【正文】 圖是紅葡萄中的一級(jí)指標(biāo) 4X 與紅葡萄酒中的一級(jí)指標(biāo) 1Y 的擬合圖像， 其擬合函數(shù)為 ??。同問題（ 3）一樣，采用問題（ 3）中的 用 iX（ 1,2, ,30i? L ） 表示釀酒 紅、白 葡萄中的各一級(jí)指標(biāo)的最優(yōu)值。 圖 47 此圖是紅葡萄中的一級(jí)指標(biāo) 8X 與紅葡萄酒的質(zhì)量指標(biāo) 1Z 的擬合圖像，其擬合函數(shù)為 ??。 聯(lián)合和方差的本質(zhì)意義，我們可以得到對(duì)于紅、白葡萄酒質(zhì)量評(píng)價(jià)的兩組評(píng)價(jià)結(jié)果具有顯著的差異，并根據(jù)數(shù)據(jù)有效性分析得 知其中第二組的數(shù)據(jù)更具有有效性 。 （ 4） 在解決問題中，我們分別運(yùn)用了“ T檢驗(yàn)”、逼近理想解排序法（ Topsis）、層次分析法（ AHP）、 多元回歸分析法 ，解決了兩組評(píng)酒員的評(píng)價(jià)結(jié)果的顯著性差異問題和可信度問題、釀酒葡萄的分級(jí)問題 、 釀酒葡萄與葡萄酒的理化指標(biāo)間的關(guān)系 、分 析釀酒葡萄與葡萄酒的理化指標(biāo)對(duì)葡萄酒的質(zhì)量的影響。 Y=[ 37 ]。 stepwise(X,Y7) Variables have been created in the current workspace. Y8=Y(:,8)。 stepwise(X,Y3) Variables have been created in the current workspace. Y4=Y(:,4)。 模型的改進(jìn) 對(duì)于 建立 問題（ 1） 的模型，要 判斷哪一組結(jié)果更可信可以利用 SPSS 軟件來求解信度，進(jìn)而確定哪一組的評(píng)分結(jié)果更可靠 。 表 51 一星級(jí)★ 二星級(jí)★★ 三星級(jí)★★ ★ 四星級(jí)★★★ ★ 1 1 1 1 11 1 1 2 2 23 2 227 1 24 28 問題（ 3）（ 4）的檢驗(yàn) 由于問題（ 3）和問題（ 4）所 采用的方法基本一樣，因此所存在的不足也基本一致。而我們所篩選出來的都是影響較大的 5 個(gè)一級(jí)指標(biāo)，那么沒有被篩選出來的一級(jí)指標(biāo)影響很小，忽略不計(jì)，因此對(duì)于整體而言，我們所篩選出來的 5 個(gè)一級(jí)指標(biāo)就可以反映出整體的關(guān)系。即采用 MATLAB 軟件對(duì)釀酒紅、白葡萄和紅、白葡萄酒的一級(jí)指標(biāo)進(jìn)行篩選，即釀酒白葡萄與白葡萄酒的理化指29 標(biāo)對(duì)應(yīng)白葡萄酒的質(zhì)量，釀酒紅葡萄與紅葡萄酒的理化指標(biāo)對(duì)應(yīng)紅葡萄酒的質(zhì)量，篩選程序參見附錄中的附件 [1]，其篩選后的結(jié) 果分別如下： （ 1）釀酒葡萄的篩選結(jié)果： 與 1Z 相對(duì)應(yīng)的一級(jí)指標(biāo)篩選后影響較大的一級(jí)指標(biāo)有： 6X 、 8X 、 13X 、 21X 、 29X ； （ 2）葡萄酒的篩選結(jié)果： 與 2Z 相對(duì)應(yīng) 的一級(jí)指標(biāo)篩選后，影響較大的一級(jí)指標(biāo)沒有，即白葡萄的理化指標(biāo)對(duì)白葡萄酒質(zhì)量的影響相對(duì)較小。通過 從選出來的 擬合得較好的數(shù)據(jù)進(jìn)行觀察得到： 大多數(shù) 單個(gè)葡萄的關(guān)鍵性理化指標(biāo)對(duì)葡萄酒的理化指標(biāo)都成正相關(guān)的關(guān)系，即 y a bx?? ，從而能過得到整體的釀酒葡萄與葡萄酒的理化指標(biāo)成正相關(guān)的關(guān)系。 （ 2）釀酒白葡萄的篩選結(jié)果： 與 1Y 相對(duì)應(yīng)的一級(jí)指標(biāo)篩選后影響較大的一級(jí)指標(biāo)有： 12X 、 27X ； 與 2Y 相對(duì)應(yīng)的一級(jí)指標(biāo)篩選后影響較大的一級(jí)指標(biāo)有： 13X 、 18X ； 與 3Y 相對(duì)應(yīng)的一級(jí)指標(biāo)篩選后影響較大的一級(jí)指標(biāo)有： 1X 、 2X 、 11X 、 19X 、 21X ； 與 4Y 相對(duì)應(yīng)的一級(jí)指標(biāo)篩選后影響較大的一級(jí)指標(biāo) 沒有； 與 5Y 相對(duì)應(yīng)的 一級(jí)指標(biāo)篩選后影響較大的一級(jí)指標(biāo)有： 3X 、 13X 、 16X ； 與 6Y 相對(duì)應(yīng)的一級(jí)指標(biāo)篩選后影響較大的一級(jí)指標(biāo)有： 22X 、 26X ； 與 7Y 相對(duì)應(yīng)的一級(jí)指標(biāo)篩選后影響較大的一級(jí) 指標(biāo)有： 25X 、 26X ； 27 與 8Y 相對(duì)應(yīng)的一級(jí)指標(biāo)篩選后影響較大的一級(jí)指標(biāo)有： 22X 、 25X 、 26X 。進(jìn)而運(yùn)用同樣的理論，計(jì)算出紅葡萄的 3 組計(jì)算總值，如下 ： 表 420 紅葡萄 i 第一組值 第二組值 第三組值 紅葡萄 i 第一組值 第二組值 第三組值 7 22 11 26 17 16 12 21 20 23 3 10 4 15 1 14 13 19 2 6 9 18 5 25 8 27 24 由于上面的 3 組 數(shù)據(jù)是在相同的理論下，不同的人對(duì)其確定的決策正負(fù)反矩陣 ，因而 我們對(duì)這三組數(shù)據(jù) 進(jìn)行 求平均值 處理 ， 進(jìn)而 得出最終各種紅葡萄樣品的總數(shù)值，如下 ： 表 421 葡萄樣本 7 11 17 12 20 3 4 1 13 2 9 5 8 24 平均值 1611.748 1594.838 1198.64 1727.886 1545.2 5426.413 16 1396.157 1008.023 1468.55 1555.761 1278.919 1348.061 1140.822 22 葡萄樣本 22 26 16 21 23 10 15 14 19 6 18 25 27 平均值 1728.74 151 1092.727 4119.375 1614.4 83 05 85337 1665.695 2284.497 1621.82608 416 982 根據(jù)上面各種葡萄樣品的平均值的大小，做出圖像 如下： 01000202030004000500060000 5 10 15 20 25 30葡萄樣品核心指標(biāo)總值紅葡萄總值 圖 43 紅葡萄樣品的總數(shù)值 觀察圖中點(diǎn)的分布關(guān)系， 顯然有值越大，葡萄越好，因此 我們 運(yùn)用 27 種紅葡萄 的 總 數(shù)值的大小來分級(jí)，即分為 1000、 20 4000、 5000 四個(gè)級(jí)別 （級(jí)別越高，葡萄越好） ，進(jìn)而 通過上面的圖像 對(duì) 27 種紅 葡萄進(jìn)行分級(jí)，即靠近上面所給級(jí)別越近的（運(yùn)用距離來算）就視為一級(jí) 。 問題（ 2）的模型建立與求解 問題（ 1）解決了我們選取樣本數(shù)據(jù)的可信性問題，所以我們將采用附件 111 中的第二組 評(píng)價(jià)員評(píng)價(jià) 數(shù)據(jù)對(duì)釀 酒紅、白 葡萄進(jìn)行分級(jí)評(píng)價(jià)。