自由度 (統計學)

在統計學中，自由度（英語：degree of freedom, df）是指當以樣本的統計量來估計母體的母數時，樣本中獨立或能自由變化的數據的個數，稱為該統計量的自由度。一般來說，自由度等於獨立變量數減掉其衍生量數；舉例來說，變異數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，以及卡方分布中的母數有所關聯。

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。
• 估計母體的平均數（$\mu \,$）時，由於樣本中的$n$個數都是相互獨立的，任一個尚未抽出的數都不受已抽出任何數值的影響，所以自由度為$n$。
• 估計母體的變異數（$\sigma ^{2}\,$）時所使用的統計量是樣本的變異數$s^{2}$，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$n-1$個數確定了，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，變異數也就確定了。這裡，平均數${\overline {x}}$就相當於一個限制條件，由於加了這個限制條件，樣本變異數$s^{2}$的自由度為$n-1$。
• 統計模型的自由度等於可自由取值的自變數的個數。如在迴歸方程式中，如果共有$p$個母數需要估計，則其中包括了$p-1$個自變數（與截距對應的自變數是常數）。因此該迴歸方程式的自由度為$p-1$。
• 如果用刀剖柚子，在北極點沿經線方向割3刀，得6個角。這6個角可視為3對。6個角的平均角度一定是60度。其中半邊3個角中，只會有2個可以自由選擇，一旦2個數值確定第3個角也會唯一地確定。在總和已知的情況下，切分角的個數比能夠自由切分的個數大1。