2012 A 数学建模

本来可以做完的一题，可是张军老师这个大坑货之后通知我们要用GA算法，我们的多元统计分析和模糊聚类分析，神经网络这些都没有用了。

但是还是把自己所学到的东西放在网上，求个心安理得，也算自己在这题上花的功夫了吧。数学建模其实挺水的，主要就是在网上找到解题的思路和matlab中对这一问题的实现代码。

题目如下：

A题  葡萄酒的评价

 

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，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，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.  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？

当然是第二组。。。

这一题我们想到的是分三个步骤解决。

   #1：首先判断是否为正态分布，主要用到的是拟合检验

  代码如下：

分布的正太性检验：
x为你要检验的数据。
load x
histfit(x);
normplot(x);
从这两个图中可以看出是否近似服从正太分布。
然后估计参数：
[muhat,sigmahat,muci,sigmaci]=normfit(x);
muhat , sigmahat,muci,sigmaci 分别表示均值、方差、均值的0.95置信区间、方差0.95置信区间。
现在可以用t检验法对其进行检验：
现在在方差未知的情况下，检验均值是否为mahat；
[h,sig,ci]=ttest(x,muhat);
其中h为布尔变量，h=0表示不拒绝零假设，说明均值为mahat的假设合理。若h=1则相反；
ci表示0.95的置信区间。
sig若比0.5大则不能拒绝零假设，否则相反。

发现两者都是正态分布。

   #2：用ttest2检验两组的显著性差异。结果记录在h中

[H,P,CI]=ttest2(x,y);（用法上ttest和ttest2相同，完整形式为[H,P,CI, STATS]=ttest2(x,y, ALPHA);）

其中，x，y均为行向量（维度必须相同），各表示一组数据，ALPHA为可选参数，表示设置一个值作为t检验执行的显著性水平（performs the test at the significance level
    (100*ALPHA)%），在不设置ALPHA的情况下默认ALPHA为0.05，即计算x和y在5%的显著性水平下是否来自同一分布(假设是否被接受）
结果:H=0，则表明零假设在5%的置信度下不被拒绝（根据当设置x=y时候，返回的H=0推断而来），即x，y在统计上可看做来自同一分布的数据；H=1，表明零假设被拒绝，即x，y在统计上认为是来自不同分布的数据，即有区分度。

   #3：分析完了，具有显著性差异之后，用可信度分析计算哪组的数据更加可信。

   （1）：看方差和均值

   （2）：可信度。Cronbacha信度系数是一套常用的衡量心理或教育测验可靠性的方法,依一定公式估量测验的内部一致性.作为信度的指标.它克服部分折半法的缺点,是目前社会研究最常使用的信度指标,它是测量一组同义或平行测"总和"的信度.其公式为:a=[K/(K-1)][1-(∑S2i)/(S2x)].其中,K为量表中题项的总数,S2i为第i题得分的题内方差,S2x为全部题项总得分的方差.从公式中可以看出,a系数评价的是量表中各题项得分间的一致性,属于内在一致性系数.这种方法适用于态度、意见式问卷（量表）的信度分析。判断内部一致性的。

2.  根据酿酒葡萄的理化指标  和  葡萄酒的质量(一堆葡萄酒的平均分)对这些酿酒葡萄进行分级。

    分类的时候用到下面的几个matlab命令如下：（神经网络）

function  Y = bzh1(X)
[a,b]=size(X);
C=max(X);
D=min(X);
Y=zeros(a,b);
for i=1:a
    for j=1:b
        Y(i,j) = (X(i,j)-D(j))/(C(j)-D(j));  %平移极差变化进行数据标准化
    end
end
fprintf('标准化矩阵如下：Y=\n');
disp(Y)
end

function R = biaod2(Y,c) 
[a,b]=size(Y);     
Z=zeros(a);
R=zeros(a);
for i=1:a
    for j=1:a
        for k=1:b
            Z(i,j)=abs(Y(i,k)-Y(j,k))+Z(i,j);
            R(i,j)=1-c*Z(i,j);%绝对值减数法--欧氏距离求模糊相似矩阵
        end
    end
end
fprintf('模糊相似矩阵如下：R=\n'); 
disp(R)
end

function B=cd3(R)
a=size(R);
B=zeros(a);
flag=0;
while flag==0
for i= 1: a
    for j= 1: a
        for k=1:a
        B( i , j ) = max(min( R( i , k) , R( k, j) ) , B( i , j ) ) ;%R与R内积，先取小再取大
        end
    end
end
if B==R
    flag=1;
else
    R=B;%循环计算R传递闭包
end
end

function [D k] =jjz4(B)
L=unique(B)';
a=size(B);
D=zeros(a);
for m=length(L):-1:1
    k=L(m);
    for i=1:a
        for j=1:a
           if B(i,j)>=k
                D(i,j)=1;
           else D(i,j)=0;%求?截距阵，当bij≥? 时，bij(?) =1；当bij＜? 时，bij(?) =0
            end 
        end
    end
fprintf('当分类系数k=：\n');
disp(L(m));
fprintf('所得截距阵为：\n');
disp(D);
end

3.  分析酿酒葡萄与葡萄酒的理化指标之间的联系。 （主成分分析）

 用到的代码网上应该有，我们小组只做到了这里。

 

4．分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量？

  一个非常不错的参考资料：点我

下面是matlab几条命令：

X是数组

[a,b]=size(X);//for two dimension

a=size(x);

mean(x)

还有求方差等的公式。总之matlab的功能非常强大