葡萄酒的评价问题Word格式文档下载.docx

1、在50分的基础上 按酒的质量特点加分，酒的颜色和外观值5分，好的葡萄酒的外观应该澄亮透明，深颜色的酒可以不透明但有光泽且颜色与酒的名称相符、色泽自然、悦目。然后酒香值15分取决于香气的浓度、复杂度和纯粹感。香气应该是葡萄的果香，主要包括花香、果香、辛料香、动物香、矿物香、焙烤香等香气类型这些香气应该平衡、协调、融为一体香气幽雅、令人愉快酒的口感。后味值20分好的葡萄酒其口感应该是舒畅愉悦的各种香味应细腻、柔和酒体丰满完整有层次感和结构感果味、单宁、酒精、酸度、甘油、糖分均衡 余味绵长。最后酒的总体质量水平或者演化进步的潜力也就是说陈化的潜力值10分。问题分析针对问题一，我们将它分成两个问题去解

2、决1、针对问题一中的两组评酒员的评价结果有无显著性差异，我们在MATLAB中利用单因子方差分析去判断。在这之前，我们对附录1中数据进行处理，利用excel分别求出两组评酒员对红葡萄酒和白葡萄酒的评价结果。2、针对问题一中选择哪组结果更加可靠，我们利用MATLAB求出两组葡萄酒评价结果的平均值的方差，通过对比两组相应葡萄酒评价结果的平均值的方差，从而确定出第几组的结果更可靠。针对问题二首先我们结合问题一的结论（第二组的的的评价结果比较可靠），所以葡萄酒质量的评价结果就直接引用第二组，再结合酿酒葡萄的一级理化指标，进行主成分分析，得到十种主成分。然后通过聚类分析的原理，在MATLAB实现对酿酒葡萄

3、的分类。针对问题三首先，我们分析酿酒葡萄与葡萄酒一级理化指标的数据发现一级理化指标基本相同，于是把相同的一级理化指标挑选出来。由于酿酒葡萄的一级理化指标远和葡萄酒的一级理化指标的单位不一致，我们可以通过MATLAB对所选出的一级理化指标进行标准化。然后在excel中对选出的标准化的一级理化指标之间进行数据分析。从而得出葡萄酒一级理化指标与酿酒葡萄的一级理化指标图形，分析图形可得出葡萄酒一级理化指标与酿酒葡萄的一级理化指标的联系。针对问题四首先我们知道，葡萄酒的一级理化指标若理想，葡萄酒的质量就较高；但葡萄的一级理化指标理想，葡萄酒的质量不一定高。因此我们在MATLAB中，运用相关分析，分别计算

4、出葡萄酒的一级理化指标与葡萄酒质量的相关系数、葡萄的一级理化指标与葡萄酒质量的相关系数。然后通过对相关系数的比较，分析葡萄和葡萄酒的一级理化指标对葡萄酒质量的影响。从而论证葡萄和葡萄酒的一级理化指标能否评价葡萄就的质量。基本假设1. 假设制作葡萄酒的工艺是一样且稳定的；2. 假设酿造葡萄酒的环境是相同的；3. 假设只考虑一种葡萄制成一种酒；4. 假设只考虑红葡萄制成红葡萄酒，白葡萄制成白葡萄酒，忽略去皮红葡萄可酿制白葡萄酒；5. 假设酿酒葡萄中存在的而葡萄酒中不存在的一级理化指标不会影响葡萄酒的质量；6. 假设质量高的葡萄酒一定由质量好的酿酒葡萄制成，但是质量好的酿酒葡萄不一定能酿制成质量高的

5、葡萄酒；符号说明xi1第一组每种红葡萄酒的平均得分yi1第二组每种红葡萄酒的平均得分xi2第一组每种白葡萄酒的平均得分yi2第二组每种白葡萄酒的平均得分x1y1两组红葡萄酒平均数之差x2-y2两组白葡萄酒平均数之差rzxy是控制了z条件下，x，y之间的偏相关系数rzzxz21,是控制了z1，z2条件下，x，y之间的偏相关系数rxy是变量x，y之间的简单相关系数（零阶相关系数）rxz，ryz分别是变量x，z之间和y，z之间的简单相关系数r特定的偏相关系数n观测值个数k控制变量个数n-k-2自由度模型的建立与求解问题一的模型1、显著性差异的检验MATLAB中可用函数anova1（）函数进行单因子方

