Название «функция ошибки» и ее аббревиатура erf были предложены Дж. У. Л. Глейшером в 1871 году из-за ее связи с «теорией вероятностей, и особенно с теорией ошибок ». [3] Дополнение к функции ошибок также обсуждалось Глейшером в отдельной публикации в том же году. [4]
Для «закона легкости» ошибок, плотность которых определяется выражением
Когда результаты серии измерений описываются нормальным распределением со стандартным отклонением σ и ожидаемым значением 0, то erf (а/σ √ 2) — это вероятность того, что ошибка одного измерения лежит между − a и + a для положительного a . Это полезно, например, при определении частоты ошибок по битам в цифровой системе связи.
Функция ошибок и ее аппроксимации могут использоваться для оценки результатов, которые справедливы с высокой или низкой вероятностью. Учитывая случайную величину X ~ Norm[ μ , σ ] (нормальное распределение со средним значением µ и стандартным отклонением σ ) и константу L > µ , это можно показать посредством интегрирования путем подстановки:
где A и B — некоторые числовые константы. Если L достаточно далеко от среднего значения, а именно µ − L ≥ σ √ ln k , то:
поэтому вероятность стремится к 0 при k → ∞ .
Вероятность того, что X находится в интервале [ L a , L b ], может быть получена как
Характеристики
Участки в сложной плоскости
Свойство erf (− z ) = −erf z означает, что функция ошибок является нечетной функцией . Это напрямую следует из того, что подынтегральная функция e − t 2 является четной функцией (первообразная четной функции, равная нулю в начале координат, является нечетной функцией, и наоборот).
Поскольку функция ошибок представляет собой целую функцию , которая преобразует действительные числа в действительные числа, для любого комплексного числа z :
Подынтегральная функция f = exp(− z 2 ) и f = erf z показаны в комплексной z -плоскости на рисунках справа с раскраской области .
Функция ошибок в точке +∞ равна ровно 1 (см. интеграл Гаусса ). На действительной оси erf z приближается к единице при z → +∞ и к −1 при z → −∞ . На мнимой оси оно стремится к ± i ∞ .
Серия Тейлора
Функция ошибки — это целая функция ; он не имеет особенностей (кроме точки на бесконечности), и его разложение Тейлора всегда сходится, но он широко известен «[...] своей плохой сходимостью, если x > 1 ». [5]
Разложение [7] , которое сходится быстрее для всех действительных значений x , чем разложение Тейлора, получается с использованием теоремы Ганса Генриха Бюрмана : [8]
где sn — знаковая функция . Оставив только первые два коэффициента и выбрав c 1 =31/200и с 2 = -341/8000, полученное приближение показывает наибольшую относительную ошибку при x = ±1,3796 , где она меньше 0,0036127:
Обратные функции
Учитывая комплексное число z , не существует уникального комплексного числа w, удовлетворяющего erf w = z , поэтому истинная обратная функция будет многозначной. Однако для −1 < x < 1 существует уникальное действительное число, обозначаемое erf −1 x, удовлетворяющее
Обратная функция ошибок обычно определяется в области (−1,1) и ограничена этой областью во многих системах компьютерной алгебры. Однако его можно распространить и на диск | г | < 1 комплексной плоскости, используя ряд Маклорена [9]
где c 0 = 1 и
Итак, мы имеем разложение в ряд (в числителях и знаменателях убраны общие множители):
(После отмены дроби числителя/знаменателя представляют собой записи OEIS : A092676 / OEIS : A092677 в OEIS ; без отмены члены числителя приведены в записи OEIS : A002067 .) Значение функции ошибок при ±∞ равно ±1 .
Для | г | < 1 , мы имеем erf(erf −1 z ) = z .
Обратная дополнительная функция ошибок определяется как
Для действительного x существует уникальное действительное число erfi −1 x , удовлетворяющее erfi(erfi −1 x ) = x . Обратная функция мнимой ошибки определяется как erfi −1 x . [10]
Для любого действительного x метод Ньютона можно использовать для вычисления erfi −1 x , а для −1 ≤ x ≤ 1 сходится следующий ряд Маклорена:
где c k определяется, как указано выше.
Асимптотическое расширение
Полезное асимптотическое разложение дополнительной функции ошибок (и, следовательно, также функции ошибок) для больших действительных x :
где (2 n − 1)!! — двойной факториал числа (2 n − 1) , который является произведением всех нечётных чисел до (2 n − 1) . Этот ряд расходится для каждого конечного x , и его смысл как асимптотического разложения состоит в том, что для любого целого числа N ≥ 1 имеет место
Для достаточно больших значений x для получения хорошего приближения erfc x необходимы только первые несколько членов этого асимптотического разложения (в то время как для не слишком больших значений x приведенное выше разложение Тейлора при 0 обеспечивает очень быструю сходимость).
