*uxr=_ z?X-dzJVp@4czk-joxVbBs(MVQ_2{4%#1LKv1_t^z6~d>?NW-SS5_~h1wbT~Q|F+s` z-?KM2c_T8!jT9ZMj1SJ2(7O09qFgT}SK;FWcYMApYkDxocS*wXMW2Aaci6Ibr+ylC zoe2~Z^Ir_96Ykz1IR%@&+jm>9t9qTz@gY$kld=yqOyzgpZ=g-Sdk|Ui8l-LLrk_{t zIHZm@7QR`lbTQMmX`-e(r#@bAAj)9uy^pgE0%HyVgWvFjOZnbIe8)HalOI;AS`dr- zsdLANa_Vj{>mp{Vx|(0uihKl4HPW}d&Ok?7<@l!Im=Z^N#K1VQ{P-LB$CUzs);J`DfQ2J-}rv71Fv=akY4(D<=?w$mKSc`20ZHQ z&xT9ZeB@)LqyXR*5(`!b81lr|kHzzoKTX5Z4~#cEiZP?K^E{N%P%~txK9biR@wJ+H zseyTw{CViPD=87ifHv`Hfgb*iYQfF1rw8SmZzraV5iSdCYB<1}*@Olo*Xh#B(@p%W zpC4AMo2Bhw)Z>s5{;7dU*hV$R;SL+opYI;s1?$Ni?;l_M3Y*L|g8$v?@!sktAU5K{ zp(YR4`%P5zWam|#;09i$=TGwS!4AY8Mqms5WptB*>paV&iwFQ_puTWPVwLC;qY8Mm4XOfPK7>;vd<>ypBleZVYYd zxmUwXp_<*MPNsb09~uygjQk{eCvg#98~GR_&5z*(%QicSdmE9q;g60=!!TEx6}mUD zPexz6Derf#yW19aTgNwVz5uh7syX0>Y>@>?XGI;nNCta~;`@U_o2}>aQTy%LsOG+g zAXnk?6uJiNhHRDvNT)>&JYVRBIdZi`bHJtgPGf8K@NxLpIZ_U}4L13@9Owk5O1fHV zupKd7W0Th$TXt<-UI13PNY@>Mg3AvVD0Wi|G^=uS-H5+_M7QX9U|^&4g>Xj{oUvvN z9A9JKuF7rvdm7-b4G^vQc8k92`K^0s*AawJE=Xl)^nnv(_tCvtk+)A zxUX@K@8dbi>TTren5KP)+p=?ec2N2MooY?s{Qj{M5g#S+-~9`~*~pptPI0rdLxc&f z*1ZWfT|&ywZih!lM(SL6dDFL!ez(2ke<4qlf$IF1)dq5E>3*7SeFjI{9)}D5LfZUh z=&ENUY?L{WW2$x4)u*rpw#-ao-5DLXYkuRT5gj2Yv2JOU)&3ETjdit5QJns;f6OkG_+$Rj>n1H*0QrI4P6c9(QSVfH9Az$4G7_H3iNNIu+UD{eBDQ&(jK43(Q=a z_S9H4?2TTZa{8ZVL!?Bn&tGBS|NmRT{{-htUluJQ?rVz%^qlDVyV@i!I`ylv_%yC*44$iP(RN%zTEIHQy1zh-|mF9zl)5% zYjor0`?ZJz6Q+@CS~C=ZDRTH4M?ptGyNzsQ%5h`K>p1%=xuEK{;ZU4KRNJ^SEX{-_`+q&kcmFhEfZ`@k?-gw7qEc!=4S=Aw3`oO!_`?yBc?-jK2qI}!B-Om^A zi5y=3P{31EpX-EPc%IB&I%~kpW7NxQHzcp7adLV4+U3QfDW^Z)z=$woSp{dM#LZ;} zBjJ0$WYwD85q1pJyAxSv?K!n9*4-vz!9qfH18s0wRa=Vr#1+h>j!`)MGSqk*HW>j| zflpI7Q%1>16LgzGf0W)qTdfM4W_q;er@+3cxI(yQxAIEfpmxZ^%Zbmdr#kj|t8BKe zyu7yEJBw&o7x3?5b`#Xo)r^+iG%oB22$;bsTS=wE*_{5zr!$Kt+&Fe6o)=al@B1M) zzO=_-he)|AvmJs>AaY3!{-OKHb3 z*WKLcX0LcT=k6Y=+mg{l{5K)rmy>nuJpNLH_APtY(gTBqM%P6hWtSED+rz&;OFfsD zT3_!SyO>SO9na-J{*y+!%9|qb?1VSJ3w4x#*ikbFg)tZTdk8Lel($ynq{mfqC#{k3whS@Y;{g z)cx(f?+lNY2K*D883B2uLh20}8%nY(F#CM*llGFy-ur`^8Hsr&tzk5W^_9Mx9IcxQ z@JgX~<-EJ8mUL!mVu+f;F*mECo)AM*O(wn1nh6|B)!21oXpa3qIa`Yc9t{`%WM&6}0#lA|nnQAO$vsfTccf-s=PPJf@#qV`OHxiUEiB4U@7Pd*iQ0neUMnird+65QJhOKfg72H2 z8pw0}nDjjE-C&^^*t`77bjZDKsMCe8*e{DY`(HbE_w9`fx$qWpYT|}rKegj)U%Lyk zOzZBhW*20YuQBL@e`n5AB-vuY%On{t1qK8cjK8;;V& z4i^5KaN9{QI5u`+&Q@m)^W@v96b2MO)>U30+!1=fZg>l2U3I}AvYxLQe)7V_hSrM4 z&cTl5#W(#!J4grF=mJURcv$S$CtRGa$7Q;DMuhXJa8OS1p|&3(;WHhnYl!@!JPa|P zDvHSb>YB@ztm#E2ZA;zkq|jeDW&iwEaZJxW%2fDaLcr|3;t|eo$DfDrVZ|NJ&OGhb zpC{iIJVC8oIAEIE+(X$NdEy%qyIsa<#b@=i75BD{9~a?;8OR(zX6$Gn`jSfpKl|Y2 z$DPATTbA3h$1( zbiLW-5JY1Nub+tEMAe@k&{8Uz%3Y>DOZ|iP#h*^%XGx{0Zl|Fa<#(;Qa%d_^(Tjtq z3pj&0d}Kt!gqblFzl@rB(tGw=OGQ=9&zG4MS}zj~^51k1>PXv;oHKg%Yi0-YZha&7 z$YaNqkpi>PuCtnYZ_R#Bv3|Bk*zY+o%<3rR{_0Gej9LKl`=@?bYPA*VF0X|-3BBfb zT@O31xjpi;(^pNXsoBn!0ODv1cgihS-xJH_cSRod9q+MU)aC9utvfk=<6}eV_e$uZ z)#;>M-87$2b=2L^;>?13&UOwaadLAk^>}DxS{mn4Zq$9vxxUxQ>mE}H^@B-A+@cT6 z>kPm)woGcZ%z#^)f=SJ%-AbzzUbrqUXC`U2B0?woYbWhHI$UnF_&Q82=omm}Kq7Qb ze%~0{fOcEYYf3mX9R1Q-C)ecJ`nIseR$eVP>|%KZryo5R@MM-{VSoh9hn%nNJ(5A)Re-V@| zH36^TkB>K%blwz3a}078svXkq&?5AD?RxK?;{T*A@%%1E_dUwv?kTuEd@j!Qol9S} z)t!;I!%3=NCSDnr8D+rtPIqz^O{zQ>_%9djCV4*ux6X5n$8TWnkJ6PBG_MGL+;%SI z1T5x0+9p_I%YNjfti zuRFwkonMR=79JQtb@pFBuxUkGm*L6O&?AXV7y2)~&W!u0IpE6~-I___oKw%dSbOdt zBjae9xuBBv_@Zm$w;gg?#U_z5tCyoj+T8=WfwBR`E6V$(asj7=XsaJ8FKyo_U$ye~ zQC38=NvIP_+s^_ndAn(LslGY|h%6_z>vtX>z~qUxO2nSuuBwq;>2`Z%4Ix z-AGH&K#fig`F07qj++U*p`QB)Z7lEES?1fekH6r1)M_ia&@Kk#mw_@jb!(5hy?pN@ zy#7_6_RCCgbbWPJ;f*Yu*V-fg(C+CQH(#}f-$eHtoS^JK?QgR$H=^nc7BV*Cpsx3r zV(ai>>#0w5oNv{{8fLNNrQaIT_nZVk--sB9a6`T6oJ7U8Xr;%@<}epObq!Z0m>34B zsH^@oZ}n#I_Y9ezghHcD!z8yZn?~PsyG*an_eK)0Xy~a?$s|XhZs-FxDOTz{jw}h8*6Y&PGFMM_~y~&lTH90yT9h)7!xh zF28L#pi7e^CiMduLpum^58$Ba>Cf{h&-2Tnr&&53-ER|0#=}F#_uKvmm2I(ZGtJSo z)RWlE!mTReuXz(F13o8SjNm~HOEcy;8A6Ip_a(;V%)LMy7s;)k5v zh`CgP`gVH2CA>xywk%g$`7yCFqSz+tbOh@mday3NKG&;TVMyP9fN%96KFCJgeR{+q zMt=QLETZgFRFjd`j_;a?SD9OMI&y3j&P1OrvGELSp6@szc*IzmzB+m8^FK|7n&-8NKQfzHkOPulixt^u!j9_+lGv)FO^TD5;rzn>e5Drz-g0q(Sf+ux_Mn%v~4 z1{xadX#ef#JE4ggnAJ4t%cs6s$SMD4^+$b6`$}*}soCea4KBT7=WKI4I?CNS;H!nz z=NIR_^}{I>D!1X&prM|{>S$E@C99{hf<)WP+>DDqq7%|gjoa^>8!4pUn9ecm^H0qr zUsb7CO<}D^EDfWkSDvr-frC+*dyggJw;R0cJdJtCmuOBZCsrirpKYs)ymM7uzFeoI z$w4tS6Qy&Fc`H@ncEW4bW5(_Oo}h*_Jqd{2m3g)|QF&pfB1z@A4$1q+{B${9B?>aO z8;a8LdFS$E^#vSd{GVrA`HBKykw>(zS3X$7)wL=YcxlvkZ@qJFNVB$5_GDLPN6{6> z8r`h)rsH80yFBL`tqv`??gqQuioh&8)gXr-Up-$$ZLmjaGxd;9!^@nzHQybKJS%&cZ-f| zf09(jE!)$BfV6j~x%=Mg`*t4k;i`C!WzJj_QkrY#xU{`fbT z@ZDesGFNMPFLI&&o6YG=`1g7trKXx`mOhOvu0IiN4v69|xU8Q2F@qF+`c|>M6!Ilk ziIt5F-mUAM4Ps2}mKl7t$u4N*bd~;#^E__CQhs?X!h8~5b6m0m^%^i80=}NrinS{F z0hbL1*)yW`hpiKvi>pKkKI)`+%L#5>8nF$yXeYhn6d^R#h2t2-E&C z@tC0Ct41|sQJ*`I_K@A#-Ps^WO%QBI%6xWffHohmBW1hJjkrNs_Wq+4zeXYR*Zv>~ zR+py_KOoaS2S>bw(B9-Wmymm|toz*DU-x(-8zi}TdB*HuvEcLx!d#>NZL3*#Ja_hm zUAfkA2O&RB;IV0=YV&PRS&NQroY{#oKbiS~oL;aw(fvcLp)1cw+y*hH zd!4GE#4a9wkz?(5^H_;Z1v9MbQrY9M&v$o^@ox-uuC;j1U+_P4?b#wJ*FbMHRtJ)1 zg_5)oZ!