葡萄酒评价问题
葡萄酒的评价 第三问
红葡萄酒指标的主成分聚类法hx2 = 0.94407 * C1 - 0.17345 * C2 + 0.33123 * C3此处仅列出hx1、hx2的因子方程作为代表。
主成分方程：C10.16629*hx1+0.18649*hx2+0.19221*hx3+0.18119*hx4+0.18812*hx6-0.17304*hx7C20.61750*hx80.61750*hx9C3hx5==+= 其中C1 、C2、C3、分别为第一类、第二类成分，第三类成分。
白葡萄酒指标的主成分聚类法bx10.92052* C10.04923*C20.16194*C3bx20.94723* C10.07191*C20.13808*C3=--=-- 主成分方程：C10.32147*bx1+0.33080* bx2+0.22606*bx3+0.29215*bx5C20.38223*bx6+0.38223*bx70.42585*bx8C3bx4==-=红葡萄指标的主成分聚类法第一类C1: hy4、hy10、hy11、hy12、hy13、hy26 、hy29 ；其Own Cluster 值依次为：0.6646、0.7546、0.8838、0.7232、0.8001、0.4794、0.2329；选出Own Cluster 值最高的两个变量 hy11、hy13。
第二类C2: hy1、hy3、hy16、hy17、hy18 、hy22 、hy28；其Own Cluster 值依次为：0.4875、0.2162、0.8117、0.6236、0.7613 、0.9183、0.2732；选出Own Cluster 值最高的两个变量 hy22、hy16。
第三类C3: hy2、hy5、hy14、hy19、hy20、hy21；其Own Cluster值依次为：0.5863、0.3331、0.1821 、 0.4948、0.7375、0.5544 ；选出Own Cluster值最高的两个变量 hy20、hy2。
葡萄酒品评中常见的失误
葡萄酒品评中常见的失误葡萄酒品评在酒爱好者和专业品酒师中非常普遍。
其目的是通过酒的外观、香气、口感等方面的评估，来评判酒的品质。
然而，在品评的过程中，经常出现一些失误，这可能会影响评估的准确性。
一、没有适当的条件在品评葡萄酒之前，必须确保酒品在适当的条件下。
这包括确保酒在正确的温度下，以确保香气和口感都能够充分展现。
此外，评酒者还应使用正确的杯子，以保证酒能够充分散发出其醇郁香气。
如果品评者未能满足这些条件，可能会导致对酒品的评判存在偏差。
二、过于主观品评葡萄酒通常是一个主观的过程。
有时，品评者会因自己的口味喜好而对酒品产生偏见，或是受到情绪、环境等因素的影响，导致对酒品作出不准确的评估。
因此，为了避免主观偏见，评酒者应尽量保持客观，不要受到自己的感官和情绪的影响。
三、未能分辨酒的特征评酒者需要能够分辨酒的品种、产地、年份、等级和风味特征等，这有助于他们更准确地评估酒品的质量。
如果评酒者未能分辨这些特征，可能会导致对酒品的评估存在偏差。
四、盲目追求成就感一些品评者在评估酒品时，可能会过于追求成就感。
他们可能会过分夸大自己的评酒成就，或者是在评估酒品时为自己的品味打分。
此种行为的结果是评酒者会失去了对酒品评估的客观性，也会导致对酒品的评估存在偏差。
五、没有实用性尽管品评葡萄酒是一个重要的过程，但它在某些情况下可能并没有实用性。
比如，在购买酒的时候，人们通常会关注酒的品质和价值，而非评酒师的评分。
