2012A题论文 罗世纯等人(含附件)

2012高教社杯全国大学生数学建模竞赛承诺书我们仔细阅读了中国大学生数学建模竞赛的竞赛规则.我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。我们知道，抄袭别人的成果是违反竞赛规则的,如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。我们参赛选择的题号是（从A/B/C/D中选择一项填写）：A 我们的参赛报名号为（如果赛区设置报名号的话）：所属学校（请填写完整的全名）：参赛队员(打印并签名)：1.2.3.指导教师或指导教师组负责人(打印并签名)：日期：年月日赛区评阅编号（由赛区组委会评阅前进行编号）：2012高教社杯全国大学生数学建模竞赛编号专用页赛区评阅编号（由赛区组委会评阅前进行编号）：赛区评阅记录（可供赛区评阅时使用）：评阅人评分备注全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：葡萄酒的评价摘要：根据不同的数据类型，选用不同的数据处理方法。本文中选用两组评酒员的评价结果的平均数，选用方差分析来处理多个平均数之间的显著性差异，得出了两组评价结果是有显著差异的，在样本较大时可近似的用Z检验来处理样品平均数与总体平均数的差异，得出第二组的差异小，故第二组比较可信。葡萄酒的质量本身就属于等级数据，用斯皮尔曼等级相关作为酿酒葡萄理化指标对酿酒葡萄分级的依据，对于相关性高的指标，认为可以作为评价葡萄质量的主要成分，将不同的葡萄样品分为一级至五级。直接对酿酒葡萄的理化指标与葡萄酒的理化指标进行相关性分析，为葡萄酒的质量分析提供了依据。运用DPS数据处理系统可以较快的计算出双重筛选逐步回归的计算结果，对于多个自变量与多个因变量之间的关系进行分析，得出酿酒葡萄与葡萄酒的理化指标的关系式，得出酿酒葡萄的理化指标与葡萄酒的理化指标对于葡萄酒质量的关系式，最后对关系式得出的计算值与实际值做差异性检验，说明计算式的输出结果与实际值差异不显著。关键词：方差分析等级相关双重筛选逐步回归DPS数据处理一问题重述已知两组评酒员对某一年份一些葡萄酒的评价结果与该年份这些葡萄酒的和酿酒葡萄的成分数据。尝试建立数学模型讨论下列问题：两组评酒员的评价结果有无显著性差异，哪一组结果更可信？对这些酿酒葡萄进行分级？分析酿酒葡萄与葡萄酒的理化指标之间的联系以及它们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？二问题分析整理题目附件1后，计算出各个样品的平均得分，就是每一组评酒员最终的评价结果，为了处理多于两个以上平均数之间的差异性检验问题，我们运用方差分析来处理。并且认为，如果没有显著性差异，那么，两组评酒员评价结果都是可信的，如果不是，还需要进一步分析样品平均数与总体平均数的差异性，差异性小的认为是可信的。

根据酿酒葡萄理化指标和葡萄酒质量来对酿酒葡萄分级。葡萄酒的质量认为就是结果可信组评价葡萄酒样品的平均分，我们首先希望找到酿酒葡萄理化指标和葡萄酒质量的联系，因为酿酒葡萄理化指标是等距数据，葡萄酒质量是等级数据，而且没有较多的考虑分数的分布是否是正态。所以，我们采用斯皮尔曼等级相关来计算各项理化指标与葡萄酒质量的相关程度。按照相关程度可以将各项理化指标分级，这些相关度高的就是在葡萄分级时应该考虑的主成分。为了给葡萄的等级一个定量的指标，我们给每个指标划分范围，在各个不同的范围定量值也不同，按照这个范围表佷快得出每项样本定量分数，而样本指标的分数与葡萄酒质量有一系列相关系数，每项样本的定量分数乘以对应的相关系数就是该项的最终得分。当然，酿酒葡萄理化指标是有许多项的，我们需要综合所有指标的得分，得出葡萄样品的总体评价，为了便于计算，也可以就以主成分的值为最后的评价。后面为了让分级更加明显，我们可以同样地按照5分法将总体分数化为5个范围，最高一级为1级葡萄，最低一级为5级葡萄。

在题目附件2中葡萄酒与葡萄的理化指标的项目不是全部对应的，我们只选择一些对应的项目来分析联系，通过积差相关来分析它们之间的联系。结果说明葡萄与葡萄酒的各项对应指标都是有较高相关的，为了得出葡萄的各项指标哪些影响葡萄酒的某一指标，哪些影响葡萄酒其余指标，我们运用双重筛选逐步回归，得出了葡萄与葡萄酒各项理化指标之间的关系式。然后，通过同样的方法将葡萄酒与葡萄各项指标与葡萄酒的质量评分做双重筛选逐步回归，同样得出质量评分与各项指标的关系式。最后带入数值，检验计算数值与实际数值的显著性差异，得出结论。三模型假设1.基本假设假设计算误差很小，随机误差忽略不计。样本容量较大时，可以近似应用Z检验。假设芳香物质指标与香气分析评分相关较高。假设葡萄与葡萄酒其它指标与香气分析评分相关不高。假设在低于公认的感觉阀值内的芳香物质含量人们是感觉不到该物质的气味的。