完结版葡萄酒的评价

1、葡萄酒的评价摘要本文通过对品洒员的葡萄洒评价结果、葡萄洒和酿洒葡萄的理化指标、芳香 物质的数据统计分析，利用SPSS软件、EVIEWS软件、MATLAB软件，对葡 萄洒作出评价。问题一：首先对缺失的数据采用热卡插值法填补，缺失值为2;其次我们对每一洒样品总分求均值，利用SPS歌件进行配对t检验，进行显著性差异分析， 可知两组品洒员的评价结果之间存在显著性差异； 然后我们采用方差分析法，对 每组品洒员内部打分结果进行方差比较，利用MATLAB求解得出：对丁红白葡萄洒，第二组的方差普遍都比第一组小，第二组的打分结果比较可信。问题二：通过SPSS软件的因子分析，分别对酿洒葡萄的一级理化指标和二 级理

2、化指标进行主成分分析,得出可以囊括酿洒葡萄重要特征的重要主成分, 其 中红葡萄得到9种主成分，白葡萄得到10种主成分。再以主成分为自变量进行聚类，将具有共同特征的酿洒葡萄归为一类， 再对葡萄样品进行聚类，对酿洒葡 萄进行等级划分， 红白葡萄均归为5类。 最后结合在第一问中求得的可信组品洒 帅的葡萄洒的总评分，确定每一类酿洒葡萄的等级。分类红葡萄样品编号白葡匐样叩编勺12,3,9,232,3,5,9,10,12,22,24,25,26,28210,13,19,20,25,26,272734,5,6,7,12,15,16,17,18,21,22,241,2,1541, 8, 144,6,7,11,

3、14,17,18,20,21,235118,16,19通过SPSa件对葡萄洒质量进行聚类,将聚类结果与对应的一级理化指标 聚类结果比较，得到的红、白葡萄洒的吻合率分别为0.25926、0.37037 ,可见仅用酿洒葡萄的理化指标来评价葡萄洒质量不是很合理。问题三：首先通过pearson相关性分析，对酿洒葡萄和葡萄洒的理化指标进 行初步的相关性判定，得出两者的理化指标大多数指标呈正相关， 然后对葡萄洒 的理化指标进行标准化， 将酿洒葡萄的理化指标作为自变量，将葡萄洒的理化指 标作为应变量， 采用EVIEWS软件将标准化后的葡萄洒的理化指标和酿洒葡萄 的主成份进行逐步回归，建立回归模型，分析得到白

4、藜芦醇等白葡萄相关关系式 的R方值较小，可见虽然存在着一定的线性关系，但是关系较弱。问题四：结合酿洒葡萄和葡萄洒的理化指标、 芳香物质与葡萄洒质量，利用 支持向量回归机分别对其进行回归分析和相关性分析，并对葡萄洒质量进行预 测，将预测值与实际值比较发现拟合度较好， 得出酿洒葡萄和葡萄洒的理化指标 与葡萄洒质量呈正相关，并从回归模型中可知，芳香物质与葡萄洒的质量有一定 的关系，不能仅仅用酿洒葡萄和葡萄洒的理化指标来评价葡萄洒的质量。关键词：葡萄洒；回归分析；配对t检验；聚类；支持向量回归机一.问题重述确定葡萄洒质量时一般是通过聘请一批有资质的评洒员进行品评。每个评洒员在对葡萄洒进行品尝后对其分类

5、指标打分， 然后求和得到其总分，从而确定葡 萄洒的质量。酿洒葡萄的好坏与所酿葡萄洒的质量有直接的关系,葡萄洒和酿洒葡萄检测的理化指标会在一定程度上反映葡萄洒和葡萄的质量。附件1给出了某一年份一些葡萄洒的评价结果，附件2和附件3分别给出了该年份这些葡萄洒的 和酿洒葡萄的成分数据。请尝试建立数学模型讨论下列问题：1.分析附件1中两组评洒员的评价结果有无显著性差异，哪一组结果更可信？2.根据酿洒葡萄的理化指标和葡萄洒的质量对这些酿洒葡萄进行分级。3.分析酿洒葡萄与葡萄洒的理化指标之间的联系。4.分析酿洒葡萄和葡萄洒的理化指标对葡萄洒质量的影响，并论证能否用葡萄和葡萄洒的理化指标来评价葡萄洒的质量？二

