校賽國賽-by wwr一等獎

1、摘T Wilcoxon 秩和檢驗對兩組評酒度10 位評酒員組成新的評分組，其平均值認為比第二組更可靠，作為整個文章中在問題二中，由于紅、白葡萄的理化指標有較大差異，分開考慮紅白從三個角度又分為由大分子因子決定的澄清度和基于 LAB 色彩模型的色調(diào)考慮到指標間存在的競爭關(guān)系采用非線性回歸分析和逐步回歸分析、香氣分析（F摘T Wilcoxon 秩和檢驗對兩組評酒度10 位評酒員組成新的評分組，其平均值認為比第二組更可靠，作為整個文章中在問題二中，由于紅、白葡萄的理化指標有較大差異，分開考慮紅白從三個角度又分為由大分子因子決定的澄清度和基于 LAB 色彩模型的色調(diào)考慮到指標間存在的競爭關(guān)系采用非線性

2、回歸分析和逐步回歸分析、香氣分析（Fser 線性判別分析）和口感分析Fisher 判別分析求解。最后將三個方面得分聚類分析分為四級。AIC信息統(tǒng)計量，剔除不顯著指標（附件二和附件三，針對紅葡萄酒和白葡萄酒的區(qū)別分別在釀酒葡萄和葡萄酒的8個樣本數(shù)據(jù)分成兩組，采用用一組進行擬合，另一組進行結(jié)果回帶分Fisher 1重的分高 度。Fisher Fisher 信息判重的分高 度。Fisher Fisher 信息判AIC2值假1.符號說3S0(i, j,k,S1(i, j,k,S11(i, j,k,值假1.符號說3S0(i, j,k,S1(i, j,k,S11(i, j,k,外觀分析評分（子項求（i=1

3、 2，表示評酒員所j ；k=1 表示紅 葡萄酒類， k=2 表示白 l表示普通酒樣品號。下S12(i, j,k,S2(i, j,k,S21(i, j,k,香氣分析評分（子項求S22(i, j,k,S23(i, j,k,分S3(i, j,k,S31(i, j,k,口感分析評分（子項求S32(i, j,k,S33(i, j,k,S34(i, j,k,分S4(i, j,k,Var1(i,k,Ai,j度（1.2 中進入過程Sr /St1/S01/Ss1/XRi / Yi /xrij /釀酒紅/白葡萄第i個樣本的第j立與求1. “20 度總和度更小的組必然更可靠10 Wilcoxon 秩檢驗的總體均值顯

4、著性檢驗。具體結(jié)果如下表：1 2.2.1 ：立與求1. “20 度總和度更小的組必然更可靠10 Wilcoxon 秩檢驗的總體均值顯著性檢驗。具體結(jié)果如下表：1 2.2.1 ：總分S0ijkl，進而求出該種葡萄酒得到的總分在組內(nèi)（10人）的方差Var1(ikl，4T H0 :1 6058, df=542.513兩組評酒員的對白葡萄H0 H0 :1 W 統(tǒng)計量W 統(tǒng)計量=269兩組評價員評價結(jié)果的yij / 紅/i j S0( , ) S1( , )S2( , )S3( , S11( , )S12( , )S21( , )S22( , S0( , ) S1( , )S2( , )S3( , S1

5、1( , )S12( , )S21( , )S22( , )S23( , S31( , )S32( , )S33( , )S34( , S , ,n) Varn2 1 對紅葡萄酒兩組評酒員評價方差（虛線為第一組3 2 對白葡萄酒兩組評酒員評價方差（虛線為第一組價。2.2.2 51234512345意見始終不同導致。因此， 20 分的平均值，引入度” Ai, j概念來衡量每個評酒員和平均值的差異度，即參（4S i, j,k,l20S0 i, j,k,li, k,l Ai, j 意見始終不同導致。因此， 20 分的平均值，引入度” Ai, j概念來衡量每個評酒員和平均值的差異度，即參（4S i,

6、j,k,l20S0 i, j,k,li, k,l Ai, j 27按照公式(4)excel表 4 度10 在建立 LAB 色彩指標對葡萄酒色調(diào)的影響時，由于人們對葡萄酒色調(diào)的喜好與 LAB333 ijm3i1,ji1,j612345678912345678911 11 1.1.2.2 259602331.1.2.3 2211 11 1.1.2.2 259602331.1.2.3 22改非線性回歸擬合的復(fù)相關(guān)系數(shù) R2 =0.8308，但顯著水平不強（p-1.1.2.4 11.05F 9.61F ) (10.1136781.1.2.5 逐步回歸調(diào)整后的回歸方程復(fù)相關(guān)系=0.8139 ，顯著性水F

