The hardware and bandwidth for this mirror is donated by METANET, the Webhosting and Full Service-Cloud Provider.
If you wish to report a bug, or if you are interested in having us mirror your free-software or open-source project, please feel free to contact us at mirror[@]metanet.ch.

Weibull edges

In this vignette we show how to set up a model to perform inference for the generalised Stochastic Block Model (GSBM) using the reversible jump split-merge sampling method.

To start, load the library

library(SBMSplitMerge)

Data set and model considerations

In this toy example we consider a set of 50 interconnected electrical components. Each component is connected to the other and the connections are all turned on at once. We record the failure time of each connections.

This can be modelled as a network, where the edge-weights are the failure times. A standard likelihood model for failure times is the Weibull distribution (on Wikipedia). The probability density function is: \[ \frac{k}{\lambda}\left(\frac{x}{\lambda}\right)^{k-1} e^{-(x/\lambda)^{k}} \]

We posit that the components exhibit some group behaviour via the failure times, such that connections between groups tend to fail more quickly than connections within a group; however we don’t know the number of groups. The GSBM is a good model to consider for such data since it can provide a posterior distribution for the number of groups and the Weibull with both parameters unknown has no conjugate prior.

There are three parts to the GSBM: - An edge model - A block model - A parameter model (for the parameters of the edge model)

Edge model

The edgemod object in SBMSplitMerge encapsulates the likelihood of the edge weights. A basic edgemod is a thin wrapper to a density function. The package insists on the density function taking the form f(x, p) where x is an edge-weight and p is a parameter 3-array. An optional random method can be added. This has the signature f(p) where p is again a vector of parameters. For the Weibull example, we can rely on ’s built in Weibull functions

edge_model <- edgemod(
    function(e, p) dweibull(e, p[1,,], p[2,,], log=TRUE)
    ,
    function(p) rweibull(1, p[1], p[2])
)

Block model

In the GSBM, the prior specification for the number of blocks is explicit. To facilitate other models (such as a Chinese Restaurant Process), the object in the package encapsulates the join distribution for the number of blocks and assignment of nodes to blocks; we refer to these as the ‘block structure’. To provide a the following are needed: some input parameters gamma, log density for the block structure, a random method for the block structure, the conditional distribution of a single node assignment given the others and a boolean indicating if the number of blocks (kappa) is fixed. The package provides three pre-specified s: - multinom - fixed number of blocks with a multinomial assignment of nodes to blocks - crp - the Chinese restaurant process - dma - Dirichlet-Multinomial allocation

We will use dma, the first parameter (gamma) is the concentration parameter for a symmetric Dirichlet distribution and the second (delta) is the rate parameter for a Poisson. The ‘number of blocks’-1 is modelled as a Poisson(delta) and the block assignments as Dirichlet-Multinomial(gamma, K). [cf. the paper]

block_model <- dma(1, 10)

Parameter model

Finally, the prior model on the parameters of the Weibull distribution is specified. This is the most involved component since it requires some functions to map the inputs to the real line. The components of a parammod are: - - a function(p) where p is a params object gets the probability density of a params object, - - a function(kappa) simulates a params object for kappa blocks, - - a function mapping the support of the parameter to the real line, - - a function mapping the real line to the support of the parameter, - - the jacobian of t.

For the Weibull example, \(k\) and \(\lambda\) must be positive. A reasonable prior for each is is a Gamma distribution, which can be specified like so:

param_model <- parammod(
        function(params){
                dgamma(params$theta0[1], 1, 1, log=TRUE) +
                        dgamma(params$theta0[2], 1, 1, log=TRUE) +
                        sum(dgamma(params$thetak[,1], 1, 1, log=TRUE)) +
                        sum(dgamma(params$thetak[,2], 1, 1, log=TRUE))
        },
        function(kappa){
                params(
                        c(rgamma(1, 1, 1), rgamma(1, 1, 1))
                ,
                        cbind(rgamma(kappa, 1, 1), rgamma(kappa, 1, 1))
                )
        },
        function(x){ cbind(log(x[1]), log(x[2]))},
        function(x){ cbind(exp(x[1]), exp(x[2]))},
        function(x){ -log(x[1])-log(x[2])}
        )

this prior says each \(k\) and \(\lambda\) are Gamma(1,1) distributed.

