20808 2009-07-17 13:58:24 +0400 Gnumeric 1.9.x: Ошибка вывода результатов T-теста (статистика) 2009-09-03 13:25:49 +0400 1 1 4 Development Sisyphus gnumeric unstable all Linux ASSIGNED l10n, patch P3 normal --- 1 ikh1 aris aris at cas crux ender kirill lav ldv mike qa_viy shaba viy qa-sisyphus oldest_to_newest 94794 0 3672 ikh1 2009-07-17 13:58:24 +0400 Created attachment 3672 Файл примера Gnumeric При проведении статистического анализа в Gnumeric (gnumeric-1.9.2-alt1.M41.1) в двух случаях "сбивается" вывод названий результатов. Файл с примерами прилагается. Ошибки на листах 2 и 3 (ср. с листами 1 и 4). Красным показано, что (предположительно) должно быть в названиях результатов. 95141 1 kirill 2009-07-23 18:13:07 +0400 воспроизводится на последней сборке: gnumeric-1.9.8-alt1 перевешиваю на пакет 95157 2 swi 2009-07-23 21:54:31 +0400 проверьте 1.9.9 если я правильно понял там сходится. 95158 3 3689 swi 2009-07-23 21:55:19 +0400 Created attachment 3689 файл от 1.9.9 95197 4 ikh1 2009-07-24 15:00:09 +0400 (В ответ на комментарий №3) > Created an attachment (id=3689) [details] > файл от 1.9.9 Немного подробностей. T-тест имеет три варианта: 1. Равные выборки (одинаково точек и примерно одинаковые дисперсии) (в меню - "Сервис/Статистический анализ/Два средних/Равные выборки: T-тест") 2. Неравные выборки (разное количество точек) при ожидаемых равных дисперсиях (в меню - "Сервис/Статистический анализ/Два средних/Неравные выборки, равные дисперсии: T-тест") 3. Неравные выборки при ожидаемых неравных дисперсиях (в меню - "Сервис/Статистический анализ/Два средних/Неравные выборки, неравные дисперсии: T-тест") Ошибки наблюдаются во втором и третьем вариантах. Путь по меню приведён в первой строке соответствующих листов (2 и 3 ) первично прилагаемого файла (attachment id=3672). На первом листе - первый вариант Т-теста, который работает без ошибок. На четвёртом листе - дополнительный контроль вывода для другого вида теста, можно нен обращать внимания. 95198 5 ikh1 2009-07-24 15:02:02 +0400 (В ответ на комментарий №4) > (В ответ на комментарий №3) > > Created an attachment (id=3689) [details] [details] > > файл от 1.9.9 > > Немного подробностей. > T-тест имеет три варианта: > 1. Равные выборки (одинаково точек и примерно одинаковые дисперсии) (в меню - > "Сервис/Статистический анализ/Два средних/Равные выборки: T-тест") > 2. Неравные выборки (разное количество точек) при ожидаемых равных дисперсиях > (в меню - "Сервис/Статистический анализ/Два средних/Неравные выборки, равные > дисперсии: T-тест") > 3. Неравные выборки при ожидаемых неравных дисперсиях (в меню - > "Сервис/Статистический анализ/Два средних/Неравные выборки, неравные дисперсии: > T-тест") > > Ошибки наблюдаются во втором и третьем вариантах. > Путь по меню приведён в первой строке соответствующих листов (2 и 3 ) первично > прилагаемого файла (attachment id=3672). > На первом листе - первый вариант Т-теста, который работает без ошибок. > На четвёртом листе - дополнительный контроль вывода для другого вида теста, > можно не обращать внимания. Важно проверить варианты 2 и 3 95202 6 kirill 2009-07-24 15:20:14 +0400 > Важно проверить варианты 2 и 3 У меня ошибка воспроизводится на версии 1.9.9 в вариантах 2 и 3, результат такой же, как в изначальном ошибочном файле (gnumeric-bug.gnumeric). 95205 7 swi 2009-07-24 15:35:45 +0400 (В ответ на комментарий №4) > Немного подробностей. > T-тест имеет три варианта: > 1. Равные выборки (одинаково точек и примерно одинаковые дисперсии) (в меню - > "Сервис/Статистический анализ/Два средних/Равные выборки: T-тест") Честно я ничего не понял из того что вы написали. 