数値積分法比較ツールとは
🙋
数値積分って、台形則やシンプソン則とか色々あるけど、実際どれを使えばいいんですか？このツールで違いがわかるんですか？
🎓
大まかに言うと、関数の滑らかさや計算コストで選ぶんだ。このツールのグラフを見れば一目瞭然さ。例えば、上の「分割数n」のスライダーを動かしてみて。分割を細かくすると、どの方法の誤差も減るけど、その減り方が大きく異なるのがわかるよ。シンプソン則は台形則よりずっと急に誤差が減る。
🙋
え、そうなんですか？確かにグラフの線の傾きが違いますね。この「誤差次数O(h^2)」って、傾きの違いを表してるんですか？
🎓
その通り！log-logグラフでは、誤差次数がそのまま直線の傾きになるんだ。台形則の傾きが約-2、シンプソン則が約-4って感じだね。実務では、高い精度が欲しいけど計算時間を節約したい時、シンプソン則やガウス求積が重宝されるよ。ツールで「ガウス5点」を選んでみて、分割数が少なくてもいかに精度が高いか体感してみよう。
🙋
ロンベルグ積分って、他のと比べてグラフの線がガタガタしてる時があります。これってバグですか？
🎓
いや、それがロンベルグの面白いところなんだ。これは台形則の結果を何度も外挿して精度を爆上げする方法で、外挿の段階によって急に誤差がガクンと落ちる。パラメータ「n」を2の倍数で変えてみると、その階段状の収束が観察できるよ。CAEの世界では、限られた計算リソースで最高精度を引き出したい時によく使われるアルゴリズムだ。
物理モデルと主要な数式
最も基本的な数値積分法である合成台形則の公式です。積分区間を等間隔に分割し、各小区間を台形で近似して面積を足し合わせます。
$$\int_a^b f(x)\,dx \approx \frac{h}{2}[f(x_0)+2f(x_1)+\cdots+2f(x_{n-1})+f(x_n)]$$
$a, b$: 積分下限・上限, $n$: 分割数, $h = (b-a)/n$: 分割幅, $x_k = a + kh$: 分割点
より高精度なシンプソンの1/3則の公式です。3点を通る2次曲線（放物線）で関数を近似して積分します。このため、誤差は台形則よりも高次の$O(h^4)$となります。
$$\int_{x_0}^{x_2}f(x)\,dx \approx \frac{h}{3}[f(x_0)+4f(x_1)+f(x_2)]$$
これを全区間に適用するのが合成シンプソン則です。$n$は偶数である必要があります。滑らかな関数に対して、同じ分割数でも台形則よりはるかに高精度な結果が得られます。
よくある質問
log-logグラフでは、誤差が分割数nに対してh^kに比例する場合、傾きkの直線として可視化されます。これにより、各手法の収束次数（台形則はO(h^2)、シンプソン則はO(h^4)など）を一目で比較・確認できます。
被積分関数に特異点（無限大になる点）や急激な変化がある場合、等間隔分割では収束が悪くなります。また、関数が不連続だと高次法の精度が低下します。その場合は適応型積分や変数変換を検討してください。
一般にはシンプソン則の方が高精度ですが、被積分関数が滑らかでない場合や、分割数が奇数のときは適用できません。また、計算コストが同程度なら、ガウス求積の方がさらに高精度な場合が多いです。
ガウス求積は積分点と重みを直交多項式の根に最適化しており、同じ評価点数の台形則やシンプソン則より遥かに高い代数精度（2n-1次）を持ちます。特に多項式近似に適した滑らかな関数で威力を発揮します。
実世界での応用
有限要素法（FEM）解析：CAEの核心技術である有限要素法では、要素の剛性マトリックスを求めるためにガウス数値積分が必須です。ツールで比較できるガウス求積法は、最小の計算点で最高の精度を出すため、大規模構造解析の計算効率化に直結します。
疲労寿命解析：材料の疲労寿命を予測する際、応力サイクルから損傷を累積するために応力確率密度関数の積分が必要です。複雑な関数形を数値的に積分する際、ロンベルグ積分のような収束の早い手法が採用されます。
流体力学（CFD）：翼型周りの揚力や抗力は、表面圧力分布を積分して求めます。計算格子（メッシュ）上の離散的な圧力データから力を算出するのはまさに数値積分であり、その精度が設計値の信頼性を左右します。
確率・統計計算：信頼性工学では、部品の故障確率を求めるために確率密度関数の特定区間の積分（累積分布関数）を計算します。正規分布など解析的に積分できない関数に対して、数値積分法が広く使われています。
よくある誤解と注意点
このツールを使い始めるとき、いくつかつまずきやすいポイントがあるから気をつけてね。まず「高次手法は常に正解」という思い込み。シンプソン則やガウス求積は確かに効率がいいけど、関数が滑らかでない（例えば、微分不可能な点がある、急激に変動する）場合には、期待した精度が出ないどころか、台形則より結果が悪化することもあるんだ。例えば、鋭いピークを持つ関数で試すと、その違いがよくわかるよ。
次に分割数「n」の設定の落とし穴。シンプソン則はnが偶数でないと正しく動作しないし、ロンベルグ積分ではnを2のべき乗（2, 4, 8, 16…）で増やさないと最大の性能を引き出せない。ツールで「n=5」のシンプソン則を試してみると、計算はされるけど実は内部で近似処理が走っており、真の性能評価にはならないんだ。
最後に「誤差ゼロ」は幻想だということ。log-logグラフは誤差が直線的に減るように見せるけど、計算には必ず丸め誤差が伴う。分割数をむやみに大きくしすぎると（例えばn=1,000,000）、今度は計算点が増えすぎて丸め誤差が蓄積し、かえって精度が劣化する「計算飽和」が起きる。ツールで極端に大きなnを設定すると、グラフの線が下がりきらず、むしろ横ばいや上昇に転じる様子が観察できるはずだ。