【ガイガー】インスペクター＋統計スレ２ [sc] | レス111-162

★お気に入り追加

1 2012/06/10(日) 01:41:20.41

前スレがとつぜん消えてしまったのでたてました。
インスペクター＋統計スレ２
統計データを書き込むスレです。

ここまで見た

111 2012/07/22(日) 20:28:22.08: BGと試料の比較

1. n = 96 BG 繰り返し数 =3
gr1 <- c( 37,32,56,42,29,37,44,43,37,48,33,36,29,29,44,29,43,42,37,37,45,39,47,34,42,53,46,48,38,42 ,
39,32,37,40,33,37,33,31,35,42,33,43,35,36,49,36,35,42,31,41,33,33,36,29,30,41,35,36,36,43,39,25,22,36,27,38 ,
37,36,35,42,44,38,38,47,38,45,27,32,47,43,38,33,34,35,37,44,50,44,49,53,44,40,28,37,30,37)

2. n = 60 茨城産キャベツの葉 2012.06.12 スーパーのゴミ箱より入手 5.3dg 繰り返し数 =2
gr2 <- c( 68,52,61,51,84,67,62,63,52,57,55,59,52,40,49,77,64,61,63,55,59,51,75,45,63,56,55,70,57,48 ,
64,65,64,70,58,84,67,60,64,69,51,76,64,53,67,61,57,59,76,59,73,58,55,65,70,67,50,59,62,76)
> 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 = -18.6925, 自由度 = 154, 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: -25.93058 -20.97359
標本推定値:
平均値x 平均値y
38.11458 61.56667
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 = -17.3486, 自由度 = 96.834, 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: -26.13512 -20.76905
標本推定値:
平均値x 平均値y
38.11458 61.56667
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 = 0.5146, 第1自由度 = 95, 第2自由度 = 59, P値 = 0.003833
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.3197390 0.8074844
標本推定値:
分散比
0.5145996
有意。分散が異なるので（Welchの方法）を使用する。

>

ここまで見た

112 2012/07/22(日) 20:30:10.64: ３.補足コメント
61.56667 - 38.11458 = 23.45209 CPM (11.0Bq)
11.0 * 1000 / 5.3 = 2079Bq/kg
水分 92.7 %, カリウム 200mg /100g (6.18 Bq/kg) ( http://www.yasainavi.com/eiyou/eiyouhyouseparate/101 )より
乾燥前の線量
2079 * 7.3 / 100 = 151 Bq/kg
よりもカリウム由来線量ははるかに少ない

ここまで見た

113 2012/07/28(土) 01:17:29.73: 肥料や農薬が汚染していたら九州四国の野菜も汚染しそうですね。

ここまで見た

114 2012/08/02(木) 20:14:03.91: >>113
天気図を見ていると、
福島からのほこりが東京上空をすり抜けて、九州四国に上陸したり
福島から、佐渡上空をすり抜けて中国四国に流れ込んでゆく様子が見当つきます。
ここに産廃焼却物(汚染地区産ダンボール廃棄物等)や肥料(食料品廃棄物を含む)が流れ込むことになるでしょう。
入手が困難で野菜の分析をしていませんが、大阪・兵庫・長崎の住所が書いてある乾燥食品は結構高いです。
では、いってみますか。

１．測定対象
「栃木県内で販売されていた桃。55.6wg」6.4dgの分析
桃を適当に切断し、プリンカップ内で乾燥。たれた汁を含めて測定した。したがって、種を除いている。
「空試験」は、糊台の上に、ポリ袋(ジップロックお手軽バッグ小 )に入れた No.160 プリンカップ(小) 霧島製作所( http://item.rakuten.co.jp/b-stage/4962817261608/ )を置いた状態。

２．測定結果
1. n=30 糊台
x <- c( 44,37,33,39,46,51,35,34,36,32,25,36,44,41,40,36,47,29,34,53,41,30,46,41,35,40,25,29,33,41)

2. n=30 空試験
x <- c( 38,28,53,38,45,31,27,37,29,40,45,30,34,27,27,41,38,36,32,23,44,43,26,54,39,32,33,38,31,36)

3. n=31 2012.07.12入手。栃木県内で販売されていた桃。55.6wg
x <- c( 45,46,38,38,44,34,31,49,47,37,42,52,50,39,48,50,46,49,33,41,40,34,47,48,39,53,36,51,47,52,43)

4. n=60 空試験
x <- c( 44,38,37,46,38,37,41,37,34,30,40,45,46,47,39,45,34,32,36,32,41,42,43,33,35,32,39,41,39,35,35,
46,41,39,38,41,53,42,39,36,38,33,33,29,42,41,35,38,24,33,40,40,32,35,40,42,42,45,36,37)

5. n=30 2012.07.12入手。栃木県内で販売されていた桃。55.6wg
x <- c( 40,45,52,45,35,47,39,34,50,42,55,34,43,47,45,48,46,46,37,33,49,48,51,49,39,37,45,62,41,40)

6. n=30 空試験
x <- c( 32,40,37,33,33,49,39,35,40,42,48,38,37,32,38,36,48,47,40,35,36,35,45,38,40,35,25,40,46,36)

7. n=31 糊台
x <- c( 38,27,26,25,30,26,46,46,37,27,42,29,28,26,42,34,42,35,35,44,42,36,37,27,47,35,40,46,34,28,34)

ここまで見た

115 2012/08/02(木) 20:15:03.14: ４.　データ貼り付け

全体の分析
x <- c( 44,37,33,39,46,51,35,34,36,32,25,36,44,41,40,36,47,29,34,53,41,30,46,41,35,40,25,29,33,41 ,
38,28,53,38,45,31,27,37,29,40,45,30,34,27,27,41,38,36,32,23,44,43,26,54,39,32,33,38,31,36 ,
45,46,38,38,44,34,31,49,47,37,42,52,50,39,48,50,46,49,33,41,40,34,47,48,39,53,36,51,47,52,43 ,
44,38,37,46,38,37,41,37,34,30,40,45,46,47,39,45,34,32,36,32,41,42,43,33,35,32,39,41,39,35,35,46,41,39,38,41,53,42,39,36,38,33,33,29,42,41,35,38,24,33,40,40,32,35,40,42,42,45,36,37 ,
40,45,52,45,35,47,39,34,50,42,55,34,43,47,45,48,46,46,37,33,49,48,51,49,39,37,45,62,41,40 ,
32,40,37,33,33,49,39,35,40,42,48,38,37,32,38,36,48,47,40,35,36,35,45,38,40,35,25,40,46,36 ,
38,27,26,25,30,26,46,46,37,27,42,29,28,26,42,34,42,35,35,44,42,36,37,27,47,35,40,46,34,28,34)
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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,
4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
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 ,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)
> mean(x)
[1] 38.96694
> var(x)
[1] 49.06944
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 9.1952, 第1自由度 = 6, 第2自由度 = 235, P値 = 4.763e-09
有意。群間に差がある。

> 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 = 9.9331, 自由度 = 6, P値 = 0.1275
有意。分散が異なるので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 = 7.9609, 第1自由度 = 6.000, 第2自由度 = 93.984, P値 = 5.949e-07
有意。群間に差がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 2 0.8264463 0.8264463
25 22 9.0909091 9.9173554
30 39 16.1157025 26.0330579
35 68 28.0991736 54.1322314
40 51 21.0743802 75.2066116
45 44 18.1818182 93.3884298
50 14 5.7851240 99.1735537
55 1 0.4132231 99.5867769
60 1 0.4132231 100.0000000
>

ここまで見た

116 2012/08/02(木) 20:15:45.85: BGと空試験と試料の比較
x <- c( 44,37,33,39,46,51,35,34,36,32,25,36,44,41,40,36,47,29,34,53,41,30,46,41,35,40,25,29,33,41 ,
38,28,53,38,45,31,27,37,29,40,45,30,34,27,27,41,38,36,32,23,44,43,26,54,39,32,33,38,31,36 ,
45,46,38,38,44,34,31,49,47,37,42,52,50,39,48,50,46,49,33,41,40,34,47,48,39,53,36,51,47,52,43 ,
44,38,37,46,38,37,41,37,34,30,40,45,46,47,39,45,34,32,36,32,41,42,43,33,35,32,39,41,39,35,35,46,41,39,38,41,53,42,39,36,38,33,33,29,42,41,35,38,24,33,40,40,32,35,40,42,42,45,36,37 ,
40,45,52,45,35,47,39,34,50,42,55,34,43,47,45,48,46,46,37,33,49,48,51,49,39,37,45,62,41,40 ,
32,40,37,33,33,49,39,35,40,42,48,38,37,32,38,36,48,47,40,35,36,35,45,38,40,35,25,40,46,36 ,
38,27,26,25,30,26,46,46,37,27,42,29,28,26,42,34,42,35,35,44,42,36,37,27,47,35,40,46,34,28,34)
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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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 = 24.1871, 第1自由度 = 2, 第2自由度 = 239, P値 = 2.717e-10
有意。BGと空試験と試料に差がある。