6、.问题假设1.假设每位品洒员之间是相互独立的，且评分是绝对公正的。2.假设每个样品洒都是随机取得的。3.假设允许存在计算误差。4.假设两组评洒员在进行评分时是只与自身专业评价标准有关。二.符号表示a表7K第组叩酒贝b表示第一组品酒贝f1表示红葡萄酒的质量f2表示白葡萄酒的质量W1”=1,2.11表示红葡萄酒中的芳香物质W2i,i =1,211110表示白葡萄酒中的芳香物质i =1,2lll5表示酿酒红葡萄中的芳香物质2i,i =1,2山7表示酿酒白葡萄中的芳香物质 * 2.0表示红葡萄酒的九个理化指标闻,i = L 2. 8表示酿酒红葡萄的八个主成分J = LZ.+.83 = k 28JC-j

7、 j 1 / j * - a.yl . K. .KAR2表示红葡萄酒的残差表示白葡萄酒的八个理化指标表示酿酒白葡萄的九个主成分表示白葡萄酒的残差表示回归方程的系数 表示方程的拟合度四. 问题分析问题一:由丁题目给出的数据中缺失评洒员4对洒样品20的色调评分，因此我们先 用热卡插补法进行数据填补。 再用统计的方法，计算出每组对每一个样品洒分类打 分指标的平均值，利用SPSS软件对两组品洒员与对应洒样品评价之间进行配对t检验，对求得的P值进行显著性差异分析，判断两组品洒员的评价结果是否存 在差异；然后计算出两组品洒员对每一洒样品的评价总分，分别计算两组品洒员对每一洒样品的方差，利用方差来表示组内评

8、分结果的稳定性， 比较分析两组品 洒员的可信度。问题二：该问题要求根据酿洒葡萄的理化指标和葡萄洒的质量对酿洒葡萄进行等级 划分，结合问题一得到的更可信的葡萄洒质量评分， 综合考虑各类因素的情况进 行综合评价。由丁酿洒葡萄的理化指标较多，我们利用SPSS软件分别对一级理化指标和二级理化指标进行主成分分析，再利用K-聚类的方法分别对酿洒葡萄的理化指标进行聚类并结合葡萄洒的质量，对酿洒葡萄的质量进行分级。问题三：为分析酿洒葡萄与葡萄洒的理化指标之间的联系，首先定性的分析葡萄洒中 比较重要的理化指标和酿洒葡萄中的理化指标，再利用SPSS软件对葡萄洒的理化指标进行标准化，采用EVIEWS软件将标准化后的

9、葡萄洒的理化指标和酿洒 葡萄的主成份进行逐步回归，得到酿洒葡萄和葡萄洒的理化指标之间的联系。问题四：为分析酿洒葡萄和葡萄洒的理化指标对葡萄洒质量的影响，论证能否用葡萄 和葡萄洒的理化指标来评价葡萄洒的质量，分别随机选取20个标准化后的红、白葡萄和葡萄洒的理化指标和芳香物质与葡萄洒的质量之间回归分析，建立逐步回归模型，并将剩余的数据代入回归模型，预测葡萄洒的质量，将预测值与实际 值比较；采用SVR对随机选取20个标准化后的红、白葡萄和葡萄洒的理化指标和芳 香物质与葡萄洒的质量进行相关性分析，并对剩余的数据进行葡萄洒质量的预 测，将预测值与实际值比较，绘制折线图，比较逐步回归模型和SVR预测的准确

10、性。五. 模型建立与求解问题一：分析两组品洒员的评价结果有无显著性差异，并判断哪一组更可信。1.缺失数据的补充经过对数据缺失的分析，我们认为该资料的缺失届丁完全随机缺失。因此,我们选择热卡插补法，尽可能寻找和遗漏值相似的数值来替代之，算出4号评洒员所评价的其他样品洒与样品洒20的相关系数，从而确定整体数据与样品洒20相近的样品洒。对丁X与Y两个变量，两者间的相关系数Pxy为nZ （XiX）（Y -Y）XY =2 -（Xi-X）、（Y -Y）2其中PXYW-1,1.如果PXY0 ,则X与Y成正相关关系；如果PXY 0 ,则X与Y成负相关关系；如果PXY=S则X与Y不想关。|PXY1，则X与Y相关

11、性越 密切。运用matlab软件计算出其余样品洒与样品洒20的相关性，得到相关系数最 高的是洒样品11,PXY=0.9340,因此，用洒样品的色调分数代替缺失数据，贝U 4号评洒员对样品洒20的色调评分为2分。2.两个样本的显著性差异检验正态分布检验数据服从正态分布的检验在对两样本显著性检验时，要确定样本的总体是服 从正态分布，采用JB统计量对红（白）葡萄洒样品的评分均值服从正态分布。JBS2】（K -3）26 IL 4其中，S、K分别表示偏度和峰度。在正态分布的假设下，JB统计量服从自由度 为2的72分布。如果这个概率值越大，认为样本的确来自正态分布的总体。采用EVIEW歌件，对红（白）葡萄

