葡萄酒评价结果的差异性分析与可信度确定
葡萄酒品评中常见的失误
葡萄酒品评中常见的失误葡萄酒品评在酒爱好者和专业品酒师中非常普遍。
其目的是通过酒的外观、香气、口感等方面的评估，来评判酒的品质。
然而，在品评的过程中，经常出现一些失误，这可能会影响评估的准确性。
一、没有适当的条件在品评葡萄酒之前，必须确保酒品在适当的条件下。
这包括确保酒在正确的温度下，以确保香气和口感都能够充分展现。
此外，评酒者还应使用正确的杯子，以保证酒能够充分散发出其醇郁香气。
如果品评者未能满足这些条件，可能会导致对酒品的评判存在偏差。
二、过于主观品评葡萄酒通常是一个主观的过程。
有时，品评者会因自己的口味喜好而对酒品产生偏见，或是受到情绪、环境等因素的影响，导致对酒品作出不准确的评估。
因此，为了避免主观偏见，评酒者应尽量保持客观，不要受到自己的感官和情绪的影响。
三、未能分辨酒的特征评酒者需要能够分辨酒的品种、产地、年份、等级和风味特征等，这有助于他们更准确地评估酒品的质量。
如果评酒者未能分辨这些特征，可能会导致对酒品的评估存在偏差。
四、盲目追求成就感一些品评者在评估酒品时，可能会过于追求成就感。
他们可能会过分夸大自己的评酒成就，或者是在评估酒品时为自己的品味打分。
此种行为的结果是评酒者会失去了对酒品评估的客观性，也会导致对酒品的评估存在偏差。
五、没有实用性尽管品评葡萄酒是一个重要的过程，但它在某些情况下可能并没有实用性。
比如，在购买酒的时候，人们通常会关注酒的品质和价值，而非评酒师的评分。
因此，在一些情况下，品评葡萄酒的过程可能与实际上所需的信息不符。
总之，品评葡萄酒是一个非常重要的过程，但在品评时需要注意克服一些常见的失误。
这意味着需要评酒者具备分辨酒品特征的技能、保持客观、注意细节、克服主观偏见和充分利用评酒的实用性。
只有通过这些方式，才能更准确地评估葡萄酒的品质，以提高消费者对酒品的认知和使用价值。
葡萄酒评价问题分析
葡萄酒评价问题分析
葡萄酒的评价对于酿酒师来说依然具有不可缺少的重要性，一款优秀的葡萄酒需要经过严格的葡萄酒评价体系，并从评价者的视角准确估算出葡萄酒的价值，从而更好地衡量葡萄酒的质量，推动葡萄酒行业的发展。
具体来说，葡萄酒评价具有以下几个问题。
首先，葡萄酒评价需要考虑评价者的主观因素，葡萄酒的质量和价值受评价者心理和审美偏好的影响，因此，评价者可能会根据他们的审美偏好来对葡萄酒进行评价，这可能导致他们过分挑剔，最终对葡萄酒的评价不公正。
其次，葡萄酒的评价受到外在因素的影响，如葡萄酒原料质量、环境因素及酿造过程等。
如果实验室条件不理想，由于实验条件的不匹配，最终得出的评价可能与真实葡萄酒性能有较大差异。
葡萄酒的评价论文(1) (1)
葡萄酒的评价摘要随着时代的进步，经济的发展，葡萄酒渐渐地走进百姓的生活。
评判葡萄酒的方法则是通过聘请一批有资质的评酒员进行品评。
评酒员品尝葡萄酒并对其打分，通过求和确定葡萄酒的质量。
本文通过对所给数据的观察分析，先对数据预处理，再建立相对较好的模型评价葡萄酒的质量。
对于问题一，首先我们利用MATLAB软件制作Q-Q图，根据所得到的图观察得到，这些点可近似拟合成一条直线，从而证明该组数据满足正态分布。
然后利用T-检验方法判断评酒员的评价有无显著差异，最终得出两组评酒员的评价结果存在显著性差异的结论。
关于哪组评价结果更可信的问题，我们采用了方差分析法，根据所得到的红、白葡萄酒均值和方差表，经过计算比较，我们发现第二组的方差小于第一组的方差。
由于方差越小则数据越稳定，于是我们得到第二组评酒员的评价结果更可信的结论。
对于问题二，我们选择利用灰色关联分析法。
我们根据附件一中评分员的评分得出葡萄酒的得分，并对其标准化，将所得的数据作为葡萄酒质量的评分。
对于酿酒葡萄的理化指标，首先我们通过参考文献确定对葡萄酒影响较大的酿酒葡萄的理化指标，再采用均值化无差异法对数据求标准化值，然后利用变异系数法求得筛选出来的葡萄的理化指标的权重，通过计算权重和标准化值最后求得酿酒葡萄的综合评分。
再用均值化无差异法求葡萄和葡萄酒的标准化值。
将所得到的两组数据做和并排序，从而将酿酒葡萄划分为优、良、中、差四个等级。
对于问题三，我们采用了单个拟合和综合拟合的方法。
题目中要求寻找酿酒葡萄和葡萄酒的理化指标的关系，我们首先从参考文献中找到了对葡萄酒的主要理化指标有重大影响的酿酒葡萄的理化指标。
然后利用MATLAB软件进行拟合，建立线性回归方程，从而得出酿酒葡萄的部分理化指标对葡萄酒的理化指标的影响系数和两者之间的函数表达式，可见表N,为了进一步确定两者之间的相关关系，我们又对附件二和附件三中的数据进行处理，利用MATLAB软件再次进行拟合，从而得出酿酒葡萄与葡萄酒的理化指标之间呈正相关关系的结论。
葡萄酒的评价优秀论文
题目葡萄酒的评价摘要近年来，我国掀起了一场葡萄酒热，对葡萄酒的需求与日俱增，特别是随着食品科学技术的发展，人们不再满足传统感官评价葡萄酒的水平，如何运用数据资料定量研究葡萄酒的品质，加快建立葡萄酒市场指标规则成为人们关注的焦点。
随着经济的高速发展，葡萄酒作为一种跨国际的交流饮品越来越受欢迎，大量的古籍表明，中国是世界葡萄的起源中心，所以也很有可能是葡萄酒的起源国家。
早在我国文化巨著诗经中，就有元代的酒，比起前代来要丰富得多。
红葡萄酒十分常见，而对应的白葡萄酒，能使人精神焕发，心身舒泰，当然还能解渴，使人陶然而醉。
白葡萄酒往往比红葡萄酒更具异香之质，而酿造能让它的芳香更上层楼。
白葡萄酒往往不像红葡萄酒那样贮藏愈久愈好，而能发展其复合性，在瓶中渐渐演化、增加风味的白葡萄酒就更少了。
本文对影响葡萄酒品酒员对葡萄酒质量评价的因素进行分析，建立数学模型。
问题一根据层次分析法对品酒员自己的嗅觉、味觉以及品酒场所和心情因素分析影响葡萄酒品酒员品酒好坏的因素并对这些因素进行排序。
通过建立层次分析，然后构造判断矩阵同时赋值的方法，用matlab求出该矩阵最大特征值及此特征值对应的特征向量对u进行归一化处理，得出权重系数向量，对权重系数向量进行一致性检验。
问题二要求研究两组品酒员的评价结果有无显著性差异，这便可通过葡萄酒品尝评分表中第一组和二组白葡萄酒和红葡萄酒进行分析比较，每组都十人，从酒的外观分析(澄清度、色调)，香气分析（纯正度、浓度、质量），口感分析（纯正度、浓度、持久性、质量），最后得出酒样的整体评价，由于数据量大，涉及因素多，我们无法甄别，本文用spass软件进行分析，求出每位评酒员对每种葡萄酒样品的各项指标的均值，通过对各项指标的离散系数进行分析。
通过一致性检验的方法得出两组具有显著性差异，得出结论第一组更可信。
关键词层次分析法一致性检验matlab s p a s s一、问题重述1.1问题背景随着经济的高速发展，葡萄酒作为一种跨国际的交流饮品越来越受欢迎，大量的古籍表明，中国是世界葡萄的起源中心，所以也很有可能是葡萄酒的起源国家。
对葡萄酒的评价的分析
对葡萄酒的评价的分析林彩密葛欣雨蒋耀萱问题一的解答本文提供了大量与葡萄酒有关的数据，要求参赛者通过数据的处理确定葡萄酒的质量。
主要设及4个问题：1、分析附件1中两组评酒员的评价结果有无显著性差异，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。
问题一要求我们分析两组评酒员评价结果有无显著性差异。
在进行差异性检验之前必须先对数据服从的分布进行检验，从而选定合适的检验方法进行检验。
