誤差関数(error function)とは、$\operatorname{erf}x=\frac{2}{\sqrt\pi}\int_0^xe^{-t^2}\,dt$ で定まる関数であり、初等関数で書けない Gauss の関数 $e^{-t^2}$ の積分に名前を付けたものである。奇関数で $x\to\infty$ で $1$ に近づき、標準正規分布の分布関数は $\frac12(1+\operatorname{erf}(x/\sqrt2))$ と書けるので、正規分布に従う量が平均から一定の範囲に入る確率を表す。全平面で収束する冪級数をもつ整関数で、相補誤差関数 $1-\operatorname{erf}x$ は $e^{-x^2}$ と $x$ の簡単な式で上下から評価できる。熱方程式の階段状の初期値に対する解にも現れる。
Gauss の関数 $e^{-t^2}$ の原始関数は初等関数では書けない(初等関数で表せない原始関数)。そこで、その積分そのものに名前を付けて
$$
\operatorname{erf}x=\frac{2}{\sqrt\pi}\int_0^xe^{-t^2}\,dt
$$
とおいたものが 誤差関数(error function)である。係数 $2/\sqrt\pi$ は、Gauss積分 $\int_{-\infty}^\infty e^{-t^2}\,dt=\sqrt\pi$ により $x\to\infty$ で $\operatorname{erf}x\to1$ となるように選ばれている。測定の誤差が正規分布に従うとすると、誤差がある範囲に収まる確率はこの関数で表せる。実際、$X\sim N(\mu,\sigma^2)$ なら $P(|X-\mu|\le k\sigma)=\operatorname{erf}(k/\sqrt2)$ である。
誤差関数は、確率論では正規分布の分布関数として、偏微分方程式では熱方程式の基本的な解として、数値計算では特殊関数の代表例として現れる。この記事では、誤差関数の基本的な性質、正規分布との関係、2 種類の冪級数、裾の上下からの評価、熱方程式との関係を証明する。$x\to\infty$ での漸近展開は 漸近展開 の記事の例「誤差関数の漸近展開」で扱われている。
実数 $x$ について
$$
\operatorname{erf}x:=\frac{2}{\sqrt\pi}\int_0^xe^{-t^2}\,dt,\qquad\operatorname{erfc}x:=1-\operatorname{erf}x
$$
と定め、$\operatorname{erf}$ を 誤差関数、$\operatorname{erfc}$ を 相補誤差関数(complementary error function)という。Gauss積分 の記事の主定理により $\frac2{\sqrt\pi}\int_0^\infty e^{-t^2}\,dt=1$ なので、
$$
\operatorname{erfc}x=\frac{2}{\sqrt\pi}\int_x^\infty e^{-t^2}\,dt
$$
である。複素数 $z$ に対しては、$\frac2{\sqrt\pi}e^{-w^2}$ の原始関数で $0$ において $0$ となる 整関数 として $\operatorname{erf}z$ を定める(thm-erf-taylor で存在を示す)。$\operatorname{erf}z$ は、$0$ から $z$ への任意の区分的に滑らかな道に沿う積分 $\frac2{\sqrt\pi}\int_0^ze^{-w^2}\,dw$ に等しい。
この定義は DLMF7 式 7.2.1・7.2.2 と同じである。複素数での定義が道によらないのは、正則関数の原始関数 $F$ について道に沿う積分が $F(z)-F(0)$ になるからである。
実数 $x$ について次が成り立つ。
1:$e^{-t^2}$ は偶関数なので、置換 $t=-s$ により $\int_0^{-x}e^{-t^2}\,dt=-\int_0^xe^{-s^2}\,ds$ である。$\operatorname{erfc}$ の式は $\operatorname{erfc}(-x)=1+\operatorname{erf}x=2-\operatorname{erfc}x$ による。
