白葡萄酒的质量综合评价模型.docx

白葡萄酒的质量综合评价模型摘要时代在进步，人类的对生活品味的追求不断增加，这使得葡萄酒的需求日益增加。在现今的大数据时代，人们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。本文中主要研究了葡萄酒的品质以及与酿酒葡萄的理化指标的关系。合理运用葡萄酿出好酒。首先基于两组白葡萄酒的评分差异性做出判断，运用符号秩检验方法检验出两组白葡萄酒的评分存在显著性差异，再合理的运用两组评分的组内方差的波动性及其大小来评判出第二组的评分可靠性更高。接下来我们结合酿酒葡萄的理化指标和可信组评酒员的打分所刻画的葡萄酒的质量对酿酒葡萄进行分级，用聚类分析的方法将白葡萄酒和酿酒葡萄各分成了5 类，然后对分好的葡萄类所酿造的葡萄酒进行统计，最后得到各类酿酒葡萄对应的级别关键字：假设检验、符号秩检验、聚类分析一、问题分析题目为我们提供了白葡萄酒的感官评价指标，白葡萄和葡萄酒的各种理化指标的信息。本文的关键就是通过分析处理已给的数据，建立数学模型来研究白葡萄酒质量的确立。为此，我们要依次达到题目给出的以下几个目标：1.1两组评价结果差异性和可信性研究问题一给出了两组评酒员对白葡萄酒的评价分数，本文采用假设检验中的t 检验法建立评估两组数据差异的模型，研究两组评价员的评价结果是否存在差异，判断是否能接受它们有显著性差异的假设。若判断的结果是这两组数据存在差异，我们就进入第二步，可靠性研究。我们分别对两组数据求方差，方差小的那组说明波动比较小，评酒员的评定比较稳定，数据比较可靠。1.2 酿酒葡萄的分级首先，我们利用第一题的结果，用置信区间法对可信组的原始数据进行处理，降低评酒员之间的差异，提高酒样品之间的差异；利用处理后的数据（总分）对葡萄酒进行分级；然后，用初步处理后的酿酒葡萄的理化指标对葡萄进行聚类分析，将葡萄分成了若干类；分析每类葡萄对应的葡萄酒大都属于哪一级别，从而得出葡萄的级别；最后，分析每一级葡萄理化指标的特点，建立起葡萄指标识别葡萄级别的模型帮助果农更好地利用好葡萄酿好酒。二、问题假设1、同种葡萄酒在一组评酒员下的得分成正态分布。2、一种葡萄对应酿制一种葡萄酒。3、葡萄的成分充分转换成葡萄酒里的成分，不存在意外的浪费和挥发。4、假设葡萄和葡萄酒芳香物质中没有检测到的成分不存在于该样本中，数据处理前将其置为零。三、符号说明第i个白葡萄酒样品评分第i个白葡萄酒样品的第j个酿酒葡萄的理化指标四、模型的建立与求解4.1 模型一：基于符号秩检验建立差异评估模型我们采用假设性检验验证是否能接受两组评酒员评价结果无差异的假设。然后用方差分析两组评酒员组内数据的波动，认为较平稳的一组数据比较可靠。4.1.1 数据预处理我们在整理数据的时候发现几个比较显著的异常数据：1）第一组白酒数据—样品3—持久性—品酒员7 号数据明显有问题，怀疑是多敲了一个7；2）第一组白酒数据—样品8—口感分析—浓度—品酒员2 号数据明显异常。因为随机样本在均值附近振荡，所以我们选用均值来代替异常数据以求误差最小。表格 1白葡萄酒的数据初步处理白葡萄酒样品1234567891011121314第一组评分8274.285.379.47168.477.571.472.974.372.363.365.972第二组评分77.975.875.676.981.575.574.272.380.479.871.472.473.977.1D4.1-1.69.72.5-10.5-7.13.3-0.9-7.5-5.50.9-9.1-8-5.1白葡萄酒样品1516171819202122232425262728第一组评分72.47478.873.172.277.876.47175.973.377.181.364.881.3第二组评分78.467.380.376.776.476.679.279.477.476.179.574.37779.6D-66.7-1.5-3.6-4.21.2-2.8-8.4-1.5-2.8-2.47-12.21.7图表 1差值的密度直方图及正态QQ图根据图1白葡萄酒样品评分差值密度直方图，易知该分布是单峰对称分布，以及正态QQ图可知，差值近似服从正态分布。在对其进行检验时，可以选择符号检验和符号秩检验，但结合两种检验的优缺点，为了取得更好的检验效果应选择符号秩检验。4.1.2 基于成对数据的符号秩检验1）符号秩检验简介在符号秩检验中，它把观测值和零假设的中心位置之差的绝对值的秩分别按照不同的符号相加作为其检验统计量。它适用于参数检验中t检验的成对比较，但并不要求成对数据之差服从正态分布，只要求服从对称分布即可。检验成对观测数据之差是否来自均值为0的总体（产生数据的总体是否具有相同的均值）。2）模型的建立在白葡萄酒的符号秩检验过程中。假设28个样本点，来自连续对称