เครื่องคิดเลขฟังก์ชันผิดพลาด

Q: ฟังก์ชันความผิดพลาด (erf) คืออะไร?

ฟังก์ชันความผิดพลาด หรือเขียนแทนด้วย erf(x) คือฟังก์ชันทางคณิตศาสตร์พิเศษที่พบบ่อยในเรื่องความน่าจะเป็น สถิติ และการแก้สมการเชิงอนุพันธ์ย่อย กำหนดโดย erf(x) = (2/√π) ∫₀ˣ e^(-t²) dt ฟังก์ชันนี้จะให้ค่าระหว่าง -1 ถึง 1 โดยที่ erf(0) = 0 และมีค่าเข้าใกล้ ±1 เมื่อ x เข้าใกล้ ±∞

Q: ฟังก์ชันความผิดพลาดเกี่ยวข้องกับการแจกแจงปกติอย่างไร?

ฟังก์ชันความผิดพลาดมีความสัมพันธ์อย่างใกล้ชิดกับฟังก์ชันการแจกแจงสะสม (CDF) ของการแจกแจงปกติมาตรฐาน โดยเฉพาะอย่างยิ่ง ความน่าจะเป็นที่ตัวแปรสุ่มปกติมาตรฐานจะมีค่าระหว่าง -x√2 และ x√2 จะได้จาก erf(x) ความสัมพันธ์คือ: Φ(x) = (1/2)[1 + erf(x/√2)] โดยที่ Φ(x) คือ CDF ของการแจกแจงปกติมาตรฐาน

Q: ฟังก์ชันความผิดพลาดส่วนเติมเต็ม (erfc) คืออะไร?

ฟังก์ชันความผิดพลาดส่วนเติมเต็ม erfc(x) ถูกกำหนดเป็น erfc(x) = 1 - erf(x) ซึ่งแสดงถึงความน่าจะเป็นที่ตัวแปรสุ่มปกติมาตรฐานจะมีค่าสัมบูรณ์เกิน x√2 สำหรับค่า x ที่มีขนาดใหญ่ การคำนวณ erfc(x) โดยตรงจะมีความแม่นยำมากกว่าการคำนวณ 1 - erf(x) เนื่องจาก erf(x) เข้าใกล้ 1 ซึ่งทำให้สูญเสียความละเอียดจากการลบ

Q: ฟังก์ชันความผิดพลาดผกผันคืออะไร?

ฟังก์ชันความผิดพลาดผกผัน erf⁻¹(x) คือส่วนกลับของฟังก์ชันความผิดพลาด โดยจะหาค่า y ที่ทำให้ erf(y) = x ฟังก์ชันนี้กำหนดขึ้นสำหรับอินพุตที่อยู่ระหว่าง -1 และ 1 เท่านั้น (ไม่รวมจุดสิ้นสุด) ฟังก์ชันความผิดพลาดผกผันมีประโยชน์ในการสร้างตัวเลขสุ่มที่มีการแจกแจงปกติและในการแก้สมการที่เกี่ยวข้องกับฟังก์ชันความผิดพลาด

Q: ทำไมถึงเรียกว่าฟังก์ชันความผิดพลาด?

ชื่อ 'ฟังก์ชันความผิดพลาด' มาจากความเชื่อมโยงกับทฤษฎีความผิดพลาดในทางสถิติ ในคริสต์ศตวรรษที่ 18 นักคณิตศาสตร์ที่ศึกษาเรื่องความผิดพลาดในการวัดพบว่าความผิดพลาดมักจะเป็นไปตามการแจกแจงปกติ (Gaussian) ฟังก์ชันความผิดพลาดแสดงถึงความน่าจะเป็นที่ความผิดพลาดในการวัดจะตกอยู่ในช่วงที่กำหนด จึงเป็นที่มาของชื่อนี้

