1 正確計算の概要
1.1 定義と目的
1.1.1 精度と誤差の概念
正確計算は、計算で生じるズレを「何が原因で、どの程度、どの方向に」発生し得るかを整理し、その上で目的に見合う精度を確保する考え方である。誤差には、理想的な数学的値に対して得られる計算結果がどれだけ離れているかという観点のほか、計算過程での離散化や打ち切り、丸めにより構造的に生じるずれが含まれる。精度は単なる桁数ではなく、入力条件や演算列、統計的処理の文脈に応じて「結果が実用上どれだけ信頼できるか」として評価するのが一般的である。
1.1.2 再現性の観点
再現性とは、同一の入力と同一の計算手順・環境条件のもとで、結果が同じ（あるいは定めた範囲で一致）となる性質を指す。正確計算では、実装依存の丸め、並列化に伴う加算順序の変化、ライブラリの内部最適化による挙動差などを原因として、同じ理論でも数値が揺れる状況を抑えることが重視される。特に統計処理では、集計や更新が繰り返されるため、僅かな差が最終的な推定や検定の判断に波及し得る。
1.2 対象となる数値表現
1.2.1 整数と有理数
整数は誤差なく表現できることが多いが、上限・下限や演算オーバーフローが制約として現れる。有理数は分子・分母を整数で表すため、丸めなしに厳密な演算が可能になり得る。ただし分母や分子が急速に大きくなれば、計算量やメモリ消費が増え、実行可能性が問題になる。正確計算では「厳密性と計算負荷の折り合い」を見極め、必要な場面で有理演算を活用する。
1.2.2 浮動小数点と丸め
浮動小数点は指数部と仮数部で値を表すため、実数の全てを厳密に表せない。その結果、演算のたびに表現可能な値へ丸められ、誤差が混入する。丸め方向（切り捨て、四捨五入、偶数丸めなど）や、演算順序（加算の順、積の並べ方）は誤差の大きさと分布に影響する。したがって正確計算では、丸め規則を理解した上で、誤差が蓄積しやすい計算列を避けたり、補正手法を併用したりする設計が求められる。
1.3 正確さの評価指標
1.3.1 絶対誤差・相対誤差
絶対誤差は真値との差の大きさを直接見積もる指標である。相対誤差は真値（あるいは基準量）に対する割合として表すため、スケールの違いがある量同士でも比較しやすい。統計計算では値が小さい領域で相対誤差が大きく見えることがあるため、双方を併用し、目的変数（たとえば平均、分散、相関、検定統計量）に対して実用上の意味を持つ形で誤差を評価する。
1.3.2 誤差伝播の考え方
誤差伝播は、局所的に発生した誤差が後続の演算で拡大または縮小され、最終結果にどう影響するかを捉える枠組みである。一般に演算が線形であれば影響が比較的読みやすい一方、差の計算では桁落ちにより相対的に誤差が増幅しやすい。正確計算では、感度が高い箇所（わずかな差が大きな相対差を生む箇所）を特定し、演算の書き換え、安定な数式の選択、補正付きの計算手順に置き換えることで、伝播を抑える。
2 正確計算を実現する手法
2.1 丸めと端数処理の設計
2.1.1 丸め規則（切り捨て・四捨五入など）
丸め規則の選択は、最終結果の系統的な偏りに直結する。切り捨ては常に同一方向へずれる傾向があり、四捨五入は一定条件下で平均的に整合しやすいが、境界付近の扱いに注意が必要になる。偶数丸め（いわゆる銀行家丸め）は繰り返し処理における偏りを抑える目的で使われることがある。設計上は、どの段階で丸めるか（逐次丸めか、最後にまとめて丸めるか）も重要で、前者は誤差の蓄積を早め、後者は理想化された精度を維持しやすい。
2.2 代数的な正確性を高める方針
2.2.1 有理数演算の活用