2.符号说明各个样品品尝评分平均值虚无假设备择假设显著性差异平方和自由度均方葡萄酒样品得分平均数葡萄酒得分总体平均数葡萄酒得分总体标准差样品平均数与总体平均数差异校正数等级相关积差相关项目成分的测量含量项目的感觉阀值四、模型设计1.评价结果的显著性差异及评价对于题目的附件1中两组评酒员的评价结果，它们是否相一致或者相一致的程度是多少。如果相一致，那么两组评价结果是否又全部都可靠？如果不相一致，那么哪一组可信度更高？方差分析主要是处理多于两个以上的平均数之间的差异检验问题。实验研究是一个多组设计，需要检验的虚无假设：“任何一对平均数”之间是否又显著性差异。为此，设虚无假设为，样本所归属的所有总体平均数都相等，一般把这一般假设称为“综合的虚无假设”。组间的虚无假设相应的就是“部分虚无假设”。检验综合虚无假设是方差分析的主要任务。所以在下述模型一中引入方差分析且事先进行虚无假设。模型一：每一组评酒员有10人，对于某一个样品有不同的评分，观察题目附件1葡萄酒品尝评分表，发现里面红葡萄20号酒样品中第一组4号品酒员的色调一项没有分数，我们参照其余的评酒员的众数，赋予了该项6分的评分。同样，白葡萄酒3号样品第一组7号评酒员的持久性一项分数为77，赋予该项7分的评分。通过计算每组评酒员对样品的平均评分，得到了多个样品平均数。运用方差分析计算多个平均数的显著性差异，假设第一、二组对于红葡萄酒品尝评分有显著性差异，对其进行计算，原始数据与中间的计算结果（见附录：附表1）如下表1所示：红葡萄酒品尝评分样品第一组第二组162.73931.2968.14637.61130.817108.64280.36448.09745476154.323808.49380.46464.1674.65565.1615524025………2673.85446.44725184145.821257.642773532971.55112.25144.520880.251972.5145503.91903.9134664.63876.4559412.338907563624835表1：红葡萄酒品尝评分设：计算平方和或者计算自由度计算均方④计算比值，进行检验，做出决断

查表，，计算得到的值大于临界值。因此，两组的品酒员对于红葡萄酒的品尝评分的影响是显著的，不能够接受虚无假设，也就是说对于红葡萄酒的品尝评分，两组的结果有显著性差异。⑤方差分析表红葡萄酒方差分析表差别来源平方和自由度均方组间16.044.22区组263.831.93误差26总差别1900.34853表2：红葡萄酒方差分析表一般方差分析的目的在于分析组间方差是否大于误差项的方差，因此值进行上面的检验就行了，但有时也对区组效应进行检验。本例中。查附表，，这个结果说明本例中区组效应显著，即两组评酒员对红葡萄酒的评价结果有显著性差异，且差异性较大。以上只是对红葡萄酒的评价结果。类似的方法可以得出两组评酒员对白葡萄酒的评价结果：白葡萄酒方差分析表差别来源平方和自由度均方组间89.006429189.006428576.8903542874.21区组545.834292720.216084661.5650103911.91误差348.773592712.91754021总差别983.614355表3：白葡萄酒方差分析表对比可以得到，两组评酒员对红葡萄酒的评价结果有显著性差异，但是差异不大。以红葡萄酒的来看，每一组评酒员对于各个样品可以得出一个平均值，这样第一组与第二组我们一共有样本数，一般地，当（也可认为）时，尽管总体分布非正态，对于平均数的显著性差异检验任然可以近似的用Z检验，即：其中，为样品平均数，为总体平均数，为总体标准差。这样我们就可以得出各个样本平均数与总体的值表（见附录：附表3）：值表红葡萄酒第一组红葡萄酒第二组白葡萄酒第一组白葡萄酒第二组葡萄样品1-11.2482-4.558732.1323450.808423葡萄样品210.554442.750101-0.386340.130316…………葡萄样品262.5023450.2725331.90631-0.35405葡萄样品271.511317-0.34686-3.421670.517806葡萄样品281.906311.3573667.0528133.964111.368650.873581表4：值表以红葡萄酒的样品1来说，第一组值为-11.25，第二组为-4.56，也就是说第二组的显著性差异较第一组小，可以认为第二组的评价比较可信，即值的绝对值的大小可以说明两组评分的可信程度。那么，做出每一组的平均值。可以得出，第一组对于红葡萄酒为7.05，第二组对于红葡萄酒为3.96，说明第二组对于红葡萄酒的平均是比较可信的，同样对比值表，白葡萄酒对于第一组与第二组的差别不是很大，我们任然认为这个评分都可信。2.