インスペクター系総合 ３【inspector+,Alert】

Inspector系放射線計測器を語るスレです。
OEM品のDRM-BTD、CRM-100などの話題もこちらでどうぞ。
緊急自然災害板からここ、放射能板に移動しました。
前スレ
http://uni.2ch.net/test/read.cgi/radiation/1321400997/

メーカサイト
Inspector Plus（＋）
S.E. International, Inc. （米国 テネシー州）
http://www.seintl.com/products/inspectorplus.html
Inspector Alert
International Medcom, Inc.（米国 カリフォルニア州）
http://medcom.com/products/inspector-alert

退避大先生のお言葉

243 名前:退避(群馬県) :2011/10/23(日) 00:44:29.09 ID:LaBH1tdH0



800cpmでは、Inepectorの足元にも及ばないんだ。

Inspectorは、β線はγ線の16倍の感度があるので、
334cpmではなく、5648cpm/μSv/hとなる。

800や2500cpmではどうにもならない。

PA1000も2000cpmかそこらだから、Inspectorの1/3の感度でしかない。


買うならインスペクターだぞ

退避大先生の自己紹介


　エ　ア　ガ　イ　ガ　ー　は　黙　っ　と　れ



http://logsoku.com/thread/raicho.2ch.net/radiation//1318059841/260
http://logsoku.com/thread/raicho.2ch.net/radiation//1318059841/266

266 : 退避(群馬県) : 2011/10/16(日) 18:33:05.84 ID:y/qkSgwP [4/7回発言]
＞２６０

エアガイガーは黙っとれ。

Q　インスペクタープラスで地表を測るとほかの測定器に比べて数値が高くなるのはなぜ？
A 　α、β、γ線の合計を表示するからです。

Q　インスペクタープラスで食品を測りたい。
A 　トータルタイマーモードでバックグランド数値と比較してください。数値の差があれば食品が汚染していると考えてください。

Q α線（プルトニウム）を測りたい。
A マイカ窓を対象物から3センチ程度に近づけてください。紙一枚挟んで数値が減ったらα線（プルトニウム）です。

Q α線（プルトニウム）はどこから検出されますか？
A 福島県の自動車フィルターから検出ずみです。
http://www.youtube.com/watch?v=NBAM8w3gVZY

Q　空間線量は測れますか？Radiのほうが空間線量で性能がよいですか？
A 　ワイプテストプレートをつければ空間線量が測れます。
ガンマ線仕様はインスペクタープラス（10 KeV ）、Radi（150keV ）のためインスペクターのほうが性能がよいです。

Q 数値がぶれます。
A CPMやトータルタイマーモードで測ってください。

　
本日のインスペクター（ＩNSPECTOR+）価格情報

米尼で、　ＩNSPECTOR+　　　　　　$536.75- 　約４４５００円　（在庫あり）
http://www.amazon.com/dp/B004CCRIHU

こっちもあるな。 ブーツが付属してます。

ＩNSPECTOR+　ブート付きで　　 　$555.75- 　約４６０００円　（現在在庫ぎれ）
http://www.amazon.com/dp/B004CCRIIE

米尼で買えば、５万円でお釣りがくるよねｗｗｗ
　
　

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
http://savechild.net/archives/3891.html
αアルファ線（プルトニウム）
βベータ線（セシウム137　ストロンチウム）
γガンマ線（セシウム134）

セシウム汚染地図
http://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

>>5
>ガンマ線仕様はインスペクタープラス（10 KeV ）、Radi（150keV ）のためインスペクターのほうが性能がよいです。

だめじゃん、これ。エネルギー補償が無いままK40由来のγ線を過剰に見積もるから、正しい空間線量率測れないでしょ？

>米尼で買えば、５万円でお釣りがくるよねｗｗｗ

値段分の価値だということですよ。震災直後は２０万円前後出して一人で５台も買ったアフォがいるようですが
ｗｗｗ

>震災直後は２０万円前後出して一人で５台も買ったアフォがいる

自分がほしけりゃ幾らで買ってもいいわけだが。　後悔したろうなあ。

値段が下がってきて購入を考えています。ただ感度が高いのにエネルギー補償がないので、
β遮蔽してもμSvの値は信頼できないのと、マイカの寿命が8000時間なのと、CPSが整数表示
なのがネック。バックライトもない。新モデルもWTPがつけ易い(しかも前のWTPは使えない?)
玄人向けらしいけれど、ブランドイメージ先行？エンジンだけ強力な昔のアメ車のように感じる
のは自分だけかな。企業努力が足りない気がするが。識者の皆さん、気を悪くしないでね。
素人の率直な感想です。高線量の場所の汚染を知るには良い機種だとは思うけど。

>>6
普通にIn Stockになったんだ。
半年待ちで1月上旬にきたけどこれでこわれものに触るように使わずにすむな。
マイカだし勿論乱暴に扱っていいってわけじゃないんだけどね。

増産して新型になったのも福島の影響かねえ

>>13
同感！　
やっと安心して使えますね。

>>12
エアガイガーのあなたにはエアカウンターSでよいのでは？
表面汚染、食品測定、アルファ線測定が必要と思ったらインスペクタープラスを検討すればよいのではないですか。

>>12
ポリマスターのPM1405にしたら？高いけど。
お望みのエネルギー補償も、バックライトも付いてるし。
高線量の所なら、SOEKSでもラデでも十分使えます。

RD1008,DoseRae2,PA1000は使っているのですが、食品の簡易測定ができるなら
Inspectorをと考えています。BG遮蔽がやはり面倒ですか？PM1405も良いですが、
とりあえずRD1008があるので。ともかくアドバイス、乙です。感謝します。

ポリマスターはたしかに性能よいな。
PM1703MO-1Bほしいけど３５万円もするよな。。

>>18
BG遮蔽は高さ１メートルくらいの台に鉛玉をしくと安くできる。
お風呂で水遮断もできるが湿気で壊れやすいからやめたほうがよい。

前スレ >>991
日本語表示で字化け無し。感激した。
ただ、重大な問題がひとつ。エラーメッセージの意味がわかんない。
表計算機能がほとんどないRなので、桂カルクで作表して、
ある程度検定して、桂カルクが未実装な分散分析とノンパラ検定と作画をRでやったほうが楽そう。
青木さんのところにコマンドが載っているから。

俺にもわかるようにC#かC++かJAVAで書いてくれ。

61 名前:名無しに影響はない(千葉)(やわらか銀行) :2012/03/14(水) 21:15:39.90 ID:Q4hHsjYH
inspector+が安くなってきたので購入、ベランダの側溝を計ると0.5μ。
紙で遮蔽すると0.18μまで減少。
RD1503だと反応していなかったので安心してたよ、まったく。
ベランダからプルトニウムかよ。

セシウム等から出ている弱β線も紙一枚でストップするらしい。α線は数ミリしか
飛ばないから、数センチ離して紙はつかわないってのは？それにCPM計測が値は正確。

自動車フィルターを測ればプルトニウムは検出される。
静岡県から東でプルトニウム検出されるのは当たり前。
アルファ線は、空気中で約４�p飛ぶ。
低エネルギーβ線の紙１枚による遮蔽は無理。
http://www.rist.or.jp/atomica/data/dat_detail.php?Title_No=08-01-02-06
エネルギーが1MeVのベータ線の飛程はおよそ0.4g/cm2で、密度が2.7g/cm3のアルミニウム板を用いれば、厚さ2mm以上で遮へいできる。
とあり、0.6g/cm程度の重さが必要。 つまり紙１枚で低エネルギーベータ線の遮断は無理。

セシウムはほとんど0.5ぐらいだろ
紙で半分くらいになるんじゃないの？

情報、乙。インスペクターはβ線0.16MeV〜から検出だが、1Mev以下の弱βは
やっぱり紙でも無理ですか？それとアルミは制動放射でX線が出てくるが。

>>22
漏れへのリクエスト？。
漏れはJavaもCもわからん。
N88-Basic(A可)。PC-9801。
JIS FOTRAN 6。
以上のみ。

生データの見方を知らせておく。３つもあれば、説明するにば十分だろう。
"!No","BG"
1, 32
2, 70
3,107
１行目、列の表題を示す記号「!」、行の内容が文字であることを示す記号として、前後を「"」で囲っている。「,」が列の区切りを示す記号。
CSV形式と呼ばれているが、亜種が結構ある。説明を要するのは、以下の２点。
「""で囲ったのが文字で、囲っていないのが数値」という規則は、JCALK(エイセル社販売表計算ソフト)の内容。
列の表題を示す記号「!」を使っているのは、フリーソフトだった頃のTCARD(http://www.dicre.com/soft/tcard.htm)の内容。シェアになってからは使用していないので現在は不明。

１列目。これは、測定時間。測定開始を０分として、１分ごとにガイガーの計数を読み取るという作業をしている。
この表だと、１分目、２分目、３分目の３回を読み取っている。
それぞれの読み値が、32, 70, 107の3つと成る。
70-32 =38, 107-70=37という2つの値が得られて、38CPM, 37CPMという2つの測定値が得られる。
最初の32を読み捨ているのは、スイッチ操作の関係。チァタリング(スイッチ操作によって希望しない値が計数されること)を避けている。
１分間に１回ピーと鳴るタイマーが必要だが、これは、桂カルクに同封されていたJwpcTime.exeを使っている。

読み取り時間の誤差だが、連続して何回も測定しているので、これは無視できる測定値となるはず。

次が、ポアソン分布とガウス分布の関係。
ポアソン分布の場合に、「データ数(試料の大きさ)を１１個以上にすると、ガウス分布に近似できる」といわれている。
私は、解析解や数値解を求めたわけではないので、理論はわからない。
http://ja.wikipedia.org/wiki/%E3%83%9D%E3%82%A2%E3%82%BD%E3%83%B3%E5%88%86%E5%B8%83

３０個とれば0.5桁精度を上げられる(log(3)=0.47)のだが、２０個で0.3桁(log(2)=0.30)の精度上昇で満足している
２時間あれば繰り返し二回(開始と終了のBG測定+試料測定の間のBG測定)として、合計５回(110分)+桂カルクによる基本統計量の計算が終了する。
正規分布に近似できれば、普通の計量型検定(パラメトリック検定)が使えるので後が楽。

桂カルクによる操作は、
起動した状態(Katsura Calc)で
「Read」で「ファイル読み取り」メニューを出して
「CSV」、「表題」のレ印、(ファイル名)をクリック。
入力ファイルを「JwpcWin.exe」があるディレクトリ(Jwpc\)の下のディレクトリの「Jwpc\InData\」ディレクトリにコピーすること。
このディレクトリの内容しか表示されない(操作すれば他のディレクトリに変更可能)。
「,」の数を間違えたとか、変な行を入れちゃった、なんて時には、「編集」をクリック、ノートパット(メモ帳)で編集可能。
「数値表読取」の枠の右端、「]+1」をクリック、「数値表読取」の枠内「実行」をクリックすれば読み取れます。

読み取った結果は、「制御」にレ印。
「表示」「行数」とクリックすれば、読み取った行数が、
「表示」「数値表」とクリックすれば、読み取った内容が表示されます。
内容がおかしければ、「制御」のレ印を消すか「Read」をクリックすれば最初の画面(「ファイル読み取り」)になりますので、ファイルを直接ノートパットで編集します。
使い方を覚えれば、いろいろこった使い方があるようですが、私では理解できませんでした。

(Katsura Calc)の表示枠で「数列」をクリック、「数列作成」の入力画面に。
「推定」をクリック、
上から二番目の列指定の枠、
左側が計算結果を保存する列だから、「]+1」を指定。「]」は最後の列を示す記号、(IBMの大型コンピュータのラインエティタを使っていた人なのかな)
右側が、2。
「数列推定」枠の「演算名」が「A(1)=A(0)-B」を指定。
最後に、一番下の「実行」をクリック。
列指定を適当に変えて、実行を何回かクリック。
終了したら、右上の「×」印をクリック。

「ファイル読み取り」メニューを出して、
「表示」「数値表」とクリック
計算値も表示されますので、マイナス値がないことを確認してください。あれば、入力ミスです。

(Katsura Calc)の表示枠で「基本統計量」をクリック、「基本統計量」の入力画面になります。
処理内容の枠内の「危険率」をクリック
危険率を 「0.05」、列番号を「0 すべて」とクリック、最後に「設定」をクリック。
処理内容の枠内の「統計量」をクリック
列番号を「0 すべて」とクリック、最後に「設定」をクリック。
他の設定は知らん。左端が初期値なので、これでいいんじゃないかな。
計算終了後に「表示」にレ印。「統計量」をクリック。
列番号を(3列目に計算結果を保存したので)3。
表示郡が「基本等計数1」を選択。計算結果かいろいろ出る。
コピーしたい場合には、「Disp」にレ印後、「Dump」をクリック、ノートパットで作成されたファイルが編集できます。
他は知らぬ。

異常値の棄却検定は、
(Katsura Calc)の表示枠で「検定1」をクリック、「検定と推定」の入力画面になります。
「１集団」をクリック、棄却検定が５種類ぐらいあるので、選択して
列指定を「3」をクリック。「Cal」をクリックすると計算結果が表示されます。
注意点は、
「「基本統計量」の入力画面」で「危険率を 「0.05」、列番号を「0 すべて」とクリック、最後に「設定」をクリック。」していないと、すべての検定が行われないこと。
基本統計量の計算結果を使っているらしく、「「統計量」をクリック。列番号を「0 すべて」とクリック、最後に「設定」をクリック。 」をやっていないと、検定の中に実行されないものがあること。

最後に、R用のファイルの作成。
(Katsura Calc)の表示枠で「Write」をクリック、「ファイル出力」の入力画面になります。
「出力内容」内「R-Data」をクリック。
「書き出し内容を指定」内「Type1」
「出力ファイルの内容」内「更新」「.txt」「表示」をクリックした後で、
ファイル名(NewFile001.txt)をクリック。
出力列指定を「数列作成」で作成した(増えた)列番号を指定して
「保存」をクリック。
ノートパットに計算結果が表示されます。
R用に改行コードが、0Dなので、(Windows では0d0a)、0dが解釈できるエディタ(サクラエディタを使っています)にコピーして、終了。

桂カルクを終了するときには、後から表示した入力枠の右上の「×」印をクリックして、
最後に、「(Katsura Calc)の表示枠」の右上の「×」印をクリックしないと、変な状態になりますので、注意。

DL等は、
http://ikura.2ch.net/test/read.cgi/sim/1284162960/l50
参照。

うちのアパートの屋上も、SOEKSは反応なし、
プリピャチ(遮蔽無し)で何とか反応してるかな？って所に、
インスペを(ビニールに入れて)かざすと0.6μSv/h出ました。

屋上の防水のビニールの所で、堆積物が無いところは三機種とも反応無しでした。

ヤフオクで５万切ってるな。
追加購入しようかと思うけど米アマで買うかヤフオクで買うか悩むところ。

予備機？いらないだろ。
もういつでも米尼でポチれば3、4日で届くんだからさ。

マイカ窓付をオクで買うのはやめた方がいい。

関西あたりから買えば汚染していないと思うけど、米アマで買うかな。
米アマから買って、マイカ窓割れてたて前スレで言ってたからさ。

いつでも可能、がいきなり断ち切られた時にこそ、予備が予備の役割を果たすのであって

転売ヤーの御用機種だよねｗ

>>37
割れてたと前スレで言ってたの　(やわらか銀行)　1人だけという不思議

　(やわらか銀行)　おまえ転売のための宣伝に、必死過ぎだろｗｗｗ
　

長屋は息をはくように嘘をつく
前スレより
859 : 名無しに影響はない(静岡県) : 2012/03/02(金) 20:54:42.69 ID:7cOnJx44 [1/2回発言]
昨日、米アマよりようやく到着！
がっ、しかし・・・
マイカ粉々に粉砕状態
ＵＰＳの野郎放り投げやがったな
当然返品なのだけれど、米アマのreturns center へ行って、Return an item for this order をクリックしても、
This item is not eligible for return.（この商品は返品できない）という表示になって、それ以降に進めん。
米アマ組の皆さんもそうなるの？
できれば教えてください。
参ったなぁ〜

画像もなしにどうしろと。

>>41
ああ「割」で検索したから引っかからなかったんだね。

そういや　(静岡県) も同じ転売業者だったねｗｗｗ
そして　(やわらか銀行)　は今回と同じように、ウソ平気でついて商売敵を中傷してたな

>883 名前： 名無しに影響はない(やわらか銀行) 投稿日： 2012/03/03(土) 09:14:15.77 ID:Y0PVB6Cw
> 静岡県から買ったらセシウムで汚染されていて、
> アメリカアマゾンから買ったらマイカ窓が割れていたでござるの巻

米アマゾン相手に、同じこと繰り返してる様子は哀れだなｗ
　

まあキチガイ長屋は無視して。。
千葉県産のサバの内臓から汚染反応でましたよ。
表面だけ測ってもだめだ。内臓まで測ったほうがいいよ。

>>44
いんすぺくたーのノイズじゃね？

それにサバの内臓って喰わないしｗ

多分、栃木県たまご。ゆで卵の黄身だけ
"!No","BG","卵","BG","卵","BG"
1, 49, 41, 54, 42, 50
2, 91, 82, 92, 86, 87
3,124,131,128,127,129
4,166,171,173,180,163
5,211,210,207,210,214
6,245,254,244,253,254
7,290,298,292,292,289
8,335,349,331,329,320
9,366,383,369,381,358
10,400,416,417,426,410
11,436,450,461,467,450
12,473,494,497,503,497
13,516,535,540,546,539
14,552,585,584,591,585
15,597,632,623,628,617
16,640,670,658,670,651
17,681,700,692,721,694
18,717,749,736,756,738
19,742,800,778,805,779
20,783,844,831,845,813
21,821,889,871,884,846
"* 平均", 38.60, 45.40, 40.85, 42.10, 39.80
"* 標準偏差", 5.50, 6.30, 5.21, 5.97, 6.16
"*", "ゆで卵の黄身(放射能の蓄積が多い)を集めて、40度C２日間乾燥。ポリ袋(ユニパックF4)に２重に入れて、測定"

'全データ
g <- c(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,
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,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
x <- c( 42, 33, 42, 45, 34, 45, 45, 31, 34, 36, 37, 43, 36, 45, 43, 41, 36, 25, 41, 38,
41, 49, 40, 39, 44, 44, 51, 34, 33, 34, 44, 41, 50, 47, 38, 30, 49, 51, 44, 45,
38, 36, 45, 34, 37, 48, 39, 38, 48, 44, 36, 43, 44, 39, 35, 34, 44, 42, 53, 40,
44, 41, 53, 30, 43, 39, 37, 52, 45, 41, 36, 43, 45, 37, 42, 51, 35, 49, 40, 39,
37, 42, 34, 51, 40, 35, 31, 38, 52, 40, 47, 42, 46, 32, 34, 43, 44, 41, 34, 33)
One-way analysis of means
data: x and g
F = 1.4736, num df = 4, denom df = 95, p-value = 0.2163
有意差有り。
g <- c(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,
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,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
x <- c( 42, 33, 42, 45, 34, 45, 45, 31, 34, 36, 37, 43, 36, 45, 43, 41, 36, 25, 41, 38,
41, 49, 40, 39, 44, 44, 51, 34, 33, 34, 44, 41, 50, 47, 38, 30, 49, 51, 44, 45,
38, 36, 45, 34, 37, 48, 39, 38, 48, 44, 36, 43, 44, 39, 35, 34, 44, 42, 53, 40,
44, 41, 53, 30, 43, 39, 37, 52, 45, 41, 36, 43, 45, 37, 42, 51, 35, 49, 40, 39,
37, 42, 34, 51, 40, 35, 31, 38, 52, 40, 47, 42, 46, 32, 34, 43, 44, 41, 34, 33)
One-way analysis of means
data: x and g
F = 4.4535, num df = 1, denom df = 98, p-value = 0.03738
有意差有り。BGと卵の黄身で線量に差が有り
g <- c(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,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
x <- c( 42, 33, 42, 45, 34, 45, 45, 31, 34, 36, 37, 43, 36, 45, 43, 41, 36, 25, 41, 38,
38, 36, 45, 34, 37, 48, 39, 38, 48, 44, 36, 43, 44, 39, 35, 34, 44, 42, 53, 40,
37, 42, 34, 51, 40, 35, 31, 38, 52, 40, 47, 42, 46, 32, 34, 43, 44, 41, 34, 33)
One-way analysis of means
data: x and g
F = 0.7954, num df = 2, denom df = 57, p-value = 0.4563
バックグラウンド(BG)に有意差有り
g <- c(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)
x <- c( 42, 33, 42, 45, 34, 45, 45, 31, 34, 36, 37, 43, 36, 45, 43, 41, 36, 25, 41, 38, 38,
36, 45, 34, 37, 48, 39, 38, 48, 44, 36, 43, 44, 39, 35, 34, 44, 42, 53, 40)
One-way analysis of means
data: x and g
F = 0.0239, num df = 1, denom df = 38, p-value = 0.878
最初の２回のBG測定に有意差無し。
g <- c(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)
x <- c( 41, 49, 40, 39, 44, 44, 51, 34, 33, 34, 44, 41, 50, 47, 38, 30, 49, 51, 44, 45,
44, 41, 53, 30, 43, 39, 37, 52, 45, 41, 36, 43, 45, 37, 42, 51, 35, 49, 40, 39)
One-way analysis of means
data: x and g
F = 0.0239, num df = 1, denom df = 38, p-value = 0.878
測定値に有意差無し。
よって、最後のBG測定を棄却。残りで再度検定のしなおし
g <- c(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,
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)
x <- c( 42, 33, 42, 45, 34, 45, 45, 31, 34, 36, 37, 43, 36, 45, 43, 41, 36, 25, 41, 38,
41, 49, 40, 39, 44, 44, 51, 34, 33, 34, 44, 41, 50, 47, 38, 30, 49, 51, 44, 45,
38, 36, 45, 34, 37, 48, 39, 38, 48, 44, 36, 43, 44, 39, 35, 34, 44, 42, 53, 40,
44, 41, 53, 30, 43, 39, 37, 52, 45, 41, 36, 43, 45, 37, 42, 51, 35, 49, 40, 39)
One-way analysis of means
data: x and g
F = 1.7956, num df = 3, denom df = 76, p-value = 0.1552
有意差有り。
以上で、卵の黄身の線量は BG よりも高い。

>>46
それやろうとしたら、
乾燥中に、試料を猫に持っていかれてしまった。
猫に盗まれない乾燥手段が必要。で、机を改造した。

>>48
時間がありましたら乾燥椎茸や魚の切断面などお願いします。

サーベイメータによる放射能の検出限界はいくつか
http://imeasure.cocolog-nifty.com/isotope/2012/03/post-23be.html

1万５千ベクレル／ｋｇの焼却灰にてGM管とシンチを比較
GM管 TGS-146B　　シンチ TCS-172B

β線タイプでいったいどの程度まで検出可能なのかを検証
結論
TGS-146Bを用いて、放射能を計測する場合、検出限界は、900Bq/kｇと推定される。
また、確実に有意であると断定できる放射能値は、1800Bq/kg以上であると推定される。

>>50
「魚の切断面」は不可能。
測定しようとすると、試料を猫が持っていってしまう。
福島産鶏肉を調べようとして、机の上に置いたらば、猫の食事に化けてしまった。

>>52
わらった。その間、猫を籠にとじこめていればいいのではとおもいました

ネコを満腹状態にしとけよ

やさしおで値付けしようとやったけど、高濃度すぎて挫折。
しかも、BGが乱れてくれた。

"!No","BG","やさしお2g","BG"
1, 35, 67, 44
2, 77, 143, 91
3,112, 206,128
4,155, 270,170
5,191, 338,213
6,234, 405,255
7,268, 480,297
8,298, 553,347
9,335, 622,392
10,379, 686,438
11,433, 748,488
12,484, 811,543
13,515, 898,583
14,557, 972,634
15,597,1039,674
16,633,1095,723
17,670,1176,758
18,706,1250,799
19,741,1327,832
20,790,1404,865
21,822,1477,909
"* 平均" , 39.35, 70.50, 43.25
"* 標準偏差", 6.60, 7.49, 6.05

"*BGとBG 等分散平均値の差"
"*差がある(片側検定)差がある(両側検定)"
"*ＴＲ（ 38， 0.05）＝ 1.694"
"*ＴＷ（ 38， 0.05）＝ 2.038"
"*7列(N = 20)と9列(N = 20)　危険率 = 0.05 Ｔ0 = 12.62"
"*平均値の差( 3.900000)の 下限信頼限界 3.2702324 上限信頼限界 4.5297676"

味の素販売　やさしお　2gをポリ袋(KKトルネ、チャック付きポリ袋 3号)にいれて、
ガイガー検出部にほぼ均一になるようにならして、置いて、測定。
σ(6CPM)ないし1/2σ(3CPM)程度の差で有意差をとっているので、30CPMの差は多すぎ。
200mgを計り取る必要があり、ちょっと高度な上皿天秤の取り扱いが必要。
最大測定可能量100g、感度100mg、7000円の上皿天秤を購入しました。

>>53-54
うちの猫は頭が良いのです。
閉じ込めたつもりでいても、最近新技術を編み出したのです。
部屋の天井に穴をあけて脱出するという新技術を。

うちの猫は被爆してまして、痙攣などの神経障害を起こしています。
つまり、満腹神経が麻痺していますので、暴食します。
１匹で肉１パックぐらい食べてしまいますので、全部の猫に満腹させるなんて、困難です。
カリカリ2kg入り１袋をかわりばんこに食べて、１日で全部食ってしまったという実績がありますから。

１匹、変なのに捕まって、虐待を受けています。
腹部裂穴で、リンパ液を漏らしながら何とか生きているような状態で、
常に見えるところに置いておかないと不安です。放射能の影響を受けているのか、下痢が止まりません。
これに大量の餌を与えたらば、室内はかなりの悪臭になるでしょう。

猫ケージおすすめ。３階建ての猫御殿。
http://www.amazon.co.jp/dp/B000YG65XQ

猫いっぱい飼ってるという話は勘弁しておくれ

米尼でポチる場合、average 2-4daysの方で頼むんだよね？
料金は一緒？

>>57の猫ケージは２匹までだからね。

新年早々届いた分のデポジットの差額が戻ってきたよ。
少し円安に振れた分50円ぐらい得したw
結局4万円ジャストぐらいですた。

>>60
やっぱり。強度に不安を感じた写真。壁にジャンブしてひっくり返される悪寒。

今日の測定。バックグラウンドが乱れで、安定せず。途中でやめました。
分散分析を使っている関係で、異常値が１個あるだけで「きわめて有意」という検定結果になってしまいます。
バックグラウントの乱れに十分注意してください。

今日は産地不明の蜜柑の皮。４０度２日乾燥後、ポリ袋に入れて測定。
生データはこれ。
"!No","BG","蜜柑","BG","蜜柑","BG"
1, 44, 46, 45, 48, 47
2, 83, 90,102, 98, 79
3,123,138,140,134,126
4,169,181,182,177,171
5,209,231,238,217,206
6,256,286,278,274,256
7,301,331,317,318,297
8,339,374,361,361,330
9,377,418,394,423,374
10,407,448,437,468,424
11,448,474,483,515,473
12,500,509,521,549,521
13,539,560,561,596,562
14,578,607,610,628,598
15,615,663,660,676,643
16,653,697,695,719,668
17,684,743,743,776,710
18,716,802,786,822,750
19,759,849,827,857,800
20,795,910,855,896,852
21,829,955,898,949,888
"* 平均値", 39.25, 45.45, 42.65, 15.05, 42.05
"* 標準偏差", 5.49, 9.07, 7.11, 8.04, 7.33

"2012.03.19 測定","産地不明の蜜柑皮, 40度２日乾燥後、ポリ袋に入れて測定"

g <- c(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,
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,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
x <- c( 39, 40, 46, 40, 47, 45, 38, 38, 30, 41, 52, 39, 39, 37, 38, 31, 32, 43, 36, 34,
44, 48, 43, 50, 55, 45, 43, 44, 30, 26, 35, 51, 47, 56, 34, 46, 59, 47, 61, 45,
57, 38, 42, 56, 40, 39, 44, 33, 43, 46, 38, 40, 49, 50, 35, 48, 43, 41, 28, 43,
50, 36, 43, 40, 57, 44, 43, 62, 45, 47, 34, 47, 32, 48, 43, 57, 46, 35, 39, 53,
32, 47, 45, 35, 50, 41, 33, 44, 50, 49, 48, 41, 36, 45, 25, 42, 40, 50, 52, 36)


One-way analysis of means

data: x and g
F = 2.2406, num df = 4, denom df = 95, p-value = 0.07037

全体の比較では有意差有り

g <- c(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,
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,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
x <- c( 39, 40, 46, 40, 47, 45, 38, 38, 30, 41, 52, 39, 39, 37, 38, 31, 32, 43, 36, 34,
44, 48, 43, 50, 55, 45, 43, 44, 30, 26, 35, 51, 47, 56, 34, 46, 59, 47, 61, 45,
57, 38, 42, 56, 40, 39, 44, 33, 43, 46, 38, 40, 49, 50, 35, 48, 43, 41, 28, 43,
50, 36, 43, 40, 57, 44, 43, 62, 45, 47, 34, 47, 32, 48, 43, 57, 46, 35, 39, 53,
32, 47, 45, 35, 50, 41, 33, 44, 50, 49, 48, 41, 36, 45, 25, 42, 40, 50, 52, 36)

One-way analysis of means

data: x and g
F = 6.6371, num df = 1, denom df = 98, p-value = 0.01148

BGと試料の比較では有意差有り

g <- c(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)
x <- c( 44, 48, 43, 50, 55, 45, 43, 44, 30, 26, 35, 51, 47, 56, 34, 46, 59, 47, 61, 45,
50, 36, 43, 40, 57, 44, 43, 62, 45, 47, 34, 47, 32, 48, 43, 57, 46, 35, 39, 53)

One-way analysis of means

data: x and g
F = 0.0218, num df = 1, denom df = 38, p-value = 0.8835

測定値同士の比較で有意差無し。

最初のBG測定を棄却して
g <- c(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)
x <- c( 57, 38, 42, 56, 40, 39, 44, 33, 43, 46, 38, 40, 49, 50, 35, 48, 43, 41, 28, 43,
32, 47, 45, 35, 50, 41, 33, 44, 50, 49, 48, 41, 36, 45, 25, 42, 40, 50, 52, 36)
>oneway.test(x ~ g, var = T)
One-way analysis of means

data: x and g
F = 0.069, num df = 1, denom df = 38, p-value = 0.7942

BGの測定に有意差無し。
これで全体の比較をすると

g <- c(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,
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)
One-way analysis of means

data: x and g
F = 0.9199, num df = 3, denom df = 76, p-value = 0.4354

有意差有り

g <- c(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,
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)
x <- c( 44, 48, 43, 50, 55, 45, 43, 44, 30, 26, 35, 51, 47, 56, 34, 46, 59, 47, 61, 45,
57, 38, 42, 56, 40, 39, 44, 33, 43, 46, 38, 40, 49, 50, 35, 48, 43, 41, 28, 43,
50, 36, 43, 40, 57, 44, 43, 62, 45, 47, 34, 47, 32, 48, 43, 57, 46, 35, 39, 53,
32, 47, 45, 35, 50, 41, 33, 44, 50, 49, 48, 41, 36, 45, 25, 42, 40, 50, 52, 36)

One-way analysis of means

data: x and g
F = 2.7443, num df = 1, denom df = 78, p-value = 0.1016

試料とBGに分けて比較しても有意差有り。
結論として、産地不明の蜜柑の皮の線量は、バックグラウンドよりも高い。

初回のBGと２回目のBGの違いは、ポリ袋の蓋が開いて、中身の粉がこぼれていたため(多分)。
試料を取り出してみたら蓋が開いていた。ポリ袋に入れてから砕いて平らにしたから、チャックが壊れたみたい。

製造所固有記号から工場の所在地(都道府県名)を問い合わせても教えてくれない
という話題もあるトライアングルのうどんの測定。
本日二回目の測定。
"*","2012.03.20 測定","03.19購入麺匠造りそうめん N2/0718 トライアングル"
"!No","BG","麺","BG","麺","BG"
1, 37, 39, 36, 38, 35
2, 79, 69, 81, 84, 75
3,128,111,129,126,117
4,166,152,170,166,164
5,221,200,204,206,206
6,264,243,238,237,249
7,296,286,271,271,283
8,338,328,303,314,322
9,376,366,343,346,360
10,417,411,385,384,410
11,454,442,423,426,458
12,488,481,467,470,498
13,520,532,503,513,538
14,551,573,539,553,571
15,589,611,582,606,602
16,638,656,618,647,640
17,680,698,660,680,685
18,718,731,705,721,715
19,753,759,743,762,752
20,795,797,775,799,791
21,840,847,812,832,835
"* 平均値", 40.15, 40.40, 38.80, 39.70, 40.00
"* 標準偏差", 6.20, 6.28, 4.77, 5.33, 5.40

これが生データ。

g <- c(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,
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,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
x <- c( 42, 49, 38, 55, 43, 32, 42, 38, 41, 37, 34, 32, 31, 38, 49, 42, 38, 35, 42, 45,
30, 42, 41, 48, 43, 43, 42, 38, 45, 31, 39, 51, 41, 38, 45, 42, 33, 28, 38, 50,
45, 48, 41, 34, 34, 33, 32, 40, 42, 38, 44, 36, 36, 43, 36, 42, 45, 38, 32, 37,
46, 42, 40, 40, 31, 34, 43, 32, 38, 42, 44, 43, 40, 53, 41, 33, 41, 41, 37, 33,
40, 42, 47, 42, 43, 34, 39, 38, 50, 48, 40, 40, 33, 31, 38, 45, 30, 37, 39, 44)

One-way analysis of means

data: x and g
F = 0.2415, num df = 4, denom df = 95, p-value = 0.9141

全体でまとめて有意差無し

g <- c(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,
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,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
x <- c( 42, 49, 38, 55, 43, 32, 42, 38, 41, 37, 34, 32, 31, 38, 49, 42, 38, 35, 42, 45,
30, 42, 41, 48, 43, 43, 42, 38, 45, 31, 39, 51, 41, 38, 45, 42, 33, 28, 38, 50,
45, 48, 41, 34, 34, 33, 32, 40, 42, 38, 44, 36, 36, 43, 36, 42, 45, 38, 32, 37,
46, 42, 40, 40, 31, 34, 43, 32, 38, 42, 44, 43, 40, 53, 41, 33, 41, 41, 37, 33,
40, 42, 47, 42, 43, 34, 39, 38, 50, 48, 40, 40, 33, 31, 38, 45, 30, 37, 39, 44)

One-way analysis of means

data: x and g
F = 0.1238, num df = 1, denom df = 98, p-value = 0.7257

試料とBGを比較しても有意差無し

g <- c(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,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
x <- c( 42, 49, 38, 55, 43, 32, 42, 38, 41, 37, 34, 32, 31, 38, 49, 42, 38, 35, 42, 45,
45, 48, 41, 34, 34, 33, 32, 40, 42, 38, 44, 36, 36, 43, 36, 42, 45, 38, 32, 37,
40, 42, 47, 42, 43, 34, 39, 38, 50, 48, 40, 40, 33, 31, 38, 45, 30, 37, 39, 44)

BGだけ比較しても有意差無し
>oneway.test(x ~ g, var = T)
One-way analysis of means

data: x and g
F = 0.3625, num df = 2, denom df = 57, p-value = 0.6975

g <- c(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)
x <- c(30, 42, 41, 48, 43, 43, 42, 38, 45, 31, 39, 51, 41, 38, 45, 42, 33, 28, 38, 50,
46, 42, 40, 40, 31, 34, 43, 32, 38, 42, 44, 43, 40, 53, 41, 33, 41, 41, 37, 33)

One-way analysis of means

data: x and g
F = 0.1442, num df = 1, denom df = 38, p-value = 0.7062

試料を比較したら、有意差有り。


g <- c(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,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
x <- c(45, 48, 41, 34, 34, 33, 32, 40, 42, 38, 44, 36, 36, 43, 36, 42, 45, 38, 32, 37,
46, 42, 40, 40, 31, 34, 43, 32, 38, 42, 44, 43, 40, 53, 41, 33, 41, 41, 37, 33,
40, 42, 47, 42, 43, 34, 39, 38, 50, 48, 40, 40, 33, 31, 38, 45, 30, 37, 39, 44)

