统计学中,多余参数(英語:nuisance parameter)是指与感兴趣参数无关,但在分析那些感兴趣参数时必须考虑的所有參數。例如,当正态分布均值μ是首要关心的参数时,方差σ2就是一个多余参数。

多余参数通常是方差,但并不总是;例如,在含误差变量模型英语Errors-in-variables models中,未知的每个观测的真实位置是多余参数。一般来说,任何干扰另一个参数的分析的参数,都可认为是多余参数。如果该参数成为研究对象,它就不再“多余”,就像分布的方差一样。

對于已知隨机變量,在得到了所有未知隨机變量的聯合條件分佈后(比如可利用贝叶斯定理),就可以利用邊緣分佈將多餘參數邊緣化,以得到我們感興趣的那部分隨机變量的結果。