斯皮尔曼等级相关在酿酒葡萄分级中应用根据酿酒葡萄理化指标和葡萄酒质量来对酿酒葡萄分级。葡萄酒质量认为就是结果可信组评价葡萄酒样品的平均分，我们首先希望找到酿酒葡萄理化指标和葡萄酒质量的联系，因为酿酒葡萄理化指标是等距数据，葡萄酒质量是等级数据，而且没有较多的考虑分数分布是否是正态。所以，我们采用斯皮尔曼等级相关来计算各项理化指标与葡萄酒质量的相关程度。按照相关程度可以将各项理化指标分级，这些相关度高的就是在葡萄分级时应该考虑的主成分。为了给葡萄的等级一个定量的指标，我们给每个指标划分范围，在各个不同的范围定量值也不同，按照这个范围表佷快得出每项样本定量分数，而样本指标的分数与葡萄酒质量有一系列相关系数，每项样本的定量分数乘以对应的相关系数就是该项的最终得分。当然，酿酒葡萄理化指标时有许多项的，我们需要将所有指标的得分综合，得出葡萄样品的总体评价，为了计算方便，也可以就以主成分的值为最后的评价。后面为了让分级更加明显，我们可以同样地按照5分法将总体分数化为5个范围，最高一级为1级葡萄，最低一级为5级葡萄。模型二：在上一模型中，品酒员对葡萄酒的品尝评分，在本模型中作为葡萄酒质量的的评价标准，即用葡萄酒的品尝评分的数值作为葡萄酒质量。以此，来定性说明葡萄酒质量。酿酒葡萄的理化指标一共多达30项，每项都会对葡萄酒的外观、香气、口感和平衡产生影响，故酿酒葡萄的每一项理化指标都应该作为本模型中的考虑因素。首先，酿酒葡萄红葡萄的氨基酸含量对红葡萄酒的品尝评分的相关性，原始数据与中间的计算结果（见附录：附表4）：红葡萄氨基酸含量品尝评分葡萄样品12028.01679.9527-11121葡萄样品22128.8157526-11121葡萄样品38397.3180.4525-24576葡萄样品42144.71478.1524-10100……葡萄样品251409.72378.3320400葡萄样品26851.22777.8225625葡萄样品271116.62670.9125625表5：氨基酸含量的相关性计算从表中数据得知，Y项有三对数据的等级相等，等级分别为：10.5、14.5和20.5.X项没有数据等级相等的。两对偶等级差的平方和，数据对数为。因此：，即红葡萄的氨基酸总量与红葡萄酒的品尝评分有相关，相关系数是-0.11109至于红葡萄中所含有的其他物质：蛋白质、VC、苹果酸等的相关系数（其中负数的存在就表明是负相关）如下表所示（见附录:附表6）酿酒红葡萄的成分与红葡萄酒的品尝评分的相关系数氨基酸总量mg/100gfw-0.11109蛋白质mg/100g0.343669VC含量（mg/L)-0.11848………………酒石酸（g/L）0.290554苹果酸（g/L）0.15065表6：红葡萄的成分与红葡萄酒的品尝评分的相关系数对于葡萄的分级，先对相关系数的绝对值的大小来进行分类，来决定哪些是影响葡萄等级的主成分和次要成分。将相关系数的大小排列之后，取最大与最小值的和的均数：对于葡萄的分级中，选取来分为五级（见附录:附表7）：第六级（0.431728-0.517249）果穗质量/g0.517249第五级（0.346315-0.431728）褐变ΔA/g*g*min*ml-0.39309第四级（0.260849-0.346315）酒石酸（g/L）0.290554第三级（0.175382-0.260849）单宁(mmol/kg)-0.1924第二级（0.089916-0.175382）柠檬酸（g/L）0.020329第一级（0.004449-0.089916）固酸比0.004449表7：葡萄的分级范围所以，就将红葡萄的所有成分都进行了分级，区别开主成分：果皮质量（g）、干物质含量g/100g、酒石酸（g/L）、DPPH自由基1/IC50（g/L）、蛋白质mg/100g、褐变度ΔA/g*g*min*ml、百粒质量/g、果皮颜色、果穗质量/g，其余的为次要成分。有了相关系数之后，我们先对葡萄中所含有的不同物质的含量的影响进行分级讨论。和上述分级一样的道理，选取红葡萄样品1到27的葡萄总黄酮为例。将其按大小排列，取最大与最小值的和再进行五分。得到：2.52-6.87，6.87-11.23，11.23-15.58，15.58-19.94，19.94-24.29五类取值范围。葡萄中所含有的葡萄总黄酮的含量的影响来定性说明，将落在某一范围内的葡萄总黄酮的含量的影响用数字来表示：葡萄总黄酮的含量范围表2.52-6.8716.87-11.23211.23-15.58315.58-19.94419.94-24.295表8：葡萄总黄酮的含量范围表这样，就可以得到所有红葡萄所含成分的含量影响的一个定性值（见附件1）。例如葡萄样品1中的葡萄总黄酮是9.480，记为2。依此类推，得到各个葡萄样品的所有成分的定性值。