Você está na página 1de 17

Universidade de So Paulo

Escola Superior de Agricultura Luiz de Queiroz


LCE Anlise Multivariada








Anlise de Correspondncia


Seminrio apresentado na disciplina
Anlise Multivariada sob orientao
do Prof. Dr. Carlos Tadeu dos S. Dias
Aluna: Ana Beatriz Costa Czermainski


Piracicaba-SP
Julho, 2004


Anlise de Correspondncia

1. Introduo
O objetivo deste trabalho transmitir o conceito e idia inicial sobre anlise de
correspondncia e sua interpretao geomtrica, com base nos trabalhos de Greenacre &
Hastie (1987) e Barioni Jnior (1995).

1.1 Conceito e Objetivos da Anlise de Correspondncia

Anlise de correspondncia (AC) uma tcnica de anlise exploratria de dados
adequada para analisar tabelas de duas entradas ou tabelas de mltiplas entradas, levando
em conta algumas medidas de correspondncia entre linhas e colunas. A AC, basicamente,
converte uma matriz de dados no negativos em um tipo particular de representao grfica
em que as linhas e colunas da matriz so simultaneamente representadas em dimenso
reduzida, isto , por pontos no grfico. Este mtodo permite estudar as relaes e
semelhanas existentes entre:
a) as categorias de linhas e entre as categorias de colunas de uma tabela de
contingncia,
b) o conjunto de categorias de linhas e o conjunto categorias de colunas.
A AC mostra como as variveis dispostas em linhas e colunas esto relacionadas e
no somente se a relao existe. Embora seja considerada uma tcnica descritiva e
exploratria, a AC simplifica dados complexos e produz anlises exaustivas de informaes
que suportam concluses a respeito das mesmas.
A AC possui diversos aspectos que a distingue de outras tcnicas de anlise de
dados. A sua natureza multivariada permite revelar relaes que no seriam detectadas em
comparaes aos pares das variveis. altamente flexvel quanto a pressuposies sobre os
dados: o nico requisito o de uma matriz retangular com entradas no negativas. Observe-
se que possvel transformar qualquer caracterstica quantitativa em qualitativa,
realizando-se uma partio de seu domnio de variao em classes. A AC mais efetiva se
a matriz de dados bastante grande, de modo que a inspeo visual ou anlise estatstica
simples no consegue revelar sua estrutura.
A anlise de correspondncia pode ser considerada como um caso especial da
anlise de componentes principais (CP), porm dirigida a dados categricos organizados
em tabelas de contingncia e no a dados contnuos. O problema anlogo a encontrar o
maior componente principal de um conjunto de I observaes e J variveis, com
modificaes devido ponderao das observaes e mtrica ponderada.

1.2 Nota histrica
As primeiras consideraes matemticas a respeito de AC foram feitas por
Hirschfeld (1935). A partir da, os procedimentos numricos e algbricos foram aplicados
em diferentes contextos, notadamente em ecologia e psicologia. O mtodo foi redescoberto
na Frana no incio da dcada de 60 e tem sido extensivamente usado naquele pas como
um mtodo grfico de anlise de dados. A partir de 1975, a tcnica vem sendo utilizada em
diversas reas do conhecimento, em publicaes em diversos idiomas.

2. A tabela de contingncia e a matriz de correspondncia

A forma mais simples de AC sua aplicao a uma tabela de contingncia de
dupla entrada que denominada anlise de correspondncia simples.
O quadro 1 representa uma tabela de contingncia com I categorias de linhas e J
categorias de colunas, das variveis A e B, respectivamente.

Quadro 1. Representao de uma tabela de contingncia.
B
A 1 2 ... j ... J Total linha
1 n
11
n
12
... n
1j
... n
1J
n
1+
2 n
21
n
22
... n
2j
... n
2J
n
2+
... ... ... ... ... ... ...
i n
i1
n
i2
... n
ij
... n
iJ
n
i+
... ... ... ... ... ... ...
I n
I1
n
I2
... n
Ij
... n
IJ
n
I+
Total coluna n
+1
n
+2
... N
+j
... n
+J
N

onde:
n
ij
a freqncia observada pela interseco da i-sima categoria da varivel A
com a j-sima categoria da varivel B;
n
i+
freqncia total observada na i-sima categoria de A;
n
+j
freqncia total observada na j-sima categoria de B;
n total geral de freqncias observadas.

