FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*Unverified author*
R Software ModuleIan.Hollidayrwasp_rm2mcp.wasp
Title produced by software2 Way Multiple Comparisons
Date of computationFri, 02 Mar 2012 10:40:33 -0500
Cite this page as followsStatistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2012/Mar/02/t1330702949a5v1d44sqyevcmo.htm/, Retrieved Sat, 27 Apr 2024 21:44:04 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=163430, Retrieved Sat, 27 Apr 2024 21:44:04 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact291

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
-       [2 Way Multiple Comparisons] [Task 1 - Trimmed ...] [2012-03-02 15:40:33] [770cf63ebe539b0a4ac17dd36f0208fd] [Current]
-    D    [2 Way Multiple Comparisons] [Median - Trimme M...] [2012-03-04 12:56:35] [e099c11b141e4453d4702922e87525ea]
-    D    [2 Way Multiple Comparisons] [Median - Trimmed ...] [2012-03-04 13:01:09] [74be16979710d4c4e7c6647856088456]
Feedback Forum

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
634	387	613	1220
752	564	518	501
566	470	464	665
921	421	511	618
599	576	570	560
427	1245	497	502
458	526	534	529
434	522	425	452
404	589	582	692
582	669	520	443
555	480	506	558
466	897	492	438
700	457	508	526
489	526	553	677
406	611	441	417
576	326	488	590
436	554	851	1026
547	544	569	534
589	620	521	688
594	443	457	604
533	469	464	719
545	536	490	567
430	489	1003	479
483	395	576	557
562	794	664	424
727	431	727	616
546	518	453	1050
501	605	575	884
715	472	504	457
584	505	448	542
1014	549	504	502
434	1142	502	546
486	872	520	478
490	819	633	604
563	497	756	570
573	547	711	538
1102	1015	994	1553
717	746	802	990
757	518	513	820
1126	781	1129	869
449	1165	1215	1124
709	908	1301	1168
691	1038	725	943
565	810	629	920
533	575	1050	724
647	941	997	687
710	862	911	1150
437	975	1162	876
899	1125	455	676
737	1165	1098	1187
472	682	749	1025
1043	803	1205	597
534	1128	933	1273
511	1515	1270	581
590	821	1043	1941
525	1126	631	1549
469	1139	795	902
1195	1114	938	1605
498	876	445	1329
482	1055	809	1286
472	1500	874	1226
467	864	911	1294
468	1029	786	904
542	905	815	796
437	1673	581	1137
494	1277	1050	857
588	1049	694	514
773	1243	1100	1505
822	2762	1126	923
810	1321	1153	640
445	995	1161	1003
465	1226	659	1136
563	641	605	1330
467	592	724	740
443	527	847	754
934	721	594	674
635	572	669	731
474	621	637	540
673	1230	644	716
617	700	512	674
554	532	578	633
705	614	498	977
637	583	532	664
699	730	584	753
423	1049	820	778
547	1031	824	586
540	722	595	573
494	1489	584	715
421	824	786	951
657	1177	657	706
532	786	555	658
555	653	790	553
423	730	661	720
408	664	606	503
492	663	747	730
447	734	724	587
523	663	514	1714
701	696	577	497
574	813	574	484
838	1095	730	648
516	650	514	579
503	546	668	549
594	818	635	625
461	596	756	639
619	691	729	725
502	725	624	608
296	576	793	577
510	953	653	1011
827	1726	1558	1654
890	1274	1568	2069
1542	1430	1748	1607
531	1596	1604	1666
1355	2201	1681	1464
1257	1603	1647	1862
804	1989	1341	1899
1212	1759	1745	1620
927	2671	2011	1722
616	1745	2133	1753
899	1352	2153	1505
1408	1401	1634	1749
1070	1498	1172	1616
815	1347	1393	1633
1124	2532	1740	1750
702	1685	1640	1842
1078	1439	1477	1854
1010	1649	1696	2262
1319	2022	1428	1513
734	2259	2043	1613
740	1723	1575	1664
504	1707	1597	1846
1203	1440	1861	2437
1250	999	1713	1750
815	2266	1981	1172
976	1915	1316	1524
969	1536	1223	1291
1638	1863	1634	1753
1040	1945	1455	1586
751	1901	1641	1687
778	1404	1731	1696
663	1829	1415	1316
1006	1259	1785	1027
1125	1856	1633	1740
1565	1659	1505	2315
896	1718	1793	2079
815	522	447	487
863	419	462	471
1104	479	442	521
1042	563	454	464
1290	593	359	403
1163	1223	481	479
808	605	367	484
906	623	485	541
780	377	448	449
846	529	461	515
1304	459	463	501
1283	460	508	463
480	475	539	401
724	344	439	458
1255	375	632	466
441	779	420	484
467	400	506	475
1178	446	344	751
1211	407	372	484
1291	563	375	496
1002	508	501	501
1182	435	591	522
754	371	455	354
1035	403	510	507
694	449	559	580
820	451	518	475
875	389	669	327
764	608	596	410
1176	374	380	464
1213	422	385	436
528	367	727	448
1169	471	432	504
822	444	500	473
891	450	481	518
716	486	429	356
1405	419	495	463
722	602	517	478
1066	675	942	566
936	536	682	496
1030	731	573	847
1021	485	594	1376
1157	364	839	595
1039	603	572	632
886	549	510	999
920	578	555	260
1017	626	1168	514
1095	486	538	540
1011	532	642	554
615	679	497	446
835	493	415	1141
1101	665	1040	479
1497	885	408	486
1052	706	628	491
1270	476	646	1029
611	627	557	529
1369	716	955	549
1273	495	613	597
518	1194	482	791
1498	460	496	793
1039	568	1092	414
459	630	518	679
957	441	557	474
952	516	558	616
2027	702	759	1237
1312	565	487	575
952	466	780	481
721	927	599	606
743	545	555	547
1281	553	474	443
983	444	920	859
1356	792	416	499
905	760	596	520
730	832	635	1643
726	1176	518	698
680	748	398	673
598	695	681	835
683	1123	660	1360
797	672	499	2230
636	1526	750	2362
728	730	943	1432
802	678	843	869
894	1657	3240	787
796	937	686	1006
793	495	541	506
631	802	631	640
722	756	740	734
896	947	1432	623
798	667	726	518
645	1478	538	370
796	2178	1017	670
517	778	956	739
585	1228	1008	813
612	819	1038	1442
638	638	897	685
636	607	1890	858
648	636	1335	497
777	1455	655	714
704	1469	844	719
630	501	676	622
585	1019	561	994
616	1024	660	1073
584	527	601	595
724	662	582	1245
921	796	1018	495
994	694	609	1069
669	819	841	319
693	2196	1049	423
770	872	1024	1328
937	892	444	545
496	591	681	628
824	440	507	700
694	485	529	675
755	547	832	655
927	517	542	526
756	429	534	690
820	494	501	747
629	613	580	530
802	888	618	563
639	576	601	615
709	720	645	899
512	559	567	515
853	486	626	482
865	498	462	518
633	444	687	587
782	1254	586	949
853	488	548	577
631	559	675	679
782	513	498	566
708	495	562	600
914	521	916	650
737	537	463	454
691	658	583	506
777	636	675	602
666	426	705	601
1201	446	553	626
814	409	722	680
856	652	621	1101
821	576	447	570
867	630	495	638
735	485	566	461
843	516	559	568
763	753	468	620
594	389	904	364
822	529	707	550
546	456	732	491
644	534	507	384
537	482	486	413
484	527	426	478
619	533	418	570
728	389	417	484
767	412	491	617
722	391	474	421
834	501	508	377
731	499	577	391
875	512	440	669
901	374	417	511
1172	308	421	485
730	470	339	322
798	497	412	447
525	460	420	469
898	572	405	493
747	359	470	420
762	462	293	459
573	372	782	1062
630	471	904	484
608	431	470	465
877	410	386	575
835	428	367	557
542	453	488	496
577	517	423	416
737	383	554	512
676	407	597	424
735	480	404	426
686	487	456	727
679	435	407	353
771	532	481	629
726	463	341	517
759	492	718	504
624	504	379	601
786	475	451	446
1488	617	973	740
1499	652	566	1042
1486	820	1103	740
1859	847	315	591
1749	494	590	679
1209	589	562	738
1386	913	742	339
1358	672	834	438
1379	805	746	949
2418	962	511	796
2757	762	610	561
1615	758	1247	712
1736	861	435	2426
2037	608	779	496
1252	650	808	694
1047	388	483	1039
1921	1047	877	1008
1324	881	816	812
1389	857	711	714
1305	471	553	494
1885	324	779	554
1211	694	1592	2656
1834	607	905	767
1453	497	904	589
1561	640	767	543
1241	514	536	670
1507	746	667	546
1749	840	699	719
1520	634	538	749
1195	571	440	585
1524	583	687	669
1843	496	400	973
1196	459	916	994
1386	815	636	716
1261	809	557	399
1398	612	525	538
2035	575	575	438
2485	455	941	649
1589	577	419	547
2112	551	489	482
1555	1661	1429	1190
1302	2555	449	584
2635	924	562	441
1485	1937	597	476
1275	420	538	396
2351	513	548	573
2444	513	1105	635
1625	476	1021	478
1229	386	492	999
1062	399	479	686
1262	558	586	576
1742	547	520	683
1555	671	608	584
1224	473	906	575
1782	1244	897	789
1552	600	474	1223
1044	676	534	1115
2071	906	1138	377
1432	500	452	683
1845	507	493	541
1925	526	572	360
882	643	499	495
1093	472	856	534
1643	516	570	636
1714	574	612	1390
2054	546	452	787
1941	591	604	512
1075	533	738	475
1535	844	675	945
2414	775	1214	602
1772	393	300	556
1216	476	505	429
1985	476	1132	590
1025	1167	530	958
1288	501	2964	341
1321	997	825	1483
1906	498	1380	1311
2249	457	2825	432
1123	415	513	502
1564	605	790	601
1732	1090	503	4757
833	740	810	1404
1758	518	554	1621
1377	612	576	552