各个葡萄样品的所有成分的定性值样品编号氨基酸总量蛋白质mg/100g……颜色b葡萄样品12027.957553.1059……0.26定性值12……2葡萄样品22128.823626.4781……-1.25定性值14……1…….……葡萄样品271116.612528.3311……-1.22667定性值11……1表9：各个葡萄样品的所有成分的定性值（附件1）对于任一葡萄样品的不同成分含量的具体等级分数，选取该葡萄对应成分的相关系数与其定性值的乘积的总和，来作为这一葡萄样品的具体等级分数。例如：样品编号氨基酸总量蛋白质mg/100g……颜色a颜色b总分葡萄样品12027.957553.1059……0.780.26定性值12……12相关系数-0.111090.343669……0.286448-0.0128等级分数-0.111090.687337……0.286448-0.0256-5.30876表10：葡萄等级分数（附件1）而其余的葡萄样品的不同成分含量的具体等级分数可参见附件1。至此可以得到所有红葡萄样品的不同成分含量的具体等级分数（附录：附表7），比如：葡萄样品1-5.30876葡萄样品2-2.48569…………葡萄样品271.872827表11：红葡萄样品的不同成分含量的具体等级分数则按小到大的排列之后，就可以得到葡萄之间的等级差距。同理，还是选用上面的分级方法，将最大值与最小值的和五分，就最终得到了酿酒葡萄的等级。得出了结果：葡萄样品26、葡萄样品25为一级葡萄，葡萄样品5、葡萄样品11等为二级葡萄等。（其余的见附件2）同理，按照上述方法，对白葡萄也进行分级（附录:附表8）。综上所述，对一个葡萄样品的等级评价结果的步骤：第一步：对成分与品尝分数的相关分析得到相关系数第二步：对相关系数分级，区分主成分第三步：对含量影响的定性分析，对比含量范围来获得定性值第四步：定性值与相关系数的乘积，就为最终等级分数3.积差相关和双重筛选逐步回归模型三：对比葡萄与葡萄酒的理化指标的数据，可以用积差相关来说明对应项目之间的相关关系。花色苷在红葡萄酒与红葡萄之间的相关联系红葡萄酒红葡萄葡萄样品1973.8783408.028948439166486.7397369.4葡萄样品2517.5813224.367267890.450340.43116128葡萄样品3398.7700157.939159017.524944.8462981.48葡萄样品4183.519579.68533679.396349.72114623.77………………葡萄样品25158.568649.64325144.022464.4637871.88葡萄样品26151.480558.46922946.363418.6468856.944葡萄样品27138.454634.19019169.691168.9784733.817125.28372845.183256176508621.21245354表12：花色苷在红葡萄酒与红葡萄之间的相关联系（附表9）根据已有资料可知红葡萄酒和红葡萄的成分分布都是呈正态的，且红葡萄酒的理化指标与红葡萄的理化指标都是属于测量数据并为线性相关，故可用积差相关公式计算相关系数值。运用公式：再将表格中得花色苷在红葡萄酒与红葡萄之间的数据代入其中，就可以得到花色苷在红葡萄酒与红葡萄之间的相关系数。依此类推，就可以得到红葡萄酒与红葡萄之间的9组数据以及相应的相关系数。酿酒红葡萄与红葡萄酒的理化指标之间的联系种类相关系数联系花色苷0.922629联系最大。最能促进葡萄酒的品质单宁0.71804联系较大。能促进葡萄酒的品质总酚0.875139联系很大。很能促进葡萄酒的品质总黄酮0.822833联系很大。最能促进葡萄酒的品质白藜芦醇0.013515联系几乎为零。对葡萄酒的品质影响非常小DPPH0.77828联系很大。很能促进葡萄酒的品质颜色L0.493648联系一般。还是能促进葡萄酒的品质颜色A-0.54195联系一般。但是会影响葡萄酒的品质变坏颜色B0.025494联系几乎为零。对葡萄酒的品质近乎没有什么影响表13：酿酒红葡萄与红葡萄酒的理化指标之间的联系酿酒白葡萄与白葡萄酒的理化指标之间的联系种类相关系数联系单宁0.573832联系一般。能促进葡萄酒的品质总酚0.546765联系一般。能促进葡萄酒的品质总黄酮0.696684联系较大。较能促进葡萄酒的品质白藜芦醇-0.21282联系较小。会影响葡萄酒的品质变坏DPPH0.386305联系较小。稍微能促进葡萄酒的品质颜色L-0.14222联系很小。会影响葡萄酒的品质变坏颜色A-0.02995联系几乎为零。会影响葡萄酒的品质变坏颜色B0.277484联系很小。对葡萄酒的品质小有影响表14：酿酒白葡萄与白葡萄酒的理化指标之间的联系从上面两个表格可以得出，酿酒葡萄与葡萄酒的理化指标之间存在联系。上述理化指标只是单独的某一种成分在葡萄酒与酿酒葡萄之间的相关联系。