> 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 = 2.4959, 自由度 = 2, P値 = 0.2871
有意。分散が異なるので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 = 23.2284, 第1自由度 = 2.000, 第2自由度 = 121.992, P値 = 2.833e-09
有意。BGと空試験と試料に差がある。

>

ここまで見た

117 2012/08/02(木) 20:17:01.02: 繰り返しによる影響

1. n = 61 BG 繰り返し数 =2
x <- c( 44,37,33,39,46,51,35,34,36,32,25,36,44,41,40,36,47,29,34,53,41,30,46,41,35,40,25,29,33,41 ,
38,27,26,25,30,26,46,46,37,27,42,29,28,26,42,34,42,35,35,44,42,36,37,27,47,35,40,46,34,28,34)
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] 36.45902
> var(x)
[1] 50.91913
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 2.016, 第1自由度 = 1, 第2自由度 = 59, P値 = 0.1609
有意。繰り返しによる差がある。

> 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 = 0.0057, 自由度 = 1, P値 = 0.9398
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 = 2.0169, 第1自由度 = 1.000, 第2自由度 = 58.978, P値 = 0.1608
有意。繰り返しによる差がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 14 22.950820 22.95082
30 10 16.393443 39.34426
35 14 22.950820 62.29508
40 14 22.950820 85.24590
45 7 11.475410 96.72131
50 2 3.278689 100.00000
>

ここまで見た

118 2012/08/02(木) 20:17:46.16: 2. n = 120 空試験繰り返し数 =3
x <- c( 38,28,53,38,45,31,27,37,29,40,45,30,34,27,27,41,38,36,32,23,44,43,26,54,39,32,33,38,31,36 ,
44,38,37,46,38,37,41,37,34,30,40,45,46,47,39,45,34,32,36,32,41,42,43,33,35,32,39,41,39,35,35,46,41,39,38,41,53,42,39,36,38,33,33,29,42,41,35,38,24,33,40,40,32,35,40,42,42,45,36,37 ,
32,40,37,33,33,49,39,35,40,42,48,38,37,32,38,36,48,47,40,35,36,35,45,38,40,35,25,40,46,36)
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 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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] 37.775
> var(x)
[1] 35.94055
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 2.1421, 第1自由度 = 2, 第2自由度 = 117, P値 = 0.122
有意。繰り返しによる差がある。

> 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 = 7.2977, 自由度 = 2, P値 = 0.02602
有意。分散が異なるので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 = 1.4596, 第1自由度 = 2.000, 第2自由度 = 56.194, P値 = 0.241
有意。繰り返しによる差がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 2 1.666667 1.666667
25 8 6.666667 8.333333
30 22 18.333333 26.666667
35 43 35.833333 62.500000
40 27 22.500000 85.000000
45 15 12.500000 97.500000
50 3 2.500000 100.000000
>

ここまで見た

119 2012/08/02(木) 20:18:46.12: 3. n = 61 2012.07.12入手。栃木県内で販売されていた桃。55.6wg 繰り返し数 =2
x <- c( 45,46,38,38,44,34,31,49,47,37,42,52,50,39,48,50,46,49,33,41,40,34,47,48,39,53,36,51,47,52,43 ,
40,45,52,45,35,47,39,34,50,42,55,34,43,47,45,48,46,46,37,33,49,48,51,49,39,37,45,62,41,40)
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)
> mean(x)
[1] 43.81967
> var(x)
[1] 41.71694
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.1372, 第1自由度 = 1, 第2自由度 = 59, P値 = 0.7124
有意ではない。繰り返しによる差は不明。

> 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 = 0.102, 自由度 = 1, P値 = 0.7494
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 = 0.1369, 第1自由度 = 1.000, 第2自由度 = 58.499, P値 = 0.7127
有意ではない。繰り返しによる差は不明。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
30 7 11.475410 11.47541
35 11 18.032787 29.50820
40 10 16.393443 45.90164
45 22 36.065574 81.96721
50 9 14.754098 96.72131
55 1 1.639344 98.36066
60 1 1.639344 100.00000
>

ここまで見た

120 2012/08/02(木) 20:19:46.46: BGと試料の比較

1. n = 61 BG 繰り返し数 =2
gr1 <- c( 44,37,33,39,46,51,35,34,36,32,25,36,44,41,40,36,47,29,34,53,41,30,46,41,35,40,25,29,33,41 ,
38,27,26,25,30,26,46,46,37,27,42,29,28,26,42,34,42,35,35,44,42,36,37,27,47,35,40,46,34,28,34)

2. n = 120 空試験繰り返し数 =3
gr2 <- c( 38,28,53,38,45,31,27,37,29,40,45,30,34,27,27,41,38,36,32,23,44,43,26,54,39,32,33,38,31,36 ,
44,38,37,46,38,37,41,37,34,30,40,45,46,47,39,45,34,32,36,32,41,42,43,33,35,32,39,41,39,35,35,46,41,39,38,41,53,42,39,36,38,33,33,29,42,41,35,38,24,33,40,40,32,35,40,42,42,45,36,37 ,
32,40,37,33,33,49,39,35,40,42,48,38,37,32,38,36,48,47,40,35,36,35,45,38,40,35,25,40,46,36)
> 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 = -1.3076, 自由度 = 179, P値 = 0.1927
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: -3.3019181 0.6699509
標本推定値:
平均値x 平均値y
36.45902 37.77500
有意。バックグラウンドと空試験に差がある。

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = -1.2357, 自由度 = 104.028, P値 = 0.2194
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: -3.4279299 0.7959627
標本推定値:
平均値x 平均値y
36.45902 37.77500
有意。バックグラウンドと空試験に差がある。

> var.test(gr1, gr2)
二群の等分散性の検定

データ: gr1 と gr2
F = 1.4168, 第1自由度 = 60, 第2自由度 = 119, P値 = 0.1091
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.9253192 2.2410315
標本推定値:
分散比
1.41676
有意。分散が異なるので（Welchの方法）を使用する。

>

ここまで見た

121 2012/08/02(木) 20:20:48.09: BGと試料の比較
3. n = 61 2012.07.12入手。栃木県内で販売されていた桃。55.6wg 繰り返し数 =2
gr2 <- c( 45,46,38,38,44,34,31,49,47,37,42,52,50,39,48,50,46,49,33,41,40,34,47,48,39,53,36,51,47,52,43 ,
40,45,52,45,35,47,39,34,50,42,55,34,43,47,45,48,46,46,37,33,49,48,51,49,39,37,45,62,41,40)
> 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 = -5.973, 自由度 = 120, P値 = 2.441e-08
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: -9.800573 -4.920739
標本推定値:
平均値x 平均値y
36.45902 43.81967
有意。バックグラウンドと試料に差がある。

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = -5.973, 自由度 = 118.827, P値 = 2.489e-08
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: -9.800818 -4.920493
標本推定値:
平均値x 平均値y
36.45902 43.81967
有意。バックグラウンドと試料に差がある。

> var.test(gr1, gr2)
二群の等分散性の検定

データ: gr1 と gr2
F = 1.2206, 第1自由度 = 60, 第2自由度 = 60, P値 = 0.4424
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.7322973 2.0344620
標本推定値:
分散比
1.220586
有意。分散が異なるので（Welchの方法）を使用する。

>

ここまで見た

122 2012/08/02(木) 20:21:46.05: 空試験と試料の比較

gr1 <- c( 38,28,53,38,45,31,27,37,29,40,45,30,34,27,27,41,38,36,32,23,44,43,26,54,39,32,33,38,31,36 ,
44,38,37,46,38,37,41,37,34,30,40,45,46,47,39,45,34,32,36,32,41,42,43,33,35,32,39,41,39,35,35,46,41,39,38,41,53,42,39,36,38,33,33,29,42,41,35,38,24,33,40,40,32,35,40,42,42,45,36,37 ,
32,40,37,33,33,49,39,35,40,42,48,38,37,32,38,36,48,47,40,35,36,35,45,38,40,35,25,40,46,36)
gr2 <- c( 45,46,38,38,44,34,31,49,47,37,42,52,50,39,48,50,46,49,33,41,40,34,47,48,39,53,36,51,47,52,43 ,
40,45,52,45,35,47,39,34,50,42,55,34,43,47,45,48,46,46,37,33,49,48,51,49,39,37,45,62,41,40)
> 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 = -6.246, 自由度 = 179, P値 = 2.981e-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: -7.954369 -4.134975
標本推定値:
平均値x 平均値y
37.77500 43.81967
有意。空試験と試料に差がある。

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = -6.0955, 自由度 = 113.122, P値 = 1.550e-08
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: -8.009306 -4.080038
標本推定値:
平均値x 平均値y
37.77500 43.81967
有意。空試験と試料に差がある。

> var.test(gr1, gr2)
二群の等分散性の検定

データ: gr1 と gr2
F = 0.8615, 第1自由度 = 119, 第2自由度 = 60, P値 = 0.488
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.5446538 1.3190975
標本推定値:
分散比
0.8615336
有意。分散が異なるので（Welchの方法）を使用する。

