【ガイガー】インスペクター＋統計スレ

繰り返しによる影響

1. n = 101 BG 繰り返し数 =3
x <- c( 43, 37, 43, 39, 41, 37, 39, 32, 41, 42, 35, 31, 32, 42, 36, 37, 45, 34, 36, 42, 41, 34, 42, 33, 44, 44, 38, 46, 42, 45, 31 ,
45, 47, 38, 37, 44, 33, 43, 31, 40, 41, 33, 37, 39, 43, 51, 33, 48, 45, 47, 36, 35, 48, 37, 47, 37, 32, 37, 48, 39, 41, 39, 47, 32, 47, 33, 33, 31, 40, 53 ,
41, 46, 39, 45, 47, 50, 41, 37, 28, 34, 28, 47, 60, 34, 38, 39, 46, 43, 35, 31, 36, 32, 34, 38, 43, 34, 40, 35, 48, 39, 51)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 39.70297
> var(x)
[1] 36.55089
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.4626, 第1自由度 = 2, 第2自由度 = 98, P値 = 0.631
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 = 6.1685, 自由度 = 2, P値 = 0.04576
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 = 0.6249, 第1自由度 = 2.00, 第2自由度 = 62.46, P値 = 0.5386
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 2 1.980198 1.980198
30 22 21.782178 23.762376
35 29 28.712871 52.475248
40 24 23.762376 76.237624
45 19 18.811881 95.049505
50 4 3.960396 99.009901
55 0 0.000000 99.009901
60 1 0.990099 100.000000
>

2. n = 72 2012.05.12 栃木県内スーパー内ゴミ箱より入手、神奈川産キャベツ最も外側の葉、40度3日間乾燥(乾かなかった茎は測定より除外), 6.6g。 繰り返し数 =2
x <- c( 60, 64, 53, 60, 62, 49, 67, 56, 59, 60, 45, 58, 50, 58, 52, 56, 54, 61, 63, 64, 50, 60, 61, 51, 55, 49, 69, 48, 57, 51, 56, 47, 69, 46, 58, 55 ,
55, 71, 52, 64, 54, 56, 64, 52, 60, 60, 59, 57, 57, 59, 64, 50, 62, 53, 55, 53, 52, 54, 63, 60, 56, 64, 60, 42, 60, 76, 49, 66, 57, 59, 54, 41)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 56.98611
> var(x)
[1] 43.90121
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.4296, 第1自由度 = 1, 第2自由度 = 70, P値 = 0.5143
有意ではない。繰り返しによる差異は不明。

> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）

データ: x と g
バートレットのK二乗値 = 0.2516, 自由度 = 1, P値 = 0.616
有意ではない。先の分散分析は有効。

> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）

データ: x と g
F = 0.4296, 第1自由度 = 1.000, 第2自由度 = 69.495, P値 = 0.5143
有意ではない。繰り返しによる差異は不明。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
40 2 2.777778 2.777778
45 7 9.722222 12.500000
50 16 22.222222 34.722222
55 20 27.777778 62.500000
60 21 29.166667 91.666667
65 4 5.555556 97.222222
70 1 1.388889 98.611111
75 1 1.388889 100.000000
>

BGと試料の比較

1. n = 101 BG 繰り返し数 =3
gr1 <- c( 43, 37, 43, 39, 41, 37, 39, 32, 41, 42, 35, 31, 32, 42, 36, 37, 45, 34, 36, 42, 41, 34, 42, 33, 44, 44, 38, 46, 42, 45, 31 ,
45, 47, 38, 37, 44, 33, 43, 31, 40, 41, 33, 37, 39, 43, 51, 33, 48, 45, 47, 36, 35, 48, 37, 47, 37, 32, 37, 48, 39, 41, 39, 47, 32, 47, 33, 33, 31, 40, 53 ,
41, 46, 39, 45, 47, 50, 41, 37, 28, 34, 28, 47, 60, 34, 38, 39, 46, 43, 35, 31, 36, 32, 34, 38, 43, 34, 40, 35, 48, 39, 51)

2. n = 72 2012.05.12 栃木県内スーパー内ゴミ箱より入手、神奈川産キャベツ最も外側の葉、40度3日間乾燥(乾かなかった茎は測定より除外), 6.6g。 繰り返し数 =2
gr2 <- c( 60, 64, 53, 60, 62, 49, 67, 56, 59, 60, 45, 58, 50, 58, 52, 56, 54, 61, 63, 64, 50, 60, 61, 51, 55, 49, 69, 48, 57, 51, 56, 47, 69, 46, 58, 55 ,
55, 71, 52, 64, 54, 56, 64, 52, 60, 60, 59, 57, 57, 59, 64, 50, 62, 53, 55, 53, 52, 54, 63, 60, 56, 64, 60, 42, 60, 76, 49, 66, 57, 59, 54, 41)
> 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 = -17.8059, 自由度 = 171, P値 < 2.2e-16
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -19.19912 -15.36716
標本推定値:
平均値x 平均値y
39.70297 56.98611
有意。試料とバックグラウンドに差異がある。

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = -17.5337, 自由度 = 144.22, P値 < 2.2e-16
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -19.23145 -15.33483
標本推定値:
平均値x 平均値y
39.70297 56.98611
有意。試料とバックグラウンドに差異がある。

> var.test(gr1, gr2)
二群の等分散性の検定

データ: gr1 と gr2
F = 0.8326, 第1自由度 = 100, 第2自由度 = 71, P値 = 0.3961
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.5355426 1.2736767
標本推定値:
分散比
0.8325713
有意。分散が異なるので（Welchの方法）を使用する。

>

３.補足コメント
57.0 - 39.7 = 17.3 CPM (8.13 Bq)
8.13 * 1000 / 6.6 = 1230 Bq/kg
水分 92.7 %, カリウム 200mg /100g (6.18 Bq/kg) ( http://www.yasainavi.com/eiyou/eiyouhyouseparate/101 )より
乾燥前の線量は
1230 * 7.3 / 100 = 89.8 Bq/kg
注意点は、試料は最も外側の葉であること、茎が3日乾燥したけど乾かなかったので除いていること。
除き方は、
乾いたキャベツの葉をポリ袋の中に入れで、ポリ袋の外側から手でもむ。粉にならなかった部分を手で引っ張り出す。
という方法。硬ければ事務用ハサミ( http://www.asano-books.com/?pid=27357774 )で切断しているのですが、軟らかいと引っ張り出すことになります(測定中に結露する)。
セシウムの除去方法は同属のカリウムの除去方法( http://www.kaita-hospital.jp/docs/eiyobudayori/201006.pdf 等)が参考になります。

やはり静岡県より東の食品はほとんど汚染していますね。
愛知県の西側が、ぎりぎりセーフかなと思います。
魚の骨は何ベクレルくらいあるのでしょうか。ストロンチウムが検出できそうです。

>>380
まあストロンチウムは昔から核実験起因があったけどねｗ

2008年度の放射能調査資料
今の基準が安全かどうかは、原発事故前の資料と比較するべき。
http://www.kankyo-hoshano.go.jp/08/soukatsu_lib/h20_suijun.pdf

魚類セシウム１３７　最大値0.16Bq/kg 平均値0.085Bq/kg
魚類ストロンチウム９０　最大値　0.040Bq/kg　平均値0.0012Bq/kg
お米セシウム１３７　最大0.42Bq/kg　平均0.015Bq/kg

