【ガイガー】インスペクター＋統計スレ２ [sc] | レス62-112

★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

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。

>

ここまで見た

77 2012/07/13(金) 21:40:45.15: ３.補足コメント
48.30159 - 38.19792 = 10.10367 CPM (4.75 Bq)
4.75 * 1000 / 42.1 =112 Bq/wkg
4.75 * 1000 / 8.7 = 545 Bq/dkg
果肉と種と果皮をそのまま乾燥させて測定した。又β線は1cm以上届かない(実測では7mm)。つまり、種の反対側の放射線は測定できない。よって、上記数値の２倍の大きさが測定値となる。
乾重量 8.7g, 湿重量 42.1gより、水分20%。
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/wkg

ここまで見た

78 2012/07/14(土) 20:14:29.49: １．測定対象
「栃木県内の水田内麦栽培地　６条大麦 2012.06.08収穫 40度１週間乾燥　3.9g」の分析

２．測定結果
1. n=30 糊台
x <- c( 38,42,27,41,42,48,42,44,34,41,28,45,46,36,26,33,37,36,37,37,39,54,30,29,31,28,43,34,41,45)

2. n=44 2012.06.08収穫栃木県内の水田内麦栽培地　６条大麦 40度１週間乾燥　3.9g
x <- c( 46,39,40,32,41,51,47,47,49,44,40,47,48,37,30,29,48,50,30,46,43,31,40,31,48,31,26,45,41,35,39,41,44,46,44,29,43,49,46,37,44,32,32,48)

3. n=30 糊台
x <- c( 36,34,50,46,44,40,40,33,37,37,44,52,40,52,40,44,31,36,40,32,38,29,33,42,35,48,43,45,38,32)

4. n=31 2012.06.08収穫栃木県内の水田内麦栽培地　６条大麦 40度１週間乾燥　3.9g
x <- c( 55,40,32,43,43,34,35,22,27,28,38,39,31,32,39,45,43,40,44,38,33,51,41,34,38,43,47,37,47,37,37)

5. n=36 糊台
x <- c( 42,47,48,44,37,41,39,30,30,25,35,36,39,37,32,35,39,39,51,37,48,48,42,34,39,46,38,51,41,36,39,29,38,33,37,36)

ここまで見た

79 2012/07/14(土) 20:15:47.94: ４.　データ貼り付け
全体の分析
x <- c( 38,42,27,41,42,48,42,44,34,41,28,45,46,36,26,33,37,36,37,37,39,54,30,29,31,28,43,34,41,45 ,
46,39,40,32,41,51,47,47,49,44,40,47,48,37,30,29,48,50,30,46,43,31,40,31,48,31,26,45,41,35,39,41,44,46,44,29,43,49,46,37,44,32,32,48 ,
36,34,50,46,44,40,40,33,37,37,44,52,40,52,40,44,31,36,40,32,38,29,33,42,35,48,43,45,38,32 ,
55,40,32,43,43,34,35,22,27,28,38,39,31,32,39,45,43,40,44,38,33,51,41,34,38,43,47,37,47,37,37 ,
42,47,48,44,37,41,39,30,30,25,35,36,39,37,32,35,39,39,51,37,48,48,42,34,39,46,38,51,41,36,39,29,38,33,37,36)
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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,
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)
> mean(x)
[1] 39.19298
> var(x)
[1] 44.92136
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.9571, 第1自由度 = 4, 第2自由度 = 166, P値 = 0.4327
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 = 1.1677, 自由度 = 4, P値 = 0.8834
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 = 0.8744, 第1自由度 = 4.000, 第2自由度 = 80.263, P値 = 0.4831
有意。群間に差がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 0.5847953 0.5847953
25 13 7.6023392 8.1871345
30 30 17.5438596 25.7309942
35 45 26.3157895 52.0467836
40 43 25.1461988 77.1929825
45 29 16.9590643 94.1520468
50 9 5.2631579 99.4152047
55 1 0.5847953 100.0000000
>

