【ガイガー】インスペクター＋統計スレ

1 ：12/04/06 〜 最終レス ：12/05/13

インスペクター＋統計スレ
統計データを書き込むスレです。

2 ：

R関係の統計処理のリンク集をコピー。主に使っているのが、青木さんの所なので、青木さんが主体。
群馬大学　青木　R による統計処理
http://aoki2.si.gunma-u.ac.jp/R/index.html
プログラム R の入手方法とコンピュータへのインストール
http://aoki2.si.gunma-u.ac.jp/R/begin.html
新たに定義した関数
http://aoki2.si.gunma-u.ac.jp/R/src/all.R　をDown load
起動直後に「>」が表示されたらばその後に「source("http://aoki2.si.gunma-u.ac.jp/R/src/all.R", encoding="euc-jp") 」と入力する。「Rcmder」と同時には使用できないので要注意。
分散比の検定。等分散か異分散かで検定方法が異なるので分散を調べる。正規分布の場合に限って使用可能。
http://aoki2.si.gunma-u.ac.jp/R/my-var-test.html　二群の等分散性の検定（二次データ）
http://aoki2.si.gunma-u.ac.jp/lecture/Average/bunsan1-r.html　二群の等分散性の検定
http://aoki2.si.gunma-u.ac.jp/lecture/Average/Bartlett-r.html　多群の等分散性の検定
平均値の差の検定
http://aoki2.si.gunma-u.ac.jp/lecture/Average/t-test-r.html　２群正規分布の場合
http://aoki2.si.gunma-u.ac.jp/lecture/Average/U-test-r.html　２群一山分布の場合
http://aoki2.si.gunma-u.ac.jp/lecture/Average/oneway-ANOVA-r.html　分散分析(３群以上、正規分布の場合)

3 ：

度数分布
http://aoki2.si.gunma-u.ac.jp/R/dosuu-bunpu.html　度数分布表の作成
http://aoki2.si.gunma-u.ac.jp/R/normaldist.html　正規分布用適合度の検定
http://aoki2.si.gunma-u.ac.jp/R/npp2.html　正規確率紙への作画
にちゃんねる内
http://ikura.2ch.net/sim/index.html　シミュレーション＠2ch掲示板
http://ikura.2ch.net/test/read.cgi/sim/1284162960/l50　【junk.test】雑談専用【try会議室】
http://uni.2ch.net/math/　数学＠2ch掲示板
http://uni.2ch.net/test/read.cgi/math/1294561909/l50　【R言語】統計解析フリーソフトＲ 第４章【GNU R】

4 ：

ガイガーカウンターで食品計測 関連テンプレ
http://hakarukun.go.jp/html/jirei/j_kisenbaru/16_01.htm 身近にある食品からの放射線−「はかるくん」を使った40K等からのγ線測定−
http://www.potetokaitsuka.co.jp/img/110719_press.pdf サツマイモを測定することができるｗ
http://ameblo.jp/geigersokutei/entry-10921797003.html ベータ線を測定してみましょう
http://www.mhlw.go.jp/stf/houdou/2r9852000001558e-img/2r98520000015cfn.pdf シンチ向け 急時における食品の放射能測定マニュアル(厚生労働省)
http://www.kankyo-hoshano.go.jp/series/lib/No1.pdf GM向け 全ベータ放射能測定法 (下ごしらえ)
http://www.kankyo-hoshano.go.jp/series/pdf_series_index.html RI 核種一覧のサイト The Berkeley Laboratory Isotopes Project's Exploring the Table of Isotopes
http://ie.lbl.gov/education/isotopes.htm アルミ中のβ線の飛距離の計算サイト。
http://www.sky.sannet.ne.jp/s_hongo/s/r/particlepath.html
http://www.geocities.co.jp/NatureLand/2111/mushroom/dehydrator/index.htm 家庭内食品の乾燥
http://search.kankyo-hoshano.go.jp/top.jsp 環境放射線データベース
http://www.kobejyukou.com/jisakutosoubusu%20p01.htm ドラフトの例
http://www.yamato-net.co.jp/index.html　理化学機器販売店
http://www.tgk.co.jp/ 　理化学機器販売店
http://www.sia-japan.com/ 　理化学機器販売店
http://www.advantec.co.jp/ 　理化学機器販売店
http://staff.aist.go.jp/t.ihara/weight.html 計算の論理
http://atlas.shinshu-u.ac.jp/class/expclass/exp-05-02.html 計算の論理
http://edycube.blog2.fc2.com/category5-11.html 周波数カウンタにおける1カウントの誤差について
http://www.mext.go.jp/b_menu/shingi/gijyutu/gijyutu3/toushin/05031802.htm 食品成分表
ttp://www.beejewel.com.au/research/Bee_Research/pra_software.html フリーのMCAソフト
http://hato.2ch.net/test/read.cgi/lifeline/1309151729/7-13 (京都府)って？
http://hato.2ch.net/test/read.cgi/lifeline/1302253304/973 (京都府)って？
http://hato.2ch.net/test/read.cgi/lifeline/1302253304/980-981 (京都府)って？
http://www.amazon.co.jp/-/dp/B001F9SRSW/ ドライフルーツ用乾燥機
http://www.kankyo-hoshano.go.jp/08/ers_lib/ers_abs01.pdf 福竜丸の頃の水道水の分析方法
http://www.snap-tck.com/room04/c01/stat/stat.html 統計学
http://www.mikage.to/radiation/calc.html 計測値をそのまま入力すると計算してくれるサイト
http://www.kankyo-hoshano.go.jp/series/lib/No24.pdf 「可食部」を検査することの規定
http://www.jrias.or.jp/index.cfm/6,15496,c,html/15496/20110620-095125.pdf 「緊急時における食品中の放射性セシウム測定に用いるNaI(Tl)シンチレーションサーベイメータの機器校正」
http://okwave.jp/qa/q962006.html 鉛対策
http://www.n-hakko.com/bunnseki-houhou.html 灰化
http://ci.nii.ac.jp/naid/110002908385 高温灰化による消失
http://www.jrias.or.jp/index.cfm/6,203,pdf 低温灰化による消失
http://pub.maruzen.co.jp/book_magazine/jikken-kagaku5/index.html 実験化学講座
http://www.amazon.co.jp/%E5%AE%9F%E9%A8%93%E3%82%92%E5%AE%89%E5%85%A8%E3%81%AB%E8%A1%8C%E3%81%86%E3%81%9F%E3%82%81%E3%81%AB-%E5%8C%96%E5%AD%A6%E5%90%8C%E4%BA%BA%E7%B7%A8%E9%9B%86%E9%83%A8/dp/4759809589
(正・続)実験を安全に行うために
http://www.jrias.or.jp/index.cfm/6,15496,c,html/15496/20110620-095125.pdf 日本アイソトープ協会の資料
http://hp.vector.co.jp/authors/VA047235/radiation.html ブラウザで動く放射線・放射能の単位換算ツール

5 ：

金属による線種の分離方法。光子(γ線とＸ線)用は、アルミ0.6mm、プラスチック2.4mm。
http://www.rada.or.jp/database/home4/normal/ht-docs/member/synopsis/040264.html
管理図
http://avalonbreeze.web.fc2.com/38_01_05_controlfigure.html
四分位数とヒンジ
http://anchoret.seesaa.net/article/66138520.html
放射線測定器の測定値の平均差の計算ツール
http://www.mikage.to/radiation/calc_diff.html
【junk.test】雑談専用【try会議室】(シミ板)。昔は色々あったけど、今は桂カルク(だと思うけど栃木が使っているの)のみ
http://kamome.2ch.net/test/read.cgi/sim/1284162960/l50
検出限界の考え方
http://ax00.web.fc2.com/atomic/beta/s/s0080.html
心理統計学。文系の方向け統計学。SAS使用
http://www.aichi-gakuin.ac.jp/~chino/psycstat/preface.shtml
統計学自習ノート。ネットでは有名な群大の青木さん。R使用
http://aoki2.si.gunma-u.ac.jp/lecture/
栄養素別食品一覧
http://www.eiyoukeisan.com/calorie/nut_list/kalium.html
放射線測定実験要領書 (ガンマ線に関する基本的な事項, 線量率の測定, γ線の物質による遮へい測定)
http://radonet.servebbs.net/report/lect02.pdf
体内を構成する原子とγ線との 相互作用。人体を水と近似してγ線の吸収量を計算
http://www.ip.k.hosei.ac.jp/serialization/May.pdf
(6)検出器シミュレーション。上記計算用セシウムの定数が記載されている
http://www.nirs.go.jp/usr/medical-imaging/ja/study/nextgeneration-pet/6.html
＞線源：137Cs (662keV) 線減弱係数:0.54 cm-1
全β線測定法
http://www.kankyo-hoshano.go.jp/series/lib/No1.pdf
福竜丸の灰の分析
http://home.hiroshima-u.ac.jp/heiwa/Pub/41/41-yamamoto.pdf
具体的操作は、化学便覧の分析化学の章の「スポットテスト」
http://pub.maruzen.co.jp/shop/4621073419.html
前スレで、個別機種情報を除いて拾った範囲。
抜けがあったらば追加ヨロ。

6 ：

http://gakuen.gifu-net.ed.jp/~contents/kou_nougyou/jikken/SubShokuhin/08/index.html 高校生向け食品の灰分の分析方法。
http://www.shouhiseikatu.metro.tokyo.jp/keiryo/yoshiki/kankyo/kankyo_tebiki.pdf 環境計量証明事業登録の手引き。政府の通達で「乾燥する」とか「(質量を)計る」とかのときに使用する機器
は、これを参照。
http://www.tokutoku.to/geiger/box.html 放射能遮断BOX　鉛１０ミリで重さ３２キロ　１２８０００円なり
http://space.geocities.jp/sc3xpgs/index.html Radiで食品測れるかな--
http://www.emf-japan.com/emf/emf1/emf211.html 個人で用意出来る遮蔽環境
http://tng.sub.jp/moku2-2-2-6-6067.htm 米国をあきれさせた日本の化学力をおしえたる (化学処理によるセシウムの分離)
http://www.rokakuho.co.jp/data/books/3036.html 米国をあきれさせた日本の化学力をおしえたる (化学処理によるセシウムの分離)
http://www.jrias.or.jp/index.cfm/6,9332,c,html/9332/2006-55-04-07.pdf 低レベル・超低レベル放射能測定の基礎 (鉛から出る放射線対策)

7 ：

http://uni.2ch.net/test/read.cgi/radiation/1321400997/
インスペクター系総合 ２【Plus,Alert】より、関係しそうな内容を抜粋。
http://uni.2ch.net/test/read.cgi/radiation/1321400997/103
103：退避(群馬県)：2011/12/06(火) 22:35:29.39 ID:tnNiekf2
　300cpm=1.1Bq/cm2
流れの可視化技術のまとめ　石井幸治(九州大学)　室内(放射性)粉塵の動きを見当
http://www.riam.kyushu-u.ac.jp/gikan/report/08/visualization.pdf
放射線の遮へい (08-01-02-06)　β線が紙で遮蔽できない
http://www.rist.or.jp/atomica/data/dat_detail.php?Title_No=08-01-02-06
原発事故で飛散した主な核種
http://savechild.net/archives/3891.html
日本分析センター　ストロンチウム90の分析
http://www.jcac.or.jp/service_env_stron90.html
http://uni.2ch.net/test/read.cgi/radiation/1331598144/
インスペクター系総合 ３【inspector+,Alert】より、関係しそうな内容を抜粋。
福島第一原発から飛散した主な放射性同位体（核種）全31種・放出量
http://savechild.net/archives/3891.html
ポアソン分布
http://ja.wikipedia.org/wiki/%E3%83%9D%E3%82%A2%E3%82%BD%E3%83%B3%E5%88%86%E5%B8%83
直線関係式(Deming法)と回帰分析　(香川大学医学部検査部)
http://www.kms.ac.jp/~clinilab/units/biochem/cgi-bin/linear/
最小二乗法による回帰直線と相関係数の求め方−回帰分析と相関分析の基礎−　(早稲田大学大河内研)
http://www.okochi.env.waseda.ac.jp/pdf/H20Least_square.pdf
放射線計測−計数の統計−　(東京理科大学 理学部 物理学科)
http://www.rs.kagu.tus.ac.jp/~phlabex/LabExercise/reports/statistics.pdf
放射線崩壊の確率的性質　(広島大学物理学科)
http://home.hiroshima-u.ac.jp/phys/LectureHP/exp-hp/1-3.html
求積等
http://keisan.casio.jp/has10/SpecExec.cgi　円錐台
http://www.benricho.org/calculate/Cylinder.html　円柱
簡単！栄養andカロリー計算
http://www.eiyoukeisan.com/
カリウムの多い食品と、食品のカリウムの含有量一覧表
http://www.eiyoukeisan.com/calorie/nut_list/kalium.html
やさしお　(三重大学　奥村晴彦)
http://oku.edu.mie-u.ac.jp/~okumura/stat/yasashio.php
取扱説明書(英文)
http://seintl.com/manuals/Inspector_Operation_Manual_English.pdf
Rの使い方(文系用)。
http://www.e.okayama-u.ac.jp/~nagahata/ (岡山大学 長畑ビジネス統計解析)
http://www.e.okayama-u.ac.jp/~nagahata/bstat/
このスレの作成の理由
http://uni.2ch.net/test/read.cgi/radiation/1331598144/349
349 ：名無しに影響はない(やわらか銀行)：2012/04/06(金) 14:38:37.93 ID:v2XDOnI2
栃木さん新スレ作りました。統計学の先生がんばってください。
【ガイガー】インスペクター＋統計スレ
http://uni.2ch.net/test/read.cgi/radiation/1333690493/

8 ：

簡単に食品を測りたい人向け：
トータルタイマーでバックグラウンド数値を5分測る。
トータルタイマーで食品の表面や切断面を5分測る。
差があれば汚染していると考えて捨てる。
μSV表示で測定しても汚染はわからない。トータルタイマーで測ること。

9 ：

わかめや昆布にはカリウムが多く含まれている。
中国産わかめと三陸産わかめを比較してみればわかる。
比較して数値が高ければ、カリウム以外にセシウムやストロンチウムが入っている。
カリウムの多い東日本の食品にはセシウムが入っている可能性が高い。
ストロンチウムにも要注意。行政は一切ストロンチウムを測っていない。（ストロンチウムはβ線のみをだすため）

10 ：

福島第一原発から飛散した主な放射性同位体（核種）全31種・放出量
http://savechild.net/archives/3891.html
αアルファ線（プルトニウム238,240,239,241）
βベータ線（セシウム137　ストロンチウム89,90 テルル、セリウム、ルテニウム）
γガンマ線（セシウム134、ヨウ素）

11 ：

セシウム汚染地図
http://savechild.net/wp-content/uploads/2011/10/koukabig.gif
ＥＵが輸入規制している都道府県食品（つまり食品が汚染している）
福島、群馬、茨城、栃木、宮城、静岡、長野、山梨、埼玉、東京、千葉、神奈川
フランス核廃棄物処理施設 セントラコ
15.75ベクレル／kgで低レベル放射性廃棄物にて厳重管理

12 ：

セレストかかってないよね。んじゃえーけ(方言、意味わかる人解説して)。
まずは、過去のおさらい。「行政はβ線を測定していない」
インスペクターはβ線測定を特長とする測定器なので、β線を主に測定することになります。
つまり、γ線測定による正確な値とは異なります。
1.緒言。
（2）ベータ線（電子線、陽電子線）
　放射性同位元素のベータ崩壊のさいに放出されるベータ線は、０から最大エネルギーまでの連続スペクトルである。
ベータ線のエネルギーとは最大エネルギーをいう。ベータ線の飛程は荷電重粒子線ほど明確でない。
そこで、一種類のベータ線を放出して崩壊する崩壊エネルギー既知の核種を用いて、飛程とエネルギーの関係を求める。
http://www.rist.or.jp/atomica/data/dat_detail.php?Title_No=08-01-02-06)
電子を対陰極で急激に制動させたり、磁場により運動方向を変更したりするなどの加速度運動をするとX線が放射され（制動放射）、
制動X線と呼ばれる。特定のスペクトルを示さないので、白色X線と言われる。
(http://ja.wikipedia.org/wiki/X%E7%B7%9A)
白色Ｘ線のスペクトルは
http://sts.kahaku.go.jp/diversity/document/system/pdf/045.pdf
の図2.1参照(昔の高校の物理の教科書には載っていたけど、今教えてんかな)。
インスペクターのγ線の感度はあまりよくないし、はかるくんあたりのほうがγ線を検出するには適している。
つまり、制動Ｘ線(50keVまで検出可能)が検出されない程度(検出されているといえない程度)まで遮蔽できれば
測定には影響が出ないだろう、ということで、プラスチックによる最低限必要な遮蔽厚さを求めた。
β線の減衰は、原子核付近を通った回数に比例する(白色Ｘ線の発生原理参照)ので、原子番号が近い原子はほぼ同じ原子として取り扱うことができる。
食品の主成分は、炭水化物・脂質・たんぱく質である。脂質は炭化水素、炭水化物は水と炭素、たんぱく質は炭化水素に多少の窒素が結合したものと、元素の組成を近似できる。
つまり、プラスチックと乾物の元素組成を近似できるから、汚染が少ないと思われる中国産CDケースを使用して、食品によるβ線遮蔽の程度を予測することを目的とした。
「一般閲覧用ではない歯科医師向け情報」
http://www.oralstudio.net/stepup/radiation/radi001_005.php
として勿体づけているけど、広告・関連情報・用語を除くと、高校生(向け副読本)程度なので、Ｘ線の説明として載せます。
2.実験方法。
線源: ５円玉の穴の中にやさしおを充填し紙製シールで密封したもの。これをCDケースの中に入れて机の上に固定した。
検出部: マンテンの棚用の鋼材を井桁に組み、インスペクターを置くと下に約3cmの空間がとれるようにした。
インスペクターは汚染を防ぐために常に食品用ポリ袋の中に保管した。
遮蔽材: 中国産CDケース。厚さ約1mmのプラスチック製。
3.実験結果。
http://uni.2ch.net/test/read.cgi/radiation/1331598144/332-334
やさしおで作成した線量を遮蔽するのに必要なプラスチックの分量は CDケース２枚であり3.15*2+1=7.3mmとなる。
4.考察。
元素数に比例してβ線の減衰がおこると近似できるから、遮蔽に必要な厚さの1/2の厚さに含まれるβ線核種から出たβ線はすべて検出部に到着でき、
それ以上の距離を移動してくるβ線はすべて遮蔽される、と近似できる。
検出部の直径が50mmで密着している場合、半径2.5cm、高さ3.65mmの円柱内に存在する核種からの放射線をすべて検出可能と近似できる。
実際には、底辺2.865cm上辺2.5cmの円錐台になるであろうが、以後の測定は、計算の簡便性を優先するために、円柱と近似する。