7、isher 線性判別分析（FLD）Fisher 線性判別分析進行類別判別，并歸類。而后，根據(jù)分類結(jié)果進行評分。1.2.2 FisherFisher 1.2.3等7根據(jù)附件一中香氣分析的指標來定量刻畫葡萄酒香氣的優(yōu)劣（Si S2(1lS21(1l根據(jù)附件一中香氣分析的指標來定量刻畫葡萄酒香氣的優(yōu)劣（Si S2(1lS21(1lS22(1lS23(1ll12,327通過對葡萄酒香氣指標S2 (1, l) 進行聚類分析，得到基于葡萄酒香氣質(zhì)量的聚類。從Fisher 判別分析的分類判別基準。1.2.4, 23；II：23,4, 6, 10, 11,13, 14, 16, 17, 19, 21, 222

8、4, 26, 27;III: 1, 7, 25; IV: 12, 15, 18.14,15,18,20,作為每類的分類基準樣本：1, 7, 8, 11, IV 0.3 口感指標模型的建5 紅葡萄酒Fisher p n p np X 表示就有8類紅葡萄酒樣2,3,4,6,10,11,13,14,16,17,19,21,22,24,26,1,7,12,15,1p 2p np Fi 來代替原來的指標，用Var1p 2p np Fi 來代替原來的指標，用Var(Fi 來表示反應(yīng)原指標信息量的多少，Var(Fi ) Fi 包含的信息越多。Fi ipF，使得：（1） 2 23 2 1;（2）F F (ij

9、)i出Fi 的選取，根據(jù)Fi 及葡萄酒口感指標評分進行因子分析，從1.3.2 口感指標模型的求1.3.1 對選定指標的概況分6 4 9蛋白花色苷 基總單寧 葡萄總黃酮（mmol/kg） 總可溶性固形物花色基單萄總黃酮總可溶性固形物-1.3.2 8 ：S F F 5.16F 11.04F )36781.3.3 5 結(jié)果顯示，1.3.2 8 ：S F F 5.16F 11.04F )36781.3.3 5 結(jié)果顯示，2727 圖（圖 判斷第二次剔除 13 號異常點，第三次剔除 25 號異常點。最終得到口感部分S (10.1111.05F 9.61F )數(shù)）R2 3678顯著水平p-value=0.

10、01501, 后模型的復(fù)相關(guān)系數(shù) R2 =0.8703，p-value=2.188e-05. 因此，可以看出，改異常點5 6 圖7 27 圖8 13 圖10?？偡諷r 15S 7 27 圖8 13 圖10?？偡諷r 15S 30S 44Sr7 紅葡萄各項指標得分（外觀及口感數(shù)據(jù)經(jīng)標準化計算1.3.4 萄酒得分的相關(guān)程度得到相關(guān)系數(shù)r=0.811.因此，用該模型進行釀酒葡萄的分級是外香口綜合得紅葡萄-釀酒葡萄的分級。首先，將附件 2 及附件 3 中釀酒葡萄的理化釀酒葡萄的分級。首先，將附件 2 及附件 3 中釀酒葡萄的理化指標根據(jù)其對于葡萄酒的影響作用進行分類（118 配2.2 9 圖 11 表

11、 9 12 Fisher Fisher 白葡白葡萄樣品序外觀分口感分指標作釀酒葡萄的一級理化指褐變度、基3，以此類推。總分S wSw So2 Ss2 St3，以此類推?？偡諷 wSw So2 Ss2 St2.3 對應(yīng)的葡萄酒得分的相關(guān)程度得到相關(guān)系數(shù)r =0.89.因此用該模型進行釀酒葡萄的分級的問題三的模型建立與求 白藜蘆醇、DPPH 30 8 個指標相關(guān)系數(shù)，找出相關(guān)性之間的關(guān)系，就需要收集n 組數(shù)據(jù)y(外香口綜合得白葡萄 相互獨立且同分布于 2i0 y1 33Y X 相互獨立且同分布于 2i0 y1 33Y X 1y xxY 2 , 1 ,X 21, 2 N 0, 2 n t n yn

12、xnt ，即min (y x . 0 t (Y X)1 X 2.1.2 lm 2.1.3 量成分，從第一組變量X 提取典型成分V aX ，再從第二組變量Y 提取典型成W bY ，并要求 V 希望找到 a 的相關(guān)程度達到最大。b，使Cov(V,W可以通過V 和W X 和Y (V,W)Var(V)Var(W30 蘆醇、DPPH 半抑制體積分別作為因變量，進行多元線性回歸、逐步回歸和模型檢驗。：27 個樣品的所有數(shù)據(jù)進行標準化處理。，對Y R2 0.83654Fpvalue 0.03370.05R 0.5752 R2 0.7876 Step3：對其做逐步回歸，將 16 個變量減少到 8 個。檢驗發(fā)現(xiàn)

