12/04/14 20:18:27.54 PzUMpoQ1
BGと試料の比較
1. n = 102 BG 繰り返し数 =3
gr1 <- c( 39, 38, 36, 39, 39, 35, 30, 39, 40, 27, 41, 38, 38, 49, 46, 40, 38, 33, 44, 41, 40, 49, 52, 28, 34, 40, 42, 42, 43, 30, 38, 41 ,
44, 42, 50, 32, 46, 48, 44, 29, 35, 52, 43, 46, 33, 54, 35, 48, 35, 43, 43, 42, 42, 37, 30, 40, 51, 30, 50, 36, 41, 46, 52, 45, 31, 45, 33, 41, 34, 36, 31 ,
47, 33, 47, 37, 35, 42, 44, 42, 42, 35, 55, 43, 44, 34, 33, 45, 37, 36, 37, 44, 43, 41, 32, 42, 32, 39, 33, 44, 43, 38, 45)
> mean(x)
[1] 40.07843
> var(x)
[1] 38.52844
2. n = 72 試料 13.4g 繰り返し数 =2
gr2 <- c( 67, 58, 48, 47, 71, 62, 50, 52, 55, 58, 57, 44, 58, 53, 56, 62, 32, 60, 45, 67, 48, 49, 53, 47, 36, 66, 53, 54, 54, 55, 50, 61, 60, 59, 42, 50, 56, 50, 53, 31, 47 ,
56, 59, 47, 49, 51, 67, 51, 43, 49, 49, 51, 50, 54, 58, 47, 58, 58, 63, 50, 52, 50, 54, 56, 60, 46, 49, 60, 57, 64, 67, 50)
> mean(x)
[1] 53.48611
> var(x)
[1] 59.57727
68:名無しに影響はない(栃木県)
12/04/14 20:18:58.39 PzUMpoQ1
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = -12.6764, 自由度 = 172, P値 < 2.2e-16
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -15.49540 -11.31996
標本推定値:
平均値x 平均値y
40.07843 53.48611
有意。平均値に差異がある。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -12.2131, 自由度 = 131.373, P値 < 2.2e-16
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -15.57936 -11.23600
標本推定値:
平均値x 平均値y
40.07843 53.48611
有意。平均値に差異がある。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.6467, 第1自由度 = 101, 第2自由度 = 71, P値 = 0.04395
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.4162745 0.9882415
標本推定値:
分散比
0.646697
有意。分散に差異がある。（Welchの方法）を使用する
>
53.5 - 40.1 = 13.4 CPM
13.4 * 0.47 = 6.3 Bq
試料の重さが 13.4g だから、試料による吸収がない、すべての光が受光可能であると近似して
13.4 * 1000 / 13.4 = 1000 Bq/kg
栃木県産(家庭内生産)乾ししいたけの線量は 1000 Bq/kg となった。
しいたけは、91%が水分なので( URLﾘﾝｸ(www.kanesada.co.jp) )
1000 * 9 / 100 = 90 Bq/kg が生しいたけの線量となる。
３.補足コメント
注意、乾燥温度が40度と低い(食品乾燥温度 １３５℃±２℃, ２時間)ので、乾燥不十分により、線量が増えます。
69:名無しに影響はない(栃木県)
12/04/15 12:14:28.89 T3LGXiu9
１．測定対象
「カットわかめ 2012.12.17 中国原産 KKジャパンスパイス」 の測定。
(15 * 10 * 2, 40g) 0.26 g/cm2
２．測定結果
1. n=31 BG
x <- c(25, 37, 46, 41, 38, 38, 46, 36, 43, 36, 47, 40, 34, 28, 44, 52, 38, 37, 35, 37, 25, 30, 32, 35, 38, 37, 40, 52, 42, 40, 33)
> mean(x) [1] 38.12903
> var(x) [1] 43.5828
2. n=31 試料
x <- c(33, 35, 48, 40, 33, 48, 39, 27, 49, 43, 41, 39, 31, 49, 44, 47, 46, 48, 25, 47, 37, 41, 33, 58, 64, 60, 51, 42, 49, 36, 45)
> mean(x) [1] 42.83871
> var(x) [1] 82.33978
3. n=42 BG
x <- c(53, 42, 46, 38, 41, 33, 56, 37, 45, 39, 40, 37, 47, 42, 35, 36, 37, 43, 44, 36, 49, 41, 41, 39, 42, 25, 44, 37, 49, 40, 54, 31, 48, 38, 37, 50, 41, 32, 36, 38, 36, 63)
> mean(x) [1] 41.38095
> var(x) [1] 51.9489
4. n=32 試料
x <- c(35, 37, 42, 45, 34, 35, 53, 42, 41, 43, 38, 48, 46, 45, 49, 36, 38, 43, 40, 47, 38, 38, 41, 41, 38, 40, 35, 37, 50, 44, 54, 51)
> mean(x) [1] 42
> var(x) [1] 30.58065
5. n=37 BG
x <- c(39, 37, 36, 48, 45, 34, 30, 41, 31, 35, 35, 34, 43, 28, 36, 43, 44, 34, 32, 48, 43, 47, 49, 38, 41, 39, 40, 44, 38, 37, 32, 38, 39, 39, 34, 42, 52)
> mean(x) [1] 39.05405
> var(x) [1] 32.55255
70:名無しに影響はない(栃木県)
12/04/15 12:15:55.09 T3LGXiu9
４. データ貼り付け
全体の比較
x <- c(25, 37, 46, 41, 38, 38, 46, 36, 43, 36, 47, 40, 34, 28, 44, 52, 38, 37, 35, 37, 25, 30, 32, 35, 38, 37, 40, 52, 42, 40, 33 ,
33, 35, 48, 40, 33, 48, 39, 27, 49, 43, 41, 39, 31, 49, 44, 47, 46, 48, 25, 47, 37, 41, 33, 58, 64, 60, 51, 42, 49, 36, 45 ,
53, 42, 46, 38, 41, 33, 56, 37, 45, 39, 40, 37, 47, 42, 35, 36, 37, 43, 44, 36, 49, 41, 41, 39, 42, 25, 44, 37, 49, 40, 54, 31, 48, 38, 37, 50, 41, 32, 36, 38, 36, 63 ,
35, 37, 42, 45, 34, 35, 53, 42, 41, 43, 38, 48, 46, 45, 49, 36, 38, 43, 40, 47, 38, 38, 41, 41, 38, 40, 35, 37, 50, 44, 54, 51 ,
39, 37, 36, 48, 45, 34, 30, 41, 31, 35, 35, 34, 43, 28, 36, 43, 44, 34, 32, 48, 43, 47, 49, 38, 41, 39, 40, 44, 38, 37, 32, 38, 39, 39, 34, 42, 52)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 , 4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x) [1] 40.6763
> var(x) [1] 49.69694
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 2.7227, 第1自由度 = 4, 第2自由度 = 168, P値 = 0.03125
有意差あり。群別の差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 10.5313, 自由度 = 4, P値 = 0.03237
有意。分散の差異があり先の分散分析が無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 2.784, 第1自由度 = 4.000, 第2自由度 = 81.505, P値 = 0.03193
有意差あり。群別の差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 7 4.046243 4.046243
30 20 11.560694 15.606936
35 56 32.369942 47.976879
40 44 25.433526 73.410405
45 30 17.341040 90.751445
50 11 6.358382 97.109827
55 2 1.156069 98.265896
60 3 1.734104 100.000000
>
71:名無しに影響はない(栃木県)
12/04/15 12:16:28.92 T3LGXiu9
BGと試料の比較
x <- c(25, 37, 46, 41, 38, 38, 46, 36, 43, 36, 47, 40, 34, 28, 44, 52, 38, 37, 35, 37, 25, 30, 32, 35, 38, 37, 40, 52, 42, 40, 33 ,
33, 35, 48, 40, 33, 48, 39, 27, 49, 43, 41, 39, 31, 49, 44, 47, 46, 48, 25, 47, 37, 41, 33, 58, 64, 60, 51, 42, 49, 36, 45 ,
53, 42, 46, 38, 41, 33, 56, 37, 45, 39, 40, 37, 47, 42, 35, 36, 37, 43, 44, 36, 49, 41, 41, 39, 42, 25, 44, 37, 49, 40, 54, 31, 48, 38, 37, 50, 41, 32, 36, 38, 36, 63 ,
35, 37, 42, 45, 34, 35, 53, 42, 41, 43, 38, 48, 46, 45, 49, 36, 38, 43, 40, 47, 38, 38, 41, 41, 38, 40, 35, 37, 50, 44, 54, 51 ,
39, 37, 36, 48, 45, 34, 30, 41, 31, 35, 35, 34, 43, 28, 36, 43, 44, 34, 32, 48, 43, 47, 49, 38, 41, 39, 40, 44, 38, 37, 32, 38, 39, 39, 34, 42, 52)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 6.1927, 第1自由度 = 1, 第2自由度 = 171, P値 = 0.01378
有意差あり。試料とバックグラウンドに差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 1.002, 自由度 = 1, P値 = 0.3168
有意。試料とバックグラウンドに分散の差異があり、先の分散分析が無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 5.8266, 第1自由度 = 1.000, 第2自由度 = 117.735, P値 = 0.01733
有意差あり。試料とバックグラウンドに差異がある。
72:名無しに影響はない(栃木県)
12/04/15 12:16:52.26 T3LGXiu9
繰り返しによる差異
1. BG
x <- c(25, 37, 46, 41, 38, 38, 46, 36, 43, 36, 47, 40, 34, 28, 44, 52, 38, 37, 35, 37, 25, 30, 32, 35, 38, 37, 40, 52, 42, 40, 33 ,
53, 42, 46, 38, 41, 33, 56, 37, 45, 39, 40, 37, 47, 42, 35, 36, 37, 43, 44, 36, 49, 41, 41, 39, 42, 25, 44, 37, 49, 40, 54, 31, 48, 38, 37, 50, 41, 32, 36, 38, 36, 63 ,
39, 37, 36, 48, 45, 34, 30, 41, 31, 35, 35, 34, 43, 28, 36, 43, 44, 34, 32, 48, 43, 47, 49, 38, 41, 39, 40, 44, 38, 37, 32, 38, 39, 39, 34, 42, 52)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x) [1] 39.68182
> var(x) [1] 44.21893
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 2.4442, 第1自由度 = 2, 第2自由度 = 107, P値 = 0.09162
有意差あり。繰り返しによる差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 2.0317, 自由度 = 2, P値 = 0.3621
有意差あり。分散の差異があり、先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 2.1902, 第1自由度 = 2.000, 第2自由度 = 68.786, P値 = 0.1196
有意差あり。繰り返しによる差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 5 4.5454545 4.545455
30 15 13.6363636 18.181818
35 40 36.3636364 54.545455
40 28 25.4545455 80.000000
45 14 12.7272727 92.727273
50 6 5.4545455 98.181818
55 1 0.9090909 99.090909
60 1 0.9090909 100.000000
>
73:名無しに影響はない(栃木県)
12/04/15 12:17:18.74 T3LGXiu9
2. 試料
x <- c(33, 35, 48, 40, 33, 48, 39, 27, 49, 43, 41, 39, 31, 49, 44, 47, 46, 48, 25, 47, 37, 41, 33, 58, 64, 60, 51, 42, 49, 36, 45 ,
35, 37, 42, 45, 34, 35, 53, 42, 41, 43, 38, 48, 46, 45, 49, 36, 38, 43, 40, 47, 38, 38, 41, 41, 38, 40, 35, 37, 50, 44, 54, 51)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x) [1] 42.4127
> var(x) [1] 55.3108
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.1977, 第1自由度 = 1, 第2自由度 = 61, P値 = 0.6582
有意ではない。繰り返しによる差異は不明。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 7.112, 自由度 = 1, P値 = 0.007657
有意。繰り返しによる分散の差異があり先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.1948, 第1自由度 = 1.000, 第2自由度 = 49.295, P値 = 0.6609
有意。繰り返しによる差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 2 3.174603 3.174603
30 5 7.936508 11.111111
35 16 25.396825 36.507937
40 16 25.396825 61.904762
45 16 25.396825 87.301587
50 5 7.936508 95.238095
55 1 1.587302 96.825397
60 2 3.174603 100.000000
>
74:名無しに影響はない(栃木県)
12/04/15 12:17:42.26 T3LGXiu9
試料とバックグラウンドの比較
1. BG
gr1 <- c(25, 37, 46, 41, 38, 38, 46, 36, 43, 36, 47, 40, 34, 28, 44, 52, 38, 37, 35, 37, 25, 30, 32, 35, 38, 37, 40, 52, 42, 40, 33 ,
