什么是误差函数？
误差函数记作 \(\operatorname{erf}(x)\)，是一类特殊函数，广泛出现在概率论、统计学以及扩散与热传导理论中。它定义为高斯曲线（钟形曲线）从 0 到 x 积分的两倍，并经过归一化处理，使得 \(\operatorname{erf}(\infty) = 1\)。与之密切相关的是互补误差函数 \(\operatorname{erfc}(x) = 1 - \operatorname{erf}(x)\)，它度量的是分布尾部所对应的面积。
如何使用本计算器
只需输入任意实数 x，计算器便会同时给出 \(\operatorname{erf}(x)\) 与 \(\operatorname{erfc}(x)\) 的结果。正数和负数都可以输入，因为 erf 是奇函数：\(\operatorname{erf}(-x) = -\operatorname{erf}(x)\)。计算结果是无量纲的，且始终落在 \(-1\) 与 \(1\) 之间。
公式详解
误差函数没有初等的封闭表达式，因此必须借助数值方法求解。本工具采用经典的 Abramowitz 和 Stegun 有理多项式近似公式 7.1.26。它令 \(\tau = 1/(1 + px)\)，其中 \(p = 0.3275911\)，系数分别为 \(a_1 = 0.254829592\)、\(a_2 = -0.284496736\)、\(a_3 = 1.421413741\)、\(a_4 = -1.453152027\)、\(a_5 = 1.061405429\)。于是 $$\operatorname{erf}(x) \approx 1 - (a_1\tau + a_2\tau^2 + a_3\tau^3 + a_4\tau^4 + a_5\tau^5)\cdot e^{-x^2}$$ 该近似的最大绝对误差约为 \(1.5 \times 10^{-7}\)，对于几乎所有工程应用而言都足够精确。
计算实例
以 \(x = 1\) 为例：\(\tau = 1/(1 + 0.3275911) \approx 0.753139\)。代入多项式求值并乘以 \(e^{-1}\)，得到 \(\operatorname{erf}(1) \approx 0.842701\)，与真实值 \(0.8427008\) 高度吻合。对应的互补值为 \(\operatorname{erfc}(1) \approx 0.157299\)。
常见问题
erf(x) 的取值范围是多少？其取值从 \(-1\)（当 \(x \to -\infty\) 时）到 \(+1\)（当 \(x \to +\infty\) 时），并在 \(x = 0\) 处取值为 0。
计算结果有多精确？该近似可精确到约 7 位小数（误差 < 1.5e-7）。
erfc 有什么用途？互补误差函数常用于尾部概率计算、通信中的误码率分析，以及扩散方程的求解。