因此，在一些情况下，品评葡萄酒的过程可能与实际上所需的信息不符。
总之，品评葡萄酒是一个非常重要的过程，但在品评时需要注意克服一些常见的失误。
这意味着需要评酒者具备分辨酒品特征的技能、保持客观、注意细节、克服主观偏见和充分利用评酒的实用性。
只有通过这些方式，才能更准确地评估葡萄酒的品质，以提高消费者对酒品的认知和使用价值。
葡萄酒评价问题分析
葡萄酒评价问题分析首先，外观。
外观是葡萄酒评价的第一步，通过观察葡萄酒的颜色、清澈度和泡沫等特征，可以初步判断葡萄酒的品质和类型。
然而，不同的颜色和清澈度可能是由葡萄品种、产区和酿造工艺等因素造成的，因此需要结合其他方面的评价进行综合判断。
其次，气味。
葡萄酒的气味是评价葡萄酒的重要指标之一，可以揭示葡萄酒的品种、产区和风味特点。
通过嗅闻葡萄酒的香气，可以评价葡萄酒的香气强度、复杂性和协调性。
然而，不同人对气味的感知能力存在差异，而且个人的经验和背景也会对气味的评价产生影响，因此需要注意进行客观而综合的评价。
口感是葡萄酒评价的重要组成部分。
口感包括涩感、酸味、甜度和酒体等方面。
葡萄酒的口感可以评价葡萄酒的凝聚力、平衡性、柔顺度和陈旧性等特点。
然而，不同人对口感的偏好存在差异，而且个人的感官体验和酒品背景也会对口感的评价产生影响，因此需要注意进行客观而综合的评价。
此外，葡萄酒评价还需要注意以下几个问题。
首先，葡萄酒评价需要有系统性和科学性，不能只凭主观感受。
评价葡萄酒需要有一定的专业知识和经验，可以通过参考葡萄酒专家的评价进行学习和提高。
其次，评价葡萄酒需要有参照物。
参照物可以是同一产区中的其他葡萄酒，也可以是具有代表性的葡萄酒。
通过与参照物进行比较，可以更清晰地了解葡萄酒的特点和优劣之处。
最后，评价葡萄酒需要注意主观性和客观性的平衡。
评价葡萄酒需要考虑个人感受和主观偏好，同时也要尽量客观地评价葡萄酒的品质和性能。
综上所述，葡萄酒评价是一个复杂而有挑战性的过程，需要结合葡萄酒的外观、气味、口感和口感等多个方面进行评价，并注意系统性、科学性、参照性、主观性和客观性的平衡。
通过不断学习和实践，可以提高对葡萄酒的评价能力，并享受评价葡萄酒的乐趣。
葡萄酒的评价问题
葡萄酒的评价问题首先，我们来谈谈葡萄酒的外观。
一个好的葡萄酒应该有一个清澈纯净的外观，没有悬浮物或沉淀物。
颜色也是评价葡萄酒的重要因素之一、红葡萄酒应该有鲜艳而明亮的颜色，白葡萄酒则应该呈现透明而清澈的色调。
接下来是葡萄酒的香气评价。
闻一下葡萄酒，我们可以发现各种各样的香气，如水果的香味（例如桃子、李子或柠檬）、花香、香料或橡木桶的香气等。
一个好的葡萄酒应该有丰富而复杂的香气，而不只是单一的香味。
口感是评价葡萄酒的另一个重要因素。
葡萄酒的口感可以分为轻盈或丰满、柔顺或严厉、酸或甜等。
葡萄酒的质地也是评价口感的关键因素之一，如丝滑、干燥或粘稠。
一个好的葡萄酒应该在口感上平衡和谐，柔顺而干爽。
余味是葡萄酒品尝的最后一个环节。
一个好的葡萄酒应该有一个持久而愉悦的余味，它会在你品尝完之后留存几秒甚至几分钟。
余味可以是水果的味道、香料的味道或者其他令人愉悦的味道。
以下是评价葡萄酒的一些专业术语和常见的评价标准：1.浓度：指的是葡萄酒中的酒精和其他溶解性物质的含量。
浓度越高，葡萄酒通常越坚固和丰满。
2.酸度：葡萄酒中的酸度对于口感和平衡性非常重要。
高酸度的葡萄酒会让人感到清新、爽口，而低酸度的葡萄酒则会显得平淡无味。
3.甜度：葡萄酒中的糖分含量会影响其甜度。