1487	698	1789	4817
2949	511	3206	664
1415	453	532	1304
1540	635	885	1784
2158	1941	1286	3319
1739	3071	574	1288
1706	967	968	1224
2009	1592	798	508
1895	595	649	479
1366	967	1147	409
1259	514	1171	3027
1434	647	4877	2365
1888	1435	2142	1570
1094	1357	1128	3451
1587	519	521	1282
1642	838	416	1191
1306	1423	571	423
2198	436	505	1616
1452	1349	511	470
1328	1855	514	1850
1307	278	545	2297
2377	500	429	2424
1632	360	1223	530
2016	1203	2711	1277
670	802	477	2896
496	1927	774	849
552	1013	746	686
617	1252	1046	1028
509	1168	563	1261
506	1158	1241	882
491	1150	719	1361
481	1378	1054	1645
450	944	793	869
462	1125	1942	2429
436	819	442	1009
738	1125	1070	2525
395	1103	1318	1115
480	1047	705	827
377	754	1941	1548
473	1107	963	1027
437	1774	847	950
490	756	1020	673
563	889	2311	946
535	1063	1081	892
514	852	1545	978
517	1252	1314	869
454	647	1200	1297
361	1105	2610	1335
391	924	755	2419
445	501	1485	937
446	817	1473	838
381	1050	1232	909
417	1039	740	784
303	481	911	1003
508	731	911	1172
535	777	1299	772
463	1016	794	1709
541	1975	2991	2006
429	906	960	1245
503	1059	739	1223
449	817	805	968
484	778	1153	1014
597	766	768	807
550	786	546	1112
460	1021	906	873
553	544	796	978
503	500	836	982
477	863	1035	1465
459	871	677	1000
741	838	864	771
437	1101	755	1110
343	1169	785	1129
464	1109	889	1235
409	764	1420	1235
475	1028	894	843
460	988	954	791
507	1032	742	1218
487	1183	1491	1516
466	1124	833	745
400	874	971	1117
438	974	1109	950
478	1082	948	963
450	927	548	855
465	1021	894	1083
466	1223	1005	585
340	1051	866	1029
482	688	1253	1010
534	888	666	858
481	1000	576	643
468	968	1010	949
401	1083	989	968
549	862	816	1004
897	1099	907	862
517	713	1039	785
356	1053	800	654
541	921	947	786
443	311	583	1129
583	566	482	335
443	421	507	443
467	590	476	290
455	544	399	454
553	595	494	334
545	537	368	486
374	478	488	439
408	465	384	464
585	595	404	354
449	530	481	477
454	332	315	375
552	567	408	596
396	413	479	506
533	301	406	272
428	376	593	427
415	493	497	534
440	612	448	533
562	511	498	362
276	435	514	390
528	445	462	561
507	393	528	525
444	424	471	483
396	344	367	502
340	520	344	318
435	516	492	474
314	326	484	394
503	415	487	501
477	420	474	443
414	307	347	515
409	448	316	391
450	460	686	318
461	501	544	402
762	444	424	494
621	470	1080	532
481	507	486	622
522	614	675	738
624	902	616	637
459	1066	779	910
620	812	764	648
472	700	899	1052
628	708	858	800
368	748	704	886
667	721	744	568
546	818	767	996
1297	659	1225	701
624	1059	950	605
905	717	1389	797
1314	1232	771	915
747	686	843	858
647	955	1035	588
522	1054	968	715
563	879	573	521
460	652	743	802
597	554	673	962
451	687	614	769
463	641	801	670
578	763	990	659
730	793	681	744
433	576	535	760
981	625	785	1323
781	533	662	708
602	1189	711	570
529	828	690	751
565	554	898	752
654	816	590	715
420	976	1308	1057
828	1013	659	920
760	645	706	726
817	766	984	872
685	989	833	804
685	715	675	1063
502	467	486	495
633	721	390	1463
568	632	562	395
892	597	596	450
1037	513	675	567
590	556	596	495
803	604	520	634
641	416	378	542
537	625	607	506
1115	503	474	556
683	564	580	467
703	510	572	678
791	559	482	643
518	733	379	650
858	596	497	793
664	688	588	416
1109	621	630	824
364	367	581	602
476	527	432	459
548	643	589	523
527	695	513	561
689	749	396	494
528	611	527	525
457	478	376	481
556	541	490	612
488	550	727	615
462	458	577	425
1496	639	715	623
510	523	566	488
722	408	552	442
810	511	408	585
478	508	537	683
524	565	547	412
1041	510	501	372
498	487	568	429
530	405	433	703
756	641	716	1362
491	590	702	1540
584	568	836	828
723	1334	728	441
611	1969	776	1268
885	484	1153	1048
608	610	1485	2045
557	965	683	998
501	1690	744	732
594	1936	721	1727
781	925	713	800
999	1068	1352	599
698	401	877	784
579	2936	1133	1432
385	651	1503	1272
546	925	721	469
513	958	835	1733
596	876	805	600
643	465	931	1449
914	1595	722	569
658	611	612	714
516	1769	937	547
583	1034	1435	1048
529	1644	1455	702
492	1505	819	1055
492	673	569	1165
583	547	693	977
1249	834	974	885
755	580	1103	978
615	735	809	849
728	618	831	1283
608	689	995	1032
526	2587	976	2395
537	965	764	852
596	1130	688	650
542	1173	1283	1094
2127	489	467	607
500	778	407	465
2153	394	433	490
759	515	1019	619
1083	408	842	489
522	533	584	670
779	477	598	464
623	454	531	891
411	631	450	545
1096	562	1217	617
646	522	833	434
357	950	624	402
720	499	338	432
872	464	857	404
665	473	783	563
704	949	484	532
631	626	448	699
573	478	443	466
1838	430	602	428
645	562	436	417
427	432	632	469
743	488	436	610
700	529	951	540
499	1121	488	1108
725	1365	455	417
1034	540	546	1026
501	829	500	468
1170	495	515	1239
580	484	474	462
597	1079	423	306
868	771	478	359
583	520	758	1777
360	452	539	532
1238	582	1127	442
3180	520	387	475
631	861	582	494
871	812	969	1055
684	659	824	711
528	1413	752	798
772	865	672	838
720	871	783	1150
663	618	651	690
854	739	1373	954
804	968	1130	741
880	692	952	900
1397	803	773	1019
1850	693	1312	1091
574	1061	851	1015
698	920	944	713
409	888	888	690
606	847	755	1056
862	782	767	667
502	1225	891	1871
528	601	1070	1047
677	671	793	915
851	786	716	779
1185	824	579	859
619	535	805	873
767	737	521	656
619	815	914	942
610	740	1210	743
413	1008	867	1038
555	715	840	838
631	978	2230	601
649	693	751	1042
542	914	650	886
883	899	930	748
522	1679	680	1184
988	717	665	1238
714	746	666	1616
716	921	705	583
623	524	926	755
903	431	378	470
981	596	266	524
760	496	451	514
521	500	864	427
1219	425	419	701
736	624	417	497
617	568	361	358
804	752	384	456
833	415	357	352
778	687	514	567
581	526	566	496
671	509	737	880
968	751	421	615
732	545	870	549
400	418	353	450
575	292	437	786
523	584	635	455
492	381	418	551
743	490	330	472
532	432	536	674
657	521	460	584
415	498	946	321
354	589	533	544
492	764	463	511
1054	484	626	600
713	555	595	357
521	376	415	529
705	624	366	538
600	480	416	393
903	494	543	463
1133	537	357	511
4410	516	572	485
642	1302	350	388
938	512	460	613
1736	454	550	407
711	355	579	426
753	583	344	757
733	505	400	498
579	390	500	401
651	489	418	511
464	480	372	488
518	441	690	445
494	597	569	423
598	630	771	388
679	526	383	375
657	398	351	501
680	637	447	489
548	359	314	448
602	506	393	456
423	594	507	479
568	420	620	575
424	601	385	597
391	441	404	509
568	846	750	736
488	451	405	574
842	417	420	659
554	389	504	437
575	422	430	378
602	417	462	447
590	538	409	636
574	367	445	417
711	552	471	345
647	520	351	531
544	595	544	923
644	384	494	413
490	299	870	568
665	521	480	448
613	547	515	581
613	607	541	389
542	676	494	417
629	578	364	568
675	341	460	357
507	421	729	2082
623	607	878	2923
510	411	942	675
752	1805	406	735
1143	338	640	564
418	550	711	1093
475	513	851	538
530	469	642	1787
650	696	360	696
584	232	587	1019
529	435	756	691
552	484	878	523
495	512	810	3757
492	328	1219	1393
596	571	553	520
546	497	539	2792
459	385	616	684
453	665	586	542
598	475	422	425
449	575	1192	1468
595	487	776	553
423	990	492	724
702	1040	428	3134
748	436	3065	1474
520	1444	545	552
599	1215	513	663
619	529	593	458
610	596	497	1031
658	643	1736	554
536	349	749	781
616	955	905	2049
717	1076	577	2113
648	1276	416	504
548	1566	1869	2007
491	1236	337	488
481	4046	476	437
415	360	432	356
522	707	732	382
514	459	460	350
495	499	419	521
562	874	517	534
615	416	547	602
655	501	449	538
579	370	464	273
515	505	480	584
527	506	512	401
543	398	409	414
547	737	595	321
567	427	328	454
451	362	348	387
498	448	471	479
550	455	450	504
487	584	421	316
609	535	471	622
793	580	485	528
531	430	409	392
587	467	526	416
770	318	549	468
703	576	471	462
646	612	414	560
483	497	502	635
529	441	490	538
480	474	328	576
545	517	472	361
462	438	398	450
588	458	447	397
617	469	519	414
510	570	422	317
520	388	426	322
512	281	441	465
627	610	583	568
423	379	381	389
506	342	418	546
429	365	463	508
451	328	428	411
525	367	515	479
449	646	400	377
357	379	460	500
449	326	371	263
442	596	306	378
665	315	416	353
300	623	265	304
450	265	530	245
492	387	564	306
420	306	336	269
424	363	440	324
452	256	545	262
399	427	332	379
459	501	552	299
482	314	365	332
412	392	337	432
469	479	371	387
447	362	376	428
418	460	352	463