ここまで見た

80 2012/07/14(土) 20:16:40.14: BGと試料の比較
x <- c( 38,42,27,41,42,48,42,44,34,41,28,45,46,36,26,33,37,36,37,37,39,54,30,29,31,28,43,34,41,45 ,
46,39,40,32,41,51,47,47,49,44,40,47,48,37,30,29,48,50,30,46,43,31,40,31,48,31,26,45,41,35,39,41,44,46,44,29,43,49,46,37,44,32,32,48 ,
36,34,50,46,44,40,40,33,37,37,44,52,40,52,40,44,31,36,40,32,38,29,33,42,35,48,43,45,38,32 ,
55,40,32,43,43,34,35,22,27,28,38,39,31,32,39,45,43,40,44,38,33,51,41,34,38,43,47,37,47,37,37 ,
42,47,48,44,37,41,39,30,30,25,35,36,39,37,32,35,39,39,51,37,48,48,42,34,39,46,38,51,41,36,39,29,38,33,37,36)
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 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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)
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.8252, 第1自由度 = 1, 第2自由度 = 169, P値 = 0.365
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 = 0.8412, 自由度 = 1, P値 = 0.3591
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 = 0.805, 第1自由度 = 1.000, 第2自由度 = 150.816, P値 = 0.3710
有意。試料とバックグラウンドに差がある。

>

ここまで見た

81 2012/07/14(土) 20:17:23.36: 繰り返しによる影響

1. n = 96 BG 繰り返し数 =3
x <- c( 38,42,27,41,42,48,42,44,34,41,28,45,46,36,26,33,37,36,37,37,39,54,30,29,31,28,43,34,41,45 ,
36,34,50,46,44,40,40,33,37,37,44,52,40,52,40,44,31,36,40,32,38,29,33,42,35,48,43,45,38,32 ,
42,47,48,44,37,41,39,30,30,25,35,36,39,37,32,35,39,39,51,37,48,48,42,34,39,46,38,51,41,36,39,29,38,33,37,36)
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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 38.78125
> var(x)
[1] 40.9727
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.6579, 第1自由度 = 2, 第2自由度 = 93, P値 = 0.5203
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 = 0.4677, 自由度 = 2, P値 = 0.7915
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 = 0.6216, 第1自由度 = 2.000, 第2自由度 = 60.393, P値 = 0.5405
有意。繰り返しによる差がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 8 8.333333 8.333333
30 16 16.666667 25.000000
35 31 32.291667 57.291667
40 23 23.958333 81.250000
45 12 12.500000 93.750000
50 6 6.250000 100.000000
>

ここまで見た

82 2012/07/14(土) 20:18:14.42: 2. n = 75 2012.06.08収穫栃木県内の水田内麦栽培地　６条大麦 40度１週間乾燥　3.9g 繰り返し数 =2
x <- c( 46,39,40,32,41,51,47,47,49,44,40,47,48,37,30,29,48,50,30,46,43,31,40,31,48,31,26,45,41,35,39,41,44,46,44,29,43,49,46,37,44,32,32,48 ,
55,40,32,43,43,34,35,22,27,28,38,39,31,32,39,45,43,40,44,38,33,51,41,34,38,43,47,37,47,37,37)
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 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 39.72
> var(x)
[1] 50.09622
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 1.6254, 第1自由度 = 1, 第2自由度 = 73, P値 = 0.2064
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 = 5e-04, 自由度 = 1, P値 = 0.9824
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 = 1.6275, 第1自由度 = 1.000, 第2自由度 = 64.893, P値 = 0.2066
有意。繰り返しによる差がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 1.333333 1.333333
25 5 6.666667 8.000000
30 14 18.666667 26.666667
35 14 18.666667 45.333333
40 20 26.666667 72.000000
45 17 22.666667 94.666667
50 3 4.000000 98.666667
55 1 1.333333 100.000000
>

ここまで見た

83 2012/07/14(土) 20:19:21.79: BGと試料の比較

1. n = 96 BG 繰り返し数 =3
gr1 <- c( 38,42,27,41,42,48,42,44,34,41,28,45,46,36,26,33,37,36,37,37,39,54,30,29,31,28,43,34,41,45 ,
36,34,50,46,44,40,40,33,37,37,44,52,40,52,40,44,31,36,40,32,38,29,33,42,35,48,43,45,38,32 ,
42,47,48,44,37,41,39,30,30,25,35,36,39,37,32,35,39,39,51,37,48,48,42,34,39,46,38,51,41,36,39,29,38,33,37,36)