问题二要求根据酿酒葡萄的理化指标和葡萄酒的质量对酿酒葡萄进行分级。
由题意可知除了葡萄酒的质量对葡萄的分级有比较大的影响外，酿酒葡萄的理化指标在一定程度上也会影响葡萄的质量。
问题意在让我们建立一个综合葡萄酒质量与酿酒葡萄理化指标综合影响和葡萄分级的模型。
问题三要求分析酿酒葡萄与葡萄酒理化指标之间的联系。
由于酿酒葡萄理化指标众多，在分析两者的联系之前需要对葡萄的理化指标进行筛选。
问题四要求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。
难点在于对附件三葡萄酒和葡萄芳香物数据的使用。
这是关于大型数据处理与分析的结果，前面三个问题是第四个问题的基础，最终目的是分析葡萄和葡萄酒理化指标对葡萄酒质量的影响。
问题二的解答我们选择的论文是《葡萄酒的评价》（附件一），这篇论文主要过程如下：问题一：问题二数据标准化处理逐步回归：线性回归拟合聚类分析：SPSS进行聚类，进行分级检验问题一显著性差异的检验正态分布检验：SPSS评价可靠性判断离散程度分析模型改进可靠性评价指标（不符合正态分布）（结果无显著性差）（大致是正态分布）标准化数据再进行显著性检验：SPSS ，f检验频数分布图进行分布初步分析非参数检验：秩和检验（检验结果知，二者评价结果具有显著性差异）在问题四中，先用用逐步回归法分析葡萄酒理化指标对葡萄酒质量的影响，然后建立了芳香物质对葡萄酒质量影响的函数关系。
葡萄酒评价问题分析
贡献率% 0.2387 0.1537 0.1238 0.0969 0.0684 0.0600 0.0489 0.0414
累积贡献率% 0.2387 0.3924 0.5162 0.6131 0.6815 0.7415 0.7904 0.8318
从上表张我们看到前八个因子累计贡献率达到 83.1%，基本信息包含在这些因子里。
因此，认定第二组的评酒员的评价稳定性较高， 数据比较可靠。
二、葡萄分级
(一) 酿酒葡萄指标的遴选 酿酒葡萄有很多的理化指标，我们在分析时只
考虑30个一级指标。经观察，在一级指标中固酸比 指标值=可溶性固形物指标值/可滴定酸指标值，因 为三个指标间的关系，因此我们选择剔除可溶性固 形物指标。选择29个一级指标作为分析指标。
判定正态性 >> z=zscore(y1);%数据标准化 >> a=kstest(z)%数据判定是否正态 输出结果
a=0 所以数据服从正态分布
对数据做成对数据的假设检验： H0：μd=0，两组数据无差别， H1：μd≠0，两组数据存在差别 (1)将两组数据对应相减
d=y1-y2=[-0.8 -0.2 0 0.5 0.7 0.4 0.5 -0.7
>> [h,sig,ci,stats]=ttest(x3,0,0.05,0)
结果： h= 1 sig = 0.0195 ci = 0.4489 4.6918 stats = tstat: 2.4905 df: 26 sd:5.3628
%拒绝原假设 %假设成立的概率 %均值的置信区间
%统计值 %自由度 %样本标准差
i 1
10
yiБайду номын сангаасj )
1 27
葡萄酒评价
葡萄酒的评价摘要现行的葡萄酒质量评价体系是建立在人的感官上进行的，如何通过一些量化的指标来评价，如何从感官评价数据中提取到可靠的结论，从而判定葡萄酒的数量，是一个值得研究的方向。
针对问题一，首先要对数据进行预处理，对完善好的数据运用excel求出两组评酒员的评分结果，接着分别求出它们的均值、标准差和离散函数中的变异函数，通过着三个数据建立离散函数模型，最后通过这三个系数利用模型评价两组之间的差异性以及哪组结果更可信，结果是两组之间是存在差异性的，且第二组的评价结果更可信。
针对问题二，首先本文采用多元统计分析方法中的主成分分析法对酿葡萄酒的理化指标进行了简化，选出了酿酒葡萄中最具代表的几种理化指标，接着通过线性分析中的相关系数求出酿酒葡萄与30个理化指标的线性关系，最后结合酿酒葡萄的理化指标和葡萄酒的质量建立综合评价模型，进而对酿酒葡萄进行分级。
结果发现针对问题三，首先我们以葡萄酒的质量作为桥梁，采用统计学分析方法中的典例相关性分析方法选出酿酒葡萄和葡萄酒的理化指标中对葡萄酒质量影响比较重要的几个因素，接着根据这几个因素与于葡萄酒之间的相关性建立相关分析模型，最后通过模型求解比较分析他们之间的相关系数作出准确合理的结论。
针对问题四，首先在问题三分析酿酒葡萄与葡萄酒的理化指标间联系的基础上，在保留葡萄酒指标的前提下，剔除酿酒指标中某些认为可以被用于表示对应葡萄酒指标的部分。
接着利用筛选后的指标建立多元线性回归模型，探究酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响。
最后，经检验样本组的线行回归模型评价值与评分值的显著性差异检验，证明用葡萄和葡萄酒的理化指标来评价葡萄是可行的。
本文综合离散函数中的标准差系数分析、基于主成分分析的综合评价、相关性分析、多元线行回归等模型，结合matlab、spss、excel等软件，对葡萄酒质量的评价问题进行了分析，并给出了合理化的解决模型。
关键词：离散函数主成分分析典例相关分析多元线行回归一、问题重述葡萄酒的生产有着非常久远的历史，可追溯到几千年前，它是一种世界通畅型酒种，有着广泛交流的基础，现已发展成最主要的酒种之一，葡萄酒的感官分析又叫品酒，是指评酒员通过眼、鼻、口等感觉器官对葡萄酒的外观香气、滋味及典型性等感官特性进行分析评定的一种分析方法，一方面品酒员必须抛开个人的喜好，排除时间、地点、环境和情绪等的影响，像一台精密的仪器一样进行感官分析；另一方面，因为葡萄酒的复杂多样及变化性，评酒员又必须充分发挥主观能动性，将获得的感觉与大脑储存的感官质量标准进行分析，只有兼顾以上两个方面，才能保证结果的精确性.同时各个评酒员之间还必须保证分析结果的一致性。
葡萄酒的质量评估
72.9 72.3 63.3 65.9 72 72.4 78.8 73.1 72.2 77.8 76.4 71 75.9 73.3 77.1 81.3 64.8 81.3 采用单因素分析，Matlab 软件作图如下：
80.4 71.4 72.4 73.9 77.1 78.4 80.3 76.7 76.4 76.6 79.2 79.4 77.4 76.1 79.5 74.3 77 79.6
得到 P=0.0017<0.01 说明两组评酒员的评价结果存在显著性差异 采用双因素分析，得出下图，
抽取红葡萄酒中的 7、10、11 号样品 第一 1 2 3 4 5 组评 酒员 7 63 70 76 64 59 10 67 82 83 68 75 11 73 60 72 63 63 第二 1 2 3 4 5 组评 酒员 7 68 65 68 65 47 10 67 73 82 62 63 11 64 61 67 62 50
P 值均小于 0.05，说明两组样品存在显著性差异，而且某组评酒员之间的评价也存在显 著性差异。 样品 11 通过软件计算出 P 值，P=0.0003<0.01 说明两组样品评价存在非常显著性差异， 而另一个 P=0.1978>0.05，说明每个组各个评酒员间对于样品 11 的评价差异不大。
所以，对于红葡萄酒而言，第二组评酒员的结果更可信。 对于白葡萄酒可以采用相同的分析方法， 白葡萄酒： 第一组平均值 第二组平均值 82 77.9 74.2 75.8 79.4 76.9 71 81.5 68.4 75.5 77.5 74.2 71.4 72.3