13 ：

バソコンを置いてある部屋の大気(2012.03.26日夕方から翌日にかけて)を測定したもの。
ただし、窓に押し付けてある棚にインスペクターを宙吊りにして、音を拾ってパソコンで集計したもの。
だから、変な内容が所々にあります。猫による騒音と思われる 120, 156, 233 の３点は棄却しています。
ライブラリ QCCの使い方については、下記を参照。
http://www.ec.kansai-u.ac.jp/user/arakit/documents/qcc.pdf
http://www.e.okayama-u.ac.jp/~nagahata/bstat/4syou.pdf
http://www.biwako.shiga-u.ac.jp/sensei/kumazawa/R/c2.pdf
管理図の見方については、下記を参照。
http://www.e.okayama-u.ac.jp/~nagahata/bstat/4syou.pdf
結果はこんなところです。
問題なのが、５箇所ぐらい、１σ内に５点ぐらい連続して集まっている場所があります。
これは、おそらく、何かしらかの原因で外気が室内に入って、線量が下がったものと思われます。
何点が上側管理限界を超えている点がありますが、これは猫の騒音でしょう。
一般に、上下３σ内から外れる確率は 約2/1000で、管理限界を超えた時点で即異常値と判断できます。
しかし、そのようなわかりきった内容で管理図を眺めると肝心な内容を見落としてしまう。
２σ線(X管理図の場合にはUCLとLCLの間を6分割して、下から 3σ, 2σ, 1σ, CL, 1σ, 2σ, 3σ線)内(上下2σ線の間)に全データ数の95%が入っているか、１σ線内に66%が入っているか、上下が対象か、に注意してください。
２σ線と３σ線の間に集まっていて、１σ線内の数が少ない場合には、2つの群に分けなければならない測定値をひとまとめにして測定していることがわかります。上下が対照でなく特定の範囲に固まって存在する場合にも同様なことがいえます。
高濃度な空気と低濃度な空気が混在していて、変な偏りがあり、微量な分析には適さないのです。

14 ：

> library(qcc)
x <- c(33, 29, 36, 53, 39, 39, 37, 37, 34, 40, 42, 34, 24, 41, 44, 30, 44, 41, 28, 29, 32, 33, 31, 33, 42, 45,
40, 38, 36, 37, 53, 96, 37, 34, 39, 40, 41, 48, 33, 37, 34, 38, 32, 39, 36, 32, 22, 41, 54, 35, 39, 35, 35, 38,
49, 37, 31, 28, 25, 33, 41, 32, 47, 33, 35, 34, 23, 27, 38, 41, 36, 33, 29, 32, 21, 28, 38, 30, 37, 28, 36, 32,
35, 29, 32, 44, 33, 37, 34, 31, 39, 31, 50, 37, 30, 39, 43, 30, 40, 30, 36, 37, 32, 38, 31, 37, 38, 39, 37, 33,
39, 39, 40, 31, 31, 37, 37, 26, 34, 36, 36, 34, 40, 31, 38, 33, 44, 41, 37, 26, 36, 41, 32, 33, 27, 34, 39, 41,
36, 28, 18, 35, 35, 40, 33, 32, 23, 28, 40, 30, 34, 45, 43, 31, 41, 53, 26, 34, 35, 39, 32, 33, 33, 36, 44, 28,
48, 40, 29, 34, 41, 35, 23, 40, 33, 32, 36, 31, 35, 29, 40, 36, 38, 44, 36, 24, 36, 33, 35, 32, 38, 43, 28, 24,
31, 27, 24, 41, 24, 35, 43, 47, 41, 41, 28, 28, 37, 50, 38, 35, 26, 32, 30, 35, 35, 35, 32, 24, 37, 32, 37, 41,
41, 37, 33, 35, 36, 41, 34, 29, 35, 29, 37, 42, 29, 33, 17, 31, 28, 32, 32, 28, 49, 34, 30, 37, 40, 47, 37, 28,
38, 23, 43, 38, 26, 29, 33, 36, 25, 36, 33, 39, 31, 37, 36, 30, 31, 27, 31, 30, 43, 40, 28, 34, 35, 39, 42, 39,
36, 42, 43, 31, 28, 38, 37, 35, 33, 39, 34, 40, 34, 38, 30, 30, 36, 38, 43, 36, 38, 37, 26, 34, 31, 34, 36, 43,
40, 40, 38, 26, 27, 26, 39, 30, 26, 32, 30, 36, 36, 45, 39, 41, 44, 33, 42, 47, 37, 49, 38, 37, 39, 31, 27, 36,
40, 25, 34, 31, 28, 36, 38, 39, 51, 34, 23, 44, 39, 39, 41, 44, 32, 42, 36, 31, 37, 37, 26, 35, 47, 33, 31, 32,
37, 42, 43, 65, 45, 35, 44, 32, 35, 50, 39, 22, 28, 42, 31, 27, 27, 37, 29, 33, 37, 27, 36, 39, 30, 30, 30, 36,
42, 17, 35, 40, 53, 30, 44, 47, 37, 52, 38, 32, 42, 25, 41, 41, 30, 38, 34, 41, 34, 38, 31, 29, 38, 28, 22, 34,
26, 26, 39, 33, 28, 38, 23, 39, 40, 40, 28, 41, 43, 35, 32, 29, 29, 32, 28, 43, 37, 24, 30, 53, 24, 33, 42, 32,
29, 40, 31, 36, 36, 36, 39, 43, 34, 41, 40, 40, 25, 48, 36, 38, 33, 49, 39, 44, 30, 41, 33, 24, 32, 37, 38, 36,
29, 35, 41, 26, 42, 33, 47, 40, 42, 31, 30, 25, 36, 32, 32, 42, 43, 41, 41, 40, 28, 37, 46, 32, 38, 38, 44, 32,
33, 37, 37, 36, 26, 39, 29, 45, 28, 19, 35, 34, 34, 36, 29, 37, 32, 45, 36, 31, 25, 27, 34, 29, 33, 28, 33, 30,
34, 40, 29, 34, 28, 38, 37, 33, 42, 36, 38, 34, 31, 29, 45, 54, 33, 33, 42, 38, 26, 36, 24, 22, 30, 56, 31, 30,
29, 24, 35, 37, 33, 24, 37, 26, 25, 27, 43, 35, 46, 40, 33, 31, 41, 32, 44, 28, 40, 33, 35, 38, 33, 36, 38, 40,
40, 42, 32, 31, 47, 37, 36, 38, 37, 37, 31, 28, 37, 31, 40, 30, 36, 34, 36, 32, 39, 35, 20, 32, 38, 38, 28, 40,
29, 31, 41, 37, 41, 39, 29, 32, 38, 35, 33, 39, 26, 37, 27, 26, 31, 31, 46, 36, 39, 32, 25, 28, 38, 30, 32, 44,
32, 36, 39, 33, 49, 43, 38, 41, 30, 42, 41, 39, 35, 39, 33, 36, 36, 42, 32, 25, 33, 35, 34, 44, 41, 37, 39, 36,
30, 38, 34, 33, 34, 40, 28, 34, 48, 30, 40, 40, 27, 37, 33, 42, 40, 35, 37, 28, 26, 27, 35, 27, 44, 37, 34, 37,
41, 37, 33, 33, 36, 34, 41, 37, 37, 52, 31, 39, 46, 40, 27, 24, 33, 37, 29, 40, 46, 40, 19, 37, 21, 27, 28, 28,
34, 35, 41, 38, 30, 32, 36, 42, 56, 30, 24, 42, 36, 37, 46, 36, 41, 35, 48, 33, 45, 34, 37, 25, 29, 43, 34, 34,
29, 28, 26, 31, 37, 38, 40, 38, 40, 45, 34, 41, 24, 37, 29, 42, 23, 30, 43, 34, 38, 32, 36, 28, 32, 37, 37, 37,
29, 34, 38, 33, 39, 35, 31, 52, 48, 34, 43, 43, 39, 32, 40, 30, 56, 87)

15 ：

weight <- matrix(x,nrow=160)
sample <- rep(1:160, each=5)
d <- qcc.groups(weight, sample)
colnames(d) <- c("1st","2nd", "3th", "4th", "5th")
> qcc(data=d, type="xbar.one")
Call:
qcc(data = d, type = "xbar.one")
xbar.one chart for d
Summary of group statistics:
Min. 1st Qu. Median Mean 3rd Qu. Max.
17.00 31.00 36.00 35.47 39.00 96.00
Group sample size: 5
Number of groups: 800
Center of group statistics: 35.47125
Standard deviation: 6.584028
Control limits:
LCL UCL
15.71917 55.22333
>
334 CPM が 1 uSv/hですので、測定値(単位CPM)からuSV/hへの換算はできるでしょう。

16 ：

>>15
たぶんほとんどの人が意味がわからないと思います。
１．測定対象
２．測定結果
３.補足コメント
４.　データ貼り付け
のようにしたほうがわかりやすいと思います。

17 ：

>>16
１．測定対象
バソコンを置いてある部屋の大気(2012.03.26日夕方から翌日にかけて)を測定したもの。単位CPM。インスペクターは 334 CPM が 1 uSv/h なので、シーベルト単位の値が必要な方は換算してください。
測定場所は栃木県内のどこか。官公庁の発表は 0.05-0.12 uSV/h 程度、インスペクターのユーザーが極端に少ないのでこれ以上の情報はご勘弁ください。
２．測定結果
>>14
３.補足コメント
問題なのが、５箇所ぐらい、１σ内に５点ぐらい連続して集まっている場所があります。
これは、おそらく、何かしらかの原因で外気が室内に入って、線量が下がったものと思われます。
何点が上側管理限界を超えている点がありますが、これは猫の騒音でしょう。
一般に、上下３σ内から外れる確率は 約2/1000で、管理限界を超えた時点で即異常値と判断できます。
しかし、そのようなわかりきった内容で管理図を眺めると肝心な内容を見落としてしまう。
２σ線(X管理図の場合にはUCLとLCLの間を6分割して、下から 3σ, 2σ, 1σ, CL, 1σ, 2σ, 3σ線)内(上下2σ線の間)に全データ数の95%が入っているか、
１σ線内に66%が入っているか、上下が対象か、に注意してください。
２σ線と３σ線の間に集まっていて、１σ線内の数が少ない場合には、2つの群に分けなければならない測定値をひとまとめにして測定していることがわかります。
上下が対照でなく特定の範囲に固まって存在する場合にも同様なことがいえます。
高濃度な空気と低濃度な空気が混在していて、変な偏りがあり、微量な分析には適さないのです。
　日本国内で使われている「Ｘ管理図」と呼ばれている物は３種類あります。そのうちのひとつが qcc で描かれる管理図で、連続する何個か(ここでは５個を使用)をひとつの群(group)として取り扱い、
合計800個のデータを、160群に分けて使用し、中心線(CL)・管理限界(UCL, LCL)を計算する方法のようです。
計算結果を見ると、CL=35.47125, UCL=55.22933, LCL=15.71917 です。σ=6.584028 という計算結果がありますので、これを使うと、
１σ線が 35.47125+6.584028 = 42.055278 と 35.47125-6.584028 = 28.887222 の２本になります。同様に２σ線が 35.47125+6.584028*2 = 48.639306 と 35.47125-6.584028*2 = 22.303194 に、
３σ線は既にある UCL, LCLと同じ 55.22933 と 15.71917 になります。
４.　データ貼り付け
> library(qcc)
>x <- c(33, (中略) , 56, 87) # >>14 生データ。
>weight <- matrix(x,nrow=160)
>sample <- rep(1:160, each=5)
>d <- qcc.groups(weight, sample)
>colnames(d) <- c("1st","2nd", "3th", "4th", "5th")
> qcc(data=d, type="xbar.one")
Call:
qcc(data = d, type = "xbar.one")
xbar.one chart for d
Summary of group statistics:
Min. 1st Qu. Median Mean 3rd Qu. Max.
17.00 31.00 36.00 35.47 39.00 96.00
Group sample size: 5
Number of groups: 800
Center of group statistics: 35.47125
Standard deviation: 6.584028
Control limits:
LCL UCL
15.71917 55.22333
>

18 ：

１．測定対象
2012.04.08 採取, 裏の畑ふきのとう, 40度１日乾燥 (11*9*2cm) 19g の測定値。
２．測定結果
まずは生データ。
1. n=31 BG
x <- c(42, 42, 26, 41, 36, 28, 51, 45, 42, 46, 42, 41, 40, 44, 30, 29, 41, 38, 39, 44, 34, 38, 35, 40, 52, 35, 43, 26, 34, 45, 47)
> mean(x) [1] 39.22581
> var(x) [1] 44.84731
2. n=32 試料
x <- c(65, 65, 70, 77, 67, 51, 68, 62, 72, 57, 58, 74, 76, 71, 71, 67, 70, 85, 50, 64, 89, 56, 57, 84, 68, 64, 55, 61, 69, 66, 63, 62)
> mean(x) [1] 66.6875
> var(x) [1] 84.67339
3. n=34 BG
x <- c(39, 49, 45, 32, 35, 39, 35, 33, 37, 40, 45, 35, 42, 33, 38, 32, 36, 35, 38, 34, 36, 30, 47, 35, 33, 34, 33, 39, 42, 25, 41, 31, 38, 31)
> mean(x) [1] 36.67647
> var(x) [1] 26.58913
4. n=33 試料
x <- c(63, 61, 70, 68, 76, 86, 66, 67, 66, 59, 86, 80, 61, 68, 65, 55, 84, 64, 65, 64, 62, 75, 62, 63, 66, 65, 79, 55, 66, 63, 61, 59, 63)
> mean(x) [1] 67.0606
> var(x) [1] 67.24621
5. n=33 BG
x <- c(40, 37, 37, 48, 42, 48, 39, 44, 37, 33, 45, 46, 31, 30, 25, 31, 36, 33, 39, 36, 45, 39, 40, 40, 40, 47, 42, 31, 48, 46, 55, 35, 42)
> mean(x) [1] 39.60606
> var(x) [1] 42.62121

19 ：

４.　データ貼り付け
全体の分析
x <- c(42, 42, 26, 41, 36, 28, 51, 45, 42, 46, 42, 41, 40, 44, 30, 29, 41, 38, 39, 44, 34, 38, 35, 40, 52, 35, 43, 26, 34, 45, 47 ,
65, 65, 70, 77, 67, 51, 68, 62, 72, 57, 58, 74, 76, 71, 71, 67, 70, 85, 50, 64, 89, 56, 57, 84, 68, 64, 55, 61, 69, 66, 63, 62 ,
39, 49, 45, 32, 35, 39, 35, 33, 37, 40, 45, 35, 42, 33, 38, 32, 36, 35, 38, 34, 36, 30, 47, 35, 33, 34, 33, 39, 42, 25, 41, 31, 38, 31 ,
63, 61, 70, 68, 76, 86, 66, 67, 66, 59, 86, 80, 61, 68, 65, 55, 84, 64, 65, 64, 62, 75, 62, 63, 66, 65, 79, 55, 66, 63, 61, 59, 63 ,
40, 37, 37, 48, 42, 48, 39, 44, 37, 33, 45, 46, 31, 30, 25, 31, 36, 33, 39, 36, 45, 39, 40, 40, 40, 47, 42, 31, 48, 46, 55, 35, 42)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 , 4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x)
[1] 49.79755
> var(x)
[1] 247.36
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 149.7578, 第1自由度 = 4, 第2自由度 = 158, P値 < 2.2e-16
有意差あり、群による差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 12.2524, 自由度 = 4, P値 = 0.01557
有意差あり。先の分散分析が無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 134.2289, 第1自由度 = 4.000, 第2自由度 = 77.717, P値 < 2.2e-16
有意差あり、群による差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 6 3.680982 3.680982
30 20 12.269939 15.950920
35 29 17.791411 33.742331
40 24 14.723926 48.466258
45 16 9.815951 58.282209
50 4 2.453988 60.736196
55 10 6.134969 66.871166
60 17 10.429448 77.300613
65 18 11.042945 88.343558
70 7 4.294479 92.638037
75 5 3.067485 95.705521
80 3 1.840491 97.546012
85 4 2.453988 100.000000
>

20 ：

試料とバックグラウンドの比較。
x <- c(42, 42, 26, 41, 36, 28, 51, 45, 42, 46, 42, 41, 40, 44, 30, 29, 41, 38, 39, 44, 34, 38, 35, 40, 52, 35, 43, 26, 34, 45, 47 ,
65, 65, 70, 77, 67, 51, 68, 62, 72, 57, 58, 74, 76, 71, 71, 67, 70, 85, 50, 64, 89, 56, 57, 84, 68, 64, 55, 61, 69, 66, 63, 62 ,
39, 49, 45, 32, 35, 39, 35, 33, 37, 40, 45, 35, 42, 33, 38, 32, 36, 35, 38, 34, 36, 30, 47, 35, 33, 34, 33, 39, 42, 25, 41, 31, 38, 31 ,
63, 61, 70, 68, 76, 86, 66, 67, 66, 59, 86, 80, 61, 68, 65, 55, 84, 64, 65, 64, 62, 75, 62, 63, 66, 65, 79, 55, 66, 63, 61, 59, 63 ,
40, 37, 37, 48, 42, 48, 39, 44, 37, 33, 45, 46, 31, 30, 25, 31, 36, 33, 39, 36, 45, 39, 40, 40, 40, 47, 42, 31, 48, 46, 55, 35, 42)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 594.8668, 第1自由度 = 1, 第2自由度 = 161, P値 < 2.2e-16
有意差あり、試料とバックグラウンドによる差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 8.4869, 自由度 = 1, P値 = 0.003577
有意差あり。先の分散分析が無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 522.673, 第1自由度 = 1.00, 第2自由度 = 107.23, P値 < 2.2e-16
有意差あり、試料とバックグラウンドによる差異がある。
>