但是，在酿酒葡萄的众多成分中，其余的成分也可能会影响葡萄酒的成分，譬如酿酒葡萄的花色苷、酒石酸、ph值等都会影响葡萄酒的花色苷含量，所以有必要将酿酒葡萄和葡萄酒的多样指标相互统一研究：对于酿酒葡萄与葡萄酒的理化指标之间的分析模型，所研究的因变量指标y是一元随机变量，二影响指标y的自变量因子x就有很多个。在y指标和x指标很多的情况下，就应该是多对多的回归分析。故引入双重筛选逐步回归分析的方法，将对应的因变量和自变量放入数据矩阵中，将多个因变量y分组，找出哪些自变量对哪一组因变量有影响，并根据各个自变量方差贡献的显著性检验结果，精选出一些对某一组因变量的方差贡献较大的自变量，分别按组建立回归模型。将酿酒葡萄的30项影响指标与葡萄酒的9项影响指标，都导入DPS中，运用双重筛选逐步回归（详细计算过程与原始数据见附件3），得出：即：单宁=0.0009X氨基酸+0.219X苹果酸+11.6887XDPPH自由基+0.1757X白藜芦醇-0.0029X果穗质量+0.0091X百粒质量-0.0607X出汁率-0.8827X果皮颜色+3.41754其中相关系数0.9425，剩余标准差1.3700至此，得到了酿酒葡萄中的理化指标（氨基酸、苹果酸等）的含量与红葡萄酒的理化指标单宁的联系。同理可得，酿酒葡萄中的理化指标含量与葡萄酒的八项理化指标之间的相关联系式。模型四：葡萄与葡萄酒含有的物质对葡萄酒的质量评价是有影响的，前面我们得出了酿酒葡萄的成分与红葡萄酒的品尝评分的相关系数，说明了酿酒葡萄的某些成分对评分的影响很大，我们可以通过这种相关性求出质量评分与各项成分的值大小的关系。在具体的质量评分时，发现各项成分与其中的某项评分相关性比其他高很多。比如，芳香物质这一项指标对于评分项目中香气分析的评分影响更高。为了解决这些不同指标对最后分数的影响问题，我们以各项指标为自变量X，各项评分为Y。通过双重筛选逐步回归，得出不同因变量Y到底是哪几项指标有关以及相关关系式。对芳香物质的双重筛选逐步回归：题目附件3中芳香物质的指标项目表示与题目附件2中指标总表表示有很大区别，且鉴于芳香物质本身的感官特性，我们在分析葡萄酒质量时将其分开讨论。首先，芳香物质有着感官特性，也就是说如果某样品被监测出了某化学成分，但是由于该化学成分的感觉阀值比较高，评酒员是感觉不到气味的，该项的气味评分就与该项的化学成分无关，但是超出感觉阀值的化学成分是与其有关的。这样，对于芳香物质的自变量X,即有：，为该项目的成分含量，为该项目的感觉阀值。通过处理我们得出了与香气分析得分有关的成分（见附件3）。Y为香气分析的各个样品平均得分。我们得出了X的20个因子,其中为红葡萄酒芳香物质，为红葡萄芳香物质，为红葡萄酒香气分析项目平均分（见附表3）通过DPS平台计算，其数据输入及定义格式如图1：图1：双重筛选逐步回归分析数据编辑定义示意图计算过程示意图，图2：图2：双重筛选逐步回归分析计算过程示意图可见，香气分析评价分数受到自变量的影响，即主要影响因素是：红葡萄酒中乙醛、丁酸乙酯、壬酸乙酯、甘油，根据计算结果，说明红葡萄中各项成分与红葡萄的香气分析评分没有明显的相关程度。故，评价葡萄香气分析我们认为选取葡萄酒的各项指标即有较好的代表性。香气分析得分=-0.5038X乙醛+0.901X丁酸乙酯-1.7478X壬酸乙酯-0.1655X甘油+20.5494我们将这几项指标带入算式，得出所有的香气分析得分，与实际的对比，显著性差异不大。对外观与口感的双重筛选逐步回归：因为双重筛选逐步回归本来就是对多个自变量与多个因变量之间的关系进行相关影响的分析，我们将葡萄与葡萄酒的各项理化指标作为自变量，外观与口感作为因变量，分析哪些自变量对因变量外观有影响，哪些对口感有影响。（因为应用DPS软件具体数据与计算过程就不在给出，见附件3）这样，得到了综合，,我们就可以得到葡萄酒质量评分的计算方式。同样，我们将各项指标带入计算式中，得出了葡萄酒的评分，对比实际得分，显著性差异不大。在对比了计算值与实际值之后，会发现两者之间的差异性小，所以能用葡萄和葡萄酒的理化指标来评价葡萄酒的质量，但葡萄的理化指标没有葡萄酒的理化指标对葡萄酒质量的影响高。四模型的检验方差分析的灵敏度检验：对于模型一的方差分析，是用于多个平均数的显著性差异分析，其中白葡萄酒样品3第一组的7号评酒员在持久性评分一项原始数据是77，我们现在将其代回。这样，白葡萄酒样品3号平均分由78.3变为85.3。白葡萄酒方差分析表，各项数值变为：差别来源平方和自由度均方组间72.23143172.231434.7689344.21区组592.95932721.961461.4499611.91误差408.94862715.14624总差别1074.13955对比，之前的值6.89，变动较大，我们认为其反应灵敏度较高。五模型的优缺点分析优点：该模型对于测量数据的处理比较客观，所采用的相关算法都考虑了测量数据的数据类型。并且模型比较有代表性，抓住了问题本质。