インスペクター系総合 3【inspector+,Alert】
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 >>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。 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。 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。 >>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。 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。 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。 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… 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 >>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。 >>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。 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。 >>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? >>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? 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。 >>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。 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 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。 >>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。 >>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 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 ----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---- 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。 カリウムガーて言われるけど、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。 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 3p 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。 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 >>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。 >>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。 >>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。 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 >>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。 . -―- . 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。 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。 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。 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) >>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。 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。 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本ぐらいでカンベンしてほしかった 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。 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 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 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 >>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。 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。 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。 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。 >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。 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/ 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。 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。 >>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。 >>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。 >>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 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? 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。 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。 >>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 >>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。 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… 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。 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。 >>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 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。 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。 >>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 >>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 >>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。 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 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。 >>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 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。 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 >>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? >>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 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、インスペクター+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Iインスペクター+ XTREMEが、約43000円で、国内に比べて格安価格だね。 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。 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ーー このスレでは危険厨のアンチ転売屋の振りをして、スレを潰した「卑怯者」 別スレに乱入し、放射能に気を使っている人を「放射脳」呼ばわりする「クズ野郎」 「長屋」は 実は 「安全工作員」 「長屋」 は 「卑怯者」 で 「嘘つき」 な 「安全工作員」 だった!! 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Iインスペクター+ XTREMEが、約43000円で、国内に比べて格安価格だね。 http://www.amazon.com/dp/B004CCRIIE 原子力村→下請会社→孫請け会社→工作員1レス10円→乞食長屋 このスレでは危険厨のアンチ転売屋の振りをして、スレを潰した「卑怯者」 別スレに乱入し、放射能に気を使っている人を「放射脳」呼ばわりする「クズ野郎」 「長屋」は 実は 「安全工作員」 「長屋」 は 「卑怯者」 で 「嘘つき」 な 「安全工作員」。 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安いね 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 ブーツつきIインスペクター XTREMEが、約43000円で、国内に比べて超買得。 http://www.amazon.com/dp/B004CCRIIE >>588 みんなわかってるから。まあ落ち着こうぜ。乞食に何言っても無駄だよ。 >>590 そうだね。 「長屋」 は 「卑怯者」 で 「嘘つき」 な 「安全工作員」だね。 >>590 ゲラゲラwww つ >571 そろそろ (やわらか銀行) に替わって出てきますか? 乞食だから1レス10円もらうために毎日必死なんだよ。 無視しとくのが一番いいぞ。 >>590 >>591 自作自演したり、工作員認定したり大変だねえ。プッゲラ。 インスペクターは米アマから買うほうが価格が安いね 円高だから。 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Iインスペクター XTREMEが、約43000円で、国内に比べて超買得。 