糊台の測定
> x <- c(32,45,41,58,57,39,52,46,43,48,44,47,40,55,42,43,51,40,58,44,44,51,55,59,55,46,55,62,48,49,
39,45,41,46,49,44,56,47,47,38,43,34,62,37,48,42,41,43,43,50,41,46,60,64,54,43,27,47,40,40,45,48,52,
44,53,46,64,43,51,47,36,53,50,53,51,42,47,56,38,53,57,45,61,38,60,38,36,45,49,61,46,60,44,39,42,42,
50,38,30,46,43,55,55,34,41,64,56,54,46,54,51,58,51,40,41,48,43,55,52,27,49,50,40,41,36,39,53,58,23,
53,50,52,39,49,45,48,33,41,40,45,47,60,45,61,57,38,49,45,38,52,50,44,56,38,51,36,58,41,61,67,37,45,
38,56,40,42,51,61,38,56,34,53,53,37,43,50,39,56,41,49,42,52,60,48,33,60,38,46,50,50,51,43,65,30,30,
51,52,29,59,43,58,50,52,50,51,57,59,43,42,49,32,57,40,37,36,44,53,44,48,49,72,48,51,41,45,55,48,54,
50,43,47,37,53,52,20,38,66,47,40,50,68,56,51,47,65,43,56,45,57,43,50,42,52,42,44,38,31,66,41,45,51,
57,45,40,39,48,41,46,44,50,52,57,49,40,46,48,38,39,42,42,47,60,58,36,51,46,57,40,57,40,55,41,44,47,
24,56,35,55,48,46,42,55,59,43,56,43,48,43,44,41,50,56,36,51,55,46,52,48,36,67,48,48,40,39,46,50,54,
41,52,50,49,39,40,37,49,37,46,50,55,54,57,48,49,39,51,37,38,53,40,47,38,50,64,47,55,55,55,60,43,47,58,47,44,46,43,42,47,56,40,45)
> weight <- matrix(x,nrow=74)
> sample <- rep(1:74, each=5)
> d <- qcc.groups(weight, sample)
> colnames(d) <- c("1st","2nd", "3th", "4th", "5th")
> qcc(d, type="xbar")
> qcc(d, type="R")
> qcc(d, type="xbar.one")

このところ、測定の途中で、
バックグラウンドが跳ね上がって測定を中止する
ということが続いています。その一例。
最初の頃の20-30点が低く、その後上がってしまう場合。
どこで跳ね上がったかは、管理図で見てほしい。
http://www.dotup.org/uploda/www.dotup.org2985979.gif.html
http://www.dotup.org/uploda/www.dotup.org2985982.gif.html
http://www.dotup.org/uploda/www.dotup.org2985984.gif.html
過去の測定を見ればわかるとおり、BGの平均は38-41位。
ところが、これは45を超えている。
汚染が少ない麺類だと、37とか38位1-2CPM低くなり、汚染がやや酷い麺類では、BGとほぼ同じ線量になる。
BGが45に跳ね上がると、かなり汚染されていても検出されなくなってしまう。
1CPMが大体80-100Bq/kgに相当するから。

１．測定対象
「奥本製粉, Restaurant Macaroni, 2015.3.14, 300g (18*11*3.5cm)」の分析

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

2. n=48 奥本製粉, Restaurant Macaroni, 2015.3.14, 300g (18*11*3.5cm)
x <- c( 58, 63, 51, 62, 60, 61, 54, 71, 51, 58, 62, 54, 49, 48, 54, 58, 62, 57, 57, 58, 47, 48, 56, 57, 49, 46, 65, 50, 59, 48, 52, 55, 52, 63, 51, 56, 54, 35, 55, 42, 60, 60, 55, 42, 59, 60, 58, 54)

3. n=31 糊台
x <- c( 39, 33, 53, 44, 35, 37, 44, 46, 38, 39, 32, 33, 47, 37, 34, 39, 27, 50, 47, 42, 37, 39, 38, 33, 39, 32, 33, 54, 49, 28, 31)

4. n=32 奥本製粉, Restaurant Macaroni, 2015.3.14, 300g (18*11*3.5cm)
x <- c( 37, 38, 38, 38, 48, 34, 46, 36, 45, 43, 60, 51, 54, 47, 48, 49, 47, 36, 51, 40, 45, 47, 45, 51, 64, 56, 47, 45, 56, 43, 42, 47)

5. n=32 糊台
x <- c( 38, 47, 39, 30, 56, 36, 36, 34, 34, 46, 40, 35, 35, 49, 49, 37, 40, 45, 37, 34, 42, 33, 36, 49, 47, 33, 41, 45, 51, 39, 34, 37)

４.　データ貼り付け
全体の分析
x <- c( 51, 41, 42, 38, 44, 38, 32, 36, 38, 38, 35, 40, 38, 36, 38, 35, 41, 42, 35, 41, 42, 30, 36, 34, 31, 38, 40, 51, 36, 49, 37, 31 ,
58, 63, 51, 62, 60, 61, 54, 71, 51, 58, 62, 54, 49, 48, 54, 58, 62, 57, 57, 58, 47, 48, 56, 57, 49, 46, 65, 50, 59, 48, 52, 55, 52, 63, 51, 56, 54, 35, 55, 42, 60, 60, 55, 42, 59, 60, 58, 54 ,
39, 33, 53, 44, 35, 37, 44, 46, 38, 39, 32, 33, 47, 37, 34, 39, 27, 50, 47, 42, 37, 39, 38, 33, 39, 32, 33, 54, 49, 28, 31 ,
37, 38, 38, 38, 48, 34, 46, 36, 45, 43, 60, 51, 54, 47, 48, 49, 47, 36, 51, 40, 45, 47, 45, 51, 64, 56, 47, 45, 56, 43, 42, 47 ,
38, 47, 39, 30, 56, 36, 36, 34, 34, 46, 40, 35, 35, 49, 49, 37, 40, 45, 37, 34, 42, 33, 36, 49, 47, 33, 41, 45, 51, 39, 34, 37)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x)
[1] 44.78286
> var(x)
[1] 87.2974
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 46.6797, 第1自由度 = 4, 第2自由度 = 170, P値 < 2.2e-16

> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）

データ: x と g
バートレットのK二乗値 = 3.8408, 自由度 = 4, P値 = 0.428

> 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 = 47.8156, 第1自由度 = 4.000, 第2自由度 = 81.297, P値 < 2.2e-16

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 2 1.1428571 1.142857
30 21 12.0000000 13.142857
35 44 25.1428571 38.285714
40 22 12.5714286 50.857143
45 33 18.8571429 69.714286
50 21 12.0000000 81.714286
55 18 10.2857143 92.000000
60 12 6.8571429 98.857143
65 1 0.5714286 99.428571
70 1 0.5714286 100.000000
>

BGと試料の比較
x <- c( 51, 41, 42, 38, 44, 38, 32, 36, 38, 38, 35, 40, 38, 36, 38, 35, 41, 42, 35, 41, 42, 30, 36, 34, 31, 38, 40, 51, 36, 49, 37, 31 ,
58, 63, 51, 62, 60, 61, 54, 71, 51, 58, 62, 54, 49, 48, 54, 58, 62, 57, 57, 58, 47, 48, 56, 57, 49, 46, 65, 50, 59, 48, 52, 55, 52, 63, 51, 56, 54, 35, 55, 42, 60, 60, 55, 42, 59, 60, 58, 54 ,
39, 33, 53, 44, 35, 37, 44, 46, 38, 39, 32, 33, 47, 37, 34, 39, 27, 50, 47, 42, 37, 39, 38, 33, 39, 32, 33, 54, 49, 28, 31 ,
37, 38, 38, 38, 48, 34, 46, 36, 45, 43, 60, 51, 54, 47, 48, 49, 47, 36, 51, 40, 45, 47, 45, 51, 64, 56, 47, 45, 56, 43, 42, 47 ,
38, 47, 39, 30, 56, 36, 36, 34, 34, 46, 40, 35, 35, 49, 49, 37, 40, 45, 37, 34, 42, 33, 36, 49, 47, 33, 41, 45, 51, 39, 34, 37)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 126.1042, 第1自由度 = 1, 第2自由度 = 173, P値 < 2.2e-16

> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）

データ: x と g
バートレットのK二乗値 = 5.6586, 自由度 = 1, P値 = 0.01737

> 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 = 120.7519, 第1自由度 = 1.000, 第2自由度 = 147.232, P値 < 2.2e-16

>

繰り返しによる影響

1. n = 95 BG 繰り返し数 =3
x <- c( 51, 41, 42, 38, 44, 38, 32, 36, 38, 38, 35, 40, 38, 36, 38, 35, 41, 42, 35, 41, 42, 30, 36, 34, 31, 38, 40, 51, 36, 49, 37, 31 ,
39, 33, 53, 44, 35, 37, 44, 46, 38, 39, 32, 33, 47, 37, 34, 39, 27, 50, 47, 42, 37, 39, 38, 33, 39, 32, 33, 54, 49, 28, 31 ,
38, 47, 39, 30, 56, 36, 36, 34, 34, 46, 40, 35, 35, 49, 49, 37, 40, 45, 37, 34, 42, 33, 36, 49, 47, 33, 41, 45, 51, 39, 34, 37)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 39.23158
> var(x)
[1] 38.86069
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.529, 第1自由度 = 2, 第2自由度 = 92, P値 = 0.591

> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）

データ: x と g
バートレットのK二乗値 = 3.0287, 自由度 = 2, P値 = 0.2200

> 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 = 0.5754, 第1自由度 = 2.000, 第2自由度 = 59.915, P値 = 0.5655

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 2 2.105263 2.105263
30 20 21.052632 23.157895
35 37 38.947368 62.105263
40 16 16.842105 78.947368
45 13 13.684211 92.631579
50 6 6.315789 98.947368
55 1 1.052632 100.000000
>

2. n = 80 奥本製粉, Restaurant Macaroni, 2015.3.14, 300g (18*11*3.5cm) 繰り返し数 =2
x <- c( 58, 63, 51, 62, 60, 61, 54, 71, 51, 58, 62, 54, 49, 48, 54, 58, 62, 57, 57, 58, 47, 48, 56, 57, 49, 46, 65, 50, 59, 48, 52, 55, 52, 63, 51, 56, 54, 35, 55, 42, 60, 60, 55, 42, 59, 60, 58, 54 ,
37, 38, 38, 38, 48, 34, 46, 36, 45, 43, 60, 51, 54, 47, 48, 49, 47, 36, 51, 40, 45, 47, 45, 51, 64, 56, 47, 45, 56, 43, 42, 47)
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 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 51.375
> var(x)
[1] 64.97152
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 32.3652, 第1自由度 = 1, 第2自由度 = 78, P値 = 2.137e-07

> 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 = 0.2032, 自由度 = 1, P値 = 0.6521

> 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 = 31.4119, 第1自由度 = 1.000, 第2自由度 = 63.134, P値 = 4.905e-07

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
30 1 1.25 1.25
35 7 8.75 10.00
40 6 7.50 17.50
45 20 25.00 42.50
50 15 18.75 61.25
55 17 21.25 82.50
60 12 15.00 97.50
65 1 1.25 98.75
70 1 1.25 100.00
>

BGと試料の比較

1. n = 95 BG 繰り返し数 =3
gr1 <- c( 51, 41, 42, 38, 44, 38, 32, 36, 38, 38, 35, 40, 38, 36, 38, 35, 41, 42, 35, 41, 42, 30, 36, 34, 31, 38, 40, 51, 36, 49, 37, 31 ,
39, 33, 53, 44, 35, 37, 44, 46, 38, 39, 32, 33, 47, 37, 34, 39, 27, 50, 47, 42, 37, 39, 38, 33, 39, 32, 33, 54, 49, 28, 31 ,
38, 47, 39, 30, 56, 36, 36, 34, 34, 46, 40, 35, 35, 49, 49, 37, 40, 45, 37, 34, 42, 33, 36, 49, 47, 33, 41, 45, 51, 39, 34, 37)

2. n = 80 奥本製粉, Restaurant Macaroni, 2015.3.14, 300g (18*11*3.5cm) 繰り返し数 =2
gr2 <- c( 58, 63, 51, 62, 60, 61, 54, 71, 51, 58, 62, 54, 49, 48, 54, 58, 62, 57, 57, 58, 47, 48, 56, 57, 49, 46, 65, 50, 59, 48,
52, 55, 52, 63, 51, 56, 54, 35, 55, 42, 60, 60, 55, 42, 59, 60, 58, 54 ,
37, 38, 38, 38, 48, 34, 46, 36, 45, 43, 60, 51, 54, 47, 48, 49, 47, 36, 51, 40, 45, 47, 45, 51, 64, 56, 47, 45, 56, 43, 42, 47)
> 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 = -11.2296, 自由度 = 173, 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: -14.27781 -10.00903
標本推定値:
平均値x 平均値y
39.23158 51.37500

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = -10.9887, 自由度 = 147.232, 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: -14.327290 -9.959552
標本推定値:
平均値x 平均値y
39.23158 51.37500

> var.test(gr1, gr2)
二群の等分散性の検定

データ: gr1 と gr2
F = 0.5981, 第1自由度 = 94, 第2自由度 = 79, P値 = 0.01708
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.3891276 0.9120691
標本推定値:
分散比
0.5981189

>

３.補足コメント
日本のパスタには、カナダやアメリカで生産された小麦を使用 ( http://www.pasta.or.jp/content/basic/index.html )
カリウム 378mg/100g ( http://astore.amazon.co.jp/rarobeninet-22/detail/B0015XNY1S ) (11.7Bq/kg)

51.4 - 39.2 = 12.2 CPM (5.73 Bq)
寸法 18*11*3.5 cm, 300g, 比重;0.43 g/cm
受光深さ; 0.84cm, 受光容積 16cm3 (7g)
800 bq/kg

と、まー、信じがたい数値が出てしまった。
自分じゃこれ以上のことができないので、だれか、再試験(追跡調査)ヨロ。

ウクライナやベラルーシの小麦粉使っている可能性はないのだろうか。

>>391-392 ハンフォード
http://satehate.exblog.jp/16686219/

マクドナルドのポテトのジャガイモは、アメリカのハンフォードで作られているてマジですか？

今だから言うがそれはアセトアルデヒドではないかな？

１．測定対象
「豆腐」の分析。
豆腐50.0gを計りとり、赤外線照射20時間、40度2日間放置し乾燥したもの。
梱包容器を消失したのでメーカー、ロットは不明。

２．測定結果
1. n=30 糊台
x <- c( 40, 40, 37, 34, 35, 28, 48, 36, 25, 30, 38, 78, 30, 39, 36, 29, 29, 46, 42, 43, 34, 40, 42, 43, 42, 37, 45, 44, 37, 31)

2. n=30 豆腐50g, 赤外線20時間乾燥, 40度2日放置
x <- c( 39, 43, 40, 28, 45, 35, 34, 47, 47, 47, 51, 49, 45, 34, 47, 27, 46, 56, 31, 38, 44, 43, 38, 50, 38, 33, 32, 43, 29, 39)

3. n=34 糊台
x <- c( 39, 47, 36, 37, 33, 32, 32, 37, 37, 29, 47, 41, 37, 20, 52, 49, 27, 44, 39, 38, 35, 47, 36, 34, 44, 39, 50, 27, 37, 38, 44, 41, 45, 42)

4. n=153 豆腐50g, 赤外線20時間乾燥, 40度2日放置
x <- c( 46, 49, 37, 53, 43, 28, 69, 45, 37, 61, 47, 43, 36, 39, 40, 41, 40, 39, 39, 41, 46, 51, 48, 38, 40, 39, 52, 44, 39, 37, 45, 45, 36, 43,
52, 48, 43, 42, 47, 63, 52, 50, 49, 38, 42, 53, 41, 47, 38, 51, 28, 48, 39, 42, 45, 50, 44, 37, 34, 49, 51, 40, 36, 51, 51, 53, 38, 48, 35, 39,
47, 41, 38, 44, 37, 42, 59, 33, 34, 40, 44, 49, 52, 46, 37, 48, 43, 44, 43, 55, 41, 41, 44, 50, 41, 49, 46, 44, 44, 42, 29, 44, 34, 41, 52, 35,
50, 43, 46, 36, 49, 46, 58, 42, 38, 35, 54, 42, 41, 52, 35, 38, 32, 52, 45, 46, 38, 52, 54, 37, 39, 43, 37, 44, 46, 40, 37, 41, 45, 54, 44, 38,
38, 44, 32, 45, 55, 35, 47, 33, 47, 40, 39)

5. n=31 糊台
x <- c( 41, 42, 47, 37, 35, 35, 45, 37, 35, 29, 42, 29, 50, 35, 41, 41, 46, 34, 40, 43, 32, 38, 37, 32, 38, 44, 35, 54, 39, 32, 46)