2:微分積分学の基本定理による。極限は定義の直後に述べたことと 1 による。狭義単調増加なので、$-1< \operatorname{erf}x<1$ であり、連続性と 中間値の定理 により $(-1,1)$ のすべての値をとる。
3:2 の式をもう一度微分すればよい。$x>0$ では $\operatorname{erf}''x<0$ なので $\operatorname{erf}'$ は $[0,\infty)$ で狭義減少し、$0< t\le x$ で $\operatorname{erf}'t< \operatorname{erf}'0=\frac2{\sqrt\pi}$ だから、$\operatorname{erf}x=\int_0^x\operatorname{erf}'t\,dt< \frac{2x}{\sqrt\pi}$ である。
4:被積分関数は $0$ 以上なので、Fubiniの定理 の記事の定理「Tonelliの定理」により積分の順序を交換できて
$$
\int_0^\infty\operatorname{erfc}x\,dx=\frac{2}{\sqrt\pi}\int_0^\infty\!\!\int_0^\infty\mathbf 1_{\{t>x\}}e^{-t^2}\,dt\,dx=\frac{2}{\sqrt\pi}\int_0^\infty te^{-t^2}\,dt=\frac{2}{\sqrt\pi}\cdot\frac12=\frac1{\sqrt\pi}
$$
である。
$\operatorname{erf}$ のグラフは原点で傾き $2/\sqrt\pi\approx1.128$ をもち、$x=2$ ですでに $0.9953$、$x=3$ で $0.99998$ と、急速に $1$ に近づく。
| $x$ | $0.5$ | $1$ | $1.5$ | $2$ | $3$ |
|---|---|---|---|---|---|
| $\operatorname{erf}x$ | $0.52050$ | $0.84270$ | $0.96611$ | $0.99532$ | $0.9999779$ |
| $\operatorname{erfc}x$ | $0.47950$ | $0.15730$ | $0.033895$ | $0.0046777$ | $2.2090\times10^{-5}$ |
標準正規分布の分布関数 $\Phi(x)=\frac1{\sqrt{2\pi}}\int_{-\infty}^xe^{-s^2/2}\,ds$ について
$$
\Phi(x)=\frac12\Bigl(1+\operatorname{erf}\frac{x}{\sqrt2}\Bigr)=\frac12\operatorname{erfc}\Bigl(-\frac{x}{\sqrt2}\Bigr)
$$
が成り立つ。したがって $X\sim N(\mu,\sigma^2)$($\sigma>0$)と $k\ge0$ について $P(|X-\mu|\le k\sigma)=\operatorname{erf}(k/\sqrt2)$ である。
置換 $s=\sqrt2\,t$ により
$$
\Phi(x)=\frac1{\sqrt{2\pi}}\int_{-\infty}^{x}e^{-s^2/2}\,ds=\frac{1}{\sqrt\pi}\int_{-\infty}^{x/\sqrt2}e^{-t^2}\,dt=\frac1{\sqrt\pi}\int_{-\infty}^0e^{-t^2}\,dt+\frac1{\sqrt\pi}\int_0^{x/\sqrt2}e^{-t^2}\,dt=\frac12+\frac12\operatorname{erf}\frac{x}{\sqrt2}
$$
である($\int_{-\infty}^0e^{-t^2}\,dt=\sqrt\pi/2$)。2 つ目の等号は $1+\operatorname{erf}y=1-\operatorname{erf}(-y)=\operatorname{erfc}(-y)$ による。$Z:=(X-\mu)/\sigma\sim N(0,1)$(正規分布 の記事の定理「1 次変換で正規分布は保たれる」)について
$$
