独立变量指的是当一个量改变不会引起除了因变量外的其他变量的改变。依赖变量是一个与独立变量相反的一个变量，也就是指除了因变量外的其他变量改变时会影响到该变量。
举例来说，有一关系模式R（A1,A2,…,An),X和Y均为（A1,A2,…,An)的子集，对于R的值r来说，当其中任意两个元组u,v中对应于X的那些属性分量的值均相等时，则有u,v中对应于Y的那些属性分量的值也相等，称X函数决定Y，或Y依赖于X，记为X->Y。
这两个词的分析常常用于数学的统计学分析，用于研究多个相依变量之间的关系以及具有所研究变量个体之间存在的关系。
依赖变量，即非独立变量，一个量改变会引起除因变量以外的其他量改变。
在回归分析中，变量是指存在不同值的各种指标。具体解释如下。首先，变量需要有一个载体（指标）。比如销量，比如折扣，比如时间。其次，变量是一个数量。这个数量可以体现为数值（比如销量50元），也可以体现为某一项特征（比如性别的男、女）。
再次，变量的值（即数量）是可以变化的，不是固定的。比如气温每在回归分析中，变量是指存在不同值的各种指标。最后，变量有很多种，这个世界存在数不清的变量。回归分析就是要找出一些有用的变量，来进行分析。天在变化，每天的温度值不同。
最后，变量有很多种，这个世界存在数不清的变量。回归分析就是要找出一些有用的变量，来进行分析。
扩展资料：
在微积分及其在物理学和其他科学中的应用，考虑一个变量，比如y，其可能的值取决于另一个变量的值，例如x是相当普遍的。在数学上，因变量y表示x的函数的值。为了简化公式，对于因变量y和将x映射到y的函数，使用相同的符号通常是有用的。
例如，物理系统的状态取决于可测量的数量，例如压力，温度，空间位置...，并且当系统演变时，所有这些量都是不同的，即它们是时间的函数。在描述系统的公式中，这些量由依赖于时间的变量表示，因此被隐含地视为时间的函数。
因此，在公式中，因变量是隐式地是另一个（或其他几个）变量的函数的变量。一个独立变量是一个不依赖的变量。
变量依赖或独立的属性往往不是内在的。例如，在符号f（x，y，z）中，三个变量可以是独立的，符号表示三个变量的函数。另一方面，如果y和z取决于x（是因变量），则符号表示单个独立变量x的函数。
举例
如果一个定义从实数到实数的函数f
那么x是一个变量，代表定义的函数的参数，它可以是任何实数。
变量i是个求和变量，其依次指定整数1,2，...，n，而n是参数（它不是在公式内变化）。
在多项式的理论中，通常将2维的多项式表示为ax2 + bx + c，其中a，b和c称为系数（假定固定，即所考虑的问题的参数），而x称为一个变量。
当研究这个多项式的多项式函数时，这个x代表函数参数。 当研究多项式作为一个对象时，x被认为是一个不确定的，并且通常用大写字母写入，以指示这个状态。
参考资料来源：百度百科-变量 （统计学名词）
独立变量指的是当一个量改变不会引起除了因变量外的其他变量的改变。
依赖变量是一个与独立变量相反的一个变量，也就是指除了因变量外的其他变量改变时会影响到该变量。
举例来说，有一关系模式R（A1,A2,…,An),X和Y均为（A1,A2,…,An)的子集，对于R的值r来说，当其中任意两个元组u,v中对应于X的那些属性分量的值均相等时，则有u,v中对应于Y的那些属性分量的值也相等，称X函数决定Y，或Y依赖于X，记为X->Y。
这两个词的分析常常用于数学的统计学分析，用于研究多个相依变量之间的关系以及具有所研究变量个体之间存在的关系。
扩展资料：
作为统计学的一个研究分支，对依赖变量和依赖变量分析类似于一元统计分析中的相关分析和依赖性分析。主要考察的是一个或多个变量对其余变量所拥有的依赖关系。
数据依赖是现实世界属性间相互联系的抽象，属于数据内在的性质。独立随机变量联合分布函数等于各个变量的分布函数的乘积。
参考资料来源：
本回答被网友采纳统计学的一个分支,研究多个相依变量之间的关系以及具有这些变量的个体之间的关系。其特，类似于一元统计分析的相关分析；依赖性分析。考察一个或多个变量对其余变量的依赖关系。本回答被网友采纳
2．依赖变量，即非独立变量，一个量改变会引起除因变量以外的其他量改变。