2. n = 75 2012.06.08収穫栃木県内の水田内麦栽培地　６条大麦 40度１週間乾燥　3.9g 繰り返し数 =2
gr2 <- c( 46,39,40,32,41,51,47,47,49,44,40,47,48,37,30,29,48,50,30,46,43,31,40,31,48,31,26,45,41,35,39,41,44,46,44,29,43,49,46,37,44,32,32,48 ,
55,40,32,43,43,34,35,22,27,28,38,39,31,32,39,45,43,40,44,38,33,51,41,34,38,43,47,37,47,37,37)
> 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 = -0.9084, 自由度 = 169, P値 = 0.365
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: -2.978848 1.101348
標本推定値:
平均値x 平均値y
38.78125 39.72000
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 = -0.8972, 自由度 = 150.816, P値 = 0.3710
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: -3.006053 1.128553
標本推定値:
平均値x 平均値y
38.78125 39.72000
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 = 0.8179, 第1自由度 = 95, 第2自由度 = 74, P値 = 0.3543
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.5274614 1.2533628
標本推定値:
分散比
0.81788
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

84 2012/07/14(土) 20:20:39.48: ３.補足コメント
39.72000 - 38.78125 = 0.9387512 CPM (0.441 Bq)
0.441 * 1000 / 3.9 = 113 Bq/kg
試料の度数分布を見ると、BG部分がかなり多い。試料が少なくて、マイナス誤差になっている可能性がある。

脱穀しないで、穂をそのままはかっています

ここまで見た

85 2012/07/15(日) 20:27:40.17: １．測定対象
「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」の分析

２．測定結果
1. n=30 糊台
x <- 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)

2. n=30 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
x <- 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)

3. n=36 糊台
x <- c( 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)

4. n=30 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
x <- c( 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)

5. n=30 糊台
x <- c( 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)

ここまで見た

86 2012/07/15(日) 20:28:54.75: ４.　データ貼り付け
全体の分析
x <- 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 ,
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 ,
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 ,
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 ,
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)
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 ,
4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
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] 47.13462
> var(x)
[1] 188.7624
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 97.3449, 第1自由度 = 4, 第2自由度 = 151, 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 = 11.706, 自由度 = 4, P値 = 0.01968
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 = 92.0698, 第1自由度 = 4.000, 第2自由度 = 73.085, P値 < 2.2e-16
有意。群間に差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 0.6410256 0.6410256
25 9 5.7692308 6.4102564
30 16 10.2564103 16.6666667
35 34 21.7948718 38.4615385
40 23 14.7435897 53.2051282
45 13 8.3333333 61.5384615
50 11 7.0512821 68.5897436
55 16 10.2564103 78.8461538
60 14 8.9743590 87.8205128
65 8 5.1282051 92.9487179
70 4 2.5641026 95.5128205
75 5 3.2051282 98.7179487
80 2 1.2820513 100.0000000
>

ここまで見た

87 2012/07/15(日) 20:29:40.81: BGと試料の比較
x <- 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 ,
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 ,
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 ,
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 ,
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)
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 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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 = 349.4101, 第1自由度 = 1, 第2自由度 = 154, 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 = 8.2533, 自由度 = 1, P値 = 0.004068
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 = 300.974, 第1自由度 = 1.000, 第2自由度 = 96.834, 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

88 2012/07/15(日) 20:30:16.22: 繰り返しによる影響

1. n = 96 BG 繰り返し数 =3
x <- 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)
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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 38.11458
> var(x)
[1] 42.69200
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 4.943, 第1自由度 = 2, 第2自由度 = 93, P値 = 0.009118
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 = 2.2586, 自由度 = 2, P値 = 0.3233
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 = 5.4039, 第1自由度 = 2.000, 第2自由度 = 58.496, P値 = 0.007021
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 1.041667 1.041667
25 9 9.375000 10.416667
30 16 16.666667 27.083333
35 34 35.416667 62.500000
40 22 22.916667 85.416667
45 10 10.416667 95.833333
50 3 3.125000 98.958333
55 1 1.041667 100.000000
>

ここまで見た

89 2012/07/15(日) 20:30:50.63: 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
x <- 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)
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] 61.56667
> var(x)
[1] 82.96158
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 4.9524, 第1自由度 = 1, 第2自由度 = 58, P値 = 0.02996
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 = 1.0269, 自由度 = 1, P値 = 0.3109
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 = 4.9524, 第1自由度 = 1.000, 第2自由度 = 56.018, P値 = 0.03010
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
40 1 1.666667 1.666667
45 3 5.000000 6.666667
50 8 13.333333 20.000000
55 15 25.000000 45.000000
60 14 23.333333 68.333333
65 8 13.333333 81.666667
70 4 6.666667 88.333333
75 5 8.333333 96.666667
80 2 3.333333 100.000000
>

ここまで見た

90 2012/07/15(日) 20:31:30.22: 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

91 2012/07/15(日) 20:32:10.90: 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
乾燥前の線量は
2079 * 7.3 / 100 = 151 Bq/kg