有理数演算は、分数として表せる量に対して丸め誤差を抑えやすい。比率や係数、単純な期待値のように、式変形により分数の形を保てる場合に特に有効である。もっとも分数の簡約や正規化を適切に行わないと分母が肥大化し、計算負荷が急増する。そのため、必要な精度が「有理の厳密性で十分か」「整数や高精度小数へ移すべきか」を判断する運用が求められる。
2.2.2 多倍長整数・有理数の利用
多倍長整数は桁数の制限を実質的に拡張し、オーバーフローによる破綻を防ぐ。さらに有理数として組み合わせれば、数学的な同値関係を保ったまま計算を進めやすい。正確計算の観点では、途中経過を多倍長で保持し、最後の出力段で所定の形式へ変換する戦略が採られやすい。ただし、性能面では標準倍精度より大幅に遅くなることがあるため、入力サイズや演算回数を見積もった上で範囲を限定する設計が望ましい。
2.3 数値解析的な工夫
2.3.1 演算順序の最適化
演算順序の最適化は、誤差の伝播を左右する基本手段である。有限精度の加算では、桁の大きく異なる数を単純に足すと小さい成分が吸収されやすい。そこで大きさの近いものから加える、ペアワイズにする、あるいは補償付き加算（後述のカーン型補償など）を用いることで、丸めの影響を縮められる。積ではオーバーフローやアンダーフローが課題になるため、スケーリングや対数化などの工夫を併用する場合がある。
2.3.2 近似の影響を抑える工夫
多くの関数や分布の計算では近似が避けられない。正確計算では、近似自体の誤差だけでなく、近似が入力のどの領域で厳密性を失うかを考慮する。安定な数式への変形（たとえば差の形を和の形へ置き換える、あるいは分母の極端な値を避けるなど）や、必要精度に応じたテーブル化・多項式近似の次数選択が代表的な方策である。加えて、近似の誤差評価（上界、経験的な誤差推定）を行い、推定や検定の最終判断への影響を確認する。
3 統計計算における正確計算
3.1 集計値での誤差
3.1.1 平均の誤差要因
平均は総和を標本数で割る操作を含むため、総和段階の丸め誤差と、割り算後の丸めが影響する。さらに、平均との差が大きいデータが混在すると、加算順序により誤差の偏りが生じやすい。正確計算では、補償付きの総和、適切な並べ替え、あるいは二段階集計（部分和を作ってから結合）を通じて、丸め吸収を減らす工夫が行われる。
3.1.2 総和の計算手順
総和は誤差が最も表れやすい操作の一つである。単純加算は誤差を累積しやすいため、精度重視では安定化された手順が選ばれることが多い。代表例として、桁落ちの抑制を目的にした補償付き加算や、大小を揃えた順序で加える戦略がある。また並列実行では部分和を集約する順が変わるため、最終的な結果を安定化させるには集約順の規則化や、精度の高い集約方式の採用が有効となる。
3.2 分散・共分散・相関の誤差
3.2.1 ブレークダウン（桁落ち）の回避
分散の計算は「平均の二乗」と「二乗の平均」の差を含む形があり、ここで桁落ちが起きると誤差が急増しうる。正確計算では、直接差を取る構成を避け、累積統計量を用いた安定な公式へ置き換えることが重要になる。さらに中心化（平均を引いてから扱う）を適切な順で行うことで、数値のダイナミックレンジを抑え、誤差増幅を抑えることができる。
3.2.2 更新計算と累積誤差
共分散や分散の更新は、オンライン学習やストリーミング処理で頻出する。更新式は便利である一方、繰り返し計算に伴う丸め誤差が累積し、時間とともに品質が劣化する可能性がある。対策としては、更新に用いる統計量の定義を数値安定な形にし、必要に応じて再正規化や定期的な再計算（バッチ再集計）を挟む運用がある。加えて、スレッド間の集約順が変動する環境では、集約規則を固定することが再現性に寄与する。
3.3 推定量と検定の数値安定性
3.3.1 尤度や確率の計算の工夫
