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 — 指数与对数函数· 14 分钟阅读

1. 已知参数的情境增长与衰减模型★★☆☆☆⏱ 4 min

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）： $P (t) = P_{0} (\frac{1}{2})^{t / h}$ ，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： $(\frac{1}{2})^{10/29} = 2^{- 10/29} \approx 0.786$ ，因此 $150 \times 0.786 = 117.9$ ，四舍五入为118 g。

Exam tip:

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。

2. 通过线性化将指数模型拟合到数据★★★☆☆⏱ 5 min

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 $y = a b^{t}$ ，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 $Y = A + B t$ 。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 $S (t) = a b^{t}$ ，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
$S(t) = 5000.0(1.160)^t$

Exam tip:

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。

3. 指数参数的情境解释★★☆☆☆⏱ 3 min

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 $y (t) = a b^{t}$ ， $a$ 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 $y (t) = a e^{r t}$ ， $r$ 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%。

Exam tip:

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。

4. 指数建模问题中的时间求解★★★☆☆⏱ 3 min

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 $S (t) = 12500 (1.0 4^{t} - 1)$ 。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。

✓ 快速检测

测试你对指数模型单位换算的理解：

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

5. 常见陷阱

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。

6. 速查表

类别	公式	说明
一般指数模型	$y (t) = a b^{t}$	$a =$ $t = 0$ 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	$y (t) = P_{0} e^{r t}$	$r$ = 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	$P (t) = P_{0} (\frac{1}{2})^{t / h}$	$h$ = 半衰期，单位必须与 $t$ 一致
指数线性化	$ln y = ln a + t ln b = A + B t$	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	$%Δ = (b - 1) \times 100%$	正 = 增长，负 = 衰减；每1单位时间
求解时间 $t$	$t = \frac{l n ( y / P _{0} )}{l n b}$	分离出 $t$ ，以找到 $y$ 达到目标值的时间

真题中的出现

AI 根据考纲规律估算的考点位置,请对照官方真题核实准确性。仅作复习重点参考。

2024 · MCQ
解释指数模型参数
2023 · FRQ
将指数模型拟合到数据

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。