#}FZqA#M&{`IQ{e6tWk<(km8C}QTF6>0fT^KZV&VHVFg97Sva02eXWe`)( zB>E)Zm8lBycDaZc94zX5_wK#UWkpHjDVUbBf1qCdnkf9&qK=;> z*SlXecnWH0G-Fa(qD<$XL@gI)>!=O)D1XdDzkMC^s(`y9(q4$cp5rh+hpk%!eJ9-P@)#(9(-C!6kA>{F_xR z0N)L;B(mrU@iJ*1AQBeWT+Qazey_)F4h=Zfx)z(Wwwb`UgIUcV4j~1u{WA@QM`3Fd z&aVer3B?vIem`m)#fb}q<~F}T@WS-SB1r2dUYpi#sC<$Q53G%i#a+0aO`Fk@9``n*IIws~q<}ZtNp{JCb-QD$Bjv{Aib&ff-_qSSe9Br- z|2{Dr;UWhE>ryk9chhI@WWg@>$U1`uo!BQ^Jc&C}OY1y`GrvYm7%h$kTFVUov;pw! z_=4xZzRT_j!_!*;%ZNW-xFB^X$(y6T7O)9PHxYX)`~m%;wz7@4nydYC7y-_xr*ypX zLZ!X`QIgbH;o~x@$H)7|Kh>rrMO62FFkd$MC4}!-HUXGGjB$_Z0%XU~)Mx<8NvTz@ zZYyS4bLmk}n_}%tRsW;D0HFc!7%xtS7ztFf5?gGT{E?b3wW{Ck=qa1+rNOLXzK4JN zFO(Yx5EEAR?v}{^DUizA3^TlJ=PiJZ@{JwM*dt7aGO=>=eDGEXUygLGql{_TVYWC$ z0iTMEA5|Qwk)MT4aJJ4nAzNiN@?)|*4{zYsmcMxV^b*YGry39w*W84jxnO4B<&p8! zfB%VmnhLWw83JX3=g)5VPb@g9T9~-md<Kjct~SpoE0ySr`w0~%3!CPU0a3qG*Th;n6!pvl-jvqZ*Pn{Tf*{WMKMpfUsI z9`G=kRwpX=UyHFpaLpe18l8xBCP7$@{7>?Bt116)v&C^U{?K? z`Uu-f2v2AK&I}SKa{b%b_dz6{$~<(o5ia+~AW*MRI3DF-77W|c*5>F15`>_YO>2#+ z+3Hhfx70Aq;J2?jXDXc3-Sl?`<%RBLUj*@j0{>Mb1kd6^RF?qbij1fc_M&-1D2leo zzIDZ>qmN$&EGcXZKjbG`2+$%(J^%cM4Mq2a=P}L-)VQQOfMw&L0vC5=v)pa`G#1~0 z7#Rgnjo$$uB`toZWewO=a1Ghhdc6&bVU1}MMjXqhZt0F4b}@aj6GTqL1YxlckhoZ} zET2&EkLo6HsyuUiICT@iDrQO9+*TOJO(GPjO1=2;U8CtT-KC}6b9!HR3Dn2@EnF_m zL{U!L2KQEUt>bWu68XP*D6lDfQeu9QwGk1v`6%1LoDxqg3`asB15tFn-fPJ8h+NJyF(vJFvycCTm-e+p)(Y(sTJ zdpq9oZ0`<)fPaJrfT_m1zM)5uYHO#1wv<7-c+vhg3*6@#K?wbR!6iizZw7fM7XAYs zL{qUCMy?fuzYDv0mQttM=kB@Zk<4_lyI|QJDLP&w{s&Y6`5|moTN?=?$`1ENJAkKh z9XDQZdWMycDp51Bjly_c!s4QTCwWS@=E&g%cGJb95zE1xQ+|RTbnt`JA zMiO%oVI}C%?STtD&T`AB#toPVYD~GRy%==5@L(M6_u&!eG?1%jK;6QQV*%n~4 z;}%E~?HF48>f(F@&IDT=b~#oz=yhyTaEUqdKgQ>9m+>Ofapr>LL1)Y^I#u!u7A)I- zo$A3=a!uuY<2(M1d~+ZzqVQu@OB7gWi=EDR=9bENg?LjKb6_TR?K3Cx{ZTEZ0rR-j zzI(H_K2wACZgCv@gbXDUO_Y{1WdG1B&<+@16JX@;*k2N#f>fbuBE+do*7nIuk z=(`0+8zBdj4?&l8QH#aYHb+&UV8=}4845r9uO~VOVwcN-SvD)3+ZV2)kH}LcjY$)h zBtg1T|9xP6lw~g)5W;YJXnr$;Ul5TddMvhDyO_7Sxt3IorY%kZELl(zTaGZ-Mpn4l z-tl61Smo8s`JVB0Zac3^y3kpU{b^D)LV|D2YTyN3B@T%0)IOzY=oNx0Hu~Xt{*$;^uC#~;!Mwy z@u%7Mjzv^SCz=;Wp1M+2X=AAFr8icmS?>|~REByGhDDK}h%x<7@Uu&;sGk_+5!cQg zv5(RY#(#=2w1rZ>#7_0_#)oS((Tv?BKY;>lwo$13A&rwQ)9SGiI1SR;yPyI6SCCH` z+JBc7lQttRkFflT%xNk56xQn5U7%+5I7FcqnghKyTJ9DfO9m8eeCLgFclwE@4Z-Qn z;)q@&@up}dO5scx{t~^R)p%X8M6G#4Zo}+`gV>1GR^yV6pE^0=OQWX8Q~RJ8e1nHq z5Zrb3^Xe7=Pm4<~o&_8VA^E{l)>Lhh@F}*KBAR5*wBx|Svg1#T=Mm;V)Z;#m@$SN@ zly=@*sSSv&918vsb(ByuVxmm4Zj13~TnEs7J9F1QAw-|KHY$Yss>H>w3Hghr_XJPw z0Ma8gSRj4g^H{ElKzR|peA^j$uIYGP{f#Z4o$kf!K;V>jiLjVRU-Re zqr~?cTrB8n)J&K@UUF(Ae`D9Y=(21@X}ro%xiZZi8K9oh{(+&j5OZ&0p-y(5)S$L@ z-BE?m9P_+d-mj3h7(XX$zi~32X0F^2TJ5{tuZS#mmd>@c4pr?gKFm8Jw2wApv%?v; zW6A}cyKb{?7+q_-#N34Y+WcbeIY4j{rap|AYOSjAx8UTzt~EcTREBft_=c!o-#uR< zU4S<-pMSa0qMlOq88w0p{LmeWsf~pNyDkqQGy(-r6n+s-Xs<2F23dYb(41GHBlw5X zMZir&zvc&--4bwLbH~uNai#k8aa+^2+v-!kBI_*x5g=JPq|nENc(Nm2du=>*1l$r+ zQH^F6%~+25@eT0T29ZaB#J=z}SRifMT3H2M>fu9V>DL4Q#_3t~L(mBStgVt=p7g6Y z+q|v>^3Awrh_pL5RT{MF-oFcR!01)1Iqlfv*aTVWvg4>VJnf?N@i79BoPQ=pLAGMl zjF#<|YRxJe1cv@)Fe`{t3`^_~WR1OFmX4;?E()G1F^^K;bb`MLy*S$?maCik4d(m( z#W@)-@UBXzzie+PxYwH|EPJjxrDWmeczsy1DTBm{l#9kzGHPZS@`dzWwBqi)2@#Gj zc{fodNj~hj#hzlIkK^Tk8jV2<@7+J-B24k}Q~Nv~7UYNQrR!5iI(?V@U3zgASmxf0 zsVEbs;#}4N{U-hmL|I!ZaD;W`IYrJx+vs@crq4=^qA2$Bh`2|qmwRj2x6cg!x90T~ zzj7jj$1zzSa|rFc5-d2Y4Iblz2)1E)G?l+KX~?e_Cm8q{KU-KV-uuf&`~|9?s>PU$ zQ7f=X7C!+$4iOo;Ag25Uj&~HfjhsUjlTbA?_O3Hw8+dZ=W(>=o2efdja1FlrAD2(w z)BjHG8i2fdzgeS!Gx0h13d6Iz&_56c&R1&gm-ftsHOeF^y;TOT2~tkFZ@pG+TL z@ySn8)oO?dFe1L>wWqK@<08rPxH<84)~qdL3@og>VdAB9Z0?cI=B zKWMM|DpH6U#O7v8Sncek^AERG&j*bK%WbL zCkiSFvM}inXZsJT(jk&o;;FW{8y91fzMU6A5p0r)O0{&}GE+cnUIpzVMVgRW9 z59po8KR$wM`4lv46!WWrLnu{mX79zFgPQ#9K3Z;*D zqn_96UMTfwKJ4)}A5@Z?mA@#sSQdO7*&H8Qubx!_e}Jv+v8r`a)gp2jkI)Y#mJ;vI zca9zQppSKgXOvxkW!Dcx^Qx7|@)xvp0*|1I&biHBxvNBw7hwSZkiSI4DKRhy7P4f5 z^kC^1p*2uWjpsl+O0cJEF>hWZiZ7bGh`C3Hwff~vhwCU_;1X4FW+)WSiULNFH@8#d z)Wo@d4d`N@0h1eogNJpiuHp6$*be3A# z#k0la5M-C^eoUe}-nN4Onpw}=78`&*v0$QZ;OAnD&8oNzBc9C6T#HK${RmjyoRR-i z5k^;ASREbOCoP6Q*r0>b)&}>PBm@W+P_*W>5>$CvDdan11U`15%ojAUxh_5WdpLx; zom)!Q7u9hXa$^v8f^lu*#zz`EJEETQL3v_hpd36&eiCZ}jt#S`lRahbja$)oa~xqe zdNt+~`d}3i>!!qObd>==5WRsXhrcisp5`Yyt%^*Q7nrEIYzdojfp5VFQifKGFuOa7 zVP6sR>vWivXr%p!9|<|o8qygK{wO{GLdzl4EK-zqx22M|BYsS$=SIBiMO2`kpdTW1 z#<(3Ha0SX-C(w~){}0L~;G?*$LL+q~)oDYhgd|9w;lrG8%RaI87 zIKDwOt^zi}Uo2@XQ%>{p3*{({lAm=T#EKT5t-GM`H{#^15~SJP(8Txbf{LOFfGp+# zL4QBex+f_#o*y3NU~*p14%tuKEIXjQN8ATn>Zwi*Pz+x9=64U%|%nG01!HuVCt?