Функция ошибок крампа

From Wikipedia, the free encyclopedia

The Faddeeva function or Kramp function is a scaled complex complementary error function,

It is related to the Fresnel integral, to Dawson’s integral, and to the Voigt function.

The function arises in various physical problems, typically relating to electromagnetic responses in complicated media.

• problems involving small-amplitude waves propagating through Maxwellian plasmas, and in particular appears in the plasma’s permittivity from which dispersion relations are derived, hence it is sometimes referred to as the plasma dispersion function^[1][2] (although this name is sometimes used instead for the rescaled function Z(z) = i√π w(z) defined by Fried and Conte, 1961^[1][3]).
• the infrared permittivity functions of amorphous oxides have resonances (due to phonons) that are sometimes too complicated to fit using simple harmonic oscillators. The Brendel–Bormann oscillator model uses an infinite superposition of oscillators having slightly different frequencies, with a Gaussian distribution.^[4] The integrated response can be written in terms of the Faddeeva function.
• the Faddeeva function is also used in the analysis of electromagnetic waves of the type used in AM radio.^{[citation needed]} Groundwaves are vertically polarised waves propagating over a lossy ground with finite resistivity and permittivity.
• the Faddeeva function also describes the changes of the neutron cross sections of materials as temperature is varied.^[5]

Properties[edit]

Real and imaginary parts[edit]

The decomposition into real and imaginary parts is usually written

,

where V and L are called the real and imaginary Voigt functions, since V(x,y) is the Voigt profile (up to prefactors).

Sign inversion[edit]

For sign-inverted arguments, the following both apply:

and

where * denotes complex conjugate.

Relation to the complementary error function[edit]

The Faddeeva function evaluated on imaginary arguments equals the scaled complementary error function ():

,

where erfc is the complementary error function. For large real x:

Derivative[edit]

In some applications, it is necessary to know not only the original values of the Faddeeva function, but also its derivative (e.g. in Non-linear least squares regression in spectroscopy). Its derivative is given by:^[6][7]

This expression can also be broken down further in terms of changes in the real and imaginary part of the Faddeeva function and . Basically, this requires knowledge about the real and imaginary part of the product . Making use of the above definition , the derivative can therefore be split into partial derivatives with respect to and as follows:

      and      

      and      

A practical example for the use of these partial derivatives can be found here.

Integral representation[edit]

The Faddeeva function occurs as

meaning that it is a convolution of a Gaussian with a simple pole.

History[edit]

The function was tabulated by Vera Faddeeva and N. N. Terentyev in 1954.^[8] It appears as nameless function w(z) in Abramowitz and Stegun (1964), formula 7.1.3. The name Faddeeva function was apparently introduced by G. P. M. Poppe and C. M. J. Wijers in 1990;^{[9][better source needed]} previously, it was known as Kramp’s function (probably after Christian Kramp).^[10]

Early implementations used methods by Walter Gautschi (1969–70; ACM Algorithm 363)^[11] or by J. Humlicek (1982).^[12] A more efficient algorithm was proposed by Poppe and Wijers (1990; ACM Algorithm 680).^[13] J.A.C. Weideman (1994) proposed a particularly short algorithm that takes no more than eight lines of MATLAB code.^[14] Zaghloul and Ali pointed out deficiencies of previous algorithms and proposed a new one (2011; ACM Algorithm 916).^[2] Another algorithm has been proposed by M. Abrarov and B.M. Quine (2011/2012).^[15]

Implementations[edit]

Two software implementations, which are free for non-commercial use only,^[16] were published in ACM Transactions on Mathematical Software (TOMS) as Algorithm 680 (in Fortran,^[17] later translated into C)^[18] and Algorithm 916 by Zaghloul and Ali (in MATLAB).^[19]

A free and open source C or C++ implementation derived from a combination of Algorithm 680 and Algorithm 916 (using different algorithms for different z) is also available under the MIT License,^[20] and is maintained as a library package libcerf.^[21]
This implementation is also available as a plug-in for Matlab,^[20] GNU Octave,^[20] and in Python via Scipy as scipy.special.wofz (which was originally the TOMS 680 code, but was replaced due to copyright concerns^[22]).

See also[edit]

• List of mathematical functions

References[edit]

8

МИНИСТЕРСТВО
ВНУТРЕННИХ ДЕЛ РОССИИ

ФГОУ
ВПО Восточно-Сибирский институт МВД

Строительные
конструкции

Справочное пособие
по дисциплине

«Здания, сооружения
и их устойчивость при пожаре»

Иркутск

2001

Печатается
по решению редакционно-издательского
совета Восточно-Сибирского института
МВД России. Справочное пособие разработано
в соответствии с программой курса
«Здания, сооружения и их устойчивость
при пожаре». В нем представлены
справочные данные для решения задач
по разделу дисциплины «Строительные
конструкции и поведение их в условиях
пожара». В конце приведен перечень
основной и дополнительной литературы.

Предназначено
для слушателей факультета «Пожарной
безопасности» и факультета заочного
обучения.

Составители:
В.Г.Шелегов

Н.А.Кузнецов

 ФГОУ ВПО
Восточно-Сибирский институт МВД России,
2001

Содержание

Введение 6

1.Металлические
конструкции 8

1.1. Сортамент
металлических конструкций 8

1.1.1. Балки
двутавровые 8

1.1.2. Швеллеры 9

1.1.3. Трубы стальные
электросварные 10

1.1.4. Сталь прокатная
угловая равнополочная 12

1.2. График зависимости
температуры незащищенных металлических
пластин от времени прогрева и приведенной
толщины металла 14

1.3. Кривые критических
температур, вызывающих потерю устойчивости
сжатых стальных стержней 15

1.4. Зависимости
коэффициентов изменения предела
текучести (γТ) и модуля упругости стали
(γЕ) от температуры 16

1.5. Расчетные длины
элементов фермы 16

1.6. Спецификация
элементов ферм 17

1.7. Нормативные
сопротивления при растяжении, сжатии
и изгибе листового, широкополосного
универсального и фасонного проката по
ГОСТ 27772-88 для стальных конструкций
зданий и сооружений 37

1.8. Нормативные
сопротивления при растяжении, сжатии
и изгибе труб для стальных конструкций
зданий и сооружений 38

1.9. Марки стали,
заменяемые сталями по ГОСТ 27772–88 38

1.10. Геометрические
схемы ферм 40

1.11. Графики
изменения температур защищенных
стальных пластин 53

1.11.1. Огнезащита
перлитовой штукатуркой: 53

1.11.2. Огнезащита
цементно-песчаной штукатуркой 54

1.11.3. Огнезащита
фосфатным покрытием 54

54

2.
Деревянные конструкции 55

2.1. Расчетные
сопротивления Rf для определения пределов
огнестойкости деревянных конструкций 55

2.2. Скорость
обугливания древесины 55

2.3. Зависимость
коэффициентов геометрических
характеристик сечения при обугливании 56

2.3.1. При трехстороннем
обогреве 56

2.3.2. При
четырехстороннем обогреве 57

2.4. Зависимость
коэффициента ηJ4 для момента инерции
сечения при обугливании с 4-х сторон 59

2.5. Соединения
деревянных конструкций 59

2.5.1. Опорные узлы
балок (без огнезащиты) 59

2.5.2. Вариант
огнезащиты опорного узла балки 60

2.5.3. Узлы соединения
элементов связей с балкой без огнезащиты 61

2.5.4. Вариант
огнезащиты нагельных соединений
элементов связей 62

2.6. Пределы
огнестойкости перегородок из
гипсокартонных листов 62

3.
Железобетонные конструкции 63

3.1. Арматура 63

3.1.1. Сортамент
арматуры 63

3.1.2. Нормативные
сопротивления для основных видов
стержневой арматуры 64

3.1.3. Изменение
температуры от времени по стандартному
температурному режиму 64

3.1.4. Графики для
определения температуры прогрева
арматурных стержней в зависимости от
координат их расположения 65

3.1.5. Расчетные
значения коэффициента γs,tem, учитывающего
снижение нормативного сопротивления
арматурных сталей в зависимости от
температуры их нагрева в напряженном
состоянии 67

3.1.6. Значения
модуля упругости арматуры 68

3.2. Бетон 68

3.2.1. Нормативные
сопротивления тяжелого бетона при
классе бетона по прочности на сжатие 68

3.2.2. Начальные
модули упругости тяжелого бетона 69

3.2.3. Теплофизические
характеристики бетонов при высоких
температурах 69

3.2.4. Номограмма
для определения относительной температуры
(θ) в зависимости от критерия Фурье (F0)
и величины (ξ) 70

3.2.5. Температура
в середине неограниченной пластины 71

3.2.6. Значения
критических температур бетона 71

3.2.7. Таблица
значений функции ошибок Гаусса (Крампа)
– егfХ 72

3.2.8. Числовые
значения коэффициента (К) в зависимости
от объемной массы (средней плотности)
(ρ0) бетона 73

3.2.9. Числовые
значения коэффициента (К1) в зависимости
от объемной массы (средней плотности)
(ρ0) бетона 73

3.2.10. Значение
коэффициента продольного изгиба (φt )
для нагретых колонн 73

3.2.11. Слои прогретые
до критической температуры 74

Литература 75

Введение

Дисциплина «Здания,
сооружения и их устойчивость при пожаре»
представляет комплекс фундаментальных
тем инженерных строительных дисциплин,
на основе которых рассматриваются
вопросы стойкости строительных материалов
в условиях пожара, огнестойкости
строительных конструкций, устойчивости
зданий и сооружений при пожаре и других
вопросов необходимых для подготовки
инженера пожарной безопасности.