391	433	396	314
475	431	333	300
430	244	365	254
545	439	432	320
458	406	382	489
579	511	304	294
390	276	378	406
607	472	364	382
482	620	432	329
476	396	310	305
449	356	252	277
461	549	376	441
319	339	461	379
556	422	360	314
405	NA	NA	NA
445	NA	NA	NA
469	NA	NA	NA
517	NA	NA	NA
327	NA	NA	NA
434	NA	NA	NA
412	NA	NA	NA
556	NA	NA	NA
501	NA	NA	NA
420	NA	NA	NA
497	NA	NA	NA
462	NA	NA	NA
489	NA	NA	NA
463	NA	NA	NA
480	NA	NA	NA
337	NA	NA	NA
492	NA	NA	NA
452	NA	NA	NA
472	NA	NA	NA
434	NA	NA	NA
429	NA	NA	NA
382	NA	NA	NA
456	NA	NA	NA
425	NA	NA	NA
393	NA	NA	NA
452	NA	NA	NA
640	NA	NA	NA
534	NA	NA	NA
523	NA	NA	NA
505	NA	NA	NA
376	NA	NA	NA
388	NA	NA	NA
409	NA	NA	NA
491	NA	NA	NA
426	NA	NA	NA
422	NA	NA	NA
376	NA	NA	NA
497	NA	NA	NA
431	NA	NA	NA
402	NA	NA	NA
455	NA	NA	NA
513	NA	NA	NA
479	NA	NA	NA
456	NA	NA	NA
536	NA	NA	NA
473	NA	NA	NA
433	NA	NA	NA
376	NA	NA	NA
477	NA	NA	NA
473	NA	NA	NA
496	NA	NA	NA
432	NA	NA	NA
506	NA	NA	NA
453	NA	NA	NA
483	NA	NA	NA
366	NA	NA	NA
427	NA	NA	NA
471	NA	NA	NA
445	NA	NA	NA
415	NA	NA	NA
608	NA	NA	NA
419	NA	NA	NA
425	NA	NA	NA
422	NA	NA	NA
510	NA	NA	NA
403	NA	NA	NA
475	NA	NA	NA
501	NA	NA	NA
562	NA	NA	NA
370	NA	NA	NA
400	NA	NA	NA
515	NA	NA	NA
559	NA	NA	NA
879	NA	NA	NA
439	NA	NA	NA
633	NA	NA	NA
668	NA	NA	NA
477	NA	NA	NA
1006	NA	NA	NA
527	NA	NA	NA
583	NA	NA	NA
522	NA	NA	NA
640	NA	NA	NA
545	NA	NA	NA
549	NA	NA	NA
706	NA	NA	NA
652	NA	NA	NA
795	NA	NA	NA
356	NA	NA	NA
736	NA	NA	NA
560	NA	NA	NA
612	NA	NA	NA
387	NA	NA	NA
1362	NA	NA	NA
763	NA	NA	NA
460	NA	NA	NA
774	NA	NA	NA
625	NA	NA	NA
479	NA	NA	NA
718	NA	NA	NA
592	NA	NA	NA
742	NA	NA	NA
518	NA	NA	NA
736	NA	NA	NA
563	NA	NA	NA
630	NA	NA	NA
846	NA	NA	NA
590	NA	NA	NA
692	NA	NA	NA
326	NA	NA	NA
404	NA	NA	NA
649	NA	NA	NA
719	NA	NA	NA
836	NA	NA	NA
494	NA	NA	NA
487	NA	NA	NA
714	NA	NA	NA
571	NA	NA	NA
569	NA	NA	NA
671	NA	NA	NA
736	NA	NA	NA
877	NA	NA	NA
419	NA	NA	NA
610	NA	NA	NA
640	NA	NA	NA
779	NA	NA	NA
792	NA	NA	NA
824	NA	NA	NA
432	NA	NA	NA
719	NA	NA	NA
564	NA	NA	NA
595	NA	NA	NA
709	NA	NA	NA
559	NA	NA	NA
684	NA	NA	NA
595	NA	NA	NA
1064	NA	NA	NA
802	NA	NA	NA
934	NA	NA	NA
570	NA	NA	NA
405	NA	NA	NA
851	NA	NA	NA
398	NA	NA	NA
423	NA	NA	NA
927	NA	NA	NA
700	NA	NA	NA
564	NA	NA	NA
573	NA	NA	NA
804	NA	NA	NA
658	NA	NA	NA
524	NA	NA	NA
462	NA	NA	NA
542	NA	NA	NA
694	NA	NA	NA
574	NA	NA	NA
775	NA	NA	NA
863	NA	NA	NA
434	NA	NA	NA
1104	NA	NA	NA
757	NA	NA	NA
580	NA	NA	NA
611	NA	NA	NA
556	NA	NA	NA
600	NA	NA	NA
719	NA	NA	NA
592	NA	NA	NA
545	NA	NA	NA
660	NA	NA	NA
684	NA	NA	NA
633	NA	NA	NA
681	NA	NA	NA
662	NA	NA	NA
674	NA	NA	NA
495	NA	NA	NA
802	NA	NA	NA
843	NA	NA	NA
532	NA	NA	NA
610	NA	NA	NA
861	NA	NA	NA
885	NA	NA	NA
1348	NA	NA	NA
568	NA	NA	NA
428	NA	NA	NA
473	NA	NA	NA
537	NA	NA	NA
530	NA	NA	NA
823	NA	NA	NA
641	NA	NA	NA
338	NA	NA	NA
1513	NA	NA	NA
918	NA	NA	NA
616	NA	NA	NA
366	NA	NA	NA
692	NA	NA	NA
607	NA	NA	NA
1282	NA	NA	NA
1012	NA	NA	NA
480	NA	NA	NA
379	NA	NA	NA
319	NA	NA	NA
529	NA	NA	NA
1175	NA	NA	NA
1666	NA	NA	NA
643	NA	NA	NA
319	NA	NA	NA
760	NA	NA	NA
562	NA	NA	NA
932	NA	NA	NA
581	NA	NA	NA
601	NA	NA	NA
402	NA	NA	NA
559	NA	NA	NA
473	NA	NA	NA
1043	NA	NA	NA
538	NA	NA	NA
649	NA	NA	NA
463	NA	NA	NA
798	NA	NA	NA
351	NA	NA	NA
982	NA	NA	NA
1630	NA	NA	NA
613	NA	NA	NA
978	NA	NA	NA
471	NA	NA	NA
647	NA	NA	NA
596	NA	NA	NA
463	NA	NA	NA
527	NA	NA	NA
1349	NA	NA	NA
1085	NA	NA	NA
533	NA	NA	NA
571	NA	NA	NA
685	NA	NA	NA
816	NA	NA	NA
582	NA	NA	NA
506	NA	NA	NA
542	NA	NA	NA
2416	NA	NA	NA
686	NA	NA	NA
900	NA	NA	NA
427	NA	NA	NA
379	NA	NA	NA
403	NA	NA	NA
477	NA	NA	NA
463	NA	NA	NA
622	NA	NA	NA
3116	NA	NA	NA
656	NA	NA	NA
616	NA	NA	NA
1357	NA	NA	NA
560	NA	NA	NA
562	NA	NA	NA
371	NA	NA	NA
683	NA	NA	NA
425	NA	NA	NA
451	NA	NA	NA
883	NA	NA	NA
878	NA	NA	NA
301	NA	NA	NA
523	NA	NA	NA
572	NA	NA	NA
1391	NA	NA	NA
883	NA	NA	NA
570	NA	NA	NA
1573	NA	NA	NA
673	NA	NA	NA
392	NA	NA	NA
719	NA	NA	NA
416	NA	NA	NA
555	NA	NA	NA
667	NA	NA	NA
691	NA	NA	NA
815	NA	NA	NA
530	NA	NA	NA
569	NA	NA	NA
327	NA	NA	NA
708	NA	NA	NA
809	NA	NA	NA
503	NA	NA	NA
530	NA	NA	NA
394	NA	NA	NA
749	NA	NA	NA
716	NA	NA	NA
789	NA	NA	NA
724	NA	NA	NA
566	NA	NA	NA
605	NA	NA	NA
659	NA	NA	NA
474	NA	NA	NA
712	NA	NA	NA
596	NA	NA	NA
4199	NA	NA	NA
1946	NA	NA	NA
457	NA	NA	NA
2014	NA	NA	NA
1665	NA	NA	NA
689	NA	NA	NA
1337	NA	NA	NA
1029	NA	NA	NA
491	NA	NA	NA
472	NA	NA	NA
2113	NA	NA	NA
2642	NA	NA	NA
527	NA	NA	NA
1516	NA	NA	NA
477	NA	NA	NA
769	NA	NA	NA
2718	NA	NA	NA
978	NA	NA	NA
639	NA	NA	NA
4618	NA	NA	NA
1430	NA	NA	NA
585	NA	NA	NA
526	NA	NA	NA
1792	NA	NA	NA
524	NA	NA	NA
448	NA	NA	NA
844	NA	NA	NA
1036	NA	NA	NA
671	NA	NA	NA
1918	NA	NA	NA
1225	NA	NA	NA
2113	NA	NA	NA
494	NA	NA	NA
422	NA	NA	NA
492	NA	NA	NA
786	NA	NA	NA
1878	NA	NA	NA
422	NA	NA	NA
1237	NA	NA	NA
1502	NA	NA	NA
740	NA	NA	NA
1081	NA	NA	NA
954	NA	NA	NA
2120	NA	NA	NA
661	NA	NA	NA
2336	NA	NA	NA
571	NA	NA	NA
876	NA	NA	NA
666	NA	NA	NA
561	NA	NA	NA
1372	NA	NA	NA
693	NA	NA	NA
1442	NA	NA	NA
1441	NA	NA	NA
2947	NA	NA	NA
508	NA	NA	NA
1201	NA	NA	NA
344	NA	NA	NA
349	NA	NA	NA
1090	NA	NA	NA
1016	NA	NA	NA
906	NA	NA	NA
910	NA	NA	NA
599	NA	NA	NA
403	NA	NA	NA
769	NA	NA	NA
828	NA	NA	NA
489	NA	NA	NA
1097	NA	NA	NA
876	NA	NA	NA
2446	NA	NA	NA
503	NA	NA	NA
524	NA	NA	NA
1263	NA	NA	NA
2007	NA	NA	NA
2043	NA	NA	NA
423	NA	NA	NA
415	NA	NA	NA
3206	NA	NA	NA
1721	NA	NA	NA
490	NA	NA	NA
580	NA	NA	NA
1194	NA	NA	NA
565	NA	NA	NA
424	NA	NA	NA
665	NA	NA	NA
725	NA	NA	NA
1548	NA	NA	NA
1456	NA	NA	NA
990	NA	NA	NA
1378	NA	NA	NA
610	NA	NA	NA
725	NA	NA	NA
507	NA	NA	NA
450	NA	NA	NA
3210	NA	NA	NA
3671	NA	NA	NA
1029	NA	NA	NA
2190	NA	NA	NA
456	NA	NA	NA
716	NA	NA	NA
1589	NA	NA	NA
1348	NA	NA	NA
1225	NA	NA	NA
2320	NA	NA	NA
769	NA	NA	NA
1114	NA	NA	NA
810	NA	NA	NA
1208	NA	NA	NA
1403	NA	NA	NA
703	NA	NA	NA
745	NA	NA	NA
511	NA	NA	NA
773	NA	NA	NA
1040	NA	NA	NA
736	NA	NA	NA
854	NA	NA	NA
1130	NA	NA	NA
864	NA	NA	NA
717	NA	NA	NA
844	NA	NA	NA
1097	NA	NA	NA
1281	NA	NA	NA
764	NA	NA	NA
947	NA	NA	NA
1463	NA	NA	NA
1038	NA	NA	NA
1324	NA	NA	NA
717	NA	NA	NA
1162	NA	NA	NA
659	NA	NA	NA
683	NA	NA	NA
559	NA	NA	NA
679	NA	NA	NA
1163	NA	NA	NA
1115	NA	NA	NA
650	NA	NA	NA
872	NA	NA	NA
683	NA	NA	NA
2845	NA	NA	NA
1105	NA	NA	NA
980	NA	NA	NA
958	NA	NA	NA
1459	NA	NA	NA
1423	NA	NA	NA
1151	NA	NA	NA
980	NA	NA	NA
894	NA	NA	NA
1232	NA	NA	NA
621	NA	NA	NA
1155	NA	NA	NA
1419	NA	NA	NA
642	NA	NA	NA
832	NA	NA	NA
720	NA	NA	NA
801	NA	NA	NA
1405	NA	NA	NA
1207	NA	NA	NA
875	NA	NA	NA
799	NA	NA	NA
1013	NA	NA	NA
866	NA	NA	NA
1601	NA	NA	NA
959	NA	NA	NA
590	NA	NA	NA
864	NA	NA	NA
866	NA	NA	NA
2408	NA	NA	NA
1081	NA	NA	NA
1316	NA	NA	NA
996	NA	NA	NA
753	NA	NA	NA
1696	NA	NA	NA
2118	NA	NA	NA
1317	NA	NA	NA
1262	NA	NA	NA
754	NA	NA	NA
764	NA	NA	NA
890	NA	NA	NA
499	NA	NA	NA
674	NA	NA	NA
1278	NA	NA	NA
717	NA	NA	NA
732	NA	NA	NA
1436	NA	NA	NA
694	NA	NA	NA
1273	NA	NA	NA
1272	NA	NA	NA
692	NA	NA	NA
1373	NA	NA	NA
1034	NA	NA	NA
902	NA	NA	NA
1056	NA	NA	NA
1228	NA	NA	NA
1205	NA	NA	NA
705	NA	NA	NA
1298	NA	NA	NA
729	NA	NA	NA
1234	NA	NA	NA
1251	NA	NA	NA
1223	NA	NA	NA
1201	NA	NA	NA
894	NA	NA	NA
480	NA	NA	NA
1040	NA	NA	NA
1248	NA	NA	NA
1466	NA	NA	NA
1361	NA	NA	NA
1234	NA	NA	NA
754	NA	NA	NA
1425	NA	NA	NA
1054	NA	NA	NA
1791	NA	NA	NA
797	NA	NA	NA
637	NA	NA	NA
642	NA	NA	NA
897	NA	NA	NA
1138	NA	NA	NA
1080	NA	NA	NA
771	NA	NA	NA
817	NA	NA	NA
721	NA	NA	NA
832	NA	NA	NA
823	NA	NA	NA
825	NA	NA	NA
738	NA	NA	NA
936	NA	NA	NA
1256	NA	NA	NA
653	NA	NA	NA
775	NA	NA	NA
789	NA	NA	NA
969	NA	NA	NA
623	NA	NA	NA
672	NA	NA	NA
848	NA	NA	NA
997	NA	NA	NA
691	NA	NA	NA
1146	NA	NA	NA
950	NA	NA	NA
688	NA	NA	NA
663	NA	NA	NA
737	NA	NA	NA
958	NA	NA	NA
874	NA	NA	NA
825	NA	NA	NA
1043	NA	NA	NA
805	NA	NA	NA
969	NA	NA	NA
854	NA	NA	NA
805	NA	NA	NA
1086	NA	NA	NA
856	NA	NA	NA
1324	NA	NA	NA
511	NA	NA	NA
1090	NA	NA	NA
662	NA	NA	NA
879	NA	NA	NA
888	NA	NA	NA
883	NA	NA	NA
1262	NA	NA	NA
1131	NA	NA	NA
908	NA	NA	NA
859	NA	NA	NA
1118	NA	NA	NA
1197	NA	NA	NA
829	NA	NA	NA
1077	NA	NA	NA
908	NA	NA	NA
937	NA	NA	NA
987	NA	NA	NA
858	NA	NA	NA
943	NA	NA	NA
984	NA	NA	NA
1187	NA	NA	NA
852	NA	NA	NA
975	NA	NA	NA
968	NA	NA	NA
950	NA	NA	NA
1050	NA	NA	NA
861	NA	NA	NA
803	NA	NA	NA
966	NA	NA	NA
972	NA	NA	NA
1066	NA	NA	NA
939	NA	NA	NA
883	NA	NA	NA
808	NA	NA	NA
832	NA	NA	NA
971	NA	NA	NA
942	NA	NA	NA
939	NA	NA	NA
837	NA	NA	NA
917	NA	NA	NA
