葡萄酒的评价国家一等奖.doc

葡萄酒的评价摘 要本问题要求我们建立一种准则去评价葡萄酒质量。葡萄酒的质量是外观、香气、口感、营养成分等多种因素协调平衡的结果。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。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。本文就葡萄酒质量的评价问题进行分析研究，针对如何对酿酒葡萄进行分级，酿酒葡萄与葡萄酒的理化指标之间的关系，以及酿酒葡萄与葡萄酒的理化指标对葡萄酒的质量的影响等问题，建立了相应的数学模型，并运用EXCEL、MATLAB等数学软件，分别就题目所提出的问题进行求解。对于问题一，我们采用均值与方差的变化幅度方法，首先通过对两组品酒员的打分进行处理，求出每种样酒的均值，并求出每种样酒各个品酒员的打分的方差，判断所有样酒之间品酒员打分的差异性，如果一组品酒员对每种样酒的打分差异性较小，则说明这组成员的打分更可信。然后通过对两组数据对各种样品打分进行差异性分析，得出两组数据的差异性是否显著。经计算第二组结果更可信。问题二，有问题一的处理结果，我们首先对评分进行排序，决定葡萄酒的质量。由于葡萄酒的质量和酿酒葡萄的好坏有直接关系，本问题采用逆向分析法，首先根据葡萄酒的质量对酿酒葡萄进行分级，然后通过对酿酒葡萄的各项理化指标进行分析，论证了理化指标的变换趋势同葡萄酒的排名呈线性变换，即论证了葡萄的分级正确。问题三：将葡萄酒的理化指标作为因变量，酿酒葡萄的理化指标作为自变量，假设两者之间存在线性关系。采用多元线性回归方法分析得出两个表中的指标之间的关系矩阵，并分析各组矩阵系数的误差值，得到最佳的线性关系，建立酿酒葡萄和葡萄酒理化指标的关系数据模型。 问题四：我们应用多元线性回归模型进行了定性分析，论证了用葡萄和葡萄酒的理化指标可以评价葡萄酒的质量。关键词: 葡萄酒评价 逆向分析 MATLAB 多元线性回归 方差 均值 一、问题重述1.1.背景条件与知识：葡萄酒是具有多种营养成分的高级饮料，适度饮用葡萄酒能直接对人体的神经系统产生作用，提高肌肉的张度，对维持和调节人体生理机能起到良好的作用。葡萄酒的质量是外观、香气、口感、营养成分等多种因素协调平衡的结果。因此，建立科学的葡萄酒评价体系具有重要的理论意义和实用价值。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。1.2.需要解决的问题 1. 根据相关数据，分析两组评酒员的评价结果的显著性差异，看哪一组结果更可信。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。1.3相关数据：见附录表，给出了某一年份一些葡萄酒的评价结果，以及该年份这些葡萄酒的和酿酒葡萄的成分数据。二,问题的分析 2.1问题的重要性分析（社会背景） 众所周知，葡萄酒质量的好坏，主要靠感官品尝和理化指标分析的方法来确定。目前我国规定，对葡萄酒的感官品尝主要从色泽，香气，口味，风格四个方面进行品评，而品评往往受到评酒人员的嗜好，习惯，情绪，年龄，经验等因素的影响，评定常有一定程度的主观性和不确定性，这使评分的可靠性受到影响。如何解决以上一系列问题变得非常重要。 2.2.有关方面在这个问题上做过的研究现有文献中大部分都从葡萄酒和酿酒葡萄的物理化学属性方面进行研究，一般只得到定性结果，很少见到定量具体分析，不利于葡萄酒质量的控制与提高。本文基于对所给三个附件数据的处理和分析，针对各具体问题提出了若干数学模型得到了较为满意的解答。三问题的假设(1).参考文献以及附录表中所提供的数据是真实的。(2).对酿酒葡萄进行分级主要是通过研究葡萄酒质量来衡量的。(3).所有评酒员的感官方面都是正常的，且评酒员之间相互独立。(4).附件中所给的葡萄酒和酿酒葡萄的成分数据在一定范围内都是正确的。(5).在评价葡萄酒之前，所贮存的葡萄酒不受外界环境因素影响，从酿酒之后到评价之前都是完好的四，符号说明1.：表示样本均值；2.：表示样本方差；3.：表示酿酒葡萄的各项理化指标；4.：表示葡萄酒的各项理化指标；5.：随机变量，表示第一组评酒员评价的红葡萄酒的质量6.：随机变量，表示第二组评酒员评价的红葡萄酒的质量五、问题的分析与模型建立、求解 5.1. 问题一：分析两组评酒员的评价结果有无显著性差异，及哪组更可信。5.1.1对红葡萄酒的分析1.数据处理根据题意，葡萄酒的质量是通过品酒员品尝后对其分类指标打分，然后求和得到其总分来确定。十个品酒员的平均分数可作为该葡萄酒样品的质量分数。