白葡萄酒 样品 1 样品 2 样品 4 样品 5 样品 6 样品 7 样品 8 样品 9 样品 11 样品 12 样品 13 样品 14 样品 15 样品 17 样品 18 样品 19 样品 20 样品 21 样品 22 样品 23 样品 24 样品 25 样品 26 样品 27 样品 28
葡萄酒评价问题
葡萄酒评价问题摘要葡萄酒评价问题属于数理统计分析问题，需要对大量数据进行处理分析建立模型，从而对酿酒葡萄进行分级，并确定酿酒葡萄与葡萄酒的理化指标之间的联系，从而给出葡萄酒的综合评价模型，并用MATLAB进行求解。
问题一，我们对两组评酒员的评价结果进行了显著性差异分析。
根据已给的数据特点，两组数据的均值差服从同一分布，于是我们选用了基于数据的t 假设检验法，求解可知两组评酒员的评价结果基本上不存在显著性差异。
在对于评酒师的评价结果的可信度分析中，采用方差比的基于数据的F假设检验法，求解可知第二组的可信度更高。
问题二，我们以累计贡献率0.85作为限值，用主成分分析法对酿酒葡萄的理化指标进行了分析，再根据主成分的值对理化指标进行聚类分析，红葡萄酒和白葡萄各得到6类。
最后对葡萄的理化指标和葡萄酒的评价得分赋予0.5:0.5的权重进行相加计算总得分Q。
由修正后的总得分Q得到葡萄聚类后的分级。
问题三，通过相关性分析得到每个葡萄酒样品和葡萄理化指标之间的相关系数，找到线性关系较强的理化指标，然后对这些指标建立多元线性回归方程，并利用残差分析拟合方程效果，拟合效果良好。
问题四，我们用二级模糊综合评判评价葡萄酒的质量，以各项评分所占的比例为A，由相关性分析得到权重A。
分析葡萄酒和葡萄的理化指标，得到模i糊评价的结果。
并与第二组评酒员的评价结果进行比较，发现可以用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。
关键词：t假设检验；F假设检验；主成分分析；聚类分析；回归分析；模糊分析一、问题重述葡萄酒质量的确定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。
酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系，葡萄酒和酿酒葡萄检测的理化指标会在一定程度上反映葡萄酒和葡萄的质量。
根据所给出的某一年份一些葡萄酒的评价结果，以及所给出的该年份这些葡萄酒的和酿酒葡萄的成分数据。
非参数统计课程论文-基于符号检验的葡萄酒评分差异性检验
-2016-2017学年第1学期非参数统计课程论文题目：基于符号检验的葡萄酒评分差异性检验姓名：学号：班级：授课教师：完成时间： 2016年10月29日摘要本文主要讨论了葡萄酒评酒员的评酒结果是否存在显著性差异的研究。
本文利用评酒员品酒的评分进行求和，得出每位评酒员对于每一种葡萄酒样品的总评分，然后将每组的十位评酒员分别对于每一种葡萄酒样品的总评分进行汇总求平均值，得出每组评酒员对于每一种样品葡萄酒的总评分的平均值。
最后对各组平均值的差值进行分析。
本文利用SAS编程得到位置检验以及正态性检验相关图，利用符号检验、Wilcoxon符号秩检验、W检验以及K-S检验知道，这两种葡萄酒的评分检验存在显著性差异。
但是白葡萄酒的评分差值服从正态分布。
引言葡萄酒是以新鲜葡萄汁或葡萄为原料，经过发酵而成的含有多种营养成分的饮料酒，是世界上公认的对人体有益的健康酒精饮品。
在葡萄酒酿出来之时，需要确定葡萄酒的质量，在这时一般需要聘请一批有资质的评酒员进行品评。
在每个评酒员评分之前制定打分的标准，然后每个评酒员在对葡萄酒进行品尝后按照评分的标准进行打分。
然后对其评分求和，并做出平均数，从而确定葡萄酒的质量的好坏。
但是由于主观误差的存在，使得这种方法产生的结果有较大的差异性。
所以就评酒员的评分结果进行检验，判断数据有误显著性差异。
文章采用的数据来自2012年“高教社杯”全国大学生数学建模竞赛的题目，其中题目给出两组评酒员分别对27种红葡萄酒样品和28种白葡萄酒样品的品尝评分。
文章将基于符号检验对两组红葡萄酒评分差异性进行检验，同时基于Wilcoxon符号秩检验对两组白葡萄酒评分差异性进行检验。
1方法介绍及步骤1.1检验方法简介符号检验（sign test）是非参数统计中最古老的检验方法之一,是通过两个相关样本的每对数据之差的符号进行检验，从而比较两个样本的显著性。
具体地讲，若两个样本差异不显著，正差值与负差值的个数应大致各占一半。
葡萄酒评价结果差异性及可信度方法
较小者为统计量 T 值。 以正、 负差值的总个 数为 n 。 如果 n ≤ 25 则进行５），反之则进行 ６）。 ５）以 n 及 T 查表得 P 值，按所取检验水 准作出推断结论。 注意： 当统计量 T 值恰等 于表中的界值时，其确切概率常小于表中 查表时，若现有统计量值大于 相应的 P 值。 表 中 相 应 的 界 值 时 ， 则 p > 0.05 ， 否 则 p ≤ 0.05 。 ６）因为 n > 25 表中查不到，可按式（１）计 算 µ 值： | T − n(n + 1) / 4 | −0.5 µ= （１） n(n + 1)(2n + 1) / 24 因为当 n 逐渐增大时， T 值分布将逐 渐 逼 近 均 数 为 n (n + 1) / 4 ， 标 准 差 为 n(n + 1)(2n + 1) / 24 的 正 态 分 布 ， 遇 相 同 秩 次时，将标准差作式（２）的校正，即以式（２） 取代式（１）中的分母，式中 t i 为第 i 个相同秩 次的个数。
1 非参数检验
1 . 1 模型介绍 两独立样本的非参数检验是在对总体 分 布 不 甚 了 解 的 情 况 下， 通 过 对 两 组 独 立 样本的分析来推断样本来自的两个总体 的 分 布 等 是 否 存 在 显 著 差 异 的 方 法， 配 对 资 料 Ｗ ｉ ｌ ｃ ｏ ｘ ｏ ｎ符 号 秩 和 检 验 是 其 中 的 一 种方法 ［１］。 应用配对资料Ｗｉｌｃｏｘｏｎ符号秩和检验 方法进行检验，首先将所有配对数据的评 分 差 按 绝 对 值 大 小 评 秩， 然 后 对 每 个 秩 附 加不同的符号，用正号表示来自正的评分 差的秩， 用负号表示来自负的评分差的秩。 如果两个相关样本等价（没有差别），则将对 应于正号的秩和对应于负号的秩分别求和 后， 两个和值大致相等。 若两个和值相差很 大，则两个样本差异较大 ［２］。 具体步骤如下： １）建立假设 H 0 ：假设差值的总体中位 数等于０， H 1 ：假设差值的总体中位数不等 于０。 确定 P 值例如： α ＝０．０５。 ２ ） 求 各 对 数 据 ( X i − Yi ) 的 差 值 d i = X i − Yi 。 ３）依差值的绝对值从小到大编秩：１，２， ３，…，并 标 明 原 差 值 的 正 负 号 。 编 秩 时 ，若 差值为０，弃去不计；若有几个差值的绝对 值 相 等， 则 取 其 平 均 秩 次 。 ４） 分别求正、 负 秩 次 之 和， 并 以 绝 对 值
葡萄酒评价的差异性及可信度研究