We wrap all the model components up into a sbmmod object:

model <- sbmmod(block_model, param_model, edge_model)

Some data

The data should appear in a square matrix and wrapped in an edges object. For the purpose of this example we simulate the data with some true values:

set.seed(1)
true_blocks   <- blocks(rep(c(1, 2, 3), c(10, 20, 20)))
true_params   <- params(c(1, 0.5), cbind(1, c(3,4,5)))
true_sbm      <- sbm(true_blocks, true_params)
weibull_edges <- redges(true_sbm, model$edge)

The blocks object describes the block assignments of nodes to blocks:

print(true_blocks)
#> blocks object
#> kappa:  3 
#> Number of nodes:  50 
#> block sizes:  10 20 20
plot(true_blocks)

plot(weibull_edges)

We are now in a position to sample from the model:

weibull_posterior <- sampler(weibull_edges, model, 300, "rj", sigma=0.1)
#> 300

and see some diagnostic plots

weibull_plots <- eval_plots(weibull_posterior)
weibull_plots
#> $num_blocks_trace

#> 
#> $post_pairs

#> 
#> $post_pairs_sorted

#> 
#> $blocks_trace

#> 
#> $param_trace
#> $param_trace[[1]]
#> Warning: Removed 14043 row(s) containing missing values (geom_path).

#> 
#> $param_trace[[2]]
#> Warning: Removed 14043 row(s) containing missing values (geom_path).

#> 
#> 
#> $param_trace_sorted
#> $param_trace_sorted[[1]]
#> Warning: Removed 14043 row(s) containing missing values (geom_path).

#> 
#> $param_trace_sorted[[2]]
#> Warning: Removed 14043 row(s) containing missing values (geom_path).