13、仍有 1 個回歸R2 0.7876 Step3：對其做逐步回歸，將 16 個變量減少到 8 個。檢驗發(fā)現(xiàn)仍有 1 個回歸系數(shù)不Y4 0.11410.1832XR8 0.3034XR9 0.4021XR10 0.3572XR13 0.3132XR22 0.2982XR23 0.266010 2.1.4.1R20.8512：DPPH1。Y1 0.21XR1 0.81XR4 0.27XR9 0.15XR13 0.17XR17 Y2 0.32XR1 0.20XR8 0.39XR9 0.66XR10 0.32XR22 0.140.190.260.520.390.23XR 1.64Y4 0.110.18X

14、R8 0.30XR9 0.40XR10 0.36XR13 0.31XR22 0.30XR23 0.27Y6 0.050.30X 0.27XR 0.20XR 0.49XR 0.36XR 0.31XR 0.22XR 12 PH 值會增加酚類的含量。0.52 5基于典型相關(guān)分析的色澤指標關(guān)系的模型求解與檢模型求L、a、b 分別為Y7,Y8,Y9 12 PH 值會增加酚類的含量。0.52 5基于典型相關(guān)分析的色澤指標關(guān)系的模型求解與檢模型求L、a、b 分別為Y7,Y8,Y9 30 XR1XR2,.XR30 ，通過Yi XRj 12 XRj 前三對 典型相 關(guān)變量 的相關(guān) 系數(shù)均 很高 。 記Y7，V

15、V A Y 2 33 8 V Y 3 9 W1 W W ,XR ,XR ,.,AB2 W 3 分別對Vi 和Wi典型相關(guān)變量的回F第1第2V2 DPPH 半抑制體11 V1 000W1 得到，V AY V ，則Y A 11 V1 000W1 得到，V AY V ，則Y A W MW22V 0.8103W 0 3 3 可以將紅葡萄酒的色澤指標Y7,Y8,Y9 用紅葡萄的其它理化指標進行線性表示，表示結(jié) 果 如 下 表 所 示 （ 表 內(nèi) 數(shù) 值 為 指 標 的 系 數(shù) ） 。 例 如 ： Y7 0.18XR4 0.14XR5 0.36XR30 。12 2.1.5.2模型檢酒指標的 擬合值， 并與

16、葡萄 酒的標準 化的原始 進行比較 。得到下 圖：13 紅葡萄酒色澤指標的擬合值與原值比較（o 為擬合值發(fā)現(xiàn)色澤指標Y7的擬合效果較好，而Y8,Y9主成分回歸是將多個變量綜合為少數(shù)幾個主成分，這幾個主成分是變量的線性組效減少變量個數(shù)，且保證了變量之間線性無關(guān)。3088個理化指Z2 , Z3 ,., Z9 ，葡萄的理化指標為 XW1, XW2 ,.,XW30 。先將數(shù)據(jù)標準化，再計算 0.4 11 為 、 、5、26 11 6 11 6 第3V3U0000000000000000000000000 XWU 0388 000 0U U -0154 U000000000000000000000000

17、0 XWU 0388 000 0U U -0154 U -0622XW0U 0059 680 00000Z0 00000 05 Z U ZUZ U Z MU Z U ZU 0 0 00 000 Z 018 000 000 Z 018 表2.2.368、 14 -問題四的模型建立與求表 19 Sij 0 問題四的模型建立與求表 19 Sij 0 ik ，i=1,2;j=1ni ；k=1k其中Sij 表示第i 種葡萄酒質(zhì)量得分，xijk 表示在第i 類酒為j的葡萄酒第k個理2.1 S121.833692.2 理化指紅葡萄酒的質(zhì)紅葡干物質(zhì)含量、果穗、百粒質(zhì)量、果梗比、出汁率、果皮質(zhì)紅葡萄白葡萄酒的質(zhì)

18、白葡總糖、還原糖、可溶性固形物、PH值、可滴定酸、固酸比干物質(zhì)含量、果穗、百粒質(zhì)量、果梗比、出汁率、果皮質(zhì)白葡萄單寧、總酚、總黃酮、白藜蘆醇、DPPH基1、色彩指 S2 31.133.1 R2=82.87%R2=98.19%，p-value0.05120 S2 31.133.1 R2=82.87%R2=98.19%，p-value0.05120 3.2 28 80.4748 27 2728 15 16 圖17 紅葡萄酒質(zhì)量擬合結(jié)果與實際結(jié)果對照 18 價與改1.3.參考文1ISO8587民中民，：,（17 紅葡萄酒質(zhì)量擬合結(jié)果與實際結(jié)果對照 18 價與改1.3.參考文1ISO8587民中民，：

