2012高教社杯全國生數(shù)學建模競賽

編號 本文運用多種相關(guān)分析、綜合評價和線性回歸等方法解決了葡萄酒質(zhì)量的評價問題。對K-S檢驗等方法確定了各葡萄酒樣本評分數(shù)據(jù)的概率分布，從而確定了顯著性差異模型的建立，接著考慮兩組評分數(shù)據(jù)的配對關(guān)系約束，引入ilcxon個品酒組的評價結(jié)果均存在顯著性差異。最后利用秩相關(guān)分析，引入肯德爾和諧系數(shù)法評定評酒組的評分信度，評價結(jié)果顯示對于紅葡萄酒，第一組品酒員的品嘗得分更為可信，而對于白葡萄酒則是第二組品酒員在可信度方面占優(yōu)。本葡萄大多集中在二、三級，紅葡萄樣本中樣本23質(zhì)量最優(yōu)，為特級葡萄；樣12并量化兩組變量——釀酒葡萄與葡萄酒的理化指標——之間的關(guān)系。分析結(jié)果如下：第一，增大釀酒葡萄果皮的含量對葡萄酒中DPPH半抑制體積含量的增加有重要影響；第二，DPPH自由DPPH半抑制體積。標對葡萄酒質(zhì)量的影響。經(jīng)檢驗樣本組的線性回歸模型評價值與評分值的顯著性差異檢驗，歸等模型，結(jié)合、SPSS、SASEXCEL等軟件，對葡萄酒質(zhì)量的評價問題確定葡萄酒質(zhì)量時一般是通過聘請一批有資質(zhì)的評酒員進行品評。每個評酒員在對葡萄酒進行品嘗后對其分類指標打分，然后求和得到其總分，從而確定葡萄酒的質(zhì)量。釀酒葡萄的好壞與所釀葡萄酒的質(zhì)量有直接的關(guān)系，葡萄酒和釀酒葡萄檢測的理化指標會在一定程度上反映葡萄酒和葡萄的質(zhì)量。附件1給出了某一年份一些葡萄酒的評價結(jié)23分析附件1分析釀酒葡萄和葡萄酒的理化指標對葡萄酒質(zhì)量的影響，并論證能否用葡萄和葡萄酒的理化指標來評價葡萄酒的質(zhì)量？問題一要求比較兩組評價結(jié)果的是否存在差異，并建立合理的評價模型以判斷兩組結(jié)果在可信程度方面的優(yōu)劣。首先，我們從問題分析可以得酒員對葡萄酒樣本的品嘗評分是屬于感官評價，具有較大的性。因此，我們先從問題所給的數(shù)據(jù)入手，分析四組品酒結(jié)果中對不同樣本打分分布。依靠葡萄酒樣本評分的概率分布，建立顯著性差異模型。由于品酒員間存在評價尺度、評價位置和評價方向等方面的差異，不同組別的品酒員對同一酒樣的評價結(jié)果存在著差異。此時不適用參數(shù)檢驗的方法，而只能用非參數(shù)統(tǒng)計方法來處理。對評分結(jié)果合理性的評價，僅僅局限于評分之間表面的數(shù)值關(guān)系是不夠的。因此，考慮采取秩相關(guān)分析法建立評價模型，將評分結(jié)果的具體數(shù)值部分予以丟棄，只保留各評分秩大小關(guān)系的信息，以給出數(shù)據(jù)中最穩(wěn)固、最一般的關(guān)系，度量整體評分結(jié)果在可信度方面的優(yōu)劣。釀酒葡萄，是指以釀造葡萄酒為主要生產(chǎn)目的的葡萄品種[1]。問題二要求分析確定合理的評價指標體系，并運用該評價指標體系對釀酒葡萄進行分級。顯而易見，該問題要求我們建立一個評價模型。括澄清度和色調(diào)，香氣包括純正度、濃度和質(zhì)量，口感則通過純正度、濃度、持久性和質(zhì)質(zhì)量等27個指標。對于這27個釀酒葡萄自身的理化指標，根據(jù)多個樣本得到的數(shù)據(jù)分那么由以上的分析可以構(gòu)建綜合評價指標體系，建立模型進行多指標綜合評價.基于綜合評價的結(jié)果，即可對釀酒葡萄進行分級。X與單個間的相關(guān)，而沒有考慮X、Y變量 各變量間的相關(guān)。釀酒葡萄經(jīng)發(fā)酵釀成萄酒的化學過程，使得兩組變量間有許多簡單相關(guān)系數(shù)，使問題顯得復雜，難以從整體描述。因此，考慮采用研究兩組變量之間相關(guān)關(guān)系的多元統(tǒng)計方法——典型相關(guān)分析，識別并量化釀酒葡萄與葡萄酒的理化指標兩組變量之間的關(guān)系，考慮兩組變量的線性組合，并研究它們之間的相關(guān)系數(shù)pu,v。并論證是否可行。因此，首先考慮在問題三的基礎上，針對釀酒葡萄與葡萄酒理化指標之由于要論證能否用葡萄和葡萄酒的理化指標來評價葡萄酒的質(zhì)量，初步認為在建立線性回歸模型時對樣本進行隨機遴選，選中的樣本作為示例樣本組建立線性回歸方程，未選中的樣本作為檢驗樣本組對模型的可行性進行驗證。葡萄酒的質(zhì)量只與釀酒葡萄的好壞有關(guān)，忽略釀造過程中的溫度、濕度、人為干擾等其他因素的影響；mnji第iipqyBXYVW

