| English | 释义 | 拼音 |
|---|---|---|
| exponential model/ˌekspəˈnenʃl ˈmɒdl/ | 指数模型 | zhǐ shù mó xíng |
| initial value/ɪˈnɪʃl ˈvæljuː/ | 初始值 | chū shǐ zhí |
| growth factor/ɡrəʊθ ˈfæktə/ | 增长因子 | zēng zhǎng yīn zi |
| decay factor/dɪˈkeɪ ˈfæktə/ | 衰减因子 | shuāi jiǎn yīn zi |
| baseline/ˈbeɪslaɪn/ | 基准值 | jī zhǔn zhí |
| natural base/ˈnætʃərəl beɪs/ | 自然底数 | zì rán dǐ shù |
| exponential regression/ˌekspəˈnenʃl rɪˈɡreʃn/ | 指数回归 | zhǐ shù huí guī |
| residuals/rɪˈsɪdʒuːəlz/ | 残差 | cán chā |
第一个测量值不一定是起始点
- 一种文化在 $t=2$ 小时有 $180$ 个细胞,在 $t=5$ 小时有 $1440$ 个细胞。若适用指数模型,则一小时内会发生什么?它在 $t=0$ 时的预测值是多少?
- 计数在$8$次测量之间按倍数增长,但这一变化需要三小时。模型必须将乘数与其时间间隔的长度联系起来。
说明参数的含义
- 在$N(t)=ab^t$中,初始值为$N(0)=a$。它是在选定的时间原点处的值,而非自动等于第一个观测记录。此处$N(2)=180$,因此$a$仍然未知。
- 对于正计数,使用$a>0$和$b>0$。两个不同时刻的正观测值可确定一个此类形式的模型;但这并不能证明指数增长是描述该情况的最佳方式。
在未平移模型$y=ab^t$中,当……时,系数$a$即为输出值。
难度 1/5 · 今日首次完成可获 100 金币及少量额外奖励
在$t=0$时刻,$b^0=1$,因此在此未平移模型中为$y=a$。首次观测时间未必为零。
将两个方程相除
- 将两个观测值代入$N(t)=ab^t$,然后用较晚的方程除以较早的方程。系数$a$被消去,剩下整个时间间隔的乘数。
- 取正立方根以获得每小时的乘数。然后代回任一方程求出$a$。
该模型为$N(t)=45(2)^t$。它能重现两次测量结果:$45(2)^2=180$和$45(2)^5=1440$。
一种培养物在三小时内从180个细胞增长到1440个细胞。整个三小时间隔的增长倍数是多少?
难度 2/5 · 今日首次完成可获 140 金币及少量额外奖励
全间隔倍数为$1440/180=8$。这不是一小时的倍数。
将每个因子对应到其时间间隔
- 增长因子为每小时$2$,因此计数每小时增加$100\%$。跨越三小时后,因子变为$2^3=8$,即增加了$700\%$,而非$800\%$。
- 若$s$从同一原点开始以三小时为单位计数,则$t=3s$和$N=45(8)^s$成立。改变输入单位会改变底数,但不会改变同一时刻的预测计数。
一个正指数种群在三小时内乘以8。其每小时的倍数是多少?
难度 2/5 · 今日首次完成可获 140 金币及少量额外奖励
$b^3=8$,因此每小时的乘数为$b=2$。
预测并校准时序原点
- 在$t=4$小时时,有$N(4)=45(2)^4=720$个细胞。或者,从第一次观测开始:$N(t)=180(2)^{t-2}$。两种公式描述的是同一个模型。
- 模型在$t=0$时的$45$个细胞是推断得出的,而非直接测量所得。对于由$P(t)=100(3)^t$建模的不同培养物,其在$t=2$时的计数为$900$;每个系数都指向其各自选定的起始点。
一个菌落遵循 $P = 100 \cdot 2^{\,t}$(其中 $t$ 为小时)。求 $t = 3$ 时的 $P$?
难度 2/5 · 今日首次完成可获 140 金币及少量额外奖励
$P = 100 \cdot 2^3 = 100 \cdot 8 = 800$。把输入代入模型来预测。
一个指数模型每小时翻倍,并在第2小时给出180个细胞。它在第0小时预测多少?