849	NA	NA	NA
1067	NA	NA	NA
963	NA	NA	NA
938	NA	NA	NA
755	NA	NA	NA
601	NA	NA	NA
911	NA	NA	NA
780	NA	NA	NA
680	NA	NA	NA
1258	NA	NA	NA
651	NA	NA	NA
759	NA	NA	NA
1029	NA	NA	NA
803	NA	NA	NA
813	NA	NA	NA
1004	NA	NA	NA
588	NA	NA	NA
942	NA	NA	NA
785	NA	NA	NA
687	NA	NA	NA
908	NA	NA	NA
868	NA	NA	NA
898	NA	NA	NA
918	NA	NA	NA
808	NA	NA	NA
690	NA	NA	NA
830	NA	NA	NA
953	NA	NA	NA
470	NA	NA	NA
356	NA	NA	NA
427	NA	NA	NA
396	NA	NA	NA
457	NA	NA	NA
540	NA	NA	NA
308	NA	NA	NA
451	NA	NA	NA
461	NA	NA	NA
417	NA	NA	NA
554	NA	NA	NA
399	NA	NA	NA
624	NA	NA	NA
508	NA	NA	NA
536	NA	NA	NA
674	NA	NA	NA
520	NA	NA	NA
549	NA	NA	NA
442	NA	NA	NA
453	NA	NA	NA
582	NA	NA	NA
426	NA	NA	NA
456	NA	NA	NA
777	NA	NA	NA
482	NA	NA	NA
497	NA	NA	NA
519	NA	NA	NA
283	NA	NA	NA
585	NA	NA	NA
481	NA	NA	NA
499	NA	NA	NA
456	NA	NA	NA
461	NA	NA	NA
431	NA	NA	NA
530	NA	NA	NA
442	NA	NA	NA
371	NA	NA	NA
470	NA	NA	NA
853	NA	NA	NA
456	NA	NA	NA
585	NA	NA	NA
411	NA	NA	NA
449	NA	NA	NA
422	NA	NA	NA
439	NA	NA	NA
549	NA	NA	NA
480	NA	NA	NA
589	NA	NA	NA
507	NA	NA	NA
403	NA	NA	NA
474	NA	NA	NA
612	NA	NA	NA
478	NA	NA	NA
457	NA	NA	NA
456	NA	NA	NA
407	NA	NA	NA
463	NA	NA	NA
533	NA	NA	NA
509	NA	NA	NA
288	NA	NA	NA
352	NA	NA	NA
535	NA	NA	NA
431	NA	NA	NA
641	NA	NA	NA
511	NA	NA	NA
522	NA	NA	NA
458	NA	NA	NA
416	NA	NA	NA
492	NA	NA	NA
446	NA	NA	NA
455	NA	NA	NA
327	NA	NA	NA
465	NA	NA	NA
419	NA	NA	NA
323	NA	NA	NA
408	NA	NA	NA
344	NA	NA	NA
407	NA	NA	NA
399	NA	NA	NA
396	NA	NA	NA
416	NA	NA	NA
362	NA	NA	NA
524	NA	NA	NA
346	NA	NA	NA
639	NA	NA	NA
476	NA	NA	NA
528	NA	NA	NA
392	NA	NA	NA
343	NA	NA	NA
436	NA	NA	NA
518	NA	NA	NA
457	NA	NA	NA
563	NA	NA	NA
451	NA	NA	NA
577	NA	NA	NA
272	NA	NA	NA
412	NA	NA	NA
461	NA	NA	NA
532	NA	NA	NA
375	NA	NA	NA
430	NA	NA	NA
944	NA	NA	NA
539	NA	NA	NA
350	NA	NA	NA
494	NA	NA	NA
449	NA	NA	NA
349	NA	NA	NA
488	NA	NA	NA
906	NA	NA	NA
768	NA	NA	NA
793	NA	NA	NA
914	NA	NA	NA
659	NA	NA	NA
720	NA	NA	NA
692	NA	NA	NA
862	NA	NA	NA
794	NA	NA	NA
640	NA	NA	NA
894	NA	NA	NA
826	NA	NA	NA
1032	NA	NA	NA
563	NA	NA	NA
770	NA	NA	NA
851	NA	NA	NA
483	NA	NA	NA
815	NA	NA	NA
901	NA	NA	NA
673	NA	NA	NA
785	NA	NA	NA
824	NA	NA	NA
731	NA	NA	NA
668	NA	NA	NA
706	NA	NA	NA
836	NA	NA	NA
740	NA	NA	NA
745	NA	NA	NA
743	NA	NA	NA
783	NA	NA	NA
826	NA	NA	NA
650	NA	NA	NA
750	NA	NA	NA
703	NA	NA	NA
791	NA	NA	NA
877	NA	NA	NA
1012	NA	NA	NA
773	NA	NA	NA
898	NA	NA	NA
670	NA	NA	NA
1258	NA	NA	NA
912	NA	NA	NA
915	NA	NA	NA
800	NA	NA	NA
653	NA	NA	NA
1000	NA	NA	NA
1032	NA	NA	NA
666	NA	NA	NA
505	NA	NA	NA
1086	NA	NA	NA
1141	NA	NA	NA
783	NA	NA	NA
694	NA	NA	NA
941	NA	NA	NA
892	NA	NA	NA
732	NA	NA	NA
811	NA	NA	NA
732	NA	NA	NA
734	NA	NA	NA
863	NA	NA	NA
624	NA	NA	NA
760	NA	NA	NA
630	NA	NA	NA
870	NA	NA	NA
749	NA	NA	NA
831	NA	NA	NA
847	NA	NA	NA
770	NA	NA	NA
647	NA	NA	NA
1033	NA	NA	NA
1028	NA	NA	NA
886	NA	NA	NA
1096	NA	NA	NA
745	NA	NA	NA
606	NA	NA	NA
1058	NA	NA	NA
1195	NA	NA	NA
947	NA	NA	NA
830	NA	NA	NA
636	NA	NA	NA
761	NA	NA	NA
827	NA	NA	NA
722	NA	NA	NA
914	NA	NA	NA
791	NA	NA	NA
933	NA	NA	NA
791	NA	NA	NA
598	NA	NA	NA
696	NA	NA	NA
734	NA	NA	NA
720	NA	NA	NA
583	NA	NA	NA
670	NA	NA	NA
514	NA	NA	NA
795	NA	NA	NA
848	NA	NA	NA
674	NA	NA	NA
830	NA	NA	NA
650	NA	NA	NA
786	NA	NA	NA
616	NA	NA	NA
913	NA	NA	NA
722	NA	NA	NA
657	NA	NA	NA
824	NA	NA	NA
592	NA	NA	NA
824	NA	NA	NA
863	NA	NA	NA
615	NA	NA	NA
486	NA	NA	NA
441	NA	NA	NA
736	NA	NA	NA
555	NA	NA	NA
424	NA	NA	NA
1448	NA	NA	NA
599	NA	NA	NA
437	NA	NA	NA
472	NA	NA	NA
465	NA	NA	NA
969	NA	NA	NA
567	NA	NA	NA
542	NA	NA	NA
444	NA	NA	NA
773	NA	NA	NA
605	NA	NA	NA
347	NA	NA	NA
439	NA	NA	NA
505	NA	NA	NA
363	NA	NA	NA
474	NA	NA	NA
496	NA	NA	NA
409	NA	NA	NA
590	NA	NA	NA
459	NA	NA	NA
426	NA	NA	NA
986	NA	NA	NA
401	NA	NA	NA
511	NA	NA	NA
603	NA	NA	NA
605	NA	NA	NA
431	NA	NA	NA
460	NA	NA	NA
545	NA	NA	NA
430	NA	NA	NA
814	NA	NA	NA
598	NA	NA	NA
397	NA	NA	NA
484	NA	NA	NA
427	NA	NA	NA
587	NA	NA	NA
549	NA	NA	NA
573	NA	NA	NA
540	NA	NA	NA
699	NA	NA	NA
550	NA	NA	NA
302	NA	NA	NA
521	NA	NA	NA
433	NA	NA	NA
425	NA	NA	NA
849	NA	NA	NA
412	NA	NA	NA
471	NA	NA	NA
543	NA	NA	NA
463	NA	NA	NA
886	NA	NA	NA
502	NA	NA	NA
476	NA	NA	NA
508	NA	NA	NA
451	NA	NA	NA
391	NA	NA	NA
468	NA	NA	NA
608	NA	NA	NA
641	NA	NA	NA
511	NA	NA	NA
496	NA	NA	NA
570	NA	NA	NA
421	NA	NA	NA
435	NA	NA	NA
515	NA	NA	NA
573	NA	NA	NA
484	NA	NA	NA
485	NA	NA	NA
382	NA	NA	NA
755	NA	NA	NA
524	NA	NA	NA
552	NA	NA	NA
641	NA	NA	NA
409	NA	NA	NA
325	NA	NA	NA
446	NA	NA	NA
541	NA	NA	NA
678	NA	NA	NA
589	NA	NA	NA
516	NA	NA	NA
599	NA	NA	NA
552	NA	NA	NA
479	NA	NA	NA
526	NA	NA	NA
622	NA	NA	NA
600	NA	NA	NA
443	NA	NA	NA
698	NA	NA	NA
569	NA	NA	NA
687	NA	NA	NA
479	NA	NA	NA
561	NA	NA	NA
544	NA	NA	NA
504	NA	NA	NA
598	NA	NA	NA
436	NA	NA	NA
678	NA	NA	NA
783	NA	NA	NA
447	NA	NA	NA
545	NA	NA	NA
537	NA	NA	NA
448	NA	NA	NA
957	NA	NA	NA
1531	NA	NA	NA
750	NA	NA	NA
721	NA	NA	NA
649	NA	NA	NA
1216	NA	NA	NA
832	NA	NA	NA
772	NA	NA	NA
650	NA	NA	NA
821	NA	NA	NA
1357	NA	NA	NA
525	NA	NA	NA
674	NA	NA	NA
1134	NA	NA	NA
435	NA	NA	NA
967	NA	NA	NA
839	NA	NA	NA
859	NA	NA	NA
771	NA	NA	NA
1100	NA	NA	NA
728	NA	NA	NA
1262	NA	NA	NA
554	NA	NA	NA
1320	NA	NA	NA
732	NA	NA	NA
1296	NA	NA	NA
705	NA	NA	NA
749	NA	NA	NA
692	NA	NA	NA
1526	NA	NA	NA
499	NA	NA	NA
497	NA	NA	NA
590	NA	NA	NA
1014	NA	NA	NA
1223	NA	NA	NA
570	NA	NA	NA
610	NA	NA	NA
854	NA	NA	NA
2093	NA	NA	NA
1195	NA	NA	NA
750	NA	NA	NA
1140	NA	NA	NA
1715	NA	NA	NA
1379	NA	NA	NA
786	NA	NA	NA
629	NA	NA	NA
1822	NA	NA	NA
1481	NA	NA	NA
914	NA	NA	NA
1243	NA	NA	NA
1271	NA	NA	NA
906	NA	NA	NA
1093	NA	NA	NA
1739	NA	NA	NA
1153	NA	NA	NA
780	NA	NA	NA
495	NA	NA	NA
624	NA	NA	NA
772	NA	NA	NA
650	NA	NA	NA
526	NA	NA	NA
842	NA	NA	NA
896	NA	NA	NA
643	NA	NA	NA
1202	NA	NA	NA
1448	NA	NA	NA
626	NA	NA	NA
805	NA	NA	NA
740	NA	NA	NA
871	NA	NA	NA
1560	NA	NA	NA
631	NA	NA	NA
963	NA	NA	NA
617	NA	NA	NA
1131	NA	NA	NA
1358	NA	NA	NA
725	NA	NA	NA
822	NA	NA	NA
710	NA	NA	NA
675	NA	NA	NA
763	NA	NA	NA
703	NA	NA	NA
1322	NA	NA	NA
1328	NA	NA	NA
838	NA	NA	NA
1070	NA	NA	NA
723	NA	NA	NA
847	NA	NA	NA
884	NA	NA	NA
1532	NA	NA	NA
936	NA	NA	NA
1346	NA	NA	NA
616	NA	NA	NA
638	NA	NA	NA
783	NA	NA	NA
688	NA	NA	NA
802	NA	NA	NA
784	NA	NA	NA
1216	NA	NA	NA
721	NA	NA	NA
1704	NA	NA	NA
628	NA	NA	NA
561	NA	NA	NA
954	NA	NA	NA
1356	NA	NA	NA
922	NA	NA	NA
966	NA	NA	NA
600	NA	NA	NA
602	NA	NA	NA
509	NA	NA	NA
610	NA	NA	NA
578	NA	NA	NA
326	NA	NA	NA
539	NA	NA	NA
442	NA	NA	NA
687	NA	NA	NA
626	NA	NA	NA
410	NA	NA	NA
404	NA	NA	NA
704	NA	NA	NA
463	NA	NA	NA
519	NA	NA	NA
536	NA	NA	NA
555	NA	NA	NA
456	NA	NA	NA
491	NA	NA	NA
457	NA	NA	NA
513	NA	NA	NA
1504	NA	NA	NA
336	NA	NA	NA
1498	NA	NA	NA
727	NA	NA	NA
546	NA	NA	NA
423	NA	NA	NA
377	NA	NA	NA
381	NA	NA	NA
444	NA	NA	NA
726	NA	NA	NA
634	NA	NA	NA
452	NA	NA	NA
487	NA	NA	NA
624	NA	NA	NA
690	NA	NA	NA
954	NA	NA	NA
561	NA	NA	NA
489	NA	NA	NA
495	NA	NA	NA
480	NA	NA	NA
415	NA	NA	NA
457	NA	NA	NA
494	NA	NA	NA
368	NA	NA	NA
436	NA	NA	NA
1573	NA	NA	NA
541	NA	NA	NA
1599	NA	NA	NA
607	NA	NA	NA
506	NA	NA	NA
455	NA	NA	NA
492	NA	NA	NA
822	NA	NA	NA
514	NA	NA	NA
444	NA	NA	NA
683	NA	NA	NA
749	NA	NA	NA
403	NA	NA	NA
648	NA	NA	NA
1153	NA	NA	NA
432	NA	NA	NA
441	NA	NA	NA
481	NA	NA	NA
531	NA	NA	NA
952	NA	NA	NA
505	NA	NA	NA
459	NA	NA	NA
384	NA	NA	NA
354	NA	NA	NA
686	NA	NA	NA
489	NA	NA	NA
756	NA	NA	NA
542	NA	NA	NA
474	NA	NA	NA
721	NA	NA	NA
353	NA	NA	NA
370	NA	NA	NA
392	NA	NA	NA
591	NA	NA	NA
446	NA	NA	NA
441	NA	NA	NA
442	NA	NA	NA
441	NA	NA	NA
411	NA	NA	NA
418	NA	NA	NA
455	NA	NA	NA
490	NA	NA	NA
451	NA	NA	NA
486	NA	NA	NA
513	NA	NA	NA
432	NA	NA	NA
390	NA	NA	NA
610	NA	NA	NA
704	NA	NA	NA
494	NA	NA	NA
768	NA	NA	NA
504	NA	NA	NA
492	NA	NA	NA
509	NA	NA	NA
620	NA	NA	NA
367	NA	NA	NA
527	NA	NA	NA
534	NA	NA	NA
448	NA	NA	NA
449	NA	NA	NA
494	NA	NA	NA
511	NA	NA	NA
669	NA	NA	NA
1032	NA	NA	NA
835	NA	NA	NA
558	NA	NA	NA
737	NA	NA	NA
1045	NA	NA	NA
690	NA	NA	NA
773	NA	NA	NA
808	NA	NA	NA
926	NA	NA	NA
848	NA	NA	NA
792	NA	NA	NA
560	NA	NA	NA
736	NA	NA	NA
932	NA	NA	NA
865	NA	NA	NA
738	NA	NA	NA
698	NA	NA	NA
612	NA	NA	NA
729	NA	NA	NA
694	NA	NA	NA
1627	NA	NA	NA
675	NA	NA	NA
734	NA	NA	NA
884	NA	NA	NA
669	NA	NA	NA
1352	NA	NA	NA
1033	NA	NA	NA
775	NA	NA	NA
639	NA	NA	NA
1118	NA	NA	NA
606	NA	NA	NA
879	NA	NA	NA
896	NA	NA	NA
777	NA	NA	NA
739	NA	NA	NA
660	NA	NA	NA
726	NA	NA	NA
765	NA	NA	NA
731	NA	NA	NA