21 ：

繰り返しによる差異
1. BG
x <- c(42, 42, 26, 41, 36, 28, 51, 45, 42, 46, 42, 41, 40, 44, 30, 29, 41, 38, 39, 44, 34, 38, 35, 40, 52, 35, 43, 26, 34, 45, 47 ,
39, 49, 45, 32, 35, 39, 35, 33, 37, 40, 45, 35, 42, 33, 38, 32, 36, 35, 38, 34, 36, 30, 47, 35, 33, 34, 33, 39, 42, 25, 41, 31, 38, 31 ,
40, 37, 37, 48, 42, 48, 39, 44, 37, 33, 45, 46, 31, 30, 25, 31, 36, 33, 39, 36, 45, 39, 40, 40, 40, 47, 42, 31, 48, 46, 55, 35, 42)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 38.46939
> var(x)
[1] 38.72586
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 2.247, 第1自由度 = 2, 第2自由度 = 95, P値 = 0.1113
有意差あり、繰り返しによる差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 2.4918, 自由度 = 2, P値 = 0.2877
有意差あり。先の分散分析が無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 2.581, 第1自由度 = 2.000, 第2自由度 = 61.442, P値 = 0.08389
有意差あり、繰り返しによる差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 6 6.122449 6.122449
30 20 20.408163 26.530612
35 29 29.591837 56.122449
40 24 24.489796 80.612245
45 16 16.326531 96.938776
50 2 2.040816 98.979592
55 1 1.020408 100.000000
>

22 ：

2. 試料
x <- c(65, 65, 70, 77, 67, 51, 68, 62, 72, 57, 58, 74, 76, 71, 71, 67, 70, 85, 50, 64, 89, 56, 57, 84, 68, 64, 55, 61, 69, 66, 63, 62 ,
63, 61, 70, 68, 76, 86, 66, 67, 66, 59, 86, 80, 61, 68, 65, 55, 84, 64, 65, 64, 62, 75, 62, 63, 66, 65, 79, 55, 66, 63, 61, 59, 63)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 66.87692
> var(x)
[1] 74.67212
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.0298, 第1自由度 = 1, 第2自由度 = 63, P値 = 0.8634
有意差無し。繰り返しによる差異は不明。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 0.4111, 自由度 = 1, P値 = 0.5214
有意差無し。先の分散分析は有効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.0297, 第1自由度 = 1.000, 第2自由度 = 61.689, P値 = 0.8637
有意差無し。繰り返しによる差異は不明。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
50 2 3.076923 3.076923
55 9 13.846154 16.923077
60 17 26.153846 43.076923
65 18 27.692308 70.769231
70 7 10.769231 81.538462
75 5 7.692308 89.230769
80 3 4.615385 93.846154
85 4 6.153846 100.000000
>

23 ：

バックグラウンドと試料の比較
1. BG
gr1 <- c(42, 42, 26, 41, 36, 28, 51, 45, 42, 46, 42, 41, 40, 44, 30, 29, 41, 38, 39, 44, 34, 38, 35, 40, 52, 35, 43, 26, 34, 45, 47 ,
39, 49, 45, 32, 35, 39, 35, 33, 37, 40, 45, 35, 42, 33, 38, 32, 36, 35, 38, 34, 36, 30, 47, 35, 33, 34, 33, 39, 42, 25, 41, 31, 38, 31 ,
40, 37, 37, 48, 42, 48, 39, 44, 37, 33, 45, 46, 31, 30, 25, 31, 36, 33, 39, 36, 45, 39, 40, 40, 40, 47, 42, 31, 48, 46, 55, 35, 42)
> mean(x)
[1] 38.46939
> var(x)
[1] 38.72586
gr2 <- c(65, 65, 70, 77, 67, 51, 68, 62, 72, 57, 58, 74, 76, 71, 71, 67, 70, 85, 50, 64, 89, 56, 57, 84, 68, 64, 55, 61, 69, 66, 63, 62 ,
63, 61, 70, 68, 76, 86, 66, 67, 66, 59, 86, 80, 61, 68, 65, 55, 84, 64, 65, 64, 62, 75, 62, 63, 66, 65, 79, 55, 66, 63, 61, 59, 63)
> mean(x)
[1] 66.87692
> var(x)
[1] 74.67212
t.test(gr1, gr2, v=T)
t.test(gr1, gr2)
var.test(gr1, gr2)
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = -24.3899, 自由度 = 161, P値 < 2.2e-16
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -30.70765 -26.10743
標本推定値:
平均値x 平均値y
38.46939 66.87692
有意。平均値に差がある。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -22.862, 自由度 = 107.23, P値 < 2.2e-16
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -30.87071 -25.94436
標本推定値:
平均値x 平均値y
38.46939 66.87692
有意。平均値に差がある。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.5186, 第1自由度 = 97, 第2自由度 = 64, P値 = 0.003399
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.3273010 0.8046984
標本推定値:
分散比
0.518612
有意差あり。分散は等しくない。平均値の差の検定は（Welchの方法）を使用する。
>

24 ：

３.補足コメント
本来は、重み付演算を使うのですが、面倒なので普通の算術演算で
BG: 38.46939, 試料: 66.87692 CPM
よって、66.87692 - 38.46939 = 28.40753
本来の統計処理だと、試料のデータ数が100個以下の65個だから有効桁が１つ増えて、小数点以下第一位まで求める。
BGも100個以下の98だから有効桁が1つ増えて、小数点以下第１位まで求めて丸める。
BG: 38.5, 試料: 66.9 CPM
66.9-38.5=28.4
インスペクターによるやさしおの測定では、1.819個 / (分・100mg)なので、インスペクターの計数値からの換算計数は 0.47 Bq/CPM となる。
よって、測定した試料の線量は
28.4 * 0.47 = 13.3 Bq
となる。
試料の寸法は、 縦: 11cm, 横: 9cm, 高さ: 2cm で、風袋を温めた重さが 19g (ここではポリ袋の重さを0とする)より、比重は約 0.096 g/cm3 である。
単位面積あたりの試料の重さが 1g以下なので、試料によるβ線の吸収を0とする。
測定範囲が底面の半径 7.4cm、高さ2cm、上面の半径を4.1cm とする円錐台と考えれば、試料全体がほぼ測定可能範囲内にはいるので、19g全量を計ったとする。
よって、
13.3 * 1000 / 19 = 700
より、700Bq/kgとなる。
ふきの水分量が 96%(http://food.longseller.org/g13/i12111a.html)なので、ふきのとうの水分量を同量とすると、700 * (100-96.1) / 96.1 = 28.4 より
栃木産ふきのとう(自家栽培)の線量は 28 Bq/kg となる。
インスペクターはβ線測定を特長とする測定器ですから、γ線を測定を基準としている正確な測定とは異なります。

25 ：

2022.13.25 マイクの集音能力の測定。
2-3分に１回の３連音を受信できず
猫等の生活音を受信する
パソコン値, インスペクター値, 差,備考
08:10 317, 276, 41
08:20 620, 584, 36
08:31 1044, 1010, 34
08:40 1289, 1260, 29
08:50 1644, 1613, 31, 猫音
09:00 2037, 2006, 31
これは、マイクロホンで音を拾って計数するというソフトの性能試験結果です。

26 ：

１．測定対象
乾燥わかめ　１５０ｇ　中国産　直付け　ビニル袋で保護
２．測定結果
5分間バックグラウンド　198
5分間乾燥わかめ　251
３.補足コメント
バックグラウンドとの差があった。
カリウムを検出したと思う。三陸産わかめがあれば測ってみて比較したい。

27 ：

>>24
ベクレルまでわかるんですか。
カルシウムの多い東日本の食品にはストロンチウムが入っているように思います。
干しえびや魚肉ソーセージや煮干しなど。
海に流出した原発の汚染水に含まれている放射性物質がわかればいいですが。
プルトニウムは豆類に蓄積するようです。

28 ：

>>26はインスペクター＋のトータルタイマーでの5分間のカウント数です。

29 ：

インスペクター＋　トータルタイマーモード　5分間カウント数
１．測定対象
丸大食品（大阪）　フィッシュソーセージ７０ｇ　購入時の袋のまま直付け　ビニル袋で保護
２．測定結果　5分間を2回測定
バックグラウンド　195、198
フィッシュソーセージ　201、198
３.補足コメント
数値に差がないようだ。次回はフィッシュソーセージを袋から出して測りたい。

30 ：

インスペクター＋　トータルタイマーモード　5分間カウント数
１．測定対象
（株）ヒガシマル（鹿児島）　そうめん７００ｇ　袋のまま直付け　ビニル袋で保護
２．測定結果　5分間を2回測定
バックグラウンド　195、198
そうめん　219、208
３.補足コメント
数値に差があるが誤差の範囲か。 原材料は小麦粉と食塩のみ

31 ：

インスペクター＋　トータルタイマーモード　5分間カウント数
１．測定対象
（株）ミタカ（熊本）　佐賀県産大麦　麦茶ティーバッグ400ｇ　袋のまま直付け　ビニル袋で保護
２．測定結果　5分間
バックグラウンド　195、198
麦茶　　　230

32 ：

インスペクター＋　トータルタイマーモード　5分間カウント数
１．測定対象
二豊フーズ（株）（大分県）納豆40ｇ　直付け　ビニル袋で保護
２．測定結果　5分間
バックグラウンド　195、198
納豆　　　229

33 ：

>>12
http://uni.2ch.net/test/read.cgi/radiation/1331598144/357-359
＞GJ!
＞やっとこのスレもスッキリしたね！
ってあるから、エーヨッ(共通語訳　いいとも)。
>>27
まず、単位の定義を読んでくれ。
http://ja.wikipedia.org/wiki/%E3%82%B7%E3%83%BC%E3%83%99%E3%83%AB%E3%83%88
http://ja.wikipedia.org/wiki/%E3%82%B0%E3%83%AC%E3%82%A4_%28%E5%8D%98%E4%BD%8D%29
http://ja.wikipedia.org/wiki/%E3%83%99%E3%82%AF%E3%83%AC%E3%83%AB
ンデ、測定器のほうで何をやっているのかッテート、
何分間又は何秒間又は何時間か、放射線の数(ガイガーのカリカリ音)を数えて
適切な演算をして、表示しているだけ。
つまり、検出器とカリカリ音を数えることができれば、
空中線量も、表面線量も、物質中の放射線量も数えられるわけ。
だから(精度は別にして)カウンターがついている放射線量計ならば測れることになります。
実際にどういう値になるかは、測定者の力量次第。
ここはにちゃんねるだから、嘘を嘘だとわかる人が利用しているわけで、嘘を見抜けないならば利用するな。
＞プルトニウムは豆類に蓄積するようです。
そうなんだよな。
除去方法がわかれば、大豆でもインゲンでも小豆でもをいくらでも作付けするんだが
わかんないんで、作付けできないでいる。

34 ：

福島、宮城、茨城が３大汚染地域です。
この地域の大豆や小豆などの豆類からプルトニウムが検出できるかもしれません。
汚染水にも含まれているので海藻や海底魚からも検出されそうです。
プルトニウムを検出する場合は、マイカ窓と対象物の間にビニルなど何もあってはいけません。
マイカ窓を３センチ程度まで近づけた数値と、間に紙一枚挟んだ数値に差があればプルトニウムです。
福島の自動車フィルターからはすでにプルトニウムが検出されています。
http://www.youtube.com/watch?v=NBAM8w3gVZY

35 ：

納豆菌はほとんどが東日本産。
納豆菌は放射性物質で汚染するのであろうか？
九州で作った外国産大豆納豆はどこの納豆菌を使用しているか不明。
東京都、山形県、宮城県のメーカーが国内３大メーカー。
http://www.nattou.com/topics/kin.html

36 ：

>>35
たしか、1gで100kgだったかな、使用量が。
だから、菌体が汚染されていたとしても薄まってしまうので、気にする必要なし。
>>34
α線放出核種は、重大な吸入障害を起こすので、呼吸器の防護を必要とする
放射線緊急事態時の評価および対応のための一般的手順
現場監督者の対応　手順書 Ci 2/4ページ内コラム(アクロバットではp40)より。
http://www.nirs.go.jp/hibaku/kenkyu/te_1162_jp.pdf
より。
口をあけて寝ていると、口内から出血をしたりしていますから、ある程度のα線核種が存在します。
また、集落内在住老人が「こんな刺すような鋭い痛みは経験していない」ということから、
2011年6月頃にストロンチウムよりも強いβ線を出す核種、おそらく、ネプツニウムが存在していたと思われます。
つまり、プルトニウムがそれなりの分量で家屋内に存在することが予想されます。
α線核種の場合には、ちょっとした薄膜程度で遮蔽されますので、どうしても、灰化しないと測定できません。
現時点では、ドラフトの入手ができず灰化はできません。
http://www.n-hakko.com/bunnseki-houhou.html 灰化
http://ci.nii.ac.jp/naid/110002908385 高温灰化による消失
http://www.jrias.or.jp/index.cfm/6,203,pdf 低温灰化による消失
乾燥の場合にも、核種の希散と思われる現象が観察されています。机を改造した乾燥機を使用していますが
しいたけの乾燥中に、室内の線量が 0.05-0.12(最頻値 0.08) → 0.05-0.15(最頻値 0.12)と上昇しました。

37 ：

家庭内騒音による誤差。
測定値は以下のとおり。
x <- c( 0, 0, 2, 3, 2, 7, 3, 6, 7, 9, 7, 11, 7, 10, 15, 7, 9, 6, 9, 11, 12, 7, 8, 8, 13, 7, 9, 9, 15, 12, 20, 16, 17, 19, 14, 9, 12, 17, 26, 13, 16, 17, 11, 16, 19)
戸の開け閉め(2-9と10-15)、咳(26)、その他、思いつく限りの音を出しています。
１分間に１回、で画面を見ながら繰り返しを取っています。

38 ：

インスペクター＋　トータルタイマーモード　5分間カウント数
１．測定対象
長崎県産　小魚（きびなご）１００ｇ　直付け　ビニル袋で保護
２．測定結果　5分間
バックグラウンド　195、198
きびなご　　　210

39 ：

１．測定対象
「JヌードルコーポレーションBK こだわりの熟成　2014.01 B3941204」の測定。20g
１回目の「茹で」は、説明書どおり。水200ccに麺20gをいれて茹でたもの
２回目の「茹で」は、沸騰した200ccのお湯に、茹であがった麺をいれて放置。
１５分後麺が透き通ってきたら加熱を止めて、「茹であがった」として説明書3の通りにした。
「茹であがった麺」は、合金標準バット６号( http://taniguchi-metal.com/lineup_4009.html )に標準バット用金網を入れて、
キッyーパー( http://item.rakuten.co.jp/kenkocom/k216340h/ )１組をすいた上に広げた。
キッyーパーを丸めて先端を金網とバットの隙間に押し込んで、机を改造した乾燥機(40度)に４日間放置した。
乾燥後、麺は外側のキッyーパーを捨て内側のキッyーパーごと、
ユニパック F-4( http://www.seinichi.co.jp/product/standard.html#01 )に入れて測定試料とした。
「袋」はF-4にキッyーパー１枚を入れたもの。「未茹で」は、麺20gを6cm-10cm程度に折り、キッyーパー１枚で包んだもの。
いずれも、直径10cm以内に入る大きさに折りたたんで、机の上に置き、上空3cmにインスペクターを置いて、３０分程度測定。音をパソコンで集計したもの。

40 ：

２．測定結果
まずは生データ。
1. n=30 BG
x <- c(26, 46, 30, 40, 47, 41, 32, 42, 30, 40, 44, 39, 42, 51, 44, 38, 38, 34, 48, 54, 44, 34, 31, 29, 45, 36, 53, 31, 41, 38)
> mean(x)
[1] 39.6
> var(x)
[1] 53.69655
>
2. n=31 袋
x <- c(34, 42, 40, 35, 38, 39, 29, 54, 39, 40, 35, 50, 35, 35, 40, 41, 33, 38, 33, 36, 47, 40, 33, 38, 48, 40, 42, 33, 25, 29, 39)
> mean(x)
[1] 38.06452
> var(x)
[1] 37.72903
>
3. n=35 未茹で
x <- c(43, 51, 38, 37, 45, 38, 41, 42, 35, 35, 37, 45, 39, 37, 41, 43, 46, 38, 49, 33, 35, 35, 43, 49, 50, 33, 43, 45, 48, 50, 39, 21, 41, 41, 46)
> mean(x)
[1] 40.91429
> var(x)
[1] 38.49244
>
4. n=30 茹で１回
x <- c(37, 38, 40, 51, 37, 38, 54, 36, 25, 36, 38, 45, 53, 32, 42, 50, 37, 36, 46, 60, 34, 50, 48, 34, 30, 37, 34, 31, 34, 39)
> mean(x)
[1] 40.06667
> var(x)
[1] 66.4092
>
5. n=32 茹で２回
x <- c(37, 31, 37, 47, 38, 39, 42, 38, 40, 33, 41, 42, 35, 36, 43, 33, 42, 49, 41, 38, 39, 36, 48, 39, 33, 35, 32, 25, 35, 38, 32, 45)
> mean(x)
[1] 38.09375
> var(x)
[1] 27.44254
>
6. n=31 BG
x <- c(37, 32, 46, 42, 33, 40, 38, 41, 35, 39, 34, 31, 43, 37, 43, 42, 48, 43, 26, 36, 29, 45, 32, 36, 43, 35, 50, 44, 44, 41, 47)
> mean(x)
[1] 39.09677
> var(x)
[1] 34.75699
>

41 ：

7. n=35 袋
x <- c(50, 27, 34, 42, 45, 38, 37, 39, 26, 51, 27, 37, 40, 40, 30, 43, 30, 47, 35, 34, 54, 38, 36, 41, 38, 26, 40, 32, 37, 32, 40, 40, 50, 37, 37)
> mean(x)
[1] 38
> var(x)
[1] 49.82353
>
8. n=31 茹で１回
x <- c(39, 27, 37, 44, 49, 49, 38, 48, 56, 35, 42, 41, 38, 34, 40, 27, 36, 40, 31, 38, 40, 29, 37, 37, 37, 43, 34, 39, 41, 41, 37)
> mean(x)
[1] 38.83871
> var(x)
[1] 39.47312
>
9. n=31 未茹で
x <- c(46, 40, 38, 33, 55, 44, 53, 39, 47, 41, 39, 31, 47, 44, 36, 38, 47, 33, 34, 36, 39, 44, 40, 55, 34, 36, 40, 31, 50, 53, 50)
> mean(x)
[1] 41.70968
> var(x)
[1] 50.67957
>
10. n=30 茹で２回
x <- c(37, 44, 49, 30, 37, 35, 41, 44, 32, 36, 29, 33, 45, 43, 33, 33, 46, 43, 48, 39, 31, 36, 41, 40, 32, 34, 43, 38, 39, 44)
> mean(x)
[1] 38.5
> var(x)
[1] 31.36207
>
11. n=30 BG
x <- c(38, 40, 40, 41, 37, 41, 47, 33, 33, 42, 37, 45, 32, 38, 35, 46, 36, 38, 36, 44, 26, 40, 42, 53, 41, 44, 37, 32, 40, 35)
> mean(x)
[1] 38.96667
> var(x)
[1] 28.72299
>
12. n=31 袋
x <- c(39, 32, 42, 41, 38, 46, 28, 37, 46, 35, 34, 40, 35, 41, 42, 43, 41, 31, 47, 46, 31, 42, 27, 51, 37, 41, 41, 34, 29, 37, 45)
> mean(x)
[1] 38.67742
> var(x)
[1] 36.29247
>