95208 8 ikh1 2009-07-24 15:53:48 +0400 (В ответ на комментарий №7) > (В ответ на комментарий №4) > > > Немного подробностей. > > T-тест имеет три варианта: > > 1. Равные выборки (одинаково точек и примерно одинаковые дисперсии) (в меню - > > "Сервис/Статистический анализ/Два средних/Равные выборки: T-тест") > > Честно я ничего не понял из того что вы написали. Проверка число механическая. 1. Переходим в файле примеров на Лист2 2. Ставим указатель активной ячейки на пример, в ячейку С3 3. Выбираем в меню "Сервис/Статистический анализ/Два средних/Неравные выборки, равные дисперсии: T-тест" 4. В получившемся диалоге указываем диапазоны для переменной1 и переменной2 в соответствующих полях 5. Жмём <OK> и смотрим результаты на новом листе. Если слева от каждого числа надпись есть - всё в порядке. Если какое-то число осталось без надписи - ошибка. Аналогично проделываем с данными на листе3, только в меню надо выбрать следующий вариант - "Сервис/Статистический анализ/Два средних/Неравные выборки, неравные дисперсии: T-тест" 95209 9 swi 2009-07-24 15:58:53 +0400 (В ответ на комментарий №8) > Проверка число механическая. Вот так мне понятнее. Я этой статистикой не пользовался никогда и вроед не собираюсь. только вот, я врядли смогу сам запатчить ошибку в статистическом анализе такой большой куче го... большой программе как гнумерик :) 95211 10 ikh1 2009-07-24 16:07:11 +0400 (В ответ на комментарий №9) > (В ответ на комментарий №8) > > > Проверка число механическая. > > Вот так мне понятнее. Я этой статистикой не пользовался никогда и вроед не > собираюсь. > > только вот, я врядли смогу сам запатчить ошибку в статистическом анализе такой > большой куче го... большой программе как гнумерик :) Это вообще полезная область, называется "проверка гипотез". только навороченная... -) Наверное, полезно было бы прежде всего выяснить наличие/отсутствие этой ошибки в английской (нелокализованной) версии. Про версии типа 1.4 я наблюдал, что в английском варианте этой ошибки нет. 95212 11 kirill 2009-07-24 16:26:11 +0400 Ошибка тривиальная, должно быть достаточно пропатчить файл: http://git.altlinux.org/people/swi/packages/?p=gnumeric.git;a=blob;f=gnumeric/po/ru.po;h=7980199cf584aab3ae83a5cf79d088d4f320fddb;hb=add2693add0e48d43f5d73d7e98872c920c54f0d В двух местах в переводе пропущено "Наблюдаемое среднее отклонение": 11498 "/Mean/Variance/Observations/Pooled Variance/Hypothesized Mean Difference/" 11499 "Observed Mean Difference/df/t Stat/P (T<=t) one-tail/t Critical one-tail/P " 11500 "(T<=t) two-tail/t Critical two-tail" 11501 msgstr "" 11502 "/Среднее/Дисперсия/Наблюдения/Накопленная дисперсия/Гипотетическое среднее " 11503 "отклонение/df/t Stat/P (T<=t) одностороннее/t критическое одностороннее/P " 11504 "(T<=t) двухстороннее/t критическое двухстороннее" 11513 "/Mean/Variance/Observations/Hypothesized Mean Difference/Observed Mean " 11514 "Difference/df/t Stat/P (T<=t) one-tail/t Critical one-tail/P (T<=t) two-tail/" 11515 "t Critical two-tail" 11516 msgstr "" 11517 "/Среднее/Дисперсия/Наблюдения/Гипотетическое среднее отклонение/df/t Stat/P " 11518 "(T<=t) одностороннее/t критическое одностороннее/P (T<=t) двухстороннее/t " 11519 "критическое двухстороннее" 95213 12 swi 2009-07-24 16:35:05 +0400 (В ответ на комментарий №10) > Это вообще полезная область, называется "проверка гипотез". только > навороченная... -) Кому что. > Наверное, полезно было бы прежде всего выяснить наличие/отсутствие этой ошибки > в английской (нелокализованной) версии. Про версии типа 1.4 я наблюдал, что в > английском варианте этой ошибки нет. export LANG=POSIX gnumeric ? :) 95214 13 swi 2009-07-24 16:35:55 +0400 (В ответ на комментарий №11) > Ошибка тривиальная, должно быть достаточно пропатчить