後半3つの比較
One-way analysis of means

data: x and g
F = 0.2907, num df = 2, denom df = 57, p-value = 0.7488

有意差無し

g <- c(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,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
x <- c(45, 48, 41, 34, 34, 33, 32, 40, 42, 38, 44, 36, 36, 43, 36, 42, 45, 38, 32, 37,
46, 42, 40, 40, 31, 34, 43, 32, 38, 42, 44, 43, 40, 53, 41, 33, 41, 41, 37, 33,
40, 42, 47, 42, 43, 34, 39, 38, 50, 48, 40, 40, 33, 31, 38, 45, 30, 37, 39, 44)

One-way analysis of means

data: x and g
F = 0.0451, num df = 1, denom df = 58, p-value = 0.8326

BGと試料に分けても有意差無し。

前半２つの比較

g <- c(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)
x <- c( 42, 49, 38, 55, 43, 32, 42, 38, 41, 37, 34, 32, 31, 38, 49, 42, 38, 35, 42, 45,
30, 42, 41, 48, 43, 43, 42, 38, 45, 31, 39, 51, 41, 38, 45, 42, 33, 28, 38, 50)

One-way analysis of means

data: x and g
F = 0.016, num df = 1, denom df = 38, p-value = 0.9

有意差無し。
試料の２回の繰り返しでさが出てしまったので、もう少し繰り返しを取らないと調べようがない。

うざい。結果だけ載せろよ。

食品測るなんて無理なのに、
それをあえてやろうとしてどうにもならない感は出てる

だが正直うざい
投稿すんな

>>70 >>71
エ　ア　ガ　イ　ガ　ー　は　黙　っ　と　れ
トータルタイマーモードで測れば汚染食品測れるから。
逆にトータルタイマー機能のない別機種では食品測定は難しいということ。

食品汚染測る暇あれば引っ越せば？

キチガイじみてるわ。
データマニア
測定マニア

さっさと沖縄と海外引っ越せよ

地元野菜の値段が高騰して困ってる俺が来ましたよ。
インスペクター買ったけど、今のところ反応なし。

瓦礫を受け入れるとかバカ知事が言ってるけど、本当に止めてくれ。
中国産野菜を買わないといけなくなるじゃんorz

データのせるんならわかるようにのせろよ。自己満おつ。
論文にして学会発表してくれば〜。

いくら測定して結果わかってもオナニーしてるのと同じじゃん

そういう測定マニアに限って被爆地に住んでるんだな、

逃げる金無くて測定して自己満足してるだけ。

計測値に異常な執着心もってるし。

はたからみたらキチガイだな。

>>75
関東産干し椎茸、千葉県産魚介類の切断面をトータルタイマーモードで測定するんだ。
野菜も切断面まで測定するほうがよいぞ。
プルトニウムを測定したければ福島産自動車フィルターを測ればよいぞ。

>>71
実際計測値のヒストグラムの形状見れば有意判定は無駄だとすぐわかるのにね
だからRcmdrでサマリ出してみろって言ってるのに…

食物汚染が計測できるとか騙されてInspectorを買った人の末路だよね。
　

>>77
ほうほう、それで野菜に入ってるK40の分は、どう差し引けばいいんだい？

(やわらか銀行) は、人をキチガイか工作員呼ばわりするしか能がないから無理だろうけどｗｗｗ

>>73
嗚呼、ヌコよヌコよ、汝等を如何せん。

>>70
結果だけ載せているけど、計算も載せるか。
気合と根性さえあれば、手計算で分散分析は可能だ。
１日８時間、１ヶ月かかって１テーブルを計算するという技能だ。
昭和半ばの頃は良くやっていた作業。
rのように答え一発とは行かない。

>>71
インスはカウンターがついているから楽だよ。
先人は、人力で数えた。
これを使っていた人もいた。http://www.monotaro.com/sc/3a/%E3%82%AB%E3%82%A6%E3%83%B3%E3%82%BF%E3%83%BC-%E6%95%B0%E5%8F%96%E5%99%A8
目の前に柱時計を置いて紙と鉛筆を使っている人もいた。
先人の分析の話を聞いているから、こういうこともできる。

大塚アナウンサーは福島産食品を食べて応援していたな。急性白血病になったけど。
福島産食品は日本政府が安全宣言だしているんだし、食べて応援しないの？
外食や加工食品にたっぷり使われているよ。
http://blog-imgs-49.fc2.com/n/e/w/newsmami/20111203031550144-0.jpg

>>72
おまえ退避だろｗ

>>80
ガイガーの検出音をカウントするフリーソフトが有るから
室内計測ならカウンタ機能自体が必要ないけどね。

>>78
＞だからRcmdrでサマリ出してみろって言ってるのに
だから、使い方がわからないって言ってるのに。
度数分布は、棄却しないとしても６０個＋４０個だから、意味ないよ。

>>75
乾燥させないと、水の吸収が多くてβ線にしても光子にしても吸収されてしまって検出できない。
「蜜柑の皮」でなくて、「乾燥した蜜柑の皮」を測定していることに注意して。

>>79
安全側に解釈すればいいじゃん。つまり、
生産側では全量Kの影響であり汚染はない、と解釈し、
消費側では　Kの濃度を0と近似する。
極端な言い方をすれば、厚生省通達に記載のある必須量をやさしおのような食品添加物で取り、
Kの多い食品を全部避ければ良いだけ。

>>81
食べない
ゴミ

>>84
＞Kの多い食品を全部避ければ良いだけ。

すでに机上の空論な気がします。

>>83
名称とURLを教えて

前もRcmdr教えたけど使えないじゃん。　自分で作っても難しくないよ。

英語が天才的にできないから、日本語のソフト以外はまず使えない。
音声ソフトは、イインデスカ.com　に刺激されて造って、やめちゃったし
先端検出やって、どうなるかな。
ただ、作っている時間があるかな。

まあ頑張れ。(やわらか銀行)がケチつけるから具体名は言わないけど探せばすぐだよ。

>>75
＞論文にして学会発表してくれば〜。
無理。
最低でも化学天秤(13-15万)と乾燥機(20-30万)と定性分析用機材(10-30万)が
ないと、査読ではじかれる。
教師向け発表の場であっても、中高校の理科室程度の設備が必須だ。

まあ、探してみましょう。
インスとパソのアイソがわからなくて、on-line化できなかったんだが、
パソ用マイクとインスのブザーで、パス(Pass、光音響センサー)のような使い方をして、
アイソできれば自由度が広がる。

>>86
今日は測定無しです。ちょっと室内の線量が高いので。

>>86
そうでもないです。大体300mg/食品100gの場合、バックグラウンドとの差異が有意になりません。
したがって、300mgを超える食品が対象になります。結構少ないです。
http://www.eiyoukeisan.com/calorie/nut_list/kalium.html

でも(やわらか銀行)が >77 で希望してた干しシイタケとか2100mg/100gだよ。
天然カリウム1000mgで30.4Bqだから、63.8Bqのカウントになるよね。

(やわらか銀行)なら、そのまま64Bqもべクれてるぜ。キャッホ〜って煽るんだろうけど
これだけ含まれてるK40無視できるなら、そもそも計測する意味自体無いんじゃないの？

まあ実際は、その質問は(やわらか銀行)に対して質問したんだけど、音沙汰ないねｗｗｗ

スペクトル分析が出来ないガイガーじゃ総量（それも大雑把な換算）測定しか出来ないよ
だから原発由来の放射能の量なんて全然判らないのが正解。

食物汚染が計測できるとか騙されてInspectorを買った人は可哀想だよね。

ほししいたけ。秋に収穫せず、屋外に放置したままのヤツを収穫して
0.12-0.17uSv/h, BG: 0.08-0.15uSv/h。地面 0.09-0.12uSv/h
が今の測定(１分間放置後１分間の読みの最大値と最小値)。
春のしいたけは、ボチボチ傘が開くと思うので、明日か明後日にでも収穫してきます。

しいたけの場合、100gも測定できない。せいぜい5-20g程度。
傘で薄く広がっているから、検出窓から溢れてしまう。
10g(K:200mg)で検出できる(3-6CPM)かどうかのギリギリだから、
楽に検出できるはず。

つうか、そもそもInspectorで、K40の１Bqって、何ｃｐｍ換算になるの？

干し椎茸は中国産と関東産を比較すればよいと思う。
椎茸は傘の裏の部分にセシウムなどが濃縮する。
栃木県がんばって。

>>97
それ知りたい。検出窓から溢れてしまう測定方法しかできないから。

ちっょと前、本日の室内新記録、0.18uSv/h。現在0.05uSv/h

以前書き込んだ蜜柑の測定値を使って、度数分布に関連した処理を。

> x <- c( 42, 33, 42, 45, 34, 45, 45, 31, 34, 36, 37, 43, 36, 45, 43, 41, 36, 25, 41, 38)
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 1 5 5
30 4 20 25
35 5 25 50
40 6 30 80
45 4 20 100
> x <- c( 41, 49, 40, 39, 44, 44, 51, 34, 33, 34, 44, 41, 50, 47, 38, 30, 49, 51, 44, 45)
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
30 4 20 20
35 2 10 30
40 7 35 65
45 4 20 85
50 3 15 100
> x <- c( 38, 36, 45, 34, 37, 48, 39, 38, 48, 44, 36, 43, 44, 39, 35, 34, 44, 42, 53, 40)
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
30 2 10 10
35 8 40 50
40 6 30 80
45 3 15 95
50 1 5 100
> x <- c( 37, 42, 34, 51, 40, 35, 31, 38, 52, 40, 47, 42, 46, 32, 34, 43, 44, 41, 34, 33)
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
30 6 30 30
35 3 15 45
40 7 35 80
45 2 10 90
50 2 10 100
>

http://aoki2.si.gunma-u.ac.jp/lecture/Dosuu/rem1.html
1+3.3*(log(20)/log(10))　= 5.29339898569114 より、スタージェスの方法では５分割になる。
２０個のデータだとどこにピークがあるのか読み取れない。

x <- c( 42, 33, 42, 45, 34, 45, 45, 31, 34, 36, 37, 43, 36, 45, 43, 41, 36, 25, 41, 38,
41, 49, 40, 39, 44, 44, 51, 34, 33, 34, 44, 41, 50, 47, 38, 30, 49, 51, 44, 45,
38, 36, 45, 34, 37, 48, 39, 38, 48, 44, 36, 43, 44, 39, 35, 34, 44, 42, 53, 40,
44, 41, 53, 30, 43, 39, 37, 52, 45, 41, 36, 43, 45, 37, 42, 51, 35, 49, 40, 39,
37, 42, 34, 51, 40, 35, 31, 38, 52, 40, 47, 42, 46, 32, 34, 43, 44, 41, 34, 33)

1+3.3*(log(100)/log(10)) = 7.6
より８分割として
> dosuu.bunpu(x, 4)
freq pcnt cum.pcnt
24 1 1 1
28 4 4 5
32 16 16 21
36 21 21 42
40 24 24 66
44 20 20 86
48 10 10 96
52 4 4 100
>
「32」の所に肩(コル)があるのがわかるでしょう。「32」に含まれる実際の測定値 30,31,32,33,34の5つを数えてみると
'34 33 32 31 30 合計
1 2 1 0 1 0 4
2 2 1 0 0 1 4
3 2 0 0 0 0 2
4 0 0 0 0 1 1
5 3 1 1 1 0 6
これを見ると、5群(３回目のBG測定)に多いから、BGの測定の乱れの可能性がある(データ数が少ないので検定はしない)。

実際の測定面での度数分布の使い方としては、
> dosuu.bunpu(x, 2)
freq pcnt cum.pcnt
24 1 1 1
26 0 0 1
28 0 0 1
30 4 4 5
32 4 4 9
34 12 12 21
36 11 11 32
38 10 10 42
40 12 12 54
42 12 12 66
44 17 17 83
46 3 3 86
48 5 5 91
50 5 5 96
52 4 4 100
> dosuu.bunpu(x, 1)
freq pcnt cum.pcnt
25 1 1 1
26 0 0 1
27 0 0 1
28 0 0 1
29 0 0 1
30 2 2 3
31 2 2 5
32 1 1 6
33 3 3 9
34 9 9 18
35 3 3 21
36 6 6 27
37 5 5 32
38 5 5 37
39 5 5 42
40 5 5 47
41 7 7 54
42 6 6 60
43 6 6 66
44 9 9 75
45 8 8 83
46 1 1 84
47 2 2 86
48 2 2 88
49 3 3 91
50 1 1 92
51 4 4 96
52 2 2 98
53 2 2 100
>
これを見ると、34から44までほぼ一定。
あるいは、３４が跳ねているけど、三角形の状態。おそらく、3つか４つぐらいの分布の重ね合わせが見当つく。

BGの測定値だけ比較してみると
x <- c( 42, 33, 42, 45, 34, 45, 45, 31, 34, 36, 37, 43, 36, 45, 43, 41, 36, 25, 41, 38, 38, 36, 45, 34, 37, 48, 39, 38, 48, 44, 36, 43, 44, 39, 35, 34, 44, 42, 53, 40, 37, 42, 34, 51, 40, 35, 31, 38, 52, 40, 47, 42, 46, 32, 34, 43, 44, 41, 34, 33)

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 1 1.666667 1.666667
30 12 20.000000 21.666667
35 16 26.666667 48.333333
40 19 31.666667 80.000000
45 9 15.000000 95.000000
50 3 5.000000 100.000000
34の肩があることを考慮すれば、正規分布と見られないことはない。

34の肩がある３回目のBGの測定値を棄却して
x <- c( 42, 33, 42, 45, 34, 45, 45, 31, 34, 36, 37, 43, 36, 45, 43, 41, 36, 25, 41, 38, 38, 36, 45, 34, 37, 48, 39, 38, 48, 44, 36, 43, 44, 39, 35, 34, 44, 42, 53, 40)

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 1 2.5 2.5
30 6 15.0 17.5
35 13 32.5 50.0
40 12 30.0 80.0
45 7 17.5 97.5
50 1 2.5 100.0
>
> freq(x, 21, 56, 5)
度数 相対度数 累積相対度数
[21,26) 1 2.5 2.5
[26,31) 0 0.0 2.5
[31,36) 7 17.5 20.0
[36,41) 13 32.5 52.5
[41,46) 16 40.0 92.5
[46,51) 2 5.0 97.5
[51,56) 1 2.5 100.0
> freq(x, 22, 57, 5)
度数 相対度数 累積相対度数
[22,27) 1 2.5 2.5
[27,32) 1 2.5 5.0
[32,37) 11 27.5 32.5
[37,42) 10 25.0 57.5
[42,47) 14 35.0 92.5
[47,52) 2 5.0 97.5
[52,57) 1 2.5 100.0

> freq(x, 23, 58, 5)
度数 相対度数 累積相対度数
[23,28) 1 2.5 2.5
[28,33) 1 2.5 5.0
[33,38) 13 32.5 37.5
[38,43) 11 27.5 65.0
[43,48) 11 27.5 92.5
[48,53) 2 5.0 97.5
[53,58) 1 2.5 100.0
> freq(x, 24, 59, 5)
度数 相対度数 累積相対度数
[24,29) 1 2.5 2.5
[29,34) 2 5.0 7.5
[34,39) 15 37.5 45.0
[39,44) 11 27.5 72.5
[44,49) 10 25.0 97.5
[49,54) 1 2.5 100.0
[54,59) 0 0.0 100.0
> freq(x, 25, 60, 5)
度数 相対度数 累積相対度数
[25,30) 1 2.5 2.5
[30,35) 6 15.0 17.5
[35,40) 13 32.5 50.0
[40,45) 12 30.0 80.0
[45,50) 7 17.5 97.5
[50,55) 1 2.5 100.0
[55,60) 0 0.0 100.0
>
とBGの測定で、高原がありそう。平均値付近に接近している2つの正規分布のやまがあると、このような状態になる。

試料の測定。
x <- c( 41, 49, 40, 39, 44, 44, 51, 34, 33, 34, 44, 41, 50, 47, 38, 30, 49, 51, 44, 45, 44, 41, 53, 30, 43, 39, 37, 52, 45, 41, 36, 43, 45, 37, 42, 51, 35, 49, 40, 39)
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
30 5 12.5 12.5
35 8 20.0 32.5
40 14 35.0 67.5
45 7 17.5 85.0
50 6 15.0 100.0
> dosuu.bunpu(x, 4)
freq pcnt cum.pcnt
28 2 5.0 5.0
32 4 10.0 15.0
36 7 17.5 32.5
40 9 22.5 55.0
44 9 22.5 77.5
48 7 17.5 95.0
52 2 5.0 100.0
> dosuu.bunpu(x, 3)
freq pcnt cum.pcnt
30 2 5.0 5.0
33 4 10.0 15.0
36 4 10.0 25.0
39 9 22.5 47.5
42 8 20.0 67.5
45 4 10.0 77.5
48 4 10.0 87.5
51 5 12.5 100.0
> dosuu.bunpu(x, 2)
freq pcnt cum.pcnt
30 2 5.0 5.0
32 1 2.5 7.5
34 3 7.5 15.0
36 3 7.5 22.5
38 4 10.0 32.5
40 6 15.0 47.5
42 3 7.5 55.0
44 8 20.0 75.0
46 1 2.5 77.5
48 3 7.5 85.0
50 4 10.0 95.0
52 2 5.0 100.0

> dosuu.bunpu(x, 1)
freq pcnt cum.pcnt
30 2 5.0 5.0
31 0 0.0 5.0
32 0 0.0 5.0
33 1 2.5 7.5
34 2 5.0 12.5
35 1 2.5 15.0
36 1 2.5 17.5
37 2 5.0 22.5
38 1 2.5 25.0
39 3 7.5 32.5
40 2 5.0 37.5
41 4 10.0 47.5
42 1 2.5 50.0
43 2 5.0 55.0
44 5 12.5 67.5
45 3 7.5 75.0
46 0 0.0 75.0
47 1 2.5 77.5
48 0 0.0 77.5
49 3 7.5 85.0
50 1 2.5 87.5
51 3 7.5 95.0
52 1 2.5 97.5
53 1 2.5 100.0
>
最後の１個での度数部分をみると、40,45,50位の位置にピークがありそう。
BGで5位ずれている2つのピークがあることがわかることから、45のピークに対して、5ぐらい上下にずれていることが見当つく。
室内に漂っているほこりが原因で5ぐらい左右にずれているのが現状。

階級が10個くらいないと、高原状態の解析ができない。つまり、500個から1000個の測定が必要になってくる。
度数分布を取らない理由がこんなところ。データが少なくて、判断が困難。

説明を要するのは
[55,60)　、これは、左側が大括弧、右側が小括弧だから、55以上、60未満の意味。
このr用関数の入手方法と使い方は
http://aoki2.si.gunma-u.ac.jp/R/dosuu-bunpu.html

ここは機種スレですよ。

まーた性懲りもなく投稿してる

>>99
結局、何を量ってるつもりなんですか？ｗｗｗ

>>107
それは、左閉右開区間（左閉半開区間）というちゃんとした固有名称があります。
開区間、閉区間という用語くらい覚えておけと、小一時間…

結局このスレはキチガイ長屋一味に乗っ取られてしまったね。
嫌だ嫌だ。

だから長屋のことは相手にするなって。スルーしとけ。
インスペクターを持っていないのに、インスペクタースレに居座ってインスペクターをバッシング。
キチガイでRadiの転売屋なんだから。

>>111
わかっちゃいるけど、やめられない。
業界用語を使わない説明ばかりしているので、

>>110
BG。BGが安定しないと、試料を測定しても、測定自体が無意味。

微妙な差を測らなきゃいけないのに
汚染された地域のBGなんて意味あるの？

汚染されているならいるで特に問題はない。
問題は、BGの値が変動すること。
差1を求めようとするときに、BGが+-2変動していたら、有意差が取れない。
瞬間的に高い値が出ることが問題。

遮蔽すりゃいいだけ。

下手に遮蔽もできない。
というのは、
１分間に１回数値を読むという作業を21分間続けて、２１個の積算値から
20個の毎分あたりのカウント数を求めている。２０個というデータ数が
あるから、0.5σ程度の差であっても有意差が取れるのであって、
21分間の測定値１回だけだと、有意差を取るのは困難になってしまう。

専用のパソコン接続コードを購入して、鉛板で遮蔽して、遮蔽が置ける程度に床を補強して、
なんてやったらば、２０万円超えてもう１台インスが買えてしまう。
床の補強の経費が無視できないくらいに高額になる。
一般の住宅の床荷重が200kg/m2だから、注意してほしい。

なんだか、色々残念そうだな。

書き忘れたけど、コストパフォーマンスを優先した住宅の場合、
床荷重が120kgなんてところがある。
貸家住いの場合には十分注意してほしい。

>>116
えーと、１サンプルがたかだか50カウントくらいだと、そもそも無理だよ
ポアソン分布のエントロピーを算出してみてちょ、ゆらぎがでか過ぎるでしょ。

レシプロカルにアーラン分布で近似するという手もあるけど
BG相手じゃ多分何やっても無駄だと思うｗｗｗ

約700個(外に出ている間中の測定、マイクロホンによる計数)のデータより
> dosuu.bunpu(x, 3)
freq pcnt cum.pcnt
15 1 0.1367989 0.1367989
18 4 0.5471956 0.6839945
21 15 2.0519836 2.7359781
24 41 5.6087551 8.3447332
27 92 12.5854993 20.9302326
30 134 18.3310534 39.2612859
33 127 17.3734610 56.6347469
36 132 18.0574555 74.6922025
39 90 12.3119015 87.0041040
42 50 6.8399453 93.8440492
45 25 3.4199726 97.2640219
48 14 1.9151847 99.1792066
51 3 0.4103967 99.5896033
54 0 0.0000000 99.5896033
57 0 0.0000000 99.5896033
60 2 0.2735978 99.8632011
63 0 0.0000000 99.8632011
66 0 0.0000000 99.8632011
69 0 0.0000000 99.8632011
72 1 0.1367989 100.0000000
>
３０、３３，３６って、高原状態になっているから
近い2つの分布が重なり合っていることがわかる。
あと、60のピーク2つは、戸からの人の出入りの騒音。
72は、多分、猫が窓から出入りしたときの騒音だと思う。

>>121
＞BG相手じゃ多分何やっても無駄だ
そんな高尚なレベルを逸脱している。
単に空気中の線量の高い空気(室内残存)と低い空気(屋外からの流入)が混在しているだけだから。

>>122
>あと、60のピーク2つは、戸からの人の出入りの騒音。
>72は、多分、猫が窓から出入りしたときの騒音だと思う。
そういうデータをわざわざ貼って誰得ｗ

>>118
とりあえず
http://www.mikage.to/radiation/calc_diff_count.html
あたりで検証してみ〜。
27cpmと39cpm位じゃ有意にならないよ。

インスペクターをあと10台くらい買って同時に計測とかｗｗｗ

汚染がれき受け入れ、徳島県の説明が核心を突く
質問60歳男性「徳島県の市民は、自分だけ良ければいいって言う人間ばっかりなのか。声を大にして正義を叫ぶ人間はいないのか？　
情け無い君たち東京を見習え」
【環境整備課からの回答】
http://news.livedoor.com/article/detail/6379732/

>>124
こんなことが昔あったでしょう。
http://ja.wikipedia.org/wiki/%E6%97%A7%E7%9F%B3%E5%99%A8%E6%8D%8F%E9%80%A0%E4%BA%8B%E4%BB%B6
データ捏造に五月蝿くなったのがその後。
明らかに間違いであっても、掲載しなければならないということ。

>>125
面倒ポイ。
片側確率,0.25,0.2,0.15,0.1,0.05,0.025,0.01,0.005,0.0005
t分布表(片側 φ=19),0.688,0.861,1.066,1.328,1.729,2.093,2.539,2.861,3.883
有意差を取るには、標準偏差のおおむね２倍の差が必要
BGの乱れが標準偏差で2あれは、差が有意になるには4の差が必要。

米尼からExtremeブーツ付のInspector Plusが届いたけど、
自分には必要ない機種だってことがわかってorz

ワイプテストプレートもObserverソフトウェアも
単に散財しただけで終わった

>>128
何を言っているの。
漏れが中学校の頃、販売されているガイガーと言えば、
今のインスペクター程度の機器。高卒月給５万円の頃、１０万以上したヤツしか販売されていない。

ちょっと高価な子供のおもちゃ、程度の気分で使ってみて。

>>128
サバの内臓とヌコの輪切りを測るのに使えるお

空間線量を測るのにエネルギー補償シンチレータが複数ある
それらを補完するためにエネルギー補償GM管や硬βを測れるGM管式線量計が複数ある
核種分析をするのにスペクトロメーターもある
自宅モニタリングポスト用にGM-45(LNDパンケーキ、マイカ窓)もある

自宅周囲のホットスポットは、これらの機種を駆使してあらかた調べ終わった

こういった布陣にInspector+を投入しても、活躍できる場所がなかったんだ…
無骨でかっこいいけど

>>129
恵比寿製作所の電池駆動式 放射線測定器(ガイガーカウンター)　が　3980円
で売られてるしな。

>>128
どういう目的に使いたかったんだい？
　

>>133
・CPM値で計測して、怪しそうなホットスポットをサッとすばやく見つける
　→もう見つけた後だったし、他の機種でも時定数可変の反応のいいモデルで代用できてた
・エアコンフィルタなどの汚染を調べる
　→他の機種で測って特に異常はなかったので、やはり何も検出されなかった
・外気からのフォールアウトによる机やテーブルの汚染を調べる
　→締め切って目張りして空気清浄機ブン回してるから、何も検出されなかった

もとより空間線量を計測するには不向きなモデルということはわかってた

>>134
そういうサーベイヤー的な使い方なら、製品の目的どおりだけどね。
エアコンフィルタから出ないって、結構西だよね。

BGが乱れて、測定にならない例。測定に４時間、データの変換に２時間、データ処理に２時間の大作。
音の数を数えているので、
３連音が１音としか数えられない場合(2-3分に１回0.1秒以内の間隔で３音が鳴る)
猫の移動や人間の移動で、余計に計数される場合
があります。最初に生データ。標準偏差は電卓で分散の平方根を求め小数点以下第３位以下を切り捨て。
試料は師匠造り　そうめん　TRIAL N2/0718

x <- c(44, 52, 50, 44, 36, 50, 44, 51, 34, 33, 52, 24, 42, 42, 42, 43, 37, 39, 56, 54, 56, 31, 51, 33, 40, 30, 55, 40, 38, 37)
試料 平均 42.66667 分散 73.4023 標準偏差 8.56

x <- c(41, 51, 49, 48, 44, 50, 40, 38, 49, 48, 43, 46, 44, 52, 48, 38, 45, 33, 49, 44, 40, 40, 43, 56, 44, 38, 45, 43, 41, 35, 48)
BG 平均 44.29032 分散 27.14624 標準偏差 5.21

師匠造り　そうめん　TRIAL N2/0718 の検査
x <- c(47, 38, 54, 40, 42, 39, 32, 41, 39, 53, 52, 39, 39, 42, 45, 54, 35, 36, 47, 39, 45, 44, 37, 41, 39, 32, 52, 34, 33, 37)
試料 平均 41.56667 分散 42.46092 標準偏差 6.51

x <- c(41, 45, 53, 56, 43, 36, 40, 37, 37, 47, 42, 37, 42, 45, 42, 48, 46, 26, 48, 38, 48, 39, 36, 39, 34, 33, 37, 46, 46, 42, 49)
BG 平均 41.87097 分散 39.24946 標準偏差 6.51

x <- c(33, 47, 40, 43, 54, 57, 45, 37, 42, 22, 53, 46, 49, 32, 43, 37, 39, 36, 42, 51, 47, 44, 45, 27, 33, 36, 39, 32, 39, 43, 42)
試料 平均 41.12903 分散 60.91613 標準偏差 7.80

x <- c(46, 42, 53, 44, 41, 38, 38, 42, 27, 46, 43, 49, 40, 47, 41, 35, 47, 51, 41, 27, 49, 33, 37, 29, 45, 45, 47, 47, 35, 46, 36, 42, 59, 38, 39, 41, 42, 48, 47, 39, 38, 45, 41, 40, 50, 35, 43, 51, 30, 49, 45)
BG 平均 42.13725 分散 43.60078 標準偏差 6.60

全体の分散分析

x <- c(44, 52, 50, 44, 36, 50, 44, 51, 34, 33, 52, 24, 42, 42, 42, 43, 37, 39, 56, 54, 56, 31, 51, 33, 40, 30, 55, 40, 38, 37 ,
41, 51, 49, 48, 44, 50, 40, 38, 49, 48, 43, 46, 44, 52, 48, 38, 45, 33, 49, 44, 40, 40, 43, 56, 44, 38, 45, 43, 41, 35, 48 ,
47, 38, 54, 40, 42, 39, 32, 41, 39, 53, 52, 39, 39, 42, 45, 54, 35, 36, 47, 39, 45, 44, 37, 41, 39, 32, 52, 34, 33, 37 ,
41, 45, 53, 56, 43, 36, 40, 37, 37, 47, 42, 37, 42, 45, 42, 48, 46, 26, 48, 38, 48, 39, 36, 39, 34, 33, 37, 46, 46, 42, 49 ,
33, 47, 40, 43, 54, 57, 45, 37, 42, 22, 53, 46, 49, 32, 43, 37, 39, 36, 42, 51, 47, 44, 45, 27, 33, 36, 39, 32, 39, 43, 42 ,
46, 42, 53, 44, 41, 38, 38, 42, 27, 46, 43, 49, 40, 47, 41, 35, 47, 51, 41, 27, 49, 33, 37, 29, 45, 45, 47, 47, 35, 46, 36, 42, 59, 38, 39, 41, 42, 48, 47, 39, 38, 45, 41, 40, 50, 35, 43, 51, 30, 49, 45)

g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,
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,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6)

> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.8135, 第1自由度 = 5, 第2自由度 = 198, P値 = 0.5413

有意差有り


x <- c(44, 52, 50, 44, 36, 50, 44, 51, 34, 33, 52, 24, 42, 42, 42, 43, 37, 39, 56, 54, 56, 31, 51, 33, 40, 30, 55, 40, 38, 37,
41, 51, 49, 48, 44, 50, 40, 38, 49, 48, 43, 46, 44, 52, 48, 38, 45, 33, 49, 44, 40, 40, 43, 56, 44, 38, 45, 43, 41, 35, 48,
47, 38, 54, 40, 42, 39, 32, 41, 39, 53, 52, 39, 39, 42, 45, 54, 35, 36, 47, 39, 45, 44, 37, 41, 39, 32, 52, 34, 33, 37,
41, 45, 53, 56, 43, 36, 40, 37, 37, 47, 42, 37, 42, 45, 42, 48, 46, 26, 48, 38, 48, 39, 36, 39, 34, 33, 37, 46, 46, 42, 49,
33, 47, 40, 43, 54, 57, 45, 37, 42, 22, 53, 46, 49, 32, 43, 37, 39, 36, 42, 51, 47, 44, 45, 27, 33, 36, 39, 32, 39, 43, 42,
46, 42, 53, 44, 41, 38, 38, 42, 27, 46, 43, 49, 40, 47, 41, 35, 47, 51, 41, 27, 49, 33, 37, 29, 45, 45, 47, 47, 35, 46, 36, 42, 59, 38, 39, 41, 42, 48, 47, 39, 38, 45, 41, 40, 50, 35, 43, 51, 30, 49, 45)

g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,
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,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)

> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.8188, 第1自由度 = 1, 第2自由度 = 202, P値 = 0.3666

有意差有り

と一見差があるように見えても実際は

個別の群の分析

師匠造り　そうめん　TRIAL N2/0718 の検査
x <- c(44, 52, 50, 44, 36, 50, 44, 51, 34, 33, 52, 24, 42, 42, 42, 43, 37, 39, 56, 54, 56, 31, 51, 33, 40, 30, 55, 40, 38, 37 ,
47, 38, 54, 40, 42, 39, 32, 41, 39, 53, 52, 39, 39, 42, 45, 54, 35, 36, 47, 39, 45, 44, 37, 41, 39, 32, 52, 34, 33, 37 ,
33, 47, 40, 43, 54, 57, 45, 37, 42, 22, 53, 46, 49, 32, 43, 37, 39, 36, 42, 51, 47, 44, 45, 27, 33, 36, 39, 32, 39, 43, 42)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.3231, 第1自由度 = 2, 第2自由度 = 88, P値 = 0.7248

繰り返しによる有意差無し

平均 41.78
分散 58.06
標準偏差 7.61

BG
x <- c(41, 51, 49, 48, 44, 50, 40, 38, 49, 48, 43, 46, 44, 52, 48, 38, 45, 33, 49, 44, 40, 40, 43, 56, 44, 38, 45, 43, 41, 35, 48 ,
41, 45, 53, 56, 43, 36, 40, 37, 37, 47, 42, 37, 42, 45, 42, 48, 46, 26, 48, 38, 48, 39, 36, 39, 34, 33, 37, 46, 46, 42, 49 ,
46, 42, 53, 44, 41, 38, 38, 42, 27, 46, 43, 49, 40, 47, 41, 35, 47, 51, 41, 27, 49, 33, 37, 29, 45, 45, 47, 47, 35, 46, 36, 42, 59, 38, 39, 41, 42, 48, 47, 39, 38, 45, 41, 40, 50, 35, 43, 51, 30, 49, 45)

g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)

> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 1.5244, 第1自由度 = 2, 第2自由度 = 110, P値 = 0.2223

繰り返しによる有意差有り

> 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 = 1.8417, 第1自由度 = 2.00, 第2自由度 = 67.37, P値 = 0.1664
繰り返しによる有意差有り


平均 42.65
分散 38.28
標準偏差 6.18

2つの比較だから、普通にT検定を使っても有意差はとれない。

BGとうどんとの差

gr1 <- c(44, 52, 50, 44, 36, 50, 44, 51, 34, 33, 52, 24, 42, 42, 42, 43, 37, 39, 56, 54, 56, 31, 51, 33, 40, 30, 55, 40, 38, 37 ,
47, 38, 54, 40, 42, 39, 32, 41, 39, 53, 52, 39, 39, 42, 45, 54, 35, 36, 47, 39, 45, 44, 37, 41, 39, 32, 52, 34, 33, 37 ,
33, 47, 40, 43, 54, 57, 45, 37, 42, 22, 53, 46, 49, 32, 43, 37, 39, 36, 42, 51, 47, 44, 45, 27, 33, 36, 39, 32, 39, 43, 42)
gr2 <- c(41, 51, 49, 48, 44, 50, 40, 38, 49, 48, 43, 46, 44, 52, 48, 38, 45, 33, 49, 44, 40, 40, 43, 56, 44, 38, 45, 43, 41, 35, 48 ,
41, 45, 53, 56, 43, 36, 40, 37, 37, 47, 42, 37, 42, 45, 42, 48, 46, 26, 48, 38, 48, 39, 36, 39, 34, 33, 37, 46, 46, 42, 49 ,
46, 42, 53, 44, 41, 38, 38, 42, 27, 46, 43, 49, 40, 47, 41, 35, 47, 51, 41, 27, 49, 33, 37, 29, 45, 45, 47, 47, 35, 46, 36, 42, 59, 38, 39, 41, 42, 48, 47, 39, 38, 45, 41, 40, 50, 35, 43, 51, 30, 49, 45)

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 = -0.9049, 自由度 = 202, P値 = 0.3666
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: -2.780544 1.031249
標本推定値:
平均値x 平均値y
41.78022 42.65487

統計の解釈で注意することは
平均値の差の検定で「有意ではない」ということを「差がない」と解釈することはしてはならない
ということ。
「有意ではない」ということは、その方法ではわからないから、別の方法を使って調べろ、ということ。
正確な内容は、統計の本のはじめのほうに「第一種の誤り、第二種の誤り」という内容があるはずなので、ここを参照。

試料を置く台の空間に空気が紛れ込んで、これでBGが跳ねてしまう。
それと、うどん自体にそれなりの重さがあり、γ線・β線を吸収している。
資料を省略したが、
インスの上を空間にする場合と、上に試料を置いた場合の度数分布で、上に試料をおくと比較的きれいに度数分布が取れる。
つまり、空中のγ線を吸収しているということ。うどんの厚さが約4cmあり、水と近似すると7-9割の光子が吸収される。
うどんを自宅に持ち込んだスーパーに置いてあったダンボールが高濃度で、これで、このうどんは怪しいと調べ始めたけど、こんな状態。
猫は正直で、このうどんを食べたらば下痢。ある程度高濃度のはずなんだけど、測定には出ない。