Абрамовиц и Стегун дают несколько аппроксимаций различной точности (уравнения 7.1.25–28). Это позволяет выбрать наиболее быстрое приближение, подходящее для данного приложения. В порядке возрастания точности они следующие:
(максимальная ошибка:5 × 10 -4 )
где а 1 = 0,278393 , а 2 = 0,230389 , а 3 = 0,000972 , а 4 = 0,078108
(максимальная ошибка:2,5 × 10 -5 )
где p = 0,47047 , a 1 = 0,3480242 , a 2 = -0,0958798 , a 3 = 0,7478556
(максимальная ошибка:3 × 10 −7 )
где a 1 = 0,0705230784 , a 2 = 0,0422820123 , a 3 = 0,0092705272 , a 4 = 0,0001520143 , a 5 = 0,0002765672 , a 6 = 0,0000430638
(максимальная ошибка:1,5 × 10 −7 )
где p = 0,3275911 , a 1 = 0,254829592 , a 2 = -0,284496736 , a 3 = 1,421413741 , a 4 = -1,453152027 , a 5 = 1,061405429
Все эти приближения справедливы для x ≥ 0 . Чтобы использовать эти приближения для отрицательных x , используйте тот факт, что erf x является нечетной функцией, поэтому erf x = −erf(− x ) .
Экспоненциальные границы и чисто экспоненциальная аппроксимация дополнительной функции ошибок даются формулой [15]
Вышеупомянутое было обобщено на суммы N экспонент [16] с возрастающей точностью в терминах N , так что erfc x можно точно аппроксимировать или ограничить величиной 2 Q̃ ( √ 2 x ) , где
В частности, существует систематическая методология решения числовых коэффициентов {( a n , b n )}Н н = 1которые дают минимаксное приближение или оценку для тесно связанной Q-функции : Q ( x ) ≈ Q̃ ( x ) , Q ( x ) ≤ Q̃ ( x ) или Q ( x ) ≥ Q̃ ( x ) для x ≥ 0 . Коэффициенты {( a n , b n )}Н н = 1для многих вариантов экспоненциальных аппроксимаций и границ до N = 25 были выпущены в открытый доступ в виде комплексного набора данных. [17]
Точная аппроксимация дополнительной функции ошибок для x ∈ [0,∞) дана Карагианнидисом и Лиумпасом (2007) [18] , которые показали для соответствующего выбора параметров { A , B } , что
Они определили { A , B } = {1,98,1,135} , что дало хорошее приближение для всех x ≥ 0 . Также доступны альтернативные коэффициенты для настройки точности для конкретного приложения или преобразования выражения в жесткую границу. [19]
Одночленная нижняя граница равна [20]
где параметр β можно выбрать так, чтобы минимизировать ошибку на желаемом интервале аппроксимации.
Другое приближение дано Сергеем Виницким с использованием его «глобальных приближений Паде»: [21] [22] : 2–3.
где
Это разработано так, чтобы быть очень точным в окрестности 0 и окрестности бесконечности, а относительная ошибка составляет менее 0,00035 для всех действительных x . Использование альтернативного значения a ≈ 0,147 снижает максимальную относительную ошибку примерно до 0,00013. [23]
Это приближение можно инвертировать, чтобы получить приближение для обратной функции ошибок:
Аппроксимация с максимальной ошибкой1,2 × 10 −7 для любого вещественного аргумента равно: [24]
с
и
Аппроксимация с максимальной относительной ошибкой меньше, чем по абсолютной величине: [25] для ,
и для
Простую аппроксимацию вещественных аргументов можно выполнить с помощью гиперболических функций :
который сохраняет абсолютную разницу .
Таблица значений
Связанные функции
Дополнительная функция ошибок
Дополнительная функция ошибок , обозначаемая erfc , определяется как
который также определяет erfcx , масштабированную дополнительную функцию ошибок [26] (которую можно использовать вместо erfc , чтобы избежать арифметического опустошения [26] [27] ). Другая форма erfc x для x ≥ 0 известна как формула Крейга по имени ее первооткрывателя: [28]
Это выражение действительно только для положительных значений x , но его можно использовать в сочетании с erfc x = 2 − erfc(− x ) для получения erfc( x ) для отрицательных значений. Эта форма выгодна тем, что область интегрирования фиксирована и конечна. Расширение этого выражения для erfc суммы двух неотрицательных переменных выглядит следующим образом: [29]
Функция мнимой ошибки
Мнимая функция ошибок , обозначаемая erfi , определяется как
Несмотря на название «мнимая функция ошибки», erfi x действительна, когда x действительна.
