従属変数 - 英語 への翻訳

• dependent variable
• dependent variables

日本語 での 従属変数 の使用例とその 英語 への翻訳

他の手法に対する分位点回帰の特異性は、条件付き平均の代わりに、従属変数の条件付き分位点の推定を提供することである。
The specificity of Quantile Regression with respect to other methods is to provide an estimate of conditional quantiles of the dependent variable instead of conditional mean.

R²は、2つの説明変数（成分）によって説明される従属変数(viscosity)の変動の%に一致します。
The R² corresponds to the% of the variability of the dependent variable(the viscosity) that is explained by the two explanatory variables(the components).

ここでyiはオブザベーションiで従属変数の観察された値，xijはオブザベーションiで量的変数jがとる値，k(i,j)は，オブザベーションiでの因子jのカテゴリのインデックス，そして，εiはモデルの誤差である．。
Where yi is the value observed for the dependent variable for observation i, xij is the value taken by quantitative variable j for observation i, k(i, j) is the index of the category of factor j for observation i and εi is the error of the model.

ここでYは従属変数の行列，Xは説明変数の行列，Th,Ch,W*h,
Where Y is the matrix of the dependent variables, X is the matrix of the explanatory variables.

共分散分析（ANCOVA:ANalysisofCOVAriance）は，従属変数が同じタイプで，モデルが線形で，仮説が同一なので，ANOVAと線形回帰と混合としてみなされる．実際には，ANOVAと線形回帰をANCOVAの特殊ケースとみなすほうがより正確である．。
ANCOVA(ANalysis of COVAriance) can be seen as a mix of ANOVA and linear regression as the dependent variable is of the same type, the model is linear and the hypotheses are identical. In reality it is more correct to consider ANOVA and linear regression as special cases of ANCOVA.

従属変数sweetnessについては、ANOVA表は、とても有意な製品の効果（p値<0.0001）、および有意なパネリストの効果（p値=0.704）、そして交互作用（p値=0.427）を示しています。
For the sweetness dependent variable, the ANOVA tables show a very significant effect of product(p-value< 0.0001) and insignificant effects of Panelist(p-value= 0.704) and interaction(p-value= 0.427).

Tテストの話題に入った時、そしてコースの後の方では、Yを従属変数として、Xを独立変数とします。それらを見たら、こんな風に考えて下さいね。しかしレクチャー1を思い出してください。そこではランダム化され制御された実験と。
When we're talking about experimental designs, and when we get into T tests and later in the course I will typically refer to Y as the dependent variable and I will refer to X as the independent variable..

このタイプの近似で小さい数値δtが必要になったのは、従属変数の変化率が、通常は、該当する変数と、空間内でその変数のすぐ隣にある変数の値の差を基準として評価されるからです。
The need for small δt in this type of approximation arises because the rate-of-change of a dependent variable is usually evaluated in terms of differences between that variable and the values of its immediate neighbors in space.

従属変数の未定義値は,棒グラフのように棒の上下の位置を指定するようなメソッド(元サブルーチン)で,常に座標軸から指定された位置までの棒を描くような場合を想定している。
The undefined value of the dependent variable assumes a case where the bar is always drawn from the coordinate axis to a specified position, for a subroutine in which the top and bottom position of the bar is specified, such as in a bar graph.

値が0から1の間のこの係数は,モデルの定数がユーザーによって固定されていない場合のみ表示される.R2は,モデルによって説明される従属変数の変動の比率として解釈される。
This coefficient, whose value is between 0 and 1, is only displayed if the constant of the model has not been fixed by the user. The R2 is interpreted as the proportion of the variability of the dependent variable explained by the model.

ANalysisofCOVAriance)は,従属変数が同じタイプで,モデルが線形で,
linear regression as the dependent variable is of the same type,

好ましい候補変数は高い情報値(通常0.1から0.5の間)で従属変数と線形関係があり、すべてのカテゴリーをまんべんなくカバーして、正規分布し、全体的に著しい寄与があり、ビジネスに適しているものです。
Preferred candidate variables are those with higher information value(usually between 0.1 and 0.5) have a linear relationship with the dependent variable, have good coverage across all categories, have a normal distribution, contain a notable overall contribution, and are relevant to the business.

ここでYは従属変数，β0はモデルの切片，Xjはモデルのj番目の説明変数（j=1からp），εは期待値0と分散σ²による確率誤差モデルの誤差である．。
Where Y is the dependent variable, β0, is the intercept of the model, X j corresponds to the jth explanatory variable of the model(j= 1 to p), and e is the random error with expectation 0 and variance σ².

XLSTATでのロジスティック回帰の結果応答変数のカテゴリと確率の間の対応:この表は,従属変数のそのカテゴリが確率0および1に割り当てられたかを示す。
Results for logistic regression in XLSTATCorrespondence between the categories of the response variable and the probabilities: This table shows which categories of the dependent variable have been assigned probabilities 0 and 1. Summary of the variables selection: Where a selection method has been chosen, XLSTAT displays the selection summary.

したがって、通常の最小2乗法(OLS)モデルと類似した方法で、QRモデルの係数は、いくつかのリグリッサの値の単位変化に対する従属変数の分布のいくつかの分位点の変化率として解釈できる。さらに、たとえばANCOVAでは、質的および量的説明変数を混合することができる。
Therefore, in a similar way to the ordinary least squares(OLS) model, the coefficients of the QR model can be interpreted as the rate of change of some quantile of the dependent variable distribution per unit change in the value of some regressor. Moreover, as in ANCOVA, it's possible to mix qualitative and quantitative explanatory variables..

OLSおよびPCR法の場合，モデルが複数の従属変数について計算されることが必要な場合，モデルの計算は，単に，従属変数の表Yの列でループになっているだけである．PLS回帰の場合は，Yの共分散構造も計算に反映される．。
In the case of the OLS and PCR methods, if models need to be computed for several dependent variables, the computation of the models is simply a loop on the columns of the dependent variables table Y. In the case of PLS regression, the covariance structure of Y also influences the computations.

従属変数（またはモデルする変数。
The Dependent variable or variable to model.

つの従属変数を持つ例。
There were six dependent variables.

予測する変数を通常、従属変数と呼びます。
The predicted variable is usually called the dependent variable.

従属変数は、"応答変数"とも呼ばれます。
Dependent variable is also called the response variable..