# 指数函数情境建模与数据拟合

> AP 预备微积分 · AP 预备微积分 CED 第二单元
> 来源: https://www.owlsprep.com/zh/study/ap-precalculus-u2-exponential-function-context-and-data/

本模块涵盖AP预备微积分第二单元的以下内容：指数增长/衰减建模、半衰期/倍增时间形式、指数数据的线性化、参数估计，以及模型参数的情境解释。

**先修:** 指数函数的基本性质; 二元数据的线性回归; 度量单位的单位换算

## 学习目标

- 使用标准形式对情境中的指数增长与衰减建模
- 通过线性化将指数模型拟合到数据
- 在情境中解释指数模型的参数
- 在指数建模问题中求解时间

## 已知参数的情境增长与衰减模型

指数模型利用了核心性质：一个量的变化率与其当前值成正比，因此非常适合描述随规模增减而变化更快的量。当已知半衰期或倍增时间这类参数时，我们可以使用多种标准化形式来减少不必要的计算。

- 一般形式：$P(t) = P_0 b^t$，其中$P_0$是$t=0$时的初始量，$b$是每单位$t$的恒定增长/衰减因子。
- 半衰期形式（衰减）：$P(t) = P_0 \left(\frac{1}{2}\right)^{t/h}$，其中$h$是半衰期，单位与$t$一致。
- 倍增时间形式（增长）：$P(t) = P_0 2^{t/T}$，其中$T$是倍增时间，单位与$t$一致。
- 离散周期增长/衰减：$P(t) = P_0(1+r)^t$，其中$r$是每个周期的变化百分比（以小数表示）。

**例题:** 一份150克的放射性锶样品半衰期为29年。请写出$t$年后剩余质量$m(t)$的函数，再求出10年后的剩余质量，结果四舍五入到整数克。

1. 确定已知量：初始质量$P_0 = 150$ g，半衰期$h = 29$年。
2. 代入标准半衰期形式得到：
3. $$m(t) = 150\left(\frac{1}{2}\right)^{t/29}$$
4. 代入$t=10$求10年后的质量：
5. $$m(10) = 150\left(\frac{1}{2}\right)^{10/29}$$
6. 计算结果：$\left(\frac{1}{2}\right)^{10/29} = 2^{-10/29} \approx 0.786$，因此$150 \times 0.786 = 117.9$，四舍五入为118 g。

> **考试提示:** 如果题目直接给出了半衰期或倍增时间，请务必使用上述专用形式，而不要转换为以$e$为底再求解$r$；这样可以节省时间，避免中间计算错误。

## 通过线性化将指数模型拟合到数据

如果你得到的是指数关系的原始二元数据，而非已知的增长参数，你可以使用线性化将非线性拟合问题转化为简单的线性回归问题。

对于指数模型$y = ab^t$，对两边取自然对数即可将关系线性化：

$$ln y = ln a + t ln b$$

如果令$Y = \ln y$，$A = \ln a$，$B = \ln b$，上式就转化为线性方程$Y = A + Bt$。对变换后的$(t, \ln y)$数据进行线性回归得到$A$和$B$后，我们通过取指数就能得到指数模型参数：$a = e^A$和$b = e^B$。

**例题:** 下表给出了新流媒体服务推出$t$个月后的订阅用户数：

| $t$ | 0 | 1 | 2 | 3 |
|---|---|---|---|---|
| 订阅用户数 | 5000 | 5800 | 6728 | 7804 |

使用线性化方法求指数模型$S(t) = ab^t$，将$a$和$b$四舍五入保留三位小数。

1. 对订阅用户数取自然对数进行变换：$\ln 5000 \approx 8.517$，$\ln 5800 \approx 8.666$，$\ln 6728 \approx 8.814$，$\ln 7804 \approx 8.962$。
2. 对于这个线性数据$(t, \ln S)$，计算斜率$B = \frac{8.962 - 8.517}{3} \approx 0.148$。截距$A$是$t=0$时$\ln S$的值，因此$A = 8.517$。
3. 转换回指数模型参数：
4. $$a = e^A = e^{8.517} \approx 5000.0, \quad b = e^B = e^{0.148} \approx 1.160$$
5. 最终拟合得到的指数模型为：
6. $$S(t) = 5000.0(1.160)^t$$

