辽宁石油化工大学 牛东东 吕荣杭 丛云云Word文档下载推荐.docx
《辽宁石油化工大学 牛东东 吕荣杭 丛云云Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《辽宁石油化工大学 牛东东 吕荣杭 丛云云Word文档下载推荐.docx(54页珍藏版)》请在冰点文库上搜索。
![辽宁石油化工大学 牛东东 吕荣杭 丛云云Word文档下载推荐.docx](https://file1.bingdoc.com/fileroot1/2023-5/6/3d59898c-aafe-4c12-bdea-3ad68029763c/3d59898c-aafe-4c12-bdea-3ad68029763c1.gif)
另一方面,酒中大量的挥发性物质,包括醇、酯、醛、缩醛、萜烯、碳氢化合物、硫化物等,都具有不同浓度、不同愉悦程度的香气,葡萄酒最终的质量则是葡萄酒中各种成分协调平衡的结果。
确定葡萄酒质量时一般是通过聘请一批有资质的评酒员进行品评。
每个评酒员在对葡萄酒进行品尝后对其分类指标打分,然后求和得到其总分,从而确定葡萄酒的质量。
同时酿酒葡萄和葡萄酒的好坏与所酿葡萄和葡萄酒检测的理化指标会在一定程度有直接的关系。
因此本论文所要讨论的问题是:
1.分析所给出的两组评酒员对葡萄酒的评价结果有无显著性差异,并判断哪一组结果更可信。
2.根据酿酒葡萄的理化指标和葡萄酒的质量对这些酿酒葡萄进行分级。
3.分析酿酒葡萄与葡萄酒的理化指标之间的联系。
4.分析酿酒葡萄与葡萄酒的影响,并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。
2.问题分析
本题要解决的是有关葡萄酒的质量评价分析问题,由于葡萄酒的成分之间存在着复杂的关系,它们又与感官质量之间有着密切的联系。
因此,葡萄酒最终的评价质量是葡萄酒中各种成分协调平衡的结果。
题中共设有4个小题,经初步分析得:
第一个问题中:
已知两组品酒员分别对红葡萄酒和白葡萄酒从外观,香气,口感三个方面分析的结果。
分析两组评酒员的评价结果有无显著性差异,且哪一组结果更可信?
本文首先选取合理的样本数据,再应用SPSS对样本数据进行T检验,从而确定有无显著性差异,那组更可靠。
第二个问题中:
已知酿酒葡萄的理化指标,葡萄的芳香物质和各评酒员对葡萄酒质量的给分。
而对这些酿酒葡萄进行分级。
采用综合评价模型,首先建立评价指标体系,对指标数据做预处理,其次采用变异系数法确定各个评价指标的权重,采用线性加权综合法求综合评价值从而将酿酒葡萄分为A﹑B﹑C﹑D﹑E四个等级。
第三个问题中:
已知酿酒葡萄的理化指标与葡萄酒的理化指标分析两者之间的联系。
引用灰色关联度模型对两者进行模型的建立﹑求解进而得出关联度。
第四个问题中,选取酿酒葡萄和葡萄酒的理化指标和葡萄酒质量为样本数据,分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响,并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。
首先运用灰色关联模型分析各理化指标对葡萄酒质量的影响及论证,得出酿酒葡萄﹑葡萄酒的理化指标与葡萄酒质量之间的关联度,其次应用Matlab绘出红葡萄各理化指标与葡萄酒质量的可视化趋势图和白葡萄各理化指标与葡萄酒质量的可视化趋势图,并找出其间关系。
3.模型假设
1.假设酿酒葡萄和葡萄酒的不同理化指标之间没有联系。
2.假设各品酒员对葡萄酒的质量评价是客观的。
3.假设各理化指标是真实可信的。