53, 42, 46, 38, 41, 33, 56, 37, 45, 39, 40, 37, 47, 42, 35, 36, 37, 43, 44, 36, 49, 41, 41, 39, 42, 25, 44, 37, 49, 40, 54, 31, 48, 38, 37, 50, 41, 32, 36, 38, 36, 63 ,
39, 37, 36, 48, 45, 34, 30, 41, 31, 35, 35, 34, 43, 28, 36, 43, 44, 34, 32, 48, 43, 47, 49, 38, 41, 39, 40, 44, 38, 37, 32, 38, 39, 39, 34, 42, 52)
> mean(x) [1] 39.68182
> var(x) [1] 44.21893
2. 試料
gr2 <- c(33, 35, 48, 40, 33, 48, 39, 27, 49, 43, 41, 39, 31, 49, 44, 47, 46, 48, 25, 47, 37, 41, 33, 58, 64, 60, 51, 42, 49, 36, 45 ,
35, 37, 42, 45, 34, 35, 53, 42, 41, 43, 38, 48, 46, 45, 49, 36, 38, 43, 40, 47, 38, 38, 41, 41, 38, 40, 35, 37, 50, 44, 54, 51)
> mean(x) [1] 42.4127
> var(x) [1] 55.3108
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = -2.4885, 自由度 = 171, P値 = 0.01378
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -4.8970633 -0.5646971
標本推定値:
平均値x 平均値y
39.68182 42.41270
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -2.4138, 自由度 = 117.735, P値 = 0.01733
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -4.9713019 -0.4904585
標本推定値:
平均値x 平均値y
39.68182 42.41270
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.7995, 第1自由度 = 109, 第2自由度 = 62, P値 = 0.3069
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.5057011 1.2296866
標本推定値:
分散比
0.7994628
試料とBGとの差異がある。
>
３. 補足コメント
.4 - 39.7 = 2.7 CPM
2.7 * 0.47 = 1.3 Bq
容積が、15 * 10 * 2 cm , 面積あたりの重さが 0.28 g/cm なので、底面の半径 7.42 cm、上面の半径 4.14cm 高さ 2cm 円錐台全体(216cm3)が受光範囲で、試料による吸収がないとする。
比重が 40 / (15*10*2) = 0.13 g/cm3 だから、円錐台の質量は 28.8g。よって1kgあたりの線量は
1.3 * 1000 / 29 = 45 Bq/kg
75:名無しに影響はない(栃木県)
12/04/15 16:31:16.62 FM+psz0R
１．測定対象
「富良野産玉葱(輪切り下8mmの乾燥 12.0g)」の分析
２．測定結果
まずは生データ
1. n=31 BG
x <- c(47, 33, 47, 37, 35, 42, 44, 42, 42, 35, 55, 43, 44, 34, 33, 45, 37, 36, 37, 44, 43, 41, 32, 42, 32, 39, 33, 44, 43, 38, 45)
> mean(x)
[1] 40.12903
> var(x)
[1] 29.64946
2. n=34 試料
x <- c(54, 36, 60, 46, 40, 61, 63, 41, 50, 40, 52, 52, 45, 55, 56, 45, 50, 50, 60, 47, 56, 50, 51, 49, 51, 51, 62, 37, 43, 45, 38, 45, 49, 49)
> mean(x)
[1] 49.38235
> var(x)
[1] 51.87968
3. n=31 BG
x <- c(41, 53, 43, 47, 41, 42, 49, 50, 37, 40, 36, 32, 34, 45, 44, 38, 37, 40, 38, 46, 39, 33, 46, 36, 37, 40, 39, 44, 47, 48, 37)
> mean(x)
[1] 41.25806
> var(x)
[1] 27.79785
4. n=32 試料
x <- c(40, 54, 40, 55, 45, 49, 40, 53, 36, 57, 40, 39, 60, 50, 43, 38, 52, 59, 59, 43, 63, 38, 34, 47, 47, 37, 38, 35, 54, 55, 40, 46)
> mean(x)
[1] 46.4375
> var(x)
[1] 71.80242
5. n=31 BG
x <- c(40, 34, 42, 39, 41, 35, 42, 43, 50, 40, 50, 38, 47, 38, 36, 38, 40, 42, 34, 47, 44, 46, 39, 37, 29, 41, 35, 34, 45, 46, 40)
> mean(x)
[1] 40.3871
> var(x)
[1] 24.91183
76:名無しに影響はない(栃木県)
12/04/15 16:33:00.19 FM+psz0R
４. データ貼り付け
全体の分析
x <- c(47, 33, 47, 37, 35, 42, 44, 42, 42, 35, 55, 43, 44, 34, 33, 45, 37, 36, 37, 44, 43, 41, 32, 42, 32, 39, 33, 44, 43, 38, 45 ,
54, 36, 60, 46, 40, 61, 63, 41, 50, 40, 52, 52, 45, 55, 56, 45, 50, 50, 60, 47, 56, 50, 51, 49, 51, 51, 62, 37, 43, 45, 38, 45, 49, 49 ,
41, 53, 43, 47, 41, 42, 49, 50, 37, 40, 36, 32, 34, 45, 44, 38, 37, 40, 38, 46, 39, 33, 46, 36, 37, 40, 39, 44, 47, 48, 37 ,
40, 54, 40, 55, 45, 49, 40, 53, 36, 57, 40, 39, 60, 50, 43, 38, 52, 59, 59, 43, 63, 38, 34, 47, 47, 37, 38, 35, 54, 55, 40, 46 ,
40, 34, 42, 39, 41, 35, 42, 43, 50, 40, 50, 38, 47, 38, 36, 38, 40, 42, 34, 47, 44, 46, 39, 37, 29, 41, 35, 34, 45, 46, 40)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x)
[1] 43.6478
> var(x)
[1] 54.84985
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 13.5625, 第1自由度 = 4, 第2自由度 = 154, P値 = 1.704e-09
有意。群別の差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 13.3107, 自由度 = 4, P値 = 0.009854
有意。先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 12.4487, 第1自由度 = 4.000, 第2自由度 = 76.685, P値 = 7.49e-08
有意。群別の差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 1 0.6289308 0.6289308
30 13 8.1761006 8.8050314
35 37 23.2704403 32.0754717
40 43 27.0440252 59.1194969
45 30 18.8679245 77.9874214
50 19 11.9496855 89.9371069
55 9 5.6603774 95.5974843
60 7 4.4025157 100.0000000
>
77:名無しに影響はない(栃木県)
12/04/15 16:33:24.13 FM+psz0R
BGと試料の比較
x <- c(47, 33, 47, 37, 35, 42, 44, 42, 42, 35, 55, 43, 44, 34, 33, 45, 37, 36, 37, 44, 43, 41, 32, 42, 32, 39, 33, 44, 43, 38, 45 ,
54, 36, 60, 46, 40, 61, 63, 41, 50, 40, 52, 52, 45, 55, 56, 45, 50, 50, 60, 47, 56, 50, 51, 49, 51, 51, 62, 37, 43, 45, 38, 45, 49, 49 ,
41, 53, 43, 47, 41, 42, 49, 50, 37, 40, 36, 32, 34, 45, 44, 38, 37, 40, 38, 46, 39, 33, 46, 36, 37, 40, 39, 44, 47, 48, 37 ,
40, 54, 40, 55, 45, 49, 40, 53, 36, 57, 40, 39, 60, 50, 43, 38, 52, 59, 59, 43, 63, 38, 34, 47, 47, 37, 38, 35, 54, 55, 40, 46 ,
40, 34, 42, 39, 41, 35, 42, 43, 50, 40, 50, 38, 47, 38, 36, 38, 40, 42, 34, 47, 44, 46, 39, 37, 29, 41, 35, 34, 45, 46, 40)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 49.9886, 第1自由度 = 1, 第2自由度 = 157, P値 = 4.786e-11
有意。バックグラウンドと試料との差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 13.6218, 自由度 = 1, P値 = 0.0002236
有意。先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 43.6323, 第1自由度 = 1.000, 第2自由度 = 104.015, P値 = 1.721e-09
有意。バックグラウンドと試料との差異がある。
>
78:名無しに影響はない(栃木県)
12/04/15 16:33:47.68 FM+psz0R
繰り返しによる影響
1. n = 93 BG 繰り返し数 =3
x <- c( 47, 33, 47, 37, 35, 42, 44, 42, 42, 35, 55, 43, 44, 34, 33, 45, 37, 36, 37, 44, 43, 41, 32, 42, 32, 39, 33, 44, 43, 38, 45 ,
41, 53, 43, 47, 41, 42, 49, 50, 37, 40, 36, 32, 34, 45, 44, 38, 37, 40, 38, 46, 39, 33, 46, 36, 37, 40, 39, 44, 47, 48, 37 ,
40, 34, 42, 39, 41, 35, 42, 43, 50, 40, 50, 38, 47, 38, 36, 38, 40, 42, 34, 47, 44, 46, 39, 37, 29, 41, 35, 34, 45, 46, 40)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 40.5914
> var(x)
[1] 27.0921
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.3952, 第1自由度 = 2, 第2自由度 = 90, P値 = 0.6747
有意ではない。繰り返しによる差異は不明。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 0.2272, 自由度 = 2, P値 = 0.8926
有意ではない。先の分散分析は有効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.3813, 第1自由度 = 2.000, 第2自由度 = 59.921, P値 = 0.6846
有意ではない。繰り返しによる差異は不明。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 1 1.075269 1.075269
30 12 12.903226 13.978495
35 27 29.032258 43.010753
40 32 34.408602 77.419355
45 16 17.204301 94.623656
50 4 4.301075 98.924731
55 1 1.075269 100.000000
>
79:名無しに影響はない(栃木県)
12/04/15 16:34:12.23 FM+psz0R
2. n = 66 試料 繰り返し数 =2
x <- c( 54, 36, 60, 46, 40, 61, 63, 41, 50, 40, 52, 52, 45, 55, 56, 45, 50, 50, 60, 47, 56, 50, 51, 49, 51, 51, 62, 37, 43, 45, 38, 45, 49, 49 ,
40, 54, 40, 55, 45, 49, 40, 53, 36, 57, 40, 39, 60, 50, 43, 38, 52, 59, 59, 43, 63, 38, 34, 47, 47, 37, 38, 35, 54, 55, 40, 46)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 47.95455
> var(x)
[1] 62.78252
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 2.3234, 第1自由度 = 1, 第2自由度 = 64, P値 = 0.1324
有意。繰り返しによる差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 0.8303, 自由度 = 1, P値 = 0.3622
有意。先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 2.3005, 第1自由度 = 1.000, 第2自由度 = 60.999, P値 = 0.1345
有意。繰り返しによる差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
30 1 1.515152 1.515152
35 10 15.151515 16.666667
40 11 16.666667 33.333333
45 14 21.212121 54.545455
50 15 22.727273 77.272727
55 8 12.121212 89.393939
60 7 10.606061 100.000000
>
80:名無しに影響はない(栃木県)
12/04/15 16:35:15.38 FM+psz0R
BGと試料の比較
1. n = 93 BG 繰り返し数 =3
gr1 <- c( 47, 33, 47, 37, 35, 42, 44, 42, 42, 35, 55, 43, 44, 34, 33, 45, 37, 36, 37, 44, 43, 41, 32, 42, 32, 39, 33, 44, 43, 38, 45 ,
41, 53, 43, 47, 41, 42, 49, 50, 37, 40, 36, 32, 34, 45, 44, 38, 37, 40, 38, 46, 39, 33, 46, 36, 37, 40, 39, 44, 47, 48, 37 ,
40, 34, 42, 39, 41, 35, 42, 43, 50, 40, 50, 38, 47, 38, 36, 38, 40, 42, 34, 47, 44, 46, 39, 37, 29, 41, 35, 34, 45, 46, 40)
> mean(x)
[1] 40.5914
> var(x)
[1] 27.0921
2. n = 66 試料 繰り返し数 =2
gr2 <- c( 54, 36, 60, 46, 40, 61, 63, 41, 50, 40, 52, 52, 45, 55, 56, 45, 50, 50, 60, 47, 56, 50, 51, 49, 51, 51, 62, 37, 43, 45, 38, 45, 49, 49 ,
40, 54, 40, 55, 45, 49, 40, 53, 36, 57, 40, 39, 60, 50, 43, 38, 52, 59, 59, 43, 63, 38, 34, 47, 47, 37, 38, 35, 54, 55, 40, 46)
> mean(x)
[1] 47.95455
> var(x)
[1] 62.78252
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = -7.0703, 自由度 = 157, P値 = 4.786e-11
