【正文】 Num ++++++ 葡萄樣品 12 12 ─┐ 葡萄樣品 18 18 ─┼───┐ 葡萄樣品 6 6 ─┘ ├───┐ 葡萄樣品 7 7 ─────┘ ├─┐ 葡萄樣品 4 4 ───┬─┐ │ │ 葡萄樣品 27 27 ───┘ ├───┘ │ 葡萄樣品 22 22 ─────┘ ├───┐ 葡萄樣品 17 17 ─┬─┐ │ │ 葡萄樣品 24 24 ─┘ ├───┐ │ │ 葡 萄樣品 5 5 ───┘ ├───┘ ├─┐ 葡萄樣品 15 15 ───────┘ │ │ 葡萄樣品 13 13 ───┬─────────┐ │ │ 葡萄樣品 19 19 ───┘ ├─┘ ├───────────┐ 葡萄樣品 16 16 ─────────────┘ │ │ 葡萄樣品 20 20 ───────┬───────┐ │ │ 葡萄樣品 26 26 ───────┘ ├─┘ │ 葡萄樣品 25 25 ───────────────┘ │ 葡萄樣品 3 3 ───────────────┬─────────────┼─────┐ 葡萄樣品 21 21 ───────────────┘ │ │ 葡萄樣品 2 2 ─────────┬─────┐ │ │ 葡萄樣 品 9 9 ─────────┘ ├─────────┐ │ │ 葡萄樣品 23 23 ───────────────┘ ├───┘ ├─────────────┐ 葡萄樣品 8 8 ─────────┬───────────┐ │ │ │ 葡萄樣品 14 14 ─────────┘ ├───┘ │ │ 葡 萄樣品 1 1 ─────────────────────┘ │ │ 葡萄樣品 10 10 ───────────────────────────────────┘ │ 葡萄樣品 11 11 ─────────────────────────────────────────────────┘ 由表中數據粗略認為分成 4類較好，設這四類釀酒葡萄等級分別為 A、 B、 C、 D，其中第一類： 1 23，第二類： 1 1 1 1 1 1 1 2 2 2 2 2 27，第三類： 10，第四類： 11；取各類中樣品數據平均值作為該類得分，則有第一類 A： ，第二類 B： 三類 C： ,第四類 D： 。 即取 2?q ， ? ? ? ? 1 / 2212 pij ik jkkd x x?????????? 即為歐氏距離 、對 釀酒葡萄的理化指標以及評分表的數據進行聚類分析 由四已經得 到第二組品酒員的評分數據較為可靠，因此采用第二組品酒員的數據。系統(tǒng)聚類分為 Q 型聚類和 R 型聚類兩種：Q 型聚類是對樣本進行聚類，它使具有相似特征的樣本聚集在一起，使差異性大的樣本分離開來； R 型聚類是對變量進行聚類，它使差異性大的變量分離開來，相似的變量聚集在一起，這樣就可以在相似變量中選擇少數具有代表性的變量參與其他分析，實 現減少變量個數、降低變量維度的目的。 首先將一定數量的樣本或指標各自看成一類，然后根據樣本或指標的親疏程度，將親疏程度最高的兩類合并，然后考慮合并后的類與其他類之間的親疏程度，再進行合并。 其主要有系統(tǒng)聚類法和 K均值聚類法。 聚類分析是一種探索性的分析，在分類的過程中，人們不必事先給出一個分類的標準，聚類分析能夠從樣本數據出發(fā)，自動進行分類。 聚類分析 聚類分析就是分析如何對樣品或者變量進行量化分類的問題， 聚類分析指將物理或抽象對象的集合分組成為由類似的對象組成的多個類的分析過程 ， 聚 類分析的目標就是在相似的基礎上收集數據來分類 。公式為： nXnXXXXni in ?????? 121 ? 觀察附件二，由于數據各指標的量化單位不同，數據波動范圍不同，為了消除這些不利影響，應對理化指標數據進行標準化處理。 5． 根據釀酒葡萄的理化指標和葡萄酒的質量對這些釀酒葡萄進行分級 數據預處理 觀察附件二，由于藍色為一級指標，紅色為二級指標，項目下有幾列數據，表示該項目測試幾次，由于是對同一樣品進行測量，因此 測出的數據應該相差不大，但是釀酒葡萄理化指標中的白葡萄百粒質量的三次測試值分別為 ,，第三次測試結果明顯比前兩次 大很多，必定為異常值，因此采用均值替代法 處理，取前兩次的平均值為該次的結果。組間方差越大表明越不可信。但是使用配對 t 檢驗的前提條件是 jD 服從正態(tài)分布，所以要先對 jD 進行 KolmogorovSmirnov 檢驗。 本題中數據成對，即對同一葡萄酒樣品測出一對 數據，我們知道一對與另一對數據之間的差異是由于各種因素引起的，并且 由于各 個樣品間存在差異，不能把兩組各樣品的得分當作來自同分布的觀測值，并且對于每對數據而言，它們是同一樣品不同品酒員測得的結果，因此不是兩個獨立的隨機變量的觀察值。 綜上，采用參數檢驗來驗證差異性顯著性檢驗。如果相伴概率小于或等于用戶的顯著性水平 α，則應拒絕零假設0H ，認為樣本來自的總體與指定的分布有顯著差異；如果相伴概率值大于顯著性水平，則不能拒絕零假設 0H ，認為樣本來自的總體與指定的分布無顯著差異。其零假設 0H 為樣本來自的總體與指定的理論分布無顯著差異。 由圖可知數據基本與圖中的 45度對角線吻合，且右邊的圖形偏差不會過大，因此符合正態(tài)分布。 首先，先對每一個葡萄酒 樣本中的 10個品酒員的分數進行平均，取該平均值為葡萄酒樣本的分數，即： 然后，利用 SPSS 軟件分別畫出這四組數據的頻率分布直方圖和 圖進行正態(tài)分布檢驗。 對原始 數據的處理 每個品酒員對同一葡萄酒樣品的外觀分析、香氣分析、口感分析、平衡 /整體評價都有一個評分，把這些評分相加作為該品酒員對該葡萄酒樣品的得分，再把這 10個品酒員對該葡萄酒樣品的評分取平均值，作為該葡萄酒樣品的最終得分。在今后的一個時期，我們需要做的是從葡萄酒的特點出發(fā)，圍繞葡萄和葡萄酒理化指標、感官指標等眾多因素對葡萄酒