12、洒样品的评分均值进行正态分布检验， 得两组评洒员对红（白）葡萄洒的某个洒样品质量评分数据服从正态分布。表1.1 JB正态分布检验结果第一组白匍缶）酒第二组白葡萄酒第一组红匍缶）酒第二组红葡萄酒JB值0.06375.5244.14580.3068概率P0.96860.06320.12580.8578配对样本t检验建立假设H0: & =0 , H1 :七#0 ,并构造t统计量t =一yt（n1） sy/ . n -1在显著水平a =0.05的情况下，对白葡萄洒进行t检验得到的P=0.0190.05，对红葡萄洒进行t检验得到的P=0.0190.05,因此，在对白葡 萄洒和红葡萄洒的评价中，两

13、组评价结果存在显著性差异。分别根据品洒员对红（白）葡萄洒样品的分类打分指标，求出分类打分指标 均值（详见附录），利用SPSSB件对红（白）葡萄洒的分类打分指标均值进行配 对样本t检验。计算得出，在显著水平a =0.05的情况下，两组评酒员对红（白）葡萄酒某个样品酒 的评价结果有无显著差异见下表：表1.2两组红葡萄酒间显著性差异分析结果酒样品1234567891011121314差异否是是|否否是是否是是是是否否酒样品15161718192021222324252627差异是是是否是否是是是是否否否表1.2两组白葡萄酒间显著性差异分析结果酒样品1234567891011121314差异是否否否是

14、是是否是是否是是是1酒样品1516171819202122232425262728差异是是否否是否否否否否否否是否3.利用方差对两组品洒员的评价结果进行可信度分析方差表示一组数据的稳定性，我们采用方差来比较两组内部十个品洒员之间 评分的稳定行来判断该组的打分结果是否可信。对两组品洒员对红（白）葡萄洒的评分结果进行数据统计分析，计算方差（见 附录），利用MATLAB软件对两组的方差进行比较（程序见附录），绘制散点图 （图1.1）图1.1两组品酒员的评分方差散点图根据散点图可知：第二组对白葡萄洒和红葡萄洒的评分结果方差普遍比第一 组小，方差越小表明组内品洒员评分结果越稳定， 从而说明第二组品洒员的

15、评价 结果更可信。问题二：根据酿洒葡萄的理化指标和葡萄洒的质量对这些酿洒葡萄进行分1.由丁附件中酿洒葡萄一共有30个一级指标，27个二级指标，为了简化酿洒 葡萄的理化指标，我们采用主成分分析法。第一步，对原始数据进行标准化处理。第二步，计算各个理化指标之间的相关系数矩阵：ri1ri2Ip21222pR =:了p1rP2pp一i,j(i,j =1,2，p)n_w(Xki-Xi)(Xkj-Xj)k旦n nt(Xki-x)2 (Xkj-Xj)2k丑kd第三步，计算 特征值与特征向量，由特征向量组成m个新的指标变量。第四步，计算主成分贡献率：贡献率：(i =1,2, L, p)kkW利用MATLAB对

16、30个一级指标和27个二级指标进行主成分分析后，得到八个红葡 萄的理化指标主成分，九个白葡萄的理化指标主成分。叫190抽羽150100J0斤的计算公式为:r.F90a4)C-需一W蕾鸵目令京羞05 (D 15 a 25表2.1红葡萄的一级理化指标主成分主成份主要理化指标贡献率（单位：%）第一主成份蛋白质、花色背、DPPH自由 基、总酚、单宁、葡萄总黄酮、 百粒质量、果梗比、出汁率、果皮颜色L23.228第二主成份氨基酸总量、总糖、还原糖、可溶性固形、干物质含量39.698第三主成份柠檬酸、白藜芦醇、可滴定酸、果皮颜色a、果皮颜色b52.145第四主成分苹果酸、 多酚氧化酶活力、 褐 变度、PH

17、值61.613第五主成分VC含量、固酸比、果穗质量68.279第八主成分黄酮醇74.084第七主成分果皮质量78.813第八主成分酒右酸83.044酿洒红葡萄中第一主成分代表了红葡萄的结构与颜色， 第二主成分体现了红 葡萄的味感，第三主成分主要是红葡萄的风味与色泽， 第四主成分代表了红葡萄 的氧化程度等。表2.2红葡萄的二级理化指标主成分主成份主要理化指标贡献率（单位：%）第一主成分大门冬氨酸、丝氨酸、谷氨酸、 丙氨酸、缴氨酸、蛋氨酸、异 亮氨酸、亮氨酸、赖氨酸、组氨酸、精氨酸、H321.051第二主成分顺式白黎芦醇甘、C1、C2、C3、杨梅黄酮33.990第三主成分反式白黎芦醇甘、反式白黎芦