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -9.420160 -5.306135
標本推定値:
平均値x 平均値y
40.59140 47.95455
有意。試料とバックグラウンドに差異がある
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -6.6055, 自由度 = 104.015, P値 = 1.721e-09
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -9.573642 -5.152653
標本推定値:
平均値x 平均値y
40.59140 47.95455
有意。試料とバックグラウンドに差異がある
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.4315, 第1自由度 = 92, 第2自由度 = 65, P値 = 0.000212
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.2720116 0.6724900
標本推定値:
分散比
0.431523
有意。分散に違いがあるので、（Welchの方法）を使用する。
>
81:名無しに影響はない(栃木県)
12/04/15 16:36:05.88 FM+psz0R
３. 補足コメント
48.0 - 40.6 = 7.4 CPM
インスペクターの計数値からの換算計数は 0.47 Bq/CPM であるから、測定した試料の線量は
7.4 * 0.47 = 3.5 Bq
乾燥タマネギ1kgあたりでは、
3.5 * 1000 / 12.0 = 290 Bq/kg
タマネギは 89%の水分を含むから、生タマネギあたりでは
290 * 11 / 1000 = 3.09 Bg/kg
K:150mg/100g( URLﾘﾝｸ(www.eiyoukeisan.com) )
より、150 * 10 = 1500 mg, カリウムは 3.09 Bq/100mgであるから
15 * 3.09 = 46.3 Bq/kg のカリウムの放射能を含む。
栄養成分として含まれているはずのカリウムの分の線量が含まれていないから、乾燥時に(捨てた外側の)紙に吸い取られるなどで放射性成分が失われている。
試料の度数分布をみると、大まかに見て、35,45,55cpmをピークとする3つの山がある。
バックグラウンドの度数分布を見ると、35-40にピークがある。試料の35のピークを薄い試料によってバックグラウンドの一部が減衰したものと考えれば、45と55の2つのピークがある。
45 - 41 = 4, 4 * 0.47 = 2, 2 * 1000 / 12.0 = 166, 166 * 11/1000 = 1.8
55 - 41 = 14, 14 * 0.47 = 7, 7 * 1000 / 12.0 = 583, 583 * 11/1000 = 6.4
55のピークがカリウムのピークだとすると、45のピークがセシウムなどのピーク
あるいは、その逆となる。前者の考えに立ち、46.3Bq/kg のカリウムが6.4Bq/kgに乾燥によって失われたと解釈すると、
有効桁１桁で考えるならば、約1/10に消失している。セシウムとカリウムの消失を同程度と考えるならば、1.8*(46.3/6.4)=13 Bq/kgのセシウムが存在することとなる。
試料だけ考えるならば６６個合計１時間の測定で、有効桁を２桁にするならば１６時間程度の測定が必要である。
それだけの測定を考えずに、以上の結果をみれば、セシウム等の汚染は 2-20Bq/kg 程度と考えられる。
北海道産タマネギ 15Bq/kg という情報(板名忘却)が案外正確かもしれない。
URLﾘﾝｸ(www.kobakuri.jp) カリウムを除去する調理方法。
82:名無しに影響はない(やわらか銀行)
12/04/15 19:28:55.93 WPWrgZ9m
まとめ
１．測定対象 栃木県産 ふきのとう 19g
２．測定結果 28 Bq/kg （BG: 38.46939, 試料: 66.87692 CPM ）
１．測定対象 JヌードルコーポレーションBK こだわりの熟成 20g
２．測定結果 0Bq/kg
１．測定対象 栃木県産 乾燥椎茸
２．測定結果 1000 Bq/kg
１．測定対象 カットわかめ 2012.12.17 中国原産 KKジャパンスパイス」
２．測定結果 45 Bq/kg
１．測定対象 富良野産玉葱 12g
２．測定結果 2-20Bq/kg Bq/kg （カリウムを除いたベクレル数）
83:名無しに影響はない(やわらか銀行)
12/04/15 19:47:04.42 WPWrgZ9m
まとめの訂正、全スレの分のまとめもお願いします。
椎茸は危険ですね。西日本の椎茸も汚染おがくずを使っている可能性があるため危険だと思います。
魚の骨にストロンチウムが含まれているようです。
北海道の玉ねぎが汚染していますが、この汚染マップが正しいということがわかりました。
URLﾘﾝｸ(www.zakzak.co.jp)
群馬大学御用学者の汚染マップはやはり信用できません。
URLﾘﾝｸ(savechild.net)
84:名無しに影響はない(やわらか銀行)
12/04/15 21:05:44.76 WPWrgZ9m
インスペクター＋ トータルタイマーモード 5分間カウント数
１．測定対象 たばこ４月１４日購入 LARK 3mg ショート １本分のタバコ葉
直付け ビニルで保護
２．測定結果 ５分カウント数 ２回測定
バックグランド 198, 200
たばこ１本分の葉 264, 270
85:名無しに影響はない(東京都)
12/04/15 23:55:28.19 Lt2uu9Le
>>84
日本製のタバコはどうなんだろう？
86:名無しに影響はない(やわらか銀行)
12/04/16 01:16:48.50 WNDas8Rw
>>85
タバコにはもともとα核種のポロニウム210が含まれている。
汚染タバコ葉は４月から流通しているらしい。
URLﾘﾝｸ(prepper.blog.fc2.com)
日本製たばこのピースやホープは２００円くらいなので機会があれば測ってみたい。
ショッピングセンターなどにある喫煙所の空気清浄機フィルターは大丈夫だろうか？
１０万ベクレル/kgとか検出されそうで怖い。
87:名無しに影響はない(栃木県)
12/04/16 19:48:34.35 r+ypAm4W
>>83
私の測定値の査読ってことで。
CPMからBqへの換算にはいろいろ問題があり、ご指摘があれば、
それでよいかと思います。
私としては、まとめる気はありません。
88:名無しに影響はない(栃木県)
12/04/16 20:57:58.32 r+ypAm4W
１．測定対象
「栃木産菜の花 (40度４日間乾燥, 自家栽培) 10cm*12cm*3cm 38.2g, 比重 0.1g/cm3, 0.31g/cm2」の測定
備考: 水分 88% URLﾘﾝｸ(foodslink.jp)
２．測定結果
まずは生データ。
1. n=38 BG
x <- c(49, 43, 46, 44, 39, 43, 27, 47, 49, 41, 47, 44, 41, 42, 35, 54, 39, 53, 40, 43, 43, 39, 46, 45, 31, 43, 42, 42, 39, 51, 52, 43, 33, 42, 37, 40, 55, 43)
> mean(x)
[1] 42.94737
> var(x)
[1] 35.99716
2. n=30 試料
x <- c(72, 75, 65, 73, 78, 83, 76, 79, 67, 82, 81, 52, 76, 79, 94, 85, 91, 75, 80, 82, 75, 92, 81, 67, 86, 58, 88, 72, 81, 61)
> mean(x)
[1] 76.86667
> var(x)
[1] 96.32644
3. n=31 BG
x <- c(43, 43, 36, 28, 35, 47, 39, 42, 62, 45, 38, 29, 32, 46, 46, 42, 34, 42, 41, 42, 46, 34, 51, 55, 51, 44, 41, 35, 45, 36, 43)
> mean(x)
[1] 41.70968
> var(x)
[1] 53.87957
4. n=30 試料
x <- c(60, 78, 72, 92, 81, 73, 76, 75, 85, 93, 92, 73, 67, 76, 76, 74, 79, 89, 82, 74, 79, 62, 89, 97, 65, 74, 76, 70, 82, 78)
> mean(x)
[1] 77.96667
> var(x)
[1] 82.92989
5. n=30 BG
x <- c(41, 51, 42, 42, 41, 52, 47, 43, 36, 42, 49, 42, 48, 34, 46, 42, 50, 42, 50, 28, 39, 44, 36, 39, 48, 39, 45, 53, 49, 52)
> mean(x)
[1] 43.73333
> var(x)
[1] 35.37471
>
89:名無しに影響はない(栃木県)
12/04/16 20:58:21.10 r+ypAm4W
４. データ貼り付け
全体の分析
x <- c(49, 43, 46, 44, 39, 43, 27, 47, 49, 41, 47, 44, 41, 42, 35, 54, 39, 53, 40, 43, 43, 39, 46, 45, 31, 43, 42, 42, 39, 51, 52, 43, 33, 42, 37, 40, 55, 43 ,
72, 75, 65, 73, 78, 83, 76, 79, 67, 82, 81, 52, 76, 79, 94, 85, 91, 75, 80, 82, 75, 92, 81, 67, 86, 58, 88, 72, 81, 61 ,
43, 43, 36, 28, 35, 47, 39, 42, 62, 45, 38, 29, 32, 46, 46, 42, 34, 42, 41, 42, 46, 34, 51, 55, 51, 44, 41, 35, 45, 36, 43 ,
60, 78, 72, 92, 81, 73, 76, 75, 85, 93, 92, 73, 67, 76, 76, 74, 79, 89, 82, 74, 79, 62, 89, 97, 65, 74, 76, 70, 82, 78 ,
41, 51, 42, 42, 41, 52, 47, 43, 36, 42, 49, 42, 48, 34, 46, 42, 50, 42, 50, 28, 39, 44, 36, 39, 48, 39, 45, 53, 49, 52)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x)
[1] 55.86164
> var(x)
[1] 341.9428
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 188.2669, 第1自由度 = 4, 第2自由度 = 154, P値 < 2.2e-16
有意。郡による差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 13.0402, 自由度 = 4, P値 = 0.01108
有意。先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 154.0547, 第1自由度 = 4.000, 第2自由度 = 74.291, P値 < 2.2e-16
有意。郡による差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 4 2.5157233 2.515723
30 6 3.7735849 6.289308
35 17 10.6918239 16.981132
40 37 23.2704403 40.251572
45 20 12.5786164 52.830189
50 13 8.1761006 61.006289
55 3 1.8867925 62.893082
60 4 2.5157233 65.408805
65 5 3.1446541 68.553459
70 10 6.2893082 74.842767
75 17 10.6918239 85.534591
80 10 6.2893082 91.823899
85 6 3.7735849 95.597484
90 6 3.7735849 99.371069
95 1 0.6289308 100.000000
>
90:名無しに影響はない(栃木県)
12/04/16 20:58:42.92 r+ypAm4W
BGと試料の比較
x <- c(49, 43, 46, 44, 39, 43, 27, 47, 49, 41, 47, 44, 41, 42, 35, 54, 39, 53, 40, 43, 43, 39, 46, 45, 31, 43, 42, 42, 39, 51, 52, 43, 33, 42, 37, 40, 55, 43 ,
72, 75, 65, 73, 78, 83, 76, 79, 67, 82, 81, 52, 76, 79, 94, 85, 91, 75, 80, 82, 75, 92, 81, 67, 86, 58, 88, 72, 81, 61 ,
43, 43, 36, 28, 35, 47, 39, 42, 62, 45, 38, 29, 32, 46, 46, 42, 34, 42, 41, 42, 46, 34, 51, 55, 51, 44, 41, 35, 45, 36, 43 ,
60, 78, 72, 92, 81, 73, 76, 75, 85, 93, 92, 73, 67, 76, 76, 74, 79, 89, 82, 74, 79, 62, 89, 97, 65, 74, 76, 70, 82, 78 ,
41, 51, 42, 42, 41, 52, 47, 43, 36, 42, 49, 42, 48, 34, 46, 42, 50, 42, 50, 28, 39, 44, 36, 39, 48, 39, 45, 53, 49, 52)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 759.5479, 第1自由度 = 1, 第2自由度 = 157, P値 < 2.2e-16
有意。試料とバックグラウンドに差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 11.0959, 自由度 = 1, P値 = 0.0008652
有意。先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 634.1662, 第1自由度 = 1.000, 第2自由度 = 92.587, P値 < 2.2e-16
有意。試料とバックグラウンドに差異がある。
91:名無しに影響はない(栃木県)
12/04/16 20:59:03.52 r+ypAm4W
繰り返しによる影響
1. n = 99 BG 繰り返し数 =3
x <- c( 49, 43, 46, 44, 39, 43, 27, 47, 49, 41, 47, 44, 41, 42, 35, 54, 39, 53, 40, 43, 43, 39, 46, 45, 31, 43, 42, 42, 39, 51, 52, 43, 33, 42, 37, 40, 55, 43 ,
43, 43, 36, 28, 35, 47, 39, 42, 62, 45, 38, 29, 32, 46, 46, 42, 34, 42, 41, 42, 46, 34, 51, 55, 51, 44, 41, 35, 45, 36, 43 ,
41, 51, 42, 42, 41, 52, 47, 43, 36, 42, 49, 42, 48, 34, 46, 42, 50, 42, 50, 28, 39, 44, 36, 39, 48, 39, 45, 53, 49, 52)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 42.79798
> var(x)
[1] 41.20367
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.7707, 第1自由度 = 2, 第2自由度 = 96, P値 = 0.4655
有意。繰り返しによる差異がある。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 1.7998, 自由度 = 2, P値 = 0.4066
有意。先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.6947, 第1自由度 = 2.000, 第2自由度 = 61.314, P値 = 0.5031
有意。繰り返しによる差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 4 4.040404 4.040404
30 6 6.060606 10.101010
35 17 17.171717 27.272727
40 37 37.373737 64.646465
45 20 20.202020 84.848485
50 12 12.121212 96.969697
55 2 2.020202 98.989899
60 1 1.010101 100.000000
>
92:名無しに影響はない(栃木県)
12/04/16 20:59:24.34 r+ypAm4W
2. n = 60 試料 繰り返し数 =2
x <- c( 72, 75, 65, 73, 78, 83, 76, 79, 67, 82, 81, 52, 76, 79, 94, 85, 91, 75, 80, 82, 75, 92, 81, 67, 86, 58, 88, 72, 81, 61 ,
