インスペクター系総合 3【inspector+,Alert】
Inspector系放射線計測器を語るスレです。 OEM品のDRM-BTD、CRM-100などの話題もこちらでどうぞ。 緊急自然災害板からここ、放射能板に移動しました。 前スレ http://uni.2ch.net/test/read.cgi/radiation/1321400997/ メーカサイト Inspector Plus(+) S.E. International, Inc. (米国 テネシー州) http://www.seintl.com/products/inspectorplus.html Inspector Alert International Medcom, Inc.(米国 カリフォルニア州) http://medcom.com/products/inspector-alert 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。 read.cgi ver 07.5.5 2024/06/08 Walang Kapalit ★ | Donguri System Team 5ちゃんねる