19、,（：（：9-生慶海，F(xiàn)riedmanKramer ，7,（：1，統(tǒng)計分析在葡萄酒價中的應(yīng)用， 釀酒科技，11 高惠 璇，兩個 多重相關(guān) 變量組的 統(tǒng)計分析 （1 ）1、顯著性檢驗紅葡萄XR/白葡萄XW的標號對應(yīng)的理化指標及指標均值和標準差（第一排為紅葡萄，第二排為白葡萄12345氨基酒石檸檬褐變均標準均標準均標準均標準均標準789總G總黃黃酮醇還原PH均標準均標準均標準均標準均標準固酸果果梗果皮質(zhì)均標準均標準均標準均標準均標準氨基氨基氨基氨基氨基均標準均標準均標準均標準均標準氨基氨基氨基氨基氨基1、顯著性檢驗紅葡萄XR/白葡萄XW的標號對應(yīng)的理化指標及指標均值和標準差（第一排為紅葡萄，第二排

20、為白葡萄12345氨基酒石檸檬褐變均標準均標準均標準均標準均標準789總G總黃黃酮醇還原PH均標準均標準均標準均標準均標準固酸果果梗果皮質(zhì)均標準均標準均標準均標準均標準氨基氨基氨基氨基氨基均標準均標準均標準均標準均標準氨基氨基氨基氨基氨基均標準均標準均標準均標準均標準氨基氨基氨基氨基氨基均標準均標準均標準均標準均標準-紅葡萄酒Y/白葡萄酒Z的標號對應(yīng)的理化指標及指標均值和標準（第一排為紅葡萄，第二排為白葡萄123花色單總均標準均標準均標準456總黃白藜蘆均標準均標準均標準789Lab均標準均標準均標準-c#c#ol-lm(formula = V7 V1 + V2 + V3 + I(V12) +

21、 I(V22) + I(V1 *V2 * V3)2) + I(V1 V1* V2) + I(V1* V1* V3) + I(V2*V2 * V3) + I(V3* V3 * V1) + I(V3* V3 * V2) + V1:V2+ + D-dapc(x,y)，#D-dapc(x,y)，#4-4-#12 22 2 21 2422 22 22 32 #Levels:12356、#6、#hc3-hclust(d,plclust(hc3hang=-1re1-rect.hclust(hc3k=4border=red); #17,28,10,19,26,27,127、#hc1-hclust(d1,plc

22、lust(hc1,hang=-1);re1-rect.hclust(hc1,k=4,#8、#hc12-hclust(d12,plclust(hc128、#hc12-hclust(d12,plclust(hc12hang=-1re12-rect.hclust(hc12k=4border=red); #3,9,13,14,20,21,24ww- 2.引度概念后整理附件一選取 10 2.引度概念后整理附件一選取 10 度最小的評酒員進行評價得到新excle程序（共六組S,MU,SIGMA = zscore(S1);0-0.00.8100000.27000-0.15000-0.1500plot(1:2

23、7,y1,-*,1:27,out1,-S,MU,SIGMA = zscore(S1);s2=0.32000000-0.200.390.6600000000000000.1400plot(1:27,y2,-*,1:27,out2,-S,MU,SIGMA = zscore(S1);s3=0.18000000-0.190.260.520.390000000-0.231.64000000plot(1:27,y3,-*,1:27,out3,-S,MU,SIGMA = zscore(S1);s4=00000000.180.30.4000.360000000000-0.300.2700000out4=s4*

24、x-plot(1:27,y4,-*,1:27,out4,-S,MU,SIGMA = zscore(S1);s5=0.710-9.220000000s5=0.710-9.220000000-0-0.571.22-0.34000-0-0.460.62-0.8300000plot(1:27,y5,-*,1:27,out5,-S,MU,SIGMA = zscore(S1);-0s6=0.30000000-0.270.20-00.220.23000000out6=s6*x-plot(1:27,y6,-*,1:27,out6,-0000000-0R#基# 5#1 lm.d1-lm(D1D10+D12+D1

25、3+D18+D22+D25+#2 #D23D22D10+ D17+D18+ D19+D30+ #summary(step.D3D25D32D10+ D17summary(step.D3D25D32D10+ D17+D18+ D19+D20+D27+D30+D31#G 中總酚 不好 #4 plot(lm.D4#R2 2D17+D18+D19+ +D30+D31+ #5 plot(lm.D5)#R2101624 summary(step.D5D19D35lm.d5-lm(D5D10+D21+ D22+D23+D27+D30+D31+D32 plot(lm.D6)#R2215 plot(lm.D6)#R2215 summary(step.D6D21D23D32lm.d6-lm(D6D10+D17+D18+D19+D20+D27+D30+D31#V-as.matrix(DX,7:9)%*%ca$xcoef W