【ガイガー】インスペクター＋統計スレ２ [sc] | レス25-76

★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

25 2012/06/17(日) 19:30:06.59: 繰り返しによる影響

1. n = 108 BG 繰り返し数 =3
x <- c( 34, 39, 37, 38, 30, 25, 36, 30, 33, 35, 31, 38, 32, 53, 39, 24, 32, 31, 35, 43, 47, 33, 33, 38, 33, 42, 33, 39, 36, 43, 38, 52, 50, 41, 31, 37, 28, 43, 26, 36, 38, 32, 29, 30, 38 ,
32, 40, 41, 32, 49, 38, 35, 32, 39, 36, 33, 32, 44, 33, 43, 38, 35, 26, 39, 37, 31, 41, 36, 29, 36, 33, 33, 28, 33, 36, 48, 41, 41 ,
35, 38, 35, 33, 36, 41, 36, 42, 41, 32, 33, 45, 37, 25, 44, 42, 33, 26, 41, 37, 42, 31, 29, 35, 39, 49, 23, 25, 32, 41)
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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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] 36.10185
> var(x)
[1] 37.23252
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.0448, 第1自由度 = 2, 第2自由度 = 105, P値 = 0.9562
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 = 1.5702, 自由度 = 2, P値 = 0.4561
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 = 0.0513, 第1自由度 = 2.000, 第2自由度 = 66.148, P値 = 0.95
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 2 1.851852 1.851852
25 11 10.185185 12.037037
30 31 28.703704 40.740741
35 36 33.333333 74.074074
40 20 18.518519 92.592593
45 5 4.629630 97.222222
50 3 2.777778 100.000000
>

ここまで見た

26 2012/06/17(日) 19:31:33.84: 2. n = 78 栃木県産梅の実。40度1週間乾燥 2012.06.09 採取 7.2 d-g 繰り返し数 =2
x <- c( 45, 39, 40, 48, 54, 46, 53, 32, 33, 41, 46, 37, 39, 37, 43, 30, 46, 52, 51, 41, 48, 48, 42, 48, 47, 41, 49, 47, 42, 46, 42, 40, 47, 47, 48 ,
29, 50, 49, 42, 44, 44, 51, 53, 43, 45, 63, 57, 41, 46, 52, 52, 35, 45, 39, 42, 42, 39, 45, 33, 57, 42, 51, 42, 41, 47, 42, 49, 36, 44, 50, 55, 49, 43, 38, 39, 41, 45, 40)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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)
> mean(x)
[1] 44.44872
> var(x)
[1] 39.99084
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.5524, 第1自由度 = 1, 第2自由度 = 76, P値 = 0.4596
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 = 0.9307, 自由度 = 1, P値 = 0.3347
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 = 0.5708, 第1自由度 = 1.000, 第2自由度 = 75.819, P値 = 0.4523
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 1 1.282051 1.282051
30 4 5.128205 6.410256
35 10 12.820513 19.230769
40 24 30.769231 50.000000
45 24 30.769231 80.769231
50 11 14.102564 94.871795
55 3 3.846154 98.717949
60 1 1.282051 100.000000
>

ここまで見た

27 2012/06/17(日) 19:32:24.48: BGと試料の比較

1. n = 108 BG 繰り返し数 =3
gr1 <- c( 34, 39, 37, 38, 30, 25, 36, 30, 33, 35, 31, 38, 32, 53, 39, 24, 32, 31, 35, 43, 47, 33, 33, 38, 33, 42, 33, 39, 36, 43, 38, 52, 50, 41, 31, 37, 28, 43, 26, 36, 38, 32, 29, 30, 38 ,
32, 40, 41, 32, 49, 38, 35, 32, 39, 36, 33, 32, 44, 33, 43, 38, 35, 26, 39, 37, 31, 41, 36, 29, 36, 33, 33, 28, 33, 36, 48, 41, 41 ,
35, 38, 35, 33, 36, 41, 36, 42, 41, 32, 33, 45, 37, 25, 44, 42, 33, 26, 41, 37, 42, 31, 29, 35, 39, 49, 23, 25, 32, 41)

2. n = 78 栃木県産梅の実。40度1週間乾燥 2012.06.09 採取 7.2 d-g 繰り返し数 =2
gr2 <- c( 45, 39, 40, 48, 54, 46, 53, 32, 33, 41, 46, 37, 39, 37, 43, 30, 46, 52, 51, 41, 48, 48, 42, 48, 47, 41, 49, 47, 42, 46, 42, 40, 47, 47, 48 ,
29, 50, 49, 42, 44, 44, 51, 53, 43, 45, 63, 57, 41, 46, 52, 52, 35, 45, 39, 42, 42, 39, 45, 33, 57, 42, 51, 42, 41, 47, 42, 49, 36, 44, 50, 55, 49, 43, 38, 39, 41, 45, 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 = -9.0664, 自由度 = 184, 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: -10.163228 -6.530504
標本推定値:
平均値x 平均値y
36.10185 44.44872
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 = -9.014, 自由度 = 162.495, P値 = 5.267e-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: -10.17538 -6.51835
標本推定値:
平均値x 平均値y
36.10185 44.44872
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 = 0.931, 第1自由度 = 107, 第2自由度 = 77, P値 = 0.7268
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.6092303 1.4025439
標本推定値:
分散比
0.9310261
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

28 2012/06/17(日) 19:34:20.08: ３.補足コメント
44.44872 - 36.10185 = 8.34687 CPM (3.92 Bq)
3.92 * 1000 / 7.2 = 544 Bq/乾kg
544 * (100-90.1) / 100 = 53.8 Bq/湿kg

水分 90.1% ( http://www.tukeru.com/knowledge/knowledge_51.htm )
カリウム 290mg/100g ( http://www.tukeru.com/knowledge/knowledge_51.htm )より8.96Bq/kg

「乾kg」は、試料を乾燥した状態で計った質量
「湿kg」は、試料を濡れたまま(乾燥しないで)測った質量
です。

ここまで見た

29 2012/06/17(日) 20:23:52.24: １．測定対象
「2012.06.12取得栃木県産2条大麦(ビール麦)の穂 40度3日乾燥 5.5g」の分析

２．測定結果
1. n=30 糊台
x <- c( 44, 39, 42, 49, 36, 40, 36, 45, 45, 49, 32, 35, 38, 29, 39, 27, 34, 30, 38, 45, 33, 40, 35, 38, 33, 40, 44, 25, 29, 33)

2. n=35 2012.06.12取得栃木県産2条大麦 40度3日乾燥 5.5g
x <- c( 42, 33, 43, 39, 67, 38, 29, 46, 41, 50, 25, 58, 44, 51, 44, 32, 49, 47, 44, 38, 38, 40, 44, 32, 37, 35, 45, 36, 30, 52, 32, 45, 43, 40, 40)

3. n=30 糊台
x <- c( 39, 33, 44, 39, 46, 32, 31, 23, 42, 50, 32, 28, 31, 33, 33, 41, 38, 42, 29, 46, 40, 36, 31, 30, 32, 39, 36, 41, 46, 39)

4. n=31 2012.06.12取得栃木県産2条大麦 40度3日乾燥 5.5g
x <- c( 41, 48, 36, 34, 46, 40, 48, 48, 36, 45, 35, 44, 47, 54, 40, 33, 33, 51, 39, 38, 48, 43, 42, 37, 34, 39, 43, 44, 44, 40, 50)

5. n=37 糊台
x <- c( 45, 42, 42, 39, 38, 32, 41, 44, 43, 35, 44, 44, 50, 32, 41, 32, 36, 38, 38, 40, 25, 42, 39, 39, 37, 44, 37, 35, 49, 35, 38, 44, 37, 44, 32, 34, 34)

ここまで見た

30 2012/06/17(日) 20:30:38.67: ４.　データ貼り付け
全体の分析
x <- c( 44, 39, 42, 49, 36, 40, 36, 45, 45, 49, 32, 35, 38, 29, 39, 27, 34, 30, 38, 45, 33, 40, 35, 38, 33, 40, 44, 25, 29, 33 ,
42, 33, 43, 39, 67, 38, 29, 46, 41, 50, 25, 58, 44, 51, 44, 32, 49, 47, 44, 38, 38, 40, 44, 32, 37, 35, 45, 36, 30, 52, 32, 45, 43, 40, 40 ,
39, 33, 44, 39, 46, 32, 31, 23, 42, 50, 32, 28, 31, 33, 33, 41, 38, 42, 29, 46, 40, 36, 31, 30, 32, 39, 36, 41, 46, 39 ,
41, 48, 36, 34, 46, 40, 48, 48, 36, 45, 35, 44, 47, 54, 40, 33, 33, 51, 39, 38, 48, 43, 42, 37, 34, 39, 43, 44, 44, 40, 50 ,
45, 42, 42, 39, 38, 32, 41, 44, 43, 35, 44, 44, 50, 32, 41, 32, 36, 38, 38, 40, 25, 42, 39, 39, 37, 44, 37, 35, 49, 35, 38, 44, 37, 44, 32, 34, 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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x)
[1] 39.34969
> var(x)
[1] 45.52511
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 4.0109, 第1自由度 = 4, 第2自由度 = 158, P値 = 0.003982
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 = 9.3414, 自由度 = 4, P値 = 0.05311
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 = 4.0168, 第1自由度 = 4.000, 第2自由度 = 77.405, P値 = 0.005171
有意。群間に差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 0.6134969 0.6134969
25 9 5.5214724 6.1349693
30 31 19.0184049 25.1533742
35 44 26.9938650 52.1472393
40 46 28.2208589 80.3680982
45 22 13.4969325 93.8650307
50 8 4.9079755 98.7730061
55 1 0.6134969 99.3865031
60 0 0.0000000 99.3865031
65 1 0.6134969 100.0000000
>