42 ：

４.　データ貼り付け
全体の分析
x <- c(26, 46, 30, 40, 47, 41, 32, 42, 30, 40, 44, 39, 42, 51, 44, 38, 38, 34, 48, 54, 44, 34, 31, 29, 45, 36, 53, 31, 41, 38 ,
34, 42, 40, 35, 38, 39, 29, 54, 39, 40, 35, 50, 35, 35, 40, 41, 33, 38, 33, 36, 47, 40, 33, 38, 48, 40, 42, 33, 25, 29, 39 ,
43, 51, 38, 37, 45, 38, 41, 42, 35, 35, 37, 45, 39, 37, 41, 43, 46, 38, 49, 33, 35, 35, 43, 49, 50, 33, 43, 45, 48, 50, 39, 21, 41, 41, 46 ,
37, 38, 40, 51, 37, 38, 54, 36, 25, 36, 38, 45, 53, 32, 42, 50, 37, 36, 46, 60, 34, 50, 48, 34, 30, 37, 34, 31, 34, 39 ,
37, 31, 37, 47, 38, 39, 42, 38, 40, 33, 41, 42, 35, 36, 43, 33, 42, 49, 41, 38, 39, 36, 48, 39, 33, 35, 32, 25, 35, 38, 32, 45 ,
37, 32, 46, 42, 33, 40, 38, 41, 35, 39, 34, 31, 43, 37, 43, 42, 48, 43, 26, 36, 29, 45, 32, 36, 43, 35, 50, 44, 44, 41, 47 ,
50, 27, 34, 42, 45, 38, 37, 39, 26, 51, 27, 37, 40, 40, 30, 43, 30, 47, 35, 34, 54, 38, 36, 41, 38, 26, 40, 32, 37, 32, 40, 40, 50, 37, 37 ,
39, 27, 37, 44, 49, 49, 38, 48, 56, 35, 42, 41, 38, 34, 40, 27, 36, 40, 31, 38, 40, 29, 37, 37, 37, 43, 34, 39, 41, 41, 37 ,
46, 40, 38, 33, 55, 44, 53, 39, 47, 41, 39, 31, 47, 44, 36, 38, 47, 33, 34, 36, 39, 44, 40, 55, 34, 36, 40, 31, 50, 53, 50 ,
37, 44, 49, 30, 37, 35, 41, 44, 32, 36, 29, 33, 45, 43, 33, 33, 46, 43, 48, 39, 31, 36, 41, 40, 32, 34, 43, 38, 39, 44 ,
38, 40, 40, 41, 37, 41, 47, 33, 33, 42, 37, 45, 32, 38, 35, 46, 36, 38, 36, 44, 26, 40, 42, 53, 41, 44, 37, 32, 40, 35 ,
39, 32, 42, 41, 38, 46, 28, 37, 46, 35, 34, 40, 35, 41, 42, 43, 41, 31, 47, 46, 31, 42, 27, 51, 37, 41, 41, 34, 29, 37, 45)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 , 4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5 , 6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6 ,
7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7 , 8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8 ,
9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9 , 10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10 ,
11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11 ,
12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12)
> mean(x)
[1] 39.2122
> var(x)
[1] 41.30591
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 1.0675, 第1自由度 = 11, 第2自由度 = 365, P値 = 0.3866
有意差あり。群による差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 11.9859, 自由度 = 11, P値 = 0.3647
有意。先の分散分析が無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.9729, 第1自由度 = 11.000, 第2自由度 = 143.248, P値 = 0.4738
有意差あり。群による差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 0.265252 0.265252
25 21 5.570292 5.835544
30 64 16.976127 22.811671
35 117 31.034483 53.846154
40 100 26.525199 80.371353
45 46 12.201592 92.572944
50 24 6.366048 98.938992
55 3 0.795756 99.734748
60 1 0.265252 100.000000
>

43 ：

x <- c(26, 46, 30, 40, 47, 41, 32, 42, 30, 40, 44, 39, 42, 51, 44, 38, 38, 34, 48, 54, 44, 34, 31, 29, 45, 36, 53, 31, 41, 38 ,
34, 42, 40, 35, 38, 39, 29, 54, 39, 40, 35, 50, 35, 35, 40, 41, 33, 38, 33, 36, 47, 40, 33, 38, 48, 40, 42, 33, 25, 29, 39 ,
43, 51, 38, 37, 45, 38, 41, 42, 35, 35, 37, 45, 39, 37, 41, 43, 46, 38, 49, 33, 35, 35, 43, 49, 50, 33, 43, 45, 48, 50, 39, 21, 41, 41, 46 ,
37, 38, 40, 51, 37, 38, 54, 36, 25, 36, 38, 45, 53, 32, 42, 50, 37, 36, 46, 60, 34, 50, 48, 34, 30, 37, 34, 31, 34, 39 ,
37, 31, 37, 47, 38, 39, 42, 38, 40, 33, 41, 42, 35, 36, 43, 33, 42, 49, 41, 38, 39, 36, 48, 39, 33, 35, 32, 25, 35, 38, 32, 45 ,
37, 32, 46, 42, 33, 40, 38, 41, 35, 39, 34, 31, 43, 37, 43, 42, 48, 43, 26, 36, 29, 45, 32, 36, 43, 35, 50, 44, 44, 41, 47 ,
50, 27, 34, 42, 45, 38, 37, 39, 26, 51, 27, 37, 40, 40, 30, 43, 30, 47, 35, 34, 54, 38, 36, 41, 38, 26, 40, 32, 37, 32, 40, 40, 50, 37, 37 ,
39, 27, 37, 44, 49, 49, 38, 48, 56, 35, 42, 41, 38, 34, 40, 27, 36, 40, 31, 38, 40, 29, 37, 37, 37, 43, 34, 39, 41, 41, 37 ,
46, 40, 38, 33, 55, 44, 53, 39, 47, 41, 39, 31, 47, 44, 36, 38, 47, 33, 34, 36, 39, 44, 40, 55, 34, 36, 40, 31, 50, 53, 50 ,
37, 44, 49, 30, 37, 35, 41, 44, 32, 36, 29, 33, 45, 43, 33, 33, 46, 43, 48, 39, 31, 36, 41, 40, 32, 34, 43, 38, 39, 44 ,
38, 40, 40, 41, 37, 41, 47, 33, 33, 42, 37, 45, 32, 38, 35, 46, 36, 38, 36, 44, 26, 40, 42, 53, 41, 44, 37, 32, 40, 35 ,
39, 32, 42, 41, 38, 46, 28, 37, 46, 35, 34, 40, 35, 41, 42, 43, 41, 31, 47, 46, 31, 42, 27, 51, 37, 41, 41, 34, 29, 37, 45)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 , 4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5 , 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 , 4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 , 5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 2.6641, 第1自由度 = 4, 第2自由度 = 372, P値 = 0.03232
有意差あり。群による差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 5.5387, 自由度 = 4, P値 = 0.2364
有意。先の分散分析が無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 2.6132, 第1自由度 = 4.000, 第2自由度 = 174.657, P値 = 0.03704
有意差あり。群による差異がある。

44 ：

繰り返しによる差異
1. n=91 BG
x <- c(26, 46, 30, 40, 47, 41, 32, 42, 30, 40, 44, 39, 42, 51, 44, 38, 38, 34, 48, 54, 44, 34, 31, 29, 45, 36, 53, 31, 41, 38 ,
37, 32, 46, 42, 33, 40, 38, 41, 35, 39, 34, 31, 43, 37, 43, 42, 48, 43, 26, 36, 29, 45, 32, 36, 43, 35, 50, 44, 44, 41, 47 ,
38, 40, 40, 41, 37, 41, 47, 33, 33, 42, 37, 45, 32, 38, 35, 46, 36, 38, 36, 44, 26, 40, 42, 53, 41, 44, 37, 32, 40, 35)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 39.21978
> var(x)
[1] 38.21783
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.0862, 第1自由度 = 2, 第2自由度 = 88, P値 = 0.9175
有意ではない。繰り返しによる差異は不明。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 3.0282, 自由度 = 2, P値 = 0.22
有意。先の分散分析は無効
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.0745, 第1自由度 = 2.000, 第2自由度 = 57.737, P値 = 0.9283
有意ではない。繰り返しによる差異は不明。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 5 5.494505 5.494505
30 16 17.582418 23.076923
35 23 25.274725 48.351648
40 31 34.065934 82.417582
45 11 12.087912 94.505495
50 5 5.494505 100.000000
>

45 ：

2. n=97 袋
x <- c(34, 42, 40, 35, 38, 39, 29, 54, 39, 40, 35, 50, 35, 35, 40, 41, 33, 38, 33, 36, 47, 40, 33, 38, 48, 40, 42, 33, 25, 29, 39 ,
50, 27, 34, 42, 45, 38, 37, 39, 26, 51, 27, 37, 40, 40, 30, 43, 30, 47, 35, 34, 54, 38, 36, 41, 38, 26, 40, 32, 37, 32, 40, 40, 50, 37, 37 ,
39, 32, 42, 41, 38, 46, 28, 37, 46, 35, 34, 40, 35, 41, 42, 43, 41, 31, 47, 46, 31, 42, 27, 51, 37, 41, 41, 34, 29, 37, 45)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 38.23711
> var(x)
[1] 40.87027
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.1069, 第1自由度 = 2, 第2自由度 = 94, P値 = 0.8988
有意。繰り返しによる差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 0.9797, 自由度 = 2, P値 = 0.6127
有意。先の分散分析は無効
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.1126, 第1自由度 = 2.000, 第2自由度 = 62.638, P値 = 0.8937
有意。繰り返しによる差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 10 10.309278 10.30928
30 16 16.494845 26.80412
35 29 29.896907 56.70103
40 26 26.804124 83.50515
45 9 9.278351 92.78351
50 7 7.216495 100.00000
>

46 ：

3. n=66 未茹で
x <- c(43, 51, 38, 37, 45, 38, 41, 42, 35, 35, 37, 45, 39, 37, 41, 43, 46, 38, 49, 33, 35, 35, 43, 49, 50, 33, 43, 45, 48, 50, 39, 21, 41, 41, 46 ,
46, 40, 38, 33, 55, 44, 53, 39, 47, 41, 39, 31, 47, 44, 36, 38, 47, 33, 34, 36, 39, 44, 40, 55, 34, 36, 40, 31, 50, 53, 50)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 41.28788
> var(x)
[1] 43.68508
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.2353, 第1自由度 = 1, 第2自由度 = 64, P値 = 0.6293
有意ではない。繰り返しによる差異は不明。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 0.5951, 自由度 = 1, P値 = 0.4404
有意。先の分散分析は無効
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.2313, 第1自由度 = 1.000, 第2自由度 = 59.987, P値 = 0.6323
有意ではない。繰り返しによる差異は不明。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 1.515152 1.515152
25 0 0.000000 1.515152
30 8 12.121212 13.636364
35 20 30.303030 43.939394
40 16 24.242424 68.181818
45 12 18.181818 86.363636
50 7 10.606061 96.969697
55 2 3.030303 100.000000
>

47 ：

4. n=61 茹で１回
x <- c(37, 38, 40, 51, 37, 38, 54, 36, 25, 36, 38, 45, 53, 32, 42, 50, 37, 36, 46, 60, 34, 50, 48, 34, 30, 37, 34, 31, 34, 39 ,
39, 27, 37, 44, 49, 49, 38, 48, 56, 35, 42, 41, 38, 34, 40, 27, 36, 40, 31, 38, 40, 29, 37, 37, 37, 43, 34, 39, 41, 41, 37)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 39.44262
> var(x)
[1] 52.21749
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.4361, 第1自由度 = 1, 第2自由度 = 59, P値 = 0.5116
有意ではない。繰り返しによる差異は不明。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 1.9459, 自由度 = 1, P値 = 0.1630
有意。先の分散分析は無効
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.4324, 第1自由度 = 1.00, 第2自由度 = 54.52, P値 = 0.5136
有意ではない。繰り返しによる差異は不明。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 4 6.557377 6.557377
30 10 16.393443 22.950820
35 23 37.704918 60.655738
40 11 18.032787 78.688525
45 6 9.836066 88.524590
50 5 8.196721 96.721311
55 1 1.639344 98.360656
60 1 1.639344 100.000000
>

48 ：

5. n=62 茹で２回
x <- c(37, 31, 37, 47, 38, 39, 42, 38, 40, 33, 41, 42, 35, 36, 43, 33, 42, 49, 41, 38, 39, 36, 48, 39, 33, 35, 32, 25, 35, 38, 32, 45 ,
37, 44, 49, 30, 37, 35, 41, 44, 32, 36, 29, 33, 45, 43, 33, 33, 46, 43, 48, 39, 31, 36, 41, 40, 32, 34, 43, 38, 39, 44)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 38.29032
> var(x)
[1] 28.89794
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.0871, 第1自由度 = 1, 第2自由度 = 60, P値 = 0.7689
有意ではない。繰り返しによる差異は不明。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 0.1314, 自由度 = 1, P値 = 0.717
有意ではない。先の分散分析は有効
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.0867, 第1自由度 = 1.000, 第2自由度 = 58.971, P値 = 0.7694
有意ではない。繰り返しによる差異は不明。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 2 3.225806 3.225806
30 14 22.580645 25.806452
35 22 35.483871 61.290323
40 16 25.806452 87.096774
45 8 12.903226 100.000000
>

49 ：

バックグラウンドとの比較
1. n=91 BG
gr1 <- c(26, 46, 30, 40, 47, 41, 32, 42, 30, 40, 44, 39, 42, 51, 44, 38, 38, 34, 48, 54, 44, 34, 31, 29, 45, 36, 53, 31, 41, 38 ,
37, 32, 46, 42, 33, 40, 38, 41, 35, 39, 34, 31, 43, 37, 43, 42, 48, 43, 26, 36, 29, 45, 32, 36, 43, 35, 50, 44, 44, 41, 47 ,
38, 40, 40, 41, 37, 41, 47, 33, 33, 42, 37, 45, 32, 38, 35, 46, 36, 38, 36, 44, 26, 40, 42, 53, 41, 44, 37, 32, 40, 35)
> mean(x)
[1] 39.21978
> var(x)
[1] 38.21783
2. n=97 袋
gr2 <- c(34, 42, 40, 35, 38, 39, 29, 54, 39, 40, 35, 50, 35, 35, 40, 41, 33, 38, 33, 36, 47, 40, 33, 38, 48, 40, 42, 33, 25, 29, 39 ,
50, 27, 34, 42, 45, 38, 37, 39, 26, 51, 27, 37, 40, 40, 30, 43, 30, 47, 35, 34, 54, 38, 36, 41, 38, 26, 40, 32, 37, 32, 40, 40, 50, 37, 37 ,
39, 32, 42, 41, 38, 46, 28, 37, 46, 35, 34, 40, 35, 41, 42, 43, 41, 31, 47, 46, 31, 42, 27, 51, 37, 41, 41, 34, 29, 37, 45)
> mean(x)
[1] 38.23711
> var(x)
[1] 40.87027
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = 1.0702, 自由度 = 186, P値 = 0.2859
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -0.8288018 2.7941355
標本推定値:
平均値x 平均値y
39.21978 38.23711
有意。平均値に差がある。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = 1.0713, 自由度 = 185.825, P値 = 0.2854
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -0.8268647 2.7921983
標本推定値:
平均値x 平均値y
39.21978 38.23711
有意。平均値に差がある。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.9351, 第1自由度 = 90, 第2自由度 = 96, P値 = 0.7489
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.6219275 1.4098211
標本推定値:
分散比
0.9351008
有意。（Welchの方法）を使用する。
>
39.2-38.2 = 1
1 * 0.47 = 0.47 Bq/１袋(袋による遮蔽)

50 ：

3. n=66 未茹で
gr2 <- c(43, 51, 38, 37, 45, 38, 41, 42, 35, 35, 37, 45, 39, 37, 41, 43, 46, 38, 49, 33, 35, 35, 43, 49, 50, 33, 43, 45, 48, 50, 39, 21, 41, 41, 46 ,
46, 40, 38, 33, 55, 44, 53, 39, 47, 41, 39, 31, 47, 44, 36, 38, 47, 33, 34, 36, 39, 44, 40, 55, 34, 36, 40, 31, 50, 53, 50)
> mean(x)
[1] 41.28788
> var(x)
[1] 43.68508
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = -2.0097, 自由度 = 155, P値 = 0.0462
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -4.10089286 -0.03530427
標本推定値:
平均値x 平均値y
39.21978 41.28788
有意。平均値に差がある。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -1.9883, 自由度 = 134.536, P値 = 0.04881
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -4.12522061 -0.01097653
標本推定値:
平均値x 平均値y
39.21978 41.28788
有意。平均値に差がある。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.8748, 第1自由度 = 90, 第2自由度 = 65, P値 = 0.553
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.5505676 1.3668892
標本推定値:
分散比
0.8748485
有意。（Welchの方法）を使用する。
>
41.3 - 39.2 = 2.1
2.1 * 0.47 = 0.99

51 ：

連続投稿規制に引っかかったので中断したものを再開。
4. n=61 茹で１回
gr2 <- c(37, 38, 40, 51, 37, 38, 54, 36, 25, 36, 38, 45, 53, 32, 42, 50, 37, 36, 46, 60, 34, 50, 48, 34, 30, 37, 34, 31, 34, 39 ,
39, 27, 37, 44, 49, 49, 38, 48, 56, 35, 42, 41, 38, 34, 40, 27, 36, 40, 31, 38, 40, 29, 37, 37, 37, 43, 34, 39, 41, 41, 37)
> mean(x)
[1] 39.44262
> var(x)
[1] 52.21749
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = -0.2034, 自由度 = 150, P値 = 0.839
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -2.387191 1.941505
標本推定値:
平均値x 平均値y
39.21978 39.44262
有意ではない。平均値に差があるがどうかわからない
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -0.1973, 自由度 = 114.881, P値 = 0.844
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -2.460391 2.014706
標本推定値:
平均値x 平均値y
39.21978 39.44262
有意ではない。平均値に差があるがどうかわからない
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.7319, 第1自由度 = 90, 第2自由度 = 60, P値 = 0.1781
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.4543745 1.1533524
標本推定値:
分散比
0.7318971
有意。（Welchの方法）を使用する。
>
差が有意ではないので、Bq値を求められない。
39.4-39.2 = 0.2
0.2 * 0.47 = 0.09