>

ここまで見た

123 2012/08/02(木) 20:26:20.80: ３.補足コメント
「栃木県内で販売されていた桃。55.6wg」6.4dgの分析
43.81967 - 37.77500 = 6.04467CPM (2.84Bq)
2.84 * 1000 / 55.6 = 51.1 Bq/kg
2.84 * 1000 / 6.4 = 444 Bq/dkg
カリウム 180mg/100g ( http://www.kudamononavi.com/eiyou/eiyouhyouseparate/135 ) より、5.5Bq/kg
水分 88% ( http://www.kudamononavi.com/eiyou/eiyouhyouseparate/135 )

連投制限の関係であまり出せませんが、私が購入する範囲では、
汚染されていない食品が稀です。
自家製野菜を放置して乾かしてしまうと、0.2uSvなんて頻繁に見かけます。
ごみ減量のため、野菜くずをある程度乾かしてから廃棄していますが、これがかなり高いです。

ここまで見た

124 2012/08/02(木) 21:22:08.66: １．測定対象
「栃木県産草イチゴの実 2012.07.11収穫, 50度1週間乾燥」の分析
99.3wg, 11.9 dg

２．測定結果
試料の132棄却後
1. n=40 糊台
x <- c( 41,34,33,36,49,35,41,32,27,33,41,51,38,38,45,38,35,34,30,36,49,31,44,33,35,37,38,42,35,35,33,25,36,29,31,35,44,30,42,26)

2. n=31 栃木県産草イチゴの実 2012.07.11収穫, 50度1週間乾燥
x <- c( 47,49,50,42,41,42,40,45,45,44,51,57,64,48,48,44,45,62,36,47,56,52,43,90, 52,52,43,53,47,38)
132を棄却

3. n=42 糊台
x <- c( 39,42,40,37,48,43,39,32,31,28,35,25,37,39,33,42,47,35,35,32,41,34,35,40,52,43,36,35,29,29,36,44,43,32,57,26,36,30,39,40,47,38)

4. n=32 栃木県産草イチゴの実 2012.07.11収穫, 50度1週間乾燥
x <- c( 47,45,43,54,50,54,43,38,50,42,57,46,50,36,39,37,28,59,44,60,53,47,48,55,57,38,36,48,49,51,42,39)

5. n=38 糊台
x <- c( 34,29,36,32,34,40,45,30,48,30,36,34,33,24,44,35,48,35,58,34,42,48,37,47,34,45,32,37,38,46,29,31,39,41,34,48,26,43)

ここまで見た

125 2012/08/02(木) 21:23:19.53: ２．測定結果
全体の分析
x <- c( 41,34,33,36,49,35,41,32,27,33,41,51,38,38,45,38,35,34,30,36,49,31,44,33,35,37,38,42,35,35,33,25,36,29,31,35,44,30,42,26 ,
47,49,50,42,41,42,40,45,45,44,51,57,64,48,48,44,45,62,36,47,56,52,43,90,52,52,43,53,47,38 ,
39,42,40,37,48,43,39,32,31,28,35,25,37,39,33,42,47,35,35,32,41,34,35,40,52,43,36,35,29,29,36,44,43,32,57,26,36,30,39,40,47,38 ,
47,45,43,54,50,54,43,38,50,42,57,46,50,36,39,37,28,59,44,60,53,47,48,55,57,38,36,48,49,51,42,39 ,
34,29,36,32,34,40,45,30,48,30,36,34,33,24,44,35,48,35,58,34,42,48,37,47,34,45,32,37,38,46,29,31,39,41,34,48,26,43)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,
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 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x)
[1] 40.83516
> var(x)
[1] 81.59699
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 20.0223, 第1自由度 = 4, 第2自由度 = 177, P値 = 1.286e-13
有意。群間に差異がある。

> 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 = 9.7632, 自由度 = 4, P値 = 0.04461
有意。分散が異なるので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 = 16.6273, 第1自由度 = 4.000, 第2自由度 = 84.046, P値 = 4.489e-10
有意。群間に差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 0.5494505 0.5494505
25 13 7.1428571 7.6923077
30 30 16.4835165 24.1758242
35 46 25.2747253 49.4505495
40 35 19.2307692 68.6813187
45 30 16.4835165 85.1648352
50 15 8.2417582 93.4065934
55 8 4.3956044 97.8021978
60 3 1.6483516 99.4505495
65 0 0.0000000 99.4505495
70 0 0.0000000 99.4505495
75 0 0.0000000 99.4505495
80 0 0.0000000 99.4505495
85 0 0.0000000 99.4505495
90 1 0.5494505 100.0000000
>

ここまで見た

126 2012/08/02(木) 21:24:02.08: BGと試料の比較
x <- c( 41,34,33,36,49,35,41,32,27,33,41,51,38,38,45,38,35,34,30,36,49,31,44,33,35,37,38,42,35,35,33,25,36,29,31,35,44,30,42,26 ,
47,49,50,42,41,42,40,45,45,44,51,57,64,48,48,44,45,62,36,47,56,52,43,90, 52,52,43,53,47,38 ,
39,42,40,37,48,43,39,32,31,28,35,25,37,39,33,42,47,35,35,32,41,34,35,40,52,43,36,35,29,29,36,44,43,32,57,26,36,30,39,40,47,38 ,
47,45,43,54,50,54,43,38,50,42,57,46,50,36,39,37,28,59,44,60,53,47,48,55,57,38,36,48,49,51,42,39 ,
34,29,36,32,34,40,45,30,48,30,36,34,33,24,44,35,48,35,58,34,42,48,37,47,34,45,32,37,38,46,29,31,39,41,34,48,26,43)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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 ,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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 ,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 77.4715, 第1自由度 = 1, 第2自由度 = 180, P値 = 1.091e-15
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 = 6.7768, 自由度 = 1, P値 = 0.009235
有意。分散が異なるので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 = 64.8596, 第1自由度 = 1.000, 第2自由度 = 97.673, P値 = 1.987e-12
有意。試料とバックグラウンドに差異がある。

>

ここまで見た

127 2012/08/02(木) 21:24:45.70: 繰り返しによる影響

1. n = 120 BG 繰り返し数 =3
x <- c( 41,34,33,36,49,35,41,32,27,33,41,51,38,38,45,38,35,34,30,36,49,31,44,33,35,37,38,42,35,35,33,25,36,29,31,35,44,30,42,26 ,
39,42,40,37,48,43,39,32,31,28,35,25,37,39,33,42,47,35,35,32,41,34,35,40,52,43,36,35,29,29,36,44,43,32,57,26,36,30,39,40,47,38 ,
34,29,36,32,34,40,45,30,48,30,36,34,33,24,44,35,48,35,58,34,42,48,37,47,34,45,32,37,38,46,29,31,39,41,34,48,26,43)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 37.28333
> var(x)
[1] 45.56611
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.4855, 第1自由度 = 2, 第2自由度 = 117, P値 = 0.6166
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 = 1.3386, 自由度 = 2, P値 = 0.5121
有意。分散が異なるので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 = 0.5247, 第1自由度 = 2.000, 第2自由度 = 76.936, P値 = 0.5938
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 0.8333333 0.8333333
25 12 10.0000000 10.8333333
30 30 25.0000000 35.8333333
35 37 30.8333333 66.6666667
40 22 18.3333333 85.0000000
45 14 11.6666667 96.6666667
50 2 1.6666667 98.3333333
55 2 1.6666667 100.0000000
>

ここまで見た

128 2012/08/02(木) 21:25:31.94: 2. n = 63 栃木県産草イチゴの実 2012.07.11収穫, 50度1週間乾燥繰り返し数 =2
x <- c( 47,49,50,42,41,42,40,45,45,44,51,57,64,48,48,44,45,62,36,47,56,52,43,90,52,52,43,53,47,38 ,
47,45,43,54,50,54,43,38,50,42,57,46,50,36,39,37,28,59,44,60,53,47,48,55,57,38,36,48,49,51,42,39)
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)
> mean(x)
[1] 47.70968
> var(x)
[1] 80.37335
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 1.4073, 第1自由度 = 1, 第2自由度 = 60, P値 = 0.2402
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 = 2.1427, 自由度 = 1, P値 = 0.1433
有意。分散が異なるので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 = 1.3831, 第1自由度 = 1.000, 第2自由度 = 54.194, P値 = 0.2447
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 1 1.612903 1.612903
30 0 0.000000 1.612903
35 9 14.516129 16.129032
40 13 20.967742 37.096774
45 16 25.806452 62.903226
50 13 20.967742 83.870968
55 6 9.677419 93.548387
60 3 4.838710 98.387097
65 0 0.000000 98.387097
70 0 0.000000 98.387097
75 0 0.000000 98.387097
80 0 0.000000 98.387097
85 0 0.000000 98.387097
90 1 1.612903 100.000000
>

ここまで見た

129 2012/08/02(木) 21:26:02.54: BGと試料の比較

1. n = 120 BG 繰り返し数 =3
gr1 <- c( 41,34,33,36,49,35,41,32,27,33,41,51,38,38,45,38,35,34,30,36,49,31,44,33,35,37,38,42,35,35,33,25,36,29,31,35,44,30,42,26 ,
39,42,40,37,48,43,39,32,31,28,35,25,37,39,33,42,47,35,35,32,41,34,35,40,52,43,36,35,29,29,36,44,43,32,57,26,36,30,39,40,47,38 ,
34,29,36,32,34,40,45,30,48,30,36,34,33,24,44,35,48,35,58,34,42,48,37,47,34,45,32,37,38,46,29,31,39,41,34,48,26,43)