18、 醇、榴皮素、山荼酚、异鼠李 素45.995第四主成份脯氨酸、果糖、葡萄糖54.863第五主成分甘氨酸62.565第八主成分酪氨酸、顺式白黎芦醇69.269第七主成分胱氨酸、H274.151第八主成分H178.085第九主成分苯内氨酸81.826酿洒红葡萄中第一主成分代表了红葡萄氨基酸， 第二主成分体现了红葡萄的 醇和酮，第三主成分主要是红葡萄的醇，第四主成分代表了红葡萄的糖等。表2.3白葡萄的一级理化指标主成分主要理化指标贡献率（单位：%）主成分一氨基酸总量、多酚氧化酶活力、单 宁、总糖、还原糖、可溶性固形物 干物质含量、果穗质量、百粒质量 出汁率、果皮颜色L、果皮颜色b19.435主成分二

19、蛋白质、酒石酸、DPPH自由基 总酚、葡萄总黄酮、可滴定酸 固酸比、果皮质量35.864主成分三VC含量、果梗比、果皮质量 果皮颜色a47.957主成分四苹果酸、褐变度54.891主成分五黄酮醇61.189主成分六白藜芦醇66.703主成分七柠檬酸71.787主成分八PH值76.048主成分九花色首80.175酿洒白葡萄中，第一主成分主要是白葡萄的味感，第二主成分代表了白葡萄 的结构，第三主成分代表了白葡萄的成熟程度， 第四主成分体现了白葡萄的氧化 程度等。表2.4白葡萄的二级理化指标主成分主要理化指标贡献率（单位：%）主成分一天门冬氨酸、丝氨酸、谷氨酸、脯 氨酸、甘氨酸、丙氨酸、缴氨酸、 蛋

20、氨酸、异亮氨酸、亮氨酸、赖氨 酸、组氨酸27.951主成分二反式白藜芦醇、果糖、葡萄糖、C1、C2、C339.296主成分三胱氨、酸、顺式白藜芦醇昔、H1、H348.666主成分四反式白藜芦醇昔、 杨梅黄酮、 撤皮、素、山荼、酚、异鼠李素57.558主成分五酪氨酸63.698主成分六精氨酸68.891主成分七H273.716主成分八苏氨酸77.890主成分九苯丙氨酸81.439主成分十顺式白藜芦醇84.489酿洒白葡萄中，第一主成分主要是白葡萄的氨基酸，第二主成分主要是白葡 萄的醇和糖。主成分分析得到的新指标代替原来30个理化指标，得到的新指标关丁样品 的评价值（见附录）。2.采用K-均值聚类

21、的方法对样品进行聚类。利用SPSS软件，对红（白）葡萄的一、二级理化指标进行5次聚类，得到 结果：表2.5匍匐一、一级指标聚类结果聚类1聚类2聚类3聚类4聚类5红葡萄一级指标样品1、8、14样品2、3、9、23样品11样品4、5、6、7、12、15、16、17、18、21、22、24样品10、13、19、20、25、26、27红匍缶）一级指标样品1、8样品2、6、10、12、14、16、18、24、25、26、27样品3、9、13、17、19、21、23样品11样品4、5、7、15、20、22白匍缶）一级指标样品4、6、7、11、14、17、18、20、21、23样品1、13、15样品8、16

22、、19样品27样品2、3、5、9、10、12、22、24、25、26、28白匍缶）一级指标样品5、10、14、21样品2、6、7、8、15、22、23、26样品3、4、10、12、20、24、25、28样品1、11、13、16、17、18、19样品27由丁二级指标不能较全面的观察葡萄的质量， 故采用一级指标的聚类结果和 葡萄洒质量的对比，做相应的等级划分，划分结果如下：表2.6对应级别葡萄酒质量的平均分聚类级别相应红葡萄酒质 量的平均分等级划分相应白葡萄酒质 量的平均分等级划分168.9一般76.53较差275.975好76.73333333一般361.6差72差468.88462较差77较好

23、571.1较好78.19091好根据上述表格可知，好的红葡萄样品有样品2、3、9、23,较好的红葡萄样 品有样品10、13、19、20、25、26、27,一般的红葡萄样品有样品4、5、6、7、12、15、16、17、18、21、22、24,较差的红葡萄样品有样品1、8、14,差的 红葡萄样品有样品11;好的白葡萄样品有2、3、5、9、10、12、22、24、25、26、28,较好的白葡萄样品有27,一般的白葡萄样品有1、2、15,较差的白 葡萄样品有4、6、7、11、14、17、18、20、21、23,差的白葡萄样品有8、16、19。利用SPSS软件对葡萄洒质量进行聚类（见附录），将其结果与对