例如模型一的方差分析，抓住了方差分析主要处理多于两个以上平均数之间的差异检验问题，运用样本分数是平均数这一特点。对于结果的分析也比较合理，首先是考虑两组之间是否有显著性差异，在有差异的情况下再分析谁可信的问题。给葡萄分级中也没有主观性，是采用了等级相关来计算葡萄等级，代表性强。最后，对于葡萄与葡萄酒之间的理化指标之间的分析得当，先运用积差相关来分析出各项之间有较高的相关性，可以进一步分析相关联系，科学的采用了双重筛选逐步回归分析，对于多个自变量与多因变量之间的关系进行了相关影响的计算。最后运用DPS带入计算出了葡萄质量分数与各项指标的相关计算公式，并且进行显著性检验说明结果的差异不大。缺点：对于芳香物质的数据分析不够科学，只是简单的运用感觉阀值将数据变为相关较高的情况。前面几个模型只是通过套用表格公式计算，虽然简便，但是对于大样本数据容易出现人工误差。然而对于DPS软件没有运用专业版本，样本大是随机误差会较大。六参考文献[1]严斌,永远的时尚,云南：云南人名出版社，2010。[2]李华,葡萄酒品尝学,北京：科学出版社，2006。[3]刘顺忠,数理统计理论、方法、应用和软件设计,武汉：华中科技大学出版社，2005。[4]何晓群,应用回归分析,北京：中国人民大学出版社，2008。[5]DPS使用教程,百度文库，/view/ab164b6648d7c1c708a[6]李运，统计分析在葡萄酒质量评价中的应用，酿酒科技，第178期：1，2009。七附录附件1（含3个表格）附件2（含1个表格）附件3（含6个表格）附表1：红葡萄酒品尝评分红葡萄酒第一组第二组XX^2XX^2葡萄样品162.73931.2968.14637.61130.817108.64葡萄样品280.36448.09745476154.323808.49葡萄样品380.46464.1674.65565.1615524025葡萄样品468.64705.9671.25069.44139.819544.04葡萄样品573.35372.8972.15198.41145.421141.16葡萄样品672.25212.8466.34395.69138.519182.25葡萄样品771.55112.2565.34264.09136.818714.24葡萄样品872.35227.29664356138.319126.89葡萄样品981.56642.2578.26115.24159.725504.09葡萄样品1074.25505.6468.84733.4414320449葡萄样品1170.14914.0161.63794.56131.717344.89葡萄样品1253.92905.2168.34664.89122.214932.84葡萄样品1374.65565.1668.84733.44143.420563.56葡萄样品1473532972.65270.76145.621199.36葡萄样品1558.73445.6965.74316.49124.415475.36葡萄样品1674.95610.0169.94886.01144.820967.04葡萄样品1779.36288.4974.55550.25153.823654.44葡萄样品1859.93588.0165.44277.16125.315700.09葡萄样品1978.66177.9672.65270.76151.222861.44葡萄样品2078.66177.9675.85745.64154.423839.36葡萄样品2177.15944.4172.25212.84149.322290.49葡萄样品2277.25959.8471.65126.56148.822141.44葡萄样品2385.67327.3677.15944.41162.726471.29葡萄样品2478608471.55112.25149.522350.25葡萄样品2569.24788.6468.24651.24137.418878.76葡萄样品2673.85446.44725184145.821257.64葡萄样品2773532971.55112.25144.520880.251972.5145503.91903.9134664.63876.4559412.338907563624835附表2：白葡萄酒品尝白葡萄酒第一组第二组XX^2XX^2葡萄样品182672477.96068.41159.925568.01葡萄样品274.25505.6475.85745.6415022500葡萄样品378.37276.0975.65715.36160.925888.81葡萄样品479.46304.3676.95913.61156.324429.69葡萄样品571504181.56642.25152.523256.25葡萄样品668.44678.5675.55700.