2. n = 63 栃木県産草イチゴの実 2012.07.11収穫, 50度1週間乾燥繰り返し数 =2
gr2 <- c( 47,49,50,42,41,42,40,45,45,44,51,57,64,48,48,44,45,62,36,47,56,52,43,90, 52,52,43,53,47,38 ,
47,45,43,54,50,54,43,38,50,42,57,46,50,36,39,37,28,59,44,60,53,47,48,55,57,38,36,48,49,51,42,39)
> 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 = -8.8018, 自由度 = 180, P値 = 1.091e-15
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: -12.763775 -8.088913
標本推定値:
平均値x 平均値y
37.28333 47.70968
有意。試料とバックグラウンドに差がある。

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = -8.0535, 自由度 = 97.673, P値 = 1.987e-12
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: -12.99560 -7.85709
標本推定値:
平均値x 平均値y
37.28333 47.70968
有意。試料とバックグラウンドに差がある。

> var.test(gr1, gr2)
二群の等分散性の検定

データ: gr1 と gr2
F = 0.5669, 第1自由度 = 119, 第2自由度 = 61, P値 = 0.008592
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.3594871 0.8663611
標本推定値:
分散比
0.5669306
有意。分散が異なるので（Welchの方法）を使用する。

>

ここまで見た

130 2012/08/02(木) 21:31:15.95: ３.補足コメント
「栃木県産草イチゴの実 2012.07.11収穫, 50度1週間乾燥」99.3wg, 11.9 dg
47.70968 - 37.28333 = 10.42635 CPM (4.90Bq)
4.90 * 1000 / 99.3 = 49.3 Bq/kg
4.90 * 1000 / 11.9 = 411 Bq/kg
カリウム 170mg/100g( http://www42.tok2.com/home/syokuhin/itigo.html )より、5.2Bq/kg

草イチゴ、食用になる野イチゴです。道路沿いなどの藪の中に生育する多年生つる草で
梅雨の頃に実ります。日溜りの良い傾斜地の下のほうに生育しやすいので、線量が比較的高い場所に生育しやすいです。
地域によっては、異なる場所に生育している場合があります。
園芸板　【野苺】ワイルドストロベリー【ノイチゴ】　10株目
http://awabi.2ch.net/test/read.cgi/engei/1277203312/l50

ここまで見た

131 2012/08/02(木) 22:15:49.43: １．測定対象
「栃木県産桑の実 2012.07.11収穫, 50度1週間乾燥」の分析
45.5wg, 10.1 dg(猫により試料の一部消失)

２．測定結果
1. n=55 糊台
x <- c( 43,37,31,43,26,42,40,29,34,27,38,45,45,38,40,32,36,40,33,41,35,35,28,33,35,32,28,37,28,32,37,38,33,33,39,36,39,37,28,36,23,34,40,36,31,37,36,42,45,40,33,41,33,34,45)

2. n=33 栃木県産桑の実 2012.07.11収穫, 50度1週間乾燥
x <- c( 51,57,42,47,44,36,49,42,50,34,39,47,61,44,51,55,43,44,55,35,47,43,48,45,48,39,32,31,35,40,41,28,46)

3. n=30 糊台
x <- c( 37,38,34,32,49,42,24,34,41,41,33,38,28,43,49,44,37,41,37,29,29,41,38,37,34,40,33,34,45,34)

4. n=34 栃木県産桑の実 2012.07.11収穫, 50度1週間乾燥
x <- c( 42,44,37,39,41,62,50,42,38,30,42,36,39,37,42,48,47,46,41,35,44,33,39,56,42,33,42,43,57,38,44,48,38,40)

5. n=40 糊台
x <- c( 41,34,33,36,49,35,41,32,27,33,41,51,38,38,45,38,35,34,30,36,49,31,44,33,35,37,38,42,35,35,33,25,36,29,31,35,44,30,42,26)

ここまで見た

132 2012/08/02(木) 22:16:33.50: ４.　データ貼り付け
全体の分析
x <- c( 43,37,31,43,26,42,40,29,34,27,38,45,45,38,40,32,36,40,33,41,35,35,28,33,35,32,28,37,28,32,37,38,33,33,39,36,39,37,28,36,23,34,40,36,31,37,36,42,45,40,33,41,33,34,45 ,
51,57,42,47,44,36,49,42,50,34,39,47,61,44,51,55,43,44,55,35,47,43,48,45,48,39,32,31,35,40,41,28,46 ,
37,38,34,32,49,42,24,34,41,41,33,38,28,43,49,44,37,41,37,29,29,41,38,37,34,40,33,34,45,34 ,
42,44,37,39,41,62,50,42,38,30,42,36,39,37,42,48,47,46,41,35,44,33,39,56,42,33,42,43,57,38,44,48,38,40 ,
41,34,33,36,49,35,41,32,27,33,41,51,38,38,45,38,35,34,30,36,49,31,44,33,35,37,38,42,35,35,33,25,36,29,31,35,44,30,42,26)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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 ,
4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x)
[1] 38.67708
> var(x)
[1] 49.46586
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 12.9571, 第1自由度 = 4, 第2自由度 = 187, P値 = 2.479e-09
有意。群間に差がある。

> 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 = 6.9181, 自由度 = 4, P値 = 0.1403
有意。分散が異なるので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 = 11.041, 第1自由度 = 4.000, 第2自由度 = 84.489, P値 = 2.99e-07
有意。群間に差がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 2 1.041667 1.041667
25 15 7.812500 8.854167
30 39 20.312500 29.166667
35 54 28.125000 57.291667
40 48 25.000000 82.291667
45 22 11.458333 93.750000
50 5 2.604167 96.354167
55 5 2.604167 98.958333
60 2 1.041667 100.000000
>

ここまで見た

133 2012/08/02(木) 22:17:16.27: BGと試料の比較
x <- c( 43,37,31,43,26,42,40,29,34,27,38,45,45,38,40,32,36,40,33,41,35,35,28,33,35,32,28,37,28,32,37,38,33,33,39,36,39,37,28,36,23,34,40,36,31,37,36,42,45,40,33,41,33,34,45 ,
51,57,42,47,44,36,49,42,50,34,39,47,61,44,51,55,43,44,55,35,47,43,48,45,48,39,32,31,35,40,41,28,46 ,
37,38,34,32,49,42,24,34,41,41,33,38,28,43,49,44,37,41,37,29,29,41,38,37,34,40,33,34,45,34 ,
42,44,37,39,41,62,50,42,38,30,42,36,39,37,42,48,47,46,41,35,44,33,39,56,42,33,42,43,57,38,44,48,38,40 ,
41,34,33,36,49,35,41,32,27,33,41,51,38,38,45,38,35,34,30,36,49,31,44,33,35,37,38,42,35,35,33,25,36,29,31,35,44,30,42,26)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,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)
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 49.8364, 第1自由度 = 1, 第2自由度 = 190, P値 = 3.052e-11
有意。試料とバックグランンドに差がある。

> 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 = 5.3927, 自由度 = 1, P値 = 0.02022
有意。分散が異なるので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 = 43.0362, 第1自由度 = 1.000, 第2自由度 = 110.067, P値 = 1.813e-09
有意。試料とバックグランンドに差がある。

>

ここまで見た

134 2012/08/02(木) 22:18:02.41: 繰り返しによる影響

1. n = 125 BG 繰り返し数 =3
x <- c( 43,37,31,43,26,42,40,29,34,27,38,45,45,38,40,32,36,40,33,41,35,35,28,33,35,32,28,37,28,32,37,38,33,33,39,36,39,37,28,36,23,34,40,36,31,37,36,42,45,40,33,41,33,34,45 ,
37,38,34,32,49,42,24,34,41,41,33,38,28,43,49,44,37,41,37,29,29,41,38,37,34,40,33,34,45,34 ,
41,34,33,36,49,35,41,32,27,33,41,51,38,38,45,38,35,34,30,36,49,31,44,33,35,37,38,42,35,35,33,25,36,29,31,35,44,30,42,26)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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 ,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 36.336
> var(x)
[1] 32.27329
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.5928, 第1自由度 = 2, 第2自由度 = 122, P値 = 0.5544
有意。繰り返しによる差がある。

> 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 = 1.2602, 自由度 = 2, P値 = 0.5325
有意。分散が異なるので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 = 0.5987, 第1自由度 = 2.00, 第2自由度 = 68.11, P値 = 0.5524
有意。繰り返しによる差がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 2 1.6 1.6
25 14 11.2 12.8
30 33 26.4 39.2
35 39 31.2 70.4
40 26 20.8 91.2
45 10 8.0 99.2
50 1 0.8 100.0
>