P(|X-\mu|\le k\sigma)=P(-k\le Z\le k)=\Phi(k)-\Phi(-k)=\frac12\Bigl(\operatorname{erf}\frac{k}{\sqrt2}-\operatorname{erf}\frac{-k}{\sqrt2}\Bigr)=\operatorname{erf}\frac{k}{\sqrt2}
$$
である。
$k=1,2,3$ では $\operatorname{erf}(k/\sqrt2)=0.68269,\ 0.95450,\ 0.99730$ となり、これが「平均から標準偏差の $1,2,3$ 倍以内に入る確率は約 $68\%,95\%,99.7\%$」という規則の値である。逆に、確率 $p$ の範囲 $\pm k\sigma$ を求めるには、逆関数 $k=\sqrt2\operatorname{erf}^{-1}(p)$ を使う。裾の確率 $1-\Phi(x)=\frac12\operatorname{erfc}(x/\sqrt2)$ の評価は、正規分布 の記事の命題「裾の確率の評価」にある。次の節では、それとは別の形の、$x$ が小さいところでも精度のよい評価を証明する。
$x\to\infty$ で $\operatorname{erfc}x$ がどれだけ速く $0$ に近づくかを、$e^{-x^2}$ との比で測る。
$$
M(x):=e^{x^2}\int_x^\infty e^{-t^2}\,dt\qquad(x\in\mathbb{R})
$$
とおくと $\operatorname{erfc}x=\frac2{\sqrt\pi}e^{-x^2}M(x)$ であり、$M$ を Mills 比 という(DLMF7 式 7.8.1)。
比較の補題。 微分積分学の基本定理により $M'(x)=2xM(x)-1$ である。$C^1$ 級の関数 $L$ について $D:=M-L$、$E_L:=2xL-1-L'$ とおくと
$$
\bigl(e^{-x^2}D\bigr)'=e^{-x^2}(D'-2xD)=e^{-x^2}\bigl(2xM-1-L'-2xM+2xL\bigr)=e^{-x^2}E_L
$$
である。以下の $L$ は $x\to\infty$ で有界なので、$e^{-x^2}D(x)=\int_x^\infty e^{-t^2}\,dt-e^{-x^2}L(x)\to0$ である。よって
$$
e^{-x^2}D(x)=-\int_x^\infty e^{-t^2}E_L(t)\,dt
$$
が成り立つ。したがって、$(x,\infty)$ の上で $E_L<0$ なら $M(x)>L(x)$、$E_L>0$ なら $M(x)< L(x)$ である。
1。 $s:=\sqrt{x^2+2}$ とおくと $(s-x)(s+x)=2$ なので $L(x):=\frac1{x+s}=\frac{s-x}{2}$ であり、$s'=x/s$ より $L'=\frac12\bigl(\frac xs-1\bigr)$ である。よって
$$
2s\,E_L=2s\Bigl(x(s-x)-1-\frac{x}{2s}+\frac12\Bigr)=2x(x^2+2)-2x^2s-s-x=(2x^3+3x)-s(2x^2+1)
$$
である。ここで
$$
s^2(2x^2+1)^2=(x^2+2)(4x^4+4x^2+1)=4x^6+12x^4+9x^2+2>(2x^3+3x)^2
$$
であり、$s(2x^2+1)>0$ だから $s(2x^2+1)>|2x^3+3x|\ge2x^3+3x$ となる。よってすべての実数で $E_L<0$ であり、比較の補題により $M>L$ である。
2。 $s:=\sqrt{x^2+1}$ とおくと $L(x):=\frac1{x+s}=s-x$、$L'=\frac xs-1$ であり、
$$
s\,E_L=s\Bigl(2x(s-x)-1-\frac xs+1\Bigr)=2x(x^2+1)-2x^2s-x=x\bigl(2x^2+1-2xs\bigr)
$$
である。$x>0$ なら $(2x^2+1)^2=4x^4+4x^2+1>4x^2(x^2+1)=(2xs)^2$ なので $2x^2+1>2xs$ であり、$E_L>0$ となる。$x\ge0$ について $(x,\infty)$ の上で $E_L>0$ なので、比較の補題により $M(x)< L(x)$ である。