Seja N a matriz de freqncias absolutas, ou seja, N=[ n
ij
]
IxJ
. A matriz de
freqncias relativas ser P=(1/n) N e chamada de matriz de correspondncia. Cada
linha ou coluna de P pode ser considerada um vetor de propores (Quadro 2).

Quadro 2. Matriz de correspondncias.
B
A 1 2 ... j ... J Total linha
1 p
11
p
12
... p
1j
... p
1J
p
1+
2 p
21
p
22
... p
2j
... p
2J
p
2+
... ... ... ... ... ... ...
i p
i1
p
i2
... p
ij
... p
iJ
p
i+
... ... ... ... ... ... ...
I p
I1
p
I2
... p
Ij
... p
IJ
p
I+
Total coluna p
+1
p
+2
... P
+j
... p
+J
1

Onde: p
ij
= n
ij
/n ; p
i+
= n
i+
/n

; p
+j
= n
+j
/n

.

Do quadro 2 definem-se os vetores de freqncias relativas marginais (em
relao ao total geral n) denominados massas. A massa da i-sima linha n
i+
/n

e a
massa da j-sima coluna n
+j
/n. O vetor de massas de linhas r =[ p
1+
p
2+.
...

p
i+
...

p
I+
] e c

= [p
+1
p
+2
... p
+j
... p
+J
] o vetor de massas de colunas.
O vetor a
i
= [n
i1
/n
i+
n
i2
/n
i.
... n
iJ
/n
i+
] chamado de perfil linha. Em funo da
matriz de correspondncia P, o i-simo perfil linha ser a
i
= [p
i1
/p
i+
p
i2
/p
i+
... p
iJ
/p
i+
],
i=1,,I. Cada vetor a
i
representa uma realizao da distribuio multinomial,
condicionada i-sima categoria da varivel A.
Analogamente, o vetor b
j
=[ n
1j
/n
+j
n
2j
/n
+j
... n
Ij
/n
+j
] =[ p
1j
/p
+j
p
2j
/p
+j
... p
Ij
/p
+j
],
j=1,...,J, chamado de perfil coluna.

Definem-se as distncias entre perfis linha no pela mtrica Euclidiana usual,
mas pela mtrica Euclidiana ponderada, chamada mtrica ou distncia qui-quadrado:
d
c
(a
i
,a
i
) = (a
i
- a
i
)D
c
-1
(a
i
- a
i
)

=

= +
+ +
J
j 1 j
2
i' j i' i ij
/n) (n
) /n n - /n (n

ou seja, d
c
(a
i
,a
i
) a distncia euclidiana entre a
i
e a
i
na mtrica D
c
(ponderada por D
c
),
onde D
c
a matriz diagonal de elementos c
j
=n
+j
/n (j=1, ... ,J). O vetor c = [c
1
c
2
... c
J
]

,
propores marginais de colunas ou massas de colunas, tambm chamado de perfil
linha mdio ou centride dos perfis linha. Analogamente, as distncias entre perfis
colunas so obtidas na mtrica

D
r
(ponderada por D
r
), que a matriz diagonal das
propores marginais de linhas r
i
= n
i+
/n (i=1,...,I), que compem o vetor r, o centride
dos perfis coluna ou vetor de massa de linhas.

3. A interpretao geomtrica da anlise de correspondncia simples

Para a abordagem de fundamentos tericos da AC e sua interpretao
geomtrica, ser considerado o exemplo apresentado por Greenacre & Hastie (1987)
que consiste em uma tabela de contingncia 5 x 3, representando a tabulao de 312
pessoas identificadas como leitores de um jornal, de acordo com cinco grupos
educacionais e trs categorias de leitura do jornal. Oportunamente, todas as definies
necessrias sero apresentadas com base neste exemplo numrico. Este exemplo tem a
vantagem de que sua geometria tri-dimensional, de modo que possvel observar
visualmente os conceitos e mecanismos da tcnica de AC sem abstraes.




Quadro 3. Tabela de contingncia freqncias observadas resultante da classificao
de n=312 pessoas segundo grupo educacional e categoria de leitura
preferencial.
Categoria de leitura Grupo
educacional C1 C2 C3
Totais
E1 5 7 2 14
E2 18 46 20 84
E3 19 29 39 87
E4 12 40 49 101
E5 3 7 16 26
Totais 57 129 126 312

A tabela de freqncias relativas (ou matriz de correspondncia, P) obtida pela
diviso de todas as clulas da tabela de contingncia pelo total geral n=312 (Quadro 4).
a proporo de cada combinao das categorias de variveis e do total das categorias
em relao ao total de unidades classificadas.