步驟一：葡萄酒樣本評分概率分布的確定，其目的是確定顯著性差異模型的類型；步驟二：兩組評酒員評價結(jié)果的顯著性差異模型的建立，主要通過Wilcxon符號此其正?；幚?。

x*

1 x

m1,

k9k1,k

由于不同品酒師對同一樣本相同項目的打分值差別不大，所以認為采用均值替換法來處理缺失數(shù)據(jù)是可行的。以“酒樣品20”色調(diào)數(shù)據(jù)為例進行修補，得到修正后的數(shù)據(jù)如下表所示。123456789106646686686646668668例如，第一組白葡萄酒品嘗評分的數(shù)據(jù)中，可能由于手工輸入的誤差，品酒員 3持久性評分的數(shù)據(jù)相對于相鄰各品酒員的評分發(fā)生了明顯的突變現(xiàn)象。這種數(shù)據(jù)表 1號2號3號4號5號6號78號9號10757567567對兩組品酒員差異性評價的假設檢驗一般要求數(shù)據(jù)符合正態(tài)分布。統(tǒng)計規(guī)律表明，正態(tài)分布有極其廣泛的實際背景，生產(chǎn)與科學實驗中很多隨量的概率分布都可以近似地用正態(tài)分布來描述[2]首先，計算針對每一個樣本10x

m1,

,10n1, 其次，利用SPSS統(tǒng)計軟件中的P-P圖和單樣本K-S檢驗，對數(shù)據(jù)集兩組品酒員分別對紅、白葡萄酒品嘗得到的四組評價結(jié)果（見附錄8.1.2）進行了正態(tài)分布檢驗，若樣點在正態(tài)分布P-P圖上呈直線散布，則被檢驗數(shù)據(jù)基本上成一條直線[3]。 從圖1可以看出第一組（其余三組見附錄8.1-圖8.1）數(shù)據(jù)的散點分別近似為一條直線，且與對角線大致；雙邊檢驗結(jié)果p0.5250.05。因此可以認為品酒員對葡上述檢驗顯示各類葡萄酒得分情況屬于正態(tài)總體，為了進一步說明品酒員評分的科學性以及兩個評分組評分的可信度，需要檢查兩組給出的評分是否有顯著性差異，即對數(shù)據(jù)進行顯著性檢驗。兩配對樣本非參數(shù)檢驗一般用于同一研究對象分別給予兩種不同處理的效果比較[4]數(shù)據(jù)的檢驗，需要引入適用于T檢驗中的成對比較，但并不要求成對數(shù)據(jù)之差i服從正態(tài)分布，只要求對稱分布即可[5]的ilcxon符號秩檢驗法，用來決定兩個樣本是否來自相同的或相等的總體。其檢驗步驟（以紅葡萄為例）如下： H1Step2.選定顯著性水平0.05n1n2Step3.根據(jù)樣本值計算成對觀測數(shù)據(jù)之差DiDi的絕對值按大小順序編上等級。最小的數(shù)據(jù)等級為1，第二小的數(shù)據(jù)等級為2，以此類推（若有數(shù)據(jù)相等的情形，則取這幾個數(shù)據(jù)排序的平均值作為其等級（見附錄813。Step4.等級編號完成后恢復正負號，分別求出正等級之和T和負等級之和T，選擇T和T中較小的一個作為威爾科克森檢驗統(tǒng)計量T。Step5.統(tǒng)計量TETDTzTEt