3。 $h(x):=e^{-x^2}-\operatorname{erfc}x$ とおくと $h(0)=0$、$\lim_{x\to\infty}h(x)=0$ であり、
$$
h'(x)=-2xe^{-x^2}+\frac2{\sqrt\pi}e^{-x^2}=2e^{-x^2}\Bigl(\frac1{\sqrt\pi}-x\Bigr)
$$
である。$h$ は $[0,1/\sqrt\pi]$ で狭義増加なので、$0< x\le1/\sqrt\pi$ で $h(x)>h(0)=0$ である。$[1/\sqrt\pi,\infty)$ では狭義減少で極限が $0$ なので、$x\ge1/\sqrt\pi$ で $h(x)>0$ である。よって $x>0$ で $h(x)>0$ である。
1 と 2 の評価は $x\to\infty$ でどちらも $\frac1{2x}$ に近づくので、$M(x)\sim\frac1{2x}$、すなわち $\operatorname{erfc}x\sim\frac{e^{-x^2}}{\sqrt\pi\,x}$ が分かる。2 の定数 $1$ は $\frac4\pi$ まで大きくでき、そのときは $x=0$ で等号になる(DLMF7 式 7.8.2。この記事では証明しない)。
| $x$ | 下からの評価 $\frac{1}{x+\sqrt{x^2+2}}$ | $M(x)$ | 上からの評価 $\frac{1}{x+\sqrt{x^2+1}}$ |
|---|---|---|---|
| $0$ | $0.70711$ | $0.88623$ | $1$ |
| $0.5$ | $0.5$ | $0.54564$ | $0.61803$ |
| $1$ | $0.36603$ | $0.37894$ | $0.41421$ |
| $2$ | $0.22474$ | $0.22634$ | $0.23607$ |
| $3$ | $0.15831$ | $0.15864$ | $0.16228$ |
$M(0)=\sqrt\pi/2$ である。正規分布 の記事の命題「裾の確率の評価」を $\operatorname{erfc}x=2\bigl(1-\Phi(\sqrt2\,x)\bigr)$ に当てはめると、$x>0$ で $\frac{x}{1+2x^2}\le M(x)\le\frac1{2x}$ が得られる。これも $x\to\infty$ で比が $1$ に近づくが、$x\to0$ では上からの評価が発散し、下からの評価は $0$ に近づく。thm-erf-bounds の評価は $x=0$ の近くでも粗くならず、数値計算では $x\ge0$ の範囲で、下からの評価は $M(x)$ の $0.79$ 倍以上、上からの評価は $1.15$ 倍以下である。
すべての複素数 $z$ について
$$
\operatorname{erf}z=\frac{2}{\sqrt\pi}\sum_{n=0}^\infty\frac{(-1)^nz^{2n+1}}{n!\,(2n+1)}=\frac{2}{\sqrt\pi}\Bigl(z-\frac{z^3}{3}+\frac{z^5}{10}-\frac{z^7}{42}+\cdots\Bigr)
$$
であり、右辺の冪級数の収束半径は $\infty$ である。とくに $\operatorname{erf}$ は奇関数の 整関数 で、$\operatorname{erf}\bar z=\overline{\operatorname{erf}z}$ を満たす。
係数を $a_n:=\frac{(-1)^n}{n!(2n+1)}$ とおくと、$|a_n|\le\frac1{n!}$ なので、どんな $R>0$ についても $\sum_n|a_n|R^{2n+1}\le R\sum_n\frac{R^{2n}}{n!}=Re^{R^2}< \infty$ であり、収束半径は $\infty$ である。この冪級数の和を $F(z)$ とおくと、$F$ は整関数で、項別に微分して(整関数 の記事の命題「整関数と全平面で収束する冪級数」、冪級数 の記事の注意「複素数の冪級数」)
$$
