自由度 Degrees of Freedom
统计里能自由取值的数据个数，样本标准差取n-1。
自由度指的是在一组数据中，能够自由变动、不受约束的数值个数。它听起来抽象，其实就是「有多少个数是真正独立的」。每当你根据数据算出一个统计量（比如平均值）并把它当成已知条件，就会「用掉」一个自由度。
最常见的场景是算样本标准差和样本方差时分母用 n-1 而不是 n。原因是：你已经先用这批数据算出了平均值，一旦平均值固定，n 个数里只要确定了前 n-1 个，最后一个就被平均值反推出来了，没法自由取值。所以真正独立的信息只有 n-1 份，分母就取 n-1。这个做法叫贝塞尔校正，能让样本方差更接近总体的真实波动。
要注意，自由度不是一个固定数字，而是随分析方法变化的：单样本一般是 n-1，两组比较、回归分析里会有各自的算法。普通人只要记住一点——用样本估计总体、且过程中先算了平均值，分母就该减一。
关于自由度的常见问答
为什么样本标准差要除以 n-1 而不是 n？因为算标准差前你已经先用数据算出了平均值，平均值一旦定死，n 个数里只有 n-1 个能自由变。除以 n-1 是对样本低估波动的修正，结果更接近总体真实情况。
什么时候用 n，什么时候用 n-1？手里的数据就是全部对象（总体），分母用 n；数据只是从更大群体里抽的一部分（样本）、要拿它去估计整体，就用 n-1。
自由度一定是 n-1 吗？不一定。n-1 只是最常见的单样本情形，两样本比较、回归、卡方检验等各有各的自由度算法，本质都是「独立信息的个数」。