４.　データ貼り付け
全体の分析
x <- c( 40, 40, 37, 34, 35, 28, 48, 36, 25, 30, 38, 78, 30, 39, 36, 29, 29, 46, 42, 43, 34, 40, 42, 43, 42, 37, 45, 44, 37, 31 ,
39, 43, 40, 28, 45, 35, 34, 47, 47, 47, 51, 49, 45, 34, 47, 27, 46, 56, 31, 38, 44, 43, 38, 50, 38, 33, 32, 43, 29, 39 ,
39, 47, 36, 37, 33, 32, 32, 37, 37, 29, 47, 41, 37, 20, 52, 49, 27, 44, 39, 38, 35, 47, 36, 34, 44, 39, 50, 27, 37, 38, 44, 41, 45, 42 ,
46, 49, 37, 53, 43, 28, 69, 45, 37, 61, 47, 43, 36, 39, 40, 41, 40, 39, 39, 41, 46, 51, 48, 38, 40, 39, 52, 44, 39, 37, 45, 45, 36, 43,
52, 48, 43, 42, 47, 63, 52, 50, 49, 38, 42, 53, 41, 47, 38, 51, 28, 48, 39, 42, 45, 50, 44, 37, 34, 49, 51, 40, 36, 51, 51, 53, 38, 48,
35, 39, 47, 41, 38, 44, 37, 42, 59, 33, 34, 40, 44, 49, 52, 46, 37, 48, 43, 44, 43, 55, 41, 41, 44, 50, 41, 49, 46, 44, 44, 42, 29, 44,
34, 41, 52, 35, 50, 43, 46, 36, 49, 46, 58, 42, 38, 35, 54, 42, 41, 52, 35, 38, 32, 52, 45, 46, 38, 52, 54, 37, 39, 43, 37, 44, 46, 40,
37, 41, 45, 54, 44, 38, 38, 44, 32, 45, 55, 35, 47, 33, 47, 40, 39 ,
41, 42, 47, 37, 35, 35, 45, 37, 35, 29, 42, 29, 50, 35, 41, 41, 46, 34, 40, 43, 32, 38, 37, 32, 38, 44, 35, 54, 39, 32, 46)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,
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 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x)
[1] 41.60432
> var(x)
[1] 56.11724
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 6.7796, 第1自由度 = 4, 第2自由度 = 273, P値 = 3.241e-05
有意。群間に差異がある。

> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）

データ: x と g
バートレットのK二乗値 = 7.751, 自由度 = 4, P値 = 0.1011
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 = 6.7549, 第1自由度 = 4.000, 第2自由度 = 74.481, P値 = 0.0001076
有意。群間に差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 0.3597122 0.3597122
25 15 5.3956835 5.7553957
30 25 8.9928058 14.7482014
35 75 26.9784173 41.7266187
40 72 25.8992806 67.6258993
45 52 18.7050360 86.3309353
50 29 10.4316547 96.7625899
55 5 1.7985612 98.5611511
60 2 0.7194245 99.2805755
65 1 0.3597122 99.6402878
70 0 0.0000000 99.6402878
75 1 0.3597122 100.0000000
>

BGと試料の比較
x <- c( 40, 40, 37, 34, 35, 28, 48, 36, 25, 30, 38, 78, 30, 39, 36, 29, 29, 46, 42, 43, 34, 40, 42, 43, 42, 37, 45, 44, 37, 31 ,
39, 43, 40, 28, 45, 35, 34, 47, 47, 47, 51, 49, 45, 34, 47, 27, 46, 56, 31, 38, 44, 43, 38, 50, 38, 33, 32, 43, 29, 39 ,
39, 47, 36, 37, 33, 32, 32, 37, 37, 29, 47, 41, 37, 20, 52, 49, 27, 44, 39, 38, 35, 47, 36, 34, 44, 39, 50, 27, 37, 38, 44, 41, 45, 42 ,
46, 49, 37, 53, 43, 28, 69, 45, 37, 61, 47, 43, 36, 39, 40, 41, 40, 39, 39, 41, 46, 51, 48, 38, 40, 39, 52, 44, 39, 37, 45, 45, 36, 43,
52, 48, 43, 42, 47, 63, 52, 50, 49, 38, 42, 53, 41, 47, 38, 51, 28, 48, 39, 42, 45, 50, 44, 37, 34, 49, 51, 40, 36, 51, 51, 53, 38, 48,
35, 39, 47, 41, 38, 44, 37, 42, 59, 33, 34, 40, 44, 49, 52, 46, 37, 48, 43, 44, 43, 55, 41, 41, 44, 50, 41, 49, 46, 44, 44, 42, 29, 44,
34, 41, 52, 35, 50, 43, 46, 36, 49, 46, 58, 42, 38, 35, 54, 42, 41, 52, 35, 38, 32, 52, 45, 46, 38, 52, 54, 37, 39, 43, 37, 44, 46, 40,
37, 41, 45, 54, 44, 38, 38, 44, 32, 45, 55, 35, 47, 33, 47, 40, 39 ,
41, 42, 47, 37, 35, 35, 45, 37, 35, 29, 42, 29, 50, 35, 41, 41, 46, 34, 40, 43, 32, 38, 37, 32, 38, 44, 35, 54, 39, 32, 46)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 22.6297, 第1自由度 = 1, 第2自由度 = 276, P値 = 3.17e-06
有意。試料とバックグラウンドに差異がある。

> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）

データ: x と g
バートレットのK二乗値 = 0.6394, 自由度 = 1, P値 = 0.4239
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 = 21.6268, 第1自由度 = 1.000, 第2自由度 = 178.922, P値 = 6.416e-06
有意。試料とバックグラウンドに差異がある。

>

繰り返しによる影響

1. n = 95 BG 繰り返し数 =3
x <- c( 40, 40, 37, 34, 35, 28, 48, 36, 25, 30, 38, 78, 30, 39, 36, 29, 29, 46, 42, 43, 34, 40, 42, 43, 42, 37, 45, 44, 37, 31 ,
39, 47, 36, 37, 33, 32, 32, 37, 37, 29, 47, 41, 37, 20, 52, 49, 27, 44, 39, 38, 35, 47, 36, 34, 44, 39, 50, 27, 37, 38, 44, 41, 45, 42 ,
41, 42, 47, 37, 35, 35, 45, 37, 35, 29, 42, 29, 50, 35, 41, 41, 46, 34, 40, 43, 32, 38, 37, 32, 38, 44, 35, 54, 39, 32, 46)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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] 38.74737
> var(x)
[1] 57.06316
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.0397, 第1自由度 = 2, 第2自由度 = 92, P値 = 0.961
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 = 6.3666, 自由度 = 2, P値 = 0.04145
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 = 0.0512, 第1自由度 = 2.000, 第2自由度 = 58.811, P値 = 0.9502
有意ではない。繰り返しによる差異は不明。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 1 1.052632 1.052632
25 9 9.473684 10.526316
30 13 13.684211 24.210526
35 32 33.684211 57.894737
40 23 24.210526 82.105263
45 12 12.631579 94.736842
50 4 4.210526 98.947368
55 0 0.000000 98.947368
60 0 0.000000 98.947368
65 0 0.000000 98.947368
70 0 0.000000 98.947368
75 1 1.052632 100.000000
>

2. n = 183 豆腐50g, 赤外線20時間乾燥, 40度2日放置 繰り返し数 =2
x <- c( 39, 43, 40, 28, 45, 35, 34, 47, 47, 47, 51, 49, 45, 34, 47, 27, 46, 56, 31, 38, 44, 43, 38, 50, 38, 33, 32, 43, 29, 39 ,
46, 49, 37, 53, 43, 28, 69, 45, 37, 61, 47, 43, 36, 39, 40, 41, 40, 39, 39, 41, 46, 51, 48, 38, 40, 39, 52, 44, 39, 37, 45, 45,
36, 43, 52, 48, 43, 42, 47, 63, 52, 50, 49, 38, 42, 53, 41, 47, 38, 51, 28, 48, 39, 42, 45, 50, 44, 37, 34, 49, 51, 40, 36, 51,
51, 53, 38, 48, 35, 39, 47, 41, 38, 44, 37, 42, 59, 33, 34, 40, 44, 49, 52, 46, 37, 48, 43, 44, 43, 55, 41, 41, 44, 50, 41, 49,
46, 44, 44, 42, 29, 44, 34, 41, 52, 35, 50, 43, 46, 36, 49, 46, 58, 42, 38, 35, 54, 42, 41, 52, 35, 38, 32, 52, 45, 46, 38, 52,
54, 37, 39, 43, 37, 44, 46, 40, 37, 41, 45, 54, 44, 38, 38, 44, 32, 45, 55, 35, 47, 33, 47, 40, 39)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
> mean(x)
[1] 43.08743
> var(x)
[1] 49.46484
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 4.5766, 第1自由度 = 1, 第2自由度 = 181, P値 = 0.03375
有意。繰り返しによる差異がある。

> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）

データ: x と g
バートレットのK二乗値 = 0.3348, 自由度 = 1, P値 = 0.5629
有意ではない。先の分散分析は有効。

> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）

データ: x と g
F = 4.0975, 第1自由度 = 1.000, 第2自由度 = 39.251, P値 = 0.04979
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 6 3.2786885 3.278689
30 12 6.5573770 9.836066
35 43 23.4972678 33.333333
40 49 26.7759563 60.109290
45 40 21.8579235 81.967213
50 25 13.6612022 95.628415
55 5 2.7322404 98.360656
60 2 1.0928962 99.453552
65 1 0.5464481 100.000000
>

BGと試料の比較

1. n = 95 BG 繰り返し数 =3
gr1 <- c( 40, 40, 37, 34, 35, 28, 48, 36, 25, 30, 38, 78, 30, 39, 36, 29, 29, 46, 42, 43, 34, 40, 42, 43, 42, 37, 45, 44, 37, 31 ,
39, 47, 36, 37, 33, 32, 32, 37, 37, 29, 47, 41, 37, 20, 52, 49, 27, 44, 39, 38, 35, 47, 36, 34, 44, 39, 50, 27, 37, 38, 44, 41, 45, 42 ,
41, 42, 47, 37, 35, 35, 45, 37, 35, 29, 42, 29, 50, 35, 41, 41, 46, 34, 40, 43, 32, 38, 37, 32, 38, 44, 35, 54, 39, 32, 46)

2. n = 183 豆腐50g, 赤外線20時間乾燥, 40度2日放置 繰り返し数 =2
gr2 <- c( 39, 43, 40, 28, 45, 35, 34, 47, 47, 47, 51, 49, 45, 34, 47, 27, 46, 56, 31, 38, 44, 43, 38, 50, 38, 33, 32, 43, 29, 39 ,
46, 49, 37, 53, 43, 28, 69, 45, 37, 61, 47, 43, 36, 39, 40, 41, 40, 39, 39, 41, 46, 51, 48, 38, 40, 39, 52, 44, 39, 37, 45, 45, 36,
43, 52, 48, 43, 42, 47, 63, 52, 50, 49, 38, 42, 53, 41, 47, 38, 51, 28, 48, 39, 42, 45, 50, 44, 37, 34, 49, 51, 40, 36, 51, 51, 53,
38, 48, 35, 39, 47, 41, 38, 44, 37, 42, 59, 33, 34, 40, 44, 49, 52, 46, 37, 48, 43, 44, 43, 55, 41, 41, 44, 50, 41, 49, 46, 44, 44,
42, 29, 44, 34, 41, 52, 35, 50, 43, 46, 36, 49, 46, 58, 42, 38, 35, 54, 42, 41, 52, 35, 38, 32, 52, 45, 46, 38, 52, 54, 37, 39, 43,
37, 44, 46, 40, 37, 41, 45, 54, 44, 38, 38, 44, 32, 45, 55, 35, 47, 33, 47, 40, 39)
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）

データ: gr1 と gr2
t値 = -4.7571, 自由度 = 276, P値 = 3.17e-06
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -6.136092 -2.544035
標本推定値:
平均値x 平均値y
38.74737 43.08743
有意。試料とバックグラウンドに差異がある。

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = -4.6505, 自由度 = 178.922, P値 = 6.416e-06
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -6.181665 -2.498461
標本推定値:
平均値x 平均値y
38.74737 43.08743
有意。試料とバックグラウンドに差異がある。

> var.test(gr1, gr2)
二群の等分散性の検定

データ: gr1 と gr2
F = 1.1536, 第1自由度 = 94, 第2自由度 = 182, P値 = 0.4129
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.8180646 1.6599654
標本推定値:
分散比
1.153610
有意。分散が異なるので（Welchの方法）を使用する。

>

３.補足コメント
43.1 - 38.7 = 4.4 CPM (2.068 Bq)
試料の重さが50gだから
2.068 * 1000 / 50 = 41.36 Bq/kg。
水分 86.8-89.4%, カリウム 140-150 mg/100g (4.3-4.6 Bq/kg) ( http://www.bioweather.net/recipe/0706n/0706n_index_e1.htm )
より、含まれているカリウムに比べて10倍程度の線量である。

電池切れと思われるカウントが異常に低い測定。
過去の値を見ればわかるとおり、39前後の値がBG。
ところが、異常に低い値が出ました。
x <- c( 23, 18, 29, 15, 20, 18, 30, 16, 20, 25, 16, 25, 28, 24, 16, 14, 23, 28, 17, 19, 26, 40, 13, 27, 19, 25, 29, 18, 15, 16)

9V乾電池代替アダプター
http://item.rakuten.co.jp/denshi/51703/

１．測定対象
「佐賀市産たまねぎ　40度２週間乾燥 11.5g」の分析。

２．測定結果
1. n=31 糊台
x <- c( 36, 30, 25, 38, 43, 38, 40, 42, 40, 36, 28, 39, 43, 34, 45, 35, 40, 34, 37, 35, 34, 35, 42, 40, 46, 54, 40, 47, 34, 47, 39)

2. n=30 佐賀市産たまねぎ　40度２週間乾燥 11.5g
x <- c( 45, 46, 47, 59, 45, 47, 39, 58, 37, 62, 49, 45, 39, 36, 51, 42, 55, 44, 45, 47, 41, 53, 37, 37, 46, 49, 42, 49, 38, 57)

3. n=32 糊台
x <- c( 41, 47, 37, 26, 35, 40, 30, 26, 38, 61, 73, 41, 35, 40, 34, 32, 42, 39, 38, 37, 47, 39, 45, 50, 44, 44, 31, 32, 45, 34, 39, 52)

4. n=31 佐賀市産たまねぎ　40度２週間乾燥 11.5g
x <- c( 39, 41, 55, 41, 42, 55, 47, 36, 38, 33, 38, 57, 55, 48, 45, 51, 51, 56, 55, 59, 71, 37, 48, 42, 55, 52, 44, 51, 51, 35, 43)

5. n=31 糊台
x <- c( 31, 44, 40, 34, 34, 30, 31, 34, 40, 46, 40, 42, 48, 42, 42, 39, 32, 31, 48, 35, 41, 35, 45, 29, 34, 45, 43, 43, 34, 37, 46)

４.　データ貼り付け
全体の分析
x <- c( 36, 30, 25, 38, 43, 38, 40, 42, 40, 36, 28, 39, 43, 34, 45, 35, 40, 34, 37, 35, 34, 35, 42, 40, 46, 54, 40, 47, 34, 47, 39 ,
45, 46, 47, 59, 45, 47, 39, 58, 37, 62, 49, 45, 39, 36, 51, 42, 55, 44, 45, 47, 41, 53, 37, 37, 46, 49, 42, 49, 38, 57 ,
41, 47, 37, 26, 35, 40, 30, 26, 38, 61, 73, 41, 35, 40, 34, 32, 42, 39, 38, 37, 47, 39, 45, 50, 44, 44, 31, 32, 45, 34, 39, 52 ,
39, 41, 55, 41, 42, 55, 47, 36, 38, 33, 38, 57, 55, 48, 45, 51, 51, 56, 55, 59, 71, 37, 48, 42, 55, 52, 44, 51, 51, 35, 43 ,
31, 44, 40, 34, 34, 30, 31, 34, 40, 46, 40, 42, 48, 42, 42, 39, 32, 31, 48, 35, 41, 35, 45, 29, 34, 45, 43, 43, 34, 37, 46)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
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 ,
5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5)
> mean(x)
[1] 42.2129
> var(x)
[1] 70.20762
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 9.9201, 第1自由度 = 4, 第2自由度 = 150, P値 = 3.781e-07

> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）

データ: x と g
バートレットのK二乗値 = 11.8143, 自由度 = 4, P値 = 0.01879

> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）

データ: x と g
F = 10.7469, 第1自由度 = 4.000, 第2自由度 = 74.432, P値 = 6.267e-07

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 5 3.225806 3.225806
30 22 14.193548 17.419355
35 36 23.225806 40.645161
40 36 23.225806 63.870968
45 30 19.354839 83.225806
50 10 6.451613 89.677419
55 12 7.741935 97.419355
60 2 1.290323 98.709677
65 0 0.000000 98.709677
70 2 1.290323 100.000000
>

