在统计学中，自由度指的是计算某一统计量时，取值不受限制的变量个数。通常df=n-k。其中n为样本含量，k为被限制的条件数或变量个数，或计算某一统计量时用到其它独立统计量的个数。
自由度通常用于抽样分布中。 释义 统计学上的自由度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自变量的个数，称为该统计量的自由度。 2应用 首先，在估计总体的平均数时，由于样本中的n个数都是相互独立的，从其中抽出任何一个数都不影响其他数据，所以其自由度为n。
在估计总体的方差时，使用的是离差平方和。
只要n-1个数的离差平方和确定了，方差也就确定了；因为在均值确定后，如果知道了其中n-1个数的值，第n个数的值也就确定了。
这里，均值就相当于一个限制条件，由于加了这个限制条件，估计总体方差的自由度为n-1。 例如，有一个有4个数据(n=4)的样本，其平均值m等于5，即受到m=5的条件限制，在自由确定4、2、5三个数据后，第四个数据只能是9，否则m≠5。
因而这里的自由度υ=n-1=4-1=3。
推而广之，任何统计量的自由度υ=n-k（k为限制条件的个数）。
其次，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1）。
因此该回归方程的自由度为p-1。 这个解释，如果把“样本”二字换成“总体”二字也说得过去。
在一个包含n个个体的总体中，平均数为m。
知道了n-1个个体时，剩下的一个个体不可以随意变化。为什么总体方差计算，是除以n而不是n-1呢？
方差是实际值与期望值之差平方的期望值，所以知道总体个数n时方差应除以n，除以n-1时是方差的一个无偏估计。
