RStudio Naive Bayes by IRIS

install.packages("lattice")
install.packages("ggplot2")
install.packages("caret")
install.packages("e1071") 

install.packages("klaR")
install.packages("MASS")

library("lattice")
library("ggplot2")
library("caret")


library(datasets)
data(iris)
summary(iris)

x = iris[,-5]
y = iris$Species
model = train(x,y,'nb',trControl=trainControl(method='cv',number=10))
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
> model
Naive Bayes 

150 samples
  4 predictor
  3 classes: 'setosa', 'versicolor', 'virginica' 

No pre-processing
Resampling: Cross-Validated (10 fold) 
Summary of sample sizes: 135, 135, 135, 135, 135, 135, ... 
Resampling results across tuning parameters:

  usekernel  Accuracy   Kappa
  FALSE      0.9533333  0.93 
   TRUE      0.9600000  0.94 

Tuning parameter 'fL' was held constant at a value of 0
Tuning parameter 'adjust' was held constant at a value of 1
Accuracy was used to select the optimal model using the largest value.
The final values used for the model were fL = 0, usekernel = TRUE and adjust = 1.

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
> x
    Sepal.Length Sepal.Width Petal.Length Petal.Width
1            5.1         3.5          1.4         0.2
2            4.9         3.0          1.4         0.2
3            4.7         3.2          1.3         0.2
4            4.6         3.1          1.5         0.2
5            5.0         3.6          1.4         0.2
6            5.4         3.9          1.7         0.4
7            4.6         3.4          1.4         0.3
8            5.0         3.4          1.5         0.2
9            4.4         2.9          1.4         0.2
10           4.9         3.1          1.5         0.1
11           5.4         3.7          1.5         0.2
12           4.8         3.4          1.6         0.2
13           4.8         3.0          1.4         0.1
14           4.3         3.0          1.1         0.1
15           5.8         4.0          1.2         0.2
16           5.7         4.4          1.5         0.4
17           5.4         3.9          1.3         0.4
18           5.1         3.5          1.4         0.3
19           5.7         3.8          1.7         0.3
20           5.1         3.8          1.5         0.3
21           5.4         3.4          1.7         0.2
22           5.1         3.7          1.5         0.4
23           4.6         3.6          1.0         0.2
24           5.1         3.3          1.7         0.5
25           4.8         3.4          1.9         0.2
26           5.0         3.0          1.6         0.2
27           5.0         3.4          1.6         0.4
28           5.2         3.5          1.5         0.2
29           5.2         3.4          1.4         0.2
30           4.7         3.2          1.6         0.2
31           4.8         3.1          1.6         0.2
32           5.4         3.4          1.5         0.4
33           5.2         4.1          1.5         0.1
34           5.5         4.2          1.4         0.2
35           4.9         3.1          1.5         0.2
36           5.0         3.2          1.2         0.2
37           5.5         3.5          1.3         0.2
38           4.9         3.6          1.4         0.1
39           4.4         3.0          1.3         0.2
40           5.1         3.4          1.5         0.2
41           5.0         3.5          1.3         0.3
42           4.5         2.3          1.3         0.3
43           4.4         3.2          1.3         0.2
44           5.0         3.5          1.6         0.6
45           5.1         3.8          1.9         0.4
46           4.8         3.0          1.4         0.3
47           5.1         3.8          1.6         0.2
48           4.6         3.2          1.4         0.2
49           5.3         3.7          1.5         0.2
50           5.0         3.3          1.4         0.2
51           7.0         3.2          4.7         1.4
52           6.4         3.2          4.5         1.5
53           6.9         3.1          4.9         1.5
54           5.5         2.3          4.0         1.3
55           6.5         2.8          4.6         1.5
56           5.7         2.8          4.5         1.3
57           6.3         3.3          4.7         1.6
58           4.9         2.4          3.3         1.0
59           6.6         2.9          4.6         1.3
60           5.2         2.7          3.9         1.4
61           5.0         2.0          3.5         1.0
62           5.9         3.0          4.2         1.5
63           6.0         2.2          4.0         1.0
64           6.1         2.9          4.7         1.4
65           5.6         2.9          3.6         1.3
66           6.7         3.1          4.4         1.4
67           5.6         3.0          4.5         1.5
68           5.8         2.7          4.1         1.0
69           6.2         2.2          4.5         1.5
70           5.6         2.5          3.9         1.1
71           5.9         3.2          4.8         1.8
72           6.1         2.8          4.0         1.3
73           6.3         2.5          4.9         1.5
74           6.1         2.8          4.7         1.2
75           6.4         2.9          4.3         1.3
76           6.6         3.0          4.4         1.4
77           6.8         2.8          4.8         1.4
78           6.7         3.0          5.0         1.7
79           6.0         2.9          4.5         1.5
80           5.7         2.6          3.5         1.0
81           5.5         2.4          3.8         1.1
82           5.5         2.4          3.7         1.0
83           5.8         2.7          3.9         1.2
84           6.0         2.7          5.1         1.6
85           5.4         3.0          4.5         1.5
86           6.0         3.4          4.5         1.6
87           6.7         3.1          4.7         1.5
88           6.3         2.3          4.4         1.3
89           5.6         3.0          4.1         1.3
90           5.5         2.5          4.0         1.3
91           5.5         2.6          4.4         1.2
92           6.1         3.0          4.6         1.4
93           5.8         2.6          4.0         1.2
94           5.0         2.3          3.3         1.0
95           5.6         2.7          4.2         1.3
96           5.7         3.0          4.2         1.2
97           5.7         2.9          4.2         1.3
98           6.2         2.9          4.3         1.3
99           5.1         2.5          3.0         1.1
100          5.7         2.8          4.1         1.3
101          6.3         3.3          6.0         2.5
102          5.8         2.7          5.1         1.9
103          7.1         3.0          5.9         2.1
104          6.3         2.9          5.6         1.8
105          6.5         3.0          5.8         2.2
106          7.6         3.0          6.6         2.1
107          4.9         2.5          4.5         1.7
108          7.3         2.9          6.3         1.8
109          6.7         2.5          5.8         1.8
110          7.2         3.6          6.1         2.5
111          6.5         3.2          5.1         2.0
112          6.4         2.7          5.3         1.9
113          6.8         3.0          5.5         2.1
114          5.7         2.5          5.0         2.0
115          5.8         2.8          5.1         2.4
116          6.4         3.2          5.3         2.3
117          6.5         3.0          5.5         1.8
118          7.7         3.8          6.7         2.2
119          7.7         2.6          6.9         2.3
120          6.0         2.2          5.0         1.5
121          6.9         3.2          5.7         2.3
122          5.6         2.8          4.9         2.0
123          7.7         2.8          6.7         2.0
124          6.3         2.7          4.9         1.8
125          6.7         3.3          5.7         2.1
126          7.2         3.2          6.0         1.8
127          6.2         2.8          4.8         1.8
128          6.1         3.0          4.9         1.8
129          6.4         2.8          5.6         2.1
130          7.2         3.0          5.8         1.6
131          7.4         2.8          6.1         1.9
132          7.9         3.8          6.4         2.0
133          6.4         2.8          5.6         2.2
134          6.3         2.8          5.1         1.5
135          6.1         2.6          5.6         1.4
136          7.7         3.0          6.1         2.3
137          6.3         3.4          5.6         2.4
138          6.4         3.1          5.5         1.8
139          6.0         3.0          4.8         1.8
140          6.9         3.1          5.4         2.1
141          6.7         3.1          5.6         2.4
142          6.9         3.1          5.1         2.3
143          5.8         2.7          5.1         1.9
144          6.8         3.2          5.9         2.3
145          6.7         3.3          5.7         2.5
146          6.7         3.0          5.2         2.3
147          6.3         2.5          5.0         1.9
148          6.5         3.0          5.2         2.0
149          6.2         3.4          5.4         2.3
150          5.9         3.0          5.1         1.8