В процессе изучения
дисциплины обучаемые осваивают расчеты
огнестойкости строительных конструкций,
на практических занятиях и в ходе
выполнения домашних упражнений. Наиболее
сложной задачей стоящей перед обучаемыми
в процессе изучения курса является
выполнение курсового проекта, целью
которого является проверка соответствия
фактической степени огнестойкости
здания противопожарным требованиям
СНиП и разработка технических решений
по повышению огнестойкости строительных
конструкций.

Учитывая, что в
современном строительстве зданий и
сооружений в основном используются
железобетонные, стальные, клееные
деревянные конструкции, в справочнике
приводятся данные для расчетов их
огнестойкости и разработки решений по
огнезащите.

Справочник включает
три раздела: металлические конструкции,
деревянные конструкции и железобетонные
конструкции.

Первый раздел по
металлическим конструкциям включает
сортаменты различных сечений металлических
элементов, зависимости температуры
незащищенных и защищенных металлических
пластин от времени прогрева и приведенной
толщины металла, зависимость изменения
коэффициентов предела прочности и
модуля упругости металла, а также
критической разности краевых деформаций
ползучести от температуры прогрева,
спецификацию элементов ферм и их
геометрические схемы и др.

Второй
раздел по деревянным конструкциям
включает: расчетные сопротивления для
определения пределов огнестойкости
деревянных конструкций, скорость
обугливания древесины, зависимости
коэффициентов геометрических характеристик
сечения от отношения глубины обугливания
и высоты сечения при обугливании, опорные
узлы балок и варианты огнезащиты, пределы
огнестойкости перегородок из гипсокартонных
листов.

Третий
раздел разбит на два подраздела:
справочные данные по арматуре и бетону.
Справочные данные по арматуре включают:
сортамент арматуры, нормативные
сопротивления арматуры, изменения
температуры в стержнях арматуры,
расчетные значения коэффициента γ_s,tem,
учитывающего снижение нормативного
сопротивления арматурных сталей в
зависимости от температуры их нагрева.
Данные по бетону включают: нормативные
сопротивления бетона и модуль упругости
бетона, теплофизические характеристики
бетона, номограммы для определения
относительной температуры и в середине
неограниченной пластины, значения
критических температур бетона и значение
Гауссовского интеграла ошибок.

1. Металлические конструкции

1.1. Сортамент металлических конструкций

1.1.1. Балки двутавровые

(выборка из ГОСТ
8239-72*)

Обозначения:

h
– высота балки; b_f
–
ширина балки;

t_w
– толщина стенки; t_f
– толщина полки;

J
– момент инерции;

W
–момент сопротивления.

Номер профиля	Размеры (мм)	Площадь сечения см2	Справочные величины для осей
h	b f	t f	t w	x — x	y – y
Jx, см4	Wx, см3	I x	Jy, см4	Wy, см3	Iy
1	2	3	4	5	6	7	8	9	10	11	12
16 18 18a 20 20a 22 22a 24	160 180 180 200 200 220 220 240	81 90 100 100 110 110 120 115	7,8 8,1 8,3 8,4 8,6 8,7 8,9 9,5	5 5,1 5,1 5,2 5,2 5,4 5,4 5,6	20,2 23,4 25,4 26,8 28,9 30,6 32,8 34,8	873 1290 1430 1840 2030 2550 2790 3460	109 143 159 184 203 232 254 289	6,57 7,42 7,51 8,28 8,37 9,13 9,22 9,97	58,6 82,6 114 115 155 157 206 198	14,5 18,4 22,8 23,1 28,2 28,6 34,3 34,5	1,7 1,88 2,12 2,07 2,32 2,27 2,5 2,37
24a 27 27a 30 30a 33 36 40 45 50 55 60	240 270 270 300 300 330 360 400 450 500 550 600	125 125 135 135 145 140 145 155 160 170 180 190	9,8 9,8 10,2 10,2 10,7 11,2 12,3 13,0 14,2 15,2 16,5 17,8	5,6 6,0 6,0 6,5 6,5 7,0 7,5 8,3 9,0 10,0 11,0 12,0	37,5 40,2 43,2 46,5 49,9 53,3 61,9 72,7 84,7 100 113 138	3800 5010 5500 7080 7780 9840 1338	317 871 407 472 518 597 743 853 1291 1589 2035 2560	10,1 11,2 11,3 12,3 12,5 13,5 14,7 16,2 18,1 19,9 21,8 23,6	260 260 337 337 436 419 516 667 808 1043 1356 1725	41,5 41,5 50,0 49,9 60,1 59,9 71,1 86,1 101 123 151 182	2,63 2,54 2,8 2,69 2,95 2,79 2,89 3,03 3,09 3,23 3,39 3,54

Соседние файлы в папке Методические пособия

• #
• #
• #
• #
• #
• #

,

где эффективная площадь раскрыва вибратора
определяемая соотношением

,

где    l_д действующая длина антенны, [м]

         а F(ά,β) – нормированная диаграмма
направленности антенны в вертикальной и горизонтальной плоскостях.

Т.к максимум излучения в вертикальной
плоскости совпадает с горизонтальным направлением то β = 0. а всенаправленность
в горизонтальном направлении позволяет считать

поэтому

Для дальнейшего расчета определим
чувствительность приемника

где    k – постоянная Больцмана 1,38.10^-23 Дж/К,

         k_р – коэффициент различимости,

         k_ш – коэффициент шума,

         Δf_ш – шумовая полоса пропускания приемника,

         Т – температура при нормальных
условиях К⁰.

Коэффициент различимости

Коэффициент различимости определяется
соотношением

,

где  q_пор пороговое отношение сигнал шум.

Пороговое отношение сигнал шум при
когерентном приеме связано с вероятностью ошибки приема на бит

,

где   — функция Крампа

r — коэффициент взаимной корреляции двоичных
символов сигнала, при ЧМн    r = 0.
Отсюда следует, что

.

Функция Крампа вычисляется интегралом

.

Поскольку функция Крампа является
сложной функцией,  для которой невозможно получить аналитическое выражение  для
определения q_пор, поэтому необходимо строить
зависимость функции Крампа от q_пор, для определения q_пор. График строится с помощью MathCad 2001i. Он изображен на рисунке 1.3

Рис. 3.5.4. График зависимости
функции Крампа вероятности ошибки от q_пор

По графику при P_ош =0.001 находим   следовательно q_пор
=19,22.

         Коэффициент потерь отношения сигнал/шум.

где     —
коэффициент потерь отношения сигнал/шум в i – м функциональном узле.

Наиболее часто встречающиеся
коэффициенты потери , которыми можно
характеризоваться узлы в приемнике следующие:

· 
— потери в высокочастотном тракте

· 
— потери в детекторе, среднее
значение которых определяются по графику [6 стр. 45 Рис.19].

· 
— потери, вызванные заменой оптимального
фильтра в приемнике фильтром, согласованным по полосе [6 стр.42, таб. 4].

· 
— потери в видеоусилителе.

  Из найденных коэффициентов потерь
находим

Теперь можно вычислить коэффициент
различимости системы

Функция Фаддеева или функция Крампа — это масштабированная комплексная дополнительная функция ошибок ,

Это связано с интегралом Френеля , чтобы интеграл Доусона и к функции Фойгта .

Функция возникает в различных физических задачах, обычно связанных с электромагнитными откликами в сложных средах.