F'(z)=\frac2{\sqrt\pi}\sum_{n=0}^\infty\frac{(-1)^nz^{2n}}{n!}=\frac2{\sqrt\pi}e^{-z^2}
$$
を得る。$F(0)=0$ なので、$F$ は定義の節で述べた原始関数であり、実数 $x$ については微分積分学の基本定理により $F(x)=\frac2{\sqrt\pi}\int_0^xe^{-t^2}\,dt=\operatorname{erf}x$ である。原始関数は定数の差を除いて一意で、$F(0)=0$ で定数が決まるので、複素数での $\operatorname{erf}$ も $F$ に等しい。係数が実数で $z$ の奇数乗だけなので、$F(-z)=-F(z)$、$F(\bar z)=\overline{F(z)}$ である。
この級数は $|x|$ が小さいところでは速く収束するが、$x$ が大きいと項が大きくなってから打ち消し合うので、有限桁の計算では桁落ちが起こる。たとえば $x=5$ では最大の項は $6.6\times10^8$ ほどになり、倍精度の浮動小数点数で和をとると、正しい値 $0.9999999999985$ に対して、足す順序によって最後の数桁が変わり、7 桁程度しか合わない。次の級数は、実数 $x$ ではすべての項が正なので、この問題がない。
すべての複素数 $z$ について
$$
\operatorname{erf}z=\frac{2}{\sqrt\pi}e^{-z^2}\sum_{n=0}^\infty\frac{2^nz^{2n+1}}{1\cdot3\cdot5\cdots(2n+1)}=\frac{2}{\sqrt\pi}e^{-z^2}\Bigl(z+\frac{2z^3}{3}+\frac{4z^5}{15}+\cdots\Bigr)
$$
である。
$G(z):=e^{z^2}\operatorname{erf}z$ は整関数で、$G(0)=0$、
$$
G'(z)=2ze^{z^2}\operatorname{erf}z+e^{z^2}\cdot\frac{2}{\sqrt\pi}e^{-z^2}=2zG(z)+\frac2{\sqrt\pi}
$$
を満たす。$G(z)=\sum_{k\ge0}c_kz^k$ と Taylor 展開する(整関数なので全平面で収束する)。両辺の $z^k$ の係数を比べると
$$
c_1=\frac2{\sqrt\pi},\qquad(k+1)c_{k+1}=2c_{k-1}\quad(k\ge1)
$$
であり、$c_0=G(0)=0$ である。$c_0=0$ から帰納的に偶数番目の係数はすべて $0$ であり、奇数番目は $c_{2n+1}=\frac{2}{2n+1}c_{2n-1}$ なので
$$
c_{2n+1}=\frac{2}{\sqrt\pi}\cdot\frac{2^n}{3\cdot5\cdots(2n+1)}
$$
である。$G=\sum c_{2n+1}z^{2n+1}$ に $e^{-z^2}$ を掛けると求める式になる。
2 つの級数はどちらも DLMF7 式 7.6.1・7.6.2 にある。2 つ目の級数は、$x=3$ で相対誤差 $10^{-10}$ に達するのに 35 項ほどを要するが、すべての項が正なので桁落ちはない。$x$ がさらに大きいときは、thm-erf-bounds や漸近展開の方が効率がよい。
実軸の上では $\operatorname{erf}x\to\pm1$ と有界にとどまるが、虚軸の上では急速に大きくなる。
実数 $y$ について
$$
\operatorname{erf}(iy)=\frac{2i}{\sqrt\pi}\int_0^ye^{s^2}\,ds
$$
であり、$y\to\infty$ で $|\operatorname{erf}(iy)|\ge\frac{2}{\sqrt\pi}\cdot\frac{e^{y^2}-1}{2y}\to\infty$ である($y\ge1$ のとき)。とくに $\operatorname{erf}$ は定数でない整関数として、有界でない。
thm-erf-taylor に $z=iy$ を代入すると、$i^{2n+1}=(-1)^ni$ なので
$$