&bvh4)lDikBIQO$z(2zW zqCaQ_5acIWyURUiX$|UBc^Iqb&hS{&Fg#~EdKtNZ=W$^t@u7E7u!kWh%n7_WsUt~%)uPvRNi!Cq!x~Mc&B)DTwKq3TdusFFNiIMbG;Aj0xOiDQ z7F?YhF(3i_DK`h?MAy+kY@7_2Vz$#Li@y~mVSGVHJZIzyp^f>dMkeVZ$uhE96_3;T>`2avFyqFEgemp<3&Y?dXWov z;9#z|nO|h99z)nHTsWurm_3bNtlNP!bKHw*b?9C==V+<}DsDYV1ExnT*{R51YnUZG zA%~!f%*7C1Mua_evAu3Is%T+AGTNGynwvvw9WIe2fR?bm-T8cZ=2_g`#X=DH zb$isNTVWXxTKF*b%aqeR6g@0sZBpa3u|mlWon0G0P>*6Y^eDsLaaaA#uk)@^{p@^c zP9k=S`bF<%e{JA%{bX5N;9`KOL=zudL`z;gVayKhZGRN`ss7YfnF{u+D;>#B52& zho>_XX*#5y@B|s`BC(kEJ&QEAr3iOveH`*T>Ir;I9Ql`}L34V25j$y`%u23-@F!e5 zBVPI~JR5cu_m=Z*INBIow&52XD>_F~AkT>?D`o=s@oWU|N>Uv?g1% zdoJ=W<2}Nq{4SN{w2+xcV84ylVRwy#^*!gXhrlhZD5B%MfdjpP14H<;-?cDA*zrL z@M)1vnJk0Mvh=lbgrDiS48Mpa>o^0QV;%~&o9M3=Flta}Vzfd({QA1*$wz`93majS z%un`m&@2U-fxnuO59_8C&>lmEWKj3NN;!eoP_RU}T8Y2D@|5f{5>-l8Xn}8|D;37y zQ;n4=GQa7j#j$4m>1yKn58&PJ6r$V^Z~e(m9diNHDXvLbB6*H(6l2P7AW zSLnOfqHBLdbq>p6T&ifvACZ$e<1wuu*sz@0#)}!4BbbH#KvtL(FJygZ;Y&N2j>c(^ z1YL+2Jm#lo)_6>AKwX!mA9zoH&DtH4qHc6$3?Ho;bs2CYh7Z zoQm0F&OR3E&P43wSrYw2Hqm#lKUU4^T^$iWdmQ{zsk5aD_9U_FnqpQ%I7K6VnEKaZ zBOuw-6Z|{uwl$fpZCxe$4KlmeYgNAz%xYs&yHefts6jNGEy z0X_L#7~nhW-3>=qhp`A$Tg$6dfq~ zQZ!FBj%sICCwLhKpW=989E)gv5$t!I9O}^Oe=)_>q3CK_laJ8{eG87|BjiV2BYWaS zGcSRB8L&}fLMaA(W3ia5_1oBAGQiE@yc6|AABR=bOqpx$>{3!p{9|QvKQso}q7^8m zetoy(n50ys%46IeO-n~wM*m=)0`Lewkp%#Ptx50rE5T1oir*L5N1^NeRTwemb4x6^ zYdFw2*bn?>G@8Mi71Xc4o3J!<1Wt%eA5#L6A0&S0bVFIX_~uB@D$V$&eip8#p^OF{ za{>)JHs@0}$s#BUQh!0CAH<5nm3qdolOry1(`}=d3LC{(>35)H`+xlRXCDD#-Dlhc^ zG4qj`KX;FnVYK^~N#kd#2u`7Dt71CI{S;Dd-pk9f43Ug*tXV#tp6*(SOT&SjG1X zOaP#NOiasW3zT3%!R(gT@Y2FEk5a@~5R}pz?wd+VD-TbKaGCnyd|7!yo5;_!5kaK zyN>D6GuWuJ%NIZ;G?9C7D*{SxKrU$w#sLe&rlPG239L)ofyOZRDGmL%vMCO6?cPQi;}ba>}d8|ts; zbqV<@18xLOw~(DA+9KZKOSA}&jG8>$wRHpfrwtkYyC=zLBk&9Q5pC&%4SVldG-r^1 z!GdU%@4|w5fRj_H&q8Wl3NF;3f6YdQs4~?L&l3c3r-Q7laMQp5zTA=taz)x;jIh8E znAD0`UDWX3t}EPoT4sd)4sOKoa%%pv5y6d!B>R@ZAyNP;W`qRUdBl6OCrB>-fjx|nsG9y5i zwcamjfdASbgbM{%(q8jDL4*tD1i|*fv?9+URl-@KOaEE7^w>#O2<}HCbKK9jGIG8L zaS6NX4;7w{0v1&iLN>uKV3cLhcz15L5&TU^zMM#D09rfFFWfhxZvo_dLO}tB$_vVu z*kEnW^ALq8Gi6ve{0tR(0B?~e5n}e%2G7K=NnXno$BRRwhC@Z_fC2cO`H7fht6?Kn zrpX4}j}PF~C8P93YG21d@(WDQf{M;U%id1R#DcP!W0T~Vh2S0-iiQY~@Zv(-f zV{D(zY=q#xve)VP%285c3M;K#1Z( zrv7fGH;}GH65LBzvdJODj2$xi4fA3c5H9|qio9jL>G{Eae;C(q#axM1!^d$fz)EXS zxQ|4nQ42f+Uw$E(X>pP<(j7N!@D=9+1qZy=Dk-qqQVMgD9Z46MWu?OW1j37s9Sdq9Psuh;rc%!~Y;YCT3Pf~lhIoOUK>e1olHfxXpV;r8NFHKF z*!M$bmTZSUmQ7+oeIOYUb*V^Y&*0I6!e;#y_i_5~ify~bq%%vZYpmjSyt z3P;3{An|uvU4T}PywuX{JsZ9hv)d4S(J|)WDS3&;}m?yUz&)yo#41-uyJW~3Yj0ge~GCrs>h1w7igBzXv@nidO!ry-Xe#TG)Kghxho z?fzeHuN%o?Ub7rGdE?c*FVMZ^X@t_IwKFw>?K_VFsJh8s_63IA!aGu#D(xja z(t-F@JksfSVMBRDV;M}(?lQZjzXZ7D=CF9UXWFKYlI;@<;n`CxcflbCxCL6F;HI*c zA}z{D%LL7tXu2k8fa8D%lIIy)cuKL; z4&8tc6{@(yamkL$(Vq*^9}B-glZ?{!c__}VUW&nXrjs?eb~hq9DFjVztGnJ#u*X<+ zs0f6~zp7=8t$Q2Ta{XAWfPvA~5$5UGMl?*p6%{gMY?X)>&ZE zzHuH&L2bU2AnKQpeH-VvW*U6*ews4xRYXSUI4XgB977Aj*$;$JO|_{%qMwDVt~Equ zEWPYWn-s*@QT6#~4w3b)R4R&jYN$8iLI?Nk_rq#&GYmN&S~E{jbbV|AV7Jd7)2_H}C-#?s!==jUZg(UZO6{d(jR~xLkqa@X+XG!I+8s zm^q~}_6Xtmh;S=v985D8rT5-v-}qaH{VeFc4wmY%l(^zF^W6OJw4e8Z zWMZTLg#0xx%wrCw2c*$X9-MP=SJJaKI~ZBMQH&#%QqmHOIa5_QN+3>W2Ug^H9#=KU z9wbJdIf|31Z(^%4*ltf`%aQx~(kS9&Y8{SZGY>1mF>1p^W_gG3&cY8kk@T+*)@3w^ zfA%U#9cnAEg4dlQ#0O!BtpV$S^m!v9(gJB@fpaON4D5pAZMpWyG)J7q*N7_fDZrQm zJot-|qNro;v-FzOtE1OZbepob1wm~+LW#tYxM|Xpq7T%lmw!gtTZ!#2`FW@~Pnrs2 zGGvsZGsPd?V;0C8t39G7lIl8QM6v{WlW0=Z(HB8}Nn0^$aC(4_0uLb|&hySOUTnvw zN&}xk^s4of&5A@eb!RC0HypKxr~VvucsX*rADif>^ueg8s;P52WE23v5PhZOEj{rG z>xf5%JBMs0O8urP7qp25E4)?v=CohOWXZaGL- z&eXABn+8*yB84w-X@FV%&$6WC{ASWxrTl~32SO5?Ra77YCDr<_dBlB`p5wJ}I~1zp z{e*>=sHOaIg#Hb#Gr>|E1R!Y$*J5s$uWrJ~SP8XNg9NsE5^9}qR2<8(u~wh*qNIcl zi2tTYfCqeS;ERHR*iuhMTMBFM1gKAdt@cbc$cXqh<&~_3W&rJn6-rp83Ps~=Z4yw& zoWORNd3v5=IV$eCnvc{DrAIP^?s&HqP<%Cs-@#q+{na$45ZXrpJ* zn>Lbk7=BkaW^#^t`{AT88^h(tCucS;`nYiD8*dP#P&Gb9mW|U?86Jxcsf4;UpZsZvoDdz zxtF{#;l}N+>;{tf?S}Zr=lRE$DRsiRAXD5=TynhMj1{(Fe+kw6wNTv!bGC6~4dWX~ zDStLIVfp_^I`?=c|Ns9dl}cGBO_C+=-YR93a@>|A9o||}sT`J6NLkM8s1%jMlBB{$ zl1fM^$897OF{eyphGCd(*!leP`F;P`AJ>1oUDxY+UC-C!`FP$RVoo&T2=xn&XmOCuvc0gl-jhaXF7J(AO5u9pCp{Ot9%v0Ly0SIli2Nt&8m&d zT5F-}90>E6=g++%g_I>?XRdMAU**FQBx_$ZJ^QRln)oiERQGJT2KQxn@RQ=qFfKc5 zq9!cFA)gF0e@7MM3r@Tzd63!aV`?ngV^Es)MDRs_to6Rcy)Tr8Dxw0;?-4Ad5YRP} zZjtirH0V*?l;F?v{?dH)bIR$STEqwjkN*$Kfp9j`zg7!MO7a3VMJ7RW-7K%Vqt>E4 z&z{6`4dqdp#Ubtc;^XbH(MLFX3dk0}SaB?8+Rkr@s5|pCjs*D%3#2Mt>vVA_S{_c9 z4twiL)mj;$;49y;I=-?zma<~tjt8LkB+B#q{rk46w;dE`i=@rb_$GPh{2OvF>;0d& zY@#=#e$+l3YTm&)W+8kauN9o79+5U*I4$yIvkt-BV9}Hf`-tYkf1iPccjXH7>zi6| zhC(d;w~y+je9I}TMUWmW6tK3g$kU{MDSBV^#9a;ZVa*MVQH=m-_&r4%$BN7l_eifL z_!f(?0cqZ$uW)%_7KOD}(GulEOvWW=pzc=^tag(%#5WqNa$;R;_q3q$EP?00Oq|05 zlHb-#oDe6$sy_ldtTmn>?tZJ_o=_yBQGOeNK-IcR)T))4c<&pkh^v-w$kj=cz$ziT|VFM?~*!-e+Nb6m*(u z=@a2|8qfJezn(I0*Gu;yn7^6g4J$c7JEiO~aaV^C%i4LlKc?|HRIkYEQ+7XQTjsop*Phv?&*gLy#x zQE)Q+2xDJ2D32sc6yrMN`!xsNY@={K(q@YCJZ@x{YcvBf?<{{KTD&+y zi$16Nd6s${Hmw(H*lf9gdRVqJUEjNnYiT~Ov8D8Im8h$&ED=R^z zkBJW)ril-pJ3Z?xjAp%_k4;NSQn*b$qOd@8K|%@Z2IqA?fEgR8{#^E6wI>?`u-yxz z$7WcH>N4JCW1=Bzm>b4TL;)Ml2biyLpR z%u^K2pA)BuO(9AHpVS70bwngd{fy1)EVIXP&DqD;^+<=l&%KYy0=tqBLrmYfnb zN*r$4(YJJkV7%B7l3~c1&hpzJ7kQMwubCQ7_EZKb|9kH~n?