因此，首先将数据处理，将每一分组各样品下分类指标的分数加总求和，并对十个品酒员的分数求平均值，用该平均值代表该样品的质量分数（详见附表1），最后列出两组的成对数据如下：表1: 红、白葡萄酒品尝评分的均值与方差红葡萄酒品尝评分白葡萄酒品尝评分第一组第二组第一组第二组第一组第二组第一组第二组样品162.768.192.900 81.878 样品18277.992.222 25.878 样品280.37439.789 16.222 样品274.275.8201.067 49.067 样品380.474.645.822 30.711 样品385.375.6365.122 142.489 样品468.671.2108.644 41.289 样品479.476.944.711 42.100 样品573.372.162.011 13.656 样品57181.5126.444 26.278 样品672.266.359.733 21.122 样品668.475.5162.711 22.722 样品771.565.3103.610 62.678 样品777.574.239.167 42.178 样品872.36644.011 65.111 样品871.472.3183.600 31.122 样品981.578.232.944 25.733 样品972.980.492.767 106.267 样品1074.268.830.400 36.178 样品1074.379.8212.678 70.400 样品1170.161.670.767 38.044 样品1172.371.4177.122 87.822 样品1253.968.379.656 25.122 样品1263.372.4115.789 140.044 样品1374.668.844.933 15.289 样品1365.973.9170.767 46.767 样品147372.630.000 23.156 样品147277.1114.222 15.878 样品1558.765.785.567 41.344 样品1572.478.4131.600 54.044 样品1674.969.918.100 20.100 样品167467.3178.000 82.233 样品1779.374.588.011 9.167 样品1778.880.3144.178 38.456 样品1859.965.447.211 50.267 样品1873.176.7156.544 30.233 样品1978.672.647.378 55.156 样品1972.276.446.400 26.044 样品2078.675.826.044 39.067 样品2077.876.664.400 50.044 样品2177.172.2116.100 35.511 样品2176.479.2172.711 64.400 样品2277.271.650.622 24.267 样品227179.4138.667 53.600 样品2385.677.132.489 24.767 样品2375.977.443.656 11.600 样品247871.574.889 10.722 样品2473.376.1111.122 38.544 样品2569.268.264.622 43.733 样品2577.179.533.878 106.500 样品2673.87231.289 41.556 样品2681.374.372.900 102.900 样品277371.549.778 20.500 样品2764.877144.400 35.556 样品2881.379.680.456 25.378 通过观察两表数据我们发现两组红葡萄酒的得分均值近似相等，两组白葡萄酒的得分均值也近似相等。而通过两组红葡萄酒得分方差的比较,我们发现，第一组红葡萄酒得分的方差波动明显比第二组的大。同样,通过对两组白葡萄酒得分的方差的比较，我们进一步发现，第一组白葡萄酒得分的方差波动明显比第二组的大。应用Excel软件，以及数据拟合，我们得到以上四组样本的均值与方差的柱形图如下:图1:两组红葡萄酒均值比较的柱形图图2:两组红葡萄酒方差比较的折线图 图3:两组白葡萄酒均值比较的柱形图图4:两组白葡萄酒方差比较的柱形图5.1.2.问题一结果综上,我们得出第一问的结论为:两组品酒员的评价结果有显著性差异，并且第二组结果更可信。5.2. 问题二的求解对于葡萄酒，由于酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系，而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，据此可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。