ここまで見た

31 2012/06/17(日) 20:33:05.50: BGと試料の比較
x <- c( 44, 39, 42, 49, 36, 40, 36, 45, 45, 49, 32, 35, 38, 29, 39, 27, 34, 30, 38, 45, 33, 40, 35, 38, 33, 40, 44, 25, 29, 33 ,
42, 33, 43, 39, 67, 38, 29, 46, 41, 50, 25, 58, 44, 51, 44, 32, 49, 47, 44, 38, 38, 40, 44, 32, 37, 35, 45, 36, 30, 52, 32, 45, 43, 40, 40 ,
39, 33, 44, 39, 46, 32, 31, 23, 42, 50, 32, 28, 31, 33, 33, 41, 38, 42, 29, 46, 40, 36, 31, 30, 32, 39, 36, 41, 46, 39 ,
41, 48, 36, 34, 46, 40, 48, 48, 36, 45, 35, 44, 47, 54, 40, 33, 33, 51, 39, 38, 48, 43, 42, 37, 34, 39, 43, 44, 44, 40, 50 ,
45, 42, 42, 39, 38, 32, 41, 44, 43, 35, 44, 44, 50, 32, 41, 32, 36, 38, 38, 40, 25, 42, 39, 39, 37, 44, 37, 35, 49, 35, 38, 44, 37, 44, 32, 34, 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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 13.9387, 第1自由度 = 1, 第2自由度 = 161, P値 = 0.0002616
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 = 2.9229, 自由度 = 1, P値 = 0.08733
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 = 12.9573, 第1自由度 = 1.000, 第2自由度 = 121.443, P値 = 0.0004624
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

32 2012/06/17(日) 20:34:40.54: 繰り返しによる影響

1. n = 97 BG 繰り返し数 =3
x <- c( 44, 39, 42, 49, 36, 40, 36, 45, 45, 49, 32, 35, 38, 29, 39, 27, 34, 30, 38, 45, 33, 40, 35, 38, 33, 40, 44, 25, 29, 33 ,
39, 33, 44, 39, 46, 32, 31, 23, 42, 50, 32, 28, 31, 33, 33, 41, 38, 42, 29, 46, 40, 36, 31, 30, 32, 39, 36, 41, 46, 39 ,
45, 42, 42, 39, 38, 32, 41, 44, 43, 35, 44, 44, 50, 32, 41, 32, 36, 38, 38, 40, 25, 42, 39, 39, 37, 44, 37, 35, 49, 35, 38, 44, 37, 44, 32, 34, 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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 37.78351
> var(x)
[1] 35.42139
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 1.2413, 第1自由度 = 2, 第2自由度 = 94, P値 = 0.2937
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 = 1.691, 自由度 = 2, P値 = 0.4293
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 = 1.3185, 第1自由度 = 2.000, 第2自由度 = 58.927, P値 = 0.2753
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 1.030928 1.030928
25 7 7.216495 8.247423
30 22 22.680412 30.927835
35 30 30.927835 61.855670
40 25 25.773196 87.628866
45 10 10.309278 97.938144
50 2 2.061856 100.000000
>

ここまで見た

33 2012/06/17(日) 20:35:49.27: 2. n = 66 2012.06.12取得栃木県産2条大麦 40度3日乾燥 5.5g 繰り返し数 =2
x <- c( 42, 33, 43, 39, 67, 38, 29, 46, 41, 50, 25, 58, 44, 51, 44, 32, 49, 47, 44, 38, 38, 40, 44, 32, 37, 35, 45, 36, 30, 52, 32, 45, 43, 40, 40 ,
41, 48, 36, 34, 46, 40, 48, 48, 36, 45, 35, 44, 47, 54, 40, 33, 33, 51, 39, 38, 48, 43, 42, 37, 34, 39, 43, 44, 44, 40, 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] 41.65152
> var(x)
[1] 52.10746
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.0892, 第1自由度 = 1, 第2自由度 = 64, P値 = 0.7662
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 = 4.4903, 自由度 = 1, P値 = 0.03409
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 = 0.0933, 第1自由度 = 1.000, 第2自由度 = 60.174, P値 = 0.761
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 3.030303 3.030303
30 9 13.636364 16.666667
35 14 21.212121 37.878788
40 21 31.818182 69.696970
45 12 18.181818 87.878788
50 6 9.090909 96.969697
55 1 1.515152 98.484848
60 0 0.000000 98.484848
65 1 1.515152 100.000000
>

ここまで見た

34 2012/06/17(日) 20:36:42.00: BGと試料の比較

1. n = 97 BG 繰り返し数 =3
gr1 <- c( 44, 39, 42, 49, 36, 40, 36, 45, 45, 49, 32, 35, 38, 29, 39, 27, 34, 30, 38, 45, 33, 40, 35, 38, 33, 40, 44, 25, 29, 33 ,
39, 33, 44, 39, 46, 32, 31, 23, 42, 50, 32, 28, 31, 33, 33, 41, 38, 42, 29, 46, 40, 36, 31, 30, 32, 39, 36, 41, 46, 39 ,
45, 42, 42, 39, 38, 32, 41, 44, 43, 35, 44, 44, 50, 32, 41, 32, 36, 38, 38, 40, 25, 42, 39, 39, 37, 44, 37, 35, 49, 35, 38, 44, 37, 44, 32, 34, 34)

2. n = 66 2012.06.12取得栃木県産2条大麦 40度3日乾燥 5.5g 繰り返し数 =2
gr2 <- c( 42, 33, 43, 39, 67, 38, 29, 46, 41, 50, 25, 58, 44, 51, 44, 32, 49, 47, 44, 38, 38, 40, 44, 32, 37, 35, 45, 36, 30, 52, 32, 45, 43, 40, 40 ,
41, 48, 36, 34, 46, 40, 48, 48, 36, 45, 35, 44, 47, 54, 40, 33, 33, 51, 39, 38, 48, 43, 42, 37, 34, 39, 43, 44, 44, 40, 50)
> 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 = -3.7335, 自由度 = 161, P値 = 0.0002616
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: -5.913988 -1.822032
標本推定値:
平均値x 平均値y
37.78351 41.65152
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 = -3.5996, 自由度 = 121.443, P値 = 0.0004624
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: -5.995304 -1.740716
標本推定値:
平均値x 平均値y
37.78351 41.65152
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 = 0.6798, 第1自由度 = 96, 第2自由度 = 65, P値 = 0.08463
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.4298163 1.0542413
標本推定値:
分散比
0.6797758
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

35 2012/06/17(日) 20:38:43.93: ３.補足コメント
41.65152 - 37.78351 = 3.868011 CPM (1.81 Bq)
1.81 * 1000 / 5.5 = 330 Bq/kg

測定は、麦穂のヒゲと茎をハサミで除いた残りです。
脱穀していません。

ここまで見た

36 2012/06/17(日) 22:11:59.50: １．測定対象
「2012.06.04 採取　栃木県産柏の葉、40度3日乾燥」の分析
乾燥後 7g (湿重量不明)

２．測定結果
BGと試料の比較

1. n = 182 BG 繰り返し数 =3
gr1 <- c( 38, 44, 45, 36, 40, 35, 31, 39, 39, 51, 38, 34, 47, 36, 40, 33, 41, 46, 46, 42, 31, 37,
41, 31, 38, 39, 32, 31, 39, 37, 45, 33, 37, 26, 33, 42, 35, 48, 35, 35, 35, 37, 38, 39, 53, 45, 37, 49, 39, 37, 35, 45, 43 ,
39, 37, 45, 33, 35, 34, 34, 34, 45, 49, 25, 36, 47, 41, 35, 31, 40, 37, 35, 32, 42, 45, 38, 39, 30, 37, 41, 35, 32, 37, 40,
29, 37, 33, 36, 42, 43, 30, 36, 42, 31, 31, 46, 39, 43, 34, 37, 43, 45, 31, 38 ,
51, 32, 31, 38, 35, 35, 35, 26, 42, 38, 41, 29, 37, 45, 35, 78, 49, 39, 44, 29, 39, 32, 29, 48, 33, 31, 38, 31, 38, 38, 47,
32, 38, 41, 34, 39, 36, 41, 25, 30, 43, 41, 28, 42, 36, 41, 31, 39, 43, 41, 40, 39, 27, 38, 41, 33, 58, 35, 33, 35, 34, 26,
36, 47, 47, 49, 34, 50, 36, 31, 38, 39, 38, 44, 48, 37, 42, 19)