|RJndV=ri{=7h)5`N7 zXed(`d9?p8@@!AM8J`fxcWqU`HzNYoecTtES^_=JZSgQv*&0hJ);#^;aYW$sp2(m) zQSTJGvQZ0^w^gKI>OReC2P?z)AF#QF-pE5Wv8Mg7Ir8s`P|X%)yJ)NEgH}NSwPvZW zg|E)fr4}>w?vL$x_02wc>QP&VB-r@~d(Dh?cMrhU$wGLF_mBM2&`b46Wm08}@>bq6 zT)&ht8+&!Jgs|{0;!Q^WqOvDd-Q*HmPo<{mc4d-D2_Ao?Zj z14_T9kJ^X+Ok_;8}C0hK;q9E4wS$i4Xan*Y%SHsyWz=Buvx&(NVHtCn#t!r@Cuchr+F-M5ip z;DfP4#Wx0vn|xpHVP{+XdewdaUf6Tf6ViU2J$#K|&%7*X@8 z#H`~FSK%|N;9`g$ebfg_x@{gFu*_nugySHslM1@nXiz~Le7;xyLLf%m?cDobXxk+0 z19xnzP*i>EJ~)0N`|ab7w#=fuJ=p#!tTyUhfySxIxp~=J63~ah;M(+fHP;?=9P0^g zrw@tWbywu0L_MO+15_viCw2GwBDu*y9D0`KUo$frZ%a?=Yr-A!ws`wExAYvO)Q5<9 zcC3nA1IZ{>M;)r8-Q2yEOuZfUUw#ex#1G*HiwT!k$hEDm8~347y3YFgeNhUl?Q@LrcAy^+L-ImbxoH|2^T+ zLH-ZtCI7m-7e1pxwaC9>;y;vkqr0ce68AZLx$Q|*-BZxA-tWi#Q5=$E4;@5PYK;E| zm#~6KyK)ZoHTm1odqb?U-(Tgvs=MG3izqbJgh3c~=lipqr!V2KpA^|8)U3Ah{t3IK zJwtzRwZ#jSf^sbbL5Lrm`kRqb-@M!^sH+-ON6E3tjG^jnpO>HsDf ze+Irc44zbXdIiQ%I=hxgU#s0C!#30goQya1N0>u5_4ynieY6gZ*XW3Pk^y~sQq2Yh zX#mA?L{Wv>5bU2HrRoZDK%fZ-#uaCKWbRfLp^sCMohuYjdbZ$O1txiC@Ec}I7-mEn7R|PGZii? zA@4U!@4-9lpRNZr!&k5wQP-3U_mHj5+SM&~JNZujJFQkv2L6fj-X1#>aq0@VX9xGx zC4L6sdEurJv!tr4QU5(JT1Pa-c= zm)jYGrXRMD^QJhx`9PCe6K?-j7exVHzwV*P;CH#7>;7`h8p+{#yEv=ra{UPL+opn3 z_gM0O`2)*q66%O+TU^4W!})$cAi;oeL3_8%njvVy+BJ_@PQib|hpLv!lQRU3Wbk)` zRebas;p%E>%3;Pte79_F?F#^H`E=f#SN%#TrWt+byiPu48?Dau+k?`?zx@E=fiLHp7cOow7EMU9C7t@8*dS?QRcZ6llW z*~M`o<>96*g28uylRDwF!h05;tU^=gEoo?End}NOcnwVwonzTz|M5239Bi2LHz{#L4LL|#_qm$OU%mZFS=~AYHn0Q zom~KN&v)oX>FmOGrLZyuZTD{zmKO{VO%xaarK&aDRd-_7FBF>e0{p=C2^v?&@#4+C zebLv!bUnaX_$_7;f<7^3o~Q$rMcDFPhmOr>;B~df?*KXHkE9AYAmhkzWU_@81q9*D z169}e4~cW4WOGM=Am=>f8^5y6((eYgCfZ6H*}DG5%4(!n;yQ_0C`RW0Q9rr`JK+6e z)O^n3%lCro1A6_dKzGS$O-$FUaImWPhs;MLFlw>c30WN&^HNSk0M9?j^r zj1t#3S^@uPcR=IL=Y#xbH~mnMH*(uLtNez>IIBj=jd-6lV2I+T#8B_%OWYuz|M;+8OXE;!5Ja0A|Ss!=7 zRx!&z)C9Nfchdbl-tof6Z0MpaR=AL?w9W=uU$ zzk>Z%7T_|V{5^MW%~jZUb+Ko3Md}9Av8~c0nI(&tX48O{T zKeYS42#u9Fbj4dshD1h+3I?ZjV}GIOvw$VFnYy0%WZn~G@cndAb8QH-Qsi;56 zjQTSXz{=Wye`NrwtzW!5Gh=05Ukh3eNH8Wb7T}ezU&-j$?*`1522v9p5CAH&xQKLq z5#zg&jnG@To{rC61KP4`{0t`8+UzF2armERY~7whJ_n>&G4sfUCBMFss;7?Iz{MQt z6PDQz)!FaLHVV-iR>0nEmiqbZY$>JHBhT&o7BF;oEtO`4F~(7y(&1Us`mNDaM7;&+?%GQz} zr`Y+_%aZajyKpJ44H23Y`VD8x1ZyFv+qrPE+%O zj5O!-Vf#{B)&@0?q&2F3t=*g$emjor`p#~5Oy9%SGssem@p(b%U95Dp1#djSyjXAd zj#NGBI~THv@&L8mZu7mE)zApkn3j__7ZBd0UCG#a5v8fh6#n+1Aosp250RDY)^O9* zb)i25%h}!spqo=;Z>ScMswUU`Wf3`BKjDw3xeXLm#_jGWPp8AmQnz*!lBoB#JyTt# z=e*&5Pomz3UQ1Pz@0vhom2QW#4JClP)RClbMz;tpcP+bM`GfWwd9EnliAvpRO2D`v zH=hd_Ok{MtZn?jdoYluS>I@p z7(codwzW0>h5J2qu?z4@aGn5^_8ZV$>gt58)^uJmF;wOQ!|hMxEm7Xcr@+=K(gvhE zoy&n&$q$<}tXhqE@5|A0=eX7E*~Yb9g-K=#^MkKh53$=`5E{Cmb^5%}Q^{TEKiVOJU(FsS#}>j+NjQfgF0UUtca(E2Ou;!a5bD95;b z?n=+Xws)|dNer6}y`2SZyKo`FFbX9>;X*CjXZ$C<%w41CZX1YQtFi(}z^xier_tl$ z+@t8)J%!D71Mp9Xmu9mEDzsTq15#}Q{Hx4o?vV>3H}FHC7If}d3uF^kdH+m(=(}Sk zr;@*wKWurUq@2y2K@ZR{;FnB3-awtbiExFu!ib8n%7-?dQKcIlpd>vBY>Eype`DC& z)0)MK^Vptj){kwz>v0^h{u$l2LeQCj%rffNjm`bg+Ioe$;WgO6e;-QJRgT=YOB(re zd0+Hb5YFS|8foP9+KZH}{3QSQE;K(}SM;y>EcNxtam>HN`{W=u1^*ewLGZz?!jenf zG)~vYa?{O3JzV$Bdz8tw-Yanc_24d(1ZdnH=J4UN$|(qtYv|0oIz<`Y{^`XAcgR#h zF-F8zVlF;x?9J+~vqGQYB3PqWXRv?n*j}h3+0J@A+&xG#hF@qoqXKe|{;^*MZ8+AP z_4Mix^ex_Is`u)U{YTwAfV+#GoAo?7y*v0nXV{?t-!z$Ze)-w7_EuVAWOZ ziO0JTb}FB#ypbfUR4)^#9;&(7!R-%K@-G`vz>2(AQ^$eapWhL4E%imvC8i$noAl0B z9zG~7gco-5w`zF0=mp+uTi_((3*Y;u^I3t@WnYQSM=8}%WjMDc{jRMpLjl~Cy3Ybj|^ExevEUkMY( z7ZJ*IRSAsJY2nZ5TcJ_1aBfgZaU+eq-RA>e2fZZ2dFsWH{@y@itm{LEP z*eW!5)B5C?JQ4XgS60@wzQ1be^r1J&zRnAgBPefTA;b#$KtbrZGYu%zm`m?z(xyb7 zKe1~fU}+l1&+Tr7#X~Sx^%L&y3dh|iWzUPBatGbb*$;Q5Bl~?72Qh!iJG|+K!U2zZ2`UKc#f$LUb++%J@s)o zaCr!DijYWrte{fpc7}3@x@JyZ)3CluO?#cE*C1V@U~gx*p(9qRBdfQCh=e+G4lALRk;!H- z-Ui+evnlcV$`s*K9^MosK0?U(rpjj>kw|{v*Ah397OU_Ypr5nN#*ittrq}8+>4IXst=uRW3Ajy(EGjo;s34oczM zb&{Isj#14`pJH!-y2=tiW$G1Z^`vzX7vmY1%5-JJMm%x%j<$|FZOP*YD7Wv8w?>b0 zy44$INL9WLFQJd;u`_n*CT4Zr#B(%f<;YMpmYGQ z->Z0OWprSjQe`9qDPND%vN`uE3tMZ-4C)qO2bVccBYm`UkTTa#*~tMGw=n}&3Vq+I z3ey}v*zEH_YWTJ)(Gws3&%lw^dCPks(cG>{GoCe_z}_2M*e)2Lz3$!X?gUxb_r_9L z*t{{A{_vFd3_#L^ztd|%Vt0j>75_(2?P>@@=y!P&vOq1uQY%xz(yJ;$6ExL#_M7lh zsvUhF<6xP^3-|>v?;qZ7UUCQGcaH0m97UjTwJ5m)+N+H>W=G^Iq~B6nk2UB`2U$~S zQTY(g3YqHi9CER7TxLS}J`BZW_gV?;yUxvDG4J&zkqAMs~%JJ=io_8 zF&~%ISc6U7A@Dou6-<|@_i~-ClBOAIB7Y_C*Trk-6!!p<4LnfEUN@c(VZg@nyKP9g zFY*+TW%7`%8qW{9wQZZ5v0{GHq@Ae6lH;AMTML%1kewGP=Z25+*31uTBdf4P^@l&+ z*CFpGP-FYO%PjH*@cJ$LSdED5d%WkDv~bsn=B+1pwr*5ka2{Bn-)+vC)tUS?+BzgL zAx=1hCs>vteDvTy+Us^5YKG_UFU42f2?3_g55#h#+51zM=2uQC*f)L2G`w4{bmT8YSdVK4)ZZjWAuqN&@wjFJnVv`Uiw z4tKrOuECib;mcBJ{(AQ*xe2}&4TPA95^8ua{7SAwk9+z(zA+Z2DoA{yT+-j6`vRtC zM*52`qormaPB#w>2GcEC^gazkQq;Y@)GSQ`Y~4ez8?aBqMiG8`h%YozZ@<$-8iDs^ zGzg;SKq>|~@0BH`h?1uT5u^?*Ozp#`QP*JKFtu&sjEI*QbI{@V#(-4qT-wv;n6h5@ z5xnFJ%)JXXrz9Sw29W#3Z)`y|V0Y@@dbh=&^X!iHzfb@>PaeWnoMc;KC7ahGMPld?~yKPy;&n#OQb zFI!Gk3l{(6*&=Mb(`+J~G+ z>dZi5+;Vm%?TWL#zX_@EGwZYFd-WyfOgS}t@cR5Qemj2hIiMMWAM5e)U9bU?;>{f) z5rr01_k{rPZR+5byh)VZ!p=9Ngh*@H$rv*T81~JLpH5u~*K{oi`i0U66ktBD_ z=9v3RWsue=0%I~wbx{K9f)(NeKnGH)pxufUq}`wb)bU)*p@>v(7W;1an9-^ zm8AI_eC_>D`%e#5R~+~z8`_go|y zG@6Dly7JtrYUD|<*k0e(G=NHn;rjZyei6Jbqy=dv);b3h&FA>)zkLEUHZUa#Q#c^C!0sM^)$vv0^y0c^9@^2q5at`47W0|%(~K1GD6 z?tT*#5f6im+?