4.符号说明
符号
说明
第一组中各个品酒员对红葡萄酒样品的平均评价结果
第二组中各个品酒员对红葡萄酒样品的平均评价结果
第一组中各个品酒员对白葡萄酒样品的平均评价结果
第二组中各个品酒员对白葡萄酒样品的平均评价结果
红葡萄酒评价结果的两样本均值无显著差异的原假设
第一组中评论员对27种红葡萄酒评价结果的均值
第二组中评论员对27种红葡萄酒评价结果的均值
第一组中评论员对27种白葡萄酒评价结果的均值
第二组中评论员对27种白葡萄酒评价结果的均值
第
项指标第
种样品的无量纲值
项指标的变异系数、也称为标准差系数
项指标的标准差
项指标的平均数
种样品葡萄的综合评价值
各理化指标的权重系数组成的行向量
各种样酒的各种理化指标组成的矩阵
27种酒样的综合评价向量
种样品葡萄第
项指标的原始数据
种样品葡萄酒第
项指标的原始变换数据
种样品葡萄和样品葡萄酒对应第
项指标之间的绝对差序列
样品葡萄和样品葡萄酒第
项理化指标之间的关联系数
样品葡萄和样品葡萄酒的理化指标之间的关联度
5.模型的建立与求解
5.1应用SPSS对评价结果进行显著性差异分析
根据两组品酒员的评价结果,利用SPSS软件进行T检验,在检验之前需要验证样本是否服从正态总体分布[1]。
在T检验过程中两组样本方差相等和不等时使用的计算t值的公式不同。
在SPSS的输出结果中,给出方差齐和不齐两种计算结果的t值,和t检验的显著性概率的同时,还给出对方差齐次性检验的F值和F检验的显著性概率。
因此,需要根据F检验的结果自己判断选择t检验输出中的哪个结果,得出最后结论。
进行方差齐次检验使用F检验。
对应的零假设是:
两组样本方差相等。
概率p<
0.05时,否定原假设,说明方差不齐;
否则两组方差无显著性差异。
5.1.1数据处理及准备
首先,根据附件1所给数据,取每组中各个品酒员对27种酒样品的平均评价结果为一个样本,整理得红葡萄酒和白葡萄酒的评价结果样本如表1和表2:
表1红葡萄酒评价结果样本数据
1
2
3
4
5
6
7
8
9
10
73.89
72.30
79.81
68.19
66.48
75.11
74.56
75.52
72.59
71.96
69.15
73.41
65.89
74.78
73.30
71.85
72.74
79.19
75.15
表2白葡萄酒评价结果样本数据
83.52
82.85
84.11
84.19
81.81
87.74
85.89
68.05
80.15
84.04
80.54
79.89
81.11
81.18
78.89
84.61
82.82
65.61
77.29
81.04
由于假设中两组评酒员在评价过程中互不影响,则两组评价结果样本之间是相互独立的[2]。
其次,利用SPSS对两组样本进行正态分布检验,检验结果见正态P-P图:
图1红葡萄酒样本正态P-P图
图2白葡萄酒样本正态P-P图
由图1和图2可知,其样本点都靠近一条直线,因此,可以判断此两组评价结果样本服从正态分布。
5.1.2对红葡萄酒评价结果进行T检验
对红葡萄酒评价结果进行两独立样本T检验。
两独立样本T检验的原假设
为:
两总体均值无显著差异。
表述为:
:
其中:
,
分别为各组中评论员对27种红葡萄酒评价结果的均值。
表3组统计量表
组别
N
均值
标准差
均值的标准误
评分
73.0409
3.76898
1.19186
73.0556
3.61327
1.14262
由表3可以看出,第一组和第二组中红葡萄酒评价结果的样本平均值无明显差异。
表4独立样本T检验
方差方程的Levene检验
均值方程的t检验
F
Sig.
