متغیرهای وابسته و مستقل: تفاوت میان نسخه‌ها
محتوای حذف‌شده محتوای افزوده‌شده
به نسخهٔ 9607712 ویرایش Rezabot واگردانده شد: کپی کاری از منبع نامعتبر. (توینکل) |
Wikimamadali (بحث | مشارکت‌ها) بدون خلاصۀ ویرایش |
||
خط ۱:
{{pp-semi-indef|small=yes|expiry=February 26, 2009}}
{{Refimprove|date=December 2008}}
متغیرهایی که در آزمایش‌ها یا مدل‌سازی‌ها استفاده می‌شوند، می‌توانند به سه نوع تقسیم شوند. '''"متغیر وابسته"، "متغیر مستقل"'''، و سایر متغیرها. "متغیر وابسته" خروجی یا نتیجه، یا چیزی آزمون شده را نشان می دهد برای بررسی اینکه آیا آن، واقعاً نتیجه است. "متغیرهای مستقل" ورودی‌ها یا علّت‌ها، یا چیزهای آزمون شده را نشان می‌دهد، برای بررسی اینکه آیا واقعا آن‌ها علّت هستند. متغیرهای دیگر هم ممکن است بر حسب دلایل متنوعی مشاهده بشوند.
==کاربرد==
===حساب دیفرانسیل و انتگرال===
در حساب دیفرانسیل و انتگرال یک [[تابع|تابع]]، نگاشتی است که بر [[متغیر (ریاضی)|متغیرها]] عمل می‌کند .''x'' و ''y''را به عنوان دو متغیر در نظر بگیرید. یک تابع ''f'' ممکن است ''x'' را به تعدادی عبارت در ''x'' بنگارد. معیّن کردن <math>y = f(x)</math> رابطه ای را میان ''x'' و ''y'' به دست می‌دهد. اگر تعدادی رابطه وجود داشته باشد که ''y'' را بر حسب ''x'' مشخص کند، آنگاه ''y'' به عنوان یک متغیر وابسته شناخته می‌شود. (و ''x'' یک متغیر مستقل است).
در یک [[طراحی_آزمایش|آزمایش آماری]]، متغیر وابسته رویداد مورد مطالعه و مورد انتظار برای تغییر است، زمانی که متغیر مستقل تغییر کرده باشد.<ref name="randomHouse">''Random House Webster's Unabridged Dictionary.'' Random House, Inc. 2001. Page 534, 971. ISBN 0-375-42566-7.</ref>
====داده کاوی====
== جستارهای وابسته ==▼
در ابزارهای [[داده کاوی]]، (برای [[آمار_چندمتغیره|آمار چند متغیره]](multivariate statistics) و [[یادگیری_ماشینی|یادگیری ماشینی]] (machine learning)) متغیر وابسته در ''نقشی'' به عنوان '''متغیر هدف''' '''(target variable)''' اختصاص یافته؛(یا در بعضی ابزارها به عنوان ''label attribute'') در حالی که یک متغیر وابسته می‌تواند نقش یک ''متغیر منظّم'' ''(regular variable)'' را داشته باشد.<ref>[http://1xltkxylmzx3z8gd647akcdvov.wpengine.netdna-cdn.com/wp-content/uploads/2013/10/rapidminer-5.0-manual-english_v1.0.pdf English Manual version 1.0] for [[RapidMiner]] 5.0, October 2013.</ref> مقادیر شناخته شده برای متغیر هدف برای مجموعه training data و مجموعه داده آزمایشی (Test data)ارائه شده است، اما باید برای برای داده‌های دیگر پیش‌بینی شده باشد. داده‌ی هدف در الگوریتم‌های [[یادگیری_با_نظارت |یادگیری با نظارت]] (supervised learning) به کار می‌روند، امّا در یادگیری بدون نظارت(non-supervised learning) به کار نمی‌روند.
===مدل
در [[مدل_(ریاضی)|مدل سازی ریاضی]] (mathematical modelling)، متغیر وابسته، برای بررسی کمی و کیفی تغییرات آن به هنگام تغییرات متغیرهای مستقل مطالعه می‌شود. به عنوان نمونه، در مدل خطی [[تصادفی]] <math>y_i = a + bx_i + e_i\ </math>، عبارت <math>y_i</math> ، ''i'' امین مقدار از متغیر مستقل است و عبارت <math>x_i</math> ، ''i'' امین مقدار از متغیر وابسته است.عبارت <math>e_i</math> به عنوان ''خطا'' شناخته می‌شود و شامل تغییراتی از متغیر وابسته است،که به وسیله ی متغیر مستقل توضیح داده نمی‌شود.با متغیرهای مستقل چندگانه، عبارت به این صورت است: <math>y_i = a + bx_1 + bx_2 + ... + bx_n + e_i\ </math> ، که در آن ''n'' تعداد متغیرهای مستقل است.
===شبیه سازی===
▲{{آمار}}
در [[شبیه سازی]]، متغیر وابسته در واکنش به تغییرات متغیر مستقل تغییر می‌یابد .