y
  [1] setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa 
 [11] setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa 
 [21] setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa 
 [31] setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa 
 [41] setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa 
 [51] versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor
 [61] versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor
 [71] versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor
 [81] versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor
 [91] versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor
[101] virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica
[111] virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica
[121] virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica
[131] virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica
[141] virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica
Levels: setosa versicolor virginica
>

 >predict(model$finalModel,x)
$class
  [1] setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa 
 [11] setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa 
 [21] setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa 
 [31] setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa 
 [41] setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa 
 [51] versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor
 [61] versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor
 [71] virginica  versicolor versicolor versicolor versicolor versicolor versicolor virginica  versicolor versicolor
 [81] versicolor versicolor versicolor virginica  versicolor versicolor versicolor versicolor versicolor versicolor
 [91] versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor
[101] virginica  virginica  virginica  virginica  virginica  virginica  versicolor virginica  virginica  virginica
[111] virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  versicolor
[121] virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica
[131] virginica  virginica  virginica  versicolor virginica  virginica  virginica  virginica  virginica  virginica
[141] virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica
Levels: setosa versicolor virginica

$posterior
             setosa   versicolor    virginica
  [1,] 1.000000e+00 3.122328e-09 8.989129e-11
  [2,] 9.999999e-01 4.953302e-08 1.361560e-09
  [3,] 1.000000e+00 1.949717e-08 1.152761e-09
  [4,] 1.000000e+00 1.146273e-08 6.616756e-10
  [5,] 1.000000e+00 8.839954e-10 8.567477e-11
  [6,] 1.000000e+00 3.818715e-09 5.965843e-09
  [7,] 1.000000e+00 7.394006e-09 6.702907e-10
  [8,] 1.000000e+00 5.311568e-09 1.920277e-10
  [9,] 1.000000e+00 6.502476e-09 3.193962e-10
 [10,] 9.999998e-01 1.731985e-07 5.531788e-09
 [11,] 1.000000e+00 1.233528e-09 4.372981e-10
 [12,] 1.000000e+00 6.936685e-09 4.552987e-10
 [13,] 9.999998e-01 2.398420e-07 8.627082e-09
 [14,] 9.999999e-01 1.000884e-07 5.966595e-09
 [15,] 1.000000e+00 1.005497e-08 1.606871e-08
 [16,] 1.000000e+00 2.409589e-08 1.559800e-09
 [17,] 1.000000e+00 2.067535e-09 3.230036e-09
 [18,] 1.000000e+00 1.262295e-08 3.634125e-10
 [19,] 9.999999e-01 1.082521e-08 6.920719e-08
 [20,] 1.000000e+00 2.085870e-10 4.809744e-10
 [21,] 9.999999e-01 9.294094e-08 2.352315e-09
 [22,] 1.000000e+00 1.160122e-09 3.869756e-10
 [23,] 1.000000e+00 4.305256e-09 1.046271e-09
 [24,] 9.999988e-01 1.208288e-06 2.529554e-08
 [25,] 1.000000e+00 3.485480e-08 2.287742e-09
 [26,] 9.999999e-01 8.860267e-08 1.755425e-09
 [27,] 1.000000e+00 3.615611e-08 1.307142e-09
 [28,] 1.000000e+00 5.101289e-09 1.045515e-10
 [29,] 1.000000e+00 1.096715e-08 1.859280e-10
 [30,] 1.000000e+00 1.882032e-08 1.112743e-09
 [31,] 1.000000e+00 4.348022e-08 1.817230e-09
 [32,] 9.999999e-01 1.214791e-07 3.074610e-09
 [33,] 1.000000e+00 1.234324e-09 6.099208e-11
 [34,] 1.000000e+00 1.317063e-09 4.679792e-11
 [35,] 1.000000e+00 3.070357e-08 9.806416e-10
 [36,] 9.999999e-01 9.546561e-08 2.581158e-09
 [37,] 1.000000e+00 3.790672e-08 1.660847e-09
 [38,] 1.000000e+00 4.598664e-09 6.183595e-10
 [39,] 1.000000e+00 6.577049e-09 3.820588e-10
 [40,] 1.000000e+00 6.711099e-09 1.598209e-10
 [41,] 1.000000e+00 1.707312e-08 7.461967e-10
 [42,] 9.999997e-01 3.444123e-07 3.593167e-09
 [43,] 1.000000e+00 2.420471e-09 1.918806e-10
 [44,] 9.999999e-01 1.178364e-07 5.150149e-09
 [45,] 1.000000e+00 1.764715e-09 4.069202e-09
 [46,] 9.999998e-01 1.718906e-07 6.182882e-09
 [47,] 1.000000e+00 8.512019e-11 1.962761e-10
 [48,] 1.000000e+00 6.805542e-09 4.613946e-10
 [49,] 1.000000e+00 8.054099e-10 2.034324e-10