6、差分析。调用格式：p=anova1（X）含义：比较样本 mn的矩阵X中两列或多列数据的均值。其中，每一列表示一个具有m个相互独立测量的独立样本。返回：它返回X中所有样本取自同一总体（或者取自均值相等的不同总体）的零假设成立的概率p。解释：若p值接近0（接近程度有解释这自己设定），则认为零假设可疑并认为至少有一个样本均值与其它样本均值存在显著差异。模型的求解（1）在excel表中对附录一进行处理得到两组评酒员对红葡萄酒的评价结果如下表：酒样品酒样号1酒样号2酒样号3酒样号4酒样号5酒样号6酒样号7第一组62.780.380.468.673.372.271.5第二组68.17474.671.272

7、.166.365.3酒样号8酒样号9酒样号10酒样号11酒样号12酒样号13酒样号1472.381.574.270.153.9736678.268.861.668.372.6酒样号15酒样号16酒样号17酒样号18酒样号19酒样号20酒样号2158.774.979.359.978.677.165.769.974.565.475.8酒样号22酒样号23酒样号24酒样号25酒样号26酒样号2777.285.67869.273.871.668.272通过MATLAB中的lillietest函数检验上述两组数据是否服从正态分布，经验证以上两组数据均服从正态分布。然后通过单因子方差分析检验两组评酒员对红

8、葡萄酒的评价结果是否存在显著性差异。（程序见附录）对上面图表和程序分析可知：两组评酒员的评价结果不存在显著性差异。（2）同理，可得到关于白葡萄酒的评价结果的均值表：8278.379.47168.477.577.975.676.975.571.472.974.363.365.979.872.473.978.873.177.876.478.467.376.776.679.2酒样号2875.981.364.877.476.179.57779.6我们得到的结论是：两组评酒员的对白葡萄酒的评价结果均存在显著性差异。行xxxx小 结合（1）（2）得出我们得出的结论是：红葡萄酒不存在显著性差异；白葡萄酒存在

9、显著性差异。2、结果可靠性的检验 通过计算方差可以得到第一组、第二组红葡萄酒质量的平均值的方差分别是：7.3426、3.9780。第一组、第二组白葡萄酒质量的平均值的方差分别是：5.201、3.1709。通过比较我们得到的结果是：第二组评酒员的评价结果更可信。问题二的模型聚类分析的概念聚类分析是根据事物本身的特性研究个体分类的方法。在这里我们采用分层聚类中的凝聚法，即聚类开始把参与聚类的每个个体视为一类，根据两类之间的距离或相似性逐步合并，直到合并为一个大类为止。首先，对红葡萄进行分级。结合问题一的结论（第二组数据比较可信），所以葡萄酒质量的评价结果就直接引用第二组的评价结果，再对酿酒葡萄的一

10、级理化指标进行主成分分析，得到十种主成分。再对十项主成分的系数求和，得到下表：结合表一十项主成分的系数运用MATLAB中的聚类分析对酿酒葡萄进行分类，得到以下结果：葡萄样品号5,17,24261，2，4，6，8，9,10,11,12,13,14,15，16,18,19,20,23,25,273,7用上面同种方法可得到白葡萄酒的主成分系数及总和，如下表：对上表所得的主成分系数的总和进行聚类分析，得到下表：28211、2、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、22、23、24、25、26、273问题三模型zscore函数MATLAB提供这个函数也

11、是用来对pls数据进行预处理的，即归一化的。zscore的原理就是原数据减去均值，再除以标准差就可以了。公式：模型的求解：在excel中对葡萄酒和酿酒葡萄的理化指标相同的选项进行整理，然后在MATLAB中对这些数据标准化。得到下表：红酒理化指标标准化葡萄理化指标标准化-0.6062-0.8766白酒理化指标标准化0.5836-0.64981.04610.2588-0.38740.64813.08643.37722.81491.1451-0.3202-0.45740.2072-0.30551.10281.32780.82770.528-0.8574-0.8627-0.6553-0.68230.5

12、8630.5865-0.1981-0.76510.2198-0.43280.7861.145-0.3494-0.2867-0.41990.42170.2309-0.3424-0.7111-0.76160.07080.1699-0.1515-0.2825-0.3549-0.6412-0.4123-0.6739-0.6385-0.6605-0.7143-0.9729-0.77970.4326-0.6305-1.415-0.7524-0.49780.9550.0545-0.66170.5625-0.9044-0.50272.84651.51781.67762.5144-0.4687-1.1872-0