わからない。としか言いようがない結果。

うぜえー。スレ違い。統計自慢は下スレに。

【データ投下】ガイガーカウンター計測値 33
http://uni.2ch.net/test/read.cgi/radiation/1331632171

長屋と栃木っていつも一緒に現れるね。

栃木はNGしているので隙はなかった
みんなもNG推奨

>>141
アホカ。計測スレは、統計処理後の結果だけ書くスレ。
本来は食品スレがあったが、流れてしもうた。

こっちは、インスペクターのスレ。
インスペクターという、Bq検査に向かない機械をどのようにダマシダマシ使って
bq検査の代用にするか、を書いているに過ぎない。統計処理はその一手段。

書き忘れた関数は、以下の通り。
>>137
平均値を求める関数
>mean(x)
分散を求める関数
>var(x)

>>139
平均値の差の検定の関数
等分散を仮定できるとき
> t.test(gr1, gr2, v=T)
等分散ではないとき
> t.test(gr1, gr2)

では、昼飯も食ったし、仕上げに行きましょう。

>>139 の続き。度数分布を取ってみます。

> dosuu.bunpu(gr1, 2)
freq pcnt cum.pcnt
22 1 1.098901 1.098901
24 1 1.098901 2.197802
26 1 1.098901 3.296703
28 0 0.000000 3.296703
30 2 2.197802 5.494505
32 9 9.890110 15.384615
34 3 3.296703 18.681319
36 10 10.989011 29.670330
38 12 13.186813 42.857143
40 6 6.593407 49.450549
42 12 13.186813 62.637363
44 9 9.890110 72.527473
46 5 5.494505 78.021978
48 1 1.098901 79.120879
50 5 5.494505 84.615385
52 6 6.593407 91.208791
54 5 5.494505 96.703297
56 3 3.296703 100.000000

> dosuu.bunpu(gr2, 2)
freq pcnt cum.pcnt
26 3 2.6548673 2.654867
28 1 0.8849558 3.539823
30 1 0.8849558 4.424779
32 3 2.6548673 7.079646
34 5 4.4247788 11.504425
36 8 7.0796460 18.584071
38 12 10.6194690 29.203540
40 14 12.3893805 41.592920
42 14 12.3893805 53.982301
44 13 11.5044248 65.486726
46 13 11.5044248 76.991150
48 15 13.2743363 90.265487
50 5 4.4247788 94.690265
52 3 2.6548673 97.345133
54 0 0.0000000 97.345133
56 2 1.7699115 99.115044
58 1 0.8849558 100.000000
こうなりますが、「試料による吸収がない」と考えるならば、
BGの度数分布にちょっと右肩が盛り上がっている度数分布が取れれば、試料から放出されている放射線が多いということが見当つきます。
逆に、「試料によりBGが吸収されている」と考えれば、
BGの度数部分が左にずれた度数分布が得られます。

まずBGの度数分布を眺めてみると、40から48にかけてほぼ一定の値を示す高原状態になっています。
この結果は、>>138 「繰り返しによる有意差有り」ことを裏付けています。
高めに見ても、46をピークとする正規分布が予想されます。
次に、試料の度数分布を眺めてみます。
36から44にかけて、多少起伏がありますが、高原状態です。
ところが、52をピークとする小さな山があります。
前者36-44の高原が、バックグラウンドの放射線を試料が吸収して全体が弱まった状態にある内容。
52を中心とするピークが試料から放出されたピークと解釈することが可能になります。
これが正しいかどうか、を調べようとすると、
高原状態のところに2つか3つの正規分布を山を仮定し、52をピークとする正規分布の山を1つ仮定し、
以上の関数で、度数分布の当てはめ(最小二乗法近似)を行うことになります。
データ数が少ないので、どうしょうもないです。当てはめの計算はできません。

マジキチ警報発令中　要注意

転売屋も値下げ初めてそろそろ店じまいかね

青木さんの関数を使っているので、青木さんのライブラリを導入しないと動かない。
http://aoki2.si.gunma-u.ac.jp/R/index.html
「新たに定義した関数」を参照。
平均値の差の検定
http://aoki2.si.gunma-u.ac.jp/lecture/Average/t-test-r.html
度数分布表
http://aoki2.si.gunma-u.ac.jp/R/dosuu-bunpu.html

そうだね。転売屋自体は別に気にならなかったんだけど
ウソ内容のステマを撒き散らした(やわらかチンコー)とかは潰れて欲しいね。

>>144
いやそれ、インスペクターは「bq検査の代用にならない」って結論出てるからｗｗｗ

まあ、2000Bq/kgくらいまでは食べても平気です。というなら検討する価値はあるが。

ガイガー

http://beem.bakufu.org/

大熊町だかのツバメの巣が140万Bq/Kgで2μSv/hぐらいあるらしいから
そういうのだったらインスペでも検出できんじゃね？

でも2μという時点で検出できない線量計はないし
この機種である必然性がない
食品汚染を計れるわけでもない、空間線量を計れるわけでもない、
では何に使えるのか？

警戒区域から持ち出せる車はパンケーキGMで10000CPM未満ということだから、
CPMで放射線管理区分が法的に規制されている用途で使える機種ってとこかな
つまり一般人には関係がない

(やわらかチンコー)の示したURLを　踏むわけないじゃんｗ

>>153
だからインスペクターは、サーベイヤーとして使うのが正解でいいんじゃね？

それを、放射能が心配なら一家に一台みたいな売り方した　変な転売屋が居たから…

>>153
だからインスペクターは、サーベイヤーとして使うのが正解でいいんじゃね？

それを、放射能が心配なら一家に一台みたいな売り方した　変な転売屋が居たから…

連続投稿すまぬ。

レントゲンからシーベルト表示への設定の仕方を教えてください

くそ栃木いいかげんにしろ。

>>151
民法か民事訴訟法か忘れたけど、最高裁の判断で
「違法な状態を前提とする主張は認められない」
という内容がある。

まもなく４月になるわけで、
４月になったらば100Bq/kg以下、３月中は500Bq/kg以下の食品が販売されている
ことになっている。
商法の規定で、「商法に定めがない場合には民法の規定を準用する」とある。
その他に、商品として良品を販売する義務を商法は定めている。

ということで、「師匠造り　そうめん　TRIAL N2/0718 」が100bq/kg以下か500bq/kg以下であることは、法的に間違いない。
100Bqか500Bqかどちらかの濃度であると考えれば、
度数分布を使った測定法で、100Bq又は500Bqが検出可能。

民法の定めによりて「2000Bq/kgくらいまでは食べても平気です」なんては言えません。

>>159
だったら自分でも盛り上げればいいじゃん。ウソ以外でｗｗｗ

>>160
だったら、インスペクターで測っても何の意味もないよ

ああ　「カリウム含有量を測ってるのね」　で終了。

キチガイ警報発令中

>>162
＞カリウム含有量
今のところ、カリウムの測定には成功していない。
度数分布がバックグラウントと同じなので。

>>142
おれとしては、(神奈川県) と　(やわらか銀行)　の出没時間が、一緒なのが気になるなｗ
　

>>158
http://takehariy.seesaa.net/category/12212553-1.html

Inspector+/Alart/Digilert100/Radalert100
849 : 地震雷火事名無し(dion軍) : 2011/11/07(月) 11:31:26.15 ID:hxd/qrDf0 [1/2回発言]
日本語マニュアル定期age
http://www.scribd.com/doc/62748418/Japanese-Instructions-on-How-to-Use-Inspector-Geiger-Counter

どこか、つながると思う。
バックで結構重い処理をしているので、ネットはハングしている。

>>158
Inspector EXP+のガイガーカウンターを購入したのですが
でググるといいよ

>>158
Read The Manual First!

てっぺんの＋ボタンを押しながら電源を入れる
SEIの文字のあと、右下にMENUと表示され
＋を離すと０と表示される
＋を２回押して２にして、SETボタンを押す
CPM/mRになってるので、
＋か−を押してCPS/μSvに変更
SETボタンを押すと０に戻る
もう一度SETボタンを押すと通常の起動シーケンス(CAL100とか）
になってSI単位系(CPS、μSv/h）モードになっている

通常の起動シーケンスに移行させずに電源を切ると
設定内容は反映されない

インスペクターが0表示から動かなくなった。米アマは返品できない。どうすればよいですか？

0表示のまま数値が変わらないという意味です。すみません。助けてください。

>170
検出音は鳴りますか？

>>169
米アマは返品できないってのは、転売業者のウソだからｗｗｗ

商品到着から30日以内であれば
http://www.j-love.info/amazonnew/amazon_com_uk_qa.htm
を見てみて

検出音は鳴りません。赤いランプも点滅しません。数値がゼロのままです。購入して30日以上過ぎので返品できません。

そうまでして米尼から買わせたくないのかw

>>174
まあ自分で壊したのは対象外だし、修理は日本の代理店通せないけど
大した手間じゃない。ただ安い商品では送料が痛いけどにゃ。

>>173
とりあえず、製品No,記載して、メーカーの窓口にメールする。

>166
>Inspector+/Alart/Digilert100/Radalert100
>日本語マニュアル定期age
>ttp://www.scribd.com/doc/62748418/Japanese-Instructions-on-How-to-Use-Inspector-Geiger-Counter

削除されてますね。

いつまであるか判らんけど、googleキャッシュURLです。

　ttp://webcache.googleusercontent.com/search?q=cache:wmfRIL__ILUJ:www.scribd.com/doc/62883171/Japanese-Instructions-on-How-to-Use-Inspector-Geiger-Counter-II

シリアルナンバー304＊＊を購入したが、ワイプテストプレートはつけやすくなったのだが、
レールにはめようとすると、黒いゴムのところでひっかかってはまらない・・・
無理やりはめようとしたら、ゴムの端が少し剥がれたが、どうにかはまった（やれやれ）。

どれもそんなもの？

>>179
ゴムは剥がして使うもの

>>180

了解しました。感謝！

>>166>>167>>168
皆さん有難うございます！
これからやってみます。

>>166>>167>>168
設定出来ました。ありがとうです。
初めてつかってみたんだけど、
空間線量普通に見てると、5分間の間に0.14?辺りから0.065
ぐらいを随分フラフラしてるんだけど、こんなに広い範囲を数値がふらつくものですか？
それとも時間がたつと数値は落ち着いてくるのかな。

やってきました。キチガイが。ことわざに、天才とキチガイは紙一重とあります。自ら天才とは名乗れませんので、キチガイで逝きましょう。
今回は、測定８時間の超大作であります。まずは生データ。
音をパソコンで拾っていますので、R形式に整形してあります。
砂糖(ばら印の白砂糖 大日本明治製糖 500g)を検出器の下面(検出窓側)、上面(文字盤側)、両方におき、測定した。

1. BG
x <- c(39, 38, 44, 49, 41, 37, 39, 36, 44, 31, 40, 44, 36, 38, 41, 32, 27, 36, 43, 57, 28, 41, 42, 40, 33, 46, 51, 44, 48, 53, 38, 34, 32)
> mean(x) [1] 40.06061
> var(x) [1] 47.43371
2. 下側に砂糖１袋
x <- c(38, 37, 41, 41, 55, 38, 47, 39, 33, 38, 47, 39, 49, 32, 36, 38, 37, 44, 34, 39, 50, 36, 38, 44, 40, 37, 34, 57, 39, 41, 34)
> mean(x) [1] 40.3871
> var(x) [1] 37.57849
3. 上下に砂糖袋
x <- c(54, 42, 34, 33, 48, 48, 34, 40, 45, 39, 41, 43, 30, 36, 35, 30, 37, 33, 42, 34, 34, 36, 37, 41, 45, 41, 35, 42, 49, 45, 31, 50)
> mean(x) [1] 39.5
> var(x) [1] 39.35484
4. 上側に砂糖１袋
x <- c(55, 46, 43, 37, 23, 41, 46, 45, 37, 45, 41, 38, 42, 35, 38, 36, 38, 44, 44, 38, 49, 32, 36, 46, 46, 37, 44, 42, 26, 43, 40, 50)
> mean(x) [1] 40.71875
> var(x) [1] 42.20867
5. BG
x <- c(49, 44, 30, 38, 41, 41, 38, 29, 41, 36, 43, 41, 39, 35, 42, 35, 36, 41, 49, 31, 50, 43, 37, 44, 45, 41, 35, 36, 40, 38)
> mean(x) [1] 39.6
> var(x) [1] 27.21379
6. 下に砂糖１袋
x <- c(45, 28, 44, 50, 38, 44, 35, 40, 38, 35, 43, 47, 35, 28, 44, 34, 33, 34, 25, 40, 31, 41, 36, 37, 35, 40, 30, 30, 28, 35, 32, 41)
> mean(x) [1] 36.75
> var(x) [1] 37.93548
7. 砂糖上下各1
x <- c(39, 37, 33, 36, 27, 37, 31, 46, 39, 40, 36, 37, 45, 27, 38, 48, 34, 37, 45, 28, 36, 39, 36, 31, 37, 36, 24, 36, 40, 42)
> mean(x) [1] 36.56667
> var(x) [1] 32.18506
8. BG
x <- c(49, 41, 34, 46, 44, 39, 42, 40, 41, 37, 46, 40, 31, 33, 45, 40, 31, 56, 45, 27, 50, 47, 40, 39, 49, 45, 41, 46, 50, 50)
> mean(x) [1] 42.13333
> var(x) [1] 43.56782
9. 上側砂糖１袋
x <- c(49, 42, 47, 39, 37, 31, 44, 53, 50, 40, 33, 42, 35, 35, 48, 47, 43, 36, 39, 42, 51, 43, 48, 40, 48, 50, 46, 51, 62, 38)
> mean(x) [1] 43.63333
> var(x) [1] 46.99885
10. 下に砂糖１袋
x <- c(36, 33, 43, 39, 44, 31, 47, 37, 41, 37, 41, 36, 44, 35, 36, 41, 30, 43, 32, 42, 34, 47, 42, 25, 25, 32, 33, 28, 38, 38)
> mean(x) [1] 37
> var(x) [1] 35.37931
11. 上下各砂糖１袋
x <- c(49, 43, 41, 40, 41, 45, 39, 35, 42, 31, 43, 40, 47, 32, 43, 36, 44, 31, 34, 38, 34, 46, 43, 43, 39, 60, 42, 36, 41, 39)
> mean(x) [1] 40.56667
> var(x) [1] 35.01264
12. 上砂糖１袋
x <- c(41, 46, 35, 40, 43, 41, 49, 50, 45, 53, 43, 40, 40, 46, 37, 34, 47, 35, 35, 50, 24, 37, 45, 45, 53, 46, 38, 54, 41, 44)
> mean(x) [1] 42.56667
> var(x) [1] 43.97816
13. BG
x <- c(43, 48, 43, 28, 43, 42, 54, 39, 43, 35, 44, 43, 47, 43, 27, 43, 44, 34, 48, 30, 45, 55, 44, 42, 38, 38, 46, 34, 38, 39, 44, 46, 41, 36, 33, 33, 42, 36, 31, 41, 34, 49, 30, 44, 41, 48, 55, 48, 40, 47, 38, 35, 34, 44, 45, 48, 33, 47, 41, 49)
> mean(x) [1] 41.21667
> var(x) [1] 41.83362

>>183
この機種はそういうもの
もともと低線量地域の空間線量を見るには全く適していない機種
東京の空間線量を精度良く測るにはCsIシンチレータを推奨

フラつくのは理由があり、30秒移動平均モードが最長の時定数だから
同じGM管を用いたGM45の計測ソフトは60秒移動平均で、それですらも
乱高下はかなりあるのだから、30秒ならさらに激しく動く
以下はGM-45の例で、君のインスペはこれよりさらに変動してるだろう
http://up3.viploader.net/pc/src/vlpc010897.png
このGM管の特徴として、計測開始後２時間は感度が低い

β線の遮断とエネルギー補償のために2mm厚の真鍮でシールドし
20分ぐらいの平均値をとれば安定した空間線量値(やや高め)が得られるが、
それを手動でやるのは困難

全部一まとめにして
x <- c(39, 38, 44, 49, 41, 37, 39, 36, 44, 31, 40, 44, 36, 38, 41, 32, 27, 36, 43, 57, 28, 41, 42, 40, 33, 46, 51, 44, 48, 53, 38, 34, 32 ,
38, 37, 41, 41, 55, 38, 47, 39, 33, 38, 47, 39, 49, 32, 36, 38, 37, 44, 34, 39, 50, 36, 38, 44, 40, 37, 34, 57, 39, 41, 34 ,
54, 42, 34, 33, 48, 48, 34, 40, 45, 39, 41, 43, 30, 36, 35, 30, 37, 33, 42, 34, 34, 36, 37, 41, 45, 41, 35, 42, 49, 45, 31, 50 ,
55, 46, 43, 37, 23, 41, 46, 45, 37, 45, 41, 38, 42, 35, 38, 36, 38, 44, 44, 38, 49, 32, 36, 46, 46, 37, 44, 42, 26, 43, 40, 50 ,
49, 44, 30, 38, 41, 41, 38, 29, 41, 36, 43, 41, 39, 35, 42, 35, 36, 41, 49, 31, 50, 43, 37, 44, 45, 41, 35, 36, 40, 38 ,
45, 28, 44, 50, 38, 44, 35, 40, 38, 35, 43, 47, 35, 28, 44, 34, 33, 34, 25, 40, 31, 41, 36, 37, 35, 40, 30, 30, 28, 35, 32, 41 ,
39, 37, 33, 36, 27, 37, 31, 46, 39, 40, 36, 37, 45, 27, 38, 48, 34, 37, 45, 28, 36, 39, 36, 31, 37, 36, 24, 36, 40, 42 ,
49, 41, 34, 46, 44, 39, 42, 40, 41, 37, 46, 40, 31, 33, 45, 40, 31, 56, 45, 27, 50, 47, 40, 39, 49, 45, 41, 46, 50, 50 ,
49, 42, 47, 39, 37, 31, 44, 53, 50, 40, 33, 42, 35, 35, 48, 47, 43, 36, 39, 42, 51, 43, 48, 40, 48, 50, 46, 51, 62, 38 ,
36, 33, 43, 39, 44, 31, 47, 37, 41, 37, 41, 36, 44, 35, 36, 41, 30, 43, 32, 42, 34, 47, 42, 25, 25, 32, 33, 28, 38, 38 ,
49, 43, 41, 40, 41, 45, 39, 35, 42, 31, 43, 40, 47, 32, 43, 36, 44, 31, 34, 38, 34, 46, 43, 43, 39, 60, 42, 36, 41, 39 ,
41, 46, 35, 40, 43, 41, 49, 50, 45, 53, 43, 40, 40, 46, 37, 34, 47, 35, 35, 50, 24, 37, 45, 45, 53, 46, 38, 54, 41, 44 ,
43, 48, 43, 28, 43, 42, 54, 39, 43, 35, 44, 43, 47, 43, 27, 43, 44, 34, 48, 30, 45, 55, 44, 42, 38, 38, 46, 34, 38, 39, 44, 46, 41, 36, 33, 33, 42, 36, 31, 41, 34, 49, 30, 44, 41, 48, 55, 48, 40, 47, 38, 35, 34, 44, 45, 48, 33, 47, 41, 49)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, 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, 4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5, 6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,
7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7, 8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,8,
9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9,9, 10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,
11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11,11, 12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,12,
13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13,13)

> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 3.8328, 第1自由度 = 12, 第2自由度 = 417, P値 = 1.442e-05
有意差有り。

> 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 = 4.259, 自由度 = 12, P値 = 0.9783
有意差有り。等分散を前提としている前述分散分析が無効。
http://aoki2.si.gunma-u.ac.jp/lecture/Average/Bartlett-r.html

> 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 = 3.728, 第1自由度 = 12.000, 第2自由度 = 155.883, P値 = 5.814e-05
有意差有り。

x <- c(39, 38, 44, 49, 41, 37, 39, 36, 44, 31, 40, 44, 36, 38, 41, 32, 27, 36, 43, 57, 28, 41, 42, 40, 33, 46, 51, 44, 48, 53, 38, 34, 32 ,
38, 37, 41, 41, 55, 38, 47, 39, 33, 38, 47, 39, 49, 32, 36, 38, 37, 44, 34, 39, 50, 36, 38, 44, 40, 37, 34, 57, 39, 41, 34 ,
54, 42, 34, 33, 48, 48, 34, 40, 45, 39, 41, 43, 30, 36, 35, 30, 37, 33, 42, 34, 34, 36, 37, 41, 45, 41, 35, 42, 49, 45, 31, 50 ,
55, 46, 43, 37, 23, 41, 46, 45, 37, 45, 41, 38, 42, 35, 38, 36, 38, 44, 44, 38, 49, 32, 36, 46, 46, 37, 44, 42, 26, 43, 40, 50 ,
49, 44, 30, 38, 41, 41, 38, 29, 41, 36, 43, 41, 39, 35, 42, 35, 36, 41, 49, 31, 50, 43, 37, 44, 45, 41, 35, 36, 40, 38 ,
45, 28, 44, 50, 38, 44, 35, 40, 38, 35, 43, 47, 35, 28, 44, 34, 33, 34, 25, 40, 31, 41, 36, 37, 35, 40, 30, 30, 28, 35, 32, 41 ,
39, 37, 33, 36, 27, 37, 31, 46, 39, 40, 36, 37, 45, 27, 38, 48, 34, 37, 45, 28, 36, 39, 36, 31, 37, 36, 24, 36, 40, 42 ,
49, 41, 34, 46, 44, 39, 42, 40, 41, 37, 46, 40, 31, 33, 45, 40, 31, 56, 45, 27, 50, 47, 40, 39, 49, 45, 41, 46, 50, 50 ,
49, 42, 47, 39, 37, 31, 44, 53, 50, 40, 33, 42, 35, 35, 48, 47, 43, 36, 39, 42, 51, 43, 48, 40, 48, 50, 46, 51, 62, 38 ,
36, 33, 43, 39, 44, 31, 47, 37, 41, 37, 41, 36, 44, 35, 36, 41, 30, 43, 32, 42, 34, 47, 42, 25, 25, 32, 33, 28, 38, 38 ,
49, 43, 41, 40, 41, 45, 39, 35, 42, 31, 43, 40, 47, 32, 43, 36, 44, 31, 34, 38, 34, 46, 43, 43, 39, 60, 42, 36, 41, 39 ,
41, 46, 35, 40, 43, 41, 49, 50, 45, 53, 43, 40, 40, 46, 37, 34, 47, 35, 35, 50, 24, 37, 45, 45, 53, 46, 38, 54, 41, 44 ,
43, 48, 43, 28, 43, 42, 54, 39, 43, 35, 44, 43, 47, 43, 27, 43, 44, 34, 48, 30, 45, 55, 44, 42, 38, 38, 46, 34, 38, 39, 44, 46, 41, 36, 33, 33, 42, 36, 31, 41, 34, 49, 30, 44, 41, 48, 55, 48, 40, 47, 38, 35, 34, 44, 45, 48, 33, 47, 41, 49)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, 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, 4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, 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, 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4, 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,
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,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 8.5831, 第1自由度 = 3, 第2自由度 = 426, P値 = 1.522e-05
有意差有り

> 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 = 0.7908, 自由度 = 3, P値 = 0.8517
有意差無し。前述分散分析が有効。

繰り返し間における差異

1. BG
x <- c(39, 38, 44, 49, 41, 37, 39, 36, 44, 31, 40, 44, 36, 38, 41, 32, 27, 36, 43, 57, 28, 41, 42, 40, 33, 46, 51, 44, 48, 53, 38, 34, 32 ,
49, 44, 30, 38, 41, 41, 38, 29, 41, 36, 43, 41, 39, 35, 42, 35, 36, 41, 49, 31, 50, 43, 37, 44, 45, 41, 35, 36, 40, 38 ,
49, 41, 34, 46, 44, 39, 42, 40, 41, 37, 46, 40, 31, 33, 45, 40, 31, 56, 45, 27, 50, 47, 40, 39, 49, 45, 41, 46, 50, 50 ,
43, 48, 43, 28, 43, 42, 54, 39, 43, 35, 44, 43, 47, 43, 27, 43, 44, 34, 48, 30, 45, 55, 44, 42, 38, 38, 46, 34, 38, 39, 44, 46, 41, 36, 33, 33, 42, 36, 31, 41, 34, 49, 30, 44, 41, 48, 55, 48, 40, 47, 38, 35, 34, 44, 45, 48, 33, 47, 41, 49)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,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 ,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4)
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 1.0269, 第1自由度 = 3, 第2自由度 = 149, P値 = 0.3826

有意差有り。繰り返しで差異があり。

> mean(x) [1] 40.83007
> var(x) [1] 40.54988

freq pcnt cum.pcnt
27 6 3.9215686 3.921569
30 10 6.5359477 10.457516
33 16 10.4575163 20.915033
36 21 13.7254902 34.640523
39 31 20.2614379 54.901961
42 29 18.9542484 73.856209
45 16 10.4575163 84.313725
48 17 11.1111111 95.424837
51 2 1.3071895 96.732026
54 4 2.6143791 99.346405
57 1 0.6535948 100.000000

もう、BGが乱れに乱れて、測定にならないというか。この低減が今回の測定の目的です。

2. 下側に砂糖１袋
x <- c(38, 37, 41, 41, 55, 38, 47, 39, 33, 38, 47, 39, 49, 32, 36, 38, 37, 44, 34, 39, 50, 36, 38, 44, 40, 37, 34, 57, 39, 41, 34 ,
45, 28, 44, 50, 38, 44, 35, 40, 38, 35, 43, 47, 35, 28, 44, 34, 33, 34, 25, 40, 31, 41, 36, 37, 35, 40, 30, 30, 28, 35, 32, 41 ,
36, 33, 43, 39, 44, 31, 47, 37, 41, 37, 41, 36, 44, 35, 36, 41, 30, 43, 32, 42, 34, 47, 42, 25, 25, 32, 33, 28, 38, 38)
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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 3.4665, 第1自由度 = 2, 第2自由度 = 90, P値 = 0.03546

有意差有り。繰り返しで差異があり。

> mean(x) [1] 38.04301
> var(x) [1] 38.97639
> dosuu.bunpu(x, 3)
freq pcnt cum.pcnt
24 3 3.225806 3.225806
27 4 4.301075 7.526882
30 9 9.677419 17.204301
33 16 17.204301 34.408602
36 21 22.580645 56.989247
39 17 18.279570 75.268817
42 12 12.903226 88.172043
45 6 6.451613 94.623656
48 3 3.225806 97.849462
51 0 0.000000 97.849462
54 1 1.075269 98.924731
57 1 1.075269 100.000000

3. 上下に砂糖袋
x <- c(54, 42, 34, 33, 48, 48, 34, 40, 45, 39, 41, 43, 30, 36, 35, 30, 37, 33, 42, 34, 34, 36, 37, 41, 45, 41, 35, 42, 49, 45, 31, 50 ,
39, 37, 33, 36, 27, 37, 31, 46, 39, 40, 36, 37, 45, 27, 38, 48, 34, 37, 45, 28, 36, 39, 36, 31, 37, 36, 24, 36, 40, 42 ,
49, 43, 41, 40, 41, 45, 39, 35, 42, 31, 43, 40, 47, 32, 43, 36, 44, 31, 34, 38, 34, 46, 43, 43, 39, 60, 42, 36, 41, 39)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,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)

> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 3.6257, 第1自由度 = 2, 第2自由度 = 89, P値 = 0.03064

有意差有り。繰り返しで差異があり。

> mean(x) [1] 38.89130
> var(x) [1] 37.65839
> dosuu.bunpu(x, 3)
freq pcnt cum.pcnt
24 1 1.086957 1.086957
27 3 3.260870 4.347826
30 8 8.695652 13.043478
33 13 14.130435 27.173913
36 19 20.652174 47.826087
39 18 19.565217 67.391304
42 13 14.130435 81.521739
45 9 9.782609 91.304348
48 6 6.521739 97.826087
51 0 0.000000 97.826087
54 1 1.086957 98.913043
57 0 0.000000 98.913043
60 1 1.086957 100.000000

4. 上側に砂糖１袋
x <- c(55, 46, 43, 37, 23, 41, 46, 45, 37, 45, 41, 38, 42, 35, 38, 36, 38, 44, 44, 38, 49, 32, 36, 46, 46, 37, 44, 42, 26, 43, 40, 50 ,
49, 42, 47, 39, 37, 31, 44, 53, 50, 40, 33, 42, 35, 35, 48, 47, 43, 36, 39, 42, 51, 43, 48, 40, 48, 50, 46, 51, 62, 38 ,
41, 46, 35, 40, 43, 41, 49, 50, 45, 53, 43, 40, 40, 46, 37, 34, 47, 35, 35, 50, 24, 37, 45, 45, 53, 46, 38, 54, 41, 44)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,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)

> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 1.5267, 第1自由度 = 2, 第2自由度 = 89, P値 = 0.2229

有意差有り。繰り返しで差異があり。

> mean(x) [1] 42.27174
> var(x) [1] 44.85941
> dosuu.bunpu(x, 3)
freq pcnt cum.pcnt
21 1 1.086957 1.086957
24 2 2.173913 3.260870
27 0 0.000000 3.260870
30 2 2.173913 5.434783
33 8 8.695652 14.130435
36 15 16.304348 30.434783
39 13 14.130435 44.565217
42 16 17.391304 61.956522
45 16 17.391304 79.347826
48 11 11.956522 91.304348
51 5 5.434783 96.739130
54 2 2.173913 98.913043
57 0 0.000000 98.913043
60 1 1.086957 100.000000
>

と繰り返しをとっても、有意差がある程度に、BGが乱れて乱れて。
なぜか、測定器の下に3cmの空洞をつくったまま、測定したら線量が上がってしまった。
砂糖が汚染されているということはない。上下に置いた後、下の砂糖を抜いて測定している(生データ参照)から。
すると、この作業をすることによって、汚染された空気が中に入って、線量が上昇している可能性がある。
BGと各測定値の平均値の差の検定を逝ってみましょう。
まずは、平均値の差の検定に使用したデータを一覧で
1. BG
gr1 <- c(39, 38, 44, 49, 41, 37, 39, 36, 44, 31, 40, 44, 36, 38, 41, 32, 27, 36, 43, 57, 28, 41, 42, 40, 33, 46, 51, 44, 48, 53, 38, 34, 32 ,
49, 44, 30, 38, 41, 41, 38, 29, 41, 36, 43, 41, 39, 35, 42, 35, 36, 41, 49, 31, 50, 43, 37, 44, 45, 41, 35, 36, 40, 38 ,
49, 41, 34, 46, 44, 39, 42, 40, 41, 37, 46, 40, 31, 33, 45, 40, 31, 56, 45, 27, 50, 47, 40, 39, 49, 45, 41, 46, 50, 50 ,
43, 48, 43, 28, 43, 42, 54, 39, 43, 35, 44, 43, 47, 43, 27, 43, 44, 34, 48, 30, 45, 55, 44, 42, 38, 38, 46, 34, 38, 39, 44, 46, 41, 36, 33, 33, 42, 36, 31, 41, 34, 49, 30, 44, 41, 48, 55, 48, 40, 47, 38, 35, 34, 44, 45, 48, 33, 47, 41, 49)
> mean(x) [1] 40.83007
> var(x) [1] 40.54988

2. 下側に砂糖１袋
gr2 <- c(38, 37, 41, 41, 55, 38, 47, 39, 33, 38, 47, 39, 49, 32, 36, 38, 37, 44, 34, 39, 50, 36, 38, 44, 40, 37, 34, 57, 39, 41, 34 ,
45, 28, 44, 50, 38, 44, 35, 40, 38, 35, 43, 47, 35, 28, 44, 34, 33, 34, 25, 40, 31, 41, 36, 37, 35, 40, 30, 30, 28, 35, 32, 41 ,
36, 33, 43, 39, 44, 31, 47, 37, 41, 37, 41, 36, 44, 35, 36, 41, 30, 43, 32, 42, 34, 47, 42, 25, 25, 32, 33, 28, 38, 38)
> mean(x) [1] 38.04301
> var(x) [1] 38.97639

3. 上下に砂糖袋
gr3 <- c(54, 42, 34, 33, 48, 48, 34, 40, 45, 39, 41, 43, 30, 36, 35, 30, 37, 33, 42, 34, 34, 36, 37, 41, 45, 41, 35, 42, 49, 45, 31, 50 ,
39, 37, 33, 36, 27, 37, 31, 46, 39, 40, 36, 37, 45, 27, 38, 48, 34, 37, 45, 28, 36, 39, 36, 31, 37, 36, 24, 36, 40, 42 ,
49, 43, 41, 40, 41, 45, 39, 35, 42, 31, 43, 40, 47, 32, 43, 36, 44, 31, 34, 38, 34, 46, 43, 43, 39, 60, 42, 36, 41, 39)
> mean(x) [1] 38.89130
> var(x) [1] 37.65839

4. 上側に砂糖１袋
gr4 <- c(55, 46, 43, 37, 23, 41, 46, 45, 37, 45, 41, 38, 42, 35, 38, 36, 38, 44, 44, 38, 49, 32, 36, 46, 46, 37, 44, 42, 26, 43, 40, 50 ,
49, 42, 47, 39, 37, 31, 44, 53, 50, 40, 33, 42, 35, 35, 48, 47, 43, 36, 39, 42, 51, 43, 48, 40, 48, 50, 46, 51, 62, 38 ,
41, 46, 35, 40, 43, 41, 49, 50, 45, 53, 43, 40, 40, 46, 37, 34, 47, 35, 35, 50, 24, 37, 45, 45, 53, 46, 38, 54, 41, 44)
> mean(x) [1] 42.27174
> var(x) [1] 44.85941

検定結果は、以下のとおり。
1-2. BGと下側に砂糖袋
> 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 = 3.3533, 自由度 = 244, P値 = 0.0009256
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: 1.149928 4.424181
標本推定値:
平均値x 平均値y
40.83007 38.04301

有意差有り。

1-3. BGと上側と下側に砂糖袋
> t.test(gr1, gr3, 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 gr3
t値 = 2.3392, 自由度 = 243, P値 = 0.02014
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: 0.3061705 3.5713515
標本推定値:
平均値x 平均値y
40.83007 38.89130

有意差有り

1-4. BGと上側に砂糖袋

> t.test(gr1, gr4, 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 gr4
t値 = -1.6829, 自由度 = 243, P値 = 0.09368
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: -3.1291181 0.2457705
標本推定値:
平均値x 平均値y
40.83007 42.27174

有意差有り

砂糖が２袋しかなかったので、これしかやらないけど、
測定器と試料との隙間があるとほこりが入ってきて線量が上がることは見当がつく。
測定器は、汚染すると面倒なので、食品にも使えないことはないポリ袋、ユニパックI-4に入れています。
食品用の場合には、可塑剤としてステアリン酸鉛が使われていません。食品以外用ですと鉛が使われています。

>>183
どのくらいふらつくかというと、以下のデータがあります。
> dosuu.bunpu(x, 3)
freq pcnt cum.pcnt
0 5 0.19992003 0.1999200
3 12 0.47980808 0.6797281
6 105 4.19832067 4.8780488
9 303 12.11515394 16.9932027
12 525 20.99160336 37.9848061
15 502 20.07197121 58.0567773
18 426 17.03318673 75.0899640
21 291 11.63534586 86.7253099
24 184 7.35705718 94.0823671
27 85 3.39864054 97.4810076
30 36 1.43942423 98.9204318
33 18 0.71971212 99.6401439
36 4 0.15993603 99.8000800
39 3 0.11995202 99.9200320
42 1 0.03998401 99.9600160
45 0 0.00000000 99.9600160
48 0 0.00000000 99.9600160
51 1 0.03998401 100.0000000
３月２２日の測定で、
マイクロホンで測定器のカリカリ音を拾ってuSv/hに換算するソフトの性能試験として行ったもの。
３連音(10mS以下の間隔で３音がなる)が２−３分に１回あり、数え落とし去れています。
このように拾った音が１０個になるまでの時間を計り、uSv/h に換算しています。
15秒/10個で、0.11、8秒/10個で0.22程度が目安です。
51uSv/hは、ドアの開け閉めの音でしょう。
室内の線量ですら、この程度ばらついています。