ここまで見た

92 2012/07/15(日) 21:28:15.47: １．測定対象
「2012.06.19入手栃木県内で販売されていた夏みかん皮１１日乾燥 61.1wg 14.5dg」の分析

２．測定結果
1. n=30 糊台
x <- c( 36,60,35,32,37,45,31,29,35,31,28,38,32,43,40,51,36,40,34,37,35,37,34,33,34,37,48,42,32,44)

2. n=30 2012.06.19入手栃木県内で販売されていた夏みかん皮１１日乾燥 61.1wg 14.5dg
x <- c( 56,49,53,45,47,35,53,42,42,51,43,32,55,50,47,38,33,44,42,45,51,37,42,53,46,45,53,49,55,46)

3. n=32 糊台
x <- c( 30,33,36,24,36,44,48,37,42,29,32,37,41,35,49,37,44,48,46,46,34,49,28,45,46,40,38,40,38,36,38,37)

4. n=30 2012.06.19入手栃木県内で販売されていた夏みかん皮１１日乾燥 61.1wg 14.5dg
x <- c( 41,45,53,37,42,47,46,56,51,42,37,43,50,53,48,39,36,49,42,45,45,44,40,54,28,55,51,39,49,49)

5. n=30 糊台
x <- c( 23,40,39,58,54,37,35,46,30,30,27,40,33,37,42,42,46,35,33,39,34,47,42,43,42,36,43,34,35,33)

ここまで見た

93 2012/07/15(日) 21:29:05.78: ４.　データ貼り付け
全体の分析
x <- c( 36,60,35,32,37,45,31,29,35,31,28,38,32,43,40,51,36,40,34,37,35,37,34,33,34,37,48,42,32,44 ,
56,49,53,45,47,35,53,42,42,51,43,32,55,50,47,38,33,44,42,45,51,37,42,53,46,45,53,49,55,46 ,
30,33,36,24,36,44,48,37,42,29,32,37,41,35,49,37,44,48,46,46,34,49,28,45,46,40,38,40,38,36,38,37 ,
41,45,53,37,42,47,46,56,51,42,37,43,50,53,48,39,36,49,42,45,45,44,40,54,28,55,51,39,49,49 ,
23,40,39,58,54,37,35,46,30,30,27,40,33,37,42,42,46,35,33,39,34,47,42,43,42,36,43,34,35,33)
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 ,
4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
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] 41.17763
> var(x)
[1] 57.81592
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 10.648, 第1自由度 = 4, 第2自由度 = 147, P値 = 1.322e-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 = 0.7562, 自由度 = 4, P値 = 0.9442
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 = 10.6181, 第1自由度 = 4.000, 第2自由度 = 73.327, P値 = 7.659e-07
有意。群間に差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 2 1.3157895 1.315789
25 6 3.9473684 5.263158
30 22 14.4736842 19.736842
35 37 24.3421053 44.078947
40 32 21.0526316 65.131579
45 31 20.3947368 85.526316
50 15 9.8684211 95.394737
55 6 3.9473684 99.342105
60 1 0.6578947 100.000000
>

ここまで見た

94 2012/07/15(日) 21:29:49.61: BGと試料の比較
x <- c( 36,60,35,32,37,45,31,29,35,31,28,38,32,43,40,51,36,40,34,37,35,37,34,33,34,37,48,42,32,44 ,
56,49,53,45,47,35,53,42,42,51,43,32,55,50,47,38,33,44,42,45,51,37,42,53,46,45,53,49,55,46 ,
30,33,36,24,36,44,48,37,42,29,32,37,41,35,49,37,44,48,46,46,34,49,28,45,46,40,38,40,38,36,38,37 ,
41,45,53,37,42,47,46,56,51,42,37,43,50,53,48,39,36,49,42,45,45,44,40,54,28,55,51,39,49,49 ,
23,40,39,58,54,37,35,46,30,30,27,40,33,37,42,42,46,35,33,39,34,47,42,43,42,36,43,34,35,33)
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 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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 = 42.4065, 第1自由度 = 1, 第2自由度 = 150, P値 = 1.053e-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 = 0.2283, 自由度 = 1, P値 = 0.6328
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 = 43.4409, 第1自由度 = 1.000, 第2自由度 = 131.285, P値 = 9.68e-10
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

