[論文レビュー] Asymptotic analysis of the derivatives of the inverse error function

Diego Dominici|ArXiv.org|Jul 9, 2006

Numerical methods in inverse problems参考文献 18被引用数 3

ひとこと要約

本稿では、ネストされた導関数と離散レイ法を用いて、逆誤差関数の導関数のゼロにおける漸近的解析を展開し、高次のテイラー展開近似を導出する。数値的精度が極めて高い。主な結果として、奇数次導関数の漸近的公式が得られ、$ frac{d_{2N+1}}{(2N+1)!} \sim \frac{1}{(2N+1)\sqrt{\ln(2N+1)}}$ である。この公式により、ゼロ付近での $ operatorname{inverf}(x)$ の近似が極めて高精度で可能となり、残差補正と組み合わせることで $x \to 1$ に近づく際の収束性も向上する。

ABSTRACT

The inverse of the error function, $\operatorname{inverf}(x),$ has applications in diffusion problems, chemical potentials, ultrasound imaging, etc. We analyze the derivatives $\frac{d^{n}}{dz^{n}} \operatorname*{inverf}(z) |_{z=0}$, as $n o \infty$ using nested derivatives and a discrete ray method. We obtain a very good approximation of $\operatorname{inverf}(x)$ through a high-order Taylor expansion around $x=0$. We give numerical results showing the accuracy of our formulas.

研究の動機と目的

• $n \to \infty$ のとき、$z=0$ における $\operatorname{inverf}(z)$ の $n$ 階導関数の漸近的挙動を解析すること。
• 漸近的導関数公式を用いて、$x=0$ の周辺における $\operatorname{inverf}(x)$ の高次テイラー展開近似を構築すること。
• 特異点 $x = \pm 1$ 付近での $\operatorname{inverf}(x)$ の数値計算を、漸近的導関数と残差補正を組み合わせることで改善すること。
• 正確な値および既知の近似との数値的比較を通じて、漸近的公式の精度を検証すること。

提案手法

• 本手法は、ネスト導関数と離散WKB（レイ）法を用いて、$\operatorname{inverf}(z)$ の導関数の漸近的成長を解析する。
• 導関数を符号化する多項式 $P_n(x)$ の族を導入し、初期値 $P_0(x) = 1$ を満たす再帰的関係 $P_{n+1}(x) = P_n'(x) + (n+1)xP_n(x)$ で定義する。
• 母関数と鞍点技法を用いて $P_n(x)$ の漸近的近似を導出し、$P_n(x) \sim n!\left[\Phi(x,n) + (-1)^n\Phi(-x,n)\right]$ という公式を得る。
• 関係式 $d_n = \frac{1}{\sqrt{2}}\left(\sqrt{\frac{\pi}{2}}\right)^n P_{n-1}(0)$ を用いて、導関数 $d_n = \left.\frac{d^n}{dz^n}\operatorname{inverf}(z)\right|_{z=0}$ の漸近的挙動を導出する。
• 得られた奇数次導関数の漸近的公式は $\frac{d_{2N+1}}{(2N+1)!} \sim \frac{1}{(2N+1)\sqrt{\ln(2N+1)}}$ であり、$N \to \infty$ のとき有効で、高次テイラー展開の構築に用いられる。
• $x \to 1$ に近づく際の精度を向上させるために、残差補正項 $R_N(x)$ を導入し、テイラー級数と漸近的導関数推定値を組み合わせる。

実験結果

リサーチクエスチョン

• RQ1 $n \to \infty$ のとき、$z = 0$ における $\operatorname{inverf}(z)$ の高階導関数はどのように振る舞うか？
• RQ2 導関数の漸近的公式を用いて、$\operatorname{inverf}(x)$ の高次テイラー展開近似を構築できるか？
• RQ3 $N$ が大きいとき、近似 $\frac{d_{2N+1}}{(2N+1)!} \sim \frac{1}{(2N+1)\sqrt{\ln(2N+1)}}$ の精度はどの程度か？
• RQ4 残差補正 $R_N(x)$ は、$x = 1$ に近づく際の $\operatorname{inverf}(x)$ の近似をどの程度改善するか？
• RQ5 収束性と精度の面で、既存の数値アルゴリズムに比べて、この漸近的手法は優れているか？

主な発見

• 漸近的公式 $\frac{d_{2N+1}}{(2N+1)!} \sim \frac{1}{(2N+1)\sqrt{\ln(2N+1)}}$ は、$N \to \infty$ のとき、$z=0$ における $\operatorname{inverf}(z)$ の奇数次導関数に対して極めて高精度な近似を提供し、中程度の $N$ に対しても良好な一致を示す。
• 正確な導関数まで $d_9$ を用いて構築されたテイラー多項式 $T_9(x)$ は、$(-1,1)$ の大部分で相対誤差 $0.01\%$ 未満の精度で $\operatorname{inverf}(x)$ を近似する。
• 残差補正 $R_N(x)$ を加えると、$x = 0.99$（$N=57$）では相対誤差が $10^{-4}$ 未満、$x = 0.999$（$N=423$）では $10^{-5}$ 未満にまで低下し、特異点付近での収束性が顕著に向上することが示された。
• 導関数を符号化する多項式 $P_n(x)$ の漸近的近似は、数値的にも妥当である：$\ln\left[\frac{P_{10}(x)}{10!}\right]$ の相対誤差は、小さな $n$ に対しても最小に近づき、この手法の頑健性を裏付けている。
• $x \to 1^-$ のとき、漸近的公式 $\operatorname{inverf}(x) \sim \sqrt{\frac{1}{2}\operatorname{LW}\left[\frac{2}{\pi(x-1)^2}\right]}$ が補完的近似として有効であり、ラムゼット・ワイの関数が極端な尾部領域でも高精度を保証する。
• 数値表により、$x = 0.7$ から $x = 0.9999$ の範囲で $T_9(x) + R_N(x)$ が真の値 $\operatorname{inverf}(x)$ を少なくとも4〜5桁の有効数字で一致することが確認された。$x$ が1に近づくにつれて $N$ は6から3685に増加する。