Я рекомендую SciPy для числовых функций в Python, но если Вы хотите что-то без зависимостей, вот функция с ошибочной ошибкой, меньше чем 1,5 * 10 <глоток>-7 глоток> для всех исходных данных.
def erf(x):
# save the sign of x
sign = 1 if x >= 0 else -1
x = abs(x)
# constants
a1 = 0.254829592
a2 = -0.284496736
a3 = 1.421413741
a4 = -1.453152027
a5 = 1.061405429
p = 0.3275911
# A&S formula 7.1.26
t = 1.0/(1.0 + p*x)
y = 1.0 - (((((a5*t + a4)*t) + a3)*t + a2)*t + a1)*t*math.exp(-x*x)
return sign*y # erf(-x) = -erf(x)
алгоритм появляется от Руководство Математических функций , формула 7.1.26.
Я рекомендовал бы загрузить numpy (для имения эффективной матрицы в Python) и scipy (замена панели инструментов Matlab, которая использует numpy). erf функция находится в scipy.
>>>from scipy.special import erf
>>>help(erf)
можно также использовать erf функцию, определяемую в pylab, но это более предназначается при графическом изображении результатов вещей, которые Вы вычисляете с numpy и scipy. Если Вы хотите единую установку их программное обеспечение, можно использовать непосредственно распределение Python Enthought .
Чистая реализация Python может быть найдена в mpmath модуле ( http://code.google.com/p/mpmath/ )
От строки документа:
>>> from mpmath import *
>>> mp.dps = 15
>>> print erf(0)
0.0
>>> print erf(1)
0.842700792949715
>>> print erf(-1)
-0.842700792949715
>>> print erf(inf)
1.0
>>> print erf(-inf)
-1.0
Для большого, реального x
, \mathrm{erf}(x)
подходы 1 очень быстро::
>>> print erf(3)
0.999977909503001
>>> print erf(5)
0.999999999998463
функция ошибок является нечетной функцией::
>>> nprint(chop(taylor(erf, 0, 5)))
[0.0, 1.12838, 0.0, -0.376126, 0.0, 0.112838]
: func: erf
оценка произвольной точности реализаций и комплексные числа поддержек::
>>> mp.dps = 50
>>> print erf(0.5)
0.52049987781304653768274665389196452873645157575796
>>> mp.dps = 25
>>> print erf(1+j)
(1.316151281697947644880271 + 0.1904534692378346862841089j)
Связанные функции
Видят также: func: erfc
, который более точен для большого x
, и: func: erfi
, который дает антипроизводную [1 110].
интегралы Френели: func: fresnels
и: func: fresnelc
также связаны с функцией ошибок.
Для ответа на мой собственный вопрос я закончил тем, что использовал следующий код, адаптированный от версии Java, которую я нашел в другом месте в сети:
# from: http://www.cs.princeton.edu/introcs/21function/ErrorFunction.java.html
# Implements the Gauss error function.
# erf(z) = 2 / sqrt(pi) * integral(exp(-t*t), t = 0..z)
#
# fractional error in math formula less than 1.2 * 10 ^ -7.
# although subject to catastrophic cancellation when z in very close to 0
# from Chebyshev fitting formula for erf(z) from Numerical Recipes, 6.2
def erf(z):
t = 1.0 / (1.0 + 0.5 * abs(z))
# use Horner's method
ans = 1 - t * math.exp( -z*z - 1.26551223 +
t * ( 1.00002368 +
t * ( 0.37409196 +
t * ( 0.09678418 +
t * (-0.18628806 +
t * ( 0.27886807 +
t * (-1.13520398 +
t * ( 1.48851587 +
t * (-0.82215223 +
t * ( 0.17087277))))))))))
if z >= 0.0:
return ans
else:
return -ans