Quadro 4. Freqncias relativas correspondentes ao Quadro 3.
Categoria de leitura Grupo
educacional C1 C2 C3
Totais
E1 0,016 0,022 0,006 0,045
E2 0,058 0,147 0,064 0,269
E3 0,061 0,093 0,125 0,279
E4 0,038 0,128 0,157 0,324
E5 0,010 0,022 0,051 0,083
Totais 0,183 0,413 0,404 1

Suponha-se, inicialmente, que h interesse em comparar as linhas da tabela de
dados. As propores de tipos de leitores em cada grupo educacional so dadas pelos
vetores de perfil linha, representados por a
i
, i=1,...,5. Ento, os perfis linha sero:
a
1
=[0,357 0,500 0,143]
a
2
=[0,214 0,548 0,238]
a
3
=[0,218 0,333 0,448]
a
4
=[0,119 0,396 0,485]
a
5
=[0,115 0,269 0,615]
e pode, cada um, ser representado como um vetor-ponto no espao Euclidiano tri-
dimensional. O fato de existir dependncia linear entre as coordenadas dos vetores de
perfil (a soma igual a 1) significa, geometricamente, que os cinco pontos esto
contidos em um espao regular bi-dimensional denominado simplex, formado por um
tringulo com vrtices na unidade dos trs eixos de coordenadas. Os pontos podem ser
plotados diretamente neste tringulo conhecido como sistema de coordenadas
triangulares ou sistema de coordenadas baricntricas (Fig. 1).


a5
a4
c
a3
a2
a1


Fig. 1. Representao geomtrica dos cinco pontos-vetor (perfis linha) e do centride
(c) no espao Euclidiano tri-dimensional.

Cada perfil linha est associado a uma massa de linha, r
i
= n
i+
/n

(ou c
j
= n
+j
/n,
para perfil coluna). Para o exemplo, r=[0,045 0,269 0,279 0,324 0,083].
A mdia ponderada dos perfis linha ou perfil mdio de linhas ou centride, ser
dado por
c =

=
I
i 1
r
i
a
i
ou c = A r com A = D
r
-1
P (matriz de perfis linha)
O centride linha de uma tabela de contingncia indica geometricamente a
posio mdia dos perfis linha, como se fosse o centro de gravidade ou o ponto de
equilbrio da matriz de dados. Para o exemplo em questo, o centride dos perfis linha
que o vetor de massa das colunas c=[0,183 0,413 0,404], ou seja, vetor de
propores de leitores nas categorias de leitura.

A hiptese nula de independncia de linha-coluna, n
ij
= n
i+
n
+j
/n

, (i=1 ...I, j=1
...J), equivalente hiptese de homogeneidade das linhas:

n
1j
/n
1+
= n
2j
/n
2+
=...= n
Ij
/n
I+
(j=1,...,J). Cada linha da matriz de dados pode ser vista como a realizao de uma
distribuio multinomial condicional ao respectivo total da linha. A estatstica qui-
quadrado usual,
2
, que testa a hiptese nula de independncia entre linhas e colunas,
expressa como segue:

2
=

= = + +
+ +

I
i
J
j j i
j i ij
n n n
n n n n
1 1
2
) / (
) / (


Sob a hiptese de homogeneidade, a estatstica
2
pode ser interpretada
geometricamente como a diferena dos perfis linha (ou coluna) aos seus respectivos
centrides (c ou r). A significncia de
2
indica desvios significativos dos perfis linha em
relao a seu centride ou hiptese de homogeneidade.

Cada perfil linha est ponderado por um peso proporcional ao respectivo total da
linha nos dados originais, correspondente aos r
i
, a massa da linha. Assim, a distncia
entre pontos que representam os perfis ao centride no definida pela mtrica
euclidiana clssica, mas sim pela mtrica euclidiana ponderada por D
c
. A distncia qui-
quadrado entre os perfis linha e o centride fica:
d
c
(a
i
, c) = n