> **考试提示:** 拟合完成后一定要检查你的模型大致符合原始数据；如果模型得到的$t=0$处的值与初始数据点差异很大，说明你在对截距取指数时出错了。

## 指数参数的情境解释

AP预备微积分经常考察你在题目特定情境中解释模型参数的能力，而不只是计算数值。每个参数都有明确的情境相关含义：

- 对于$y(t) = ab^t$，$a$是初始值：即$t=0$时$y$的值，解释时需要结合情境、单位，并指明起始时间。
- 底数$b$是每1单位$t$的增长/衰减因子：$b>1$对应增长，$0<b<1$对应衰减。单位时间的变化百分比为$(b-1) \times 100\%$。
- 对于连续模型$y(t) = ae^{rt}$，$r$是单位时间的连续比例增长/衰减率。

**例题:** 某城市将2010年之后$t$年的人口建模为$P(t) = 125000(1.018)^t$，其中$P(t)$是人口数。请在情境中解释$a = 125000$和$b = 1.018$的含义。

1. $a$等于$t=0$时的人口，对应2010年。
2. $a$的解释：该城市2010年的人口为125000人。
3. 对于$b$，计算年度变化百分比：$(1.018 - 1) \times 100\% = 1.8\%$。
4. $b$的解释：2010年之后，该城市人口平均每年增长1.8%。

> **考试提示:** 解释题中绝对不要只写"a是初始值"；AP评分员要求你将参数与题目的特定情境、单位和时间范围关联起来才能给满分。

## 指数建模问题中的时间求解

考试中常见的问题是求指数量达到特定目标值所需的时间。这需要使用对数性质分离出$t$，如下所示。

**例题:** 一家小企业投资12000美元进行能源效率升级。年节省额按指数增长，每年增长4%，因此$t$年后的累计总节省额为$S(t) = 12500(1.04^t - 1)$。累计节省额达到升级初始成本需要多少个整年？请在情境中解释你的答案。

1. 令累计节省额等于初始成本，然后求解$t$：
2. $$12000 = 12500(1.04^t - 1)$$
3. 两边除以12500并整理：
4. $$0.96 = 1.04^t - 1 \implies 1.04^t = 1.96$$
5. 对两边取自然对数以分离出$t$：
6. $$t = \frac{\ln(1.96)}{\ln(1.04)} \approx \frac{0.673}{0.0392} \approx 17.17$$
7. 最小的整数$t$为17年。在情境中，考虑到能源价格上涨，该企业在17个整年的累计节省后就能收回升级的全部初始成本。

**概念自测**

测试你对指数模型单位换算的理解：

1. 某种细菌的种群每20分钟翻倍一次。如果初始种群为500个细胞，以下哪个函数给出了$t$小时后细胞数$P(t)$？

   - $P(t) = 500(2)^{t/20}$
   - $P(t) = 500(2)^{3t}$
   - $P(t) = 500(2)^{20t}$
   - $P(t) = 500(2)^{t/3}$

   *答案:* $P(t) = 500(2)^{3t}$

   *解析:* 正确：20分钟 = $\frac{1}{3}$小时，因此代入倍增时间公式可得$P(t) = 500 \cdot 2^{t/(1/3)} = 500(2)^{3t}$