#> 
#> 
#> $blocks_trace_sorted

#> 
#> $pp
#>            [,1]      [,2]      [,3]      [,4]      [,5]      [,6]      [,7]
#>  [1,] 0.0000000 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#>  [2,] 0.9966667 0.0000000 0.9933333 0.9966667 0.9966667 0.9966667 0.9966667
#>  [3,] 0.9966667 0.9933333 0.0000000 0.9933333 0.9933333 0.9933333 0.9933333
#>  [4,] 0.9966667 0.9966667 0.9933333 0.0000000 0.9966667 0.9966667 0.9966667
#>  [5,] 0.9966667 0.9966667 0.9933333 0.9966667 0.0000000 0.9966667 0.9966667
#>  [6,] 0.9966667 0.9966667 0.9933333 0.9966667 0.9966667 0.0000000 0.9966667
#>  [7,] 0.9966667 0.9966667 0.9933333 0.9966667 0.9966667 0.9966667 0.0000000
#>  [8,] 1.0000000 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#>  [9,] 0.9966667 0.9966667 0.9933333 0.9966667 1.0000000 0.9966667 0.9966667
#> [10,] 0.9966667 0.9966667 0.9933333 0.9966667 0.9966667 0.9966667 0.9966667
#> [11,] 0.7666667 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#> [12,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7633333 0.7633333 0.7633333
#> [13,] 0.7666667 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#> [14,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7633333 0.7633333 0.7666667
#> [15,] 0.7633333 0.7666667 0.7600000 0.7633333 0.7633333 0.7633333 0.7633333
#> [16,] 0.7633333 0.7633333 0.7600000 0.7666667 0.7633333 0.7633333 0.7633333
#> [17,] 0.7633333 0.7633333 0.7600000 0.7666667 0.7633333 0.7633333 0.7633333
#> [18,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7633333 0.7633333 0.7666667
#> [19,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7633333 0.7633333 0.7666667
#> [20,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7666667 0.7633333 0.7633333
#> [21,] 0.7666667 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#> [22,] 0.7666667 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#> [23,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7666667 0.7633333 0.7633333
#> [24,] 0.7633333 0.7666667 0.7600000 0.7633333 0.7633333 0.7633333 0.7633333
#> [25,] 0.7666667 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#> [26,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7633333 0.7633333 0.7633333
#> [27,] 0.7633333 0.7666667 0.7600000 0.7633333 0.7633333 0.7633333 0.7633333
#> [28,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7633333 0.7633333 0.7633333
#> [29,] 0.7666667 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#> [30,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7633333 0.7633333 0.7666667
#> [31,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7666667 0.7633333 0.7633333
#> [32,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7666667 0.7633333 0.7633333
#> [33,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7666667 0.7633333 0.7633333
#> [34,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7633333 0.7633333 0.7666667
#> [35,] 0.7666667 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#> [36,] 0.7633333 0.7666667 0.7600000 0.7633333 0.7633333 0.7633333 0.7633333
#> [37,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7633333 0.7633333 0.7633333
#> [38,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7633333 0.7633333 0.7633333
#> [39,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7633333 0.7633333 0.7633333
#> [40,] 0.7633333 0.7633333 0.7600000 0.7666667 0.7633333 0.7633333 0.7633333
#> [41,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7666667 0.7633333 0.7633333
#> [42,] 0.7633333 0.7666667 0.7600000 0.7633333 0.7633333 0.7633333 0.7633333
#> [43,] 0.7633333 0.7633333 0.7600000 0.7666667 0.7633333 0.7633333 0.7633333
#> [44,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7633333 0.7633333 0.7666667
#> [45,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7633333 0.7633333 0.7666667
#> [46,] 0.7633333 0.7633333 0.7600000 0.7666667 0.7633333 0.7633333 0.7633333
#> [47,] 0.7633333 0.7633333 0.7600000 0.7666667 0.7633333 0.7633333 0.7633333
#> [48,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7633333 0.7633333 0.7633333
#> [49,] 0.7633333 0.7633333 0.7600000 0.7666667 0.7633333 0.7633333 0.7633333
#> [50,] 0.7633333 0.7633333 0.7600000 0.7633333 0.7633333 0.7633333 0.7633333
#>            [,8]      [,9]     [,10]     [,11]     [,12]     [,13]     [,14]
#>  [1,] 1.0000000 0.9966667 0.9966667 0.7666667 0.7633333 0.7666667 0.7633333
#>  [2,] 0.9966667 0.9966667 0.9966667 0.7633333 0.7633333 0.7633333 0.7633333
#>  [3,] 0.9966667 0.9933333 0.9933333 0.7633333 0.7600000 0.7633333 0.7600000
#>  [4,] 0.9966667 0.9966667 0.9966667 0.7633333 0.7633333 0.7633333 0.7633333
