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。
ttp://http://savechild.net/archives/3891.html αアルファ線（プルトニウム238,240,239,241）
βベータ線（セシウム137 ストロンチウム89,90 テルル、セリウム、ルテニウム）
γガンマ線（セシウム134、ヨウ素）
ttp://savechild.net/wp-content/uploads/2011/10/koukabig.gif ＥＵが輸入規制している都道府県食品（つまり食品が汚染している）
福島、群馬、茨城、栃木、宮城、静岡、長野、山梨、埼玉、東京、千葉、神奈川
フランス核廃棄物処理施設 セントラコ
15.75ベクレル／kgで低レベル放射性廃棄物にて厳重管理
今の基準が安全かどうかは、原発事故前の資料と比較するべき。
ttp://http://www.kankyo-hoshano.go.jp/08/soukatsu_lib/h20_suijun.pdf 魚類セシウム１３７ 最大値0.16Bq/kg 平均値0.085Bq/kg
魚類ストロンチウム９０ 最大値 0.040Bq/kg 平均値0.0012Bq/kg
お米セシウム１３７ 最大0.42Bq/kg 平均0.015Bq/kg
１．測定対象 J●ードルコーポレーションBK こだわりの熟成
２．測定結果 0Bq/kg
１．測定対象 中華蕎麦
２．測定結果 2.62Bq/kg
１．測定対象 北海道富良野産玉葱
２．測定結果 2-20Bq/kg Bq/kg
１．測定対象 佐賀市産たまねぎ
２．測定結果 3.45 Bg/kg
１．測定対象 栃木県産 ふきのとう 19g
２．測定結果 28 Bq/kg
１．測定対象 タマノイ穀物酢 2013.12.16
２．測定結果 42 Bq/kg
１．測定対象 カットわかめ 2012.12.17 中国原産 KKジャパンスパイス」
２．測定結果 45 Bq/kg
１．測定対象 栃木産菜の花
２．測定結果 51 Bq/kg
１．測定対象 神奈川産キャベツ
２．測定結果 89.8 Bq/kg
１．測定対象 栃木県内で販売されていた米
２．測定結果 104Bq/kg
２．測定結果 124.8 Bq/kg
１．測定対象 栃木産セリ
２．測定結果 190 bq/kg
１．測定対象 国産鶏胸肉2012.02.08
２．測定結果 200Bq/kg
１．測定対象 栃木産みつば 2012.05.08
２．測定結果 220 Bq/kg
１．測定対象 栃木県産さんしょう若芽 2012.05.05
２．測定結果 225 Bq/kg
１．測定対象 栃木産 ふき(茎のみ) 2012.05.04
２．測定結果 246 Bq/kg
１．測定対象 栃木産バジル
２．測定結果 253 Bq/kg
１．測定対象 栃木産たけのこ 乾燥後10.5g
２．測定結果 298 Bq/kg
１．測定対象 栃木産 葉が開いたメスのぜんまい 2012.04.04
２．測定結果 370 Bq/kg
１．測定対象 栃木産タラの芽 2012.05.06
２．測定結果 415 Bq/kg
１．測定対象 奥本●粉, Restaurant Macaroni（カナダとアメリカ産小麦）
２．測定結果 800 bq/kg
１．測定対象 栃木県産お茶
２．測定結果 950 Bq/kg
１．測定対象 栃木県産 乾燥椎茸
２．測定結果 1000 Bq/kg
１．測定対象 栃木産しいたけ
２．測定結果 2700 Bq/kg
食品を乾燥させる。
トータルタイマーでバックグラウンド数値を10分測る。
トータルタイマーで食品の表面や切断面を10分測る。
極端な差があれば汚染していると考えて捨てる。
μSV表示で測定しても汚染はわからない。トータルタイマーでカウント数を測ること。
R関係の統計処理のリンク集をコピー。主に使っているのが、青木さんの所なので、青木さんが主体。
群馬大学 青木 R による統計処理
ttp://http://aoki2.si.gunma-u.ac.jp/R/index.html プログラム R の入手方法とコンピュータへのインストール
ttp://http://aoki2.si.gunma-u.ac.jp/R/begin.html 新たに定義した関数
ttp://http://aoki2.si.gunma-u.ac.jp/R/src/all.R をDown load 起動直後に「>」が表示されたらばその後に「source("
ttp://http://aoki2.si.gunma-u.ac.jp/R/src/all.R", encoding="euc-jp") 」と入力する。「Rcmder」と同時には使用できないので要注意。 分散比の検定。等分散か異分散かで検定方法が異なるので分散を調べる。正規分布の場合に限って使用可能。
ttp://http://aoki2.si.gunma-u.ac.jp/R/my-var-test.html 二群の等分散性の検定（二次データ） ttp://http://aoki2.si.gunma-u.ac.jp/lecture/Average/bunsan1-r.html 二群の等分散性の検定 ttp://http://aoki2.si.gunma-u.ac.jp/lecture/Average/Bartlett-r.html 多群の等分散性の検定 平均値の差の検定
ttp://http://aoki2.si.gunma-u.ac.jp/lecture/Average/t-test-r.html ２群正規分布の場合 ttp://http://aoki2.si.gunma-u.ac.jp/lecture/Average/U-test-r.html ２群一山分布の場合 ttp://http://aoki2.si.gunma-u.ac.jp/lecture/Average/oneway-ANOVA-r.html 分散分析(３群以上、正規分布の場合) ttp://http://aoki2.si.gunma-u.ac.jp/R/dosuu-bunpu.html 度数分布表の作成 ttp://http://aoki2.si.gunma-u.ac.jp/R/normaldist.html 正規分布用適合度の検定 ttp://http://aoki2.si.gunma-u.ac.jp/R/npp2.html 正規確率紙への作画 にちゃんねる内