• проблемы, связанные с волнами малой амплитуды, распространяющимися через максвелловскую плазму , и, в частности, проявляется в диэлектрической проницаемости плазмы, из которой выводятся дисперсионные соотношения , поэтому ее иногда называют функцией дисперсии плазмы (хотя это название иногда используется вместо масштабированной функции Z ( z ) = i √ π w ( z ), определенное Фридом и Конте , 1961 г.).
• Инфракрасные функции диэлектрической проницаемости аморфных оксидов имеют резонансы (из-за фононов ), которые иногда слишком сложны, чтобы их можно было подогнать с помощью простых гармонических осцилляторов. Модель осциллятора Бренделя – Бормана использует бесконечную суперпозицию осцилляторов с немного разными частотами с гауссовым распределением. Интегрированный ответ можно записать в терминах функции Фаддеева.
• Функция Фаддеева также используется при анализе электромагнитных волн того типа, который используется в AM-радио. Земные волны — это волны с вертикальной поляризацией, распространяющиеся по грунту с потерями с конечным сопротивлением и диэлектрической проницаемостью.
• функция Фаддеева также описывает изменения нейтронных сечений материалов при изменении температуры.

Характеристики

Реальные и мнимые части

Разложение на действительную и мнимую части обычно записывают

,

где V и L называются действительной и мнимой функциями Фойгта , поскольку V (x, y) — это профиль Фойгта (с точностью до префакторов).

Инверсия знака

Для аргументов с инвертированным знаком применяются оба следующих условия:

а также

где * обозначает комплексное сопряжение.

Связь с дополнительной функцией ошибок

Функция Фаддеева, вычисленная на мнимых аргументах, равна масштабированной дополнительной функции ошибок (erfcx):

,

где erfc — дополнительная функция ошибок . Для больших вещественных x :

Интегральное представление

Функция Фаддеева выглядит как

означает, что это свертка гауссиана с простым полюсом.

История

Эта функция была составлена Верой Фаддеевой и Н.Н. Терентьевым в 1954 году. Она фигурирует как безымянная функция w (z) в формуле 7.1.3 Абрамовица и Стегуна (1964). Название функции Фаддеева, по- видимому, было введено GPM Poppe и CMJ Wijers в 1990 году; ранее она была известна как функция Крампа (вероятно, в честь Кристиана Крампа ).

Ранние реализации использовали методы Уолтера Гаучи (1969–70; ACM Algorithm 363) или Дж. Хумличека (1982). Более эффективный алгоритм был предложен Poppe и Wijers (1990; ACM Algorithm 680). JAC Weideman (1994) предложил особенно короткий алгоритм, который занимает не более восьми строк кода MATLAB . Заглул и Али указали на недостатки предыдущих алгоритмов и предложили новый (2011; ACM Algorithm 916). Другой алгоритм был предложен М. Абраровым и Б.М. Куайном (2011/2012).

Реализации

Две программные реализации, которые бесплатны только для некоммерческого использования, были опубликованы в ACM Transactions on Mathematical Software (TOMS) как алгоритм 680 (в Fortran , позже переведенный на C ) и алгоритм 916 Заглулом и Али (в MATLAB ).

Свободный и открытый исходный код С или C ++ реализации , полученная из комбинации алгоритма и алгоритма 680 916 ( с использованием различных алгоритмов для различного г ) также доступно под MIT лицензии , и поддерживается в виде библиотеку пакета libcerf . Эта реализация также доступна как плагин для Matlab, GNU Octave и в Python через Scipy as scipy.special.wofz(который изначально был кодом TOMS 680, но был заменен из-за проблем с авторскими правами).

использованная литература

График функции

В математике функция ошибок (также называемая Функция ошибок Гаусса ), часто обозначаемая erf, является сложной функцией комплексной определяемой как:

erf ⁡ z = 2 π ∫ 0 ze — t 2 dt. { displaystyle operatorname {erf} z = { frac {2} { sqrt { pi}}} int _ {0} ^ {z} e ^ {- t ^ {2}} , dt.}

Этот интеграл является особой (не элементарной ) и сигмоидной функцией, которая часто встречается в статистике вероятность, и уравнения в частных производных. Во многих из этих приложений аргумент функции является действительным числом. Если аргумент функции является действительным, значение также является действительным.

В статистике для неотрицательных значений x функция имеет интерпретацию: для случайной величины Y, которая нормально распределена с среднее 0 и дисперсия 1/2, erf x — это вероятность того, что Y попадает в диапазон [-x, x].

Две связанные функции: дополнительные функции ошибок (erfc ), определенная как

erfc ⁡ z = 1 — erf ⁡ z, { displaystyle operatorname {erfc} z = 1- operatorname {erf} z,}

и функция мнимой ошибки (erfi ), определяемая как

erfi ⁡ z = — i erf ⁡ (iz), { displaystyle operatorname {erfi} z = -i operatorname {erf} (iz),}

, где i — мнимая единица.

Содержание

• 1 Имя
• 2 Приложения
• 3 Свойства
  • 3.1 Ряд Тейлора
  • 3.2 Производная и интеграл
  • 3.3 Ряд Бюрмана
  • 3.4 Обратные функции
  • 3.5 Асимптотическое разложение
  • 3.6 Разложение на непрерывную дробь
  • 3,7 Интеграл функции ошибок с функцией плотности Гаусса
  • 3.8 Факториальный ряд
• 4 Численные приближения
  • 4.1 Аппроксимация с элементарными функциями
  • 4.2 Полином
  • 4.3 Таблица значений
• 5 Связанные функции
  • 5.1 функция дополнительных ошибок
  • 5.2 Функция мнимой ошибки
  • 5.3 Кумулятивная функци я распределения на
  • 5.4 Обобщенные функции ошибок
  • 5.5 Итерированные интегралы дополнительных функций ошибок
• 6 Реализации
  • 6.1 Как действующая функция действительного аргумента
  • 6.2 Как комплексная функция комплексного аргумента
• 7 См. Также
  • 7.1 Связанные функции
  • 7.2 Вероятность
• 8 Ссылки
• 9 Дополнительная литература
• 10 Внешние ссылки

Имя

Название «функция ошибки» и его аббревиатура erf были предложены Дж. В. Л. Глейшер в 1871 г. по причине его связи с «теорией вероятности, и особенно теорией ошибок ». Дополнение функции ошибок также обсуждалось Глейшером в отдельной публикации в том же году. Для «закона удобства» ошибок плотность задана как

f (x) = (c π) 1 2 e — cx 2 { displaystyle f (x) = left ({ frac {c } { pi}} right) ^ { tfrac {1} {2}} e ^ {- cx ^ {2}}}

(нормальное распределение ), Глейшер вычисляет вероятность ошибки, лежащей между p { displaystyle p}и q { displaystyle q}как:

(c π) 1 2 ∫ pqe — cx 2 dx = 1 2 (erf ⁡ (qc) — erf ⁡ (pc)). { displaystyle left ({ frac {c} { pi}} right) ^ { tfrac {1} {2}} int _ {p} ^ {q} e ^ {- cx ^ {2} } dx = { tfrac {1} {2}} left ( operatorname {erf} (q { sqrt {c}}) — operatorname {erf} (p { sqrt {c}}) right).}

Приложения

Когда результаты серии измерений описываются нормальным распределением со стандартным отклонением σ { displaystyle sigma}и ожидаемое значение 0, затем erf ⁡ (a σ 2) { displaystyle textstyle operatorname {erf} left ({ frac {a} { sigma { sqrt {2}) }}} right)}— это вероятность того, что ошибка единичного измерения находится между −a и + a, для положительного a. Это полезно, например, при определении коэффициента битовых ошибок цифровой системы связи.

Функции и дополнительные функции ошибок возникают, например, в решениях уравнения теплопроводности, когда граничные ошибки задаются ступенчатой ​​функцией Хевисайда.

Функция ошибок и ее приближения Программу присвоили себе преподавателей, которые получили с высокой вероятностью или с низкой вероятностью. Дана случайная величина X ∼ Norm ⁡ [μ, σ] { displaystyle X sim operatorname {Norm} [ mu, sigma]}и константа L < μ {displaystyle L<mu }:

Pr [X ≤ L ] = 1 2 + 1 2 erf ⁡ (L — μ 2 σ) ≈ A ехр (- B (L — μ σ) 2) { Displaystyle Pr [X Leq L] = { frac {1} {2 }} + { frac {1} {2}} operatorname {erf} left ({ frac {L- mu} {{ sqrt {2}} sigma}} right) приблизительно A exp left (-B left ({ frac {L- mu} { sigma}} right) ^ {2} right)}

где A и B — верх числовые константы. Если L достаточно далеко от среднего, то есть μ — L ≥ σ ln ⁡ k { displaystyle mu -L geq sigma { sqrt { ln {k}}}}, то:

Pr [X ≤ L] ≤ A exp ⁡ (- B ln ⁡ k) = A К B { displaystyle Pr [X leq L] leq A exp (-B ln {k}) = { frac {A} {k ^ {B}}}}

, поэтому становится вероятность 0 при k → ∞ { displaystyle k to infty}.