 [50,] 1.000000e+00 1.082759e-08 3.441172e-10
 [51,] 5.772566e-08 8.752420e-01 1.247580e-01
 [52,] 2.167337e-08 9.440564e-01 5.594360e-02
 [53,] 3.568954e-08 6.419224e-01 3.580775e-01
 [54,] 6.349255e-07 9.999899e-01 9.468672e-06
 [55,] 2.765029e-09 9.426707e-01 5.732934e-02
 [56,] 3.434654e-07 9.982960e-01 1.703625e-03
 [57,] 5.439706e-08 6.776127e-01 3.223873e-01
 [58,] 3.468079e-05 9.999651e-01 2.572784e-07
 [59,] 4.948922e-09 9.852152e-01 1.478477e-02
 [60,] 2.291638e-06 9.999811e-01 1.663397e-05
 [61,] 1.974462e-05 9.999802e-01 4.396638e-08
 [62,] 6.261483e-07 9.970784e-01 2.920926e-03
 [63,] 8.587179e-08 9.999991e-01 8.412559e-07
 [64,] 1.796146e-08 9.675910e-01 3.240896e-02
 [65,] 2.894394e-06 9.999809e-01 1.619585e-05
 [66,] 1.569871e-08 9.826467e-01 1.735332e-02
 [67,] 1.925716e-06 9.931938e-01 6.804227e-03
 [68,] 2.775053e-07 9.999949e-01 4.831298e-06
 [69,] 1.406347e-09 9.942356e-01 5.764440e-03
 [70,] 2.791581e-07 9.999989e-01 8.655960e-07
 [71,] 3.910445e-06 1.891683e-01 8.108278e-01
 [72,] 9.899047e-09 9.998136e-01 1.863719e-04
 [73,] 7.103526e-10 8.374831e-01 1.625169e-01
 [74,] 1.303322e-08 9.954267e-01 4.573304e-03
 [75,] 4.382054e-09 9.969695e-01 3.030520e-03
 [76,] 8.746457e-09 9.849134e-01 1.508656e-02
 [77,] 4.579961e-09 9.007918e-01 9.920822e-02
 [78,] 1.487415e-08 9.857797e-02 9.014220e-01
 [79,] 1.024339e-07 9.846645e-01 1.533541e-02
 [80,] 4.265702e-07 9.999991e-01 4.841056e-07
 [81,] 1.300151e-06 9.999985e-01 1.821381e-07
 [82,] 1.807807e-06 9.999981e-01 9.431746e-08
 [83,] 2.331858e-07 9.999877e-01 1.207643e-05
 [84,] 8.810516e-08 4.872692e-01 5.127307e-01
 [85,] 5.328649e-06 9.965100e-01 3.484697e-03
 [86,] 2.941491e-06 9.183115e-01 8.168560e-02
 [87,] 1.889516e-08 8.644605e-01 1.355395e-01
 [88,] 1.131003e-09 9.989977e-01 1.002314e-03
 [89,] 1.884696e-06 9.998468e-01 1.512839e-04
 [90,] 1.943757e-07 9.999724e-01 2.737753e-05
 [91,] 1.838186e-07 9.998321e-01 1.677539e-04
 [92,] 2.683750e-08 9.784001e-01 2.159988e-02
 [93,] 7.517141e-08 9.999722e-01 2.768981e-05
 [94,] 4.864283e-05 9.999513e-01 1.026397e-07
 [95,] 2.184448e-07 9.997510e-01 2.488203e-04
 [96,] 1.935069e-06 9.998496e-01 1.485057e-04
 [97,] 7.829663e-07 9.996389e-01 3.602814e-04
 [98,] 3.522009e-09 9.978893e-01 2.110726e-03
 [99,] 2.626926e-05 9.999726e-01 1.169950e-06
[100,] 4.187270e-07 9.998386e-01 1.609416e-04
[101,] 8.943071e-08 1.262441e-06 9.999986e-01
[102,] 4.982326e-07 2.784325e-02 9.721562e-01
[103,] 2.383733e-08 3.190082e-07 9.999997e-01
[104,] 5.405655e-09 2.070573e-04 9.997929e-01
[105,] 1.008303e-08 5.706519e-07 9.999994e-01
[106,] 9.293978e-08 1.235171e-08 9.999999e-01
[107,] 7.722932e-06 9.539952e-01 4.599708e-02
[108,] 4.012792e-08 3.420777e-05 9.999658e-01
[109,] 1.102340e-09 1.316479e-04 9.998684e-01
[110,] 1.061163e-06 1.288890e-07 9.999988e-01
[111,] 1.606940e-08 4.582301e-04 9.995418e-01
[112,] 1.099040e-09 2.028028e-03 9.979720e-01
[113,] 1.219887e-08 4.522242e-06 9.999955e-01
[114,] 6.716778e-07 9.692655e-03 9.903067e-01
[115,] 1.995818e-06 9.821642e-04 9.990158e-01
[116,] 1.797516e-08 3.245108e-05 9.999675e-01
[117,] 7.871035e-09 6.025113e-04 9.993975e-01
[118,] 8.035266e-07 4.610216e-11 9.999992e-01
[119,] 1.114633e-08 1.821720e-08 1.000000e+00
[120,] 1.021622e-07 9.462047e-01 5.379522e-02
[121,] 3.122868e-08 3.545649e-07 9.999996e-01
[122,] 5.288522e-06 1.517350e-02 9.848212e-01
[123,] 3.582523e-08 4.116272e-08 9.999999e-01
[124,] 1.441158e-09 8.278185e-02 9.172181e-01
[125,] 3.394413e-08 3.174989e-07 9.999996e-01
[126,] 5.596750e-08 2.185371e-05 9.999781e-01
[127,] 4.673576e-09 1.622147e-01 8.377853e-01
[128,] 5.947352e-08 1.003789e-01 8.996210e-01
[129,] 3.101469e-09 1.442934e-06 9.999986e-01
[130,] 6.122836e-08 3.400634e-04 9.996599e-01
[131,] 1.389474e-08 2.976597e-06 9.999970e-01
[132,] 8.766738e-07 2.312170e-10 9.999991e-01
[133,] 3.229494e-09 1.502497e-06 9.999985e-01
[134,] 5.830326e-09 5.463686e-01 4.536314e-01
[135,] 2.147851e-08 2.848673e-02 9.715132e-01
[136,] 4.877334e-08 3.680347e-09 9.999999e-01
[137,] 6.367711e-08 9.930942e-07 9.999989e-01
[138,] 1.041818e-08 5.448493e-04 9.994551e-01
[139,] 5.004383e-07 2.024076e-01 7.975919e-01
[140,] 1.996159e-08 1.165611e-05 9.999883e-01
[141,] 1.999575e-08 1.295204e-06 9.999987e-01
[142,] 2.161884e-08 1.231467e-04 9.998768e-01
[143,] 4.982326e-07 2.784325e-02 9.721562e-01
[144,] 3.349443e-08 4.857252e-07 9.999995e-01
[145,] 7.668677e-08 7.172953e-07 9.999992e-01
[146,] 1.158419e-08 8.914668e-05 9.999108e-01
[147,] 7.841053e-10 2.133359e-02 9.786664e-01
[148,] 7.966669e-09 3.437503e-04 9.996562e-01
[149,] 5.761966e-08 1.351426e-05 9.999864e-01
[150,] 1.368634e-06 5.710392e-02 9.428947e-01