干型葡萄酒几乎没有残余糖分，而甜型葡萄酒则含有较高的糖分。
4.单宁：单宁是葡萄酒中的一种天然化合物，会给葡萄酒带来一种苦涩和干燥的感觉。
适量的单宁可以为葡萄酒增加结构和口感。
5.均衡和复杂性：均衡是指葡萄酒中各个组成部分（如酸度、单宁和甜度）之间的和谐程度。
而复杂性是指葡萄酒中各种香气和味道的丰富性和层次感。
最后，评价葡萄酒是一个主观性很强的过程，每个人的口味和喜好都不尽相同。
一方面，要根据自己的口味和喜好来评价葡萄酒；另一方面，多尝试不同类型的葡萄酒，以拓宽自己的葡萄酒品味。
总结起来，评价葡萄酒需要从外观、香气、口感和余味等方面综合考虑。
同时，专业术语和常见的评价标准可以帮助我们更好地理解和描述葡萄酒的特点。
葡萄酒评价问题分析
葡萄酒评价问题分析
葡萄酒的评价对于酿酒师来说依然具有不可缺少的重要性，一款优秀的葡萄酒需要经过严格的葡萄酒评价体系，并从评价者的视角准确估算出葡萄酒的价值，从而更好地衡量葡萄酒的质量，推动葡萄酒行业的发展。
具体来说，葡萄酒评价具有以下几个问题。
首先，葡萄酒评价需要考虑评价者的主观因素，葡萄酒的质量和价值受评价者心理和审美偏好的影响，因此，评价者可能会根据他们的审美偏好来对葡萄酒进行评价，这可能导致他们过分挑剔，最终对葡萄酒的评价不公正。
其次，葡萄酒的评价受到外在因素的影响，如葡萄酒原料质量、环境因素及酿造过程等。
如果实验室条件不理想，由于实验条件的不匹配，最终得出的评价可能与真实葡萄酒性能有较大差异。
数学建模葡萄酒评价问题
数学建模葡萄酒评价问题葡萄酒作为一种重要的饮品，在许多场合都扮演着重要的角色。
但在选择和鉴赏葡萄酒时，往往需要一定的专业知识和经验。
如何评价葡萄酒的品质，成为一个重要的问题。
通过数学建模，可以对葡萄酒评价问题进行深入研究。
一、葡萄酒评价的一些基本概念在对葡萄酒进行评价时，我们需要了解一些基本概念。
其中有几个核心概念，包括：1.口感：葡萄酒口感主要包括甜度、酸度、单宁和酒精度四个方面。
其中，甜度和酸度是相反的两个方面，而单宁和酒精度则是影响葡萄酒深度和复杂度的关键因素。
2.香气：葡萄酒香气是葡萄酒评价中非常重要的部分，其中包括了果香、花香、木香等多种因素。
3.口感平衡度：葡萄酒口感的平衡度是评价葡萄酒品质的重要指标，它包括了口感中甜度、酸度、单宁和酒精度四个因素之间的和谐程度。
二、对葡萄酒品质的数学建模通过对葡萄酒的评价指标进行分析和量化，我们就可以建立一种数学模型，来对葡萄酒的品质进行评价。
其中的一些关键步骤包括：1.建立评价指标的量化模型：通过对葡萄酒评价指标的分析，我们可以建立相应的量化模型。
例如，将单宁的口感评价量化为0-10分，将香气的评价量化为0-5分等等。
2.确定评分标准：针对不同类型的葡萄酒，我们可以设定相应的评分标准。
例如，某种类型的葡萄酒，其平衡度得分要高于80分，香气得分要高于90分等等。
3.对葡萄酒样品进行测量和评分：在具体的评分过程中，我们需要对葡萄酒样品进行测量和评分，以得出相应的评价分数。
三、葡萄酒品质的数据分析通过对大量葡萄酒样品的评价数据进行收集和整理，我们可以进行相应的数据分析，以得到一些关于葡萄酒品质的重要结论。
例如：1.不同类型的葡萄酒在各项评价指标上存在差异。
例如，红葡萄酒相对白葡萄酒来说，具有更重的单宁和更鲜明的果香和木香。
2.葡萄酒品质在不同地区和不同产年之间也存在差异。
例如，同一品种的葡萄，在不同地区以及不同产年中，会产生明显的差异。
3.葡萄酒品质和价格之间的关系并不一定单调。