Свойства

Графики на комплексной плоскости Интегрируем exp (-z) erf (z)

Свойство erf ⁡ (- z) = — erf ⁡ (z) { displaystyle operatorname {erf} (-z) = — operatorname {erf} (z)}означает, что функция является ошибкой нечетной функции. Это связано с тем, что подынтегральное выражение e — t 2 { displaystyle e ^ {- t ^ {2}}}является четной функцией.

Для любого комплексное число z:

erf ⁡ (z ¯) = erf ⁡ (z) ¯ { displaystyle operatorname {erf} ({ overline {z}}) = { overline { operatorname {erf} (z)}}}

где z ¯ { displaystyle { overline {z}}}— комплексное сопряжение число z.

Подынтегральное выражение f = exp (−z) и f = erf (z) показано в комплексной плоскости z на рисунках 2 и 3. Уровень Im (f) = 0 показан жирным зеленым цветом. линия. Отрицательные целые значения Im (f) показаны жирными красными линиями. Положительные целые значения Im (f) показаны толстыми синими линиями. Промежуточные уровни Im (f) = проявляются тонкими зелеными линиями. Промежуточные уровни Re (f) = показаны тонкими красными линиями для отрицательных значений и тонкими синими линиями для положительных значений.

Функция ошибок при + ∞ равна 1 (см. интеграл Гаусса ). На действительной оси erf (z) стремится к единице при z → + ∞ и к −1 при z → −∞. На мнимой оси он стремится к ± i∞.

Серия Тейлора

Функция ошибок — это целая функция ; у него нет сингулярностей (кроме бесконечности), и его разложение Тейлора всегда сходится, но, как известно, «[…] его плохая сходимость, если x>1».

определяющий интеграл нельзя вычислить в закрытой форме в терминах элементарных функций, но путем расширения подынтегрального выражения e в его ряд Маклорена и интегрирована почленно, можно получить ряд Маклорена функции ошибок как:

erf ⁡ (z) = 2 π ∑ n = 0 ∞ (- 1) nz 2 n + 1 n! (2 n + 1) знак равно 2 π (z — z 3 3 + z 5 10 — z 7 42 + z 9 216 — ⋯) { displaystyle operatorname {erf} (z) = { frac {2} { sqrt { pi}}} sum _ {n = 0} ^ { infty} { frac {(-1) ^ {n} z ^ {2n + 1}} {n! (2n + 1)}} = { frac {2} { sqrt { pi}}} left (z — { frac {z ^ {3}} {3}} + { frac {z ^ { 5}} {10}} — { frac {z ^ {7}} {42}} + { frac {z ^ {9}} {216}} — cdots right)}

, которое выполняется для каждого комплексного числа г. Члены знаменателя представляют собой последовательность A007680 в OEIS.

Для итеративного вычисления нового ряда может быть полезна следующая альтернативная формулировка:

erf ⁡ (z) = 2 π ∑ n = 0 ∞ (z ∏ К знак равно 1 N — (2 К — 1) Z 2 К (2 К + 1)) знак равно 2 π ∑ N = 0 ∞ Z 2 N + 1 ∏ К = 1 N — Z 2 К { Displaystyle OperatorName { erf} (z) = { frac {2} { sqrt { pi}}} sum _ {n = 0} ^ { infty} left (z prod _ {k = 1} ^ {n} { frac {- (2k-1) z ^ {2}} {k (2k + 1)}} right) = { frac {2} { sqrt { pi}}} sum _ {n = 0} ^ { infty} { frac {z} {2n + 1}} prod _ {k = 1} ^ {n} { frac {-z ^ {2}} {k}}}

потому что что — (2 k — 1) z 2 k (2 k + 1) { displaystyle { frac {- (2k-1) z ^ {2}} {k (2k + 1))}} }выражает множитель для превращения члена k в член (k + 1) (рассматривая z как первый член).

Функция мнимой ошибки имеет очень похожий ряд Маклорена:

erfi ⁡ (z) = 2 π ∑ n = 0 ∞ z 2 n + 1 n! (2 n + 1) знак равно 2 π (z + z 3 3 + z 5 10 + z 7 42 + z 9 216 + ⋯) { displaystyle operatorname {erfi} (z) = { frac {2} { sqrt { pi}}} sum _ {n = 0} ^ { infty} { frac {z ^ {2n + 1}} {n! (2n + 1)}} = { frac {2} { sqrt { pi}}} left (z + { frac {z ^ {3}} {3}} + { frac {z ^ { 5}} {10}} + { frac {z ^ {7}} {42}} + { frac {z ^ {9}} {216}} + cdots right)}

, которое выполняется для любого комплексного числа z.

Производная и интеграл

Производная функция ошибок сразу следует из ее определения:

ddz erf ⁡ (z) = 2 π e — z 2. { displaystyle { frac {d} {dz}} operatorname {erf} (z) = { frac {2} { sqrt { pi}}} e ^ {- z ^ {2}}.}

Отсюда немедленно вычисляется производная функция мнимой ошибки :

ddz erfi ⁡ (z) = 2 π ez 2. { displaystyle { frac {d} {dz}} operatorname {erfi} (z) = { frac {2} { sqrt { pi }}} e ^ {z ^ {2}}.}

первообразная функции ошибок, которые можно получить посредством интегрирования по частям, составляет

z erf ⁡ (z) + е — z 2 π. { displaystyle z operatorname {erf} (z) + { frac {e ^ {- z ^ {2}}} { sqrt { pi}}}.}

Первообразная мнимой функции ошибок, также можно получить интегрированием по частям:

z erfi ⁡ (z) — ez 2 π. { displaystyle z operatorname {erfi} (z) — { frac {e ^ {z ^ {2}}} { sqrt { pi}}}.}

Производные высшего порядка задаются как

erf (k) ⁡ (z) = 2 (- 1) k — 1 π H k — 1 (z) e — z 2 = 2 π dk — 1 dzk — 1 (e — z 2), k = 1, 2, … { Displaystyle operatorname {erf} ^ {(k)} (z) = { frac {2 (-1) ^ {k-1}} { sqrt { pi}}} { mathit {H} } _ {k-1} (z) e ^ {- z ^ {2}} = { frac {2} { sqrt { pi}}} { frac {d ^ {k-1}} {dz ^ {k-1}}} left (e ^ {- z ^ {2}} right), qquad k = 1,2, dots}

где H { displaystyle { mathit {H}}}— физики многочлены Эрмита.

ряд Бюрмана

Расширение, которое сходится быстрее для всех реальных значений x { displaystyle x}, чем разложение Тейлора, получается с помощью теоремы Ганса Генриха Бюрмана :

erf ⁡ (x) = 2 π sgn ⁡ (x) 1 — e — x 2 (1 — 1 12 ( 1 — e — x 2) — 7 480 (1 — e — x 2) 2 — 5 896 (1 — e — x 2) 3 — 787 276480 (1 — e — x 2)) 4 — ⋯) знак равно 2 π знак ⁡ (x) 1 — e — x 2 (π 2 + ∑ k = 1 ∞ cke — kx 2). { displaystyle { begin {align} operatorname {erf} (x) = { frac {2} { sqrt { pi}}} operatorname {sgn} (x) { sqrt {1-e ^ {-x ^ {2}}}} left (1 — { frac {1} {12}} left (1-e ^ {- x ^ {2}} right) — { frac {7} {480}} left (1-e ^ {- x ^ {2}} right) ^ {2} — { frac {5} {896}} left (1-e ^ {- x ^ {2 }} right) ^ {3} — { frac {787} {276480}} left (1-e ^ {- x ^ {2}} right) ^ {4} — cdots right) \ [10pt] = { frac {2} { sqrt { pi}}} operatorname {sgn} (x) { sqrt {1-e ^ {- x ^ {2}}}} left ({ frac { sqrt { pi}} {2}} + sum _ {k = 1} ^ { infty} c_ {k} e ^ {- kx ^ {2}} right). end {выровнено}}

Сохраняя только первые два коэффициента и выбирая c 1 = 31 200 { displaystyle c_ {1} = { frac {31} {200}}}и c 2 = — 341 8000, { displaystyle c_ {2} = — { frac {341} {8000}},}результирующая аппроксимация дает наибольшую относительную ошибку при x = ± 1,3796, { displaystyle x = pm 1,3796,}, где оно меньше 3,6127 ⋅ 10 — 3 { displaystyle 3.6127 cdot 10 ^ {- 3}}:

erf ⁡ (x) ≈ 2 π sign ⁡ (x) 1 — e — x 2 (π 2 + 31 200 e — x 2 — 341 8000 e — 2 х 2). { displaystyle operatorname {erf} (x) приблизительно { frac {2} { sqrt { pi}}} operatorname {sgn} (x) { sqrt {1-e ^ {- x ^ {2 }}}} left ({ frac { sqrt { pi}} {2}} + { frac {31} {200}} e ^ {- x ^ {2}} — { frac {341} {8000}} e ^ {- 2x ^ {2}} right).}

