序，两个小组均存在较大的出入，第二组酒样品酒样品酒样品酒样品酒样品酒样品酒样品酒样品酒样品酒样品酒样品酒样品„„„„„„酒样品酒样品表各款白葡萄酒的总评分在两个小组中的排序略表，详表见附录次序第组第二组酒样品酒样品酒样品品酒样品„„„„„„酒样品为便于比较各组评分中的差异，故在不同小组中，按照红白葡萄酒总评分对其进行排序，并得到表表各款红葡萄酒的总评分在两个小组中的排序略表，详表见附录次序第组二〇年九月十二日星期酒样品酒样品酒样品„„„„„„酒样品表各款白葡萄酒在两个小组中的评分略表，详表见附录白葡萄酒第组评分第二组评分酒样品酒样品酒样品酒样品酒样酒的第组号评酒员评分空缺，本文采用该评酒员评分的众数，即评分为表各款红葡萄酒在两个小组中的评分略表，详表见附录红葡萄酒第组评分第二组评分酒样品酒样品酒样品二酒的第组号评酒员评分空缺，本文采用该评酒员评分的众数，即评分为表各款红葡萄酒在两个小组中的评分略表，详表见附录红葡萄酒第组评分第二组评分酒样品酒样品酒样品二〇年九月十二日星期酒样品酒样品酒样品„„„„„„酒样品表各款白葡萄酒在两个小组中的评分略表，详表见附录白葡萄酒第组评分第二组评分酒样品酒样品酒样品酒样品酒样品酒样品„„„„„„酒样品为便于比较各组评分中的差异，故在不同小组中，按照红白葡萄酒总评分对其进行排序，并得到表表各款红葡萄酒的总评分在两个小组中的排序略表，详表见附录次序第组第二组酒样品酒样品酒样品酒样品酒样品酒样品酒样品酒样品酒样品酒样品酒样品酒样品„„„„„„酒样品酒样品表各款白葡萄酒的总评分在两个小组中的排序略表，详表见附录次序第组第二组酒样品酒样品酒样品酒样品酒样品酒样品酒样品酒样品酒样品酒样品酒样品酒样品„„„„„„酒样品酒样品二〇年九月十二日星期通过上表可以发现，无论红葡萄酒还是白葡萄酒，得分方面或各种酒品的排序，两个小组均存在较大的出入，且对白葡萄酒的评价分歧更大。 运用软件，首先对对表进行检验是否服从正态分布，结果显示运行结果详见附录第组红葡萄酒第二组红葡萄酒第组白葡萄酒第二组白葡萄酒上述结果表明，值均大于，显示资料服从正态分布，可以进行配对样本检验。 分别进行配对样本检验，分析其差异性，最终运行实验得到两组值分别如下运行结果见附录红葡萄酒白葡萄酒故运算证明两个小组对红白葡萄酒的评价均有显著性差异。 分析两组对不同指标的评价的差异性在明确了两个小组对于每款葡萄酒的评价存在显著性差异之后，仍需对造成该差异的原因进行讨论。 根据十项指标的评价角度，可以将其划分为外观分析香气分析口感分析和平衡整体评价等四大类别，分别计算每款葡萄酒诸类别的评分。 与上文方法类似，运用软件，对两个小组每款葡萄酒的这四个类别分别进行配对样本检验，分析两组在不同指标评价方面的差异，根据运行结果见附录得到两组红白葡萄酒值列表如下，表表两个小组对每款红葡萄酒各类别评价的值评价类别外观分析香气分析口感分析平衡整体评价值表两个小组对每款白葡萄酒各类别评价的值评价类别外观分析香气分析口感分析平衡整体评价值通过上表可以发现，在红葡萄酒的评价方面，两个小组的主要差异在于外观分析和香气分析方面而白葡萄酒方面，二者的差异在于口感分析和平衡整体评价方面。 在此，本文以外观分析为例，继续进行差异性的讨论。 统计每款红葡萄酒在每组中的外观分析得分，见表，并据此绘制折线图，如图二〇年九月十二日星期表各款红葡萄酒的外观分析评分略表，详表见附录红葡萄酒第组外观分析评分第二组外观分析评分酒样品酒样本文中，样品总数，式带入数据后可得结果如下，式红酿酒葡萄和红葡萄酒白酿酒葡萄和白葡萄酒根据符合度来看，两种分类分级均有相似的结果的，说明本模型对酿酒葡萄的分级效果良好。 问题三通常情况下，为了研究两组变量的相关关系，我们可以分别计算两组变量之间的全部共个相关系数，已达到简化计算的目的。 相关指标的筛选根据酿酒葡萄对质量的影响程度，运行软件计算它们内部的相关系数，并对相关性和致性很大的指标进行取舍。 对指标进行计算之后，相关性系数大于的指标予以合并具体指标的相关性系数见附录，下表为相关性系数大于的具体指标，表二〇年九月十二日星期表红葡萄酒相关性系数较大需合并的指标葡萄自由基，总酚，总黄酮总糖，可溶性固形，干物小组内部评酒员对于葡萄酒优劣的认识不同，也是造成二者显著性差异的重要原因。 为便于讨论，本文分别仅随即抽取款红葡萄酒和款白葡萄酒作为研究对象，分析两小组自身内部的差异性。 对数据稍加整理，得到两款葡萄观的好坏的理解并不完全致，但总体而言第二组对外观的要求比第组更加严格。 其他诸类别也可同理进行分析，在此便不做赘述。 