t
df
Sig.(双侧)
均值差值
标准误差值
差分的95%置信区间
下限
上限
假设方差相等
0.040
0.843
-0.009
18
0.993
-0.01470
1.65109
-3.48351
3.45410
假设方差不相等
17.968
-3.48395
3.45454
表4是第一组和第二组中红葡萄酒评价结果的T检验结果。
分析结论应通过两步完成。
第一步,两总体方差是否相等的F检验。
这里,该检验的F统计量的观测值为0.040,对应的概率P值为0.843如果显著性水平
为0.05,由于概率P值大于0.05,可以认为两总体的方差无显著差异。
第二步,两总体均值的T检验。
在第一步中,由于两总体方差无显著差,因此应看第一行T检验的结果。
其中T统计量的观测值为-0.009,对应的双尾开率P值为0.993。
如果显著性水平为0.05,由于概率P值大于0.05,因此认为两总体的均值无显著差异,即第一组和第二组中红葡萄酒的评价结果无显著差异。
表4中的第七列和第八列分别为T统计量的分子和分母;
第九列和第十列为两总体差的95%置信区间的上限和下限。
由表4可以看出,对于红葡萄酒,第二组的评价结果均值误差小于第一组的评价结果均值误差,因此,第二组结果更可信。
5.1.3对白葡萄酒评价结果进行T检验
对白葡萄酒评价结果进行两独立样本T检验。
分别为各组中评论员对27种白葡萄酒评价结果的均值。
表5组统计量
82.2340
5.39871
1.70722
79.2980
5.20613
1.64632
由表5可以看出,第一组和第二组中白葡萄酒评价结果的样本平均值有明显差异。
表6独立样本T检验
0.004
0.948
1.238
0.232
2.93600
2.37171
-2.04677
7.91877
17.976
-2.04724
7.91924
表6是第一组和第二组中红葡萄酒评价结果的T检验结果。
这里,该检验的F统计量的观测值为0.004,对应的概率P值为0.948如果显著性水平
其中T统计量的观测值为1.238,对应的双尾开率P值为0.232。
如果显著性水平为0.05,由于概率P值大于0.05,因此认为两总体的均值无显著差异,即第一组和第二组中白葡萄酒的评价结果无显著差异。
表6中的第七列和第八列分别为T统计量的分子和分母;
由表6可以看出,对于白葡萄酒,第二组的评价结果均值误差小于第一组的评价结果均值误差,因此,第二组结果更可信。
5.2综合评价模型的建立与求解
对于多指标(或多因素)的综合评价问题,就是要通过建立合适的综合评价数学模型将多个评价指标综合成为一个整体的综合评价指标,作为综合评价的依据,从而得到相应的评价结果[3]。
不妨假设
个被评价对象的
个评价指标向量为
,指标权重向量为
,由此构造综合评价函数为
。
如果已知各评价指标的
个观测值为
,则可以计算出各系统的综合评价值
根据
值的大小将这
个系统进行排序或分类,即得到综合评价结果[4]。
5.2.1建立评价指标体系
根据附件2所给数据,选取氨基酸总量、苹果酸、总酚、总糖作为酿酒红葡萄的主要理化指标,由问题一得知第二组评价结果更可靠,因此,选取第二组中红葡萄酒的评价质量作为理化指标。
其中,葡萄酒的评价质量根据每个评酒员在对葡萄酒进行品尝后对其分类指标打分,然后求和得到其总分,从而确定葡萄酒的质量。
取每一种样酒的评价质量是十位品酒员对其评价结果的平均值。
各评价指标的具体数据见表7:
表7各理化指标数据
氨基酸总量
苹果酸(g/L)
总酚(mmol/kg)
总糖(g/L)
评价质量
mg/100gfw
2027.96
18.210
23.749
200.238
68.1
2128.82
4.750
27.243
215.714
74
8397.28
2.960
21.773
253.214
74.6
2144.68
5.230
10.648
192.798
71.2
1844.00
3.770
17.095
208.274
72.1
3434.17
2.210
10.806
245.179
66.3
2391.16
7.740
9.280
220.476
65.3
1950.76
13.550
15.480
193.988
66
2262.72
4.120
29.088
216.905
78.2
1364.14
2.300
9.727
166.012
68.8
2355.69
8.610
6.028
210.357
61.1
2556.79
5.330
12.025
253.512
68.3
1416.11
0.830