酿酒葡萄的分级根据第二组品酒员给出的数据对各种样酒的打分进行排名，得出表2的结果。红葡萄酒样品名白葡萄酒样品名名次酒样品978.2酒样品581.51酒样品2377.1酒样品980.42酒样品2075.8酒样品1780.33酒样品374.6酒样品1079.84酒样品1774.5酒样品2879.65酒样品274酒样品2579.56酒样品1472.6酒样品2279.47酒样品1972.6酒样品2179.28酒样品2172.2酒样品1578.49酒样品572.1酒样品177.910酒样品2672酒样品2377.411酒样品2271.6酒样品1477.112酒样品2471.5酒样品277713酒样品2771.5酒样品476.914酒样品471.2酒样品1876.715酒样品1669.9酒样品2076.616酒样品1068.8酒样品1976.417酒样品1368.8酒样品2476.118酒样品1268.3酒样品275.819酒样品2568.2酒样品375.620酒样品168.1酒样品675.521酒样品666.3酒样品2674.322酒样品866酒样品774.223酒样品1565.7酒样品1373.924酒样品1865.4酒样品1272.425酒样品765.3酒样品872.326酒样品1161.6酒样品1171.427酒样品1667.328 可以根据酒样品的排名打分，由题目中给出的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，现在要对酿酒葡萄进行分级，可以假设葡萄酒和葡萄的分级关系是一样的。即，设置一个等级的差值为两个分值点可以分为5个等级，即为A，B，C，D，E，F，如下表所示：等级白葡萄酒样品的酿酒葡萄红葡萄酒样品的酿酒葡萄A样品5,9,17样品9，23B样品10,28,25,22,21,15样品20,3,17,2C样品1,23,14,27,4,18,20,19,24样品14,19,21,5,26,22,24,27,4D样品2,3,6,26,7样品16,10,13,12,25,1E样品13,12,8样品6,8,15,18,7F样品11,16样品11对于酿酒葡萄理化指标的分析，可以采用逆向分析法。按照酒样品的排名对酿酒葡萄的理化指标进行排序，再对各酒样品的理化指标绘制折线图。由于给出的数据值单位不同，差别很大，我们把相近的数据作为一组分析，如图所示：从上面四个图中我们发现各葡萄样品同一理化指标分布大致有序，便于对葡萄样品进行分级，且个样品酒的指标的方向走势相同，因此得出酿酒葡萄的理化指标对葡萄酒的分级有直接关系，且等级高的酒样品的各理化指标的坡度较小，所以本问题可以各样品酒酿酒葡萄的指标折线分布图给各种酿酒葡萄进行分级。5.3问题三：分析酿酒葡萄与葡萄酒的理化指标之间的联系 4.3 酿酒葡萄和葡萄酒理化指标的关系分析分析酿酒葡萄和葡萄酒理化指标的关系，首先假设两者之间的理化指标存在线性的关系。酿酒葡萄的理化指标作为自变量，以xj表示，葡萄酒理化指标作为因变量以yi表示, yi和xj之间存在如下线性关系：要求通过多元线性回归方法【2】，求出葡萄酒的各项理化指标yi和葡萄酒各项理化指标xj之间的截距和系数aj。在excel表中将葡萄酒的理化指标和酿酒葡萄的理化指标存储在同一个数据表中。下面举红葡萄酒中的花色苷指标来说明它与酿酒葡萄理化指标相关系数的求解过程。（1） 选择工具菜单中数据分析工具，选择回归工具。（2） 在Y值输入区域中选择花色苷对应的27个样本值，在X值输入区域中选择酿酒葡萄的16项指标对应的27个样本值，设置置信度为95%。（3） 选择输出区域，点击确定。得到如图4-7的结果。图 4-1 多元线性回归分析从图中可以得到截距=68.91897418, =0.016086586,=-0.13477836, =-44.98188506。根据方差分析数据可以看出本次回归计算较为稳定。采用相同的方法分别求出葡萄酒的各项理性指标与酿酒葡萄各项理性指标的关系系数。