2. n = 85 2012.06.04 採取　栃木県産柏の葉、40度3日乾燥繰り返し数 =2
gr2 <- c( 40, 41, 39, 41, 40, 47, 35, 49, 49, 41, 48, 33, 53, 42, 32, 40, 49, 43, 46, 46, 47, 44, 37, 44, 48, 48, 47, 31, 44, 49, 52, 49, 44, 45, 31 ,
42, 47, 45, 35, 48, 50, 49, 27, 43, 52, 52, 35, 37, 39, 50, 39, 50, 55, 35, 37, 51, 44, 56, 43, 45, 52, 47, 38, 36, 49, 43,
42, 39, 36, 49, 42, 54, 41, 43, 39, 55, 41, 51, 56, 39, 43, 42, 31, 50, 51)
> 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 = -6.5873, 自由度 = 265, P値 = 2.399e-10
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: -7.511122 -4.054230
標本推定値:
平均値x 平均値y
38.08791 43.87059
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 = -6.6876, 自由度 = 170.496, P値 = 3.113e-10
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: -7.489556 -4.075796
標本推定値:
平均値x 平均値y
38.08791 43.87059
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 = 1.0864, 第1自由度 = 181, 第2自由度 = 84, P値 = 0.676
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.742599 1.550040
標本推定値:
分散比
1.086400
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

37 2012/06/17(日) 22:12:55.09: 行数がうまく制限内にまとめられず、最後の結果だけです。

３.補足コメント
43.9 - 38.1 = 5.8 CPM (2.71 Bq)
5.8 * 1000 / 7 = 388 Bq/kg
旧暦の４月１５日、月遅れ(明治の暦の切り替えで１２月を４−５日で終わりにして１月にしました。その関係で、１月遅れという暦を使っているときがあります)
の端午の節句の前日に、柏の葉を収穫してみました。

ここまで見た

38 2012/06/18(月) 20:28:56.80: １．測定対象
「2012.06.12 収穫栃木県産シュンギク　４０度６日乾燥4.2g」の分析

２．測定結果
1. n=30 糊台
x <- c( 37, 33, 34, 27, 33, 39, 42, 47, 42, 28, 50, 39, 35, 28, 29, 33, 36, 37, 48, 48, 37, 34, 41, 40, 36, 25, 43, 52, 22, 24)

2. n=35 2012.06.12 収穫栃木県産シュンギク　４０度６日乾燥4.2g
x <- c( 64, 69, 68, 77, 64, 66, 92, 63, 65, 57, 70, 61, 67, 83, 70, 60, 73, 66, 53, 66, 74, 67, 62, 52, 68, 71, 56, 77, 53, 65, 42, 21, 29, 58, 51)

3. n=30 糊台
x <- c( 42, 33, 27, 33, 48, 46, 30, 31, 41, 33, 34, 47, 38, 34, 38, 29, 42, 40, 47, 46, 36, 33, 29, 36, 36, 29, 32, 41, 31, 40)

4. n=77 2012.06.12 収穫栃木県産シュンギク　４０度６日乾燥4.2g
x <- c( 76, 58, 63, 53, 61, 64, 73, 64, 57, 68, 72, 67, 54, 70, 72, 77, 63, 66, 76, 69, 63, 68, 64, 61, 63, 68, 53, 74, 53, 56, 51, 54, 61, 64, 73,
71, 73, 57, 64, 56, 57, 67, 62, 66, 60, 70, 74, 64, 56, 69, 64, 65, 54, 61, 71, 61, 68, 63, 70, 51, 56, 61, 53, 65, 53, 72, 76, 61, 64, 49, 65, 67, 57, 58, 65, 57, 72)

5. n=60 糊台
x <- c( 25, 35, 33, 44, 40, 39, 39, 34, 39, 39, 32, 53, 45, 47, 30, 27, 39, 40, 51, 34, 35, 32, 38, 41, 41, 26, 36, 31, 35, 36, 41, 25, 39, 44, 36,
47, 40, 44, 19, 23, 33, 37, 37, 28, 33, 40, 28, 37, 35, 33, 44, 21, 32, 40, 28, 42, 29, 34, 33, 39)

ここまで見た

39 2012/06/18(月) 20:29:42.40: ４.　データ貼り付け
全体の分析
x <- c( 37, 33, 34, 27, 33, 39, 42, 47, 42, 28, 50, 39, 35, 28, 29, 33, 36, 37, 48, 48, 37, 34, 41, 40, 36, 25, 43, 52, 22, 24 ,
64, 69, 68, 77, 64, 66, 92, 63, 65, 57, 70, 61, 67, 83, 70, 60, 73, 66, 53, 66, 74, 67, 62, 52, 68, 71, 56, 77, 53, 65, 42, 21, 29, 58, 51 ,
42, 33, 27, 33, 48, 46, 30, 31, 41, 33, 34, 47, 38, 34, 38, 29, 42, 40, 47, 46, 36, 33, 29, 36, 36, 29, 32, 41, 31, 40 ,
76, 58, 63, 53, 61, 64, 73, 64, 57, 68, 72, 67, 54, 70, 72, 77, 63, 66, 76, 69, 63, 68, 64, 61, 63, 68, 53, 74, 53, 56, 51, 54, 61, 64, 73,
71, 73, 57, 64, 56, 57, 67, 62, 66, 60, 70, 74, 64, 56, 69, 64, 65, 54, 61, 71, 61, 68, 63, 70, 51, 56, 61, 53, 65, 53, 72, 76, 61, 64, 49, 65, 67, 57, 58, 65, 57, 72 ,
25, 35, 33, 44, 40, 39, 39, 34, 39, 39, 32, 53, 45, 47, 30, 27, 39, 40, 51, 34, 35, 32, 38, 41, 41, 26, 36, 31, 35, 36, 41, 25, 39, 44, 36,
47, 40, 44, 19, 23, 33, 37, 37, 28, 33, 40, 28, 37, 35, 33, 44, 21, 32, 40, 28, 42, 29, 34, 33, 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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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 ,
4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x)
[1] 49.36207
> var(x)
[1] 251.0285
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 153.4311, 第1自由度 = 4, 第2自由度 = 227, 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 = 33.0742, 自由度 = 4, P値 = 1.153e-06
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 = 185.5496, 第1自由度 = 4.000, 第2自由度 = 88.321, P値 < 2.2e-16
有意。群間に差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
15 1 0.4310345 0.4310345
20 5 2.1551724 2.5862069
25 18 7.7586207 10.3448276
30 28 12.0689655 22.4137931
35 31 13.3620690 35.7758621
40 25 10.7758621 46.5517241
45 12 5.1724138 51.7241379
50 18 7.7586207 59.4827586
55 14 6.0344828 65.5172414
60 28 12.0689655 77.5862069
65 25 10.7758621 88.3620690
70 19 8.1896552 96.5517241
75 6 2.5862069 99.1379310
80 1 0.4310345 99.5689655
85 0 0.0000000 99.5689655
90 1 0.4310345 100.0000000
>

ここまで見た

40 2012/06/18(月) 20:30:41.68: BGと試料の比較
x <- c( 37, 33, 34, 27, 33, 39, 42, 47, 42, 28, 50, 39, 35, 28, 29, 33, 36, 37, 48, 48, 37, 34, 41, 40, 36, 25, 43, 52, 22, 24 ,
64, 69, 68, 77, 64, 66, 92, 63, 65, 57, 70, 61, 67, 83, 70, 60, 73, 66, 53, 66, 74, 67, 62, 52, 68, 71, 56, 77, 53, 65, 42, 21, 29, 58, 51 ,
42, 33, 27, 33, 48, 46, 30, 31, 41, 33, 34, 47, 38, 34, 38, 29, 42, 40, 47, 46, 36, 33, 29, 36, 36, 29, 32, 41, 31, 40 ,
76, 58, 63, 53, 61, 64, 73, 64, 57, 68, 72, 67, 54, 70, 72, 77, 63, 66, 76, 69, 63, 68, 64, 61, 63, 68, 53, 74, 53, 56, 51, 54, 61, 64, 73,
71, 73, 57, 64, 56, 57, 67, 62, 66, 60, 70, 74, 64, 56, 69, 64, 65, 54, 61, 71, 61, 68, 63, 70, 51, 56, 61, 53, 65, 53, 72, 76, 61, 64, 49, 65, 67, 57, 58, 65, 57, 72 ,
25, 35, 33, 44, 40, 39, 39, 34, 39, 39, 32, 53, 45, 47, 30, 27, 39, 40, 51, 34, 35, 32, 38, 41, 41, 26, 36, 31, 35, 36, 41, 25, 39, 44, 36,
47, 40, 44, 19, 23, 33, 37, 37, 28, 33, 40, 28, 37, 35, 33, 44, 21, 32, 40, 28, 42, 29, 34, 33, 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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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)
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 620.3081, 第1自由度 = 1, 第2自由度 = 230, 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 = 10.4909, 自由度 = 1, P値 = 0.001200
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 = 607.7574, 第1自由度 = 1.00, 第2自由度 = 203.45, 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