25143.920707.21葡萄样品777.56006.2574.25505.64151.723012.89葡萄样品871.45097.9672.35227.29143.720649.69葡萄样品972.95314.4180.46464.16153.323500.89葡萄样品1074.35520.4979.86368.04154.123746.81葡萄样品1172.35227.2971.45097.96143.720649.69葡萄样品1263.34006.8972.45241.76135.718414.49葡萄样品1365.94342.8173.95461.21139.819544.04葡萄样品1472518477.15944.41149.122230.81葡萄样品1572.45241.7678.46146.56150.822740.64葡萄样品1674547667.34529.29141.319965.69葡萄样品1778.86209.4480.36448.09159.125312.81葡萄样品1873.15343.6176.75882.89149.822440.04葡萄样品1972.25212.8476.45836.96148.622081.96葡萄样品2077.86052.8476.65867.56154.423839.36葡萄样品2176.45836.9679.26272.64155.624211.36葡萄样品2271504179.46304.36150.422620.16葡萄样品2375.95760.8177.45990.76153.323500.89葡萄样品2473.35372.8976.15791.21149.422320.36葡萄样品2577.15944.4179.56320.25156.624523.56葡萄样品2681.36609.6974.35520.49155.624211.36葡萄样品2764.84199.04775929141.820107.24葡萄样品2881.36609.6979.66336.16160.925888.812079.3155140.72142.9164272.24222.2637863.543234884592020附表3：Z值表红葡萄酒第一组红葡萄酒第二组白葡萄酒第一组白葡萄酒第二组葡萄样品1-11.2482-4.558732.1323450.808423葡萄样品210.554442.750101-0.386340.130316葡萄样品310.678323.4933723.1979420.065734葡萄样品4-3.93933-0.718491.2927850.485515葡萄样品51.8829520.396411-1.419641.970891葡萄样品60.520289-6.78854-2.25920.033444葡萄样品7-0.34686-8.027320.67926-0.38634葡萄样品80.644168-7.16017-1.29048-0.99986葡萄样品912.040987.952996-0.806121.615693葡萄样品102.997858-3.69158-0.354051.421948葡萄样品11-2.08116-12.6108-0.99986-1.29048葡萄样品12-22.1495-4.31097-3.90603-0.96757葡萄样品133.493372-3.69158-3.06647-0.48321葡萄样品141.5113171.015803-1.096730.550096葡萄样品15-16.2033-7.53181-0.967570.969877葡萄样品163.865007-2.32891-0.45092-2.6144葡萄样品179.3156593.3694941.099041.583402葡萄样品18-14.7168-7.90344-0.741540.420933葡萄样品198.448511.015803-1.032150.324061葡萄样品208.448514.9799130.7761320.388642葡萄样品216.5903330.5202890.3240611.228203葡萄样品226.714212-0.22298-1.419641.292785葡萄样品2317.126.5903330.1626070.646969葡萄样品247.705239-0.34686-0.676950.227188葡萄样品25-3.19606-4.434850.5500961.325075葡萄样品262.5023450.2725331.90631-0.35405葡萄样品271.511317-0.34686-3.421670.517806葡萄样品281.906311.3573667.0528133.964111.368650.873581附表4：酿酒葡萄