葡萄酒问题——精选推荐
葡萄酒的评价一、问题重述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，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，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，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。
附件1给出了某一年份一些葡萄酒的评价结果，附件2和附件3分别给出了该年份这些葡萄酒的和酿酒葡萄的成分数据。
请尝试建立数学模型讨论下列问题： 1. 1. 分析附件分析附件1中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？哪一组结果更可信？ 2. 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。
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。
二、问题分析1 1、、 对于问题一，首先对附件一中的数据进行检查，剔除异常值；然后分别将各个评酒员对每个样品酒各项指标的打分求和。
然后对两组评酒员对酒的评价进行方差分析，便可得出两组评价结果有无显著性差异。
便可得出两组评价结果有无显著性差异。
然后对哪一组结果更可然后对哪一组结果更可信的问题，我们对各组内的打分进行方差求解，并且认为打分方差较小的那组，结果比较稳定，所以更可信。
结果比较稳定，所以更可信。
2 2、、对于问题二，对于问题二，对酿酒葡萄进行分级。
对酿酒葡萄进行分级。
对酿酒葡萄进行分级。
酿酒葡萄的好坏直接影响葡萄酒的好酿酒葡萄的好坏直接影响葡萄酒的好坏，坏，也就是葡萄酒的好坏可以反应酿酒葡萄的好坏。
也就是葡萄酒的好坏可以反应酿酒葡萄的好坏。
也就是葡萄酒的好坏可以反应酿酒葡萄的好坏。
根据观察，根据观察，根据观察，对附件二中酿酒对附件二中酿酒葡萄的的部分成分求平均。
利用回归分析找出酿酒葡萄的哪些指标对葡萄酒的质量有显著影响，量有显著影响，然后根据这些筛选出来的指标，然后根据这些筛选出来的指标，然后根据这些筛选出来的指标，利用聚类分析，利用聚类分析，利用聚类分析，对这些酿酒葡萄对这些酿酒葡萄进行聚类分级。
a题 葡萄酒的评价
a题葡萄酒的评价葡萄酒的评价是一项需要经验和专业知识的工作，而且每个人对于葡萄酒的口味和品质都有不同的偏好。
一般来说，评价一款葡萄酒需要考虑它的外观、气味、口感和品质等多个方面。
首先，外观是评价一款葡萄酒的第一步。
葡萄酒的外观通常包括颜色和清澈度。
颜色可以告诉我们葡萄酒的年龄、种类和质量。
例如，年轻的白葡萄酒通常呈现出清澈的淡黄色，而陈年的红葡萄酒可能呈现出深红色或褐色。
清澈度则表明葡萄酒是否澄清良好。
其次，气味是葡萄酒评价中的关键要素之一。
葡萄酒的气味可以分为初级香味、次级香味和陈年香味。
初级香味通常是葡萄酒的果香，次级香味可能是葡萄酒的花香或草本香味，而陈年香味则是葡萄酒在陈年过程中产生的气味。
气味的复杂性和持久性也是评价一款葡萄酒的重要指标。
口感是评价葡萄酒的另一重要方面。
口感通常包括酒体、酒质和余味。
酒体是指葡萄酒的口感厚重程度，可以是轻盈、中等或饱满。
酒质是指葡萄酒的口感细腻度，可以是柔滑、粗糙或均衡。