60, 78, 72, 92, 81, 73, 76, 75, 85, 93, 92, 73, 67, 76, 76, 74, 79, 89, 82, 74, 79, 62, 89, 97, 65, 74, 76, 70, 82, 78)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 77.41667
> var(x)
[1] 88.41667
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.2025, 第1自由度 = 1, 第2自由度 = 58, P値 = 0.6544
有意ではない。繰り返しによる差異は不明。
> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）
データ: x と g
バートレットのK二乗値 = 0.1597, 自由度 = 1, P値 = 0.6895
有意。先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.2025, 第1自由度 = 1.000, 第2自由度 = 57.678, P値 = 0.6544
有意ではない。繰り返しによる差異は不明。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
50 1 1.666667 1.666667
55 1 1.666667 3.333333
60 3 5.000000 8.333333
65 5 8.333333 16.666667
70 10 16.666667 33.333333
75 17 28.333333 61.666667
80 10 16.666667 78.333333
85 6 10.000000 88.333333
90 6 10.000000 98.333333
95 1 1.666667 100.000000
>
93:名無しに影響はない(栃木県)
12/04/16 20:59:56.24 r+ypAm4W
BGと試料の比較
1. n = 99 BG 繰り返し数 =3
gr1 <- c( 49, 43, 46, 44, 39, 43, 27, 47, 49, 41, 47, 44, 41, 42, 35, 54, 39, 53, 40, 43, 43, 39, 46, 45, 31, 43, 42, 42, 39, 51, 52, 43, 33, 42, 37, 40, 55, 43 ,
43, 43, 36, 28, 35, 47, 39, 42, 62, 45, 38, 29, 32, 46, 46, 42, 34, 42, 41, 42, 46, 34, 51, 55, 51, 44, 41, 35, 45, 36, 43 ,
41, 51, 42, 42, 41, 52, 47, 43, 36, 42, 49, 42, 48, 34, 46, 42, 50, 42, 50, 28, 39, 44, 36, 39, 48, 39, 45, 53, 49, 52)
> mean(x)
[1] 42.79798
> var(x)
[1] 41.20367
2. n = 60 試料 繰り返し数 =2
gr2 <- c( 72, 75, 65, 73, 78, 83, 76, 79, 67, 82, 81, 52, 76, 79, 94, 85, 91, 75, 80, 82, 75, 92, 81, 67, 86, 58, 88, 72, 81, 61 ,
60, 78, 72, 92, 81, 73, 76, 75, 85, 93, 92, 73, 67, 76, 76, 74, 79, 89, 82, 74, 79, 62, 89, 97, 65, 74, 76, 70, 82, 78)
> mean(x)
[1] 77.41667
> var(x)
[1] 88.41667
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = -27.5599, 自由度 = 157, P値 < 2.2e-16
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -37.09977 -32.13760
標本推定値:
平均値x 平均値y
42.79798 77.41667
有意。試料とバックグラウンドに差異がある。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -25.1827, 自由度 = 92.587, P値 < 2.2e-16
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -37.34874 -31.88864
標本推定値:
平均値x 平均値y
42.79798 77.41667
有意。試料とバックグラウンドに差異がある。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.466, 第1自由度 = 98, 第2自由度 = 59, P値 = 0.0008053
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.2901663 0.7287807
標本推定値:
分散比
0.466017
有意。分散に差異があるので、（Welchの方法）を使用する。
94:名無しに影響はない(栃木県)
12/04/16 21:00:19.48 r+ypAm4W
３. 補足コメント
77.4 - 42.8 = 34.6 CPM
34.6 * 0.47 = 16 Bq
全量から受光可能と仮定して、1kgあたりの線量は
16 * 1000 / 38.2 = 425 Bq/kg
水分量が 88%( URLﾘﾝｸ(foodslink.jp) )なので、
425 * (100-88) / 100 = 51 Bq/kg
カリウムが 3.9g/kg 含まれるので、この線量は 30.9 * 3.9 = 120 となるが、それだけの線量が出ていない。
なお、無肥料・無農薬栽培(自然に発芽するのに任せる)です。
栃木県産菜の花(自家栽培)の線量は 51 Bq/kg(カリウム込) となりました。
95:名無しに影響はない(やわらか銀行)
12/04/17 01:01:56.62 gdo7DFOg
すき家のお米は栃木県産だけど大丈夫かな。
牛丼つゆだくに紅しょうがをたっぷりかけて食うのがうまいんだよな。
96:名無しに影響はない(栃木県)
12/04/18 22:24:41.37 P0vYq4bh
３月にリクエストのあった、栃木産しいたけ。
収穫したのはいいのだが、臭くて臭くて、屋外で乾燥していたので測定が遅れました。
分量が多いので一部だけ
1. n=30 BG
x <- c(48, 43, 33, 45, 39, 42, 39, 34, 50, 30, 37, 40, 28, 32, 36, 47, 51, 51, 45, 41, 38, 45, 56, 38, 46, 31, 46, 42, 47, 43)
> mean(x) [1] 41.43333
> var(x) [1] 47.63333
2. n=40 試料
x <- c(63, 59, 64, 66, 66, 58, 47, 67, 54, 50, 63, 55, 51, 66, 51, 66, 52, 71, 61, 55, 69, 57, 57, 54, 50, 45, 54, 54, 47, 55, 54, 77, 62, 67, 60, 60, 60, 55, 52, 64)
> mean(x) [1] 58.45
> var(x) [1] 52.51026
3. n=43 BG
x <- c(36, 42, 46, 43, 35, 39, 38, 38, 45, 46, 50, 45, 40, 39, 52, 40, 40, 64, 31, 37, 46, 47, 45, 39, 39, 44, 34, 39, 44, 45, 41, 51, 45, 35, 34, 41, 36, 66, 36, 53, 27, 44, 46)
> mean(x) [1] 42.39535
> var(x) [1] 56.24474
4. n=30 試料
x <- c(61, 45, 62, 48, 44, 54, 53, 60, 49, 57, 58, 51, 42, 60, 57, 50, 57, 50, 64, 51, 48, 53, 60, 65, 49, 46, 57, 42, 55, 62)
> mean(x) [1] 53.66667
> var(x) [1] 43.54023
5. n=32 BG
x <- c(28, 38, 41, 41, 43, 38, 50, 42, 39, 38, 40, 36, 38, 41, 47, 46, 41, 44, 34, 60, 42, 38, 36, 52, 54, 48, 43, 45, 46, 39, 37, 42)
> mean(x) [1] 42.09375
> var(x) [1] 38.79738
6. n=30 試料(上側)
x <- c(65, 68, 60, 72, 62, 63, 73, 59, 67, 85, 56, 59, 61, 68, 65, 53, 70, 77, 53, 58, 69, 55, 61, 56, 80, 78, 61, 71, 82, 64)
> mean(x) [1] 65.7
> var(x) [1] 75.25172
7. n=45 試料(下側)
x <- c(67, 59, 54, 78, 70, 50, 53, 53, 61, 68, 45, 67, 64, 58, 57, 65, 72, 57, 51, 65, 64, 56, 60, 62, 55, 59, 64, 50, 70, 70, 66, 56, 65, 60, 57, 51, 68, 75, 74, 49, 67, 73, 58, 65, 56)
> mean(x) [1] 61.42222
> var(x) [1] 60.97677
8. n=31 BG
x <- c(54, 53, 51, 40, 41, 37, 39, 43, 30, 39, 49, 51, 46, 40, 31, 29, 44, 47, 50, 33, 40, 47, 48, 37, 40, 27, 45, 43, 32, 36, 41)
> mean(x) [1] 41.3871
> var(x) [1] 53.57849
97:名無しに影響はない(栃木県)
12/04/18 22:26:09.14 P0vYq4bh
1. n = 136 BG 繰り返し数 =4> mean(x)
[1] 41.88235
> var(x)
[1] 48.74161
2. n = 145 試料 繰り返し数 =4
> mean(x)
[1] 59.88276
> var(x)
[1] 73.18755
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = -19.2506, 自由度 = 279, P値 < 2.2e-16
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -19.84107 -16.15974
標本推定値:
平均値x 平均値y
41.88235 59.88276
有意。バックグラウンドと試料に差異がある。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -19.375, 自由度 = 273.833, P値 < 2.2e-16
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -19.82940 -16.17142
標本推定値:
平均値x 平均値y
41.88235 59.88276
有意。バックグラウンドと試料に差異がある。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.666, 第1自由度 = 135, 第2自由度 = 144, P値 = 0.01732
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.4775874 0.9303814
標本推定値:
分散比
0.6659823
有意。（Welchの方法）を使用する
>
59.9 - 41.9 = 18 CPM
18 * 0.47 = 24 Bq
24 * 1000 / 8.7 = 2700 Bq/kg
98:名無しに影響はない(栃木県)
12/04/18 22:26:54.95 P0vYq4bh
かさの裏表の比較
試料の裏表の比較
gr1 <- c( 65, 68, 60, 72, 62, 63, 73, 59, 67, 85, 56, 59, 61, 68, 65, 53, 70, 77, 53, 58, 69, 55, 61, 56, 80, 78, 61, 71, 82, 64)
gr2 <- c( 67, 59, 54, 78, 70, 50, 53, 53, 61, 68, 45, 67, 64, 58, 57, 65, 72, 57, 51, 65, 64, 56, 60, 62, 55, 59, 64, 50, 70, 70, 66, 56, 65, 60, 57, 51, 68, 75, 74, 49, 67, 73, 58, 65, 56)
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = 2.2231, 自由度 = 73, P値 = 0.02930
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: 0.4428004 8.1127552
標本推定値:
平均値x 平均値y
65.70000 61.42222
有意。試料の裏表に差異がある。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = 2.1764, 自由度 = 57.697, P値 = 0.03364
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: 0.3428404 8.2127152
標本推定値:
平均値x 平均値y
65.70000 61.42222
有意。試料の裏表に差異がある。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 1.2341, 第1自由度 = 29, 第2自由度 = 44, P値 = 0.5191
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.6437975 2.4796793
標本推定値:
分散比
1.234105
有意。（Welchの方法）を使用する
99:名無しに影響はない(やわらか銀行)
12/04/20 12:52:16.61 ZNpHA9Bc
まとめ２
１．測定対象 栃木産菜の花
２．測定結果 51 Bq/kg(カリウム込)
１．栃木産しいたけ
２．測定結果 2700 Bq/kg
100:名無しに影響はない(関東・甲信越)
12/04/21 00:21:16.37 ifb3jsWL
有為に差が出た試料を、
一度ベクミル辺りで追試して、数値の仮説を検証して欲しい。
101:名無しに影響はない(栃木県)
12/04/21 15:59:43.49 CgyuCsUB
>>100
しません。
するくらいならば、自分で最初から、食品用測定器を買います。
一番時間距離的に使い上野でも、上野駅まで下で２時間ぐらい、
上を使っても最近は1時間に１本だから、待ち時間を考えると同じくらいになてしまう。
車でも柏まで３時間ぐらいかかるから、結局１日仕事になってしまうし。
102:名無しに影響はない(栃木県)
12/04/21 16:06:19.70 CgyuCsUB
１．測定対象
虹色に鍋が光ったので、鍋の測定。
２．測定結果
最初に生データ。
x <- c(54, 40, 37, 50, 36, 37, 49, 40, 28, 51, 33, 32, 41, 39, 50, 44, 39, 41, 39, 48, 39, 40, 33, 49, 49, 42, 49, 55, 43, 55, 39,
33, 48, 31, 44, 46, 40, 43, 26, 52, 40, 30, 42, 39, 35, 41, 25, 36, 46, 49, 37, 35, 39, 43, 39, 52, 38, 42, 38, 39, 42, 33, 38, 41,
30, 46, 45, 48, 39, 39, 30, 46, 47, 38, 41, 33, 54, 44, 49, 35, 53, 40, 47, 36, 40, 56, 30, 47, 42, 33, 39, 33, 37, 48, 52, 35, 45,
37, 39, 44, 35, 42, 33, 47, 51, 38, 39, 45, 45, 40, 44, 41, 35, 45, 52, 43, 37, 29, 37, 44, 44, 45, 42, 52, 53, 54, 33, 41, 44, 46, 31)
> mean(x) [1] 41.42748
> var(x) [1] 46.47739
2. n=31 鍋
x <- c(44, 35, 38, 34, 40, 45, 30, 32, 35, 53, 31, 41, 44, 46, 30, 38, 52, 28, 47, 35, 46, 40, 33, 32, 30, 41, 37, 52, 43, 42, 49)
> mean(x) [1] 39.45161
> var(x) [1] 51.72258
3. n=31 BG
x <- c(31, 43, 27, 37, 27, 49, 46, 33, 53, 42, 29, 38, 46, 30, 38, 36, 46, 34, 44, 35, 35, 45, 33, 37, 38, 40, 32, 34, 42, 34, 34)
> mean(x) [1] 37.67742
> var(x) [1] 43.02581
4. n=32 鍋
x <- c(37, 38, 37, 38, 43, 36, 47, 39, 37, 41, 36, 47, 43, 24, 44, 33, 37, 48, 48, 29, 40, 38, 45, 44, 38, 43, 31, 24, 40, 37, 35, 36)
