葡萄酒的評(píng)價(jià)

夏克強(qiáng)

摘 要 本文建立了葡萄酒評(píng)價(jià)的符號(hào)秩檢驗(yàn)和灰色聚類(lèi)分析模型。為了得到每組評(píng)酒員對(duì)各個(gè)酒樣品的客觀評(píng)價(jià)分?jǐn)?shù)，對(duì)每組評(píng)酒員對(duì)酒樣品的評(píng)價(jià)分?jǐn)?shù)做平均值，得到該酒樣品總體評(píng)分，然后將兩組評(píng)酒員的評(píng)價(jià)結(jié)果作差，得到的差值作成對(duì)數(shù)據(jù)的符號(hào)秩檢驗(yàn)，最后采用SAS軟件計(jì)算出符號(hào)秩檢驗(yàn)中 = 0.0085，小于顯著性水平 = 0.05，故不接受原假設(shè)，即兩組評(píng)酒員的評(píng)價(jià)結(jié)果有顯著性差異；對(duì)于置信度的問(wèn)題，我們對(duì)各個(gè)評(píng)酒員對(duì)酒樣品的評(píng)分作方差分析，分別計(jì)算出第一、二組評(píng)分結(jié)果的方差和分別為1409.3、821.1，易知第一組的方差和遠(yuǎn)大于第二組，所以第二組的評(píng)價(jià)結(jié)果更穩(wěn)定，也更可信。將第二組評(píng)酒員對(duì)紅葡萄酒的評(píng)價(jià)結(jié)果進(jìn)行等級(jí)分類(lèi)，再采用灰色聚類(lèi)分析的方法對(duì)紅葡萄的樣品進(jìn)行分級(jí)，結(jié)合其釀造出的葡萄酒的品質(zhì)，即該葡萄樣本所釀造的葡萄酒的級(jí)別，來(lái)確定該葡萄酒的級(jí)別。

關(guān)鍵詞 葡萄酒評(píng)價(jià) 符號(hào)秩檢驗(yàn) 灰色聚類(lèi)分析

中圖分類(lèi)號(hào)：TS262.6 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.16400/j.cnki.kjdkz.2015.12.066

Abstract This paper established a signed rank test and gray clustering model wine evaluation. In order to get each group wine-tasting each wine sample an objective evaluation score for each group of wine-tasting wine samples for the evaluation scores do mean to give the wine sample overall score， and then the evaluation results of the two groups for wine-tasting poor， made the difference to get the data signed rank test， and finally the use of SAS software to calculate the signed-rank test = 0.0085， and less than the significance level = 0.05， it does not accept the original hypothesis that the evaluation results of two wine-tasting are significant differences； For the question of confidence， and we each wine-tasting wine samples ratings for variance analysis， were calculated first and second set of score results of variance and were 1409.3，821.1， easy to know and much larger than the first group variance The second group， so the evaluation results of the second group is more stable and more reliable. The second group of wine-tasting red wine for the evaluation of the results will be classification， then using gray cluster analysis of the samples were graded red grapes， combined with its wine is quality， both in the grape samples wines level， to determine the level of the wine.

Key words wine evaluation； signed rank test； grey cluster analysis

1 問(wèn)題重述

1.1 研究課題背景

針對(duì)主觀性評(píng)價(jià)問(wèn)題和多目標(biāo)問(wèn)題，由于其繁瑣性和主觀性，對(duì)我們來(lái)說(shuō)，很難透過(guò)現(xiàn)象看本質(zhì)，雖然層次分析法在PHP中可以通過(guò)得分函數(shù)構(gòu)成。但就其缺點(diǎn)而言，我們認(rèn)為對(duì)這類(lèi)模糊性問(wèn)題采取多目標(biāo)分層次的解決方式，而利用統(tǒng)計(jì)分析里的方差分析和灰色關(guān)聯(lián)度分析能夠合理處理此類(lèi)問(wèn)題。對(duì)于未來(lái)預(yù)測(cè)性和多目標(biāo)問(wèn)題可以得到很好的預(yù)見(jiàn)性效果。同時(shí)也為多領(lǐng)域多目標(biāo)問(wèn)題中提供一個(gè)較好的模型。

本文的模型也可適當(dāng)?shù)貙?duì)研究人事、招聘及高校評(píng)選的處理方法有所幫助和提高。

2 問(wèn)題分析

因?yàn)閮山M品酒員對(duì)酒樣的評(píng)分是成對(duì)比較，且對(duì)評(píng)分并不要求成對(duì)數(shù)據(jù)之差服從正態(tài)分布，只要求對(duì)稱(chēng)分布，故我們采用統(tǒng)計(jì)學(xué)中Wilcoxon符號(hào)秩檢驗(yàn)來(lái)解釋兩組品酒員對(duì)葡萄酒的評(píng)價(jià)有無(wú)顯著性差異。

假設(shè)兩組品酒員對(duì)葡萄酒的評(píng)價(jià)有顯著性差異，就需要確定哪組品酒員的評(píng)價(jià)更可信，為此對(duì)品酒員評(píng)價(jià)數(shù)據(jù)做置信度分析——方差分析，由于葡萄酒評(píng)價(jià)數(shù)據(jù)無(wú)法進(jìn)行復(fù)測(cè)，就要利用matlab軟件的信度分析功能，分別對(duì)第一組和第二.組的評(píng)分進(jìn)行可信度分析，最后通過(guò)圖形直觀的反映結(jié)果。