分析两组内不同评酒员评价的差异性在考虑了各小组对葡萄酒不同指标上的评价差异外，两个〇年九月十二日星期图各款白葡萄酒外观分析评分折线图通过上图可以看出，无论红白葡萄酒，第二组的外观分析评分变化较第组要平稳，而且在最优和最劣的评价上二者也不尽相同。 说明两个小组对于外线图白葡萄酒同理，得到表和图表各款白葡萄酒的外观分析评分略表，详表见附录白葡萄酒第组评分第二组评分酒样品酒样品酒样品酒样品酒样品酒样品„„„„„„酒样品二十二日星期表各款红葡萄酒的外观分析评分略表，详表见附录红葡萄酒第组外观分析评分第二组外观分析评分酒样品酒样品酒样品酒样品酒样品酒样品„„„„„„酒样品图各款红葡萄酒外观分析评分折酒方面，二者的差异在于口感分析和平衡整体评价方面。 在此，本文以外观分析为例，继续进行差异性的讨论。 统计每款红葡萄酒在每组中的外观分析得分，见表，并据此绘制折线图，如图二〇年九月两个小组对每款白葡萄酒各类别评价的值评价类别外观分析香气分析口感分析平衡整体评价值通过上表可以发现，在红葡萄酒的评价方面，两个小组的主要差异在于外观分析和香气分析方面而白葡萄析两组在不同指标评价方面的差异，根据运行结果见附录得到两组红白葡萄酒值列表如下，表表两个小组对每款红葡萄酒各类别评价的值评价类别外观分析香气分析口感分析平衡整体评价值表，可以将其划分为外观分析香气分析口感分析和平衡整体评价等四大类别，分别计算每款葡萄酒诸类别的评分。 与上文方法类似，运用软件，对两个小组每款葡萄酒的这四个类别分别进行配对样本检验，分故运算证明两个小组对红白葡萄酒的评价均有显著性差异。 分析两组对不同指标的评价的差异性在明确了两个小组对于每款葡萄酒的评价存在显著性差异之后，仍需对造成该差异的原因进行讨论。 根据十项指标的评价角度上述结果表明，值均大于，显示资料服从正态分布，可以进行配对样本检验。 分别进行配对样本检验，分析其差异性，最终运行实验得到两组值分别如下运行结果见附录红葡萄酒白葡萄酒且对白葡萄酒的评价分歧更大。 运用软件，首先对对表进行检验是否服从正态分布，结果显示运行结果详见附录第组红葡萄酒第二组红葡萄酒第组白葡萄酒第二组白葡萄酒酒样品酒样品酒样品酒样品酒样品酒样品酒样品酒样品酒样品„„„„„„酒样品酒样品二〇年九月十二日星期通过上表可以发现，无论红葡萄酒还是白葡萄酒，得分方面或各种酒品的排品酒样品酒样品酒样品酒样品„„„„„„酒样品图各款红葡萄酒外观分析评分折线图白葡萄酒同理，得到表和图表各款白葡萄酒的外观分析评分略表，详表见附录白葡萄酒第组评分第二组评分酒样品酒样品酒样品酒样品酒样品酒样品„„„„„„酒样品二〇年九月十二日星期图各款白葡萄酒外观分析评分折线图通过上图可以看出，无论红白葡萄酒，第二组的外观分析评分变化较第组要平稳，而且在最优和最劣的评价上二者也不尽相同。 说明两个小组对于外观的好坏的理解并不完全致，但总体而言第二组对外观的要求比第组更加严格。 其他诸类别也可同理进行分析，在此便不做赘述。 分析两组内不同评酒员评价的差异性在考虑了各小组对葡萄酒不同指标上的评价差异外，两个小组内部评酒员对于葡萄酒优劣的认识不同，也是造成二者显著性差异的重要原因。 为便于讨论，本文分别仅随即抽取款红葡萄酒和款白葡萄酒作为研究对象，分析两小组自身内部的差异性。 对数据稍加整理，得到两款葡萄酒在不同小组内部的总得分分别如下表不同评酒员对号红葡萄酒评分情况评酒员极差第组第二组图不同评酒员对号红葡萄酒评分情况折线图二〇年九月十二日星期表不同评酒员对号白葡萄酒评分情况评酒员极差第组第二组图不同评酒员对号白葡萄酒评分情况折线图从对号红葡萄酒的评分中可以看出，第二组评分普遍比第组较低，同时极差小于第组，显示其内部波动较小，说明在对这款红葡萄酒的评价方面，第组内部分歧较大，不如第二组稳定。 对第号白葡萄酒评价也是如此。 在对全部红白葡萄酒以相同方式进行分析，结果发现对于大多数酒品而言，两个小组都出现了类似号红葡萄酒和号白葡萄酒的情况，这也从另方面反映了两个评酒小组出现显著性差异的客观事实。 葡萄酒评价的可信度分析为判定哪组评酒员对葡萄酒品质的鉴定更加准确，需对两组的评价进行可信度分析。 在每个小组的中，如果不同评酒员对同款葡萄酒的质量评价相差很大，就说明改组内部波动性较大，致性较差。 在实践中，常用方差刻画系统内部的波动性，故方差分析是考察可信度最直接最简洁的方法。 根据数据，构建方差分析公式如下，式本文中，样品总数，式带入数据后可得结果如下，式红酿酒葡萄和红葡萄酒白酿酒葡萄和白葡萄酒根据符合度来看，两种分类分级均有相似的结果的，说明本模型对酿酒葡萄的分级效果良好。 问题三通常情况下，为了研究两组变量的相关关系，我们可以