файл: > http://git.altlinux.org/people/swi/packages/?p=gnumeric.git;a=blob;f=gnumeric/po/ru.po;h=7980199cf584aab3ae83a5cf79d088d4f320fddb;hb=add2693add0e48d43f5d73d7e98872c920c54f0d ну после слов про английскую версию уже да, понятнее куда рыть :) Спасибо. проверю заодно весь файл. 98097 14 ikh1 2009-09-03 13:25:49 +0400 На http://sisyphus.ru/ru/srpm/Sisyphus/gnumeric/changelog написано 6 августа 2009 Alexey Morsov <swi at altlinux.ru> 1.9.9-alt2 * slightly fix russian translation Это и есть исправление баги? Если да, большая просьба собрать для 4.1 3672 2009-07-17 13:58:24 +0400 2009-07-17 13:58:24 +0400 Файл примера Gnumeric gnumeric-bug.gnumeric application/x-gnumeric 7524 ikh1 H4sIAFVKYEoAA+2dW3Mb15GA3/MrsCxXSorF4blfGIspyZYoVcmOSqLt3WxtWBA5orACMVwA1CVP iVPJPiS1ftg8pLKV2uQfOK5orcQb5S+A/2i7ByA4AOYc9fBiD5YTRxIwmGmc6e7Tl5k5H977wYv9 butZ2h90st71FZ6wlVba28l2O7296ysfb91edSs/2PjOe3u9/fVPs/7TR1n2tAWH9AbrsOn6ypPh 8GB9be358+fJXu9wP+13dpKsv7f2jLNkd7i7Mtn3xaAzs+9zme8lGONr//jhvYc7T9L99mqnNxi2 ezspHDXorA/yjfeynfYwH1vwq3zyYrC7svGdVisf5ifjk2ndOsh2nsAprbQ+bP9r1r++4uFVp4ev xErr9mG3i+frE7GyNj32xnDY7zw6HKYD3DS/cbxtsnX48iDdUO+tTV8XP+y199ONY3190kmfr68P nmTPt59k/c5Pst6w3d0e7PSzbvdRuz8WkR9RFPGs3T1MN7YefHxrvMP4/XhUayXDOu+hgk8MOztL MNBeNkxx0/aw/WhQvzHuZtvtw2G2vZPtH3RTdOX6jbEz2D7ogxp3huludHS3b9x7SBre3KZ8Or2X PX7c2UlBIzswfXvD1f102J4EiPFH11cO+731rD3oDPIRDNaHO+vZQdo7PmS9uPd6Hq0mAabb6T0t CzHce7+Wf3q86+7OdL+Dw34332t3Zy3tpvgNgzWe8LXjfXGE1EHhvsUhZVk2/SLcfTzo47in1sbv V1qTk5mJwRO9Tj5CyeMYtVamwmn0evgkTYcfwRDv9nbTFwUvmX7QwnfvZ90BxEBtVvK3D7Ln8NZo Lc3Kxui/Rq+Pfnb0GR8bcHrgmYSJ8xQmz1OYKhE2t2mqy/wrNtMMVN5/2fq0szvE7CIcGPxO2tl7 Mry+4ngxmeQiBvPja33QGRx02y9vZ/39w24bxoQCOrvpj9J+Nn2z2e/sTt/AmdxJ27tpf7oFTqaw ZSLxh4dD8PN0kOe8yZuHL/cfgR5upt3secn2B+Nxw/ZPOoPOo063M3x5fWXzow+3H965dWtr+5O7 D+/evHvv7tY/jV/eu7XSwqHBiDCPsnX4b2UmTuRanPOij+aDyYftFyBhw4w/nryb2wFOcUOy6R74 trjHj7Jsf2MiP389P4jB8ZbiwKabirHwfr/TG27f6Kftxdg3F/+mJ/YP79x4h6+/c/eTd3KPWgiJ hSMPskEHw/7GjclwpxtOBrigprcOOvel7a3OsJu+ddTf/bfDbPj96djHb899yCdbBjPGyNV7t/cY /L09J2Ns2/4eFH4LYxhmB637GRyK/izAy+/308cf9zrgrvv741k2s/+jbDjM9isd0k0fD6cHWPHW /fs4W6oc8CSfo1WOeJxBGqYdcTw15tQ3jjRQuKUtTP3XVw7S/g6kivYe5JqT16AhxmbE5e6An8L3 526BsWV+hydv22EPokP40/RZ2tvuPN7Oet2X24Phy246CO+8n/Wggu9DwA3vs9tvgw2DHw9xfkS+ AoozKB+h+AF1h/fK+mDFjd3t4RMY/aQMHm+b36+Dys2d/CDrD/vtzvB475NPZo8Zh/HWPXDF6yvY oOzudmEQ323vH3z/n7du3PyXldYkSC8M6/bYV+YPvQ/WbY2Pv39j81ZEwEEb/GGjM4AKdZIIx1tm JnRo+o79LDfhvPPhxgfpHjZh0ND1hxDd8zyVv3mAiSjvMnfz7TJ/mW8VWq8szIhcWuvOjW5nrzfO VJOXMDU+7bcPttIXw1zgwycw0qdb2e3O+P2DbDjpHPMPQc35K8znvfEe0Fs+TXdzoZBUYXO+FRJz epzaWjfbO1BW3ob/rU//ginZHoLmezNZEI8DDUH2THtpv92dOZOpxcDNxnOZo/CsO07yd6Eh7Ozk Lz+G4fUxQ4+HDfXz03QLJsHh3pPxlp1+5yAf/sbDdm/S76DcGcWtTTU3Hy8KxqlutryYOjYc1yeW U8w3pqu16cBCBduZwqzDAqYxXt2MpwLh0hTCZWO0OhtNnhhNnRiNm8ttNV5zq3FbajbJL7fZaj/Z xInZbFNR1tluOhAkC5lNXm6j1TBGzhhNlRutCZF1s5oNFJG2sVqNreYCVis23E1iq5/doLQP9Gyy uVJSa8uZULeN06y5UPJt267wweytJbzF2/ogfdw+7A4fdn6S3sd7JsqtzBkddsML2K2PsskZ4Pl5 kQgw7p12fxcPRSXPXx8vHsenx7HEVjhOHh8Hw4rtp47349Ymji5fHx/nXFJhWIZyOmO9o5JntI53 0he0zgXKmftG2HNR8Vzlin8/O0QvlwvDLB401d5Y/PFBws0PEsc0e2ci7aY7OLsGrfcP+4Osf9wz jt8tXouZPSp4eYCHrurMDejk+2c9Nu125++X4LbWceQ5vifyCd6M2spv4BmYSqM/jl4d/XT0Jd7C XRv98eiz0RfwJ7+fC3//O3z4s9FfR69Hf2mNvhj9Df58DW++Whv9Bg75ogW7/XT0avRn+OT10S/W Rn+AHb4c/e3oV6NXrdGX8M+fRm9gDxCw3tpaBZGvUPDE/DC64ID5ZMBsccD/nQ/41eh/4c/fcEhH n/MKEjlJoiBIFKVjVCBRJV5IJ401hguvqwjjC8JMIr3z1mlpuZLWVRCmFs/1D3COXx39fPT10a/H tj76FUGgDJ6qSbxU3CjnpdZKU0Yng6dqE2GYUdI5KZnyFWQtnmmFgzXJJVoULzsWaWgiKZ6hgrqX iTXacWaYFkZyXUFYme5BjtLCSnBYq6qMrMTN/jiNC69GryqIgkh/vf0Mqoi99MrMMzFyHf/iVyvI MuWybqKsm0RZOqh8nUgGk9JL463hkuKsOqh8nWjJwee1dtYwLysIK1H+b0dfQRTOQ+3Ez8AScPqj v6MLwr+vjz6v8A1ok2ft/qntoQv2mJNTyRYmYguvrLLaSG0h3lKCkInYggkOwVYrw7nRqoKwElv8 