难度 2/5 · 今日首次完成可获 140 金币及少量额外奖励
逆向两次每小时翻倍:$180/2^2=45$。这是在选定起点处的推导值。
将百分比转换为因子
- 对于正数量,每期增长分数$r$对应$b=1+r$。因此$20\%$的增长对应$b=1.20$;$15\%$的损失对应衰减因子$b=1-0.15=0.85$。
- 介于$1$以下的正底数表示$ab^t$向零衰减;高于$1$的底数表示当$a>0$时的增长。负底数无法为所有实数时间定义实值指数函数。
如果一个量每个周期增长 $20\%$,那么增长____(底数 $b$)是 $1.2$。
难度 1/5 · 今日首次完成可获 100 金币及少量额外奖励
增长 $20\%$ 就是乘以 $1 + 0.20 = 1.2$——这个乘数就是增长因子。
每个周期损失 $15\%$ 的量,其衰减因子(底数)是……
难度 1/5 · 今日首次完成可获 100 金币及少量额外奖励
损失 $15\%$ 就剩下 $85\%$,所以每个周期乘以 $1 - 0.15 = 0.85$——即衰减因子。
取比值前先减去背景值
- 房间保持恒温20°C,而饮料正在冷却。在$0,1,2,3$小时时,饮料的温度分别为100°C、60°C、40°C和30°C。原始温度比值并不恒定。
- 减去基准值$20$:温度差值为$80,40,20,10$。这些差值每小时减半,因此模型为$T(t)=20+80(0.5)^t$,趋近于室温而非零度。
利用$t=0$和$t=2$中的读数,差值之比为
对于平移模型$c+ab^t$,初始输出是**$c+a$**,而非$a$。基线必须已知或单独估计;仅凭两个读数无法确定全部三个参数$c,a,b$。
根据其观测值构建曲线。
该培养物在2小时有180个细胞,在5小时有1440个。比较其三小时因子与每小时因子,然后检查高于基线的冷却情况。
一个冷却模型为$T(t)=18+62(0.5)^t$。它在$t=0$时给出的温度是多少摄氏度?
难度 2/5 · 今日首次完成可获 140 金币及少量额外奖励
$T(0)=18+62=80$。在$c+ab^t$中,初始输出是$c+a$,而不仅仅是$a$。
同时平移输入与输出
- 从$t=2$冷却读数开始计时,设定$u=t-2$。在$u=0$时,饮料温度为$40^\circ\mathrm{C}$,比室温高$20^\circ\mathrm{C}$。
- 同一物理模型变为$T=20+20(0.5)^u$。验证:$u=1$表示原始时间$t=3$,对应$30^\circ\mathrm{C}$。更改公式时需追踪时间起点、输入单位及基线。
使用自然底数e写出相同模型
- 自然底数是$e\approx2.718$。由于$b=e^{\ln b}$,当$k=\ln b$时,形式$ab^t$和$ae^{kt}$一致;附加的基线位于指数函数外部。
- 培养物模型为$N=45e^{(\ln2)t}$。此处增长率为每小时$k\approx0.693$,而普通的一小时百分比增幅为$100\%$。指数系数$k$与分数增幅$b-1$是不同的量。
模型$N(t)=10e^{(\ln1.2)t}$在一个单位时间内的普通百分比增幅是多少?
难度 1/5 · 今日首次完成可获 100 金币及少量额外奖励
$e^{\ln1.2}=1.2$。一个单位的分数增量为$1.2-1=0.2$,或20%;它不是指数系数$\ln1.2$。
使用更多观测数据检验模型
- 测量存在噪声时,使用指数回归拟合数据并借助技术工具求解。部分观测点可能落在拟合曲线上,其余则未必。需将所得预测结果与所有测量数据进行比对验证。
- 对数线性拟合在$y>0$时对$\ln y$关于时间进行回归,再转换回原尺度。对于已知基线$c$,仅在$y-c>0$时将其应用于$\ln(y-c)$。应比较观测值与预测值的差异(称为残差),而非仅依赖方程本身。下一课将比较它们的大小与模式。

精确穿过两个正值观测点并不能证明指数模型适用于所有后续时间。
难度 1/5 · 今日首次完成可获 100 金币及少量额外奖励
两点确定了一个候选未平移指数模型,但无法确立其上下文适用性或长期可靠性。请使用额外的观测数据和背景信息。
说明预测适用的范围
- 在营养和空间充足的情况下,指数型人口增长可作为短期模型。恒温冷却模型假设室温保持在所述基线水平,且冷却条件保持不变。
- 早于或晚于观测区间的输入并非自动无意义,但超出观测区间的预测需要额外论证。特别是,精确拟合两点并不能证明远距离预测的可靠性。
第一次培养物测量发生在第$2$小时。模型可估算第$0$小时的数值,但该估算依赖于测量之前同样适用该增长模式。推断出的起始值须明确标注。
找出整个输入间隔内的因子,将其转换为每单位输入的因子,并求解起始系数。对于$c+ab^t$,首先处理差值$y-c$。需核对两项观测数据、补充数据以及模型的语境限制。
对于正数量模型$y=ab^t$,已知$a>0$和$b>0$,请选择所有正确的陈述。
难度 2/5 · 今日首次完成可获 140 金币及少量额外奖励
前三个陈述适用于此未平移正模型。超出观测范围的预测需要情境依据;仅凭公式无法确立可靠性。
写出附带假设的预测
- 菌落遵循$P(t)=50(3)^t$,其中$t$是从模型启动起以小时计量的时间。计算$P(3)$,并解释系数与因子的用法。
- 写出使用此公式进行后续预测所需的一个假设。区分模型预测值与观测值。
某菌落遵循$P(t)=50(3)^t$,其中$t$为自模型开始起的小时数。求$P(3)$,解释50和3的作用,并指出后期预测所需的一个假设。
从给定的时间起点计算,识别与基准值相关的区间,并命名一个扩展模型所需的条件。
使用$P(t)=50(3)^t$,该模型在$t=3$小时预测的人口数量是多少?
难度 1/5 · 今日首次完成可获 100 金币及少量额外奖励
使用本题的模型:$50(3)^3=50(27)=1350$。来自不同公式的预测不能回答此问题。