1093	NA	NA	NA
919	NA	NA	NA
858	NA	NA	NA
702	NA	NA	NA
697	NA	NA	NA
1024	NA	NA	NA
898	NA	NA	NA
1110	NA	NA	NA
1055	NA	NA	NA
639	NA	NA	NA
738	NA	NA	NA
882	NA	NA	NA
1128	NA	NA	NA
945	NA	NA	NA
1126	NA	NA	NA
869	NA	NA	NA
1025	NA	NA	NA
722	NA	NA	NA
772	NA	NA	NA
713	NA	NA	NA
783	NA	NA	NA
887	NA	NA	NA
856	NA	NA	NA
1095	NA	NA	NA
876	NA	NA	NA
757	NA	NA	NA
701	NA	NA	NA
517	NA	NA	NA
794	NA	NA	NA
853	NA	NA	NA
806	NA	NA	NA
854	NA	NA	NA
806	NA	NA	NA
931	NA	NA	NA
808	NA	NA	NA
772	NA	NA	NA
1114	NA	NA	NA
866	NA	NA	NA
1065	NA	NA	NA
664	NA	NA	NA
731	NA	NA	NA
925	NA	NA	NA
862	NA	NA	NA
931	NA	NA	NA
1309	NA	NA	NA
805	NA	NA	NA
713	NA	NA	NA
841	NA	NA	NA
1200	NA	NA	NA
801	NA	NA	NA
861	NA	NA	NA
1204	NA	NA	NA
936	NA	NA	NA
973	NA	NA	NA
686	NA	NA	NA
651	NA	NA	NA
766	NA	NA	NA
691	NA	NA	NA
711	NA	NA	NA
950	NA	NA	NA
805	NA	NA	NA
619	NA	NA	NA
875	NA	NA	NA
1058	NA	NA	NA
559	NA	NA	NA
1591	NA	NA	NA
1111	NA	NA	NA
841	NA	NA	NA
739	NA	NA	NA
750	NA	NA	NA
561	NA	NA	NA
1291	NA	NA	NA
520	NA	NA	NA
480	NA	NA	NA
459	NA	NA	NA
505	NA	NA	NA
403	NA	NA	NA
710	NA	NA	NA
570	NA	NA	NA
676	NA	NA	NA
561	NA	NA	NA
865	NA	NA	NA
1069	NA	NA	NA
520	NA	NA	NA
418	NA	NA	NA
292	NA	NA	NA
426	NA	NA	NA
573	NA	NA	NA
515	NA	NA	NA
717	NA	NA	NA
514	NA	NA	NA
490	NA	NA	NA
518	NA	NA	NA
417	NA	NA	NA
476	NA	NA	NA
344	NA	NA	NA
397	NA	NA	NA
493	NA	NA	NA
492	NA	NA	NA
556	NA	NA	NA
352	NA	NA	NA
370	NA	NA	NA
403	NA	NA	NA
309	NA	NA	NA
826	NA	NA	NA
542	NA	NA	NA
564	NA	NA	NA
462	NA	NA	NA
548	NA	NA	NA
353	NA	NA	NA
484	NA	NA	NA
500	NA	NA	NA
480	NA	NA	NA
666	NA	NA	NA
560	NA	NA	NA
403	NA	NA	NA
588	NA	NA	NA
532	NA	NA	NA
565	NA	NA	NA
489	NA	NA	NA
890	NA	NA	NA
262	NA	NA	NA
565	NA	NA	NA
587	NA	NA	NA
536	NA	NA	NA
564	NA	NA	NA
538	NA	NA	NA
589	NA	NA	NA
558	NA	NA	NA
373	NA	NA	NA
544	NA	NA	NA
424	NA	NA	NA
518	NA	NA	NA
528	NA	NA	NA
772	NA	NA	NA
514	NA	NA	NA
422	NA	NA	NA
486	NA	NA	NA
532	NA	NA	NA
470	NA	NA	NA
391	NA	NA	NA
598	NA	NA	NA
394	NA	NA	NA
366	NA	NA	NA
525	NA	NA	NA
421	NA	NA	NA
571	NA	NA	NA
470	NA	NA	NA
336	NA	NA	NA
488	NA	NA	NA
634	NA	NA	NA
778	NA	NA	NA
442	NA	NA	NA
324	NA	NA	NA
452	NA	NA	NA
603	NA	NA	NA
322	NA	NA	NA
492	NA	NA	NA
457	NA	NA	NA
583	NA	NA	NA
420	NA	NA	NA
413	NA	NA	NA
466	NA	NA	NA
423	NA	NA	NA
511	NA	NA	NA
503	NA	NA	NA
355	NA	NA	NA
587	NA	NA	NA
407	NA	NA	NA
426	NA	NA	NA
333	NA	NA	NA
517	NA	NA	NA
409	NA	NA	NA
449	NA	NA	NA
396	NA	NA	NA
528	NA	NA	NA
378	NA	NA	NA
545	NA	NA	NA
458	NA	NA	NA
377	NA	NA	NA
655	NA	NA	NA
358	NA	NA	NA
464	NA	NA	NA
543	NA	NA	NA
377	NA	NA	NA
443	NA	NA	NA
469	NA	NA	NA
619	NA	NA	NA
265	NA	NA	NA
410	NA	NA	NA
425	NA	NA	NA
351	NA	NA	NA
523	NA	NA	NA
388	NA	NA	NA
597	NA	NA	NA
575	NA	NA	NA
391	NA	NA	NA
461	NA	NA	NA
591	NA	NA	NA
490	NA	NA	NA
433	NA	NA	NA
471	NA	NA	NA
494	NA	NA	NA
563	NA	NA	NA
494	NA	NA	NA
453	NA	NA	NA
557	NA	NA	NA
532	NA	NA	NA
617	NA	NA	NA
543	NA	NA	NA
408	NA	NA	NA
468	NA	NA	NA
441	NA	NA	NA
515	NA	NA	NA
447	NA	NA	NA
432	NA	NA	NA
513	NA	NA	NA
469	NA	NA	NA
510	NA	NA	NA
969	NA	NA	NA
335	NA	NA	NA
571	NA	NA	NA
473	NA	NA	NA
469	NA	NA	NA
428	NA	NA	NA
912	NA	NA	NA
464	NA	NA	NA
608	NA	NA	NA
406	NA	NA	NA
414	NA	NA	NA
407	NA	NA	NA
504	NA	NA	NA
428	NA	NA	NA
674	NA	NA	NA
668	NA	NA	NA
601	NA	NA	NA
639	NA	NA	NA
533	NA	NA	NA
451	NA	NA	NA
608	NA	NA	NA
301	NA	NA	NA
386	NA	NA	NA
384	NA	NA	NA
663	NA	NA	NA
471	NA	NA	NA
411	NA	NA	NA
391	NA	NA	NA
529	NA	NA	NA
451	NA	NA	NA
377	NA	NA	NA
462	NA	NA	NA
466	NA	NA	NA
424	NA	NA	NA
327	NA	NA	NA
386	NA	NA	NA
388	NA	NA	NA
322	NA	NA	NA
339	NA	NA	NA
549	NA	NA	NA
420	NA	NA	NA
416	NA	NA	NA
598	NA	NA	NA
670	NA	NA	NA
418	NA	NA	NA
620	NA	NA	NA
508	NA	NA	NA
544	NA	NA	NA
406	NA	NA	NA
428	NA	NA	NA
511	NA	NA	NA
696	NA	NA	NA
423	NA	NA	NA
582	NA	NA	NA
365	NA	NA	NA
461	NA	NA	NA
436	NA	NA	NA
393	NA	NA	NA
490	NA	NA	NA
509	NA	NA	NA
419	NA	NA	NA
298	NA	NA	NA
400	NA	NA	NA
423	NA	NA	NA
336	NA	NA	NA
466	NA	NA	NA
627	NA	NA	NA
567	NA	NA	NA
501	NA	NA	NA
474	NA	NA	NA
530	NA	NA	NA
443	NA	NA	NA
553	NA	NA	NA
1264	NA	NA	NA
738	NA	NA	NA
892	NA	NA	NA
378	NA	NA	NA
533	NA	NA	NA
240	NA	NA	NA
513	NA	NA	NA
664	NA	NA	NA
3231	NA	NA	NA
544	NA	NA	NA
460	NA	NA	NA
627	NA	NA	NA
439	NA	NA	NA
1479	NA	NA	NA
570	NA	NA	NA
756	NA	NA	NA
612	NA	NA	NA
424	NA	NA	NA
533	NA	NA	NA
393	NA	NA	NA
343	NA	NA	NA
471	NA	NA	NA
484	NA	NA	NA
1296	NA	NA	NA
1517	NA	NA	NA
439	NA	NA	NA
957	NA	NA	NA
561	NA	NA	NA
528	NA	NA	NA
2354	NA	NA	NA
618	NA	NA	NA
587	NA	NA	NA
664	NA	NA	NA
517	NA	NA	NA
879	NA	NA	NA
528	NA	NA	NA
631	NA	NA	NA
4594	NA	NA	NA
686	NA	NA	NA
361	NA	NA	NA
415	NA	NA	NA
539	NA	NA	NA
515	NA	NA	NA
589	NA	NA	NA
518	NA	NA	NA
7205	NA	NA	NA
602	NA	NA	NA
861	NA	NA	NA
404	NA	NA	NA
385	NA	NA	NA
2686	NA	NA	NA
446	NA	NA	NA
439	NA	NA	NA
638	NA	NA	NA
579	NA	NA	NA
865	NA	NA	NA
712	NA	NA	NA
1805	NA	NA	NA
1043	NA	NA	NA
811	NA	NA	NA
488	NA	NA	NA
500	NA	NA	NA
1089	NA	NA	NA
502	NA	NA	NA
630	NA	NA	NA
565	NA	NA	NA
607	NA	NA	NA
512	NA	NA	NA
385	NA	NA	NA
528	NA	NA	NA
476	NA	NA	NA
548	NA	NA	NA
598	NA	NA	NA
711	NA	NA	NA
1184	NA	NA	NA
728	NA	NA	NA
885	NA	NA	NA
558	NA	NA	NA
440	NA	NA	NA
438	NA	NA	NA
719	NA	NA	NA
845	NA	NA	NA
526	NA	NA	NA
799	NA	NA	NA
954	NA	NA	NA
611	NA	NA	NA
656	NA	NA	NA
666	NA	NA	NA
2535	NA	NA	NA
871	NA	NA	NA
607	NA	NA	NA
437	NA	NA	NA
2502	NA	NA	NA
887	NA	NA	NA
823	NA	NA	NA
626	NA	NA	NA
606	NA	NA	NA
4247	NA	NA	NA
2579	NA	NA	NA
761	NA	NA	NA
442	NA	NA	NA
434	NA	NA	NA
461	NA	NA	NA
412	NA	NA	NA
870	NA	NA	NA
453	NA	NA	NA
543	NA	NA	NA
382	NA	NA	NA
510	NA	NA	NA
657	NA	NA	NA
411	NA	NA	NA
356	NA	NA	NA
467	NA	NA	NA
427	NA	NA	NA
430	NA	NA	NA
315	NA	NA	NA
456	NA	NA	NA
298	NA	NA	NA
441	NA	NA	NA
408	NA	NA	NA
391	NA	NA	NA
490	NA	NA	NA
516	NA	NA	NA
470	NA	NA	NA
418	NA	NA	NA
547	NA	NA	NA
484	NA	NA	NA
464	NA	NA	NA
530	NA	NA	NA
439	NA	NA	NA
500	NA	NA	NA
363	NA	NA	NA
451	NA	NA	NA
341	NA	NA	NA
341	NA	NA	NA
489	NA	NA	NA
426	NA	NA	NA
456	NA	NA	NA
453	NA	NA	NA
640	NA	NA	NA
373	NA	NA	NA
656	NA	NA	NA
498	NA	NA	NA
438	NA	NA	NA
450	NA	NA	NA
443	NA	NA	NA
445	NA	NA	NA
838	NA	NA	NA
717	NA	NA	NA
390	NA	NA	NA
391	NA	NA	NA
468	NA	NA	NA
438	NA	NA	NA
496	NA	NA	NA
457	NA	NA	NA
467	NA	NA	NA
384	NA	NA	NA
410	NA	NA	NA
795	NA	NA	NA
591	NA	NA	NA
799	NA	NA	NA
428	NA	NA	NA
465	NA	NA	NA
579	NA	NA	NA
512	NA	NA	NA
273	NA	NA	NA
489	NA	NA	NA
409	NA	NA	NA
517	NA	NA	NA
330	NA	NA	NA
484	NA	NA	NA
561	NA	NA	NA
334	NA	NA	NA
302	NA	NA	NA
472	NA	NA	NA
409	NA	NA	NA
575	NA	NA	NA
368	NA	NA	NA
421	NA	NA	NA
537	NA	NA	NA
294	NA	NA	NA
404	NA	NA	NA
410	NA	NA	NA
384	NA	NA	NA
567	NA	NA	NA
576	NA	NA	NA
561	NA	NA	NA
551	NA	NA	NA
501	NA	NA	NA
509	NA	NA	NA
713	NA	NA	NA
364	NA	NA	NA
412	NA	NA	NA
365	NA	NA	NA
563	NA	NA	NA
483	NA	NA	NA
443	NA	NA	NA
534	NA	NA	NA
468	NA	NA	NA
359	NA	NA	NA
594	NA	NA	NA
543	NA	NA	NA
447	NA	NA	NA
515	NA	NA	NA
434	NA	NA	NA
896	NA	NA	NA
432	NA	NA	NA
653	NA	NA	NA
426	NA	NA	NA
621	NA	NA	NA
319	NA	NA	NA
399	NA	NA	NA
450	NA	NA	NA
387	NA	NA	NA
471	NA	NA	NA
374	NA	NA	NA
398	NA	NA	NA
270	NA	NA	NA
380	NA	NA	NA
373	NA	NA	NA
446	NA	NA	NA
441	NA	NA	NA
294	NA	NA	NA
331	NA	NA	NA
334	NA	NA	NA
380	NA	NA	NA
383	NA	NA	NA
337	NA	NA	NA
374	NA	NA	NA
473	NA	NA	NA
548	NA	NA	NA
229	NA	NA	NA
357	NA	NA	NA
574	NA	NA	NA
442	NA	NA	NA
342	NA	NA	NA
417	NA	NA	NA
648	NA	NA	NA
411	NA	NA	NA
263	NA	NA	NA
448	NA	NA	NA
378	NA	NA	NA
352	NA	NA	NA
350	NA	NA	NA
408	NA	NA	NA
285	NA	NA	NA
305	NA	NA	NA
390	NA	NA	NA
481	NA	NA	NA
366	NA	NA	NA
266	NA	NA	NA
399	NA	NA	NA
287	NA	NA	NA
490	NA	NA	NA
414	NA	NA	NA
353	NA	NA	NA
287	NA	NA	NA
248	NA	NA	NA
389	NA	NA	NA
436	NA	NA	NA
427	NA	NA	NA
441	NA	NA	NA
425	NA	NA	NA
455	NA	NA	NA
568	NA	NA	NA
433	NA	NA	NA
439	NA	NA	NA
347	NA	NA	NA
294	NA	NA	NA
456	NA	NA	NA
480	NA	NA	NA
301	NA	NA	NA
429	NA	NA	NA
428	NA	NA	NA
427	NA	NA	NA
406	NA	NA	NA
339	NA	NA	NA
396	NA	NA	NA
294	NA	NA	NA
310	NA	NA	NA
268	NA	NA	NA
357	NA	NA	NA
320	NA	NA	NA
281	NA	NA	NA
415	NA	NA	NA
398	NA	NA	NA
391	NA	NA	NA
546	NA	NA	NA
406	NA	NA	NA
292	NA	NA	NA
467	NA	NA	NA
450	NA	NA	NA
375	NA	NA	NA
414	NA	NA	NA
433	NA	NA	NA
331	NA	NA	NA
506	NA	NA	NA
556	NA	NA	NA
333	NA	NA	NA
429	NA	NA	NA
376	NA	NA	NA
373	NA	NA	NA
383	NA	NA	NA
528	NA	NA	NA
362	NA	NA	NA
284	NA	NA	NA
418	NA	NA	NA
332	NA	NA	NA
382	NA	NA	NA
439	NA	NA	NA
455	NA	NA	NA
419	NA	NA	NA
354	NA	NA	NA
389	NA	NA	NA
278	NA	NA	NA
241	NA	NA	NA
516	NA	NA	NA