HjLinyDa/geY4FWeJimqNwXV72Bpcmrlm4LyFyRVUr8Nqt8mGlSFYZsrIzgldNiI+pXkhjmYDlZJ QQm6Nqz+32H9kceir48+P/olqr8Fkfh1Pg3e4OyoIH9sjX4/7Zaa49ppNesi2RWSvmUWlOEcUxRl uEiEh6QKod06yb23FDO5sGb/E+rAv4N2saYrlopvoPQrlIWvsBLEvf4KleObfANMAlJOcKXpGc+E EY72EXc1BtIceqyVzFD04INKVQkX3CrPuBYSglAFYW+JFl/ktcL5qdOfqHP8yPK4Is5fxJPu6mkd m7OIESw4tBSMG+eEIVXwLBI0rHReCeMsg7liqkgrMcNv5rNlmc7/UuVLypUeyqqnV3h53zSp77x3 FtKac4prkorKe6ZJkmTWSAYSleOcUrBMpS0qfPdxlePLdRlOk+XaXCW5XLjHc4n2zGBPZhl6chVp ZU0et9hAQdcIFaWmlPI83OUNWw+H7WEVGZjartzmbPW2v7oGLzj+Jd7lV6/+mCWk0cRaRCMg5YC3 aOjtLKVS5uEeERpO8DclsU1hTJD8ONwl3m9d2fpud/j968OrMMfzEPsmr5vxssWbvE+jNTBcFjQ5 3O0MhlfajwagRHn1GmjyGm36hns9B9PXOg9nLpQ2hmSSWLMHdZpRArpHbQTJd8PN3rA1+ito6/VC GXA2hRZbwmGn9+yK+B5LmEZtknQZbt1MoriEpA1ts7aOk1wo3LvB1GVGQ2XFnIaQWEXYW/zxz6Mv j35+9IvTqU/H/ZGmw3DLZfESl3HaCae8sCQdhnsuBdUA1AMe6jIFRaqtIq2KQ55Jo2beISu5Y6x9 EgoyshKQRhgU+lWklfZPDuzhndMe0gnJMLEGxGguNZYOEuYLyTDhDgT6dA4ZU8KJKgdjpEgL1/GQ CbQwUHgbZSX8W0Xa4thk4pmHjGKld8aSYqKIlbfecSu04Exq4yhnKmLlrQfdWw8FB0w6T7qeHKsE NegMShbFBCddZRXhQtAkEPc4tD9C5de8KdLCRZWBogoTHGfcO5BbRVppbwbZDWIUUwa6DErOFLEy Bgo+ZiHggR2gf64iLZA1oP2xQlnrSNNUhKsDKMelxMvv8I/xpCQkwtUBTHoOgdjBbIAQQmlpRew6 qZfWcKu9lxLajyrSSi+Ucgn658ZAbCNpLZzDTAI+JqCYgpYIfLiKsFKlWQwgTsEU1bTbNLGcABMe SjTDFRQWpIuQIpwTYJIKmKDaag5GkCQbhHMClKJgTg0FPWQso0hGiOUEKSRMKJjtSkDvTpEWywka TMqtF0JoyUkBJJwTYJLixUiIkw5ikiDd3ArnBPAQg7lAWuU1aSLIcEoAB5EK8rKGCMLBQxalnWyZ u4GNC3zvtV9mh8PWVnYwXuV3o3h3Pt8r6z7D9aL97FE33R9/L8dnSA4O8a48sk9ebHX2xw9rwOu7 w8ma8Y+y3kfpXr7zB53BznjjjcNhli8dnTySkj2f7n+jN3ie9h+MP0h7uBz4WWf4crzhXme/MxyM X99P+7hWcPKmn+312+M3k4FPbo/j2U02TN9fpqXxk+IgtDR+4sNLuDReLPHSeNEsjZ8c0iyNb5bG N0vjv+Wl8fzkATPWPHdas2eGZ4zGS412yZdW1HAZ04zRRLnRmke8a201bpqVnstot4YdsrSma9gh y2U88XbUUpPlamc1AvHlkheUdTeaKF8bpC631WrYBswu6dLlZmsiZN3MpgOTrWFi1XiuEXAvzVSr ndUI5JDGarWzWogc4poSckmMJkqN5mpjtNxEjd0W7ObLJ1t9Sv9vy3A1rEhcqPovWK7BYtXbbEXe I+fNbYA6G86Hbm/zZr7V2Gw8dBm54dDV3HANh25JLddw6Gptu8IH58ih41W4bbXH0HFcTFOZQudk JRifKzubyYP09aPV6ehBbvabYrv66a4yKcDwosdwXn4mKn6Unvmq6K7mNF8gWLmu+AJ+8AGN7Cdn yH5s3rYPS8B+8u23ydn8aB7WGev3+1xYCO13rTX7YYE1BUIvlvxHgrJVQ/+RoGyxJYzGIL3OccG8 NaSVW7GFn9pzzp3VWihBWqJ2FiLeCQ7i3JR/LPIciXjHIl0ZueUNuPL/IHWgNfrT0a+OPjv69Tpl pVVslTHCApBGla9grCCsdHG2cp45w5nljrSQN8yuqAzZKyIq5nk/oiJX7AR0WCrr5jsKOSvCVwH2 lSpfaiEcc5Izpin+H17WKhPFDBjRaaOUICE0IoTDBUZQBXHzRL2qyi8SDufkVFJ8DJEhpLDeMsm1 laTAEyNkOKssV7g0ljtNiRoRuuHpiHpFHMYsKqiq8os4wwVJldQfo2swrr120hoNDns2oKFJLBda GW+YkIyEO3kL0BBpGn+HOHsStk8FmCwCNa5cuW1W+dXv3dbvXtnMX21qJBHBy8mGszIKnTeSC2Ol 4tJQwnhsPbX0GgyD6APJSPCyCKPw4kl6tjStU0l64ZXgoFSlFQQIz8C1SLkxvBAcYr13nFtcvy0F abF1GE9IIoq5gv/dVqublFrNhWuPbwLeVxaptTMWysScD0UC8cRohkZhpcNB/4YE8wjDDMkQMl80 g3kXJnsVJOOiIWg0ORbRqEKsspKGeWVIjhhFExrIehrSntPCk5AmETTh+fHKWDH43vartx2GW7sG FoC/Nw0Z/MaChqBj6MKwGpcwqNUgwFio2jyNExmj1RiDfEhutEZuXxVp3xj4jBcsUyR3cSR3MSJJ jgetcn4uFOX4gNMjzcsqY2lWi3XBQioDlQuHJgBKmSrSLhKxVoQnzhLqGMlG4T72gjwr3OXaBFRr hLJGOqdITJcIoxGZLtDgIodFck/C9EQYjReEcwsBGyfTjEZ1k7RpdqaBxtpj6GWN08xC6SRIlKAI FFImFn/GwQjBFKSrSojJeSYebQKoU0yAc4EilqnSIk/US2uN8KQrM1EmpNDQF0gLja/xJKhRnLXI UBSUEERUWAS1CD6DHgOVNs/FUaSF2yps7UFbHmocaIhoCTXWVynPoYhlXHpLw5hF2IUu4Y45B6KE IOIBY92JsU4xiGsSgVykoYWLdpVAZYm5jAmDl4urSCstMZ0XgnvOoR2jQa9i5a/A6z4CIovhzJEu YIfLX0gsMBMgr0AFZw2NcxeuBmGWQjmIzCuvNCNdSYqwC2UCwQ7qfA1Np4L5RZEWq3m8MB5SKGQ+ bmnX6mPsQjhNZZG9CYNklWiDZRFES2MteK5Au1YRVjY0p4zS3EONJ7UkGSGWw/ASoxBeSK8ljTYY zmH5Ly9xBxozljsSSDbCLlSJZI7lvEHoGUhw/7ewC/FytkH8qac5SAxeCH0RBBD8MQfraMjH2I+e OAQOMrz8oi3NprGswJ3Di47eaigmK7EQS7MCkzz/nR1moDilSItds4KwZiU6cH4npoq0svAmHIRK Br7mLO23JCL0Qps4Do2ulIwjRZJ0rykcyC20zlZCftbSSetL9HaypUEEXiJE4CRWhBCBk8C0hIhA ucSIQNkgAieHNIjABhHYIAIbROClfiSYbrQGEbgcqwNZgwhc+qlmmsWBS2m4hhG4tKZrGIHLZbzQ 