BGと試料の比較
x <- c( 36, 30, 25, 38, 43, 38, 40, 42, 40, 36, 28, 39, 43, 34, 45, 35, 40, 34, 37, 35, 34, 35, 42, 40, 46, 54, 40, 47, 34, 47, 39 ,
45, 46, 47, 59, 45, 47, 39, 58, 37, 62, 49, 45, 39, 36, 51, 42, 55, 44, 45, 47, 41, 53, 37, 37, 46, 49, 42, 49, 38, 57 ,
41, 47, 37, 26, 35, 40, 30, 26, 38, 61, 73, 41, 35, 40, 34, 32, 42, 39, 38, 37, 47, 39, 45, 50, 44, 44, 31, 32, 45, 34, 39, 52 ,
39, 41, 55, 41, 42, 55, 47, 36, 38, 33, 38, 57, 55, 48, 45, 51, 51, 56, 55, 59, 71, 37, 48, 42, 55, 52, 44, 51, 51, 35, 43 ,
31, 44, 40, 34, 34, 30, 31, 34, 40, 46, 40, 42, 48, 42, 42, 39, 32, 31, 48, 35, 41, 35, 45, 29, 34, 45, 43, 43, 34, 37, 46)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 38.3108, 第1自由度 = 1, 第2自由度 = 153, P値 = 5.289e-09

> 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 = 0.4249, 自由度 = 1, P値 = 0.5145

> 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 = 37.0818, 第1自由度 = 1.000, 第2自由度 = 121.213, P値 = 1.375e-08

>

繰り返しによる影響

1. n = 94 BG 繰り返し数 =3
x <- c( 36, 30, 25, 38, 43, 38, 40, 42, 40, 36, 28, 39, 43, 34, 45, 35, 40, 34, 37, 35, 34, 35, 42, 40, 46, 54, 40, 47, 34, 47, 39 ,
41, 47, 37, 26, 35, 40, 30, 26, 38, 61, 73, 41, 35, 40, 34, 32, 42, 39, 38, 37, 47, 39, 45, 50, 44, 44, 31, 32, 45, 34, 39, 52 ,
31, 44, 40, 34, 34, 30, 31, 34, 40, 46, 40, 42, 48, 42, 42, 39, 32, 31, 48, 35, 41, 35, 45, 29, 34, 45, 43, 43, 34, 37, 46)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 39.20213
> var(x)
[1] 53.08774
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.6929, 第1自由度 = 2, 第2自由度 = 91, P値 = 0.5027

> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）

データ: x と g
バートレットのK二乗値 = 10.1686, 自由度 = 2, P値 = 0.006193

> 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 = 0.5135, 第1自由度 = 2.00, 第2自由度 = 59.07, P値 = 0.6011

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 5 5.319149 5.319149
30 21 22.340426 27.659574
35 23 24.468085 52.127660
40 26 27.659574 79.787234
45 14 14.893617 94.680851
50 3 3.191489 97.872340
55 0 0.000000 97.872340
60 1 1.063830 98.936170
65 0 0.000000 98.936170
70 1 1.063830 100.000000
>

2. n = 61 佐賀市産たまねぎ　40度２週間乾燥 11.5g 繰り返し数 =2
x <- c( 45, 46, 47, 59, 45, 47, 39, 58, 37, 62, 49, 45, 39, 36, 51, 42, 55, 44, 45, 47, 41, 53, 37, 37, 46, 49, 42, 49, 38, 57 ,
39, 41, 55, 41, 42, 55, 47, 36, 38, 33, 38, 57, 55, 48, 45, 51, 51, 56, 55, 59, 71, 37, 48, 42, 55, 52, 44, 51, 51, 35, 43)
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] 46.85246
> var(x)
[1] 61.82787
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.3621, 第1自由度 = 1, 第2自由度 = 59, P値 = 0.5497

> 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 = 1.1914, 自由度 = 1, P値 = 0.2750

> 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 = 0.3645, 第1自由度 = 1.000, 第2自由度 = 57.378, P値 = 0.5484

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
30 1 1.639344 1.639344
35 13 21.311475 22.950820
40 10 16.393443 39.344262
45 16 26.229508 65.573770
50 7 11.475410 77.049180
55 12 19.672131 96.721311
60 1 1.639344 98.360656
65 0 0.000000 98.360656
70 1 1.639344 100.000000
>

BGと試料の比較

1. n = 94 BG 繰り返し数 =3
gr1 <- c( 36, 30, 25, 38, 43, 38, 40, 42, 40, 36, 28, 39, 43, 34, 45, 35, 40, 34, 37, 35, 34, 35, 42, 40, 46, 54, 40, 47, 34, 47, 39 ,
41, 47, 37, 26, 35, 40, 30, 26, 38, 61, 73, 41, 35, 40, 34, 32, 42, 39, 38, 37, 47, 39, 45, 50, 44, 44, 31, 32, 45, 34, 39, 52 ,
31, 44, 40, 34, 34, 30, 31, 34, 40, 46, 40, 42, 48, 42, 42, 39, 32, 31, 48, 35, 41, 35, 45, 29, 34, 45, 43, 43, 34, 37, 46)

2. n = 61 佐賀市産たまねぎ　40度２週間乾燥 11.5g 繰り返し数 =2
gr2 <- c( 45, 46, 47, 59, 45, 47, 39, 58, 37, 62, 49, 45, 39, 36, 51, 42, 55, 44, 45, 47, 41, 53, 37, 37, 46, 49, 42, 49, 38, 57 ,
39, 41, 55, 41, 42, 55, 47, 36, 38, 33, 38, 57, 55, 48, 45, 51, 51, 56, 55, 59, 71, 37, 48, 42, 55, 52, 44, 51, 51, 35, 43)
> t.test(gr1, gr2, v=T)
二標本t検定（分散が等しいと仮定できるとき）

データ: gr1 と gr2
t値 = -6.1896, 自由度 = 153, P値 = 5.289e-09
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -10.092168 -5.208494
標本推定値:
平均値x 平均値y
39.20213 46.85246
有意。試料とバックグラウンドに差異がある。

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = -6.0895, 自由度 = 121.213, P値 = 1.375e-08
対立仮説: 母平均の差は，0ではない
95 パーセント信頼区間: -10.137500 -5.163163
標本推定値:
平均値x 平均値y
39.20213 46.85246
有意。試料とバックグラウンドに差異がある。

> var.test(gr1, gr2)
二群の等分散性の検定

データ: gr1 と gr2
F = 0.8586, 第1自由度 = 93, 第2自由度 = 60, P値 = 0.5036
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.5343065 1.3480086
標本推定値:
分散比
0.8586377
有意。分散が異なるので（Welchの方法）を使用する。

>

３.補足コメント
46.9 - 39.2 = 7.7 CPM (3.619 Bq)
3.619 * 1000 / 11.5 = 314 Bq/kg
タマネギは 89%の水分を含むから、生タマネギあたりでは
314 * 11 / 1000 = 3.45 Bg/kg
K:150mg/100g( http://www.eiyoukeisan.com/calorie/nut_list/kalium.html )
より、150 * 10 = 1500 mg, カリウムは 3.09 Bq/100mgであるから
15 * 3.09 = 46.3 Bq/kg のカリウムの放射能を含む。

http://www.kobakuri.jp/section/eiyou/potassium.html カリウムを除去する調理方法。
前回富良野産タマネギの測定で度数分布を使った解析をしているので、度数分布を使った解析は前回を参照してください。
度数分布では、35,45,55の3つのピークが有り、35のピークをバックグラウント、と考えると
45のピークの物質濃度は
45-35 = 10 CPM (4.7Bq), 4.7 * 1000 / 11.5 = 408 Bq/kg(乾重量), 408 * 11 / 1000 = 4.49 Bq/kg(湿重量)。
55のピークの物質濃度は
55-35 = 20 CPM (4.7Bq), 4.7 * 1000 / 11.5 = 816 Bq/kg(乾重量), 816 * 11 / 1000 = 8.98 Bq/kg(湿重量)。
カリウム濃度が3.45ですから、近い45のピークがカリウムでしょう。
すると、セシウム濃度は8.98あたりになります。度数分布を使っている関係で1目盛りが5CPMです。このくらいの誤差を見てください。