余味则是葡萄酒在口腔中停留的时间和味道的持久性，优质的葡萄酒通常有长而丰富的余味。
最后，葡萄酒的品质是评价的最终目标。
葡萄酒的品质包括酒的平衡、复杂性和陈年潜力。
平衡是指葡萄酒的酒体、酒质、酸度和酒精之间的和谐程度。
复杂性则是指葡萄酒的口感和气味的多样性和深度。
陈年潜力是指葡萄酒在未来陈年的潜力和发展空间。
综上所述，葡萄酒的评价是一个综合性的过程，需要考虑外观、气味、口感和品质等多个方面。
只有通过对葡萄酒的全方位评价，才能准确地判断一款葡萄酒的品质和特点，为消费者提供更好的饮酒体验。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
n(n 1) 4 u n(n 1)(2n 1) 24 （ 3 ）等级编号完成后恢复正负号，求出正等级之后 T ( ) 和负等级之和 T ( ) , 选择两者中较小一个最为检验统计量 T 。 （ 4 ）根据显著性水平 查附表得到临界值 T ，若 T T , 则拒绝原假设 T
三、模型假设
1.假设酿酒工艺和贮存条件等对葡萄酒质量及理化指标无影响； 2.假设品酒员打分是公平可信的； 3.假设对理化指标的检测误差在可接受范围之内；
四、符号说明
符号 xij 符号说明 i 品酒员对葡萄酒样品 j 评分排序的秩次 第 j 个样本的总秩和
i 酿酒葡萄的 j 指标值
Rj rij
ij
决策 无显著性 差异 无显著性 差异
5
表 1-2 白葡萄酒符号秩检验
H0
两组之间 差异中位 数为 0
显著性水平
标准差 39.324 39.324
检验统计量 182.50 182.50
Sig. 0.859 0.859
0.05 0.01
决策 无显著性 差异 无显著性 差异
因此，由表中信息可以看出，在显著性水平为 0.05、0.01 的两种情况下，两 组品酒员对于两种酒的评价均无显著性差异，则显著性水平对检验结果无影响。 可认为，该检验方法是比较稳健的，即评价结果较为可信。 1.2 可信度评价模型 1.2.1 基于组内方差比较的可信度评价 感官评分的差异体现在酒样之间的差异与品酒员之间的差异上。 一个良好的 评价方案中，品酒员之间的差异应该尽可能小，即 10 个排序之间越集中越好。 由于求出的对于两种葡萄酒，两组品酒员的评价结果无显著性差异，因此， 我们通过比较哪组组内的差异小来确定哪组可信度高。 本题中每个品酒员得到的评分不满足正态分布， 因此一般的组间方差齐次性 检验不适用。由于每组都通过综合 10 个品酒员得到了一个评分的总排序，因此， 可通过 10 个排序与总排序之间的方差大小进行评价。 （1）第 i 品酒员的排序与该组总排序方差：
二、问题分析
问题一的分析 问题一中，每个品酒员都要从外观、香气、口感、整体四个大方面对每个酒 样进行评分，可将每个方面的评分相加作为总分确定葡萄酒的质量。问题一涉及 的是葡萄酒感官评价结果的统计检验问题，由于样本量偏小，且葡萄酒质量评分 的分布难以确定，因此，可考虑采取非参数检验的办法。 结合本题的背景，对于问题一中感官评价的问题，可选用排列试验中的排序 检验法对总分进行排序。对于 10 种排序结果，根据每一个排序的秩次求得每个 样品的秩和。最后通过秩和的非参数检验的方法评价有无显著性差异。 要评价哪组的评价结果更可信，主要是检验组内品酒员的评分是否集中，即 比较哪组的方差更小， 亦可以通过该组内所有品酒员与最终得分的差异来确定谁 的可信度更改。 问题二的分析 问题二中，对酿酒葡萄进行分级时，根据题意要将葡萄的理化指标与葡萄酒 的质量统一结合作为参考。 而葡萄酒的质量则是通过问题一中感官评价的得分反 应的。由于理化指标过多，因此在解决本问时，首先应该完成对指标的处理，尤 其是怎样将附表三的芳香物质与附表二中的理化指标结合起来。 由于指标的繁杂，且难以确定指标是偏大型还是偏小型，因此，可考虑将众 多指标数据经过转换，统一成与感官排序一样的排序类型数据，这样，转换后的 指标即可直接用来对葡萄进行分级。 本问的整体思想还是可运用排序检验中的求 秩和的方法。