52 ：

5. n=62 茹で２回
gr2 <- c(37, 31, 37, 47, 38, 39, 42, 38, 40, 33, 41, 42, 35, 36, 43, 33, 42, 49, 41, 38, 39, 36, 48, 39, 33, 35, 32, 25, 35, 38, 32, 45 ,
37, 44, 49, 30, 37, 35, 41, 44, 32, 36, 29, 33, 45, 43, 33, 33, 46, 43, 48, 39, 31, 36, 41, 40, 32, 34, 43, 38, 39, 44)
> mean(x)
[1] 38.29032
> var(x)
[1] 28.89794
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = 0.9616, 自由度 = 151, P値 = 0.3378
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -0.9803271 2.8392424
標本推定値:
平均値x 平均値y
39.21978 38.29032
有意。平均値に差がある。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = 0.9874, 自由度 = 142.202, P値 = 0.3251
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -0.9313193 2.7902346
標本推定値:
平均値x 平均値y
39.21978 38.29032
有意。平均値に差がある。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 1.3225, 第1自由度 = 90, 第2自由度 = 61, P値 = 0.2459
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.8234076 2.0803142
標本推定値:
分散比
1.322511
有意。（Welchの方法）を使用する。
>
39.2-38.2 = 1
1 * 0.47 = 0.47
バックグラウンドとの比較。試料20g
　　　　　　 袋*,　未茹で*,茹で１回 ,茹で２回*
===============================================
差(CPS) 　 -1.0 ,　　 2.1 ,　　 0.2 ,　　 -1.0
量(Bq )　　-0.47,　　 0.99,　　 0.09,　　 -0.47
(*印;有意, 無印;有意ではない)

53 ：

回帰分析
y <- c(43, 51, 38, 37, 45, 38, 41, 42, 35, 35, 37, 45, 39, 37, 41, 43, 46, 38, 49, 33, 35, 35, 43, 49, 50, 33, 43, 45, 48, 50, 39, 21, 41, 41, 46 ,
37, 38, 40, 51, 37, 38, 54, 36, 25, 36, 38, 45, 53, 32, 42, 50, 37, 36, 46, 60, 34, 50, 48, 34, 30, 37, 34, 31, 34, 39 ,
37, 31, 37, 47, 38, 39, 42, 38, 40, 33, 41, 42, 35, 36, 43, 33, 42, 49, 41, 38, 39, 36, 48, 39, 33, 35, 32, 25, 35, 38, 32, 45 ,
39, 27, 37, 44, 49, 49, 38, 48, 56, 35, 42, 41, 38, 34, 40, 27, 36, 40, 31, 38, 40, 29, 37, 37, 37, 43, 34, 39, 41, 41, 37 ,
46, 40, 38, 33, 55, 44, 53, 39, 47, 41, 39, 31, 47, 44, 36, 38, 47, 33, 34, 36, 39, 44, 40, 55, 34, 36, 40, 31, 50, 53, 50 ,
37, 44, 49, 30, 37, 35, 41, 44, 32, 36, 29, 33, 45, 43, 33, 33, 46, 43, 48, 39, 31, 36, 41, 40, 32, 34, 43, 38, 39, 44)
x <- c(0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 , 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 , 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> result<-lm(y~x)
> result
Call:
lm(formula = y ~ x)
Coefficients:
(Intercept) x
41.179 -1.502
> plot(x,y,main="Regression line")
> abline(result,col="red")
>
３.補足コメント
インスペクターによるやさしおの測定では、1.819個 / (分・100mg)なので、インスペクターの計数値からの換算計数は 0.47 Bq/CPM となる。
1.502 * 0.47 = 0.70
0.70 Bq/20g・回　減少する。
なお、べつに同様な事を行ったものがある。これは、食べる予定のうどんからキッyーパーに入る程度の分量をサンプリングした場合で、
２回茹でたほう(41.8-38.4=3.4 CPM, 12.4g)が、１回(41.7-38.4=1.9 CPM 33.0g)だけよりも高濃度という結果になった。
茹で方に問題があるのか、水道水が汚染されていたか、乾燥中に汚染されたか、等の原因が考えられる。
一番可能性のあるのは、攪拌不備による濃度分布(一部分高濃度なところがあり、高濃度の部分の試料を採取)で、
少量(50g以下)の実験室レベルの実験からテストプラント(100kg以下)に移行するときに現れる問題です。
バックグラウントと袋の比較で、線量の減少が観察された。キッyーパー6枚(3回重ね折り)+ポリエチレン 0.04mm３枚で遮蔽可能な放射線はα線だけである。
ポリエチレンはゴムを除くと比較的水素が通りやすい膜である。つまり、α線が透過できることを示している。

54 ：

１．測定対象
「アルミホイル(厚さ 11um, 中国製)」の測定。
インスペクターによる食品測定を目的に色々やっていたが、使用している機材が汚染されているらしく
α線らしきものを検出した。>>39-53 α線かどうかの確認作業を行った。
使用している機材は、以下のとおり。
台、床面より45cmの高さ、35*40cm。この上にダンボール製箱(35*40cm)を置き、上に鉄板(厚さ1mm)をすいて机様に加工。
ダンボール内に水入りポリタンク(http://item.rakuten.co.jp/ee-shopping/bq000011)を置いてある。
マンテンの棚用の鋼材を井桁に組み、インスペクターを置くと下に約3cmの空間がとれるようにした。
インスペクターは汚染を防ぐために常に食品にも使えるポリ袋(ユニパック I-4, ポリエチレン 0.04mm厚)の中に保管した。
ポリエチレンフィルムのガスの透過性については下記参照。
http://www.agc.com/kagaku/shinsei/cytop/physical.html
http://www.as-1.co.jp/academy/17/17-4.html
アルミホイルは、インスペクターを包んだポリ袋の外側、井桁の上にすいた。
３.補足コメント
有意差が得られず、α線検出とはならなかった。
紙６枚でβ線を遮蔽できるのか、ちょっとわけがわからない状態。

55 ：

２．測定結果
生データは以下のとおり。連続投稿禁止の制限に引っかかって途中でちぎれるかも。
1. n=30 BG
x <- c(36, 45, 46, 49, 34, 58, 37, 40, 39, 47, 44, 47, 45, 54, 66, 29, 34, 47, 39, 59, 43, 37, 44, 43, 44, 39, 54, 44, 33, 41)
> mean(x)
[1] 43.9
> var(x)
[1] 68.02414
>
2. n=35 試料
x <- c(42, 42, 49, 45, 42, 41, 39, 43, 42, 37, 35, 44, 42, 44, 41, 31, 47, 45, 40, 33, 35, 35, 45, 49, 38, 40, 50, 47, 36, 34, 39, 42, 32, 33, 47)
> mean(x)
[1] 40.74286
> var(x)
[1] 26.96134
>
3. n=33 BG
x <- c(38, 32, 44, 51, 43, 40, 38, 22, 39, 40, 38, 42, 37, 32, 24, 35, 37, 44, 35, 51, 37, 46, 39, 40, 42, 44, 47, 43, 47, 50, 43, 32, 38)
> mean(x)
[1] 39.69697
> var(x)
[1] 44.4678
>
4. n=33 試料
x <- c(40, 38, 41, 40, 50, 50, 42, 39, 41, 45, 40, 44, 40, 36, 42, 36, 40, 27, 35, 40, 36, 51, 34, 37, 25, 47, 43, 36, 36, 40, 40, 41, 43)
> mean(x)
[1] 39.84848
> var(x)
[1] 30.88258
>
5. n=33 BG
x <- c(34, 41, 31, 44, 38, 43, 39, 42, 44, 46, 41, 48, 33, 29, 36, 33, 41, 27, 36, 46, 36, 26, 38, 33, 51, 30, 46, 42, 35, 41, 39, 35, 27)
> mean(x)
[1] 37.90909
> var(x)
[1] 41.52273
>

56 ：

４.データ貼り付け
全体の分析
x <- c(36, 45, 46, 49, 34, 58, 37, 40, 39, 47, 44, 47, 45, 54, 66, 29, 34, 47, 39, 59, 43, 37, 44, 43, 44, 39, 54, 44, 33, 41 ,
42, 42, 49, 45, 42, 41, 39, 43, 42, 37, 35, 44, 42, 44, 41, 31, 47, 45, 40, 33, 35, 35, 45, 49, 38, 40, 50, 47, 36, 34, 39, 42, 32, 33, 47 ,
38, 32, 44, 51, 43, 40, 38, 22, 39, 40, 38, 42, 37, 32, 24, 35, 37, 44, 35, 51, 37, 46, 39, 40, 42, 44, 47, 43, 47, 50, 43, 32, 38 ,
40, 38, 41, 40, 50, 50, 42, 39, 41, 45, 40, 44, 40, 36, 42, 36, 40, 27, 35, 40, 36, 51, 34, 37, 25, 47, 43, 36, 36, 40, 40, 41, 43 ,
34, 41, 31, 44, 38, 43, 39, 42, 44, 46, 41, 48, 33, 29, 36, 33, 41, 27, 36, 46, 36, 26, 38, 33, 51, 30, 46, 42, 35, 41, 39, 35, 27)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 , 4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x)
[1] 40.35976
> var(x)
[1] 44.36671
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 3.6123, 第1自由度 = 4, 第2自由度 = 159, P値 = 0.007568
有意。群別の差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 8.1988, 自由度 = 4, P値 = 0.08456
有意。先の分散分析が無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 2.6566, 第1自由度 = 4.000, 第2自由度 = 78.113, P値 = 0.03896
有意。群別の差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 2 1.2195122 1.219512
25 7 4.2682927 5.487805
30 18 10.9756098 16.463415
35 43 26.2195122 42.682927
40 57 34.7560976 77.439024
45 24 14.6341463 92.073171
50 10 6.0975610 98.170732
55 2 1.2195122 99.390244
60 0 0.0000000 99.390244
65 1 0.6097561 100.000000
>

57 ：

バックグラウンドと試料の比較
x <- c(36, 45, 46, 49, 34, 58, 37, 40, 39, 47, 44, 47, 45, 54, 66, 29, 34, 47, 39, 59, 43, 37, 44, 43, 44, 39, 54, 44, 33, 41 ,
42, 42, 49, 45, 42, 41, 39, 43, 42, 37, 35, 44, 42, 44, 41, 31, 47, 45, 40, 33, 35, 35, 45, 49, 38, 40, 50, 47, 36, 34, 39, 42, 32, 33, 47 ,
38, 32, 44, 51, 43, 40, 38, 22, 39, 40, 38, 42, 37, 32, 24, 35, 37, 44, 35, 51, 37, 46, 39, 40, 42, 44, 47, 43, 47, 50, 43, 32, 38 ,
40, 38, 41, 40, 50, 50, 42, 39, 41, 45, 40, 44, 40, 36, 42, 36, 40, 27, 35, 40, 36, 51, 34, 37, 25, 47, 43, 36, 36, 40, 40, 41, 43 ,
34, 41, 31, 44, 38, 43, 39, 42, 44, 46, 41, 48, 33, 29, 36, 33, 41, 27, 36, 46, 36, 26, 38, 33, 51, 30, 46, 42, 35, 41, 39, 35, 27)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.0068, 第1自由度 = 1, 第2自由度 = 162, P値 = 0.9346
有意ではない。バックグラウンドと試料の差異は不明。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 8.2786, 自由度 = 1, P値 = 0.004012
有意。先の分散分析が無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.0075, 第1自由度 = 1.000, 第2自由度 = 161.976, P値 = 0.9309
有意ではない。バックグラウンドと試料の差異は不明。
>

58 ：

繰り返しの比較
1. n=96 BG
x <- c(36, 45, 46, 49, 34, 58, 37, 40, 39, 47, 44, 47, 45, 54, 66, 29, 34, 47, 39, 59, 43, 37, 44, 43, 44, 39, 54, 44, 33, 41 ,
38, 32, 44, 51, 43, 40, 38, 22, 39, 40, 38, 42, 37, 32, 24, 35, 37, 44, 35, 51, 37, 46, 39, 40, 42, 44, 47, 43, 47, 50, 43, 32, 38 ,
34, 41, 31, 44, 38, 43, 39, 42, 44, 46, 41, 48, 33, 29, 36, 33, 41, 27, 36, 46, 36, 26, 38, 33, 51, 30, 46, 42, 35, 41, 39, 35, 27)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 40.39583
> var(x)
[1] 55.92588
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 5.7929, 第1自由度 = 2, 第2自由度 = 93, P値 = 0.004256
有意。繰り返しによる差異ある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 2.2143, 自由度 = 2, P値 = 0.3305
先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 5.0623, 第1自由度 = 2.000, 第2自由度 = 60.331, P値 = 0.00928
有意。繰り返しによる差異ある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 2 2.083333 2.083333
25 5 5.208333 7.291667
30 12 12.500000 19.791667
35 26 27.083333 46.875000
40 28 29.166667 76.041667
45 14 14.583333 90.625000
50 6 6.250000 96.875000
55 2 2.083333 98.958333
60 0 0.000000 98.958333
65 1 1.041667 100.000000
>

59 ：

2. n=68 試料
x <- c(42, 42, 49, 45, 42, 41, 39, 43, 42, 37, 35, 44, 42, 44, 41, 31, 47, 45, 40, 33, 35, 35, 45, 49, 38, 40, 50, 47, 36, 34, 39, 42, 32, 33, 47 ,
40, 38, 41, 40, 50, 50, 42, 39, 41, 45, 40, 44, 40, 36, 42, 36, 40, 27, 35, 40, 36, 51, 34, 37, 25, 47, 43, 36, 36, 40, 40, 41, 43)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 40.30882
> var(x)
[1] 28.63455
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.4707, 第1自由度 = 1, 第2自由度 = 66, P値 = 0.4951
有意ではない。繰り返しによる差異は不明。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 0.1498, 自由度 = 1, P値 = 0.6987
有意。先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.4688, 第1自由度 = 1.000, 第2自由度 = 64.946, P値 = 0.496
有意ではない。繰り返しによる差異は不明。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 2 2.941176 2.941176
30 6 8.823529 11.764706
35 17 25.000000 36.764706
40 29 42.647059 79.411765
45 10 14.705882 94.117647
50 4 5.882353 100.000000
>

60 ：

バックグラウンドと試料の比較
1. n=96 BG
gr1 <- c(36, 45, 46, 49, 34, 58, 37, 40, 39, 47, 44, 47, 45, 54, 66, 29, 34, 47, 39, 59, 43, 37, 44, 43, 44, 39, 54, 44, 33, 41 ,
38, 32, 44, 51, 43, 40, 38, 22, 39, 40, 38, 42, 37, 32, 24, 35, 37, 44, 35, 51, 37, 46, 39, 40, 42, 44, 47, 43, 47, 50, 43, 32, 38 ,
34, 41, 31, 44, 38, 43, 39, 42, 44, 46, 41, 48, 33, 29, 36, 33, 41, 27, 36, 46, 36, 26, 38, 33, 51, 30, 46, 42, 35, 41, 39, 35, 27)
> mean(x)
[1] 40.39583
> var(x)
[1] 55.92588
2. n=68 試料
gr2 <- c(42, 42, 49, 45, 42, 41, 39, 43, 42, 37, 35, 44, 42, 44, 41, 31, 47, 45, 40, 33, 35, 35, 45, 49, 38, 40, 50, 47, 36, 34, 39, 42, 32, 33, 47 ,
40, 38, 41, 40, 50, 50, 42, 39, 41, 45, 40, 44, 40, 36, 42, 36, 40, 27, 35, 40, 36, 51, 34, 37, 25, 47, 43, 36, 36, 40, 40, 41, 43)
> mean(x)
[1] 40.30882
> var(x)
[1] 28.63455
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = 0.0822, 自由度 = 162, P値 = 0.9346
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -2.004175 2.178194
標本推定値:
平均値x 平均値y
40.39583 40.30882
有意ではない。差があるかどうか不明
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = 0.0869, 自由度 = 161.976, P値 = 0.9309
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -1.891316 2.065336
標本推定値:
平均値x 平均値y
40.39583 40.30882
有意ではない。差があるかどうか不明
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 1.9531, 第1自由度 = 95, 第2自由度 = 67, P値 = 0.004175
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 1.240164 3.022964
標本推定値:
分散比
1.953091
有意。分散が一様ではないので（Welchの方法）を使用する
>

61 ：

>>54
３.補足コメント
有意差が得られず、α線検出とはならなかった。
紙６枚でβ線を遮蔽できるのか、ちょっとわけがわからない状態。
--
お疲れ様です。
紙一枚でα線を遮断できます。
紙を６枚以上重ねると低エネルギーの一部のβ線が遮断されるはずです。

62 ：

>>61
汚染されていない紙があればよいのですが。
スーパーで輸入物の紙を探してみます。
さて今回は、
１．測定対象
「しいたけ(2012.04.09 自宅裏より収穫、４日間乾燥)」　の分析結果
２．測定結果
まずは生データ。
1. n=32 BG
x <- c(39, 38, 36, 39, 39, 35, 30, 39, 40, 27, 41, 38, 38, 49, 46, 40, 38, 33, 44, 41, 40, 49, 52, 28, 34, 40, 42, 42, 43, 30, 38, 41)
2. n=41 試料
x <- c(67, 58, 48, 47, 71, 62, 50, 52, 55, 58, 57, 44, 58, 53, 56, 62, 32, 60, 45, 67, 48, 49, 53, 47, 36, 66, 53, 54, 54, 55, 50, 61, 60, 59, 42, 50, 56, 50, 53, 31, 47)
3. n=39 BG
x <- c(44, 42, 50, 32, 46, 48, 44, 29, 35, 52, 43, 46, 33, 54, 35, 48, 35, 43, 43, 42, 42, 37, 30, 40, 51, 30, 50, 36, 41, 46, 52, 45, 31, 45, 33, 41, 34, 36, 31)
4. n=31 試料
x <- c(56, 59, 47, 49, 51, 67, 51, 43, 49, 49, 51, 50, 54, 58, 47, 58, 58, 63, 50, 52, 50, 54, 56, 60, 46, 49, 60, 57, 64, 67, 50)
5. n=31 BG
x <- c(47, 33, 47, 37, 35, 42, 44, 42, 42, 35, 55, 43, 44, 34, 33, 45, 37, 36, 37, 44, 43, 41, 32, 42, 32, 39, 33, 44, 43, 38, 45)

63 ：

４.　データ貼り付け
全体の分析
x <- c(39, 38, 36, 39, 39, 35, 30, 39, 40, 27, 41, 38, 38, 49, 46, 40, 38, 33, 44, 41, 40, 49, 52, 28, 34, 40, 42, 42, 43, 30, 38, 41 ,
67, 58, 48, 47, 71, 62, 50, 52, 55, 58, 57, 44, 58, 53, 56, 62, 32, 60, 45, 67, 48, 49, 53, 47, 36, 66, 53, 54, 54, 55, 50, 61, 60, 59, 42, 50, 56, 50, 53, 31, 47 ,
44, 42, 50, 32, 46, 48, 44, 29, 35, 52, 43, 46, 33, 54, 35, 48, 35, 43, 43, 42, 42, 37, 30, 40, 51, 30, 50, 36, 41, 46, 52, 45, 31, 45, 33, 41, 34, 36, 31 ,
56, 59, 47, 49, 51, 67, 51, 43, 49, 49, 51, 50, 54, 58, 47, 58, 58, 63, 50, 52, 50, 54, 56, 60, 46, 49, 60, 57, 64, 67, 50 ,
47, 33, 47, 37, 35, 42, 44, 42, 42, 35, 55, 43, 44, 34, 33, 45, 37, 36, 37, 44, 43, 41, 32, 42, 32, 39, 33, 44, 43, 38, 45)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x)
[1] 45.62644
> var(x)
[1] 90.80184
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 40.26, 第1自由度 = 4, 第2自由度 = 169, P値 < 2.2e-16
有意。群別の差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 10.6791, 自由度 = 4, P値 = 0.03042
有意。先の分散分析が無効
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 41.9037, 第1自由度 = 4.000, 第2自由度 = 83.865, P値 < 2.2e-16
有意。群別の差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 3 1.7241379 1.724138
30 20 11.4942529 13.218391
35 26 14.9425287 28.160920
40 37 21.2643678 49.425287
45 28 16.0919540 65.517241
50 28 16.0919540 81.609195
55 17 9.7701149 91.379310
60 9 5.1724138 96.551724
65 5 2.8735632 99.425287
70 1 0.5747126 100.000000
>

64 ：

BGと試料の比較
x <- c(39, 38, 36, 39, 39, 35, 30, 39, 40, 27, 41, 38, 38, 49, 46, 40, 38, 33, 44, 41, 40, 49, 52, 28, 34, 40, 42, 42, 43, 30, 38, 41 ,
67, 58, 48, 47, 71, 62, 50, 52, 55, 58, 57, 44, 58, 53, 56, 62, 32, 60, 45, 67, 48, 49, 53, 47, 36, 66, 53, 54, 54, 55, 50, 61, 60, 59, 42, 50, 56, 50, 53, 31, 47 ,
44, 42, 50, 32, 46, 48, 44, 29, 35, 52, 43, 46, 33, 54, 35, 48, 35, 43, 43, 42, 42, 37, 30, 40, 51, 30, 50, 36, 41, 46, 52, 45, 31, 45, 33, 41, 34, 36, 31 ,
56, 59, 47, 49, 51, 67, 51, 43, 49, 49, 51, 50, 54, 58, 47, 58, 58, 63, 50, 52, 50, 54, 56, 60, 46, 49, 60, 57, 64, 67, 50 ,
47, 33, 47, 37, 35, 42, 44, 42, 42, 35, 55, 43, 44, 34, 33, 45, 37, 36, 37, 44, 43, 41, 32, 42, 32, 39, 33, 44, 43, 38, 45)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 160.6906, 第1自由度 = 1, 第2自由度 = 172, P値 < 2.2e-16
有意。バックグラウンドと試料との差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 4.0066, 自由度 = 1, P値 = 0.04532
有意。先の分散分析が無効
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 149.1595, 第1自由度 = 1.000, 第2自由度 = 131.373, P値 < 2.2e-16
有意。バックグラウンドと試料との差異がある。
>

65 ：

繰り返しによる影響
1. n = 102 BG 繰り返し数 =3
x <- c( 39, 38, 36, 39, 39, 35, 30, 39, 40, 27, 41, 38, 38, 49, 46, 40, 38, 33, 44, 41, 40, 49, 52, 28, 34, 40, 42, 42, 43, 30, 38, 41 ,
44, 42, 50, 32, 46, 48, 44, 29, 35, 52, 43, 46, 33, 54, 35, 48, 35, 43, 43, 42, 42, 37, 30, 40, 51, 30, 50, 36, 41, 46, 52, 45, 31, 45, 33, 41, 34, 36, 31 ,
47, 33, 47, 37, 35, 42, 44, 42, 42, 35, 55, 43, 44, 34, 33, 45, 37, 36, 37, 44, 43, 41, 32, 42, 32, 39, 33, 44, 43, 38, 45)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 40.07843
> var(x)
[1] 38.52844
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.7926, 第1自由度 = 2, 第2自由度 = 99, P値 = 0.4555
有意。繰り返しによる差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 2.9036, 自由度 = 2, P値 = 0.2341
有意。先の分散分析が無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.7678, 第1自由度 = 2.000, 第2自由度 = 65.874, P値 = 0.4681
有意。繰り返しによる差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 3 2.9411765 2.941176
30 18 17.6470588 20.588235
35 25 24.5098039 45.098039
40 34 33.3333333 78.431373
45 14 13.7254902 92.156863
50 7 6.8627451 99.019608
55 1 0.9803922 100.000000
>

66 ：

2. n = 72 試料 13.4g 繰り返し数 =2
x <- c( 67, 58, 48, 47, 71, 62, 50, 52, 55, 58, 57, 44, 58, 53, 56, 62, 32, 60, 45, 67, 48, 49, 53, 47, 36, 66, 53, 54, 54, 55, 50, 61, 60, 59, 42, 50, 56, 50, 53, 31, 47 ,
56, 59, 47, 49, 51, 67, 51, 43, 49, 49, 51, 50, 54, 58, 47, 58, 58, 63, 50, 52, 50, 54, 56, 60, 46, 49, 60, 57, 64, 67, 50)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 53.48611
> var(x)
[1] 59.57727
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.2697, 第1自由度 = 1, 第2自由度 = 70, P値 = 0.6051
有意ではない。繰り返しによる差異が不明。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 3.7321, 自由度 = 1, P値 = 0.05338
有意。先の分散分析が無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.2959, 第1自由度 = 1.000, 第2自由度 = 69.781, P値 = 0.5882
有意ではない。繰り返しによる差異が不明。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
30 2 2.777778 2.777778
35 1 1.388889 4.166667
40 3 4.166667 8.333333
45 14 19.444444 27.777778
50 21 29.166667 56.944444
55 16 22.222222 79.166667
60 9 12.500000 91.666667
65 5 6.944444 98.611111
70 1 1.388889 100.000000
>

67 ：

BGと試料の比較
1. n = 102 BG 繰り返し数 =3
gr1 <- c( 39, 38, 36, 39, 39, 35, 30, 39, 40, 27, 41, 38, 38, 49, 46, 40, 38, 33, 44, 41, 40, 49, 52, 28, 34, 40, 42, 42, 43, 30, 38, 41 ,
44, 42, 50, 32, 46, 48, 44, 29, 35, 52, 43, 46, 33, 54, 35, 48, 35, 43, 43, 42, 42, 37, 30, 40, 51, 30, 50, 36, 41, 46, 52, 45, 31, 45, 33, 41, 34, 36, 31 ,
47, 33, 47, 37, 35, 42, 44, 42, 42, 35, 55, 43, 44, 34, 33, 45, 37, 36, 37, 44, 43, 41, 32, 42, 32, 39, 33, 44, 43, 38, 45)
> mean(x)
[1] 40.07843
> var(x)
[1] 38.52844
2. n = 72 試料 13.4g 繰り返し数 =2
gr2 <- c( 67, 58, 48, 47, 71, 62, 50, 52, 55, 58, 57, 44, 58, 53, 56, 62, 32, 60, 45, 67, 48, 49, 53, 47, 36, 66, 53, 54, 54, 55, 50, 61, 60, 59, 42, 50, 56, 50, 53, 31, 47 ,
56, 59, 47, 49, 51, 67, 51, 43, 49, 49, 51, 50, 54, 58, 47, 58, 58, 63, 50, 52, 50, 54, 56, 60, 46, 49, 60, 57, 64, 67, 50)
> mean(x)
[1] 53.48611
> var(x)
[1] 59.57727

68 ：

> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = -12.6764, 自由度 = 172, P値 < 2.2e-16
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -15.49540 -11.31996
標本推定値:
平均値x 平均値y
40.07843 53.48611
有意。平均値に差異がある。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -12.2131, 自由度 = 131.373, P値 < 2.2e-16
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -15.57936 -11.23600
標本推定値:
平均値x 平均値y
40.07843 53.48611
有意。平均値に差異がある。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.6467, 第1自由度 = 101, 第2自由度 = 71, P値 = 0.04395
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.4162745 0.9882415
標本推定値:
分散比
0.646697
有意。分散に差異がある。（Welchの方法）を使用する
>
53.5 - 40.1 = 13.4 CPM
13.4 * 0.47 = 6.3 Bq
試料の重さが 13.4g だから、試料による吸収がない、すべての光が受光可能であると近似して
13.4 * 1000 / 13.4 = 1000 Bq/kg
栃木県産(家庭内生産)乾ししいたけの線量は 1000 Bq/kg となった。
しいたけは、91%が水分なので( http://www.kanesada.co.jp/column.shtml )
1000 * 9 / 100 = 90 Bq/kg が生しいたけの線量となる。
３.補足コメント
注意、乾燥温度が40度と低い(食品乾燥温度 １３５℃±２℃, ２時間)ので、乾燥不十分により、線量が増えます。

69 ：

１．測定対象
「カットわかめ　2012.12.17 中国原産 KKジャパンスパイス」 の測定。
(15 * 10 * 2, 40g) 0.26 g/cm2
２．測定結果
1. n=31 BG
x <- c(25, 37, 46, 41, 38, 38, 46, 36, 43, 36, 47, 40, 34, 28, 44, 52, 38, 37, 35, 37, 25, 30, 32, 35, 38, 37, 40, 52, 42, 40, 33)
> mean(x) [1] 38.12903
> var(x) [1] 43.5828
2. n=31 試料
x <- c(33, 35, 48, 40, 33, 48, 39, 27, 49, 43, 41, 39, 31, 49, 44, 47, 46, 48, 25, 47, 37, 41, 33, 58, 64, 60, 51, 42, 49, 36, 45)
> mean(x) [1] 42.83871
> var(x) [1] 82.33978
3. n=42 BG
x <- c(53, 42, 46, 38, 41, 33, 56, 37, 45, 39, 40, 37, 47, 42, 35, 36, 37, 43, 44, 36, 49, 41, 41, 39, 42, 25, 44, 37, 49, 40, 54, 31, 48, 38, 37, 50, 41, 32, 36, 38, 36, 63)
> mean(x) [1] 41.38095
> var(x) [1] 51.9489
4. n=32 試料
x <- c(35, 37, 42, 45, 34, 35, 53, 42, 41, 43, 38, 48, 46, 45, 49, 36, 38, 43, 40, 47, 38, 38, 41, 41, 38, 40, 35, 37, 50, 44, 54, 51)
> mean(x) [1] 42
> var(x) [1] 30.58065
5. n=37 BG
x <- c(39, 37, 36, 48, 45, 34, 30, 41, 31, 35, 35, 34, 43, 28, 36, 43, 44, 34, 32, 48, 43, 47, 49, 38, 41, 39, 40, 44, 38, 37, 32, 38, 39, 39, 34, 42, 52)
> mean(x) [1] 39.05405
> var(x) [1] 32.55255

70 ：

４. データ貼り付け
全体の比較
x <- c(25, 37, 46, 41, 38, 38, 46, 36, 43, 36, 47, 40, 34, 28, 44, 52, 38, 37, 35, 37, 25, 30, 32, 35, 38, 37, 40, 52, 42, 40, 33 ,
33, 35, 48, 40, 33, 48, 39, 27, 49, 43, 41, 39, 31, 49, 44, 47, 46, 48, 25, 47, 37, 41, 33, 58, 64, 60, 51, 42, 49, 36, 45 ,
53, 42, 46, 38, 41, 33, 56, 37, 45, 39, 40, 37, 47, 42, 35, 36, 37, 43, 44, 36, 49, 41, 41, 39, 42, 25, 44, 37, 49, 40, 54, 31, 48, 38, 37, 50, 41, 32, 36, 38, 36, 63 ,
35, 37, 42, 45, 34, 35, 53, 42, 41, 43, 38, 48, 46, 45, 49, 36, 38, 43, 40, 47, 38, 38, 41, 41, 38, 40, 35, 37, 50, 44, 54, 51 ,
39, 37, 36, 48, 45, 34, 30, 41, 31, 35, 35, 34, 43, 28, 36, 43, 44, 34, 32, 48, 43, 47, 49, 38, 41, 39, 40, 44, 38, 37, 32, 38, 39, 39, 34, 42, 52)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 , 4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x) [1] 40.6763
> var(x) [1] 49.69694
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 2.7227, 第1自由度 = 4, 第2自由度 = 168, P値 = 0.03125
有意差あり。群別の差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 10.5313, 自由度 = 4, P値 = 0.03237
有意。分散の差異があり先の分散分析が無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 2.784, 第1自由度 = 4.000, 第2自由度 = 81.505, P値 = 0.03193
有意差あり。群別の差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 7 4.046243 4.046243
30 20 11.560694 15.606936
35 56 32.369942 47.976879
40 44 25.433526 73.410405
45 30 17.341040 90.751445
50 11 6.358382 97.109827
55 2 1.156069 98.265896
60 3 1.734104 100.000000
>

71 ：

BGと試料の比較
x <- c(25, 37, 46, 41, 38, 38, 46, 36, 43, 36, 47, 40, 34, 28, 44, 52, 38, 37, 35, 37, 25, 30, 32, 35, 38, 37, 40, 52, 42, 40, 33 ,
33, 35, 48, 40, 33, 48, 39, 27, 49, 43, 41, 39, 31, 49, 44, 47, 46, 48, 25, 47, 37, 41, 33, 58, 64, 60, 51, 42, 49, 36, 45 ,
53, 42, 46, 38, 41, 33, 56, 37, 45, 39, 40, 37, 47, 42, 35, 36, 37, 43, 44, 36, 49, 41, 41, 39, 42, 25, 44, 37, 49, 40, 54, 31, 48, 38, 37, 50, 41, 32, 36, 38, 36, 63 ,
35, 37, 42, 45, 34, 35, 53, 42, 41, 43, 38, 48, 46, 45, 49, 36, 38, 43, 40, 47, 38, 38, 41, 41, 38, 40, 35, 37, 50, 44, 54, 51 ,
39, 37, 36, 48, 45, 34, 30, 41, 31, 35, 35, 34, 43, 28, 36, 43, 44, 34, 32, 48, 43, 47, 49, 38, 41, 39, 40, 44, 38, 37, 32, 38, 39, 39, 34, 42, 52)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 6.1927, 第1自由度 = 1, 第2自由度 = 171, P値 = 0.01378
有意差あり。試料とバックグラウンドに差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 1.002, 自由度 = 1, P値 = 0.3168
有意。試料とバックグラウンドに分散の差異があり、先の分散分析が無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 5.8266, 第1自由度 = 1.000, 第2自由度 = 117.735, P値 = 0.01733
有意差あり。試料とバックグラウンドに差異がある。

72 ：

繰り返しによる差異
1. BG
x <- c(25, 37, 46, 41, 38, 38, 46, 36, 43, 36, 47, 40, 34, 28, 44, 52, 38, 37, 35, 37, 25, 30, 32, 35, 38, 37, 40, 52, 42, 40, 33 ,
53, 42, 46, 38, 41, 33, 56, 37, 45, 39, 40, 37, 47, 42, 35, 36, 37, 43, 44, 36, 49, 41, 41, 39, 42, 25, 44, 37, 49, 40, 54, 31, 48, 38, 37, 50, 41, 32, 36, 38, 36, 63 ,
39, 37, 36, 48, 45, 34, 30, 41, 31, 35, 35, 34, 43, 28, 36, 43, 44, 34, 32, 48, 43, 47, 49, 38, 41, 39, 40, 44, 38, 37, 32, 38, 39, 39, 34, 42, 52)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x) [1] 39.68182
> var(x) [1] 44.21893
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 2.4442, 第1自由度 = 2, 第2自由度 = 107, P値 = 0.09162
有意差あり。繰り返しによる差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 2.0317, 自由度 = 2, P値 = 0.3621
有意差あり。分散の差異があり、先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 2.1902, 第1自由度 = 2.000, 第2自由度 = 68.786, P値 = 0.1196
有意差あり。繰り返しによる差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 5 4.5454545 4.545455
30 15 13.6363636 18.181818
35 40 36.3636364 54.545455
40 28 25.4545455 80.000000
45 14 12.7272727 92.727273
50 6 5.4545455 98.181818
55 1 0.9090909 99.090909
60 1 0.9090909 100.000000
>

73 ：

2. 試料
x <- c(33, 35, 48, 40, 33, 48, 39, 27, 49, 43, 41, 39, 31, 49, 44, 47, 46, 48, 25, 47, 37, 41, 33, 58, 64, 60, 51, 42, 49, 36, 45 ,
35, 37, 42, 45, 34, 35, 53, 42, 41, 43, 38, 48, 46, 45, 49, 36, 38, 43, 40, 47, 38, 38, 41, 41, 38, 40, 35, 37, 50, 44, 54, 51)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x) [1] 42.4127
> var(x) [1] 55.3108
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.1977, 第1自由度 = 1, 第2自由度 = 61, P値 = 0.6582
有意ではない。繰り返しによる差異は不明。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 7.112, 自由度 = 1, P値 = 0.007657
有意。繰り返しによる分散の差異があり先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.1948, 第1自由度 = 1.000, 第2自由度 = 49.295, P値 = 0.6609
有意。繰り返しによる差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 2 3.174603 3.174603
30 5 7.936508 11.111111
35 16 25.396825 36.507937
40 16 25.396825 61.904762
45 16 25.396825 87.301587
50 5 7.936508 95.238095
55 1 1.587302 96.825397
60 2 3.174603 100.000000
>