4s6GgFVnq2kClqcxWp2NVqgoC/mNy8tttRr2ATNW46rcbE2ErJvZTGCyFVHhl9toNZxrJsAIbGhz dZ5qFNpcY7W6WS1E4/FNCbkkRhOlRrO1Mdq3hZqru91c+WSrT+n/bRmuhhWJD1X/vkluNZ5vOM63 suYau9XPbg1rbkkN17DmltRyDWuu1rYrfHCOrDlRCbNWgM2dP2nuhDBWjTRnTga1QMALI9GKEnzZ CCfPWNePHhfnqFk6Pe4ENFeBHhc4k7cg4XT5qUCyOB3cTc/A3Wao6rNHVb1+r/5f8d1wgWXDeCuu LJRGe1zi7JRmgrT2JrZWlEnrtRLCcqNJi2WCmLYKBxOBbFUYb/b8le+/CcabxcWdXgsORuWCtMIo tvjdS2eUtdxq7QRlgZEM2vPUjLcyLps8JePNlsu6ibJuviPc2RhvLuEMl5sbYbSxJH3F1v85aaVE KhPis6oIK1H+WRhv82y2qspXBeXPyamk+NiSdyUUUw6Uz4Ql0X5iK949Q3gTUxz+lRR4gA4r/myM t0UyW1Xl64LyFyRVUn9sAaeVginLvHHEVdvh9ZuIN+MoCcKOJ63ZNmHtXzyQzJTmICqQLLrwVEth lXIQ0CGkVBBW5tJMCqWlMtwJS1muW85ZIzOpbMF/N9XqHYoZbThPXiSPLEZdMFpo55QHQ3BFUVts ea3yzjMtmVNIkKwgbNEGZByVK9jhyqZe2zTv3tFrd8zVH4u1K+MN+cscS/julZPP7lA5hS5oNZKj RGlwDCpJLoSBGcAo2g9zJaAyhTLGggkQvsqqoOUWtX9u2Ck/Yx23ummvrs1aiQYu80Eb0LllLGgI C/2p0l4poSEwk3AyLGgInRgphEIoH0QjGrOFRebBhcClWMEuJzylTc6uXtv0RGoZC9rk/KhlMdac 4WA0yB8esigJ9xBhzSmUxhXkDvi/JzWJBfTbxeGkeNFOBWrZJolZOz28bNpciF+F23CbSM3cmKDD HQk/GqXMeZhbCG/xGqph0iQLN+IXBLAS0UlGY5aFW+vzc7Jor62EQdIrB22T+PgR0hzyXsD8MGvB bI508YTL+QlQxf3lKdz/guhvGpHGkO39mDNGyjHhztkkeBEK8gxUDVzQ7BLuLW3CveJWWA19CakN j9LUlNYMpGGvyjwJTBfruwRyeBAQxJminWgUpyadckobOF3LSVE+3L9ADIJeEOFWlnFHQnVHcGo2 EVCJSyccd16TqucITg2kSWgvtfEGspo/I09NJ4jLkUpxw6C8PCNPDZzXWSHBebUxngZCjNa9lmnv rTSWCUbxNxGuBF3CoReVznGB+eWMPDUoBbVnzCsHQkm8vQhODWap03ihkjPOPKnAj+DUQG2IO2Qc 87GmUZ9i19jh9AwTiL+HiU8aWzi5g/PmBDpmBaLwKcLCKQwCLwixWivJIFKSLBpOYSbhSJnWMOsh HBkSFiyGUzNeWK+EZFIq0pyP4NR0osFjneLQ0gsiZCycFDBhWcFzCB3MLZIVYjg16Tn+nIQ1zEsS rjSCU3OJ9yaPkpCupK0krRyRJ6CJsNBNME8yaeyiFugfC1PEvcHEryKtbCZocBC8NMO0JLpbOCng 9Xb8WRyFCFBFQyiGw7hLILtDhleKQUVDuowZ4Z/h9TsnDTbgkAPLINQnWxr+2SXin038KsQ/mzjx EvLP1BLzz1TDP5sc0vDPGv5Zwz9r+GeX+jFVutEa/tlyrHxiDf9s6adagcQkm/UzS2O3Bn+2tKZr 8GfLZbzQekPZZLkaWy20ZK0ArZOXvKKsu9VkgMnU1Ca1s1sDG1x2owVgg+ZyW62GTffsYkVbarYm s9XObATYYH3oPs1cKzGaKjdaM9XqZrUQbLABxNTbbg0gZlkt1wBiam27wgfnCIjhySLa4/1yJAyS PWoBguH41Cb1qCkwxanAQZOnzS6UBBOnrohyUos/F3qKnB/uw7fBU2R5O7JU6JTfjr6C7Tn4JMhG +dFlYqOYBB//Zsrhw6qWtLwiuiZL+/yH6rUWivSTyeHHtk3iueRWSqvwkVXSr+tGRqZU/vvBHCkw nqKzMOWjwsHnSG05wXucm1vEnkvHn74WDn+vmjFNsWT4sXSZKGbAiE4bpYShPKwdoXxURawUCR/z WBQ1BU0I0nqyIuWjRNYxaoIkK0b6EFJYbxn+1LokTaPYaixncS2+U/hL65riaRHSx0z8zP2sGD/J 1JUi+qNIS6lqjyL4Y05OJVuEFxrYhHGNbBprNK5tqSCszBb4K+vKeMOEZKT1YhHux+moK6ag+llW SlXlm4LyFyRVUn94MQWCUozkwliJKz0oSSBGCJFegxUFc0gcokyFMCJk9DtcHJrHoq+PPj/6Jaq/ BZH4dT4NcM3oFxXkj63R76fdUnNcO61mY+sDndIK4otn4Iyk9BpeHgjpApcIW+YEl5A2Kgj7VoA2 rjQ9U4E2UZ6HMxaKIKilHJRTFYSVEgkUVj8cQRIk3lMY53GhdJkTxAe+HxxXsPmLeM5dPa1fR1Ae JlFGO66kYR5X6lWRVrqAE/KmhsSJS/4cqX5nYTMsIMrKdP6XKl9SrvRQUj29wmMcDgZVHcQRC/Wd J4XVCIcDGxIupeFGa2VJS2YjHA4Sn6fA2CjTZThLlmtzlaSBWEumweWMgLJNGUvTZ6wnEzJf5cuh kIfqo4q0M0CZZtAXSLxY3fQI/uEc/xLv8qtU8E8UTgHnZISyRjqnSOuEI3AKnUhkhApuveSetN6V h5vE8yPgzAAwChARefUaaJKI6om1ergK32lmIYcL2mL8WK9nodGWRgimEBNZRdo3xj4qtoQzTB1O Q7LEWjerBWNeWmuEJ11niJI0hIY6NeeFGC9J1IVw83Z+uBgd90iaEmM9l2d4zpBzrSOhBOLED3Ru BNjk4qpI+8Y4QWbeISu5Y2wtuoNZjYu9JTQ+tGQa65+U51DWMi699SS8QARQ4hLumHMgSgjIT1WE lVYN1ikGAVwqwfQZ+SQK2VKYLdmYVlVFWmkJ6bwQ3HOuiORQEStvBV4ZEhCzDWekRfciXN5CBoUI AwkUaRuGhu0IV4IQ/aAUhEyCSBxGutYUAZTIBNII1PEa+kplabCCWFXlhfFQKyAyzJIuqkUAJXgX BwbFpWYwSEYaW6yO0dJYq3LUBg20EWNsOWWU5h6qSKklyQix6gAvQgok4nkt5RkBJcj/ktyBxgzC 2ElqCydblUjmmPQeApLhJABgFFCCnCktEPqjPM1BYtgq6IkggDgoJS0RxRJOYjpxDKzA8AqLtjSb RrG7zuGVSG81VM1nJJTAmTIJBvDWMONoeJ3YZSkIa1aiA+f3a6pIK+UIOQiVDHzNIcBqUdrJlkvJ FCm8zc8/P6uP737QHrbhe/BGbrq71X40vc07Vn27u3PYzR/PgJPqHba7D1IY9vgRiFu9NugCBz55 foNPzzzfgE01y5+amGzYyrrwqreDZ51A0p180eYPP8h24OV4hJ9m/aePsuzpxnf+D7KLs+SqKAEA 3689 2009-07-23 21:55:19 +0400 2009-07-23 21:55:19 +0400 файл от 1.9.9 gnumeric-bug-1.9.9.gnumeric application/octet-stream 8164 swi