ttp://ikura.2ch.net/sim/index.html シミュレーション＠2ch掲示板 ttp://ikura.2ch.net/test/read.cgi/sim/1284162960/l50 【junk.test】雑談専用【try会議室】 ttp://uni.2ch.net/math/ 数学＠2ch掲示板 ttp://uni.2ch.net/test/read.cgi/math/1294561909/l50 【R言語】統計解析フリーソフトＲ 第４章【GNU R】 ttp://http://hakarukun.go.jp/html/jirei/j_kisenbaru/16_01.htm 身近にある食品からの放射線−「はかるくん」を使った40K等からのγ線測定− ttp://http://www.potetokaitsuka.co.jp/img/110719_press.pdf サツマイモを測定することができるｗ ttp://http://ameblo.jp/geigersokutei/entry-10921797003.html ベータ線を測定してみましょう ttp://http://www.mhlw.go.jp/stf/houdou/2r9852000001558e-img/2r98520000015cfn.pdf シンチ向け 急時における食品の放射能測定マニュアル(厚生労働省) ttp://http://www.kankyo-hoshano.go.jp/series/lib/No1.pdf GM向け 全ベータ放射能測定法 (下ごしらえ) ttp://http://www.kankyo-hoshano.go.jp/series/pdf_series_index.html RI 核種一覧のサイト The Berkeley Laboratory Isotopes Project's Exploring the Table of Isotopes ttp://http://ie.lbl.gov/education/isotopes.htm アルミ中のβ線の飛距離の計算サイト。 ttp://http://www.sky.sannet.ne.jp/s_hongo/s/r/particlepath.html ttp://http://www.geocities.co.jp/NatureLand/2111/mushroom/dehydrator/index.htm 家庭内食品の乾燥 ttp://http://search.kankyo-hoshano.go.jp/top.jsp 環境放射線データベース ttp://http://www.kobejyukou.com/jisakutosoubusu%20p01.htm ドラフトの例 ttp://http://www.yamato-net.co.jp/index.html 理化学機器販売店 ttp://http://www.tgk.co.jp/ 理化学機器販売店 ttp://http://www.sia-japan.com/ 理化学機器販売店 ttp://http://www.advantec.co.jp/ 理化学機器販売店 ttp://http://staff.aist.go.jp/t.ihara/weight.html 計算の論理 ttp://http://atlas.shinshu-u.ac.jp/class/expclass/exp-05-02.html 計算の論理 ttp://http://edycube.blog2.fc2.com/category5-11.html 周波数カウンタにおける1カウントの誤差について ttp://http://www.mext.go.jp/b_menu/shingi/gijyutu/gijyutu3/toushin/05031802.htm 食品成分表 ttp://www.beejewel.com.au/research/Bee_Research/pra_software.html フリーのMCAソフト ttp://hato.5ch.net/test/read.cgi/lifeline/1309151729/7-13">
ttp://hato.2ch.net/test/read.cgi/lifeline/1309151729/7-13 (京都府)って？ ttp://hato.2ch.net/test/read.cgi/lifeline/1302253304/973 (京都府)って？ ttp://hato.2ch.net/test/read.cgi/lifeline/1302253304/980-981 (京都府)って？ ttp://http://www.amazon.co.jp/-/dp/B001F9SRSW/ ドライフルーツ用乾燥機 ttp://http://www.kankyo-hoshano.go.jp/08/ers_lib/ers_abs01.pdf 福竜丸の頃の水道水の分析方法 ttp://http://www.snap-tck.com/room04/c01/stat/stat.html 統計学 ttp://http://www.mikage.to/radiation/calc.html 計測値をそのまま入力すると計算してくれるサイト ttp://http://www.kankyo-hoshano.go.jp/series/lib/No24.pdf 「可食部」を検査することの規定 ttp://http://www.jrias.or.jp/index.cfm/6,15496,c,html/15496/20110620-095125.pdf 「緊急時における食品中の放射性セシウム測定に用いるNaI(Tl)シンチレーションサーベイメータの機器校正」 ttp://http://okwave.jp/qa/q962006.html 鉛対策 ttp://http://www.n-hakko.com/bunnseki-houhou.html 灰化 ttp://http://ci.nii.ac.jp/naid/110002908385 高温灰化による消失 ttp://http://www.jrias.or.jp/index.cfm/6,203,pdf 低温灰化による消失 ttp://http://pub.maruzen.co.jp/book_magazine/jikken-kagaku5/index.html 実験化学講座 ttp://http://www.amazon.co.jp/%E5%AE%9F%E9%A8%93%E3%82%92%E5%AE%89%E5%85%A8%E3%81%AB%E8%A1%8C%E3%81%86%E3%81%9F%E3%82%81%E3%81%AB-%E5%8C%96%E5%AD%A6%E5%90%8C%E4%BA%BA%E7%B7%A8%E9%9B%86%E9%83%A8/dp/4759809589 (正・続)実験を安全に行うために