素人なので良くワカンネから3行くらいで何が言いたいのか説明してくれ。

砂糖の袋を「試料と測定器」の上下に挟んで測定すればバックグラウンドが下がる。
測定器と試料の隙間をつくるな
上下各１袋だと少ない。

平均値を0.15とすると、６割個の値が±0.03位変動する。
0.14-0.06と、0.10±0.04の範囲に収まっているから、結構いい測定値。
面倒ならば、１分間数値を捨てて、その後の１分間の最大値と最小値を読み取って２で割れ。

>>196 2つの内容書いたから、2つ書いたけど、これでエーカ。

>>186
>>195
そーなんですね。分かりました。
でも表面汚染の方が気になってたので壊れてるのではなさそうなのでいいや
細かい説明や、データーなど助かります。
ありがとう。

日本語マニュアルまとめてPDF化してるから
誰かうぷろだ指定してくれたらアップするよ。
800Kぐらいな。

大量の砂糖で挟んだら、
砂糖に含まれるC14のβ線ををカウントしてしまうんじゃない？

長屋はインスペクター持ってないのに、なんでこのスレにいるの？

>>202
転売ヤ−、儲からないの？

　
本日のインスペクター（ＩNSPECTOR+）価格情報

米アマで、　ＩNSPECTOR+　　　　　　　　　　　　　$536.75- 　約４４５００円　（在庫あり）
http://www.amazon.com/dp/B004CCRIHU

米アマで、　ＩNSPECTOR+　ブーツ付きで　　 　$555.75- 　約４６０００円　（在庫あり）
http://www.amazon.com/dp/B004CCRIIE

米アマで買えば、５万円でお釣りがくるよ。

米アマよく売れてるんだろうな、レビュー件数も着々と増えてるようだ。
ちなみにレビューには、GM管が割れたとかの例は１件も報告無しｗｗｗ

>>201
C14は少ないみたい。線量が上がらん。
実際のところは、分量を変えて線形性を調べないことにはわからぬ。

>>204
＞レビュー件数も着々と増えてるようだ。
お前さんが散々けなしている割には、★★★★★の高評価ばかりだね
Really good
Excellent
Very nice
だとさ

>>198
どうもありがとう。
砂糖の袋はさんでカウントすればおおよそ正確なBGがだせますってことですかね？

>>206
製品自体は、けなしてないはずだがｗ

食品検査ができるとか、そのままで空間線量が換算できるとか、
感度が良いことを精度があるように表現したりしてた、転売屋をけなしてただけだなｗｗｗ

長屋はインスペクタースレでRadiの宣伝して、表面汚染にはRadiが一番と平気で嘘をつき、
インスペクターを持っていないのに上から目線で解説してバッシングする。
長屋は息をはくように嘘をつく朝鮮人のような奴。

>>209
転売ヤ−、儲からないの？

>>210
Radiの転売屋おつ
そもそも転売屋でもなければインスペクタースレに居座ってバッシングしたりしないし。

Radiの転売ってどうやれば成り立つんだろう？　ｗｗｗ

>>204
ありがとうございます。
米アマより購入させていただきました。
ブーツ付きの方です。

情報感謝です。

>>207
正確な値は絶対に無理です。
というのは、標準がありません。
濃度が既知の標準試料を用意して、校正する必要がありますから。
分散分析でやる方法と回帰線(検量線)を使う方法があります。
http://www.kms.ac.jp/~clinilab/units/biochem/cgi-bin/linear/
http://www.okochi.env.waseda.ac.jp/pdf/H20Least_square.pdf
分散分析でやる方法は面倒なので略。

試料からでる放射線は、立体として、z,y,z方向のいずれの方向に対しても均一に飛び散ります。
そのうち、何個かが検出窓に引っかかって、計数されます。置き方によって数えることが可能な放射線の数が変わりますから。

さて、４時間の大作。
試料は、「本場四国香川名産讃岐ひやむぎ」。
カリウムにしても炭素にしても、BGガ高くて検出されません。

まずは、全測定値。マイクロホンで集めているので、データ処理ソフトR形式に変換してあります
1. BG
x <- c(35, 32, 40, 36, 40, 48, 45, 36, 40, 35, 38, 53, 50, 32, 31, 38, 39, 32, 45, 37, 45, 39, 60, 39, 49, 54, 41, 50, 32, 42)
> mean(x) [1] 41.1
> var(x) [1] 54.92069

2. 試料
x <- c(40, 38, 45, 47, 39, 28, 49, 41, 38, 38, 50, 45, 37, 40, 36, 35, 39, 48, 55, 43, 38, 37, 46, 37, 42, 45, 32, 40, 35, 38)
> mean(x) [1] 40.7
> var(x) [1] 32.83793

3. BG
x <- c(34, 46, 48, 39, 49, 40, 30, 48, 33, 43, 43, 50, 39, 44, 50, 35, 43, 43, 44, 53, 48, 32, 36, 40, 35, 38, 39, 33, 48, 47)
> mean(x) [1] 41.66667
> var(x) [1] 39.54023

4. 試料
x <- c(30, 43, 38, 45, 29, 37, 39, 54, 42, 40, 44, 44, 42, 40, 38, 46, 40, 29, 32, 30, 48, 45, 45, 34, 36, 30, 33, 38, 39, 31)
> mean(x) [1] 38.7
> var(x) [1] 40.7

5. BG
x <- c(35, 47, 45, 45, 40, 47, 46, 43, 42, 38, 42, 40, 46, 42, 43, 29, 25, 37, 53, 39, 48, 44, 50, 35, 33, 32, 30, 45, 33, 50)
> mean(x) [1] 40.8
> var(x) [1] 47.47586

6. 試料
x <- c(51, 51, 49, 37, 42, 36, 48, 41, 31, 33, 39, 42, 42, 37, 39, 58, 35, 44, 41, 55, 41, 41, 38, 42, 52, 37, 36, 53, 34, 36, 36)
> mean(x) [1] 40.8
> var(x) [1] 47.47586

7. BG
x <- c(32, 29, 45, 46, 48, 46, 51, 46, 41, 39, 27, 50, 58, 42, 43, 42, 38, 50, 31, 45, 41, 45, 38, 41, 43, 43, 39, 34, 40, 37, 36, 36,
45, 39, 32, 41, 32, 48, 32, 61, 43, 52, 45, 40, 43, 39, 38, 47, 42, 38, 41, 54, 50, 39, 39, 31, 41, 35, 38, 50, 53, 48, 43, 29, 36, 52,
40, 44, 45, 38, 40, 41)
> mean(x) [1] 41.75
> var(x) [1] 46.24648

全体の分析

x <- c(35, 32, 40, 36, 40, 48, 45, 36, 40, 35, 38, 53, 50, 32, 31, 38, 39, 32, 45, 37, 45, 39, 60, 39, 49, 54, 41, 50, 32, 42,
40, 38, 45, 47, 39, 28, 49, 41, 38, 38, 50, 45, 37, 40, 36, 35, 39, 48, 55, 43, 38, 37, 46, 37, 42, 45, 32, 40, 35, 38 ,
34, 46, 48, 39, 49, 40, 30, 48, 33, 43, 43, 50, 39, 44, 50, 35, 43, 43, 44, 53, 48, 32, 36, 40, 35, 38, 39, 33, 48, 47 ,
30, 43, 38, 45, 29, 37, 39, 54, 42, 40, 44, 44, 42, 40, 38, 46, 40, 29, 32, 30, 48, 45, 45, 34, 36, 30, 33, 38, 39, 31 ,
35, 47, 45, 45, 40, 47, 46, 43, 42, 38, 42, 40, 46, 42, 43, 29, 25, 37, 53, 39, 48, 44, 50, 35, 33, 32, 30, 45, 33, 50 ,
51, 51, 49, 37, 42, 36, 48, 41, 31, 33, 39, 42, 42, 37, 39, 58, 35, 44, 41, 55, 41, 41, 38, 42, 52, 37, 36, 53, 34, 36, 36 ,
32, 29, 45, 46, 48, 46, 51, 46, 41, 39, 27, 50, 58, 42, 43, 42, 38, 50, 31, 45, 41, 45, 38, 41, 43, 43, 39, 34, 40, 37, 36, 36,
45, 39, 32, 41, 32, 48, 32, 61, 43, 52, 45, 40, 43, 39, 38, 47, 42, 38, 41, 54, 50, 39, 39, 31, 41, 35, 38, 50, 53, 48, 43, 29, 36, 52, 40, 44, 45, 38, 40, 41)

g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,
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,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,
7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7)

> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.8837, 第1自由度 = 6, 第2自由度 = 246, P値 = 0.5074

有意。群別に違いがある

> 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 = 2.4329, 自由度 = 6, P値 = 0.8759

有意。分散に違いが有り、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 = 0.9127, 第1自由度 = 6.000, 第2自由度 = 96.227, P値 = 0.4893

有意。群別に違いがある

x <- c(35, 32, 40, 36, 40, 48, 45, 36, 40, 35, 38, 53, 50, 32, 31, 38, 39, 32, 45, 37, 45, 39, 60, 39, 49, 54, 41, 50, 32, 42,
40, 38, 45, 47, 39, 28, 49, 41, 38, 38, 50, 45, 37, 40, 36, 35, 39, 48, 55, 43, 38, 37, 46, 37, 42, 45, 32, 40, 35, 38 ,
34, 46, 48, 39, 49, 40, 30, 48, 33, 43, 43, 50, 39, 44, 50, 35, 43, 43, 44, 53, 48, 32, 36, 40, 35, 38, 39, 33, 48, 47 ,
30, 43, 38, 45, 29, 37, 39, 54, 42, 40, 44, 44, 42, 40, 38, 46, 40, 29, 32, 30, 48, 45, 45, 34, 36, 30, 33, 38, 39, 31 ,
35, 47, 45, 45, 40, 47, 46, 43, 42, 38, 42, 40, 46, 42, 43, 29, 25, 37, 53, 39, 48, 44, 50, 35, 33, 32, 30, 45, 33, 50 ,
51, 51, 49, 37, 42, 36, 48, 41, 31, 33, 39, 42, 42, 37, 39, 58, 35, 44, 41, 55, 41, 41, 38, 42, 52, 37, 36, 53, 34, 36, 36 ,
32, 29, 45, 46, 48, 46, 51, 46, 41, 39, 27, 50, 58, 42, 43, 42, 38, 50, 31, 45, 41, 45, 38, 41, 43, 43, 39, 34, 40, 37, 36,
36, 45, 39, 32, 41, 32, 48, 32, 61, 43, 52, 45, 40, 43, 39, 38, 47, 42, 38, 41, 54, 50, 39, 39, 31, 41, 35, 38, 50, 53, 48, 43, 29, 36, 52, 40, 44, 45, 38, 40, 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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)

> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 1.3339, 第1自由度 = 1, 第2自由度 = 251, P値 = 0.2492

有意。群別に違いがある

> 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 = 0.2858, 自由度 = 1, P値 = 0.593

有意ではない。先の分散分析は有効。

全体では、BGと測定値と有意な差があるようです。

繰り返しによる影響

1. BG
x <- c(35, 32, 40, 36, 40, 48, 45, 36, 40, 35, 38, 53, 50, 32, 31, 38, 39, 32, 45, 37, 45, 39, 60, 39, 49, 54, 41, 50, 32, 42 ,
34, 46, 48, 39, 49, 40, 30, 48, 33, 43, 43, 50, 39, 44, 50, 35, 43, 43, 44, 53, 48, 32, 36, 40, 35, 38, 39, 33, 48, 47 ,
35, 47, 45, 45, 40, 47, 46, 43, 42, 38, 42, 40, 46, 42, 43, 29, 25, 37, 53, 39, 48, 44, 50, 35, 33, 32, 30, 45, 33, 50 ,
32, 29, 45, 46, 48, 46, 51, 46, 41, 39, 27, 50, 58, 42, 43, 42, 38, 50, 31, 45, 41, 45, 38, 41, 43, 43, 39, 34, 40, 37, 36, 36,
45, 39, 32, 41, 32, 48, 32, 61, 43, 52, 45, 40, 43, 39, 38, 47, 42, 38, 41, 54, 50, 39, 39, 31, 41, 35, 38, 50, 53, 48, 43, 29, 36, 52, 40, 44, 45, 38, 40, 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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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)
> mean(x) [1] 41.43827
> var(x) [1] 46.11107

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 5 3.086420 3.08642
30 21 12.962963 16.04938
35 39 24.074074 40.12346
40 42 25.925926 66.04938
45 33 20.370370 86.41975
50 19 11.728395 98.14815
55 1 0.617284 98.76543
60 2 1.234568 100.00000
>

> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.1724, 第1自由度 = 3, 第2自由度 = 158, P値 = 0.915
有意ではない。繰り返しによる平均値の差が不明

> 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 = 0.78, 自由度 = 3, P値 = 0.8543
有意ではない。先の分散分析は有効。

2. 試料
x <- c(40, 38, 45, 47, 39, 28, 49, 41, 38, 38, 50, 45, 37, 40, 36, 35, 39, 48, 55, 43, 38, 37, 46, 37, 42, 45, 32, 40, 35, 38 ,
30, 43, 38, 45, 29, 37, 39, 54, 42, 40, 44, 44, 42, 40, 38, 46, 40, 29, 32, 30, 48, 45, 45, 34, 36, 30, 33, 38, 39, 31 ,
51, 51, 49, 37, 42, 36, 48, 41, 31, 33, 39, 42, 42, 37, 39, 58, 35, 44, 41, 55, 41, 41, 38, 42, 52, 37, 36, 53, 34, 36, 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)

> mean(x) [1] 40.42857
> var(x) [1] 41.71429
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 3 3.296703 3.296703
30 11 12.087912 15.384615
35 31 34.065934 49.450549
40 23 25.274725 74.725275
45 14 15.384615 90.109890
50 6 6.593407 96.703297
55 3 3.296703 100.000000
>
度数分布では三角形になっていますので、３つくらいの分布が重なっています。バックグラウンドの乱れか、置き方による線量のばらつきでしょう。

> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 1.8756, 第1自由度 = 2, 第2自由度 = 88, P値 = 0.1593
有意差有り。繰り返しによる平均値の差がある。

> 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 = 1.1467, 自由度 = 2, P値 = 0.5636
有意である。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 = 1.7409, 第1自由度 = 2.000, 第2自由度 = 58.426, P値 = 0.1843
有意である。繰り返しによる差異がある。

平均値の差を比較します。
BG:
gr1 <- c(35, 32, 40, 36, 40, 48, 45, 36, 40, 35, 38, 53, 50, 32, 31, 38, 39, 32, 45, 37, 45, 39, 60, 39, 49, 54, 41, 50, 32, 42 ,
34, 46, 48, 39, 49, 40, 30, 48, 33, 43, 43, 50, 39, 44, 50, 35, 43, 43, 44, 53, 48, 32, 36, 40, 35, 38, 39, 33, 48, 47 ,
35, 47, 45, 45, 40, 47, 46, 43, 42, 38, 42, 40, 46, 42, 43, 29, 25, 37, 53, 39, 48, 44, 50, 35, 33, 32, 30, 45, 33, 50 ,
32, 29, 45, 46, 48, 46, 51, 46, 41, 39, 27, 50, 58, 42, 43, 42, 38, 50, 31, 45, 41, 45, 38, 41, 43, 43, 39, 34, 40, 37, 36, 36,
45, 39, 32, 41, 32, 48, 32, 61, 43, 52, 45, 40, 43, 39, 38, 47, 42, 38, 41, 54, 50, 39, 39, 31, 41, 35, 38, 50, 53, 48, 43, 29, 36, 52, 40, 44, 45, 38, 40, 41)
> mean(x) [1] 41.43827
> var(x) [1] 46.11107

2. 試料
gr2 <- c(40, 38, 45, 47, 39, 28, 49, 41, 38, 38, 50, 45, 37, 40, 36, 35, 39, 48, 55, 43, 38, 37, 46, 37, 42, 45, 32, 40, 35, 38 ,
30, 43, 38, 45, 29, 37, 39, 54, 42, 40, 44, 44, 42, 40, 38, 46, 40, 29, 32, 30, 48, 45, 45, 34, 36, 30, 33, 38, 39, 31 ,
51, 51, 49, 37, 42, 36, 48, 41, 31, 33, 39, 42, 42, 37, 39, 58, 35, 44, 41, 55, 41, 41, 38, 42, 52, 37, 36, 53, 34, 36, 36)
> mean(x) [1] 40.42857
> var(x) [1] 41.71429

> 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 = 1.1549, 自由度 = 251, P値 = 0.2492
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: -0.7120801 2.7314805
標本推定値:
平均値x 平均値y
41.43827 40.42857

平均値の差は有意。ひやむきの線量がバックグラウンドの線量よりも低いという結果になりました。
ひやむぎによる吸収が大きくて、ひやむぎの線量測定ができない状態です。
しかも、ひやむぎの測定にばらつきが出ていますから、放射線の検出は無理でしょう。
ドライアルのそうめんのように、度数分布で２山出てくれれば、一方がバックグラウンドの山、一方が含まれている放射線の山と解釈できるのですが、バックグラウンドの位置に重なっているので、区別できません。

キチガイ降臨警報発動中

自己満足の世界だからスルーしておこうよ。もう荒らし以上の変態さんだしｗ

栃木県は頑張っているのだからいいのではないか。
長屋のようにインスペクタースレでバッシングしたり、Radiの宣伝したりするほうがキチガイ。

>>223
転売ヤ−さん、儲からないの？　逆恨みで粘着ですかｗ

息をはくように嘘をつくRadiの転売屋の長屋
そもそも転売屋でもなければインスペクタースレに居座ってバッシングしたりしないし。

Radiの転売ってどうやれば成り立つんだろう？　ｗｗｗ

他の栃木県の方には悪いけど、(栃木県)をNGネームに入れてる

長屋ってレオパレスって聞いたけどそうなん？
スレ違いスマソ

米アマって、正規品？？

だとしたら安いね−。

もともとそんな価格だよ
パンケーキGM管そのものはリテールで１万円ぐらい
大量納品なら7000円ぐらいでしょ
あとは電子パーツだし

>>229
>米アマって、正規品？？

>だとしたら安いね−。

インスペプラス536.75ドル+送料14.58ドル+インポートフィーデポジット（通関料前納）27.57ドル
合計578.90ドル
日本円で約49,500円
実は米尼は決して安くはない。
途中、破損の危険もある。その時は交換してもらえるが、手間も日数も掛かるし通関料は二重払いになる可能性もある。
日本の尼は6万円からあるし、ヤフオクなら5万からある。おそらく２〜３日で届く。
こう書くと、「転売屋」呼ばわりされるが、これが現実。
どれがいいか、何を基準にするかはその人次第。

転売屋の方が保証がしっかりしてるならな

>>231
ヤフオクの転売ヤ〜って、返品不可でしょ？
売りっぱなしにしたいのミエミエなのでは？

何でそんな低質な転売業者から買う必要があるのかわからん
ちゃんとサービスするつもりなら返品可能期間とか付けるよねｗｗｗ
　

>>230
欲しい人は欲しい値段で買えばいいんだよ。

金持ちは転売やーから買うのも自由さｗ

誰かヤフオクのキットでオブザーバー試した人いない？

数か月前へ平気で20万円とかしてたからな。
そのときはずっと同じ値段でやってる尼はやはり安かった。

数か月前は

>>236
米尼もずっと同じに価格だったわけではないよ

日本みたいな無茶苦茶なぼったくはないけど若干の上下はあった

>>231
転売屋乙

>>230
違う

キチガイ降臨

http://www.rs.kagu.tus.ac.jp/~phlabex/LabExercise/reports/statistics.pdf
カウントで計る人は一応読んでおいて。

まずは個別データ
1.BG
x <- c(36, 38, 31, 33, 40, 46, 42, 43, 47, 33, 39, 42, 44, 51, 42, 47, 48, 41, 35, 43, 36, 39, 31, 42, 35)
> mean(x) [1] 40.16
> var(x) [1] 29.89

2. こだわりの熟成製法　そうめん 2014.01 B3941204 kkJヌードルコーポレーションBK
棄却前のデータ
x <- c(45, 50, 37, 46, 48, 29, 28, 25, 31, 58, 38, 31, 33, 30, 42, 47, 41, 47, 42, 42, 43, 42, 50, 40, 39, 39, 53, 45, 47, 82, 42)
棄却後のデータ
x <- c(45, 50, 37, 46, 48, 29, 28, 25, 31, 58, 38, 31, 33, 30, 42, 47, 41, 47, 42, 42, 43, 42, 50, 40, 39, 39, 53, 45, 47, 42)
> mean(x) [1] 41
> var(x) [1] 62.27586

3. BG
x <- c(46, 35, 35, 50, 44, 49, 40, 48, 42, 46, 39, 29, 27, 39, 37, 32, 50, 26, 34, 47, 36, 36, 36, 28, 37, 33, 43, 52, 46, 50, 42, 35, 32, 30, 49)
> mean(x) [1] 39.42857
> var(x) [1] 56.89916

4. こだわりの熟成製法　そうめん 2014.01 B3941204 kkJヌードルコーポレーションBK
x <- c(37, 39, 32, 42, 47, 53, 46, 44, 43, 45, 40, 30, 52, 42, 40, 46, 29, 46, 34, 44, 48, 39, 40, 38, 47, 35, 52, 48, 40, 38, 40)
> mean(x) [1] 41.80645
> var(x) [1] 37.62796

5. BG
x <- c(41, 44, 33, 46, 45, 47, 49, 29, 36, 52, 35, 46, 37, 55, 38, 42, 43, 42, 43, 52, 38, 37, 45, 35, 44, 51, 39, 47, 45, 42)
> mean(x) [1] 42.6
> var(x) [1] 37.35172

6. こだわりの熟成製法　そうめん 2014.01 B3941204 kkJヌードルコーポレーションBK
x <- c(44, 40, 41, 41, 35, 38, 38, 42, 36, 33, 32, 38, 44, 37, 40, 45, 36, 34, 42, 38, 38, 53, 32, 52, 41, 36, 44, 43, 45, 36, 35, 44, 49, 42, 45, 34, 53)
> mean(x) [1] 40.43243
> var(x) [1] 30.86336

7. BG
x <- c(29, 51, 39, 37, 39, 41, 40, 35, 26, 36, 30, 41, 37, 38, 49, 35, 37, 44, 32, 41, 41, 30, 45, 38, 38, 37, 38, 52, 38, 37, 37, 35, 43, 35, 34, 35, 41, 38, 33, 42)
> mean(x) [1] 38.1
> var(x) [1] 29.42564

全体の比較

x <- c(36, 38, 31, 33, 40, 46, 42, 43, 47, 33, 39, 42, 44, 51, 42, 47, 48, 41, 35, 43, 36, 39, 31, 42, 35 ,
45, 50, 37, 46, 48, 29, 28, 25, 31, 58, 38, 31, 33, 30, 42, 47, 41, 47, 42, 42, 43, 42, 50, 40, 39, 39, 53, 45, 47, 42 ,
46, 35, 35, 50, 44, 49, 40, 48, 42, 46, 39, 29, 27, 39, 37, 32, 50, 26, 34, 47, 36, 36, 36, 28, 37, 33, 43, 52, 46, 50, 42, 35, 32, 30, 49 ,
37, 39, 32, 42, 47, 53, 46, 44, 43, 45, 40, 30, 52, 42, 40, 46, 29, 46, 34, 44, 48, 39, 40, 38, 47, 35, 52, 48, 40, 38, 40 ,
41, 44, 33, 46, 45, 47, 49, 29, 36, 52, 35, 46, 37, 55, 38, 42, 43, 42, 43, 52, 38, 37, 45, 35, 44, 51, 39, 47, 45, 42 ,
44, 40, 41, 41, 35, 38, 38, 42, 36, 33, 32, 38, 44, 37, 40, 45, 36, 34, 42, 38, 38, 53, 32, 52, 41, 36, 44, 43, 45, 36, 35, 44, 49, 42, 45, 34, 53 ,
29, 51, 39, 37, 39, 41, 40, 35, 26, 36, 30, 41, 37, 38, 49, 35, 37, 44, 32, 41, 41, 30, 45, 38, 38, 37, 38, 52, 38, 37, 37, 35, 43, 35, 34, 35, 41, 38, 33, 42)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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 , 4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5 , 6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6 ,
7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7)

> mean(x) [1] 40.38596
> var(x) [1] 41.3746
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 1.9116, 第1自由度 = 6, 第2自由度 = 221, P値 = 0.08003
有意差あり。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 = 9.3912, 自由度 = 6, P値 = 0.1527
有意差あり。分散の違いがあり、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 = 2.1636, 第1自由度 = 6.000, 第2自由度 = 94.915, P値 = 0.05324
有意差あり。群間に差異がある。

x <- c(36, 38, 31, 33, 40, 46, 42, 43, 47, 33, 39, 42, 44, 51, 42, 47, 48, 41, 35, 43, 36, 39, 31, 42, 35 ,
45, 50, 37, 46, 48, 29, 28, 25, 31, 58, 38, 31, 33, 30, 42, 47, 41, 47, 42, 42, 43, 42, 50, 40, 39, 39, 53, 45, 47, 42 ,
46, 35, 35, 50, 44, 49, 40, 48, 42, 46, 39, 29, 27, 39, 37, 32, 50, 26, 34, 47, 36, 36, 36, 28, 37, 33, 43, 52, 46, 50, 42, 35, 32, 30, 49 ,
37, 39, 32, 42, 47, 53, 46, 44, 43, 45, 40, 30, 52, 42, 40, 46, 29, 46, 34, 44, 48, 39, 40, 38, 47, 35, 52, 48, 40, 38, 40 ,
41, 44, 33, 46, 45, 47, 49, 29, 36, 52, 35, 46, 37, 55, 38, 42, 43, 42, 43, 52, 38, 37, 45, 35, 44, 51, 39, 47, 45, 42 ,
44, 40, 41, 41, 35, 38, 38, 42, 36, 33, 32, 38, 44, 37, 40, 45, 36, 34, 42, 38, 38, 53, 32, 52, 41, 36, 44, 43, 45, 36, 35, 44, 49, 42, 45, 34, 53 ,
29, 51, 39, 37, 39, 41, 40, 35, 26, 36, 30, 41, 37, 38, 49, 35, 37, 44, 32, 41, 41, 30, 45, 38, 38, 37, 38, 52, 38, 37, 37, 35, 43, 35, 34, 35, 41, 38, 33, 42)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)

> mean(x) [1] 40.38596
> var(x) [1] 41.3746
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 1.7876, 第1自由度 = 1, 第2自由度 = 226, P値 = 0.1826
有意差あり。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 = 0.0324, 自由度 = 1, P値 = 0.8572
有意差無し。分散の違いについては不明。先の分散分析が有効。

> 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 = 1.779, 第1自由度 = 1.000, 第2自由度 = 207.142, P値 = 0.1837
有意差あり。群間に差異がある。

繰り返しによる差異

1.BG
x <- c(36, 38, 31, 33, 40, 46, 42, 43, 47, 33, 39, 42, 44, 51, 42, 47, 48, 41, 35, 43, 36, 39, 31, 42, 35 ,
46, 35, 35, 50, 44, 49, 40, 48, 42, 46, 39, 29, 27, 39, 37, 32, 50, 26, 34, 47, 36, 36, 36, 28, 37, 33, 43, 52, 46, 50, 42, 35, 32, 30, 49 ,
41, 44, 33, 46, 45, 47, 49, 29, 36, 52, 35, 46, 37, 55, 38, 42, 43, 42, 43, 52, 38, 37, 45, 35, 44, 51, 39, 47, 45, 42 ,
29, 51, 39, 37, 39, 41, 40, 35, 26, 36, 30, 41, 37, 38, 49, 35, 37, 44, 32, 41, 41, 30, 45, 38, 38, 37, 38, 52, 38, 37, 37, 35, 43, 35, 34, 35, 41, 38, 33, 42)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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)
> mean(x) [1] 39.89231
> var(x) [1] 40.62397
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 3.0774, 第1自由度 = 3, 第2自由度 = 126, P値 = 0.03004
有意差あり。繰り返しによる違いかある。

> 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 = 4.9093, 自由度 = 3, P値 = 0.1786
有意差あり。分散の違いがあり、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 = 3.4042, 第1自由度 = 3.000, 第2自由度 = 66.047, P値 = 0.02263
有意差あり。繰り返しによる違いかある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 7 5.3846154 5.384615
30 15 11.5384615 16.923077
35 45 34.6153846 51.538462
40 31 23.8461538 75.384615
45 21 16.1538462 91.538462
50 10 7.6923077 99.230769
55 1 0.7692308 100.000000
>

2. 試料
x <- c( 45, 50, 37, 46, 48, 29, 28, 25, 31, 58, 38, 31, 33, 30, 42, 47, 41, 47, 42, 42, 43, 42, 50, 40, 39, 39, 53, 45, 47, 42 ,
37, 39, 32, 42, 47, 53, 46, 44, 43, 45, 40, 30, 52, 42, 40, 46, 29, 46, 34, 44, 48, 39, 40, 38, 47, 35, 52, 48, 40, 38, 40 ,
44, 40, 41, 41, 35, 38, 38, 42, 36, 33, 32, 38, 44, 37, 40, 45, 36, 34, 42, 38, 38, 53, 32, 52, 41, 36, 44, 43, 45, 36, 35, 44, 49, 42, 45, 34, 53)
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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)

> mean(x) [1] 41.04082
> var(x) [1] 42.03955
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.3747, 第1自由度 = 2, 第2自由度 = 95, P値 = 0.6885
有意差なし。繰り返しによる違いは不明。

> 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 = 4.2283, 自由度 = 2, P値 = 0.1207
有意差あり。分散の違いがあり、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 = 0.4558, 第1自由度 = 2.000, 第2自由度 = 59.191, P値 = 0.6361
有意差なし。繰り返しによる違いは不明。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 4 4.081633 4.081633
30 12 12.244898 16.326531
35 22 22.448980 38.775510
40 31 31.632653 70.408163
45 19 19.387755 89.795918
50 9 9.183673 98.979592
55 1 1.020408 100.000000
>

試料とバックグラウンドの比較
BG:
gr1 <- c(36, 38, 31, 33, 40, 46, 42, 43, 47, 33, 39, 42, 44, 51, 42, 47, 48, 41, 35, 43, 36, 39, 31, 42, 35 ,
46, 35, 35, 50, 44, 49, 40, 48, 42, 46, 39, 29, 27, 39, 37, 32, 50, 26, 34, 47, 36, 36, 36, 28, 37, 33, 43, 52, 46, 50, 42, 35, 32, 30, 49 ,
41, 44, 33, 46, 45, 47, 49, 29, 36, 52, 35, 46, 37, 55, 38, 42, 43, 42, 43, 52, 38, 37, 45, 35, 44, 51, 39, 47, 45, 42 ,
29, 51, 39, 37, 39, 41, 40, 35, 26, 36, 30, 41, 37, 38, 49, 35, 37, 44, 32, 41, 41, 30, 45, 38, 38, 37, 38, 52, 38, 37, 37, 35, 43, 35, 34, 35, 41, 38, 33, 42)
> mean(x) [1] 39.89231
> var(x) [1] 40.62397
試料
gr2 <- c( 45, 50, 37, 46, 48, 29, 28, 25, 31, 58, 38, 31, 33, 30, 42, 47, 41, 47, 42, 42, 43, 42, 50, 40, 39, 39, 53, 45, 47, 42 ,
37, 39, 32, 42, 47, 53, 46, 44, 43, 45, 40, 30, 52, 42, 40, 46, 29, 46, 34, 44, 48, 39, 40, 38, 47, 35, 52, 48, 40, 38, 40 ,
44, 40, 41, 41, 35, 38, 38, 42, 36, 33, 32, 38, 44, 37, 40, 45, 36, 34, 42, 38, 38, 53, 32, 52, 41, 36, 44, 43, 45, 36, 35, 44, 49, 42, 45, 34, 53)
> mean(x) [1] 41.04082
> var(x) [1] 42.03955

> 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 = -1.337, 自由度 = 226, P値 = 0.1826
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: -2.8411990 0.5441818
標本推定値:
平均値x 平均値y
39.89231 41.04082

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = -1.3338, 自由度 = 207.142, P値 = 0.1837
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: -2.8461223 0.5491051
標本推定値:
平均値x 平均値y
39.89231 41.04082

> dosuu.bunpu(gr1, 5)
freq pcnt cum.pcnt
25 7 5.3846154 5.384615
30 15 11.5384615 16.923077
35 45 34.6153846 51.538462
40 31 23.8461538 75.384615
45 21 16.1538462 91.538462
50 10 7.6923077 99.230769
55 1 0.7692308 100.000000
> dosuu.bunpu(gr2, 5)
freq pcnt cum.pcnt
25 4 4.081633 4.081633
30 12 12.244898 16.326531
35 22 22.448980 38.775510
40 31 31.632653 70.408163
45 19 19.387755 89.795918
50 9 9.183673 98.979592
55 1 1.020408 100.000000
>
両者を比較すればわかるとおり、約2CPMずれて、試料のほうが高い値を示しています。

中尾食品　本場四国香川名産 讃岐そうめん 2013.12.2 B4 の測定値
まずは、生データ。マイクロホンで音を拾っているので、R形式に変換しています。

1. BG
x <- c(40, 37, 45, 45, 49, 38, 44, 49, 30, 50, 49, 50, 33, 35, 37, 48, 46, 51, 58, 47, 37, 52, 40, 35, 46, 37, 26, 54, 34, 30, 31, 43, 49, 30, 34, 36, 45, 47, 40, 38, 35, 42, 56, 45, 37, 41, 45, 45, 31, 29, 38, 33, 48, 35, 35, 35, 34, 55, 34, 52, 44)

2. 本場四国香川名産　讃岐そうめん 2013.12.2 B4
x <- c(36, 45, 43, 25, 46, 35, 47, 44, 42, 42, 44, 44, 42, 39, 41, 42, 37, 46, 50, 43, 40, 40, 49, 46, 33, 42, 43, 39, 47, 30)

3. BG
x <- c(44, 43, 46, 34, 34, 39, 44, 37, 44, 41, 39, 40, 38, 51, 53, 43, 45, 26, 37, 41, 49, 48, 38, 43, 46, 44, 45, 34, 53, 50, 45, 32, 38, 33, 50, 29, 41, 41, 47, 36, 45, 36, 30, 43, 47)

4. 本場四国香川名産　讃岐そうめん 2013.12.2 B4
x <- c(44, 41, 39, 36, 36, 32, 43, 42, 36, 40, 48, 48, 48, 38, 36, 35, 47, 45, 33, 38, 40, 38, 42, 38, 39, 40, 42, 33, 62, 33)

5. BG
x <- c(33, 39, 52, 36, 33, 35, 43, 37, 42, 35, 35, 45, 44, 44, 47, 45, 44, 45, 29, 44, 48, 37, 32, 38, 47, 46, 36, 36, 34, 35)

6. 本場四国香川名産　讃岐そうめん 2013.12.2 B4
x <- c(39, 36, 32, 47, 43, 53, 42, 29, 35, 37, 39, 43, 44, 33, 46, 51, 45, 34, 41, 28, 50, 50, 38, 42, 30, 39, 39, 42, 48, 54, 39, 45, 48, 54, 44)

7. BG
x <- c(40, 33, 52, 40, 52, 34, 29, 58, 45, 42, 44, 31, 48, 42, 33, 37, 43, 49, 40, 33, 32, 51, 37, 50, 53, 43, 36, 36, 48, 32)

1. BG
gr1 <- c(40, 37, 45, 45, 49, 38, 44, 49, 30, 50, 49, 50, 33, 35, 37, 48, 46, 51, 58, 47, 37, 52, 40, 35, 46, 37, 26, 54, 34,
30, 31, 43, 49, 30, 34, 36, 45, 47, 40, 38, 35, 42, 56, 45, 37, 41, 45, 45, 31, 29, 38, 33, 48, 35, 35, 35, 34, 55, 34, 52, 44 ,
44, 43, 46, 34, 34, 39, 44, 37, 44, 41, 39, 40, 38, 51, 53, 43, 45, 26, 37, 41, 49, 48, 38, 43, 46, 44, 45, 34, 53, 50, 45, 32, 38, 33, 50, 29, 41, 41, 47, 36, 45, 36, 30, 43, 47 ,
33, 39, 52, 36, 33, 35, 43, 37, 42, 35, 35, 45, 44, 44, 47, 45, 44, 45, 29, 44, 48, 37, 32, 38, 47, 46, 36, 36, 34, 35 ,
40, 33, 52, 40, 52, 34, 29, 58, 45, 42, 44, 31, 48, 42, 33, 37, 43, 49, 40, 33, 32, 51, 37, 50, 53, 43, 36, 36, 48, 32)
> mean(x) [1] 41.05422
> var(x) [1] 49.65159