41 2012/06/18(月) 20:31:42.20: 繰り返しによる影響

1. n = 120 BG 繰り返し数 =3
x <- c( 37, 33, 34, 27, 33, 39, 42, 47, 42, 28, 50, 39, 35, 28, 29, 33, 36, 37, 48, 48, 37, 34, 41, 40, 36, 25, 43, 52, 22, 24 ,
42, 33, 27, 33, 48, 46, 30, 31, 41, 33, 34, 47, 38, 34, 38, 29, 42, 40, 47, 46, 36, 33, 29, 36, 36, 29, 32, 41, 31, 40 ,
25, 35, 33, 44, 40, 39, 39, 34, 39, 39, 32, 53, 45, 47, 30, 27, 39, 40, 51, 34, 35, 32, 38, 41, 41, 26, 36, 31, 35, 36, 41, 25,
39, 44, 36, 47, 40, 44, 19, 23, 33, 37, 37, 28, 33, 40, 28, 37, 35, 33, 44, 21, 32, 40, 28, 42, 29, 34, 33, 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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 36.31667
> var(x)
[1] 48.57115
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.1653, 第1自由度 = 2, 第2自由度 = 117, P値 = 0.8479
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 = 1.6416, 自由度 = 2, P値 = 0.4401
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 = 0.1735, 第1自由度 = 2.000, 第2自由度 = 62.018, P値 = 0.841
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
15 1 0.8333333 0.8333333
20 4 3.3333333 4.1666667
25 17 14.1666667 18.3333333
30 28 23.3333333 41.6666667
35 31 25.8333333 67.5000000
40 24 20.0000000 87.5000000
45 11 9.1666667 96.6666667
50 4 3.3333333 100.0000000
>

ここまで見た

42 2012/06/18(月) 20:32:44.56: 2. n = 112 2012.06.12 収穫栃木県産シュンギク　４０度６日乾燥4.2g 繰り返し数 =2
x <- c( 64, 69, 68, 77, 64, 66, 92, 63, 65, 57, 70, 61, 67, 83, 70, 60, 73, 66, 53, 66, 74, 67, 62, 52, 68, 71, 56, 77, 53, 65, 42, 21, 29, 58, 51 ,
76, 58, 63, 53, 61, 64, 73, 64, 57, 68, 72, 67, 54, 70, 72, 77, 63, 66, 76, 69, 63, 68, 64, 61, 63, 68, 53, 74, 53, 56, 51, 54, 61, 64, 73, 71, 73,
57, 64, 56, 57, 67, 62, 66, 60, 70, 74, 64, 56, 69, 64, 65, 54, 61, 71, 61, 68, 63, 70, 51, 56, 61, 53, 65, 53, 72, 76, 61, 64, 49, 65, 67, 57, 58, 65, 57, 72)
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 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 63.33929
> var(x)
[1] 89.2352
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.1316, 第1自由度 = 1, 第2自由度 = 110, P値 = 0.7175
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 = 21.3325, 自由度 = 1, P値 = 3.861e-06
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 = 0.085, 第1自由度 = 1.000, 第2自由度 = 42.758, P値 = 0.772
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 0.8928571 0.8928571
25 1 0.8928571 1.7857143
30 0 0.0000000 1.7857143
35 0 0.0000000 1.7857143
40 1 0.8928571 2.6785714
45 1 0.8928571 3.5714286
50 14 12.5000000 16.0714286
55 14 12.5000000 28.5714286
60 28 25.0000000 53.5714286
65 25 22.3214286 75.8928571
70 19 16.9642857 92.8571429
75 6 5.3571429 98.2142857
80 1 0.8928571 99.1071429
85 0 0.0000000 99.1071429
90 1 0.8928571 100.0000000
>

ここまで見た

43 2012/06/18(月) 20:33:41.55: BGと試料の比較

1. n = 120 BG 繰り返し数 =3
gr1 <- c( 37, 33, 34, 27, 33, 39, 42, 47, 42, 28, 50, 39, 35, 28, 29, 33, 36, 37, 48, 48, 37, 34, 41, 40, 36, 25, 43, 52, 22, 24 ,
42, 33, 27, 33, 48, 46, 30, 31, 41, 33, 34, 47, 38, 34, 38, 29, 42, 40, 47, 46, 36, 33, 29, 36, 36, 29, 32, 41, 31, 40 ,
25, 35, 33, 44, 40, 39, 39, 34, 39, 39, 32, 53, 45, 47, 30, 27, 39, 40, 51, 34, 35, 32, 38, 41, 41, 26, 36, 31, 35, 36, 41, 25,
39, 44, 36, 47, 40, 44, 19, 23, 33, 37, 37, 28, 33, 40, 28, 37, 35, 33, 44, 21, 32, 40, 28, 42, 29, 34, 33, 39)

2. n = 112 2012.06.12 収穫栃木県産シュンギク　４０度６日乾燥4.2g 繰り返し数 =2
gr2 <- c( 64, 69, 68, 77, 64, 66, 92, 63, 65, 57, 70, 61, 67, 83, 70, 60, 73, 66, 53, 66, 74, 67, 62, 52, 68, 71, 56, 77, 53, 65, 42, 21, 29, 58, 51 ,
76, 58, 63, 53, 61, 64, 73, 64, 57, 68, 72, 67, 54, 70, 72, 77, 63, 66, 76, 69, 63, 68, 64, 61, 63, 68, 53, 74, 53, 56, 51, 54, 61, 64, 73, 71, 73, 57,
64, 56, 57, 67, 62, 66, 60, 70, 74, 64, 56, 69, 64, 65, 54, 61, 71, 61, 68, 63, 70, 51, 56, 61, 53, 65, 53, 72, 76, 61, 64, 49, 65, 67, 57, 58, 65, 57, 72)
> 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 = -24.906, 自由度 = 230, 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: -29.16040 -24.88484
標本推定値:
平均値x 平均値y
36.31667 63.33929
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 = -24.6527, 自由度 = 203.45, 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: -29.18385 -24.86139
標本推定値:
平均値x 平均値y
36.31667 63.33929
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 = 0.5443, 第1自由度 = 119, 第2自由度 = 111, P値 = 0.001190
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.3764331 0.7851696
標本推定値:
分散比
0.5443048
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

44 2012/06/18(月) 20:34:58.42: ３.補足コメント
63.33929 - 36.31667 = 27.02262 CPM (12.7 Bq)
12.7 * 1000 / 4.2 = 3023 Bq/kg
水分 91.8% ( http://ja.wikipedia.org/wiki/%E3%82%B7%E3%83%A5%E3%83%B3%E3%82%AE%E3%82%AF )より
3023 * (100-91.8) /100 = 248 Bq/kg
カリウム 460mg/100g ( http://ja.wikipedia.org/wiki/%E3%82%B7%E3%83%A5%E3%83%B3%E3%82%AE%E3%82%AF )より 14.2 Bq/kg なので、ほとんど福島由来と考えられる。

このシュンギクは販売用ではありません。
自家消費を目的に栽培したものです。

ここまで見た

45 2012/06/24(日) 22:59:01.49: 栃木県は、土がかなり汚染していますね。
肥料や土が汚染していると、九州や四国で作った野菜も汚染します。

ここまで見た

46 2012/06/26(火) 05:46:47.11: 栃木県は200Bq/kg 位(農協の資料)で、15cm均一攪拌とすると、

家庭園芸では3cm程度なので、５倍1000Bq/kg程度の汚染でしょう。
農協の資料が見つからないので、ネットの資料
http://www.niaes.affrc.go.jp/magazine/144/mgzn14401_06.pdf

ここまで見た

47 2012/07/02(月) 20:14:54.18: １．測定対象
「小豆島そうめん 2013.11/Z」(1.7*8*18 cm, 250g )の分析

２．測定結果
1. n=32 糊台
x <- c( 49, 38, 29, 45, 44, 38, 44, 36, 34, 42, 36, 46, 47, 40, 34, 46, 45, 41, 41, 36, 35, 35, 34, 45, 41, 37, 42, 47, 35, 41, 41, 29)

2. n=30 小豆島そうめん 2013.11/Z
x <- c( 45, 28, 41, 42, 45, 33, 34, 34, 42, 28, 42, 31, 42, 48, 34, 37, 37, 43, 41, 28, 36, 35, 40, 44, 30, 44, 29, 36, 27, 36)

3. n=30 糊台
x <- c( 38, 43, 40, 38, 31, 39, 38, 37, 41, 39, 39, 51, 28, 37, 40, 31, 51, 34, 37, 31, 34, 43, 43, 33, 47, 34, 40, 35, 35, 36)

4. n=37 小豆島そうめん 2013.11/Z
x <- c( 35, 41, 46, 39, 40, 43, 39, 26, 47, 41, 41, 45, 37, 53, 51, 40, 43, 43, 36, 39, 39, 29, 49, 44, 38, 35, 39, 54, 35, 39, 46, 40, 37, 38, 60, 38, 51)