95 2012/07/15(日) 21:30:25.48: 繰り返しによる影響

1. n = 92 BG 繰り返し数 =3
x <- c( 36,60,35,32,37,45,31,29,35,31,28,38,32,43,40,51,36,40,34,37,35,37,34,33,34,37,48,42,32,44 ,
30,33,36,24,36,44,48,37,42,29,32,37,41,35,49,37,44,48,46,46,34,49,28,45,46,40,38,40,38,36,38,37 ,
23,40,39,58,54,37,35,46,30,30,27,40,33,37,42,42,46,35,33,39,34,47,42,43,42,36,43,34,35,33)
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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 38.30435
> var(x)
[1] 47.37888
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.2939, 第1自由度 = 2, 第2自由度 = 89, P値 = 0.746
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 = 0.522, 自由度 = 2, P値 = 0.7703
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 = 0.3045, 第1自由度 = 2.000, 第2自由度 = 58.781, P値 = 0.7386
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 2.173913 2.173913
25 5 5.434783 7.608696
30 20 21.739130 29.347826
35 29 31.521739 60.869565
40 19 20.652174 81.521739
45 13 14.130435 95.652174
50 2 2.173913 97.826087
55 1 1.086957 98.913043
60 1 1.086957 100.000000
>

ここまで見た

96 2012/07/15(日) 21:31:00.82: 2. n = 60 2012.06.19入手栃木県内で販売されていた夏みかん皮１１日乾燥 61.1wg 14.5dg 繰り返し数 =2
x <- c( 56,49,53,45,47,35,53,42,42,51,43,32,55,50,47,38,33,44,42,45,51,37,42,53,46,45,53,49,55,46 ,
41,45,53,37,42,47,46,56,51,42,37,43,50,53,48,39,36,49,42,45,45,44,40,54,28,55,51,39,49,49)
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 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 45.58333
> var(x)
[1] 42.28107
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.2057, 第1自由度 = 1, 第2自由度 = 58, P値 = 0.6518
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 = 0.0027, 自由度 = 1, P値 = 0.9586
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 = 0.2057, 第1自由度 = 1.000, 第2自由度 = 57.995, P値 = 0.6518
有意ではない。繰り返しによる差異は不明。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 1 1.666667 1.666667
30 2 3.333333 5.000000
35 8 13.333333 18.333333
40 13 21.666667 40.000000
45 18 30.000000 70.000000
50 13 21.666667 91.666667
55 5 8.333333 100.000000
>

ここまで見た

97 2012/07/15(日) 21:31:35.84: BGと試料の比較

1. n = 92 BG 繰り返し数 =3
gr1 <- c( 36,60,35,32,37,45,31,29,35,31,28,38,32,43,40,51,36,40,34,37,35,37,34,33,34,37,48,42,32,44 ,
30,33,36,24,36,44,48,37,42,29,32,37,41,35,49,37,44,48,46,46,34,49,28,45,46,40,38,40,38,36,38,37 ,
23,40,39,58,54,37,35,46,30,30,27,40,33,37,42,42,46,35,33,39,34,47,42,43,42,36,43,34,35,33)

2. n = 60 2012.06.19入手栃木県内で販売されていた夏みかん皮１１日乾燥 61.1wg 14.5dg 繰り返し数 =2
gr2 <- c( 56,49,53,45,47,35,53,42,42,51,43,32,55,50,47,38,33,44,42,45,51,37,42,53,46,45,53,49,55,46 ,
41,45,53,37,42,47,46,56,51,42,37,43,50,53,48,39,36,49,42,45,45,44,40,54,28,55,51,39,49,49)
> 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 = -6.512, 自由度 = 150, P値 = 1.053e-09
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -9.487604 -5.070367
標本推定値:
平均値x 平均値y
38.30435 45.58333
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 = -6.591, 自由度 = 131.285, P値 = 9.68e-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: -9.463684 -5.094287
標本推定値:
平均値x 平均値y
38.30435 45.58333
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 = 1.1206, 第1自由度 = 91, 第2自由度 = 59, P値 = 0.6448
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.6941548 1.7668627
標本推定値:
分散比
1.120570
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

98 2012/07/15(日) 21:32:11.93: ３.補足コメント
45.58333 - 38.30435 = 7.278976 CPM (3.42Bq)
3.42 * 1000 / 61.1 = 56.0 Bq/wkg
3.42 * 1000 / 14.5 = 236 Bq/dkg
水分 (61.1-14.5) * 100 / 61.1 = 76.2%
カリウム 90mg/70g ( http://slism.jp/calorie/107112/ ) 4.0Bq/kg