ttp://http://www.jrias.or.jp/index.cfm/6,15496,c,html/15496/20110620-095125.pdf 日本アイソトープ協会の資料 ttp://http://hp.vector.co.jp/authors/VA047235/radiation.html ブラウザで動く放射線・放射能の単位換算ツール ttp://http://www.rada.or.jp/database/home4/normal/ht-docs/member/synopsis/040264.html 管理図
ttp://http://avalonbreeze.web.fc2.com/38_01_05_controlfigure.html 四分位数とヒンジ
ttp://http://anchoret.seesaa.net/article/66138520.html 放射線測定器の測定値の平均差の計算ツール
ttp://http://www.mikage.to/radiation/calc_diff.html 【junk.test】雑談専用【try会議室】(シミ板)。昔は色々あったけど、今は桂カルク(だと思うけど栃木が使っているの)のみ
ttp://kamome.5ch.net/test/read.cgi/sim/1284162960/l50">
ttp://kamome.2ch.net/test/read.cgi/sim/1284162960/l50 検出限界の考え方
ttp://http://ax00.web.fc2.com/atomic/beta/s/s0080.html 心理統計学。文系の方向け統計学。SAS使用
ttp://http://www.aichi-gakuin.ac.jp/~chino/psycstat/preface.shtml 統計学自習ノート。ネットでは有名な群大の青木さん。R使用
ttp://http://aoki2.si.gunma-u.ac.jp/lecture/ 栄養素別食品一覧
ttp://http://www.eiyoukeisan.com/calorie/nut_list/kalium.html 放射線測定実験要領書 (ガンマ線に関する基本的な事項, 線量率の測定, γ線の物質による遮へい測定)
ttp://http://radonet.servebbs.net/report/lect02.pdf 体内を構成する原子とγ線との 相互作用。人体を水と近似してγ線の吸収量を計算
ttp://http://www.ip.k.hosei.ac.jp/serialization/May.pdf (6)検出器シミュレーション。上記計算用セシウムの定数が記載されている
ttp://http://www.nirs.go.jp/usr/medical-imaging/ja/study/nextgeneration-pet/6.html ＞線源：137Cs (662keV) 線減弱係数:0.54 cm-1
全β線測定法
ttp://http://www.kankyo-hoshano.go.jp/series/lib/No1.pdf 福竜丸の灰の分析
ttp://http://home.hiroshima-u.ac.jp/heiwa/Pub/41/41-yamamoto.pdf 具体的操作は、化学便覧の分析化学の章の「スポットテスト」
ttp://http://pub.maruzen.co.jp/shop/4621073419.html 前スレで、個別機種情報を除いて拾った範囲。
抜けがあったらば追加ヨロ。
ttp://http://gakuen.gifu-net.ed.jp/~contents/kou_nougyou/jikken/SubShokuhin/08/index.html 高校生向け食品の灰分の分析方法。 ttp://http://www.shouhiseikatu.metro.tokyo.jp/keiryo/yoshiki/kankyo/kankyo_tebiki.pdf 環境計量証明事業登録の手引き。政府の通達で「乾燥する」とか「(質量を)計る」とかのときに使用する機器 は、これを参照。
ttp://http://www.tokutoku.to/geiger/box.html 放射能遮断BOX 鉛１０ミリで重さ３２キロ １２８０００円なり ttp://http://space.geocities.jp/sc3xpgs/index.html Radiで食品測れるかな-- ttp://http://www.emf-japan.com/emf/emf1/emf211.html 個人で用意出来る遮蔽環境 ttp://http://tng.sub.jp/moku2-2-2-6-6067.htm 米国をあきれさせた日本の化学力をおしえたる (化学処理によるセシウムの分離) ttp://http://www.rokakuho.co.jp/data/books/3036.html 米国をあきれさせた日本の化学力をおしえたる (化学処理によるセシウムの分離) ttp://http://www.jrias.or.jp/index.cfm/6,9332,c,html/9332/2006-55-04-07.pdf 低レベル・超低レベル放射能測定の基礎 (鉛から出る放射線対策) ttp://uni.2ch.net/test/read.cgi/radiation/1321400997/ インスペクター系総合 ２【Plus,Alert】より、関係しそうな内容を抜粋。
ttp://uni.2ch.net/test/read.cgi/radiation/1321400997/103 103：退避(群馬県)：2011/12/06(火) 22:35:29.39 ID:tnNiekf2
300cpm=1.1Bq/cm2
流れの可視化技術のまとめ 石井幸治(九州大学) 室内(放射性)粉塵の動きを見当
放射線の遮へい (08-01-02-06) β線が紙で遮蔽できない
ttp://http://www.rist.or.jp/atomica/data/dat_detail.php?Title_No=08-01-02-06 原発事故で飛散した主な核種
ttp://http://savechild.net/archives/3891.html 日本分析センター ストロンチウム90の分析
ttp://http://www.jcac.or.jp/service_env_stron90.html ttp://uni.5ch.net/test/read.cgi/radiation/1331598144/">