=
I
i 1
r
i
(a
i
- c)D
c
-1
(a
i
- c).
Ento, os perfis linha podem ser recalculados por
i
= D
c
-1/2
a
i
, assim como os
eixos coordenados podem ser estendidos na proporo dos valores c
j
-1/2
tal que cada eixo
tem uma escala diferente. Na Figura 2 tem-se uma viso geomtrica dos perfis de linha
dos cinco grupos educacionais transformados
i
(i=1,...,5) no sistema de coordenadas
estendido.
A mdia ponderada dos quadrados das distncias entre os perfis linha e seu
centride c igual a estatstica
2
, que testa a independncia de linhas e colunas, dividida
pelo total geral n. A quantidade
2
/n denominada de inrcia total da matriz de dados.
Para o exemplo obtm-se
2
= 25,977 (com 8 gl) e a inrcia total de
2
/n = 25,977/312
= 0,0833.
Uma maneira de olhar a anlise de correspondncia consider-la como um
mtodo de decomposio da inrcia total, identificando um nmero reduzido de
dimenses que melhor representem uma nuvem de pontos. Levando esta idia para o
caso unidimensional abordado na Figura 2, o problema se resume em encontrar a linha
que melhor se ajusta aos cinco pontos (perfis). A melhor linha passa pelo centride c que
um resumo adimensional (um ponto). Se a origem do grfico transferida para c, ento
a linha que melhor se ajusta o autovetor principal da matriz assimtrica
Q=

=
I
i 1
r
i
(a
i
- c)

(a
i
- c) D
c
-1
= (A 1c) D
r
(A 1c) D
c
-1

onde D
r
e D
c
so as matrizes diagonais de massas de linha e de coluna,
respectivamente, e A matriz cujas linhas so os perfis de linha. A Figura 3 traz o
simplex triangular e o eixo que minimiza a soma ponderada dos quadrados das distncias
dos pontos ao eixo para o exemplo abordado.
O trao da matriz Q igual a
2
/n, e seu conjunto de autovalores
1
,
2
,..., ou
inrcias principais, uma decomposio da inrcia total. No exemplo, o primeiro eixo
principal corresponde a um autovalor
1
= 0,0704 que equivale a 84,5% da inrcia total.




Fig. 2. Representao geomtrica dos perfis dos cinco grupos educacionais no
sistema de coordenadas estendidas. Cada eixo tem uma escala diferente,
cuja unidade 1/c
1
1/2
= 2,36, 1/c
2
1/2
= 1,56 e 1/c
3
1/2
= 1,58,
respectivamente. As linhas ligando os perfis transformados
i
ao centride
c indicam os desvios do ponto de independncia.



Fig 3. O simplex triangular com os perfis transformados e o eixo principal de melhor
ajuste (linha tracejada passando pelo centride c) que minimiza soma ponderada
de quadrados das distncias dos pontos ao eixo.

Fig. 4. Representao unidimensional dos perfis linha, perfazendo 84,5% da inrcia
total. Os pontos esto conectados sua estimativa unidimensional, que so as
projees sobre esta linha.



4. A interpretao do grfico final da AC

Para o exemplo abordado at aqui, foi adaptado um programa SAS, utilizando-
se o proc corresp que efetua a anlise de correspondncia.

Programa SAS para o exemplo:


Title ' Dados Greenacre & Hastie, 1987 ';
data colors;
input catlin $ col1 col2 col3 ;
cards;
E1 5 7 2
E2 18 46 20
E3 19 29 39
E4 12 40 49
E5 3 7 16
;
proc corresp data=colors out=coord short;
var col1 col2 col3 ;
id catlin;
proc print data=coord;
run;
proc plot vtoh=2;
plot dim2 * dim1 = '*' $ catlin / box haxis=by .1 vaxis=by .1;
run;
data label;
set coord;
xsys='2'; ysys='2';
x = dim1; y = dim2;
text = catlin;
size = 1.0; *1.3;
function='LABEL';
if _type_='VAR' then color='RED '; else color='BLUE';
proc gplot data=coord;
plot dim2 * dim1
/ anno=label frame
href=0 vref=0 lvref=3 lhref=3
vaxis=axis2 haxis=axis1
vminor=1 hminor=1;
axis1 length=6 in order=(-0.75 to 0.75 by .25)
label=(h=1.2 'Dimension 1');
axis2 length=3 in order=(-.25 to .25 by .1)
label=(h=1.2 a=90 r=0 'Dimension 2');
symbol v=none;
run;






Sada SAS:

Dados Greenacre & Hastie, 1987

The CORRESP Procedure

Inertia and Chi-Square Decomposition

Singular Principal Chi- Cumulative
Value Inertia Square Percent Percent 17 34 51 68 85
----+----+----+----+----+---
0.26527 0.07037 21.9550 84.52 84.52 *************************
0.11354 0.01289 4.0222 15.48 100.00 *****