ここまで見た

99 2012/07/15(日) 22:35:28.11: １．測定対象
「2012.06.19入手栃木県内で販売されていた夏みかん実 14日乾燥 12.4wg 1.7dg」の分析

２．測定結果
1. n=73 糊台
x <- c( 35,49,29,35,38,34,36,33,40,37,44,33,33,33,40,37,35,54,27,28,42,38,39,31,39,30,35,
41,37,35,53,26,39,35,31,46,40,38,29,42,47,37,46,35,34,47,35,45,42,29,31,42,38,45,43,35,27,
30,35,36,43,30,45,32,38,42,33,39,30,42,37,35,42)

2. n=38 2012.06.19入手栃木県内で販売されていた夏みかん実 14日乾燥 12.4wg 1.7dg
x <- c( 30,39,31,44,49,44,39,45,37,40,41,41,45,36,43,40,49,44,32,39,49,38,49,38,36,53,42,37,46,47,44,54,48,36,43,38,41,45)

3. n=31 糊台
x <- c( 35,35,47,33,41,42,45,54,27,34,36,53,39,35,41,56,42,30,48,35,39,44,32,36,37,33,30,35,43,32,43)

4. n=41 2012.06.19入手栃木県内で販売されていた夏みかん実 14日乾燥 12.4wg 1.7dg
x <- c( 49,46,35,31,35,29,51,39,49,48,37,34,36,35,47,38,31,34,33,48,40,51,42,39,40,42,47,28,43,44,38,41,41,46,28,40,53,38,46,44,40)

5. n=265 糊台
x <- c( 40,35,40,37,40,37,32,30,40,28,40,47,39,53,43,33,36,34,41,31,47,32,45,46,31,49,38,
44,40,43,40,41,38,39,51,31,34,49,32,39,34,38,30,39,48,41,39,40,35,34,35,48,51,38,38,28,39,
35,51,47,45,36,34,38,45,31,52,62,33,34,30,37,38,36,47,36,35,29,32,43,40,39,40,49,33,37,27,
45,28,40,60,46,35,36,50,42,36,33,36,30,40,48,47,48,51,48,33,42,41,31,34,39,26,37,38,28,42,
42,56,38,32,44,44,54,35,31,40,39,36,38,42,32,37,34,33,35,35,33,40,36,36,47,39,36,29,43,28,
35,37,35,47,37,36,36,37,40,33,39,38,40,35,28,31,39,39,35,28,35,47,27,31,37,44,45,41,38,41,
44,41,30,43,41,31,37,27,43,38,44,35,39,38,33,40,30,37,41,31,33,43,40,40,37,40,30,27,48,45,
35,42,32,36,43,25,34,34,38,46,38,38,32,26,34,40,33,43,42,27,20,31,41,47,27,34,31,40,39,38,
40,36,43,37,38,32,47,37,39,32,31,36,44,39,30,37,38,50,33,48,46,33,47,34,40,30,44,35)

以下、行数がうまく合わせられないので、データ行を略。

ここまで見た

100 2012/07/15(日) 22:36:11.72: ４.　データ貼り付け
全体の分析
> mean(x)
[1] 38.58705
> var(x)
[1] 42.52484
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 4.4455, 第1自由度 = 4, 第2自由度 = 443, P値 = 0.001564
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 = 2.5165, 自由度 = 4, P値 = 0.6417
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 = 5.0627, 第1自由度 = 4.000, 第2自由度 = 97.144, P値 = 0.0009504
有意。群間に差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 0.2232143 0.2232143
25 29 6.4732143 6.6964286
30 88 19.6428571 26.3392857
35 144 32.1428571 58.4821429
40 103 22.9910714 81.4732143
45 61 13.6160714 95.0892857
50 18 4.0178571 99.1071429
55 2 0.4464286 99.5535714
60 2 0.4464286 100.0000000
>

ここまで見た

101 2012/07/15(日) 22:36:44.88: BGと試料の比較
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 14.8474, 第1自由度 = 1, 第2自由度 = 446, P値 = 0.0001337
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 = 0.2354, 自由度 = 1, P値 = 0.6275
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 = 15.7045, 第1自由度 = 1.000, 第2自由度 = 117.313, P値 = 0.0001276
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

