这个计算器有什么用
本工具用于计算下不完全贝塔函数,其定义为定积分 \(B_x(a,b) = \int_{0}^{x} t^{a-1}(1-t)^{b-1}\, dt\)。被积函数 \(t^{a-1}(1-t)^{b-1}\) 正是贝塔分布与贝塔-二项分布的核函数。当积分上限 \(x = 1\)(下限为 0)时,结果就等于完全贝塔函数 $$B(a,b) = \frac{\Gamma(a)\Gamma(b)}{\Gamma(a+b)}.$$
使用方法
输入两个形状参数:a(变量 a)和 b,两者都应为正数。设定积分区间的下限和上限 x(通常取 0 到 1 之间)。再选择划分数 n——即高斯-勒让德节点的个数。n 越大精度越高;对于光滑的被积函数,\(n = 20\) 已经绰绰有余。把区间保持在 [0, 1],即可得到完全贝塔函数。
公式解析
积分采用高斯-勒让德求积法计算。先用牛顿迭代法求出勒让德多项式 \(P_n\) 的根,得到 \([-1, 1]\) 上的标准节点 \(x_i\) 和权重 \(w_i\),再线性映射到所选区间 \([c, d]\):$$t_i = \frac{d-c}{2}\cdot x_i + \frac{d+c}{2}.$$于是积分近似为 $$\frac{d-c}{2}\cdot \sum w_i\, f(t_i).$$由于高斯-勒让德法能精确积分次数不超过 \(2n-1\) 的多项式,对光滑被积函数收敛极快。
实例演算
取 \(a = 3\)、\(b = 5\),区间 [0, 1],\(n = 20\),结果即为完全贝塔函数 $$B(3,5) = \frac{2! \cdot 4!}{7!} = \frac{48}{5040} = 0.0095238095\ldots = \frac{1}{105}.$$求积结果可精确还原到双精度浮点的全部有效位。
用于检验结果的已知Beta函数值
完全Beta函数为\(B(a,b)=\dfrac{\Gamma(a)\,\Gamma(b)}{\Gamma(a+b)}\)。在本计算器中设置x = 1,应能得到下表中的数值。请用这些值检查输入和求积精度。
| a | b | 计算过程 | B(a,b) 精确值 | 小数 |
|---|---|---|---|---|
| 1 | 1 | \(\Gamma(1)\Gamma(1)/\Gamma(2)=1\) | 1 | 1.000000 |
| 2 | 2 | \(1\cdot 1/3!\) | 1/6 | 0.166667 |
| 2 | 3 | \(1\cdot 2/4!\) | 1/12 | 0.083333 |
| 3 | 3 | \(2\cdot 2/5!\) | 1/30 | 0.033333 |
| 3 | 5 | \(2\cdot 24/7!=48/5040\) | 1/105 | 0.009524 |
| 0.5 | 0.5 | \(\Gamma(1/2)^2/\Gamma(1)=\pi\) | π | 3.141593 |
| 1 | b | \(\int_0^1 (1-t)^{b-1}dt\) | 1/b | – |
| a | 1 | \(\int_0^1 t^{a-1}dt\) | 1/a | – |
用于验证的恒等式
- 对称性: \(B_x(a,b)+B_{1-x}(b,a)=B(a,b)\)。分别计算两个不完全值,并检验它们之和是否等于完全值。
- 特殊情形 b = 1: \(B_x(a,1)=\dfrac{x^{a}}{a}\)。例如,\(B_{0.5}(2,1)=0.25/2=0.125\)。
- 完整情形: \(B_1(a,b)=B(a,b)\),且 \(B_0(a,b)=0\)。
精度与节点数及参数选择的关系
n点高斯-勒让德规则可精确积分次数至多为2n−1的多项式。当a和b为正整数时,被积函数\(t^{a-1}(1-t)^{b-1}\)是次数为a+b−2的多项式,因此较小的n就能得到舍入误差范围内的精确答案。当a < 1或b < 1时,被积函数在某一端点处奇异,该规则只能代数收敛。
| 情形 | 精确值 | 被积函数 | 所需节点数 / 表现 | 预期绝对误差 |
|---|---|---|---|---|
| a=3, b=5, x=1 | 1/105 ≈ 0.0095238 | 多项式,次数为6 | 当2n−1 ≥ 6,即 n ≥ 4 时精确。n = 10、20、50、100 均满足。 | 接近机器精度(约10−16或更小) |