> mean(x) [1] 38.53125
> var(x) [1] 36.77319
5. n=30 BG
x <- c(46, 51, 55, 38, 36, 40, 38, 34, 36, 44, 26, 45, 33, 43, 40, 48, 42, 44, 32, 49, 34, 36, 42, 46, 30, 40, 40, 33, 37, 46)
> mean(x) [1] 40.13333
> var(x) [1] 43.70575
103:名無しに影響はない(栃木県)
12/04/21 16:15:25.17 CgyuCsUB
BGと試料の比較
1. n = 192 BG 繰り返し数 =3
gr1 <- c( 54, 40, 37, 50, 36, 37, 49, 40, 28, 51, 33, 32, 41, 39, 50, 44, 39, 41, 39, 48, 39, 40, 33, 49, 49, 42, 49, 55, 43,
55, 39, 33, 48, 31, 44, 46, 40, 43, 26, 52, 40, 30, 42, 39, 35, 41, 25, 36, 46, 49, 37, 35, 39, 43, 39, 52, 38, 42, 38, 39, 42,
33, 38, 41, 30, 46, 45, 48, 39, 39, 30, 46, 47, 38, 41, 33, 54, 44, 49, 35, 53, 40, 47, 36, 40, 56, 30, 47, 42, 33, 39, 33, 37,
48, 52, 35, 45, 37, 39, 44, 35, 42, 33, 47, 51, 38, 39, 45, 45, 40, 44, 41, 35, 45, 52, 43, 37, 29, 37, 44, 44, 45, 42, 52, 53, 54, 33, 41, 44, 46, 31 ,
31, 43, 27, 37, 27, 49, 46, 33, 53, 42, 29, 38, 46, 30, 38, 36, 46, 34, 44, 35, 35, 45, 33, 37, 38, 40, 32, 34, 42, 34, 34 ,
46, 51, 55, 38, 36, 40, 38, 34, 36, 44, 26, 45, 33, 43, 40, 48, 42, 44, 32, 49, 34, 36, 42, 46, 30, 40, 40, 33, 37, 46)
> mean(x) [1] 40.61979
> var(x) [1] 46.91751
2. n = 63 鍋 繰り返し数 =2
gr2 <- c( 44, 35, 38, 34, 40, 45, 30, 32, 35, 53, 31, 41, 44, 46, 30, 38, 52, 28, 47, 35, 46, 40, 33, 32, 30, 41, 37, 52, 43, 42, 49 ,
37, 38, 37, 38, 43, 36, 47, 39, 37, 41, 36, 47, 43, 24, 44, 33, 37, 48, 48, 29, 40, 38, 45, 44, 38, 43, 31, 24, 40, 37, 35, 36)
> mean(x) [1] 38.98413
> var(x) [1] 43.62878
> 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 = 1.659, 自由度 = 253, P値 = 0.09836
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -0.3060471 3.5773765
標本推定値:
平均値x 平均値y
40.61979 38.98413
有意。試料とBGに差がある。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = 1.6899, 自由度 = 109.066, P値 = 0.09391
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -0.2827217 3.5540511
標本推定値:
平均値x 平均値y
40.61979 38.98413
有意。試料とBG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 = 1.0754, 第1自由度 = 191, 第2自由度 = 62, P値 = 0.754
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.6998772 1.5830209
標本推定値:
分散比
1.07538
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
試料の方が低いので、含有放射線量は不明
全体として分布が偏ってくれれば、吸収だとわかるのですが
この度数分布ではわからない。
度数分布の違いから、何かあるな、とは見当つきますけど、それ以上は不明。
グラフを書いてみてください。「gr1 <- c(」を「x <- c(」と書き換えて、Rにコピー。「dosuu.bunpu(x, 5)」と入力すれば、度数分布が得られます。
104:名無しに影響はない(栃木県)
12/04/21 16:24:03.33 CgyuCsUB
バックグラエントの測定中にみかけた、異常な低値。
x <- c(26, 20, 10, 4, 9, 2, 13, 11, 6, 5, 4, 14, 5, 8, 3, 7, 8, 7, 8, 7, 7, 3, 8, 4, 6, 7, 11, 9, 7, 9, 7, 9)
多分、電池切れです。１２月末から約３ヶ月連続稼動した結果、３ヶ月と２週で電池が切れました。
105:名無しに影響はない(やわらか銀行)
12/04/21 18:00:46.74 X2Xuiszw
>>102
そういえば水道水をやかんで沸かす際に木炭を一緒にいれてたら虹色に変色したらしい。
その木炭を測定すれば汚染がわかるかもしれない。
東京都内の水道水に竹炭を入れてやかんで沸かしたいたところ、3ヶ月で虹色の物質が木炭に吸着されたとのこと。
また、「いまなら一ヶ月でこうなりますよ。」「去年3月・4月は車の窓がこんな感じなってた」との情報もあります。
URLﾘﾝｸ(2ch-dc.mine.nu)
URLﾘﾝｸ(2ch-dc.mine.nu)
URLﾘﾝｸ(2ch-dc.mine.nu)
URLﾘﾝｸ(2ch-dc.mine.nu)
URLﾘﾝｸ(2ch-dc.mine.nu)
106:名無しに影響はない(長屋)
12/04/21 21:17:20.50 JVFF1fql
>>105
それ、福島より前から起こってたじゃん。
107:名無しに影響はない(やわらか銀行)
12/04/21 22:04:21.31 X2Xuiszw
水道水の汚染を検出するためには、やかんに木炭を入れて沸かせの巻
99：名無しに影響はない(東京都)：2012/02/14(火) 17:39:00.01 ID:bW3M+xR6
3月フォールアウト後からの三ヶ月間使用は鮮やかな青(BLUE)でした。
同位体の半減期の関係か、次第に青色の析出物が消えています。
竹炭は硬く表面に光沢があるので析出すると金属風の色合いに見えます。
今現在は緑(GREEN)と赤(RED)が主要です。青色一色ではありません。
紫色は緑と赤が混じっている為と思われます。
水は利根川水系です。海洋汚染も河川が原因という研究結果はあるようです。
都内水道でこれだけ出ますので、汚染地域はもっと酷いと思います。
再現性はあるので、もし実験される場合は硬い木炭(竹炭、備長炭)を使い、
1時間程度煮沸＆水交換を一日７回行い、４日続けると約１ヶ月相当のモノが出来上がる
と思います。
108:名無しに影響はない(やわらか銀行)
12/04/21 22:06:07.17 X2Xuiszw
106：９９(東京都)：2012/02/15(水) 14:13:36.25 ID:mD1+JC8Y
レスどうもです。こうした現象は原発事故以前には皆無でした。
もっと長時間かけてミネラル成分が再結晶化する際も、白い粉のような結晶状態となり(水垢と呼ばれるものですが)、
それより短時間でこのような鮮やかな色にはならない。私には事故以降初めて目にする現象です。
当時東京の水は意外と安全なのだなあと納得してました。
この色は水洗い程度では落ちないです。匂いは無く、酢酸(食用酢)にはかろうじて溶けるようですが、非常に溶けにくい。
炭表面を削ると内部まで浸透しておらず表面だけにコーティングされているようです。
残念ながら私は化学分析の専門家ではなく、蛍光X線分析装置もないので詳細を調べる事はできません。
水のpHによる腐食問題があるとするなら水道水の水質基準を満たさないのかもしれませんが、
そのような水を配水して大丈夫なのでしょうか。
何れにせよ再現性があるので専門家に調査してもらいたい所です。
109:名無しに影響はない(やわらか銀行)
12/04/21 22:11:23.81 X2Xuiszw
比較として九州や海外のミネラルウォーターを、木炭入れてやかんで沸かせばよい。
虹色になるわけないけど。比較のため。
110:名無しに影響はない(WiMAX)
12/04/22 03:53:29.21 7i+uOerP
>>109
うちでは、ミネ水では虹色にならないことを確認してます。
111:名無しに影響はない(栃木県)
12/04/22 10:46:18.12 fyEWABLB
床付近(2012.04.21深夜から翌朝測定)と棚(h=85, 壁から30cm離れている, 2012.04.20深夜から翌朝測定)の比較。
分量が多いので平均値の差の検定のみ
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = 9.8567, 自由度 = 735.726, 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: 3.547352 5.311868
標本推定値:
平均値x 平均値y
40.91143 36.48182
有意。平均値に差がある。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 1.0775, 第1自由度 = 349, 第2自由度 = 439, P値 = 0.459
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.884023 1.316379
標本推定値:
分散比
1.077517
有意。分散に差異があるので（Welchの方法）を使用する。
>
インスペクターなので、334で除せば uSv/h に換算できる。
細かい内容は、
URLﾘﾝｸ(www.dotup.org)
URLﾘﾝｸ(www.dotup.org)
URLﾘﾝｸ(www.dotup.org)
参照。
複数の猫が深夜出入りしていて、ほこりを巻き上げている様子、
時間とともに沈着している様子がわかると思う。
猫による被害防止の為、測定器の上方に檻を置いたので、測定器付近にはほこりが沈着しない。
ライブラリ QCCの使い方については、下記を参照。
URLﾘﾝｸ(www.ec.kansai-u.ac.jp)
URLﾘﾝｸ(www.e.okayama-u.ac.jp)
URLﾘﾝｸ(www.biwako.shiga-u.ac.jp)
112:名無しに影響はない(東京都)
12/04/22 12:38:04.02 9LJ+e4+p
>>109
線量測ってから言えよ
こんなのは初めてだーとかいい加減などうでもいい話もってくんじゃねーよヴォケが
騒ぐならテメーで分析してから言いやがれカス
113:名無しに影響はない(やわらか銀行)
12/04/22 12:48:22.01 0JmnE7E0
やかんに木炭入れて沸かすと、木炭に放射性物質が吸着するのではないか。
水道水以外でも牛乳やジュースなどで試してみる価値がある。
液体そのものを測定することは無理だが、木炭に放射性物質を吸着させれば簡単に測定できそうだ。
液体の汚染を検出するには、やかんに木炭を入れて沸かせの巻 完
114:名無しに影響はない(東京都)
12/04/22 12:52:47.40 xGt3q0UC
放射性物質は目視で分かるような量は決して存在しない。
そんなにあったら即死級だ。
あくまでも線量計でのみその存在を知ることができる。
115:名無しに影響はない(やわらか銀行)
12/04/22 12:56:04.55 0JmnE7E0
原子力ムラの人間が怒っているようです。
水道水の汚染を測ると都合が悪いようです。どんどん測りましょう。
液体の汚染を測るには、木炭をやかんにいれて沸かしましょう。
もし実験される場合は硬い木炭(竹炭、備長炭)を使い、
1時間程度煮沸＆水交換を一日７回行い、４日続けると約１ヶ月相当のモノが出来上がる
と思います。
116:名無しに影響はない(やわらか銀行)
12/04/22 13:01:24.29 0JmnE7E0
虹色の木炭の測り方
インスペクター＋のタイマーモードで測りましょう。
バックグラウンド（何もない状態）で10分、虹色の木炭表面を10分測りましょう。（2センチ程度に近づけて）
カウント数に差があれば放射性物質です。20分、30分と測るとより正確です。
虹色の木炭とマイカ窓の間にコピー用紙を一枚挟んでください。
数値が減ったらアルファ線（プルトニウム）です。
117:名無しに影響はない(東京都)
12/04/22 13:06:47.54 9LJ+e4+p
さっさと数値を出せよクソが
なーにが変色したーだヴァーカ
放射脳はさっさと死ね クソキチガイが
118:名無しに影響はない(やわらか銀行)
12/04/22 13:35:56.29 0JmnE7E0
原子力ムラの人間が必死すぎ。
虹色木炭の汚染はYOUTUBEで世界中に配信したほうがいいな。
119:名無しに影響はない(やわらか銀行)
12/04/22 13:37:48.34 0JmnE7E0
原子力ムラの人間は、虹色木炭を食べてもただちに影響はないとか言いそうだな。
てか１レスでいくらもらっているんだ？20円くらい？
120:名無しに影響はない(東京都)
12/04/22 13:38:00.81 xGt3q0UC
インスペスレなのに、まだインスペで測ってないの？
121:名無しに影響はない(東京都)
12/04/22 13:42:22.15 9LJ+e4+p
とっととインスペで計測してる動画うｐしろよクズが
122:名無しに影響はない(内モンゴル自治区)
12/04/22 15:54:55.51 lPrBPHyC
トンキン怒りの内部被爆wwツルピカドンwww
123:名無しに影響はない(栃木県)
12/04/22 16:49:05.68 fyEWABLB
１．測定対象
タマノイ穀物酢 2013.12.16
酢酸発酵 URLﾘﾝｸ(ja.wikipedia.org)
C2H5OH + O2 → CH3COOH + H2O
分子量 46 32 60 18
アルコール発酵 URLﾘﾝｸ(ja.wikipedia.org)
C6H12O6 → 2 C2H5OH + 2 CO2
分子量 180 2*46 2*44
よって、炭水化物からの酢酸の収率は 66%
米 100g あたり75gの炭水化物を含む。URLﾘﾝｸ(genmaiyanogensan.web.fc2.com)
よって100gの米より 50gの酢酸が合成される。
穀物酢は酢酸4.2%( URLﾘﾝｸ(www.tamanoi.co.jp) )だから、米100gあたり1.2リットルの酢が製造される。
米 100gあたり、88-230mgのカリウムが含まれるの( URLﾘﾝｸ(genmaiyanogensan.web.fc2.com) )で、
食酢の比重を1.0(1.01-0.05 程度を丸めた URLﾘﾝｸ(search.yahoo.co.jp) )とすると、
食酢 1kg あたり 70-180mg のカリウム( 30.9Bq/g )を含む。この量は 2-5Bq に相当する。
２．測定結果
「BG」は、机の上に何も載せないで測定した値。
「空試験」は、机の上に、ポリ袋(ジップロック お手軽バッグ 小 )に入れた No.160 プリンカップ(小) 霧島製作所( URLﾘﾝｸ(item.rakuten.co.jp) )を置いた状態。
「試料」はプリンカップに約45mlの試料を入れ、机の上におき、赤外線電球で赤外線を照射し乾燥した。乾燥後、ポリ袋に入れ、机の上に置いた。乾燥後の固形分は 2.1g/45mL であった。
プリンカップは高さ33mmと台(高さ30mm)を超えるので、検出部の穴が合うように置いた。
1. n=30 BG
x <- c(48, 39, 39, 49, 35, 51, 48, 37, 44, 31, 49, 55, 38, 42, 41, 47, 39, 39, 44, 46, 32, 35, 32, 31, 43, 49, 33, 42, 45, 39)
2. n=30 空試験
x <- c(36, 41, 43, 38, 37, 35, 48, 28, 34, 50, 33, 47, 38, 43, 47, 50, 54, 40, 51, 47, 44, 35, 39, 41, 32, 45, 34, 45, 47, 43)
3. n=50 タマノイ穀物酢 2013.12.16
x <- c(38, 52, 37, 35, 50, 50, 63, 50, 33, 30, 32, 52, 38, 52, 41, 35, 47, 35, 43, 36, 68, 35, 39, 45, 47, 59, 43, 43, 36, 43, 53, 45, 42, 54, 51, 58, 37, 59, 48, 46, 33, 58, 37, 51, 56, 49, 48, 40, 41, 47)
4. n=33 BG
x <- c(40, 37, 48, 42, 35, 38, 35, 37, 60, 39, 42, 27, 50, 39, 62, 36, 41, 32, 57, 34, 43, 48, 46, 35, 44, 46, 50, 34, 31, 50, 31, 27, 45)
5. n=32 空試験