|e6({X*hVhbY(&BE;tn+ncpSr?F^@`UDGUh z_zmCSc!P7b3;3mK3Y;Q%?H7YvhOLO)*$HTIm?EVwDWJzt>{rM~fqyA0g_+#E=3fC8 z)t%v3tf`9FS}R>TMWk*Fsce!|eag8Jn}OS~5J5&SWm7@CH`v!2p#yI}&v%ye zdlq*!#N=^9la)4+9L89HFMr3uBo9Xk#d6P&r}RSb+q3`f9B4AXXhFET?NjvFt?cq) z{ZH7Xv(K6{-T|k)i6k?Fb?L2y1XH2l-E2un@vKRSZk+c&Ffe}5;*oZLD(;xcY3Z+K zi*A0vPaEHl7m?vGMI#V?NO@m=XNmBc@{4&~7+d~0u_zvZ-LE{ia_&y!M6seV{EM0s z(Jy74~07taTMA`ER7WsNZ)Gu11(X!Y65>BQOAjj_Z;i&?iAeo6t(Y=G~(vWyN zCay5XcJdDY>=37gZ!Q7;j6@*f>wqyQryO8g;8&=TzWnG6RA>15k5D2(OvDv7Z$;^< zk`t|<3~rw{Ms)3o*4;cz6D}G&Fy!sOa(1aix4_%HD=-D!Z4i)qOC6#|d}cd!OFdeP zHI{h+AhV<4e~Z_cn_g3997#ykH6S=#{H$*TWQ4a={3dW5_0iXbYZOPEe#9&rT$Dl- zomkWiH_1Jyt7FV@)O!)h&DxHK@DPZss2$NM?;TuQ z>BH8EF_2UQI~WuWnJE%Kvz(LWk6|3@{i~MKIuI0JMl>>t(rm`W?V4}K9KdG9Tr$CJ zqA}yIMA3GXMUJubWP4|mOQ~I;FG1w9gsHl`oE}(RcjHsl$DlPd{RI)M>`tM;Nr?I3D(G>j)dDFpTawFmQcH}UbB(2!@JmLM({=v3{8RlarFb|7^qE> zzfz za1Cl)huzEPh;A;O&Lf``GVa{Ym^PB4}a5MOK`>q)sv*xI*4h@ ze~OcEnR0nh-Ga4$IquWE8!U&iJpI^DmhCdcOkT6#ALy;9V35@O2x1|}{q9`(t=#S9 zOeAKov{i&ndWQea1I>Wgg(en$fZsG1^;^4Lt@e2e@tZ1TM%|DtyCwqm?H?Ft_e=o{ zpnZSMZUCGbx;Bw@CP6a1oDsm;^q&{&TixO)RtmS%sHfPM5(6q+8~5@QQhgZr#kUgI z5I3L%+0}|)nz{JsME!4(-cYaNv^rN%frC$msJXDk95^lZZYgO=YAjCtO_(s z1Q2_}7KVh6{Hum^rn3H;f83gEo$ju$15KHSTFqB;aJ;wi_(bWZRIpT?8~flK54kyl zdj7MQFDnG5r&}ol&pv9dXokwyalf&^Y#bow@9f&~QL=e&GWf!Hb}fkFxOuJ_2m7eK zs23jAsH`)qZ4Ce)nSWNr#08?|!>6<6b9%4<#_j>wZ?qH5;dGrVOl+u^#`-zA9Y0Q5 z9vr@+MZbFZD%A8!eG;zj$91uZ+t`PlwJy%!BYcB5tfv}Ryy*jGA--_lp{`07mEzTK z`jy`UM6fiv8stX3H1sfr$wV@gYef3)SCWY_Jj68lTR`6_ts(CqK0#^y()$9Kvx;s$ z;1ZAThS6RtVa}!^&fr}mSdLyWm|ydNz0}CA4se*tJ5+@*0rl;Qt8_#U1_7Z+{48H&sl;X8@*=GNTt3_&%c7Ji%nBqkK+wfLiNe_CG>#>-|IdeV zS?R^C|8KC&9(O`)$3=a93bu6kJd=Hy>qYs>U{~^fw&6DX!M)u^zsZYXEQIi)&(?;9 zVu%-r+yignAA(+yo>`Sb4bS%MCX&t!+soOae^2`_I3TP`eg9m&?BrXHdidb}i#||r zK}s#CbC6wxQ&}*7anoiPEA|wqs*SX!iaw% zw!hv%Z!KQZC%bfk7rglc4Eu6i$%iXuYiWFX3N(yd<9ywLWa2nXi3k_VWt%rFfREQg zI8!;KKP|;i7fu)>J$&$H0rEHE;@j>$GXEa?AcnG=!uk5Vq(43Ad>Nw}YeKCQw|p%b zp2#_maQW1)V9&h&=9|0iUBBs%?wvgF)eFk|?<1&tb}K|9|25Ui%Eb)eKg~<6OXN?_ zqn|2tLga^>44!W4Eu&oubg|}2OKNJ?xK=A#Kw;jg|EEtby> zHZMUag-a0H1o)q%AwGG=ClK)KeD|R1i;bm0ZmYnp0P8l$nmUYndJR0(!FmudBY# zQp<;bPpOb&=!c8PNZB6)AYjwo#p4sXJ0x>36L*91#%V|egc4_K{)UcfXKQp`A?}7x z3JiPkvi=u?{;zxTRK+?J#Xmi;lokPU)f{?I7gKN9U}3k~peBUbI-|KjYVCeM9E>fn zov?otQGAzd^|pu;S;Q9DW%6t2uRZ0vKbXdo3WtNBlfRJJ5nb6qRDN4iL?4(X{5UPD znY2`I9H0xdSt+eIYIx@AN8*uKug|I=PmQ6>Z1| zm1UY%Vd0eBM+=KXb-ZyXN4%&bMz>3cvhfkv>u=OM&sq)A0&+WWP5gI$L9f`af69y1 zGhEJqCR=qzOM84wVmB|NF*)T-?(4r>T$tM3nvlg6RcOMY>AQ)xs#D$lFfm_J$^q3h zxF+yfE5*_1?S=^E1?L)AZ5~CXJ5UT_Ouapbp!+c(KA^!uQZHp!-d~T@;?k0z_^@>% zVBJNe<7+U97vMAiJF3Cy&%Y$CMv0!kuv;W}DMe}Tl$l6Twd|Np!}`7h3$DNr#KREo z+CRdk;QubuB3-QznabjB5o1^|JbLwV&BGJi6YU6j2BAC`zPNEYLid2DEB(ruv#-lx zU;SAA7q?Lbnv8a-QhH&MR9O#)Q7d=Los_JkINpU|AC`KpFGvYc;VDX7nTfW@tQ zsNmb`R1DvetUT5Hg41I0R>f}8;V%|ojlJFSI*)zhO^%+aijbP~M`*bQl}{+Z*LkLJp!VRLIuP z1YlBr3PV7XX@uu=SzbC&=^=eUGt?Ee)Fo`DcVWK5ptb%5S`S<7N57QO!1*-R(PFHq zpxXC8DEnHa_X&BZ>N_0|HeEZ%Mb^EOmt%f6BZ*O-LiSYPJlBdM$+n{GZ}%9i2|*;J z>enBkUN6nTspwf5YQyYuuBn(9Bbk2C9d(nMWwnpo1KB48@5?LQn95!0H&yT1zFU0+ z_$OV~x%TPv-h~j_&R{_t@>sjgFsBZ-$=L2!6^s3xgMu9w=)?;)8u}`#mF|~M%VEvo z!nsq5+z5`#rxJtR8{Hr*2UYJ9o-_fOf(ygF zw7}lu=-btX5S@BX_aYhEjdrC!IU*WH{;D6-32M21kR4b=23u#b6;?JZmo>$7ql1 zR7QjdS`R%2%XcwPOc@HwyWxLu;!=H#sWE7a9!oJ+C@dWeXCJRrrUbJVc?QmO<+~JT z_k}#CWKm70D28Y$-%PLh(E+oWd2L7HSeDmd&Kc|j`jC?so_ErXH!*ytDk&3uMp4Z{0UBa80;l3sH1XMREN&JOJ1ZVXPsQ<%SE5UmOj}L` zQMewpAXc{+GLa~1jro8%=`)!e&0L<g?yLLD&Qr>B43oUquS_kx=W5TM$>oH>z`d-edK>YvOzjY}t z8nUZSjE-QL_A6N@%t(LkK%6H2nGZedNm#QFdyy_QA4%p%?&Gj?o`o4s=zYeLj-jDW zxUYB7 zD4qPmF8(6nIa~N|!wBSwIL!DXPUILwS;1>DznfF(T)7lnF@=h_} zi6gD@a+J&L)^Jbd?hx|V{$h2bgj+3?^9zC zAS020h3TqDvcR%>q1*+vw(Yj7x(_bNp3Ef1MAnR0+$9}>ke)^XdPK44GJVGNkUq4X zB9B*>^H8DG4^v`k%E2P&cJ(SrD|uHes4W8^y0Bax zP4O#U>bo>P%+ObZ8i85qsb_|lz#fTKyYMq*x$07-|BmUGH)csQQja)s*d- z_Fnxtug{{V6t-pL?IF7kj)}M143&^hyCi@VW(mIz1re5^++n$j!^#3$&2W$#2VEu? zWq*ZT2qZG0;|o41BJ$II`D^*noaE!I74hDOp{}z{7X$`9&r*0nczo?tTdA5|qzrD5 z_U-`kfEntmI5XKDqI9gLv?(7waxDR1@S6O|RkwMH6CylF{xyN;mR>Qn5|4yqm-PkUlX9eagXu4u$9T2@X$ zl-Q31gz9>NrF&t9@-wq)d3AA92R^Q=nd0F>mcC|w(=IQwtbWIB`sN~aP#0<{mQ*bP zErE#vHDR~6t-6B_vQGa|`p^!ke6P%veBFw9;lERE;+{Sj)CI_O4`sY2MMBQiqBR@X zs}~^yEr|EU-&m;MX{76J?vUQNTrg{_ESMzUcbH%NsB)tyvAT2pZS2oguzmRQe597{ z9W}2XcUp_rlP`5Jr7VPSOTQ7}<_Kx;8w&)V)j^VWRWJdnXlv@jRCD?G80GLpFRBue zxww|w2#fhXn1~-)Uf8&i@_W%^jTzg?xF5Fx8Ol{V+SmW}XR?M_KHI2zW_EIZ+9;B} z*ke?-ePIm%MDBXYOqFu*4c=KL*~E<5qQ3HEvexx~Kqkub2~3n@c_rlxCjK8khf?qM z5DW?BhLWItU(K(WY~{tGCVcNJPqBpXoqNm0J?X(vUb&+AC==O(w}lysyA3cajyttg z+o_eNeUW-kaGRBNt(mkq1NOQhd^qBm)}`0atqRdctJdWO_}&}X7gdX&doJukT2)s^ z{@V!|f#Lky!pW=#+rjfu8A|FwbDbHPVyXjRSsMc7$Ra?!O1(zRe)8@%;pmcS;ANQM z>*<4~D0kd9O(T9Rk`JB+d4i$)rktd|^+7q_Je>&tFU(4yBQzJb$c!|dO|cyoKcX|k z&0!ru_7ch6|C1+7Q&Ei*M|KHa{M8U6_7Pl^;C(O@;c_2C8u{d6Y&u5 zGQOR9sH(nPYn08rk169g0|HU)?^1@mHy(tgYg~SQDY0|x5PG+ut0c8?AW_al+;BT* zGjK#`W_MfRxG9gXgGW$`Dh!5}Q*vWx5tEVr)}`$Hs8@nQ!l{zse~Zi+*j!IL<{t1|-?cT6wIEM^Q$g6T; zhA?ZImUgT+1lo%NWCU~2PYB%Q>Su!kR&%4ZSHk_~{2*gc!3wn>a(T>-XDha;L$?Co zC>86qhT4$m97~d!tdtL!