2. 試料
gr2 <- c(36, 45, 43, 25, 46, 35, 47, 44, 42, 42, 44, 44, 42, 39, 41, 42, 37, 46, 50, 43, 40, 40, 49, 46, 33, 42, 43, 39, 47, 30 ,
44, 41, 39, 36, 36, 32, 43, 42, 36, 40, 48, 48, 48, 38, 36, 35, 47, 45, 33, 38, 40, 38, 42, 38, 39, 40, 42, 33, 62, 33 ,
39, 36, 32, 47, 43, 53, 42, 29, 35, 37, 39, 43, 44, 33, 46, 51, 45, 34, 41, 28, 50, 50, 38, 42, 30, 39, 39, 42, 48, 54, 39, 45, 48, 54, 44)
> mean(x) [1] 41.18947
> var(x) [1] 39.21904

> 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 = -0.1552, 自由度 = 259, P値 = 0.8768
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: -1.850906 1.580393
標本推定値:
平均値x 平均値y
41.05422 41.18947

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = -0.1603, 自由度 = 215.198, P値 = 0.8728
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: -1.798357 1.527844
標本推定値:
平均値x 平均値y
41.05422 41.18947

有意差有り。　試料が高線量

約0.15 CPM の差で有意差が出たので、カキコします。

最後に、以前カキコした乾燥しいたけ(自家製)。秋に出たしいたけを収穫せず放置。
黒色化して乾燥していたものを採取。ちょっと湿気っぽいので、約40度で乾燥。
机を改造した乾燥機で、鉄板一枚ごしに測ったらば 0.20 uSv/h なんて値が出た。乾燥機にした頃は 0.13uSv/h だったのですが。
詳しくは取説を読んでほしいのですが、100 CPM 以下は過去30秒間の移動平均を3秒ごとに表示
33400 CPM が 100.0 uSv/h なので、CPM とuSv/h の換算はできるでしょう。

まずは生データ。
1. n=31 BG
x <- c(43, 35, 47, 35, 46, 42, 38, 32, 48, 47, 41, 32, 33, 38, 45, 43, 46, 35, 33, 30, 37, 32, 34, 69, 46, 36, 28, 35, 44, 35, 27)

2. n=35 試料
x <- c(51, 46, 61, 50, 56, 50, 52, 56, 62, 55, 64, 55, 56, 45, 51, 48, 55, 68, 76, 60, 55, 51, 58, 53, 51, 61, 77, 46, 39, 44, 53, 51, 54, 45, 44)

3. n=65 BG
x <- c(40, 33, 39, 34, 37, 52, 41, 38, 40, 42, 36, 40, 36, 49, 41, 40, 39, 42, 48, 44, 36, 47, 52, 40, 39, 44, 43, 42, 35, 36, 37, 47, 34,
44, 35, 31, 41, 41, 42, 41, 31, 42, 35, 42, 33, 38, 43, 50, 32, 36, 47, 32, 30, 39, 53, 36, 34, 45, 50, 53, 39, 46, 43, 45, 38)

4. n=37 試料
x <- c(53, 48, 61, 43, 61, 55, 52, 53, 47, 49, 57, 49, 53, 56, 41, 48, 42, 49, 49, 45, 53, 57, 43, 55, 46, 54, 48, 59, 39, 49, 47, 52, 46, 50, 53, 50, 79)

5. n=36 BG
x <- c(44, 38, 29, 34, 45, 41, 40, 43, 33, 30, 28, 36, 40, 41, 55, 33, 38, 36, 43, 39, 34, 49, 43, 35, 33, 54, 42, 45, 32, 39, 43, 27, 35, 45, 41, 29)

平均値の差の検定
1. BG
gr1 <- c(43, 35, 47, 35, 46, 42, 38, 32, 48, 47, 41, 32, 33, 38, 45, 43, 46, 35, 33, 30, 37, 32, 34, 69, 46, 36, 28, 35, 44, 35, 27 ,
40, 33, 39, 34, 37, 52, 41, 38, 40, 42, 36, 40, 36, 49, 41, 40, 39, 42, 48, 44, 36, 47, 52, 40, 39, 44, 43, 42, 35, 36, 37, 47, 34,
44, 35, 31, 41, 41, 42, 41, 31, 42, 35, 42, 33, 38, 43, 50, 32, 36, 47, 32, 30, 39, 53, 36, 34, 45, 50, 53, 39, 46, 43, 45, 38 ,
44, 38, 29, 34, 45, 41, 40, 43, 33, 30, 28, 36, 40, 41, 55, 33, 38, 36, 43, 39, 34, 49, 43, 35, 33, 54, 42, 45, 32, 39, 43, 27, 35, 45, 41, 29)
> mean(x) [1] 39.65152
> var(x) [1] 44.51885

2. 試料
gr2 <- c(51, 46, 61, 50, 56, 50, 52, 56, 62, 55, 64, 55, 56, 45, 51, 48, 55, 68, 76, 60, 55, 51, 58, 53, 51, 61, 77, 46, 39, 44, 53, 51, 54, 45, 44 ,
53, 48, 61, 43, 61, 55, 52, 53, 47, 49, 57, 49, 53, 56, 41, 48, 42, 49, 49, 45, 53, 57, 43, 55, 46, 54, 48, 59, 39, 49, 47, 52, 46, 50, 53, 50, 79)
> mean(x) [1] 52.63889
> var(x) [1] 61.64241

> 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 = -12.4696, 自由度 = 202, 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: -15.04103 -10.93372
標本推定値:
平均値x 平均値y
39.65152 52.63889

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = -11.8885, 自由度 = 127.254, 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: -15.14906 -10.82569
標本推定値:
平均値x 平均値y
39.65152 52.63889

----ここまでキチガイ（栃木県）のターン----

栃木県用にwiki作ったから、書き込みよろしくお願いします。

インスペクタープラスで食品測定しよう！＠栃木
http://www10.atwiki.jp/inspectors/

>>252
あれ？。前書かなかったっけ？。
Win2K なんです。はい。当然のことですが、古いブラウザしか動きません。
Wiki は、ブラクラなので、利用できません。
http://j-lyric.net/artist/a04aac2/l01aa8b.html

インスペクター＋をわかりやすく解説しています。
http://www.mikage.to/radiation/seintl_inspector_plus.html

----ここからはキチガイ（栃木県）のターン----

まずは、測定場所をちょっと移動したので、BGを測定。
分量が多いので、結果だけ。
最初の資料が毎分あたりのカウント数 CPM。
次の資料が、10カウントを数えるのに要した時間から推定した線量 uSv/h。

> npp2(x)
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 0.0921659 0.0921659
25 45 4.1474654 4.2396313
30 150 13.8248848 18.0645161
35 264 24.3317972 42.3963134
40 326 30.0460829 72.4423963
45 180 16.5898618 89.0322581
50 92 8.4792627 97.5115207
55 23 2.1198157 99.6313364
60 3 0.2764977 99.9078341
65 1 0.0921659 100.0000000
> y <- c(1, 45, 150, 264, 326, 180, 92, 23, 3, 1)
> normaldist(y, 20, 5, 1)
正規分布への適合度の検定

データ: y
カイ二乗値 = 14.5973, 自由度 = 7, P値 = 0.04152
標本推定値:
n Mean Variance S.D.
1085.000000 40.834101 47.327316 6.879485

有意。正規分布とみなせる。
>

> npp2(x)
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
0 22 0.49538392 0.4953839
5 673 15.15424454 15.6496285
10 1792 40.35127224 56.0009007
15 1337 30.10583202 86.1067327
20 475 10.69578924 96.8025220
25 116 2.61202432 99.4145463
30 24 0.54041882 99.9549651
35 1 0.02251745 99.9774825
40 1 0.02251745 100.0000000
> y <- c(22, 673, 1792, 1337, 475, 116, 24, 1, 1)
> normaldist(y, 0, 5, 1)
正規分布への適合度の検定

データ: y
カイ二乗値 = 229.6247, 自由度 = 5, P値 < 2.2e-16
標本推定値:
n Mean Variance S.D.
4441.00000 14.27989 25.69041 5.06857
有意。正規分布とみなせる。
>
参考URL。
http://aoki2.si.gunma-u.ac.jp/lecture/GoodnessOfFitness/normaldist-r.html
http://aoki2.si.gunma-u.ac.jp/lecture/Bunpu/normdist/atehame.html
http://aoki2.si.gunma-u.ac.jp/R/npp2.html

試料は、 こだわりの熟成製法 そうめん　２０１３.１２ B505 JヌードルコーポレーションBK
まずは生データ。昨日変なサイトを利用したために、ウイルスが混入した模様。おかげで測定中にハングするようになってしまった。
作成者も大多数の利用者も、ウイルスとは判断していないソフトウェアだけれども、旧型機械を使っているとブラウザクラッシャーとなる。
条件によってはシステムに影響が出る。

1. n=33 BG
x <- c(33, 47, 42, 38, 32, 42, 35, 30, 35, 48, 40, 47, 45, 35, 51, 37, 39, 35, 31, 30, 54, 53, 34, 38, 43, 23, 36, 42, 45, 34, 40, 41, 38)
> mean(x) [1] 39.18182
> var(x) [1] 49.71591

2. n=20 試料, 測定中にパソがハングアップ。約１時間後に復旧。
x <- c(38, 38, 39, 42, 43, 37, 44, 44, 41, 41, 36, 35, 39, 36, 32, 35, 41, 46, 39, 41)
> mean(x) [1] 39.35
> var(x) [1] 12.76579

3. n=30 試料
x <- c(40, 45, 32, 37, 46, 39, 52, 43, 41, 49, 32, 44, 51, 32, 42, 35, 34, 30, 53, 77, 45, 48, 49, 37, 42, 36, 37, 35, 44, 37)
> mean(x) [1] 42.13333
> var(x) [1] 84.8092

77を棄却後
x <- c(40, 45, 32, 37, 46, 39, 52, 43, 41, 49, 32, 44, 51, 32, 42, 35, 34, 30, 53, 45, 48, 49, 37, 42, 36, 37, 35, 44, 37)
> mean(x) [1] 40.93103
> var(x) [1] 42.92365

4. n=31 BG
x <- c(46, 43, 42, 39, 28, 37, 41, 38, 29, 29, 28, 43, 41, 53, 34, 35, 33, 34, 45, 51, 43, 35, 50, 44, 33, 30, 29, 49, 31, 43, 28)
> mean(x) [1] 38.19355
> var(x) [1] 56.62796

5. n=27 試料
x <- c(44, 41, 56, 58, 36, 56, 31, 29, 43, 43, 53, 45, 36, 55, 37, 35, 44, 19, 43, 45, 25, 43, 32, 35, 18, 48, 29)
> mean(x) [1] 39.96296
> var(x) [1] 116.9601

6. n=62 BG
x <- c(40, 43, 45, 37, 28, 40, 40, 54, 38, 43, 38, 41, 29, 32, 44, 34, 27, 45, 45, 42, 41, 41, 37, 53, 36, 41, 43, 48, 31, 46, 46, 42, 56,
40, 43, 31, 37, 38, 38, 46, 37, 42, 33, 36, 33, 42, 32, 42, 39, 46, 51, 46, 31, 47, 46, 47, 40, 29, 34, 42, 35, 39)
> mean(x) [1] 40.12903
> var(x) [1] 40.6716

全体の分析(棄却後)
x <- c(33, 47, 42, 38, 32, 42, 35, 30, 35, 48, 40, 47, 45, 35, 51, 37, 39, 35, 31, 30, 54, 53, 34, 38, 43, 23, 36, 42, 45, 34, 40, 41, 38 ,
38, 38, 39, 42, 43, 37, 44, 44, 41, 41, 36, 35, 39, 36, 32, 35, 41, 46, 39, 41 ,
40, 45, 32, 37, 46, 39, 52, 43, 41, 49, 32, 44, 51, 32, 42, 35, 34, 30, 53, 45, 48, 49, 37, 42, 36, 37, 35, 44, 37 ,
46, 43, 42, 39, 28, 37, 41, 38, 29, 29, 28, 43, 41, 53, 34, 35, 33, 34, 45, 51, 43, 35, 50, 44, 33, 30, 29, 49, 31, 43, 28 ,
44, 41, 56, 58, 36, 56, 31, 29, 43, 43, 53, 45, 36, 55, 37, 35, 44, 19, 43, 45, 25, 43, 32, 35, 18, 48, 29 ,
40, 43, 45, 37, 28, 40, 40, 54, 38, 43, 38, 41, 29, 32, 44, 34, 27, 45, 45, 42, 41, 41, 37, 53, 36, 41, 43, 48, 31, 46, 46,
42, 56, 40, 43, 31, 37, 38, 38, 46, 37, 42, 33, 36, 33, 42, 32, 42, 39, 46, 51, 46, 31, 47, 46, 47, 40, 29, 34, 42, 35, 39)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 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 , 4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
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 , 6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6)
> mean(x) [1] 39.69307
> var(x) [1] 51.71627
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.5308, 第1自由度 = 5, 第2自由度 = 196, P値 = 0.7528
有意差あり。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 = 25.7298, 自由度 = 5, P値 = 0.0001007
有意。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 = 0.5665, 第1自由度 = 5.000, 第2自由度 = 79.582, P値 = 0.7254
有意差無し。群別に差異があるかどうか不明。
g <- c(,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 , 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 , 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.5308, 第1自由度 = 5, 第2自由度 = 196, P値 = 0.7528
有意差無し。試料とBGとの間に差異があるかどうかわからない。
> 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 = 25.7298, 自由度 = 5, P値 = 0.0001007
有意。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 = 0.5665, 第1自由度 = 5.000, 第2自由度 = 79.582, P値 = 0.7254
有意差無し。試料とBGとの間に差異があるかどうかわからない。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
15 2 0.9900990 0.990099
20 1 0.4950495 1.485149
25 13 6.4356436 7.920792
30 30 14.8514851 22.772277
35 51 25.2475248 48.019802
40 57 28.2178218 76.237624
45 30 14.8514851 91.089109
50 13 6.4356436 97.524752
55 5 2.4752475 100.000000

繰り返しによる差異。棄却後

1. BG
x <- c(33, 47, 42, 38, 32, 42, 35, 30, 35, 48, 40, 47, 45, 35, 51, 37, 39, 35, 31, 30, 54, 53, 34, 38, 43, 23, 36, 42, 45, 34, 40, 41, 38 ,
46, 43, 42, 39, 28, 37, 41, 38, 29, 29, 28, 43, 41, 53, 34, 35, 33, 34, 45, 51, 43, 35, 50, 44, 33, 30, 29, 49, 31, 43, 28 ,
40, 43, 45, 37, 28, 40, 40, 54, 38, 43, 38, 41, 29, 32, 44, 34, 27, 45, 45, 42, 41, 41, 37, 53, 36, 41, 43, 48, 31, 46, 46, 42, 56, 40, 43,
31, 37, 38, 38, 46, 37, 42, 33, 36, 33, 42, 32, 42, 39, 46, 51, 46, 31, 47, 46, 47, 40, 29, 34, 42, 35, 39)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x) [1] 39.40476
> var(x) [1] 46.80286
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.8488, 第1自由度 = 2, 第2自由度 = 123, P値 = 0.4304
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 = 1.1998, 自由度 = 2, P値 = 0.5489
有意。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 = 0.7938, 第1自由度 = 2.000, 第2自由度 = 62.796, P値 = 0.4566
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
20 1 0.7936508 0.7936508
25 10 7.9365079 8.7301587
30 22 17.4603175 26.1904762
35 28 22.2222222 48.4126984
40 35 27.7777778 76.1904762
45 20 15.8730159 92.0634921
50 9 7.1428571 99.2063492
55 1 0.7936508 100.0000000
>
右肩にピークがある。

2. 試料
x <- c(38, 38, 39, 42, 43, 37, 44, 44, 41, 41, 36, 35, 39, 36, 32, 35, 41, 46, 39, 41 , 40, 45, 32, 37, 46, 39, 52, 43, 41, 49, 32, 44, 51, 32, 42, 35, 34, 30, 53, 45, 48, 49, 37, 42, 36, 37, 35, 44, 37 ,
44, 41, 56, 58, 36, 56, 31, 29, 43, 43, 53, 45, 36, 55, 37, 35, 44, 19, 43, 45, 25, 43, 32, 35, 18, 48, 29)
g <- c(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 , 3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x) [1] 40.17105
> var(x) [1] 60.22368
> oneway.test(x ~ g, var = T)
一元配置分散分析
データ: x と g
F = 0.2555, 第1自由度 = 2, 第2自由度 = 73, P値 = 0.7752
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 = 22.7339, 自由度 = 2, P値 = 1.157e-05
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 = 0.5835, 第1自由度 = 2.000, 第2自由度 = 46.334, P値 = 0.562
有意。繰り返しによる差異がある。
> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
15 2 2.631579 2.631579
20 0 0.000000 2.631579
25 3 3.947368 6.578947
30 8 10.526316 17.105263
35 23 30.263158 47.368421
40 22 28.947368 76.315789
45 10 13.157895 89.473684
50 4 5.263158 94.736842
55 4 5.263158 100.000000
>
高原状態。2つのピークが近い分布が重なっている。

BGと試料の比較

1. BG
gr1 <- c(33, 47, 42, 38, 32, 42, 35, 30, 35, 48, 40, 47, 45, 35, 51, 37, 39, 35, 31, 30, 54, 53, 34, 38, 43, 23, 36, 42, 45, 34, 40, 41, 38 ,
46, 43, 42, 39, 28, 37, 41, 38, 29, 29, 28, 43, 41, 53, 34, 35, 33, 34, 45, 51, 43, 35, 50, 44, 33, 30, 29, 49, 31, 43, 28 ,
40, 43, 45, 37, 28, 40, 40, 54, 38, 43, 38, 41, 29, 32, 44, 34, 27, 45, 45, 42, 41, 41, 37, 53, 36, 41, 43, 48, 31, 46, 46, 42, 56,
40, 43, 31, 37, 38, 38, 46, 37, 42, 33, 36, 33, 42, 32, 42, 39, 46, 51, 46, 31, 47, 46, 47, 40, 29, 34, 42, 35, 39)
> mean(x) [1] 39.40476
> var(x) [1] 46.80286

2. 試料
gr2 <- c(38, 38, 39, 42, 43, 37, 44, 44, 41, 41, 36, 35, 39, 36, 32, 35, 41, 46, 39, 41 ,
40, 45, 32, 37, 46, 39, 52, 43, 41, 49, 32, 44, 51, 32, 42, 35, 34, 30, 53, 45, 48, 49, 37, 42, 36, 37, 35, 44, 37 ,
44, 41, 56, 58, 36, 56, 31, 29, 43, 43, 53, 45, 36, 55, 37, 35, 44, 19, 43, 45, 25, 43, 32, 35, 18, 48, 29)
> mean(x) [1] 40.17105
> var(x) [1] 60.22368

> 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 = -0.7328, 自由度 = 200, P値 = 0.4645
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: -2.828259 1.295678
標本推定値:
平均値x 平均値y
39.40476 40.17105

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = -0.7103, 自由度 = 142.947, P値 = 0.4787
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: -2.898807 1.366225
標本推定値:
平均値x 平均値y
39.40476 40.17105

有意差あり。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 = 0.7772, 第1自由度 = 125, 第2自由度 = 75, P値 = 0.2128
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.5116839 1.1558297
標本推定値:
分散比
0.7771503

有意。分散が異なる。
>
----ここまでキチガイ（栃木県）のターン----

キチガイ乙

タイマーモードでバックグラウンドを５分測って、食品を５分測って数値に差があれば捨てればいいんじゃないかな。
カリウムｶﾞｰて言われるけど、カリウムの多い野菜はセシウムを吸収しやすいからな。
疑わしい食品はすべて捨てればいいと思う。

「カリウムの少ない食品」で検索
http://wholefoodcatalog.com/nutrient/%E3%82%AB%E3%83%AA%E3%82%A6%E3%83%A0/low/%E9%A3%9F%E5%93%81/

たけのこ、寒天、わらび、きゅうり、豚肉、くらげ、かずのこ、ふかひれ、あさりなどはカリウムがほぼゼロ。

カリウムが少ないなら当然セシウムも少ない

汚染メカニズムによるからそうとは言い切れない

>>264
http://jssspn.jp/info/nuclear/cs-1.html
原発事故関連情報(5)：セシウム（Cs）の植物移行とそのメカニズム

福島県のヤマメ、１万８７００ベクレル検出
魚のヤマメのカリウム量は100gあたり420mg。
http://headlines.yahoo.co.jp/hl?a=20120328-00000114-mai-soci

出荷禁止ではなくて出荷自粛（罰則もないからやりたい放題）

Meridian Pripyat・Inspector+
千葉県鴨川市
3/29　14:50〜
K田病院・職員駐車場
アスファルト　1ｍ
Pripyat　0.06(0.05〜0.07)μSv/h　200s・γ線・6分計測
Inspector+　約0.1μSv/h　γ線(エクスリームブーツで簡易遮蔽)

アスファルト・砕石敷共に　3�p
Inspector+　約0.35μSv/h　β+γ線(ラップでα線遮蔽)

この位の汚染だと、プリはあんまり反応しませんので、
インスペを投入してみました。
それでも0.3程度なので、汚染は軽めかと。

投下スレの誤爆です。すみません。

βも含めて表面汚染を測るならCPMにしてくれ(μSvの定義からはずれてしまう）

おそらく100CPMぐらいだろうが、最低200CPMないと
原発からのフォールアウトで汚染されていると断言はできないな
300CPMあれば確実に汚染されてる

>>263
豚肉、あさり　は違うだろ。

>>267
出荷停止なんだが

福島のヤマメ出荷停止　最大１万８７００ベクレル
http://sankei.jp.msn.com/affairs/news/120329/dst12032921010012-n1.htm
福島のヤマメなど出荷停止　規制値超すセシウムで
http://www.nikkei.com/news/category/article/g=96958A9C93819695E0EBE2E6818DE0EBE2E1E0E2E3E09180EAE2E2E2;at=DGXZZO0195583008122009000000

>>272
この調子だと、終着点はベクレ熊ですかね。？

調べれば100万ベクレルの熊、猪、昆布がありそう。

ツバメの巣から１４０万ベクレル/kg　離れれば「影響なし」
http://sankei.jp.msn.com/affairs/news/120323/dst12032323180011-n1.htm
離れれば影響ないのかｗｗじゃあ除染しなくていいじゃん。

>>274
そこは終着点はマタギです。くらいのウィットが欲しかったｗ

あと昆布は他の生物食べないから生物濃縮はありえないね
カリウムの集積に紛れてセシウム溜まるだけだから限界は低い。

>>275
ツバメの巣が1kgになるってことはないから、絶対量は大したことないけど
今年やってくるツバメが被曝するじゃないか。

>>270
そうだな。そのためのCPM表示モードなのにな。

ワイプテストプレートも付けずに　シーベルトって言われると
何のためにInspector買ってるの？　アホなのって感じだよなｗ

>>277
日本語取説しか読めないけど、英語マニュアルには、

「ワイプテストプレートはβ線を遮蔽する」という文言はない。
日本語取説にのみ記載がアル

と誰か書いていた。
ここの住民は原則として米アマの利用者だから、日本に特化した内容はよんでいないはず。
しかも、日本語取説がついている販売品とついていない販売品があるので、
後者のユーザーは米国社のサイトを利用するから、
「ワイプテストプレートは雲母の保護」目的以外では使わないはず。

米アマからきました。

シリアル31200番台でした。

米尼のインスペクターが黒テラ青歯とほとんど価格が変わらないんだけど
どちらがお勧めでしょうか？

>>279
無事届いてよかったですね。
新型ですか？

>>280
黒テラ青歯てさ、GM管と性能はRD1503と基本的には同じだよ？
テラはもっともコスパが悪い測定器だな。
ポルシェと自転車がほとんど価格が変わらないけどどちらがお勧めですかて聞いているようなもの。

>>282
ポルシェなんて興味がない自転車マニアには
自転車すすめますけどね。

たとえが下手過ぎwww

自転車に失礼だろ。ポルシェと竹馬くらいの差があるよ。

>>278
S.E InternationalのWebサイトでのワイプテストプレートの説明に、β遮断は書いてあるよ？
The Inspector Wipe Test Plate also use it as a Beta Shield for the 2-inch GM detector. (patent# 5,936,246)
「β遮断の目的で使うこともできます」ぐらいの、含みのある書き方だけど

機器の特性上、空間線量は正確には測れないから、γのみの計測は諦めた方がいいんだけどね

ワイプテストプレートの特許英文読めばわかるけど、αβを遮断できるよ。

キチガイ降臨
といっても、新規データはなし。

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
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
http://aoki2.si.gunma-u.ac.jp/R/begin.html

新たに定義した関数
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("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。
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）
http://aoki2.si.gunma-u.ac.jp/lecture/Average/bunsan1-r.html　二群の等分散性の検定
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
http://aoki2.si.gunma-u.ac.jp/lecture/Average/t-test-r.html　２群正規分布の場合
http://aoki2.si.gunma-u.ac.jp/lecture/Average/U-test-r.html　２群一山分布の場合
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)
２山分布等の多山分布に使用可能な検定方法はない。

度数分布
http://aoki2.si.gunma-u.ac.jp/R/dosuu-bunpu.html　度数分布表の作成
http://aoki2.si.gunma-u.ac.jp/R/normaldist.html　正規分布用適合度の検定
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
http://ikura.2ch.net/sim/index.html　シミュレーション＠2ch掲示板
http://ikura.2ch.net/test/read.cgi/sim/1284162960/l50　【junk.test】雑談専用【try会議室】
http://uni.2ch.net/math/　数学＠2ch掲示板
http://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】

車のポルシェが1000-2000万、
ママチャリだと１万以下の商品もあるけど、ちょっとこった物だと100万位。
ただ、予備部品を１台分用意しておかないと動かなくなるときがある(パンク等)ので、予備部品置き場を含めて500万位かな。
１０年ぐらいで総入れ替えだから、年間維持費が価格の1/10位、年間償却が価格の1/10位位用意しないと持てない。
スミスだと、資本1、動産1、労働力1合計3の投資を行い生産を行う、ことになるので、物の値段と使用する消費財の値段が大体同じくらい。
これを覚えて買い物をしないと、維持費が支払えなくなる。

>>281
ワイプテストプレートの仕様が変わったマイナーチェンジモデルらしいです。

新型は、ワイプテストプレートをレールなしで取り付けることができる。
溝に小傷がつくのではないかと思うのだが実際はどうなんだろう？

全く問題にならないんじゃない？

旧型でワイプテストプレートを付けるのに、レールを付けてでかくなる点と比べたらｗ

どうしても気になるなら１００均で紙やすりセット買って、
細かいのでガイドに当たる部分の金属を滑らかにしてやれば、完璧にOKですよ。

１００均の爪磨きでも多分できると思うから、素人でも簡単に処理できるよ。

なんで100均使う前提でばっかり話してるの？
鑢ならチタンコートダイヤモンドヤスリ持ってるけど。

ダイヤモンドヤスリで鉄系削るバカでつねｗ

１00均しか逝かないとそういう認識になっちゃうんだねw

実際に新型にワイプテストプレートつけた人いたら、小傷がつかないかどうか教えてください。

>>295

旧型を大量在庫してる転売屋ですか？　ｗｗｗ

エ　ア　ガ　イ　ガ　ー　は　黙　っ　と　れ

埼玉県日高市長が汚染瓦礫焼却試験中にセシウム吸いこんで1週間以内に死亡ｗ

http://www.tokyo-np.co.jp/article/saitama/20120326/CK2012032602000061.html
震災がれき焼却試験 日高市の太平洋セメント埼玉工場では、大沢幸夫日高市長ら三十九人が立ち会った。
2012年3月26日

http://www.yomiuri.co.jp/politics/news/20120329-OYT1T00240.htm
市長室で意識不明に、埼玉・日高市長が入院

3月31日、心筋梗塞のため死去
大沢幸夫氏が死去　埼玉県日高市長
http://www.nikkei.com/news/latest/article/g=96958A9C93819695E1E3E2E39B8DE1E3E2E1E0E2E3E09191E2E2E2E2

>>298
あとの３８人の症状は？ｗｗｗ

>大沢幸夫日高市長ら三十九人が立ち会った。

>>291
珍しく長屋が役にたちそうなこと言ってるな。

人のために役立ったなら幸いっす。

　　　　　　　　 　 　 　 .　-―-　.　　　　　　やったッ！！　さすが長屋！
　　　　　　 　 　 　 ／　　　　　　 ヽ
　　　　　　　　　　//　　　　　　　　 ',　　　　　　おれたちにできない事を
　　　　　 　 　 　 | { ＿＿＿＿＿ 　|　　　　　　　　平然とやってのけるッ！
　　　　　 　 (⌒ヽ7´　　　　　　　 ｀`ヒﾆ¨ヽ
　　　　　　　 ヽ､..二二二二二二二. -r‐''′　　　　　そこにシビれる！
　　　　　　　　/´ 〉'"＞､､,,.ィ二¨'　{.　 ヽ　 　　 ＿　＿　　　　　　あこがれるｩ！
　　　　　　 　 `r､|　ﾞ._(9,)Ｙ´_(9_l′ )　 （　 , -'′　｀¨¨´￣｀ヽ、
　　　　　　　　 {（,|　`'''７､,. ､ ⌒　　|/ﾆＹ　{　　 　 　 　 　 　 　＼
　　　　 　 　 　 ヾ|　　　^'^ ′-､　,ﾉr')リ　 ,ゝ､ｰ｀――-'- ∠,_　 ﾉ
　　　　　　　　 　 | 　 ｢匸匸匚|　'"|ィ'（　（,ﾉ,r'ﾞへ.￣￣,二ﾆ､ﾞ}了
　　　　, ヘｰ‐- ､ l 　｜ /＾''⌒|　　| |　,ゝ )､,>（_9,`!i!}i!ｨ_9,）　|人
　 -‐ノ .ヘー‐-ｨ ヽ 　!‐}_＿,..ﾉ　 ｜| /-‐ヽ| 　 -イ,__,.>‐　　ﾊ　}
　''"/／ヽｰ､ 　ﾉヽ∧　`ｰ一'´　／　|′　丿!　　, -===- ､　　}くｰ- ..._
　 /／＾＼ 　ヾ-､ :| ﾊ 　￣　／　ﾉ　|.　　{ {ﾊ. 　Ｖ'二'二ソ　 ﾉ| |　　　｀ヽ
,ノ 　 ヽ,_　ヽノヽ_)ﾉ:l　'ｰｰ＜.　　/ 　|.　　ヽヽヽ._ ｀二¨´　／ノ ﾉ
/　 　 <＾_,.ｲ `r‐'ﾞ :::ヽ 　＼　｀丶､ 　|、 　　＼＼'ｰ--‐''"／／
＼＿＿_,／|　 !　　::::::l、　　＼　　＼| ＼　　　＼ヽ 　　/ ノ

キチガイ降臨。今回は、１２時間を超える測定を行った超大作。
あまりの大きさに、結果だけ。
やさしおを線源として測定した。総測定時間が12時間を超えた超大作。

検出部を3cm空中に浮かし、検出器のほぼ真下にサンプルがくるように置いた。
サンプルは、チャック付ポリ袋(50*70mm, kkトルネ)に入れ、ポリ袋をCDケースで固定、
CDケースを特定の位置に置くことで、検出器の真下にやさしおがくるようにした。
結果の回帰分析は、以下の通り。横軸xの単位は 100mg(1→100mg)、縦軸の単位は CPM。マイクロホンを使った計数法なので、R形式に変換したもの。
R による回帰線の作画方法は http://blog.livedoor.jp/dmr2008/archives/208268.html による。
繰り返しを３回取っているのと、各測定の前後にBGの測定(複数日の測定を想定)を入れている。
やさしお100mgあたり、1.8CPMの上昇。
ところで、指向性の資料ないか。あれば、BQへの換算が楽になる。

y <- c(49, 42, 28, 42, 36, 44, 41, 31, 34, 43, 46, 33, 34, 37, 40, 47, 38, 52, 50, 38, 43, 32, 52,
52, 29, 33, 43, 40, 47, 44, 43, 37, 37, 52, 51, 38, 29, 32, 35, 44, 41, 44, 33, 47, 46, 35, 35, 44,
30, 42, 30, 28, 43, 52, 40, 38, 36, 31, 39, 45, 30, 44, 37, 29, 35, 24, 45, 45, 32, 30, 46, 45, 35,
25, 44, 49, 36, 35, 42, 43, 33, 49, 30, 43, 41, 45, 43, 35, 47, 41, 41, 36, 28, 42, 50, 30, 48, 34,
41, 49, 44, 50, 47, 46, 33, 37, 53, 49, 36, 49, 36, 35, 39, 52, 33, 27, 37, 44, 47, 50, 39, 49, 44,
46, 46, 30, 47, 36, 33, 37, 37, 42, 44, 34, 41, 28, 38, 41, 37, 35, 42, 35, 36, 44, 34, 44, 43, 38,
47, 44, 41, 30, 35, 41, 36, 38, 33, 37, 50, 45, 45, 38, 33, 36, 39, 38, 33, 54, 31, 42, 33, 44, 38, 45, 45, 45, 39, 36, 45, 47, 30 ,
49, 44, 54, 33, 45, 39, 33, 28, 31, 44, 34, 42, 33, 41, 36, 35, 39, 51, 32, 45, 46, 38, 33, 40, 43, 40, 33, 40, 43, 40 ,
37, 31, 45, 42, 27, 33, 32, 39, 42, 51, 40, 45, 27, 46, 34, 41, 32, 39, 36, 35, 44, 35, 33, 41, 32, 41, 49, 30, 27, 42, 43, 48 ,
42, 42, 38, 43, 45, 31, 44, 41, 40, 39, 36, 38, 39, 35, 33, 32, 47, 40, 54, 34, 40, 42, 41, 38, 39, 36, 24, 37, 31, 46, 54 ,
44, 35, 44, 31, 45, 40, 44, 38, 32, 51, 44, 43, 54, 24, 40, 37, 39, 46, 37, 44, 40, 36, 29, 35, 36, 42, 36, 33, 51, 26 ,
29, 52, 49, 41, 33, 45, 45, 47, 41, 44, 43, 53, 45, 33, 39, 47, 39, 43, 39, 59, 47, 36, 45, 38, 31, 40, 42, 43, 43, 53, 33, 37, 41, 47, 39, 42, 34, 39 ,
41, 38, 36, 56, 48, 41, 30, 30, 38, 29, 39, 35, 42, 39, 45, 32, 38, 35, 42, 41, 42, 46, 42, 42, 36, 25, 37, 43, 42, 39, 39 ,
35, 46, 39, 41, 28, 40, 37, 45, 36, 33, 44, 44, 51, 42, 36, 36, 34, 35, 34, 33, 38, 27, 32, 26, 42, 39, 34, 39, 38, 40, 51, 33 ,
36, 38, 49, 47, 46, 37, 34, 44, 40, 50, 36, 31, 46, 30, 50, 39, 42, 33, 44, 47, 45, 52, 38, 39, 40, 51, 32, 36, 41, 39, 54, 43 ,
27, 41, 43, 34, 38, 45, 39, 50, 36, 35, 48, 45, 41, 35, 44, 36, 43, 38, 50, 44, 47, 58, 40, 28, 47, 39, 42, 42, 30, 41, 48, 37 ,