5. n=459 糊台
x <- c( 44, 35, 36, 42, 37, 53, 39, 36, 46, 37, 44, 27, 38, 26, 23, 36, 40, 33, 41, 41, 27, 35, 33, 43, 42, 29, 33, 35, 33, 34, 40, 31, 37, 26, 51, 39,
36, 35, 39, 38, 42, 30, 39, 38, 50, 34, 30, 47, 36, 44, 50, 45, 39, 33, 35, 38, 56, 36, 49, 51, 31, 44, 28, 44, 37, 35, 35, 39, 40, 28, 44, 36, 50, 42,
39, 43, 39, 39, 44, 43, 34, 27, 39, 50, 46, 25, 32, 40, 39, 38, 43, 41, 32, 29, 27, 44, 33, 36, 46, 29, 33, 43, 42, 46, 29, 42, 23, 44, 49, 36, 33, 36,
40, 42, 44, 38, 33, 36, 34, 32, 36, 50, 28, 30, 42, 29, 25, 37, 41, 38, 35, 38, 42, 36, 35, 45, 30, 28, 35, 40, 39, 36, 35, 25, 30, 45, 39, 39, 33, 31,
37, 42, 34, 36, 37, 36, 35, 50, 28, 32, 22, 32, 38, 39, 40, 39, 40, 31, 36, 35, 36, 54, 50, 46, 32, 30, 46, 37, 42, 34, 44, 42, 33, 36, 35, 47, 36, 46,
49, 45, 36, 41, 39, 39, 37, 46, 30, 39, 51, 44, 22, 34, 44, 27, 30, 35, 45, 30, 43, 45, 34, 29, 39, 45, 38, 37, 49, 31, 36, 42, 43, 39, 27, 33, 38, 45,
32, 38, 35, 39, 49, 48, 39, 28, 38, 42, 39, 47, 37, 30, 43, 46, 45, 41, 41, 46, 42, 35, 31, 33, 44, 40, 33, 45, 38, 53, 28, 47, 36, 42, 38, 37, 39, 43,
31, 29, 41, 32, 40, 35, 32, 44, 41, 37, 39, 26, 42, 40, 37, 32, 32, 45, 43, 33, 26, 40, 47, 38, 44, 52, 47, 43, 32, 46, 31, 39, 52, 43, 30, 39, 51, 36,
26, 39, 30, 42, 45, 27, 40, 36, 36, 39, 37, 33, 33, 50, 34, 32, 41, 46, 44, 45, 40, 45, 47, 40, 38, 30, 39, 37, 31, 41, 41, 45, 30, 39, 43, 37, 44, 42,
34, 29, 44, 47, 39, 38, 47, 43, 43, 42, 41, 41, 46, 45, 35, 43, 50, 29, 31, 47, 34, 39, 39, 42, 38, 26, 37, 33, 37, 42, 41, 30, 45, 47, 51, 34, 29, 33,
50, 40, 46, 31, 30, 37, 37, 34, 45, 39, 35, 26, 49, 39, 42, 33, 39, 41, 35, 42, 44, 30, 46, 55, 42, 33, 34, 51, 35, 44, 34, 43, 31, 40, 37, 46, 34, 34,
35, 36, 45, 37, 40, 26, 40, 28, 42, 54, 46, 46, 36, 40, 42, 39, 40, 50, 40, 45, 45, 44, 35, 27, 45, 46, 48, 32, 41, 34, 33, 46, 47, 43, 24, 51, 36, 42,
51, 43, 45, 33, 40)

ここまで見た

48 2012/07/02(月) 20:19:04.72: ４.　データ貼り付け
全体の分析
「本文が長すぎる」というエラーが出たので、以後検定結果だけ。
数値は >>47 の値を使って、各人でコマンドを作ってください。
> mean(x)
[1] 38.68027
> var(x)
[1] 42.14632
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 2.6148, 第1自由度 = 4, 第2自由度 = 583, P値 = 0.03443
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 = 4.4339, 自由度 = 4, P値 = 0.3505
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 = 2.5928, 第1自由度 = 4.000, 第2自由度 = 71.017, P値 = 0.04368
有意。群間に差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 5 0.8503401 0.8503401
25 47 7.9931973 8.8435374
30 100 17.0068027 25.8503401
35 176 29.9319728 55.7823129
40 146 24.8299320 80.6122449
45 80 13.6054422 94.2176871
50 31 5.2721088 99.4897959
55 2 0.3401361 99.8299320
60 1 0.1700680 100.0000000
>

ここまで見た

49 2012/07/02(月) 20:19:53.79: > oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 1.2729, 第1自由度 = 1, 第2自由度 = 586, P値 = 0.2597
有意。試料とバックグラウンドとに差異がある。

> 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 = 0.2897, 自由度 = 1, P値 = 0.5904
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 = 1.1796, 第1自由度 = 1.000, 第2自由度 = 82.138, P値 = 0.2806
有意。試料とバックグラウンドとに差異がある。

>

ここまで見た

50 2012/07/02(月) 20:20:40.84: 繰り返しによる影響

1. n = 521 BG 繰り返し数 =3
> mean(x)
[1] 38.57198
> var(x)
[1] 41.64144
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.657, 第1自由度 = 2, 第2自由度 = 518, P値 = 0.5188
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 = 4.0711, 自由度 = 2, P値 = 0.1306
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 = 0.9531, 第1自由度 = 2.000, 第2自由度 = 47.636, P値 = 0.3928
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 5 0.9596929 0.9596929
25 40 7.6775432 8.6372361
30 94 18.0422265 26.6794626
35 155 29.7504798 56.4299424
40 126 24.1842610 80.6142035
45 72 13.8195777 94.4337812
50 27 5.1823417 99.6161228
55 2 0.3838772 100.0000000
>

ここまで見た

51 2012/07/02(月) 20:21:13.92: 2. n = 67 小豆島そうめん 2013.11/Z 繰り返し数 =2
x <- c( 45, 28, 41, 42, 45, 33, 34, 34, 42, 28, 42, 31, 42, 48, 34, 37, 37, 43, 41, 28, 36, 35, 40, 44, 30, 44, 29, 36, 27, 36 ,
35, 41, 46, 39, 40, 43, 39, 26, 47, 41, 41, 45, 37, 53, 51, 40, 43, 43, 36, 39, 39, 29, 49, 44, 38, 35, 39, 54, 35, 39, 46, 40, 37, 38, 60, 38, 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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 39.52239
> var(x)
[1] 45.95025
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 7.8719, 第1自由度 = 1, 第2自由度 = 65, P値 = 0.006617
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 = 0.3594, 自由度 = 1, P値 = 0.5488
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 = 8.0521, 第1自由度 = 1.000, 第2自由度 = 64.277, P値 = 0.006074
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 7 10.447761 10.44776
30 6 8.955224 19.40299
35 21 31.343284 50.74627
40 20 29.850746 80.59701
45 8 11.940299 92.53731
50 4 5.970149 98.50746
55 0 0.000000 98.50746
60 1 1.492537 100.00000
>

ここまで見た

52 2012/07/02(月) 20:22:16.60: BGと試料の比較

1. n = 521 BG 繰り返し数 =3
gr1 <- c( 49, 38, 29, 45, 44, 38, 44, 36, 34, 42, 36, 46, 47, 40, 34, 46, 45, 41, 41, 36, 35, 35, 34, 45, 41, 37, 42, 47, 35, 41, 41, 29 ,
38, 43, 40, 38, 31, 39, 38, 37, 41, 39, 39, 51, 28, 37, 40, 31, 51, 34, 37, 31, 34, 43, 43, 33, 47, 34, 40, 35, 35, 36 ,
44, 35, 36, 42, 37, 53, 39, 36, 46, 37, 44, 27, 38, 26, 23, 36, 40, 33, 41, 41, 27, 35, 33, 43, 42, 29, 33, 35, 33, 34, 40, 31, 37, 26,
(中略)
48, 32, 41, 34, 33, 46, 47, 43, 24, 51, 36, 42, 51, 43, 45, 33, 40)

2. n = 67 小豆島そうめん 2013.11/Z 繰り返し数 =2
gr2 <- c( 45, 28, 41, 42, 45, 33, 34, 34, 42, 28, 42, 31, 42, 48, 34, 37, 37, 43, 41, 28, 36, 35, 40, 44, 30, 44, 29, 36, 27, 36 ,
35, 41, 46, 39, 40, 43, 39, 26, 47, 41, 41, 45, 37, 53, 51, 40, 43, 43, 36, 39, 39, 29, 49, 44, 38, 35, 39, 54, 35, 39, 46, 40, 37, 38, 60, 38, 51)
> 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 = -1.1282, 自由度 = 586, P値 = 0.2597
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: -2.6048751 0.7040529
標本推定値:
平均値x 平均値y
38.57198 39.52239
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 = -1.0861, 自由度 = 82.138, P値 = 0.2806
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: -2.6911638 0.7903416
標本推定値:
平均値x 平均値y
38.57198 39.52239
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 = 0.9062, 第1自由度 = 520, 第2自由度 = 66, P値 = 0.5574
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.613138 1.271631
標本推定値:
分散比
0.906229
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

53 2012/07/02(月) 20:25:32.54: ３.補足コメント
最後に糊台の測定を仕掛けて朝まで寝てしまったのでこんな結果になりました。
39.52239 - 38.57198 = 0.9504089 CPM (0.447 Bq)
比重 1.02 g/cm3 受光深さ 0.35 cm 受光容積 7cm3 (7g)
62.3 Bq/kg

以下、分散分析に使っている群番号です。エディタで「,1」を書き換えて使います。
1. n=32 糊台
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. n=30 小豆島そうめん 2013.11/Z
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)

3. n=30 糊台
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)

4. n=37 小豆島そうめん 2013.11/Z
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)

5. n=459 糊台
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,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)

ここまで見た

54 2012/07/02(月) 21:41:23.43: １．測定対象
「小豆島ひやむぎ 2014.1/AB」(1.7*8*18 cm, 250g)の分析

２．測定結果
1. n=30 糊台
x <- c( 42, 23, 36, 29, 35, 38, 38, 45, 41, 47, 31, 36, 53, 35, 41, 37, 49, 39, 38, 57, 45, 38, 38, 31, 44, 37, 43, 45, 40, 54)

2. n=30 小豆島ひやむぎ 2014.1/AB
x <- c( 37, 33, 43, 46, 48, 29, 39, 42, 44, 40, 50, 53, 24, 48, 44, 34, 44, 41, 32, 36, 35, 33, 38, 43, 37, 34, 36, 47, 40, 46)