ここまで見た

135 2012/08/02(木) 22:18:46.18: 2. n = 67 栃木県産桑の実 2012.07.11収穫, 50度1週間乾燥繰り返し数 =2
x <- c( 51,57,42,47,44,36,49,42,50,34,39,47,61,44,51,55,43,44,55,35,47,43,48,45,48,39,32,31,35,40,41,28,46 ,
42,44,37,39,41,62,50,42,38,30,42,36,39,37,42,48,47,46,41,35,44,33,39,56,42,33,42,43,57,38,44,48,38,40)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,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)
> mean(x)
[1] 43.04478
> var(x)
[1] 52.77069
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.9195, 第1自由度 = 1, 第2自由度 = 65, P値 = 0.3412
有意。繰り返しによる差がある。

> 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 = 0.4905, 自由度 = 1, P値 = 0.4837
有意。分散が異なるので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 = 0.916, 第1自由度 = 1.000, 第2自由度 = 63.507, P値 = 0.3421
有意。繰り返しによる差がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 1 1.492537 1.492537
30 6 8.955224 10.447761
35 15 22.388060 32.835821
40 22 32.835821 65.671642
45 12 17.910448 83.582090
50 4 5.970149 89.552239
55 5 7.462687 97.014925
60 2 2.985075 100.000000
>

ここまで見た

136 2012/08/02(木) 22:19:31.14: BGと試料の比較

1. n = 125 BG 繰り返し数 =3
gr1 <- c( 43,37,31,43,26,42,40,29,34,27,38,45,45,38,40,32,36,40,33,41,35,35,28,33,35,32,28,37,28,32,37,38,33,33,39,36,39,37,28,36,23,34,40,36,31,37,36,42,45,40,33,41,33,34,45 ,
37,38,34,32,49,42,24,34,41,41,33,38,28,43,49,44,37,41,37,29,29,41,38,37,34,40,33,34,45,34 ,
41,34,33,36,49,35,41,32,27,33,41,51,38,38,45,38,35,34,30,36,49,31,44,33,35,37,38,42,35,35,33,25,36,29,31,35,44,30,42,26)

2. n = 67 栃木県産桑の実 2012.07.11収穫, 50度1週間乾燥繰り返し数 =2
gr2 <- c( 51,57,42,47,44,36,49,42,50,34,39,47,61,44,51,55,43,44,55,35,47,43,48,45,48,39,32,31,35,40,41,28,46 ,
42,44,37,39,41,62,50,42,38,30,42,36,39,37,42,48,47,46,41,35,44,33,39,56,42,33,42,43,57,38,44,48,38,40)
> 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 = -7.0595, 自由度 = 190, P値 = 3.052e-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: -8.583310 -4.834242
標本推定値:
平均値x 平均値y
36.33600 43.04478
有意。試料とバックグラウンドに差がある。

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = -6.5602, 自由度 = 110.067, P値 = 1.813e-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: -8.735410 -4.682142
標本推定値:
平均値x 平均値y
36.33600 43.04478
有意。試料とバックグラウンドに差がある。

> var.test(gr1, gr2)
二群の等分散性の検定

データ: gr1 と gr2
F = 0.6116, 第1自由度 = 124, 第2自由度 = 66, P値 = 0.01904
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.3941570 0.9228036
標本推定値:
分散比
0.611576
有意。分散が異なるので（Welchの方法）を使用する。

ここまで見た

137 2012/08/02(木) 22:20:22.57: ３.補足コメント
「栃木県産桑の実 2012.07.11収穫, 50度1週間乾燥」45.5wg, 10.1 dg(猫が保存していた袋を破ったため試料の一部消失)
43.04478 - 36.33600 = 6.708782 CPM (3.15Bq)
3.15 * 1000 / 45.5 = 69.3Bq/kg
3.15 * 1000 / 10.1 = 312Bq/kg
カリウム 234mg/100g ( http://www.momo-kuwa.com/jiten.html ) - 293mg/100g( http://www.kai-shokokai.jp/kuwanomi/ingredient/ )より、7.2-9.5Bq/kg

桑の実は食用になります。草イチゴにしても桑の実にしても、現地に出かけて、その場で口に放り込むという食べ方をします。
http://pixta.jp/tags/%E6%A1%91%E3%81%AE%E5%AE%9Fを見ると黒っぽい実が多いのですが、熟しても赤い実のクワの実です。

ここまで見た

138 2012/08/03(金) 19:34:43.21: １．測定対象
「栃木県産ジャガイモ 30.5wg 9.8dg 2012.07.06」の分析

２．測定結果
1. n=35 糊台
x <- c( 49,34,38,36,35,53,26,43,42,30,39,35,31,33,38,32,35,43,52,40,41,36,42,43,41,42,33,34,35,41,31,27,36,35,42)

2. n=46 栃木県産ジャガイモ 30.5wg 9.8dg 2012.07.06 ６日間乾燥
x <- c( 40,35,46,43,41,50,37,55,47,39,43,43,54,50,40,59,45,32,44,43,51,43,45,48,38,38,36,41,40,52,46,40,43,40,50,38,37,43,42,43,43,38,44,31,49,41)

3. n=74 糊台
x <- c( 35,45,35,37,42,39,32,45,45,39,31,52,34,42,39,35,32,35,32,39,34,28,34,34,35,36,34,44,37,35,42,42,35,32,26,38,
30,39,36,33,41,41,41,35,48,48,43,52,44,58,33,37,36,52,32,32,25,30,50,37,30,40,35,36,43,43,39,53,38,39,29,40,35,41)

4. n=33 栃木県産ジャガイモ 30.5wg 9.8dg 2012.07.06 ６日間乾燥
x <- c( 39,53,44,36,50,42,59,49,30,44,35,49,45,61,37,36,53,35,45,56,56,44,45,53,45,48,51,35,42,34,47,47,37)

5. n=30 糊台
x <- c( 33,28,28,36,42,43,40,28,38,35,42,45,36,40,34,30,42,43,39,37,34,44,42,32,47,46,55,42,34,45)

ここまで見た

139 2012/08/03(金) 19:35:43.86: ４.　データ貼り付け
全体の分析
x <- c( 49,34,38,36,35,53,26,43,42,30,39,35,31,33,38,32,35,43,52,40,41,36,42,43,41,42,33,34,35,41,31,27,36,35,42 ,
40,35,46,43,41,50,37,55,47,39,43,43,54,50,40,59,45,32,44,43,51,43,45,48,38,38,36,41,40,52,46,40,43,40,50,38,37,43,42,43,43,38,44,31,49,41 ,
35,45,35,37,42,39,32,45,45,39,31,52,34,42,39,35,32,35,32,39,34,28,34,34,35,36,34,44,37,35,42,42,35,32,26,38,30,
39,36,33,41,41,41,35,48,48,43,52,44,58,33,37,36,52,32,32,25,30,50,37,30,40,35,36,43,43,39,53,38,39,29,40,35,41 ,
39,53,44,36,50,42,59,49,30,44,35,49,45,61,37,36,53,35,45,56,56,44,45,53,45,48,51,35,42,34,47,47,37 ,
33,28,28,36,42,43,40,28,38,35,42,45,36,40,34,30,42,43,39,37,34,44,42,32,47,46,55,42,34,45)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,
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)
> mean(x)
[1] 40.25688
> var(x)
[1] 50.21021
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 9.9357, 第1自由度 = 4, 第2自由度 = 213, P値 = 2.169e-07
有意。群間に差異がある。

> 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 = 3.7347, 自由度 = 4, P値 = 0.4431
有意。分散が異なるので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 = 9.1963, 第1自由度 = 4.000, 第2自由度 = 89.627, P値 = 2.848e-06
有意。群間に差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 9 4.1284404 4.12844
30 35 16.0550459 20.18349
35 61 27.9816514 48.16514
40 61 27.9816514 76.14679
45 26 11.9266055 88.07339
50 18 8.2568807 96.33028
55 7 3.2110092 99.54128
60 1 0.4587156 100.00000
>

ここまで見た

140 2012/08/03(金) 19:36:31.46: BGと試料の比較
x <- c( 49,34,38,36,35,53,26,43,42,30,39,35,31,33,38,32,35,43,52,40,41,36,42,43,41,42,33,34,35,41,31,27,36,35,42 ,
40,35,46,43,41,50,37,55,47,39,43,43,54,50,40,59,45,32,44,43,51,43,45,48,38,38,36,41,40,52,46,40,43,40,50,38,37,43,42,43,43,38,44,31,49,41 ,
35,45,35,37,42,39,32,45,45,39,31,52,34,42,39,35,32,35,32,39,34,28,34,34,35,36,34,44,37,35,42,42,35,32,26,38,30,39,36,33,
41,41,41,35,48,48,43,52,44,58,33,37,36,52,32,32,25,30,50,37,30,40,35,36,43,43,39,53,38,39,29,40,35,41 ,
39,53,44,36,50,42,59,49,30,44,35,49,45,61,37,36,53,35,45,56,56,44,45,53,45,48,51,35,42,34,47,47,37 ,
33,28,28,36,42,43,40,28,38,35,42,45,36,40,34,30,42,43,39,37,34,44,42,32,47,46,55,42,34,45)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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)
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 38.3633, 第1自由度 = 1, 第2自由度 = 216, P値 = 2.926e-09
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 = 0.323, 自由度 = 1, P値 = 0.5698
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 = 37.1783, 第1自由度 = 1.000, 第2自由度 = 154.711, P値 = 8.26e-09
有意。試料とバックグラウンドに差異がある。