葡萄酒评价的差异性及可信度研究毛园园【摘要】The study aimed at investigating the difference and the reliability of wine evaluation between two groups of wine judges. Firstly, the average score of each item for each type of wine was calculated. Then the average of each item and its corresponding weight worked out the product. With each wine judge as the basic unit, the score of ten attributes were added up as the standard score of evaluation for each group (namely, the quality of wine). Through the verification of the hypothesis–whether the mean of the two independent normal subjects was equal or not, we reached the conclusion that there was no significant difference in wine evaluation. Besides, the standard deviation method was adopted to judge the credibility of wine evaluation results.%研究了两组品酒员对葡萄酒评价结果有无显著性差异及可信度.首先算出品酒员对每一类酒的每一项评价属性的平均分,然后将每一项的平均分与相应的权重做乘积,以每位品酒员作为基本单位将10项属性的分值相加得到的1个分值作为每一组的评价标准,即酒的质量.通过检验两个独立正态总体的关于均值是否相等的假设问题,得到葡萄酒评价结果有无显著性差异.采用比较标准差的方法来判断评价结果的可信度.【期刊名称】《酿酒科技》【年(卷),期】2017(000)012【总页数】5页(P32-36)【关键词】葡萄酒评价;t检验;方差分析;可信度【作者】毛园园【作者单位】东北石油大学数学与统计学院,黑龙江大庆163318【正文语种】中文【中图分类】TS262.6;TS971;TS261.7近年来，葡萄酒以其独特的口感和较高的营养价值得到越来越多消费者的青睐，而对葡萄酒质量的评价也日益成为人们关注的热点。
葡萄酒问题——精选推荐
葡萄酒的评价一、问题重述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，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，然后求和得到其总分，从而确定葡萄酒的质量。
酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系，酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系，葡萄酒和酿酒葡萄酒和酿酒葡萄检测的理化指标会在一定程度上反映葡萄酒和葡萄的质量。
附件1给出了某一年份一些葡萄酒的评价结果，附件2和附件3分别给出了该年份这些葡萄酒的和酿酒葡萄的成分数据。
请尝试建立数学模型讨论下列问题： 1. 1. 分析附件分析附件1中两组评酒员的评价结果有无显著性差异，哪一组结果更可信？哪一组结果更可信？ 2. 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。
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。
二、问题分析1 1、、 对于问题一，首先对附件一中的数据进行检查，剔除异常值；然后分别将各个评酒员对每个样品酒各项指标的打分求和。
然后对两组评酒员对酒的评价进行方差分析，便可得出两组评价结果有无显著性差异。
便可得出两组评价结果有无显著性差异。
然后对哪一组结果更可然后对哪一组结果更可信的问题，我们对各组内的打分进行方差求解，并且认为打分方差较小的那组，结果比较稳定，所以更可信。
结果比较稳定，所以更可信。
2 2、、对于问题二，对于问题二，对酿酒葡萄进行分级。
对酿酒葡萄进行分级。
对酿酒葡萄进行分级。
酿酒葡萄的好坏直接影响葡萄酒的好酿酒葡萄的好坏直接影响葡萄酒的好坏，坏，也就是葡萄酒的好坏可以反应酿酒葡萄的好坏。
也就是葡萄酒的好坏可以反应酿酒葡萄的好坏。
也就是葡萄酒的好坏可以反应酿酒葡萄的好坏。
根据观察，根据观察，根据观察，对附件二中酿酒对附件二中酿酒葡萄的的部分成分求平均。
利用回归分析找出酿酒葡萄的哪些指标对葡萄酒的质量有显著影响，量有显著影响，然后根据这些筛选出来的指标，然后根据这些筛选出来的指标，然后根据这些筛选出来的指标，利用聚类分析，利用聚类分析，利用聚类分析，对这些酿酒葡萄对这些酿酒葡萄进行聚类分级。
两组评酒员的评价结果有无显著性差异,哪一组结果更可信
均值
标准差 均值的 标准误
差分的 95% 置 信区间 下限 上限
侧)
第二组评分 （均值） 2.2714 5.5039 1.0401 .1373 4.4056 2.184 27 .038 第一组评分 （均值） 由于两种葡萄酒的 P 值均小于 0.005，故拒绝原假设，即两组评酒员评价结 果存在显著性差异。 （3） 信度检验 根据附表 1 的数据，利用 SPSS 对其进行 信度检验，可以得出每组的 值 如下： 酒样品 一组红 二组红 一组白 二组白 Cronbach's Alpha 0.912 0.853 0.773 0.697 基于标准化项的 Cronbach's 0.921 0.86 0.786 0.717 Alpha 可以看出，第 1 组的 值均大于第 2 组的 值，且在（0.72,0.93）之间， 说明两组评价结果都可靠，但第 1 组可信度更大。
74.6 71.2 72.1 66.3 65.3 66 78.2 68.8 61.6 68.3 68.8 72.6 65.7 69.9 74.5 65.4 72.6 75.8 72.2 71.6 77.1 71.5 68.2 72 71.5
5.8 -2.6 1.2 5.9 6.2 6.3 3.3 5.4 8.5 -14.4 5.8 0.4 -7 5 4.8 -5.5 6 2.8 4.9 5.6 8.5 6.5 1 1.8 1.5
16 17 18 19 20 21 22 23 24 25 26 27 28
74 78.8 73.1 72.2 77.8 76.4 71 75.9 73.3 77.1 81.3 64.8 81.3
67.3 80.3 76.7 76.4 76.6 79.2 79.4 77.4 76.1 79.5 74.3 77 79.6
葡萄酒的评价问题