Обратные функции

Обратная функция

Учитывая комплексное число z, не существует уникального комплексного числа w, удовлетворяющего erf ⁡ (w) = z { displaystyle operatorname {erf} (w) = z}, поэтому истинная обратная функция будет многозначной. Однако для −1 < x < 1, there is a unique real number denoted erf — 1 ⁡ (x) { displaystyle operatorname {erf} ^ {- 1} (x)}, удовлетворяющего

erf ⁡ (erf — 1 ⁡ ( х)) = х. { displaystyle operatorname {erf} left ( operatorname {erf} ^ {- 1} (x) right) = x.}

Обратная функция ошибок обычно определяется с помощью домена (- 1,1), и он ограничен этой областью многих систем компьютерной алгебры. Однако его можно продолжить и на диск | z | < 1 of the complex plane, using the Maclaurin series

erf — 1 ⁡ (z) знак равно ∑ К знак равно 0 ∞ ck 2 k + 1 (π 2 z) 2 k + 1, { displaystyle operatorname {erf} ^ {- 1} (z) = sum _ {k = 0} ^ { infty} { frac {c_ {k}} {2k + 1}} left ({ frac { sqrt { pi}} {2}} z right) ^ {2k + 1},}

где c 0 = 1 и

ck = ∑ m = 0 k — 1 cmck — 1 — m (m + 1) (2 m + 1) = {1, 1, 7 6, 127 90, 4369 2520, 34807 16200,…}. { displaystyle c_ {k} = sum _ {m = 0} ^ {k-1} { frac {c_ {m} c_ {k-1-m}} {(m + 1) (2m + 1) }} = left {1,1, { frac {7} {6}}, { frac {127} {90}}, { frac {4369} {2520}}, { frac {34807} {16200}}, ldots right }.}

Итак, у нас есть разложение в ряд (общие множители были удалены из числителей и знаменателей):

erf — 1 ⁡ (z) = 1 2 π ( z + π 12 z 3 + 7 π 2 480 z 5 + 127 π 3 40320 z 7 + 4369 π 4 5806080 z 9 + 34807 π 5 182476800 z 11 + ⋯). { displaystyle operatorname {erf} ^ {- 1} (z) = { tfrac {1} {2}} { sqrt { pi}} left (z + { frac { pi} {12} } z ^ {3} + { frac {7 pi ^ {2}} {480}} z ^ {5} + { frac {127 pi ^ {3}} {40320}} z ^ {7} + { frac {4369 pi ^ {4}} {5806080}} z ^ {9} + { frac {34807 pi ^ {5}} {182476800}} z ^ {11} + cdots right). }

(После отмены дроби числителя / знаменателя характерми OEIS : A092676 / OEIS : A092677 в OEIS ; без отмены членов числителя в записи OEIS : A002067.) Значение функции ошибок при ± ∞ равно ± 1.

Для | z | < 1, we have erf ⁡ (erf — 1 ⁡ (z)) = z { displaystyle operatorname {erf} left ( operatorname {erf} ^ {- 1} (z) right) = z}.

обратная дополнительная функция ошибок определяется как

erfc — 1 ⁡ (1 — z) = erf — 1 ⁡ (z). { displaystyle operatorname {erfc} ^ {- 1} (1-z) = operatorname {erf} ^ {- 1} (z).}

Для действительного x существует уникальное действительное число erfi — 1 ⁡ (x) { displaystyle operatorname {erfi} ^ {- 1} (x)}удовлетворяет erfi ⁡ (erfi — 1 ⁡ (x)) = x { displaystyle operatorname { erfi} left ( operatorname {erfi} ^ {- 1} (x) right) = x}. функция обратной мнимой ошибки определяется как erfi — 1 ⁡ (x) { displaystyle operatorname {erfi} ^ {- 1} (x)}.

Для любого действительного x, Метод Ньютона можно использовать для вычислений erfi — 1 ⁡ (x) { displaystyle operatorname {erfi} ^ {- 1} (x)}, а для — 1 ≤ x ≤ 1 { displaystyle -1 leq x leq 1}, сходится следующий ряд Маклорена:

erfi — 1 ⁡ (z) = ∑ k = 0 ∞ (- 1) ККК 2 К + 1 (π 2 Z) 2 К + 1, { Displaystyle OperatorName {erfi} ^ {- 1} (г) = сумма _ {к = 0} ^ { infty} { гидроразрыва {(-1) ^ {k} c_ {k}} {2k + 1}} left ({ frac { sqrt { pi}} {2}} z right) ^ {2k + 1},}

, где c k определено, как указано выше.

Асимптотическое разложение

Полезным асимптотическим разложением дополнительные функции (и, следовательно, также и функции ошибок) для больших вещественных x

erfc ⁡ (x) = e — x 2 x π [1 + ∑ n = 1 ∞ (- 1) n 1 ⋅ 3 ⋅ 5 ⋯ (2 n — 1) (2 x 2) n] = e — x 2 x π ∑ n = 0 ∞ (- 1) п (2 п — 1)! ! (2 х 2) n, { displaystyle operatorname {erfc} (x) = { frac {e ^ {- x ^ {2}}} {x { sqrt { pi}}}} left [1 + sum _ {n = 1} ^ { infty} (- 1) ^ {n} { frac {1 cdot 3 cdot 5 cdots (2n-1)} {(2x ^ {2}) ^ {n}}} right] = { frac {e ^ {- x ^ {2}}} {x { sqrt { pi}}}} sum _ {n = 0} ^ { infty} ( -1) ^ {n} { frac {(2n-1) !!} {(2x ^ {2}) ^ {n}}},}

где (2n — 1) !! — это двойной факториал числа (2n — 1), которое является произведением всех нечетных чисел до (2n — 1). Этот ряд расходуется для любого конечного x, и его значение как асимптотического разложения состоит в том, что для любого N ∈ N { displaystyle N in mathbb {N}}имеется

erfc ⁡ (Икс) знак равно е — Икс 2 Икс π ∑ N знак равно 0 N — 1 (- 1) N (2 N — 1)! ! (2 х 2) n + RN (x) { displaystyle operatorname {erfc} (x) = { frac {e ^ {- x ^ {2}}} {x { sqrt { pi}}}} sum _ {n = 0} ^ {N-1} (- 1) ^ {n} { frac {(2n-1) !!} {(2x ^ {2}) ^ {n}}} + R_ {N} (x)}

где остаток в нотации Ландау равен

RN (x) = O (x 1 — 2 N e — x 2) { displaystyle R_ {N} ( x) = O left (x ^ {1-2N} e ^ {- x ^ {2}} right)}

при x → ∞. { displaystyle x to infty.}

Действительно, точное значение остатка равно

R N (x): = (- 1) N π 2 1 — 2 N (2 N)! N! ∫ Икс ∞ T — 2 N e — T 2 dt, { Displaystyle R_ {N} (x): = { frac {(-1) ^ {N}} { sqrt { pi}}} 2 ^ { 1-2N} { frac {(2N)!} {N!}} Int _ {x} ^ { infty} t ^ {- 2N} e ^ {- t ^ {2}} , dt,}

который легко следует по индукции, записывая

e — t 2 = — (2 t) — 1 (e — t 2) ′ { displaystyle e ^ {- t ^ {2}} = — (2t) ^ {- 1} left (e ^ {- t ^ {2}} right) ‘}

и интегрирование по частям.

Для достаточно больших значений x, только первые несколько этих асимптотических разностей необходимы, чтобы получить хорошее приближение erfc (x) (в то время как для не слишком больших значений x приведенное выше разложение Тейлора при 0 обеспечивает очень быструю сходимость).