13、.8978-0.59650.53851.5116-0.587-0.7346-0.00920.39371.04481.9162-0.5442-0.6826-0.9361-1.16770.28781.7370.4563-0.5422-1.0958-1.089-0.6403-0.885-0.6047-0.2485-0.4341-0.4535-0.7817-0.815-0.315-0.18170.6335-0.30583.68142.6601-0.2774-0.4469-0.6128-0.0835-0.4659-0.9256-0.7020.0425-0.05360.3892-1.0256-0.5543

14、-0.7366-0.7774-0.1903-1.027-0.6143-0.5868-0.74680.19260.9431-0.5696-0.50051.9576-0.4017-0.4990.00490.0992-0.7935-0.869-0.05970.2174-0.1282-0.5128-0.4577-0.6088-0.4187-0.8581-0.8436-0.6388-0.8346-0.727-0.34250.2535-0.72271.1658-0.1780.0155-0.28380.1152-0.2859-0.01260.156-0.8753-0.63210.6004-0.8239-0.

15、9134-0.1532-0.14381.1457-0.34640.01560.09110.2169-0.17960.3114-0.076-0.8976-1.02690.7226-1.0456-0.056-0.34982.42773.2940.06441.555-0.5539-1.09740.65230.7504-0.3907-0.0022-0.2045-1.1071-0.93280.0270.4408-0.6282-0.58263.64032.7243-0.8585-0.3365-0.4579-0.6219-0.919-0.9903-0.4798-0.56620.2224-0.409-0.48

16、87-0.5234-0.5405-0.7182-0.3911.01350.7315-1.0891-0.5453-0.7944-0.4119-0.29382.11611.43362.78221.29591.22820.00620.24760.4789-0.04042.97731.31251.4310.5581-0.0072-0.3646-0.71840.65330.43992.06340.9796-0.2407-0.2542-0.6686-0.8029-0.767-0.1253-0.2717-0.7930.4722-0.76110.6921-0.15620.18130.6967-0.48790.

17、09030.2767-0.4750.0555-0.7486-0.9410.65730.03030.1941-0.6254-0.76370.1543-0.37920.1972-1.0249-1.1197-1.2491-0.90340.2093-0.53181.0701-0.0216-0.31271.63951.29920.07930.0189-0.48240.9762.9605-0.18431.95111.5822-0.13281.3707-1.8697-0.7878-0.70930.5207-0.5850.423-1.12254.0275-0.3208-0.5541-0.3321-0.6874

18、-0.9221-1.4116-0.5071-0.7503-0.24860.1035-0.3547-0.3075-0.2782-1.0149-0.79181.1069-0.34170.14681.26420.2888-0.3034-0.6142-0.5060.27581.03040.363-0.70440.0082-0.41080.008-0.9474-0.8389-0.18971.4938-0.93671.8365-1.12971.7415-0.8529-0.0452-0.2581-0.7225-0.67690.1872-0.8381-0.5743-0.6841-0.74760.66740.4

19、963-0.7466-0.0430.65550.2783-0.6533-0.8015-0.2828-0.8314-0.2588-0.2933-0.9706-1.28391.8647-0.1795-0.3551-0.2926-0.04980.6542-0.4425-0.0284-0.9213-0.5952-0.21441.5566-0.4679-0.7122-0.4827-0.8721.78410.556-0.9283-0.4330.30120.9723-0.04150.2889-0.094-0.2676-0.08460.681-0.0555-0.26183.12760.9434-0.8112-

20、1.0513-0.5375-2.29551.2471.56631.119-0.3413-0.1441-0.34970.7682-0.5230.0799-0.3633-0.4885-0.6496-0.79020.33350.3593-0.6404-0.6894-0.3087-0.49643.75951.1436-1.0602-0.8709-1.2571-1.52710.3958-0.59080.0060.08220.96061.5537-0.44931.05490.7803-0.376-0.55341.11121.47221.34161.85481.08632.05863.2774-0.18911.20391.30471.83491.35290.59210.1676-0.29540.68190.49220.90441.0521-0.3645-0.6881-0.8947-0.5737-0.7814-2.3726-0.1121-0.6049-0.12920.477-0.6492-1.14122.7026-0.5592-0.09150.4387-0.0979-0.60341.26540.0072-0.5724-1.1022-0.1612-0.609-0.8742-1.4902-0.2723-1.0419