葡萄酒质量评价.docVIP

葡萄酒质量评价 　　摘要：现行的葡萄酒质量的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理化指标来评价葡萄酒质量是一个值得研究的方向。为此，利用多元统计分析的相关知识，通过研究酿酒葡萄的理化指标和葡萄酒的质量之间的关系，客观的评价了葡萄酒的质量，成功的对酿酒葡萄进行了分级。 　　关键词：t检验法；K均值聚类；典型相关分析；多元线性回归 　　中图分类号：F27文献标识码：Adoi：10.19311/ki2018.09.028 　　1问题背景 　　葡萄酒质量的好坏主要依赖于评酒员的感观评价，由于人为主观因素的影响，对于酒质量的评价总会存在随机差异，找到一种简单有效的客观方法来评酒，如何采用一个量化的评价标准就显得尤为重要了。本文根据全国大学生数学建模竞赛2012年A题的问题和数据，通过研究酿酒葡萄的好坏与所酿葡萄酒的质量的关系，以及葡萄酒和酿酒葡萄检测的理化指标之间的关系，对葡萄酒的质量进行了客观评价和分级。 　　2模型假设 　　（1）假设附件数据来源真实有效； 　　（2）假设两组品酒员在相同环境下品酒，采用评分标准一样； 　　（3）假设酿酒葡萄和葡萄酒编号一一对应。 　　3符号说明 　　4模型建立与求解 　　4.1问题一的模型建立与求解 　　4.1.1数据预处理 　　在数据分析之前通常要对数据进行预处理，附件1包含两组品酒员分别对红葡萄酒和白葡萄酒的评分数据，每组品酒员有10个，红葡萄酒样品有27个，白葡萄酒样品有28个。观察数据我们可以发现，部分数据存在缺失和异常现象，我们对其正常化处理。对于数据缺失情况，例如第一组红葡萄酒样品20号中品酒员4号对色调评分数据缺失，我们采用剩余数据的均值替换法来修补缺失数据。对于数据异常情况，例如第一组白葡萄酒样品3号中品酒员7号对持久性数据评分超过其规定最大值，我们也是采用“先舍弃后均值替换”的方法。 　　4.1.2评分数据正态性的检验 　　对数据进行预处理后，我们对附件1中品酒员对酒样品的评价总分进行了计算，然后得出了红葡萄酒和白葡萄酒的得分均值，其图像如图1、图2所示。 　　观察图1、图2可以发现，两组品酒员对红葡萄酒和白葡萄酒的得分均值虽然在数值上有出入，但其变化趋势大致一样，为了评价两组品酒员的评价结果有无显著性差异，我们拟采用双正态总体t检验法，为此我们需要对两组品酒员的评分数据进行正态性检验。 　　根据其得分均值数据，我们采用MATLAB正态检验性的相关函数，绘制了两组品酒员对红葡萄酒得分均值的频数分布和正态概率如图3所示。 　　观察图3我们可以发现，两组品酒员对红葡萄酒得分均值频数大致符合正态分布，而正态概率图正说明了得分均值的概率落在直线周围，所以我们可认为两组品酒员对红葡萄的得分均值服从正态分布，我们再利用函数lillietest来检验是否服从正态分布，结果显示H=0，则可以认为是服从正态分布的。针对两组品酒员对白葡萄酒的得分均值亦采用上述方法，结果表明其服从正态分布。 　　4.1.3双正态总体t检验 　　t检验是一种比较成熟的检验方法，针对本问题，采用双总体独立样本的t检验法，其检验统计量为： 　　（1） 　　其中S21，S22表示两样本方差，n1，n2表示两样本量。 　　当样本量n1=n2=n时，t检验统计量化简为： 　　（2） 　　首先提出无效假设与备择假设：H0：两组品酒员评价结果无显著性差异，H1：两组品酒?T评价结果有显著性差异。 　　计算两组品酒员对红葡萄酒和白葡萄酒评分均值的t统计量，绘制其显著性检验结果如图4所示。 　　观察图4再结合t检验推断依据，在显著性水平为0.05的情况下，t检验值小于t（df）0.05，所以接受原假设，即两组品酒员评价结果无显著性差异。接着计算得到了两组品酒员对红葡萄酒和白葡萄酒的平均显著性t检验值分别为1.7539和1.1356，这说明品酒员对白葡萄酒评价结果的差异小于对红葡萄酒的差异。 　　4.1.4哪组结果更可信 　　为了评价哪一组结果更可信，我们可以根据品酒员对酒样品评价得分的方差来体现，方差越小，说明品酒员之间评价结果越接近，评价结果越可信。 　　观察图像可以发现，对于红葡萄酒和白葡萄酒，第一组品酒员评分的方差均大于第二组品酒员评分的方差，综上，我们可认为第二组品酒员的评分数据更可信一点。 　　4.2问题二的模型建立与求解 　　根据酿酒葡萄理化指标和葡萄酒质量对酿酒葡萄进行分级，也就是对酿酒 进行聚类。查阅文献可知，K均值聚类法具有广泛的应用，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。限于篇幅原因，其实现原理和方法见参考文献。 　　4.