14.436
209.464
1237.81
14.189
181.786
72.6
2177.91
3.630
11.934
177.024
65.7
1553.50
7.280
11.340
213.333
69.9
1713.65
5.110
15.102
226.429
74.5
2398.38
5.590
7.153
217.500
65.4
2463.60
4.270
17.287
187.143
2273.63
0.920
13.407
200.833
75.8
6346.83
2.930
16.192
207.381
72.2
2566.61
7.730
16.182
230.595
71.6
2380.81
5.200
28.295
214.821
77.1
1638.83
4.600
9.045
71.5
1409.70
2.480
10.996
150.833
68.2
851.17
1.400
7.537
176.726
72
1116.61
1.390
8.781
196.369
5.2.2对指标数据做预处理
使所有的指标都从同一角度说明总体,这就提出了如何使指标一致化的问题;
所有的指标可以相加,这就提出了如何消除指标之间不同计量单位(不同度量)对指标数值大小的影响和不能加总(综合)的问题,即对指标进行无量纲化处理[5]。
采用功效系数法对评价指标类型的一致化功效系数法:
其中
均为确定的常数。
表示“平移量”,
表示“旋转量”,即表示“放大”或“缩小”倍数,则
若取
,则
对表7中的数据进行无量纲化,可得表8:
表8各理化指标一致化处理后的数据
评价质量
66.24
100.00
90.74
65.97
76.37
66.77
69.02
96.80
85.28
90.18
64.90
87.31
99.88
91.58
66.86
70.13
68.01
76.35
83.63
65.26
79.20
82.38
85.73
73.69
63.18
68.29
96.75
72.16
68.16
75.90
65.64
87.13
69.82
65.83
89.28
76.39
76.81
71.46
67.48
67.57
85.74
100.00
62.72
63.38
66.42
65.91
78.01
67.98
77.91
60.00
83.19
60.00
69.04
70.36
70.40
76.84
62.99
74.58
82.84
62.05
74.16
72.06
86.90
67.03
66.44
70.24
70.20
70.76
63.72
74.84
69.21
84.35
80.58
64.57
69.85
75.74
89.45
91.35
68.20
70.96
61.95
85.97
70.06
68.55
67.92
79.53
74.14
67.54
60.21
72.80
79.48
94.39
89.13
64.83
77.63
82.03
85.96
69.09
75.88
77.61
91.07
84.56
68.11
70.06
98.63
84.93
97.43
64.18
68.68
65.23
84.33
62.96
63.80
68.62
76.61
61.31
62.62
70.09
85.50
61.41
61.29
64.78
77.74
5.2.3变异系数法确定各个评价指标的权重
求权重是综合评价的关键。
变异系数法(Coefficientofvariationmethod)是直接利用各项指标所包含的信息,通过计算得到指标的权重。
是一种客观赋权的方法。
此方法的基本做法是:
在评价指标体系中,指标取值差异越大的指标,也就是越难以实现的指标,这样的指标更能反映被评价单位的差距。
(1)先根据各种样酒的指标数据(表8),分别计算这些样酒每个指标的平均数和标准差,见下表:
表9各理化指标的平均值和标准差
质量
平均值
68.13
69.71
74.91
81.26
81.98
8.14
8.60
10.95
9.81
9.23
(2)根据均值和标准差计算变异系数;
式中:
是第
项指标的变异系数、也称为标准差系数;
项指标的标准差;
项指标的平均数。
计算得,变异系数表如下:
表10各理化指标的变异系数表
变异系数
0.119
0.123
0.146
0.121
0.113
变异系数的大小反映的是该成分在葡萄酒中含量的稳定性。
变异系数越小,表明其在葡萄酒中的含量越稳定,越具有代表性。
各项指标的权重计算式为: