1read 100read
2012年5月放射能47: 【ガイガー】インスペクター+統計スレ (365)
TOP カテ一覧 スレ一覧 2ch元 削除依頼 ▼
被曝中、被曝後の医療をしろ。3 (398)
思ったんだけど、内部被曝を恐れすぎていないか? (369)
【彩の国】放射能情報総合スレッド★1【埼玉県】 (274)
放射能汚染されていない物品9 (676)
【安心】お米 コメ 総合 3俵目【確保】 (863)
【梨】千葉県の汚染情報総合スレ#1【菜の花】 (118)
【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 ▲
伊方原発は余りにも危険だ、廃止しろ!!!3 (285)
神奈川県総合スレッド★2 (820)
被災地・宮城の瓦礫を受け入れてる山形県について (209)
放射性がれきの処分方法 (167)
長野県 (483)
【プルト君】放射性物質のAAスレ【プルト君】 (451)
--log9.info------------------
【MTG】マルチカラー・アーティファクト・土地 (120)
【ヴァンガード】開封報告スレ グレード3 (963)
【遊戯王】昆虫族について語る 28匹目【甲虫装機】 (219)
【モンコレ】コラボレーション総合スレ (564)
【VG】ヴァンガードオリカスレ part2 (904)
【遊戯王】戦士族について語るスレ 6敗将軍フリード (889)
過大評価されてるTCG (278)
モンスターファームバトルカード (263)
【MTG】土地破壊デッキで天下取ろう【ランデス】 (246)
【遊戯王】ゴールドシリーズ総合スレ part12【GS】 (447)
【GW】ガンダムウォーTCGスレ 297 (643)
【遊戯王】デッキ破壊について語るスレ 3枚削る (409)
【遊戯王】恐竜族その13【エヴォル】 (129)
【BS】バトルスピリッツ構築・診断スレ Xレア 05枚目 (360)
【遊戯王】特殊勝利デッキ part1 (800)
【VG】ヴァンガードの愚痴・不満点を語るスレ Part2 (411)
--log55.com------------------
【マッキー】 天音8 【ワクワク・バカボン】
実質抗争9
高橋大輔の性癖検証スレ28
【マオタ禁止】まったりフぃギュアスレ【アンチ禁止】13
【ソロツアー開幕】登坂広臣雑談スレ182【雪の華2019公開】
☆矢同人ヲチ 60
四人のにびいろを語るスレ10
しょうこ♂と蛾アンチスレ26