Расширение непрерывной дроби

A Разложение непрерывной дроби дополнительные функции ошибок:

erfc ⁡ (z) = z π e — z 2 1 z 2 + a 1 1 + a 2 z 2 + a 3 1 + ⋯ am = м 2. { displaystyle operatorname {erfc} (z) = { frac {z} { sqrt { pi}}} e ^ {- z ^ {2}} { cfrac {1} {z ^ {2} + { cfrac {a_ {1}} {1 + { cfrac {a_ {2}} {z ^ {2} + { cfrac {a_ {3}} {1+) dotsb}}}}}}}} qquad a_ {m} = { frac {m} {2}}.}

Интеграл функции ошибок с функцией плотности Гаусса

∫ — ∞ ∞ erf ⁡ (ax + б) 1 2 π σ 2 е — (Икс — μ) 2 2 σ 2 dx знак равно erf ⁡ [a μ + b 1 + 2 a 2 σ 2], a, b, μ, σ ∈ R { displaystyle int _ {- infty} ^ { infty} operatorname {erf} left (ax + b right) { frac {1} { sqrt {2 pi sigma ^ {2}}}} e ^ {- { frac {(x- mu) ^ {2}} {2 sigma ^ {2}}}} , dx = operatorname {erf} left [{ frac {a mu + b } { sqrt {1 + 2a ^ {2} sigma ^ {2}}} right], qquad a, b, mu, sigma in mathbb {R}}

Факториальный ряд

• Обратное:

erfc ⁡ z = e — z 2 π z ∑ n = 0 ∞ (- 1) n Q n (z 2 + 1) n ¯ = e — z 2 π z (1 — 1 2 1 (z 2 + 1) + 1 4 1 (z 2 + 1) (z 2 + 2) — ⋯) { displaystyle { begin {align} operatorname {erfc} z = { frac {e ^ {- z ^ {2}}} {{ sqrt { pi}} , z}} sum _ {n = 0} ^ { infty} { frac {(-1) ^ {n} Q_ {n}} {{(z ^ {2} + 1)} ^ { ba r {n}}}} \ = { frac {e ^ {- z ^ {2}}} {{ sqrt { pi}} , z}} left ( 1 — { frac {1} {2}} { frac {1} {(z ^ {2} +1)}} + { frac {1} {4}} { frac {1} {(z ^ {2} +1) (z ^ {2} +2)}} — cdots right) end {align}}}

сходится для Re ⁡ (z 2)>0. { displaystyle operatorname {Re} (z ^ {2})>0.}Здесь

Q n = def 1 Γ (1/2) ∫ 0 ∞ τ (τ — 1) ⋯ ( τ — n + 1) τ — 1/2 е — τ d τ знак равно ∑ К знак равно 0 N (1 2) к ¯ s (n, k), { displaystyle Q_ {n} { stackrel { text {def}} {=}} { frac {1} { Gamma (1/2)}} int _ {0} ^ { infty} tau ( tau -1) cdots ( tau -n + 1) tau ^ {-1/2} e ^ {- tau} d tau = sum _ {k = 0} ^ {n} left ({ frac {1} {2}} right) ^ { bar {k}} s (n, k),}

zn ¯ { displaystyle z ^ { bar {n}}}обозначает возрастающий факториал, а s (n, k) { displaystyle s (n, k)}обозначает знаковое число Стирлинга первого рода.

• Представление бесконечной суммой, составляющей двойной факториал :

ERF ⁡ (Z) знак равно 2 π ∑ N знак равно 0 ∞ (- 2) N (2 N — 1)! (2 N + 1)! Z 2 N + 1 { Displaystyle OperatorName {ERF} (г) = { frac {2} { sqrt { pi}}} sum _ {n = 0} ^ { infty} { frac {( -2) ^ {n} (2n-1) !!} {(2n + 1)!}} Z ^ {2n + 1}}

Численные приближения

Приближение элементов сарными функциями

• Абрамовиц и Стегун дают несколько приближений с точностью (уравнения 7.1.25–28). Это позволяет выбрать наиболее быстрое приближение, подходящее для данного приложения. В порядке увеличения точности они следующие:

erf ⁡ (x) ≈ 1 — 1 (1 + a 1 x + a 2 x 2 + a 3 x 3 + a 4 x 4) 4, x ≥ 0 { displaystyle имя оператора {erf} (x) приблизительно 1 — { frac {1} {(1 + a_ {1} x + a_ {2} x ^ {2} + a_ {3} x ^ {3} + a_ { 4} x ^ {4}) ^ {4}}}, qquad x geq 0}

(максимальная ошибка: 5 × 10)

, где a 1 = 0,278393, a 2 = 0,230389, a 3 = 0,000972, a 4 = 0,078108

erf ⁡ (x) ≈ 1 — (a 1 t + a 2 t 2 + a 3 t 3) e — x 2, t = 1 1 + px, x ≥ 0 { displaystyle operatorname {erf} (x) приблизительно 1- (a_ {1} t + a_ {2} t ^ {2} + a_ {3} t ^ {3}) e ^ {- x ^ {2}}, quad t = { frac {1} {1 + px}}, qquad x geq 0}(максимальная ошибка: 2,5 × 10)

где p = 0,47047, a 1 = 0,3480242, a 2 = -0,0958798, a 3 = 0,7478556

erf ⁡ (x) ≈ 1 — 1 (1 + a 1 x + a 2 x 2 + ⋯ + a 6 x 6) 16, x ≥ 0 { displaystyle operatorname {erf} (x) приблизительно 1 — { frac {1} {(1 + a_ {1} x + a _ {2} x ^ {2} + cdots + a_ {6} x ^ {6}) ^ {16}}}, qquad x geq 0}(максимальная ошибка: 3 × 10)

, 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

erf ⁡ (x) ≈ 1 — (a 1 t + a 2 t 2 + ⋯ + a 5 t 5) e — x 2, t = 1 1 + px { displaystyle operatorname {erf} (x) приблизительно 1- (a_ {1} t + a_ {2} t ^ {2} + cdots + a_ {5} t ^ {5}) e ^ {- x ^ {2}}, quad t = { frac {1} {1 + px}}}(максимальная ошибка: 1,5 × 10)

, 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 действительны для x ≥ 0 Чтобы использовать эти приближения для отрицательного x, викорируйте тот факт, что erf (x) — нечетная функция, поэтому erf (x) = −erf (−x).

• Экспоненциальные границы и чисто экспоненциальное приближение для дополнительных функций задаются как

erfc ⁡ (x) ≤ 1 2 e — 2 x 2 + 1 2 e — x 2 ≤ e — x 2, x>0 erfc ⁡ ( х) ≈ 1 6 е — х 2 + 1 2 е — 4 3 х 2, х>0. { displaystyle { begin {align} operatorname {erfc} (x) leq { frac {1} {2}} e ^ {- 2x ^ {2}} + { frac {1} {2} } e ^ {- x ^ {2}} leq e ^ {- x ^ {2}}, qquad x>0 \ имя оператора {erfc} (x) приблизительно { frac {1} { 6}} e ^ {- x ^ {2}} + { frac {1} {2}} e ^ {- { frac {4} {3}} x ^ {2}}, qquad x>0. end {align}}}

erfc ⁡ (x) ≈ (1 — e — A x) e — x 2 B π х. { displaystyle operatorname {erfc} left (x right) приблизительно { frac { left (1-e ^ {- Ax} right) e ^ {- x ^ {2}}} {B { sqrt { pi}} x}}.}

Они определили {A, B} = {1.98, 1.135}, { displaystyle {A, B } = {1.98,1.135 },}, что дает хорошее приближение для всех x ≥ 0. { displaystyle x geq 0.}

• Одноканальная нижняя граница:

erfc ⁡ (x) ≥ 2 e π β — 1 β е — β Икс 2, Икс ≥ 0, β>1, { Displaystyle OperatorName {erfc} (x) geq { sqrt { frac {2e} { pi}}} { frac { sqrt { beta -1}} { beta}} e ^ {- beta x ^ {2}}, qquad x geq 0, beta>1,}

где параметр β может быть выбран, чтобы минимизировать ошибку на желаемом интервале приближения.

• Другое приближение дано Сергеем Виницким с использованием его «глобальных приближений Паде»:

erf ⁡ (x) ≈ sgn ⁡ (x) 1 — exp ⁡ (- x 2 4 π + ax 2 1 + ax 2) { displaystyle operatorname {erf} (x) приблизительно Operatorname {sgn} (x) { sqrt {1- exp left (-x ^ {2} { frac {{ frac {4} { pi) })} + ax ^ {2}} {1 + ax ^ {2}}} right)}}}

где

a = 8 (π — 3) 3 π (4 — π) ≈ 0, 140012. { displaystyle a = { frac {8 ( pi -3)} {3 pi (4- pi)}} приблизительно 0,140012.}

Это сделано так, чтобы быть очень точным в окрестностях 0 и добавление бесконечности, а относительная погрешность меньше 0,00035 для всех действительных x. Использование альтернативного значения ≈ 0,147 снижает максимальную относительную ошибку примерно до 0,00013.