http://www.amazon.com/dp/B004CCRIIE 話変わるけど、ヨウ素剤もっとけよー。 また核爆発したときはヨウ素剤が必要になるぞ。 海老蔵先生が東京から逃げたら要注意だな。 >>594 勝手に妄想して、人にレッテルを貼るクズ野郎 そうやって、今までスレを散々潰してきたんだよな。 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 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ーー このスレでは危険厨のアンチ転売屋の振りをして、スレを潰した「卑怯者」 別スレに乱入し、放射能に気を使っている人を「放射脳」呼ばわりする「クズ野郎」 「長屋」は 実は 「安全工作員」 「長屋」 は 「卑怯者」 で 「嘘つき」 で 「妄想狂」 な 「安全工作員」 インスペクターは米アマから買うほうが価格が安いね 円高だから。 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Iインスペクター XTREMEが、約43000円で、国内に比べて超買得。 http://www.amazon.com/Radiation-Alert-INSPECTORXTREME-Microprocessor-Based-Protective/dp/B004CCRIIE 「長屋」 は 「卑怯者」 で 「嘘つき」 で 「妄想狂」 な 「安全工作員」 (やわらか銀行) になったり (神奈川県) になったり御苦労なことだねえ。 ところで、 「卑怯者」 で 「嘘つき」 で 「妄想狂」 って、オレよりふさわしい人がいるよねwww 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」 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 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。 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 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 「安全工作員」 乞食長屋は無視しましょう。無視しておけばそのうちいなくなります。 相手にする人も荒らしです。 明日から、EX直販サイトオープンだなあ 米アマゾンの、ブーツつきインスペクター+(XTREME) ¥ 43000 のさらに半額かあ。 今まで、散々人の不幸で儲けてきたインスペクター転売屋は大丈夫かなwww 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」 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 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。 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 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 「安全工作員」 エアカウンターEXはインスペ持ちで空間線量測る用にはいい組み合わせだから楽しみですね。 Sを持ってるけど、計測時間が30秒に短縮というのは魅力的。 http://www.st-c.co.jp/topics/2012/000460.html 明日10時から発売です。 >>607 エアカウンターEXは、レビューによると振動と静電気で誤作動するみたいだから、様子見したほうがいいよ。 DC-100のほうがいいと思う。 これは致命的な点だと感じたのですが、静電気に大変弱い。静電気対策がほとんど為されていない印象です。 ラバーカバー無しだとセンサー部分を素手で擦っただけで0.02表示がイッキに10倍〜100倍ほど跳ね上がったのには驚きました。 また、振動にもやや弱いようで筐体の工夫が望まれます。 >>608 そうなんだ、でももう買っちゃった、、、。 DC100がもうちょっと安くなればいいのになあ。 振動や静電気に弱いのはSと一緒だから、その点注意して使えばいいかな。 マイカ窓の破損が怖くてこの時期は、インスペは外に持ち出したくないヘタレなもんで、 性能よりも値段で決めてしまった。 >>609 確かにインスペクターはなるべく外に持ち出さないほうがいい。 家の中に入れるものをすべて表面検査専用にしたほうが長持ちしそう。 エアカウンターEXは、初代エアカウンターの後継機種だから、エアカウンターSとはまったくの別物。 製造メーカーも違う。 >>610 さすが詳しいね、いろいろありがとうね。 湿気に注意。 保管は100円ショップの蓋つきケースに乾燥剤が低コスト。 あとそろそろ電池の液漏れに注意。 あまり使用していなくても交換推奨。 去年の今頃買った人多いだろうから。 電子機器用乾燥剤で、民間に売られているもの、 できれば、通信販売のサイトか製造元のサイトを知らせてくれ。 食品用と電子用だと包装がことなるので。 変な粉や変な蒸気で壊したくないから。 電池っていうか、インスペの電池はアルカリ電池だから 製造後1年でほぼ自己放電してしまう。 自己放電で電池の中身がなくなると、液漏れをはじめる。 電池は比較的安いから、使用有効期限で交換するというのが 予防保全の観点にたった使い方だろう。 >>613 100円ショップの中国製の乾燥剤使っているけど、1年以上問題ない。 日本製の乾燥剤は汚染の可能性があるから使っていない。 >>613 カメラ用のにすれば? 俺は100円ショップのだけど 私はカメラ用を使ってる。 ハクバのお徳用パック。成分が石灰だけのやつ。 「HAKUBA 強力乾燥剤」で検索したらでてくるね。 ヨドバシカメラコムで乾燥剤2個入りで送料無料で140円。日本製。 Inspector PLUSもついに43500円にまで下がったんだなあ。 そろそろ購入を考えてもいい頃かな。 てか日本のメーカーはα線対応のガイガー作らないのかな。 作ってるのにどうして作ってないことにしたいんだ?お前は。 作ってるのにそれを知らない情弱ってことでしょう。 