在線即時計算器 · 純前端本地秒算 · 零數據上傳

📈 Log Gamma Function 計算機

專業免費的 Log Gamma Function 計算機。純前端本機毫秒級計算、零資料上傳、極致隱私保護。提供詳細公式推導、實例示範與常見問答。

即時推算結果 (Computed Output)
1.20097360234708 伽瑪函數的自然對數
專業公認計算模型,即時運算完畢
📜 計算歷史記錄 (試算軌跡)
尚無歷史記錄,每次點擊「計算」將在此留下試算軌跡...

什麼是對數伽瑪函數?

對數伽瑪函數通常寫成 \ln\Gamma(a) 或 \ln(\Gamma(a)),指的就是伽瑪函數 \Gamma(a) 取自然對數後的結果。伽瑪函數把階乘的概念延伸到實數與複數上:當 n 為正整數時,\Gamma(n) = (n-1)!。由於 \Gamma(a) 的數值增長得非常快,科學家與統計學家幾乎都直接使用它的對數形式,以避免數值溢位(overflow)。lnGamma 在機率論(beta 分布、gamma 分布、卡方檢定)、組合數學以及數值分析中隨處可見。

計算器使用說明

輸入引數 a(任意實數)後按下計算,工具會以自然對數形式回傳 \ln\Gamma(a),並一併給出以 10 為底的版本(Log10 Gamma)。當 a 大於 0 時,結果為實數。在 a = 0, -1, -2, -3, \ldots 這些點上,伽瑪函數存在極點(pole),因此 lnGamma 沒有定義,計算器會明確標示。對於非整數的負數 a,Gamma 可能為負值;此時計算器會透過反射公式回傳實數主值。

公式說明

本計算器採用 Lanczos 近似法(g = 7,共九個係數),這是一種快速且高度精準的封閉形式演算法。令 x = a - 1、t = x + 7.5,先計算 Lanczos 係數的加權總和 A,再代入公式

\ln\Gamma\!≤ft(a\right) = \tfrac{1}{2}\ln(2π) + ≤ft(x+\tfrac{1}{2}\right)\ln\!≤ft(t\right) - t + \ln A.
當 a 小於或等於 0.5 時,會利用反射公式
\Gamma(a) \Gamma(1-a) = ((π) ÷ (\sin(π a))),
把問題轉換到 Lanczos 級數收斂良好的區間再求值。

實際範例

以 a = 3.5 為例:

\Gamma(3.5) = 2.5 × 1.5 × 0.5 × √(π) = 1.875 × 1.7724538509 = 3.32335097045.
因此
\ln\Gamma(3.5) = \ln(3.32335097045) = 1.20097360234707.
再驗證一次,當 a = 5 時 \Gamma(5) = 4! = 24,所以
\ln\Gamma(5) = \ln(24) = 3.17805383034795.

使用注意事項與精準校對原則(6 大核心守則)

📐 1. 嚴格對齊輸入量綱與單位

輸入各項數值時請務必確認量綱(例如小時、天數、金額、百分比),避免單位不匹配引發推算偏差。

🔒 2. 純前端本機毫秒級隱私保障

所有計算邏輯 100% 在您的終端瀏覽器內完成,資料絕不上傳伺服器,嚴格守護商業與個人隱私。

📊 3. 符合公認學術與產業計算模型

演算法嚴格遵循國際通用數學公式與標準計算模型,經多重情境交叉核對,數值嚴密精確。

📋 4. 一鍵複製與免登入 PDF 匯出

支援一鍵複製推算結果字串至剪貼簿,亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。

🔄 5. 多情景敏感度動態對比

建議針對極端值與多組預期情景分別試算,觀察輸出數據的波動區間,輔助做出更穩健的決策。

🛡️ 6. 專業諮詢與日常參考免責聲明

本工具運算結果供日常排程、學業研習與事前參考之用,如涉及重大法規或投資決策請諮詢持證專家。

常見問題 (FAQ)

為什麼要用伽瑪的對數,而不是直接用伽瑪本身?
當 \(a\) 稍微大一點時,\(\Gamma(\text{a})\) 就會超出標準浮點數的範圍(\(\Gamma(171)\) 已經超過雙精度浮點數所能表示的上限),而 lnGamma 的數值仍在可控範圍內,因此對數形式才是實務上的選擇。
lnGamma(1) 和 lnGamma(2) 是多少?
兩者都是 0,因為 \(\Gamma(1) = \Gamma(2) = 1\),而 \(\ln(1) = 0\)。此函數在 \(a \approx 1.4616\) 附近有一個最小值。
計算結果精確嗎?
對於一般的引數,Lanczos 近似法可達約 15 位有效數字的精度,與雙精度浮點數的能力相當。