matlab erf erfi,误差函数

误差函数

在数学中，误差函数(也称之为高斯误差函数)是一个特殊函数(即不是初等函数)，其在概率论，统计学以及偏微分方程中都有广泛的应用。它的定义如下：erf ⁡ ( x ) = 1 π ∫ − x x e − t 2 d t = 2 π ∫ 0 x e − t 2 d t . {displaystyle operatorname {erf} (x)={frac {1}{sqrt {pi }}}int _{-x}^{x}e^{-t^{2}},mathrm {d} t={frac {2}{sqrt {pi }}}int _{0}^{x}e^{-t^{2}},mathrm {d} t.}

互补误差函数

互补误差函数，记为 erfc，在误差函数的基础上定义：erfc ( x ) = 1 − erf ( x ) = 2 π ∫ x ∞ e − t 2 d t . {displaystyle {mbox{erfc}}(x)=1-{mbox{erf}}(x)={frac {2}{sqrt {pi }}}int _{x}^{infty }e^{-t^{2}},mathrm {d} t,.}

虚误差函数，记为 erfi，定义为：erfi ⁡ ( z ) = − i erf ⁡ ( i z ) . {displaystyle operatorname {erfi} (z)=-i,,operatorname {erf} (i,z).}

复误差函数，记为w(z)，也在误差函数的基础上定义：w ( z ) = e − z 2 erfc ( − i z ) . {displaystyle w(z)=e^{-z^{2}}{textrm {erfc}}(-iz).}

名称由来

误差函数来自测度论，后来与测量误差无关的其他领域也用到这一函数，但仍然使用误差函数这一名字。

误差函数与标准正态分布的积分累积分布函数Φ {displaystyle Phi }

的关系为[2]Φ ( x ) = 1 2 + 1 2 erf ⁡ ( x 2 ) . {displaystyle Phi (x)={frac {1}{2}}+{frac {1}{2}}operatorname {erf} left({frac {x}{sqrt {2}}}right).}

性质复平面上的图

Integrand exp(−z)

erf(z)

误差函数是奇函数：erf ⁡ ( − z ) = − erf ⁡ ( z ) {displaystyle operatorname {erf} (-z)=-operatorname {erf} (z)}

对于任何 复数 z:erf ⁡ ( z ¯ ) = erf ⁡ ( z ) ¯ {displaystyle operatorname {erf} ({overline {z}})={overline {operatorname {erf} (z)}}}

其中 z ¯ {displaystyle {overline {z}}}

表示 z的 复共轭。

复平面上，函数 ? = exp(−z) 和 ? = erf(z) 如图所示。粗绿线表示 Im(?) = 0，粗红线表示 Im(?)  0。细绿线表示 Im(?) = constant，细红线表示 Re(?) = constant<0，细蓝线表示 Re(?) = constant>0。

在实轴上， z → ∞时，erf(z) 趋于1，z → −∞时，erf(z) 趋于−1 。在虚轴上， erf(z) 趋于 ±i∞。

泰勒级数

误差函数是整函数，没有奇点(无穷远处除外)，泰勒展开收敛。

误差函数泰勒级数：erf ⁡ ( z ) = 2 π ∑ n = 0 ∞ ( − 1 ) n z 2 n + 1 n ! ( 2 n + 1 ) = 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)}

对每个复数 z均成立。上式可以用迭代形式表示：erf ⁡ ( z ) = 2 π ∑ n = 0 ∞ ( z ∏ k = 1 n − ( 2 k − 1 ) z 2 k ( 2 k + 1 ) ) = 2 π ∑ n = 0 ∞ z 2 n + 1 ∏ k = 1 n − z 2 k {displaystyle operatorname {erf} (z)={frac {2}{sqrt {pi }}}sum _{n=0}^{infty }left(zprod _{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}}}

误差函数的导数：d d z e r f ( z ) = 2 π e − z 2 . {displaystyle {frac {rm {d}}{{rm {d}}z}},mathrm {erf} (z)={frac {2}{sqrt {pi }}},e^{-z^{2}}.}

误差函数的 不定积分为：z erf ⁡ ( z ) + e − z 2 π {displaystyle z,operatorname {erf} (z)+{frac {e^{-z^{2}}}{sqrt {pi }}}}

逆函数

逆误差函数

逆误差函数 可由 麦克劳林级数表示：erf − 1 ⁡ ( z ) = ∑ k = 0 ∞ c k 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}}zright)^{2k+1},,!}

其中， c0 = 1 ，c k = ∑ m = 0 k − 1 c m c k − 1 − m ( m + 1 ) ( 2 m + 1 ) = { 1 , 1 , 7 6 , 127 90 , 4369 2520 , … } . {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}},ldots right}.}

即：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 {7pi ^{2}}{480}}z^{5}+{frac {127pi ^{3}}{40320}}z^{7}+{frac {4369pi ^{4}}{5806080}}z^{9}+{frac {34807pi ^{5}}{182476800}}z^{11}+cdots right). }

逆互补误差函数定义为：erfc − 1 ⁡ ( 1 − z ) = erf − 1 ⁡ ( z ) . {displaystyle operatorname {erfc} ^{-1}(1-z)=operatorname {erf} ^{-1}(z).}

渐近展开

互补误差函数的渐近展开，

e r f c ( 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 ) n ( 2 n − 1 ) ! ! ( 2 x 2 ) n , {displaystyle mathrm {erfc} (x)={frac {e^{-x^{2}}}{x{sqrt {pi }}}}left[1+sum _{n=1}^{infty }(-1)^{n}{frac {1cdot 3cdot 5cdots (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}}},,}

其中 (2n – 1)!! 为 双阶乘，x为实数，该级数对有限 x发散。对于N ∈ N {displaystyle Nin mathbb {N} }

，有e r f c ( x ) = e − x 2 x π ∑ n = 0 N − 1 ( − 1 ) n ( 2 n − 1 ) ! ! ( 2 x 2 ) n + R N ( x ) {displaystyle mathrm {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),}

其中余项用以 大O符号表示为R N ( x ) = O ( x − 2 N + 1 e − x 2 ) {displaystyle R_{N}(x)=O(x^{-2N+1}e^{-x^{2}})}

as x → ∞ {displaystyle xto infty }

.

余项的精确形式为：R N ( x ) := ( − 1 ) N π 2 − 2 N + 1 ( 2 N ) ! N ! ∫ x ∞ t − 2 N e − t 2 d t , {displaystyle R_{N}(x):={frac {(-1)^{N}}{sqrt {pi }}}2^{-2N+1}{frac {(2N)!}{N!}}int _{x}^{infty }t^{-2N}e^{-t^{2}},mathrm {d} t,}

对于比较大的 x, 只需渐近展开中开始的几项就可以得到 erfc(x)很好的近似值。(对于不太大的 x ，上文泰勒展开在0处可以快速收敛。)。

连分式展开

互补误差函数的连分式展开形式：e r f c ( z ) = z π e − z 2 a 1 z 2 + a 2 1 + a 3 z 2 + a 4 1 + ⋯ a 1 = 1 , a m = m − 1 2 , m ≥ 2. {displaystyle mathrm {erfc} (z)={frac {z}{sqrt {pi }}}e^{-z^{2}}{cfrac {a_{1}}{z^{2}+{cfrac {a_{2}}{1+{cfrac {a_{3}}{z^{2}+{cfrac {a_{4}}{1+dotsb }}}}}}}}qquad a_{1}=1,quad a_{m}={frac {m-1}{2}},quad mgeq 2.}

初等函数近似表达式erf ⁡ ( x ) ≈ 1 − 1 ( 1 + a 1 x + a 2 x 2 + a 3 x 3 + a 4 x 4 ) 4 {displaystyle operatorname {erf} (x)approx 1-{frac {1}{(1+a_{1}x+a_{2}x^{2}+a_{3}x^{3}+a_{4}x^{4})^{4}}}}

    (最大误差： 5·10)

其中， a1 = 0.278393, a2 = 0.230389, a3 = 0.000972, a4 = 0.078108erf ⁡ ( x ) ≈ 1 − ( a 1 t + a 2 t 2 + a 3 t 3 ) e − x 2 , t = 1 1 + p x {displaystyle operatorname {erf} (x)approx 1-(a_{1}t+a_{2}t^{2}+a_{3}t^{3})e^{-x^{2}},quad t={frac {1}{1+px}}}

    (最大误差：2.5·10)

其中， p = 0.47047, a1 = 0.3480242, a2 = ?0.0958798, a3 = 0.7478556erf ⁡ ( x ) ≈ 1 − 1 ( 1 + a 1 x + a 2 x 2 + ⋯ + a 6 x 6 ) 16 {displaystyle operatorname {erf} (x)approx 1-{frac {1}{(1+a_{1}x+a_{2}x^{2}+cdots +a_{6}x^{6})^{16}}}}

    (最大误差： 3·10)

其中， a1 = 0.0705230784, a2 = 0.0422820123, a3 = 0.0092705272, a4 = 0.0001520143, a5 = 0.0002765672, a6 = 0.0000430638erf ⁡ ( x ) ≈ 1 − ( a 1 t + a 2 t 2 + ⋯ + a 5 t 5 ) e − x 2 , t = 1 1 + p x {displaystyle operatorname {erf} (x)approx 1-(a_{1}t+a_{2}t^{2}+cdots +a_{5}t^{5})e^{-x^{2}},quad t={frac {1}{1+px}}}

    (maximum error: 1.5·10)

其中， p = 0.3275911, a1 = 0.254829592, a2 = −0.284496736, a3 = 1.421413741, a4 = −1.453152027, a5