คำนวณฟังก์ชันความผิดพลาด erf(x), ฟังก์ชันความผิดพลาดส่วนเติมเต็ม erfc(x) และฟังก์ชันความผิดพลาดผกผัน พร้อมการแสดงภาพเส้นโค้ง Gaussian แบบโต้ตอบ คำอธิบายทีละขั้นตอน และการวิเคราะห์ที่ครอบคลุมสำหรับสถิติและความน่าจะเป็น

เครื่องคิดเลขฟังก์ชันผิดพลาด

ตัวอย่างด่วน:

erf(1) erf(0.5) erfc(1) erf⁻¹(0.5) erf(2) erfc⁻¹(0.1)

ประเภทฟังก์ชัน:
ค่าอินพุต (x):
ความละเอียดทศนิยม:
💡 โดเมนที่ใช้งานได้: erf/erfc ยอมรับจำนวนจริงใดๆ erf ผกผัน ต้องใช้ -1 < x < 1 erfc ผกผัน ต้องใช้ 0 < x < 2

Embed เครื่องคิดเลขฟังก์ชันผิดพลาด Widget

เกี่ยวกับ เครื่องคิดเลขฟังก์ชันผิดพลาด

ยินดีต้อนรับสู่ เครื่องคิดเลขฟังก์ชันความผิดพลาด เครื่องมือทางคณิตศาสตร์ที่ครอบคลุมสำหรับการคำนวณฟังก์ชันความผิดพลาด erf(x), ฟังก์ชันความผิดพลาดส่วนเติมเต็ม erfc(x) และฟังก์ชันผกผัน เครื่องคิดเลขนี้ให้ผลลัพธ์ที่แม่นยำสูงสุด 15 ตำแหน่งทศนิยม พร้อมการแสดงภาพประกอบแบบโต้ตอบ และคำอธิบายทีละขั้นตอนเพื่อช่วยให้คุณเข้าใจฟังก์ชันพิเศษพื้นฐานที่ใช้ในสถิติ ทฤษฎีความน่าจะเป็น ฟิสิกส์ และวิศวกรรมศาสตร์

ฟังก์ชันความผิดพลาดคืออะไร?

ฟังก์ชันความผิดพลาด หรือเขียนแทนด้วย erf(x) เป็นฟังก์ชันทางคณิตศาสตร์พิเศษที่มีรูปร่างเป็นรูปตัวเอส (Sigmoid) ซึ่งเกิดขึ้นบ่อยครั้งในความน่าจะเป็น สถิติ และสมการเชิงอนุพันธ์ย่อย หรือที่รู้จักกันในชื่อ ฟังก์ชันความผิดพลาดของเกาส์ (Gauss error function) โดยนิยามจากอินทิกรัลของการแจกแจงแบบเกาส์เซียน (ปกติ):

นิยามของฟังก์ชันความผิดพลาด

erf(x) = \frac{2}{\sqrt{\pi}} \int_0^x e^{-t^2} dt

ฟังก์ชันความผิดพลาดมีคุณสมบัติที่สำคัญหลายประการ:

เรนจ์ (Range)

-1 < erf(x) < 1

ที่จุดศูนย์

erf(0) = 0

ฟังก์ชันคี่

erf(-x) = -erf(x)

ขีดจำกัด (Limits)

lim erf(x) = +1 เมื่อ x เข้าใกล้ +อินฟินิตี้ และ -1 เมื่อ x เข้าใกล้ -อินฟินิตี้

ทำไมถึงเรียกว่าฟังก์ชันความผิดพลาด?

ชื่อ "ฟังก์ชันความผิดพลาด" มีต้นกำเนิดมาจากทฤษฎีความผิดพลาดในทางสถิติในช่วงคริสต์ศตวรรษที่ 18 และ 19 เมื่อนักวิทยาศาสตร์และนักคณิตศาสตร์ศึกษาเรื่องความผิดพลาดในการวัด พวกเขาพบว่าความผิดพลาดแบบสุ่มมักจะเป็นไปตามการแจกแจงปกติ (Gaussian) ฟังก์ชันความผิดพลาดแสดงถึงความน่าจะเป็นที่ความผิดพลาดในการวัดจะตกอยู่ในช่วงที่กำหนด ทำให้เป็นพื้นฐานสำหรับการวิเคราะห์ทางสถิติและการควบคุมคุณภาพ