N TnnzTEt TnnzTEt 2.53 H0，即在顯著性水平0.05下，認為兩個品酒組對紅葡萄酒的評價結(jié)類似地，對于兩個品酒組白葡萄酒的評價結(jié)果（見附錄8.1.3TEtz 2.23感官分析（特別是描述分析是評價葡萄酒質(zhì)量高低的重要方法[67]酒的感官評價中，由于品酒員間存在評價尺度、評價位置和評價方向等方面的差異，不同組別的品酒員對同一酒樣的評價結(jié)果存在顯著性差異。因此，判斷不同組別品酒員對葡萄酒質(zhì)量的評價結(jié)果在可信程度方面的優(yōu)劣尤為重要。評鑒主評的評分信度主要采用和諧系數(shù)法來評定。和諧系數(shù)是指“以判或評分的一致性程度[8]。設有m個品酒員對j個樣本評分，用和諧系數(shù) 1葡萄酒品嘗評分表中的數(shù)據(jù)進行秩變換（814Step2.計算和諧系數(shù)，建立秩相關(guān)分析評價模型，其目的是度量品酒組的整體評

1m2j3j 其中，QRmjR QRmjR

Q

Rmj2 j102728mjrmjRmjrmj個樣本的評秩之和。顯然，當品酒組意見比較一致時，各個秩和R1,R2,,Rn之間差距較大，而當品酒組較大時，R1,R2,,Rn差距較小。解得四組評分結(jié)果2的計算值如表4所示，如果2 ，那么有1001%的把握可以斷定4可知，對于紅葡萄酒，第一組品嘗得分存在相關(guān)的概率大于第二組品嘗得分存在相關(guān)的概率，即第一組品酒員的評價結(jié)果更為可信；而對于白葡萄酒，第二組存在相關(guān)27種指標之間的關(guān)系研究，目的是構(gòu)建評價模型的指標體系；步驟立綜合評價模型，并通過該模型對步驟一得到的指標進行多指標綜合27在因素以及相應的支配作用，本文選用主成分分析法[9]Step1.本部分涉及到的指標共27個，樣本對象27個，第j個樣本的第iFij~Fij Fij Fisi分別為i指標的均值和標準差。標準化的目的在于消除不同變量的量綱的影 記第iiriiriik1 271

,則相關(guān)系數(shù)矩陣為Rrii

計算相關(guān)系數(shù)矩陣R的特征值12 270，及其對應的特征向, ,，其中, , T，由特征向量組成27個新的指標變量 YY

F F 1,27 2,27 27,27Yi為第ii1,2,,27Step4.p根據(jù)以上步驟，本文利用SPSS統(tǒng)計軟件，首先求得各指標的相關(guān)性系數(shù)表（見附5分析可以把多個指標轉(zhuǎn)化成少數(shù)幾個不相關(guān)的綜合指標。以紅葡萄為例，相應主成分的特512345678在累計方差為83.044%的前提下分析得到八個主成分，這八個主成分提供了附件2釀酒紅葡萄的理化指標中83.044%的信息，滿足主成分分析原則。從表5還可以看到，主1212可能是釀酒葡萄分級由以上分析利用SPSS統(tǒng)計軟件計算得到主成分分析正交解見附錄8.2.1正交解說明，紅葡萄理化指標當中，主成分1為葡萄總黃酮、總酚、DPPH自由基和單寧的組合，主成分2為總糖、可溶性固形物和干物質(zhì)含量的組合，主成分3為蘋果酸和褐變度的組合，主成分4為果皮質(zhì)量與果穗質(zhì)量的組合，主成分5為紅綠色差指標ab67為黃8為酒石酸。這組合說明葡萄總黃酮、總酚、DPPH可溶性固形物和干物質(zhì)含量，蘋果酸和褐變度，果皮質(zhì)量與果穗質(zhì)量，紅綠色差指標a值、黃藍色差指標b值和白藜蘆醇，可滴定酸和固酸比可能在同一方面對釀酒葡萄分級起重根據(jù)釀酒葡萄指標遴選分析與已知葡萄酒質(zhì)量評分規(guī)則，以紅葡萄為例，釀酒葡萄理化指標1R2是評價葡萄質(zhì)量的一級指標，其中一級指標——釀酒葡萄理化指標1進一步分為主成分1至主成分8的八個二級指標，葡萄酒質(zhì)量R2氣、口感、整體的四個二級指標討論。八個二級指標和四個二級指標下面又分別進一步分為17個和10個三級指標，故三級指標共27個。在已建立的指標體系中，指標集可能同時含有“極大型”和“極小型”指標，我們分別稱之為優(yōu)質(zhì)因子和劣質(zhì)因子，也存在“中間型”指標。因此在評價之前必須將評價指標的類型進行一致化處理，即要統(tǒng)一化為極大型指標。xixiMixi(xi0,i1,2,...,27)，其中Mi為指標xi可能取到的最大值。中間型指標：對于某個中間型指標xi2ximi