6
秩和得到一个新的排序。由于此排序综合了 20 个评酒员的结果，因此，更能反 应酒样的排序真实性，即认为该综合排序为理想排序。记样品 j 在第一组、第二 组排序内的秩次为 X j (1) ， X j (2) ，综合之后排序秩次为 X j 。红葡萄酒三种排序的 比较图如下：
图 1-1 红葡萄酒两组排序比较
4
图 1-2 白葡萄酒两组排序比较
接下来，对两个排序结果进行显著性检验。 1.1.2 Wilcoxon 符号秩检验 Wilcoxon 符号秩检验为一种非参数检验方法，具有无需对总体分布作假定 的优点。该方法是在成对观测数据的符号检验基础上发展起来的，用于检验 产生数据的总体是否具有相同的均值，比传统的单独用正负号的检验更加 灵敏 [1]。 Wilcoxon 符号秩检验的步骤为[2]： （ 1）计算差数：求出成对观测数据的差 d i ； （ 2 ）编秩次 : 按差数的绝对值，由小到大编上等级， 并标上原数的正 负号。根据 Mann-Whitney U 检验，对 d i 绝对值按大小顺序编上等级。 u 值计 算：
A xij
1027
（1-1）
因此，第 j 个样品的总秩和为：
R j xij
i 1
10
（1-2）
最终，根据样品的总秩和对 27 个样本进行排序，秩和越小代表该酒样的得 分越高，排名越好，第一名记为 1.样品 j 的排序为 X j 。因此，对于红葡萄酒， 两个组共得到了两个排序结果。图 1-1、1-2 分别为红、白葡萄酒的两组排序比 较，纵坐标为每组综合排序中对应酒样的秩次：
Di ( xij X j )
j 1 23
（1-3）
（2）第一组品酒员的平均组内方差：
10 10 通过计算，得到两组品酒员对红、白葡萄酒的方差如下表所示：
表 1-3 组内方差比较
D
Di
i 1
10
( x
i 1 j 1
10
23
ij
X j)
（1-4）
红葡萄酒 平均组内方差 第一组
关键词：葡萄酒评价
排序检验法
符号秩检验
TOPSIS 法
多重比较
1
一、问题重述
对于葡萄酒质量的确定，现如今通常采用感官评价的方法，即聘请一批有资 质的品酒员对葡萄酒进行品评，然后对其外观、口感等分类指标进行打分。最后 通过求和得到每种葡萄酒的总分，从而确定葡萄酒的质量。附件 1 中给出了某一 年份一些葡萄酒的打分结果。 同时，酿酒葡萄的好坏又直接影响着所酿葡萄酒的质量。除了感官评价的方 法之外，在某种程度上，葡萄酒和酿酒葡萄检测的理化指标也能反映葡萄酒和葡 萄的质量。附件 2 和附件 3 即给出了同一年份中，这些葡萄酒的和酿酒葡萄的成 分数据。 请分析题目，试建立合适的数学模型解决以下问题： 1. 对于附件 1 中的红葡萄酒与白葡萄酒， 每种葡萄酒均由两组评酒员对其进 行打分。试分析这两组品酒员的评价结果有无显著性差异，并判断哪一组的结果 更为可信。 2. 综合感官评价所得到的葡萄酒质量与酿酒葡萄的理化指标，对酿酒葡萄 进行分级。 3. 试分析酿酒葡萄、葡萄酒的两组理化指标之间有何关系。 4. 分析酿酒葡萄的理化指标、葡萄酒的理化指标对葡萄酒质量的影响，论 证能否只用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。