24、应的一级 理化指标聚类结果比较，得到的红、白葡萄洒的吻合率分别为0.25926、0.37037 ,可见仅用酿洒葡萄的理化指标来评价葡萄洒的质量不是很合理。问题三：分析酿洒葡萄与葡萄洒的理化指标之间的联系1.根据问题和给出的数据可知，酿洒葡萄与葡萄洒的理化指标发生了很大的变 化，为了分析酿洒葡萄与葡萄洒的理化指标之间的联系， 我们先分别分析红葡萄、 白葡萄与相应的葡萄洒之间重要的理化指标的定性关系。根据资料可知，花色苜是红葡萄果实中重要的一类黄酮类物质， 主要赋予葡 萄和葡萄洒红色色调；单宁具有抗氧化性，使得红葡萄洒能长年熟成；酚类物质 的含量与葡萄洒的色泽、香气和洒体特征等有密切的关系，这些理

25、化指标均是酿 洒葡萄与葡萄洒中重要的指标。而这些重要理化指标在葡萄与葡萄洒之间是否有关，我们先用MATLAB对这四个理化指标在27个红葡萄与红葡萄洒样品中进 行绘图，得到如下图所示的关系。白藜芦醇是存在于葡萄皮中的一种物质，在酿造过程中被酒精溶解进入葡萄酒中，而不同葡萄之间其含量会由于酿造工艺的不同差异很大，因此，我们选用单宁、总酚、总黄酮、白藜芦醇这四个理化指标的含量来刻画白葡萄与白葡萄酒之间的关系，并用MATLAB进行绘图，结果如下图所示。3030302010单宁一酿酒葡萄00102025白藜芦醇010152025300510152025图3.1葡萄酒与酿酒葡萄中指标的比较图3.2葡萄酒与

26、酿酒葡萄中指标的比较由图可看出，白葡萄与白葡萄酒理化指标之间的联系并不如红葡萄与红葡萄酒之间密切，但总体趋势还是大致成正比关系。为了进一步寻找它们之间的函数关系，我们选用逐步回归分析进行探究。2.建立逐步回归分析探究酿洒葡萄与葡萄洒理化指标的关系。逐步回归是一种从众多变量中有效地选择重要变量的方法。其基本思路是先 确定一初始子集，然后每次从子集外影响显著的变量中引入一个对因变量影响最 大的，再对原来子集中的变量进行检验， 从变得不显著的变量中剔除一个影响最 小的， 直到不能引入和剔除为止。因此，葡萄洒中的花色苜、单宁、总酚、洒总黄酮、白藜芦醇、DPPH半抑 制体积、三类颜色指标作为因变量，酿洒

27、葡萄中的理化指标作为自变量。采用EVIEWS软件对酿洒葡萄的主成份和葡萄洒的一级理化指标做逐步回 归分析，建立回归模型。1）红葡萄与红葡萄洒之间的回归模型:灼3伽4知知、712a21aP17-0.1780 -0.5254町+0.0909%+01197%广2,496格红色葡萄和葡萄洒的理化指标、芳香物质与葡萄洒质量的函数关系：人=。1275知+03412血+。342如-01456独-Q 1演独+03623如-02956她-0 J 805-0.9414+0.9290-0.5154+。154如广。,375。叱+03981神#-0509屈+0.5754叫g +0.9338啦(11452务广1000端+

28、0.3030%将剩余的标准化数据代入回归方程，预测葡萄洒的质量。2.采用SVR支持向量回归机的方法，任意选取其中的20个样品对酿洒葡萄和葡萄洒的理化指标、芳香物质与葡萄洒质量之间的相关性分析。SVFRc持向量回归机的知识点：给定回归问题的训练集(Xi,yi),(x2,y2), |,(X|,y|),x 3 Rn,y W R.;支持向量回归机通常采用-不敏感损失函数，并极小化权向量的模，从而得到一 个二次规划问题Min Hw,E,/)=+c仁 十/)2iJ(w (xD) b - yi _ ； i*st.，-(w (x )-b北 +kk *乌0,乌0 0通过求解该优化问题得到最优解后，其回归函数可表

29、示为|f (x) = w (x) b = (:i二.)ker(Xi, x) bi且其中a.和a*为支持向量，ker为选取的核函数。由丁支持向量回归机极小化 结构风险，有效地克服了过学习现象，从而更加适用丁小规模的回归问题(详 细见参考文献)。由丁本文中的问题特征维数较高，因此我们选用带有线性核函 数的支持向量回归机进行学习，具体操作软件为LIBSVM 2.83版本。表4.1回归检验指标metrics计算公式SSESSTSSR踏二项NMSEVW=成J切=七唐A-2中=皿/ e=点顷吐空心-分MAPE构以工少对MOO%m表4.2 SVR计算结果SSE（回归平方和）SST（离差平方和）SSR（残差平