,m

1Mm

Mi 2M i,MmxMi

Mimixi本文的各個評價指標之間由于各自的度量單位及數(shù)量級的差別，而存在著不可公度即據(jù)的無量綱化，來消除原始指標數(shù)據(jù)的差異影響。本文采用極差化的方法，對n個樣本27項三級指標的指標值i1,227)

...,x*xijmii Mii即x*(j1,2,...,n；i1,2,...,27)為無量的指標值考慮到釀酒葡萄的分級不僅僅是由葡萄或葡萄酒內(nèi)的一種成分決定的，并且每一種成分對分級的影響也不一樣。為了確定各指標對釀酒葡萄分級影響的權(quán)值，本文采用層次分析法和綜合評價法[9]進行釀酒葡萄的評價。：因子 因子因子 因子 因子 因子 因子 因子 因子 因子 程度指標的權(quán)向量（8.2.1w0.025338,0.050677,0.037031,0.049375,0.098749,0.024966,0.033288,0.091543,0.055744,0.027149,0.026999,0.025413,0.027401,0.026595,0.02642,0.025072,0.045296, 可溶性固形物干物質(zhì)含 8，隨機一致性指標CI(1)0.013，CR(2)CR(3)00.10，組合一致性比率指標為：CRCR(1CR2CR(30.0290.1，表明判斷矩陣具有滿意一釀酒葡萄綜合評價模型是通過一定的數(shù)學模型或算法將多個指標的評價值“合成”一個綜合評價值，實現(xiàn)對釀酒葡萄質(zhì)量的綜合評價以分級。線型求和法因計算簡單而廣泛采用。設xp為第p個一級評價指標所得評價值，xpq為第p個一級評價指標的第q個二級評價指標所得的評價值，xpqi為第p個一級評價指標，第q個二級評價指標的第i個三級評價指標所得的評價值。將釀酒葡萄分級綜合評價指標所得的評價值以相應的權(quán)重系數(shù)來，其和作為釀酒葡萄質(zhì)量的綜合評價值y：ywpxpxp；xpwpqxpqxpq；xpqwpqixpqixpqi；ywpxpxpwpqxpqxpqwpqixpqixpfRpxpqfRpqxpqifRpqi個二級評價指標的權(quán)重值，wpqixpqipq個二級評價指標的第i個三級評價指標的權(quán)重值，其值見各影響分級程度指標的權(quán)重匯總表（表7。

f

w23ix23ifR23iw24ix24ifR24i yy越大，就葡萄的質(zhì)量的評價值y對釀酒葡萄進行分級，葡萄質(zhì)量的評價值越高，葡萄質(zhì)量越好，級別數(shù)越靠前（越??；反之，葡萄質(zhì)量的評價值越低，葡萄質(zhì)量越差，分級所得的級別數(shù)越靠后（越大B：評價值y8[0.7,

yBfy55

yyyyyyy利用 234567 9 27個釀酒葡萄樣本中品質(zhì)最優(yōu)的為樣本23，品質(zhì)最劣的為樣本（最劣級）的樣本個數(shù)分別為0和1。越高級別的釀酒葡萄對各項指標趨于步驟立典型相關(guān)分析模型，其目的是分析釀酒葡萄與葡萄酒的理化指標之間的為了研究釀酒葡萄與葡萄酒的理化指標之間的相關(guān)性，令釀酒葡萄為輸入變量，葡萄酒為輸出變量，采型相關(guān)分析法。它是利用主成分思想，分別找出輸入變量與輸出變了的線性組合，然后討論線性組合之間的相關(guān)關(guān)系[10]。Step1.X(X1,X2,X55，葡萄酒的理化指標記為YY1,Y2,,Y9Z為30927次化觀測數(shù)據(jù)陣： Y1,9 Z (X,Y 5530