>

ここまで見た

141 2012/08/03(金) 19:37:32.72: 繰り返しによる影響

1. n = 139 BG 繰り返し数 =3
x <- c( 49,34,38,36,35,53,26,43,42,30,39,35,31,33,38,32,35,43,52,40,41,36,42,43,41,42,33,34,35,41,31,27,36,35,42 ,
35,45,35,37,42,39,32,45,45,39,31,52,34,42,39,35,32,35,32,39,34,28,34,34,35,36,34,44,37,35,42,42,35,32,26,38,30,39,
36,33,41,41,41,35,48,48,43,52,44,58,33,37,36,52,32,32,25,30,50,37,30,40,35,36,43,43,39,53,38,39,29,40,35,41 ,
33,28,28,36,42,43,40,28,38,35,42,45,36,40,34,30,42,43,39,37,34,44,42,32,47,46,55,42,34,45)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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] 38.18705
> var(x)
[1] 41.05172
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.1462, 第1自由度 = 2, 第2自由度 = 136, P値 = 0.8641
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 = 0.1473, 自由度 = 2, P値 = 0.929
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 = 0.1509, 第1自由度 = 2.000, 第2自由度 = 66.709, P値 = 0.8602
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 9 6.474820 6.47482
30 31 22.302158 28.77698
35 44 31.654676 60.43165
40 36 25.899281 86.33094
45 10 7.194245 93.52518
50 7 5.035971 98.56115
55 2 1.438849 100.00000
>

ここまで見た

142 2012/08/03(金) 19:38:17.31: 2. n = 79 栃木県産ジャガイモ 30.5wg 9.8dg 2012.07.06 ６日間乾燥繰り返し数 =2
x <- c( 40,35,46,43,41,50,37,55,47,39,43,43,54,50,40,59,45,32,44,43,51,43,45,48,38,38,36,41,40,52,46,40,43,40,50,38,37,43,42,43,43,38,44,31,49,41 ,
39,53,44,36,50,42,59,49,30,44,35,49,45,61,37,36,53,35,45,56,56,44,45,53,45,48,51,35,42,34,47,47,37)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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] 43.89873
> var(x)
[1] 45.98961
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 1.2622, 第1自由度 = 1, 第2自由度 = 77, P値 = 0.2647
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 = 3.3429, 自由度 = 1, P値 = 0.0675
有意。分散が異なるので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 = 1.1459, 第1自由度 = 1.000, 第2自由度 = 56.064, P値 = 0.289
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
30 4 5.063291 5.063291
35 17 21.518987 26.582278
40 25 31.645570 58.227848
45 16 20.253165 78.481013
50 11 13.924051 92.405063
55 5 6.329114 98.734177
60 1 1.265823 100.000000
>

ここまで見た

143 2012/08/03(金) 19:38:48.12: BGと試料の比較

1. n = 139 BG 繰り返し数 =3
gr1 <- c( 49,34,38,36,35,53,26,43,42,30,39,35,31,33,38,32,35,43,52,40,41,36,42,43,41,42,33,34,35,41,31,27,36,35,42 ,
35,45,35,37,42,39,32,45,45,39,31,52,34,42,39,35,32,35,32,39,34,28,34,34,35,36,34,44,37,35,42,42,35,32,26,38,30,39,36,
33,41,41,41,35,48,48,43,52,44,58,33,37,36,52,32,32,25,30,50,37,30,40,35,36,43,43,39,53,38,39,29,40,35,41 ,
33,28,28,36,42,43,40,28,38,35,42,45,36,40,34,30,42,43,39,37,34,44,42,32,47,46,55,42,34,45)

2. n = 79 栃木県産ジャガイモ 30.5wg 9.8dg 2012.07.06 ６日間乾燥繰り返し数 =2
gr2 <- c( 40,35,46,43,41,50,37,55,47,39,43,43,54,50,40,59,45,32,44,43,51,43,45,48,38,38,36,41,40,52,46,40,43,40,50,38,37,43,42,43,43,38,44,31,49,41 ,
39,53,44,36,50,42,59,49,30,44,35,49,45,61,37,36,53,35,45,56,56,44,45,53,45,48,51,35,42,34,47,47,37)
> 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 = -6.1938, 自由度 = 216, P値 = 2.926e-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: -7.529266 -3.894101
標本推定値:
平均値x 平均値y
38.18705 43.89873
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 = -6.0974, 自由度 = 154.711, P値 = 8.26e-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: -7.562136 -3.861231
標本推定値:
平均値x 平均値y
38.18705 43.89873
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 = 0.8926, 第1自由度 = 138, 第2自由度 = 78, P値 = 0.5572
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.5947746 1.3106013
標本推定値:
分散比
0.8926301
有意。分散が異なるので（Welchの方法）を使用する。

>

ここまで見た

144 2012/08/03(金) 19:39:18.55: 43.89873 - 38.18705 = 5.711681 CPM (2.68Bq)
2.69 * 1000 / 30.5 = 88.0 Bq/wkg
2.69 * 1000 / 9.8 = 273 Bq/dkg

ここまで見た

145 2012/08/03(金) 20:38:00.69: １．測定対象
「栃木県産ホウノキの葉 3.5wg 2.0dg 2012.07.20取得」の分析

２．測定結果
1. n=30 糊台
x <- c( 34,39,42,34,27,43,26,36,45,33,44,48,31,36,33,41,34,34,28,36,45,41,32,37,37,40,34,39,41,44)

2. n=30 栃木県産ホウノキの葉 3.5wg 2.0dg 2012.07.20取得
x <- c( 31,29,50,56,33,53,36,51,45,40,47,43,38,34,37,46,37,37,37,35,43,41,47,47,43,34,30,31,36,51)

3. n=30 糊台
x <- c( 34,47,35,39,34,38,41,24,39,52,47,33,38,34,32,29,40,39,39,24,38,35,51,31,40,24,45,31,46,30)

4. n=31 栃木県産ホウノキの葉 3.5wg 2.0dg 2012.07.20取得
x <- c( 40,34,32,47,43,37,53,48,55,43,40,37,52,43,49,47,42,44,54,51,37,41,39,39,39,41,42,43,47,34,42)

5. n=30 糊台
x <- c( 39,29,47,48,33,44,43,34,35,27,27,31,35,36,45,36,39,43,44,28,43,29,39,38,39,44,33,37,42,36)

ここまで見た

146 2012/08/03(金) 20:38:58.47: ４.　データ貼り付け
全体の分析
x <- c( 34,39,42,34,27,43,26,36,45,33,44,48,31,36,33,41,34,34,28,36,45,41,32,37,37,40,34,39,41,44 ,
31,29,50,56,33,53,36,51,45,40,47,43,38,34,37,46,37,37,37,35,43,41,47,47,43,34,30,31,36,51 ,
34,47,35,39,34,38,41,24,39,52,47,33,38,34,32,29,40,39,39,24,38,35,51,31,40,24,45,31,46,30 ,
40,34,32,47,43,37,53,48,55,43,40,37,52,43,49,47,42,44,54,51,37,41,39,39,39,41,42,43,47,34,42 ,
39,29,47,48,33,44,43,34,35,27,27,31,35,36,45,36,39,43,44,28,43,29,39,38,39,44,33,37,42,36)
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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,
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)
> mean(x)
[1] 39.06623
> var(x)
[1] 47.64892
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 5.1946, 第1自由度 = 4, 第2自由度 = 146, P値 = 0.0006104
有意。群間に差がある。

> 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 = 3.7831, 自由度 = 4, P値 = 0.4362
有意。分散が異なるので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 = 5.6152, 第1自由度 = 4.000, 第2自由度 = 72.723, P値 = 0.0005383
有意。群間に差がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 3 1.986755 1.986755
25 10 6.622517 8.609272
30 30 19.867550 28.476821
35 41 27.152318 55.629139
40 35 23.178808 78.807947
45 20 13.245033 92.052980
50 10 6.622517 98.675497
55 2 1.324503 100.000000
>

ここまで見た

147 2012/08/03(金) 20:39:44.32: BGと試料の比較
x <- c( 34,39,42,34,27,43,26,36,45,33,44,48,31,36,33,41,34,34,28,36,45,41,32,37,37,40,34,39,41,44 ,
31,29,50,56,33,53,36,51,45,40,47,43,38,34,37,46,37,37,37,35,43,41,47,47,43,34,30,31,36,51 ,
34,47,35,39,34,38,41,24,39,52,47,33,38,34,32,29,40,39,39,24,38,35,51,31,40,24,45,31,46,30 ,
40,34,32,47,43,37,53,48,55,43,40,37,52,43,49,47,42,44,54,51,37,41,39,39,39,41,42,43,47,34,42 ,
39,29,47,48,33,44,43,34,35,27,27,31,35,36,45,36,39,43,44,28,43,29,39,38,39,44,33,37,42,36)
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 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,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)
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 18.6345, 第1自由度 = 1, 第2自由度 = 149, P値 = 2.873e-05
有意。試料とバックグラウンドに差がある。

