Freiheitsgrade
In diesem Beitrag
Was versteht man unter Freiheitsgraden?
Freiheitsgrade (abgekürzt df für englisch degrees of freedom) geben an, wie viele Werte in einer statistischen Berechnung frei variieren können, wenn bestimmte Randbedingungen – wie ein bekannter Mittelwert oder eine bekannte Summe – bereits festgelegt sind.
Formal ergibt sich die Anzahl der Freiheitsgrade häufig als Differenz zwischen der Anzahl der Beobachtungen und der Anzahl der geschätzten Parameter. Bei einer Stichprobe vom Umfang n, aus der lediglich der Mittelwert geschätzt wird, gilt:
Formel: Freiheitsgrade (einfacher Fall)
Das bedeutet: Sind der Mittelwert und alle Werte bis auf einen bekannt, ist der letzte Wert zwingend festgelegt – er kann nicht mehr frei variieren.
Warum sind Freiheitsgrade für statistische Analysen wichtig?
Freiheitsgrade spielen in vielen statistischen Verfahren eine zentrale Rolle, weil sie die Form von Prüfverteilungen bestimmen. Ob du einen t-Test, einen Chi-Quadrat-Test oder eine Varianzanalyse (ANOVA) durchführst – ohne die korrekte Anzahl der Freiheitsgrade lässt sich kein gültiger p-Wert berechnen.
- t-Test (Einstichprobe): df = n − 1
- t-Test (Zweistichprobe, gleiche Varianzen): df = n₁ + n₂ − 2
- Chi-Quadrat-Test (Kontingenztafel): df = (Zeilen − 1) · (Spalten − 1)
- Einfaktorielle ANOVA: dfzwischen = k − 1, dfinnerhalb = N − k
Die Freiheitsgrade beeinflussen auch, warum bei kleinen Stichproben die Varianzschätzung durch Division durch n − 1 statt n korrigiert wird. Diese sogenannte Bessel-Korrektur verhindert, dass die Streuung systematisch unterschätzt wird.
Praxisbeispiel zu Freiheitsgraden
Du untersuchst in deiner Bachelorarbeit, ob Studierende nach einem neuen Lernprogramm signifikant besser in einem Test abschneiden als zuvor. Dafür führst du einen gepaarten t-Test mit n = 20 Studierenden durch.
Die Freiheitsgrade betragen hier:
Berechnung der Freiheitsgrade
Anschließend schlägst du in der t-Tabelle den kritischen Wert für df = 19 und ein Signifikanzniveau von α = 0,05 (zweiseitig) nach. Dieser beträgt tkrit = 2,093. Wärst du fälschlicherweise von df = 20 ausgegangen, hättest du tkrit = 2,086 verwendet – ein kleiner, aber prinzipiell relevanter Unterschied.
| Freiheitsgrade (df) | Kritischer t-Wert |
|---|---|
| 5 | 2,571 |
| 10 | 2,228 |
| 19 | 2,093 |
| 30 | 2,042 |
| ∞ | 1,960 |
Die Tabelle zeigt anschaulich: Je kleiner die Anzahl der Freiheitsgrade, desto größer muss der t-Wert sein, um Signifikanz zu erreichen. Kleine Stichproben setzen also strengere Maßstäbe – und das ist kein Zufall, sondern statistisch wohlbegründet.
