<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal of Statistical Sciences</title>
<title_fa>مجله علوم آماری</title_fa>
<short_title>JSS</short_title>
<subject>Basic Sciences</subject>
<web_url>http://jss.irstat.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>1735-8183</journal_id_issn>
<journal_id_issn_online>2783-2929</journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi>10.61882/jss</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science>شماره 812/2910/3 مورخ 12/7/1384</journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1395</year>
	<month>11</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2017</year>
	<month>2</month>
	<day>1</day>
</pubdate>
<volume>10</volume>
<number>2</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>اثبات رابطه سرگئی وینزکی برای تقریب تابع توزیع نرمال استاندارد</title_fa>
	<title>A New Proof for Winitzki's Approximation of Normal Cumulative Distribution Function</title>
	<subject_fa>احتمال و کاربرد</subject_fa>
	<subject>Probabilty and Applications</subject>
	<content_type_fa>پژوهشی بنیادی</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p dir=&quot;RTL&quot; style=&quot;text-align: justify;&quot;&gt;&lt;span dir=&quot;RTL&quot;&gt;در بین تمام توزیع&#8204;های آماری توزیع نرمال استاندارد مهم&#8204;ترین و کاربردی&#8204;ترین توزیع آماری بوده و محاسبه سطح زیر منحنی چگالی و تابع توزیع آن مورد نیاز است. ضابطه این تابع به&#8204;صورت یک انتگرال معین بیان می&#8204;شود، ولی متاسفانه تابع اولیه آن دارای شکل بسته و تحلیلی نیست، لذا باید آن را تقریب زد. در این مقاله رابطه تقریبی سرگئی وینزکی با یک روش جدید اثبات می&#8204;شود، سپس این تقریب با تغییراتی در رابطه آن بهبود داده و نشان می&#8204;دهیم حداکثر مقدار خطای آن کمتر از 0000584/0 است. در انتها رابطه&#8204;ای نیز برای محاسبه صدک&#8204;های توزیع نرمال به&#8204;دست آورده می&#8204;شود.&lt;/span&gt;&lt;/p&gt;</abstract_fa>
	<abstract>&lt;p style=&quot;text-align: justify;&quot;&gt;Among all statistical distributions, standard normal distribution has been the most important and practical distribution in which calculation of area under probability density function and cumulative distribution function are required. Unfortunately, the cumulative distribution function of this is, in general, expressed as a definite integral with no closed form or analytical solution. Consequently, it has to be approximated. In this paper, attempts have been made for Winitzki&amp;#39;s approximation to be proved by a new approach. Then, the approximation is improved with some modifications and shown that the maximum error resulted from this is less than 0.0000584. Finally, an inverse function for computation of normal distribution quantiles has been derived.&lt;/p&gt;</abstract>
	<keyword_fa>تابع توزیع نرمال استاندارد تابع خطا, تقریب</keyword_fa>
	<keyword>Normal cumulative distribution function, Error function, Approximation</keyword>
	<start_page>329</start_page>
	<end_page>344</end_page>
	<web_url>http://jss.irstat.ir/browse.php?a_code=A-10-152-3&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Shahram</first_name>
	<middle_name></middle_name>
	<last_name>Mansouri</last_name>
	<suffix></suffix>
	<first_name_fa>شهرام</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>منصوری</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>sh_mansouri@sbu.ac.ir</email>
	<code>10031947532846006846</code>
	<orcid>10031947532846006846</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>Faculty of Mathematical Science, Shahid Bahashty University, Tehran, Iran.</affiliation>
	<affiliation_fa>دانشکده علوم ریاضی، دانشگاه شهید بهشتی</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