-L^PUffpaLJI&k~6>FGi%l`ZdIe)u=9VxLO<@jZBq^PNz zMcP|F6CB+kR_cln##%^_SKS!8Ox#6$hh;sS|L-Pnrr9D2wn<*%ZrK~^@D(ir{VALG zFJqYb;d%Z@p9HDevo_`?*`H#=d(1wCdj_9A6iDnP@Q^8!Tpz?a11FB#W$CXrce)*` zwmc-|fcRK@krasTF4M5&{nybN=Iv$=4DR|B#1y@!bAMTr{e#YSR4*56PzSc%FoG@C z9hd)P*Z{?We9AQ``aTkY+0T5U|0=7~(d4huRS z1Eya}n3-h~|AT^1Wt%1bEmm5Kl@0_>p8+>yau*G(kU9#=LhJt@M-w)S}rR??&rF()9$aIb7N>X%(|r zCvP~rTWMKu@m*qJ+ZJjH1QJq`l|+lQST63O^ubJV=w)6V znDRdSLRz_E>o zTlN)W&S&Au6QTIf%WU27@a2-s9n!&Cq?nh;qdd1rQ{Udo3dFAwJ2y&|cg9 zV2>lsZNYXLJI33c*~ zPmijhJz~l2%5n*$h>V5wTTv6}iLoUJ)$5!a_)oZWJtZv6#NU8YbyZu2pY!*_U(67>qZU)hN)?JN72xc zZ<%aG8nTA>C;WBpN9p_QBLA87VufI5i8M!r>uJv7PB_OG^z!t2=AGIR?s)YaL`PG& zb*U|ApM99O!wV9G8(A!89}0U-3Cs)B|9xeAAtl>ovEf18mq&pPJ`taRl~4k z-+SedEqO?qyVuxls~+MjzX`=M^;g01?^g3@2e3wYt1VNrtL65!y;~r>0~~!0kY~sN zbGEidE@QnfG_8;GOJGf{?wa-eRA5Ow3d2uCB{YpVt#JV4Qwn#*&Uw5C2xZF@%1}hC z@<9aY#g^@K*Kf)RQ1!wcV*O+3b$?xLfD5B8k>hGA0`q#kMq0xiDf$sEnhZi+M7{0U zB3(~uJpPtBq1ZqNOZ@g=U{j&lHR^_#UaJR;wT?47bY>G$pM_W^TT0=GZx3W5wd;6m ztX2=$-%&fo!)9EmSODsXHd*~sF+iX}){h9wtHrtZ{r=*~)803$Onxlu1>{6WB6 zqQ(=s+k!V<5^J6&7$i%)bxf;=Cg2!_g$~2<9u6J8Z)U6h6E;nQS5p&UEqOQ&_emzJ z9W@FoFzNRw3sepF(rcHhCOt-Uoivb-f<99ANDxMOtO`48@e$md8K+_D_x@>;%Xg^i zv;D*6pFs$Ou41F9qA@YEqhyK(xe){D<}A*6Ec_ ztOT;^f;H>5TE1d3+M0Qi+gzeO(BQrL3HPd98usu!Aw?%bJzoD0ZmneE(m)X~Aba?S zCYgN{tL<-GLWMnC@C(yy{gR=5(Vi>_Tvr1c)ubrb@Igf7R`1gcn8M*%jwD@}fYVd& zobeip+@U_x6RGL4>hg~?tzaR(<3>E*;AOd|TII6n*)RU1Dp}~y2Qj%n9Oqm1>EJ-9 zj`@Fj$|oqva$iJxLm6gE%qZN^*V%Tgr@};SrC9rI7*I$d)r!MGQb2c^dq8Z>@Fz;* zBH1})TAs^w65m%wwS{n-PcNd4A1Q5!eNGBUa$PRZN!TsoG;alAm3j9t!1UFZ9~tgOa%&y^F=tA^_|3)oo})^dT?1X58y1D`OJ6~@PuGl662f)L+)cdGLDSQ;NE4#}`t9ngGj_Z(zWX#j zf-2419=4f55BD{MQ(z6qM3}lZvx{X%S#zKHnkr@D?`crQDKtuw~e z-TfSD0FxSvAIQM#xS?W&EF94&e#+e-zl84m3)I?aDHpYQC8+pcDr@O460AEhg$oBTx^%DiuMwY`EO8$K!%&CTA(-Hqu-2%v7 z4I6mG!Lue>ZRJ?5?f5+kW-D8(cI#HHCwvnRw7~>B#52oOyJj}Fe?h#1fxq*6(l=5c zXjI4armP8D;Mlc1wazRT&>#Q>;8eTr{P&oZ0KqSxH*X23Ijv^H3rIOPq}7D|UoHS%g4D$b1$7g_7DQ!sFqq-4ee_diK<9w8C2iB*h)CfyRkOZ-Ee@EV z1e75v^+ifh6EqFCh69s#kw$BSIDVhnsQ_56W-onbM{(X{WLc!I#TM$A>iT8ra*-g; z|EFBmAz7kb!~U(d%Mj)&|3yI68#_r%zr|hRDyAoUvi1n|FnwzpeX#bv{Q)*OwLF4+ z1sy^UM$`}rAZXJ?LPpCxcg{VXbj+!nkm_Z#m>j?b^NF+T1_^gm@7z-XcMzTGA_6hW z1o7LxLxRI$KQ5P--J}1WBo5y0KIT+{~|f6MsNix%}UKagO8_779P;9QM;k9ESj%L zc?XsQO*^d40%`!GjscS1G^hJ290S&0{4?&&4xR(gRGbxl5Ly+9{~h>$(E_sozUwkP!J~GH!ADxvz8H#oehXzCH4YlK@qG3hwkP!k2Z0<{G}; zp*0O1#(6SSJWbxyf9n4QI1tD0y<$I5598<=@3wvXFp%dG=pVZm74w|-naKD$$HVr6 zGu-~teWdbXJiu4}rN48_a~)-x^N;ag>JQsNe~$Zm9fyuOTUlyGtNrCfahUKQ{G3$qVqAIY(6t?#&{ItoU|LXpPJA4N&gRYA$vjp zhv(ANC!Sx?&*uD~-J@R8j+=czI~eEV{9)Wo?3&fbxH$JojDNsSHF~wzz_{nOPVs)k zSH}XRpUd@^<4it0*E@lEOZ}kT%8C!iP4D&6uIjx*#zmRWc9Jjejc^?457AEPx<$X0 z>n!at_tVsS?spk4W1PtBXi@51_tb-`%YD(6Pwp*;=;>e3Z?Jo~uz&O~4JAIP z`!n9tpq_EwSlr|`w|@H5OxwK_wcmf`)~D~GP;QF{BTYZZ?pLl!C%4LD_b{Q~To>5i zyywSw5!Y#!qn}T?Rer|B=%4f6Dch@YQ2JAvWbu=5#k%*Mm1q~{sopPT ze2#ts(~Mu4-6ucT4Le80y*Q2!<6`W0p3^bS{^0#e-e00$!Z@wX+dEu3_PfP%VJ~=2 zXYn@pi#+EdQckY_54Q)%{@3-<_E%`P`qf0Pd%QPc=ffC3_AlE{|A_u3_y6?k_e=k? zoZMrvI4SpKwD(-ExQ-cr#H)CYOuI-vj9>o+_T#)iV(0GM=VM*ecmVaD>jB%%`AU6_ zdv5a;?NOJEl>@T9+KePVfy21DZ?Fj8D$D8!rud*Ebk^4%n!ddhnOjQemuN;}N`Bjsnk_TI#QbmgO+w|jr^`}JJM z&U*v-!+sq4hyDQLkG2o~xKpmQP6Ih_&0i=6$a|2Ck8!@zUYURXs9PV)r!B{MO?$$8 z&VR-WXjd4A9KCpG5_xaL+QIdT@g1y#+_%vV@SY~^5BDD$*JE6c@i@ls7&jf-=%$aL zyuHsAU}@YiPV}F+-a!td`_o-+8v8X(m+au9(P^%u8Xuq^#QDT|`ONdt$nmv(itNkm z90o{#k979_6Z8-3_4vQ`iTBvs+J-Ke_ zsOcM9i*hup_l0C(btKK-0#5A>Y)&4?jG2!alPtS4I(uO%>M52zD;yr&F|h8wZ5s#r zx8IP6CZCGXdeC}MKLZn<5#wvTEH{;D@*-Q$ zv_`4bw`azK`ggi4Y71M7+7y1!nxhTx+a&X+@iYzH`PSUYH`iT(V{2$ywuI*LmaN|d zy18YXvb8~$y&wxM^)SgKyZ-A^`ujinAgeoX5fxPIB$$_T+d>pc2pV{aqy%`GmJQoe#7wX@_^~?IUZ(XzDhQwBOL7cTpMqhPLdtI4o zt>nyzPPuhXg$|htGpmkEK|Sh7yx1o_OHMjd-XD5UxPHlwt!tdqr$j{6R^eH}vKFt^ zhJ4JwW;kzWj=89dxV~E=e*NrBqQo^2Wh;@lThB;Q>mOatLqIYoZ-k`vE$h#y5tgRn zayezp;&jo$JV{l%gPfmG?sUzLx%F4Af6>ffRoXpzW)>@L4f%AEGn~$K+&Wj?w{@{r zF%L42bLRWVqFP2*kkMTF)%V<5xUFk$X9b5jV-Xs1k=et0VOE-)uy->5a6rbV1NnH+ z2y>V#W0iBq^$e=KM%$JdquM(#_Fd7M3)DfTR2hf_exF|p&Tt`@k}B&e`i8$G4wI#Vj2gP6Xb^8IQ_K2M7C zX-)DeZU)zL8h0d?xYMr+Jt$nibj`Nip3inP^%iYDA2jviMjfuc=BX8#-E_>!gR~bU z8h)Xo)wp~#E}w4_Ofjii4_Xhh+ecKtzsNB7J-;kgT)m4{7p7BU`%-%yjofBtS9eZU z(L6uM;cpebCls;mTJp)z-1N@t1fSjaf4o0w5Gj-FMwtC%JBT_k%Fotiy1Yt|cQe<- zolRy{=VdpS_pzQ552l7|m4^wClRZk%ilpCTYQ%%O`kqxbcgiYh<98+bv`hKy_11&d zgPbc|hIKTe9r-i>wYwSb3GJgNexa=;a?6xw;{c}p)=b2mV&6}+W>PeB?Yt_aoht@5 z_pRAl>rX<~i|?#ZuXPV@*}ArQ6!1^D$WpZ@UZ3&&oxryR`)cr zduov|!7Yg^!@FiBsrAPcxV_{jArSEs`(P zwJa1s%c`!}Pr%lxcy@!*5`> zqG{2zXfmZ)I8ABt*3T`P7R?z#Q_mkbtsK6n@|&lg>`cUOLX{2d_8?3W^-;U-zRlaV zEZI7+voE9;p5LZTCtu7D+-6v%H1^8SF-76}f!W=+Ex)xV)Y5wX9Bw8Z(70Y~<}l~A z@xC8MU6|C8HvLza>lbL9>iI#p#sBC)iz1&Cnf#(ei{ebC$mTZ!Dto-mN`_B!)@<73 z{1#26kG6Z3)>=+3Yh2YEa}b_vmvVD8-QiiFB3`8h~J$Vu|Zdo zTKvW8-=?bg(B}jtYGyXJtt#^u)xPQS8iF~cf(Yn>a2yT_SGTb*4|x?