55,9 我們利用問題二中（1）對釀酒葡萄和葡萄酒的理化指標數(shù)據(jù)進行標準化處理，RR分為 R 22R11R22R12R21為釀酒 ；BR1RR1R的特征根2111222

1S1(S),S1(S 1 2

222111 量釀酒葡萄的理化指標X和葡萄酒的理化指標Y的典型相關(guān)系數(shù)為 (tW

W

W 理化指標Y的典型相關(guān)分析之前，首先應檢驗兩組變量是否相關(guān)；如果不相關(guān)，即cov(X,Y)0，則討論的兩組變量的典型相關(guān)就毫無意義。22728239個指標的原始數(shù)據(jù)。其中，30個是釀酒葡萄的理化指標，如下表所示。VC 多酚氧化酶 PH 除此之外，9x31花色苷(mg/L)x32單寧(mmol/L)，x33總酚(mmol/L)x34酒總黃酮(mmol/L)x35白藜蘆醇(mg/L)x36DPPH半抑制體積（IV50）1/IV50(uL)x37L*(D65)x38a*(D65)x39b*(D65)利用 123456789第一、第二、第三、第四對典型變量之間的典型相關(guān)系數(shù)都大于0.9。由此可見這四對典型變量的解釋能力比較強，并且相應典型變量之間密切相關(guān)。但要確定典型變量相關(guān)性的顯著程度，需要進行典型相關(guān)系數(shù)的顯著性檢驗。通過SAS檢驗結(jié)果如表12所示：12Testthatremainingcorrelationsare1234567890.01的顯著性水平下，前三對典型變量之間相關(guān)關(guān)系顯著。標準化后的典型變量的系數(shù)來建立典型相關(guān)模型見表13。13 11V20.14x30.29x40.25x5 0.37x110.47x120.54x130.36x200.35x28V30.26x20.36x40.25x90.56x100.55x11 0.56x130.30x190.28x200.28x21DPPH半抑制體積從各種釀酒葡萄指標中分離出來（4.13（-1.02。由此可見，葡萄酒中的DPHDPH自由基含量、PH值、可滴定酸含量也對其有一定的影響。因此，增大釀酒葡萄果皮的含量對葡萄酒中DPPH半抑制體積含量的增加有重要影響。第二對，典型變量將花色苷及單寧從9個葡萄酒指標中分離出來（典型載荷為1.90和0.72，釀酒葡萄指標中與之相對應的解釋變量是蘋果酸、葡萄總黃酮和單寧（典型載荷為0.58、0.54和0.47。顯而易見的，葡萄酒中和釀酒葡萄中的單寧具有較強的相關(guān)性，葡萄酒中的花色苷（類黃酮化合物主要來源于釀酒葡萄中的葡萄總黃酮。值得注意的是，釀酒葡萄中的蘋果酸不僅使得葡萄的發(fā)酵順利進行，還保護著對紅葡萄酒起主要呈色作用的花色苷和對花色苷起中等輔色作用的單寧物質(zhì)，使得紅葡萄酒呈現(xiàn)漂亮的寶石紅色。0.58043，釀酒葡萄指標中與之相對應的解釋變量是DPPH總黃酮和總酚（0.56,0.56和055。在葡萄總黃酮消除自由基的抗氧化作用和總酚對清除自由基保護的共同作用下，釀酒葡萄中的DPPH自由基轉(zhuǎn)化為葡萄酒中的DPPH半抑制體積。它們之間的對應關(guān)系可以用下圖表示：3Step1nnNStep3：利用篩選后的指標與葡萄酒質(zhì)量評價結(jié)果，建立多元線性回歸模型；Step4：然后根據(jù)剩下的Nn個樣本對的釀酒葡萄和葡萄酒的理化指標，對葡萄多元線性回歸方程的建立要求指標之間互不相關(guān)，即無多重共線性。因此，本文在問題三分析釀酒葡萄與葡萄酒的理化指標間聯(lián)系的基礎上，在保留葡萄酒指標的前提下，剔除釀酒葡萄指標中某些認為可以被用于表示對應葡萄酒指標的部分。初步篩選后，留下釀酒葡萄和葡萄酒的共23個理化指標，結(jié)果見附件表8.4.4。涉及py01x12x2 pxp 為了方便，我們通過ny1

