自由度 (统计学)

在統計學中，自由度（英語：degree of freedom, df）是指当以样本的统计量来估计总体的参数时，样本中独立或能自由变化的数据的个数，称为该统计量的自由度。一般來說，自由度等於獨立变量数減掉其衍生量數；舉例來說，方差的定義是樣本減平均值（一個由樣本決定的衍生量）的平方之和，因此對N個隨機樣本而言，其自由度為N-1。

數學上，自由度是一個隨機向量的維度數，也就是一個向量能被完整描述所需的最少單位向量數。舉例來說，從電腦螢幕到廚房的位移能夠用三維向量$a{\widehat {i}}+b{\widehat {j}}+c{\widehat {k}}$來描述，因此這個位移向量的自由度是3。自由度也通常與這些向量的座標平方和，以及卡方分布中的參數有所關聯。

範例

• 若存在兩個變數$a$, $b$，而 $a+b=6$那麼他的自由度為1。因為其實只有$a$才能真正的自由變化，$b$會被$a$選值的不同所限制。
• 估计总体的平均数（$\mu \,$）时，由于样本中的$n$个数都是相互独立的，任一個尚未抽出的數都不受已抽出任何数值的影響，所以自由度为$n$。
• 估计总体的方差（$\sigma ^{2}\,$）时所使用的統計量是樣本的方差$s^{2}$，而$s^{2}$必須用到樣本平均數${\overline {x}}$來計算。${\overline {x}}$在抽樣完成後已確定，所以大小為$n$的樣本中只要$n-1$个数确定了，第$n$個數就只有一個能使樣本符合${\overline {x}}$的數值。也就是說，樣本中只有$n-1$個數可以自由變化，只要確定了這$n-1$個數，方差也就确定了。这裡，平均數${\overline {x}}$就相当于一个限制条件，由于加了这个限制条件，樣本方差$s^{2}$的自由度为$n-1$。
• 统计模型的自由度等于可自由取值的自变量的个数。如在回归方程中，如果共有$p$个参数需要估计，则其中包括了$p-1$个自变量（与截距对应的自变量是常量）。因此该回归方程的自由度为$p-1$。
• 如果用刀剖柚子，在北极点沿经线方向割3刀，得6个角。这6个角可视为3对。6个角的平均角度一定是60度。其中半边3个角中，只会有2个可以自由选择，一旦2个数值确定第3个角也会唯一地确定。在总和已知的情况下，切分角的个数比能够自由切分的个数大1。