74 ：

試料とバックグラウンドの比較
1. BG
gr1 <- c(25, 37, 46, 41, 38, 38, 46, 36, 43, 36, 47, 40, 34, 28, 44, 52, 38, 37, 35, 37, 25, 30, 32, 35, 38, 37, 40, 52, 42, 40, 33 ,
53, 42, 46, 38, 41, 33, 56, 37, 45, 39, 40, 37, 47, 42, 35, 36, 37, 43, 44, 36, 49, 41, 41, 39, 42, 25, 44, 37, 49, 40, 54, 31, 48, 38, 37, 50, 41, 32, 36, 38, 36, 63 ,
39, 37, 36, 48, 45, 34, 30, 41, 31, 35, 35, 34, 43, 28, 36, 43, 44, 34, 32, 48, 43, 47, 49, 38, 41, 39, 40, 44, 38, 37, 32, 38, 39, 39, 34, 42, 52)
> mean(x) [1] 39.68182
> var(x) [1] 44.21893
2. 試料
gr2 <- c(33, 35, 48, 40, 33, 48, 39, 27, 49, 43, 41, 39, 31, 49, 44, 47, 46, 48, 25, 47, 37, 41, 33, 58, 64, 60, 51, 42, 49, 36, 45 ,
35, 37, 42, 45, 34, 35, 53, 42, 41, 43, 38, 48, 46, 45, 49, 36, 38, 43, 40, 47, 38, 38, 41, 41, 38, 40, 35, 37, 50, 44, 54, 51)
> mean(x) [1] 42.4127
> var(x) [1] 55.3108
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = -2.4885, 自由度 = 171, P値 = 0.01378
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -4.8970633 -0.5646971
標本推定値:
平均値x 平均値y
39.68182 42.41270
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -2.4138, 自由度 = 117.735, P値 = 0.01733
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -4.9713019 -0.4904585
標本推定値:
平均値x 平均値y
39.68182 42.41270
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.7995, 第1自由度 = 109, 第2自由度 = 62, P値 = 0.3069
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.5057011 1.2296866
標本推定値:
分散比
0.7994628
試料とBGとの差異がある。
>
３. 補足コメント
.4 - 39.7 = 2.7 CPM
2.7 * 0.47 = 1.3 Bq
容積が、15 * 10 * 2 cm , 面積あたりの重さが 0.28 g/cm なので、底面の半径 7.42 cm、上面の半径 4.14cm 高さ 2cm 円錐台全体(216cm3)が受光範囲で、試料による吸収がないとする。
比重が 40 / (15*10*2) = 0.13 g/cm3 だから、円錐台の質量は 28.8g。よって1kgあたりの線量は
1.3 * 1000 / 29 = 45 Bq/kg

75 ：

１．測定対象
「富良野産玉葱(輪切り下8mmの乾燥 12.0g)」の分析
２．測定結果
まずは生データ
1. n=31 BG
x <- c(47, 33, 47, 37, 35, 42, 44, 42, 42, 35, 55, 43, 44, 34, 33, 45, 37, 36, 37, 44, 43, 41, 32, 42, 32, 39, 33, 44, 43, 38, 45)
> mean(x)
[1] 40.12903
> var(x)
[1] 29.64946
2. n=34 試料
x <- c(54, 36, 60, 46, 40, 61, 63, 41, 50, 40, 52, 52, 45, 55, 56, 45, 50, 50, 60, 47, 56, 50, 51, 49, 51, 51, 62, 37, 43, 45, 38, 45, 49, 49)
> mean(x)
[1] 49.38235
> var(x)
[1] 51.87968
3. n=31 BG
x <- c(41, 53, 43, 47, 41, 42, 49, 50, 37, 40, 36, 32, 34, 45, 44, 38, 37, 40, 38, 46, 39, 33, 46, 36, 37, 40, 39, 44, 47, 48, 37)
> mean(x)
[1] 41.25806
> var(x)
[1] 27.79785
4. n=32 試料
x <- c(40, 54, 40, 55, 45, 49, 40, 53, 36, 57, 40, 39, 60, 50, 43, 38, 52, 59, 59, 43, 63, 38, 34, 47, 47, 37, 38, 35, 54, 55, 40, 46)
> mean(x)
[1] 46.4375
> var(x)
[1] 71.80242
5. n=31 BG
x <- c(40, 34, 42, 39, 41, 35, 42, 43, 50, 40, 50, 38, 47, 38, 36, 38, 40, 42, 34, 47, 44, 46, 39, 37, 29, 41, 35, 34, 45, 46, 40)
> mean(x)
[1] 40.3871
> var(x)
[1] 24.91183

76 ：

４. データ貼り付け
全体の分析
x <- c(47, 33, 47, 37, 35, 42, 44, 42, 42, 35, 55, 43, 44, 34, 33, 45, 37, 36, 37, 44, 43, 41, 32, 42, 32, 39, 33, 44, 43, 38, 45 ,
54, 36, 60, 46, 40, 61, 63, 41, 50, 40, 52, 52, 45, 55, 56, 45, 50, 50, 60, 47, 56, 50, 51, 49, 51, 51, 62, 37, 43, 45, 38, 45, 49, 49 ,
41, 53, 43, 47, 41, 42, 49, 50, 37, 40, 36, 32, 34, 45, 44, 38, 37, 40, 38, 46, 39, 33, 46, 36, 37, 40, 39, 44, 47, 48, 37 ,
40, 54, 40, 55, 45, 49, 40, 53, 36, 57, 40, 39, 60, 50, 43, 38, 52, 59, 59, 43, 63, 38, 34, 47, 47, 37, 38, 35, 54, 55, 40, 46 ,
40, 34, 42, 39, 41, 35, 42, 43, 50, 40, 50, 38, 47, 38, 36, 38, 40, 42, 34, 47, 44, 46, 39, 37, 29, 41, 35, 34, 45, 46, 40)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x)
[1] 43.6478
> var(x)
[1] 54.84985
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 13.5625, 第1自由度 = 4, 第2自由度 = 154, P値 = 1.704e-09
有意。群別の差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 13.3107, 自由度 = 4, P値 = 0.009854
有意。先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 12.4487, 第1自由度 = 4.000, 第2自由度 = 76.685, P値 = 7.49e-08
有意。群別の差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 1 0.6289308 0.6289308
30 13 8.1761006 8.8050314
35 37 23.2704403 32.0754717
40 43 27.0440252 59.1194969
45 30 18.8679245 77.9874214
50 19 11.9496855 89.9371069
55 9 5.6603774 95.5974843
60 7 4.4025157 100.0000000
>

77 ：

BGと試料の比較
x <- c(47, 33, 47, 37, 35, 42, 44, 42, 42, 35, 55, 43, 44, 34, 33, 45, 37, 36, 37, 44, 43, 41, 32, 42, 32, 39, 33, 44, 43, 38, 45 ,
54, 36, 60, 46, 40, 61, 63, 41, 50, 40, 52, 52, 45, 55, 56, 45, 50, 50, 60, 47, 56, 50, 51, 49, 51, 51, 62, 37, 43, 45, 38, 45, 49, 49 ,
41, 53, 43, 47, 41, 42, 49, 50, 37, 40, 36, 32, 34, 45, 44, 38, 37, 40, 38, 46, 39, 33, 46, 36, 37, 40, 39, 44, 47, 48, 37 ,
40, 54, 40, 55, 45, 49, 40, 53, 36, 57, 40, 39, 60, 50, 43, 38, 52, 59, 59, 43, 63, 38, 34, 47, 47, 37, 38, 35, 54, 55, 40, 46 ,
40, 34, 42, 39, 41, 35, 42, 43, 50, 40, 50, 38, 47, 38, 36, 38, 40, 42, 34, 47, 44, 46, 39, 37, 29, 41, 35, 34, 45, 46, 40)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 49.9886, 第1自由度 = 1, 第2自由度 = 157, P値 = 4.786e-11
有意。バックグラウンドと試料との差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 13.6218, 自由度 = 1, P値 = 0.0002236
有意。先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 43.6323, 第1自由度 = 1.000, 第2自由度 = 104.015, P値 = 1.721e-09
有意。バックグラウンドと試料との差異がある。
>

78 ：

繰り返しによる影響
1. n = 93 BG 繰り返し数 =3
x <- c( 47, 33, 47, 37, 35, 42, 44, 42, 42, 35, 55, 43, 44, 34, 33, 45, 37, 36, 37, 44, 43, 41, 32, 42, 32, 39, 33, 44, 43, 38, 45 ,
41, 53, 43, 47, 41, 42, 49, 50, 37, 40, 36, 32, 34, 45, 44, 38, 37, 40, 38, 46, 39, 33, 46, 36, 37, 40, 39, 44, 47, 48, 37 ,
40, 34, 42, 39, 41, 35, 42, 43, 50, 40, 50, 38, 47, 38, 36, 38, 40, 42, 34, 47, 44, 46, 39, 37, 29, 41, 35, 34, 45, 46, 40)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 40.5914
> var(x)
[1] 27.0921
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.3952, 第1自由度 = 2, 第2自由度 = 90, P値 = 0.6747
有意ではない。繰り返しによる差異は不明。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 0.2272, 自由度 = 2, P値 = 0.8926
有意ではない。先の分散分析は有効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.3813, 第1自由度 = 2.000, 第2自由度 = 59.921, P値 = 0.6846
有意ではない。繰り返しによる差異は不明。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 1 1.075269 1.075269
30 12 12.903226 13.978495
35 27 29.032258 43.010753
40 32 34.408602 77.419355
45 16 17.204301 94.623656
50 4 4.301075 98.924731
55 1 1.075269 100.000000
>

79 ：

2. n = 66 試料 繰り返し数 =2
x <- c( 54, 36, 60, 46, 40, 61, 63, 41, 50, 40, 52, 52, 45, 55, 56, 45, 50, 50, 60, 47, 56, 50, 51, 49, 51, 51, 62, 37, 43, 45, 38, 45, 49, 49 ,
40, 54, 40, 55, 45, 49, 40, 53, 36, 57, 40, 39, 60, 50, 43, 38, 52, 59, 59, 43, 63, 38, 34, 47, 47, 37, 38, 35, 54, 55, 40, 46)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 47.95455
> var(x)
[1] 62.78252
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 2.3234, 第1自由度 = 1, 第2自由度 = 64, P値 = 0.1324
有意。繰り返しによる差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 0.8303, 自由度 = 1, P値 = 0.3622
有意。先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 2.3005, 第1自由度 = 1.000, 第2自由度 = 60.999, P値 = 0.1345
有意。繰り返しによる差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
30 1 1.515152 1.515152
35 10 15.151515 16.666667
40 11 16.666667 33.333333
45 14 21.212121 54.545455
50 15 22.727273 77.272727
55 8 12.121212 89.393939
60 7 10.606061 100.000000
>

80 ：

BGと試料の比較
1. n = 93 BG 繰り返し数 =3
gr1 <- c( 47, 33, 47, 37, 35, 42, 44, 42, 42, 35, 55, 43, 44, 34, 33, 45, 37, 36, 37, 44, 43, 41, 32, 42, 32, 39, 33, 44, 43, 38, 45 ,
41, 53, 43, 47, 41, 42, 49, 50, 37, 40, 36, 32, 34, 45, 44, 38, 37, 40, 38, 46, 39, 33, 46, 36, 37, 40, 39, 44, 47, 48, 37 ,
40, 34, 42, 39, 41, 35, 42, 43, 50, 40, 50, 38, 47, 38, 36, 38, 40, 42, 34, 47, 44, 46, 39, 37, 29, 41, 35, 34, 45, 46, 40)
> mean(x)
[1] 40.5914
> var(x)
[1] 27.0921
2. n = 66 試料 繰り返し数 =2
gr2 <- c( 54, 36, 60, 46, 40, 61, 63, 41, 50, 40, 52, 52, 45, 55, 56, 45, 50, 50, 60, 47, 56, 50, 51, 49, 51, 51, 62, 37, 43, 45, 38, 45, 49, 49 ,
40, 54, 40, 55, 45, 49, 40, 53, 36, 57, 40, 39, 60, 50, 43, 38, 52, 59, 59, 43, 63, 38, 34, 47, 47, 37, 38, 35, 54, 55, 40, 46)
> mean(x)
[1] 47.95455
> var(x)
[1] 62.78252
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = -7.0703, 自由度 = 157, P値 = 4.786e-11
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -9.420160 -5.306135
標本推定値:
平均値x 平均値y
40.59140 47.95455
有意。試料とバックグラウンドに差異がある
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -6.6055, 自由度 = 104.015, P値 = 1.721e-09
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -9.573642 -5.152653
標本推定値:
平均値x 平均値y
40.59140 47.95455
有意。試料とバックグラウンドに差異がある
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.4315, 第1自由度 = 92, 第2自由度 = 65, P値 = 0.000212
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.2720116 0.6724900
標本推定値:
分散比
0.431523
有意。分散に違いがあるので、（Welchの方法）を使用する。
>

81 ：

３. 補足コメント
48.0 - 40.6 = 7.4 CPM
インスペクターの計数値からの換算計数は 0.47 Bq/CPM であるから、測定した試料の線量は
7.4 * 0.47 = 3.5 Bq
乾燥タマネギ1kgあたりでは、
3.5 * 1000 / 12.0 = 290 Bq/kg
タマネギは 89%の水分を含むから、生タマネギあたりでは
290 * 11 / 1000 = 3.09 Bg/kg
K:150mg/100g( http://www.eiyoukeisan.com/calorie/nut_list/kalium.html )
より、150 * 10 = 1500 mg, カリウムは 3.09 Bq/100mgであるから
15 * 3.09 = 46.3 Bq/kg のカリウムの放射能を含む。
栄養成分として含まれているはずのカリウムの分の線量が含まれていないから、乾燥時に(捨てた外側の)紙に吸い取られるなどで放射性成分が失われている。
試料の度数分布をみると、大まかに見て、35,45,55cpmをピークとする3つの山がある。
バックグラウンドの度数分布を見ると、35-40にピークがある。試料の35のピークを薄い試料によってバックグラウンドの一部が減衰したものと考えれば、45と55の2つのピークがある。
45 - 41 = 4, 4 * 0.47 = 2, 2 * 1000 / 12.0 = 166, 166 * 11/1000 = 1.8
55 - 41 = 14, 14 * 0.47 = 7, 7 * 1000 / 12.0 = 583, 583 * 11/1000 = 6.4
55のピークがカリウムのピークだとすると、45のピークがセシウムなどのピーク
あるいは、その逆となる。前者の考えに立ち、46.3Bq/kg のカリウムが6.4Bq/kgに乾燥によって失われたと解釈すると、
有効桁１桁で考えるならば、約1/10に消失している。セシウムとカリウムの消失を同程度と考えるならば、1.8*(46.3/6.4)=13 Bq/kgのセシウムが存在することとなる。
試料だけ考えるならば６６個合計１時間の測定で、有効桁を２桁にするならば１６時間程度の測定が必要である。
それだけの測定を考えずに、以上の結果をみれば、セシウム等の汚染は 2-20Bq/kg 程度と考えられる。
北海道産タマネギ 15Bq/kg という情報(板名忘却)が案外正確かもしれない。
http://www.kobakuri.jp/section/eiyou/potassium.html カリウムを除去する調理方法。

82 ：

まとめ
１．測定対象 　栃木県産　ふきのとう 19g
２．測定結果　28 Bq/kg 　（BG: 38.46939, 試料: 66.87692 CPM ）
１．測定対象 　JヌードルコーポレーションBK こだわりの熟成　20g
２．測定結果　　0Bq/kg 　
１．測定対象 　栃木県産　乾燥椎茸
２．測定結果　1000 Bq/kg
１．測定対象 カットわかめ　2012.12.17 中国原産 KKジャパンスパイス」
２．測定結果　45 Bq/kg
１．測定対象 富良野産玉葱　12g
２．測定結果　　2-20Bq/kg Bq/kg （カリウムを除いたベクレル数）

83 ：

まとめの訂正、全スレの分のまとめもお願いします。
椎茸は危険ですね。西日本の椎茸も汚染おがくずを使っている可能性があるため危険だと思います。
魚の骨にストロンチウムが含まれているようです。
北海道の玉ねぎが汚染していますが、この汚染マップが正しいということがわかりました。
http://www.zakzak.co.jp/society/domestic/photos/20111115/dms1111151134009-p1.htm
群馬大学御用学者の汚染マップはやはり信用できません。
http://savechild.net/wp-content/uploads/2011/10/hayakawa.jpg

84 ：

インスペクター＋　トータルタイマーモード　5分間カウント数
１．測定対象　たばこ４月１４日購入　LARK 3mg　ショート　１本分のタバコ葉
直付け　ビニルで保護
２．測定結果 ５分カウント数　２回測定
バックグランド　198,　200
たばこ１本分の葉　　264,　270

85 ：

>>84
日本製のタバコはどうなんだろう？

86 ：

>>85
タバコにはもともとα核種のポロニウム210が含まれている。
汚染タバコ葉は４月から流通しているらしい。
http://prepper.blog.fc2.com/blog-entry-134.html
日本製たばこのピースやホープは２００円くらいなので機会があれば測ってみたい。
ショッピングセンターなどにある喫煙所の空気清浄機フィルターは大丈夫だろうか？
１０万ベクレル/kgとか検出されそうで怖い。

87 ：

>>83
私の測定値の査読ってことで。
CPMからBqへの換算にはいろいろ問題があり、ご指摘があれば、
それでよいかと思います。
私としては、まとめる気はありません。