> 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 = 0.3483, 自由度 = 1, P値 = 0.5551
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 = 18.1399, 第1自由度 = 1.000, 第2自由度 = 122.827, P値 = 4.043e-05
有意。試料とバックグラウンドに差がある。

>

ここまで見た

148 2012/08/03(金) 20:40:31.95: 繰り返しによる影響

1. n = 90 BG 繰り返し数 =3
x <- c( 34,39,42,34,27,43,26,36,45,33,44,48,31,36,33,41,34,34,28,36,45,41,32,37,37,40,34,39,41,44 ,
34,47,35,39,34,38,41,24,39,52,47,33,38,34,32,29,40,39,39,24,38,35,51,31,40,24,45,31,46,30 ,
39,29,47,48,33,44,43,34,35,27,27,31,35,36,45,36,39,43,44,28,43,29,39,38,39,44,33,37,42,36)
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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 37.17778
> var(x)
[1] 40.21523
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.0408, 第1自由度 = 2, 第2自由度 = 87, P値 = 0.96
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 = 2.3543, 自由度 = 2, P値 = 0.3082
有意。分散が異なるので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 = 0.0386, 第1自由度 = 2.000, 第2自由度 = 57.328, P値 = 0.9621
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 3 3.333333 3.333333
25 9 10.000000 13.333333
30 21 23.333333 36.666667
35 27 30.000000 66.666667
40 18 20.000000 86.666667
45 10 11.111111 97.777778
50 2 2.222222 100.000000
>

ここまで見た

149 2012/08/03(金) 20:41:17.10: 2. n = 61 栃木県産ホウノキの葉 3.5wg 2.0dg 2012.07.20取得繰り返し数 =2
x <- c( 31,29,50,56,33,53,36,51,45,40,47,43,38,34,37,46,37,37,37,35,43,41,47,47,43,34,30,31,36,51 ,
40,34,32,47,43,37,53,48,55,43,40,37,52,43,49,47,42,44,54,51,37,41,39,39,39,41,42,43,47,34,42)
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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 41.85246
> var(x)
[1] 46.22787
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 2.0378, 第1自由度 = 1, 第2自由度 = 59, P値 = 0.1587
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 = 1.2452, 自由度 = 1, P値 = 0.2645
有意。分散が異なるので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 = 2.0239, 第1自由度 = 1.000, 第2自由度 = 55.852, P値 = 0.1604
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 1 1.639344 1.639344
30 9 14.754098 16.393443
35 14 22.950820 39.344262
40 17 27.868852 67.213115
45 10 16.393443 83.606557
50 8 13.114754 96.721311
55 2 3.278689 100.000000
>

ここまで見た

150 2012/08/03(金) 20:41:55.96: BGと試料の比較

1. n = 90 BG 繰り返し数 =3
gr1 <- c( 34,39,42,34,27,43,26,36,45,33,44,48,31,36,33,41,34,34,28,36,45,41,32,37,37,40,34,39,41,44 ,
34,47,35,39,34,38,41,24,39,52,47,33,38,34,32,29,40,39,39,24,38,35,51,31,40,24,45,31,46,30 ,
39,29,47,48,33,44,43,34,35,27,27,31,35,36,45,36,39,43,44,28,43,29,39,38,39,44,33,37,42,36)

2. n = 61 栃木県産ホウノキの葉 3.5wg 2.0dg 2012.07.20取得繰り返し数 =2
gr2 <- c( 31,29,50,56,33,53,36,51,45,40,47,43,38,34,37,46,37,37,37,35,43,41,47,47,43,34,30,31,36,51 ,
40,34,32,47,43,37,53,48,55,43,40,37,52,43,49,47,42,44,54,51,37,41,39,39,39,41,42,43,47,34,42)
> 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 = -4.3168, 自由度 = 149, P値 = 2.873e-05
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: -6.814527 -2.534835
標本推定値:
平均値x 平均値y
37.17778 41.85246
有意。試料とバックグラウンドに差がある。

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = -4.2591, 自由度 = 122.827, P値 = 4.043e-05
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: -6.847293 -2.502069
標本推定値:
平均値x 平均値y
37.17778 41.85246
有意。試料とバックグラウンドに差がある。

> var.test(gr1, gr2)
二群の等分散性の検定

データ: gr1 と gr2
F = 0.8699, 第1自由度 = 89, 第2自由度 = 60, P値 = 0.5448
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.5396328 1.3726646
標本推定値:
分散比
0.8699348
有意。分散が異なるので（Welchの方法）を使用する。

>

ここまで見た

151 2012/08/03(金) 20:43:09.78: ３.補足コメント
41.85246 - 37.17778 = 4.674679 CPM (2.20Bq)
2. n = 61 栃木県産ホウノキの葉 3.5wg 2.0dg 2012.07.20取得繰り返し数 =2
2.20 * 1000 / 3.5 = 627 Bq/wkg
2.20 * 1000 / 2.0 = 1099 Bq/dkg

ホウノキは、夏場防腐剤として使われることがあります。

ここまで見た

152 2012/08/03(金) 21:39:36.06: １．測定対象
「栃木県産ハリキリの葉 17.5wg 5.6dg 2012.07.12採取」の分析
柏餅用の葉として使用する。防腐剤が含まれているので、夏の保存食に使われる。

２．測定結果
1. n=30 糊台
x <- c( 40, 38, 27, 37, 36, 32, 40, 35, 29, 44, 35, 36, 40, 39, 37, 39, 33, 31, 35, 39, 31, 36, 38, 48, 32, 48, 35, 42, 45, 28)

2. n=30 栃木県産ハリキリ 17.5wg 5.6dg 2012.07.12採取
x <- c( 49, 50, 55, 47, 61, 43, 52, 45, 53, 55, 49, 43, 49, 54, 66, 48, 46, 56, 52, 49, 54, 59, 47, 65, 52, 56, 57, 55, 57, 46)

3. n=30 糊台
x <- c( 38, 35, 36, 46, 41, 29, 33, 35, 34, 29, 31, 47, 39, 46, 37, 51, 38, 34, 44, 45, 54, 45, 37, 51, 38, 25, 26, 34, 29, 45)

4. n=30 栃木県産ハリキリ 17.5wg 5.6dg 2012.07.12採取
x <- c( 47, 60, 55, 46, 55, 64, 48, 54, 64, 77, 48, 47, 44, 59, 52, 63, 55, 61, 64, 54, 38, 45, 73, 45, 58, 56, 60, 56, 50, 54)

5. n=30 糊台
x <- c( 36, 29, 27, 34, 27, 35, 30, 34, 28, 36, 25, 35, 23, 31, 30, 28, 37, 31, 35, 29, 24, 32, 30, 41, 34, 34, 29, 30, 22, 27)

ここまで見た

153 2012/08/03(金) 21:40:32.43: 全体の分析
x <- c( 40,38,27,37,36,32,40,35,29,44,35,36,40,39,37,39,33,31,35,39,31,36,38,48,32,48,35,42,45,28 ,
49,50,55,47,61,43,52,45,53,55,49,43,49,54,66,48,46,56,52,49,54,59,47,65,52,56,57,55,57,46 ,
38,35,36,46,41,29,33,35,34,29,31,47,39,46,37,51,38,34,44,45,54,45,37,51,38,25,26,34,29,45 ,
47,60,55,46,55,64,48,54,64,77,48,47,44,59,52,63,55,61,64,54,38,45,73,45,58,56,60,56,50,54 ,
36,29,27,34,27,35,30,34,28,36,25,35,23,31,30,28,37,31,35,29,24,32,30,41,34,34,29,30,22,27)
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 ,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,
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] 42.68
> var(x)
[1] 130.9305
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 76.4086, 第1自由度 = 4, 第2自由度 = 145, P値 < 2.2e-16
有意。群間に差異がある。

> 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 = 16.3109, 自由度 = 4, P値 = 0.002629
有意。分散が異なるので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 = 88.0846, 第1自由度 = 4.000, 第2自由度 = 71.577, P値 < 2.2e-16
有意。群間に差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 3 2.0000000 2.00000
25 17 11.3333333 13.33333
30 21 14.0000000 27.33333
35 30 20.0000000 47.33333
40 11 7.3333333 54.66667
45 26 17.3333333 72.00000
50 15 10.0000000 82.00000
55 15 10.0000000 92.00000
60 8 5.3333333 97.33333
65 2 1.3333333 98.66667
70 1 0.6666667 99.33333
75 1 0.6666667 100.00000
>

ここまで見た

154 2012/08/03(金) 21:41:17.15: BGと試料の比較
x <- c( 40,38,27,37,36,32,40,35,29,44,35,36,40,39,37,39,33,31,35,39,31,36,38,48,32,48,35,42,45,28 ,
49,50,55,47,61,43,52,45,53,55,49,43,49,54,66,48,46,56,52,49,54,59,47,65,52,56,57,55,57,46 ,
38,35,36,46,41,29,33,35,34,29,31,47,39,46,37,51,38,34,44,45,54,45,37,51,38,25,26,34,29,45 ,
47,60,55,46,55,64,48,54,64,77,48,47,44,59,52,63,55,61,64,54,38,45,73,45,58,56,60,56,50,54 ,
36,29,27,34,27,35,30,34,28,36,25,35,23,31,30,28,37,31,35,29,24,32,30,41,34,34,29,30,22,27)
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 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,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 = 76.4086, 第1自由度 = 4, 第2自由度 = 145, 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 = 16.3109, 自由度 = 4, P値 = 0.002629
有意。分散が異なるので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 = 88.0846, 第1自由度 = 4.000, 第2自由度 = 71.577, P値 < 2.2e-16
有意。試料とバックグラウンドに差異がある。