>TOkX_b_8? zk-&RSVC^fvrj{*DDy>QKCeoQnGj7esd+Tj>8)kPMk}^IyVU-gxDzmCzdvns0(@*A{ z4B52rt5$C`reiB7r$k>hYf9GQ`!=ij4bz-jdZQNN42OG4G_ZbR)UWx?vfj-yZVl__ zW+ij7!nTriQqie6>84`x4DYMy*Zk?%qWbxhIcd>U?8$s4bK;ydOGR_i-f7>@IY~~% zZa>pHXDW7GhV!U?afbRy)vyM(l8sTbeELW&-N=73Ck{qVSWO9yZN-7lytKrJwWJgl0{Re0I)M z9MJmt-WhgXv*vy)nTKRf3`HwB)ss^~RdV8)PlIHJi&w)O*PL`+E18F6J{9;(OE$|g zatiMx2$Xc3^p}lGu zw>ph}>k3L9?A28CMw%sL{g#OgZCxwbO16@%WGmT9wvw%6E7?l6k`vX#tFGAGBQt>l@JY&-j%g*`<%^d z?(f^yHu)p2ZI>YP+$CGKZe6n#sq=3c*mVDzt@rhj)17@=w+(FBjO5w3tXgt6{%-%| zmQCviw(J^MzhnEhO=|`Rk^eilY+bW?+orzHuidm}^ZGUGkv)Ui+qPR?JM$(ex9wcB z0r?jqfBSASJ!i$5%^O(koLjc`t!Lt*o-d5kZtvSUa37n0!Q$PU1~#uRwd!3#M&H(* zTQ=>!pABEy-`{6tX56}E>-sI5w{5#`&35B+=bByPQ)(^{wb5sA;amM4R Pzx)3Ibvl@JsR9N7@JKAo literal 0 HcmV?d00001 diff --git a/seminarie5/bildata_test_grupp_x.rds b/seminarie5/bildata_test_grupp_x.rds new file mode 100644 index 0000000000000000000000000000000000000000..415b52476e1f84f8c1d59aac9df4b2b0c4fb4d50 GIT binary patch literal 2789 zcmV<6G0Lgpd>4X-wic zWX5h&+O6$)oOJoI5j8T8EC|baMz`B1PX_M4Jzh7B z5Qcq&a>eVwq^AMb9V3Bp&!8F6H8K@cDc@emwo#vE(?57tv)S$UPP)Awuhb;E-R~Rs znOyJp`(!CNyUXd@wjx9oa5<2kX0L zv)TEl?a_eRKb}I4Qt)hW)Mrk~fvJEz*idSJC@?lEogO^p9dA0PL*;}5W<;ZwOXWpV z=2E}6D%}p12Dse3Rc?K)MdkN%x6Lvj%EOYjJ?s{%C~MVFkDbNGD&3zyR?Ni>WV_AQ zpU|%dVpKP)Wk6$FtO=9r{dq?to`m>@6`TXavDr9QNLE>PVs+UpHqkqs(n)&}dC+EY zi2k``Ht`)LOTnljdUg&qd^Z<_oahU=sV^ON%L$Q)ZkDYk-e$KrbWOXcD#~6raq_|( zM|Er~je!rxDY_>;iBg45yK3L#)eib8|5wyY(e3exL&-VCJ3Q=j`@G}sDXl-&!YRlv z*aocTf<1Xbc`hAIX{8=ucHNSkKYymaaP*R7nvg@UidCmA19~ZY^M>6X*(WN~so^p28C|_FGnAF4Zhn3s-!<8-h&F4{JlRECe~24! zx1zVXa6717(&e2+@?`}46WW6fcTAB$furA$g_w%Tfg-ZF&Uz75uMUS83dwy%nOiwV z6(Ze*8S8U;%BmE#@K8R?{3!WT*+gnqFQ_vgt*8&^0ZQ2Bw3bNO?d26!5B(m|GwBN{ zqV!FgxqTk)ZsAuIx7pa;y4$8RF2a+=o6TX|YyFV@OXBa$1~uEVSl=e-uISy`kVkg z&`J1>f`18iF2L?vW$Z@6un)QO@DtreJiznh4|bxEr@9b7Eb#hN7xFg?f3a=e|8&?8 z7wk|yh<=m!B2R}!-X6t8c~Lw>Yjz<|^`d&tP<+ckoS%a})rtHQJ&kj!2iXr%9EkG* z$qT$5&BHmIhqw8BV>^62)1VccD?7Zss3ES4(2Ir*=M=Atr_aJ(T;TQIq&NjWUz`j4 zZ?v65%4{YT>t2x_^s@~>qRP`RJx3bsB_UgU)aqhKB&B$o4-W!wO^PZ6A z&qVVp-~9eHCYI($-TeEZiX7;7n#H9D>gz8${?(CxmEaG)e_MUsaV=h9JDzavZ@?Un zxqD20f$aXC@vk0bG~vQU@V9x)eagoWzP-o!6H(1_;i>UVk;#iPy z4qSW+JHVyGtX@k$g}-kxdj3_|K|Ruld%g@VhI!0A;z7bNN=Fzt~l1H7XK7=Ltu{;Fry+AMHSHhX&EFT4RCX6DkSeQoz^->UT z{1~IBG53VZD=f|!;wMyo!uT_t4C9|M`5Dw*vBK^I!|5mHsDuqPFn*BPtB9zx(u24N z;a`hG;8FP+;w*#l-yk0c_{-4$m`5eV@+XW_U5}Y#{L2QM0%A|aKY=}wuZKc$Tg|Z~ zKlFt#j{BBSLBHbE|6#}xVy>#4yK?hq#5np*ebf4fJm@_K&8b#zst>RvKbD6;_su5k zY+Yx#f&Oh^&uo6c@Xi3kTd4Co_}9UI8+tcHhN}l*X9@D{1^iJ#z3Uf7biIQ-R+cz9 z*Tz42dg~~YyNP($QLmfb20Vj!v47shb8Q2AcrA-_fzN9Vb-WdWe3JLS`iQ4jWYh=y zd#e}z3CBv%4&KZ5)@UVr@oXgp6>%P1svO-Bv&2 z{ZrjmMZ^z!3w>U9f&Y|8ZEhYK@`3!imFI7uPaEjZCgx=md2S-VpFLst9_qL*8|*I` z^bVTWW91^R_YU&exBjwBV2U>nCeu3_rUPkO0%l%bby>lJ`mUJQiRhdE;*tE2oUva-Qyg~%)a!Q)so%G7zJ)w*{gEN{ z&q&{!<@w}i^;2`d+H;fQ3-d^PiihGPed7O$El$^m7RVhp#}CoZEt(5MU#U-PVLmTo z-QL?a=OZqG?i>0no4z|Zjrb+dQ#<^52=Zq^yCLs0;CF#CFa-1fhe;0he6TmV%*!W% zQ^521{eA*+QQ!#l$8bJokURBvM$>l-zvwf3>L>Mk0)8d)M8b7qXl4>`3|C5XuVXm5(UDe}Xac1kkUtTLQCB81Z`y@%OerOtagZx*mjArEV z9QM`!#y)A4S$*$Of@i!7TF?SIBA&Y|9i6e=?m@qRPrUT zJ7y!7l?)yWhqS*PN~P10G^p;OMDlVZeM$STsUanu(f=!2`%u6`|GTkwG?k1cQn^HI zE}Kb4u3Q0s|4=$In@K9!1>$s!MP_H{_p6Sfv=SrYfc%y!n^mqRE>Y|~?uBGxHl~O4 zGGi#|tEuF|Ws2Gxk1M)PD3VhP8Hq(mM`K)2RSjk6NvGy5REn3?pMA^fKhK^$yJM`^ rbTX2mdbN?~Y&3ZxMi13Cm7=_3k!-{gPpgJi>fiqX%s4s)*lhJzYt{HK$FWxE zqOEG%hw-7hRz{WEl7@3OzLtBHv(JV(w*=lkD;!QxI`f-pwP>5D^<(pS`3Bo+?ab$} zM&y|-kgTcey2!yBG@L^&UF>$~%)bjNGwis8B+1 zDXXFDkOoE#2BzgV4u7)V;)L?PsIr1>JW*P3;ZiYv6bXAOigN~^Ni4T;$#FJK*7xso zIzzGGza|Aoo3_&QtIc(8uC5$0S`N;gB;iS-77*Cid30k#O?5Tx{RWk+zQz7ROM2uX zqf&C5y4O-UTKP8c8>Oc$sQ`KQ7CyZH`Gv`W=^W){3B4OxK^h*-=`m^u3xJ*{#j>6Y z$fJ5!w#(4tIG%&J&@cZkDesRCIOkb%%Wde|86(vv$6g-VnL?=62JPG87vqC+RJJL) zY`f-M`}>I~v~7nhqw0llR{-JT}yO?9?yohn@Zp$sK1eyKOV{ z9VmCbAT?$zUs^jx;??*;ZV)l)HcRX;~_v?9-jJxSk!J&wT?J93ow$(S= zMH4j_9k;*d4_IV>9@ql99V#5Y96a^60STfnye!|FVRgPrSxTXRb9LP3u&1kC{s+_h z`Lt?c+%?4hAg#!@0)vl#PKO3J_bJb_j)&EloacVuD`-7*J$A48wlM$rw94oN3yk^R zPgU$EmpPGzMe>)u3M;4A)p?zGq$*D9)z;d{o%Jt-mvqmf#rM0Jx z`>z5YDPFtAjj7)~Y8>)0(y=+;&k=Irz=lomEk`)*X?$a?-{eHtABo>&=mP55;yTB# ze6VBv${Er1Cy?i(9n|~e;hT{@X~>?{Z1&j==#vz45e)U;aJoYcwmU5_sxE zn*BtIy1L(Fo!NvMlw}ET63ClPTj?G6hBqrj;NteBDi~hK7(26xvF@0*;+3_}P7(cm%(kpD}*eGu^JW7@`?CB;HIYJ%W;fIfIP#By?Cl4-tXADLKJ zYZcyD1wT3vGRa&C`5apWwp^{NU1!}b<&>I^PaC{;yQoIV-+6rq&-v zpZAVhlpVD*SHg{aj;{aom*F{m|1!)Xgk)5UR&oW*k6Zr)!!4hJN-y~lO}=RySyE)3 z4&NU1CnR_|@-KRkIons2nEBZ1pH0|bPsI9?2|8#eEukM+Srd{H z*=ZI}J3cY8^mAAG8Q)#+@*^hd4t*#zPgdCSWJNTdI_DctnyAulbknVHzOcUduk&>I zbR$A*ZAA5nvPq$1Q%_Zb!gl{l&RI{+i`t z-sbbV>ERc=?PI|1#u@k2CuzecGN8xS1Wm2)*Z_wBd2C{cy7{qr6k#!Zn%z*!JheP) z62^X7(UU&i-ncjX@yfN6-@NWdteLXSQ_i$bTpRD-PBd&|$2VeDJ?@?SfLwIB-4yZe zckC5Sg3UF{{(Ek(bo|aWRo@JMIur2x{Onx|jPmzSDsPo4(!S%4pVe?