现规定代表酿酒葡萄中各项理化指标，具体含义如表4所示：表 1 酿酒葡萄的各项指标含义氨基酸葡萄总黄酮（mmol/kg）蛋白质mg/100g白藜芦醇(mg/kg)花色苷mg/100g鲜重黄酮醇(mg/kg)多酚氧化酶活力总糖g/L褐变度可溶性固形物g/lDPPH自由基1/IC50（g/L）百粒质量/g总酚(mmol/kg)出汁率(%)单宁(mmol/kg)果皮颜色代表红葡萄酒中如下含量的指标（i=1,27）代表花色苷(mg/L) 代表单宁(mmol/L)，代表总酚(mmol/L)代表酒总黄酮(mmol/L) 代表白藜芦醇(mg/L)代表DPPH半抑制体积（IV50） 1/IV50(uL) ，代表色泽根据多元性现行分析方法得到的关系系数得到如下关系式：=68.91897+0.016087-0.13478+1.972791-0.5255+0.240849+692.5561-15.5239+4.767124-2.11218+3.127482-6.4382+16.77372+2.745315+0.614097-6.45307-44.9819=-9.09401+0.000414+0.003954+0.00423-0.08344+0.002795+19.87052-0.22018+0.056854-0.02488-0.27525-0.27184+0.817338+0.066961+0.001316-0.05239-0.32094=4.309870293+0.000482215-0.005563826+0.007685438-0.009702926+0.001502526+12.34640165-0.170443173+0.03677875+0.198187749-0.257307868-0.280346508+0.806309524+0.014649507+0.001228762-0.067902211-0.093728178=0.000682123-1.45989E-07-4.20529E-07+1.82258E-06-2.98394E-06-6.5758E-07-0.001617852-2.30759E-05+9.86616E-06+4.83959E-05-0.999981897-0.999970804+2.999937092+9.39391E-07-1.97937E-06+5.06127E-06+9.63372E-06=39.89131541+0.001024677-0.054253306-0.003305432+0.077929582-0.001631166+20.33673667-0.146135532-0.061684331+0.476218186-0.02030855+0.024630436-0.113845417-0.068674477-0.010630293+0.036729339-0.233723452=0.05870222+2.28186E-05-0.000497459-8.44963E-05-0.000922852+8.49658E-05+0.565059075-0.002649894-0.000245509+0.0029893-0.021884539-0.023426832+0.069724819+0.000795107+0.00019409-0.000325651-0.009381274=82.26997908-0.00111005-0.0151502-0.073336809+0.130956499-0.010601026-22.83825416+0.108740171-0.104642115+0.387781488-0.08869712+0.173416682-0.406884042-0.068816523-0.034064941+0.094421714-0.592087743将关系式用矩阵形式表示，得到关系矩阵模型如下： （其中i取值范围1-7，j取值范围0-16）；关系矩阵为图4-8图4- 2关系矩阵图(j=1，26)，代表白葡萄酒中如下成分指标。其中代表单宁，代表总酚，代表酒总黄酮(mmol/L)，代表白藜芦醇，代表DPPH半抑制体积，代表色泽。同理得到关系式如下：=0.604175279+0.000209207+0.001354559-0.044101503-0.005647624-0.000589553+1.607778245-0.268555831+0.076800364+0.316916284-0.245641287+0.0478440010+0.017286155-0.011507379+0.0018409+0.012145369-0.042754007=0.501243835+0.000143148+0.001113557-0.077435823-0.005403231-0.000254587+0.796306085-0.085471522-0.005417132+0.209952117-0.07995039+0.010404107+0.004544921+0.003497223-3.8413E-05-0.002543857-0.034612832=-0.000473911+0.000748146+0.01179059