x <- c(31, 45, 39, 42, 40, 47, 42, 44, 44, 48, 50, 41, 46, 46, 35, 35, 43, 45, 40, 35, 50, 35, 33, 39, 50, 52, 40, 35, 41, 41, 34, 46)
6. n=31 タマノイ穀物酢 2013.12.16
x <- c(32, 39, 44, 53, 46, 54, 51, 36, 49, 61, 37, 42, 49, 47, 44, 46, 39, 50, 40, 45, 57, 45, 44, 56, 39, 43, 38, 43, 49, 51, 38)
7. n=30 空試験
x <- c(34, 42, 41, 41, 51, 45, 45, 39, 45, 33, 39, 39, 48, 51, 34, 43, 41, 38, 37, 28, 37, 37, 31, 32, 40, 45, 56, 37, 48, 37)
8. n=40 BG
x <- c(43, 43, 36, 33, 36, 43, 50, 43, 49, 40, 38, 38, 47, 56, 37, 40, 41, 35, 45, 40, 52, 46, 37, 45, 46, 45, 31, 38, 40, 44, 45, 38, 46, 48, 42, 42, 32, 33, 54, 48)
124:名無しに影響はない(栃木県)
12/04/22 16:51:31.77 fyEWABLB
４. データ貼り付け
BGと試料の比較
1. n = 103 BG 繰り返し数 =3
gr1 <- c( 48, 39, 39, 49, 35, 51, 48, 37, 44, 31, 49, 55, 38, 42, 41, 47, 39, 39, 44, 46, 32, 35, 32, 31, 43, 49, 33, 42, 45, 39 ,
40, 37, 48, 42, 35, 38, 35, 37, 60, 39, 42, 27, 50, 39, 62, 36, 41, 32, 57, 34, 43, 48, 46, 35, 44, 46, 50, 34, 31, 50, 31, 27, 45 ,
43, 43, 36, 33, 36, 43, 50, 43, 49, 40, 38, 38, 47, 56, 37, 40, 41, 35, 45, 40, 52, 46, 37, 45, 46, 45, 31, 38, 40, 44, 45, 38, 46, 48, 42, 42, 32, 33, 54, 48)
> mean(x)
[1] 41.63107
> var(x)
[1] 49.50961
2. n = 92 空試験 繰り返し数 =3
gr2 <- c( 36, 41, 43, 38, 37, 35, 48, 28, 34, 50, 33, 47, 38, 43, 47, 50, 54, 40, 51, 47, 44, 35, 39, 41, 32, 45, 34, 45, 47, 43 ,
31, 45, 39, 42, 40, 47, 42, 44, 44, 48, 50, 41, 46, 46, 35, 35, 43, 45, 40, 35, 50, 35, 33, 39, 50, 52, 40, 35, 41, 41, 34, 46 ,
34, 42, 41, 41, 51, 45, 45, 39, 45, 33, 39, 39, 48, 51, 34, 43, 41, 38, 37, 28, 37, 37, 31, 32, 40, 45, 56, 37, 48, 37)
> mean(x)
[1] 41.22826
> var(x)
[1] 37.4748
> 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 = 0.4241, 自由度 = 193, P値 = 0.672
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: -1.470444 2.276058
標本推定値:
平均値x 平均値y
41.63107 41.22826
有意ではない。バックグラエンドと空試験の差異は不明
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = 0.4275, 自由度 = 192.873, P値 = 0.6695
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: -1.455814 2.261428
標本推定値:
平均値x 平均値y
41.63107 41.22826
有意ではない。バックグラエンドと空試験の差異は不明
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 1.3211, 第1自由度 = 102, 第2自由度 = 91, P値 = 0.1762
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.8816986 1.9704052
標本推定値:
分散比
1.321144
分散に差異がある。（Welchの方法）を使用する
125:名無しに影響はない(栃木県)
12/04/22 16:51:58.54 fyEWABLB
3. n = 81 タマノイ穀物酢 2013.12.16 繰り返し数 =2
gr2 <- c( 38, 52, 37, 35, 50, 50, 63, 50, 33, 30, 32, 52, 38, 52, 41, 35, 47, 35, 43, 36, 68, 35, 39, 45, 47, 59, 43, 43, 36, 43, 53, 45, 42, 54, 51, 58, 37, 59, 48, 46, 33, 58, 37, 51, 56, 49, 48, 40, 41, 47 ,
32, 39, 44, 53, 46, 54, 51, 36, 49, 61, 37, 42, 49, 47, 44, 46, 39, 50, 40, 45, 57, 45, 44, 56, 39, 43, 38, 43, 49, 51, 38)
> mean(x)
[1] 45.27160
> var(x)
[1] 65.22531
> 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 = -3.2637, 自由度 = 182, P値 = 0.001314
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: -5.841439 -1.439635
標本推定値:
平均値x 平均値y
41.63107 45.27160
有意。バックグラエンドと試料との差異が存在する。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -3.2104, 自由度 = 159.452, P値 = 0.001603
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: -5.880108 -1.400966
標本推定値:
平均値x 平均値y
41.63107 45.27160
有意。バックグラエンドと試料との差異が存在する。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.7591, 第1自由度 = 102, 第2自由度 = 80, P値 = 0.1884
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.4977711 1.1452685
標本推定値:
分散比
0.7590553
分散に差異がある。（Welchの方法）を使用する
126:名無しに影響はない(栃木県)
12/04/22 16:52:26.91 fyEWABLB
空試験と試料との比較
gr1 <- c( 36, 41, 43, 38, 37, 35, 48, 28, 34, 50, 33, 47, 38, 43, 47, 50, 54, 40, 51, 47, 44, 35, 39, 41, 32, 45, 34, 45, 47, 43 ,
31, 45, 39, 42, 40, 47, 42, 44, 44, 48, 50, 41, 46, 46, 35, 35, 43, 45, 40, 35, 50, 35, 33, 39, 50, 52, 40, 35, 41, 41, 34, 46 ,
34, 42, 41, 41, 51, 45, 45, 39, 45, 33, 39, 39, 48, 51, 34, 43, 41, 38, 37, 28, 37, 37, 31, 32, 40, 45, 56, 37, 48, 37)
gr2 <- c( 38, 52, 37, 35, 50, 50, 63, 50, 33, 30, 32, 52, 38, 52, 41, 35, 47, 35, 43, 36, 68, 35, 39, 45, 47, 59, 43, 43, 36, 43, 53, 45, 42, 54, 51, 58, 37, 59, 48, 46, 33, 58, 37, 51, 56, 49, 48, 40, 41, 47 ,
32, 39, 44, 53, 46, 54, 51, 36, 49, 61, 37, 42, 49, 47, 44, 46, 39, 50, 40, 45, 57, 45, 44, 56, 39, 43, 38, 43, 49, 51, 38)
t.test(gr1, gr2, v=T)
t.test(gr1, gr2)
var.test(gr1, gr2)
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）
データ: gr1 と gr2
t値 = -3.7359, 自由度 = 171, P値 = 0.0002547
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: -6.179742 -1.906946
標本推定値:
平均値x 平均値y
41.22826 45.27160
有意。空試験と試料との差異が存在する。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -3.6718, 自由度 = 148.093, P値 = 0.0003356
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: -6.219389 -1.867299
標本推定値:
平均値x 平均値y
41.22826 45.27160
有意。空試験と試料との差異が存在する。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.5745, 第1自由度 = 91, 第2自由度 = 80, P値 = 0.01068
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.3735021 0.8785537
標本推定値:
分散比
0.5745438
分散に差異がある。（Welchの方法）を使用する
>
３.補足コメント
45.2 - 41.2 = 4 CPM
4 * 0.47 = 1.88
全量受光可能として 1.88 * 1000 / 45 = 42 Bq/kg
42Bq/kg >> 5Bg/kg なので、ほとんどの線量は福島由来と考えられる。
127:名無しに影響はない(栃木県)
12/04/22 16:57:10.54 fyEWABLB
インスペクターで計っているから、β線による測定。
γ線測定を規定している政府の「正しい測定値」とは異なります。
このことをよく理解してね。
「机の上で乾燥」させたものだから、結構ほこりが混ざっている可能性がある。
既婚女性ならば鬼女板で追跡調査を依頼するのだが、鬼女ではないので、カキコができない。
ほこりによる汚染が少ない環境下で、追跡調査ヨロ。
128:名無しに影響はない(長屋)
12/04/22 17:44:33.91 eWAKSger
>>108
>106 に書いたけど以前からだよ～。
水槽で熱帯魚とか飼ってる人とか、ペットショップで聞いてみればいいっすよ。
竹炭にCsは吸着されるかも知れないけど、光沢は出ないだろうしねえ。
129:名無しに影響はない(内モンゴル自治区)
12/04/22 17:53:27.86 lPrBPHyC
長屋さんはソースもないのに適当なこと言うよね。
130:名無しに影響はない(長屋)
12/04/22 19:26:42.06 eWAKSger
まあ >122 とかの、(内モンゴル自治区) さんに言われてもねえｗ
自分で水槽セッティングして水草を育てたりすると、それほど珍しいことじゃないだけ
多分余剰な金属イオンの析出でそ。
131:名無しに影響はない(栃木県)
12/04/22 21:43:27.73 fyEWABLB
１．測定対象
「水中に入れると虹色に光るステンレス製落し蓋」の分析
「糊台」は、プラスチック製CDケース(厚さ5mm)内にポリ袋に入れたでんぷん糊(ヤマト糊TC-200)を挟んだもの。
糊台の上に、直接ポリ袋に入れた測定器を置いて測定。
試料は、糊台の上に置いて、その上に、直接ポリ袋に入れた測定器を置いて測定。
２．測定結果
1. n=30 糊台 直置き
x <- c(36, 31, 47, 26, 40, 50, 39, 32, 37, 31, 25, 35, 38, 31, 49, 36, 38, 46, 34, 34, 30, 32, 39, 42, 44, 47, 42, 35, 38, 45)
2. n=40 糊台＋落し蓋 直置き
x <- c(42, 36, 41, 46, 41, 38, 48, 35, 34, 46, 47, 48, 41, 40, 51, 36, 43, 42, 36, 40, 41, 32, 46, 40, 43, 37, 39, 35, 52, 29, 43, 49, 45, 48, 35, 40, 51, 45, 48, 43)
3. n=30 糊台 直置き
x <- c(47, 46, 37, 38, 35, 35, 32, 40, 47, 48, 41, 32, 40, 46, 48, 48, 37, 46, 39, 33, 31, 48, 43, 38, 38, 46, 36, 41, 48, 36)
4. n=30 糊台＋落し蓋 直置き
x <- c(31, 40, 37, 40, 37, 36, 37, 49, 51, 33, 28, 71, 37, 35, 47, 23, 45, 44, 47, 41, 50, 42, 38, 48, 38, 43, 30, 56, 46, 35)
5. n=30 糊台 直置き
x <- c(42, 59, 38, 48, 39, 33, 33, 49, 47, 41, 44, 46, 47, 31, 34, 35, 38, 46, 42, 47, 32, 40, 42, 40, 31, 28, 39, 37, 42, 36)
132:名無しに影響はない(栃木県)
12/04/22 21:44:21.28 fyEWABLB
４. データ貼り付け
全体の分析
x <- c(36, 31, 47, 26, 40, 50, 39, 32, 37, 31, 25, 35, 38, 31, 49, 36, 38, 46, 34, 34, 30, 32, 39, 42, 44, 47, 42, 35, 38, 45 ,
42, 36, 41, 46, 41, 38, 48, 35, 34, 46, 47, 48, 41, 40, 51, 36, 43, 42, 36, 40, 41, 32, 46, 40, 43, 37, 39, 35, 52, 29, 43, 49, 45, 48, 35, 40, 51, 45, 48, 43 ,
47, 46, 37, 38, 35, 35, 32, 40, 47, 48, 41, 32, 40, 46, 48, 48, 37, 46, 39, 33, 31, 48, 43, 38, 38, 46, 36, 41, 48, 36 ,
31, 40, 37, 40, 37, 36, 37, 49, 51, 33, 28, 71, 37, 35, 47, 23, 45, 44, 47, 41, 50, 42, 38, 48, 38, 43, 30, 56, 46, 35 ,
42, 59, 38, 48, 39, 33, 33, 49, 47, 41, 44, 46, 47, 31, 34, 35, 38, 46, 42, 47, 32, 40, 42, 40, 31, 28, 39, 37, 42, 36)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x)
[1] 40.3875
> var(x)
[1] 47.52186
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 1.7639, 第1自由度 = 4, 第2自由度 = 155, P値 = 0.1389
有意。群別に差異がある。
> 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 = 11.4273, 自由度 = 4, P値 = 0.02216
有意。分散に差異があり、先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 1.9658, 第1自由度 = 4.000, 第2自由度 = 74.427, P値 = 0.1085
有意。群別に差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 0.625 0.625
25 5 3.125 3.750
30 23 14.375 18.125
35 45 28.125 46.250
40 37 23.125 69.375
45 40 25.000 94.375
50 6 3.750 98.125
55 2 1.250 99.375
60 0 0.000 99.375
65 0 0.000 99.375
70 1 0.625 100.000
>
133:名無しに影響はない(栃木県)
12/04/22 21:44:41.97 fyEWABLB
BGと試料の比較