+++++++++++++++++++++
> table(predict(model$finalModel,x)$class,y)
             setosa versicolor virginica
  setosa         50          0         0
  versicolor      0         47         3
  virginica       0          3        47


>naive_iris <- naiveBayes(iris$Species ~ ., data = iris)


Naive Bayes Classifier for Discrete Predictors

Call:
naiveBayes.default(x = X, y = Y, laplace = laplace)

A-priori probabilities:
Y
    setosa versicolor  virginica
 0.3333333  0.3333333  0.3333333

Conditional probabilities:
            Sepal.Length
Y             [,1]      [,2]
  setosa     5.006 0.3524897
  versicolor 5.936 0.5161711
  virginica  6.588 0.6358796

            Sepal.Width
Y             [,1]      [,2]
  setosa     3.428 0.3790644
  versicolor 2.770 0.3137983
  virginica  2.974 0.3224966

            Petal.Length
Y             [,1]      [,2]
  setosa     1.462 0.1736640
  versicolor 4.260 0.4699110
  virginica  5.552 0.5518947

            Petal.Width
Y             [,1]      [,2]
  setosa     0.246 0.1053856
  versicolor 1.326 0.1977527
  virginica  2.026 0.2746501

> M=predict(model$finalModel,x)
> comparation_result = cbind(prediction = as.character(M), actual = as.character(x))
> comparation_result