H4sIAL6jaEoAA+1dW3Mb2XF+96+AmS0XtSsOz/1Cr5iSvKKkKllRSdzdxKlYBZEjChGIYYChLn5y 7LLzYFf2IX5wOeWK7V+w3rKysjde/wXwH6V7AIIDYM5RDwlqweJolyQwmGmc6a9PX2ZOf/Ph37/c 77aep/1BJ+tdW+EJW2mlvZ1st9Pbu7by8fbWmlv5+81vfbjX29/4NOs/e5xlz1pwSG+wAZuurTzN 84ON9fUXL14ke73D/bTf2Umy/t76c86S3Xx3Zbzvy0Fnat8XsthLMMbX//H7dx/uPE3322ud3iBv 93ZSOGrQ2RgUG+9mO+28GFvwq3zycrC7svmtVqsY5iejk2ndPMh2nsIprbS+3/7XrH9txcOrTm/8 auuw28Xz9YlfWZ8cez3P+53Hh3k6wE2zG0fbxlvzVwfppvpwffK6/GGvvZ9uHuvrk076YmNj8DR7 8ehp1u/8KOvl7e6jwU4/63Yft/sjEcURZRHP293DdHP7wcc3RzuM3o9GtV4xrEUPFWwi7+xcgIH2 sjzFTY/y9uPB8o1xN3vUPsyzRzvZ/kE3RVNevjF2Bo8O+qDGnTzdjY5u6/rdh6ThzWwqptOH2ZMn nZ0UNLID07eXr+2neXvsIEYfXVs57Pc2svagMyhGMNjIdzayg7R3fMhGee+NwluNHUy303tW5WK4 9369+PR4192dyX4Hh/1usdfuznraTfEbBus84evH++IIqYPCfctDyrJs8kW4+2jQx35PrY/er7TG J1PywXxlrNfxRyh55KPWq1Q48V7fa3d3DruFuwSf1ztsdx+kMIPhfGFQN3vtx930Tp72x/60cIwv JxsGsIXBfpMN21kXXvUQFZaAowaf2c3a+YP2bufltRUxfvtRZ6+Tw7Faltzow6dpmt8DXd3p7aYv S+Y6+aBVjDfrwpFCm5Xi7YPsBbw1Wkuzsjn87+Gbo38/+gkfWdLkwDMJE4sUJhcpTC1CWL42/MPw NYprrfIrFRJnNk3QKb7nVpqBNfVftT7t7OYQOL0Ba7iddvae5gCv97P4DmbH2PqoMzjotl9tZf19 MMNBYXa3O7vpD9J+Nnlzq9/ZnbyBs7mdtnfT/mQLnFBpy1jiPxzmMIPTQWG04zcPX+0/Bl3cSLvZ i4rtD0bjhu2fdAadx51uJ391beXWve8/enj75s3tR5/ceXjnxp27d7b/afTy7s2VFg4NRoQZAtuA /1amPGChxBmzvDfrJmFGgYRNM/p4/G5mBzjFTckme+Db8h4/yLL9zbH84vXsIAbHW8oDm2wqe/n7 /U4vf3S9n7bnvfqMZ/+7Bze3vj3n2Uu7HWSDDrqFzevjsU02nIxmTidvHWFhOI+2O3k3fesQv/Nv h1n+3QkCo7cLH/LJlsGU5gtd3uk9AeNuz8gYAdnfg/x1bgx5dtC6n8GhaLwCTPp+P33yca8Dtrm/ P5pSU/s/zvI82691SDd9kk8OsOKt+/dxatQ54GkxIesc8SSDbIJ2xPE8mFHfyK1A9EpbmMFcWzlI +zsQ8dp7EDJPXo+C1vrMcc/xU/j+wizQkczu8PRtO+yBKwh/mj5Pe486Tx5lve6rR4P8VTcdhHfe z3pQiPTBuYb32e23AcPgxznOj8hXQI4JWTDkcKDu8F5ZH1Dc3H2UP4XRj7P50bbZ/Tqo3MLID7J+ 3m938uO9Tz6ZPmbks1t3wRSvrWCdtbvbhUF8p71/8N1/3r5+419WWmOPPDesrZGtzB56H9BtjY6/ f/3WzYiAgzbYw2ZnAIn2OIyOtkxN6ND0HdlZAeGs8eHGB+keZlNQl/ZzcOVFUCrePMCoUxTLu8V2 Wbwstkq+MjchCmGt29e7nb1R6vXJ+CXMjE/77YPt9GVeyHv4FAb6bDvb6ozeP8jycb5WfAhaLl5h 6O6N9oAK+Vm6WwiFAAqbi60QhNPjMNa60d6B5HgL/m1MfsGMbOeg+N5UxMPjQEEQKdMeZH/dqTOZ AAZWNprKHIVn3VFAvwNlbWeUbH4Mw+tjNB4NG6qAZ+k2zIHDvaejLTv9zkEx/M2H7d64akO5U4pb n2hu1l2UsKmPmhQnsNkT2ITWDW7LjFuR9B4DZ0oTTjHfQLfU0AFCJexwpk3Aw9qlQW/Z0FOBMGdK /rIBbZlBkyegqRPQuLncqPElR43bStialHLpYNOByVbykPJyg7aEc20KNFUNWjPVlg01G0hGbIPa EqPmQimkbGruZcbNhHL/qbKtqbm/GehKH0zfn8Abg62P0iftw27+sPOj9D5eeFduZQZz2A2vgrbu ZeMzwPPzIhGA7e12fxcPRSXPXmQtH8cnx7HE1jhOHh8Hw4rtp47349Ymji5fHx/nXFJjWIZyOiO9 o5KntI73X+e0zgXKmflG2HNe8VwViv9edohWLueGWT5oor2R+OODhJsdJI5p+vJ22k13inv8re8d 9gdZ//gCzejdXDU/fVDwctyJZ+ClQMxmh3Py7dP2mna7s5fccVvr2O0cX1b/BO9nbBf3gAxMpOHv h6+Pfjz8Au8Crg9/f/ST4efwU9wShN//gfe/h38Zvhn+uTX8fPhX+PkK3ny5PvwVHPJ5C3b78fD1 8E/wyZujn60Pfwc7fDH869Evhq9bwy/gzx+HX8MeIGCjtb0GIovb6WPwYXTBAfPxgNn8gP+nGPDr 4f/Bz19xSEef8RoSOUmiIEgUlWNUIFElXkgnjTWGC68FUzXE8TlxJpHeeeu0tFxJa72tIU7Nn+/v 4Dy/PPrp8KujX47wPvoFQaAMnq5JvFTcKOel1krTxieDp2sTYZhR0jkpmfKMyRripk8XIs1mjYM1 yTZaFHM7FmloIin2poIAyMQa7TgzTAsjufK+hrgqAECS0sJKsF2raOarwvb2+4mTeD18XUMUOP1r 7eeQUOylq5N1Ct9+7/p7cgN/Ha/JIcky1bJuoKwbRFk6CIBOJIP56aXx1nDpGcVEdBAAnWjJwfi1 dtYwL7ypIa4CgF8PvwS3XPjesb0BGqCC4d/QFOHvm6PPanwD4vK83T81JrqEyYycWniYCB5eWWW1 kdqCA7akCWEieDDBwftqZTg3WtYSV4HHbyFM/hHc738CDK+L2ElRvympfwezlVMDYEoAzEmqBYEN QmATDcpCL86VEZyTgoKNQKAkN8zBtLBKCk6aYTYMwW8wMSn80ldHnx39HCFogWd+U0yHr3GW1JA/ QqTfT7uVkFw9rXZdJORCLmCZBXU4x6B6pGjXRTw+RFpw9dZJ7r2lgeXC2v0vSBL/BhrGhK+cR34N eWEpZ3yNaSLu9RdIK78uNsBkIMUIVxmy8VwY4WgfMVtjIPCh5VrJjCAlHz6oWJVwwS0kMVwLCS6p hrC3+I3PiwxicQr1JwodrYIdJczFi3gYXjuteXMWgcGCWUvBuHFOGM4oCdJEXpX7sNJ5JYyzDOaM Jhn4RF4FFL+ajZ9Vev9znS+pVnwozp5e6dWl1Tjv895ZCHPOKa4pSQevLqvGQZNZIxlIVI5zWhIz kTev8t0ndY6v1mY4bFbrc41UWYYLQZdozwyWbZahPTOSDmKVILdYY0FxCbmm1iTvxMOlYN56mLfz OjJArzdfHvTvfDRS6OoWZ2tb/so6vOD4S3zAr1z5IUs0RWispDQCYhGYj4ZK0Hra/A/XlFCici6V