ฟังก์ชันความผิดพลาดส่วนเติมเต็ม (erfc)

ฟังก์ชันความผิดพลาดส่วนเติมเต็ม erfc(x) ถูกกำหนดให้เป็นหนึ่งลบด้วยฟังก์ชันความผิดพลาด:

ฟังก์ชันความผิดพลาดส่วนเติมเต็ม

erfc(x) = 1 - erf(x) = \frac{2}{\sqrt{\pi}} \int_x^{\infty} e^{-t^2} dt

ฟังก์ชันความผิดพลาดส่วนเติมเต็มมีประโยชน์อย่างยิ่งในการคำนวณความน่าจะเป็นในช่วงปลาย (Tail) ของการแจกแจงปกติ สำหรับค่า x ขนาดใหญ่ erfc(x) จะให้ความแม่นยำเชิงตัวเลขที่ดีกว่าการคำนวณ 1 - erf(x) โดยตรง เนื่องจาก erf(x) เข้าใกล้ 1 และการลบจะทำให้สูญเสียตัวเลขที่มีนัยสำคัญ

ฟังก์ชันความผิดพลาดผกผัน

ฟังก์ชันความผิดพลาดผกผัน erf^-1(x) จะหาค่า y ที่ทำให้ erf(y) = x โดยกำหนดขึ้นสำหรับอินพุตในช่วง (-1, 1) เท่านั้น ในทำนองเดียวกัน ฟังก์ชันความผิดพลาดส่วนเติมเต็มผกผัน erfc^-1(x) จะกำหนดขึ้นสำหรับอินพุตในช่วง (0, 2)

ฟังก์ชันความผิดพลาดผกผัน

erf^{-1}(x): \text{หาค่า } y \text{ ที่ทำให้ } erf(y) = x

ฟังก์ชันความผิดพลาดผกผันมีความจำเป็นสำหรับ:

การสร้างตัวเลขสุ่ม: แปลงตัวเลขสุ่มแบบสม่ำเสมอเป็นตัวเลขสุ่มที่มีการแจกแจงปกติ
ช่วงความเชื่อมั่น: หาค่าวิกฤตสำหรับการทดสอบทางสถิติ
การประมวลผลสัญญาณ: แก้สมการที่เกี่ยวข้องกับฟังก์ชันความผิดพลาด

ความสัมพันธ์กับการแจกแจงปกติ

ฟังก์ชันความผิดพลาดมีความเชื่อมโยงอย่างใกล้ชิดกับการแจกแจงปกติมาตรฐาน หากคุณมีตัวแปรสุ่ม Z ที่มีการแจกแจงปกติมาตรฐาน N(0,1) ความน่าจะเป็นที่ Z จะอยู่ระหว่าง -x และ x จะเกี่ยวข้องกับ erf ดังนี้:

ความเชื่อมโยงกับการแจกแจงปกติ

P(-x\sqrt{2} \leq Z \leq x\sqrt{2}) = erf(x)

ฟังก์ชันการแจกแจงสะสม (CDF) ของการแจกแจงปกติมาตรฐานสามารถแสดงได้ดังนี้:

CDF ของการแจกแจงปกติมาตรฐาน

\Phi(x) = \frac{1}{2}\left[1 + erf\left(\frac{x}{\sqrt{2}}\right)\right]

วิธีใช้เครื่องคิดเลขนี้

เลือกประเภทฟังก์ชัน: เลือกจาก erf(x), erfc(x), erf ผกผัน หรือ erfc ผกผัน ตามความต้องการในการคำนวณของคุณ
ป้อนค่าอินพุต: พิมพ์ค่า x ที่คุณต้องการคำนวณฟังก์ชัน สำหรับฟังก์ชันผกผัน ตรวจสอบให้แน่ใจว่าอินพุตของคุณอยู่ในโดเมนที่ถูกต้อง
เลือกความแม่นยำ: เลือกทศนิยม 6, 10 หรือ 15 ตำแหน่งตามความต้องการความถูกต้องแม่นยำของคุณ
คลิกคำนวณ: ดูผลลัพธ์ของคุณพร้อมคำอธิบายทีละขั้นตอน กราฟแบบโต้ตอบ และค่าที่เกี่ยวข้อง