[4,] "c(0.999999996787781, 0.999999949105419, 0.999999979350069, 0.999999987875599, 0.99999999903033, 0.999999990215442, 0.999999991935704, 0.999999994496405, 0.999999993178128, 0.999999821269719, 0.999999998329174, 0.999999992608017, 0.999999751530957, 0.999999893944956, 0.999999973876324, 0.999999974344312, 0.999999994702429, 0.99999998701364, 0.999999919967602, 0.999999999310439, 0.999999904706749, 0.999999998452903, 0.999999994648474, 0.999998766416042, 0.999999962857459, 0.999999909641902, 0.999999962536746, \n0.99999999479416, 0.999999988846923, 0.99999998006694, 0.999999954702551, 0.999999875446309, 0.999999998704684, 0.999999998636139, 0.999999968315789, 0.999999901953233, 0.999999960432433, 0.999999994782976, 0.999999993040893, 0.99999999312908, 0.999999982180683, 0.999999651994555, 0.999999997387648, 0.999999877013481, 0.999999994166083, 0.999999821926486, 0.999999999718604, 0.999999992733064, 0.999999998991158, 0.999999988828296, 5.77256625331113e-08, 2.16733655692256e-08, 3.56895419934676e-08, 6.34925467006904e-07, \n2.76502863351527e-09, 3.43465379010148e-07, 5.4397056902484e-08, 3.46807947693439e-05, 4.94892158604183e-09, 2.2916381505233e-06, 1.97446171056384e-05, 6.26148319402152e-07, 8.58717913918477e-08, 1.79614580942099e-08, 2.89439396684167e-06, 1.5698708805757e-08, 1.92571557464989e-06, 2.77505254785385e-07, 1.40634653175968e-09, 2.79158148429285e-07, 3.91044499238226e-06, 9.89904654190679e-09, 7.10352588316583e-10, 1.30332151359717e-08, 4.38205375670282e-09, 8.74645653846988e-09, 4.57996129050455e-09, \n1.48741510685182e-08, 1.02433864400302e-07, 4.26570174209048e-07, 1.30015088064279e-06, 1.80780740537305e-06, 2.33185763764755e-07, 8.81051550851467e-08, 5.32864876893351e-06, 2.94149062251006e-06, 1.88951579719915e-08, 1.13100280582815e-09, 1.88469569287351e-06, 1.94375723674324e-07, 1.83818617672987e-07, 2.68375044285554e-08, 7.51714087421252e-08, 4.86428327696924e-05, 2.18444772722894e-07, 1.93506868516263e-06, 7.82966316519123e-07, 3.52200938648796e-09, 2.62692648437185e-05, 4.1872703131214e-07, \n8.9430713438398e-08, 4.98232636233807e-07, 2.38373343512791e-08, 5.40565519748130e-09, 1.00830255434526e-08, 9.29397776118356e-08, 7.72293186733884e-06, 4.01279164348712e-08, 1.10233981386351e-09, 1.06116252493e-06, 1.60694043113788e-08, 1.09904008537148e-09, 1.21988668473517e-08, 6.71677812553315e-07, 1.99581780699782e-06, 1.79751552165891e-08, 7.87103516373685e-09, 8.03526585817564e-07, 1.11463330191523e-08, 1.0216218234326e-07, 3.1228684433598e-08, 5.28852178083017e-06, 3.58252294650336e-08, 1.44115824919757e-09, \n3.39441267267087e-08, 5.59675028883281e-08, 4.67357596040365e-09, 5.94735208178178e-08, 3.10146864111256e-09, 6.12283626257007e-08, 1.38947438716685e-08, 8.76673819775472e-07, 3.2294938215079e-09, 5.83032642147753e-09, 2.14785118738322e-08, 4.87733412000154e-08, 6.36771117559877e-08, 1.04181757404544e-08, 5.00438296498338e-07, 1.99615851279225e-08, 1.99957548604105e-08, 2.16188359950694e-08, 4.98232636233807e-07, 3.34944274271769e-08, 7.66867666668085e-08, 1.15841856245473e-08, 7.84105253280703e-10, \n7.96666884682067e-09, 