+0.027712463-0.006550158-0.000473911-1.380340966+0.364770143-0.175706414-0.08482922-0.651872043+0.036323401-0.0086686-0.015175112-0.006032095-0.047253365-0.074930961=4.890455606+3.95968E-05-0.000701208-0.06416426-0.002594032+0.000112734+0.895767309-0.035087021+0.069649085-0.016717891-0.072590197+0.000473339-0.007626529-0.004460601-0.001534944-0.002523121-0.036131025=0.185644942+5.14794E-06-0.000198012+0.001253156-0.000738177+1.60609E-05+0.024026626-0.007407679+0.005482668+0.010113185-0.011773343+0.001433419+0.001199506-0.001563427+5.47993E-05+0.000278148+0.000734915=101.2696899-4.7802E-05+0.000836466-0.001469847-0.008727669-4.36393E-05+0.274658045+0.006592891+0.033150138-0.069453814-0.114268024+0.001053341-0.004650895-0.002730645+0.001759653+0.028456498-0.007616735将关系式用矩阵形式表示，得到关系矩阵模型如下： （其中i取值范围1-6，j取值范围0-16）；关系矩阵为图4-9图4- 9关系矩阵图4.4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？4.4.1背景分析 葡萄酒的质量是其外观、香气、口味、典型性的综合表现，其最终质量是葡萄酒中各种成分平衡作用的结果，同时葡萄酒的质量又与酿酒葡萄的质量息息相关。一般情况，通常采用的葡萄酒的质量评价指标包括理化指标与感官指标等。本问题首先研究酿酒葡萄的理化指标及葡萄酒的理化指标对葡萄酒质量的影响，以酿酒葡萄及葡萄酒的理化指标为自变量，葡萄酒的质量为因变量。4.4.2 模型的建立及解释利用逐步回归的方法来分析葡萄酒的理化指标对葡萄酒的质量的影响。在综合问题一，二，三问的基础上利用MATLAB中的stepwise(X,Y)的函数可以得出红葡萄酒的质量只与葡萄酒理化指标Y8（DPPH）显著相关，白葡萄酒与葡萄酒任何理化指标都无显著相关。另外，根据第二问及第三问的相关性式子可得根据上述四个模型可知，白葡萄酒的质量不能使用葡萄酒的理化指标进行评价；白葡萄酒的质量可以使用葡萄的理化指标进行评价；红葡萄酒的质量既可使用葡萄的理化指标来评价，又可以使用葡萄酒的理化指标来评价。下面根据表4的数据，同时考虑芳香物质与理化指标对葡萄酒质量的影响。首先进行数据处理，忽略表4中的各种芳香物质个体对葡萄酒质量的影响，只考虑芳香物质总体和对葡萄酒质量的影响。同样使用MATLAB中的Stepwise(X,Y)的函数进行逐步回归，得到以下模型：从而得出结论白葡萄酒的质量与白葡萄酒的芳香物质、白葡萄的芳香物质存在显著相关性，而红葡萄酒与红葡萄的芳香物质无显著相关性。红葡萄酒与红葡萄酒的芳香物质也无显著相关性。5、模型的评价与改进运用多元线性回归模型，求解出了主要量化指标的系数，解决了主要指标对葡萄酒的影响，模型简单，易于求解，总体上能体现量化指标对葡萄酒质量的影响，但有些指标被忽略，不能全面的求出各个指标对葡萄酒质量的影响，造成求解出的函数关系并不够准确。 在论证用葡萄和葡萄酒的理化指标来评价葡萄酒的质量中，能够很好的指出量化指标与感官指标之间的联系，但没有用确切的函数关系来表示出来，没有充分利用起芳香物质的桥梁作用，求解出量化指标与感官指标的函数关系。5.1 模型的优点（1）问题一中利用均值和方差下的成对数据来检验两组评酒员之间是否有显著性差异，能够排除不同葡萄酒样品差异这个不可控因素的影响，更好的反映两组品酒员对同一红葡萄酒样品的评价差异。(2)问题二、三、四中提出了基于excel与matlab的逐步回归法的葡萄酒评价准则,能够从影响因变量的大量因素中，选择出影响显著的主要变量，建立有效的模型，合理展示酿酒葡萄与葡萄酒之间的关系。