x <- c(36, 31, 47, 26, 40, 50, 39, 32, 37, 31, 25, 35, 38, 31, 49, 36, 38, 46, 34, 34, 30, 32, 39, 42, 44, 47, 42, 35, 38, 45 ,
42, 36, 41, 46, 41, 38, 48, 35, 34, 46, 47, 48, 41, 40, 51, 36, 43, 42, 36, 40, 41, 32, 46, 40, 43, 37, 39, 35, 52, 29, 43, 49, 45, 48, 35, 40, 51, 45, 48, 43 ,
47, 46, 37, 38, 35, 35, 32, 40, 47, 48, 41, 32, 40, 46, 48, 48, 37, 46, 39, 33, 31, 48, 43, 38, 38, 46, 36, 41, 48, 36 ,
31, 40, 37, 40, 37, 36, 37, 49, 51, 33, 28, 71, 37, 35, 47, 23, 45, 44, 47, 41, 50, 42, 38, 48, 38, 43, 30, 56, 46, 35 ,
42, 59, 38, 48, 39, 33, 33, 49, 47, 41, 44, 46, 47, 31, 34, 35, 38, 46, 42, 47, 32, 40, 42, 40, 31, 28, 39, 37, 42, 36)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 3.4624, 第1自由度 = 1, 第2自由度 = 158, P値 = 0.06464
有意。バックグラウンドと試料に差異がある。
> 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 = 1.3735, 自由度 = 1, P値 = 0.2412
有意。分散に差異があり、先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 3.3493, 第1自由度 = 1.000, 第2自由度 = 137.833, P値 = 0.0694
有意。バックグラウンドと試料に差異がある。
134:名無しに影響はない(栃木県)
12/04/22 21:45:07.43 fyEWABLB
繰り返しによる影響
2. n = 90 糊台 直置き 繰り返し数 =3
x <- c( 36, 31, 47, 26, 40, 50, 39, 32, 37, 31, 25, 35, 38, 31, 49, 36, 38, 46, 34, 34, 30, 32, 39, 42, 44, 47, 42, 35, 38, 45 ,
47, 46, 37, 38, 35, 35, 32, 40, 47, 48, 41, 32, 40, 46, 48, 48, 37, 46, 39, 33, 31, 48, 43, 38, 38, 46, 36, 41, 48, 36 ,
42, 59, 38, 48, 39, 33, 33, 49, 47, 41, 44, 46, 47, 31, 34, 35, 38, 46, 42, 47, 32, 40, 42, 40, 31, 28, 39, 37, 42, 36)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 39.5
> var(x)
[1] 41.30899
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 1.9801, 第1自由度 = 2, 第2自由度 = 87, P値 = 0.1442
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 = 1.0018, 自由度 = 2, P値 = 0.606
有意。分散に差異があり、先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 1.9574, 第1自由度 = 2.000, 第2自由度 = 57.618, P値 = 0.1505
有意。繰り返しによる差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 3 3.333333 3.333333
30 18 20.000000 23.333333
35 27 30.000000 53.333333
40 17 18.888889 72.222222
45 23 25.555556 97.777778
50 1 1.111111 98.888889
55 1 1.111111 100.000000
>
135:名無しに影響はない(栃木県)
12/04/22 21:45:32.48 fyEWABLB
3. n = 70 糊台＋落し蓋 直置き 繰り返し数 =2
x <- c( 42, 36, 41, 46, 41, 38, 48, 35, 34, 46, 47, 48, 41, 40, 51, 36, 43, 42, 36, 40, 41, 32, 46, 40, 43, 37, 39, 35, 52, 29, 43, 49, 45, 48, 35, 40, 51, 45, 48, 43 ,
31, 40, 37, 40, 37, 36, 37, 49, 51, 33, 28, 71, 37, 35, 47, 23, 45, 44, 47, 41, 50, 42, 38, 48, 38, 43, 30, 56, 46, 35)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,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] 41.52857
> var(x)
[1] 53.87598
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.126, 第1自由度 = 1, 第2自由度 = 68, P値 = 0.7237
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 = 8.6942, 自由度 = 1, P値 = 0.003192
有意。分散に差異があり、先の分散分析は無効。
> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）
データ: x と g
F = 0.1098, 第1自由度 = 1.000, 第2自由度 = 44.299, P値 = 0.7419
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 1.428571 1.428571
25 2 2.857143 4.285714
30 5 7.142857 11.428571
35 18 25.714286 37.142857
40 20 28.571429 65.714286
45 17 24.285714 90.000000
50 5 7.142857 97.142857
55 1 1.428571 98.571429
60 0 0.000000 98.571429
65 0 0.000000 98.571429
70 1 1.428571 100.000000
>
136:名無しに影響はない(栃木県)
12/04/22 21:45:56.85 fyEWABLB
BGと試料の比較
2. n = 90 糊台 直置き 繰り返し数 =3
gr1 <- c( 36, 31, 47, 26, 40, 50, 39, 32, 37, 31, 25, 35, 38, 31, 49, 36, 38, 46, 34, 34, 30, 32, 39, 42, 44, 47, 42, 35, 38, 45 ,
47, 46, 37, 38, 35, 35, 32, 40, 47, 48, 41, 32, 40, 46, 48, 48, 37, 46, 39, 33, 31, 48, 43, 38, 38, 46, 36, 41, 48, 36 ,
42, 59, 38, 48, 39, 33, 33, 49, 47, 41, 44, 46, 47, 31, 34, 35, 38, 46, 42, 47, 32, 40, 42, 40, 31, 28, 39, 37, 42, 36)
> mean(x)
[1] 39.5
> var(x)
[1] 41.30899
3. n = 70 糊台＋落し蓋 直置き 繰り返し数 =2
gr2 <- c( 42, 36, 41, 46, 41, 38, 48, 35, 34, 46, 47, 48, 41, 40, 51, 36, 43, 42, 36, 40, 41, 32, 46, 40, 43, 37, 39, 35, 52, 29, 43, 49, 45, 48, 35, 40, 51, 45, 48, 43 ,
31, 40, 37, 40, 37, 36, 37, 49, 51, 33, 28, 71, 37, 35, 47, 23, 45, 44, 47, 41, 50, 42, 38, 48, 38, 43, 30, 56, 46, 35)
> mean(x)
[1] 41.52857
> var(x)
[1] 53.87598
> 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 = -1.8608, 自由度 = 158, P値 = 0.06464
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -4.1817823 0.1246394
標本推定値:
平均値x 平均値y
39.50000 41.52857
バックグラウンドと試料に差異がある。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -1.8301, 自由度 = 137.833, P値 = 0.0694
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -4.2203230 0.1631802
標本推定値:
平均値x 平均値y
39.50000 41.52857
バックグラウンドと試料に差異がある。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 0.7667, 第1自由度 = 89, 第2自由度 = 69, P値 = 0.2374
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.4867793 1.1923091
標本推定値:
分散比
0.7667422
有意。分散に差異がある。（Welchの方法）を使用する。
>
137:名無しに影響はない(栃木県)
12/04/22 21:54:15.72 fyEWABLB
３.補足コメント
インスペクターによる測定ですから、β線を測定しているのです。
γ線を測定している政府の「正しい測定」とは異なります。
虹色に輝くステンレス製品、として、見つかったのが落し蓋。
鍋底に入れて、放置して、鍋を洗おうとしたら、光り輝いていることに気がついた。
夕日が差さなかったらば、気がつかなかったけど。
ステンレスの場合、β線を遮蔽するので遮蔽材を入れないと測定できないようです。
遮蔽材として、水3mm、プラスチック2mmに相当する「糊台」を置いて測定してみました。
ここの話題としては、有意差があるだけで十分でしょう。
私一人の成果では間違っているときがあります。多くの方々による追跡調査をヨロ。
138:名無しに影響はない(やわらか銀行)
12/04/22 22:50:38.09 0JmnE7E0
>>137
そもそも政府はガンマ線だけを測っているが正確と言えるのか？
アルファ線やベータ線のみを放出する放射性物質は無視していいのか？
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
URLﾘﾝｸ(savechild.net)
139:名無しに影響はない(栃木県)
12/04/22 23:49:50.94 fyEWABLB
>>138
民事訴訟法の規定で、
行政機関の取った行動については正当なものと推定する
という規定があります。したがって、
「本当に正しいか」という議論をさておいて、正しいものとして取り扱っています(政府に対する司法の場を使った救済を請求する意思がない)。
URLﾘﾝｸ(www.nkbc.jp)
これを見ていただきたいのですが、
Fe3+の存在下、Fe3+が沈殿するような条件で、Y90を沈降分離させて、β線で検出する
という方法が取られています。
つまり、青白色ではなく「虹色に輝いている鉄」ですから、Fe3+の沈殿と考えられます。
Fe3+の沈殿が存在するときに、Y90があれば、同時に共沈して沈殿を形成し、沈殿物からはβ線が検出されることになります。
Y90単体ではγ線が検出されないということがあります。したがって、ストロンチウムの存在を照明するには、γ線の不在が必要になります。
手元に0.6mmのアルミ板がないのです。だから、これ以上のことを調べられません。
このことに気がついて、追跡調査をしてくださる方が現れるかと期待していたのです。
140:名無しに影響はない(やわらか銀行)
12/04/23 00:47:15.38 +3jZLJgv
水道水の汚染を測るには木炭を測るのがよいかと思います。
もし実験される場合は硬い木炭(竹炭、備長炭)を使い、
やかんに木炭を入れて1時間程度煮沸＆水交換を一日７回行い、４日続けると約１ヶ月相当のモノが出来上がります。
あとで実験前の木炭を測定したいと思います。
141:名無しに影響はない(やわらか銀行)
12/04/23 01:05:28.39 +3jZLJgv
山口・和木町の化学工場で22日未明、プラントが爆発して炎上し、作業員1人が死亡。
この工場には、放射性物質である「劣化ウラン」が入ったドラム缶をおよそ3,400本保管している。
URLﾘﾝｸ(www.fnn-news.com)
142:名無しに影響はない(やわらか銀行)
12/04/23 01:11:59.14 +3jZLJgv
実験前の木炭を測ってみた。
１．測定対象
木炭100ｇ 直付けビニル保護
２．測定結果
10分間バックグラウンド 420
10分間木炭 431
３．コメント
実験前の木炭は汚染していないようだ。
143:名無しに影響はない(やわらか銀行)
12/04/23 01:13:25.25 +3jZLJgv
測定結果はインスペクター＋のタイマーモードでのカウント数です。
144:名無しに影響はない(千葉県)
12/04/24 01:11:35.57 1fvznWmb
やっぱり最低でも10000ｃｐｍ、それ以上じゃないと食品の表面汚染なんて無理だよな
145:名無しに影響はない(やわらか銀行)
12/04/24 01:26:23.63 gLrnrKtJ
スレまとめ 低ベクレル順
１．測定対象 JヌードルコーポレーションBK こだわりの熟成 20g
２．測定結果 0Bq/kg
１．測定対象 北海道富良野産玉葱 12g
２．測定結果 2-20Bq/kg Bq/kg （カリウムを除いたベクレル数）
１．測定対象 栃木県産 ふきのとう 19g
２．測定結果 28 Bq/kg （BG: 38.46939, 試料: 66.87692 CPM ）
１．測定対象 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(カリウム込)
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
146:名無しに影響はない(やわらか銀行)
12/04/24 01:35:33.62 gLrnrKtJ
北海道の玉ねぎが汚染していますが、この汚染マップが正しいということがわかりました。
URLﾘﾝｸ(www.zakzak.co.jp)
セシウムは筋肉にたまります。心臓は筋肉でできているので、心筋梗塞で死ぬ人が多いのです。
心臓の病気が増えているのはみなさん御存じだと思います。
147:名無しに影響はない(WiMAX)
12/04/24 01:51:56.21 +np555Bz
>>146
要するに、たくさん必要な筋肉に優先して配分されるから、
自然に心筋に貯まる。それで死ぬ。
148:名無しに影響はない(栃木県)
12/04/24 14:27:07.11 Tq0zIywm
>>147
他にもあるみたい。
URLﾘﾝｸ(detail.chiebukuro.yahoo.co.jp)
＞＞過酸化水素により組織障害や細胞に対する代謝障害作用や、生体の免疫反応を介した障害など複合的な要素で中枢神経に障害をもたらす
心臓付近にβ線核種が蓄積すれば、1-10mm以内の細胞に限って影響を受ける。
1-10mm以内って言うと、心臓神経があるから、心臓神経が麻痺して、不整脈になると考えられる。
神経細胞に色々蓄積して、おかしくなるんだけど、
今の中毒医療(司法判断)では、神経細胞への蓄積やその影響を考慮していない。
影響がないとはんじしている。
149:名無しに影響はない(東京都)
12/04/24 21:30:48.05 WpEgOb0k
>>136
数字の羅列だけでは意味不明です。
どれくらい危険かぐらいのアドバイスぐらいくれてもいいのでは？
>>146
正しいって根拠となる論文とかあったのですか？
今まで汚染マップとか見てきたけどサイトによってまちまちですよね。
150:名無しに影響はない(東京都)
12/04/24 22:36:22.52 WpEgOb0k
ID:0JmnE7E0
1レスいくらもらってる？とか工作員認定とかお前の頭は相当逝かれてるんだな。
こんな過疎スレで工作して金もらえる訳ないし、そんな仕事あると思ってるの？
個人の感想を工作員認定して1レスいくらもらってる？とか・・・・
151:名無しに影響はない(大阪府)
12/04/24 23:25:47.65 0zDzne1d
>>146 のマップはシミュレーション。実際に測定したわけではない。
ヘリコプターで実際に測定した文科省データの方がまだ詳細。
URLﾘﾝｸ(ramap.jaea.go.jp)
152:名無しに影響はない(東京都)
12/04/24 23:36:52.33 WpEgOb0k
>>151
なら早漏って事か
153:名無しに影響はない(やわらか銀行)
