يستخدم المصطلح المتغير عندما يكون من المفترض أن يعني أن بعض الأشياء والمواقف وحتى الأشخاص يمثلون تكرارًا نحو عدم الاستقرار وعدم الاستقرار . هذا بشكل عام وغير رسمي بالطبع ، ولكن إذا أصبحنا أكثر جدية ورسمية ، فإننا نقول أن المتغير هو ما قلناه وهو أيضًا رمز يمثل عنصرًا لم يتم تحديده أو تحديده في مجموعة معينة. تسمى هذه المجموعة نفسها المجموعة العالمية للمتغير ، وكل عضو في تلك المجموعة هو قيمة للمتغير .

على سبيل المثال ، ولكي تكون أكثر وضوحًا ، فإن "X" هو متغير من الكون التالي 2 ، 4 ، 6 ، 8 ، لذا فإن x سيكون له أي من هذه القيم ويمكن استبداله بأي قيمة أقل من 9.

في هذه الحالة وكما رأينا من خلال المثال ، المتغير هو عنصر في صيغة يمكن استبدالها أو الحصول على أي قيمة داخل ذلك الكون ؛ من الواضح أنه سيكون مستحيلاً خارج هذا المجال. في غضون ذلك ، هناك أنواع مختلفة من المتغيرات ، نجد المتغيرات التابعة والمستقلة من ناحية والمتغيرات النوعية والكمية من ناحية أخرى. الأولى هي تلك التي ستعتمد على القيمة التي تفترضها المتغيرات الأخرى والأخيرة هي تلك التي قد تشهد تغيرات في حد ذاتها في قيمتها وتؤثر على قيمة الآخرين. على سبيل المثال ، في نموذج يكون فيه سعر كائن ما هو وزن واحد ، فإن كمية الأشياء التي أعتبرها تشكل متغيرًا مستقلًا ، في حين أن السعر النهائي ، عندما يرتبط مباشرة بكمية الأشياء ، سيكون المتغير التابع . في هذا المتغير البسيط ، سوف يتوافق المتغير المستقل "أربعة كائنات" مع المتغير التابع "الأوزان الأربعة".

من ناحية أخرى ، تعبر المتغيرات النوعية عن صفات أو خصائص أو طرائق مختلفة ، ولا يتم ذكر المتغيرات الكمية إلا بالأرقام. وبالتالي ، فإن المعلمات المختلفة عن بعضها مثل السعر وضغط الدم وعدد أرجل الحيوان أو عدد أجزاء المحرك هي متغيرات كمية. من ناحية أخرى ، فإن لون الشعر ، والعلامات التجارية للسيارات التابعة للوكيل ، والمؤلفين الموجودين في مكتبة أو مكونات مخزون المبنى هي متغيرات نوعية. بهذا المعنى ، من المثير للاهتمام أن نلاحظ نوعًا خاصًا من المتغير النوعي ، والذي يسمى متغير ثنائي التفرع: "نعم" أو "لا" ، فقط خياران محتملان. عندما ترغب في تحليل بعض المتغيرات أكثر أو أقل تعقيدًا باستخدام التقنيات الإحصائية ، فإن الإستراتيجية المستخدمة على نطاق واسع هي استبدال متغير ثنائي التفرع برمز رقمي ؛ "نعم" تصبح "1" و "لا" تصبح "0". تم توسيع هذه الخدعة بحيث عندما نواجه متغيرات نوعية مع أكثر من خيارين ممكنين ، من الممكن تحويلها إلى بيانات رقمية ، وبهذه الطريقة ، تكون قادرة على استخراج المعلومات. أفضل مثال هو استبدال أشهر السنة بترتيبها في التقويم: "يناير" (متغير نوعي) هو "1" (متغير رقمي) ... وهكذا حتى "ديسمبر" الذي يصبح "12".

من خلال تحليل المتغيرات ، تم تحقيق العديد من التقدم في مجالات المعرفة البشرية مثل متباينة مثل الرياضيات والاقتصاد والعلوم الصحية والآثار والجيولوجيا. لذلك ، فإن معرفة "رفقاء الطريق" كل يوم يجعل من السهل فهم العالم من حولنا بشكل أفضل.