北九州市で汚染瓦礫燃やしたから九州北部と中国四国地方も汚染したかも。
去年の時点で北九州市で汚染瓦礫を焼却済みとの情報もあり。ググればわかる。

１．測定対象
「塩漬けタケノコ(孟宗)。(40度3日乾燥)1.4g, 2012.04.28収穫, 薄切り後水洗い、3週間塩漬け、流水6時間塩抜き」の測定

２．測定結果
1. n=30 糊台
x <- c( 45, 35, 40, 45, 51, 33, 34, 41, 39, 40, 34, 36, 43, 46, 38, 35, 34, 32, 42, 51, 31, 46, 40, 30, 35, 31, 32, 43, 36, 52)

2. n=33 塩漬けタケノコ(孟宗)。(40度3日乾燥)1.4g, 2012.04.28収穫, 薄切り後水洗い、3週間塩漬け、流水6時間塩抜き
x <- c( 35, 44, 36, 40, 49, 36, 35, 40, 35, 56, 48, 34, 40, 31, 33, 38, 43, 38, 45, 44, 48, 29, 28, 26, 32, 36, 43, 33, 34, 48, 41, 40, 47)

3. n=82 糊台
x <- c( 52, 52, 44, 48, 45, 37, 37, 46, 33, 39, 39, 39, 45, 34, 37, 35, 45, 43, 52, 39, 42, 49, 32, 42, 42, 45, 35, 39, 36, 39, 32, 38, 43, 47, 30, 44, 44, 33, 43, 33,
34, 30, 44, 37, 40, 40, 40, 39, 42, 47, 42, 48, 28, 51, 42, 38, 36, 34, 43, 42, 38, 51, 37, 39, 47, 39, 39, 41, 48, 48, 41, 42, 42, 37, 36, 41, 43, 44, 38, 27, 34, 33)

4. n=31 塩漬けタケノコ(孟宗)。(40度3日乾燥)1.4g, 2012.04.28収穫, 薄切り後水洗い、3週間塩漬け、流水6時間塩抜き
x <- c( 47, 39, 32, 53, 41, 39, 40, 42, 36, 31, 39, 43, 39, 21, 39, 55, 48, 51, 35, 35, 28, 29, 36, 22, 45, 35, 38, 32, 49, 43, 29)

5. n=30 糊台
x <- c( 35, 33, 51, 47, 45, 43, 38, 53, 37, 33, 41, 43, 36, 56, 55, 46, 42, 38, 52, 44, 33, 42, 32, 28, 48, 36, 40, 49, 52, 48)

４.　データ貼り付け
全体の分析
x <- c( 45, 35, 40, 45, 51, 33, 34, 41, 39, 40, 34, 36, 43, 46, 38, 35, 34, 32, 42, 51, 31, 46, 40, 30, 35, 31, 32, 43, 36, 52 ,
35, 44, 36, 40, 49, 36, 35, 40, 35, 56, 48, 34, 40, 31, 33, 38, 43, 38, 45, 44, 48, 29, 28, 26, 32, 36, 43, 33, 34, 48, 41, 40, 47 ,
52, 52, 44, 48, 45, 37, 37, 46, 33, 39, 39, 39, 45, 34, 37, 35, 45, 43, 52, 39, 42, 49, 32, 42, 42, 45, 35, 39, 36, 39, 32, 38, 43, 47, 30, 44, 44, 33, 43, 33, 34,
30, 44, 37, 40, 40, 40, 39, 42, 47, 42, 48, 28, 51, 42, 38, 36, 34, 43, 42, 38, 51, 37, 39, 47, 39, 39, 41, 48, 48, 41, 42, 42, 37, 36, 41, 43, 44, 38, 27, 34, 33 ,
47, 39, 32, 53, 41, 39, 40, 42, 36, 31, 39, 43, 39, 21, 39, 55, 48, 51, 35, 35, 28, 29, 36, 22, 45, 35, 38, 32, 49, 43, 29 ,
35, 33, 51, 47, 45, 43, 38, 53, 37, 33, 41, 43, 36, 56, 55, 46, 42, 38, 52, 44, 33, 42, 32, 28, 48, 36, 40, 49, 52, 48)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3 ,
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)
> mean(x)
[1] 39.96602
> var(x)
[1] 45.71103
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 1.9415, 第1自由度 = 4, 第2自由度 = 201, P値 = 0.1050
有意。群間に差異がある。

> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）

データ: x と g
バートレットのK二乗値 = 8.3619, 自由度 = 4, P値 = 0.07919
有意。分散が異なるので先の分散分析は無効。

> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）

データ: x と g
F = 1.5538, 第1自由度 = 4.000, 第2自由度 = 75.416, P値 = 0.1954
有意。群間に差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 2 0.9708738 0.9708738
25 9 4.3689320 5.3398058
30 34 16.5048544 21.8446602
35 57 27.6699029 49.5145631
40 53 25.7281553 75.2427184
45 33 16.0194175 91.2621359
50 14 6.7961165 98.0582524
55 4 1.9417476 100.0000000
>

BGと試料の比較
x <- c( 45, 35, 40, 45, 51, 33, 34, 41, 39, 40, 34, 36, 43, 46, 38, 35, 34, 32, 42, 51, 31, 46, 40, 30, 35, 31, 32, 43, 36, 52 ,
35, 44, 36, 40, 49, 36, 35, 40, 35, 56, 48, 34, 40, 31, 33, 38, 43, 38, 45, 44, 48, 29, 28, 26, 32, 36, 43, 33, 34, 48, 41, 40, 47 ,
52, 52, 44, 48, 45, 37, 37, 46, 33, 39, 39, 39, 45, 34, 37, 35, 45, 43, 52, 39, 42, 49, 32, 42, 42, 45, 35, 39, 36, 39, 32, 38, 43, 47, 30, 44, 44, 33, 43, 33,
34, 30, 44, 37, 40, 40, 40, 39, 42, 47, 42, 48, 28, 51, 42, 38, 36, 34, 43, 42, 38, 51, 37, 39, 47, 39, 39, 41, 48, 48, 41, 42, 42, 37, 36, 41, 43, 44, 38, 27, 34, 33 ,
47, 39, 32, 53, 41, 39, 40, 42, 36, 31, 39, 43, 39, 21, 39, 55, 48, 51, 35, 35, 28, 29, 36, 22, 45, 35, 38, 32, 49, 43, 29 ,
35, 33, 51, 47, 45, 43, 38, 53, 37, 33, 41, 43, 36, 56, 55, 46, 42, 38, 52, 44, 33, 42, 32, 28, 48, 36, 40, 49, 52, 48)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
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)
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 3.3583, 第1自由度 = 1, 第2自由度 = 204, P値 = 0.06832
有意。試料とバックグラウンドに差異がある。

> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）

データ: x と g
バートレットのK二乗値 = 2.9588, 自由度 = 1, P値 = 0.08541
有意。分散が異なるので先の分散分析は無効。

> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）

データ: x と g
F = 2.9296, 第1自由度 = 1.000, 第2自由度 = 104.157, P値 = 0.08994
有意。試料とバックグラウンドに差異がある。

>

繰り返しによる影響

1. n = 142 BG 繰り返し数 =3
x <- c( 45, 35, 40, 45, 51, 33, 34, 41, 39, 40, 34, 36, 43, 46, 38, 35, 34, 32, 42, 51, 31, 46, 40, 30, 35, 31, 32, 43, 36, 52 ,
52, 52, 44, 48, 45, 37, 37, 46, 33, 39, 39, 39, 45, 34, 37, 35, 45, 43, 52, 39, 42, 49, 32, 42, 42, 45, 35, 39, 36, 39, 32, 38, 43, 47, 30, 44, 44, 33, 43, 33, 34,
30, 44, 37, 40, 40, 40, 39, 42, 47, 42, 48, 28, 51, 42, 38, 36, 34, 43, 42, 38, 51, 37, 39, 47, 39, 39, 41, 48, 48, 41, 42, 42, 37, 36, 41, 43, 44, 38, 27, 34, 33 ,
35, 33, 51, 47, 45, 43, 38, 53, 37, 33, 41, 43, 36, 56, 55, 46, 42, 38, 52, 44, 33, 42, 32, 28, 48, 36, 40, 49, 52, 48)
g <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1 ,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2 ,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3)
> mean(x)
[1] 40.54225
> var(x)
[1] 39.82444
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 2.4671, 第1自由度 = 2, 第2自由度 = 139, P値 = 0.08853
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 = 3.7902, 自由度 = 2, P値 = 0.1503
有意。分散が異なるので先の分散分析は無効。

> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）

データ: x と g
F = 1.9065, 第1自由度 = 2.000, 第2自由度 = 54.066, P値 = 0.1585
有意。繰り返しによる差異がある。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
25 3 2.112676 2.112676
30 25 17.605634 19.718310
35 38 26.760563 46.478873
40 39 27.464789 73.943662
45 23 16.197183 90.140845
50 12 8.450704 98.591549
55 2 1.408451 100.000000
>

2. n = 64 塩漬けタケノコ(孟宗)。(40度3日乾燥)1.4g, 2012.04.28収穫, 薄切り後水洗い、3週間塩漬け、流水6時間塩抜き 繰り返し数 =2
x <- c( 35, 44, 36, 40, 49, 36, 35, 40, 35, 56, 48, 34, 40, 31, 33, 38, 43, 38, 45, 44, 48, 29, 28, 26, 32, 36, 43, 33, 34, 48, 41, 40, 47 ,
47, 39, 32, 53, 41, 39, 40, 42, 36, 31, 39, 43, 39, 21, 39, 55, 48, 51, 35, 35, 28, 29, 36, 22, 45, 35, 38, 32, 49, 43, 29)
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)
> mean(x)
[1] 38.6875
> var(x)
[1] 57.20238
> oneway.test(x ~ g, var = T)
一元配置分散分析

データ: x と g
F = 0.0745, 第1自由度 = 1, 第2自由度 = 62, P値 = 0.7859
有意ではない。繰り返しによる差異は不明。

> bartlett.test(x, g)
分散の一様性の検定（バートレット検定）

データ: x と g
バートレットのK二乗値 = 1.061, 自由度 = 1, P値 = 0.303
有意。分散が異なるので先の分散分析は無効。

> oneway.test(x ~ g)
一元配置分散分析（等分散を仮定しない場合）

データ: x と g
F = 0.0736, 第1自由度 = 1.000, 第2自由度 = 58.435, P値 = 0.7871
有意ではない。繰り返しによる差異は不明。

> dosuu.bunpu(x, 5)
freq pcnt cum.pcnt
20 2 3.1250 3.1250
25 6 9.3750 12.5000
30 9 14.0625 26.5625
35 19 29.6875 56.2500
40 14 21.8750 78.1250
45 10 15.6250 93.7500
50 2 3.1250 96.8750
55 2 3.1250 100.0000
>

BGと試料の比較

1. n = 142 BG 繰り返し数 =3
gr1 <- c( 45, 35, 40, 45, 51, 33, 34, 41, 39, 40, 34, 36, 43, 46, 38, 35, 34, 32, 42, 51, 31, 46, 40, 30, 35, 31, 32, 43, 36, 52 ,
52, 52, 44, 48, 45, 37, 37, 46, 33, 39, 39, 39, 45, 34, 37, 35, 45, 43, 52, 39, 42, 49, 32, 42, 42, 45, 35, 39, 36, 39, 32, 38, 43, 47, 30, 44, 44, 33, 43, 33, 34,
30, 44, 37, 40, 40, 40, 39, 42, 47, 42, 48, 28, 51, 42, 38, 36, 34, 43, 42, 38, 51, 37, 39, 47, 39, 39, 41, 48, 48, 41, 42, 42, 37, 36, 41, 43, 44, 38, 27, 34, 33 ,
35, 33, 51, 47, 45, 43, 38, 53, 37, 33, 41, 43, 36, 56, 55, 46, 42, 38, 52, 44, 33, 42, 32, 28, 48, 36, 40, 49, 52, 48)

2. n = 64 塩漬けタケノコ(孟宗)。(40度3日乾燥)1.4g, 2012.04.28収穫, 薄切り後水洗い、3週間塩漬け、流水6時間塩抜き 繰り返し数 =2
gr2 <- c( 35, 44, 36, 40, 49, 36, 35, 40, 35, 56, 48, 34, 40, 31, 33, 38, 43, 38, 45, 44, 48, 29, 28, 26, 32, 36, 43, 33, 34, 48, 41, 40, 47 ,
47, 39, 32, 53, 41, 39, 40, 42, 36, 31, 39, 43, 39, 21, 39, 55, 48, 51, 35, 35, 28, 29, 36, 22, 45, 35, 38, 32, 49, 43, 29)
> 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 = 1.8326, 自由度 = 204, P値 = 0.06832
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: -0.1407772 3.8502842
標本推定値:
平均値x 平均値y
40.54225 38.68750
有意。試料とバックグラウンドに差異がある。

> t.test(gr1, gr2)
二標本t検定（Welchの方法）

データ: gr1 と gr2
t値 = 1.7116, 自由度 = 104.157, P値 = 0.08994
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: -0.2940754 4.0035824
標本推定値:
平均値x 平均値y
40.54225 38.68750
有意。試料とバックグラウンドに差異がある。

> var.test(gr1, gr2)
二群の等分散性の検定

データ: gr1 と gr2
F = 0.6962, 第1自由度 = 141, 第2自由度 = 63, P値 = 0.08045
対立仮説: 分散比は，1ではない
95 パーセント信頼区間: 0.4482033 1.0446689
標本推定値:
分散比
0.6962025
有意。分散が異なるので（Welchの方法）を使用する。

>

３.補足コメント
38.7 - 40.5 = -1.8 CPM (-8.46 Bq)
8.46 * 1000 / 1.4 = 604 Bq/kg

やっと、試料のほうがバックグラウンドよりも低くなる自家製食品が作れました。
タケノコをスライサー( http://item.rakuten.co.jp/zakkacocker/322426/ 等)で薄切りにして、流水中に２−３時間、排水の白濁が消て透明になるまで放置。
表面に食塩をまぶしながら、漬物樽( http://item.rakuten.co.jp/ra-beans/5977103/ )に充填。食塩量は重さで２割ぐらい。漬物石を１個。
１週間後、上がってきた水を全部捨てて、塩1kgを追加投入。低線量の食酢がなかったので、腐敗防止にクエン酸2gを投入。
翌日、水が上がって来るのを待って、均一に攪拌(酸が均一に混ざっていないと、５月の高温で腐る)。
３週間後に、一部を取り出して、流水で６時間塩抜き、４０−５０度で３日間乾燥して、測定したもの。
まもなく６月になるので、今度は真竹を加工する予定。

漬け汁を手で直接触れると腫れるので、ゴム手袋が必須。

>>412
瓦礫焼却が原因か
それとも、黄砂による越境汚染か
東京上空や佐渡上空を通って、九州沖縄まで塵が飛んでいったのか
そのあたりは、わからないけど
汚染が進んでいることはほぼ間違いないでしょう。

福島で誰かが発癌率を全国一低くする、なんて発言していたから
日本全体を汚染させるのが、政府の方針でしょう。

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

静岡県より東の食品は汚染しているのはわかりました。
九州、四国、中国、関西、北陸、東海のデータがあると、このスレを見ているママさんたちに役にたつと思います。
北九州市の汚染瓦礫焼却で、西日本の食品が汚染したかもしれません。
煙はどのくらいの距離まで飛ぶのかわかりませんが、5月23−25日に雨が降った地域はホットスポットになっている可能性が高いです。

キモオタとジーサンしか見てねーよ。こんなすれ。

http://tenki.jp/past/detail/?day=25&month=5&selected_image=amedas&year=2012
5月25日の降水量と雨雲の動きが判明しました。
25日は北九州市で汚染瓦礫を燃やした日です。
日本全域で雨が降っているので、西日本でホットスポットができている可能性が高いです。

http://tenki.jp/
過去天気→2012年→5月→5月23日の画像クリック→下の「アメダス」クリック→
「降水量」タブクリック

(栃木県) と (やわらか銀行)、 キモい二人だけのＳＮＳスレです。

>>424
http://uni.2ch.net/test/read.cgi/radiation/1331598144/349
http://uni.2ch.net/test/read.cgi/radiation/1331598144/357
http://uni.2ch.net/test/read.cgi/radiation/1331598144/359
より、
インスペクター系総合 ３【inspector+,Alert】から栃木が追い出されただけです。