41, 42, 45, 40, 44, 38, 41, 49, 42, 41, 35, 34, 44, 38, 36, 52, 43, 42, 46, 35, 39, 38, 40, 32, 43, 34, 45, 41, 50, 35, 37, 38, 51, 40, 31 ,
45, 46, 39, 37, 47, 34, 31, 32, 34, 34, 39, 40, 27, 41, 32, 41, 53, 35, 40, 49, 39, 31, 51, 45, 29, 30, 32, 40, 34, 38, 38, 39, 37, 27, 42, 44, 37, 34, 49, 33, 42, 47, 40, 43, 45, 43, 41, 35 ,
36, 51, 41, 45, 43, 39, 58, 32, 43, 41, 34, 41, 43, 33, 32, 49, 37, 45, 37, 35, 45, 42, 40, 41, 41, 54, 47, 46, 45, 43, 46, 38, 38, 37, 36, 36, 35, 40, 43, 43, 38, 30, 43, 34, 35, 35, 49, 30, 38, 35 ,
41, 37, 47, 49, 42, 52, 39, 46, 28, 38, 47, 47, 30, 41, 42, 28, 43, 39, 41, 30, 34, 32, 44, 38, 56, 42, 43, 48, 29, 40 ,
43, 56, 42, 47, 42, 47, 41, 37, 40, 47, 45, 46, 49, 43, 48, 51, 46, 37, 39, 34, 53, 37, 46, 42, 32, 50, 37, 45, 41, 48 ,
25, 39, 42, 33, 47, 37, 45, 41, 48, 30, 37, 45, 42, 38, 58, 45, 46, 36, 45, 27, 44, 32, 40, 38, 39, 45, 46, 44, 45, 40 ,
39, 39, 56, 35, 35, 42, 46, 48, 40, 52, 49, 37, 47, 35, 50, 37, 39, 41, 23, 56, 48, 35, 33, 47, 44, 33, 50, 50, 43, 32, 41 ,
45, 49, 50, 44, 52, 41, 51, 50, 36, 40, 53, 59, 44, 49, 62, 56, 55, 54, 50, 59, 49, 57, 44, 55, 43, 49, 54, 54, 50, 48, 57, 55, 63, 47, 45 ,
38, 47, 37, 37, 55, 33, 45, 41, 52, 43, 41, 35, 47, 56, 44, 48, 53, 34, 46, 36, 42, 41, 35, 38, 31, 52, 47, 43, 32, 43, 43, 46, 33, 43, 50, 46, 41 ,
44, 46, 40, 41, 32, 61, 49, 49, 57, 41, 56, 51, 45, 56, 54, 53, 41, 38, 45, 58, 40, 51, 54, 61, 42, 39, 50, 54, 57, 49 ,
51, 59, 55, 68, 57, 43, 50, 44, 59, 63, 62, 59, 59, 50, 45, 54, 49, 49, 59, 48, 50, 58, 65, 51, 59, 44, 51, 41, 63, 64, 50 ,
51, 43, 49, 54, 49, 37, 59, 35, 42, 49, 48, 48, 43, 51, 48, 44, 35, 45, 54, 53, 48, 49, 35, 43, 54, 36, 42, 39, 70, 40, 46, 37, 41, 52 ,
39, 48, 42, 41, 49, 43, 48, 39, 48, 39, 45, 43, 43, 52, 50, 47, 54, 42, 54, 46, 53, 42, 53, 42, 44, 46, 43, 50, 46, 63, 48, 47, 45, 57, 40 ,
51, 58, 63, 56, 45, 56, 66, 58, 60, 50, 55, 43, 68, 62, 41, 48, 50, 56, 50, 47, 46, 53, 53, 51, 59, 45, 49, 51, 47, 54, 61, 54 ,
40, 47, 47, 55, 61, 54, 58, 43, 48, 39, 49, 55, 49, 50, 61, 53, 40, 39, 45, 61, 47, 51, 56, 50, 58, 58, 54, 68, 46, 54, 43 ,
39, 48, 39, 62, 55, 51, 50, 44, 48, 63, 56, 51, 43, 49, 43, 52, 50, 54, 55, 45, 53, 33, 47, 55, 44, 49, 51, 38, 51, 38)

x <- c(0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ,
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ,
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ,
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ,
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ,
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ,
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
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 ,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5 ,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6 ,
6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6 ,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6)

> result<-lm(y~x)
> result

Call:
lm(formula = y ~ x)

Coefficients:
(Intercept) x
39.875 1.819

> plot(x,y,main="Regression line")
> abline(result,col="red")
>

栃木県まとめ　やさしおのカリウム含有量は100g当たり27.6gです。
やさしお１ｇあたり18cpm。
やさしお100ｇあたり1800cpm。
やさしお1kgあたり18000cpm。

>>307
β線の減衰忘れてない？

栃木ラボまとめ
100gあたりのカリウム含有量と1kgあたりcpm
100gあたり2760mgの場合　1kgあたり1800cpm
100gあたり276mgの場合　1kgあたり180cpm
100gあたり27,6mgの場合　1kgあたり18cpm
100gあたり2,76mgの場合　1kgあたり1.8cpm

>>307
http://oku.edu.mie-u.ac.jp/~okumura/stat/yasashio.php
どこか計算を間違えていないか？
やさしお1kgは 8535.897 Bq/kg
より、100mgでは、0.8535 Bq となる。
1分間では、51.25 カウント/(100mg・分)となる。

傾斜が 1.8CPM / 100mg だから、
片面に出た放射線(β:89.1%・γ:10.7%)を全量捕獲したとして、両面では 3.6CPM /100mg。
全放出量のうち約7%を計数していることとなる。
ポリ袋 0.04mmを２枚通しているので、その分の減衰がある。

間違ってたらすまんかった。
やさしお100gあたりのcpmやカウントはどのくらいですか？
カリウムのcpmがわかれば、食品がセシウムやストロンチウムで汚染しているか、カリウムだけなのかわかるかなと思った。
http://www.eiyoukeisan.com/calorie/nut_list/kalium.html

>>311
わからない。今調べているところ。
ここは、インスペクター板だから、β線・α線も混ぜて考えるでしょう。
α線は、高いインスペクターを保護する観点から、ビニール袋で遮蔽しているけど
β線は、モロ計っている。
ところが、1cmもプラスチックがあれば遮蔽できるし、
昨日の実験では、2mmプラスチック+3mm水でも遮蔽できる。
無汚染のうどん(厚さ2-4cm)の場合には、遮蔽効果が現れて線量が下がる。
>>185-194　これは砂糖の場合。

昨日測定して、また統計処理が終わっていないんだけど、2mmプラスチック+3mm水でバックグラウンド(センサー方向に限る)のβ線を遮蔽できるみたい。
つまり、表面3-5mmのカリウムしかベータ線が届かない。
食品の場合、ベータ線を主体に測定するインスペクターを使うとするならば、乾燥した状態でないと測定できない。

そんなわけで、今わからない状態。
それから
×ポリ袋 0.04mmを２枚通しているので、その分の減衰がある。
○ポリ袋 0.04mmを２枚、プラスチック1mm１枚通しているので、その分の減衰がある。

管球の指向性の問題がある。メーカーでこのテータを公開してくれればいいんだけど、
日本語の範囲では見つからない。この問題の回答が得られないと、100gのような巨大な物体の場合には、わからない。

これでcpmからベクレルに換算できるよ！
http://ax00.web.fc2.com/

LND7317（インスペクター＋のマイカ窓）で食品を測っています
http://ameblo.jp/geigersokutei/theme2-10038895974.html#main

スーパーなどのレジ袋。買い物から帰って測ったら120−180cpmということが、
これまで3回ありました。袋の底の辺りが特に高いので、汚染かと思いましたが、
店も違うし、商品はBGと変わらないです。RD1008でもβ6−20(/cm2*min)。WTPを付けると
正常値で、PA1000でも上がらないです。

レジ袋は生産工程で機械的刺激で帯電することもあるらしいのですが、
これは静電気でしょうか？(測定器はジップロックに入れてます)。

>>315
静電気だね。
しばらく時間たってから計ると検出されない。

>>315さん
やはり静電気ですか。情報、ありがとう。

>>312 「日の実験では、2mmプラスチック+3mm水でも遮蔽できる」
の内容。
ヤマト糊 T-220
CDケース(厚さ5mm)に、ポリ袋(ユニパック F-4)に入れたヤマト糊をいれて測定。
そうめん(10 * 4.5 * 18.5 cm =832.5 cc/1kg, 5.4g/cm2)のβ線遮断を考慮し、水によるβ線遮断を測定することを目的とした。

生データ
1. BG
x <- c(37, 42, 35, 36, 39, 49, 52, 39, 36, 48, 38, 47, 30, 39, 37, 32, 53, 40, 37, 44, 39, 38, 51, 35, 41, 38, 36, 56, 31, 37)

2. n=30 試料 一段
x <- c(45, 44, 35, 38, 35, 29, 43, 40, 43, 46, 32, 30, 43, 31, 35, 34, 45, 24, 39, 35, 39, 22, 32, 40, 43, 36, 41, 42, 38, 34)

3. n=31 BG
x <- c(45, 39, 35, 53, 33, 40, 35, 42, 40, 48, 35, 46, 49, 41, 35, 34, 45, 34, 37, 30, 52, 35, 35, 39, 44, 48, 37, 43, 43, 43, 46)

4. n=35 試料 一段
x <- c(38, 26, 39, 42, 44, 24, 45, 35, 45, 49, 37, 36, 39, 42, 46, 41, 37, 45, 38, 52, 39, 39, 35, 32, 37, 54, 36, 36, 44, 42, 30, 33, 46, 48, 36)

5. n=32 BG
x <- c(30, 38, 47, 35, 38, 33, 32, 33, 45, 34, 36, 32, 37, 40, 37, 43, 32, 38, 40, 49, 29, 39, 42, 34, 35, 40, 48, 39, 34, 40, 44, 41)

6. n=30 試料 二段
76を棄却する前
x <- c(33, 42, 33, 31, 33, 39, 43, 42, 56, 48, 36, 24, 45, 34, 37, 36, 41, 37, 32, 57, 43, 38, 32, 76, 39, 32, 32, 43, 33, 39)
棄却後
x <- c(33, 42, 33, 31, 33, 39, 43, 42, 56, 48, 36, 24, 45, 34, 37, 36, 41, 37, 32, 57, 43, 38, 32, 39, 32, 32, 43, 33, 39)

7. n=32 BG
x <- c(42, 57, 28, 38, 41, 36, 28, 37, 41, 42, 42, 34, 41, 47, 53, 50, 33, 32, 37, 27, 40, 40, 37, 36, 46, 47, 49, 36, 46, 35, 42, 45)

8. n=30 試料 二段
x <- c(35, 37, 41, 39, 55, 40, 47, 33, 38, 30, 25, 39, 39, 44, 29, 41, 42, 31, 31, 26, 41, 44, 41, 51, 40, 39, 40, 37, 34, 40)

9. n=33 BG
x <- c(31, 54, 30, 34, 40, 41, 42, 40, 44, 35, 53, 31, 30, 39, 41, 35, 44, 40, 42, 36, 40, 40, 34, 38, 44, 44, 51, 37, 41, 37, 37, 49, 41)

試料とバックグラウンドの差
1. BG
gr1 <- c(37, 42, 35, 36, 39, 49, 52, 39, 36, 48, 38, 47, 30, 39, 37, 32, 53, 40, 37, 44, 39, 38, 51, 35, 41, 38, 36, 56, 31, 37 ,
45, 39, 35, 53, 33, 40, 35, 42, 40, 48, 35, 46, 49, 41, 35, 34, 45, 34, 37, 30, 52, 35, 35, 39, 44, 48, 37, 43, 43, 43, 46 ,
30, 38, 47, 35, 38, 33, 32, 33, 45, 34, 36, 32, 37, 40, 37, 43, 32, 38, 40, 49, 29, 39, 42, 34, 35, 40, 48, 39, 34, 40, 44, 41 ,
42, 57, 28, 38, 41, 36, 28, 37, 41, 42, 42, 34, 41, 47, 53, 50, 33, 32, 37, 27, 40, 40, 37, 36, 46, 47, 49, 36, 46, 35, 42, 45 ,
31, 54, 30, 34, 40, 41, 42, 40, 44, 35, 53, 31, 30, 39, 41, 35, 44, 40, 42, 36, 40, 40, 34, 38, 44, 44, 51, 37, 41, 37, 37, 49, 41)
> mean(x) [1] 39.79114
> var(x) [1] 38.7268

2. 試料１段
gr2 <- c(45, 44, 35, 38, 35, 29, 43, 40, 43, 46, 32, 30, 43, 31, 35, 34, 45, 24, 39, 35, 39, 22, 32, 40, 43, 36, 41, 42, 38, 34 ,
38, 26, 39, 42, 44, 24, 45, 35, 45, 49, 37, 36, 39, 42, 46, 41, 37, 45, 38, 52, 39, 39, 35, 32, 37, 54, 36, 36, 44, 42, 30, 33, 46, 48, 36)
> mean(x) [1] 38.46154
> var(x) [1] 42.0649

> 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 = 1.4322, 自由度 = 221, P値 = 0.1535
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: -0.5000145 3.1592160
標本推定値:
平均値x 平均値y
39.79114 38.46154

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = 1.4076, 自由度 = 114.939, P値 = 0.1620
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: -0.5414696 3.2006712
標本推定値:
平均値x 平均値y
39.79114 38.46154

> var.test(gr1, gr2)
二群の等分散性の検定

データ: gr1 と gr2
F = 0.9206, 第1自由度 = 157, 第2自由度 = 64, P値 = 0.6709
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.5975642 1.3676565
標本推定値:
分散比
0.920644

有意差がある。
>

3. 試料 二段
gr2 <- c(33, 42, 33, 31, 33, 39, 43, 42, 56, 48, 36, 24, 45, 34, 37, 36, 41, 37, 32, 57, 43, 38, 32, 39, 32, 32, 43, 33, 39 ,
35, 37, 41, 39, 55, 40, 47, 33, 38, 30, 25, 39, 39, 44, 29, 41, 42, 31, 31, 26, 41, 44, 41, 51, 40, 39, 40, 37, 34, 40)
> mean(x) [1] 38.28814
> var(x) [1] 47.48451

> 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 = 1.5368, 自由度 = 215, P値 = 0.1258
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: -0.4246969 3.4307042
標本推定値:
平均値x 平均値y
39.79114 38.28814

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = 1.4668, 自由度 = 95.437, P値 = 0.1457
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: -0.531084 3.537091
標本推定値:
平均値x 平均値y
39.79114 38.28814

> var.test(gr1, gr2)
二群の等分散性の検定

データ: gr1 と gr2
F = 0.8156, 第1自由度 = 157, 第2自由度 = 58, P値 = 0.3254
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.519691 1.226238
標本推定値:
分散比
0.815567
有意差がある。

>

β線遮断は1cmで十分という内容が普通であり、二枚(0.5+0.5cm)で十分遮断されているはず。
したがって、１枚目と２枚目の差がなければ、β線遮蔽は１枚で十分となる。

gr1 <- c(45, 44, 35, 38, 35, 29, 43, 40, 43, 46, 32, 30, 43, 31, 35, 34, 45, 24, 39, 35, 39, 22, 32, 40, 43, 36, 41, 42, 38, 34 ,
38, 26, 39, 42, 44, 24, 45, 35, 45, 49, 37, 36, 39, 42, 46, 41, 37, 45, 38, 52, 39, 39, 35, 32, 37, 54, 36, 36, 44, 42, 30, 33, 46, 48, 36)
gr2 <- c(33, 42, 33, 31, 33, 39, 43, 42, 56, 48, 36, 24, 45, 34, 37, 36, 41, 37, 32, 57, 43, 38, 32, 39, 32, 32, 43, 33, 39 ,
35, 37, 41, 39, 55, 40, 47, 33, 38, 30, 25, 39, 39, 44, 29, 41, 42, 31, 31, 26, 41, 44, 41, 51, 40, 39, 40, 37, 34, 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 = 0.1443, 自由度 = 122, P値 = 0.8855
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: -2.204941 2.551747
標本推定値:
平均値x 平均値y
38.46154 38.28814

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = 0.1439, 自由度 = 119.03, P値 = 0.8858
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: -2.212570 2.559376
標本推定値:
平均値x 平均値y
38.46154 38.28814

> var.test(gr1, gr2)
二群の等分散性の検定

データ: gr1 と gr2
F = 0.8859, 第1自由度 = 64, 第2自由度 = 58, P値 = 0.6346
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.5317203 1.4664750
標本推定値:
分散比
0.8858658
有意差無し。ベータ線遮蔽は 糊を詰めた5mmCDケース１枚で十分である。
>

静電気ならば、アルミホイルで袋を包んで、
外側のアルミホイルを家電用の「接地」線に触れて放電させて
その後計ってみて。静電気だけならば、これで下がる。

ところが、うちの猫(天然毛100%)の場合には、これで下がらない。
アルミホイルを突き抜ける放射線がある。
しばらくたって電荷が下がれば、放射性粉塵が空気中に飛び散って室内線量と変わらなくなる。
静電気で粉塵が沈着していて、電荷の低下と共に空気中に飛び散ることがあるから注意して。
http://www2.tokai.or.jp/seed/seed/minna12.htm
http://www.csc-biz.com/csc%20bland/csjj/as.html どこかのじょじん機やさんのサイト。クリーンルーム内の内容参照、

>>322
ご家庭で一番強力に接地出来るのはステンレスのシンクです。
コンセントのタップ使うとかこええよ…

素直にアース端子で良いのでは？
普通、洗濯機とかのあたりに接地端子付きのコンセントがあると思う。

シンクって接地抵抗、低いっけ？

>>322,323,324さん
315です。静電気除去のやり方、いろいろありがとう。助かります。

建材や石畳からの自然放射線には気をつけていたのですが、静電気の影響には
びっくり。空気清浄機のフィルターも90cpm越えますが、数日放置すると
下がるので、どうやらラドンの娘核種のようです。畳のせいか、他の部屋より
ラドンが出てきやすいようですが、Inspectorでなかったら、気づかなかったと
思います。

>>324
静電気対策だけ考えると接地抵抗なんてどうでもいいレベル。
http://www.monotaro.com/g/00255572/
静電気対策として、1MΩで接地されていれば十分なんて商品。

家電用の漏電火災防止のレベルになるとちょっと違う
http://www.orixrentec.jp/cgi/tmsite/knowledge/know_setti.html

指向性のデータがメーカーから公開されていないので、計ってみた。
５円玉の中心の穴、やさしおを詰められるだけ詰めて、上下をシールで挟んで封印した。
これを受光部の中心線の延長線上を0cmとして水平方向に移動し、受光可能な範囲を求めた。
机上に3cmの空間を作り、ここに受光部を置く。机の上にCDケースを置いて、CDケースを動かすことによって試料の出し入れを行うようにした。

1. 5円玉が無限遠(実際には50cmほどしか離していないけど)にあるとして、BGの測定。

x <- c(44, 37, 31, 39, 41, 53, 43, 56, 28, 43, 32, 47, 43, 39, 45, 50, 32, 46, 36, 33, 39, 47, 38, 49, 25, 35, 34, 28, 39, 32 ,
45, 36, 34, 36, 37, 33, 38, 36, 38, 39, 31, 37, 40, 38, 41, 42, 36, 29, 28, 36, 29, 32, 43, 41, 37, 35, 42, 37, 45, 43 ,
37, 35, 35, 36, 42, 47, 49, 48, 47, 36, 43, 32, 28, 38, 39, 36, 34, 42, 47, 20, 32, 45, 34, 53, 35, 37, 39, 41, 37, 46, 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)

> mean(x) [1] 38.53846
> var(x) [1] 42.58462
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 1.0783, 第1自由度 = 2, 第2自由度 = 88, P値 = 0.3446
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 = 7.8646, 自由度 = 2, P値 = 0.0196
有意。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 = 1.3934, 第1自由度 = 2.000, 第2自由度 = 55.642, P値 = 0.2568
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 1.098901 1.098901
25 7 7.692308 8.791209
30 14 15.384615 24.175824
35 35 38.461538 62.637363
40 16 17.582418 80.219780
45 14 15.384615 95.604396
50 3 3.296703 98.901099
55 1 1.098901 100.000000
>

y <- c(37, 42, 46, 45, 47, 26, 32, 37, 39, 37, 37, 43, 36, 42, 28, 46, 39, 39, 56, 40, 45, 44, 35, 33, 37, 34, 41, 39, 56, 48 ,
39, 45, 37, 32, 52, 31, 35, 32, 43, 34, 40, 45, 49, 48, 30, 53, 39, 35, 36, 38, 48, 38, 46, 40, 50, 41, 51, 46, 29, 29 ,
39, 47, 39, 24, 29, 34, 36, 33, 41, 64, 40, 38, 44, 39, 39, 54, 31, 39, 46, 43, 48, 42, 40, 34, 47, 41, 42, 47, 45, 41, 36, 47, 40, 46, 43, 39, 39, 35, 46, 36 ,
44, 36, 44, 48, 43, 37, 42, 40, 29, 40, 40, 38, 29, 26, 50, 39, 37, 39, 43, 30, 41, 40, 34, 37, 41, 39, 41, 37, 41, 35, 40 ,
35, 41, 28, 46, 30, 30, 44, 36, 29, 32, 55, 35, 33, 33, 36, 34, 38, 33, 50, 46, 54, 42, 30, 38, 44, 41, 36, 37, 39, 32, 41, 38, 48 ,
44, 33, 58, 47, 39, 34, 42, 56, 36, 36, 47, 44, 38, 36, 41, 39, 37, 43, 30, 43, 35, 43, 31, 49, 44, 38, 45, 43, 42, 37, 54, 38, 39, 40, 32, 40 ,
29, 27, 43, 35, 42, 36, 31, 38, 32, 37, 50, 33, 45, 42, 34, 41, 29, 36, 37, 42, 36, 31, 36, 47, 49, 46, 38, 47, 34, 23, 50 ,
38, 34, 41, 46, 28, 40, 45, 36, 40, 31, 36, 33, 31, 37, 47, 31, 38, 39, 52, 34, 27, 40, 52, 38, 32, 45, 45, 35, 30, 36 ,
36, 41, 46, 37, 51, 38, 31, 32, 38, 45, 51, 27, 35, 43, 56, 41, 38, 31, 35, 31, 43, 41, 41, 40, 53, 35, 47, 44, 41, 33 ,
40, 40, 49, 32, 52, 37, 39, 47, 47, 46, 41, 39, 43, 37, 32, 48, 36, 41, 36, 33, 32, 35, 35, 46, 47, 44, 42, 34, 32, 39, 46, 28, 32 ,
45, 38, 43, 37, 35, 36, 37, 39, 42, 42, 41, 37, 39, 46, 32, 41, 35, 39, 41, 33, 40, 61, 36, 33, 44, 43, 36, 37, 42, 39, 30, 38, 38, 42, 39 ,
47, 38, 45, 36, 39, 40, 41, 34, 35, 29, 35, 38, 34, 39, 49, 40, 36, 30, 35, 33, 40, 47, 37, 47, 39, 31, 40, 43, 48, 32, 51, 45, 27, 42, 42, 32, 41, 44, 35, 39, 39, 39, 40, 30, 44, 47, 40, 42, 44, 41, 40, 38, 31, 37, 30, 31, 34, 32, 32 ,
52, 49, 42, 40, 33, 36, 35, 28, 37, 32, 25, 46, 45, 48, 43, 39, 30, 49, 42, 39, 43, 49, 42, 38, 38, 30, 36, 57, 39, 32, 44, 41, 31,
49, 44, 38, 52, 45, 30, 46, 36, 50, 43, 47, 41, 41, 39, 45, 48, 43, 41, 29, 28, 40, 38, 43, 39, 44, 54, 34, 34, 39, 37, 37, 42, 36,
40, 48, 35, 38, 32, 29, 39, 48, 52, 33, 34, 47, 37, 43, 36, 33, 41, 54, 34, 39, 33, 33, 41, 42, 51, 36, 42, 51, 45, 35, 38, 33, 33,
36, 40, 39, 39, 35, 37, 42, 41, 40, 41, 36, 40, 36, 35, 28, 34, 29, 35, 45, 36, 35, 34, 40, 52, 35, 40, 24, 40, 32, 25, 37, 48, 36,
54, 42, 34, 48, 31, 35, 39, 40, 33, 46, 39, 38, 36, 39, 46, 36, 34, 38, 34, 38, 39, 34, 36, 34, 44, 38, 42, 45, 44, 42, 36, 46, 42,
46, 35, 29, 41, 35, 34, 43, 41, 40, 43, 38, 38, 56, 38, 42, 30, 47, 29, 32, 37, 33, 39, 27, 39, 31, 49, 50, 52, 44, 54, 33, 45, 35,
43, 44, 35, 49, 41, 38, 32, 36, 34, 29, 35, 37, 31, 36, 39, 44, 28, 30, 35, 34, 40, 38, 44, 37, 36, 43, 43, 40, 47, 34, 46, 34, 29,
29, 29, 46, 36, 39, 40, 38, 32, 39, 30, 32, 29, 37, 44, 26, 53, 44, 40, 41, 47, 35, 29, 33, 51, 38, 36, 40, 39, 43, 46, 42, 42, 37,
30, 41, 40, 35, 43, 26, 29, 40, 35, 34, 32, 42, 35, 42, 43, 38, 45, 36, 37, 31, 37, 43, 52, 40, 32, 40, 28, 47, 39, 45, 40, 46, 43,
37, 24, 40, 56, 41, 37, 39, 48, 36, 39, 34, 43, 34, 42, 51, 39, 27, 39, 44, 41, 44, 33, 47 ,
41, 47, 48, 52, 35, 38, 32, 38, 43, 32, 36, 56, 48, 36, 29, 39, 41, 44, 36, 45, 39, 42, 40, 38, 36, 33, 35, 37, 33, 45 ,
43, 36, 34, 33, 41, 40, 39, 42, 26, 45, 36, 39, 38, 35, 36, 50, 45, 37, 36, 36, 35, 38, 48, 47, 44, 29, 39, 41, 33, 41, 42 ,
36, 37, 47, 45, 42, 48, 39, 38, 40, 34, 52, 38, 45, 40, 44, 41, 41, 32, 44, 47, 40, 17, 37, 43, 30, 33, 46, 36, 35, 34, 29)

x <- c(0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 , 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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 , 3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,
4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 , 5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5 ,
6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6 , 7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7 ,
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 , 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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 , 3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,
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,
4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,
4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,
4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,
4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5 , 6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6 ,
7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7)
> mean(y)
[1] 39.20241
> var(y)
[1] 41.05669
> dosuu.bunpu(y, 5)
freq pcnt cum.pcnt
15 1 0.1204819 0.1204819
20 4 0.4819277 0.6024096
25 46 5.5421687 6.1445783
30 137 16.5060241 22.6506024
35 264 31.8072289 54.4578313
40 213 25.6626506 80.1204819
45 115 13.8554217 93.9759036
50 38 4.5783133 98.5542169
55 10 1.2048193 99.7590361
60 2 0.2409639 100.0000000
>

> result<-lm(y~x)
> result

Call:
lm(formula = y ~ x)

Coefficients:
(Intercept) x
40.0117 -0.2221

> plot(x,y,main="Regression line")
> abline(result,col="red")
>

BGが38.53 だから
(40.0117-38.53846) / 0.2221 = 6.632
よって、6cm離れればBGと区別がつかなくなる。
検知部が受光可能な範囲を中心部から6.6cm離れた円周上とする。
この範囲に含まれる容積は、高さ2.5cm、底面の半径6.6、上面の半径を2.5cmの円錐台とすると、円錐台の容積は、173cm3 となる。
(円錐台の計算は http://keisan.casio.jp/has10/SpecExec.cgi による)

このふたつはどう違うのでしょうか？

http://www.amazon.com/dp/B004CCRIHU
http://www.amazon.com/dp/B006C4ZQQQ/

>>330
中身は全く同じでラベルのみ異なる（どっちを買ってもいい）

上段が開発元＆製造元
下段はOEM先＆上段企業の創業者が現在所属している

両者は外部からはよくわからない複雑な関係であるようだ

プラスチックによる遮蔽に必要な厚さの測定。
机の上に、CDケースに入れた、５円玉の穴の中にやさしおを充填し紙製シールで密封したものを置き
この上に、CDケースを何枚か置くことによって、やさしおから出るβ線の遮蔽に必要なプラスチックの厚さを求めた。
分量が多いので、一部分だけ。
繰り返しによる差異

BG
x <- c(41, 35, 40, 41, 42, 46, 32, 37, 46, 31, 36, 36, 41, 35, 48, 37, 40, 37, 49, 42, 35, 26, 42, 37,
32, 41, 45, 44, 32, 35, 48, 36, 45, 45, 37, 36, 39, 35, 42, 26, 43, 45, 48, 37, 37, 37, 47, 42, 34, 43,
37, 45, 35, 42, 35, 48, 52, 39, 39, 28, 45, 43, 43, 32, 31, 33, 41, 28, 43, 28, 34, 22, 31, 42, 33, 37, 35, 31, 33, 27, 37, 51, 37, 37, 38, 46, 36, 41, 32, 44 ,
45, 32, 43, 42, 55, 49, 25, 45, 28, 48, 48, 37, 39, 51, 36, 47, 50, 49, 46, 32, 35, 38, 44, 30, 40, 53,
41, 37, 51, 37, 41, 40, 31, 39, 38, 46, 35, 43, 30, 47, 39, 39, 44, 37, 36, 39, 36, 40, 42, 37, 50 ,
39, 52, 32, 38, 36, 31, 43, 45, 47, 30, 33, 32, 21, 44, 35, 52, 35, 40, 30, 41, 45, 50, 37, 42, 49, 40,
47, 41, 36, 35, 46, 35, 42, 52, 43, 41, 40, 36, 50, 35, 38, 39, 35, 42, 42)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)

> mean(x)
[1] 39.4086
> var(x)
[1] 42.51322
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 2.4755, 第1自由度 = 2, 第2自由度 = 183, P値 = 0.08693
有意。繰り返しによる差異があり

> 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 = 0.8018, 自由度 = 2, P値 = 0.6697
有意。分散が一様でなく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 = 2.4383, 第1自由度 = 2.000, 第2自由度 = 96.759, P値 = 0.09266
有意。繰り返しによる差異があり

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 2 1.0752688 1.075269
25 8 4.3010753 5.376344
30 25 13.4408602 18.817204
35 61 32.7956989 51.612903
40 46 24.7311828 76.344086
45 31 16.6666667 93.010753
50 12 6.4516129 99.462366
55 1 0.5376344 100.000000
>

回帰分析
y <- c(38, 33, 39, 39, 37, 30, 44, 43, 37, 40, 47, 35, 37, 43, 40, 40, 37, 43, 44, 42, 39, 47, 46, 40, 41, 43, 40, 43, 36, 33 ,
52, 47, 35, 51, 28, 35, 34, 39, 38, 41, 38, 36, 43, 27, 39, 46, 42, 39, 37, 41, 41, 44, 37, 37, 45, 40, 42, 26, 25, 44 ,
41, 42, 33, 41, 41, 43, 36, 31, 39, 30, 33, 38, 44, 38, 42, 28, 36, 35, 38, 54, 41, 44, 53, 34, 49, 50, 37, 30, 39, 34 ,
52, 39, 31, 36, 42, 46, 42, 39, 64, 38, 46, 42, 36, 30, 32, 42, 29, 36, 50, 40, 35, 35, 37, 30, 29, 40, 43, 39, 51, 45,
47, 33, 50, 30, 48, 44, 34, 28, 35, 31, 35, 31, 35, 39, 46, 45, 47, 30, 31, 44, 29, 31, 27, 45, 33, 33, 33, 41, 41, 35,
31, 34, 32, 40, 36, 40, 27, 39, 34, 33, 39, 43, 29, 46, 34, 32, 35, 36, 43, 30, 43, 35, 35, 41, 42, 37, 47, 38, 33, 44,
43, 31, 52, 40, 33, 42, 44, 41, 50, 47, 36, 29, 48, 53, 31, 45, 52, 25, 35, 32, 44, 35, 43, 43, 40, 48, 44, 36, 36, 37,
38, 40, 42, 45, 42, 45, 41, 42, 35, 27, 36, 43, 46, 35, 44, 32, 42, 31, 37, 37, 47, 40, 47, 50, 31, 34, 40, 31, 32, 35,
44, 28, 52, 32, 28, 44, 33, 43, 32, 42, 31, 23, 51, 39, 38, 42, 41, 43, 35, 44, 31, 38, 34, 44, 34, 42, 40, 54, 42, 39, 38, 43, 40, 41, 44, 34, 43, 48, 37, 43, 42, 30, 36, 34, 48, 39 ,
39, 34, 44, 32, 36, 39, 35, 30, 28, 38, 40, 47, 36, 33, 44, 57, 37, 46, 38, 40, 57, 43, 43, 45, 35, 40, 51, 30, 37, 44, 38, 33, 45, 39 ,
53, 41, 37, 55, 56, 55, 42, 47, 48, 70, 51, 33, 53, 51, 62, 65, 46, 53, 49, 37, 49, 42, 56, 52, 53, 59, 59, 40, 54, 43, 53, 42 ,
46, 42, 49, 52, 39, 31, 36, 32, 43, 37, 51, 39, 46, 60, 37, 44, 47, 38, 44, 44, 49, 57, 46, 44, 49, 38, 37, 30, 40, 53, 42, 28, 43, 47, 48, 39, 40, 43, 30, 47, 51, 46, 45 ,
32, 40, 39, 44, 27, 44, 38, 26, 35, 32, 39, 35, 40, 36, 29, 42, 42, 31, 46, 55, 47, 51, 42, 34, 48, 29, 45, 37, 39, 35, 48, 38, 32, 34, 42, 48, 45, 43, 35, 40, 30, 49, 34, 35, 38, 50, 46, 43, 53, 30 ,
51, 45, 45, 44, 37, 32, 43, 36, 36, 36, 33, 34, 33, 47, 38, 34, 48, 50, 34, 37, 39, 33, 42, 44, 33, 58, 32, 33, 46, 38, 49, 36, 41, 43, 42, 34, 37, 43, 23, 40, 36, 36, 39, 42, 46, 36, 43, 37, 38, 39, 38)

x <- c(0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 , 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 , 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0)

Call:
lm(formula = y ~ x)

Coefficients:
(Intercept) x
41.3532 -0.6165

> plot(x,y,main="Regression line")
> abline(result,col="red")
>

BGが39.4086だから
(41.3532-39.4086)/0.6165 =3.15
よって、CDケース3.15枚でバックグラウンドと同じ線量に落とせるから、
５円玉の穴に詰め込んだやさしおの線量を遮蔽するのに必要なプラスチックの分量は 3.15*2+1=7.3mmとなる。


>>327-329 より、「検知部が受光可能な範囲を中心部(検出部中心線上の、検出器から2.5cm離れた点)から6.6cm離れた円周上とする。」
今回の測定よりβ線の受光可能深さが 7.3mmだから、深さ3.65mm受光可能な範囲を底面積とする円柱と、β線を検出可能な試料の大きさを近似する(本来は下面が球面となるはず)。
机面からの距離(cm) 受光範囲の半径(cm) 円柱の容積
0.0 2.5 7.16
0.5 3.32 12.63
1.0 4.14 19.65
1.5 4.95 28.09
2.0 5.78 38.30
2.5 6.63 50.40
3.0 7.42 63.13

円柱体積の計算は　http://www.benricho.org/calculate/Cylinder.html による。

本仕込み讃岐そうめん　マルキン 2014.1. JC の測定

1. n=33 BG
x <- c(28, 33, 39, 36, 38, 33, 40, 34, 34, 46, 34, 40, 45, 40, 38, 36, 36, 49, 36, 32, 55, 34, 40, 46, 35, 47, 34, 43, 29, 34, 41, 30, 48)

2. n=30 試料
x <- c(34, 40, 43, 35, 49, 39, 36, 38, 42, 43, 45, 30, 45, 39, 42, 40, 42, 32, 61, 26, 39, 35, 42, 38, 41, 36, 41, 36, 39, 46)

3. n=47 BG
x <- c(36, 37, 38, 46, 57, 36, 40, 48, 47, 40, 35, 48, 50, 51, 53, 34, 39, 47, 40, 34, 47, 39, 32, 39, 42, 38, 33, 39, 46, 32, 39, 35, 56, 34, 39, 28, 39, 49, 34, 40, 33, 35, 38, 34, 44, 36, 41)

4. n=31 試料
x <- c(38, 41, 26, 46, 49, 39, 37, 36, 41, 45, 35, 44, 47, 36, 40, 38, 46, 45, 36, 41, 35, 42, 39, 45, 38, 34, 47, 41, 33, 32, 37)

5. n=42 BG
x <- c(30, 16, 23, 21, 22, 23, 29, 30, 36, 32, 39, 35, 29, 34, 35, 29, 34, 35, 33, 35, 39, 37, 43, 29, 39, 24, 28, 28, 38, 32, 23, 24, 30, 47, 34, 27, 35, 28, 23, 34, 42, 32)