かわいそうな人なんだからほっときな。 PLUSは値段下がったんだけど、どうしてALERTは下がらないんだ? >>625 のリスト見ると、インスペクターて安いんだね。 α測れるものはだいたい20万円くらいするんだね。 α線なんて10cm離すと消えちゃうから、測れてもあまり意味無い。 何を言っているんだ。 WTPつけてγを測って。 WTP外して紙かなんかを挟んで測って。 土壌ギリとかで測ってα、β、γでの有意な差が出た時が楽しいんじゃないか! >>632 だからよ、地面からα線検出したらただちに逃げろて。 孫の世代はミュータントになるぞ。 http://www1.odn.ne.jp/ ~aac65140/images/metaphoto02.jpg >>632 ベラルーシ大使がそれやっちゃ絶対ダメだって言ってたよ プルは肺ガン100パーだと言ってた >>635 わざわざαを検出すんなてこと? 仮にそうだとしてもタバコ1日1箱すうから。 もっと肺癌リスクは高いよ。俺。 フクイチぐらいの放射能じゃあんまり変わらないよ俺は。気にして無い。 孫がミュータントになるくらいで、ただちに影響はない。フルアーマー枝野より αを測る時に吸い込む可能性があるからやるなってことじゃないかな? で、αが出たならそこら一帯にあるだろうから早く逃げろと。 乾燥の季節ですよ。そろそろ。 マイカ窓のcheckですね 12月になったから、個人向けに大量に販売された時期になる。 皆さん、校正はどうしていますか。 購入より1年で校正のシーズンになりました。 >>640 の"校正"という文字が目に入りました。ここのスレッドへの投稿は初めての者ですが、 どなたか詳しい方がおられるかなと思い質問してみました。 plusを購入して1年超で、cpmオンリーで使っています。(μsvは他の機械で確認し)もっぱら 物質表面の放射能の勢いを体感(音を数字で確認)する目的で使っています。 しかし、この場合でも校正って必要なのでしょうか?。つまりは、校正しておかないと、 cpm数値が、あるべき値からどんどんズレていく可能性ってあるでしょうか?。 毎分ごとの機械の放射線カウント値(cpm)が、機械を校正しないと狂ってくるのかどうか、 どなたかご存知の方に教えていただけるとありがたいです。文長くなりすみません。 インスペクターに使われている部品の特性がわからないので、一般論で http://www.rs.kagu.tus.ac.jp/ ~phlabex/LabExercise/radiation/index1.html 図2 GM 計数管の電圧特性 で、使われている高圧の電源が変化すると、出力が変わります。 電源電圧を変更することで、1uSv/h 334カウントという特性を確保しているはずなので 使い方によっては、狂います。 (1) GM 計数管の動作原理 を読んでほしいんだけど、放射線検出は、ガイガー管内物質のイオン化で行われています。 つまり、メーカーの想定値以上の計数を行うと、内部物質が変質して感度が落ちます。 変質の例としては、イオン化したアルコール同士がぶつかってに量体を合成とか。 一般の方で、基準となる線源を持っている方は少ない(極端な話、私は自宅内に線源は置きたくない)ので、 年1回の校正は、管理施設内程度の測定値を常に測っている(1日8時間で計算)程度の線量があるところですと、必要でしょう。 なお、業として使っていた頃は、1回も校正にだしたことがありません。 自然放射能程度(100nGy)以上を検出したことがありませんので、年1回ぐらい簡易校正(線源に当てて目盛りがあっていることを確認)するぐらいです。 質問者より。 >>642 さん、ご回答ありがとうございました。 さらに>>643 さん、とても詳細にご回答いただけて感謝します。 線源に使えるものは、手許にやさしおしか残ってませんが、 購入当初と比べて感度が狂ってきたようにはみられないので、 1年超だからすぐに校正をと焦らなくていいかなと判断しました。 そもそも表面汚染を知りたいだけなので、使用頻度は少ないです。 かつてマントルを借りて当ててみたときは、けたたましく鳴り、 カウントオーバーでしたが、想定値以上とかはその一時だけです。 あとは乾燥昆布〜やさしお〜道路〜コンクリ〜ごみ紙パックとかの 使用で、100・200・300cpmあたりのレベルかな。 ともかく、お二方、ありがとうございました。 福島原発の中でずっと使い続けているなら、定期的な校正が必要だね。 1uSv/h以下の状況で使っているなら、校正は必要ないだろ。心配なら5年に1回くらいすればいいかな。 久々に動かしてみるか・・北朝鮮からなんか飛んできてるかもだし 久しぶりに米尼みたけど、インスペクター関係が軒並み日本への出荷不可になってるわ。 Wipeプレートは当時の半値だけど、それ以外は値段も上がってるし・・・ 連続で測定しているけど、一時平均0.1μSv/h位に下がったけど、1月くらいから気持ち 上がって0.12〜0.14になってきている。/東京西部 >648 それは誤差の範囲。 トータルタイマーモードで10分くらい測って、毎日のカウント数を比較するといいよ。 汚染瓦礫は夜にこっそり燃やしているらしいから、夜のカウント数も比較するといいかも。 ついでにグラフにすると曜日や時間によって変化したら、対策がとれるはず。 × 冬は季節風の影響で線量が上がるわ ○ 汚染瓦礫焼却の影響で線量が上がるわ × 冬は季節風の影響で線量が上がるわ × 汚染瓦礫焼却の影響で線量が上がるわ ○ 阿多棚お漏らしの影響で線量が上がるわ♪ Inspector Plusって飛行機で持ち運んでも大丈夫だよね? いやさ高度2438.4メートル以上での使用は×ってあるからさ 電源入れなきゃOK? >>654 与圧してる航空機なら大丈夫じゃない? 大気圧が低いとマイカ窓が破損するけど。 飛行機全然大丈夫でしたよ。無論X線検査もな。 要は機内は気圧は調整してあるからね。 ちなみにSOEKSも元気。 でも裸で富士山頂はNGつことか。 今からインスペクターを買うなら、どの業者がいいですか? >>661 2012年1月ぐらいの価格だな。ブーツも値段が高い。 >>662 さんが>>660 さんと同じ方かどうかは知らないけれど。 >>661 をあげた俺は、アンカーは>>659 の北海道さんあて。 