3. n=30 糊台
x <- c( 28, 41, 35, 42, 50, 42, 47, 52, 38, 35, 34, 44, 43, 33, 39, 40, 38, 43, 60, 41, 39, 47, 33, 41, 34, 34, 33, 29, 40, 36)

4. n=35 小豆島ひやむぎ 2014.1/AB
x <- c( 43, 42, 37, 34, 51, 36, 45, 37, 43, 42, 34, 33, 50, 37, 41, 43, 39, 47, 39, 47, 38, 44, 35, 48, 39, 31, 47, 50, 38, 38, 48, 39, 31, 54, 39)

5. n=31 糊台
x <- c( 36, 44, 45, 31, 42, 40, 40, 51, 42, 41, 34, 48, 26, 33, 37, 41, 35, 48, 36, 35, 41, 41, 39, 35, 37, 53, 33, 43, 43, 39, 46)

ここまで見た

55 2012/07/02(月) 21:42:03.12: ４.　データ貼り付け
全体の分析
x <- c( 42, 23, 36, 29, 35, 38, 38, 45, 41, 47, 31, 36, 53, 35, 41, 37, 49, 39, 38, 57, 45, 38, 38, 31, 44, 37, 43, 45, 40, 54 ,
37, 33, 43, 46, 48, 29, 39, 42, 44, 40, 50, 53, 24, 48, 44, 34, 44, 41, 32, 36, 35, 33, 38, 43, 37, 34, 36, 47, 40, 46 ,
28, 41, 35, 42, 50, 42, 47, 52, 38, 35, 34, 44, 43, 33, 39, 40, 38, 43, 60, 41, 39, 47, 33, 41, 34, 34, 33, 29, 40, 36 ,
43, 42, 37, 34, 51, 36, 45, 37, 43, 42, 34, 33, 50, 37, 41, 43, 39, 47, 39, 47, 38, 44, 35, 48, 39, 31, 47, 50, 38, 38, 48, 39, 31, 54, 39 ,
36, 44, 45, 31, 42, 40, 40, 51, 42, 41, 34, 48, 26, 33, 37, 41, 35, 48, 36, 35, 41, 41, 39, 35, 37, 53, 33, 43, 43, 39, 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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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 ,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
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] 40.16667
> var(x)
[1] 42.2043
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.2556, 第1自由度 = 4, 第2自由度 = 151, P値 = 0.9059
有意ではない。群間の差異は不明。

> 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 = 2.212, 自由度 = 4, P値 = 0.6968
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 = 0.2876, 第1自由度 = 4.000, 第2自由度 = 74.568, P値 = 0.8852
有意ではない。群間の差異は不明。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 2 1.2820513 1.282051
25 5 3.2051282 4.487179
30 22 14.1025641 18.589744
35 48 30.7692308 49.358974
40 43 27.5641026 76.923077
45 22 14.1025641 91.025641
50 12 7.6923077 98.717949
55 1 0.6410256 99.358974
60 1 0.6410256 100.000000
>

ここまで見た

56 2012/07/02(月) 21:42:52.16: BGと試料の比較
x <- c( 42, 23, 36, 29, 35, 38, 38, 45, 41, 47, 31, 36, 53, 35, 41, 37, 49, 39, 38, 57, 45, 38, 38, 31, 44, 37, 43, 45, 40, 54 ,
37, 33, 43, 46, 48, 29, 39, 42, 44, 40, 50, 53, 24, 48, 44, 34, 44, 41, 32, 36, 35, 33, 38, 43, 37, 34, 36, 47, 40, 46 ,
28, 41, 35, 42, 50, 42, 47, 52, 38, 35, 34, 44, 43, 33, 39, 40, 38, 43, 60, 41, 39, 47, 33, 41, 34, 34, 33, 29, 40, 36 ,
43, 42, 37, 34, 51, 36, 45, 37, 43, 42, 34, 33, 50, 37, 41, 43, 39, 47, 39, 47, 38, 44, 35, 48, 39, 31, 47, 50, 38, 38, 48, 39, 31, 54, 39 ,
36, 44, 45, 31, 42, 40, 40, 51, 42, 41, 34, 48, 26, 33, 37, 41, 35, 48, 36, 35, 41, 41, 39, 35, 37, 53, 33, 43, 43, 39, 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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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 = 0.3635, 第1自由度 = 1, 第2自由度 = 154, P値 = 0.5475
有意ではない。試料とバックグラウンドの差異は不明。

> 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 = 0.3448, 自由度 = 1, P値 = 0.5571
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 = 0.3719, 第1自由度 = 1.000, 第2自由度 = 143.374, P値 = 0.5429
有意ではない。試料とバックグラウンドの差異は不明。

>

ここまで見た

57 2012/07/02(月) 21:43:50.04: 繰り返しによる影響

1. n = 91 BG 繰り返し数 =3
x <- c( 42, 23, 36, 29, 35, 38, 38, 45, 41, 47, 31, 36, 53, 35, 41, 37, 49, 39, 38, 57, 45, 38, 38, 31, 44, 37, 43, 45, 40, 54 ,
28, 41, 35, 42, 50, 42, 47, 52, 38, 35, 34, 44, 43, 33, 39, 40, 38, 43, 60, 41, 39, 47, 33, 41, 34, 34, 33, 29, 40, 36 ,
36, 44, 45, 31, 42, 40, 40, 51, 42, 41, 34, 48, 26, 33, 37, 41, 35, 48, 36, 35, 41, 41, 39, 35, 37, 53, 33, 43, 43, 39, 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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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] 39.9011
> var(x)
[1] 44.75678
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.0377, 第1自由度 = 2, 第2自由度 = 88, P値 = 0.963
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 = 1.3853, 自由度 = 2, P値 = 0.5002
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 = 0.0332, 第1自由度 = 2.000, 第2自由度 = 57.886, P値 = 0.9674
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 1.098901 1.098901
25 4 4.395604 5.494505
30 12 13.186813 18.681319
35 28 30.769231 49.450549
40 27 29.670330 79.120879
45 11 12.087912 91.208791
50 6 6.593407 97.802198
55 1 1.098901 98.901099
60 1 1.098901 100.000000
>

ここまで見た

58 2012/07/02(月) 21:44:54.30: 2. n = 65 小豆島ひやむぎ 2014.1/AB 繰り返し数 =2
x <- c( 37, 33, 43, 46, 48, 29, 39, 42, 44, 40, 50, 53, 24, 48, 44, 34, 44, 41, 32, 36, 35, 33, 38, 43, 37, 34, 36, 47, 40, 46 ,
43, 42, 37, 34, 51, 36, 45, 37, 43, 42, 34, 33, 50, 37, 41, 43, 39, 47, 39, 47, 38, 44, 35, 48, 39, 31, 47, 50, 38, 38, 48, 39, 31, 54, 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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 40.53846
> var(x)
[1] 39.03365
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.6406, 第1自由度 = 1, 第2自由度 = 63, P値 = 0.4265
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 = 0.404, 自由度 = 1, P値 = 0.525
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 = 0.6293, 第1自由度 = 1.000, 第2自由度 = 58.741, P値 = 0.4308
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 1.538462 1.538462
25 1 1.538462 3.076923
30 10 15.384615 18.461538
35 20 30.769231 49.230769
40 16 24.615385 73.846154
45 11 16.923077 90.769231
50 6 9.230769 100.000000
>

ここまで見た

59 2012/07/02(月) 21:45:54.19: BGと試料の比較

1. n = 91 BG 繰り返し数 =3
gr1 <- c( 42, 23, 36, 29, 35, 38, 38, 45, 41, 47, 31, 36, 53, 35, 41, 37, 49, 39, 38, 57, 45, 38, 38, 31, 44, 37, 43, 45, 40, 54 ,
28, 41, 35, 42, 50, 42, 47, 52, 38, 35, 34, 44, 43, 33, 39, 40, 38, 43, 60, 41, 39, 47, 33, 41, 34, 34, 33, 29, 40, 36 ,
36, 44, 45, 31, 42, 40, 40, 51, 42, 41, 34, 48, 26, 33, 37, 41, 35, 48, 36, 35, 41, 41, 39, 35, 37, 53, 33, 43, 43, 39, 46)

2. n = 65 小豆島ひやむぎ 2014.1/AB 繰り返し数 =2
gr2 <- c( 37, 33, 43, 46, 48, 29, 39, 42, 44, 40, 50, 53, 24, 48, 44, 34, 44, 41, 32, 36, 35, 33, 38, 43, 37, 34, 36, 47, 40, 46 ,
43, 42, 37, 34, 51, 36, 45, 37, 43, 42, 34, 33, 50, 37, 41, 43, 39, 47, 39, 47, 38, 44, 35, 48, 39, 31, 47, 50, 38, 38, 48, 39, 31, 54, 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 = -0.6029, 自由度 = 154, P値 = 0.5475
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: -2.725847 1.451122
標本推定値:
平均値x 平均値y
39.90110 40.53846
有意。シリョウト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 = -0.6098, 自由度 = 143.374, P値 = 0.5429
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: -2.703268 1.428542
標本推定値:
平均値x 平均値y
39.90110 40.53846
有意。シリョウト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 = 1.1466, 第1自由度 = 90, 第2自由度 = 64, P値 = 0.5658
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.7197484 1.7944198
標本推定値:
分散比
1.146620
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