全体の分析

x <- c(28, 33, 39, 36, 38, 33, 40, 34, 34, 46, 34, 40, 45, 40, 38, 36, 36, 49, 36, 32, 55, 34, 40, 46, 35, 47, 34, 43, 29, 34, 41, 30, 48 ,
34, 40, 43, 35, 49, 39, 36, 38, 42, 43, 45, 30, 45, 39, 42, 40, 42, 32, 61, 26, 39, 35, 42, 38, 41, 36, 41, 36, 39, 46 ,
36, 37, 38, 46, 57, 36, 40, 48, 47, 40, 35, 48, 50, 51, 53, 34, 39, 47, 40, 34, 47, 39, 32, 39, 42, 38, 33, 39, 46, 32, 39, 35, 56, 34, 39, 28, 39, 49, 34, 40, 33, 35, 38, 34, 44, 36, 41 ,
38, 41, 26, 46, 49, 39, 37, 36, 41, 45, 35, 44, 47, 36, 40, 38, 46, 45, 36, 41, 35, 42, 39, 45, 38, 34, 47, 41, 33, 32, 37 ,
30, 16, 23, 21, 22, 23, 29, 30, 36, 32, 39, 35, 29, 34, 35, 29, 34, 35, 33, 35, 39, 37, 43, 29, 39, 24, 28, 28, 38, 32, 23, 24, 30, 47, 34, 27, 35, 28, 23, 34, 42, 32)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 , 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 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x) [1] 37.69945
> var(x) [1] 51.51907
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 14.4288, 第1自由度 = 4, 第2自由度 = 178, P値 = 3.182e-10
有意差あり。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 = 2.3505, 自由度 = 4, P値 = 0.6716
有意。分散が一様でない。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 = 13.3647, 第1自由度 = 4.000, 第2自由度 = 85.562, P値 = 1.674e-08
有意差あり。群別に差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
15 1 0.5464481 0.5464481
20 8 4.3715847 4.9180328
25 13 7.1038251 12.0218579
30 36 19.6721311 31.6939891
35 59 32.2404372 63.9344262
40 32 17.4863388 81.4207650
45 27 14.7540984 96.1748634
50 3 1.6393443 97.8142077
55 3 1.6393443 99.4535519
60 1 0.5464481 100.0000000

x <- c(28, 33, 39, 36, 38, 33, 40, 34, 34, 46, 34, 40, 45, 40, 38, 36, 36, 49, 36, 32, 55, 34, 40, 46, 35, 47, 34, 43, 29, 34, 41, 30, 48 ,
34, 40, 43, 35, 49, 39, 36, 38, 42, 43, 45, 30, 45, 39, 42, 40, 42, 32, 61, 26, 39, 35, 42, 38, 41, 36, 41, 36, 39, 46 ,
36, 37, 38, 46, 57, 36, 40, 48, 47, 40, 35, 48, 50, 51, 53, 34, 39, 47, 40, 34, 47, 39, 32, 39, 42, 38, 33, 39, 46, 32, 39, 35, 56, 34, 39, 28, 39, 49, 34, 40, 33, 35, 38, 34, 44, 36, 41 ,
38, 41, 26, 46, 49, 39, 37, 36, 41, 45, 35, 44, 47, 36, 40, 38, 46, 45, 36, 41, 35, 42, 39, 45, 38, 34, 47, 41, 33, 32, 37 ,
30, 16, 23, 21, 22, 23, 29, 30, 36, 32, 39, 35, 29, 34, 35, 29, 34, 35, 33, 35, 39, 37, 43, 29, 39, 24, 28, 28, 38, 32, 23, 24, 30, 47, 34, 27, 35, 28, 23, 34, 42, 32)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 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)
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 7.5204, 第1自由度 = 1, 第2自由度 = 181, P値 = 0.006713
有意差あり。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 = 6.031, 自由度 = 1, P値 = 0.01406
有意。分散が一様でない。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 = 9.0646, 第1自由度 = 1.00, 第2自由度 = 153.55, P値 = 0.003048
有意差あり。群別に差異がある。

繰り返しによる差異

1. BG
x <- c(28, 33, 39, 36, 38, 33, 40, 34, 34, 46, 34, 40, 45, 40, 38, 36, 36, 49, 36, 32, 55, 34, 40, 46, 35, 47, 34, 43, 29, 34, 41, 30, 48 ,
36, 37, 38, 46, 57, 36, 40, 48, 47, 40, 35, 48, 50, 51, 53, 34, 39, 47, 40, 34, 47, 39, 32, 39, 42, 38, 33, 39, 46, 32, 39, 35, 56, 34, 39, 28, 39, 49, 34, 40, 33, 35, 38, 34, 44, 36, 41 ,
30, 16, 23, 21, 22, 23, 29, 30, 36, 32, 39, 35, 29, 34, 35, 29, 34, 35, 33, 35, 39, 37, 43, 29, 39, 24, 28, 28, 38, 32, 23, 24, 30, 47, 34, 27, 35, 28, 23, 34, 42, 32)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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)
> mean(x)
[1] 36.68852
> var(x)
[1] 58.11706
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 22.3697, 第1自由度 = 2, 第2自由度 = 119, P値 = 5.662e-09
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 = 0.1589, 自由度 = 2, P値 = 0.9236
有意ではない。繰り返しによる分散の違いは不明

> 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 = 21.8709, 第1自由度 = 2.000, 第2自由度 = 76.286, P値 = 3.105e-08
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
15 1 0.8196721 0.8196721
20 8 6.5573770 7.3770492
25 11 9.0163934 16.3934426
30 30 24.5901639 40.9836066
35 36 29.5081967 70.4918033
40 15 12.2950820 82.7868852
45 15 12.2950820 95.0819672
50 3 2.4590164 97.5409836
55 3 2.4590164 100.0000000
>

2. 試料
x <- c(34, 40, 43, 35, 49, 39, 36, 38, 42, 43, 45, 30, 45, 39, 42, 40, 42, 32, 61, 26, 39, 35, 42, 38, 41, 36, 41, 36, 39, 46 ,
38, 41, 26, 46, 49, 39, 37, 36, 41, 45, 35, 44, 47, 36, 40, 38, 46, 45, 36, 41, 35, 42, 39, 45, 38, 34, 47, 41, 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 , 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 39.72131
> var(x)
[1] 32.83770
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.0109, 第1自由度 = 1, 第2自由度 = 59, P値 = 0.917
有意差なし。繰り返しによる差異の有無は不明。

> 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 = 0.9875, 自由度 = 1, P値 = 0.3203
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 = 0.0109, 第1自由度 = 1.00, 第2自由度 = 56.38, P値 = 0.9173
有意差なし。繰り返しによる差異の有無は不明。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 2 3.278689 3.278689
30 6 9.836066 13.114754
35 23 37.704918 50.819672
40 17 27.868852 78.688525
45 12 19.672131 98.360656
50 0 0.000000 98.360656
55 0 0.000000 98.360656
60 1 1.639344 100.000000
>

試料とバックグラウンドの比較

1. BG
gr1 <- c(28, 33, 39, 36, 38, 33, 40, 34, 34, 46, 34, 40, 45, 40, 38, 36, 36, 49, 36, 32, 55, 34, 40, 46, 35, 47, 34, 43, 29, 34, 41, 30, 48 ,
36, 37, 38, 46, 57, 36, 40, 48, 47, 40, 35, 48, 50, 51, 53, 34, 39, 47, 40, 34, 47, 39, 32, 39, 42, 38, 33, 39, 46, 32, 39, 35, 56, 34, 39, 28, 39, 49, 34, 40, 33, 35, 38, 34, 44, 36, 41 ,
30, 16, 23, 21, 22, 23, 29, 30, 36, 32, 39, 35, 29, 34, 35, 29, 34, 35, 33, 35, 39, 37, 43, 29, 39, 24, 28, 28, 38, 32, 23, 24, 30, 47, 34, 27, 35, 28, 23, 34, 42, 32)
> mean(x) [1] 36.68852
> var(x) [1] 58.11706
gr2 <- c(34, 40, 43, 35, 49, 39, 36, 38, 42, 43, 45, 30, 45, 39, 42, 40, 42, 32, 61, 26, 39, 35, 42, 38, 41, 36, 41, 36, 39, 46 ,
38, 41, 26, 46, 49, 39, 37, 36, 41, 45, 35, 44, 47, 36, 40, 38, 46, 45, 36, 41, 35, 42, 39, 45, 38, 34, 47, 41, 33, 32, 37)
> mean(x) [1] 39.72131
> var(x) [1] 32.83770

> 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 = -2.7423, 自由度 = 181, P値 = 0.006713
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: -5.2149282 -0.8506456
標本推定値:
平均値x 平均値y
36.68852 39.72131

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = -3.0108, 自由度 = 153.55, P値 = 0.003048
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: -5.022780 -1.042793
標本推定値:
平均値x 平均値y
36.68852 39.72131

> var.test(gr1, gr2)
二群の等分散性の検定

データ: gr1 と gr2
F = 1.7698, 第1自由度 = 121, 第2自由度 = 60, P値 = 0.01503
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 1.119945 2.705708
標本推定値:
分散比
1.769827

>
平均値の差がある。39.72131 - 36.68852 = 3.03379 = 約3CPM 試料のほうが線量が多い。

試料の寸法は、24 * 10 * 2 cm より約 500cc, 内容量 500g で比重が約1
検出部と試料との隙間は、3 - 2 = 1cm。 >>332-334 よって 半径 4.14cm, 19.6536 cm3。
受光可能な大きさが半径 4.14 cmの円で、19.6cc(19.6g)の円柱より受光すると近似する。
>>327-329

やさしお1kgは、100mgでは、0.8535 Bq となる。 1分間では、51.25 カウント/(100mg・分)となる。
http://oku.edu.mie-u.ac.jp/~okumura/stat/yasashio.php
片面でのみ受光した場合の質量-計数個数の回帰線の傾斜が 1.8CPM / 100mg だから、
>>303-306
0.8535 / 1.819 = 0.4692 = 0.47 Bq/CPM。やさしおで校正して、放射線量を推定すると
3 * 0.47 /19.6 = 0.07274 Bq/g = 72.7 Bq/kg
となる。
注意点は、袋の汚染込みの濃度だからね。

正確な値は、セシウムで校正、灰化しなけりゃならないけどやっていないし
測定現場の汚染も酷い(BG測定値参照)ので、マー無理でしょう。

そして誰もいなくなった。

簡単に食品を測りたい人向け：
トータルタイマーでバックグラウンド数値を5分測る。
トータルタイマーで食品の表面や切断面を5分測る。
差があれば汚染していると考えて捨てる。

>>343
つまり、カリウムを多く含む食品は全部捨てられるｗｗｗ

>>344
栃木の前の測定値を見てくれ。>>214-220
ひやむぎは100mg/100g(小麦粉)-200mg(スパゲティ)あるはずだが、
BGよりも低い値になっている。
乾物で100-200mg以下はインスペクターでは検出できない。
>>332-334 プラスチック7mmでカリウムの検出ができなくなる。

水があると3mm以上深い場所にあるカリウムが検出できない >>318-322
乾物を除けば、カリウム量が少なくてインスペクターでは検出できないのではないか。
なお、身体の被爆量の推定は水で多くが換算されている。
水分濃度が生肉程度(約50%)の食品は、すべて水で近似してよいだろう。

品薄の時に入手した喜びを語るスレだった
在庫豊富となれば話題が乏しくなるのは当然
さらに栃木が荒らしに荒らしまくってるからねぇ

「インスペクター統計スレ」でも作ってそちらでやればいいのに
奴は嫌がってる人の心を理解しない悪意の塊だからどうしようもないが…
そもそも計数しかできない機種だから、このまま立ち消えでいいんじゃね？
たいして優秀な機種というわけでもないのだし

>>346
Inspector+/Alart/Digilert100/Radalert100
http://uni.2ch.net/test/read.cgi/lifeline/1312010460/l50
つまり、このスレの一番最初のヤツ。

喜ぶ様子はあまり見られなく、使い方がわかんないからどうしよう、なんて内容が多い。
http://uni.2ch.net/test/read.cgi/radiation/1320156814/l50　移動後。雷鳥に移動した後海栗に移動した。
現在も生きているが、
http://uni.2ch.net/test/read.cgi/radiation/1320156814/l50　LND7317、LND712系列機種を語る
に合併しようとする動きがあったが、別スレができて
http://uni.2ch.net/test/read.cgi/radiation/1321400997/l50　インスペクター系総合 ２【Plus,Alert】
３月から現行スレに至る。
http://uni.2ch.net/test/read.cgi/radiation/1331598144/l50　インスペクター系総合 ３【inspector+,Alert】 2012.03.13-

放射線計測は、適当に値がずれるから、
http://home.hiroshima-u.ac.jp/phys/LectureHP/exp-hp/1-3.html
http://www.rs.kagu.tus.ac.jp/~phlabex/LabExercise/reports/statistics.pdf
このずれた分を補正してやらなければならない。

値が適当にづれていて、づれている内容からそれらしき内容を求める、というばあいに
使われるのが統計学。
昭和３０年代、値が暴れてどういう意味なのかさっぱりわからない分野、医学と生物学において、統計学が使われるようになった。
昭和３０年代の唯一の統計学の書籍が、これ。
http://www.utp.or.jp/bd/978-4-13-060005-7.html　書籍　医学・生物学のための推計学　
放射線を計ろうとすると、どうしても統計学を知っている必要がある。
政府では、３σ(間違う確率が約1/1000)を推し進めているが、
http://oku.edu.mie-u.ac.jp/~okumura/stat/poisson.php
素人が計る分にはそんなの気にしないで、２σ(２０回に１回間違う)、１σ(10回中４回間違う)で計ればいいわけで、気楽に逝こう。
民法と民事訴訟法に基づいた正確な情報が必要ならば、政府発表を見れば済むことだ。
理系の内容がまったくわからない、という人向けの統計学講座を紹介しよう
http://www.e.okayama-u.ac.jp/~nagahata/ 岡山大学の長畑さんのサイト。

インスペクターは、管球が5cmと大きいから感度がよいわけで、
計数だけできれば、測定者の力量にかなり依存するけど、かなりのことができる。
他の管球ではこれほどのものは少ない。はかるくん、がγ線に限ると同程度の感度を持っている。
かなり、高性能の検出部だ。

秋田スレを見ていたらばこんな内容が合った
http://uni.2ch.net/test/read.cgi/radiation/1319597269/669
理解できない場合というか、新規学習が成立しない場合に海馬機能の低下が予想されます。
短期記憶の低下や学習機能の低下の原因が放射能の場合もあります(放射線との因果関係はない。因果関係が成立するためには必要十分条件が成立する必要がある)ので
お体には十分注意してください。
http://sakura.canvas.ne.jp/spr/h-minami/method-tyoukikioku.htm
http://www.kyo-sin.net/memory.htm
http://ja.wikipedia.org/wiki/%E8%A8%98%E6%86%B6

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
http://uni.2ch.net/test/read.cgi/radiation/1333690493/

006P 9V電池の収まりが悪いのが欠点
2160時間もつということなので、
プリピャチあたりに比べればマシだが
単3を４本ぐらいでｶﾝﾍﾞﾝしてほしかった

アルカリ仕様なので普通のだと寿命は1/3の１ヶ月くらいですよ。

パナソニックのNi-MH充電式電池も持ってるんだけど
充電器がアホ仕様（充電完了を通知する機能がない）なので
いまいち買い増したりできないんだよな

やっぱアルカリじゃなきゃダメか

電池は入れ方にコツがあるんだよな。斜めに電池を入れるようにするといいよ。

東芝のIMPULSE充電池はどうだろか？
200mAだと何時間位使えるんだろ？

アルカリ電池で2160時間もつということなので、充電池必要だろうか？
デジカメみたいにすぐ電池切れする場合に充電池は効果的。

デジカメみたいに電流喰うわけではないから２次電池だと微妙、アルカリでいいんじゃねえ？
ただ日本見たいに電池切れ対策はしてないだろうからオモラシに気をつけないとな。

>>349
GJ!

電池入れるの固いYO!

やっとこのスレもスッキリしたね！

amazonから輸出手数料$27.38返金のメールがきてた

>>358
電池は斜めにいれるようにすれば簡単にはいるよ。
まっすぐ入れようとすると入りづらい。

長崎県産　小魚のきびなごを購入。
インスペクターのタイマーモードで５分測り、バックグラウンドとの差がなかった。
しょうゆつけて、生で丸ごと食べた。めしうま。

どこ計っても0.15uSvくらいなんだがこれって正常？

数値がふらつきさえしないのなら異常ですね。

とりあえず「やさしお」でも買って測ってみるとよろし。

「マスコミが使う小型のガイガーカウンターは、もともと高めの数値が出るように作られているん
ですよ。だから、本格的な放射線量の測定にはふさわしくないんです。でも、まあ、測るのは勝手
ですから……。

http://wpb.shueisha.co.jp/2011/08/04/6001/

>>365
原子力ムラからようこそ。
役所は地面の土を15センチくらい掘ってから地上1メートルのガンマ線のみを測っているんですよね。
原子力ムラでは食品を測るときも1メートル離れて測るんですか？
東京葛飾区の水元公園で１キロ当たり２万ベクレルの汚染土が見つかったみたいですけど、除染したんですか？
http://gendai.net/articles/view/syakai/135250

高速で移動中に福島で測定したら10
分で1600カウントだった

↑エクストリームブーツの遮蔽有りの値です

インスペは334CPMだっけ?
1600/334/10=0.48(μSv/h)か。

車や新幹線の中だとそんなもんだろうね

車の汚染が心配だな

そんなもんなんだ？
震災前ってどれくらいだったんだろうな・・・
ベータの基準がようわからん。
もともと0cpmなのか、10cpmとかあったのか？

他の測定条件としては、雨が降ってたので、窓をバイザーのところまでしか開
けられませんでした。

ちなみに地元秋田ですと、自宅室内で800カウント/30分

800/30/334=0.08μSv/hr

ガイガー計数管の指向性
http://www.gsj.jp/Pub/Bull/vol_06/06-11_04.pdf　地質調査所月報６巻１１号

以前、「中学校の理科室」の話があったので、
小学校・中学校の理科室設備整備について −調査報告−　
http://www.japse.or.jp/activity/consignment/setsubi

秋田26CPMなのか・・いいな。
うちは10分計測で360〜380カウントくらい　36cpmってとこ。
ちなみに、皆さんどこ住みでどれくらいなの？

うちは今日は、30分計測でマンション室内
720カウントくらいでした。
720/30/=24cpmで0.07μSv/hrってとこ

ちなみにRD1706だと0.08〜0.10μSv/hrという感じで今日は雨のせいかやや高目。
＠横浜東部

>>376
秋田より低めですねー

先週神奈川と東京の県境の宿（屋内）で測定したら
500count/10min=50cpm

でした。みなさんとこはどんな感じか私も興味あります。

でしたので

あ、私の計測はすべてワイプテストプレートなしなのでα+β+γ線の総量です。

ワイプテストプレート高くて、買えなかった（汗

うちは職場は300cpmぐらいだけど自宅は400ぐらい、んー

10分です（汗）

>>378
ワイプテストプレートはオクで５０００円くらいだね。自作すれば安くできるかも。

やわらか銀行は、工作員。NG推奨。

ブーツ＋自作が一番しっくりくるとおもう。
総額６０００円ぐらいかな。俺の場合

>>382
yahoo bb使ってるとやわらか銀行なんだよ。。
自作すれば安くできると言ったら工作員なのか。

>>383
ブーツしてても、落としたらマイカ窓割れそうだな。
ＣＡＳＩＯあたりに１メートルくらいから落としても絶対にマイカ窓が割れないような耐衝撃ケース作ってほしい。

>>384
ごめんIDまちがえたw
26日はやわらか銀行（ID=OYYjSBfT）のコピペ連投カキコを見つけ次第に書いていたw スマソ。

>>384
そうなんだよ。むしろ嵩張って持ちにくくなる分危なっかしい。
俺もブーツ+ステンレス板だったけど結局WTP買っちゃった。
着脱も楽だしね。

今のインスペのマイカは、窓というより膜なので、割れたりしないかもな。
気圧の変化には弱いかもしれん。

インスペクターEXP+はプロープがついているから、落としても大丈夫かも。

プローブ落とせば同じことじゃん。

落とさないにこしたことはない。電気回路自体も壊れるかも。

インスペクターは自己ノイズでかいらしい
http://www.mikage.to/radiation/seintl_inspector_plus.html

＞鉛ブロックで囲って自己ノイズを測定したところ，0.02〜0.08μSv/hほどありました．

鉛ブロック使って補正しないで、食品を測っても自己ノイズだらけで無駄ですよ。

自己ノイズのばらつきで埋もれるな

GM管の自己ノイズは感度とはまた別の要素で
低線量測定が苦手な理由のひとつ
方式上やむをえない限界なので、統計処理でがんばって見ても徒労に終わる

食品測定とは極低線量を測定すること
3000Bq/Kg以下をインスペで測れると思わないほうがいい

>>391
「鉛ブロックで囲って自己ノイズを測定した」
や
http://detail.chiebukuro.yahoo.co.jp/qa/question_detail/q1380499853
見ると、単なる測定器の汚染じゃない。自己ノイズってから、273Kの雑音等を連想させているのかな。
インスペクターの検出部の内部温度はいくつだろう？？？。
鉛ブロックで遮蔽して、測定値が下がる分を「自己ノイズ」としているので
測定器周辺の汚染。BG補正で回帰線の線形性が得られるのであれば、十分使用可能。
政府は3σ法を使っているので、こっちの使っている方法とは異なるから、
>>391-393 のように「統計処理でがんばって見ても徒労に終わる」ということになる。
吸光の式を発光に拡張して使っている古典的な方法だから、今の最新の科学技術とはずれてくる。

ただ限界はある。
過去にそうめんの測定値を掲載した。
汚染が少ないそうめんは、BGよりも測定値のほうが下がる。
BGをそのまま使って比較すると、かなりのマイナス誤差がある。
分量にもよるが、本来 100 Bq/kgと測定されるはずのものが、0Bq/kgという値になることもある。
だから、BGを十分下げないと、「統計処理でがんばって見ても徒労に終わる」

γ線のみを計っている政府の方法では、ほとんどの測定値が ND なので、γ線を0と近似する。
α線は、紙１枚、あるいは、アルミ箔１枚で除去可能なので、試料と測定器をポリ袋で包めば、0と近似できる。
(過去に測定値をUPしているからそれを見て。アルミ箔通過光とアルミ箔無光で有意差無)
β線は、プラスチック1cmで除去可能。だから、砂糖の袋を敷き詰めた上で測定している。
(このあたりは、過去に測定値をupしているからそれを見て)
測定器上空から飛来する放射線だけは除去できない。これが、BGとなる。
最近は、0.08-0.12 で安定したけど、前は、0.20位まで上がって測定にならなかった。
正月から２月ぐらいまで、毎日部屋の掃除だった。最近でも油断すれば、0.03-0.05位変動するので
大気の測定をやって、部屋の掃除。

ほこりが舞い上がって、測定器にほこりが付着して、BGが上がることを避けるために、α線の測定はしないつもり。
リクエストがあってもしませんから。

>>391
EXPだとどうなんだろうな。

＞測定器周辺の汚染。BG補正で回帰線の線形性が得られるのであれば

得られてないでしょう？　なんちゃってで測ってるだけですよね。

>>396
このスレを最初から読み直して。
＞ないでしょう？
疑問系だから、読んでないんでしょう。

長屋は原子力村から1レス書き込むたびに10円もらっているコジキです。相手にしてはいけません。

いやいや、栃木がとんでもなんだってw

トンデモというより、理想の自分が一人歩きしてて、見てて痛い奴なんですけど。

栃木は自分のスレがあるんだから、そっちに篭って思う存分研究に邁進しろ
なんだってこっちに来るんだ

シッシッ

退避復活age

http://uni.2ch.net/test/read.cgi/radiation/1317632729/919
退避(やわらか銀行)：2012/05/14(月) 23:39:08.11 ID:c8FZb1Bk

空間線量率測定はでたらめ（カリウム由来のβ線拾って数値いつも高め）、
食品汚染もまともに測れないインスペクターって意味無くね？

*放射能計測機器は正規代理店で買いましょう

別に食品汚染を「計りたい」訳ではない
放射能汚染食材を見つけて排除したいだけ
一般市民レベルでは、パンケーキGMより高い大型シンチは買えない
この範囲ではInspector+が入手容易で最良

Inspector+は、プルトニウム、テルル、ストロンチウム、セシウム、セリウム、ルテニウムなどの合計値を測っているから、数値が高くなるのは当たり前。
http://savechild.net/archives/3891.html
原子力安全保安院が発表したデータだから、実際は放出量がもっと多いはず。
原発事故でセシウムだけ放出されたわけではないから。

S.E Internationalに紹介されたGoogle Groups。
だけど全然新しい情報が来ないのね・・・ここ

If you would like updates about new Radiation Alert products,
please join the Radiation Alert Google Group at the following link:

http://groups.google.com/group/radiation-alert-detectors?hl=en

地面スレスレで5分カウントして629掛けて３００で割ればベクレル/平方メートル.
アルファ線だけだとプルトニウム達の量わかるし。直径４５ミリの大きな開口面積のインスはいいね。

野菜を塩もみして食べるという前提なら、
３００グラムくらいの野菜を
インスペの窓程度のコンパクトな大きさに平に絞るのは簡単。
裏表で２倍がベクレル。

>>403
http://www.eiyoukeisan.com/calorie/nut_list/kalium.html 見ると
Wet で高くても1000mg/100g, 約31Bq/kg。乾物で5300mg/100g, 約160Bq/kg。
そんなに高く出ないでしょう。
Wetで上位15品目を除くと、500mg/100g(15Bq/kg)程度だから。

http://www.tgk.co.jp/info/0686870408.html
これが正規小売店。
全国規模だから、都道府県に最低ひとつぐらい小売店があるはず。
定職についていれば20万位は簡単に出せるでしょう。

家電品と同じと考えて、保守部品が６年間存在する(６年で償却する)と考えると、
ハントの考え方で、初期付帯設備が20万、年間維持費が(20+20/7)=6万、
年間人件費が維持費と同額として６万。東京都の最低賃金(837円/h)より、間接人件費を同額として
年間労働時間約35時間が、保守に要する時間。年間5日間保守作業が必要。
このほかに測定時間が必要なわけで、大変ですね。

灰化するのであれば、450度の電気炉、安物の七宝焼き用で１０万。
乾燥するならば、135度±2度の乾燥機、３０−５０万。手抜きするならば、タイマーのないオーブントースター(設定温度で１時間放置、
試料を入れて２時間放置、３０分冷却秤量後３０分放置３０分冷却後秤量、
秤量値が異なるのならば一定になるまで加熱３０分冷却秤量合計４０分を繰り返すと、最低で５時間温度を保つ必要がある)。
「正確に秤量する」ならば、0.1mgを計れる電子天秤15万。
約?g秤量するならば100mgが測定できる上皿天秤1.5万円（検定証印付。検定証印のついていない安いお菓子用の100mgが計れる電子天秤は不可）。
高温灰化で硝酸白煙を出すのであれば、スクルバー付ドラフト５０万円(たしか、床荷重250kgだから、マンションだと重量制限で置けない。持ち家が必要)。
http://pub.maruzen.co.jp/book_magazine/jikken-kagaku5/index.html
http://www.kagakudojin.co.jp/book/b50226.html
http://www.kagakudojin.co.jp/book/b50221.html
手抜きでやっている人（>>397）もいるけど。

>>408
塩もみ等するときには、必ずゴム手袋(下に軍手をして、その上にゴム手袋。ゴム手袋単体だと近すぎて手が腫れる)をすること。
陶器市で買った筍(10Bq/kg、益子町役場サイト)を薄切りして(塩をふりながら)素手で触ったらば手が腫れた。
塩で結構溶け出すみたい。塩水で手が濡れているから計らなかったけど。
http://ameblo.jp/mai-mai2/entry-10033584682.html
＞メンマは、「筍を細かく刻んで発酵させ、乾燥または塩漬にした食品」

>>409
手が腫れるとかって…　アホですか？

自然放射能のK40が多い「やさしお」を使ってる家の主婦は、手が腫れるん？

さらにそれを食べている家族は、口の中や胃が腫れまくるとかしちゃうだろうなあ　ｗｗｗ


筍洗うんだったらアクのせいだろ？　もう少し考えてから発言したら？
　

>>409
20万って、お前一人でなんの話してるんだ？
よくわからんがリンク先の会社には気をつけるようにするわ。
そんなところからは買っちゃいかんな。

>>410
去年は怖くて筍を取らなかったけど、今年はその分を含めて収穫した。
いつものように皮を向いていたら、手が腫れた。
今年だけの異常事態。

>>411
馬鹿おっしゃい。由緒正しき、日本の理化学実験機器販売会社だ。
この会社を知らないなんて、理化学やっている人間ではないな。
ついでにここも知らせておく
http://www.sia-japan.com/

>>412
お前色々と一般常識が欠けているな

なんで栃木や群馬から変なのが湧いてくるんだ

>>412
由緒正しきボッタクリ会社ってわけね

>>412
理化学なんてやってないが。だから？
それと値段とどう関係あるの？
理化学やってる人間ってバカなの？

インスペクター＋は店舗で20万円くらいで売っているんだ。
関東で水道水が止まっているみたいだけど、何週間かして実は放射能が原因でしたて言いそうｗ

>インスペクター＋は店舗で20万円くらいで売っているんだ。

通販で買えばインスペクター＋は５万円以下なのになあｗｗｗ

とりあえず関東の人達はミネラルウォーターを1週間分くらいは買ってたほうがいいよ。
東京で水道水とまったら、また水の買い占めがおこるから。

栃木県とやわらか銀行の必死なバカコラボが展開中

International MedcomはSE InternationalからのOEMだけだったけど、
USBで出力できる新製品ってMedcomのオリジナル商品なのかな
デザインにセンスを感じないのが泣ける

amazonが販路のようだから、日本のボッタ会社はお呼びじゃないわけだが
所詮はパンケーキ、USBで長時間のログを取ることに意味はないな

>>419
呼んだ？。
>>401 が避けたけど。

>>417 漏れは英語が天才的にできないので、米尼は無理。
どうしても国内代理店で、商法の保護下で購入したい。
価格の差は、商法や民法に保護されている、という日本国憲法の庇護を受ける代価だといえる。
昔は、米国小売価格の１０倍で売っていたから、その思いすればただ同然の値段だね。
東京オリンッピックの頃ドイッチェの顕微鏡を日本に輸入したら１０倍だったし、
大阪万博の頃の硬質ガラス製品もそうだった。国産の軟質ガラスを使って事故で若い研究者が散っていった。
様変わりしたのが、筑波万博の頃から。１−５倍の低価格化が始まった。米国製NMRが定価よりも安く買えたと喜んでいた先生がいた。

大雑把には、
http://detail.chiebukuro.yahoo.co.jp/qa/question_detail/q125372867
http://detail.chiebukuro.yahoo.co.jp/qa/question_detail/q1486539434
正確な内容は自分で調べてくれ。
漏れは良品を販売する義務が商店等にかせられていると解釈している。

>>421
そんなに英語が怖い？
俺は高卒の英語オンチだけど、90年代から日常的に米尼使ってるよ。
今回もINSPECTOR+は米尼から買った。
語学力よりも恐怖心とか苦手感のほうが問題なんじゃないかな。

それはいいとしても、今は日本のアマゾンでもかなり安いんだが
米国小売価格の１０倍を出すからって正規代理店というところから
買えばいいんじゃないかな。
それなら10台買って1台まともならokという選択肢はないのかな？

あ、ネット通販も怖いのか…

>>423
決済が怖い。
それと、測定器の場合、維持管理が面倒。
販売店に持ち込んで「直してくれ」と一言ですむ日本の小売制度が楽。

あーコワイコワイなのね。
好きにしてくれw

>>421
と言っても20万出すなら、ずっと高性能な　Polimaster PM1703MO-1　あたりが買えるし

もう少しで、日立アロカの業界標準品が買えちゃうじゃんｗｗｗ

20万出して、わざわざインスペクター＋を買う理由が、オレには全く理解不能なのだが。

>>426
そっちを取り扱っている業者とは取引がない。
以前原子吸光がほしくて300万を貯めていたが、家を直すのに使ってしまったから。
理化学機器は信用が第一なので、売ってくれと、出かけても怪しいと思われたらば、注文書を破棄されてしまう。
松本サリン−オーム心理教騒動で、個人的に使う理化学機器の入手が困難になってしまった。

日立アロカが扱えないって
どんだけカスな納入業者なんだよｗ

　

>>428
取扱商品の違いだ。
花も売っている魚屋で花を買う
っていう感じ。
花を主体に売っている花屋との取引がなければ花屋には行けない。

時代についていけない化石人だということはわかった

だがその化石価値観をナウなヤングに勧めるなよ、な？

>>430
＞だがその化石価値観をナウなヤングに勧めるなよ、な？
「ナウなヤング」の方々が、
米国決済を使用するときに、米国商法を良く理解しているのであれば問題ないのですが
あるいは、国内決済を使用するときの、旧訪問販売法(現在の法律名忘却)と商法を理解しているのであれば問題ないのですが
理解していないようなカキコを見かけます。
訪問販売法の問題点を理解しているから、通信販売を使えないでいます。

理解しているのであれば、問題ないのですが。
「時代についていける」というカキコを見る限り、訪問販売法の問題点を理解せず、流行に流されている方のように思われます。
被害に遭われないことを祈ります。

こんにちは、
インスペクター+αを入手したのですが、
日本語の使い方が添付されておらず、窓をあけての測定など、
いまいちわかりません、使用法がわかりやすいサイトなどありましたら
お教えください。

旧あどれす。現在は削除されています。
http://www.scribd.com/doc/62748418/Japanese-Instructions-on-How-to-Use-Inspector-Geiger-Counter
英文
http://seintl.com/manuals/Inspector_Operation_Manual_English.pdf
こっちかな
http://www.orgonelab.org/cart/manual_InspectorAlert.pdf

ぐぐれ。すぐ見つかる。

>>431
自分は法律のことは知らないけど通販は安いし、店頭で売ってない物が買えますよ。
日本のアマゾンでアマゾン発送の商品なら間違い無く届くので挑戦してみてください。
楽天やヤフーのショップなら代引OKのお店も多いですし

+αという新機種？

普段電池外してます？
どのぐらい使わないとヤヴァイのかな？液漏れとか。
固いから入れるのめんどうなんだよな

>>431
米国とか通信販売を使えないとかｗｗｗ
お前おじいちゃん？
だったら2ちゃんなんて見てんなって。
NHKでも見てろカス。

精度の高いモニタリングポストはシンチレーション式。これ常識、な。
ガイガー、、、未だにこんなもん買う人いるのね。（苦笑）

原発はメルトダウンしてないと騙され、福島産食品は安全と騙され、汚染瓦礫を燃やしても安全と騙され、地上1メートルのガンマ線だけ測って安全と騙される日本人。

原発はメルトダウンしてないと騙され、

福島産食品は安全と騙され、

汚染瓦礫を燃やしても安全と騙され、

ガイガー転売屋の養分にされる日本人。

政府はβ線核種の影響を0と近似しているから、γ線だけを検出する
シンチレーションカウンターを使っている。
福島県の分析結果を見ればわかるとおり、γ線はほとんどがNDで検出されていない。
http://uni.2ch.net/test/read.cgi/radiation/1337263248/29

ここは、インスペクターのスレ。β線も検出できる高性能な検出器のスレ。

>>441
＞ガイガー転売屋の養分にされる日本人。
日本の海外商品は、
現地販売価格の10倍の価格で販売されるのが普通だった。
外国語ができる人間が少なかったこと、
外国語能力を特権階級の分離に使ったこと(例、受験英語)
海外から安く購入して、日本に運び込んで、現地価格の10倍で売りさばいた。
海外の放射線汚染食品を買いあさって日本に持ち込んで、高値で売りさばく。
これが、日本の商社が急発展した経営手腕なわけ。

転売屋だけじゃない。日本の商社、日本の船舶運送会社、日本の航空運搬業者が、いままでやりつづけていたこと。
この真似を個人がはじめたのが、テンバイヤーと呼ばれている人たち。
商社等の？？年史という本が発行されているから、機会があったら読んでくれ。

外部被曝に関してβ線は０で妥当
内部被曝に関してガイガーは意味なし

指標という言葉を知っているかな。
日本の細菌汚染の指標として使われているのが、大腸菌。
指標菌として、人体にほぼ無害な菌体が使われている(例外としてO-157等)。
http://ja.wikipedia.org/wiki/%E5%A4%A7%E8%85%B8%E8%8F%8C

現実の有害性という問題はさておいて、
比較的簡単に低濃度で検出できるもの、というと、β線核種で
インスペクターや中華ガイガー、共に数10keV程度以上の光子を検出可能、が使用できる。
汚染の有無を検出するのは、β線核種で簡単にできる。

100-150keV以上の光子(γ線)だけで、妥当だ、という方がいたら
100keV程度の光子を照射してヤレ。
裁判所の判断で、
洗剤が安全だという証言に対して、では証言者が安全だとした分量の洗剤を証言者が飲むか、という質問に対して、
証言者が飲むと答えなかった
ことより、毒性が立証された。
150-100keV以下の光子、つまり、レントゲン照射が安全(0と近似できる)というなら、
レントゲンを照射してやれ。
β線が皮膚にぶつかると、制動Ｘ線が発生する、つまり、レントゲン照射(Ｘ線撮影)と同じ状態だ。

>>437
http://kaden.watch.impress.co.jp/cda/news/2009/01/14/3391.html
を見ると、
使わない場合には、電池にかかれている使用期限(通常製造より１−１.５年)を超えて
使用しないこと。
インスペクターだと、つけっぱなしの放置で３ヶ月が電池寿命だから、
電池を入れて３ヶ月たったらば、使っても使わなくても取り出して交換
というのが、予防保全の考え方になる。

数値が高く出るから高性能！とか、バカ杉。

インスペユーザーのほとんどがワイプテストプレートも無しに驚愕の数値
（←全部デタラメ）測って大騒ぎ。せいぜい昆布のβ線でも測って喜んで
ろってこった。ｗｗｗ

懸命にInspector+の購入を阻止してるジジイは
訪問販売と通販の区別もついてない化石人か
或いは一般人にガイガー持たせたくない工作員

nspector+でしつこく食品を測るのは知能的にどうかと思うが。

味の素の「やさしお」と、セシウム汚染の区別もできないのにｗｗｗ

γ線スペクトルでも出さないと区別できないんだから、５万ぐらいの
ガイガーのなかではこのパンケーキのやつは感度が良いのだから
工夫してどうにかしようというのは悪いことじゃないだろ。

何にでも「やさしお」ふりかける生活して頭おかしくなってる人がいるね。

なんか、頭の中に宇宙から電波が来てる人がいるみたいだねえ

他人の生活内容が判るなんてｗｗｗ

>>450
まあγスペクトル測れれば99%いいんじゃないの。スペクトルも判らないでK40と混同してるよりｗ

たまにストロンチウムが…とか騒ぐバカがいるけど、わざわざ分離できる訳も無いしね。

>>447
ワイプテストを知らないオマエもバカ杉だけどな

K40をセシウムと間違えて喰わなくても死にはしないが、セシウムを知らずに喰えば
内部被爆で死ぬ可能性が上がる

Inspector+ の窓全開で αβγ どれでも BG より高いことが識別される食材は
全部喰わずに捨てるのが安全サイド

同じ食材で毎回検出される場合は食品成分表でカリウム多量に含んでいないかチェック
してからが良いが、同じ店で異なる食品から放射線が検出された場合は店を変えるべき

なお、食品成分表は安い本だが、別に買わなくても文部科学省サイト（下記）にupされている

ttp://www.mext.go.jp/b_menu/shingi/gijyutu/gijyutu3/toushin/05031802/002.htm

ttp://www.youtube.com/watch?v=OKenfdgCwec
インスペ　福島で地面に直置き・・・
もう使えない?