Когда функция ошибок вычисляется для произвольных комплексных аргументов z , результирующая комплексная функция ошибок обычно рассматривается в масштабированной форме как функция Фаддеевой :
Кумулятивная функция распределения
Функция ошибок по существу идентична стандартной нормальной функции кумулятивного распределения , обозначаемой Φ , также называемой нормой ( x ) в некоторых языках программирования [ нужна ссылка ] , поскольку они отличаются только масштабированием и переводом. Действительно,
или переставить для erf и erfc :
Следовательно, функция ошибок также тесно связана с Q-функцией , которая представляет собой хвостовую вероятность стандартного нормального распределения. Q-функция может быть выражена через функцию ошибок как
E 0 ( x ) — прямая линия, проходящая через начало координат: E 0 ( x ) =Икс/е √ π
E 2 ( x ) — функция ошибок, erf x .
После деления на n ! , все En для нечетных n выглядят похожими (но не идентичными) друг другу. Аналогично, En для четных n выглядят похожими (но не идентичными) друг другу после простого деления на n ! . Все обобщенные функции ошибок для n > 0 выглядят одинаково на положительной стороне x графика.
Следовательно, мы можем определить функцию ошибок через неполную гамма-функцию:
Повторные интегралы дополнительной функции ошибок
Повторные интегралы дополнительной функции ошибок определяются формулой [30]
Общая рекуррентная формула:
У них есть степенной ряд
откуда следуют свойства симметрии
и
Реализации
Как реальная функция реального аргумента
В POSIX -совместимых операционных системах заголовок math.hдолжен объявлять, а математическая библиотека libmдолжна предоставлять функции erfи erfc( двойной точности ), а также их аналоги одинарной точности и расширенной точностиerff , erflи erfcf, erfcl. [31]
Научная библиотека GNU предоставляет функции erf, erfc, log(erf)и масштабированных ошибок. [32]
Как сложная функция сложного аргумента
libcerf, числовая библиотека C для комплексных функций ошибок, предоставляет комплексные функции cerfи cerfcдействительные cerfcxфункции erfiс erfcxточностью примерно 13–14 цифр на основе функции Фаддеевой , реализованной в пакете MIT Faddeeva Package.
^ Глейшер, Джеймс Уитбред Ли (июль 1871 г.). «Об одном классе определенных интегралов». Философский журнал и журнал науки Лондона, Эдинбурга и Дублина . 4. 42 (277): 294–302. дои : 10.1080/14786447108640568 . Проверено 6 декабря 2017 г.
^ Глейшер, Джеймс Уитбред Ли (сентябрь 1871 г.). «Об одном классе определенных интегралов. Часть II». Философский журнал и журнал науки Лондона, Эдинбурга и Дублина . 4. 42 (279): 421–436. дои : 10.1080/14786447108640600 . Проверено 6 декабря 2017 г.
^ "A007680 - OEIS" . oeis.org . Проверено 2 апреля 2020 г.
^ Шёпф, HM; Супанчич, PH (2014). «О теореме Бюрмана и ее применении к задачам линейной и нелинейной теплопередачи и диффузии». Журнал Математика . 16 . дои : 10.3888/tmj.16-11 .
^ Доминичи, Диего (2006). «Асимптотический анализ производных обратной функции ошибок». arXiv : math/0607230 .
^ Бергсма, Вичер (2006). «О новом коэффициенте корреляции, его ортогональном разложении и связанных с ним критериях независимости». arXiv : math/0604627 .
^ Кайт, Энни AM ; Петерсен, Вигдис Б.; Вердонк, Бриджит; Вааделанд, Хокон; Джонс, Уильям Б. (2008). Справочник цепных дробей для специальных функций . Спрингер-Верлаг. ISBN978-1-4020-6948-2.
^ Нг, Эдвард В.; Геллер, Мюррей (январь 1969 г.). «Таблица интегралов от функций ошибки». Журнал исследований Национального бюро стандартов. Раздел B. 73B (1): 1. doi :10.6028/jres.073B.001.
^ Шлёмильх, Оскар Ксавьер (1859). «Ueber Facultätenreihen». Zeitschrift für Mathematik und Physik (на немецком языке). 4 : 390–415.