葡萄酒的评价问题摘要科学地对葡萄酒的质量进行评价，关系到葡萄酒产业的发展方向，本文针对酿酒葡萄以及葡萄酒的理化指标进行建模以对其进行科学的定量分析，解决了葡萄酒的分级问题，并得到其中的相互联系和相互影响关系.针对问题一，我们建立了熵权法模型，先通过对两组品酒员的评分赋予相应的权重，继而求出每种葡萄酒加权后获得的总分，再分别对两组评价结果的值进行做差，通过作图获得两组评价结果的差异大小，发现差值并没有稳定在一个小范围内，而是上下大幅度波动，故得出两组品酒员的评价结果存在显著性差异，接着利用品酒员离差系数的计算,第一组离差系数为0.118376，第二组为0.082758，因此得到第二组的评价结果更可信.针对问题二，我们采用主成分分析法，先将酿酒葡萄的理化指标进行降维处理，提取了9种影响指标，然后再制定分级标准对这9种指标进行分级，分成五个等级，从高到低各个等级的指数值依次为5，4，3，2，1，计算得出相应的综合评价指数. 接着，根据问题一中得到的第二组葡萄酒的评价可信性更高的结论，我们将所得的加权总分再进行分级，最后利用“木桶效应”对上述酿酒葡萄的理化指标和葡萄酒质量的分级结果取分级低的那个级别作为最终的酿酒葡萄的分级，得到红葡萄样品23与白葡萄样品3、6、18、24为一级，而红葡萄样品4、13、18与白葡萄样品1、14为五级.针对问题三，我们选取相关系数模型，对酿酒葡萄与葡萄酒的共同理化指标建立相关关系，并做出相关散布图，继而求出相关系数xy r ，通过对|xy r |接近1和0的判断以及xy r 正负的判断，最终确定酿酒葡萄与葡萄酒的理化指标之间的联系.针对问题四，我们建立了灰色关联分析模型，并通过对关联i r 的验证，得到酿酒红葡萄的理化指标与红葡萄酒质量的灰色关联度为0.587，红葡萄酒的理化指标与红葡萄酒质量为0.526，酿酒白葡萄的理化指标与白葡萄酒质量的灰色关联度为0.569，白葡萄酒的理化指标与白葡萄酒质量为0.665，从而证明这四种关系中两两之间的关联性都成立，然后利用“反证法”引入芳香物质作为感官指标的核心指标，结合第三问的理论，再根据集合关系最终得到感官指标不足以评价葡萄酒的质量，而葡萄和葡萄酒的理化指标可以用来评价葡萄酒的质量.本文最大的亮点在模型求解时的简化，并通过作图对问题做更直观地分析，最后，通过对模型的优缺点进行客观评价，并提出了改进方法，同时也为模型的推广提供了方向.关键词：葡萄酒的评价； 酿酒葡萄；理化指标；葡萄酒的质量一、问题重述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.酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系，葡萄酒和酿酒葡萄检测的理化指标会在一定程度上反映葡萄酒和葡萄的质量. 附件1给出了某一年份一些葡萄酒的评价结果，附件2和附件3分别给出了该年份这些葡萄酒的和酿酒葡萄的成分数据. 请尝试建立数学模型讨论下列问题：问题一：分析附件1中两组评酒员的评价结果有无显著性差异，哪一组结果更可信？问题二：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.问题三：分析酿酒葡萄与葡萄酒的理化指标之间存在怎样的联系？问题四：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？二、问题分析2.1. 问题一的分析问题一要求对品酒员的评价结果分析显著差异性，并解决哪一组更可信问题.题目中已经给出了两组品酒员对葡萄酒包括外观、香气、口感在内项目评定的分数，考虑到各个品酒员的打分水平不尽相同，所以关键是要确立两组品酒员评分的权重，并且权重要体现每位品酒员评分的差异性.加权的方法有很多种，诸如平均加权法，动态惩罚加权法等，但对于此种多影响因素的加权，熵权法模型是一个很好的选择.熵权法是一种客观赋权方法，在具体使用过程中，熵权法根据各指标的变异程度，利用信息熵计算出各指标的熵权，再通过熵权对各指标的权重进行修正，从而得出较为客观的指标权重. 这样就可以达到我们的目的.接着，通过权重对每一组中的红酒、白酒进行求解加权总分，再做两组加权总分的差值，通过作图就可以很直观的看到两组评价结果的差异性了. 而对于可信性问题，可以通过离差系数来求解数据的波动性，继而分析出可信性.2.2. 问题二的分析问题二要求对酿酒葡萄进行分级.我们需要先确定酿酒葡萄的理化指标的分级和葡萄酒质量的分级，然后进行两个分级的再综合而得到最终的分级.为此我们要先制定分级的标准，利用主成分分析法对数据进行处理，选取酿酒葡萄主要的影响指标，然后对这些成分测定数据进行分级[1]，各成分指标以其平均数为基准向两侧等距分级，分级间间距为最大值与最小值之差除以分级数所得的数值，并剔除较大及较小的特殊数据，从高到低分为5个等级.根据该划分标准，求出每个理化成分所对应的指数值，将各项指数值累加得到不同品种的综合评价指标.接着由题目意思，我们需要再考虑葡萄酒的质量分级，可以根据问题一中的品酒员加权总数确定下来的那一组葡萄酒作为分级的基础，同样利用上述分级的原则，对葡萄酒的质量进行分级.最后，我们通过酿酒葡萄的理化指标以及葡萄酒的质量进行数据的再处理，最终确定酿酒葡萄的各分级.2.3. 问题三的分析此问题要求找出酿酒葡萄与葡萄酒的理化指标之间的联系，首先需要找出酿酒葡萄与葡萄酒具有的共同指标，这样才能确定它们之间的联系.为了进一步挖掘二者关系，我们选取相关系数模型，从而可以建立起酿造葡萄与葡萄酒的共同指标之间的相关关系，做出相关散布图，得到直观的相关关系程度，并求得相关系数来作为进一步的分析.同时为了获得更好的相关性分析，我们又对酿酒葡萄的总指标以及葡萄酒的总指标进行分析，在宏观上把握二者的相关性.2.4. 问题四的分析问题要求分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，首先我们需要确定酿酒葡萄和葡萄酒的理化指标是否能对葡萄酒质量产生影响. 为此我们建立了灰色关联分析模型，计算酿酒葡萄及葡萄酒与葡萄酒质量之间的关联度，继而确认他们的影响关系.接下来，为了更好地论证葡萄酒的质量影响因素，我们查阅相关资料发现，除了理化指标对葡萄酒的质量有影响外，感官指标也有可能对其产生影响，而对葡萄酒的感官指标最直观的影响因素便是葡萄酒的香味，而香味又是葡萄酒中的芳香物质发挥着作用，这样我们需要针对题目中提供给我们的芳香物质进行论证.三、模型假设模型一假设：假设一：品酒员之间的打分互不影响，相互独立，而且品酒员之间存在打分水平的高低；假设二：品酒员不存在过于主观判断的现象，故意抬高或压低某种葡萄酒的分数；模型二假设：假设一：二级指标是一级指标的子分级，用一级指标可以代替下属的二级指标来进行量的计算，有一定误差但可暂不考虑二级指标；假设二：多次测量得到的数据项目可以通过求平均值获得该项目的含量值；模型三、四假设：葡萄酒和酿酒葡萄检测的理化指标会在一定程度上反映葡萄酒和葡萄的质量.四、模型符号4.1. 模型一符号m：葡萄酒种数n：品酒员人数p i：每种状态出现的概率(i=1,2,…,m)R：m和n形成的原始数据的矩阵w1：第一组葡萄酒各品酒员的评分权重w2：第二组葡萄酒各品酒员的评分权重4.2. 模型二符号p：前p个主成分4.3. 模型三符号r xy ：x 与y 轴两种变量的相关系数 4.4. 模型四符号ξi (k ) ：关联系数r i ：关x ：比较对象的个数 y ：评价对象的个数五、模型的建立和求解5.1 . 问题一的模型建立和求解 5.1.1. 熵权法模型的建立根据问题分析当由题目所述的品酒员的评分系统，处于多种不同的状态. 而每种状态出现的概率为i p 时，则该系统的熵就定义为：∑=-=mi i i p p e 1ln .显然，当m p i /1=时，即各种状态出现的概率相同时，熵取最大值为：m e ln m ax =.