60 2012/07/02(月) 21:47:02.90: ３.補足コメント
40.53846 - 39.90110 = 0.6373596 CPM (0.300Bq)
比重 1.02 受光深さ 0.35cm 受光容積 7cm3(7g)
41.8 Bq/kg

ここまで見た

61 2012/07/02(月) 22:02:57.32: 連投禁止とサイズ制限で一部分しか掲載していないけど
近所で購入できる麺類(スパゲティ・ラーメンを含む)は、全滅っぽい。

春に生まれた子ヌコ様の頭がよくなってきたのか、人間の食品を略奪して食べるようになりました。
掲載していないけど、20Bq/kg という結果になったうどんを子ヌコ様と親ヌコ様が合同で略奪してゆきました。
下痢してくれました。子ヌコ様は、まだ便所のしつけができていません。現在はパソコン用机の下で用をたしています。
親ヌコ様は、隣家のヌコと喧嘩して、負けて、便所を取り上げられてしまったのです。それで、パソコンの下で用をたしています。

ヌコ様には、今後とも毒見方として活躍してもらう予定です。

ここまで見た

62 2012/07/04(水) 19:32:28.64: >>61
猫用トイレは複数設置したほうがよいよ。
猫砂やエサも汚染しているかもしれない。

ここまで見た

63 2012/07/13(金) 20:35:59.99: >>62
＞猫砂やエサも汚染しているかもしれない。
猫砂は、猫の糞尿がこびりついているので、バッチシ汚染されている。
エサは、100-600Bq/kg なんて数値をヤツ(過去の分析値参照)を食わせているので、バッチシ汚染されている。
今回は、捕まえてきたモグラの食べ残しを分析した。
ディズニーは尻尾も食ってしまうので、分析不可。虫も蛙も全部食ってしまうのが我が家のヌコ様。

１．測定対象
「2012.07.04入手モグラの両手足 4.9wg 2.7dg」の分析

２．測定結果
1. n=41 糊台
x <- c( 36,33,36,41,31,33,28,40,36,33,36,39,40,44,36,41,44,37,44,38,40,49,39,30,38,35,40,34,27,36,33,32,29,45,42,43,36,51,38,35,35)

2. n=31 2012.07.04入手モグラの両手足 4.9wg 2.7dg
x <- c( 42,37,36,45,38,33,34,39,35,41,36,39,33,38,33,35,44,37,38,45,46,42,41,41,41,38,41,37,26,46,36)

3. n=30 糊台
x <- c( 31,45,35,36,29,41,38,29,46,48,38,48,33,39,32,39,37,40,48,38,31,31,36,35,40,44,44,42,29,38)

4. n=31 2012.07.04入手モグラの両手足 4.9wg 2.7dg
x <- c( 31,37,42,27,35,41,34,38,40,37,34,38,29,40,36,37,39,39,36,34,42,32,32,42,38,39,38,37,42,37,44)

5. n=32 糊台
x <- c( 35,37,27,39,27,39,43,43,41,37,34,46,39,38,44,40,31,29,31,31,35,31,34,37,41,37,44,37,39,33,32,37)

ここまで見た

64 2012/07/13(金) 20:37:19.65: ４.　データ貼り付け
全体の分析
x <- c( 36,33,36,41,31,33,28,40,36,33,36,39,40,44,36,41,44,37,44,38,40,49,39,30,38,35,40,34,27,36,33,32,29,45,42,43,36,51,38,35,35 ,
42,37,36,45,38,33,34,39,35,41,36,39,33,38,33,35,44,37,38,45,46,42,41,41,41,38,41,37,26,46,36 ,
31,45,35,36,29,41,38,29,46,48,38,48,33,39,32,39,37,40,48,38,31,31,36,35,40,44,44,42,29,38 ,
31,37,42,27,35,41,34,38,40,37,34,38,29,40,36,37,39,39,36,34,42,32,32,42,38,39,38,37,42,37,44 ,
35,37,27,39,27,39,43,43,41,37,34,46,39,38,44,40,31,29,31,31,35,31,34,37,41,37,44,37,39,33,32,37)
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 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,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 ,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x)
[1] 37.46061
> var(x)
[1] 24.79874
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.777, 第1自由度 = 4, 第2自由度 = 160, P値 = 0.5417
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 = 5.1269, 自由度 = 4, P値 = 0.2745
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 = 0.8445, 第1自由度 = 4.000, 第2自由度 = 78.464, P値 = 0.5012
有意。群間に差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 12 7.2727273 7.272727
30 31 18.7878788 26.060606
35 69 41.8181818 67.878788
40 40 24.2424242 92.121212
45 12 7.2727273 99.393939
50 1 0.6060606 100.000000
>

ここまで見た

65 2012/07/13(金) 20:38:13.09: BGと試料の比較
x <- c( 36,33,36,41,31,33,28,40,36,33,36,39,40,44,36,41,44,37,44,38,40,49,39,30,38,35,40,34,27,36,33,32,29,45,42,43,36,51,38,35,35 ,
42,37,36,45,38,33,34,39,35,41,36,39,33,38,33,35,44,37,38,45,46,42,41,41,41,38,41,37,26,46,36 ,
31,45,35,36,29,41,38,29,46,48,38,48,33,39,32,39,37,40,48,38,31,31,36,35,40,44,44,42,29,38 ,
31,37,42,27,35,41,34,38,40,37,34,38,29,40,36,37,39,39,36,34,42,32,32,42,38,39,38,37,42,37,44 ,
35,37,27,39,27,39,43,43,41,37,34,46,39,38,44,40,31,29,31,31,35,31,34,37,41,37,44,37,39,33,32,37)
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 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,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 ,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.3157, 第1自由度 = 1, 第2自由度 = 163, P値 = 0.575
有意ではない。試料とバックグラウンドの差異は不明。

> 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 = 3.7238, 自由度 = 1, P値 = 0.05364
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 = 0.3529, 第1自由度 = 1.000, 第2自由度 = 150.522, P値 = 0.5534
有意ではない。試料とバックグラウンドの差異は不明。

>

ここまで見た

66 2012/07/13(金) 20:39:02.74: 繰り返しによる影響

1. n = 103 BG 繰り返し数 =3
x <- c( 36,33,36,41,31,33,28,40,36,33,36,39,40,44,36,41,44,37,44,38,40,49,39,30,38,35,40,34,27,36,33,32,29,45,42,43,36,51,38,35,35 ,
31,45,35,36,29,41,38,29,46,48,38,48,33,39,32,39,37,40,48,38,31,31,36,35,40,44,44,42,29,38 ,
35,37,27,39,27,39,43,43,41,37,34,46,39,38,44,40,31,29,31,31,35,31,34,37,41,37,44,37,39,33,32,37)
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 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,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)
> mean(x)
[1] 37.29126
> var(x)
[1] 28.83590
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.611, 第1自由度 = 2, 第2自由度 = 100, P値 = 0.5448
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 = 0.7711, 自由度 = 2, P値 = 0.6801
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 = 0.6111, 第1自由度 = 2.000, 第2自由度 = 63.287, P値 = 0.5459
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 9 8.7378641 8.737864
30 21 20.3883495 29.126214
35 40 38.8349515 67.961165
40 24 23.3009709 91.262136
45 8 7.7669903 99.029126
50 1 0.9708738 100.000000
>

ここまで見た

67 2012/07/13(金) 20:39:49.41: 2. n = 62 2012.07.04入手モグラの両手足 4.9wg 2.7dg 繰り返し数 =2
x <- c( 42,37,36,45,38,33,34,39,35,41,36,39,33,38,33,35,44,37,38,45,46,42,41,41,41,38,41,37,26,46,36 ,
31,37,42,27,35,41,34,38,40,37,34,38,29,40,36,37,39,39,36,34,42,32,32,42,38,39,38,37,42,37,44)
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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 37.74194
> var(x)
[1] 18.32575
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 1.8895, 第1自由度 = 1, 第2自由度 = 60, P値 = 0.1744
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 = 0.3624, 自由度 = 1, P値 = 0.5471
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 = 1.8895, 第1自由度 = 1.000, 第2自由度 = 59.276, P値 = 0.1744
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 3 4.838710 4.83871
30 10 16.129032 20.96774
35 29 46.774194 67.74194
40 16 25.806452 93.54839
45 4 6.451613 100.00000
>

ここまで見た

68 2012/07/13(金) 20:40:33.67: BGと試料の比較

1. n = 103 BG 繰り返し数 =3
gr1 <- c( 36,33,36,41,31,33,28,40,36,33,36,39,40,44,36,41,44,37,44,38,40,49,39,30,38,35,40,34,27,36,33,32,29,45,42,43,36,51,38,35,35 ,
31,45,35,36,29,41,38,29,46,48,38,48,33,39,32,39,37,40,48,38,31,31,36,35,40,44,44,42,29,38 ,
35,37,27,39,27,39,43,43,41,37,34,46,39,38,44,40,31,29,31,31,35,31,34,37,41,37,44,37,39,33,32,37)