3 模型建立

3.1 符號(hào)秩檢驗(yàn)?zāi)Ｐ偷慕?/p>

將兩組評(píng)酒員分別看作兩個(gè)整體、，對(duì)每個(gè)紅葡萄酒樣品進(jìn)行評(píng)價(jià)，對(duì)每個(gè)紅葡萄酒樣品的評(píng)價(jià)結(jié)果通過(guò)組內(nèi)每一位品酒員的評(píng)分的均值 = 來(lái)刻畫(huà)，同樣對(duì)每個(gè)紅葡萄酒樣品的評(píng)價(jià)結(jié)果用均值 = 來(lái)刻畫(huà)，從而得到兩組評(píng)酒員對(duì)每種樣品酒的評(píng)價(jià)結(jié)果，建立兩組評(píng)酒員對(duì)紅葡萄酒的評(píng)價(jià)。

對(duì)同一酒樣品得到一對(duì)數(shù)據(jù)。可知兩對(duì)數(shù)據(jù)之間差異是由各種因素，如葡萄酒的外觀、香氣、口感、材料成分等因素引起的。由于各酒樣品的特性有廣泛的差異，就不能將第一組評(píng)酒員對(duì)27 種紅葡萄酒的評(píng)價(jià)結(jié)果看成是同分布隨機(jī)變量的觀測(cè)值。因而表1中第一行不能看成是一個(gè)樣本的樣本值，同樣第二組的數(shù)據(jù)也不能看成是同一個(gè)樣本的樣本值，而同一對(duì)中兩個(gè)數(shù)據(jù)是同分布隨機(jī)變量的觀測(cè)值，他們的差異是由于兩組品酒員的水平引起的。為鑒定他們的評(píng)價(jià)結(jié)果有無(wú)顯著性差異，可使用基于成對(duì)數(shù)據(jù)的逐對(duì)比較法。以紅葡萄酒樣品為例，有27對(duì)相互獨(dú)立的評(píng)價(jià)結(jié)果：（，），（，），…，（，），令 = ， = ，…， = ，則，，…，相互獨(dú)立，所以我們對(duì)，，…，進(jìn)行單因素的符號(hào)秩檢驗(yàn)。

再對(duì)和中的元素分別求和得到方差和，用方差和對(duì)比得到對(duì)于同一批紅葡萄酒兩組的不同評(píng)價(jià)水平。方差和小的穩(wěn)定性好，相對(duì)來(lái)說(shuō)比另一組的評(píng)價(jià)結(jié)果更可信。

3.3 灰色聚類(lèi)分析模型的建立

在附件2中我們可以得到，對(duì)于紅葡萄酒，有對(duì)應(yīng)的30個(gè)一級(jí)指標(biāo)，為了使結(jié)果更具有客觀性，我們將葡萄酒的質(zhì)量也作為一級(jí)指標(biāo)。對(duì)于這31個(gè)一級(jí)指標(biāo)，其中多酚氧化酶活力、褐變度、總酚、固酸比、出汁率這5個(gè)指標(biāo)與葡萄酒質(zhì)量呈負(fù)相關(guān)，其余26個(gè)指標(biāo)都與葡萄酒質(zhì)量呈正相關(guān)。

4 模型求解

4.1 符號(hào)秩檢驗(yàn)?zāi)Ｐ偷那蠼?/p>

對(duì)于該模型，我們首先作出同一酒樣品分別由兩組品酒員，得到的評(píng)價(jià)結(jié)果之差，列于表1的第三行。根據(jù)建立模型的需要假設(shè)

： = 0，：≠0

我們?nèi)?= 0.05，并采用SAS軟件編程處理，具體程序見(jiàn)附錄程序1。

在SAS中運(yùn)行的結(jié)果如圖1：

結(jié)果顯示符號(hào)秩檢驗(yàn)對(duì)應(yīng)的P為0.0085，小于顯著性水平0.05，故不接受原假設(shè)，即認(rèn)為這兩組品酒員分別對(duì)紅葡萄酒的評(píng)分有顯著性差異。

4.2 方差分析模型的求解

運(yùn)用MATLAB軟件編程求解，得到，。

對(duì)于紅葡萄酒而言：元素的和為1409.3，元素的和為821.1。由此可以得出，第一組的方差和遠(yuǎn)遠(yuǎn)大于第二組。

4.3 灰色聚類(lèi)分析模型的求

我們先對(duì)紅葡萄酒質(zhì)量的評(píng)價(jià)結(jié)果按評(píng)分從小到大排列得到表1：

根據(jù)等級(jí)分級(jí)標(biāo)準(zhǔn)：高級(jí)葡萄酒：9、23、20；上等葡萄酒：3、17、2、26、14、19、5、21、4、24、27、22；中等葡萄酒：16、10、13、1、12、25、6、15、7、8；下等葡萄酒：18、11。

對(duì)于每類(lèi)葡萄中的元素，結(jié)合該葡萄樣本所釀造的葡萄酒的級(jí)別，來(lái)確定該葡萄的級(jí)別。然后再根據(jù)每類(lèi)葡萄中葡萄樣本級(jí)別的比例來(lái)確定該類(lèi)葡萄的級(jí)別。對(duì)應(yīng)葡萄酒的等級(jí)分類(lèi)，我們根據(jù)葡萄的聚類(lèi)分析也將葡萄分成高級(jí)、上級(jí)、中級(jí)、下級(jí)。

紅葡萄的分類(lèi)結(jié)果：高級(jí)紅葡萄：9、23、4、20；上級(jí)紅葡萄：3、17、12、15、18、24、5、19、13、21、2、26；中級(jí)紅葡萄：10、16、27、1、14、25、6、7、22、8；下級(jí)紅葡萄：11。

參考文獻(xiàn)

[1] 韓中庚.數(shù)學(xué)建模方法及其應(yīng)用.高等教育出版社，2005.

[2] 姜啟源等.數(shù)學(xué)建模.高等教育出版社，2011.