ttp://uni.2ch.net/test/read.cgi/radiation/1331598144/ インスペクター系総合 ３【inspector+,Alert】より、関係しそうな内容を抜粋。
福島第一原発から飛散した主な放射性同位体（核種）全31種・放出量
ポアソン分布
ttp://http://ja.wikipedia.org/wiki/%E3%83%9D%E3%82%A2%E3%82%BD%E3%83%B3%E5%88%86%E5%B8%83 直線関係式(Deming法)と回帰分析 (香川大学医学部検査部)
ttp://http://www.kms.ac.jp/~clinilab/units/biochem/cgi-bin/linear/ 最小二乗法による回帰直線と相関係数の求め方−回帰分析と相関分析の基礎− (早稲田大学大河内研)
ttp://http://www.okochi.env.waseda.ac.jp/pdf/H20Least_square.pdf 放射線計測−計数の統計− (東京理科大学 理学部 物理学科)
ttp://http://www.rs.kagu.tus.ac.jp/~phlabex/LabExercise/reports/statistics.pdf 放射線崩壊の確率的性質 (広島大学物理学科)
ttp://http://home.hiroshima-u.ac.jp/phys/LectureHP/exp-hp/1-3.html 求積等
ttp://http://keisan.casio.jp/has10/SpecExec.cgi 円錐台 ttp://http://www.benricho.org/calculate/Cylinder.html 円柱 簡単！栄養andカロリー計算
ttp://http://www.eiyoukeisan.com/ カリウムの多い食品と、食品のカリウムの含有量一覧表
ttp://http://www.eiyoukeisan.com/calorie/nut_list/kalium.html やさしお (三重大学 奥村晴彦)
ttp://http://oku.edu.mie-u.ac.jp/~okumura/stat/yasashio.php 取扱説明書(英文)
ttp://http://seintl.com/manuals/Inspector_Operation_Manual_English.pdf Rの使い方(文系用)。
ttp://http://www.e.okayama-u.ac.jp/~nagahata/ (岡山大学 長畑ビジネス統計解析) ttp://http://www.e.okayama-u.ac.jp/~nagahata/bstat/ このスレの作成の理由
ttp://uni.5ch.net/test/read.cgi/radiation/1331598144/349">
ttp://uni.2ch.net/test/read.cgi/radiation/1331598144/349 349 ：名無しに影響はない(やわらか銀行)：2012/04/06(金) 14:38:37.93 ID:v2XDOnI2
栃木さん新スレ作りました。統計学の先生がんばってください。
【ガイガー】インスペクター＋統計スレ
ttp://uni.2ch.net/test/read.cgi/radiation/1333690493/ > dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
10 6 2.985075 2.985075
15 17 8.457711 11.442786
20 29 14.427861 25.870647
25 36 17.910448 43.781095
30 38 18.905473 62.686567
35 40 19.900498 82.587065
40 27 13.432836 96.019900
45 5 2.487562 98.507463
50 3 1.492537 100.000000
>
違うみたい。
試料の測定では、ガウス分布になっていますので。
平均値の差の検定で有意になったものをいくつかあげます。
麺しるべ 讃岐そうめん マルキン 2013.07 (25 * 8 *1.5 cm, 250g)
gr1 <- c(38, 25, 42, 33, 31, 29, 37, 28, 33, 39, 36, 30, 41, 38, 39, 31, 31, 28, 33, 27, 39, 33, 25, 37, 35, 32, 39, 43, 24, 35 ,
48, 32, 30, 26, 40, 47, 27, 39, 41, 34, 42, 32, 33, 43, 33, 46, 37, 42, 35, 25, 27, 39, 31, 53, 39, 31, 43, 37, 47, 36, 32, 36, 38, 43, 32, 37, 34, 33 ,
30, 50, 46, 45, 44, 27, 40, 34, 36, 34, 34, 47, 34, 51, 43, 53, 38, 35, 45, 34, 32, 41, 45, 36, 28, 32, 45, 39, 34, 26, 48, 51, 38, 32)
> mean(x)
[1] 36.64706
> var(x)
[1] 46.62667
gr2 <- c(52, 45, 47, 55, 35, 32, 37, 59, 39, 30, 32, 32, 43, 38, 26, 46, 39, 38, 50, 30, 33, 37, 47, 46, 38, 30, 46, 41, 52, 43, 42 ,
44, 44, 27, 33, 32, 44, 60, 38, 42, 26, 40, 31, 39, 37, 41, 32, 38, 38, 40, 50, 37, 56, 41, 35, 34, 38, 29, 40, 31, 39, 39 ,
43, 39, 41, 58, 39, 58, 40, 45, 38, 45, 26, 43, 38, 52, 54, 47, 40, 42, 49, 36, 35, 42, 32, 49, 37, 39, 53, 50, 40, 38, 35, 38, 43, 45, 58, 34, 41, 41, 63, 24, 47, 32, 29, 44, 43, 56)
> mean(x)
[1] 40.88889
> var(x)
[1] 67.89408
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = -4.0492, 自由度 = 208, P値 = 7.251e-05