#>  [5,] 0.9966667 1.0000000 0.9966667 0.7633333 0.7633333 0.7633333 0.7633333
#>  [6,] 0.9966667 0.9966667 0.9966667 0.7633333 0.7633333 0.7633333 0.7633333
#>  [7,] 0.9966667 0.9966667 0.9966667 0.7633333 0.7633333 0.7633333 0.7666667
#>  [8,] 0.0000000 0.9966667 0.9966667 0.7666667 0.7633333 0.7666667 0.7633333
#>  [9,] 0.9966667 0.0000000 0.9966667 0.7633333 0.7633333 0.7633333 0.7633333
#> [10,] 0.9966667 0.9966667 0.0000000 0.7633333 0.7633333 0.7633333 0.7633333
#> [11,] 0.7666667 0.7633333 0.7633333 0.0000000 0.9966667 1.0000000 0.9966667
#> [12,] 0.7633333 0.7633333 0.7633333 0.9966667 0.0000000 0.9966667 0.9966667
#> [13,] 0.7666667 0.7633333 0.7633333 1.0000000 0.9966667 0.0000000 0.9966667
#> [14,] 0.7633333 0.7633333 0.7633333 0.9966667 0.9966667 0.9966667 0.0000000
#> [15,] 0.7633333 0.7633333 0.7633333 0.9966667 0.9966667 0.9966667 0.9966667
#> [16,] 0.7633333 0.7633333 0.7633333 0.9966667 0.9966667 0.9966667 0.9966667
#> [17,] 0.7633333 0.7633333 0.7633333 0.9966667 0.9966667 0.9966667 0.9966667
#> [18,] 0.7633333 0.7633333 0.7633333 0.9966667 0.9966667 0.9966667 1.0000000
#> [19,] 0.7633333 0.7633333 0.7633333 0.9966667 0.9966667 0.9966667 1.0000000
#> [20,] 0.7633333 0.7666667 0.7633333 0.9966667 0.9966667 0.9966667 0.9966667
#> [21,] 0.7666667 0.7633333 0.7633333 1.0000000 0.9966667 1.0000000 0.9966667
#> [22,] 0.7666667 0.7633333 0.7633333 1.0000000 0.9966667 1.0000000 0.9966667
#> [23,] 0.7633333 0.7666667 0.7633333 0.9966667 0.9966667 0.9966667 0.9966667
#> [24,] 0.7633333 0.7633333 0.7633333 0.9966667 0.9966667 0.9966667 0.9966667
#> [25,] 0.7666667 0.7633333 0.7633333 1.0000000 0.9966667 1.0000000 0.9966667
#> [26,] 0.7633333 0.7633333 0.7666667 0.9966667 0.9966667 0.9966667 0.9966667
#> [27,] 0.7633333 0.7633333 0.7633333 0.9966667 0.9966667 0.9966667 0.9966667
#> [28,] 0.7633333 0.7633333 0.7666667 0.9966667 0.9966667 0.9966667 0.9966667
#> [29,] 0.7666667 0.7633333 0.7633333 1.0000000 0.9966667 1.0000000 0.9966667
#> [30,] 0.7633333 0.7633333 0.7633333 0.9966667 0.9966667 0.9966667 1.0000000
#> [31,] 0.7633333 0.7666667 0.7633333 0.8366667 0.8366667 0.8366667 0.8366667
#> [32,] 0.7633333 0.7666667 0.7633333 0.8366667 0.8366667 0.8366667 0.8366667
#> [33,] 0.7633333 0.7666667 0.7633333 0.8366667 0.8366667 0.8366667 0.8366667
#> [34,] 0.7633333 0.7633333 0.7633333 0.8366667 0.8366667 0.8366667 0.8400000
#> [35,] 0.7666667 0.7633333 0.7633333 0.8400000 0.8366667 0.8400000 0.8366667
#> [36,] 0.7633333 0.7633333 0.7633333 0.8366667 0.8366667 0.8366667 0.8366667
#> [37,] 0.7633333 0.7633333 0.7633333 0.8366667 0.8366667 0.8366667 0.8366667
#> [38,] 0.7633333 0.7633333 0.7633333 0.8366667 0.8400000 0.8366667 0.8366667
#> [39,] 0.7633333 0.7633333 0.7633333 0.8366667 0.8366667 0.8366667 0.8366667
#> [40,] 0.7633333 0.7633333 0.7633333 0.8366667 0.8366667 0.8366667 0.8366667
#> [41,] 0.7633333 0.7666667 0.7633333 0.8366667 0.8366667 0.8366667 0.8366667
#> [42,] 0.7633333 0.7633333 0.7633333 0.8366667 0.8366667 0.8366667 0.8366667
#> [43,] 0.7633333 0.7633333 0.7633333 0.8366667 0.8366667 0.8366667 0.8366667
#> [44,] 0.7633333 0.7633333 0.7633333 0.8366667 0.8366667 0.8366667 0.8400000
#> [45,] 0.7633333 0.7633333 0.7633333 0.8366667 0.8366667 0.8366667 0.8400000
#> [46,] 0.7633333 0.7633333 0.7633333 0.8366667 0.8366667 0.8366667 0.8366667
#> [47,] 0.7633333 0.7633333 0.7633333 0.8366667 0.8366667 0.8366667 0.8366667
#> [48,] 0.7633333 0.7633333 0.7633333 0.8366667 0.8400000 0.8366667 0.8366667
#> [49,] 0.7633333 0.7633333 0.7633333 0.8366667 0.8366667 0.8366667 0.8366667
#> [50,] 0.7633333 0.7633333 0.7633333 0.8366667 0.8366667 0.8366667 0.8366667
#>           [,15]     [,16]     [,17]     [,18]     [,19]     [,20]     [,21]
#>  [1,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7666667
#>  [2,] 0.7666667 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#>  [3,] 0.7600000 0.7600000 0.7600000 0.7600000 0.7600000 0.7600000 0.7633333
#>  [4,] 0.7633333 0.7666667 0.7666667 0.7633333 0.7633333 0.7633333 0.7633333
#>  [5,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7666667 0.7633333
#>  [6,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#>  [7,] 0.7633333 0.7633333 0.7633333 0.7666667 0.7666667 0.7633333 0.7633333
#>  [8,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7666667
#>  [9,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7666667 0.7633333
#> [10,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#> [11,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 1.0000000
#> [12,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [13,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 1.0000000
