文档介绍：,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):132所属学校(请填写完整的全名)大连海事大学参赛队员(打印并签名):(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:本文主要需要解决的问题是将葡萄酒从评酒师感官方面的定性评价通过一定的数据处理与数学模型的建立转化为由酿酒葡萄和葡萄酒理化指标做基础的定量的葡萄酒评价方法。考虑到红葡萄酒和白葡萄酒之间的差异性,我们对它们分别进行讨论。针对题目中的问题,我们通过如下的方法去解决:(1)第一问是对评酒员评分的差异性的分析与可信度的分析。我们通过传统统计学的平均数与标准差的计算方法,计算各葡萄样品评酒员所打分数的平均值与每组评酒员之间所打分数的标准差,再进行作图比较,得出我们想要的结论。第二问是根据酿酒葡萄的理化指标对酿酒葡萄进行分级。我们首先通过计算各理化指标的Pearson相关系数矩阵,分析各指标之间的Pearson相关系数,得到高度相关的理化指标。再通过聚类的方法,将这些理化指标聚合成一类因子。最后通过对各因子与葡萄酒质量的数据拟合,得出一定的函数关系式,结合前苏联对葡萄酒的评价模型与张大鹏检验模型对关系式进行检验。第三问是分析酿酒葡萄和葡萄酒理化指标之间的联系。我们首先选取一些含量大且对葡萄酒质量有较大影响的理化指标。对这些指标进行数据拟合与修正,得出我们想要的函数关系式。第四问是分析葡萄酒和酿酒葡萄中理化指标之间对葡萄酒质量的影响,并论证它们能否用来对葡萄酒质量进行评价。首先,我们结合第二问与第三问的结论,建立第四问的拟合模型。再通过该模型计算各葡萄酒样品的相对值并与评酒员所打分数进行比较论证其可行性。关键词:平均数标准差聚类统计学原理Pearson相关系数数据拟合代表性分析Pearson相关系数前苏联评价模型张大鹏检验模型背景及意义:在葡萄酒发展的历史中,没有一个特定的公式或模型通过测量计算葡萄酒与酿酒葡萄的理化指标来对葡萄酒质量进行评价。而是通过评酒师的打分对葡萄酒进行分级评价,这种评价方法受偶然因素与评酒师人为因素影响较大,故存在一定的误差。我们对题目所给数据的分析以及试图建立这样一个评价模型,对于葡萄酒发展以及评价具有一定的推动作用。但我们的模型仍然存在一定的误差,所以对于这类模型的建立,葡萄酒制造业还需要通过一定时间去研究。问题的重述葡萄酒在人类物质生活领域发挥着其独特的作用,但是对于葡萄酒的质量评价葡萄酒界一直没有一个统一明确的方法。一般的评价仅仅通过聘请资深评酒员品评,然后对其分类指标进行打分,从而求和获得其总分以判断葡萄酒的优劣。在实际生产过程中,葡萄酒的优劣与酿酒葡萄的好坏有着直接关系。酿酒葡萄的好坏往往可以通过其检测得出的理化指标进行区分。现在得到了红葡萄酒样品27组、白葡萄酒样品28组的理化指标(附件2)、芳香物质含量(附件3)以及两组评酒员对于它们的评价(附件1),另外我们还得到了这些样品对应的酿酒葡萄的理化指标(附件2)以及芳香物质含量(附件3)。我们将通过数学模型的建立与数学方法的运用完成以下的几个问题:(1)利用附件1的数据,比较分析两组评酒员的评价结果是否有显著差异并判断出更值得信任的一组评酒员。(2)利用附件2与附件3,结合附件1的部分数据,通过酿酒葡萄的理化指标和对应葡萄酒的质量对酿酒葡萄进行分级。(3)利用附件2与附件3,寻找酿酒葡萄与葡萄酒的理化指标之间的数学关联性。(4)寻找酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的数学关联性,并论证能否用这个关联性对葡萄酒进行评价。基本假设与符号约定为了讨论问题的方便起见,我们做如下假设:假设两组评酒员在同一时间同一