指数函数情境建模与数据拟合 — AP 预备微积分
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）：$P(t) = P_0 \left(\frac{1}{2}\right)^{t/h}$，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）。
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$y = ab^t$，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$b = e^B$。
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$y(t) = ab^t$，$a$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。
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。
Common Pitfalls
Why: 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。
Why: 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。
Why: 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。
Why: 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。
Why: 学生混淆了日历时间和模型起始点之后经过的时间。