102 2012/07/15(日) 22:37:20.83: 繰り返しによる影響

1. n = 369 BG 繰り返し数 =3
> mean(x)
[1] 38.04607
> var(x)
[1] 41.85385
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.9135, 第1自由度 = 2, 第2自由度 = 366, P値 = 0.4020
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 = 1.358, 自由度 = 2, P値 = 0.5071
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 = 0.8797, 第1自由度 = 2.000, 第2自由度 = 70.614, P値 = 0.4194
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 0.2710027 0.2710027
25 26 7.0460705 7.3170732
30 80 21.6802168 28.9972900
35 123 33.3333333 62.3306233
40 80 21.6802168 84.0108401
45 42 11.3821138 95.3929539
50 13 3.5230352 98.9159892
55 2 0.5420054 99.4579946
60 2 0.5420054 100.0000000
>

ここまで見た

103 2012/07/15(日) 22:37:53.88: 2. n = 79 2012.06.19入手栃木県内で販売されていた夏みかん実 14日乾燥 12.4wg 1.7dg 繰り返し数 =2
x <- c( 30,39,31,44,49,44,39,45,37,40,41,41,45,36,43,40,49,44,32,39,49,38,49,38,36,53,42,37,46,47,44,54,48,36,43,38,41,45 ,
49,46,35,31,35,29,51,39,49,48,37,34,36,35,47,38,31,34,33,48,40,51,42,39,40,42,47,28,43,44,38,41,41,46,28,40,53,38,46,44,40)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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)
> mean(x)
[1] 41.11392
> var(x)
[1] 38.38429
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 1.1654, 第1自由度 = 1, 第2自由度 = 77, P値 = 0.2837
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 = 0.9091, 自由度 = 1, P値 = 0.3404
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 = 1.1793, 第1自由度 = 1.000, 第2自由度 = 76.535, P値 = 0.2809
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 3 3.797468 3.797468
30 8 10.126582 13.924051
35 21 26.582278 40.506329
40 23 29.113924 69.620253
45 19 24.050633 93.670886
50 5 6.329114 100.000000
>

ここまで見た

104 2012/07/15(日) 22:38:45.42: BGと試料の比較

1. n = 369 BG 繰り返し数 =3
gr1 <- c( 35,49,29,35,38,34,36,33,40,37,44,33,33,33,40,37,35,54,27,28,42,38,39,31,39,30,35,41,
37,35,53,26,39,35,31,46,40,38,29,42,47,37,46,35,34,47,35,45,42,29,31,42,38,45,43,35,27,30,35,36,43,30,45,32,38,42,33,39,30,42,37,35,42 ,
35,35,47,33,41,42,45,54,27,34,36,53,39,35,41,56,42,30,48,35,39,44,32,36,37,33,30,35,43,32,43 ,
40,35,40,37,40,37,32,30,40,28,40,47,39,53,43,33,36,34,41,31,47,32,45,46,31,49,38,44,40,43,40,
41,38,39,51,31,34,49,32,39,34,38,30,39,48,41,39,40,35,34,35,48,51,38,38,28,39,35,51,47,45,36,
34,38,45,31,52,62,33,34,30,37,38,36,47,36,35,29,32,43,40,39,40,49,33,37,27,45,28,40,60,46,35,
36,50,42,36,33,36,30,40,48,47,48,51,48,33,42,41,31,34,39,26,37,38,28,42,42,56,38,32,44,44,54,
35,31,40,39,36,38,42,32,37,34,33,35,35,33,40,36,36,47,39,36,29,43,28,35,37,35,47,37,36,36,37,
40,33,39,38,40,35,28,31,39,39,35,28,35,47,27,31,37,44,45,41,38,41,44,41,30,43,41,31,37,27,43,
38,44,35,39,38,33,40,30,37,41,31,33,43,40,40,37,40,30,27,48,45,35,42,32,36,43,25,34,34,38,46,
38,38,32,26,34,40,33,43,42,27,20,31,41,47,27,34,31,40,39,38,40,36,43,37,38,32,47,37,39,32,31,36,44,39,30,37,38,50,33,48,46,33,47,34,40,30,44,35)

2. n = 79 2012.06.19入手栃木県内で販売されていた夏みかん実 14日乾燥 12.4wg 1.7dg 繰り返し数 =2
gr2 <- c( 30,39,31,44,49,44,39,45,37,40,41,41,45,36,43,40,49,44,32,39,49,38,49,38,36,53,42,37,46,47,44,54,48,36,43,38,41,45 ,
49,46,35,31,35,29,51,39,49,48,37,34,36,35,47,38,31,34,33,48,40,51,42,39,40,42,47,28,43,44,38,41,41,46,28,40,53,38,46,44,40)
> 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 = -3.8532, 自由度 = 446, P値 = 0.0001337
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -4.632575 -1.503132
標本推定値:
平均値x 平均値y
38.04607 41.11392
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 = -3.9629, 自由度 = 117.313, P値 = 0.0001276
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -4.600967 -1.534741
標本推定値:
平均値x 平均値y
38.04607 41.11392
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 = 1.0904, 第1自由度 = 368, 第2自由度 = 78, P値 = 0.6546
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.7551789 1.5132071
標本推定値:
分散比
1.09039
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