30、方和）R2（拟合度）红葡萄酒2.3481.4370.980.68197634白葡萄酒2.4541.4240.8860.622191011对剩余的样品进行葡萄洒质量的预测，对预测值与实际值进行比较（见下图）图4.1红葡萄预测值与实际值的比较图512345678图4.2白葡萄预测值与实际值的比较图根据上图可知，SVRM数值的预测结果较回归分析好，能比较接近的反应葡 萄洒的质量。葡萄洒的质量分类指标评分过程中含有香气的指标，故我们在相关性分析过 程中考虑了葡萄洒和酿洒葡萄中的芳香物质，得到的结果能很好的来用葡萄洒和 酿洒葡萄的理化指标、芳香物质来对葡萄洒质量的评价，即不能仅用葡萄和葡萄 洒的理化指标

31、来评价葡萄洒的质量。六. 模型评价优点：.本文在考虑到指标总表中多组数据成分来表示酿洒葡萄和葡萄洒的联系情 况中，采用主成分分析法，把成分进行主要抽取，尽可能的压缩数据，从而得到 简化，大大减少了计算量。本文的第四位采用了SVR支持向量回归机方法，对酿洒葡萄和葡萄洒的理化 指标、芳香物质与葡萄洒质量之间的相关性分析。 作为经典方法，它的好处在丁 使所有样本点离超平面的“总偏差”最小。这时样本点都在两条边界线之间，求 最优回归超平面同样等价丁求最大间隔。缺点：本文在求解过程中忽略了部分实际情况，如评洒员的喜好对评分造成的影 响。本文假设考虑的因素不够详细，致使所得结论还不能完全与实际相对应。模型

32、的优化改进：在问题一上，对两组评分者的评分情况，我们没有对评分各组在同种样品洒 上为什么存在评分差异进行细微的处理。依据样品洒评分不同，将其评分可分为 客观性评分和主观性评分两类。评判过程中如果评分者严格要求依据一套评分标 准，并且整个评分过程中保持一致， 这样的评分结果才是可信的。但事实是任何 评分标准不一致，从而导致测量的误差，影响测量的精确性。根据测量误差来源，我们可以进行考察的指标分别是评分者内信度和评分者问信度, 用spearman相关系数法来计算。参考文献1姜启源、谢金星、叶俊编，数学模型（第四版），北京：高等教育出版社，20112周明华、周凯、耶学军、李春燕 ，MATLA或用教程

33、，浙江工业大学出版3陈胜可编，SPSS统计分析从入门到精通，北京：活华大学出版社，20104郭志刚主编，社会统计学分析方法一SPSS软件应用，中国人民大学出版 社，19995张晓崛编，Eviews使用指南与案例，机械工业出版社，20076邓乃、，田英杰,数据挖掘中的新方法一支持向量机M,北京：科学出版 社，2004:1321887Chang, C.C. and Lin, C.J. LIBSVM:a library for support vector machines, ACMTransactions on Intelligent Systems and Technology（TIST） ,V

34、olume 2,Number 3,Pages27,20118高铁梅，计量经济分析方法与建模Eviews应用及实例（第二版），北京： 活华大学出版社，20099LIBSVM , /citation.cfm?id=1961199常用的方法可以附录问题一1.第一组品洒员对红葡萄洒样品的分类打分指标，求出分类打分指标均值外观澄清度色调香气纯正度香气浓度香气质量口感纯正度口感浓度口感持久度口 感 质量整体评价样品1 5.4样品2 6.518.49.6样品3

35、6.26.717.39.4样品4 483.44.75.614.58.4样品5 5.912.644.95.314.88.6样品6 3.974.56615.18.6样品7 样品8 2.774.76.45.814.28.4样品9 7.36.416.69.7样品10 5.915.48.8样品11 5.914.28.4样品12 1.

36、142.74.292.84.5512.77.9样品13 5.86.1168.9样品14 11.645.85.916.38.7样品15 492.93.9512.47.6样品16 6615.79.1样品17 5.96.417.29.2样品18 1.888952.95.1103.355.413.67.9样品19 3.984.66.416.39.2样品20 3.76.2222222 5.27.316.69.2

37、样品21 3.584.46.4616.99.2样品22 3.984.56.75.815.79样品23 7.414.64.87718.110样品24 5.916.69.1样品25 14.28.3样品26 65.714.88.9样品27 5.611.84.466.11692.第二组品洒员对红葡萄洒样品的分类打分指标，求出分类打分指标均值外观澄清度色调香气纯正度香气浓度香气质量口感纯正度口感浓度口感持久度口

38、感质量整体评价样品1 5.5613.68.4样品2 124.16616.69.1样品3 8.9样品4 5.35.715.18.8样品5 5.4样品6 55.614.28.6样品7 3.514.58.4样品8 3.46.8455.513.98.4样品9 3.67.456.913.64.26.