x1p

1

1y

Y

2,X

2p,=

2,2 y yn

xx

xnp

n

nXY與 （In階單位陣?，使隨機誤差minTmin(YX)T(YX (YX?)T(YX?)0 ii

,0(j1,,iXYX不滿秩時，其解不唯一，但對任意一組解?Q(?)minQ()。y的影響程度都很大。從而我們通過逐步 Step2:進行回歸系數(shù)顯著性檢驗，取tPmaxStep3:Pmax是否0.05step5step4；Step5:則可H0，則所有指標與因變量線性關(guān)系顯著，輸出方程，結(jié)束。

4首先，利用軟件將紅葡萄和對應紅葡萄酒的27個樣本隨機抽取了20個樣本（8.4.120SPSS軟件進行求解，得到y(tǒng)797.5790.862x11.82x21.081x465.783x5940.449x6化指標DPPH半抑制體積（IV50）x6以及L*(D65)x7。

x5SPSS14 R 調(diào)整R 通過表XR0.950，R20.902R20.844R215F17516tB11670T檢驗結(jié)果。t7.341、4.130、-4.357、4.106、-3.746、-3.100、7.989和6.003p在5.4.1七元線性回歸模型的基礎上，將未選中的7個樣本作為檢驗樣本組，對模表 套用5.1.3中的顯著性差異模型，令H0：七元線性回歸模型對品酒員的評價結(jié)果是相同的；H1：兩組品酒員對酒樣本的評價結(jié)果是不同的。SPSS進行Wilcoxon18檢驗統(tǒng)計量V2-ZWilcoxonXP0.05，故接受原假設，認為釀酒葡萄和葡萄酒的理化指標與葡萄酒的質(zhì)量之間的關(guān)系足夠密切，通過5.4.1中得到的七元線性回歸方程來評價葡萄酒質(zhì)對于問題一，首先運用了配對樣本W(wǎng)ilcoxon符號秩檢驗法對兩組評酒員的評價結(jié)果進行判別是否有顯著性差異。由于在此為評分類結(jié)果的特殊性，類似于體育比賽中對運動員進行打分。比如高水平比賽中，由于被評價對象的水平比較接近，水平較差的評動小，具有一定的隱蔽性，用數(shù)據(jù)和偏差分析很難判斷出來。但是，即使該某評分者其次，通過和諧系數(shù)法分析評價結(jié)果的可信度的方法，比計算原始數(shù)據(jù)的矩相關(guān)系數(shù)更能反映評分者評分與最后得分之間的關(guān)系。模型的不足之處在于僅考慮了評分者評分與最后得分的一致性大小關(guān)系。若要全面衡量評分者評分的可信性以及合理性，還必須對評分者評分的相對穩(wěn)定性作評價?？梢钥紤]進行偏差分析（偏差分析可以很好地反映個評分者的穩(wěn)定性好壞，即評分者的評分結(jié)果與最后得分之間距離n d2 (xx)(xx) 陣運用了主成分分析中的貢獻度來賦值，有效地避免了感受對兩指標間影響廣性很強。例如，為了研究擴張性財政政策實施以后對宏觀經(jīng)濟發(fā)展的影響，就需要有關(guān)財政政策的一系列指標如財政支出總額的增長率、財政赤字增長率、國債額的增對于問題四，通過逐步回歸分析將指標集中指標篩選剔除，余下能充分反映線性關(guān)系的小部分指標來得到相應結(jié)果。顯然，逐步回歸分析之前的指標集中的指標數(shù)越多，模型的效果會越好。因此，對于模型的改進，考慮加入附件3中葡萄和葡萄酒的芳香物質(zhì)的指標。[1]百科，釀酒葡萄 年月日[2]百科，正態(tài)分布 /view/45379.htm，[3]曾懷 （7,20MBA百科，http E9%AA%8C，StoneH,SidelJL,OliverSetal.Sensoryevaluationbytativedescriptive [J].FoodTechnology,1974,28(11)24-34;StoneH,SidelJL,BloomquistJ.tativedescriptive ysis[J].CerealFoodsWorld,1980,25;624-634；司林 黃欽，招生面試評分信度模型分析，《高教研究》，2008年第姜啟源謝金星葉俊，數(shù)學模型（第三版），高等教育姜婧張啟平，典型相關(guān)分析的交叉效率模型及其在鋼鐵行業(yè)的應用，工業(yè)技術(shù)經(jīng)198持久性的評分出現(xiàn)異常，經(jīng)修正后分值為6。P-P yze令下的【P-P（P-PPlots）命令。