Это приближение можно инвертировать, чтобы получить приближение для других функций ошибок:

erf — 1 ⁡ (x) ≈ sgn ⁡ (x) (2 π a + ln ⁡ (1 — x 2) 2) 2 — ln ⁡ (1 — x 2) a — (2 π a + ln ⁡ (1 — x 2) 2). { displaystyle operatorname {erf} ^ {- 1} (x) приблизительно operatorname {sgn} (x) { sqrt {{ sqrt { left ({ frac {2} { pi a}} + { frac { ln (1-x ^ {2})} {2}} right) ^ {2} — { frac { ln (1-x ^ {2})} {a}}}} — left ({ frac {2} { pi a}} + { frac { ln (1-x ^ {2})} {2}} right)}}.}

Многочлен

Приближение с максимальной ошибкой 1,2 × 10-7 { displaystyle 1,2 times 10 ^ {- 7}}для любого действительного аргумента:

erf ⁡ ( x) = {1 — τ x ≥ 0 τ — 1 x < 0 {displaystyle operatorname {erf} (x)={begin{cases}1-tau xgeq 0\tau -1x<0end{cases}}}

с

τ = t ⋅ exp ⁡ (- x 2 — 1,26551223 + 1,00002368 t + 0,37409196 t 2 + 0,09678418 t 3 — 0,18628806 t 4 + 0,27886807 t 5 — 1,13520398 t 6 + 1,48851587 t 7 — 0,82215223 t 8 + 0,17087277 t 9) { displaystyle { begin {align} tau = t cdot exp left (-x ^ {2} -1,26551223 + 1,00002368 t + 0,37409196t ^ {2} + 0,09678418t ^ {3} -0,18628806t ^ {4} вправо. \ left. qquad qquad qquad + 0,27886807t ^ {5} -1,13520398t ^ {6} + 1,48851587t ^ {7} -0,82215223t ^ {8} + 0,17087 277t ^ {9} right) end {align}}}

и

t = 1 1 + 0,5 | х |. { displaystyle t = { frac {1} {1 + 0,5 | x |}}.}

Таблица значений

x	erf(x)	1-erf (x)
0	0	1
0,02	0,022564575	0,977435425
0,04	0,045111106	0,954888894
0,06	0,067621594	0, 932378406
0,08	0.090078126	0,909921874
0,1	0,112462916	0,887537084
0,2	0,222702589	0,777297411
0,3	0,328626759	0,671373241
0, 4	0,428392355	0,571607645
0,5	0,520499878	0,479500122
0,6	0.603856091	0,396143909
0,7	0,677801194	0,322198806
0,8 257>	0,742100965	0,257899035
0,9	0,796908212	0,203091788
1	0,842700793	0, 157299207
1,1	0,88020507	0,11979493
1,2	0,910313978	0,089686022
1,3	0,934007945	0,065992055
1,4	0.95228512	0,04771488
1,5	0, 966105146	0,033894854
1,6	0,976348383	0,023651617
1,7	0,983790459	0,016209541
1,8	0,989090502	0,010909498
1,9	0,992790429	0,007209571
2	0,995322265<25767>	0,00477
2.1	0.997020533	0.002979467
2.2	0.998137154	0,001862846
2,3	0,998856823	0,001143177
2,4	0,999311486	0,000688514
2,5	0.999593048	0.000406952
3	0.99997791	0,00002209
3,5	0,999999257	0,000000743

Связанные функции

Дополнительная функция

дополнительная функция ошибок, обозначается erfc { displaystyle mathrm {erfc}}, определяется как

erfc ⁡ (x) = 1 — erf ⁡ (x) = 2 π ∫ x ∞ e — t 2 dt знак равно е — Икс 2 erfcx ⁡ (х), { displaystyle { begin {выровнено} OperatorName {erfc} (x) = 1- operatorname {erf} (x) \ [5p t] = { frac {2} { sqrt { pi}}} int _ {x} ^ { infty} e ^ {- t ^ {2}} , dt \ [5pt] = e ^ {- x ^ {2}} operatorname {erfcx} (x), end {align}}}

, который также определяет erfcx { displaystyle mathrm {erfcx} }, масштабированная дополнительная функция ошибок (которую можно использовать вместо erfc, чтобы избежать арифметического переполнения ). Известна другая форма erfc ⁡ (x) { displaystyle operatorname {erfc} (x)}для неотрицательного x { displaystyle x}как формула Крейга после ее первооткрывателя:

erfc ⁡ (x ∣ x ≥ 0) = 2 π ∫ 0 π / 2 exp ⁡ (- x 2 sin 2 ⁡ θ) d θ. { displaystyle operatorname {erfc} (x mid x geq 0) = { frac {2} { pi}} int _ {0} ^ { pi / 2} exp left (- { frac {x ^ {2}} { sin ^ {2} theta}} right) , d theta.}

Это выражение действительно только для положительных значений x, но его можно использовать вместе с erfc (x) = 2 — erfc (−x), чтобы получить erfc (x) для отрицательных значений. Эта форма выгодна тем, что диапазон интегрирования является фиксированным и конечным. Расширение этого выражения для erfc { displaystyle mathrm {erfc}}суммы двух неотрицательных чисел следующим образом:

erfc ⁡ (x + y ∣ x, y ≥ 0) = 2 π ∫ 0 π / 2 ехр ⁡ (- x 2 sin 2 ⁡ θ — y 2 cos 2 ⁡ θ) d θ. { displaystyle operatorname {erfc} (x + y mid x, y geq 0) = { frac {2} { pi}} int _ {0} ^ { pi / 2} exp left (- { frac {x ^ {2}} { sin ^ {2} theta}} — { frac {y ^ {2}} { cos ^ {2} theta}} right) , d theta.}

Функция мнимой ошибки

мнимой ошибки, обозначаемая erfi, обозначает ошибки как

erfi ⁡ (x) = — i erf ⁡ (ix) Знак равно 2 π ∫ 0 xet 2 dt знак равно 2 π ex 2 D (x), { displaystyle { begin {align} operatorname {erfi} (x) = — i operatorname {erf} (ix) \ [ 5pt] = { frac {2} { sqrt { pi}}} int _ {0} ^ {x} e ^ {t ^ {2}} , dt \ [5pt] = { frac {2} { sqrt { pi}}} e ^ {x ^ {2}} D (x), end {align}}}

где D (x) — функция Доусона (который можно использовать вместо erfi, чтобы избежать арифметического переполнения ).

Несмотря на название «функция мнимой ошибки», erfi ⁡ (x) { displaystyle operatorname {erfi} (x)}реально, когда x действительно.

Функция Когда ошибки оценивается для произвольных сложных аргументов z, результирующая комплексная функция ошибок обычно обсуждается в масштабированной форме как функция Фаддеева :

w (z) = e — z 2 erfc ⁡ (- iz) = erfcx ⁡ (- iz). { displaystyle w (z) = e ^ {- z ^ {2}} operatorname {erfc} (-iz) = operatorname {erfcx} (-iz).}

Кумулятивная функция распределения

Функция ошибок по существующей стандартной стандартной функции нормального кумулятивного распределения, обозначаемой нормой (x) в некоторых языках программного обеспечения, поскольку они отличаются только масштабированием и переводом. Действительно,

Φ (x) = 1 2 π ∫ — ∞ xe — t 2 2 dt = 1 2 [1 + erf ⁡ (x 2)] = 1 2 erfc ⁡ (- x 2) { displaystyle Phi (x) = { frac {1} { sqrt {2 pi}}} int _ {- infty} ^ {x} e ^ { tfrac {-t ^ {2}} {2}} , dt = { frac {1} {2}} left [1+ operatorname {erf} left ({ frac {x} { sqrt {2}}} right) right] = { frac {1} {2}} operatorname {erfc} left (- { frac {x} { sqrt {2}}} right)}

или переставлен для erf и erfc:

erf ⁡ ( x) = 2 Φ (x 2) — 1 erfc ⁡ (x) = 2 Φ (- x 2) = 2 (1 — Φ (x 2)). { displaystyle { begin {align} operatorname {erf} (x) = 2 Phi left (x { sqrt {2}} right) -1 \ operatorname {erfc} (x) = 2 Phi left (-x { sqrt {2}} right) = 2 left (1- Phi left (x { sqrt {2}} right) right). End {выравнивается} }}

Следовательно, функция ошибок также тесно связана с Q-функцией, которая является вероятностью хвоста стандартного нормального распределения. Q-функция может быть выражена через функцию ошибок как

Q (x) = 1 2 — 1 2 erf ⁡ (x 2) = 1 2 erfc ⁡ (x 2). { displaystyle Q (x) = { frac {1} {2}} — { frac {1} {2}} operatorname {erf} left ({ frac {x} { sqrt {2}}) } right) = { frac {1} {2}} operatorname {erfc} left ({ frac {x} { sqrt {2}}} right).}

Обратное значение из Φ { displaystyle Phi}известен как функция нормальной квантиля или функция пробит и может быть выражена в терминах обратная функция ошибок как

пробит ⁡ (p) = Φ — 1 (p) = 2 erf — 1 ⁡ (2 p — 1) = — 2 erfc — 1 ⁡ (2 p). { displaystyle operatorname {probit} (p) = Phi ^ {- 1} (p) = { sqrt {2}} operatorname {erf} ^ {- 1} (2p-1) = — { sqrt {2}} operatorname {erfc} ^ {- 1} (2p).}

Стандартный нормальный cdf чаще используется в вероятности и статистике, а функция ошибок чаще используется в других разделах математики.