5.76196565094532e-08, 1.36863444668127e-06, 3.12232756255973e-09, 4.95330210822609e-08, 1.94971699870036e-08, 1.14627257553862e-08, 8.83995373253991e-10, 3.8187146424793e-09, 7.39400557223613e-09, 5.31156755033822e-09, 6.50247622337777e-09, 1.73198492821766e-07, 1.23352762868267e-09, 6.93668465577931e-09, 2.39841961750481e-07, 1.00088449311364e-07, 1.0054970236381e-08, 2.40958882105153e-08, 2.06753452684638e-09, 1.26229476001968e-08, 1.08252122319481e-08, 2.08586967530828e-10, \n9.29409352897824e-08, 1.1601216209306e-09, 4.30525563755876e-09, 1.20828841817054e-06, 3.48547993377527e-08, 8.8602672845631e-08, 3.61561112556576e-08, 5.10128897921534e-09, 1.09671493298137e-08, 1.88203175023241e-08, 4.34802187221149e-08, 1.21479081757048e-07, 1.23432410291544e-09, 1.31706268363816e-09, 3.0703569091615e-08, 9.5465609482384e-08, 3.79067202397483e-08, 4.59866400903141e-09, 6.57704856165997e-09, 6.71109871722864e-09, 1.70731200701552e-08, 3.44412277956192e-07, 2.42047107081689e-09, \n1.1783637005504e-07, 1.76471474395141e-09, 1.71890632309579e-07, 8.51201904622705e-11, 6.80554191541119e-09, 8.05409884770216e-10, 1.08275871201264e-08, 0.875241959638789, 0.944056374233881, 0.6419224287908, 0.999989896402303, 0.942670661838067, 0.998296031068945, 0.677612677592575, 0.999965061926862, 0.98521522372235, 0.99998107439034, 0.999980211416517, 0.997078448236794, 0.999999072872347, 0.967591023939422, 0.999980909760449, 0.982646662790091, 0.993193847027961, 0.999994891196687, 0.994235558313967, \n0.999998855245835, 0.189168250601955, 0.999813618169102, 0.837483096051689, 0.995426682523544, 0.996969475485616, 0.984913430960438, 0.900791773672269, 0.0985779681507598, 0.984664486895872, 0.999999089324249, 0.999998517711009, 0.99999809787513, 0.999987690382649, 0.487269186883733, 0.996509974399683, 0.918311453541723, 0.864460488077012, 0.998997684927864, 0.999846831431677, 0.999972428094979, 0.999832062293834, 0.978400092409889, 0.999972235021799, 0.999951254527506, 0.999750961214724, 0.999849559226692, \n0.999638935603111, 0.997889270723093, 0.99997256078552, 0.999838639635207, 1.26244050578933e-06, 0.0278432529969189, 3.19008215553769e-07, 0.000207057282882001, 5.70651910209557e-07, 1.23517066256296e-08, 0.953995200408462, 3.42077709486469e-05, 0.000131647874862085, 1.28889020151718e-07, 0.000458230060904487, 0.00202802773291248, 4.52224162961748e-06, 0.00969265543582015, 0.000982164221444902, 3.24510756159851e-05, 0.000602511331409733, 4.61021599579332e-11, 1.82172046287582e-08, 0.946204680428197, \n3.54564906571839e-07, 0.0151735012998239, 4.11627160075718e-08, 0.08278184937815, 3.17498894760392e-07, 2.18537100422466e-05, 0.16221466505702, 0.100378943043603, 1.44293383091494e-06, 0.000340063427420741, 2.97659720573315e-06, 2.31216974649988e-10, 1.50249653664495e-06, 0.546368599235794, 0.0284867286936482, 3.68034663535241e-09, 9.93094179707263e-07, 0.000544849250716675, 0.20240755666605, 1.16561056891885e-05, 1.29520353512192e-06, 0.000123146700828956, 0.0278432529969189, 4.85725197982747e-07, \n7.17295332282085e-07, 8.91466772570626e-05, 0.0213335856922975, 