Kas ir atkarīgie mainīgie?

Atkarīgie mainīgie ir novērojamas parādības, kuras ietekmē citas parādības. Piemēram, kādam, kurš pēta, cik daudz gaismas ietekmē augu augšanas ātrumu, augšanas ātrums ir atkarīgais mainīgais, jo tas ir atkarīgs no tā, cik daudz gaismas augi saņem. Kad cilvēki plāno eksperimentus, viņi sākumā identificē atkarīgo vai atkarīgo mainīgo, lai viņi varētu tos izmērīt visā eksperimenta laikā. Viņi arī nosaka visus faktorus, kas pēc iespējas labāk var ietekmēt atkarīgo mainīgo.

Var uzskatīt, ka šiem mainīgajiem ir vērtības, kas ir atkarīgas no manipulācijas ar kaut ko citu. Šis “kaut kas cits” ir pazīstams kā neatkarīgs mainīgais. Neatkarīgi mainīgie var ietekmēt atkarīgos mainīgos, taču tie nemainās, reaģējot uz citiem eksperimenta mainīgajiem. Tā vietā eksperimentētājs ar tiem manipulē, eksperimentētājam izmantojot kontrolētas manipulācijas, lai pārbaudītu prognozes par to, kā neatkarīgā mainīgā izmaiņas mainīs atkarīgo mainīgo vai mainīgos eksperimentā.

Atkarīgie un neatkarīgi mainīgie tiek parādīti dažādās vietās. Piemēram, akciju tirgus vērtība ir atkarīgs mainīgais, jo to ietekmē ārējie faktori. Zinātniskajos eksperimentos atkarīgie mainīgie ir lietas, ko cilvēki cenšas pētīt un izmērīt. Plānojot eksperimentus, pētnieki cenšas domāt par visām lietām, kas var ietekmēt lietas, ko viņi mēģina izmērīt, lai viņi varētu pēc iespējas vairāk kontrolēt eksperimenta vidi.

Iepriekš minētajā augu piemērā augšanas ātrums ir atkarīgs mainīgais, bet tāpat ir tādas lietas kā, piemēram, kad augs izkrīt, vai tas zied vai nezied utt. Šajā gadījumā vairākus atkarīgos mainīgos var mainīt, manipulējot ar neatkarīgo mainīgo. Ja augam netiek dots pietiekami daudz gaismas, tas var palēnināt augšanas ātrumu, savukārt pārāk daudz gaismas var izraisīt lapu pumpuru apdegumus vai bojājumus, neļaujot augam izlapot.

Cilvēki var identificēt atkarīgos un neatkarīgos mainīgos arī tādās jomās kā statistiskā analīze, aplūkojot lietas, kas šķiet saistītas, un izpētot veidus, kā tie ir saistīti. Tomēr šeit ir ieteicams ievērot piesardzību. Korelācija nav cēloņsakarība, un, veicot statistisko analīzi, cilvēkiem vajadzētu izvairīties no kārdinājuma vienkāršot vai manipulēt ar informāciju, lai sasniegtu noteiktu mērķi. Laba analīze būs pati par sevi, un lasītājiem jāpiekrīt tam, kā pētnieks identificēja atkarīgos un neatkarīgos mainīgos.