现有m 个待评项目，即题目中的葡萄酒的种类，n 个评价指标，即品酒员数，则形成原始评价矩阵n m ij r R ⨯=)(对于某个指标j r 有信息熵：∑=⋅-=mi ij ij p p e 1ln ，其中 ∑==mi ij ij ij r r p 1/.从上述式子分析可得如果某个指标的熵值j e 越小，说明其指标值的变异程度越大，提供的信息量越多，在综合评价中该指标起的作用越大，其权重应该越大； 如果某个指标的熵值j e 越大，说明其指标值的变异程度越小，提供的信息量越少，在综合评价中起的作用越小，其权重也应越小.这样，根据各品酒员的变异程度，利用熵来计算各品酒员的熵权，利用各品酒员的熵权对所有品酒员进行加权，从而得出较为客观的品酒员评分的权值. 依照上述原理，首先建立原始数据矩阵：⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=mn m m m n n r r r r r r rr r r r r R32122322211131211,其中r ij 为第j 个品酒员对第i 种葡萄酒的评价值.接下来我们再求各个品酒员所评分数值的权重过程：步骤1 计算第j 个品酒员对第i 种葡萄酒的指标值比重ij p ：∑==mi ij ij ij r r p 1/;步骤2 计算第j 种葡萄酒的熵值j e ：∑=⋅-=mi ij ij j p p k e 1ln 其中，m k ln /1=;步骤3 计算第j 种葡萄酒的熵权j w ：∑=--=nj j j j e e w 1)1(/)1(;步骤4 确定指标的综合权数：在此处我们根据目的和要求将指标重要性的权重确定为 n j j ,,2,1, =α，结合指标的熵权j w 就可以得到指标j 的综合权数：∑==mi ii ii j ww 1ααβ.综上所述，利用MATLAB （源程序见附录1）计算中各个品酒员在打分上的权重值，计算得到第一组葡萄酒个品酒员评分的权重为：由各位品酒员的权重分析结果知，第二位品酒员所赋权重偏大，第八位品酒员偏小. 第二组葡萄酒个品酒员评分的权重为：由各位品酒员的权重分析结果知，第四位品酒员所赋权重偏大，第三位品酒员偏小. 通过1w ，2w 的权重值，我们得到如下表格，见表一：为了获得更好的数据比较以期获得两组评价结果是否存在显著性差异，我们通过第二组的红葡萄酒加权总分与第一组红葡萄酒的加权总分的差值，第二组的白葡萄酒加权总分与第一组白葡萄酒的加权总分的差值做出下图，见图一：图一从上图看，可以明显得到：差值并没有稳定在一个小范围内，而是上下大幅度波动所以得出两组评酒员的评价结果存在显著性差异.5.1.2. 两组品酒员离差系数计算以及可信性分析依据问题分析，可以得到每位专家对55种葡萄酒（红葡萄酒和白葡萄酒）在外观分析、香气分析、口感分析以及整体评价四个项目中的总得分数，并求得每种葡萄酒获得10位品酒员评分的离差系数（见附表2）.离差系数是一个表示标准差相对于平均数大小的相对量，其公式为）平均数（）标准差（）变差系数（x /C v σ=根据以上公式可以得出：由离差系数的数值大小代表数据波动性大小，得到第二组品酒员的离差系数更小，说明其评酒的稳定性更高，所评成绩不会存在波动很大的现象，说明其结果更可信.5.2.问题二的模型建立和求解5.2.1.主成分分析模型的建立由于在指标总表中，酿酒葡萄的理化指标存在过多的影响指标，分析起来难度很大，我们查阅相关资料[2]了解到糖、酸、单宁、色素和芳香物质是构成酿酒葡萄品质优劣的要素，但由于在指标总表中，酿酒葡萄的理化指标存在过多的影响指标，分析起来难度很大，而人为选择变量影响指标往往会带有主观性，这样，必须对所考虑的众多变量用数理统计方法经过正交化处理变成一些相互独立、为数较少的综合指标[3]，而主成分分析法正好为实现这种想法提供了十分有效的数学方法，为此我们利用主成分分析从累计贡献率确定品质评价因素的选择个数.首先通过主成分分析确定出各变量对入选的主成分的作用大小并据此作必要的因子剔除即保留主导因子，由于指标总表中的数据是不同的品质指标其计量单位不同所以数据量纲也不一致，不同量纲之间不便于做主成分分析，所以我们需要先做标准化处理数据后再输入计算机，并利用SPSS进行主成分分析，由于我们主要需要降维后的影响指标，所以得到解释的总方差表以及成分矩阵，见表二.根据主成分理论分析，若前p个主成分的累计贡献率达到85%，则这p个主成分能反映足够的信息，再从解释的总方差表格中，我们了解到前9个主成分的累计贡献率已达到87.402%，这样我们就可以根据关系矩阵表中，找到9种成分中每一种成分最大的含量数作为红葡萄酒的影响指标，即黄酮醇、PH值、VC、苹果酸、白黎芦醇、总酚、可滴定酸、固酸比、果穗质量等9种指标；同理，我们得到白葡萄酒的影响指标：干物质含量、总酚、固酸比、苹果酸、酒石酸、单宁、白黎芦醇、出汁率、百粒质量等9种影响指标.5.2.2. 酿酒葡萄的理化指标的分级利用主成分分析法得到酿酒葡萄的理化指标，然后我们将各成分指标以其平均数为基准向两侧等距分级，分级间间距为最大值与最小值之差除以分级数所得的数值，从高到低分为5个等级. 各个等级的指数值依次为5，4，3，2，1，根据该划分标准，求出每个理化成分所对应的指数值，将各项指数值累加得到不同品种的综合评价指标.另外，由于红葡萄酒和白葡萄酒本身成分就存在差异性，所以我们需要分开来制定分级标准，可以得到表四、表五：分级标准说明：以红葡萄酒的VC含量为例，0.413表示数据 0.413，属于分数5；0.313表示数据处于0.313~0.413（不包含0.413，下同）之间，属于分数4；0.214表示数据处于0.214~0.313之间，属于分数3；0.115表示数据处于0.115~0.214，属于分数2；0.015表示数据处于0.015~0.115之间，属于分数1.类似的，总酚、葡萄总黄酮等物质下的数据都是以这样的区间来划分的，同理，白葡萄酒也是这样来得到分数等级的.这边要重点提到的是对PH值的处理，根据有关资料[4]，PH值要在3.00~3.60之间才会适宜，因为高PH值会增加微生物的相对活性，降低花色苷的显色比例以及游离SO2的有效量，并缩短酒的陈酿潜力，这样，我们利用|PH-3.3|来计算PH值与3.3的接近程度，这样数值越小，说明接近程度越高，分数等级就越高.通过上述的分级标准，我们可以得到每种葡萄酒样品9种影响指标的分数值，为了提高计算效率，我们利用VC++6.0软件进行计算，并算出每一种样品9种指标的分数总值，我们分别对红葡萄和白葡萄的总分再进行等级区分，红葡萄（28≥为一级，35~37为二级，22~24为三级，19~21为四级，18≥为一级，27~29≤为五级），白葡萄（30为二级，24~26为三级，21~23为四级，20≤为五级），该区间的制定仍旧遵循上述分级原则，则可以得到下表：5.2.3. 葡萄酒质量的分级为了标准的统一性，我们仍旧沿用上述制定的分级标准，根据第（1）题的加权总数，我们得到第二组的品酒员可信性更高，为此我们直接对第二组的葡萄酒质量做了以下分级，见表七：表七：葡萄酒的质量分级根据上述分级即可对红白葡萄酒的质量进行分级.5.2.4. 酿酒葡萄进行分级根据葡萄的理化指标以及酿酒葡萄的指标，我们引入“木桶效应”原理，即一个由许多块长短不同的木板箍成的木桶，决定其容水量的大小的并非是其中最长的那块木板或全部木板长度的平均值，而是取决于最短的那块木板.