Riippuvat muuttujat ovat havaittavia ilmiöitä, joihin muut ilmiöt vaikuttavat. Esimerkiksi jos joku tutkii kuinka paljon valoa vaikuttaa kasvien kasvuvauhtiin, kasvuvauhti on riippuvainen muuttuja, koska se riippuu siitä, kuinka paljon valoa kasvit saavat. Kun ihmiset suunnittelevat kokeita, he tunnistavat riippuvaisen muuttujan tai riippuvat muuttujat alussa, jotta he voivat mitata niitä koko kokeen ajan. He myös tunnistavat kaikki tekijät, jotka voivat parhaansa mukaan vaikuttaa riippuvaiseen muuttujaan.
Näillä muuttujilla voidaan ajatella olevan arvoja, jotka ovat riippuvaisia jonkin muun manipuloinnista. Tämä “jotain muuta” tunnetaan itsenäisenä muuttujana. Riippumattomat muuttujat voivat vaikuttaa riippuvaisiin muuttujiin, mutta ne eivät muutu vasteena muille muuttujille kokeessa. Sen sijaan kokeilija manipuloi niitä, ja kokeilija käyttää kontrolloitua manipulointia testatakseen ennusteita siitä, kuinka riippumattoman muuttujan muutokset muuttavat riippuvaista muuttujaa tai muuttujia kokeessa.
Riippuvaisia ja riippumattomia muuttujia esiintyy monissa eri paikoissa. Esimerkiksi osakemarkkinoiden arvo on riippuvainen muuttuja, koska siihen vaikuttavat ulkoiset tekijät. Tieteellisissä kokeissa riippuvat muuttujat ovat asioita, joita ihmiset yrittävät tutkia ja mitata. Kokeita suunnitellessaan tutkijat yrittävät ajatella kaikkia asioita, jotka voivat vaikuttaa mitattaviin asioihin, jotta he voivat hallita kokeilun ympäristöä mahdollisimman paljon.
Yllä olevassa kasvuesimerkissämme kasvuvauhti on riippuvainen muuttuja, mutta niin ovat myös asiat, kuten silloin, kun kasvi lehdistyy, kukkiko se vai ei, ja niin edelleen. Tässä tapauksessa useita riippuvaisia muuttujia voidaan muuttaa manipuloimalla riippumatonta muuttujaa. Jos kasville ei anneta riittävästi valoa, se voi hidastaa kasvuvauhtia, kun taas liian paljon valoa voi aiheuttaa palovammoja tai vaurioituneita lehtien silmukoita, mikä estää kasvin lehtimästä.
Ihmiset voivat tunnistaa riippuvaisia ja riippumattomia muuttujia myös tilastollisen analyysin kaltaisilla aloilla, katsomalla asioita, jotka näyttävät liittyvän toisiinsa, ja tutkimalla tapoja yhdistää ne. Tässä on kuitenkin noudatettava varovaisuutta. Korrelaatio ei ole syy -yhteys, ja tilastollista analyysiä tehdessään ihmisten tulisi välttää kiusausta yksinkertaistaa tai manipuloida tietoja tietyn tavoitteen saavuttamiseksi. Hyvä analyysi kestää itsestään, ja lukijoiden tulisi olla samaa mieltä siitä, miten tutkija tunnisti riippuvat ja riippumattomat muuttujat.