105 2012/07/15(日) 22:39:21.58: ３.補足コメント
41.11392 - 38.04607 = 3.067848 CPM (1.44Bq)
1.44 * 1000 / 12.4 = 116Bq/kg
外観から夏みかんと思われるが、著者ははっさく等との区別がつけられない。
カリウム 110-190 mg/100g ( http://www.kudamononavi.com/zukan/citrus.htm 夏みかん：カリウム（190mg）、はっさく：カリウム（180mg）、日向夏：カリウム（110mg）、ブンタン：カリウム（180mg）、ぽんかん：カリウム（160mg） )より、3.4-5.9Bq/kg。
よって、ほとんどが福島由来のセシウム等である。

ここまで見た

106 2012/07/22(日) 20:22:50.34: １．測定対象
「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」の分析

２．測定結果
1. n=30 糊台
x <- 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)

2. n=30 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
x <- 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)

3. n=36 糊台
x <- c( 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)

4. n=30 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
x <- c( 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)

5. n=30 糊台
x <- c( 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)

ここまで見た

107 2012/07/22(日) 20:24:38.59: ４.　データ貼り付け
全体の分析
x <- 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 ,
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 ,
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 ,
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 ,
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)
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 ,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
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] 47.13462
> var(x)
[1] 188.7624
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 97.3449, 第1自由度 = 4, 第2自由度 = 151, 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 = 11.706, 自由度 = 4, P値 = 0.01968
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 = 92.0698, 第1自由度 = 4.000, 第2自由度 = 73.085, P値 < 2.2e-16
有意。群間に差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 0.6410256 0.6410256
25 9 5.7692308 6.4102564
30 16 10.2564103 16.6666667
35 34 21.7948718 38.4615385
40 23 14.7435897 53.2051282
45 13 8.3333333 61.5384615
50 11 7.0512821 68.5897436
55 16 10.2564103 78.8461538
60 14 8.9743590 87.8205128
65 8 5.1282051 92.9487179
70 4 2.5641026 95.5128205
75 5 3.2051282 98.7179487
80 2 1.2820513 100.0000000
>

ここまで見た

108 2012/07/22(日) 20:25:14.54: BGと試料の比較
x <- 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 ,
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 ,
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 ,
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 ,
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)
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 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,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 = 349.4101, 第1自由度 = 1, 第2自由度 = 154, 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 = 8.2533, 自由度 = 1, P値 = 0.004068
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 = 300.974, 第1自由度 = 1.000, 第2自由度 = 96.834, 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

109 2012/07/22(日) 20:26:36.01: 繰り返しによる影響

1. n = 96 BG 繰り返し数 =3
x <- 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)
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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 38.11458
> var(x)
[1] 42.69200
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 4.943, 第1自由度 = 2, 第2自由度 = 93, P値 = 0.009118
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 = 2.2586, 自由度 = 2, P値 = 0.3233
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 = 5.4039, 第1自由度 = 2.000, 第2自由度 = 58.496, P値 = 0.007021
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 1.041667 1.041667
25 9 9.375000 10.416667
30 16 16.666667 27.083333
35 34 35.416667 62.500000
40 22 22.916667 85.416667
45 10 10.416667 95.833333
50 3 3.125000 98.958333
55 1 1.041667 100.000000
>

ここまで見た

110 2012/07/22(日) 20:27:34.93: 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
x <- 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)
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] 61.56667
> var(x)
[1] 82.96158
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 4.9524, 第1自由度 = 1, 第2自由度 = 58, P値 = 0.02996
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 = 1.0269, 自由度 = 1, P値 = 0.3109
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 = 4.9524, 第1自由度 = 1.000, 第2自由度 = 56.018, P値 = 0.03010
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
40 1 1.666667 1.666667
45 3 5.000000 6.666667
50 8 13.333333 20.000000
55 15 25.000000 45.000000
60 14 23.333333 68.333333
65 8 13.333333 81.666667
70 4 6.666667 88.333333
75 5 8.333333 96.666667
80 2 3.333333 100.000000
>

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