类似的，我们最终的酿酒葡萄等级的确认取决于葡萄理化指标和酿酒葡萄酒质量指标哪个更小.这样，我们确定了下列表格，见表八，表九：5.3. 问题三的模型建立和求解5.3.1相关系数模型的建立所谓相关就是指事物或现象之间的相互关系.事物之间在数量上的变化关系有的是属于因果关系，有的却不能直接作出因果关系的解释,一个或几个相互联系的变量取一定数值时，与之相对应的另一个变量的值虽然不确定，但它仍然按某种规律在一定范围内变化，变量间的这种关系被称为相关关系，依照上述定义，我们再根据问题分析，首先先确定酿酒红葡萄与红葡萄酒之间的相关性，我们发现花色苷、总酚、单宁、总黄酮、白藜芦醇是二者共有的理化指标，同时我们也对总指标做相关性分析，利用MATLAB 数学工具处理获得下图(源程序见附件5)，见图二图二从上图看，在各种指标中除了白藜芦醇，两变量间的散布图都可以看到明显的线性趋势，为了进一步的得到定量分析，我们根据相关系数的公式∑∑∑===----=Ni iNi iNi i ixy Y Y x xY Y x xr 12121)()())((，其中i x 为自变量的标志值；i =1，2，…，n ；x 为自变量的平均值，i Y 为因变量数列的标志值；Y 为因变量数列的平均值.求出上图六种指标的相关系数值r 1 =0.9226，r 2=0.8751，r 3=0.7180，r 4=0.8228，r 5=0.0135，r 6=0.7012，我们知道相关系数是变量之间相关程度的指标.|r |值越大，说明变量之间的线性相关程度越高；|r|值越接近0，变量之间的线性相关程度越低，并且γ值的范围在-1和+1之间，γ>0为正相关，γ<0为负相关.γ=0表示不相关.综上得在各种指标中，花色苷的相关性程度最高，白藜芦醇的相关性最低，其余相关性程度都比较高，而且所有指标都是正相关的.接下来我们需要确定酿酒白葡萄与白葡萄酒之间的相关性，我们得到总酚、单宁、总黄酮、白藜芦醇是二者共有的理化指标，同时我们也对总指标做相关性分析，见图三图三同样，我们也求出上图五种指标的相关系数值r 1 =0.5468，r 2=0.5738，r 3=0.6967，r 4=-0.2128，r 5=0.2261，综上得总黄酮的相关性程度最高，r 5=0.2261比较接近0，说明酿酒白葡萄和白葡萄的质量的相关性不强，且白藜芦醇这一指标是负相关，原因是白葡萄酒的制作工艺种是不把果皮那去榨汁的，而白藜芦醇绝大部分都存在果皮中，此外由于果皮里含有许多物质充分，而白葡萄酒不拿果皮榨汁，所以导致其相关性系数较低，其余指标都是正相关的.5.4. 问题四的模型建立和求解 5.4.1 灰色关联分析模型的建立关联分析是系统分析的一个重要方面，实际系统中的现象往往很复杂.涉及的因素很多，在这些因素中哪些是主要的，哪些是次要的，哪些是需要利用和发展，哪些需要抑制和避免，都可以通过系统的关联分析得以明确.步骤1 设比较对象有x 个，在本例中即为葡萄酒的质量：))x (,),2(),1((}x ,,2,1|)({00000x x x k k x x ===;步骤2 设评价对象有y 个，在本例中即为酿酒葡萄以及葡萄酒的理化指标：))y (,),2(),1((}y ,,2,1|)({i i i i i x x x k k x x ===，m i ,,2,1 =;步骤3 比较数列对基准数列在第k 个评价指标的关联系数：)()(max max )()()()(max max )()(min min )(0000k x k x k x k x k x k x k x k x k i kii i kii kii -+--+-=ρρξ,其中，]1,0[∈ρ称为分辨系数，)()(min min 0k x k x i ki-和)()(max max 0k x k x i ki- 分别称为两极最小差和两极最大差.关联系数这一指标描述了葡萄酒质量分别与酿酒葡萄的理化指标和葡萄酒的理化指标的关联程度，如果关联程度大，说明酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响程度就大，如果关联程度小，说明影响就小，对于影响程度大小的界定，我们不能主观的得出一个范围，因此引入比较数列对基准数列的关联度i r ：∑==ni i i k n r 1)(1ξ根据相关资料，对i r 的数值制定如下标准[5]，因分辨系数是在(0,1)中取定的实数，一般取5.0=ρ,关联度是各关联系数)(k ξ累加后在n (8,2,1 =n )维空间的平均值.当分辨系数5.0=ρ，认为关联度i r 大于0.5都可以接受，即通过关联度检验，否则关联程度差些.通过上述分析，我们得到酿酒红葡萄的理化指标与红葡萄酒质量的灰色关联度为0.587，红葡萄酒的理化指标与红葡萄酒质量为0.526，酿酒白葡萄的理化指标与白葡萄酒质量的灰色关联度为0.569，白葡萄酒的理化指标与白葡萄酒质量为0.665，综上我们可以得出结论：四者都满足以上要求.我们利用“反证法”，假设现在感官指标中的芳香物质对葡萄酒的质量存在一定的影响，那么根据第（3）问中建立的相关系数模型可以得知，芳香物质与葡萄酒质量这二者之间也可能存在某种相关.我们根据数据中提供的各种芳香物质的分子量乘上它们在各种葡萄酒、酿酒葡萄中的成分大小，并做求和处理，得到每一种葡萄酒所有芳香物质成分的总和，最后利用这些总和得到四者关联的散布图，见图四：图四从上图看，可以明显观察到这些芳香物质的红白葡萄酒的质量都不存在必然的相关性.但由于存在以下的集合关系，见图五，图五：葡萄酒与两种指标之间的集合关系因此我们得到如下结论：感官指标不足以评价葡萄酒的质量，而葡萄和葡萄酒的理化指标则可以用来评价葡萄酒的质量.六、模型的评价6.1. 模型的优点（1）本模型根据浅显易懂的等级区分，为购买者、投资者提供一份买酒的参考和决策，并且为每种酒制定的分数也可以为缺乏专业葡萄知识的投资者提供简单明了的分数来判断葡萄酒的“价值”.（2）本模型综合应用了主成分分析，相关系数，灰色关联等方法，使得模型的实用性较高，并具有较强的应用指导意义.6.2. 模型的缺点（1）熵权法对品酒员确定的权重比较参差，对评价葡萄酒的质量可能产生影响.（2）在模型中只是利用离差系数这一指标来确定品酒员评酒的可信性，不具有很好的说服力.（3）在用主成分分析的结果中发现氨基酸并没有在主成分当中，而实际上氨基酸的含量是占很大比例.（4）酿酒红葡萄和酿酒白葡萄指标的选择上有点相对不合理，导致葡萄的综合指标和分级有些偏差.七、模型的改进与推广7.1. 模型的改进随着C S- M S 方法在国内外香气检测领域的普遍使用[6], 葡萄酒芳香物质的研究呈现出新的特点, 从本模型的构建过程中我们发现单单从芳香物的含量或者质量上去考虑对葡萄酒质量的影响，研究方向过于狭隘，而且并没有达到很好的效果，所以应该更深入地分析各种芳香物质的成分，以及确定是否存在某种的物质可以对葡萄酒的质量产生影响，从而更加全面地去分析葡萄酒质量的影响因素，继而补充了本模型在这方面的不足.7.2. 模型的推广葡萄酒的评分是由主观的角度来评断一支酒，因此评分者是否为具有公信力的专家非常重要,而各人的评分类型也未尽相同[7].本模型主要还是通过数据对葡萄酒的评分进。
葡萄酒评价结果的差异性分析与可信度确定①