#> [14,] 0.9966667 0.9966667 0.9966667 1.0000000 1.0000000 0.9966667 0.9966667
#> [15,] 0.0000000 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [16,] 0.9966667 0.0000000 1.0000000 0.9966667 0.9966667 0.9966667 0.9966667
#> [17,] 0.9966667 1.0000000 0.0000000 0.9966667 0.9966667 0.9966667 0.9966667
#> [18,] 0.9966667 0.9966667 0.9966667 0.0000000 1.0000000 0.9966667 0.9966667
#> [19,] 0.9966667 0.9966667 0.9966667 1.0000000 0.0000000 0.9966667 0.9966667
#> [20,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.0000000 0.9966667
#> [21,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.0000000
#> [22,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 1.0000000
#> [23,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 1.0000000 0.9966667
#> [24,] 1.0000000 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [25,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 1.0000000
#> [26,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [27,] 1.0000000 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [28,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [29,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 1.0000000
#> [30,] 0.9966667 0.9966667 0.9966667 1.0000000 1.0000000 0.9966667 0.9966667
#> [31,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000 0.8366667
#> [32,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000 0.8366667
#> [33,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000 0.8366667
#> [34,] 0.8366667 0.8366667 0.8366667 0.8400000 0.8400000 0.8366667 0.8366667
#> [35,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000
#> [36,] 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [37,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [38,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [39,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [40,] 0.8366667 0.8400000 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667
#> [41,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000 0.8366667
#> [42,] 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [43,] 0.8366667 0.8400000 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667
#> [44,] 0.8366667 0.8366667 0.8366667 0.8400000 0.8400000 0.8366667 0.8366667
#> [45,] 0.8366667 0.8366667 0.8366667 0.8400000 0.8400000 0.8366667 0.8366667
#> [46,] 0.8366667 0.8400000 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667
#> [47,] 0.8366667 0.8400000 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667
#> [48,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [49,] 0.8366667 0.8400000 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667
#> [50,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#>           [,22]     [,23]     [,24]     [,25]     [,26]     [,27]     [,28]
#>  [1,] 0.7666667 0.7633333 0.7633333 0.7666667 0.7633333 0.7633333 0.7633333
#>  [2,] 0.7633333 0.7633333 0.7666667 0.7633333 0.7633333 0.7666667 0.7633333
#>  [3,] 0.7633333 0.7600000 0.7600000 0.7633333 0.7600000 0.7600000 0.7600000
#>  [4,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#>  [5,] 0.7633333 0.7666667 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#>  [6,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#>  [7,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#>  [8,] 0.7666667 0.7633333 0.7633333 0.7666667 0.7633333 0.7633333 0.7633333
#>  [9,] 0.7633333 0.7666667 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#> [10,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7666667 0.7633333 0.7666667
#> [11,] 1.0000000 0.9966667 0.9966667 1.0000000 0.9966667 0.9966667 0.9966667
#> [12,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [13,] 1.0000000 0.9966667 0.9966667 1.0000000 0.9966667 0.9966667 0.9966667
#> [14,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [15,] 0.9966667 0.9966667 1.0000000 0.9966667 0.9966667 1.0000000 0.9966667
#> [16,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [17,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [18,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [19,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [20,] 0.9966667 1.0000000 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [21,] 1.0000000 0.9966667 0.9966667 1.0000000 0.9966667 0.9966667 0.9966667
#> [22,] 0.0000000 0.9966667 0.9966667 1.0000000 0.9966667 0.9966667 0.9966667
#> [23,] 0.9966667 0.0000000 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [24,] 0.9966667 0.9966667 0.0000000 0.9966667 0.9966667 1.0000000 0.9966667
#> [25,] 1.0000000 0.9966667 0.9966667 0.0000000 0.9966667 0.9966667 0.9966667
#> [26,] 0.9966667 0.9966667 0.9966667 0.9966667 0.0000000 0.9966667 1.0000000