8.1第二組紅葡萄酒，第一組、第二組白葡萄酒評價結(jié)果的正態(tài)P-P在SPSSAanlyze，NonparametricTests，1-sampleK-SOne-sampleKolmogorov-Smimov 選擇Varoooo2變量進入TestVariable框distribution框中選中NormalNStd.MostExtremeCalculatedfromNStd.MostExtremeCalculatedfromNStd.MostExtremeCalculatedfrom8.1符號秩次224488699335577118.2733117722686688998.31123456786969652222313535924481152321234561234567882394578123486585578141234512345678992789878979662853874658641152532968.612345678923821236755999933498864446161789312345678-------------------------------------------蘋果酸---褐變度---多酚氧化酶-------果穗質(zhì)量-----百粒質(zhì)量---------------------------PH--------酒石酸--檸檬酸---白葡萄相關(guān)性系數(shù)表見附件8.7123456789在累計方差為83.516%的前提下分析得到十個主成分，這十個主成分提供了附件釀酒白葡萄的理化指標中83.516%由以上分析利用SPSS123456789---------------------果穗質(zhì)量------------------------------------------PH----------------------------------------百粒質(zhì)量-------褐變度----------------多酚氧化酶---------------重正交解說明，白葡萄理化指標當中，主成分1和還原糖的組合，主成分2為總酚、葡萄總黃酮和單寧的組合，主成分3為紅綠色差指abL4PH值5VC678為910為花色苷。這組合說明可溶性固形物、總糖、干物質(zhì)含量和還原糖，總酚、葡萄總黃酮和單寧，紅綠色差指標a值、黃藍色差指標b值和亮度值LPH值可能在同一方面對釀酒葡萄分級起重要作用，而VC含量、蘋果酸、果皮質(zhì)量、褐變度、白藜蘆醇、花色苷分別在不同角度影響釀酒111112111111111111111111111111132183148151691771819311111111111000000000000000000000000000000000000DPPH000000000000000000000000000000000000000052價95317232121PHn12345678900紅葡萄標準化處理結(jié)果和白葡萄標準化處理結(jié)果見附件總糖PHVC含量8.8123456789proccancorrvarCOL1COL2COL3COL4COL5COL6COL7_COL8_COL9COL10COL11COL16COL17COL18_COL19COL20withCOL31COL3243_COL34withCOL31COL3243_COL34_COL35_COL36L AD65B 2 8.3.2Sas 1The 0

88 4

TestofH0:ThecanonicalcorrelationsintheEigenvaluesofInv(E)*Hcurrentrowandallthatfolloware= FValue NumDF DenDF Pr>F

FValue NumDF Pr>FWilks' Pillai's Roy's FStatisticforRoy'sGreatestRootisanupperbound.12

多酚氧化酶 0000

.0多酚氧化酶） 03L00L

13TheCANCORRProcedureCanonicalCorrelationysis

RawCanonicalCoefficientsfortheWITH 0 L 0a b RawCanonicalCoefficientsforthe

L a b 14TheCANCORRProcedureCanonicalCorrelationysisVARVariables

-0 0 0 0 力E（A/min·g·ml） 0 00 0 15TheCANCORRCanonicalCorrelationVARVariables

0

0

-0

多酚氧化酶

0

0 0 -0 WITHVariables -0 L a b WITHVariables

積（IV50）1/IV50(uL) L a b 16CanonicalBetweentheVARVariablesandTheirCanonicalVariables 多酚氧化酶

0 0 -0 0 0 0 0 0 0 -0 0 0 0 0 0 -0 0 0 BetweentheVARVariablesandTheirCan