🔭 astrophysics

Simple approximations of some statistical functions

该论文提出了一种简化计算正态分布逆函数、学生 t 分布及离群值剔除准则的近似方法，旨在为大多数实际应用提供足够精确的统计分位数表达式。

原作者： Zinovy Malkin

发布于 2026-04-21

📖 1 分钟阅读☕ 轻松阅读

原作者： Zinovy Malkin

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文就像是一位经验丰富的老工匠（作者 Zinovy Malkin），在向大家展示如何把原本笨重、复杂的“统计计算机器”，改装成轻便、快捷的“瑞士军刀”。

在科学观测和数据分析的世界里，我们经常需要回答一些关键问题：“这个数据是真的吗？”、“这个结果是不是偶然的？”或者“这个数据点是不是个捣乱的坏家伙（异常值）？”。为了解答这些问题，科学家通常需要查厚厚的表格，或者运行非常复杂的数学公式。这就像是要去超市买瓶酱油，却非要开一辆重型卡车去运，既慢又浪费油。

这篇论文的核心思想就是：“够用就好，何必过度？”

作者认为，在大多数实际工作中，我们并不需要那种精确到小数点后几十位的“超级计算机”级别的算法，因为那太慢了。我们只需要一种“简单、快速且足够准确”的近似方法。

为了让你更容易理解，我们可以把论文中提到的三个核心任务，想象成三个不同的“关卡”：

关卡一：寻找“标准答案”的坐标（逆正态分布）

比喻：在迷雾森林中找路标
想象你在一片迷雾森林（数据世界）里，你需要知道某个特定的“信心水平”（比如 95% 的把握）对应的位置在哪里。

传统做法：你需要拿着复杂的地图，一步步解方程，或者翻厚厚的书，这就像在森林里用指南针和六分仪慢慢定位，非常慢。
作者的方案：作者画了一张简易的“捷径图”。他告诉大家，只要记住几个简单的数字（系数），套进一个像 $A + B \times \text{时间}$ 这样简单的公式里，就能迅速算出位置。
效果：虽然这张简易地图不是 100% 完美，但在 90% 到 99.9% 的常见情况下，它指的路和真实路径几乎重合，而且速度极快。这就好比用谷歌地图的“快速导航”代替了手动计算经纬度。

关卡二：判断“小样本”的可靠性（学生 t 分布）

比喻：用少量样本猜全班成绩
当你只有很少的数据（比如只测了 5 个人的身高）时，要推断全班的平均身高，就需要用到“学生 t 分布”。这就像是用几块拼图去猜整幅画的样子。

传统做法：计算这个分布的临界值（判断标准）非常复杂，公式长得像乱麻。
作者的方案：作者发现，当样本量（自由度）变大时，这个复杂的公式其实可以简化成一个非常短小的“线性公式”。就像你不需要知道整幅画的每一笔，只要知道几个关键点，就能猜出大概的样子。
效果：这个简化公式在样本量超过一定数量（比如 2 或 3 个以上）时，误差极小。对于大多数需要快速处理数据的场景（比如自动化的天文观测），这简直是神器。

关卡三：揪出“捣乱鬼”（剔除异常值）

比喻：在合唱队里找出跑调的人
在处理一堆数据时，总有一个数据点特别奇怪，它和其他人差得太远。我们需要判断它是“真的异常”还是“正常的波动”。

传统做法：要判断这个“跑调者”是否该被踢出队伍，需要查表，而且表随着人数变化而变化，非常繁琐。
作者的方案：作者设计了一个“智能过滤器”。这个过滤器利用前面提到的“捷径图”（正态分布近似），结合一个简单的数学模型，就能迅速算出“跑调”的界限。
效果：不管合唱队有 10 个人还是 500 个人，这个过滤器都能迅速告诉你：“嘿，这个人确实跑调了，把他请出去吧！”而且它的判断非常准确，不会误伤好人。

总结：为什么要这么做？

作者就像一个务实的工程师，他告诉我们：

不要过度追求完美：在工程应用和自动化处理中，速度往往比极致的精度更重要。就像你开车去上班，不需要知道车轮转动的微米级细节，只要知道路是对的就行。
资源有限：很多设备（比如太空望远镜、实时监测传感器）计算能力有限，或者需要处理海量数据。这时候，这种“简单粗暴”但“足够好用”的算法，就像给设备装上了涡轮增压，让它们跑得更快。
开源共享：作者不仅给了公式，还把写好的代码（Fortran 程序）放在了网上，就像把改装图纸免费发给大家，让所有人都能造出这辆“轻便赛车”。

一句话总结：
这篇论文就是告诉大家，在处理统计问题时，与其拿着精密仪器慢慢算，不如用一把简单好用的“瑞士军刀”快速搞定。只要误差在可接受范围内，快就是硬道理。

这是一份关于 Zinovy Malkin 所著论文《某些统计函数的简单近似》（Simple approximations of some statistical functions）的详细技术总结。

1. 研究背景与问题 (Problem)

在观测数据的处理和统计分析中，统计计算起着核心作用。尽管存在许多先进的统计软件包，但在开发专有数学软件（特别是用于自动化、大规模计算或受限计算资源环境下的软件）时，往往需要简单且计算速度快的算法。

现有的文献中虽然有许多统计分布的近似公式，但它们通常存在以下问题：

过度复杂：为了在整个定义域内保持高精度，公式往往非常繁琐。
精度过剩：大多数实际应用（如观测数据处理）只需要在特定的置信概率范围内（通常为 0.9 到 0.999）具有足够的精度，而现有方法往往追求全范围的极致精度，导致计算时间不必要地增加。

