酿酒葡萄与葡萄酒理化指标的典型相关分析
需积分: 33 139 浏览量
更新于2024-08-10
收藏 1.39MB PDF 举报
"问题三的模型建立与求解-probabilistic programming and bayesian methods for hackers读书笔记"
这篇读书笔记详细介绍了如何使用典型相关分析来研究酿酒葡萄与葡萄酒的理化指标之间的联系。典型相关分析是一种统计方法,旨在寻找两组变量间的最大相关性。在这个案例中,酿酒葡萄的理化指标作为输入变量,葡萄酒的理化指标作为输出变量。
步骤一,建立原始矩阵。根据数据,创建一个包含酿酒葡萄和葡萄酒理化指标的总体中心化观测数据阵Z。
步骤二,对原始数据进行标准化变换和计算相关系数矩阵。这一步通过标准化处理数据,计算出酿酒葡萄和葡萄酒之间的相关系数矩阵R,进一步分为内部相关系数阵和相互之间的相关系数阵。
步骤三,求解典型相关系数和典型变量。通过对相关系数阵执行特征分解,找出特征根和特征向量,以此确定典型相关系数和典型变量。典型变量V和W代表了酿酒葡萄和葡萄酒理化指标的新表示,它们最大化了两者之间的线性相关性。
步骤四,检验典型相关系数的显著性。这一步确保我们得到的关联并非偶然,而是具有统计意义的。
在问题三的分析中,发现了几个关键点:
1. 酿酒葡萄果皮含量与葡萄酒中DPPH半抑制体积含量正相关,影响抗氧化性能。
2. 苹果酸在发酵和保护红葡萄酒颜色(花色苷和单宁)方面起重要作用。
3. 葡萄总黄酮和总酚的协同作用有助于转化DPPH自由基,影响葡萄酒的抗氧化能力。
问题四中,通过剔除可被葡萄酒指标间接表示的酿酒葡萄指标,建立了多元线性回归模型,进一步探讨了这些理化指标对葡萄酒质量的具体影响。经过显著性差异检验,证明了利用理化指标评估葡萄酒质量的合理性。
整个研究过程综合运用了多种统计方法,如K-S检验、Wilcoxon符号秩检验、肯德尔和谐系数、主成分分析、典型相关分析和多元线性回归,展示了在数据分析和质量评价中的多样性和深度。此外,借助MATLAB、SPSS、SAS和EXCEL等软件工具,实现了模型的建立和验证,提供了对葡萄酒质量评价的全面视角。
2017-09-02 上传
2018-02-26 上传
2018-08-14 上传
2019-11-15 上传
2019-07-20 上传
2019-08-14 上传
2021-06-22 上传
2021-05-12 上传
2019-05-03 上传
潮流有货
- 粉丝: 35
- 资源: 3918
最新资源
- 掌握Jive for Android SDK:示例应用的使用指南
- Python中的贝叶斯建模与概率编程指南
- 自动化NBA球员统计分析与电子邮件报告工具
- 下载安卓购物经理带源代码完整项目
- 图片压缩包中的内容解密
- C++基础教程视频-数据类型与运算符详解
- 探索Java中的曼德布罗图形绘制
- VTK9.3.0 64位SDK包发布,图像处理开发利器
- 自导向运载平台的行业设计方案解读
- 自定义 Datadog 代理检查:Python 实现与应用
- 基于Python实现的商品推荐系统源码与项目说明
- PMing繁体版字体下载,设计师必备素材
- 软件工程餐厅项目存储库:Java语言实践
- 康佳LED55R6000U电视机固件升级指南
- Sublime Text状态栏插件:ShowOpenFiles功能详解
- 一站式部署thinksns社交系统,小白轻松上手