39、16169.4样品10 4.85.714.28.4样品11 5.912.48.1样品12 4.911.2465.715.48.7样品13 5.512455.513.98.6样品14 5.85.715.79.3样品15 5.65.514.28.2样品16 5.111.845.55.815.18.8样品17 6.36.315.49样品18 3.64.23.

40、34.85.915.18.8样品19 3.574.45.9615.78.7样品20 6.8616.99.3样品21 3.273.75.911.89样品22 3.4168.9样品23 6.75.815.18.9样品24 5.815.18.8样品25 4.85.613.98.6样品26 5.614.58.8

41、样品27 5.4168.83.第一组品洒员对白葡萄洒样品的分类打分指标，求出分类打分指标均值:外观澄罪香气纯香气浓香气质口感纯口感浓口感持 口感质整体评度巴帅正度度量正度度久度量价样品1 3.87.4576.517.89.7样品2 6.55.914.89.1样品3 6.4样品4 16.99.4样品5 5.715.48.9样品6 5.511.

42、14.88.6样品6.5样品836.645.86.715.18.8样品5.913.98.7样品9.2样品113.664.565.7168.7样品5.613.38.2样品5.45.414.88.5样品14样品15364.56.612

43、.645.85.815.48.7样品6.16.1169.3样品5.95.916.39.4样品5.7615.48.9样品6.36.315.18.6样品6.66.116.69样品212.65.6576.416.69.2样品6.75.4138.3样品6.66.4169.2样品243.67.6

44、3.95.85.915.78.9样品5.9615.18.8样品27.36.6169.4样品28.3样品26.86.716.99.44.第二组品洒员对白葡萄洒样品的分类打分指标，求出分类打分指标均值外观澄 “、香气纯 香气浓 香气质 口感纯 口感浓 口感持 口感质色调清度正度 度量正度 度久度 量整体评价样品1 6.36.617.29.4样品2 3.57.44

45、.5.7616.69.2样品3 66.516.99.3样品4 3.474.55.617.59.3样品5 76.617.89.6样品6 6.36.316.69.2样品7 6.3样品8 5.615.49.1样品9 3.67.49.4样品10 6.76.517.89.5

46、样品11 5.7样品12 6.35.815.48.6样品13 5.66.416.68.8样品14 6.56.416.99.4样品15 6.916.99.3样品16 353.64.9样品17 6.46.618.19.7样品18 6样品19 3.36.44

47、.6.36.516.99.1样品20 3.574.46.116.39.1样品21 6.417.59.5样品22 5.76.516.99.2样品23 6.46.316.39.6样品24 6.317.29.2样品25 6.76.517.89.6样品26 9.510.511.512.5样品27 6.712.64.

48、36.16.6169.3样品28 6.717.29.55.对物组吊酒员对红（曰）匍甸酒的评分结果进行教据统计分忻，计算方差弟一组曰匍匐酒弟一组曰匍匐酒弟一组红匍匐酒弟一组红匍匐酒评价万差评价万差评价万差评价万差样品192.222223.2987.111181.8778样品2201.066744.1639.788916.2222样品3365.1222128.2445.822230.7111样品444.7111137.89108.044441.2889样品5126.444423.6562.011113.6556样品6162.711120.4559.73332

49、1.1222样品739.166737.96103.611162.6778样品8183.628.0134.988965.1111样品992.76671132.944425.7333样品10212.677863.3630.436.1778样品11177.122279.0462.677838.0444样品12115.7889126.0479.655625.1222样品13170.766742.0944.933315.2889样品14114.222214.293623.1556样品15112.948.6485.566741.3444样品1617874.0118.120.1样品17144.177834.

50、6188.01119.1667样品18156.544427.2147.211150.2667样品1946.423.4439.155655.1556样品2064.445.0426.044439.0667样品21172.711157.96116.135.5111样品22138.666748.2446.177824.2667样品2343.655610.4432.488921.0667样品24111.122234.6974.888910.7222样品2533.877895.8564.622243.7333样品2658.98898531.288941.5556样品27144.4324020.5样品288

51、0.455622.846.利用MATLAB软件对两组的方差进行比较：两组白葡萄酒方差对比散点图：x=1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28;y3=92.2222,201.0667,365.1222,44.7111,126.4444,162.7111,39.1667,183.6,92.7667,212.6778,177.1222,115.7889,170.7667,114.2222,112.9,178,144.1778,156.5444,46.4,64.4,172.7111,138.66