Total 0.08326 25.9772 100.00

Degrees of Freedom = 8


Row Coordinates

Dim1 Dim2

E1 0.5493 0.2271
E2 0.3331 -0.0777
E3 -0.0805 0.1446
E4 -0.1730 -0.0975
E5 -0.4305 0.0235


Column Coordinates

Dim1 Dim2

col1 0.2543 0.2141
col2 0.2016 -0.1041
col3 -0.3215 0.0098

Q I
_ c u n C C S S
T a a e o o q q B B
Y t l M r D D n n C C e e B
O P l i a t i i t t o o s s e
b E i t s i m m r r s s t t s
s _ n y s a 1 2 1 2 1 2 1 2 t

1 INERTIA . . 0.08326 . . 0.07037 0.01289 . . . . .
2 OBS E1 1 0.04487 0.19044 0.54934 0.22714 0.19243 0.17957 0.85400 0.14600 1 1 1
3 OBS E2 1 0.26923 0.37841 0.33315 -0.07768 0.42464 0.12603 0.94843 0.05157 1 0 1
4 OBS E3 1 0.27885 0.09174 -0.08053 0.14459 0.02570 0.45222 0.23675 0.76325 0 2 2
5 OBS E4 1 0.32372 0.15334 -0.17302 -0.09748 0.13772 0.23861 0.75906 0.24094 0 2 2
6 OBS E5 1 0.08333 0.18608 -0.43054 0.02352 0.21951 0.00358 0.99702 0.00298 1 0 1
7 VAR col1 1 0.18269 0.24247 0.25432 0.21407 0.16792 0.64939 0.58531 0.41469 0 2 2
8 VAR col2 1 0.41346 0.25574 0.20164 -0.10411 0.23891 0.34763 0.78953 0.21047 2 2 2
9 VAR col3 1 0.40385 0.50179 -0.32149 0.00975 0.59318 0.00298 0.99908 0.00092 1 0 1



Plot of Dim2*Dim1$catlin. Symbol used is '*'.
(O grfico foi omitido)





Fig. 5. Representao das categorias de grupos educacionais e de tipos de leitores no plano
bidimensional.

Na Figura 5, a proximidade dos dois pontos representando col1 e col2 comparada
com sua distncia de col3 indica que os eixos refletem um contraste entre as duas primeiras
categorias de tipo de leitura e a terceira. Em outras palavras, existe uma heterogeneidade
entre as categorias de colunas, sendo que col1 e col2 so relativamente homogneas.
Os grupos educacionais no lado direito do eixo, particularmente E1, tm propores
relativamente altas das categorias de leitores col1 e col2, enquanto aqueles do lado
esquerdo, particularmente E5, tm propores altas de col3. Os grupos educacionais esto
bem distribudos ao longo do eixo principal, refletindo suas diferenas sobre o aspecto
especfico caracterizado pelos vrtices colunas projetados.


5. Referncias bibliogrficas

GREENACRE, M; HASTIE, T. The geometric interpretation of correspondence analysis.
Journal of the American Statistical Association, v. 82:437-447. 1987.


BARIONI JNIOR, W. Anlise de correspondncia na identificao dos fatores de risco
associados diarria e performance de leites na fase de lactao. Piracicaba,
Escola Superior de Agricultura Luiz de Queiroz, 97p., 1995 (Dissertao de
Mestrado).
ANEXO

Utilizando-se o proc iml do SAS, apresenta-se o clculo das coordenadas dos pontos
que representam os perfis linha e os perfis coluna. Primeiramente, efetuada a anlise de
linhas (obteno das coordenadas para os perfis linha). As coordenadas correspondentes aos
perfis coluna sero obtidas repetindo-se o processo para a transposta da matriz de
freqncias absolutas F.