xIqGMaFpxlhdVKLi7rdWt7/Tzb97Lb8CE7/wvV8X6TVe7vi6KOtotQ6X84oVoNh8tzPIV9uPB6BT eeUqKPYqbXqHq0QH09s6D2oQShtDNJ5YmQh5nVECKk9thGSklIyH68S8NfwLaO/NXMZwNgWreQVL VHCn93xVvM8Sptn0P4naJuk6XBCaRHEJgR8Kcm0dJK4k+w1XhDDxGSAGtbjT6FRJJTkPl4RT9vun 4RdHPz362enUq+fVq6rtl6bTcFFn8aqacdoJp7ywxDkcruoU5BiQZXjI98AzK1NPXh37PZOCzbyC 9bH9nsl6Y7WbUJAAKIGlBRRcNM1EizcnrPHOaQ+xS3tHkRerfozmUmO2ImGKWZrnCZc/GqIDBGkJ p6scjJM2W8NFBEQbLQzk/EZZCX9pszVcRcjEMw9xy0rvjBWCdP1BxLJr77gVGspoqY2jXa4Sseza AwrWQ64DMxRGSpIXS0Q16A7yJcUExyvApOvn4VTUJOA3OZymUHhhnpaKinBaZyCtwyDKGfcOJNPG F07roEqECAqeDbwQ1DuaZH8ilj1B2sksOEqAxHtDs5dY9gTRB4oxK5S1ztGimQhnIlAaQA2m4Hwl mIsh4hHORMAfcHDiDqaIR6Oh4RG7nOulNRxCjAfvB+U7aXzR67lcAhTcGOmMYTT9hSOhScDqBKRw UKg5DiCTxheOhKA/iw7GKZi+GitvirxY/AB3ALmh4QoyFi1pN6zC8QPmr4C5q63mAIik3d8Q4fgB mTCAq6G8gAhnlGGk8cXihxQSZhq4AiW4FLTzjcUPDfhy64UQWnJGwzccP2D+4tVT8KYOnBacM+kO Vjh+gL0YjBsSpgaAQsv8ZTh+gL1IBeFcg4fhYDDz0k62zNyLx4bXu+1X2WHe2s4ORl1v18sLDYq9 su5z7J/sZ4+76f741iAuhzk4xAUGRef+dmd/tO5k3MVfvL6X9e6le8XOH3UGO6ON1w/zrGilHK+u yV5M9r/eG7xI+w9GH6Q9bI993slfjTbc7ex38sHo9f20j71z4zf9bK/fHr0ZD3x8rx/Pbrxh8v4y 9YWP/WSoL3ycRjZ94W8b4en7wkXTFz4+pOkLb/rCm77wb7gvvLQ0jjXrZZdsqfMUaLwStEveV7CE PTyERai8WZq+1KjxUjM41007yIUBrqFguLDQNRQMFww98XamoSbOLR1qBOKMS55SLjtoopo4Q11u 1JawEJgmztDVsDUectlg04HJ1lALLfFcI7CdNFNt6VAjEGc0qC0daiHiDNekkBcENFEJmlsa0AqI GtzmcPPVk215Uv9vCrglzEhcKPt3TXBb4vnmQ/dJdQPbEsOGd2waNq8LCFzD5rXM0JU+WCCbF6/D frX0ZF4c1/nX5vJyshalmas6m/Ea3uXj/NLRg9z0N8V29ZNdZVKiFIsew3n1maj4UXrqq6K7mtN8 gWDVuuJzJG4PaPxoYpofjc+C+7CCIG3qnp0orSgSpSg5N6CHy8yQ9ttCWIgl7Wpr+sMSSw8IPV8S NRKtVT0WNRKtVazNyhikAHNcMG8NjXYn3GWlE68959xZrYUSjtZVcRZesVLT/KIAOBa5QF6xY5Gu iuXiazDn/8Xm69bwj0e/OPrJ0S83KL0esdZIbIxGFp+iuYrWOhLrLFXOM2c4s9x5QeqsCrf116Yq O+nen+dIETVZmU4o4ypl3XhPISuF8HVozyoBkFoIx5zkjGl3Rq44mShmAEqnjVLC1KOeo/Cq1BA3 y0tWF4AyV9yMnFrKj9ECCCmst0xybaXwJAqGGCuAs8pyhX173Ok6pHMLYyUrk8JN06vUVX+ZFm5O Ui0AYhwCjGuvnbRGI9cNKQbEGictFxqpA5iQjNcRFgAAGQP+Bj73xIWfiqqvzBW3urpl1viV97f0 B6u3ile3NBK2wMvxhrMyvUEolVwYKxWXxpyR6Q3ZTjWAgy3bkoFjp8yRCNPb+XOR2cowT+UiC7ep gmIV8qlKz8C8JE2x4S5V8PzecW6xtVRiBKDEyjDJG4mPyZXscEut3aI0FrtwPvIuCNCqvLZ2xkLy WPDnWENqj45xwhmF+Q8HDIwj8uaEWeHIHE6+jIX5AGY+xQB8EA0aIReLqFUha62ShnllBI2kM8rx ZiAMaoiDTguwdBq/EQsqdnEcT6zsjbf82pZD/2vXAQX4fcuQCbNYEAw6k1eYdsMlDFI48DYWkjlv iLQlMdoNYzj4LW60HhGg1ZH3zgiiSpRxJwxcc1e35vefB2FxFhPlHgErR84iqwyyA5OYDGNVsZDK QO7CoRyAZIbGpROmlFscs1QF5dz85b2K/asmx7kYTrjKtQko0whljXROKVrEiNDXIcEEFLhICSG5 x9S1jrx3RlVVwWU3f5WxYv+3zKQzjSlWCUPRapxmEHkcZPFn5cOTiUUKfCMEUxCEaCw+VfR089dz K/avY+ULIXirUqBFNkUvrTUCE/ZapHSVNC8aEn5poao1XkqaAqOEcQyFQUKArEV1hFXW2mgrkEDj FURi5RjhWMPa3SO1u5BQ7TDaQxMiHGuQTXkO2Snj0lvkVCLJi3HkcMecA2FCGAC5nrxqjiEHc0ww iZxARDrYcFKuEkgaMWIxYYyRgsYpF87KIXt0XgjuOYeii9OyRxHLbgVe5xHgYiCTAj1SxifC2S2E FJgcCtnpYLo5WgiIcKzB5IVsDxl3vNJMM9r4wsmeTMDzQTKvocBUMD8o0mJZjhfGQwCFqMetcDRG pRjDGpyqskgaCMNktMvOEYY1m2hpLD4bQyDCREavcIBXUOobpbmH5E4i5dMZGdZMglcYhfBCei0l kYErHNuKJ9pwB6ozljuAhTS+cOhQiYR6oOBEg/rAEm/txBnW8Lq2QQpHT7ywGmVYg0oIfAvy4Vtn akmrGp1DQjSG1160lUQ+r1js4M7hlUdvNWSXtCs5UX41cMy8eHgJM5Cv0uTFLlwZBBUNurg5U09e le8TTmJp4pSzkCHQrCVG8u84FLmQYXBkvCPehAr7eguFs5UQz7V0ElL0Kl96sqVhMLtEDGZjzxFi MBsbcsNg9rYRnp7BTDYMZuNDGgazhsGsYTBrGMwu9RphOmgNg9nFaF1iDYPZhZ9qDYPZxQSuYTC7 sNA1DGYXDL0Qg1nDz7PMqGkCaUgD2jKDVkopy13V8nKjtoSFwBRqXFXD1njIZYPNBCZbyUM2DGZL DZqsDmvNVFs21ChcWA1qy4ZaiOTFNynkBQFNVIJmlwa0hsGsGjdXPdmWJ/VvGMyqgStn/74Jbks8 33CcDYXZBcStoTC7mMA1FGbLDF3pgwVSmIla7F0lDrPFE5idEFfVIzAzJ4OaI1YLM22VJfiqEY6X 5S4fKVmcnsvSScncFFMYkZQscCZvYRrTAc4wc0rOMD3FGTZFHDx9VN2LwGp2QA8vMmcY9vI1vGHl 1jVptMeGWac0E6TmjVhTIpPWayWE5UbTmtirib9qsoYRKb7qsIbZxavfvwvWMIvNg14LDrByoWit urF2ai+dUdZyq7UTtPZsWYnpmVjDqpi+5ClZw2y1rBso68Z7wp2NNcwlnGFPsxFGGwsaOxtrmEqc tFIivw+SMdGaGVUYgLOwhs2yfdUFQJUAmJFTS/mxPmslFFMOAGDCOkky11ibtWdIA8QUh7/YEVlD