==مترادف‌های آماری==
===متغیر مستقل===
یک متغیر مستقل همچنین به عنوان یک "متغیر پیشگو (predictor variable)" یا "regressor" یا "متغیر تحت کنترل (controlled variable)" یا "manipulated variable" یا "متغیر توصیفی (explanatory variable)" یا "exposure variable" (ببینید [[نظریه_قابلیت_اطمینان|نظریه قابل اطمینان]]) یا "risk factor"(ببینید [[آمار_پزشکی|آمار پزشکی]]) یا "Feature " ([[یادگیری_ماشینی|یادگیری ماشینی]] و [[بازشناخت الگو]]) یا یک "input variable" شناخته می شود.<ref name="Dodgeindepvar">Dodge, Y. (2003) ''The Oxford Dictionary of Statistical Terms'', OUP. ISBN 0-19-920613-9 (entry for "independent variable")</ref><ref name="Dodgeregression">Dodge, Y. (2003) ''The Oxford Dictionary of Statistical Terms'', OUP. ISBN 0-19-920613-9 (entry for "regression")</ref>
'''"متغیر توصیفی"''' (Explanatory variable) را، بعضی نویسندگان، بر "متغیر مستقل" ترجیح داده اند، درحالی که کمیت‌هایی که به عنوان "کمیت مستقل" تلقی شده‌اند ممکن است از لحاظ آماری مستقل نباشند.<ref name="Everitt1">Everitt, B.S. (2002) Cambridge Dictionary of Statistics, CUP. ISBN 0-521-81099-X</ref><ref name="Dodge1">Dodge, Y. (2003) ''The Oxford Dictionary of Statistical Terms'', OUP. ISBN 0-19-920613-9</ref>
متغیرهای مستقل ، ممکن است از این انواع باشند : متغیرهای پیوسته (continuous variables)، دوحالتی/دوارزشی (binary/dichotomous )،متغیرهای صوری مطلق ( nominal categorical variables ) و متغیرهای ترتیبی مطلق.
یک متغیر وابسته همچنین به عنوان یک "response variable"، "regressand"، "measured variable"، "responding variable"، "explained variable"، outcome variable"، "experimental variable"، و "output variable" شناخته می‌شود.<ref name="Dodgeregression"/>
اگر متغیر مستقل به عنوان یک "متغیر توصیفی" (explanatory variable) ارجاع داده شده باشد ، (بالا را بنگرید)، عبارت "متغیر پاسخ"(response variable) توسط عده ای از نویسندگان برای متغیر وابسته ترجیح داده می‌شود.<ref name="Dodgeregression"/><ref name="Everitt1"/><ref name="Dodge1"/>
==متغیرهای دیگر==
یک متغیر، ممکن است برای تغییر در متغیرهای وابسته یا مستقل درنظر گرفته شود، اما در واقع تمرکز آزمایش بر روی آن نباشد. بنابراین آن متغیر یا ثابت نگه داشته می‌شود یا سعی می‌شود تا تاًثیر آن بر آزمایش به حداقل رسانده شود. چنین متغیرهایی ممکن است "controlled variable" یا "controlled variable" یا "extraneous variable" خوانده شوند.
اگر متغیرهای Extraneous، به عنوان متغیر مستقل، مشمول یک [[تحلیل_رگرسیون|رگرسیون]] (regression) باشند، ممکن است با برآورد دقیق پارامتر پاسخ، [[پیش بینی]](prediction)،و [[نیکویی_برازش|نیکویی برازش]] (goodness of fit)، به محقق کمک کنند، بدون توجه ذاتی به [[فرضیه]] ی تحت آزمایش. برای مثال، در یک مطالعه آزمایشی، برای تأثیر تحصیلات دانشگاهی بر درآمدهای دوران زندگی، تعدادی از متغیرهای تصادفی می‌تواند جنسیت،قومیت،طبقه ی اجتماعی، ژنتیک، هوش، سن، و غیره باشد.
یک متغیر، extraneous است، تنها زمانی که به طور مفروض(یا طوری که نشان داده شده باشد)بتواند بر متغیر وابسته تأثیر بگذارد. اگر مشمول رگرسیون (regression) باشد ،می‌تواند تناسب مدل را بهبود بخشد.اگر مشمول رگرسیون نباشد، و یک [[کوواریانس]] (covariance) غیر صفر به همراه یک یا چند متغیر مستقل دلخواه داشته باشد حذف آن، نتیجه رگرسیون را برای تأثیر آن متغیر مستقل دلخواه،[[سوگیری]](bias)خواهد کرد.
این اثر [[اختلاط]] (confounding) یا [[اریب_متغیرهای_حذف‌شده|سوگیری متغیرهای حذف شده]](omitted variable bias)نامیده می‌شود؛ دراین موارد، تغییر طراحی و/یا کنترل آماری فرآیندها (statistical control) لازم است.