確率や尤度は小さい値になることが多く、そのまま扱うとアンダーフローや相対誤差の増大が問題になる。正確計算では対数領域で計算する、比や正規化項を分離する、差分や比が不安定になりやすい式変形を避けるといった方法が用いられる。検定統計量の計算では、同値な統計量でも数値的に安定な式が存在するため、理論的等価性と数値安定性を両立する実装が選択される。
3.3.2 度数計算と期待値の扱い
度数表（カテゴリの数え上げ）では、サンプル数が大きい場合の整数演算の安全性が論点になる。多くの場面では整数で厳密に保持できるが、確率へ変換する際に分数化し、最後に浮動小数点へ落とす設計が有効である。期待値は度数に基づき線形和として表せることが多いが、和の順序やスケーリングの違いで誤差が変わるため、集計手順の安定化が重要になる。またカテゴリ数が多い場合にはメモリと計算負荷のバランスも考慮する必要がある。
4 実装と運用上の指針
4.1 データ型と実装選択
4.1.1 計算環境（型、ライブラリ）
正確計算の品質は、数値型の選択、演算の内部実装、ライブラリの仕様に強く依存する。浮動小数点ならどの精度（単精度、倍精度、高精度）を用いるか、丸めモードの既定値がどうなっているか、演算がどのような内部拡張を行うかが影響する。整数ではオーバーフロー時の挙動（例外、ラップ、飽和など）も確認事項である。実務では、同一アルゴリズムでも環境差により結果が変わり得るため、ターゲット環境での検証を前提に設計する。
4.1.2 表現誤差の前提整理
入力データが持つ離散性（センサの量子化、丸め済みのログ、計測単位など）と、演算が想定する連続性のギャップを整理することが必要である。たとえば入力がすでに丸められているなら、演算側を過剰に厳密化しても改善が頭打ちになる。逆に、見かけの整数が実は浮動小数点由来である場合は、見落としが誤差の源になる。正確計算では、データ前処理から出力に至るまでの表現段階を見取り図のように捉え、どこで不可逆な変換が起きるかを把握する。
4.2 検証と品質管理
4.2.1 基準解との比較
品質管理では、理想解（解析的に得られる値、または高精度計算による参照値）と比較して誤差を評価する。基準解を用意できない場合でも、桁数を上げた計算や別アルゴリズムによる一致性チェックが有効になる。重要なのは、単に平均的な一致を見るのではなく、極端な入力や境界ケースで誤差がどのように振る舞うかを確認する点である。
4.2.2 回帰テストと閾値設定
回帰テストでは、実装変更や依存ライブラリ更新により数値結果が変化しないことを確認する。閾値設定は、絶対・相対の両面から誤差が許容される範囲を定めることになるが、用途に応じて指標を使い分ける。統計解析では最終的に推定や判定に使われるため、数値誤差が意思決定を変えないことを基準に、許容範囲を設計することが望ましい。
4.3 実務での注意点
4.3.1 スケール差による誤差
特徴量や集計量が大きく異なるスケールを持つと、加算・比較・正規化の途中で誤差が増幅する。例えば大きな値の近傍で小さな差を扱うと、浮動小数点の解像度が相対的に不足しやすい。正確計算の実務では、標準化や適切な単位系への変換、スケーリングの順序設計により、計算のダイナミックレンジを抑えることが重要となる。
4.3.2 パイプライン化での再現性確保
実験や解析は複数工程のパイプラインとして組まれることが多く、各工程の丸めや中間保存が再現性に影響する。たとえば途中で丸めた結果を次工程の入力に使うと、累積誤差が変化しやすい。再現性を確保するには、中間値の保持精度を統一し、保存形式（テキスト出力かバイナリか、フォーマット指定）を明確にする必要がある。加えて、並列計算では集約順の違いが結果を変え得るため、集約の規則化や、精度保証つきの実装の採用が有効になる。