Функция ошибки является частным случаем функции Миттаг-Леффлера и может также быть выражена как сливающаяся гипергеометрическая функция (функция Куммера):

erf ⁡ (х) знак равно 2 х π M (1 2, 3 2, — х 2). { displaystyle operatorname {erf} (x) = { frac {2x} { sqrt { pi}}} M left ({ frac {1} {2}}, { frac {3} {2 }}, — x ^ {2} right).}

Он имеет простое выражение в терминах интеграла Френеля.

В терминах регуляризованной гамма-функции P и неполная гамма-функция,

erf ⁡ (x) = sgn ⁡ (x) P (1 2, x 2) = sgn ⁡ (x) π γ (1 2, x 2). { displaystyle operatorname {erf} (x) = operatorname {sgn} (x) P left ({ frac {1} {2}}, x ^ {2} right) = { frac { operatorname {sgn} (x)} { sqrt { pi}}} gamma left ({ frac {1} {2}}, x ^ {2} right).}

sgn ⁡ (x) { displaystyle operatorname {sgn} (x)}— знаковая функция .

Обобщенные функции ошибок

График обобщенных функций ошибок E n (x):. серая кривая: E 1 (x) = (1 — e) /

π { displaystyle scriptstyle { sqrt { pi}}}

. красная кривая: E 2 (x) = erf (x). зеленая кривая: E 3 (x). синяя кривая: E 4 (x). золотая кривая: E 5 (x).

Некоторые авторы обсуждают более общие функции:

E n (x) = n! π ∫ 0 Икс е — Т N д т знак равно N! π ∑ п знак равно 0 ∞ (- 1) п Икс N п + 1 (N п + 1) п!. { displaystyle E_ {n} (x) = { frac {n!} { sqrt { pi}}} int _ {0} ^ {x} e ^ {- t ^ {n}} , dt = { frac {n!} { sqrt { pi}}} sum _ {p = 0} ^ { infty} (- 1) ^ {p} { frac {x ^ {np + 1}} {(np + 1) p!}}.}

Примечательные случаи:

• E0(x) — прямая линия, проходящая через начало координат: E 0 (x) = xe π { displaystyle textstyle E_ {0} (x) = { dfrac {x} {e { sqrt { pi}}}}}
• E2(x) — функция, erf (x) ошибки.

После деления на n!, все E n для нечетных n выглядят похожими (но не идентичными) друг на друга. Аналогично, E n для четного 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.

Эти обобщенные функции могут быть эквивалентно выражены для x>0 с помощью гамма-функции и неполной гамма-функции :

E n (x) = 1 π Γ (n) (Γ (1 n) — Γ (1 n, xn)), x>0. { displaystyle E_ {n} (x) = { frac {1} { sqrt { pi}}} Gamma (n) left ( Gamma left ({ frac {1} {n}} right) — Gamma left ({ frac {1} {n}}, x ^ {n} right) right), quad quad x>0.}

Следовательно, мы можем определить ошибку функция в терминах неполной гамма-функции:

erf ⁡ (x) = 1 — 1 π Γ (1 2, x 2). { displaystyle operatorname {erf} (x) = 1 — { frac {1} { sqrt { pi}}} Gamma left ({ frac {1} {2}}, x ^ {2} right).}

Итерированные интегралы дополнительных функций

Повторные интегралы дополнительные функции ошибок определения как

inerfc ⁡ (z) = ∫ z ∞ in — 1 erfc ⁡ (ζ) d ζ i 0 erfc ⁡ (z) = erfc ⁡ (z) i 1 erfc ⁡ (z) = ierfc ⁡ (z) знак равно 1 π е — z 2 — z erfc ⁡ (z) я 2 erfc ⁡ (z) = 1 4 [erfc ⁡ (z) — 2 z ierfc ⁡ (z)] { displaystyle { begin {align } operatorname {i ^ {n} erfc} (z) = int _ {z} ^ { infty} operatorname {i ^ {n-1} erfc} ( zeta) , d zeta \ имя оператора {i ^ {0} erfc} (z) = operatorname {erfc} (z) \ operatorname {i ^ {1} erfc} (z) = operat orname {ierfc} (z) = { frac { 1} { sqrt { pi}}} e ^ {- z ^ {2}} — z operatorname {erfc} (z) \ operatorname {i ^ {2} erfc} (z) = { frac {1} {4}} left [ operatorname {erfc} (z) -2z operatorname {ierfc} (z) right] \ end {выровнено}}

Общая рекуррентная формула:

2 ninerfc ⁡ (z) = in — 2 erfc ⁡ (z) — 2 цинк — 1 erfc ⁡ (z) { displaystyle 2n operatorname {i ^ {n} erfc} (z) = operatorname {i ^ { n-2} erfc} (z) -2z operatorname {i ^ {n-1} erfc} (z)}

У них есть степенной ряд

в erfc ⁡ (z) = ∑ j = 0 ∞ (- Z) J 2 N — JJ! Γ (1 + N — J 2), { displaystyle i ^ {n} operatorname {erfc} (z) = sum _ {j = 0} ^ { infty} { frac {(-z) ^ { j}} {2 ^ {nj} j! Gamma left (1 + { frac {nj} {2}} right)}},}

из следуют свойства симметрии

i 2 m ERFC ⁡ (- Z) знак равно — я 2 m ERFC ⁡ (Z) + ∑ Q знак равно 0 мZ 2 д 2 2 (м — д) — 1 (2 д)! (м — д)! { displaystyle i ^ {2m} operatorname {erfc} (-z) = — i ^ {2m} operatorname {erfc} (z) + sum _ {q = 0} ^ {m} { frac {z ^ {2q}} {2 ^ {2 (mq) -1} (2q)! (Mq)!}}}

и

i 2 m + 1 erfc ⁡ (- z) = i 2 m + 1 erfc ⁡ (г) + ∑ ä знак равно 0 ìZ 2 ä + 1 2 2 ( м — д) — 1 (2 д + 1)! (м — д)!. { displaystyle i ^ {2m + 1} operatorname {erfc} (-z) = i ^ {2m + 1} operatorname {erfc} (z) + sum _ {q = 0} ^ {m} { гидроразрыва {z ^ {2q + 1}} {2 ^ {2 (mq) -1} (2q + 1)! (mq)!}}.}

Реализации

Как действительная функция вещественного аргумента

• В операционных системах, совместимых с Posix, заголовок math.h должен являть, а математическая библиотека libm должна быть функция erf и erfc (двойная точность ), а также их одинарная точность и расширенная точность аналоги erff, erfl и erfc, erfcl.
• Библиотека GNU Scientific предоставляет функции erf, erfc, log (erf) и масштабируемые функции ошибок.

Как сложная функция комплексного аргумента

• libcerf, числовая библиотека C для сложных функций, предоставляет комплексные функции cerf, cerfc, cerfcx и реальные функции erfi, erfcx с точностью 13–14 цифр на основе функции Фаддеева, реализованной в пакете MIT Faddeeva Package

См. также

Связанные ции

• интеграл Гаусса, по всей действительной прямой
• функция Гаусса, производная
• функция Доусона, перенормированная функция мнимой ошибки
• интеграл Гудвина — Стона

по вероятности

• Нормальное распределение
• Нормальная кумулятивная функция распределения, масштабированная и сдвинутая форма функций ошибок
• Пробит, обратная или квантильная функция нормального CDF
• Q-функция, вероятность хвоста нормального распределения

Ссылки

Дополнительная литература

• Abramowitz, Milton ; Стегун, Ирен Энн, ред. (1983) [июнь 1964]. «Глава 7». Справочник по математическим функциям с формулами, графики и математическими таблицами. Прикладная математика. 55 (Девятое переиздание с дополнительными исправлениями; десятое оригинальное издание с исправлениями (декабрь 1972 г.); первое изд.). Вашингтон.; Нью-Йорк: Министерство торговли США, Национальное бюро стандартов; Dover Publications. п. 297. ISBN 978-0-486-61272-0 . LCCN 64-60036. MR 0167642. LCCN 65-12253.
• Press, William H.; Теукольский, Саул А.; Веттерлинг, Уильям Т.; Фланнери, Брайан П. (2007), «Раздел 6.2. Неполная гамма-функция и функция ошибок », Числовые рецепты: Искусство научных вычислений (3-е изд.), Нью-Йорк: Cambridge University Press, ISBN 978-0-521- 88068-8
• Темме, Нико М. (2010), «Функции ошибок, интегралы Доусона и Френеля», в Олвер, Фрэнк У. Дж. ; Лозье, Даниэль М.; Бойсверт, Рональд Ф.; Кларк, Чарльз В. (ред.), Справочник NIST по математическим функциям, Cambridge University Press, ISBN 978-0-521-19225-5 , MR 2723248

Внешние ссылки

• MathWorld — Erf
• Таблица интегралов функций ошибок