\operatorname{erf}(iy)=\frac{2}{\sqrt\pi}\sum_{n=0}^\infty\frac{(-1)^n(-1)^ni\,y^{2n+1}}{n!(2n+1)}=\frac{2i}{\sqrt\pi}\sum_{n=0}^\infty\frac{y^{2n+1}}{n!(2n+1)}=\frac{2i}{\sqrt\pi}\int_0^ye^{s^2}\,ds
$$
である(最後は $e^{s^2}=\sum s^{2n}/n!$ を $[0,y]$ で項別に積分した。冪級数は有界閉区間で一様収束する)。$y\ge1$ なら $0\le s\le y$ で $s/y\le1$ なので $\int_0^ye^{s^2}\,ds\ge\int_0^y\frac sye^{s^2}\,ds=\frac{e^{y^2}-1}{2y}$ である。
定数でない整関数が有界でないことは Liouvilleの定理 からも分かるが、ここでは増え方まで具体的に分かる。被積分関数 $e^{-z^2}$ の大きさは $e^{-\operatorname{Re}(z^2)}=e^{-(x^2-y^2)}$($z=x+iy$)で、$|y|<|x|$ の範囲では小さく、$|y|>|x|$ の範囲では大きい。実軸方向と虚軸方向の振る舞いの違いはこれを反映している。
$t>0$、$x\in\mathbb{R}$ について
$$
u(x,t):=\frac12\Bigl(1+\operatorname{erf}\frac{x}{2\sqrt t}\Bigr)=\int_{-\infty}^x\frac{1}{\sqrt{4\pi t}}e^{-y^2/(4t)}\,dy
$$
とおくと、$u$ は熱方程式 $u_t=u_{xx}$ を満たし、$t\to+0$ のとき $x>0$ なら $u(x,t)\to1$、$x<0$ なら $u(x,t)\to0$ である。
2 つ目の等号は、prop-erf-normal と同じく、置換 $y=2\sqrt t\,s$ と $\int_{-\infty}^0e^{-s^2}\,ds=\frac{\sqrt\pi}{2}$ による。$\xi:=\frac{x}{2\sqrt t}$ とおくと、$\operatorname{erf}'=\frac2{\sqrt\pi}e^{-\xi^2}$ と連鎖律により
$$
u_x=\frac1{\sqrt\pi}e^{-\xi^2}\cdot\frac1{2\sqrt t}=\frac{e^{-x^2/(4t)}}{2\sqrt{\pi t}},\qquad u_{xx}=-\frac{x}{2t}\cdot\frac{e^{-x^2/(4t)}}{2\sqrt{\pi t}}=-\frac{x\,e^{-x^2/(4t)}}{4\sqrt\pi\,t^{3/2}}
$$
であり、$\partial_t\xi=-\frac{x}{4t^{3/2}}$ なので
$$
u_t=\frac1{\sqrt\pi}e^{-\xi^2}\cdot\Bigl(-\frac{x}{4t^{3/2}}\Bigr)=-\frac{x\,e^{-x^2/(4t)}}{4\sqrt\pi\,t^{3/2}}=u_{xx}
$$
である。$t\to+0$ のとき $x>0$ なら $\xi\to+\infty$、$x<0$ なら $\xi\to-\infty$ なので、prop-erf-basic の 2 により極限は $1$ と $0$ である。
$u$ は、はじめ $x<0$ の側の温度が $0$、$x>0$ の側の温度が $1$ だった無限に長い棒の、時刻 $t$ での温度分布を表す。温度の変わり目の幅は $\sqrt t$ に比例して広がり、形は $x/\sqrt t$ だけで決まる(相似解)。積分の形は、初期値の階段関数に熱核 $\frac{1}{\sqrt{4\pi t}}e^{-x^2/(4t)}$ を畳み込んだものになっている。熱核は分散 $2t$ の正規分布の密度であり、ここにも正規分布と誤差関数の関係が現れる。
| 外す条件 | 反例 | 成り立たなくなること |
|---|---|---|
| thm-erf-bounds の 3 で $x\ge0$ | $x=-1$ | $\operatorname{erfc}(-1)=1.8427>e^{-1}=0.3679$ |