#> [27,] 0.9966667 0.9966667 1.0000000 0.9966667 0.9966667 0.0000000 0.9966667
#> [28,] 0.9966667 0.9966667 0.9966667 0.9966667 1.0000000 0.9966667 0.0000000
#> [29,] 1.0000000 0.9966667 0.9966667 1.0000000 0.9966667 0.9966667 0.9966667
#> [30,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [31,] 0.8366667 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [32,] 0.8366667 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [33,] 0.8366667 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [34,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [35,] 0.8400000 0.8366667 0.8366667 0.8400000 0.8366667 0.8366667 0.8366667
#> [36,] 0.8366667 0.8366667 0.8400000 0.8366667 0.8366667 0.8400000 0.8366667
#> [37,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [38,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [39,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [40,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [41,] 0.8366667 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [42,] 0.8366667 0.8366667 0.8400000 0.8366667 0.8366667 0.8400000 0.8366667
#> [43,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [44,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [45,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [46,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [47,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [48,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [49,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [50,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#>           [,29]     [,30]     [,31]     [,32]     [,33]     [,34]     [,35]
#>  [1,] 0.7666667 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7666667
#>  [2,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#>  [3,] 0.7633333 0.7600000 0.7600000 0.7600000 0.7600000 0.7600000 0.7633333
#>  [4,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#>  [5,] 0.7633333 0.7633333 0.7666667 0.7666667 0.7666667 0.7633333 0.7633333
#>  [6,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#>  [7,] 0.7633333 0.7666667 0.7633333 0.7633333 0.7633333 0.7666667 0.7633333
#>  [8,] 0.7666667 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7666667
#>  [9,] 0.7633333 0.7633333 0.7666667 0.7666667 0.7666667 0.7633333 0.7633333
#> [10,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#> [11,] 1.0000000 0.9966667 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000
#> [12,] 0.9966667 0.9966667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [13,] 1.0000000 0.9966667 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000
#> [14,] 0.9966667 1.0000000 0.8366667 0.8366667 0.8366667 0.8400000 0.8366667
#> [15,] 0.9966667 0.9966667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [16,] 0.9966667 0.9966667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [17,] 0.9966667 0.9966667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [18,] 0.9966667 1.0000000 0.8366667 0.8366667 0.8366667 0.8400000 0.8366667
#> [19,] 0.9966667 1.0000000 0.8366667 0.8366667 0.8366667 0.8400000 0.8366667
#> [20,] 0.9966667 0.9966667 0.8400000 0.8400000 0.8400000 0.8366667 0.8366667
#> [21,] 1.0000000 0.9966667 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000
#> [22,] 1.0000000 0.9966667 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000
#> [23,] 0.9966667 0.9966667 0.8400000 0.8400000 0.8400000 0.8366667 0.8366667
#> [24,] 0.9966667 0.9966667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [25,] 1.0000000 0.9966667 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000
#> [26,] 0.9966667 0.9966667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [27,] 0.9966667 0.9966667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [28,] 0.9966667 0.9966667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [29,] 0.0000000 0.9966667 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000
#> [30,] 0.9966667 0.0000000 0.8366667 0.8366667 0.8366667 0.8400000 0.8366667
#> [31,] 0.8366667 0.8366667 0.0000000 1.0000000 1.0000000 0.9966667 0.9966667
#> [32,] 0.8366667 0.8366667 1.0000000 0.0000000 1.0000000 0.9966667 0.9966667
#> [33,] 0.8366667 0.8366667 1.0000000 1.0000000 0.0000000 0.9966667 0.9966667
#> [34,] 0.8366667 0.8400000 0.9966667 0.9966667 0.9966667 0.0000000 0.9966667
#> [35,] 0.8400000 0.8366667 0.9966667 0.9966667 0.9966667 0.9966667 0.0000000
#> [36,] 0.8366667 0.8366667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [37,] 0.8366667 0.8366667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [38,] 0.8366667 0.8366667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [39,] 0.8366667 0.8366667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [40,] 0.8366667 0.8366667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [41,] 0.8366667 0.8366667 1.0000000 1.0000000 1.0000000 0.9966667 0.9966667