并由假設(shè)可以知道他們的總體得分服從正態(tài)分布，且都是相互獨(dú)立的。 綜合評(píng)價(jià)的方法有多種，諸如模糊綜合評(píng)判、灰色關(guān)聯(lián)等，對(duì)與此種多屬3 性問題，可以借助“空間距離”概念的角度來解決，這樣就可以通過逼近理想解排序法（ TOPSIS 法）建立“逼近理想解的排序模型”，其過程為：首先從問題（ 1）中數(shù)據(jù)的可信性判斷模型中找出一組可行性較高的樣品酒質(zhì)量的排序結(jié)果，并對(duì)該組評(píng)價(jià)對(duì)象的各個(gè)評(píng)酒員的評(píng)價(jià)指標(biāo)均找出最優(yōu)值，設(shè)成正理想值；對(duì)該組評(píng)價(jià)對(duì)象的各個(gè)評(píng)酒員的評(píng)價(jià)指標(biāo)均找出最劣值，設(shè)為負(fù)理想解，分別計(jì)算每一個(gè)評(píng)價(jià)對(duì)象到正理想解和負(fù)理想解的距離，從而得到每種酒的各個(gè)評(píng)價(jià)指標(biāo)的貼近度，應(yīng)用數(shù)據(jù)中的權(quán)重，計(jì)算出最終各酒品種的貼近度，進(jìn)而排名，得到各個(gè)酒品種的貼近值。 現(xiàn)需完成以下任務(wù) ： （ 1）要 分析 出兩組評(píng)酒員 評(píng)價(jià)結(jié)果 的顯著性差異，并確定出哪一組結(jié)果更可信； （ 2）在解決問題（ 1）的基礎(chǔ)上，根據(jù)釀酒葡萄的理化指標(biāo)和葡萄酒的質(zhì)量對(duì)這些 釀酒葡萄進(jìn)行分級(jí)； （ 3）在解決完問題（ 1）與（ 2）之后，還要對(duì)釀酒葡萄與葡萄酒的理化指標(biāo)進(jìn)行分析，從而確定他們之間 的聯(lián)系 ； （ 4）結(jié)合上面三個(gè)問題的結(jié)果，分析釀酒葡萄和葡萄酒的理化指標(biāo)對(duì)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(biāo)來評(píng)價(jià)葡萄酒的質(zhì)量。同時(shí)本文還應(yīng)用逼近理想解排序法（ TOPSIS 法），得出了兩類葡萄酒質(zhì)量的排序 ，然后通過權(quán)重法篩選出 氨基酸、糖、蛋白質(zhì) 作為核心理化指標(biāo)。 我們知道，抄襲別人的成果是違反競(jìng)賽規(guī)則的 , 如果引用別人的成果或其他公開的資料（包括網(wǎng)上查到的資料），必須按照規(guī)定的參考文獻(xiàn)的表述方式在正文引用 處 和參考文獻(xiàn)中明確列出。 問題（ 1），是一個(gè)數(shù)據(jù)統(tǒng)計(jì)問題，首先對(duì)紅、白葡萄酒每類酒的樣本數(shù)據(jù)建立了兩獨(dú)立樣本的 T檢驗(yàn)?zāi)Ｐ?，通過對(duì)比 T統(tǒng)計(jì)量 t值與 T 分布表給出的相伴概率值之間的大小，得出兩組數(shù)據(jù)樣本具有顯著性差異。每個(gè)評(píng)酒員在對(duì)葡萄酒進(jìn)行品嘗后對(duì)其分類指標(biāo)打分，然后求和得到其總分，從而確定葡萄酒的質(zhì)量。 對(duì)于這個(gè)問題，也可采用信度分析法，通過 SPSS 進(jìn)行數(shù)據(jù)分析，得到兩組數(shù)據(jù)的可信度值，進(jìn)而得到哪一組數(shù)據(jù)更可信。我們采用了問題（ 3）的處理方法 —— 多元回歸分析中的“逐步回歸（ stepwise regression）”法，分別對(duì)釀酒葡萄和葡萄酒的理化指標(biāo)與葡萄酒質(zhì)量進(jìn)行數(shù)據(jù)擬合，進(jìn)而得出對(duì)葡萄酒影響成正相關(guān)和負(fù)相關(guān)的相應(yīng)物質(zhì)的分類，得出結(jié)論。 