红葡萄的氨基酸含量对红葡萄酒的品尝评分的相关性与影响红葡萄氨基酸含量品尝评分葡萄样品12028.01679.9527-11121葡萄样品22128.8157526-11121葡萄样品38397.3180.4525-24576葡萄样品42144.71478.1524-10100葡萄样品51844.01876.2523-525葡萄样品63434.2371.9522-19361葡萄样品72391.2875.8521-13169葡萄样品81950.81771.8520-39葡萄样品92262.71276.6519-749葡萄样品101364.12477.0517.56.542.25葡萄样品112355.71071.8517.5-7.556.25葡萄样品122556.8567.8516-11121葡萄样品131416.12269.915749葡萄样品141237.82574.5513.511.5132.25葡萄样品152177.91375.413.5-0.50.25葡萄样品161553.52170.6512981葡萄样品171713.71979.5511864葡萄样品182398.4774.910-39葡萄样品192463.6674.39-39葡萄样品202273.6112.25葡萄样品216346.8277.87-525葡萄样品222566.6475.26-24葡萄样品232380.8976.655416葡萄样品241638.82074.7416256葡萄样品251409.72378.3320400葡萄样品26851.22777.8225625葡萄样品271116.62670.9125625附表5：酿酒红葡萄的成分与红葡萄酒的品尝评分的相关系数氨基酸总量mg/100gfw-0.11109蛋白质mg/100g0.343669VC含量（mg/L)-0.11848花色苷mg/100g鲜重-0.2165酒石酸（g/L）0.290554苹果酸（g/L）0.15065柠檬酸（g/L）0.020329多酚氧化酶活力-0.15188褐变度ΔA/g*g*min*ml-0.39309DPPH自由基1/IC50（g/L）-0.29726总酚(mmol/kg)-0.17159单宁(mmol/kg)-0.1924葡萄总黄酮（mmol/kg）-0.07221白藜芦醇(mg/kg)-0.00486黄酮醇(mg/kg)0.055647总糖g/L-0.1601还原糖g/L-0.04374可溶性固形物g/l-0.19295PH值0.068789可滴定酸（g/l）0.121629固酸比0.004449干物质含量g/100g-0.28385果穗质量/g0.517249百粒质量/g0.417865果梗比(%)-0.04073出汁率(%)-0.17105果皮质量（g）0.281246果皮颜色L0.440315果皮颜色a0.286448果皮颜色b-0.0128附表6：酿酒葡萄的成分与白葡萄酒的品尝评分的相关系数氨基酸总量mg/100gfw0.343694蛋白质mg/100g-0.11393VC含量（mg/L)0.19225花色苷mg/100g鲜重-0.19225酒石酸（g/L）0.394906苹果酸（g/L）0.212515柠檬酸（g/L）-0.3656多酚氧化酶活力0.365603褐变度ΔA/g*g*min*ml-0.22073DPPH自由基1/IC50（g/L）-0.13282总酚(mmol/kg)-0.23579单宁(mmol/kg)0.091743葡萄总黄酮（mmol/kg）-0.44009白藜芦醇(mg/kg)0.066548黄酮醇(mg/kg)-0.109总糖g/L-0.06901还原糖g/L0.275229可溶性固形物g/l0.424483PH值-0.05642可滴定酸（g/l）0.28235固酸比-0.15583干物质含量g/100g0.348898果穗质量/g-0.50472百粒质量/g-0.462果梗比(%)0.324798出汁率(%)-0.12269果皮质量（g）-0.30563果皮颜色L0.291661a-0.14022b0.498699附表7：红葡萄等级第五级-5.30876—-3.14324葡萄样品1-5.30876第四级-3.14324—-0.97773葡萄样品3-3.09172葡萄样品9-2.84326葡萄样品2-2.48569葡萄样品6-1.72587葡萄样品23-1.64257葡萄样品22-1.37207葡萄样品21-1.28138第三级-0.97773—1.18779葡萄样品8-0.95366葡萄样品14-0.88234葡萄样品7-0.76318葡萄样品19-0.41526葡萄样品15-0.17714葡萄样品18-0.03546葡萄样品120.148665葡萄样品130.555647葡萄样品160.595209葡萄样品41.006297第二级