متغیرهای Extraneous معمولاً به سه نوع طبقه بندی می‌شوند:
#Subject variables، شامل ویژگی‌هایی از افراد مورد مطالعه است که ممکن است بر عمل‌هایشان اثر بگذارد. این متغیرها شامل زمان، جنسیت، سلامت، موقعیت، حالت، پیش زمینه، و غیره می‌شود.
# متغیرهای آزمایشی(Experimental variables) شامل ویژگی هایی از افراد تحت آزمایش است که ممکن است بر چگونگی رفتار یک فرد تأثیر بگذارد. جنسیت، وجود تبعیض نژادی، زبان، یا عوامل دیگر.
# متغیرهای موقعیتی(Situational variables) شامل مشخصات محیطی هستند که مطالعه یا تحقیق در آن انجام شده است؛ و آن ویژگی ها در نتجه ی آزمایش تأثیر منفی دارد. مثل دمای هوا، سطح فعالیت، روشنایی، و زمان.
در شبه تجربی (quasi-experiments)، تفاوت گذاری میان متغیر وابسته و سایر متغیرها ممکن است در مقایسه با تفاوت گذاری میان متغیرهایی که می توانند به وسیله ی محقق تغییر کنند یا آن ها که نمی توانند، کم اهمیت جلوه کنند. متغیرها در شبه تجربی (quasi-experiments) ، ممکن است به عنوان متغیر extraneous، متغیرهای موضوعی (subject variables)،متغیرهای آزمایشی (experimental variables)، متغیرهای وضعیتی (situational variables)، متغیرهای شبه مستقل (pseudo-independent variables)،متغیرهای پس-رویدادی (pseudo-independent variables)،متغیرهای گروهی طبیعی (natural group variables)، یا متغیرهای دستکاری نشده(non-manipulated variables) رجوع داده شده باشند.
در مدل سازی، تغییرپذیری پوشش داده نشده به وسیله ی متغیر توضیحی به وسیله ی <math>e_i</math> طراحی شده؛ و به عناوین "باقیمانده"(residual)،اثر جانبی(side effect)،خطا(error)،اشتراک گذاری غیر قابل توضیح(unexplained share)،متغیر باقیمانده(residual variable)،یا تلورانس(tolerance)شناخته شده.
==مثال‌ها==
* تأثیرات ویتامین C بر طول عمر
در یک مطالعه برای بررسی اینکه آیا مصرف یک حب قرص ویتامین C در هر روز، طول عمر افراد را زیاد می‌کند، یا خیر؛ محققان طی مدتی، برای گروهی از مردم ویتامین C تجویز می‌کنند. یک قسمت از آن گروه هر روز قرص واقعی ویتامین C را دریافت می‌کنند؛ و قسمت باقی مانده از اعضای گروه قرصی بی اثر و نمایشی را.هیچ کدام از اعضای گروه نمی‌داند که جزو کدام دسته است.محققان میزان طول عمر را در هر دو گروه بررسی می‌کنند.اینجا، متغیّر وابسته طول عمر است و متغیّر مستقل یک [[دستگاه_اعداد_دودویی| متغیّر دو وضعیتی]](binary) برای استفاده،یا عدم استفاده از ویتامین C.
* تأثیر کوددهی بر رشد گیاه
در یک مطالعه برای اندازه گیری تفاوت مقدار کوددهی، بر رشد گیاه، متغیّر مستقل می‌تواند مقدار کود استفاده شده باشد. متغیّر وابسته می‌تواند رشد، در ارتفاع یا جرم گیاه باشد. متغیّرهای تحت کنترل می‌توانند نوع گیاه، نوع کود، میزان نور دریافتی گیاه، اندازه خاک، و غیره باشد.
* تأثیر دوز دارو بر شدت علایم بیماری
در یک مطالعه ی تأثیر تفاوت میزان مصرف دارو بر شدت علایم بیماری، یک محقق میزان، و شدت علایم بیماری وقتی تفاوت دوزها زیر نظر است را تحت نظر می‌گیرد. اینجا متغیّر مستقل دوز، ومتغیّر وابسته میزان/شدت علایم بیماری است.
* تأثیر دما بر میزان رنگی شدن
در اندازه گیری میزان رنگ چغندرهای نمونه در دماهای متفاوت، دما، متغیّر مستقل و مقدار رنگ، متغیّر وابسته است.
* تأثیر تحصیلات بر ثروت
در جامعه شناسی، در محاسبه ی تأثیر تحصیلات بر درآمد یا ثروت، متغیّر وابسته سطح درآمد/ثروت و متغیّر مستقل سطح تحصیلات فردی است.
==منابع==
{{reflist|2}}
{{wikiversity|Independent variable}}
{{wikiversity|Dependent variable}}
{{DEFAULTSORT:Dependent And Independent Variables}}
[[Category:Design of experiments]]
[[Category:Regression analysis]]
[[Category:Mathematical terminology]]
[[Category:Statistical terminology]]
| |||