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time64 seconds
R Server'George Udny Yule' @ 216.218.223.82

\begin{tabular}{lllllllll}
\hline
Summary of computational transaction \tabularnewline
Raw Input & view raw input (R code)  \tabularnewline
Raw Output & view raw output of R engine  \tabularnewline
Computing time & 64 seconds \tabularnewline
R Server & 'George Udny Yule' @ 216.218.223.82 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=163430&T=0

[TABLE]
[ROW][C]Summary of computational transaction[/C][/ROW]
[ROW][C]Raw Input[/C][C]view raw input (R code) [/C][/ROW]
[ROW][C]Raw Output[/C][C]view raw output of R engine [/C][/ROW]
[ROW][C]Computing time[/C][C]64 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'George Udny Yule' @ 216.218.223.82[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=163430&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=163430&T=0

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time64 seconds
R Server'George Udny Yule' @ 216.218.223.82






Information on data table format.
For this repeated measures design you must
have only one participant /subject on each row.
The order of factors is also constrained so that
for factors A B each with two levels the column order is.
A1B1 A1B2 A2B1 A2B2 as given in the default example.

\begin{tabular}{lllllllll}
\hline
Information on data table  format. \tabularnewline
For this repeated measures design you must \tabularnewline
have only one participant /subject on each row. \tabularnewline
The order of factors is also constrained so that \tabularnewline
for factors A B each with two levels the column order is. \tabularnewline
A1B1 A1B2 A2B1 A2B2 as given in the default example. \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=163430&T=1

[TABLE]
[ROW][C]Information on data table  format.[/C][/ROW]
[ROW][C]For this repeated measures design you must[/C][/ROW]
[ROW][C]have only one participant /subject on each row.[/C][/ROW]
[ROW][C]The order of factors is also constrained so that[/C][/ROW]
[ROW][C]for factors A B each with two levels the column order is.[/C][/ROW]
[ROW][C]A1B1 A1B2 A2B1 A2B2 as given in the default example.[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=163430&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=163430&T=1

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Information on data table format.
For this repeated measures design you must
have only one participant /subject on each row.
The order of factors is also constrained so that
for factors A B each with two levels the column order is.
A1B1 A1B2 A2B1 A2B2 as given in the default example.