2. n = 62 2012.07.04入手モグラの両手足 4.9wg 2.7dg 繰り返し数 =2
gr2 <- c( 42,37,36,45,38,33,34,39,35,41,36,39,33,38,33,35,44,37,38,45,46,42,41,41,41,38,41,37,26,46,36 ,
31,37,42,27,35,41,34,38,40,37,34,38,29,40,36,37,39,39,36,34,42,32,32,42,38,39,38,37,42,37,44)
> 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 = -0.5618, 自由度 = 163, P値 = 0.575
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: -2.034599 1.133253
標本推定値:
平均値x 平均値y
37.29126 37.74194
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 = -0.5941, 自由度 = 150.522, P値 = 0.5534
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: -1.949635 1.048288
標本推定値:
平均値x 平均値y
37.29126 37.74194
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 = 1.5735, 第1自由度 = 102, 第2自由度 = 61, P値 = 0.05602
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.9882314 2.4411640
標本推定値:
分散比
1.573518
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

69 2012/07/13(金) 20:41:20.91: ３.補足コメント
37.74194 - 37.29126 = 0.4506798 CPM(0.211 Bq)

0.211 * 1000 / 4.9 = 43.2 Bq/wkg
0.211 * 1000 / 2.7 = 78.5 Bq/dkg

ここまで見た

70 2012/07/13(金) 20:42:49.78: 略号の解説
wkg, wg 湿重量　
dkg, dg 乾重量
の意味で使っています。

ここまで見た

71 2012/07/13(金) 21:35:29.90: １．測定対象
「栃木産梅(畑B) 42.1wg 8.7dg 2012.06.21収穫」の分析
４０度１０日間乾燥。

２．測定結果
1. n=35 糊台
x <- c( 39,40,34,38,35,41,39,45,45,42,27,37,38,31,34,42,27,42,39,39,35,36,27,35,38,30,31,36,47,57,47,31,41,42,45)

2. n=32 栃木産梅(畑B) 42.1wg 8.7dg 2012.06.21収穫
x <- c( 51,40,45,67,52,40,51,50,44,56,45,43,38,45,57,42,47,56,64,50,50,53,39,40,49,48,44,50,53,39,49,50)

3. n=30 糊台
x <- c( 44,43,41,41,36,32,29,39,36,39,38,43,29,40,35,38,31,38,29,39,40,36,35,46,46,30,36,28,42,46)

4. n=31 栃木産梅(畑B) 42.1wg 8.7dg 2012.06.21収穫
x <- c( 55,40,49,50,51,46,49,37,56,56,58,52,35,44,45,53,49,47,43,60,45,56,51,43,46,42,40,47,59,43,49)

5. n=31 糊台
x <- c( 29,35,39,39,46,46,34,39,50,28,44,46,36,39,31,40,44,35,35,32,40,50,54,43,34,37,40,32,32,45,36)

ここまで見た

72 2012/07/13(金) 21:36:17.65: ４.　データ貼り付け
全体の分析
x <- c( 39,40,34,38,35,41,39,45,45,42,27,37,38,31,34,42,27,42,39,39,35,36,27,35,38,30,31,36,47,57,47,31,41,42,45 ,
51,40,45,67,52,40,51,50,44,56,45,43,38,45,57,42,47,56,64,50,50,53,39,40,49,48,44,50,53,39,49,50 ,
44,43,41,41,36,32,29,39,36,39,38,43,29,40,35,38,31,38,29,39,40,36,35,46,46,30,36,28,42,46 ,
55,40,49,50,51,46,49,37,56,56,58,52,35,44,45,53,49,47,43,60,45,56,51,43,46,42,40,47,59,43,49 ,
29,35,39,39,46,46,34,39,50,28,44,46,36,39,31,40,44,35,35,32,40,50,54,43,34,37,40,32,32,45,36)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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 ,
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] 42.20126
> var(x)
[1] 64.44025
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 24.1031, 第1自由度 = 4, 第2自由度 = 154, P値 = 1.694e-15
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 = 1.9984, 自由度 = 4, P値 = 0.736
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 = 23.3877, 第1自由度 = 4.000, 第2自由度 = 76.715, P値 = 1.155e-12
有意。群間に差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 9 5.6603774 5.660377
30 15 9.4339623 15.094340
35 40 25.1572327 40.251572
40 35 22.0125786 62.264151
45 29 18.2389937 80.503145
50 18 11.3207547 91.823899
55 10 6.2893082 98.113208
60 2 1.2578616 99.371069
65 1 0.6289308 100.000000
>

ここまで見た

73 2012/07/13(金) 21:37:04.07: BGと試料の比較
x <- c( 39,40,34,38,35,41,39,45,45,42,27,37,38,31,34,42,27,42,39,39,35,36,27,35,38,30,31,36,47,57,47,31,41,42,45 ,
51,40,45,67,52,40,51,50,44,56,45,43,38,45,57,42,47,56,64,50,50,53,39,40,49,48,44,50,53,39,49,50 ,
44,43,41,41,36,32,29,39,36,39,38,43,29,40,35,38,31,38,29,39,40,36,35,46,46,30,36,28,42,46 ,
55,40,49,50,51,46,49,37,56,56,58,52,35,44,45,53,49,47,43,60,45,56,51,43,46,42,40,47,59,43,49 ,
29,35,39,39,46,46,34,39,50,28,44,46,36,39,31,40,44,35,35,32,40,50,54,43,34,37,40,32,32,45,36)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,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 = 96.791, 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 = 0.5446, 自由度 = 1, P値 = 0.4605
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 = 93.4207, 第1自由度 = 1.000, 第2自由度 = 124.707, 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

74 2012/07/13(金) 21:37:47.11: 繰り返しによる影響

1. n = 96 BG 繰り返し数 =3
x <- c( 39,40,34,38,35,41,39,45,45,42,27,37,38,31,34,42,27,42,39,39,35,36,27,35,38,30,31,36,47,57,47,31,41,42,45 ,
44,43,41,41,36,32,29,39,36,39,38,43,29,40,35,38,31,38,29,39,40,36,35,46,46,30,36,28,42,46 ,
29,35,39,39,46,46,34,39,50,28,44,46,36,39,31,40,44,35,35,32,40,50,54,43,34,37,40,32,32,45,36)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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)
> mean(x)
[1] 38.19792
> var(x)
[1] 37.38147
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.4881, 第1自由度 = 2, 第2自由度 = 93, P値 = 0.6154
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 = 1.2469, 自由度 = 2, P値 = 0.5361
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 = 0.4993, 第1自由度 = 2.000, 第2自由度 = 61.582, P値 = 0.6094
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 9.375000 9.37500
30 15 15.625000 25.00000
35 35 36.458333 61.45833
40 21 21.875000 83.33333
45 12 12.500000 95.83333
50 3 3.125000 98.95833
55 1 1.041667 100.00000
>

ここまで見た

75 2012/07/13(金) 21:38:32.75: 2. n = 63 栃木産梅(畑B) 42.1wg 8.7dg 2012.06.21収穫繰り返し数 =2
x <- c( 51,40,45,67,52,40,51,50,44,56,45,43,38,45,57,42,47,56,64,50,50,53,39,40,49,48,44,50,53,39,49,50 ,
55,40,49,50,51,46,49,37,56,56,58,52,35,44,45,53,49,47,43,60,45,56,51,43,46,42,40,47,59,43,49)
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)
> mean(x)
[1] 48.30159
> var(x)
[1] 44.3108
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.0026, 第1自由度 = 1, 第2自由度 = 61, P値 = 0.9598
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 = 0.1834, 自由度 = 1, P値 = 0.6684
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 = 0.0026, 第1自由度 = 1.000, 第2自由度 = 60.872, P値 = 0.9597
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
35 5 7.936508 7.936508
40 14 22.222222 30.158730
45 17 26.984127 57.142857
50 15 23.809524 80.952381
55 9 14.285714 95.238095
60 2 3.174603 98.412698
65 1 1.587302 100.000000
>

ここまで見た

76 2012/07/13(金) 21:39:19.09

BGと試料の比較

1. n = 96 BG 繰り返し数 =3
gr1 <- c( 39,40,34,38,35,41,39,45,45,42,27,37,38,31,34,42,27,42,39,39,35,36,27,35,38,30,31,36,47,57,47,31,41,42,45 ,
44,43,41,41,36,32,29,39,36,39,38,43,29,40,35,38,31,38,29,39,40,36,35,46,46,30,36,28,42,46 ,
29,35,39,39,46,46,34,39,50,28,44,46,36,39,31,40,44,35,35,32,40,50,54,43,34,37,40,32,32,45,36)

2. n = 63 栃木産梅(畑B) 42.1wg 8.7dg 2012.06.21収穫繰り返し数 =2
gr2 <- c( 51,40,45,67,52,40,51,50,44,56,45,43,38,45,57,42,47,56,64,50,50,53,39,40,49,48,44,50,53,39,49,50 ,
55,40,49,50,51,46,49,37,56,56,58,52,35,44,45,53,49,47,43,60,45,56,51,43,46,42,40,47,59,43,49)
> 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 = -9.8382, 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: -12.132149 -8.075192
標本推定値:
平均値x 平均値y
38.19792 48.30159
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 = -9.6654, 自由度 = 124.707, 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: -12.172576 -8.034765
標本推定値:
平均値x 平均値y
38.19792 48.30159
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 = 0.8436, 第1自由度 = 95, 第2自由度 = 62, P値 = 0.4507
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.5287648 1.3165316
標本推定値:
分散比
0.8436197
有意。分散が異なるので（Welchの方法）を使用する。

>