โดเมนอินพุต (Input Domains)

erf(x) และ erfc(x): จำนวนจริง x ใดๆ
erf^-1(x): -1 < x < 1 (ไม่รวมจุดสิ้นสุด)
erfc^-1(x): 0 < x < 2 (ไม่รวมจุดสิ้นสุด)

ตารางค่าฟังก์ชันความผิดพลาด

นี่คือค่าของฟังก์ชันความผิดพลาดที่ใช้บ่อยบางส่วน:

x	erf(x)	erfc(x)
0.0	0.00000000	1.00000000
0.1	0.11246292	0.88753708
0.2	0.22270259	0.77729741
0.3	0.32862676	0.67137324
0.4	0.42839236	0.57160764
0.5	0.52049988	0.47950012
0.6	0.60385609	0.39614391
0.7	0.67780119	0.32219881
0.8	0.74210096	0.25789904
0.9	0.79690821	0.20309179
1.0	0.84270079	0.15729921
1.5	0.96610515	0.03389485
2.0	0.99532227	0.00467773
2.5	0.99959305	0.00040695
3.0	0.99997791	0.00002209

การประยุกต์ใช้ฟังก์ชันความผิดพลาด

สถิติและความน่าจะเป็น

ฟังก์ชันความผิดพลาดเป็นพื้นฐานของทฤษฎีความน่าจะเป็น โดยปรากฏในฟังก์ชันการแจกแจงสะสมของการแจกแจงปกติ การคำนวณช่วงความเชื่อมั่น การทดสอบสมมติฐาน และกระบวนการควบคุมคุณภาพโดยใช้แผนภูมิควบคุม

ฟิสิกส์และวิศวกรรม

ในทางฟิสิกส์ ฟังก์ชันความผิดพลาดจะปรากฏในสมการการแพร่กระจายความร้อน (การวิเคราะห์ฟูริเยร์) การแพร่กระจายมวลในวัสดุ การแพร่กระจายของคลื่นแม่เหล็กไฟฟ้า และกลศาสตร์ควอนตัม (ฟังก์ชันคลื่น)

การประมวลผลสัญญาณ

วิศวกรสัญญาณใช้ฟังก์ชันความผิดพลาดในการคำนวณอัตราความผิดพลาดบิตในการสื่อสารดิจิทัล การวิเคราะห์สัญญาณรบกวนในระบบไฟฟ้า การออกแบบฟิลเตอร์ และการวิเคราะห์การมอดูเลต

คณิตศาสตร์การเงิน

ในการเงินเชิงปริมาณ ฟังก์ชันความผิดพลาดจะปรากฏในแบบจำลองราคาออปชัน (Black-Scholes) การคำนวณการประเมินความเสี่ยง การเพิ่มประสิทธิภาพพอร์ตโฟลิโอ และการจำลองมอนเตคาร์โล

คุณสมบัติทางคณิตศาสตร์

การขยายอนุกรม (Series Expansion)

ฟังก์ชันความผิดพลาดสามารถแสดงเป็นอนุกรมเทย์เลอร์ได้:

อนุกรมเทย์เลอร์

erf(x) = \frac{2}{\sqrt{\pi}} \sum_{n=0}^{\infty} \frac{(-1)^n x^{2n+1}}{n!(2n+1)}

การขยายเชิงเส้นกำกับ (Asymptotic Expansion)

สำหรับค่า x ขนาดใหญ่ ฟังก์ชันความผิดพลาดส่วนเติมเต็มสามารถประมาณได้ด้วย:

การประมาณค่าเชิงเส้นกำกับ

erfc(x) \approx \frac{e^{-x^2}}{x\sqrt{\pi}} \text{ เมื่อ } x \to \infty

อนุพันธ์

อนุพันธ์ของฟังก์ชันความผิดพลาดคือฟังก์ชันเกาส์เซียน:

อนุพันธ์

\frac{d}{dx}erf(x) = \frac{2}{\sqrt{\pi}}e^{-x^2}

คำถามที่พบบ่อย

ฟังก์ชันความผิดพลาด (erf) คืออะไร?