核心问题：如何在保证满足实际应用精度要求的前提下，显著简化统计函数的计算过程，从而减少计算时间并提高处理效率？

2. 方法论 (Methodology)

作者提出了一种针对特定置信概率区间（0.9–0.999）的简化近似策略。该方法不追求全定义域的统一公式，而是针对常用的置信水平区间，利用分段或特定形式的简单代数表达式来拟合统计分位数。

研究主要涉及以下三个统计函数：

逆正态分布函数 ( $N^{-1}(p)$ )
学生 t 分布 (Student's t-distribution) 的分位数
剔除异常值准则 (Outlier rejection criterion, $\zeta$ )

数据来源：

主要参考了 Bol'shev 和 Smirnov (1983) 以及 Owen (1962) 的统计表格作为初始数据和验证基准。
对于 $p > 0.999$ 的情况，使用了 Owen 的表格；对于 $p \le 0.999$ ，使用了 Bol'shev 和 Smirnov 的表格。

3. 关键贡献与近似公式 (Key Contributions & Formulas)

作者针对上述三个函数提出了具体的简化近似表达式：

3.1 逆正态分布函数 (Inverse Normal Distribution)

目标：计算标准正态分布的分位数 $\Psi(p)$ ，使得 $p = N(x)$ 。
近似公式：
$\Psi(p) = a_1 + a_2 t + a_3 \sqrt{t} - a_4$
其中 $t = -\ln(1 - p)$ 。
系数策略：系数 $a_1 \dots a_4$ 根据 $p$ 的不同区间（如 0.95-0.999, 0.9-0.999 等）进行优化。
精度：在常用区间内，最大误差控制在 $0.00005 $到$ 0.0024$ 之间。
优化建议：对于最常用的置信水平（如 0.8, 0.9, 0.95, 0.99 等），建议直接返回查表值，而非计算近似值，以进一步保证精度。

3.2 学生 t 分布 (Student's t-distribution)

目标：计算自由度为 $m$ 、显著性水平为 $Q$ 的 t 分布分位数 $t(Q, m)$ 。
近似公式：
$t(Q, m) = a_1 + \frac{a_2}{m + a_3}$
系数策略：针对不同的显著性水平（单尾/双尾，如 10%, 5%, 1% 等）提供了特定的系数组 $a_1, a_2, a_3$ 。
适用范围：
- 对于 $m > M$ （ $M$ 为特定阈值，如 2 到 6 不等），精度误差小于 0.05, 0.01 或 0.001。
- 当 $m \to \infty$ 时，该公式自然收敛于正态分布分位数，且系数 $a_1$ 与极限值非常接近。
- 该公式在 $m > 500$ 时依然保持高精度。

3.3 异常值剔除准则 (Rejecting Outliers)

目标：计算统计量 $\zeta(Q, n)$ ，用于判断数据点是否为异常值（基于均值和方差的残差检验）。
近似公式：
$\zeta(Q, n) = \Psi(p) \cdot \left( a_1 + \frac{a_2}{n} + \frac{a_3}{a_4 + n} \right)$
其中 $p = 1 - Q/(200n)$ ， $Q$ 为百分比形式的显著性水平。
系数策略：针对不同的 $Q$ 值（0.1% 到 10%）和样本量 $n$ 的范围（6-100 和 6-500）提供了两组系数。
数据处理：作者对原始表格数据进行了修正，将其从总体方差定义 ( $1/n$ ) 调整为样本方差定义 ( $1/(n-1)$ )，以符合实际应用。
精度：在 $n=6 \dots 500$ 范围内，误差小于 0.007；在 $n=6 \dots 100$ 范围内，误差小于 0.003。

4. 结果与性能 (Results)

精度验证：通过与精确的查表值对比，上述近似公式在目标区间内的最大绝对误差均控制在极小范围内（通常小于 $10^{-3}$ ），完全满足绝大多数实际观测数据处理的需求。
计算效率：
- 公式仅涉及基本的算术运算（加减乘除、开方、对数），避免了复杂的迭代或高阶多项式计算。
- 相比 Odeh and Evans (1974) 等更复杂的算法，本文提出的公式虽然精度略低（例如逆正态分布精度为 $10^{-4}$ 量级，而 Odeh 算法为 $10^{-6}$ ），但其计算复杂度极低，速度优势明显。
软件实现：作者已在普尔科沃天文台网站提供了基于 Fortran 的实现代码，方便用户直接使用。

5. 意义与结论 (Significance & Conclusion)

实用价值：本文提出的方法在计算速度和精度之间取得了极佳的平衡。对于实时数据处理、嵌入式系统或大规模批量处理任务，这种“足够好”的简单算法比“完美”但复杂的算法更具实际意义。
局限性说明：作者明确指出，这些公式并非数学上的最优解，也不追求全定义域的极致精度。它们是针对特定应用场景（置信概率 0.9-0.999）的优化方案。
未来展望：作者鼓励读者和开发者基于此思路，提出更成功的近似方案，不仅限于本文讨论的函数，也适用于其他统计函数。

总结：该论文通过针对常用置信区间设计简化的代数近似公式，成功降低了逆正态分布、t 分布及异常值剔除准则的计算复杂度，为资源受限或需要高速处理的统计软件提供了高效、可靠的解决方案。