数理统计中，不感兴趣或不是直接有意义的，但在分析感兴趣的参数时又必须考虑的那些参数。例如正态分布，当均值是最感兴趣的参数时，则冗余参数就是其方差。同样一个参数，如果它变成研究的对象就可能不再是冗余参数了。

在有些情况下，为了避免冗余参数的影响找到了新的统计方法，如检验，因为此时检验统计量不依赖未知方差。在其他情形下，可用贝叶斯方法提供某个一致性的、原则性较强的方式来处理冗余参数，一种普遍适用的方法是从所有参数的联合后验分布中创建随机样本，完成随机样本的创建之后，通过边缘化冗余参数可以找到仅包含感兴趣参数的联合分布。冗余参数的存在会使对所感兴趣的参数推断问题变得复杂化。

举例说明：对于正态总体，如果均值的置信区间最感兴趣，此时就是冗余参数，如果方差未知，需要首先用样本标准差：

估计标准差，从而可以替换求解置信区间时所用的枢轴量中包含的。由此，可得到新的枢轴量，再根据新的枢轴量的分布即可求出均值的置信区间。