↑出だしからのカウントw

昨日入手したばかりで家の周りを計測してみたんですが、玄関のコンクリートに置くと0.9μsv/h、間に紙を挟んでみたら0.4まで下がりました。下がった分はα線と見ていいのでしょうか？

ちなみにホットスポット柏市の隣の鎌ヶ谷住みです

αかどうかは分からないと思うよ。低エネルギーのβかもしれないし。

>>459
ありがとうございます
でもα線からベータ線かが高いことには変わりがないということですよね？

これまでSOEKS使っていたんですが、全般的にインスペクターの方が高いんですよね。感度の問題なんですかね？

それか、コンクリート表面の汚染にインスペクターが敏感に反応したのかもしれません。

ゴメン、インスペクター持ってないんだ。だから、つっこんだ話はできない
けど、SOEKSが使ってるGM管 SBM-20はセシウムのβ線にはあまり反応
しないみたい。(実体験)

同じGM管を使っているTERRAのマニュアルには0,5MeV〜となってるから
まあそうなのかなと。

このあたりの違いじゃないかなあと。

LND7232というGM管というかプローブは持ってるんだけど、インスペク
ターのパンケーキGM管は感度いいなあとこのスレの覗いていて、つい
レスしてしまったというか何と言うか。

>>462
いえいえ、soeksがセシウムのβ線への反応が鈍いことは知らなかったので助かりました。そのあたりの差なのでしょうね。α線の差であってないことを望みます。

本当は自治体が責任持って計測するのが筋たのでしょうけど全く期待できませんしね。

市役所のサイトみたら持ち込みの食品検査とかシンチ貸し出しやってるようだが

>>464
わざわざ鎌ケ谷市のホームページ見ていただいたようでありがとうございます。

463の主旨はα線検出までもやってくれたらいいということです。

もちろんシンチで計測するのも手だと思います。

こんな資料がありました
http://uni.2ch.net/test/read.cgi/radiation/1334842205/551
廃棄物等の放射能調査・測定法暫定マニュアル」（独）国立環境研究所
ttp://www.nies.go.jp/shinsai/radsurvey_111111.pdf

鎌ヶ谷、鎌ヶ谷の梨を５個しか食べていない。
鎌ヶ谷の心残りが、1900年代に県道脇で路上販売していた梨。免許取立ての頃。
死亡予定診断書をもらったらば、北総に乗って買いに行きます。

カリウムがーて言ういつもの奴がこないね。

インスペクター＋をアマゾンで買いました。

＋ボタンを押しながら電源を入れると、ユーティリティーの画面が出るはずなのですが、
一瞬だけそれらしい画面が表示されて、すぐに通常のカウントを始めてしまい、
各種の設定ができません。

初期不良なんでしょうか？

ボタンの押し方が弱かったようです。
解決しました。
ごめんなさい。

米尼、Inspector+もAlertも日本へ出荷停止になったね。
なぜかブーツ付はOKのまんまだけど欲しい人は急いだ方がいいかも？
日尼の並行屋も高くないから少しでも安く買いたい人向け。

>米尼、Inspector+もAlertも日本へ出荷停止になったね。

出荷停止になんてなっていないっぽいけど？

え？今日の日中は赤い字で書いてあったんだけど。
って今見たら普通に買えるようになってる。
何だったんだろう？

並行輸入のエクストリームを購入したばかりです。
マイカ窓はホコリや汚染に弱いとのことですが、
マイカ表面にネットの一マスよりも小さい白い埃のような物が一つ付着しています。
測定に影響はないでしょうか。
自分で取っちゃダメですよね？
ネットにも触れない方がいいですか？
それとタイマーモード以外は数値が忙しなく上下するのですが
振り幅がμSv/hrモードで0.06〜0.3近くまでと大きいです。
こういうものなんでしょうか。

あれー、住所を選択した時点でダメって言われた。オレだけかなぁ？
ブーツ付は相変わらず問題なく買える。

>>474

商品説明には、

インスペプラス（単体）
Shipping: Currently, item can be shipped only within the U.S.
現在のところ、この商品は米国内のみ発送いたします。

インスペプラス（エクストリーム）
Shipping: This item is also available for shipping to select countries outside the U.S.
この商品は、米国外の限定された国にも発送できます。

とあるから、日本国内からならば誰が注文しても
インスペプラス（単体）×
インスペプラス（エクストリーム）○
になると思う。

キチガイ長屋が米アマのリンクを何回も貼るから出荷禁止になったじゃないか。
ほんとうにキチガイは余計なことしかしない。
日本の正規代理店がクレームつけたんだと思うよ。

ちなみに日本の正規代理店は桑和貿易らしい。
http://www.sowa-trading.co.jp/

>>474
2ヶ月前ぐらいからかなぁ、インスペ単体の日本への発送はしてくれなくなったよ

輸送中の破損が多いんだろうな。

だからブーツ付のみ可なの？

>>480
でも、エクストリームブーツだけだと、日本には発送してくれない。
破損することないのに。
よくわからん、米尼。

>>481
キチガイ長屋が米アマのリンクを何回も貼るから日本に出荷禁止になったんだよ。
日本の正規代理店がクレームつけたんだと思うよ。

>>482
でもそれだとブーツ付は普通に買えることの説明ができない。

>>481
だよねえ。あとWTPやオブザーバーソフトも。

>>481
昨年の11月頃は、ブーツ単体でも日本へ発送してくれたけどな。
オブサーバーは1年前からダメだったが

ブーツ付は発送元がなぜかイギリス尼という関係もあるかもね
このためトラッキング番号が付与されない

>>485
たしかに。発送元がウエストミンスターだから奇妙なことをすると思った。

追い出し先のスレが消えたので、戻ってまいりました。

ここのところ、BGが乱れて、こんなデータばっかり
1. n = 100 BG 繰り返し数 =3
x <- c( 50, 36, 32, 27, 40, 39, 45, 48, 43, 40, 36, 28, 33, 34, 33, 48, 31, 33, 41, 29, 27, 48, 51, 43, 45, 35, 38, 31, 38, 35 ,
63, 27, 32, 26, 37, 41, 39, 38, 35, 35, 34, 40, 32, 44, 40, 40, 53, 49, 29, 34, 42, 33, 42, 32, 39, 34, 30, 36, 32, 37 ,
38, 42, 46, 40, 40, 30, 42, 32, 35, 50, 31, 43, 40, 39, 39, 34, 32, 44, 49, 27, 36, 41, 47, 47, 42, 23, 44, 36, 40, 30, 35, 43, 34, 42, 33, 34, 34, 36, 32, 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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 37.84
> var(x)
[1] 46.68121
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.0561, 第1自由度 = 2, 第2自由度 = 97, P値 = 0.9455

> 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 = 1.7626, 自由度 = 2, P値 = 0.4142

> 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 = 0.0518, 第1自由度 = 2.000, 第2自由度 = 59.256, P値 = 0.9495

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 1 1
25 8 8 9
30 27 27 36
35 23 23 59
40 26 26 85
45 10 10 95
50 4 4 99
55 0 0 99
60 1 1 100
>

BGの２山分布はどうしょうもない。

>>487
【ガイガー】インスペクター＋統計スレ２
http://uni.2ch.net/test/read.cgi/radiation/1339260080/

前スレが突然削除されましので、新スレたてましたよ。

文字数が多すぎるので、1000になる前に落ちる
（１スレあたりの上限バイト数が決まってる）

WTPって和尼だと米尼の10倍の値段なんだな。
買えねぇ…

10倍ってどういう計算？

あー、$9.9と勘違いしたｗ
$99なら殆ど変わらんね。

値引きがあるから1.5倍くらいか。

なんかねぇのかよ。話題

去年買って、そろそろ一年になるので液漏れ防止のために電池を交換しましょう。

昆布測定してた群馬県の人はもういないの？

>>169さん　その後どうなりましたか？

自分のインスペクターも同じことになってしまった。

買って半年で故障とは　（´；д；｀）

>496
捨てるなら１万円で引き取ります。

>>496
米アマゾンでインスペクター＋を購入しても、本体の故障は１年間保証ですよ。　日本除外って訳じゃないし。

　http://www.amazon.com/dp/B004CCRIHU
　http://www.amazon.com/dp/B004CCRIIE
　http://www.amazon.com/dp/B006C4ZQQQ

半年で故障なら、落としてGM管割ったとかじゃなきゃ保証されるんじゃないかな
まずは、荷物に同封されてたwarrantyを見てみるよろし。
　

ワイプテストプレートって絶対必要ですか？

空間線量を測りたければ必要。　インスペクター＋は本体だけじゃ空間線量測れないｗｗｗ

実感としてはケースよりはワイププレートの方が役立つ。
てかケース要らなかった。ゴミだ。

>>499
どう使うかによるが基本的には必要ない。

あったほうがいいと思われるのは、
・ベータ遮蔽して、どれだけ増減があるかを見る
・ワイプテストをする
という場合。
ベータ遮蔽は自作アルミでもいいんだけど。

当たり前だが空間線量率測定には必要ない。
地上1mで問題なし。アルミなんていらん。

>>502
インスペクターに使われてるパンケーキ管は、地上１ｍで測っても空間線量としてダメなんだよ。

だから空間線量にはＷＴＰ必須なんだよ。

>>503
なんでダメなんだ？
お前の書き込みはすべて意味不明だな。
理由を書け。

もちろんインスが空間線量測定には向いていないと思っている。
で、WTPがあると空間線量測定にどう影響を与え、どういいんだ？

空間線量関係なくワイププレートあった方が便利だと思うぞ
窓保護用に
インスペクターで空間線量を細かく測ってる奴なんか実際居ないだろう

湿気の季節ですよ皆さん。

俺はケースに自作ステンプレートぶっこんでるので
結果的にWTPが余っている

公的機関の全てが空間線量をγ線だけの測定結果と定義していてため
Inspector+はWTP無い状態ではαβγ全てに感度があり、福一が撒き散らした放射性物質にもαβγ全て含まれている
このため、プルト君が飛び散ってα線が多い福一周辺を除き、主としてβ線の影響でWTP無しで計ると公的機関発表値より大きめの値が出る

表面汚染発見メインで空間線量は増えてるか減ってるかの傾向見るだけの使い方ならWTP無くていい

インスペクターを鉛で覆って食品測定ってできるの？
ttp://www.ntt-i.net/inspectorplus/inspectorplus.html

>>508
まだこんなことを言うヤツがいるのか。
しかもインススレで。

ワイプ売れなくて困ってんのかｗ

>>509
Inspector+では食品の酷い汚染は見つけることが出来るがベクレル／kgとかの「測定」は出来ない
理由はInspector+用として公式に定義された測定容器・手順・換算式が無いため

感度がInspector+より低いため、かなり汚染された食品しか測れないが、ウクライナ政府が認定した測定容器・手順・換算式を持つPripyatでなら「測定」可能

但し、これで測った値は日本政府・行政では測定値と認めてくれない
説明次第で汚染事実としては認められ、行政側で測定し直しになる
しかし、Pripyatのマニュアル通りに正しく測定していれば、ウクライナ政府の認定製品なので当たり前だが、
行政が測った結果との差は数割以内で、桁オーダーの差が出たりはしばい

以下参照

PKC-107 Pripyat スレ
http://uni.2ch.net/test/read.cgi/radiation/1318907651/

線量計に関する知識が行き渡った現在、
インスペに妙な幻想を持つ奴はすでにほとんどいないだろ（一部の基地外を除く）

>>509
＞インスペクターを鉛で覆って食品測定ってできるの？

ガイガーだと自己ノイズが大きいので、2000Bq/kg以上くらいじゃないと測れたことにならないよ。

食品は無理でも掃除機の紙パックとかのBq/kgはだせないかな？

掃除機の塵からセシウム
ttp://mytown.asahi.com/ibaraki/news.php?k_id=08000001206280004

sv表記ではかっちゃイカンがな。

>>513
「一部の基地外」降臨。
β線検出部、とだけ考えれば、食品測定が簡単にできるインスペクターは便利。
正規小売店の価格から言えば、他の食品専用機を購入できる位に高額であるという問題はある。
このスレの住民の方は並行輸入するなどして、価格の問題をクリアしているだろう。

>>514
うどん等麺類を計ると、試料がバックグラウンドに比べて低いということが有意に発生する。
うどんなどは、β線を吸収していることを示している。
バックグラウンドと有意差が取れなかったり、あるいは、試料が有意に高かったりすれば、β線核種に汚染されていることがわかる。
食品に混ざっている放射線を出す物質は、カリウムぐらいだから
政府の通達( http://www.mext.go.jp/b_menu/shingi/gijyutu/gijyutu3/toushin/05031802.htm )に記載しているカリウム濃度を含んでいると解釈して、
これを超える線量があったらば、セシウム等(ただし、β線を出す成分に限る)の解釈できる。

政府では、セシウム137を計って、この分量から他の成分の割合を換算した指標をセシウム濃度としている。
逆に、β線を計ってみて、真の値がわからないけれども、自分で決めた値を超えていれば、汚染されていると考えればよい。
いくつの値を基準値とするかは、測定者の気分次第。自由権を行使するだけだ。

>>515
出せないことはないよ。ただ、比重とかわからないと換算できない。
インスペクターは、334CPMが1uSv/hだから、シーベルト表記からCPMに換算して、
統計処理をすることになる。放射線の数値を統計処理するには、ガウス分布として近似可能な数が必要で
最低でも20個の独立した(インスペクターは過去３０秒間の移動平均だから、31秒以上の時間を置いて測った)数値が20個必要。
放射線計測 - 計数の統計 -
http://www.rs.kagu.tus.ac.jp/~phlabex/LabExercise/reports/statistics.pdf
ポアソン分布
http://ja.wikipedia.org/wiki/%E3%83%9D%E3%82%A2%E3%82%BD%E3%83%B3%E5%88%86%E5%B8%83
正規分布
http://ja.wikipedia.org/wiki/%E6%AD%A3%E8%A6%8F%E5%88%86%E5%B8%83
２０個ならガウス分布に近似できるけど多いほうが精度が出る
http://rcwww.kek.jp/research/shield/namito/sokendai/sokendai_comp_rad_phys.pdf
実際にやってみると、
遮蔽を手抜きしている関係で大気中の線量でバックグラウンドの変動によって２山分布になったり、高原状態になったりして
きれいな分布を得るには30分*(BG;3回, 試料;2回の合計)5回が限界。
http://search.yahoo.co.jp/search?p=%E6%94%BE%E5%B0%84%E7%B7%9A+%E3%83%9D%E3%82%A2%E3%82%BD%E3%83%B3%E5%88%86%E5%B8%83+%E6%AD%A3%E8%A6%8F%E5%88%86%E5%B8%83+%E8%BF%91%E4%BC%BC&ei=UTF-8&fr=top_table&x=wrt&meta=vc%3D

にちゃんねるは嘘を嘘と見抜ける人だけが利用する掲示板だ。
漏れの嘘を見抜けぬなら利用するな。
具体的な嘘の内容を指摘するレスはご勘弁ください。にちゃんねるを利用している意味がないから。
http://uni.2ch.net/test/read.cgi/radiation/1339260080/l50

エコロガジャパン　おもしろすぎ

インスペクター プラス　￥ 59,850
http://www.amazon.co.jp/dp/B005UVGKVW

が、保護用ケースとセットになると　￥ 225,000　って、　どんだけ〜ｗｗｗ
http://www.amazon.co.jp/dp/B007SEN04Y
　

タバコをインスペクター＋で測ったら禁煙できたでござる。

タール付着で、ガイガー管自己ノイズ増加しまくりでござる。

ビニルで保護するだろ。
長屋てガイガーすら持ってないのになんでこのスレに居座ってるの？
書き込むとお金もらえるのかな。

そりゃ、変な転売屋が悪さしてないか心配で…
ビニール巻くと君の大好きな アルファ線 と弱ベータ線 がインスペクターーで検出できないぞ

まあ　”弱ベータ線”　にこだわる転売屋は、1人しかいないけどな

長屋の乞食が米アマのリンクを何回も貼るから日本に出荷禁止になったからな。
長屋はガイガーをバッシングしてお金をもらっている乞食。
β線とγ線の区別もつかない池沼。

そうそう、長屋って転売屋転売屋ていつも騒いで正義の味方のつもりかよ。
おまえのせいで安い米アマゾンから買えなくなって困ってる人もいるだろうに。
　
本当はお前が転売屋なんだろ

ブーツ付きは買えるだろが

ブーツなんていらねえよ。

>>523
>>524

転売屋必死だなあ。　まあ頑張ってくれたまえｗｗｗ


>>525

インスペクター＋がブーツつきでも　￥45,000　位だから、国内より1万円以上安くてお得ではあるね。
http://www.amazon.com/dp/B004CCRIIE

>>526

ブーツを￥ 6,299とかで売ってたりする業者もいるから、いらなきゃオクに安く出せば感謝されるかもなｗ
http://www.amazon.co.jp/dp/B006BL0ITK

inspector+持ってる。先月トンキンに測定器探しに行ったら見た瞬間に即決した。
カッコイイ、マジで。そして感度がいい。電源を入れるとカウントする、マジで。ちょっと
感動。しかもマイカ窓だから感度最強。ガイガーは力が無いと言わ
れてるけど個人的には最強と思う。ゲルマニウム半導体検出器と比べればそりゃちょっとは違うかもし
れないけど、そんなに大差はないって秋葉原の店員も言ってたし、それは間違いないと思う。
ただ坂道とかで落とすとちょっと怖いね。マイカ窓割れるし。
嘘かと思われるかも知れないけど東関東自動車道で１４０キロ位でマジで３４GTRを
抜いた。つまりはGTRですらinspector+には勝てないと言うわけで、それだけでも個
人的には大満足です。

>>528
手抜くなw

1年以上故障せずにちゃんと動いてる。

どの測定器よりも数値が高く出ると聞いて飛んできますた。
さすがインスペクター、高感度ですね ｗｗｗ

>>531
α線まで測ってるんだから数値が高くなってあたりまえ。
普通はCPMで測るから。エアガイガーには意味がわからないか。。

まあ、サーベイヤーとしてならインスペクター＋も悪くないよ。

空間線量計測とかは誤差が大きすぎて使い物にならないけどｗ

>>533
よう、転売屋。

なんで必死なの？ｗｗｗ　自分が転売屋だから？

>165 からすると、もう一人同調するはずだがｗ

>>535
なんで必死なの？ｗｗｗ　自分が転売屋だから？

「退避(やわらか銀行)」の主張ではシンチレーションカウンターで計測した値は低めで
原子力村の推奨機器であてにならないんだと。数値が高く表示されるインスペクターは
高感度らしい。プゲラ

>>391
＞鉛ブロックで囲って自己ノイズを測定したところ，0.02〜0.08μSv/hほどありました．

この環境自体が汚染されていると考えられる。
なぜなら、自分の家の屋内は常に0.010μSv/h前後を示しているからだ。
0.004〜0.017μSv/hといったところ。

インスペクターはな、cpmやカウント数で測るものなんだよ。
微量の汚染を検出するときは、（表面汚染）-（バックグランド数値）の計算をしてバックグラウンド数値を引くから。
だから自己ノイズとか関係ない。
持ってない人に何を言っても意味がわからないと思うけど。
食品測ってたまに汚染しているのあるから、気をつけたほうがいいよ。

なんかさ、見事に過疎ったな。1年前とは大違いだわ。

いまだにふくいちは、絶賛拡散中なのに

ちょっと話題があって人が来ると
長屋が荒らすからね。

>>540
チェルノブイリ原発事故の例からすると、子供に甲状腺癌が急増するのが事故から3年後。
ベラルーシでは今でも健康に産まれる子供が２０％しかいない。

ベラルーシで子どもの死亡率は上がっているのか？
死亡率は下がっていて、しかもヨーロッパ平均より低い
http://togetter.com/li/347844

死亡率が低いという事は無論発生率も低い。

影響があったかどうかと言えばYESだ。
だが急性症状がでなかった日本でもはや騒ぎたてる事ではない。
そもそも食事情が違う
それよりいま壊れかけのフクイチが問題だ。
爆発したら困る。そのときは知らん。
ということでインスペで常時観測中

>>544
インスペクターで空間線量測ってるの？
馬鹿じゃないの、まともに測れるわけ無いじゃない。

って長屋が言ってた。

>>545
乞食長屋はガイガーもシンチも持ってないから無視しとけ。
1レス10円もらっている乞食だからなんとでも言えるよな。
最近来なくなって平和なスレに戻ったじゃないか。
もうその話はやめよう。

>>545
まともに測れてないよ。
相対的に異常時がわかるようにしてる。
RD1706も設置してる。

3号機が核爆発したときに、インスペクターで測定してた人ているのかな？
あのときはガイガー持ってる人がほとんどいなかったからな。
役所は地上８０ｍでγ線だけ測ってたし。

>>548
これは？
http://www.youtube.com/watch?v=hMKo9ZmhEjo

>>549
2011年3月15日の朝に東京は放射能で汚染したんですね。
動画は地上１０ｍくらいに見えるので地面近くはもっと汚染していたはず。
3号機の核爆発なのでプルトニウムやウランも当然あります。

>>539
私の場合には、
汚染されていない食品が稀にあります
ですね。
バックグラウンドが吸収されるような条件となる食品(例、麺等厚さ1cm程度以上の試料)ですと
-10から-80Bq/kg程度の負の誤差がありますので、汚染されていないのであれば、有意に低くなるはずです。
ですが、BGと試料との差は大部分は有意に高い。一部、有意ではない場合があります。

>>528
インスペクターの転売業者が、ステマに必死すぎて笑えるｗｗｗ

そんなに在庫持て余してるの？

米アマゾンだと、ブーツつきインスペクター＋　XTREMEが、約４３０００円で、国内より２万円ほど安いぞ。
http://www.amazon.com/dp/B004CCRIIE

>>552
おまえさあ、釣りに超カメレスって酷すぎでしょ
しかも、(´∀｀∩)↑age↑忘れてるし。
もっと、まじめにやれよ

また乞食長屋がきたよ。コピペにマジレスかよ。
この乞食１レス10円のために必死すぎだよな。
>>554
あと乞食長屋にレスしたら10円はいるみたいだから無視しとけ。

米アマゾンだと、ブーツつきインスペクター＋　XTREMEが、約４３０００円で、国内より２万円ほど安いぞ。

http://www.amazon.com/dp/B004CCRIIE

だがブーツはゴミだ。
付加価値は無い

放射能測定2011/3/22原発から北に約190�q
http://www.youtube.com/watch?v=ufdPX9gLGSc

558の動画だけど、地面近くで7μSv/h超えてる。。
原発から北１９０kmて岩手県だよな。
原発事故直後にアメリカ政府は80キロ圏外に逃げろ、フランス政府は東日本から逃げろと言ってたな。

近所のフランス人が東京が汚染される正にその前日にリュック背負って出て行った。
一方俺は引きこもった。inspector+はボッタクリ価格になり入手困難になっていた。

>>560
ヨウ素剤も配ったみたいだね。海老蔵先生は福岡でミネラルウォーター買い占めてたな。

>>557
インスペクターはGM管部に蓋が無いので、ブーツはあった方がいいよ。

ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
原発事故を全く気にしない家族友人同僚に脱力 18

744 名無しに影響はない(長屋) [sage] 2012/08/05(日) 15:37:03.95 ID:meO3iqPb Be:
>>742
インスペ転売業者必死すぎｗｗｗ
745 名無しに影響はない(長屋) [sage] 2012/08/05(日) 15:41:32.50 ID:meO3iqPb Be:
>>740
別に表面汚染はガイガーでいいんじゃね？
バックグラウンドとのｃｐｍ差が明確に判ればいいんだし。

アホな転売業者が、Sv/hに正しく換算できるようなウソつくからｗ
755 名無しに影響はない(長屋) [sage] 2012/08/05(日) 18:59:06.62 ID:meO3iqPb Be:
つうより、放射脳の行動パターンが
エキセントリックでバカすぎるんで、みんなに愛想つかされただけですよ。

たぶん近所でも迷惑な存在として、みんなに回避されてるんじゃないかな。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー

長屋って　「安全厨工作員」　だったんだね。

どうりでインスペクターを買わせたくないわけだわ。
よーくわかったよ。

>>563
どうせ買うなら

米アマゾンだと、ブーツつきインスペクター＋　XTREMEが、約４３０００円で、国内より２万円ほど安いぞ。

http://www.amazon.com/dp/B004CCRIIE

>>564
------------------------------------------------------------------------------------------------------
755 名無しに影響はない(長屋) [sage] 2012/08/05(日) 18:59:06.62 ID:meO3iqPb Be:
つうより、放射脳の行動パターンが
エキセントリックでバカすぎるんで、みんなに愛想つかされただけですよ。

たぶん近所でも迷惑な存在として、みんなに回避されてるんじゃないかな。
------------------------------------------------------------------------------------------------------

こんなこと言っておいて、いまさら取り繕っても遅いよ。
結局、あんたはベータ線感度が高く有用なインスペクターを買われちゃ困る側の人間だってわかったからな。

これから、あんたが何を言おうが全ては、

「安全厨工作員」のお仕事

だってばれちゃったからね。

今までのあんたの書き込みに騙されて被曝してしまった人もいるだろうに。

あんたは　「卑怯」　で　「嘘つき」　な　「人殺し野郎」　だ。

φ(｀д´)ﾒﾓﾒﾓ...
http://megalodon.jp/2012-0805-2351-02/uni.2ch.net/test/read.cgi/radiation/1341855559

インスペクター買うなら

米アマゾンだと、ブーツつきインスペクター＋　XTREMEが、約４３０００円で、国内より２万円ほど安いぞ。

http://www.amazon.com/dp/B004CCRIIE

>>567
よう、安全厨の人殺し野郎

>>568
危険厨を煽って、私腹を肥やすインスペクター転売業者が必死すぎて笑えるｗｗｗ

円高だから、インスペクターは米アマから買うとずっとお得だよね。

差額で、シンチのDC-100が買えちゃうかもよｗｗｗ
　

>>569
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
原発事故を全く気にしない家族友人同僚に脱力 18

744 名無しに影響はない(長屋) [sage] 2012/08/05(日) 15:37:03.95 ID:meO3iqPb Be:
>>742
インスペ転売業者必死すぎｗｗｗ
745 名無しに影響はない(長屋) [sage] 2012/08/05(日) 15:41:32.50 ID:meO3iqPb Be:
>>740
別に表面汚染はガイガーでいいんじゃね？
バックグラウンドとのｃｐｍ差が明確に判ればいいんだし。

アホな転売業者が、Sv/hに正しく換算できるようなウソつくからｗ
755 名無しに影響はない(長屋) [sage] 2012/08/05(日) 18:59:06.62 ID:meO3iqPb Be:
つうより、放射脳の行動パターンが
エキセントリックでバカすぎるんで、みんなに愛想つかされただけですよ。

たぶん近所でも迷惑な存在として、みんなに回避されてるんじゃないかな。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー

長屋って　「安全厨工作員」　だったんだね。

どうりでインスペクターを買わせたくないわけだわ。
よーくわかったよ。

そろそろ　(やわらか銀行)　に替わって出てきますか？

>>571
よう、人殺しのクズ野郎。

>>570
いや、インスペクター買うなら、米アマだと日本より２万安いよって言ってるだけだが
米アマから自由に買えばいいよね〜ｗｗｗ

ウソ八百で、儲けようとしてる極悪転売業者さんには、ツライよね〜。

日本で２台買うお金で、米アマだと３台買えるよね〜。　多くの人が助かっていいよねｗｗｗ
　

>>573
よう、安全工作員の人殺し野郎。
あんた今まで散々嘘とごまかしと詭弁で人を騙して被曝させてきたんだよ。
あんたの下らんレッテル貼りはもう通用しない。

ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
原発事故を全く気にしない家族友人同僚に脱力 18
http://megalodon.jp/2012-0805-2351-02/uni.2ch.net/test/read.cgi/radiation/1341855559

744 名無しに影響はない(長屋) [sage] 2012/08/05(日) 15:37:03.95 ID:meO3iqPb Be:
>>742
インスペ転売業者必死すぎｗｗｗ

745 名無しに影響はない(長屋) [sage] 2012/08/05(日) 15:41:32.50 ID:meO3iqPb Be:
>>740
別に表面汚染はガイガーでいいんじゃね？
バックグラウンドとのｃｐｍ差が明確に判ればいいんだし。

アホな転売業者が、Sv/hに正しく換算できるようなウソつくからｗ

755 名無しに影響はない(長屋) [sage] 2012/08/05(日) 18:59:06.62 ID:meO3iqPb Be:
つうより、放射脳の行動パターンが
エキセントリックでバカすぎるんで、みんなに愛想つかされただけですよ。

たぶん近所でも迷惑な存在として、みんなに回避されてるんじゃないかな。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー

長屋って　「安全厨工作員」　だったんだね。

どうりでインスペクターを買わせたくないわけだわ。
よーくわかったよ。

「長屋」は　「卑怯」　で　「嘘つき」　の　「安全厨工作員」　でした！！

もう必要な人は入手しただろうし転売の話は時期を逸してるよ

インスペクター買うなら

米アマゾンだと、ブーツつきインスペクター＋　XTREMEが、約４３０００円で、国内より２万円ほど安いぞ。
http://www.amazon.com/dp/B004CCRIIE

円高だから、インスペクターは米アマから買うほうが価格がお得でおすすめだよね。
差額でシンチレーションカウンターのDC-100が買えちゃうかもよｗｗｗ

ブーツつきインスペクター＋　XTREMEが、約４３０００円で、２万円の格安だね。
http://www.amazon.com/dp/B004CCRIIE

インスペクターを使う上で有用な話題が出るたびに、危険厨のアンチ転売屋の振りをして
スレを潰してきた
「長屋」　は　「卑怯」　で　「嘘つき」　な　「安全厨工作員」　だった！！
---------------------------------------------------------------------------------------------------------------------------
インスペクター系総合 ３【inspector+,Alert】
http://megalodon.jp/2012-0806-0146-09/uni.2ch.net/test/read.cgi/radiation/1331598144

　564 名無しに影響はない(長屋) [sage] 2012/08/05(日) 23:03:59.80 ID:meO3iqPb Be:
>>563
どうせ買うなら
米アマゾンだと、ブーツつきインスペクター＋　XTREMEが、約４３０００円で、国内より２万円ほど安いぞ。
http://www.amazon.com/dp/B004CCRIIE

原発事故を全く気にしない家族友人同僚に脱力 18
http://megalodon.jp/2012-0805-2351-02/uni.2ch.net/test/read.cgi/radiation/1341855559

　755 名無しに影響はない(長屋) [sage] 2012/08/05(日) 18:59:06.62 ID:meO3iqPb Be:
　つうより、放射脳の行動パターンが
　エキセントリックでバカすぎるんで、みんなに愛想つかされただけですよ。
　たぶん近所でも迷惑な存在として、みんなに回避されてるんじゃないかな。
----------------------------------------------------------------------------------------------------------------------------

円高だから、Inspectorは米アマから買うほうが価格がお得でおすすめ
差額でシンチレーションカウンターのDC-100が買えちゃうかもよｗｗｗ

ブーツつきInspector+　XTREMEが、約４３０００円で格安価格だね。
http://www.amazon.com/dp/B004CCRIIE

インスペクターを使う上で有用な話題が出るたびに、危険厨のアンチ転売屋の振りをして
スレを潰してきた
「長屋」　は　「卑怯」　で　「嘘つき」　な　「安全厨工作員」　だった！！
---------------------------------------------------------------------------------------------------------------------------
インスペクター系総合 ３【inspector+,Alert】
http://megalodon.jp/2012-0806-0146-09/uni.2ch.net/test/read.cgi/radiation/1331598144

　　564 名無しに影響はない(長屋) [sage] 2012/08/05(日) 23:03:59.80 ID:meO3iqPb Be:
　　>>563
　　どうせ買うなら
　　米アマゾンだと、ブーツつきインスペクター＋　XTREMEが、約４３０００円で、国内より２万円ほど安いぞ。
　　http://www.amazon.com/dp/B004CCRIIE

原発事故を全く気にしない家族友人同僚に脱力 18
http://megalodon.jp/2012-0805-2351-02/uni.2ch.net/test/read.cgi/radiation/1341855559

　　755 名無しに影響はない(長屋) [sage] 2012/08/05(日) 18:59:06.62 ID:meO3iqPb Be:
　　つうより、放射脳の行動パターンが
　　エキセントリックでバカすぎるんで、みんなに愛想つかされただけですよ。
　　たぶん近所でも迷惑な存在として、みんなに回避されてるんじゃないかな。
----------------------------------------------------------------------------------------------------------------------------

アマゾンのリンクを毎回貼りまくって、アンチ転売屋の振りした
「長屋」　は　「卑怯」　で　「嘘つき」　な　「安全厨工作員」

円高だから、Inspectorは米アマから買うほうが価格がお得なのでおすすめ
差額でシンチレーションカウンターのDC-100が買えちゃうかも

ブーツつきInspector+　XTREMEが、約４３０００円で、国内に比べて格安価格だね。
http://www.amazon.com/dp/B004CCRIIE