A New Approximation to the Normal Distribution Quantile Function

技術要約：正規分布の分位関数に対する新しい近似法

問題提起
本論文は、正規分布の累積分布関数（CDF）の逆関数である $N^{-1}(x)$ の、計算効率の高い近似法に対するニーズに取り組んでいる。Beasley-Springer近似 [3] や Acklamの近似 [2] といった既存の手法は高い精度を提供するが、著者は、速度を優先しつつ「合理的に正確な」結果（具体的には、Abramowitz-Stegun近似 [1] に匹敵する最大絶対誤差 $4.5 \cdot 10^{-4}$ 未満）を維持する手法の特定の要件を特定している。主な課題は、裾（テイル）の計算において通常必要となる対数（logarithm）や平方根（square root）といった高コストな演算の計算量を削減することである。

手法
提案手法は、領域を広い中央領域と狭い裾の部分に分離するという確立されたフレームワークに従っており、$N^{-1}(x - 1/2)$ の奇対称性を利用している。しかし、著者は近似に使用される有理関数スキームに以下の変更を加えている。

1. 中央領域の近似:

   • Beasley-Springer（(3,4) スキーム）やAcklam（(5,5) スキーム）のような高次のスキームの代わりに、本論文では中央領域に対して (2,2) スキーム を提案している。
   • 関数は $f(p) = q \frac{a_2 r^2 + a_1 r + a_0}{r^2 + b_1 r + b_0}$ と定義される。ここで $q = p - 0.5$ および $r = q^2$ である。
   • 2つのバリエーションが提示されている：
     • Rat22A: 境界を $p = 0.0465$ および $p = 0.9535$ とする。
     • Rat22B: 境界をより広く $p = 0.025$ および $p = 0.975$ とし、裾の計算の頻度をさらに減少させる。
   • 係数は、最大絶対誤差（チェビシェフ近似）を最小化するために、Mapleの numapprox パッケージの minimax 関数を用いて導出された。

2. 裾（テイル）領域の近似:

   • 裾の領域（$p < 0.0465$ および $p > 0.9535$）に対しては、(3,2) スキーム が採用されている。
   • この近似は、変数 $r = \sqrt{\log(1/p^2)}$ （または上側裾の場合は $\sqrt{\log(1/(1-p)^2)}$）を利用する。
   • 関数は $r$ の有理関数として $f_{tail}(p) = \frac{c_3 r^3 + c_2 r^2 + c_1 r + c_0}{r^2 + d_1 r + d_0}$ と定義される。
   • 係数も同様に、Mapleの minimax アルゴリズムを用いて最適化された。

3. 最適化技術:

   • 有理関数は、乗算の回数を最小限に抑えるように構成されている（例：先頭の係数が1になるように分母を正規化する）。
   • より広い中央領域（Rat22B）は、計算コストの高い log および sqrt 演算を実行しなければならない値の集合を減らすことを明確な目的として設計されている。

主な貢献と結果

• 精度: 新しい (2,2) 中央近似は、中央領域で約 $2.5 \cdot 10^{-5}$、裾の部分で $2.45 \cdot 58 \cdot 10^{-5}$ の最大絶対誤差を達成している。総最大絶対誤差は $2.5 \cdot 10^{-5}$ 未満である。
  • 注記（精度について）: 著者は、これがBeasley-Springer近似（中央領域での誤差が $1.85 \cdot 10^{-9}$ 未満）やAcklam近似よりも精度が低いことを明示的に認めている。
• パフォーマンス: 本論文の主要な貢献は速度である。Dell Inspiron 1525 (Intel Core 2 Duo T5800, 2.00 GHz) を使用し、Java (JDK 1.6.0 17) で200,000回の反復試行を行ったベンチマーク結果は以下の通りである：
  • Abramowitz-Stegun (AS): 25,210 ms
  • Beasley-Springer (BS): 10,212 ms
  • Rat22A (新手法、狭い中央領域): 8,052 ms
  • Rat22B (新手法、広い中央領域): 6,649 ms
• 効率性の向上: 新しい近似法は、既存の手法よりも大幅に高速である。Rat22AとRat22Bの比較により、中央領域を拡大することで log および sqrt 計算を必要とする値のサブセットを約50%削減したことが、CPU時間を約20%削減したことが示された。

意義と主張
本論文は、提案された近似法がBeasley-Springerのような最先端の手法と比較して精度を犠牲にしているものの、そのトレードオフは大幅な計算速度の向上によって正当化されると主張している。著者は、誤差の範囲が $2.5 \cdot 10^{-5}$ 未満であれば、「多くのアプリケーション」、特に金融市場のように速度が極めて重要となる領域において十分であると述べている。

さらに、本論文はAbramowitz-Stegun近似（[1]の式26.2.22および26.2.23）についても再検討している。著者は、標準的なIEEE-754表現範囲内において、元の近似よりも5倍以上の精度を提供する改良された係数を提示しているが、範囲が0および1の極端な値に近づくにつれて精度は低下する。

要約すると、本研究は、わずかに高い誤差許容範囲が許容される用途のために、実行時間を優先した、確立された分位関数近似に対する「より速い」代替案を提供するものである。