关于葡萄酒问题的数学建模.docVIP

葡萄酒评价模型 摘 要 本文讨论了葡萄酒的评价问题。 对问题一，分别求出两组评酒员对各葡萄酒样品的平均评分，通过SPSS软件对同一类酒的两组得分进行T检验，检验结果表明两组评酒员的评价结果有显著性差异。再建立评酒员和样品葡萄酒得分的典型相关分析模型，运用MATLAB求解，以样品葡萄的得分与评酒员的相关系数越大评分越不可信为依据，得出第二组的评分更可信的结论。 对问题二，以第二组的评分为准，对葡萄酒的质量进行排序，得出排序向量，对酿酒葡萄中各个理化指标进行排序，得出排序矩阵，排序向量与排序矩阵的各列进行点乘，得到葡萄酒质量与酿酒葡萄中各个理化指标的内积，以此内积作为葡萄酒的质量与酿酒葡萄中各个理化指标的相似度指标，选出相似度较高的五项指标作为酿酒葡萄分级的参考指标。根据参考指标对酿酒葡萄进行分级，分别得出了依香气、口感、外观进行分级的酿酒葡萄分级结果(见表五，表六)。 对问题三，建立非线性回归模型，讨论酿酒葡萄与葡萄酒理化指标的联系。将葡萄和葡萄酒的理化指标进行无量纲化处理，利用最短距离法，选出葡萄理化指标中对葡萄酒理化指标影响最大的五项作为回归自变量，以葡萄酒的理化指标为回归因变量，运用MATLAB求解得到酿酒葡萄与葡萄酒的理化指标之间的4次函数关系式（见表七,表八）。 对问题四，建立酿酒葡萄的理化指标、葡萄酒的理化指标与葡萄酒质量的多重T检验模型。应用SPSS软件进行T检验，通过检验结果所体现出的向量整体差异程度表明，酿酒葡萄和葡萄酒的理化指标对葡萄酒质量影响较大，故可以用酿酒葡萄和葡萄酒的理化指标评价葡萄酒质量。 关键词 理化指标；T检验；典型相关系数；回归模型；葡萄酒评价 问题重述 由于葡萄酒不仅饮用口感佳，而且还具有延缓衰老预防心脑血管病预防癌症阶矩阵，对矩阵中每一列按从大到小进行排序，取前五行数据进行拟合，建立非线性回归模型，从而可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，酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响,可先将酿酒葡萄、葡萄酒的理化指标与葡萄酒质量无量纲化，可利用SPSS软件，对酿酒葡萄和葡萄酒的各项理化指标与葡萄酒质量进行T检验，可进一步分析与葡萄酒质量存在显著性差异的理化指标数目。从而确定根据酿酒葡萄与葡萄酒是否能判断葡萄酒质量。 三、基本假设 1．假设葡萄酒的质量基本服从正态分布； 2．原始数据真实可靠； 3．未被测量出来的指标对葡萄酒质量的影响忽略不计。 四、符号表示 符号表示 符号说明 第一组样本数据的平均数 第二组样本数据的平均数 第一组样本方差 第二组样本方差 评酒员的编号 分数 相关矩阵的特征根 第组数据与第组数据的方差和 拟合过程的随机误差 五、模型建立与求解 葡萄酒评价结果受多方面因素影响，葡萄酒的质量与原材料酿酒葡萄有直接影响，酿酒葡萄和葡萄酒的理化指标确定着葡萄酒的质量，以及影响葡萄酒最终评价结果的因素是多方面，现就针对酿酒葡萄好坏与葡萄酒质量以及酿酒葡萄和葡萄酒的理化指标之间的关系，来讨论题目中的四个问题。 5.1 两组评酒员评价的选择 首先分析两组评酒员的评价结果有无显著差异，再进行可信度分析，选可信度高的一组为葡萄酒质量的评判标准。 5.1.1分析两组评酒员的评价结果有无显著性差异 为分析两组评酒员的评价结果有无显著性差异，本文首先运用EXCEL求得每组中各红葡萄酒的平均分（见附录一）以及白葡萄酒的平均分（见附录一），而后运用T检验方法进行双重比较。这种方法为比较第一组与第二组平均数，即检验 方法采用配对样本均值T检验 由于本题中两组数据来自于相同样本，所以，。 再利用SPSS软件对问题进行求解得到如下数据结果： 表一 附件1中各表成对样本统计量 成对样本统计量 均值 N 标准差 均值的标准误差 对1 一组红 73.1967 30 7.46216 1.36240 二组红 70.7067 30 3.89331 0.71082 对2 一组白 74.4129 31 4.83175 0.86781 二组白 76.4452 31 3.06005 0.54960 表二 附件1中各表成对样本相关系数 成对样本相关系数 N 相关系数 Sig 对1 一组红二组红 30 0.715 0 对2 一组白二组白 31 0.239 0.196 表三 附件1中各表成对样本检验 成对样本检验 成对差分 t df Sig 均值 标准差 均值的标准误差 差分的95%置信区间 下限 上限 组一红——组二红 2.4900 5.41335 0.98834 0.46862 4.51138 2.519 29 0.018 组一白——组二白 -2.0322 5.06421 0.90956 -