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -6.307055 -2.176605
標本推定値:
平均値x 平均値y
36.64706 40.88889
有意。平均値の差がある。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -4.0708, 自由度 = 204.586, P値 = 6.692e-05
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -6.296274 -2.187386
標本推定値:
平均値x 平均値y
36.64706 40.88889
有意。平均値の差がある。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.6868, 第1自由度 = 101, 第2自由度 = 107, P値 = 0.05745
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.4670382 1.0120467
標本推定値:
分散比
0.6867561
有意。分散が均一ではない。（Welchの方法）を使用する
>
40.8-36.6=4.2
4.2 * 0.47 = 2.0 Bq
寸法が 25 * 8 *1.5 cm より、300cm3, 250g より比重 0.83 g/cm3
底面半径 6.63, 上面半径 4.14cmの台形より、半径4.14、高さ3.65mmの円柱状試料と近似して
容積 19.6cm3。19.6*0.83 = 16.3g
2.0 * 1000 / 16.3 = 122 bq/kg
gr1 <- c( 37, 50, 44, 39, 29, 35, 37, 58, 54, 33, 35, 34, 39, 38, 44, 36, 25, 40, 57, 38, 42, 37, 30, 60, 32, 34, 28, 35, 38, 40, 42, 40, 63, 39, 35, 32, 28, 42, 36, 35, 35, 38, 41, 35, 33 ,
43, 37, 41, 40, 43, 40, 34, 36, 42, 49, 38, 36, 41, 36, 48, 33, 29, 38, 34, 40, 38, 46, 30, 44, 43, 42, 49, 50, 26, 35, 24 ,
37, 51, 32, 49, 36, 40, 32, 42, 37, 27, 37, 43, 29, 37, 25, 45, 43, 39, 37, 47, 36, 36, 44, 43, 38, 35, 46, 28, 29, 35, 40, 41, 37, 36, 35, 35, 33, 31, 32, 32, 32)
gr2 <- c( 49, 36, 30, 45, 36, 39, 37, 39, 38, 43, 49, 50, 47, 51, 35, 56, 50, 32, 34, 38, 35, 25, 30, 44, 32, 28, 27, 38, 28, 43 ,
28, 38, 41, 34, 37, 38, 42, 39, 34, 38, 28, 34, 37, 32, 35, 38, 43, 42, 39, 55, 49, 39, 38, 40, 47, 55, 43, 37, 57, 49, 31)
> 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 = -0.952, 自由度 = 176, P値 = 0.3424
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: -3.393392 1.184901
標本推定値:
平均値x 平均値y
38.25641 39.36066
有意。試料とバックグラウントに差異がある。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -0.9296, 自由度 = 114.005, P値 = 0.3546
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: -3.457492 1.249002
標本推定値:
平均値x 平均値y
38.25641 39.36066
有意。試料とバックグラウントに差異がある。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.8599, 第1自由度 = 116, 第2自由度 = 60, P値 = 0.485
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.5427903 1.3196563
標本推定値:
分散比
0.8598737
有意。分散が異なるので（Welchの方法）を使用する。
>
39.36066 - 38.25641 = 1.10 CPM (0.519Bq)
比重 0.85 受光深さ 0.43 cm 受光容積 8cm3(7g)
72.4 Bq/kg
gr1 <- c( 32, 32, 30, 43, 44, 34, 36, 42, 33, 27, 34, 41, 47, 34, 43, 50, 38, 39, 48, 41, 32, 43, 36, 40, 36, 43, 37, 27, 52, 38, 45, 47, 37, 37, 37, 44, 34, 36,
38, 43, 44, 38, 40, 40, 40, 38, 35, 45, 43, 45, 32, 38, 44, 28, 35, 54, 39, 37, 43, 38, 40, 41, 45, 32, 35, 43, 36, 23, 39, 33, 33, 38, 35, 36, 31, 30 ,
42, 46, 45, 41, 60, 38, 34, 52, 38, 46, 32, 35, 34, 47, 34, 34, 30, 40, 45, 36, 42, 34, 22, 40, 39, 49, 39, 36, 50, 40, 38, 46, 51 ,
36, 33, 36, 38, 33, 29, 33, 37, 27, 31, 35, 33, 35, 32, 49, 42, 40, 30, 36, 36, 37, 38, 29, 44, 36, 37, 41, 36, 45, 38)
gr2 <- c( 40, 31, 46, 43, 27, 40, 39, 38, 33, 43, 39, 34, 57, 44, 47, 32, 50, 45, 39, 51, 39, 34, 39, 44, 54, 33, 41, 35, 39, 40, 37 ,