ฟังก์ชันความผิดพลาด หรือเขียนแทนด้วย erf(x) คือฟังก์ชันทางคณิตศาสตร์พิเศษที่พบบ่อยในเรื่องความน่าจะเป็น สถิติ และการแก้สมการเชิงอนุพันธ์ย่อย กำหนดโดย erf(x) = (2/√π) ∫₀ˣ e^(-t²) dt ฟังก์ชันนี้จะให้ค่าระหว่าง -1 ถึง 1 โดยที่ erf(0) = 0 และมีค่าเข้าใกล้ ±1 เมื่อ x เข้าใกล้ ±

ฟังก์ชันความผิดพลาดเกี่ยวข้องกับการแจกแจงปกติอย่างไร?

ฟังก์ชันความผิดพลาดมีความสัมพันธ์อย่างใกล้ชิดกับฟังก์ชันการแจกแจงสะสม (CDF) ของการแจกแจงปกติมาตรฐาน โดยเฉพาะอย่างยิ่ง ความน่าจะเป็นที่ตัวแปรสุ่มปกติมาตรฐานจะมีค่าระหว่าง -x√2 และ x√2 จะได้จาก erf(x) ความสัมพันธ์คือ: Φ(x) = (1/2)[1 + erf(x/√2)] โดยที่ Φ(x) คือ CDF ของการแจกแจงปกติมาตรฐาน

ฟังก์ชันความผิดพลาดส่วนเติมเต็ม (erfc) คืออะไร?

ฟังก์ชันความผิดพลาดส่วนเติมเต็ม erfc(x) ถูกกำหนดเป็น erfc(x) = 1 - erf(x) ซึ่งแสดงถึงความน่าจะเป็นที่ตัวแปรสุ่มปกติมาตรฐานจะมีค่าสัมบูรณ์เกิน x√2 สำหรับค่า x ที่มีขนาดใหญ่ การคำนวณ erfc(x) โดยตรงจะมีความแม่นยำมากกว่าการคำนวณ 1 - erf(x) เนื่องจาก erf(x) เข้าใกล้ 1 ซึ่งทำให้สูญเสียความละเอียดจากการลบ

ฟังก์ชันความผิดพลาดผกผันคืออะไร?

ฟังก์ชันความผิดพลาดผกผัน erf⁻¹(x) คือส่วนกลับของฟังก์ชันความผิดพลาด โดยจะหาค่า y ที่ทำให้ erf(y) = x ฟังก์ชันนี้กำหนดขึ้นสำหรับอินพุตที่อยู่ระหว่าง -1 และ 1 เท่านั้น (ไม่รวมจุดสิ้นสุด) ฟังก์ชันความผิดพลาดผกผันมีประโยชน์ในการสร้างตัวเลขสุ่มที่มีการแจกแจงปกติและในการแก้สมการที่เกี่ยวข้องกับฟังก์ชันความผิดพลาด

ทำไมถึงเรียกว่าฟังก์ชันความผิดพลาด?

ชื่อ 'ฟังก์ชันความผิดพลาด' มาจากความเชื่อมโยงกับทฤษฎีความผิดพลาดในทางสถิติ ในคริสต์ศตวรรษที่ 18 นักคณิตศาสตร์ที่ศึกษาเรื่องความผิดพลาดในการวัดพบว่าความผิดพลาดมักจะเป็นไปตามการแจกแจงปกติ (Gaussian) ฟังก์ชันความผิดพลาดแสดงถึงความน่าจะเป็นที่ความผิดพลาดในการวัดจะตกอยู่ในช่วงที่กำหนด จึงเป็นที่มาของชื่อนี้