#> [42,] 0.8366667 0.8366667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [43,] 0.8366667 0.8366667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [44,] 0.8366667 0.8400000 0.9966667 0.9966667 0.9966667 1.0000000 0.9966667
#> [45,] 0.8366667 0.8400000 0.9966667 0.9966667 0.9966667 1.0000000 0.9966667
#> [46,] 0.8366667 0.8366667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [47,] 0.8366667 0.8366667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [48,] 0.8366667 0.8366667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [49,] 0.8366667 0.8366667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [50,] 0.8366667 0.8366667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#>           [,36]     [,37]     [,38]     [,39]     [,40]     [,41]     [,42]
#>  [1,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#>  [2,] 0.7666667 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7666667
#>  [3,] 0.7600000 0.7600000 0.7600000 0.7600000 0.7600000 0.7600000 0.7600000
#>  [4,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7666667 0.7633333 0.7633333
#>  [5,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7666667 0.7633333
#>  [6,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#>  [7,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#>  [8,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#>  [9,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7666667 0.7633333
#> [10,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#> [11,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [12,] 0.8366667 0.8366667 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667
#> [13,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [14,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [15,] 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000
#> [16,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000 0.8366667 0.8366667
#> [17,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000 0.8366667 0.8366667
#> [18,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [19,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [20,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000 0.8366667
#> [21,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [22,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [23,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000 0.8366667
#> [24,] 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000
#> [25,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [26,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [27,] 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000
#> [28,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [29,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [30,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [31,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 1.0000000 0.9966667
#> [32,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 1.0000000 0.9966667
#> [33,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 1.0000000 0.9966667
#> [34,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [35,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [36,] 0.0000000 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 1.0000000
#> [37,] 0.9966667 0.0000000 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [38,] 0.9966667 0.9966667 0.0000000 0.9966667 0.9966667 0.9966667 0.9966667
#> [39,] 0.9966667 0.9966667 0.9966667 0.0000000 0.9966667 0.9966667 0.9966667
#> [40,] 0.9966667 0.9966667 0.9966667 0.9966667 0.0000000 0.9966667 0.9966667
#> [41,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.0000000 0.9966667
#> [42,] 1.0000000 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.0000000
#> [43,] 0.9966667 0.9966667 0.9966667 0.9966667 1.0000000 0.9966667 0.9966667
#> [44,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [45,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [46,] 0.9966667 0.9966667 0.9966667 0.9966667 1.0000000 0.9966667 0.9966667
#> [47,] 0.9966667 0.9966667 0.9966667 0.9966667 1.0000000 0.9966667 0.9966667
#> [48,] 0.9966667 0.9966667 1.0000000 0.9966667 0.9966667 0.9966667 0.9966667
#> [49,] 0.9966667 0.9966667 0.9966667 0.9966667 1.0000000 0.9966667 0.9966667
#> [50,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#>           [,43]     [,44]     [,45]     [,46]     [,47]     [,48]     [,49]