|tvUP(wF`ln z)1T>#K907%cYT8{_n|&%bEJ0%+p^Jg`*=V4NYLVC{4RsjO~+IwDDn(>8CllVzTLS6h?rqHLjUv`J`}E7mi8iC=H^q605~ediCTEj6 zWB%ky7Z(>YxKUCMiTbLqegz4oM$F>@GkZg%=QPs1~`QlDD?Z=~`8?LFso8vXg=RmCM2Ce2HIf)(`QWWz(ysRg$83j3g!1To7l+ zYEnARSDnCK1NS2Dk86bvk&^^>yg;GKYp41>a^uzKVnm1d2f@o*LD#k#F_ZyNU7@l> zanXVuIRVAVdI(RkTe*FDEl6cVSGM?&@B}+@&Lo*pc*g)8oDF6fbT8({*P#RFc#vbL z9c#)3&gB@TM#bjNKMdQxc_QWME7Tw$aV4l{=M zjJ~S7d1-M-eZhl&Wz+XYWwB`05oEU4EZ+5}7iPEIBeBuM1@dUTMs)E`v5sOMn>lQPnN~u=r?pgI8?FV`quXwT7SHflaZ{yt zT42A*=6Ol63tMF)>3johkH(yCnTP5EsLeP@*KyAO(B@Mx+u9w&YlrU=r@|R0IK3^{ zVU9jNsjpto1{G+wq0yBUng+J$PpiXn=;9(Aqa@Q@bTYk3qE-V5)S0&tAJ_ey`5a5@ z0Uv~nbvD>zioj@(7W(zOeY0jin4j?av?6h$cf=G?5R20YIWeN9M_bIbZ$XRG6z9{r zA40{&fO+c)SyLjSLu391@0aNu8ke?U#73_Kf6{4fntcx_2Iv+jND7HKcO)ID(T|^; ztHD8fR1Ojpv<*E+4p8b+yu=R1G4iYzvGL*~G=8{Ah?O|#{+<@+FTMAuy?@}dMZ;p8 z!>zamk!Cq>NH{-+iq!>_+m-qQAfCe_M)uUyMXj$SWYm-ydGT z`HL=n;{Qk*0yZK(>3!k^`Rt(6w8^K`Gno@`JjvMBFk2YfSL!;25y`_BAD<9tg|3eh z`h>hNsAS5o7x(5F*P|z5ve=A+Y?f0r}P{7b1hmlnQO};OCe?n z%_Gk`J zczNm#cx%~c9O30bhsI^Li(+6MR|2YI0=YLfrD!_1{KfHxmd&%QV_0r|cp7d8iCS-m z9YCJ6@g^+nU%-yXFoI3`Ybfs~-x3NK0o#~f*x?9E#0k;{H3S?j={LZ)Od#8`d&$*k z57Di1>BUK4Dz^Zd+Xp1RP~Sm}R}s0br5WYx@>sImuZ}b#cMs@XO0<`;^rq%|Yd!t< z#oy_bzo_AVWS0yD$H8Cb&CTMK=I+hC&Wyw)x`6|(yA&ga6B#E_R!EUmcaHe2P?YMO zHFyMHCr*P?GD%Rtq2`;wFNVz5p$RA>LV+lXA3b!ChyyPGq97YuFl+TqqKc>?h0=?# z#>GHRsQ(Kk6{jgZ?Ujj9=cWTSfqe~^0Zd50=7u|l{~e0Tl^j`xy>MzLJ83Z%gwEP_ z0ee*6sJl;~($I#rW;HnsO>AETki5jZ;Ro)16V~h6^G>*A7CGt)9#PLEoRiCa4f;WQ zE&UWbRoEf5*1QJOqV3?{39xSbX2+Gm{R%kHhYR+jcslf_y10%jksh=Va%kyst zBY#J{ujgil4}eDQxDG`cxW0#Ul+Um~bbaaRj7W+do*mQOLN^i~dc~W~C^*_(cWFZ@ zMN7|)d-`P!OWByI%rbwD757I7LvOCY@rKU}X2FbugvY!jyM^sA={v520=X3A@Yz?w zR7J|2O2%4B6vO%mZ47dje^qWpljcw>5-MsC)UG#EM+50YWBy6HDv~?vmdn+H%j$!a z&wyB0s&xMlbO3%R&<*Ha$<}b3iy?nk5GmJ}FeVRny&>4jLsTjirj<~EEki%+wceOA zyh>9Gw|eUb&&lqH>oA-@pU4h7Du+xHwwkno7seZsr>|M_Hgb6BMsbXf*qM4&lWKk| zvE$2_`rsxc08F2Jl~g^}j{E4`p*Jrb)f-;=Cal!OP<)Iov3t6oyu1IV*vh551`s2k zt`(%iM*X5I5*we;Z{n?1f}dt}<}Jw2cN*PBb)m&IMm~C++n|Wb&W^y|4s7HR(++XX z8@a$Mc;4lC3wp1J1xuu2ufaR$CmH6X{1#UCtu;utmy_eIzJ~huBV6lswV#Ff4lM?3 zeosrb;T(($2^Xhun5Q^07|EmlPLuWjEKN?`nANJ7j|fuNCoQP(HQiUkd&YQQ>dZGY zH>s2yOF-A+l%g4o_fmX){}pi85Z!R}4X_{VHphC=b|BD#;7IC-*sK@#oTba~rh>5n zEuHsD0ZJr%cGV6d13-+W-Uy1r9!olqA4oIpUT%n@JbJSU5N3T@%kHx}rYZB_fyd6Jz>-0PX zv$Ovd&E zxXT0&!ouXOF|U=q6-tsp2`hM*i)K7ujh~6I;0Cuvkb1W&m&F!92w_)Cg<4)HA*sm=PqUChCY z6SZqhm|*)K_-?jw7P3Tuirc!TgsSXTO7G{YNDGOL`v|U$-m9JP^jENtubeCEADNN7 zgePKxwQ8_BbB&QmTbjXEFiNEOqzbShtteKZv?Av`X1@)&yp|}(mA1C4lAtb)g)Gh( zA~1F&R-oI0M#M`z$D02grOn0(kzAU7z*f4{fJ~t4Lt16Ga3iCI$5nB1BSa#m^g-bZ9BivPVjn_-Vy3!B>TA^!OVp^8CH=D3q;w&=jml!Xs8gPUM zIc29rOl}wa(%hR!;x=p#8kmy)O&!@7gCjf>8lgp5ZPLv8U%24eP9#tU&O*Y(Q3YG_ z5Zeu&%oDYMKn0uuxR|1J-bR=X)o~+tPQI1A`K}QvWrUN(T)`i}0z^tM6DG_Z9Pwp$ zB|PvZ{vZFPXc|ws>xKFpYelXWt7zB?SZ>G7v=~SrC=n&ZrBl&yxDkLNgzV&OLoImB zbuO{Dk3v4mZLXPwKRFQe9zEJyOv#AK>E__s6SeLfZC<6La6c=0S`p1u$pBwNEh+It zEBgHEhlB#*u?F)TFquB*UYaW9q=!lTAPtNPmWm8tZ!VGGjXUDDemtO)f2b|W4SMzW zIG^8Y-H)h@>~EF@S%A7pJ1~_(MX{S$*GJ&0p?(CTp`)8$@dy)J?_No~B7w5;zUBSg zIY^|?Z#iT?Z#SMb#<;YRr?`w}x4tR{y@jt_T!w%w0q3GDHauD`OU~gJDy5ldS`og< zPnddPlYDQ!igy^rD^t^2zd}h29&AcN{pdpMZ(wzGh=VzGFfS(Z1{yLbcSKf9h5*TKku6$33U9wIdYB@Oi z&F`(*CD|*2g!0lua&BzrwM!F6Bk%WtZEdQI46OtW-o7C=g>&B?I{wmCxmw}jcv|Pj zW{*#;+q{!DaQH}lX$Z1qQ}ench?ZdK7t12pMR?av?rJlCNjw{c7F{CgPKZ5$(o95a zPWk&doV5_RjR-fSJBfxoTl@h*T1&Y!nsRJ49sJ3G)I0Cn|BSB2-`8Meq!7b6&xi7#-ozCE~yCCL! z!5e8~E$`KhVdOW84)WPTR2dt$t!3FOQTk^!P9GNVIO6B#o~`Mpdi+5^4_t9m1wV*5f z!3__v6h0fIY0KeFUxy51vFgm=UfVKLpVfq?r~q)_fedtF{OF`RRxSkn5?#j^kw$c#ydoSH5bpdN)0@nA=3I1rtYTDy$611MUv}L*(GUGsO0$BePRs zVYG-94_+d7spV0`E3q5i0lWu9h0Z{@uXwVe!-kDn{vU$a5_SVb}ili8$7IWJj;Zr0Yu(u$Bv zqD1b5U}%m+QmVt(hG!Uc3r8KN#u|=*;^`5K|EylWy6!R*_6YEXT}Vy@p;Ru6s&^To zRCG{q-O>FYM7^WA8&wRUOAYxNd^e5j7$)ZdMp-kgpQsT{<9QTu9}h6~aU3E#xGZN; zgS3TC7~*5t%W|zcJnhLoey+x6B3TwV6E%2V;y86|BfiRf?qG-mZ;hu+fl-S<8Ia~( z$0t%=AW{h4>cm;#;)#I`bFA3Y=^3y*H}+0BRPwzp-KYSF>EhoOii7q z)Udjwc^SPHOeiZGxj`@?V?RaBkiuRSo)d_s#+kawpg#fYpv$Yd!o znx)tB6^e__}l8~O`27taq=XLK1&;7;g{vok!_X1In~xtTl*umQSLPOn^dtv+0KQ)<)zby|z@ z00QIL1=G#E`48x^BVBQvn?F+Su->2=vEMKfhaK$CSdJwNS;x{9Wwmb2O8@tW$RW0z zRA0pW7wlsep>;s0u(53MJo3_drqX-qAF+CCa&H9RNsy_aycX1HG;#*W{^&FTeoa8P za?|BFgZ=R&GCI@fEqn*h+-a;SPUu04kv}`26m*X8(8WV^W$F*vsT-ao&c~*s<~#Ce z&x8>m<~ieH_D5G}*k8zlN+P%G;37f)KK$T_N1c z8`qvx6E3a>Bihr8@5###<_#LCi-l7i^pd>g^YX5ntMMQOu$fuZ%EQQKOWs2L@7m7A zUY~9D5g&(QKio*hCV(y)rJEQVm|e^UM3}G!kDbh&FCfj=nZ$WMSBYAu(jlSBy>gd> zszO}pPv4p;H9LIs?RplOkrQf^bLKgs)4!JTH{^JYt@hzl$c$>o(d%NB zQ>QGGK|-zU`GwJhjFj!y1} z@{M}?D%erUwtpZpA=+Zw`J{vM@($?-qwgM3i))UzuGq4YoV$9W8I*X6*8bIJ!Sj~< zsVNV)MVNg%DWsHT^zd`qJFk%a37-d+UY~vP1Gk}k^A_eq0<@TT$X$Ulpk=ma_@aLL zxY7In3WE%KM)g`Hfjn&_+#z1*ZVKstKG``1h7@^htX$}5@u`{y`+ zt#Yk~OPrIAoN$v6oT14#Zr2)o(>vg3ai&DY&vvk?RH1O!mtSWC`>|JElM-`>j$U+| zZl!zOPWr1oPCL1R>B;C~J&2u>*>YbTIhv-jpy}vgtFb>VErj`ax?=c9gU)vj{$|+z z*Q2*&vDfnw7DzM*plycF9cHoU7a~izoRyrZ)EBD3J$VZBHVso%bstF_pf@J5+Y8&LG^BLB>W&yb%f*;9Cs%|U zG0BMPY>9{p#j4edk7O%@EKt+LbgvW}9MI%7Nt6v(1E^sRlP+D#JCI97a8PEh!qt(z H+y41KLf(KC literal 0 HcmV?d00001