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）：
基于排序检验的葡萄酒评价
摘要
现行葡萄酒质量评价方案主要为专家感官评分， 本文旨在通过数学建模的方 法对酿酒葡萄与葡萄酒理化指标进行分析，从而研究两者与葡萄酒质量的关系。 针对问题一，通过食品评价中的排序检验法，计算同一酒样在不同评酒员评 分方案的秩次，再对两组的秩和排序进行 Wilcoxon符号秩检验，求得两种葡萄 酒在不同置信水平内的评价结果均无显著性差异。在无显著性差异的情况下，比 较同组内不同品酒员对该组总排序的方差大小， 同时综合所有评酒员的打分得到 一个理想排序，再比较不同组对理想排序的方差大小。两种方法所得到的结果均 为第一组对红葡萄酒的评价更可信，第二组对白葡萄酒的评价更可信。 针对问题二，将葡萄酒质量最高的样品作为理想点，通过相关性分析筛选芳 香物质中与香气评分相关性较大的成分， 对这些成分和葡萄的理化指标进行基于 TOPSIS 法的秩和排序，利用多重比较法对酿酒葡萄进行分级，结果得出红葡萄 可分为五级，白葡萄可分为四级。 针对问题三，运用主成分分析法对葡萄和葡萄酒的理化指标进行降维，分别 以葡萄酒和葡萄的主成分作为因变量和自变量进行回归分析，得出葡萄酒中总 酚、色泽等与葡萄中的花色苷、VC 含量、蛋白质和黄酮醇等有联系。 针对问题四，利用秩和排序的方法，对葡萄酒和葡萄的理化指标以及葡萄酒 的质量评分进行转换。将两组理化指标的秩和排序与葡萄酒评分作相关性分析， 结果表明有影响。为葡萄的理化指标设定不同权重，得到变权下的综合排序与葡 萄酒质量的相关性，证明能用红葡萄酒的理化指标评价红葡萄酒的质量，白葡萄 酒的质量需要结合白葡萄酒和白葡萄的理化指标来评价。 本文的创新之处在于将葡萄酒的质量、 葡萄与葡萄酒的理化指标逐步转化为 同一类型的秩和排序，消除了不同类型数据之间量纲、数量级等的区别。这种转 化方法可以推广到其他评价问题中去。
3
分的差异是否在一定的置信区间内，若不在，则认为评分差异性显著。 考虑到本题的背景，两组评分的差异可体现在对样本酒的排名差异上。由于 该问属于食品评价中的感官评价问题，因此，可结合感官评价中的排序检验与非 参数检验中的符号秩检验，对两组评分的显著性进行评价。 1.1.1 样品秩次和秩和的求解 评酒员对每一个酒样均从四大方面进行了评分。根据题意，葡萄酒的质量由 总分所确定。 因此， 我们将每一个方面的评分加和， 得到 i 品酒员对葡萄酒样品 j 的总评分。 以红葡萄酒的评价为例，对于品酒员 i ，将其对 27 种样品的评分进行排序， 评分最高的酒样秩次为 1，当多个样品有相同秩次时，则取平均秩次。记在 i 品 酒员的评价排序中， j 酒样的秩次为 xij ，可得到秩次矩阵为：
u D w
i 酿酒葡萄的 j 指标值对理想点对应指标的接近度
曼-惠特尼 U 检验统计量 排序间的方差 酒样的理化指标向量
五、模型的建立与求解
一 模型一的建立与求解 1.1 基于排序检验与符号秩检验的显著性评价 对于白葡萄酒和红葡萄酒，两个组别分别给出了各自的感官评价，对于同一 个葡萄酒样本，不同的评酒员的打分存在差异，但一定假设范围内的差异是允许 的。 要分析两组评酒员的评价结果有无显著性差异，应构造统计量，检验两组评