40, 41, 41, 50, 30, 29, 40, 40, 41, 48, 35, 36, 36, 40, 38, 40, 46, 44, 38, 38, 33, 41, 35, 36, 39, 40, 39, 39, 35, 48, 43)
> 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 = -1.6071, 自由度 = 199, P値 = 0.1096
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: -3.3495887 0.3414661
標本推定値:
平均値x 平均値y
38.36691 39.87097
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 = -1.6466, 自由度 = 124.304, P値 = 0.1022
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: -3.3119070 0.3037845
標本推定値:
平均値x 平均値y
38.36691 39.87097
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 = 1.1348, 第1自由度 = 138, 第2自由度 = 61, P値 = 0.5843
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.725469 1.712250
標本推定値:
分散比
1.134795
有意。分散が異なるので（Welchの方法）を使用する。
>
39.8 - 38.4 = 1.5 CPM (0.075 Bq)
98.37 Bq/kg
β線で測定しているので、政府のγ線による測定方法とは異なる結果となっています。
政府による測定方法では、一部例外を除くと、すべてNDという結果なので、
この測定ではγ線量を0と近似しています。
食品によるβ線吸収量は、プラスチック(100円ショップで販売されていたCDケース)と同じであると近似しています。
以上の理由で、β線の発光部分を、直径5cm、深さ0.36cm(比重が１の場合)の円筒部分だけと近似しています。
これらの近似のために、政府の発表している「正確な測定値」から大きくかけ離れた結果が得られていマス。
実際には、麺類の測定の場合には、ほとんど含まれていない麺の場合には、1-2CPM程度負数にでます。
これは、試料を置いている机に付着した放射性物質が発光したβ線を麺が吸収しているためです。
これが、マイナス誤差になります。50-80Bq/kg・CPM 程度低く数値が出ている場合があります。
一人で測定していても、間違いのチェックができないので、測定器をお持ちの方による追跡調査(再調査)をお願いします。
このあたりのは内容は、本家スレ
ttp://uni.2ch.net/test/read.cgi/radiation/1331598144/l50 に書いておいたのですが、新スレになったので、再度指摘しています。
私の測定は、政府の決定した「正しい測定方法」とは異なります。
したがって、間違った測定値を記載しています。
「栃木県産梅の実。40度1週間乾燥 2012.06.09 採取 7.2 d-g」の分析
２．測定結果
1. n=45 糊台
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)
2. n=35 栃木県産梅の実。40度1週間乾燥 2012.06.09 採取 7.2 d-g
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)
3. n=33 糊台
x <- c( 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)
4. n=43 栃木県産梅の実。40度1週間乾燥 2012.06.09 採取 7.2 d-g
x <- c( 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)
5. n=30 糊台
x <- c( 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)
以前に書いていますが、新スレになったので、一部用語の説明と測定環境を記載します。
「糊台」とは、プラスチック製CDケース内約3mmの隙間にポリ袋に入れたヤマト糊を詰めたものです。
β線をほぼ遮蔽できます(具体的数値は、本家スレ参照)。机の上に糊台を置き、糊台の上に試料を置きます。
糊台の上空3cmに測定器を置いています。
全体の分析
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 ,
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 ,
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 ,
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 ,
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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x)
[1] 39.60215
> var(x)
[1] 55.23545
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 20.4532, 第1自由度 = 4, 第2自由度 = 181, P値 = 6.41e-14
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 = 2.5824, 自由度 = 4, P値 = 0.63
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 = 19.8098, 第1自由度 = 4.000, 第2自由度 = 87.738, P値 = 1.199e-11
有意。群間に差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 2 1.0752688 1.075269
25 12 6.4516129 7.526882