## 常见错误

- **错误做法:** 指数数据线性化后，直接将线性模型的斜率$B$用作指数模型的$b$，而非计算$b = e^B$。
  - 原因: 学生忘记线性模型是针对$\ln y$而非$y$的，因此跳过了必需的取指数步骤。
  - 正确做法: 对变换后的数据进行线性回归后，一定要提醒自己需要对$A$和$B$都取指数才能得到指数模型参数。
- **错误做法:** 倍增时间/半衰期的单位不匹配，例如当$t$以小时为单位时，仍直接使用45分钟作为倍增时间。
  - 原因: 学生直接复制给定值，没有检查它是否与题目中定义的$t$单位一致。
  - 正确做法: 开始解题时一定要先标出$t$的单位，在写出模型之前，将所有给定的时间参数（半衰期、倍增时间）换算为匹配的单位。
- **错误做法:** 将衰减模型写为$P(t) = P_0(1 - r)^{-t}$，而非正确的$P_0(1 - r)^t$。
  - 原因: 学生将衰减与负速率关联，因此错误地给指数加上负号，而不是让底数小于1。
  - 正确做法: 记住衰减只需要底数在0到1之间；指数始终为正，且与经过的时间成正比。
- **错误做法:** 将$b=1.025$解释为增长1.025%，而非增长2.5%。
  - 原因: 学生混淆了增长因子$b$和增长率$r = b-1$，在转换为百分比前忘记减1。
  - 正确做法: 解释指数模型的底数之前，一定要按$(b-1) \times 100\%$计算变化百分比。
- **错误做法:** 当$t$定义为2000年后的年数时，将$t$代入2025而非25。
  - 原因: 学生混淆了日历时间和模型起始点之后经过的时间。
  - 正确做法: 将$t$代入模型之前，一定要按$t = 目标时间 - 起始时间$计算。

## 速查表

| 类别 | 公式 | 说明 |
| --- | --- | --- |
| 一般指数模型 | $y(t) = ab^t$ | $a =$ $t=0$处的初始值，$b =$ 每1单位$t$的因子 |
| 离散增长/衰减 | $y(t) = P_0(1+r)^t$ | $r>0$ = 增长，$r<0$ = 衰减；$r$是周期变化百分比（小数形式） |
| 连续模型 | $y(t) = P_0e^{rt}$ | $r$ = 单位时间的连续比例变化 |
| 倍增时间模型 | $y(t) = P_0 2^{t/T}$ | $T$ = 倍增时间，单位必须与$t$一致 |
| 半衰期模型 | $P(t) = P_0 \left(\frac{1}{2}\right)^{t/h}$ | $h$ = 半衰期，单位必须与$t$一致 |
| 指数线性化 | $\ln y = \ln a + t \ln b = A + Bt$ | 将指数数据变换为线性；$a = e^A$，$b = e^B$ |
| 由底数计算变化百分比 | $\% \Delta = (b - 1) \times 100\%$ | 正 = 增长，负 = 衰减；每1单位时间 |
| 求解时间$t$ | $t = \frac{\ln(y/P_0)}{\ln b}$ | 分离出$t$，以找到$y$达到目标值的时间 |

## 下一步

本主题是指数函数在实际问题中的基础应用，它直接为第二单元的下一个核心主题做好了铺垫：使用对数求解指数方程。每次你需要求指数量达到某个阈值的时间（比如我们上面例题中的投资回收期），都需要借助对数性质分离出$t$，这部分内容你接下来会深入练习。本主题也为AP预备微积分中更广泛的非线性建模研究打下基础，你会将线性化技术推广到幂函数等其他非线性函数中。如果不掌握指数数据的参数解释、单位一致性和线性化，考试中涉及对数推断的多部分自由问答题会更难正确完成。

- [竞争函数模型验证](https://www.owlsprep.com/zh/study/ap-precalculus-u2-competing-function-model-validation/)
- [函数的复合](https://www.owlsprep.com/zh/study/ap-precalculus-u2-composition-of-functions/)
- [AP 预备微积分 反函数](https://www.owlsprep.com/zh/study/ap-precalculus-u2-inverse-functions/)

---

来自 [OwlsPrep](https://www.owlsprep.com) —— A-Level / IB / AP / IGCSE 免费学习指南，依据官方考纲编写。原页面：https://www.owlsprep.com/zh/study/ap-precalculus-u2-exponential-function-context-and-data/