#>  [1,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#>  [2,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#>  [3,] 0.7600000 0.7600000 0.7600000 0.7600000 0.7600000 0.7600000 0.7600000
#>  [4,] 0.7666667 0.7633333 0.7633333 0.7666667 0.7666667 0.7633333 0.7666667
#>  [5,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#>  [6,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#>  [7,] 0.7633333 0.7666667 0.7666667 0.7633333 0.7633333 0.7633333 0.7633333
#>  [8,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#>  [9,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#> [10,] 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333 0.7633333
#> [11,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [12,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8400000 0.8366667
#> [13,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [14,] 0.8366667 0.8400000 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667
#> [15,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [16,] 0.8400000 0.8366667 0.8366667 0.8400000 0.8400000 0.8366667 0.8400000
#> [17,] 0.8400000 0.8366667 0.8366667 0.8400000 0.8400000 0.8366667 0.8400000
#> [18,] 0.8366667 0.8400000 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667
#> [19,] 0.8366667 0.8400000 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667
#> [20,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [21,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [22,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [23,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [24,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [25,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [26,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [27,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [28,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [29,] 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667 0.8366667
#> [30,] 0.8366667 0.8400000 0.8400000 0.8366667 0.8366667 0.8366667 0.8366667
#> [31,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [32,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [33,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [34,] 0.9966667 1.0000000 1.0000000 0.9966667 0.9966667 0.9966667 0.9966667
#> [35,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [36,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [37,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [38,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 1.0000000 0.9966667
#> [39,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [40,] 1.0000000 0.9966667 0.9966667 1.0000000 1.0000000 0.9966667 1.0000000
#> [41,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [42,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#> [43,] 0.0000000 0.9966667 0.9966667 1.0000000 1.0000000 0.9966667 1.0000000
#> [44,] 0.9966667 0.0000000 1.0000000 0.9966667 0.9966667 0.9966667 0.9966667
#> [45,] 0.9966667 1.0000000 0.0000000 0.9966667 0.9966667 0.9966667 0.9966667
#> [46,] 1.0000000 0.9966667 0.9966667 0.0000000 1.0000000 0.9966667 1.0000000
#> [47,] 1.0000000 0.9966667 0.9966667 1.0000000 0.0000000 0.9966667 1.0000000
#> [48,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.0000000 0.9966667
#> [49,] 1.0000000 0.9966667 0.9966667 1.0000000 1.0000000 0.9966667 0.0000000
#> [50,] 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667 0.9966667
#>           [,50]
#>  [1,] 0.7633333
#>  [2,] 0.7633333
#>  [3,] 0.7600000
#>  [4,] 0.7633333
#>  [5,] 0.7633333
#>  [6,] 0.7633333
#>  [7,] 0.7633333
#>  [8,] 0.7633333
#>  [9,] 0.7633333
#> [10,] 0.7633333
#> [11,] 0.8366667
#> [12,] 0.8366667
#> [13,] 0.8366667
#> [14,] 0.8366667
#> [15,] 0.8366667
#> [16,] 0.8366667
#> [17,] 0.8366667
#> [18,] 0.8366667
#> [19,] 0.8366667
#> [20,] 0.8366667
#> [21,] 0.8366667
#> [22,] 0.8366667
#> [23,] 0.8366667
#> [24,] 0.8366667
#> [25,] 0.8366667
#> [26,] 0.8366667
#> [27,] 0.8366667
#> [28,] 0.8366667
#> [29,] 0.8366667
#> [30,] 0.8366667
#> [31,] 0.9966667
#> [32,] 0.9966667
#> [33,] 0.9966667
#> [34,] 0.9966667
#> [35,] 0.9966667
#> [36,] 0.9966667
#> [37,] 0.9966667
#> [38,] 0.9966667
#> [39,] 0.9966667
#> [40,] 0.9966667
#> [41,] 0.9966667
#> [42,] 0.9966667
#> [43,] 0.9966667
#> [44,] 0.9966667
#> [45,] 0.9966667
#> [46,] 0.9966667
#> [47,] 0.9966667
#> [48,] 0.9966667
#> [49,] 0.9966667
#> [50,] 0.0000000
#> 
#> $sortind
#>  [1]  3  6 10  2  4  5  7  9  1  8 37 39 50 12 26 28 38 48 15 24 27 36 42 14 16
#> [26] 17 18 19 20 23 30 31 32 33 34 40 41 43 44 45 46 47 49 11 13 21 22 25 29 35

These binaries (installable software) and packages are in development.
They may not be fully stable and should be used with caution. We make no claims about them.