다른 뜻에 대해서는 자유도 문서를 참고하십시오.

이 문서의 내용은 출처가 분명하지 않습니다. 이 문서를 편집하여, 신뢰할 수 있는 출처를 표기해 주세요. 검증되지 않은 내용은 삭제될 수도 있습니다. 내용에 대한 의견은 토론 문서에서 나누어 주세요. (2017년 10월)

많은 과학 분야에서 시스템의 자유도는 독립적으로 달라질 수 있는 매개 변수의 개수이다. 예를 들어 평면의 한 점은 평행이동에 대해 2의 자유도를 가진다. 이는 점이 가진 두 개의 좌표를 말한다. 또한, 무한소(無限小)가 아닌 평면 위의 대상은 방향과 관련된 자유도를 추가로 가질 수 있다.

통계학에서 자유도(自由度, degrees of freedom,df)는 통계적 추정을 할 때 표본자료 중 모집단(${\displaystyle x}$)에 대한 정보를 주는 독립적인 자료의 수를 말한다.

크기가 ${\displaystyle n}$ 인 표본의 관측값(${\displaystyle x_{1},x_{2},\dots ,x_{n}}$)의 자유도는 ${\displaystyle n-1}$이다.^[1] 여기서 구한 표본 ${\displaystyle {\bar {x}}}$(모집단 평균)에 대해서도 마찬가지이다.

분산 ${\displaystyle s^{2}={\frac {\sum _{i=1}^{n}({\bar {x}}-x_{i})^{2}}{n-1}}}$에 대해, ${\displaystyle {\bar {x}}={\frac {1}{n}}\sum _{i=1}^{n}x_{i}}$인 관계식(여기서 ${\displaystyle {\bar {x}}}$는 모집단의 평균 μ의 추정치이다)이 있기 때문에 자유도는 1 적은 n-1이 된다.

어떤 실험에서 피험자들을 각 30명씩 4개 집단에 무선배치했을 때, 전체 자유도 ${\displaystyle \left(df_{total}\right)}$,집단내 자유도 ${\displaystyle \left(df_{within}\right)}$,집단간 자유도 ${\displaystyle \left(df_{between}\right)}$는 다음과 같다.

전체 자유도 ${\displaystyle df_{total}=\left(4\times 30\right)-1=119}$

집단내 자유도 ${\displaystyle df_{within}=4\times (30-1)=116}$

집단간 자유도 ${\displaystyle df_{between}=4-1=3}$

가정의 n변수 알레아토와르(aléatoires) 들의 같은 법과 독립적인 것이다. X₁,...\,X_n이다.

벡터 확률 X 춤출 때마다 코디네(coordonnée)가 변수로 설정하는 공간이다. n크기\, 그래서 자연스럽게 그 값이 된다.n2도 자유이다.

우리는 기록 ${\displaystyle {\bar {X}}}$를 중간 치수이다. 이 벡터이다.

${\displaystyle {\begin{pmatrix}X_{1}\\\vdots \\X_{n}\end{pmatrix}}={\bar {X}}{\begin{pmatrix}1\\\vdots \\1\end{pmatrix}}+{\begin{pmatrix}X_{1}-{\bar {X}}\\\vdots \\X_{n}-{\bar {X}}\end{pmatrix}}.}$

첫번째 매개체가 완전하게 결정된다. ${\displaystyle {\bar {X}}}$,그는 한도의 자유이다. 두번째 매개체는 다음 식을 만족할 것이다. ${\displaystyle \sum _{i=1}^{n}(X_{i}-{\bar {X}})=0}$. 그래서에 정통한n-1a의 매개체는\, 우리가 추리하다.n^e:이 매개체가n-1도의 자유이다.

매튜메티크먼트 (Mathématiquement), 이 분해 하여 번역된 것을 정사영의 벡터 확률에 부분 공간이 설정한 벡터에서 지속적인 1사는 것과 차원 1\, 그래서 그의 컴펠멘데이(complémentaire)의 차원이다. n-1.

에서는 검사할 수 있고 관심을 더 이상 승차를 2차의 특징 중의 매개체다.

${\displaystyle \sum _{i=1}^{n}(X_{i}-{\bar {X}})^{2}={\begin{Vmatrix}X_{1}-{\bar {X}}\\\vdots \\X_{n}-{\bar {X}}\end{Vmatrix}}^{2}.}$

이 경우 그들이다.X_i따른정규 분포 분산시그마로 위로하고 있다.법 카이 제곱 분포에게n-1도의 자유도\, 비슷한 방법으로\, 통계의 테스트이다.

${\displaystyle {\frac {{\sqrt {n}}({\bar {X}}-\mu _{0})}{\sqrt {\sum \limits _{i=1}^{n}(X_{i}-{\bar {X}})^{2}/(n-1)}}}}$

n-1도의 자유가 평균이다. μ₀이 빤하다

• 자승합
• 카이제곱 분포