もちろん少しでも安いにこしたことはないと思うけど、 >安けりゃどこでもいい、のためじゃないのであしからず。 俺は一昨年だけど、桜子さん丁寧に応対してくれる業者だった。 インスペクターはPlusにしろAlertにしろ、LND7317という大型で、 うす〜い雲母のGM管がポイント。つまり扱いに注意なので、いい加減業者だと困るから。 以上あしからず。 あっ一応弁解。ちなみに俺、桜子さんのセールスマンでも何でもないし、 何をもっていい業者と判断するかは人それぞれ。誤解があればごめん。 winny製作者の金子さんが心筋梗塞で死んだよな。まだ42歳だぞ。 トンキンに住んでるから放射能の影響だな。 セシウムは心臓にたまりやすいから、心筋梗塞になりやすい。 2014年ー2015年くらいからどんどん心筋梗塞で死んでいくぞ。 地面の土をアルファ線対応ガイガーで数分間測って汚染していたら、ただちに避難が必要。 金をけちってエアカウンターみたいなゴミを買った人はきっと後悔するだろう。 自分の生命健康,未来を守りたいのなら選挙に行こう! 高濃度放射性物質拡散行為反対! 原発再稼動反対! 基本的人権まで無くそうと憲法改正を強行しようとしている売国奴政権は要らない! 徴兵制度及び国防軍化反対! 福島第一原発事故以来今も尚,毎時1000万ベクレル以上の 高濃度放射性物質を事故以来拡散し続けており, 事故の収束すら全くお手上げ状態にもかかわらず 原発再稼動を強行する諸悪の根源の売国奴政権の存続断固反対! 自民・公明・維新の会・みんなの党・民主は 日本国国民及び日本国自体を壊滅させる! インスペクターって、 測定限界1000マイクロシーベルト超えになると どんな表示になるの >>671 ttp://www.asyura2.com/11/senkyo110/msg/838.html >そして、線量を計ったら、やはり、ここはさすがに高い。ガイガーカウンターが、初めからガーガー鳴って、550マイクルシーベルト毎時を指しました。 >そして、860マイクロシーベルト(860μSv/h)の、やや高濃度の値を出しました。私も、すこしびっくりしました。東電の社員や協力会社の作業員たちは、こんな環境で当たり前のように仕事をしているのだ、と思いました。それでも、まだ、マイクロ(μ)の単位です。 >私は、これぐらいの数値は、大人の人間なら平気で生きて行けると信じています。 >ところが、弟子の六城(ろくじょう)君が、「先生、地面を計ってください」と言って、道路の脇も芝生を計ったら、なんと、すぐに、カウンターの数値が振り切れて、1100マイクロシーベルトを超えて、おそらく、4から5ミリシーベルト毎時の数値を示したでしょう。 ttp://blog.ergose.com/?p=5179 ttp://blog.ergose.com/wp-content/uploads/2011/04/soejima.jpg インスペクターUSB 0.04の厚みのビニール袋に入れ さっき屋外の土部分、地上高1〜2cmで測ると、 最初の30秒後の数値68cpm。μmシーベルトだと0.022。 インスぺの例のあのステンレスの板を入れて測ると、同条件で 46cpm位。μmシーベルトだと0.017。 この差ベータ線?それとも、高エネルギーガンマ線+ベータ線かな、誤差かな。 あのステンレスケースは、厚みが1mm位しかないから、ベータだけの数値は出ないよな? それと、エアカウンターの最初のマル型白色ので同条件で測ると 測定完了時0.09μmシーベルト。 どれも一回ずつしか測ってないけどな。 >>676 追加 室内べた置きインスぺ(ビニール袋入り)だと36cpm位。 屋外、トタン屋根下地上高1m、昨年このエアカウで測ってた頃は 0.14マイクロシーベルト毎時だったけどな 当時はインスぺは持ってなかったから測ってない ちなみにバナナを室内床べた置き、1cm離して最近インスぺで測ってみたところ 44cpm位だったから、バナナはバックグラウンドの数値を引いた10cpmってこと? >>676 >>677 >>678 です。 単位の読み間違い発覚しました。(因みに、この日は雨天でした。) インスペクターUSBの単位でμ㏜/hは、m㏜/hの間違いでした。 (エアカウンターマル型白はμ㏜/hのままでOK) よって0.022→22μ㏜ 0.017→17μ㏜ >>679 文字化けしたから再訂正。 「μ&♯13276;」は、「マイクロシーベルト毎時」です。 「m以下同文」は「ミリシーベルト毎時」です。 ですが、インスぺの単位の読み方 ※再度間違い発覚! ミリシーベルト→ミリレム(1時間あたり)でした。申し訳ない。 なので、これそマイクロシーベルト(1時間あたり)に換算すると 0.022ミリレム(1時間あたり)→0.22マイクロシーベルト(1時間あたり) 0.017ミリレム(1時間あたり)→0.17マイクロシーベルト(1時間あたり) でした。何度もすまん。 因みに晴天の今日は、同じ場所で地上高3cm程で 0.13マイクロシーベルト(1時間あたり) cpmでは50〜60程度 合計3ミリ程のステンレス板を挟み(>>676 は1mm程度のステンレス板だった) 0.007ミリレム(1時間あたり)→0.07マイクロシーベルト(1時間あたり) cpmでは40〜50程度でした。 インスペクター高い 他にアルファベータガンマ測れてトータルタイマー付いててやすいきしゅおしえ 中学生でもできる副業情報ドットコム 参考までに書いておきます グーグルで検索するといいかも『ネットで稼ぐ方法 モニアレフヌノ』 Y8YWR 油井理は放射性廃棄物の中間処理業者になったんだな 放射線を浴びて被爆して死ぬんだろうな 弱い者イジメしか脳のない人間のクズだったが 贖罪のために頑張れよ スペクター先生に添削してもらおう❗ Fake news that strongly impressed Cornelius's cruel bullying https://note.com/606808/n/n33546d76d19c 🇷🇴コカイン・デマートソン🇷🇴 https://pbs.twimg.com/media/DjkKigJXgAAl2U9.jpg # 小山田圭吾デマ read.cgi ver 07.5.5 2024/06/08 Walang Kapalit ★ | Donguri System Team 5ちゃんねる