Sprawdź heteroskedastyczność trwałości przechowalniczej
Analizując metody konserwacji żywności, warto zbadać, jak wariancja jednej zmiennej – na przykład trwałości przechowalniczej – zmienia się w zależności od wartości innej zmiennej, takiej jak retencja składników odżywczych. Identyfikacja takich wzorców, znana jako heteroskedastyczność, pozwala ocenić, czy efekty konserwacji są spójne. Zbiór danych food_preservation zawiera wyniki różnych metod konserwacji zastosowanych do różnych rodzajów żywności, ze szczególnym uwzględnieniem zależności między retencją składników odżywczych a uzyskaną trwałością przechowalniczą.
Ramka danych food_preservation, biblioteki pandas jako pd, numpy jako np, seaborn jako sns oraz matplotlib.pyplot jako plt zostały już wczytane.
To ćwiczenie jest częścią kursu
Projektowanie eksperymentów w Pythonie
Instrukcje do ćwiczenia
- Użyj odpowiedniego wykresu, aby sprawdzić heteroskedastyczność między
'NutrientRetention'a'ShelfLife'.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Check for heteroscedasticity with a residual plot
sns.____(x='____', y='____',
data=____, lowess=____)
plt.title('Residual Plot of Shelf Life and Nutrient Retention')
plt.xlabel('Nutrient Retention (%)')
plt.ylabel('Residuals')
plt.show()