30 35 18.8172043 26.344086
35 46 24.7311828 51.075269
40 44 23.6559140 74.731183
45 29 15.5913978 90.322581
50 14 7.5268817 97.849462
55 3 1.6129032 99.462366
60 1 0.5376344 100.000000
>
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 ,
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 ,
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 ,
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 ,
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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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 = 82.1997, 第1自由度 = 1, 第2自由度 = 184, 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 = 0.1141, 自由度 = 1, P値 = 0.7355
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 = 81.2529, 第1自由度 = 1.000, 第2自由度 = 162.495, P値 = 5.267e-16
有意。試料とバックグラウンドに差異がある。
>
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
>
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
>
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。
>
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% (
ttp://http://www.tukeru.com/knowledge/knowledge_51.htm ) カリウム 290mg/100g (
ttp://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。
「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)
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
>
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。
>
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
>
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
>
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。
>
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。
「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
>
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。
「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)
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
>
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。
>
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
>
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
>
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。
>
63.33929 - 36.31667 = 27.02262 CPM (12.7 Bq)
12.7 * 1000 / 4.2 = 3023 Bq/kg
水分 91.8% (
ttp://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 (
ttp://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。
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。
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
ttp://http://www.niaes.affrc.go.jp/magazine/144/mgzn14401_06.pdf 「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)
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 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
>
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。
>
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
>
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
>
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。
>
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)
「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)
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
>
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。
>
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
>
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
>
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。
>
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
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。
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。
＞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)
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
>
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。
>
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
>
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
>
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。
>
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
wkg, wg 湿重量
dkg, dg 乾重量
の意味で使っています。
「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)
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
>
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。
>
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
>
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
>
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。
>
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% (
ttp://http://www.tukeru.com/knowledge/knowledge_51.htm ) カリウム 290mg/100g (
ttp://http://www.tukeru.com/knowledge/knowledge_51.htm )より8.96Bq/wkg 「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)
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
>
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。
>
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
>
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
>
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。
>
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
「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)
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
>
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。
>
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
>
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
>
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。
>
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) (
ttp://http://www.yasainavi.com/eiyou/eiyouhyouseparate/101 )より 乾燥前の線量は
2079 * 7.3 / 100 = 151 Bq/kg
「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)
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
>
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。
>
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
>
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
>
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
>
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 (
ttp://http://slism.jp/calorie/107112/ ) 4.0Bq/kg 「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。
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
>
