自变量和因变量 编辑
自变数、应变数和控制变数主要用于指实验时各种会影响实验结果的因素，在实验中，由于各项因素的不确定性与不可预测性，因此需先设定何者为人为可控制之控制变数，何者为实验主要目标之自变数。其目的是为了厘清哪些因素能使实验产生不同的结果而形成的概念。
1
相关
在统计学上，广义线性模型是一种应用灵活的回归分析模型。该模型允许自变量和因变量的偏差分布有除了正态分布之外的其它分布。此模型假设实验者所量测的随机变数的分布函数与实验中系统性效应可经由一链接函数建立可解释其相关性的函数。
特征方程式或辅助方程式为数学名词，是对应n导数微分方程或差分方程的n次代数函数方程式。只有线性齐次常系数的微分方程或差分方程才有特征方程式。考虑一微分方程，其自变量和因变量为y，an, an − 1, ..., a1, a0为数学常数
特征方程式或辅助方程式为数学名词，是对应n导数微分方程或差分方程的n次代数函数方程式。只有线性齐次常系数的微分方程或差分方程才有特征方程式。考虑一微分方程，其自变量和因变量为y，an, an − 1, ..., a1, a0为数学常数
特征方程式或辅助方程式为数学名词，是对应n导数微分方程或差分方程的n次代数函数方程式。只有线性齐次常系数的微分方程或差分方程才有特征方程式。考虑一微分方程，其自变量和因变量为y，an, an − 1, ..., a1, a0为数学常数
特征方程式或辅助方程式为数学名词，是对应n导数微分方程或差分方程的n次代数函数方程式。只有线性齐次常系数的微分方程或差分方程才有特征方程式。考虑一微分方程，其自变量和因变量为y，an, an − 1, ..., a1, a0为数学常数
在统计学上，广义线性模型是一种应用灵活的回归分析模型。该模型允许自变量和因变量的偏差分布有除了正态分布之外的其它分布。此模型假设实验者所量测的随机变数的分布函数与实验中系统性效应可经由一链接函数建立可解释其相关性的函数。
在统计学中， 多项式回归是回归分析的一种形式，其中自变量和因变量 x 和自变量和因变量 y 之间的关系被建模为关于 x 的 n 次多项式。多项式回归拟合x的值与 y 的相应条件均值之间的非线性关系，表示为 E，并且已被用于描述非线性现象，例如组织的生长速率、湖中碳同位素的分布以及沉积物和流行病的发展。虽然多项式回归是拟合数据的非线性模型，但作为估计理论问题，它是线性的。在某种意义上，回归函数 E 在从数据估计到的未知参数中是线性的。因此，多项式回归被认为是多元线性回归的特例。