^ Нильсон, Нильс (1906). Handbuch der Theorie der Gammafunktion (на немецком языке). Лейпциг: Б. Г. Тойбнер. п. 283 уравнение. 3 . Проверено 4 декабря 2017 г.
^ Кьяни, М.; Дардари, Д.; Саймон, МК (2003). «Новые экспоненциальные границы и приближения для расчета вероятности ошибки в каналах с замиранием» (PDF) . Транзакции IEEE по беспроводной связи . 2 (4): 840–845. CiteSeerX 10.1.1.190.6761 . дои : 10.1109/TWC.2003.814350.
^ Танаш, ИМ; Риихонен, Т. (2020). «Глобальные минимаксные приближения и оценки гауссовой Q-функции суммами экспонент». Транзакции IEEE в области коммуникаций . 68 (10): 6514–6524. arXiv : 2007.06939 . дои : 10.1109/TCOMM.2020.3006902. S2CID 220514754.
^ Танаш, ИМ; Риихонен, Т. (2020). «Коэффициенты глобальных минимаксных аппроксимаций и границы гауссовой Q-функции по суммам экспонент [набор данных]». Зенодо . дои : 10.5281/zenodo.4112978.
^ Танаш, ИМ; Риихонен, Т. (2021). «Улучшенные коэффициенты для приближений Карагианнидиса – Лиумпаса и границы гауссовой Q-функции». Коммуникационные письма IEEE . 25 (5): 1468–1471. arXiv : 2101.07631 . дои : 10.1109/LCOMM.2021.3052257. S2CID 231639206.
^ Чанг, Сок-Хо; Косман, Памела С .; Мильштейн, Лоуренс Б. (ноябрь 2011 г.). «Границы типа Чернова для функции ошибки Гаусса». Транзакции IEEE в области коммуникаций . 59 (11): 2939–2944. дои : 10.1109/TCOMM.2011.072011.100049. S2CID 13636638.
^ Виницкий, Сергей (2003). «Равномерные приближения трансцендентных функций» . Вычислительная наука и ее приложения – ICCSA 2003 . Конспекты лекций по информатике. Том. 2667. Шпрингер, Берлин. стр. 780–789. дои : 10.1007/3-540-44839-X_82. ISBN978-3-540-40155-1.
^ Цзэн, Кайбин; Чен, Ян Цуан (2015). «Глобальные аппроксимации Паде обобщенной функции Миттаг-Леффлера и ее обратной». Дробное исчисление и прикладной анализ . 18 (6): 1492–1506. arXiv : 1310.5592 . doi : 10.1515/fca-2015-0086. S2CID 118148950. Действительно, Виницкий [32] предложил так называемое глобальное приближение Паде.
↑ Виницкий, Сергей (6 февраля 2008 г.). «Удобное приближение функции ошибок и ее обратной».
^ Числовые рецепты на Фортране 77: Искусство научных вычислений ( ISBN 0-521-43064-X ), 1992, стр. 214, Cambridge University Press.
^ Диа, Яя Д. (2023). Приближенные неполные интегралы, приложение к дополнительной функции ошибки. Доступно на SSRN: https://ssrn.com/abstract=4487559 или http://dx.doi.org/10.2139/ssrn.4487559, 2023 г.
^ abc Коди, WJ (март 1993 г.), «Алгоритм 715: SPECFUN — портативный пакет FORTRAN специальных функций и тестовых драйверов» (PDF) , ACM Trans. Математика. Программное обеспечение , 19 (1): 22–32, CiteSeerX 10.1.1.643.4394 , doi : 10.1145/151271.151273, S2CID 5621105
^ Джон В. Крейг, Новый, простой и точный результат для расчета вероятности ошибки для двумерных сигнальных созвездий. Архивировано 3 апреля 2012 г. в Wayback Machine , Труды конференции IEEE Military Communication Conference 1991 г., том. 2, стр. 571–575.
^ Бехнад, Айдын (2020). «Новое расширение формулы Q-функции Крейга и ее применение в анализе производительности двухветвевого EGC». Транзакции IEEE в области коммуникаций . 68 (7): 4117–4125. дои : 10.1109/TCOMM.2020.2986209. S2CID 216500014.
Пресс, Уильям Х.; Теукольский, Саул А.; Веттерлинг, Уильям Т.; Фланнери, Брайан П. (2007), «Раздел 6.2. Неполная гамма-функция и функция ошибок», Численные рецепты: искусство научных вычислений (3-е изд.), Нью-Йорк: Cambridge University Press, ISBN 978-0-521-88068-8