顯然從圖 41中看出樣本一樣本均值的方差明顯高出樣本二（即第一組酒樣品的方差） 我們可以得到對(duì)于 紅酒的質(zhì)量評(píng)價(jià)的兩組評(píng)價(jià)結(jié)果具有顯著的差異，其中第二組 的數(shù)據(jù)更具有有效性。 根據(jù) 附件 [3]，我們可以運(yùn)用權(quán)重法，選出權(quán)重大的物質(zhì)，舍去權(quán)重小的物質(zhì)，進(jìn)而篩選出了：氨基酸、糖、蛋白質(zhì)三種所占權(quán)重比較大的物質(zhì)，從而進(jìn)行權(quán)重的 計(jì)算。 用 jY (紅葡萄酒1,2, ,9j? L ,白葡萄酒 j 1,2, ,8? L )表示葡萄酒中的各一級(jí)指標(biāo)的最優(yōu)值。 表 427 模型匯總和參數(shù)估計(jì)值 因變量 :Y2 方程 模型匯總 參數(shù)估計(jì)值 R 方 F df1 df2 Sig. 常數(shù) b1 線性 .131 1 26 .059 .011 自變量為 X18。用 jY (紅葡萄酒1,2, ,9j? L ,白葡萄酒 j 1,2, ,8? L )表示葡萄酒中的各一級(jí)指標(biāo)的最優(yōu)值。 30 表 429 模型匯總和參數(shù)估計(jì)值 因變量 :Z1 方程 模型匯總 參數(shù)估計(jì)值 R 方 F df1 df2 Sig. 常數(shù) b1 線性 .482 1 25 .000 .566 自變量為 X13。 問題（ 2）的檢驗(yàn) 針對(duì)問題（ 2）所建立的模型，我們得到的結(jié)果是已經(jīng)是合理的，但是為了使數(shù)據(jù)更加準(zhǔn)確化，我們是通過增加調(diào)查的數(shù)據(jù)組數(shù)來進(jìn)行檢驗(yàn)的。 這些方法不僅能適用在該問題上，還可以解決其他關(guān)于多個(gè)方案的排序問題等其他相關(guān)社會(huì)實(shí)際問題。 Y1=Y(:,1)。 stepwise(X,Y8) Variables have been created in the current workspace. Y9=Y(:,9)。 stepwise(X,Y2) Variables have been created in the current workspace. Y3=Y(:,3)。 （ 6）在對(duì)釀酒葡萄分級(jí)過程中，我們主要是通過觀察總值的離散圖，主觀判斷其總值的集聚程度來進(jìn)行分級(jí)，因此主觀性相對(duì)較大，誤差可能較大。 表 51 一星級(jí)★ 二星級(jí)★★ 三星級(jí)★★★ 四星級(jí)★★★★ 1 11 1 1 2 2 2 27 1 11 1 223 21 3 規(guī)定了關(guān)于 28種白葡萄總計(jì)算值的級(jí)別： 1000、 1500、 20 2500 四個(gè)級(jí)別，進(jìn)而對(duì) 28 種白葡萄進(jìn)行分級(jí)，即靠近上面所給級(jí)別越近的（運(yùn)用距離來算）就視為一類。 關(guān)于紅葡萄、紅葡萄酒的理化指標(biāo)與紅葡萄 酒質(zhì)量的關(guān)系，通過上面選出的擬合較好的兩組數(shù)據(jù)觀察（其余結(jié)果見附錄中的附件 [5]），既有成正相關(guān)的關(guān)系，又有成負(fù)相關(guān)的關(guān)系，即函數(shù)中決定其增減性的 b 值既有負(fù)又有正。 建立多元回歸模型 針對(duì)處理后得到的理化指標(biāo)的最優(yōu)值，建立多元回歸模型并運(yùn)用逐步回歸方法對(duì)這里的眾多最優(yōu)值進(jìn)行有效而合理的篩選。 上面只分別給出了擬合較好的其中一組數(shù)據(jù)和結(jié)果，為了結(jié)果的可