12/04/24 23:52:00.39 gLrnrKtJ
Dragon AshのメンバーIKUZONEこと馬場育三さん（享年46）が急性心不全のため21日に死亡。
URLﾘﾝｸ(www.oricon.co.jp)
心臓にセシウムが蓄積する。。
154:名無しに影響はない(やわらか銀行)
12/04/25 03:11:37.31 m9VH+NvQ
牛や豚のハツ（心臓）を測定すればセシウムに汚染しているのだろうか？
茨城県産の豚のハツ（心臓）
URLﾘﾝｸ(item.rakuten.co.jp)
牛ハツ （心臓）
URLﾘﾝｸ(item.rakuten.co.jp)
155:名無しに影響はない(東京都)
12/04/25 06:38:15.51 lM3OerMc
>>153
まるで震災前は少なかった様な言い方だな。
すぐセシウムのせいにするのは結論が速いのでは？
156:名無しに影響はない(栃木県)
12/04/25 06:56:44.06 e+g1ac4X
>>149
＞どれくらい危険かぐらいのアドバイスぐらいくれてもいいのでは？
そんなのわからん。
ただ言える事は、
政府などの宣伝で、「検出されない」とされている水道水だが、
適当に濃縮してやれば、専用機器以外でも検出可能程度の線量になる。
てぇこと。
「言える」ことになると、民法の規定を受ける。
民法の規定で用量依存性を示さないことには、毒性について語れない。
URLﾘﾝｸ(ja.wikipedia.org)
水道水は食品として学んでいるので、食品全般として答えると
放射線は、IAEA等が必要な実験をさせないなどのことをしたために、必要な情報が極めて少ない。
そのため、未知なる毒性を有するもの、として取り扱うことが望ましい。
自由権を主張し、マスメディアによる宣伝に毒されず、本人の能力の範囲内で可能な限り摂取を減らしてくれ。
157:名無しに影響はない(栃木県)
12/04/25 07:06:54.17 e+g1ac4X
>>155
セシウムのせいにするのは結論としては早いけど
福島由来の原子力廃棄物の影響と考えるのがふつうではないか。
芸能関係のニュースを遡れば４０代のタレントの死亡と言うと、
自殺と転落事故等機械的事故ぐらいしかなかったでしょう。
158:名無しに影響はない(内モンゴル自治区)
12/04/25 12:16:27.30 XJopNGm5
東日本の食品を食べて応援したら心臓が止まるよな。政府に騙された哀れな人達。安全と叫ぶなら毎日福島産食品食えよ。
159:名無しに影響はない(WiMAX)
12/04/25 13:31:00.94 A/wd52HS
政治家が御用達の議員会館食堂がアンチ福島なわけでｗ
160:名無しに影響はない(三重県)
12/04/25 19:23:01.84 YbnkBmhJ
>>151
あれ、航空機モニタリングの結果、久々に見たら・・・
デフォ（平成２４年２月１０日時点）だと、福一周辺にちょっと色付けてあるだけなんだなｗ
他のホットスポットなんて存在しないかのようだｗ
つか、西日本の測定もするって言っておきながらちっとも公表されないね。
161:名無しに影響はない(やわらか銀行)
12/04/25 22:23:38.71 m9VH+NvQ
原発はメルトダウンしていないと騙されて、福島産食品は食べても安全と騙されて、、航空機モニタリングのインチキ汚染マップに騙されて。
何回騙されているんだよ。
162:名無しに影響はない(東京都)
12/04/25 22:24:55.40 lM3OerMc
>>161
その意気込みは良いが、楽天を開いていきなり汚染されてるのかな？って第一声はひどいな。
163:名無しに影響はない(神奈川県)
12/04/25 22:41:20.93 A20rU4pC
航空機によるモニタリングでは、ビル街では測定しづらいので、都心部の放射能汚染はほとんどないことになっています
164:名無しに影響はない(WiMAX)
12/04/25 22:42:32.92 A/wd52HS
事故当時の新聞保管してるけど、12日の1面に「メルトダウンの可能性」
って書いてあるよ。当時は、政府も混乱してて規制かけられなかったみたい。
ちゃんと情報は出てたよね。俺もそれを見て脱出したわけだし。
避難場所のテレビで、報道の様子が変わっていくのを見てた。1週間くらい
してから御用学者が多数でてきて、安全安心を唱え始めた。
165:名無しに影響はない(大阪府)
12/04/25 23:51:17.37 reoDif0K
>>163
なるほど。ということは逆に言うと、田舎はある程度信用できるのかな。
本来、チェルノブイリのように、実地計測で精密な汚染地図を作成すべきなのに、
ヘリコプターで適当に計っておしまいで、それ以上のことをする気が無い。話にならん。
166:名無しに影響はない(やわらか銀行)
12/04/26 00:01:43.09 a8gW5Yw1
ヘリコプターから正確に測れるわけないだろ常識的に考えて。
東京だったら２０００カ所くらいの土を測定すれば正確な汚染がわかるだろ。
表面の土を測ってほしいけど、役所は何メートルも掘って汚染していない土のみ測りそうだなよな。
１年以上たってるのに何やってるんだよ。今からでも土の測定をやってほしい。
167:名無しに影響はない(栃木県)
12/04/26 22:00:05.79 d8RRlOZB
「国産鶏胸肉2012.02.08購入」の分析。
試料は、２週間飽和食塩水で塩漬にし, 以後、04.18迄週一交換で酢による塩抜き行った。
その後 40度３日乾燥した。乾燥後 6.5gとなった。
1. n=33 糊台
x <- c(33, 35, 42, 37, 44, 38, 56, 37, 37, 32, 41, 39, 39, 29, 38, 48, 33, 36, 44, 46, 43, 32, 44, 41, 38, 38, 51, 43, 39, 42, 37, 35, 57)
2. n=32 国産鶏肉2012.02.08購入, ２週間塩漬, 04.18迄週一交換で酢による塩抜き 40度３日乾燥 6.5g(表)
x <- c(39, 38, 34, 51, 43, 33, 34, 34, 43, 46, 47, 47, 32, 35, 38, 35, 36, 36, 42, 36, 46, 44, 38, 45, 55, 51, 46, 43, 51, 36, 42, 43)
3. n=45 国産鶏肉2012.02.08購入, ２週間塩漬, 04.18迄週一交換で酢による塩抜き 40度３日乾燥 6.5g(表)
x <- c(40, 43, 44, 44, 45, 41, 53, 39, 34, 41, 35, 25, 42, 48, 38, 38, 44, 35, 40, 44, 37, 43, 36, 52, 38, 46, 46, 31, 45, 43, 49, 32, 43, 29, 38, 30, 35, 32, 33, 36, 45, 45, 40, 40, 49)
4. n=30 糊台
x <- c(60, 44, 40, 44, 41, 48, 41, 45, 43, 38, 44, 41, 45, 46, 45, 46, 31, 21, 38, 39, 39, 47, 33, 36, 36, 40, 43, 50, 42, 24)
5. n=32 国産鶏肉2012.02.08購入, ２週間塩漬, 04.18迄週一交換で酢による塩抜き 40度３日乾燥 6.5g(裏)
x <- c(41, 32, 53, 49, 37, 39, 46, 20, 37, 41, 42, 45, 37, 34, 39, 31, 52, 35, 40, 35, 37, 41, 47, 41, 41, 47, 50, 44, 74, 46, 34, 41)
6. n=35 国産鶏肉2012.02.08購入, ２週間塩漬, 04.18迄週一交換で酢による塩抜き 40度３日乾燥 6.5g(裏)
x <- c(32, 34, 28, 46, 46, 36, 44, 47, 40, 35, 51, 38, 40, 43, 37, 46, 36, 44, 45, 54, 41, 30, 30, 51, 50, 38, 42, 38, 39, 36, 35, 52, 37, 37, 35)
7. n=32 糊台
x <- c(54, 32, 46, 32, 50, 40, 39, 33, 43, 33, 47, 47, 51, 50, 32, 39, 37, 33, 27, 25, 35, 33, 49, 40, 34, 29, 44, 38, 38, 37, 44, 41)
8. n=31 国産鶏肉2012.02.08購入, ２週間塩漬, 04.18迄週一交換で酢による塩抜き 40度３日乾燥 6.5g(表)
x <- c(49, 48, 43, 41, 40, 42, 36, 34, 35, 46, 41, 29, 32, 39, 48, 39, 29, 38, 51, 46, 51, 40, 41, 32, 42, 54, 42, 49, 30, 51, 50)
9. n=30 国産鶏肉2012.02.08購入, ２週間塩漬, 04.18迄週一交換で酢による塩抜き 40度３日乾燥 6.5g(裏)
x <- c(36, 49, 64, 52, 50, 47, 33, 42, 41, 54, 41, 38, 41, 27, 36, 36, 48, 40, 40, 40, 39, 56, 33, 23, 37, 43, 39, 33, 37, 48)
10. n=55 糊台
x <- c(34, 31, 39, 35, 31, 42, 35, 46, 38, 35, 45, 42, 47, 43, 29, 31, 40, 56, 42, 39, 40, 43, 36, 42, 44, 47, 36, 29, 64, 47, 34, 51, 42, 32, 26, 27, 35, 43, 47, 43, 47, 43, 38, 43, 45, 37, 32, 27, 37, 55, 41, 31, 35, 40, 48)
168:名無しに影響はない(栃木県)
12/04/26 22:01:37.76 d8RRlOZB
1. n = 150 BG 繰り返し数 =4
gr1 <- c( 33, 35, 42, 37, 44, 38, 56, 37, 37, 32, 41, 39, 39, 29, 38, 48, 33, 36, 44, 46, 43, 32, 44, 41, 38, 38, 51, 43, 39, 42, 37, 35, 57 ,
60, 44, 40, 44, 41, 48, 41, 45, 43, 38, 44, 41, 45, 46, 45, 46, 31, 21, 38, 39, 39, 47, 33, 36, 36, 40, 43, 50, 42, 24 ,
54, 32, 46, 32, 50, 40, 39, 33, 43, 33, 47, 47, 51, 50, 32, 39, 37, 33, 27, 25, 35, 33, 49, 40, 34, 29, 44, 38, 38, 37, 44, 41 ,
34, 31, 39, 35, 31, 42, 35, 46, 38, 35, 45, 42, 47, 43, 29, 31, 40, 56, 42, 39, 40, 43, 36, 42, 44, 47, 36, 29, 64, 47, 34, 51, 42, 32, 26, 27, 35, 43, 47, 43, 47, 43, 38, 43, 45, 37, 32, 27, 37, 55, 41, 31, 35, 40, 48)
2. n = 205 国産鶏肉2012.02.08購入, ２週間塩漬, 04.18迄週一交換で酢による塩抜き 40度３日乾燥 6.5g 繰り返し数 =6
gr2 <- c( 39, 38, 34, 51, 43, 33, 34, 34, 43, 46, 47, 47, 32, 35, 38, 35, 36, 36, 42, 36, 46, 44, 38, 45, 55, 51, 46, 43, 51, 36, 42, 43 ,
40, 43, 44, 44, 45, 41, 53, 39, 34, 41, 35, 25, 42, 48, 38, 38, 44, 35, 40, 44, 37, 43, 36, 52, 38, 46, 46, 31, 45, 43, 49, 32, 43, 29, 38, 30, 35, 32, 33, 36, 45, 45, 40, 40, 49 ,
49, 48, 43, 41, 40, 42, 36, 34, 35, 46, 41, 29, 32, 39, 48, 39, 29, 38, 51, 46, 51, 40, 41, 32, 42, 54, 42, 49, 30, 51, 50 ,
41, 32, 53, 49, 37, 39, 46, 20, 37, 41, 42, 45, 37, 34, 39, 31, 52, 35, 40, 35, 37, 41, 47, 41, 41, 47, 50, 44, 74, 46, 34, 41 ,
32, 34, 28, 46, 46, 36, 44, 47, 40, 35, 51, 38, 40, 43, 37, 46, 36, 44, 45, 54, 41, 30, 30, 51, 50, 38, 42, 38, 39, 36, 35, 52, 37, 37, 35 ,
36, 49, 64, 52, 50, 47, 33, 42, 41, 54, 41, 38, 41, 27, 36, 36, 48, 40, 40, 40, 39, 56, 33, 23, 37, 43, 39, 33, 37, 48)
> 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 = -1.2958, 自由度 = 353, P値 = 0.1959
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: -2.5369439 0.5216593
標本推定値:
平均値x 平均値y
39.95333 40.96098
有意。バックグラウンドと試料との間に差異がある。
> t.test(gr1, gr2)
二標本t検定（Welchの方法）
データ: gr1 と gr2
t値 = -1.2949, 自由度 = 320.348, P値 = 0.1963
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: -2.5386078 0.5233233
標本推定値:
平均値x 平均値y
39.95333 40.96098
有意。バックグラウンドと試料との間に差異がある。
> var.test(gr1, gr2)
二群の等分散性の検定
データ: gr1 と gr2
F = 1.0095, 第1自由度 = 149, 第2自由度 = 204, P値 = 0.9441
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.7507476 1.3671674
標本推定値:
分散比
1.009529
有意。分散が異なるので（Welchの方法）を使用する。
>
41.0 - 40.0 = 1.0 CPM
1.0 * 0.47 = 0.47 Bq
試料が6.5gだから
0.47 * 1000 / 6.5 = 72.3Bq/kg
水分が72%( URLﾘﾝｸ(www.toukei.maff.go.jp) )なので、生肉では
72.3 * 28 / 100 = 20 Bq/kg
酢漬けで90%以上除去された( URLﾘﾝｸ(www.rwmc.or.jp) , p39)はずだから、未加工の鶏肉の濃度は、200Bq程度と考えられる。
169:名無しに影響はない(栃木県)
12/04/26 22:03:40.83 d8RRlOZB
乾燥による、濃度分布を見るために裏と表で測定しています。
分散分析が、この関係でややこしくなっているので、省略しました。
170:名無しに影響はない(やわらか銀行)
12/04/27 20:02:00.22 hQopHuGZ
>>167
鶏肉が汚染しているとは。。卵も要注意ですね。
時間がありましたら、牛や豚のハツ（心臓）もお願いします。
171:名無しに影響はない(長屋)
12/04/27 21:12:02.11 DXqtOx3e
>>170
つまり自然放射能のK40の多く含まれる食品は全滅なんだろうなｗｗｗ
172:名無しに影響はない(やわらか銀行)
12/04/27 21:44:29.28 hQopHuGZ
肉の部位でも筋肉の多い部分と、脂肪の多い部分ではベクレル数が違うのではないだろうか。
セシウムが筋肉に集まるということの証明にもなりそうだ。
例えば、豚バラと豚ハツではベクレル数が違うのではないだろうか。
餌の関係から、牛＞豚＞鶏の順番で汚染しているように思える。
173:名無しに影響はない(長屋)
12/04/27 21:51:21.42 DXqtOx3e
＞肉の部位でも筋肉の多い部分と、脂肪の多い部分ではベクレル数が違うのではないだろうか。
カリウム４０は筋肉部分に多いから、セシウムは誤差範囲でしょう
スペクトル測れる器械じゃないと分離は無理ですねえ。
174:名無しに影響はない(やわらか銀行)
12/04/27 22:34:14.39 hQopHuGZ
>>167
また測定分析を待っています。
測定時間はどのくらいですか？
インスペクター＋のタイマーモードで３０分では足りないでしょうか。
175:名無しに影響はない(栃木県)
12/04/28 18:56:08.21 LrB3jjsn
>>174
測定時間は、１回約３０分。BG, S, BG, S, BGの５回で合計２時間半。
その後のデータ処理で３０分。合計３時間。
前処理として、乾燥などを行うときには、試料を自作乾燥機(机を改造したもの, 40度位)の中に放り込んで何日か放置。
タイマーモードですと、１回で1つの数値しかでません。
１分に１回つづカウントした値を３０個以上集めているので、統計処理ができますけど、カウントモードでは誤差が大きくて有効桁が取れないでしょう。
２０個以上がガウス分布として、連続値としての統計処理が可能になる数値。
１０個以上がガウス分布とみなして、統計処理が可能になる数値です。
生データの単位は CPM。１分間の音を数えた結果です。
個数をみれば測定時間がわかるでしょう。
30個ならば30分、６０個ならば６０分と。