0.000343750338636567, 1.35142563037478e-05, 0.0571039155108959, 8.98912873098482e-11, 1.36155996509244e-09, 1.15276116579309e-09, 6.61675591372664e-10, 8.56747668806627e-11, 5.96584333439329e-09, 6.70290683648324e-10, 1.92027706643391e-10, 3.19396157275895e-10, 5.53178816716576e-09, 4.37298099510829e-10, 4.55298658820304e-10, 8.62708174199818e-09, 5.96659482895184e-09, 1.60687059859319e-08, 1.55979981773094e-09, 3.23003634217776e-09, \n3.63412546150736e-10, 6.92071855222922e-08, 4.80974358509425e-10, 2.35231523205734e-09, 3.86975645710023e-10, 1.04627080498596e-09, 2.52955396762771e-08, 2.28774179300598e-09, 1.75542522803817e-09, 1.30714239436249e-09, 1.04551469281433e-10, 1.85927966946976e-10, 1.11274257541155e-09, 1.81723018400158e-09, 3.07460962709785e-09, 6.09920829971855e-11, 4.67979207415283e-11, 9.80641560002117e-10, 2.58115754305411e-09, 1.66084670282839e-09, 6.18359536956312e-10, 3.82058774596367e-10, 1.59820878515863e-10, \n7.46196712593143e-10, 3.59316678241744e-09, 1.91880604222707e-10, 5.15014898259193e-09, 4.06920217486124e-09, 6.18288194774373e-09, 1.96276064072603e-10, 4.61394592051604e-10, 2.03432410325363e-10, 3.44117154717203e-10, 0.124757982635549, 0.055943604092754, 0.358077535519658, 9.46867222968365e-06, 0.0573293353969044, 0.00170362546567624, 0.322387268010368, 2.57278368508202e-07, 0.0147847713287287, 1.66339715091667e-05, 4.39663777442471e-08, 0.00292092561488662, 8.4125586135862e-07, 0.0324089580991202, \n1.61958455841909e-05, 0.0173533215112006, 0.0068042272564642, 4.83129805809527e-06, 0.00576444027968662, 8.6559601688049e-07, 0.810827838953053, 0.000186371931851036, 0.162516903237958, 0.00457330444324048, 0.00303052013233026, 0.015086560293105, 0.0992082217477699, 0.901422016975089, 0.0153354106702634, 4.84105576670804e-07, 1.82138110223757e-07, 9.4317464300365e-08, 1.20764315868333e-05, 0.512730725011112, 0.00348469695154839, 0.0816856049676544, 0.13553949302783, 0.00100231394113294, 0.000151283872629947, \n2.73775292969994e-05, 0.00016775388754873, 0.021599880752607, 2.76898067920025e-05, 1.02639724590789e-07, 0.000248820340503095, 0.000148505704622587, 0.000360281430572417, 0.00211072575489784, 1.16994963675301e-06, 0.000160941637761914, 0.999998648128781, 0.972156248770445, 0.99999965715445, 0.999792937311463, 0.999999419265064, 0.999999894708516, 0.0459970766596704, 0.999965752101135, 0.999868351022798, 0.999998809948455, 0.999541753869691, 0.997971971168047, 0.999995465559503, 0.990306672886367, \n0.999015839960748, 0.999967530949229, 0.999397480797555, 0.999999196427312, 0.999999970636462, 0.0537952174096205, 0.999999614206409, 0.984821210178395, 0.999999923012055, 0.917218149180692, 0.999999648556978, 0.999978090322455, 0.837785330269404, 0.899620997482876, 0.9999985539647, 0.999659875344217, 0.99999700950805, 0.999999123094963, 0.999998494273969, 0.45363139493388, 0.97151324982784, 0.999999947546312, 0.999998943228709, 0.999455140331107, 0.797591942895654, 0.999988323932726, 0.99999868480071, \n0.999876831680335, 0.972156248770445, 0.999999480780374, 0.999999206017901, 0.999910841738557, 0.978666413523597, 0.999656241694695, 0.99998642812404, 0.942894715854657)"