Factor.A
con.num1
psihat48.0740740740741
p.value0.006
p.crit0.05
ci.lower13.7703703703704
ci.upper80.7444444444444

\begin{tabular}{lllllllll}
\hline
Factor.A \tabularnewline
con.num & 1 \tabularnewline
psihat & 48.0740740740741 \tabularnewline
p.value & 0.006 \tabularnewline
p.crit & 0.05 \tabularnewline
ci.lower & 13.7703703703704 \tabularnewline
ci.upper & 80.7444444444444 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=163430&T=2

[TABLE]
[ROW][C]Factor.A[/C][/ROW]
[ROW][C]con.num[/C][C]1[/C][/ROW]
[ROW][C]psihat[/C][C]48.0740740740741[/C][/ROW]
[ROW][C]p.value[/C][C]0.006[/C][/ROW]
[ROW][C]p.crit[/C][C]0.05[/C][/ROW]
[ROW][C]ci.lower[/C][C]13.7703703703704[/C][/ROW]
[ROW][C]ci.upper[/C][C]80.7444444444444[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=163430&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=163430&T=2

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Factor.A
con.num1
psihat48.0740740740741
p.value0.006
p.crit0.05
ci.lower13.7703703703704
ci.upper80.7444444444444






Factor.B
con.num1
psihat7.64444444444444
p.value0.744
p.crit0.05
ci.lower-31.8722222222222
ci.upper43.9444444444444

\begin{tabular}{lllllllll}
\hline
Factor.B \tabularnewline
con.num & 1 \tabularnewline
psihat & 7.64444444444444 \tabularnewline
p.value & 0.744 \tabularnewline
p.crit & 0.05 \tabularnewline
ci.lower & -31.8722222222222 \tabularnewline
ci.upper & 43.9444444444444 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=163430&T=3

[TABLE]
[ROW][C]Factor.B[/C][/ROW]
[ROW][C]con.num[/C][C]1[/C][/ROW]
[ROW][C]psihat[/C][C]7.64444444444444[/C][/ROW]
[ROW][C]p.value[/C][C]0.744[/C][/ROW]
[ROW][C]p.crit[/C][C]0.05[/C][/ROW]
[ROW][C]ci.lower[/C][C]-31.8722222222222[/C][/ROW]
[ROW][C]ci.upper[/C][C]43.9444444444444[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=163430&T=3

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=163430&T=3

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Factor.B
con.num1
psihat7.64444444444444
p.value0.744
p.crit0.05
ci.lower-31.8722222222222
ci.upper43.9444444444444






Factor.AB
con.num1
psihat71.8314814814815
p.value0
p.crit0.05
ci.lower37.5018518518519
ci.upper107.718518518519

\begin{tabular}{lllllllll}
\hline
Factor.AB \tabularnewline
con.num & 1 \tabularnewline
psihat & 71.8314814814815 \tabularnewline
p.value & 0 \tabularnewline
p.crit & 0.05 \tabularnewline
ci.lower & 37.5018518518519 \tabularnewline
ci.upper & 107.718518518519 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=163430&T=4

[TABLE]
[ROW][C]Factor.AB[/C][/ROW]
[ROW][C]con.num[/C][C]1[/C][/ROW]
[ROW][C]psihat[/C][C]71.8314814814815[/C][/ROW]
[ROW][C]p.value[/C][C]0[/C][/ROW]
[ROW][C]p.crit[/C][C]0.05[/C][/ROW]
[ROW][C]ci.lower[/C][C]37.5018518518519[/C][/ROW]
[ROW][C]ci.upper[/C][C]107.718518518519[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=163430&T=4

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=163430&T=4

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Factor.AB
con.num1
psihat71.8314814814815
p.value0
p.crit0.05
ci.lower37.5018518518519
ci.upper107.718518518519