(3)本模型简单易用，对于实际生活中的葡萄酒评价，具有一定的应用价值。（4）通过模型与对问题的分析，对于葡萄酒的改进与提高有很大的积极作用，同时对以后的葡萄酒的发展有着推陈出新的作用与意义。（5）运用多元线性回归模型，求解出了主要量化指标的系数，解决了主要指标对葡萄酒的影响，模型简单，易于求解，总体上能体现量化指标对葡萄酒质量的影响，5.2模型的缺点（1）模型简单，不能全面的求出各个指标对葡萄酒质量的影响，造成求解出的函数关系并不够准确。（2）在计算葡萄和葡萄酒的理化指标来评价葡萄酒的质量中，没有用确切的函数关系来表示出来，没有充分利用起芳香物质的桥梁作用，求解出量化指标与感官指标的函数关系。5.3 模型的改进 当遇到逐步回归法难以解释的问题时，可以采用全面比较法来得到更为合理的解释。如问题二中，分析酿酒葡萄的理化指标与葡萄酒之间的关系时，选取逆向分析法，进行全面比较，最终得出最优回归方程。此外，本文所采用的逐步回归法，主要是基于偏回归平方和所构造的F统计量进行F检验完成的，而在普通最小二乘估计下，逐步回归的t检验与F检验一致，而基于t检验的逐步回归模型在每一步都需要重新构造模型，更能结合实际数据对模型进行必要的修改和补充。6 模型的检验问题一中主要运用了统计学均值与方差知识进行数据处理，葡萄酒的评价结果由品酒员给出，由于不同的品酒员经验不同等主观与客观因素的影响，所以不同的评酒员对同一样品酒的评价也会有明显不同，所以两组品酒员的评判结果有显著性差异。实际情况和本问题的求解结果相符合。问题二给出了酿酒葡萄的30个理化指标，为了有效的对数据进行处理，我们筛选出了9个主要理化指标，通过查找资料，我们发现所求的主要理化指标与实际中影响葡萄品质的主要理化指标基本相符，这说明我们的模型建立与求解是正确的和符合实际的。对酿酒葡萄的分级，我们主要根据其能酿出的葡萄酒的好坏决定其分级，在实际情况中，一般按地区，种类等对葡萄分级，。问题三研究酿酒葡萄和葡萄酒的理化指标之间的联系，通过聚类分析和典型相关分析，以酿酒葡萄的理化指标为自变量研究葡萄酒的理化指标，发现葡萄酒的理化指标主要受酿酒葡萄里相同的理化指标影响，但也受其他个别理化指标的影响。这是和假设即实际情况相符合的。问题四的求解有一部分是和问题二相同的。当然无论是酿酒葡萄的理化指标还是葡萄酒的理化指标与葡萄酒质量的联系既存在相关项，也有负相关项，这是与实际一致的。用葡萄和葡萄酒的理化指标来评价葡萄酒的质量，就是研究葡萄和葡萄酒的理化指标与其芳香物质的理化指标，与葡萄酒质量之间的联系。这也是实际情况中研究的关键。所以综上，本文较好地研究了葡萄和葡萄酒之间的关系。7 模型的推广为了更好地评价葡萄酒的质量，可以从酿酒葡萄开始研究。在模型四中说明了酿酒葡萄主要理化指标对葡萄酒质量的影响，我们可以通过研究酿酒葡萄的成分来判断葡萄酒的质量，但这是建立在外界条件一定的情况下。对于实际问题，我们不仅要考虑酿酒葡萄原料的理化指标，葡萄酒的生产工艺也是决定葡萄酒好坏的必要条件。为了使模型更具说服性，可加上生产工艺这一必要因素，并确定其权重系数，即：葡萄酒的质量=酿酒葡萄的质量*生产工艺权重。由于人口味不同，对葡萄酒的评价也各有取向，这使得对葡萄酒质量的客 观评价不严谨，掺杂着个人主观因素。随着科学技术的进步，影响葡萄酒质量的酿酒葡萄理化成分的确定会更趋完善，运用逐步回归分析法选出对葡萄酒质量影响较大的因素，确定其权值，这样可以确定酿酒葡萄的质量。同时，在培养葡萄时，可注重这些因素含量的控制，提高酿酒葡萄的质量。而车间的流水作业的完善，可使得生产工艺稳定，即生产工艺权重变化不大，这时，葡萄酒的质量就取决于酿酒葡萄的理化指标。8 参考文献1 王松桂，张忠占，程维虎，高旅端，概率论与数理统计，科学出版社，2006.8。【2】高平，EXCEL在多元线性回归分析中的应用，青海统计，第12期，P2729,2006年。3 孙建平，潘秋红，于庆泉，段长青.葡萄酒酒石评判指标及其影响因素初探， 中外丽萄与蔺萄酒 ，15（1）：7-10.20084 田强.酒类产品质量检验.北京：中国计量出版社，2006.5 何晓群，刘文卿.应用回归分析.北京：中国人民大学出版社，2001.6 章绍辉，数学建模，科学出版社，2010。7 赵静，但琦.数学建模与数学实验.北京：高等教育出版社，2007. 附 录问题1的程序：红葡萄x=1;2;3;4;5;6;7;8;9;10;11;12;13;14;15;16;17;18;19;20;21;22;23;24;25;26;27;y=83.61;35.81;41.24;97.24;55.81;53.76;93.25;39.61;29.65;27.36;63.69;71.6