52、67,43.6556,111.1222,33.8778,58.9889,144.4,80.4556;y4=23.29,44.16,128.24,37.89,23.65,20.45,37.96,28.01,11,63.36,79.04,126.04,42.09,14.29,48.64,74.01,34.61,27.21,23.44,45.04,57.96,48.24,10.44,34.69,95.85,85,32,22.84; plot(x,y3,o,x,y4,*b) legend(第一组白葡萄酒评分方差,第二组白葡萄酒评分方差)两组红葡萄酒的方差对比散点图： x=1,2,3,4,5,6,7,8

53、,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27;y1=87.1111,39.7889,45.8222,108.0444,62.0111,59.7333,103.6111,34.9889,32.9444,30.4,62.6778,79.6556,44.9333,36,85.5667,18.1,88.0111,47.2111,39.1556,26.0444,116.1,46.1778,32.4889,74.8889,64.6222,31.2889,40;y2=81.8778,16.2222,30.7111,41.2889,13.65

54、56,21.1222,62.6778,65.1111,25.7333,36.1778,38.0444,25.1222,15.2889,23.1556,41.3444,20.1,9.1667,50.2667,55.1556,39.0667,35.5111,24.2667,21.0667,10.7222,43.7333,41.5556,20.5; plot(x,y1,o,x,y2,*b) legend(第一组红葡萄酒评分方差,第二组红葡萄酒评分方差)7.酒样品的总分第一组白匍匐酒第二组白葡萄酒第一组红葡萄酒评价第二组红葡萄酒评价总分评价总分总分评价总分样品18277.962.768.1样品274.

55、275.880.374样品385.375.680.474.6样品479.476.968.671.2样品57181.573.372.1样品668.475.572.266.3样品777.574.271.565.3样品871.472.372.366样品972.980.481.578.2样品1074.379.874.268.8样品1172.371.470.161.6样品1263.372.453.968.3样品1365.973.974.668.8样品147277.17372.6样品1572.478.458.765.7样品167467.374.969.9样品1778.880.379.374.5样品1873

56、.176.760.088965.4样品1972.276.478.672.6样品2077.876.679.222222275.8样品2176.479.277.172.2样品227179.477.271.6样品2375.977.485.677.1样品2473.376.17871.5样品2577.179.569.268.2样品2681.38073.872样品2764.4777371.5样品2881.379.6问题二1.红葡萄样品的一级指标聚类:聚类成员案例号葡萄样品聚类距离1葡萄样品114.1732葡萄样品222.6703葡萄样品325.1924葡萄样品442.2695葡萄样品543.7996葡萄样

57、品642.8887葡萄样品742.9138葡萄样品812.8499葡萄样品923.60510葡萄样品1054.46911葡萄样品113.00012葡萄样品1243.16013葡萄样品1352.36414葡萄样品1412.75215葡萄样品1542.68916葡萄样品1644.22317葡萄样品1743.57118葡萄样品1842.35319葡萄样品53.1001920葡萄样品2052.82721葡萄样品2145.00422葡萄样品2242.72423葡萄样品2323.78424葡萄样品2442.46125葡萄样品2553.01426葡萄样品2654.13527葡萄样品2752.3642.白葡萄

58、样品的一级指标聚类:聚类成员案例号样品聚类距离1样品124.0542样品253.2293样品354.3904样品412.6185样品553.6986样品612.9917样品714.5648样品832.7069样品953.25110样品1052.55311样品1114.47912样品1253.05713样品1323.68514样品1412.85215样品1524.73416样品1632.57717样品1714.99918样品1813.99619样品1932.83720样品2013.97521样品2113.86222样品2254.28423样品2313.47324样品2454.74325样品255

59、2.81126样品2653.39327样品274.00028样品2853.1103.红葡萄样品二级指标聚类:聚类成员案例号样品聚类距离1样品113.0462样品222.2023样品334.3124样品453.5525样品552.2356样品621.5807样品752.8698样品813.0469样品932.20310样品1022.54311样品114.00012样品1222.56613样品1333.78414样品1422.51615样品1552.21816样品1623.21717样品1733.05518样品1824.28919样品1932.48420样品2054.02921样品2134.466

60、22样品2254.46523样品2333.53624样品2421.74025样品2522.83626样品2622.32627样品2722.8244.白葡萄样品的二级指标聚类:聚类成员案例号样品聚类距离1样品141.3322样品223.5673样品334.4744样品433.9165样品514.3916样品622.5247样品721.8558样品825.1829样品913.82810样品1032.74711样品1142.27112样品1234.43213样品1343.77214样品1412.67315样品1524.77516样品1642.09917样品1743.79518样品1842.21919样品19