Kontrollera heteroskedasticitet i hållbarhet
När man undersöker metoder för livsmedelskonservering är det viktigt att förstå hur variansen hos en variabel – till exempel hållbarhet – kan förändras beroende på en annan variabel, som näringsbevaring. Att identifiera sådana mönster, så kallad heteroskedasticitet, ger insikter om hur konsistenta konserveringseffekterna är. Datamängden food_preservation sammanfattar utfallet av olika konserveringsmetoder på olika livsmedelstyper, och belyser särskilt balansen mellan näringsbevaring och resulterende hållbarhet.
DataFrame:en food_preservation, pandas som pd, numpy som np, seaborn som sns och matplotlib.pyplot som plt har redan laddats in.
Den här övningen är en del av kursen
Experimentell design i Python
Övningsinstruktioner
- Använd ett lämpligt diagram för att kontrollera heteroskedasticitet mellan
'NutrientRetention'och'ShelfLife'.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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()