为了编写一个程序来表明未知因素对于固定变量的影响，我们可以使用线性回归模型。以下是一个使用Python和scikit-learn库的示例：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

# 创建数据
X = np.array([1, 2, 3, 4, 5]).reshape(-1, 1)  # 自变量(固定变量)
y = np.array([2, 4, 6, 8, 10])  # 因变量(未知因素)

# 训练线性回归模型
model = LinearRegression()
model.fit(X, y)

# 预测新值
X_new = np.array([6, 7, 8]).reshape(-1, 1)
y_pred = model.predict(X_new)

# 绘制散点图和回归线
plt.scatter(X, y, color='blue')
plt.plot(X_new, y_pred, color='red')
plt.xlabel('自变量')
plt.ylabel('因变量')
plt.title('线性回归模型')
plt.show()

这个程序首先创建了一些自变量(固定变量)和因变量(未知因素)的数据。然后，它使用scikit-learn库中的LinearRegression类训练了一个线性回归模型。接下来，程序预测了新值对应的因变量，并将结果绘制在散点图上。最后，程序显示了散点图和回归线。