Gradi di libertà: definizione, significato ed esempi

I gradi di libertà sono uno di quei termini statistici che all’inizio possono sembrare astratti o confusi. È probabile che tu li abbia già incontrati su qualche libro di testo.

In breve, i gradi di libertà misurano quanta libertà hanno i tuoi dati di variare una volta imposti alcuni vincoli, come una media o un totale fissati. Se questo ti sembra poco chiaro, non preoccuparti: in questo articolo, a partire dalla prossima sezione, entrerò nei dettagli. Spiegherò perché esistono e fornirò esempi chiari affinché tu possa studiarli e costruire un’intuizione solida.

Cosa intendiamo per gradi di libertà?

I gradi di libertà rappresentano il numero di valori in un dataset o in un calcolo che possono variare liberamente una volta considerati tutti i vincoli.

Immagina che ti venga chiesto di scegliere tre numeri che sommano esattamente 30. Puoi scegliere liberamente i primi due numeri, ma il terzo è automaticamente fissato per far sì che il totale sia 30. Questo riduce il numero di valori davvero liberi di variare. Quindi, i gradi di libertà indicano quanti pezzi di informazione indipendenti rimangono dopo aver applicato i vincoli.

Come trovare i gradi di libertà

In generale, i gradi di libertà si calcolano come il numero di osservazioni n meno il numero di vincoli o di parametri stimati dai dati.

Test statistici diversi applicano vincoli diversi, motivo per cui le formule variano, come nel caso di n-1 per un t-test a campione singolo. In pratica, raramente devi calcolare a mano i gradi di libertà, perché il software statistico lo fa automaticamente. Tuttavia, comprendere il principio generale ti aiuterà inevitabilmente a interpretare correttamente i risultati.

Perché i gradi di libertà sono importanti in statistica

I gradi di libertà esistono perché i calcoli statistici si basano in larga misura su stime, come la media o la varianza campionaria, che consumano informazione dai dati. Pertanto, senza tener conto di questi vincoli, le nostre stime della variabilità, degli intervalli di confidenza, dei p-value e altro ancora risulterebbero inaccurate.

In generale, gradi di libertà più alti portano per lo più a stime più precise e intervalli di confidenza più stretti. Compaiono anche nei test d’ipotesi perché determinano quale distribuzione usare e quanta informazione ha il test. Questo influisce direttamente sull’affidabilità dell’inferenza statistica.

Gradi di libertà spiegati con un esempio semplice

Supponiamo che tre amici stiano dividendo un conto al ristorante di 60 $. Vuoi che il pagamento medio sia di 20 $ a persona, quindi segui i passaggi seguenti:

1. Scegli liberamente il primo pagamento di 15 $.
2. Scegli liberamente il secondo pagamento di 25 $.
3. Il terzo pagamento deve essere 20 $ per rendere la media 20, il che porta a un totale di 60 $.

Quindi, anche se hai tre valori, solo due erano liberi di variare. Diciamo che l’ultimo è stato determinato dal vincolo (che è la media fissata). Pertanto, qui i gradi di libertà sono pari a 3-1=2.

Questo mostra che il numero di punti dati (3) non coincide con i gradi di libertà (2). Diciamo che il vincolo “consuma” un grado di libertà.

Gradi di libertà nei test statistici comuni

In questa sezione mostrerò alcuni esempi di gradi di libertà nei test statistici più comuni e come utilizzarli.

Gradi di libertà in un t-test

Per un t-test a campione singolo, gradi di libertà = n - 1. In questo caso si “consuma” un grado di libertà perché stimiamo la media campionaria dai dati. Con una dimensione campionaria maggiore, si ottengono df più alti con t-test più affidabili.

Gradi di libertà nei test chi-quadro

In un test di bontà di adattamento chi-quadro, i gradi di libertà = numero di categorie - 1. Il vincolo è che la frequenza osservata totale debba uguagliare la frequenza attesa totale.

Gradi di libertà nell’ANOVA

Nella ANOVA a un fattore, i gradi di libertà si dividono tra gruppi (k-1, dove k è il numero di gruppi) e entro i gruppi (N-k, dove N = dimensione campionaria totale). Questo riflette i vincoli sia dalle medie di gruppo sia dalla media complessiva del dataset.

Errori comuni sui gradi di libertà

In questa sezione affronterò alcune tra le idee più fraintese sui gradi di libertà. Prima di tutto, i gradi di libertà non sono la dimensione del campione, perché di solito sono inferiori a causa dei vincoli che li riducono. 

In altre parole, i gradi di libertà non coincidono con il numero di variabili o parametri. Contano specificamente i pezzi di informazione indipendenti dopo i vincoli.

Inoltre, gradi di libertà più alti non sono sempre migliori: c’è sempre un compromesso, perché in alcuni contesti gradi di libertà molto elevati possono indicare overfitting o assunzioni irrealistiche.

Gradi di libertà vs. dimensione del campione

La dimensione del campione n è il numero totale di osservazioni. Sebbene i gradi di libertà non coincidano esattamente con la dimensione del campione, ne sono fortemente influenzati. Ciò deriva dal fatto che, tipicamente, i gradi di libertà sono n meno il numero di vincoli o parametri stimati. Ecco perché df è quasi sempre minore di n. La relazione tra i due esiste perché stimare parametri impone vincoli ai dati.

Come interpretare i gradi di libertà

La regola pratica è concentrarsi meno sul calcolo esatto e più su ciò che il vincolo rappresenta concretamente.

Pochi gradi di libertà significano meno pezzi di informazione indipendenti, il che porta a intervalli di confidenza più ampi e a minore potenza statistica. Dovresti fidarti dell’output del tuo software, ma fai sempre controlli di buon senso, per esempio chiedendoti se i gradi di libertà riportati abbiano senso dato la tua dimensione campionaria e il test eseguito.

Conclusione

I gradi di libertà misurano quanta informazione davvero indipendente è disponibile nei tuoi dati dopo aver considerato tutti i vincoli. L’idea principale da tenere a mente è semplice: ogni volta che stimi un parametro o imponi una restrizione, perdi un grado di libertà. Capire questo concetto rafforza la tua intuizione statistica e ti aiuta a interpretare i risultati dei test con maggiore sicurezza. Con la pratica, i gradi di libertà ti sembreranno molto meno misteriosi e molto più significativi.