     actual                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                   
[1,] "c(5.1, 4.9, 4.7, 4.6, 5, 5.4, 4.6, 5, 4.4, 4.9, 5.4, 4.8, 4.8, 4.3, 5.8, 5.7, 5.4, 5.1, 5.7, 5.1, 5.4, 5.1, 4.6, 5.1, 4.8, 5, 5, 5.2, 5.2, 4.7, 4.8, 5.4, 5.2, 5.5, 4.9, 5, 5.5, 4.9, 4.4, 5.1, 5, 4.5, 4.4, 5, 5.1, 4.8, 5.1, 4.6, 5.3, 5, 7, 6.4, 6.9, 5.5, 6.5, 5.7, 6.3, 4.9, 6.6, 5.2, 5, 5.9, 6, 6.1, 5.6, 6.7, 5.6, 5.8, 6.2, 5.6, 5.9, 6.1, 6.3, 6.1, 6.4, 6.6, 6.8, 6.7, 6, 5.7, 5.5, 5.5, 5.8, 6, 5.4, 6, 6.7, 6.3, 5.6, 5.5, 5.5, 6.1, 5.8, 5, 5.6, 5.7, 5.7, 6.2, 5.1, 5.7, 6.3, 5.8, 7.1, 6.3, 6.5, 7.6, \n4.9, 7.3, 6.7, 7.2, 6.5, 6.4, 6.8, 5.7, 5.8, 6.4, 6.5, 7.7, 7.7, 6, 6.9, 5.6, 7.7, 6.3, 6.7, 7.2, 6.2, 6.1, 6.4, 7.2, 7.4, 7.9, 6.4, 6.3, 6.1, 7.7, 6.3, 6.4, 6, 6.9, 6.7, 6.9, 5.8, 6.8, 6.7, 6.7, 6.3, 6.5, 6.2, 5.9)"        
[2,] "c(3.5, 3, 3.2, 3.1, 3.6, 3.9, 3.4, 3.4, 2.9, 3.1, 3.7, 3.4, 3, 3, 4, 4.4, 3.9, 3.5, 3.8, 3.8, 3.4, 3.7, 3.6, 3.3, 3.4, 3, 3.4, 3.5, 3.4, 3.2, 3.1, 3.4, 4.1, 4.2, 3.1, 3.2, 3.5, 3.6, 3, 3.4, 3.5, 2.3, 3.2, 3.5, 3.8, 3, 3.8, 3.2, 3.7, 3.3, 3.2, 3.2, 3.1, 2.3, 2.8, 2.8, 3.3, 2.4, 2.9, 2.7, 2, 3, 2.2, 2.9, 2.9, 3.1, 3, 2.7, 2.2, 2.5, 3.2, 2.8, 2.5, 2.8, 2.9, 3, 2.8, 3, 2.9, 2.6, 2.4, 2.4, 2.7, 2.7, 3, 3.4, 3.1, 2.3, 3, 2.5, 2.6, 3, 2.6, 2.3, 2.7, 3, 2.9, 2.9, 2.5, 2.8, 3.3, 2.7, 3, 2.9, 3, 3, 2.5, 2.9, \n2.5, 3.6, 3.2, 2.7, 3, 2.5, 2.8, 3.2, 3, 3.8, 2.6, 2.2, 3.2, 2.8, 2.8, 2.7, 3.3, 3.2, 2.8, 3, 2.8, 3, 2.8, 3.8, 2.8, 2.8, 2.6, 3, 3.4, 3.1, 3, 3.1, 3.1, 3.1, 2.7, 3.2, 3.3, 3, 2.5, 3, 3.4, 3)"                              
[3,] "c(1.4, 1.4, 1.3, 1.5, 1.4, 1.7, 1.4, 1.5, 1.4, 1.5, 1.5, 1.6, 1.4, 1.1, 1.2, 1.5, 1.3, 1.4, 1.7, 1.5, 1.7, 1.5, 1, 1.7, 1.9, 1.6, 1.6, 1.5, 1.4, 1.6, 1.6, 1.5, 1.5, 1.4, 1.5, 1.2, 1.3, 1.4, 1.3, 1.5, 1.3, 1.3, 1.3, 1.6, 1.9, 1.4, 1.6, 1.4, 1.5, 1.4, 4.7, 4.5, 4.9, 4, 4.6, 4.5, 4.7, 3.3, 4.6, 3.9, 3.5, 4.2, 4, 4.7, 3.6, 4.4, 4.5, 4.1, 4.5, 3.9, 4.8, 4, 4.9, 4.7, 4.3, 4.4, 4.8, 5, 4.5, 3.5, 3.8, 3.7, 3.9, 5.1, 4.5, 4.5, 4.7, 4.4, 4.1, 4, 4.4, 4.6, 4, 3.3, 4.2, 4.2, 4.2, 4.3, 3, 4.1, 6, 5.1, 5.9, 5.6, \n5.8, 6.6, 4.5, 6.3, 5.8, 6.1, 5.1, 5.3, 5.5, 5, 5.1, 5.3, 5.5, 6.7, 6.9, 5, 5.7, 4.9, 6.7, 4.9, 5.7, 6, 4.8, 4.9, 5.6, 5.8, 6.1, 6.4, 5.6, 5.1, 5.6, 6.1, 5.6, 5.5, 4.8, 5.4, 5.6, 5.1, 5.1, 5.9, 5.7, 5.2, 5, 5.2, 5.4, 5.1)"
[4,] "c(0.2, 0.2, 0.2, 0.2, 0.2, 0.4, 0.3, 0.2, 0.2, 0.1, 0.2, 0.2, 0.1, 0.1, 0.2, 0.4, 0.4, 0.3, 0.3, 0.3, 0.2, 0.4, 0.2, 0.5, 0.2, 0.2, 0.4, 0.2, 0.2, 0.2, 0.2, 0.4, 0.1, 0.2, 0.2, 0.2, 0.2, 0.1, 0.2, 0.2, 0.3, 0.3, 0.2, 0.6, 0.4, 0.3, 0.2, 0.2, 0.2, 0.2, 1.4, 1.5, 1.5, 1.3, 1.5, 1.3, 1.6, 1, 1.3, 1.4, 1, 1.5, 1, 1.4, 1.3, 1.4, 1.5, 1, 1.5, 1.1, 1.8, 1.3, 1.5, 1.2, 1.3, 1.4, 1.4, 1.7, 1.5, 1, 1.1, 1, 1.2, 1.6, 1.5, 1.6, 1.5, 1.3, 1.3, 1.3, 1.2, 1.4, 1.2, 1, 1.3, 1.2, 1.3, 1.3, 1.1, 1.3, 2.5, 1.9, 2.1, \n1.8, 2.2, 2.1, 1.7, 1.8, 1.8, 2.5, 2, 1.9, 2.1, 2, 2.4, 2.3, 1.8, 2.2, 2.3, 1.5, 2.3, 2, 2, 1.8, 2.1, 1.8, 1.8, 1.8, 2.1, 1.6, 1.9, 2, 2.2, 1.5, 1.4, 2.3, 2.4, 1.8, 1.8, 2.1, 2.4, 2.3, 1.9, 2.3, 2.5, 2.3, 1.9, 2, 2.3, 1.8)"