XIXyz8YbNs/2VRcAXQJgTlItCGL9gFYKpizzxhXdwRQXGW4IRMosjrLABXmnGAkCE4bg/DmuTGVQ onJcRVsZtRRWKQcenmtNao2MdTIyKZSWynAHU8WTupqr+bvIFEe2ZMm31Nptyuy04eh5nhxXsXZ/ o4V2TnlAgyvn65CDVRm48s4zLZlTyFBIclkuiAOZ3ciVsFi9pddvmQ9u6/Xb5soPxfrqaEPxsqC9 +2D15LPbVB48F0SOZCxRljEGWSYXwsBUYI5kumE+A8hbIcGxComwmGaUaeWD+l8YsZGfwset3bJX 1qdxojFh+SAKdCIsFoTCQvWqtFdKaHDTgtGITVgQC50YKYRCvjfwTI7Wr11iDXtHfEbsxMeTiLBY EITFEWHF2MoMB5QgdngIovaMXGUKpXEFUQP+90LQGJY4bcaciX+Hz6MSpcHikalxLmYTLsRtAtml K/hZJHfS0DhfogzeyHZgOffaYqc9ifMlzMJ9ToxJYh6xKA1WuJRenBVFa2slDDKDctCtUTQCuBiV iQfEJUxNgMlpIq2jnNdZlAZLnsLKz4lHTCP/LYRuP2KuEmflETMJXm+CiOGY54JIex+h6bIJ94pb YTUUHdIQo1msflRaMxCIFSnztPoxQtOFtF/cS2SW4UxRDTDK1CWdckobOGvLJU1euEQBrwM1H9Ik WcYdN/XkVbKZQKYtnXDcec1p3DwRpi6QJ6GQ1OBeIYB5RrOXcO6uE8uMkErBqSKLKg3fWGILwxMS 7Fkb4zXxfKOZrWXae4vMLYLR7E+Esz2XcCg9pXNcYHSh2Z+IZnvaM+aVs0gz48/K1AXzF9yo5ZYz zjyjXa2MMHWB/pBgj3EMy9rQmOciXF3FtUHDIGVyDnwCuMI68irnR0FyxizME0jDafoLBzjwzyDH aq0kE0YRmdjCAc4kXBmBHMNQ1hpDe4JClKvLeGG9EjDTpOK0i9sRri6d4F0KpzgU9FBx0FLZCFcX xjcreEF1BnOOxF0VY+qSnuPDCpC7VnKSrYRjh0u8N+hFkXkenylSS141D5uAesJCYQGOlBYro0xd AANmrEgm5hWNNTLC1GUTDbaCV2iYlmh7JFsOxw68EI/PYVFIRInkWqRbP2Ff7xJICCApUIpBLkRk PYwwa+H1PCgcsA6XeKOmYdaa3LG+7Mxa45kZYtYaB7WGWettIzw9s5ZqmLXGhzTMWg2zVsOs1TBr Xeqlq3TQGmati9FSw97OrCUvOWrLPtVkoKG+acxYbtwaYq0LC11DrHXB0CMQazVhbulQa4i1Ljpo AWItc7lRW8I6YLqnylbC1njIpYONQKy1PEwWzVyrAE1Vg9ZMtWVDLUSs1ZAhLDduDRnCMkNX+mCB ZAg8qVhZWk1/gF3sS0F6wHE9EvWoCTmAU4GDxksmzpX1IM4wIKpZCfxCmALk7HAfvo0oQFbntBeK JuDXwy9he9HkH+QB+MFl4gHA589LyZTDtVeWuJA62n2gffH0X62FEo60liu8LNEknktuJa5a8/Cb 9hDCyOiUKh62yJH3wAvSSq7qnnYiT0Fpyf6izOOkmX1h5hFbd4lPDBUOH/LJmKat44w9/lsxA1A6 bZQS+KqGuAWQCpT72WeJANSkpVr4uj3tFbKOm6pJsmJ97UIKi09J5tpK4kNbY30JzmKvqVP4qFpN sbdIV/uUNy2srexNySwD5Tb3MjtAXUTKTe4zcmqhEXtaOuMa2Ris0WDFtKWqsS4MfECtMt4wIRmv I2xhHAOmpPxpZoC66jcl9c9JqgVAeK0wkgIYyYWxElczG9K6/FgrvPQakBTMIc8G7YHm4Vb44W+w Z6rwSV8dfXb0c4SgBV75TTEZsJXq8xryR4j0+2m3EpKrp9VurEvGKa3Az3gGBilp2o09zt5jy5xl TnCJQaROv/w3wuDgKsM1lcEh2rfujIXUCHIsh0+QpiyZD3f3qMQozIk4dks7yUhpUbhz/VzpFE66 2fH94Di9LV7Eg/DaaQ080rVuEmW040oa5pURxMZLFkRCJwYCqYZIir0ujuZAIl3r8yw9VXr/c50v qVZ8KM6eXumxLnSmsEeTWUj7PHjZM/ahY83CwT1xo7UC71JP3ikZTMo95hX6DIfOao2ukSrBWN2m wfDAgpVVBtuESA2DscJNyKLfjUOez/E58nXknYGNpKoTvOLSzcn+sS5tGLsRCspY55SiedlIl7ZO JBLkCW695N7QGLh4mANtcYwPFZ3gURaKWIGHHadOYw8mtgCetTFbJhZKbGmEYArJ0Gg0HuES75z4 GNS8AqOEEbECzWrBmJfWYhuhOHvnOEw+M2qTN15KmgLDRdri6BH0vM6ilA2xMgrqWDhBiJrWORLh RbSVHe0XuRlQHK0m4+E66py4Ecy89qLkDbF+SThJj82IEmoXRutNjvTaQ07kOWSlDNvsQepZe+1d wh1zDoQJYWBm1JNXGe6tA8ckmFSCQZpFAjicjCtkSMEgxwrWFUFjSAln45ADOi8E95yrgvfujL32 4AHweo8Avwy5ErE/VIRzVAiL4FEgKmLDOEyVs/bag8eDfA4iBtI9MF3ZbxqWVxUyIFxASq6hUlQw gSnSYomRF8ZDEoAUOFa4ep37VbUWnKqyBQekgXSAxnwQS1K0NBYpUAQizGjdxDEqGaeM0txDPii1 pLEuRjvt8UqjEF5Ir6WkMVFEOu2R6kZyB6ozyDVM7J4Ox1uVSMj4pffgrgy3xBsWsV57JFbRAlkt lCdeYI102yMRKTayO0gZrTO1pFWNzjFAg+FFFG0lq9cbXzU67hxedPRWK2TyIKERjR1McrxSZJiB nJsmL3YFyiCoaNDFjZp68ip5MpzEasZh477hVdZysqXpjb8EvfH52vAPo3sWrdVj7txQg/zY+sIN 8lxO9njQNMjXaZCfhqHpkh8f0nTJN13yTZf8N9wlz5byOYbN6u+qNnlVDVuzFnW5YTNNy/VFxK1p ub6w0DUt1xcMPR5qu2g4fJY3OeEBDh/R5CZLPNUkoU++QW3ZUGsaCi8mbk1D4TJDV/pgcQ2F3PnT PFvZzD3GOHacODnu3fb0TT/Jd+7BucT+PDbVn8co/Xns7Rew2EL789jcchnC/TlWeXvuTE1QxyLF 4pqgIp18dduMTtY6zK9w5jWf3MgnZ1opa7yilCaretXEIlt5ROnMy0uM6561KJ31jJxaZ1y9DuMM 7TKydILTa37rnqIsneKcpFonWb2YY3ENKWrqnKcaUsonffW0469e7PGOWj7CK0MoLR/V60DOvami tGAk0lTRebLaGWS7u6MXvcP9x2lgRl7lV9mV9wO7nWBZ7HblapWItaoDro5u6967PvpLenZk9dqV xfZG2Kj60N9cSNVVL6shdzi4qFYGh/sLVgapBaJ6GWetDgNfcl+rN+zaDXNlffWGgx//Ab9CfZpm oKlosev6WWmo+W5nkK+2Hw9Wb3B25eoNf5WWL4TzmHNaS1/OdvJO7/mqeJ8lTLPpfxLOgDT+cJKy uKXsIqpnQRpnOLU4pxXkclbPdC1f8iVupbfF+Rdn9fGdj9p5uzUqh9Ld7fbjcak42vvTrP/scZY9 2/zW/wPyheJ7sUQBAA==