Programa SAS:
options nocenter nonumber nodate ps=200;
Title 'Dados Greenacre & Hastie, 1987';
proc iml;
/* matriz de frequencias absolutas */
F={ 5 7 2, /*matriz F para a anlise de linhas*/
18 46 20,
19 29 39,
12 40 49,
3 7 16};
* F=t(F); /*matriz F para a anlise de colunas*/
y=nrow(F);
x=ncol(F);
NI=F[,+];
NJ=F[+,];
N=sum(NJ);
/* matriz de correspondncias */
P=j(y,x,0);
do i=1 to y;
do j=1 to x;
P[i,j]=F[i,j]/N;
end;
end;
R=P[,+]; DR=diag(R);
C=P[+,]; DC=diag(C);
A=j(y,x,0);
do i=1 to y;
do j=1 to x;
A[i,j]=P[i,j]*inv(root(DR[i,i])* root(DC[j,j]));
end;
end;
Q=A*t(A);
U=eigval(Q);
V=eigvec(Q);
print F NI; print NJ N; print P DR;
print DC; print A Q; print U V;
/* Obteno das dimenses de linhas ou de colunas */
G=j(y,y,0);
do j=1 to y;
do i=1 to y;
G[i,j]=sqrt(abs(U[j])/DR[i,i])*V[i,j];
end;
end;
print G;
quit;
run;

Sada SAS para dimenses linha:
0ados 6reenacre & Ras11e. 1987

F N1

5 7 2 14
18 46 20 84
19 29 39 87
12 40 49 101
3 7 16 26

NJ N

57 129 126 312

P 0R

0.0160256 0.0224359 0.0064103 0.0448718 0 0 0 0
0.0576923 0.1474359 0.0641026 0 0.2692308 0 0 0
0.0608974 0.0929487 0.125 0 0 0.2788462 0 0
0.0384615 0.1282051 0.1570513 0 0 0 0.3237179 0
0.0096154 0.0224359 0.0512821 0 0 0 0 0.0833333


00

0.1826923 0 0
0 0.4134615 0
0 0 0.4038462


A 0

0.1769981 0.1647173 0.047619 0.0607277 0.1280888 0.1105838 0.1063993 0.0470141
0.260133 0.4418993 0.1944039 0.1280888 0.3007371 0.2635676 0.2804386 0.1280281
0.2698091 0.2737433 0.3724944 0.1105838 0.2635676 0.2864844 0.300397 0.1582411
0.1581551 0.3504326 0.4343603 0.1063993 0.2804386 0.300397 0.3364849 0.1761036
0.0779287 0.1208694 0.2795426 0.0470141 0.1280281 0.1582411 0.1761036 0.0988264


u v

1 0.2118296 0.4386666 0.4237559 0.7003917 -0.304273
0.0703686 0.5188745 0.6516462 -0.355011 -0.184182 0.3823221
0.0128918 0.5280589 -0.160308 0.6724694 -0.490106 -0.055103
-1.23E-17 0.5689622 -0.3711 -0.488474 0.1241474 -0.533429
-3.85E-17 0.2886751 -0.468524 0.0597979 0.4689476 0.6882327


6

1 0.549335 0.2271359 1.161E-8 -8.909E-9
1 0.3331493 -0.077685 -1.246E-9 4.5701E-9
1 -0.080531 0.1445929 -3.259E-9 -6.47E-10
1 -0.173021 -0.09748 7.662E-10 -5.815E-9
1 -0.430538 0.0235198 5.7041E-9 1.4787E-8


Sada SAS para dimenses colunas:
0ados 6reenacre & Ras11e. 1987

F N1

5 18 19 12 3 57
7 46 29 40 7 129
2 20 39 49 16 126


NJ N

14 84 87 101 26 312


P 0R

0.0160256 0.0576923 0.0608974 0.0384615 0.0096154 0.1826923 0 0
0.0224359 0.1474359 0.0929487 0.1282051 0.0224359 0 0.4134615 0
0.0064103 0.0641026 0.125 0.1570513 0.0512821 0 0 0.4038462


00

0.0448718 0 0 0 0
0 0.2692308 0 0 0
0 0 0.2788462 0 0
0 0 0 0.3237179 0
0 0 0 0 0.0833333


A 0

0.1769981 0.260133 0.2698091 0.1581551 0.0779287 0.2028803 0.2828075 0.2499824
0.1647173 0.4418993 0.2737433 0.3504326 0.1208694 0.2828075 0.4347546 0.3817206
0.047619 0.1944039 0.3724944 0.4343603 0.2795426 0.2499824 0.3817206 0.4456255


u v

1 0.4274252 0.4097795 0.8058464
0.0703686 0.6430097 0.4887795 -0.589604
0.0128918 0.6354889 -0.770179 0.0545755


6

1 0.2543194 0.2140666
1 0.2016438 -0.104112
1 -0.321494 0.0097509