葡萄酒评价结果的差异性分析与可信度确定①刘婵;江伟【期刊名称】《科技创新导报》【年(卷),期】2014(0)27【摘要】当前对葡萄酒评价主要依赖评酒员的品评，很大程度上带有主观因素，因此评酒员评价结果的差异性与可信度的研究具有重要意义。
该文首先针对总体评价得分利用双正态总体方差比的检验模型，得到方差相同的结论，然后在此基础上利用等方差双正态总体均值差的检验模型对两组评酒员的评价结果有无显著性差异进行建模分析，计算得出两组专家在对红葡萄酒进行打分时差异不显著，而对白葡萄酒进行打分时差异显著。
其次，运用EXCEL中两个正态总体均值之差的T-检验方法进行求解得出一样的结果。
此外为了进一步验证结论的真实性，还将模型进行了改进，用两个多元正态总体均值向量的检验法对专家打分中的全部数据进行了检验，结果与之前得到的结论吻合。
最后，利用评价结果的组内方差来分析两组专家打分结果的可信度，得出第二组结果更可信的结论。
【总页数】3页(P230-231,233)【作者】刘婵;江伟【作者单位】塔里木大学信息工程学院新疆阿拉尔 843300;塔里木大学信息工程学院新疆阿拉尔 843300【正文语种】中文【中图分类】C81【相关文献】1.葡萄酒评酒专家评价的可信度量化模型及应用 [J], 高鑫;杨如艳;官晓飞;伍勇2.葡萄酒评价的差异性及可信度研究 [J], 毛园园3.葡萄酒感官评价的差异性及可信度方法研究 [J], 曹志强;刘娅楠;杨婷;马蕾;齐亚娥4.葡萄酒感官评价的差异性及可信度研究 [J], 苏玉华;韦师5.知证卫生决策工具之八--确定系统评价的可信度 [J], Simon Lewin;Andrew D Oxman;John N Lavis;Atle Fretheim;李幼平;王莉;陈尹;陈群飞;蒋兰慧;杜亮因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘 要 ： 当前对葡萄酒评价主姜依 般评 酒员的品评， 很 大程度上带有主观 因素， 因此评酒员 评价 结果的差异性与可信 度 的研完具有重要意义。 该
文首先针对总体评 价得 分利用双正态总 体 方差比的检验模 型， 得 到方差相同 的结论， 然后在此基础上利用等方差双 正态总体 均值差的检验模型 对 两组评酒员 的评价 结果有无显著性差异进行建摸分析， 计算得 出两组专家在 对缸 葡萄酒进行打分时差异不显著， 而对 白葡萄酒进行打分时差
样品编号 外观分析
澄清度 红葡萄酒第一组 １
２
香气分析
色调 ６ ． ４
７ ． ２
口 感分析
浓度 ５ ． ４
６． ５
’
浓度 ４ ． ５
６． ８
平衡／ 整体
质量 Ｉ １ ． ８
１ ８ ． 显 著 性 差 异分 析 并 比较 结果 ； 为了进 一
Ｍａ ｔ ｌ ａ ｂ 中没 有专 门 解 决 这 类 问题 的 函
ｆ Ｕ ｎ Ｃ ｔ ｉ ０ ｎ 【 ｈ， ｓ ｉ ｇ］ ＝ｆ ｔ ｅ ｓ ｔ ２
葡 萄酒 的 评 价 问 题 一直 依 赖 评 酒 员的 步 确 定 比 较 结 果 ， 运 用 两 个 多元 正 态 总 体 数 ， 因此需 要 编 写Ｍ文 件如 下 ：
！
Ｑ：
Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ Ｉ ｎ ｎ ｏ ｖ ａ ｔ ｉ ｏ ｎ Ｎ ｅ ｒ ｅ ｉ ｄ
学 术 论 坛
葡 萄 酒评 价 结果 的差 异性 分 析 与 可信 度确 定 ① ②
刘婵 江伟 （ 塔里木大学信息工程 学院 新疆阿拉尔 ８ ４ ３ ３ ０ ０ ）
ｎ ２ ： ｌ ｅ ｎ ｇ ｔ ｈ （ ｙ ） ｌ
哪 些结果更可信是值得研 究的问题 。 该文 各 项 评 分 求 取 平 均 数 来 作 为 该 组 评 酒 员对
将对２ ０ １ ２ 年 数 学 建 模 Ａ题 给 出的 评 酒 员评 此 样 品 酒 的 各 项 评 分 ， 整理 后 的 数 据 部 分 价 结 果进 行 统 计分 析。
于 公元 前 ７ ０ ０ ０ 年至公元前５ ０ ０ ０ 年， 起源 自 此， 我们 对 数 据 进 行 预处 理 ， 删 去 一 些具 有
小 亚 细 亚 至 中东 一 带 。 新华 社１ ９ ９ ６ 年６ 月６ 明 显错 误 的 数 据 ， 针 对 专 家 评 分 中的 整 体
０ ． ０ ５下 判 断 两 组 评 酒 员的 评 价 结 果 日报导 ： 考 古学 家 在 伊 朗北 部 扎 格 罗斯 山脉 评 分 ， 对 其 平 均 值 建 立 双 正 态 总 体 方差 比 有 无 显 著 性 差 异 。根 据 题 意 ， 先 在 ｔ ， ： 的一 个石 器 时代 晚 期 的 村庄 里 ， 挖 掘 出的一 和 均值 差 的 检 验 模 型 ， 分 别 用Ｍ ａ ｔ ｌ ａ ｂ自编 未 知 的 条 件 下 检 验 假 设 ：Ⅳ０ ： ｏ ： ｏ ２ ， 个 罐 子 证 明， 人 类在 距 今７ ０ ０ ０ 多年 前就 已饮 程 序 ￣ Ｉ Ｅ ＸＣ Ｅ Ｌ 软件 中的数 据 处 理功 能 进行 ： ｏ ≠ ｏ ； 用 葡 萄酒 了… 。
２ 评 价 结 果 的差异 性 分析
（ １ ） 双 正 态 总 体 方差 比均 值 差 的 检 验 模
运 用 逐 对 比 较 法 ，在 显 著 性 水 平
＝
考 古发 掘 的历 史材 料 证 实 ， 葡 萄 酒大 约 出现 显著 性 差 异 ， 并 判 断 哪 一 组 结 果更 可信 。 为 型ｆ ２ 】 口
见表 １ 。
ｘ ｂ ａ ｒ ＝ｍｅ ａ ｎ （ ｘ ） ； ｙ ｂ ａ ｒ ＝ ｍｅ ａ ｎ （ ｙ ） ｌ
［ ｍ１ ， ｖ １ ］ ＝ ｃ ｈ ｉ ２ ｓ ｔ ａ ｔ （ ｘ ） ； 【 ｍ２ ， ｖ ２ ］ ＝ ｃ ｈ ｉ ２ ｓ ｔ ａ ｔ （ ｙ ） ；
表１样 品酒各项评分均值
人 为 打分 ， 除 去 一 些 客 观 影 响 因素 ， 评酒员 均 值 向量 的 检 验 法 对 专 家 打分 中的 全 部 数
的 个人 主 观 意 愿 爱 好 也 对 评 价 结 果 有着 重 据 进 行 检 验 运 用 。 最后， 利 用组 内方差 来 确 （ ｘ， Ｙ， ａ ｌ ｐ ｈａ ， ｔ ａ ｉ ｌ ） 大的影响。 因此 ， 一 般 情况 下 都 要请 很 多评 定 各组 评 分 的 可信度 。 酒 员进行 评 酒 ， 这 些评 价 结 果 是 否有 差异 ， 将 同一 样 品 酒 的 １ ０ 位 评 酒 员所 评 出的 ｎ ｌ ＝ ｉ ｅ ｎ ｇ ｔ ｈ （ ｘ ） ；
异显著。 其次， 运 用ＥＸ Ｃ Ｅ Ｌ 中两个正态总体均值之差的Ｔ － 检验 方法进行求解得 出一样 的结果。 此 外为了进一步验 证结论 的真实性 ， 还将模型进
行了 改进 ， 用两 介多 元正态总体均值向量的检验 法对专家打分中的全部数据进行 了 检验， 结果与之前得到的结论吻合。 最后， 利用 评 价结果 的组 内方差来分析两组专家打分结莱的可信度 ， 得出第二蛆结果更可信的结论。
关键词 ： 差异性分析 可信度确定 假设检验 多元统计分析
中图分类号 ： Ｃ ８ １
文献标识码 ： Ａ
文章编 号： １ ６ ７ ４ — ０ ９ ８ ｘ （ ２ ０ ｌ ４ ） ｏ ９ （ ｃ ） 一 ０ ２ ３ ｏ 一 ０ ３
葡 萄酒 的 历史可 谓 源 远 流 长 ， 要 追溯 其 １ 数 据 及预 处 理 究竟 始 于 何 时 何 地 ， 似 乎 是 不 可能 的 。 根 据 为 了分 析 两 组 评 酒 员 的 评 价 结 果 有 无