| thm-erf-bounds の 2 で $x\ge0$ | $x=-1$ | $M(-1)=4.4391>\frac{1}{-1+\sqrt2}=2.4142$ |
| prop-erf-basic の 3 の不等式で $x>0$ | $x=-1$ | $\operatorname{erf}(-1)=-0.8427>-\frac{2}{\sqrt\pi}=-1.1284$ |
| prop-erf-basic の 2 の極限で変数が実数 | $z=iy$、$y\to\infty$ | $\lvert\operatorname{erf}(iy)\rvert\to\infty$ で $1$ に近づかない |
1 行目:$\operatorname{erfc}(-1)=2-\operatorname{erfc}1=1+\operatorname{erf}1=1.8427\ldots$ である(prop-erf-basic の 1)。$\operatorname{erfc}$ は $1$ より大きくなりうるが、$e^{-x^2}\le1$ なので不等式は負の側で必ず破れる($x<0$ では $\operatorname{erfc}x>1\ge e^{-x^2}$)。
2 行目:$M(-1)=e\int_{-1}^\infty e^{-t^2}\,dt=e\cdot\frac{\sqrt\pi}{2}(1+\operatorname{erf}1)=4.4390\ldots$ である。$x\to-\infty$ では $M(x)\approx\sqrt\pi e^{x^2}$ と急に大きくなり、有界な $\frac{1}{x+\sqrt{x^2+1}}=\sqrt{x^2+1}-x$ では抑えられない。比較の補題では、$x<0$ のとき $(x,0)$ の上で $E_L<0$ となり、$(x,\infty)$ の上で $E_L>0$ という条件が成り立たない。
3 行目:$\operatorname{erf}$ は奇関数なので、$x<0$ では不等式の向きが逆になり $\operatorname{erf}x>\frac{2x}{\sqrt\pi}$ となる。
4 行目:prop-erf-imaginary による。$\operatorname{erf}(iy)$ は純虚数で、絶対値は $y=3$ で約 $1.6\times10^3$ である。
記法の規約。 誤差関数の正規化には、ここでの $\operatorname{erf}$ のほかに、確率論で標準正規分布の分布関数 $\Phi$ を直接使う流儀がある。両者は prop-erf-normal で移り合う。$\operatorname{erf}$ の逆関数 $\operatorname{erf}^{-1}$ は、正規分布の分位点の計算に使われる。
漸近展開。 $x\to\infty$ で
$$
\operatorname{erfc}x\sim\frac{e^{-x^2}}{\sqrt\pi\,x}\sum_{m=0}^\infty(-1)^m\frac{1\cdot3\cdots(2m-1)}{(2x^2)^m}
$$
となる。この級数は収束しないが、打ち切った誤差は最初に捨てた項以下である。導出は 漸近展開 の記事の例「誤差関数の漸近展開」にあり、その評価は DLMF7 §7.12(i)(式 7.12.1)にある。thm-erf-bounds は、この展開の最初の項 $\frac{e^{-x^2}}{\sqrt\pi x}$ をすべての $x\ge0$ で使える形にしたものと見ることができる。
位置づけ。 誤差関数は不完全ガンマ関数 $\gamma(a,y)=\int_0^yt^{a-1}e^{-t}\,dt$ の特別な場合でもあり、$x>0$ について $\operatorname{erf}x=\pi^{-1/2}\gamma(\frac12,x^2)$ である(置換 $t=s^2$ で確かめられる。DLMF7 式 7.11.1、Γ関数)。$\int_0^xe^{-t^2}\,dt$ のように「初等関数で書けない積分に名前を付けて新しい関数として扱う」特殊関数の考え方の、最も身近な例である(初等関数で表せない原始関数)。
Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する