>

ここまで見た

155 2012/08/03(金) 21:42:03.49: 繰り返しによる影響

1. n = 90 BG 繰り返し数 =3
x <- c( 40,38,27,37,36,32,40,35,29,44,35,36,40,39,37,39,33,31,35,39,31,36,38,48,32,48,35,42,45,28 ,
38,35,36,46,41,29,33,35,34,29,31,47,39,46,37,51,38,34,44,45,54,45,37,51,38,25,26,34,29,45 ,
36,29,27,34,27,35,30,34,28,36,25,35,23,31,30,28,37,31,35,29,24,32,30,41,34,34,29,30,22,27)
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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 35.33333
> var(x)
[1] 45.75281
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 13.6996, 第1自由度 = 2, 第2自由度 = 87, P値 = 6.725e-06
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 = 8.7621, 自由度 = 2, P値 = 0.01251
有意。分散が異なるので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 = 16.8141, 第1自由度 = 2.000, 第2自由度 = 55.844, P値 = 1.923e-06
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 3 3.333333 3.333333
25 17 18.888889 22.222222
30 21 23.333333 45.555556
35 29 32.222222 77.777778
40 8 8.888889 86.666667
45 9 10.000000 96.666667
50 3 3.333333 100.000000
>

ここまで見た

156 2012/08/03(金) 21:42:49.57: 2. n = 60 栃木県産ハリキリ 17.5wg 5.6dg 2012.07.12採取繰り返し数 =2
x <- c( 49,50,55,47,61,43,52,45,53,55,49,43,49,54,66,48,46,56,52,49,54,59,47,65,52,56,57,55,57,46 ,
47,60,55,46,55,64,48,54,64,77,48,47,44,59,52,63,55,61,64,54,38,45,73,45,58,56,60,56,50,54)
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] 53.7
> var(x)
[1] 55.80678
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 2.0436, 第1自由度 = 1, 第2自由度 = 58, P値 = 0.1582
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 = 4.2465, 自由度 = 1, P値 = 0.03933
有意。分散が異なるので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 = 2.0436, 第1自由度 = 1.000, 第2自由度 = 50.949, P値 = 0.1589
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
35 1 1.666667 1.666667
40 3 5.000000 6.666667
45 17 28.333333 35.000000
50 12 20.000000 55.000000
55 15 25.000000 80.000000
60 8 13.333333 93.333333
65 2 3.333333 96.666667
70 1 1.666667 98.333333
75 1 1.666667 100.000000
>

ここまで見た

157 2012/08/03(金) 21:43:32.54: BGと試料の比較

1. n = 90 BG 繰り返し数 =3
gr1 <- c( 40,38,27,37,36,32,40,35,29,44,35,36,40,39,37,39,33,31,35,39,31,36,38,48,32,48,35,42,45,28 ,
38,35,36,46,41,29,33,35,34,29,31,47,39,46,37,51,38,34,44,45,54,45,37,51,38,25,26,34,29,45 ,
36,29,27,34,27,35,30,34,28,36,25,35,23,31,30,28,37,31,35,29,24,32,30,41,34,34,29,30,22,27)

2. n = 60 栃木県産ハリキリ 17.5wg 5.6dg 2012.07.12採取繰り返し数 =2
gr2 <- c( 49,50,55,47,61,43,52,45,53,55,49,43,49,54,66,48,46,56,52,49,54,59,47,65,52,56,57,55,57,46 ,
47,60,55,46,55,64,48,54,64,77,48,47,44,59,52,63,55,61,64,54,38,45,73,45,58,56,60,56,50,54)
> 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 = -15.622, 自由度 = 148, 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: -20.68997 -16.04336
標本推定値:
平均値x 平均値y
35.33333 53.70000
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 = -15.3137, 自由度 = 117.792, 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: -20.74178 -15.99155
標本推定値:
平均値x 平均値y
35.33333 53.70000
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 = 0.8198, 第1自由度 = 89, 第2自由度 = 59, P値 = 0.3927
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.5070552 1.2960152
標本推定値:
分散比
0.8198432
有意。分散が異なるので（Welchの方法）を使用する。

>

ここまで見た

158 2012/08/03(金) 21:48:28.68: ３.補足コメント
栃木県産ハリキリ 17.5wg 5.6dg 2012.07.12採取
柏餅用の葉として使用する。防腐剤が含まれているので、夏の保存食に使われる。
53.70000 - 35.33333 = 18.36667CPM (8.63Bq)
.63 * 1000 / 17.5 = 493 Bq/kg
8.63 * 1000 / 5.6 = 1540 Bq/kg

ここまで見た

159 2012/08/15(水) 11:35:56.78: 近所の農家から、タバコの廃棄葉を入手しようとしたら、
契約によりできません
と断られてしまった。
タバコは、重金属を集める性質がある(Pb, Cdの灰中濃度が高い)ので
ウラン系列の濃度を知る指標に使用かと思ったが、うまくいかなかった。
Pb-Bi等ウラン系列の核種を蓄積する性質のある植物を知っていたら知らせて欲しい。

現在は、農産加工品、つまり、塩漬けによる線量低下を測定しようとしているが
はっきり言って下がってくれない。
乾重量あたり1000-6000Bq/kgが300-1000位(1/3-1/10)に落ちるだけで、
湿重量40Bq/kg (地震前の輸入汚染食品を国産品で薄めた後の国内平均濃度)までは下がらない。
線量測定まで手が回らない状態。
結構高線量なので、手が荒れやすい。食品を扱うときには手袋が必須。
素手で船頭やって、乳酸を絞った後、手を洗って拭いて、インスに手を触れたらば
カウントが倍に上がった(30-40→60-70)。
漬物をいじっている間に測定ができれば良いが、
漬物をいじっているときには漬物による汚染対策でインスを使ってしまい測定できない状態。

漏れ一人が測定するのではなく、他の人による調査をキボンヌ。

ここまで見た

160 2012/08/15(水) 19:35:48.45: タバコの「エコー」「わかば」「しんせい」「ゴールデンバット」は200円です。
海外製タバコ葉を前に測ったところ、汚染の疑いがありました。タバコにはもともとポロニウムが含まれています。

ここまで見た

161 2012/09/02(日) 21:14:53.11: ニンジン　ゆで(食塩2%水) 2012.08.13収穫 116Bq/wkg 971Bq/dkg → 26.6Bq/wkg 256Bq/dkg

キャベツ塩漬け 2012.07.20収穫 193Bq/wkg 1980Bq/dkg → (不明) 868Bq/dkg
　塩漬け 2012.08.03　→ (不明) 593Bq/dkg
　塩漬け 2012.08.13　→ (不明) 51Bq/dkg
これは、キャベツを千切りにして、流水で１時間さらし、塩漬け(10-20%食塩)した。
その後、約１週間放置して、圧搾し漬け汁を絞り廃棄。流水で２４時間さらして、塩漬け(10-20%食塩)、これを繰り返し、水でさらした試料を乾燥し測定したもの。
単に水でさらしてもあまり減らない。圧搾して、高濃度の漬け汁をどれだけ除去するか、が、線量低下に関係する。
単に、水でさらして塩抜きしても線量が下がらない。下がり方のばらつきは、圧搾時に残った水量が原因と考えている。

ここまで見た

162 2012/10/09(火) 19:19:39.58

BGが暴れて、測定にならない日々が続いています。
８月の0.2-0.35uSv/h、９月の0.15-0.20uSv/h程度の新規供給に加えて
粉塵の蓄積があちらこちらに見られます。
気がついた点を少々。
測定場所、栃木県南部のどこか。一説によると、栃木・小山・真岡地区。
測定日時、2012.10.06-08
測定器、インスペクター＋。30秒読み捨てて、その後の３０秒間の最大値と最小値。

特記無しは、おおむね、測定点上空30-50cm。
洗濯機横。部屋の隅。0.17-0.19uSv/h。
土間入り口。0.15-0.19
土間のトタン屋根。0.13-0.15
同雨どい。 0.15-0.19(上空15cm前後)
土間入り口。0.08-0.10
土間上がり口(床直置き、上方向)。0.18-0.20
土間上がり口(横方向)。0.08-0.10
土間室内(水平方向)。0.08-0.10
屋根裏排気口。0.13-0.15

どうも、天井裏に溜まった粉塵が、夜間の気温低下で室内に流入し、
測定時の途中から線量が上昇し、BGが安定しない原因となっているようです。
泥埃が原因かと土間の測定を行ってみたのですが、全体的には低く、掃除が困難な場所が高線量になっている模様です。