| a=2, b=2, x=0.5 | 1/12 ≈ 0.0833333 | \(t(1-t)\),次数为2 | n ≥ 2 时精确,因此n = 10至100结果一致。 | 接近机器精度 |
| a=0.5, b=0.5, x=1, n=10 | π ≈ 3.1415927 | \(1/\sqrt{t(1-t)}\),两端均奇异 | 代数收敛缓慢 | 较大;约为10−1量级或略小 |
| a=0.5, b=0.5, x=1, n=20 | π | 同上 | 误差大约减半 | 大致与1/n成正比 |
| a=0.5, b=0.5, x=1, n=50 | π | 同上 | 相比n = 20,误差仅缩小约2.5倍 | 大致与1/n成正比 |
| a=0.5, b=0.5, x=1, n=100 | π | 同上 | 结果趋近π,但仅精确到约2至3位数字 | 大致与1/n成正比,比n = 10时约小10倍 |
为何会有差异? 高斯-勒让德误差取决于被积函数在整个区间上的光滑程度。对于端点奇点\(t^{\alpha}\),当−1 < α < 0时,误差按\(n^{-2(\alpha+1)}\)衰减。当α = −1/2(a = 0.5)时,误差约为\(n^{-1}\)。奇异情形中的误差数值是标度估计,而非精确输出,因此您看到的末位数字可能有所不同。光滑情形(a、b为大于等于1的整数)可达到接近机器精度,即双精度下约15至16位有效数字。
实用建议:若a或b小于1,请在工具允许的范围内尽量增大n。您也可以将结果与Gamma函数给出的精确值进行比较,或用对称性恒等式进行检验。
定义与术语表
- 下不完全Beta函数 \(B_x(a,b)\)
- 积分\(B_x(a,b)=\int_0^x t^{a-1}(1-t)^{b-1}\,dt\),其中0 ≤ x ≤ 1。本工具允许使用一般下限c,即从c积分到x。
- 完全Beta函数 \(B(a,b)\)
- 在[0, 1]上的同一积分,即\(B_1(a,b)\)。它等于\(\Gamma(a)\Gamma(b)/\Gamma(a+b)\)。
- 正则化不完全Beta函数 \(I_x(a,b)\)
- 比值\(I_x(a,b)=B_x(a,b)/B(a,b)\),取值从0到1。它是Beta(a, b)分布的累积分布函数。
- 形状参数a和b
- 控制被积函数的正实数。指数a−1决定其在t = 0附近的行为,b−1决定其在t = 1附近的行为。小于1的取值会使被积函数在该端点处趋于无穷大。
- 高斯-勒让德节点与权重
- 在[−1, 1]上,节点\(x_i\)是勒让德多项式\(P_n\)的n个根。权重为\(w_i=\dfrac{2}{(1-x_i^2)\,[P_n'(x_i)]^2}\)。对于区间[c, d],节点映射为\(t_i=\tfrac{d-c}{2}x_i+\tfrac{d+c}{2}\),积分近似为\(\tfrac{d-c}{2}\sum w_i f(t_i)\)。该规则可精确积分次数至多为2n−1的多项式。
- 勒让德多项式 \(P_n\)
- 在[−1, 1]上以权重1正交的族中的n次多项式,并归一化使\(P_n(1)=1\)。例如\(P_1=x\),\(P_2=(3x^2-1)/2\)。
- 可积奇点
- 被积函数在该点趋于无穷大,但积分仍然收敛的点。当0 < a < 1时此现象出现在t = 0处,当0 < b < 1时出现在t = 1处。对于光滑函数的求积规则,在这种情形下收敛较慢。
- Gamma函数关系
- \(B(a,b)=\Gamma(a)\Gamma(b)/\Gamma(a+b)\),其中对正整数有\(\Gamma(n)=(n-1)!\),且\(\Gamma(1/2)=\sqrt{\pi}\)。这为检验数值结果提供了精确的参考值。
常见问题
如果 \(0 < a < 1\) 或 \(0 < b < 1\) 会怎样?此时被积函数在端点处存在可积奇点。由于高斯-勒让德节点都位于区间内部,结果仍然有限,但精度会下降——这时应增大 n。
如何得到正则化不完全贝塔函数 \(I_x(a,b)\)?把本结果除以完全贝塔函数即可(将区间设为 [0, 1] 来计算完全贝塔函数)。
为什么结果有时是负数?如果积分上限小于下限,带符号的积分就是负值,这在数学上是正确的。