统计学中：在统计模型中，自由度指样本中可以自由变动的变量的个数，当有约束条件时，自由度减少自由度计算公式：自由度=样本个数-样本数据受约束条件的个数，即df = n - k（df自由度，n样本个数，k约束条件个数）一般总体方差(sigma^2)，其实它是衡量所有数据对于中心位置（总体平均）平均差异的概念，所以也称为离散程度，通常表示为sum(Xi-Xbar)^1/2/N ，（有多少个数据就除多少）而样本方差(S^2)，则是利用样本数据所计算出来估计总体变异用的（样本统计量的基本目的：少量资料估计总体）.一般习惯上，总体怎么算，样本就怎么算，可是在统计上估计量（或叫样本统计量）必须符合一个特性--无偏性，也就是估计量的数学期望值要等于被估计的总体参数=> E(S^2)=sigma^2（无偏估计）。

很不幸的，样本变异数E(S^2)并不会等于sigma^2所以必须做修正，而修正后即为sum(Xi-Xbar)^2/(N-1).才会继续带出后来的自由度概念。

医学统计中常用的自由度计算公式有以下几种：

1. 独立样本t检验或配对样本t检验的自由度为：df = n1 + n2 - 2，其中n1和n2分别为两组的样本量。

2. 卡方检验的自由度为：df = (r-1) * (c-1)，其中r为表格的行数，c为表格的列数。

3. 方差分析(ANOVA)的自由度分为两部分： a. 组间自由度为：df_between = k - 1，其中k为组数。b. 组内自由度为：df_within = N - k，其中N为总体样本量。

4. 线性回归分析的自由度为：df = n - m - 1，其中n为样本量，m为自变量的个数。这些公式是在医学统计中常用的自由度计算公式，根据具体的研究设计和分析方法，可能还会有其他公式。