浅谈自由度.doc

淺談自由度 (樣本標準差公式中的分母為什麼要採用) 江振東／政治大學統計系 我們都知道，在母體平均數已知的情形下我們可以利用來估計母體變異數。但是在母體平均數未知的情形下，我們則改用來作估計。由於未知，因此直觀上我們可以來作取代，但是分母為什麼也要調整為呢？由於，因此。如此一來，我們就可以發現如果是母體變異數的一個好的估計量的話，那麼顯然就會有低估的可能。如果改用來作為估計量，低估的現象應該可以獲得改善。但是為什麼是，而不是，甚至呢？這就牽涉到自由度的問題。 幾乎所有初等統計學的書本都會告訴讀者，統計量的自由度為，但是究竟什麼是自由度，而統計量的自由度又為什麼是，而不是n，常常並沒有清楚的交代。實際上，如果假定是由同一母體產生的一組隨機樣本，我們可以發現其實是向量的長度平方，而則是向量的長度平方。然而這兩個向量是有些不同的。很容易可以看出是中的一個向量，而雖然也是中的一個向量，實質上卻是侷限在一個度的子空間裡。也就是因為這項差異，導致於我們需要將統計量除以n，但是就統計量而言，卻改為除以的主要原因。以下我們將藉由向量代數的觀點，來說明自由度的概念。令 ， 亦即是所有滿足這個度空間方程式的所構成的子空間。我們可以注意到其實就是其中的一員，而我們也將會發現到自由度指的就是子空間的維度。 在後續的討論中，我們將分成、與一般化的情形來作探討。的情形，因為可以繪圖，而且數學運算直接了當，因此對高中學生而言，應該不至於造成困擾。而的情形，雖然困難度稍微增加，不過概念完全是相通的，因此我們希望透過老師們的解說，學生們也可以了解其中的概念。至於一般化的情形，我們的對象則是老師，由於高中數學教師們在大學時期，一定學過線性代數，因此希望藉由這些說明，能夠讓老師們更清楚了解自由度的概念，從而協助學生們了解除以的原因。 我們就先從的簡單情形談起。儘管在實際生活裡，我們不可能僅僅選取兩個樣本，然而藉由這個特殊情形的探討與解釋，我們可以很容易的對任意的情形作衍生推論。 由上圖中，我們可以發現就任意的而言，向量一定可以分解成和這兩個正交向量的和。考慮，這是這個向量的長度平方。由於 因此在給定的情況下，其實都是的形式，具有相同的絕對值。這也就是說如果或的其中任意一個值一旦給定，那麼另一個值也就被決定了，兩者之間只是一個正負號的差異而已。同時這也就意謂著這個點一定在這條直線上，這件事實我們也可以由上圖中觀察得到。因此雖然是兩個項的平方和，但是由於 因此在作計算求和時，我們只需自由選擇其中一項來作計算即可，並不需要重複再計算另外一項，也就是說其中一項的平方和可以由另外一項平方和完全決定；再者由於，也就是說與這兩個數值的和，可以完全由這個數值的平方來決定。因此我們說統計量的自由度為1。 讓我們再換個角度來作探討。由於 這告訴我們對於任意給定的，其實就是具有 形式的一個向量，其中 。因此儘管（亦即是二度空間中的一個點），然而這些點並不是任意散佈在平面上，而是全數落於通過 的直線上(參見上圖)；也就是說其實就是集合 ， 中的一個元素。由於這是一個由單位向量 所衍生出來的一個子空間，而且這個子空間實際上只是平面上一條通過原點的直線，因此子空間的維度等於1。再者，我們也可以發現由於向量 滿足的這項條件，因此前述集合其實就是，這是一個由平面上所有滿足的點所構成的集合。由於是個直線方程式，因此的維度自然就是1了。 同理，就 的情形，其實就是這個向量的長度平方。這個向量有什麼特性呢？首先我們可以發現就任意的和來說，可以分解成 因此，所有具有形式的向量所構成的子空間，其實可以表示成 這是一個由向量與所衍生出來的一個平面子空間，因此其維度為2。此外，由於與是一組互相正交的單位向量，因此向量的長度平方，實際上可以分解成與這兩個正交向量的長度平方和。亦即 因此雖然是三個項的平方和，但是本質上這卻是兩個項(亦即與) 的平方和。因此我們可以說統計量的自由度為2。再者，我們也可以發現由於和這兩個向量滿足這個方程式，因此自然也需要滿足這項條件。這也就意謂著前述集合其實就是，這是一個由三度空間裡所有滿足的點所構成的集合。由於是個平面方程式，因此的維度自然就是2了。 依此類推，就而言，我們可以歸納出下列的結果： 其中