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
Parameters (R input):
R code (references can be found in the software module):
rm2mcp<-function(J,K,x,est=tmean,alpha=.05,grp=NA,dif=T,nboot=NA,
plotit=FALSE,BA=F,hoch=F,...){
JK <- J * K
if(is.matrix(x))
x <- listm(x)
if(!is.na(grp[1])) {
yy <- x
for(j in 1:length(grp))
x[[j]] <- yy[[grp[j]]]
}
if(!is.list(x))
stop('Data must be stored in list mode or a matrix.')
for(j in 1:JK) {
xx <- x[[j]]
x[[j]] <- xx[!is.na(xx)]
}
temp<-con2way(J,K)
conA<-temp$conA
conB<-temp$conB
conAB<-temp$conAB
ncon <- max(nrow(conA), nrow(conB), nrow(conAB))
FacA<-rmmcppb(x,con=conA,est=est,plotit=plotit,dif=dif,grp=grp,
nboot=nboot,BA=T,hoch=F,...)
FacB<-rmmcppb(x,con=conB,est=est,plotit=plotit,dif=dif,grp=grp,
nboot=nboot,BA=T,hoch=F,...)
FacAB<-rmmcppb(x,con=conAB,est=est,plotit=plotit,dif=dif,grp=grp,
nboot=nboot,BA=T,hoch=F,...)
list(Factor.A=FacA,Factor.B=FacB,Factor.AB=FacAB)
}
listm<-function(x){
if(is.null(dim(x)))stop('The argument x must be a matrix or data frame')
y<-list()
for(j in 1:ncol(x))y[[j]]<-x[,j]
y
}
con2way<-function(J,K){
JK <- J * K
Ja<-(J^2-J)/2
Ka<-(K^2-K)/2
JK<-J*K
conA<-matrix(0,nrow=JK,ncol=Ja)
ic<-0
for(j in 1:J){
for(jj in 1:J){
if(j < jj){
ic<-ic+1
mat<-matrix(0,nrow=J,ncol=K)
mat[j,]<-1
mat[jj,]<-0-1
conA[,ic]<-t(mat)
}}}
conB<-matrix(0,nrow=JK,ncol=Ka)
ic<-0
for(k in 1:K){
for(kk in 1:K){
if(kic<-ic+1
mat<-matrix(0,nrow=J,ncol=K)
mat[,k]<-1
mat[,kk]<-0-1
conB[,ic]<-t(mat)
}}}
conAB<-matrix(0,nrow=JK,ncol=Ka*Ja)
ic<-0
for(j in 1:J){
for(jj in 1:J){
if(j < jj){
for(k in 1:K){
for(kk in 1:K){
if(kic<-ic+1
mat<-matrix(0,nrow=J,ncol=K)
mat[j,k]<-1
mat[j,kk]<-0-1
mat[jj,k]<-0-1
mat[jj,kk]<-1
}
conAB[,ic]<-t(mat)
}}}}}
list(conA=conA,conB=conB,conAB=conAB)
}
rmmcppbd<-function(x,y=NULL,alpha=.05,con=0,est=onestep,plotit=TRUE,grp=NA,nboot=NA,
hoch=T,SEED=TRUE,...){
if(!is.null(y[1]))x<-cbind(x,y)
if(!is.list(x) && !is.matrix(x))stop('Data must be stored in a matrix or in list mode.')
if(is.list(x)){
if(is.matrix(con)){
if(length(x)!=nrow(con))stop('The number of rows in con is not equal to the number of groups.')
}}
if(is.list(x)){
mat<-matl(x)
}
if(is.matrix(x) && is.matrix(con)){
if(ncol(x)!=nrow(con))stop('The number of rows in con is not equal to the number of groups.')
mat<-x
}
if(is.matrix(x))mat<-x
if(!is.na(sum(grp)))mat<-mat[,grp]
x<-mat
mat<-elimna(mat) # Remove rows with missing values.
x<-mat
J<-ncol(mat)
n=nrow(mat)
if(n>=80)hoch=T
Jm<-J-1
if(sum(con^2)==0){
d<-(J^2-J)/2
con<-matrix(0,J,d)
id<-0
for (j in 1:Jm){
jp<-j+1
for (k in jp:J){
id<-id+1
con[j,id]<-1
con[k,id]<-0-1
}}}
d<-ncol(con)
if(is.na(nboot)){
nboot<-5000
if(d<=10)nboot<-3000
if(d<=6)nboot<-2000
if(d<=4)nboot<-1000
}
n<-nrow(mat)
crit.vec<-alpha/c(1:d)
connum<-ncol(con)
xx<-x%*%con
xx<-as.matrix(xx)
if(SEED)set.seed(2) # set seed of random number generator so that
psihat<-matrix(0,connum,nboot)
bvec<-matrix(NA,ncol=connum,nrow=nboot)
data<-matrix(sample(n,size=n*nboot,replace=T),nrow=nboot)
if(ncol(xx)==1){
for(ib in 1:nboot)psihat[1,ib]<-est(xx[data[ib,]],...)
}
if(ncol(xx)>1){
for(ib in 1:nboot)psihat[,ib]<-apply(xx[data[ib,],],2,est,...)
}
test<-1
for (ic in 1:connum){
test[ic]<-(sum(psihat[ic,]>0)+.5*sum(psihat[ic,]==0))/nboot
test[ic]<-min(test[ic],1-test[ic])
}
test<-2*test
ncon<-ncol(con)
if(alpha==.05){
dvec<-c(.025,.025,.0169,.0127,.0102,.00851,.0073,.00639,.00568,.00511)
if(ncon > 10){
avec<-.05/c(11:ncon)
dvec<-c(dvec,avec)
}}
if(alpha==.01){
dvec<-c(.005,.005,.00334,.00251,.00201,.00167,.00143,.00126,.00112,.00101)
if(ncon > 10){
avec<-.01/c(11:ncon)
dvec<-c(dvec,avec)
}}
if(alpha != .05 && alpha != .01){
dvec<-alpha/c(1:ncon)
dvec[2]<-alpha/2
}
if(hoch)dvec<-alpha/(2*c(1:ncon))
dvec<-2*dvec
if(plotit && connum==1){
plot(c(psihat[1,],0),xlab='',ylab='Est. Difference')
points(psihat[1,])
abline(0,0)
}
temp2<-order(0-test)
ncon<-ncol(con)
zvec<-dvec[1:ncon]
sigvec<-(test[temp2]>=zvec)
output<-matrix(0,connum,6)
dimnames(output)<-list(NULL,c('con.num','psihat','p.value','p.crit','ci.lower','ci.upper'))
tmeans<-apply(xx,2,est,...)
psi<-1
icl<-round(dvec[ncon]*nboot/2)+1
icu<-nboot-icl-1
for (ic in 1:ncol(con)){
output[ic,2]<-tmeans[ic]
output[ic,1]<-ic
output[ic,3]<-test[ic]
output[temp2,4]<-zvec
temp<-sort(psihat[ic,])
output[ic,5]<-temp[icl]
output[ic,6]<-temp[icu]
}
num.sig<-sum(output[,3]<=output[,4])
list(output=output,con=con,num.sig=num.sig)
}
rmmcppb<-function(x,y=NULL,alpha=.05,con=0,est=onestep,plotit=TRUE,dif=T,grp=NA,nboot=NA,BA=F,hoch=F,xlab='Group 1',ylab='Group 2',pr=TRUE,SEED=TRUE,...){
if(dif){
if(pr)print('dif=T, so analysis is done on difference scores')
temp<-rmmcppbd(x,y=y,alpha=.05,con=con,est,plotit=plotit,grp=grp,nboot=nboot,
hoch=T,...)
output<-temp$output
con<-temp$con
}
if(!dif){
if(pr){
print('dif=F, so analysis is done on marginal distributions')
if(!BA)print('With M-estimator or MOM, suggest using BA=T and hoch=T')
}
if(!is.null(y[1]))x<-cbind(x,y)
if(!is.list(x) && !is.matrix(x))stop('Data must be stored in a matrix or in list mode.')
if(is.list(x)){
if(is.matrix(con)){
if(length(x)!=nrow(con))stop('The number of rows in con is not equal to the number of groups.')
}}
if(is.list(x)){
mat<-matl(x)
}
if(is.matrix(x) && is.matrix(con)){
if(ncol(x)!=nrow(con))stop('The number of rows in con is not equal to the number of groups.')
mat<-x
}
if(is.matrix(x))mat<-x
if(!is.na(sum(grp)))mat<-mat[,grp]
mat<-elimna(mat) # Remove rows with missing values.
x<-mat
J<-ncol(mat)
xcen<-x
for(j in 1:J)xcen[,j]<-x[,j]-est(x[,j])
Jm<-J-1
if(sum(con^2)==0){
d<-(J^2-J)/2
con<-matrix(0,J,d)
id<-0
for (j in 1:Jm){
jp<-j+1
for (k in jp:J){
id<-id+1
con[j,id]<-1
con[k,id]<-0-1
}}}
d<-ncol(con)
if(is.na(nboot)){
if(d<=4)nboot<-1000
if(d>4)nboot<-5000
}
n<-nrow(mat)
crit.vec<-alpha/c(1:d)
connum<-ncol(con)
if(SEED)set.seed(2) # set seed of random number generator so that
xbars<-apply(mat,2,est)
psidat<-NA
for (ic in 1:connum)psidat[ic]<-sum(con[,ic]*xbars)
psihat<-matrix(0,connum,nboot)
psihatcen<-matrix(0,connum,nboot)
bvec<-matrix(NA,ncol=J,nrow=nboot)
bveccen<-matrix(NA,ncol=J,nrow=nboot)
if(pr)print('Taking bootstrap samples. Please wait.')
data<-matrix(sample(n,size=n*nboot,replace=T),nrow=nboot)
for(ib in 1:nboot){
bvec[ib,]<-apply(x[data[ib,],],2,est,...)
bveccen[ib,]<-apply(xcen[data[ib,],],2,est,...)
}
test<-1
bias<-NA
for (ic in 1:connum){
psihat[ic,]<-apply(bvec,1,bptdpsi,con[,ic])
psihatcen[ic,]<-apply(bveccen,1,bptdpsi,con[,ic])
bias[ic]<-sum((psihatcen[ic,]>0))/nboot-.5
ptemp<-(sum(psihat[ic,]>0)+.5*sum(psihat[ic,]==0))/nboot
if(BA)test[ic]<-ptemp-.1*bias[ic]
if(!BA)test[ic]<-ptemp
test[ic]<-min(test[ic],1-test[ic])
test[ic]<-max(test[ic],0)
}
test<-2*test
ncon<-ncol(con)
if(alpha==.05){
dvec<-c(.025,.025,.0169,.0127,.0102,.00851,.0073,.00639,.00568,.00511)
dvecba<-c(.05,.025,.0169,.0127,.0102,.00851,.0073,.00639,.00568,.00511)
if(ncon > 10){
avec<-.05/c(11:ncon)
dvec<-c(dvec,avec)
}}
if(alpha==.01){
dvec<-c(.005,.005,.00334,.00251,.00201,.00167,.00143,.00126,.00112,.00101)
dvecba<-c(.01,.005,.00334,.00251,.00201,.00167,.00143,.00126,.00112,.00101)
if(ncon > 10){
avec<-.01/c(11:ncon)
dvec<-c(dvec,avec)
}}
if(alpha != .05 && alpha != .01){
dvec<-alpha/c(1:ncon)
dvecba<-dvec
dvec[2]<-alpha
}
if(hoch)dvec<-alpha/c(1:ncon)
dvec<-2*dvec
dvecba<-dvec
if(plotit && ncol(bvec)==2){
z<-c(0,0)
one<-c(1,1)
plot(rbind(bvec,z,one),xlab=xlab,ylab=ylab,type='n')
points(bvec)
totv<-apply(x,2,est,...)
cmat<-var(bvec)
dis<-mahalanobis(bvec,totv,cmat)
temp.dis<-order(dis)
ic<-round((1-alpha)*nboot)
xx<-bvec[temp.dis[1:ic],]
xord<-order(xx[,1])
xx<-xx[xord,]
temp<-chull(xx)
lines(xx[temp,])
lines(xx[c(temp[1],temp[length(temp)]),])
abline(0,1)
}
temp2<-order(0-test)
ncon<-ncol(con)
zvec<-dvec[1:ncon]
if(BA)zvec<-dvecba[1:ncon]
sigvec<-(test[temp2]>=zvec)
output<-matrix(0,connum,6)
dimnames(output)<-list(NULL,c('con.num','psihat','p.value','p.sig','ci.lower','ci.upper'))
tmeans<-apply(mat,2,est,...)
psi<-1
output[temp2,4]<-zvec
for (ic in 1:ncol(con)){
output[ic,2]<-sum(con[,ic]*tmeans)
output[ic,1]<-ic
output[ic,3]<-test[ic]
temp<-sort(psihat[ic,])
icl<-round(output[ic,4]*nboot/2)+1
icu<-nboot-(icl-1)
output[ic,5]<-temp[icl]
output[ic,6]<-temp[icu]
}
}
num.sig<-sum(output[,3]<=output[,4])
list(output=output,con=con,num.sig=num.sig)
}
matl<-function(x){
J=length(x)
nval=NA
for(j in 1:J)nval[j]=length(x[[j]])
temp<-matrix(NA,ncol=J,nrow=max(nval))
for(j in 1:J)temp[1:nval[j],j]<-x[[j]]
temp
}
Aband<-function(x,alpha=.05,plotit=TRUE,sm=T,SEED=TRUE,nboot=500,grp=c(1:4),
xlab='X (First Factor)',ylab='Delta',crit=NA,print.all=F,plot.op=F){
if(!is.list(x) && !is.matrix(x))stop('store data in list mode or a matrix')
if(SEED)set.seed(2)
if(is.matrix(x))x<-listm(x)
for(j in 1:length(x))x[[j]]=elimna(x[[j]])/2
if(length(grp)<4)stop('There must be at least 4 groups')
if(length(x)!=4)stop('The argument grp must have 4 values')
x<-x[grp]
n<-c(length(x[[1]]),length(x[[2]]),length(x[[3]]),length(x[[4]]))
vals<-NA
y<-list()
if(is.na(crit)){
print('Approximating critical value. Please wait.')
for(i in 1:nboot){
for(j in 1:4)
y[[j]]<-rnorm(n[j])
temp<-ks.test(outer(y[[1]],y[[2]],FUN='+'),outer(y[[3]],y[[4]],FUN='+'))
vals[i]<-temp[1]$statistic
}
vals<-sort(vals)
ic<-(1-alpha)*nboot
crit<-vals[ic]
}
if(plot.op){
plotit<-F
g2plot(v1,v2)
}
output<-sband(outer(x[[1]],x[[2]],FUN='+'),outer(x[[3]],x[[4]],FUN='+'),
plotit=plotit,crit=crit,flag=F,sm=sm,xlab=xlab,ylab=ylab)
if(!print.all){
numsig<-output$numsig
ks.test.stat<-ks.test(outer(x[[1]],x[[2]],FUN='+'),
outer(x[[3]],x[[4]],FUN='+'))$statistic
output<-matrix(c(numsig,crit,ks.test.stat),ncol=1)
dimnames(output)<-list(c('number sig','critical value','KS test statistics'),
NULL)
}
output
}
elimna<-function(m){
if(is.null(dim(m)))m<-as.matrix(m)
ikeep<-c(1:nrow(m))
for(i in 1:nrow(m))if(sum(is.na(m[i,])>=1))ikeep[i]<-0
elimna<-m[ikeep[ikeep>=1],]
elimna
}
tmean<-function(x,tr=.2,na.rm=FALSE){
if(na.rm)x<-x[!is.na(x)]
val<-mean(x,tr)
val
}
bptdpsi<-function(x,con){
bptdpsi<-sum(con*x)
bptdpsi
}
bptdsub<-function(isub,x,tr,con){
h1 <- nrow(x) - 2 * floor(tr * nrow(x))
se<-0
for(j in 1:ncol(x)){
for(k in 1:ncol(x)){
djk<-(nrow(x) - 1) * wincor(x[isub,j],x[isub,k], tr)$cov
se<-se+con[j]*con[k]*djk
}
}
se/(h1*(h1-1))
}
y<-t(y)
head(y)
dimnames(y)
bitmap(file='test1.png')
boxplot(y)
dev.off()
bitmap(file='test2.png')
layout(matrix(c(1,2,3,4), 2, 2))
(rmout<-rm2mcp(2,2,y, plotit=TRUE) )
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Information on data table  format.',3,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'For this repeated measures design you must')
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'have only one participant /subject on each row.')
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'The order of factors is also constrained so that')
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'for factors A B each with two levels the column order is.')
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'A1B1 A1B2 A2B1 A2B2 as given in the default example.')
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='myinfo1.tab')
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,names(rmout)[1],3,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,dimnames(rmout$Factor.A$output)[[2]][1],header=TRUE)
a<-table.element(a,rmout$Factor.A$output[1])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,dimnames(rmout$Factor.A$output)[[2]][2],header=TRUE)
a<-table.element(a,rmout$Factor.A$output[2])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,dimnames(rmout$Factor.A$output)[[2]][3],header=TRUE)
a<-table.element(a,rmout$Factor.A$output[3])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,dimnames(rmout$Factor.A$output)[[2]][4],header=TRUE)
a<-table.element(a,rmout$Factor.A$output[4])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,dimnames(rmout$Factor.A$output)[[2]][5],header=TRUE)
a<-table.element(a,rmout$Factor.A$output[5])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,dimnames(rmout$Factor.A$output)[[2]][6],header=TRUE)
a<-table.element(a,rmout$Factor.A$output[6])
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable1.tab')
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,names(rmout)[2],3,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,dimnames(rmout$Factor.B$output)[[2]][1],header=TRUE)
a<-table.element(a,rmout$Factor.B$output[1])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,dimnames(rmout$Factor.B$output)[[2]][2],header=TRUE)
a<-table.element(a,rmout$Factor.B$output[2])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,dimnames(rmout$Factor.B$output)[[2]][3],header=TRUE)
a<-table.element(a,rmout$Factor.B$output[3])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,dimnames(rmout$Factor.B$output)[[2]][4],header=TRUE)
a<-table.element(a,rmout$Factor.B$output[4])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,dimnames(rmout$Factor.B$output)[[2]][5],header=TRUE)
a<-table.element(a,rmout$Factor.B$output[5])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,dimnames(rmout$Factor.B$output)[[2]][6],header=TRUE)
a<-table.element(a,rmout$Factor.B$output[6])
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable2.tab')
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,names(rmout)[3],3,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,dimnames(rmout$Factor.AB$output)[[2]][1],header=TRUE)
a<-table.element(a,rmout$Factor.AB$output[1])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,dimnames(rmout$Factor.AB$output)[[2]][2],header=TRUE)
a<-table.element(a,rmout$Factor.AB$output[2])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,dimnames(rmout$Factor.AB$output)[[2]][3],header=TRUE)
a<-table.element(a,rmout$Factor.AB$output[3])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,dimnames(rmout$Factor.AB$output)[[2]][4],header=TRUE)
a<-table.element(a,rmout$Factor.AB$output[4])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,dimnames(rmout$Factor.AB$output)[[2]][5],header=TRUE)
a<-table.element(a,rmout$Factor.AB$output[5])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,dimnames(rmout$Factor.AB$output)[[2]][6],header=TRUE)
a<-table.element(a,rmout$Factor.AB$output[6])
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable3.tab')