88 ：

１．測定対象
「栃木産菜の花 (40度４日間乾燥, 自家栽培) 10cm*12cm*3cm 38.2g, 比重 0.1g/cm3, 0.31g/cm2」の測定
備考: 水分 88% http://foodslink.jp/syokuzaihyakka/syun/vegitable/nanohana.htm
２．測定結果
まずは生データ。
1. n=38 BG
x <- c(49, 43, 46, 44, 39, 43, 27, 47, 49, 41, 47, 44, 41, 42, 35, 54, 39, 53, 40, 43, 43, 39, 46, 45, 31, 43, 42, 42, 39, 51, 52, 43, 33, 42, 37, 40, 55, 43)
> mean(x)
[1] 42.94737
> var(x)
[1] 35.99716
2. n=30 試料
x <- c(72, 75, 65, 73, 78, 83, 76, 79, 67, 82, 81, 52, 76, 79, 94, 85, 91, 75, 80, 82, 75, 92, 81, 67, 86, 58, 88, 72, 81, 61)
> mean(x)
[1] 76.86667
> var(x)
[1] 96.32644
3. n=31 BG
x <- c(43, 43, 36, 28, 35, 47, 39, 42, 62, 45, 38, 29, 32, 46, 46, 42, 34, 42, 41, 42, 46, 34, 51, 55, 51, 44, 41, 35, 45, 36, 43)
> mean(x)
[1] 41.70968
> var(x)
[1] 53.87957
4. n=30 試料
x <- c(60, 78, 72, 92, 81, 73, 76, 75, 85, 93, 92, 73, 67, 76, 76, 74, 79, 89, 82, 74, 79, 62, 89, 97, 65, 74, 76, 70, 82, 78)
> mean(x)
[1] 77.96667
> var(x)
[1] 82.92989
5. n=30 BG
x <- c(41, 51, 42, 42, 41, 52, 47, 43, 36, 42, 49, 42, 48, 34, 46, 42, 50, 42, 50, 28, 39, 44, 36, 39, 48, 39, 45, 53, 49, 52)
> mean(x)
[1] 43.73333
> var(x)
[1] 35.37471
>

89 ：

４. データ貼り付け
全体の分析
x <- c(49, 43, 46, 44, 39, 43, 27, 47, 49, 41, 47, 44, 41, 42, 35, 54, 39, 53, 40, 43, 43, 39, 46, 45, 31, 43, 42, 42, 39, 51, 52, 43, 33, 42, 37, 40, 55, 43 ,
72, 75, 65, 73, 78, 83, 76, 79, 67, 82, 81, 52, 76, 79, 94, 85, 91, 75, 80, 82, 75, 92, 81, 67, 86, 58, 88, 72, 81, 61 ,
43, 43, 36, 28, 35, 47, 39, 42, 62, 45, 38, 29, 32, 46, 46, 42, 34, 42, 41, 42, 46, 34, 51, 55, 51, 44, 41, 35, 45, 36, 43 ,
60, 78, 72, 92, 81, 73, 76, 75, 85, 93, 92, 73, 67, 76, 76, 74, 79, 89, 82, 74, 79, 62, 89, 97, 65, 74, 76, 70, 82, 78 ,
41, 51, 42, 42, 41, 52, 47, 43, 36, 42, 49, 42, 48, 34, 46, 42, 50, 42, 50, 28, 39, 44, 36, 39, 48, 39, 45, 53, 49, 52)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x)
[1] 55.86164
> var(x)
[1] 341.9428
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 188.2669, 第1自由度 = 4, 第2自由度 = 154, P値 < 2.2e-16
有意。郡による差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 13.0402, 自由度 = 4, P値 = 0.01108
有意。先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 154.0547, 第1自由度 = 4.000, 第2自由度 = 74.291, P値 < 2.2e-16
有意。郡による差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 4 2.5157233 2.515723
30 6 3.7735849 6.289308
35 17 10.6918239 16.981132
40 37 23.2704403 40.251572
45 20 12.5786164 52.830189
50 13 8.1761006 61.006289
55 3 1.8867925 62.893082
60 4 2.5157233 65.408805
65 5 3.1446541 68.553459
70 10 6.2893082 74.842767
75 17 10.6918239 85.534591
80 10 6.2893082 91.823899
85 6 3.7735849 95.597484
90 6 3.7735849 99.371069
95 1 0.6289308 100.000000
>

90 ：

BGと試料の比較
x <- c(49, 43, 46, 44, 39, 43, 27, 47, 49, 41, 47, 44, 41, 42, 35, 54, 39, 53, 40, 43, 43, 39, 46, 45, 31, 43, 42, 42, 39, 51, 52, 43, 33, 42, 37, 40, 55, 43 ,
72, 75, 65, 73, 78, 83, 76, 79, 67, 82, 81, 52, 76, 79, 94, 85, 91, 75, 80, 82, 75, 92, 81, 67, 86, 58, 88, 72, 81, 61 ,
43, 43, 36, 28, 35, 47, 39, 42, 62, 45, 38, 29, 32, 46, 46, 42, 34, 42, 41, 42, 46, 34, 51, 55, 51, 44, 41, 35, 45, 36, 43 ,
60, 78, 72, 92, 81, 73, 76, 75, 85, 93, 92, 73, 67, 76, 76, 74, 79, 89, 82, 74, 79, 62, 89, 97, 65, 74, 76, 70, 82, 78 ,
41, 51, 42, 42, 41, 52, 47, 43, 36, 42, 49, 42, 48, 34, 46, 42, 50, 42, 50, 28, 39, 44, 36, 39, 48, 39, 45, 53, 49, 52)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 759.5479, 第1自由度 = 1, 第2自由度 = 157, P値 < 2.2e-16
有意。試料とバックグラウンドに差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 11.0959, 自由度 = 1, P値 = 0.0008652
有意。先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 634.1662, 第1自由度 = 1.000, 第2自由度 = 92.587, P値 < 2.2e-16
有意。試料とバックグラウンドに差異がある。

91 ：

繰り返しによる影響
1. n = 99 BG 繰り返し数 =3
x <- c( 49, 43, 46, 44, 39, 43, 27, 47, 49, 41, 47, 44, 41, 42, 35, 54, 39, 53, 40, 43, 43, 39, 46, 45, 31, 43, 42, 42, 39, 51, 52, 43, 33, 42, 37, 40, 55, 43 ,
43, 43, 36, 28, 35, 47, 39, 42, 62, 45, 38, 29, 32, 46, 46, 42, 34, 42, 41, 42, 46, 34, 51, 55, 51, 44, 41, 35, 45, 36, 43 ,
41, 51, 42, 42, 41, 52, 47, 43, 36, 42, 49, 42, 48, 34, 46, 42, 50, 42, 50, 28, 39, 44, 36, 39, 48, 39, 45, 53, 49, 52)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 42.79798
> var(x)
[1] 41.20367
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.7707, 第1自由度 = 2, 第2自由度 = 96, P値 = 0.4655
有意。繰り返しによる差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 1.7998, 自由度 = 2, P値 = 0.4066
有意。先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.6947, 第1自由度 = 2.000, 第2自由度 = 61.314, P値 = 0.5031
有意。繰り返しによる差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 4 4.040404 4.040404
30 6 6.060606 10.101010
35 17 17.171717 27.272727
40 37 37.373737 64.646465
45 20 20.202020 84.848485
50 12 12.121212 96.969697
55 2 2.020202 98.989899
60 1 1.010101 100.000000
>

92 ：

2. n = 60 試料 繰り返し数 =2
x <- c( 72, 75, 65, 73, 78, 83, 76, 79, 67, 82, 81, 52, 76, 79, 94, 85, 91, 75, 80, 82, 75, 92, 81, 67, 86, 58, 88, 72, 81, 61 ,
60, 78, 72, 92, 81, 73, 76, 75, 85, 93, 92, 73, 67, 76, 76, 74, 79, 89, 82, 74, 79, 62, 89, 97, 65, 74, 76, 70, 82, 78)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 77.41667
> var(x)
[1] 88.41667
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.2025, 第1自由度 = 1, 第2自由度 = 58, P値 = 0.6544
有意ではない。繰り返しによる差異は不明。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 0.1597, 自由度 = 1, P値 = 0.6895
有意。先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.2025, 第1自由度 = 1.000, 第2自由度 = 57.678, P値 = 0.6544
有意ではない。繰り返しによる差異は不明。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
50 1 1.666667 1.666667
55 1 1.666667 3.333333
60 3 5.000000 8.333333
65 5 8.333333 16.666667
70 10 16.666667 33.333333
75 17 28.333333 61.666667
80 10 16.666667 78.333333
85 6 10.000000 88.333333
90 6 10.000000 98.333333
95 1 1.666667 100.000000
>

93 ：

BGと試料の比較
1. n = 99 BG 繰り返し数 =3
gr1 <- c( 49, 43, 46, 44, 39, 43, 27, 47, 49, 41, 47, 44, 41, 42, 35, 54, 39, 53, 40, 43, 43, 39, 46, 45, 31, 43, 42, 42, 39, 51, 52, 43, 33, 42, 37, 40, 55, 43 ,
43, 43, 36, 28, 35, 47, 39, 42, 62, 45, 38, 29, 32, 46, 46, 42, 34, 42, 41, 42, 46, 34, 51, 55, 51, 44, 41, 35, 45, 36, 43 ,
41, 51, 42, 42, 41, 52, 47, 43, 36, 42, 49, 42, 48, 34, 46, 42, 50, 42, 50, 28, 39, 44, 36, 39, 48, 39, 45, 53, 49, 52)
> mean(x)
[1] 42.79798
> var(x)
[1] 41.20367
2. n = 60 試料 繰り返し数 =2
gr2 <- c( 72, 75, 65, 73, 78, 83, 76, 79, 67, 82, 81, 52, 76, 79, 94, 85, 91, 75, 80, 82, 75, 92, 81, 67, 86, 58, 88, 72, 81, 61 ,
60, 78, 72, 92, 81, 73, 76, 75, 85, 93, 92, 73, 67, 76, 76, 74, 79, 89, 82, 74, 79, 62, 89, 97, 65, 74, 76, 70, 82, 78)
> mean(x)
[1] 77.41667
> var(x)
[1] 88.41667
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = -27.5599, 自由度 = 157, P値 < 2.2e-16
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -37.09977 -32.13760
標本推定値:
平均値x 平均値y
42.79798 77.41667
有意。試料とバックグラウンドに差異がある。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -25.1827, 自由度 = 92.587, P値 < 2.2e-16
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -37.34874 -31.88864
標本推定値:
平均値x 平均値y
42.79798 77.41667
有意。試料とバックグラウンドに差異がある。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.466, 第1自由度 = 98, 第2自由度 = 59, P値 = 0.0008053
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.2901663 0.7287807
標本推定値:
分散比
0.466017
有意。分散に差異があるので、（Welchの方法）を使用する。

94 ：

３. 補足コメント
77.4 - 42.8 = 34.6 CPM
34.6 * 0.47 = 16 Bq
全量から受光可能と仮定して、1kgあたりの線量は
16 * 1000 / 38.2 = 425 Bq/kg
水分量が 88%( http://foodslink.jp/syokuzaihyakka/syun/vegitable/nanohana.htm )なので、
425 * (100-88) / 100 = 51 Bq/kg
カリウムが 3.9g/kg 含まれるので、この線量は 30.9 * 3.9 = 120 となるが、それだけの線量が出ていない。
なお、無肥料・無農薬栽培(自然に発芽するのに任せる)です。
栃木県産菜の花(自家栽培)の線量は 51 Bq/kg(カリウム込) となりました。

95 ：

すき家のお米は栃木県産だけど大丈夫かな。
牛丼つゆだくに紅しょうがをたっぷりかけて食うのがうまいんだよな。

96 ：

３月にリクエストのあった、栃木産しいたけ。
収穫したのはいいのだが、臭くて臭くて、屋外で乾燥していたので測定が遅れました。
分量が多いので一部だけ
1. n=30 BG
x <- c(48, 43, 33, 45, 39, 42, 39, 34, 50, 30, 37, 40, 28, 32, 36, 47, 51, 51, 45, 41, 38, 45, 56, 38, 46, 31, 46, 42, 47, 43)
> mean(x) [1] 41.43333
> var(x) [1] 47.63333
2. n=40 試料
x <- c(63, 59, 64, 66, 66, 58, 47, 67, 54, 50, 63, 55, 51, 66, 51, 66, 52, 71, 61, 55, 69, 57, 57, 54, 50, 45, 54, 54, 47, 55, 54, 77, 62, 67, 60, 60, 60, 55, 52, 64)
> mean(x) [1] 58.45
> var(x) [1] 52.51026
3. n=43 BG
x <- c(36, 42, 46, 43, 35, 39, 38, 38, 45, 46, 50, 45, 40, 39, 52, 40, 40, 64, 31, 37, 46, 47, 45, 39, 39, 44, 34, 39, 44, 45, 41, 51, 45, 35, 34, 41, 36, 66, 36, 53, 27, 44, 46)
> mean(x) [1] 42.39535
> var(x) [1] 56.24474
4. n=30 試料
x <- c(61, 45, 62, 48, 44, 54, 53, 60, 49, 57, 58, 51, 42, 60, 57, 50, 57, 50, 64, 51, 48, 53, 60, 65, 49, 46, 57, 42, 55, 62)
> mean(x) [1] 53.66667
> var(x) [1] 43.54023
5. n=32 BG
x <- c(28, 38, 41, 41, 43, 38, 50, 42, 39, 38, 40, 36, 38, 41, 47, 46, 41, 44, 34, 60, 42, 38, 36, 52, 54, 48, 43, 45, 46, 39, 37, 42)
> mean(x) [1] 42.09375
> var(x) [1] 38.79738
6. n=30 試料(上側)
x <- c(65, 68, 60, 72, 62, 63, 73, 59, 67, 85, 56, 59, 61, 68, 65, 53, 70, 77, 53, 58, 69, 55, 61, 56, 80, 78, 61, 71, 82, 64)
> mean(x) [1] 65.7
> var(x) [1] 75.25172
7. n=45 試料(下側)
x <- c(67, 59, 54, 78, 70, 50, 53, 53, 61, 68, 45, 67, 64, 58, 57, 65, 72, 57, 51, 65, 64, 56, 60, 62, 55, 59, 64, 50, 70, 70, 66, 56, 65, 60, 57, 51, 68, 75, 74, 49, 67, 73, 58, 65, 56)
> mean(x) [1] 61.42222
> var(x) [1] 60.97677
8. n=31 BG
x <- c(54, 53, 51, 40, 41, 37, 39, 43, 30, 39, 49, 51, 46, 40, 31, 29, 44, 47, 50, 33, 40, 47, 48, 37, 40, 27, 45, 43, 32, 36, 41)
> mean(x) [1] 41.3871
> var(x) [1] 53.57849

97 ：

1. n = 136 BG 繰り返し数 =4> mean(x)
[1] 41.88235
> var(x)
[1] 48.74161
2. n = 145 試料 繰り返し数 =4
> mean(x)
[1] 59.88276
> var(x)
[1] 73.18755
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = -19.2506, 自由度 = 279, P値 < 2.2e-16
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -19.84107 -16.15974
標本推定値:
平均値x 平均値y
41.88235 59.88276
有意。バックグラウンドと試料に差異がある。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -19.375, 自由度 = 273.833, P値 < 2.2e-16
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -19.82940 -16.17142
標本推定値:
平均値x 平均値y
41.88235 59.88276
有意。バックグラウンドと試料に差異がある。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.666, 第1自由度 = 135, 第2自由度 = 144, P値 = 0.01732
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.4775874 0.9303814
標本推定値:
分散比
0.6659823
有意。（Welchの方法）を使用する
>
59.9 - 41.9 = 18 CPM
18 * 0.47 = 24 Bq
24 * 1000 / 8.7 = 2700 Bq/kg

98 ：

かさの裏表の比較
試料の裏表の比較
gr1 <- c( 65, 68, 60, 72, 62, 63, 73, 59, 67, 85, 56, 59, 61, 68, 65, 53, 70, 77, 53, 58, 69, 55, 61, 56, 80, 78, 61, 71, 82, 64)
gr2 <- c( 67, 59, 54, 78, 70, 50, 53, 53, 61, 68, 45, 67, 64, 58, 57, 65, 72, 57, 51, 65, 64, 56, 60, 62, 55, 59, 64, 50, 70, 70, 66, 56, 65, 60, 57, 51, 68, 75, 74, 49, 67, 73, 58, 65, 56)
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = 2.2231, 自由度 = 73, P値 = 0.02930
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: 0.4428004 8.1127552
標本推定値:
平均値x 平均値y
65.70000 61.42222
有意。試料の裏表に差異がある。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = 2.1764, 自由度 = 57.697, P値 = 0.03364
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: 0.3428404 8.2127152
標本推定値:
平均値x 平均値y
65.70000 61.42222
有意。試料の裏表に差異がある。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 1.2341, 第1自由度 = 29, 第2自由度 = 44, P値 = 0.5191
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.6437975 2.4796793
標本推定値:
分散比
1.234105
有意。（Welchの方法）を使用する

99 ：

まとめ２
１．測定対象 　栃木産菜の花
２．測定結果　51 Bq/kg(カリウム込)
１．栃木産しいたけ
２．測定結果　　2700 Bq/kg

100read 1read

1read 100read

TOP カテ一覧 スレ一覧 2ch元 削除依頼 ▲

今回の原発事故で健康被害は出ないだろう (157)
めざまし大塚再来？たかじんも放射能試食で癌に？？ (313)
●高速増殖炉もんじゅと常陽を廃炉にしろ 10 (134)
【梨】千葉県の汚染情報総合スレ#1【菜の花】 (118)
原発の父中曽根 (114)
秋田県の放射能事情 (701)
--log9.info------------------
マイナー球技(仮)自治スレ（名無し・LRetc...） (226)
ソフトボール板がないけど (505)
キン・ボールについて語る (290)
この板の名無しを考えるスレ (114)
【ソフトテニス】ラケットについて語り合うスレ (291)
【フットサル】地域リーグスレ【競技系】 (105)
スカッシュ (107)
ソフトテニスをやりましょう　第12ゲーム (500)
女子硬式野球総合スレ (213)
で、オマイラがやってきたマイナー球技ってなによ (850)
横やんの練習日誌〜道徳不要！喧嘩に為に俺は行く〜 (797)
【大山倍達の】小島一志の虚言 114ヶ所【遺言】 (497)
【紫雨凱】自称空手家（笑）我道会館【菅原伊織】 (183)
游心流★長野峻也18★タダで宣伝 夜露死苦〜! (121)
防具付空手・防具空手・硬式空手スレ10 (687)
古伝空手ってどこで教えてくれるの？ (698)
--log55.com------------------
新宿のおいしい焼肉屋さん
愛知・名古屋 旨い焼肉ホルモン 馬力屋ネタ禁止
神奈川の焼肉店!！　その２
　　　【陣内】　　焼肉 たむら　　【R】
たむけんの焼き肉屋は美味いの？
【速報】米国産牛肉輸入、全面停止！！
エバラ焼肉のたれの凄さについて語るスレ
【】　本物の焼肉を食べた後安楽や牛角なんて　【】