对数函数应用场景与数据建模

AP 预备微积分· AP Precalculus CED — 指数函数与对数函数· 14 分钟阅读

1. 用于实际测量的对数尺度★★☆☆☆⏱ 4 min

许多实际物理量跨多个数量级，因此我们使用对数尺度将跨度很大的原始值压缩到便于处理、易于解读的范围内。任意对数尺度的一般形式为：

M = k \log_b\left(\frac{x}{x_0}\right)

其中 $k$ 是尺度特定常数， $x$ 是原始测量值， $x_{0}$ 是固定参考阈值， $b$ 是对数底数（常用尺度几乎都为10）。你会遇到的常用标准尺度包括：

酸碱度（pH）： $pH = - lo g_{10} [H^{+}]$
声强分贝： $β = 10 lo g_{10} (I / I_{0})$
里氏地震震级： $M = lo g_{10} (A / A_{0})$

一个关键性质：底数为10的对数尺度上，每增加1个单位，对应原始测量值就增加10倍。

📐 例题

一台便携式吹叶机的声强为 $I = 1.8 \times 1 0^{- 2} W/m^{2}$ 。四舍五入取整数，它的分贝值是多少？使用参考值 $I_{0} = 1 \times 1 0^{- 12} W/m^{2}$ 。

1
写出标准分贝公式：
2
$\beta = 10 \log_{10}\left(\frac{I}{I_0}\right)$
3
代入给定数值：
4
$\beta = 10 \log_{10}\left(\frac{1.8 \times 10^{-2}}{1 \times 10^{-12}}\right) = 10 \log_{10}(1.8 \times 10^{10})$
5
利用对数性质化简：
6
$\log_{10}(1.8 \times 10^{10}) = \log_{10}(1.8) + \log_{10}(10^{10}) \approx 0.255 + 10 = 10.255$
7
乘以10得到最终分贝值：
8
$\beta \approx 10 \times 10.255 \approx 103$
9
最终答案： $103$ dB

Exam tip:

一定要确认给定尺度对应的对数底数；大多数使用底数10，但绝不要不验证就直接假设。

2. 指数数据的线性化★★★☆☆⏱ 4 min

对于服从指数模型 $y = a b^{x}$ 的二元数据，我们可以利用对数性质将这种非线性关系转换为线性关系，这个过程叫做线性化。这让我们可以用简单线性回归找到模型参数，不需要使用复杂的非线性回归。

从原模型出发： $y = a b^{x}$
对两边取对数（任意底数均可）： $lo g y = lo g a + x lo g b$
令 $Y = lo g y$ ， $m = lo g b$ ， $c = lo g a$ ，模型变为线性形式： $Y = m x + c$
拟合线性回归后，通过取指数还原原参数： $a = b^{c}$ ， $b = b^{m}$ （底数与对数底数一致）

📐 例题

一名研究人员统计培养皿中生长的酵母菌数量，收集到如下数据。对变换后的 $lo g_{10} y$ 做线性回归，得到截距 = 1.00，斜率 = 0.315。求指数模型 $y = a b^{x}$ 。

时间（小时， $x$ ）	0	2	4	6
酵母菌数量 ( $y$ )	10	42	185	760

1
回忆底数10的线性化形式：
2
$\log_{10} y = (\log_{10} b)x + \log_{10} a$
3
匹配截距求解 $a$ ：
4
$\log_{10} a = 1.00 \implies a = 10^{1.00} = 10$
5
匹配斜率求解 $b$ ：
6
$\log_{10} b = 0.315 \implies b = 10^{0.315} \approx 2.07$
7
最终模型，与观测数据高度吻合：
8
$y = 10(2.07)^x$

Exam tip:

一定要记住对线性化模型的截距和斜率取指数，得到原指数模型参数；不要把答案保留为 $lo g y$ 的形式。

3. 对数回归模型★★★☆☆⏱ 3 min

对数回归模型的形式为 $y = a + b lo g_{b} x$ ，用于描述随 $x$ 增长， $y$ 增减速率递减的数据。常见应用场景包括学习曲线、生态学物种-面积关系、药物反应等。和指数模型类似，这类模型也可以通过令 $X = lo g_{b} x$ 线性化，将模型变为 $y = a + b X$ ，即可用简单线性回归拟合。

一个关键解读规则：对于底数为 $b$ 的对数模型， $x$ 扩大 $b$ 倍对应 $y$ 变化 $b$ 个单位。

📐 例题

一位心理学家发现，练习 $m$ 分钟后掌握任务的百分比可以拟合为 $P = 12 + 26 ln m$ 。当练习时间从10分钟翻倍到20分钟时，掌握百分比增加了多少？四舍五入到整数百分比。

1
写出掌握百分比的差值：
2
$\Delta P = P(20) - P(10) = \left(12 + 26 \ln 20\right) - \left(12 + 26 \ln 10\right)$
3
利用对数商法则化简：
4
$\Delta P = 26 (\ln 20 - \ln 10) = 26 \ln\left(\frac{20}{10}\right) = 26 \ln 2$
5
计算最终值：
6
$26 \ln 2 \approx 26(0.693) \approx 18$
7
最终答案：掌握百分比大约增加了18个百分点。

Exam tip:

不要把 $x$ 增加1个单位解读为 $y$ 增加 $b$ 个单位； $y$ 的变化和 $x$ 的比例变化相关，而非绝对变化。

4. AP风格补充例题★★★★☆⏱ 3 min

📐 例题

选择题：黑咖啡的pH为5.1，求氢离子浓度 $[H^{+}]$ （单位：mol/L）。已知 $pH = - lo g_{10} [H^{+}]$ A) $7.94 \times 1 0^{- 6}$ B) $5.1 \times 1 0^{- 5}$ C) $1.26 \times 1 0^{- 5}$ D) $2.50 \times 1 0^{- 6}$

1
从pH公式出发：
2
$5.1 = -\log_{10}[H^+] \implies \log_{10}[H^+] = -5.1$
3
两边以10为底取指数：
4
$[H^+] = 10^{-5.1} = 10^{0.9 - 6} = 10^{0.9} \times 10^{-6} \approx 7.94 \times 10^{-6}$
5
这和选项A一致。正确答案：A

📐 例题

里氏震级比较：犹他州一场地震震级为5.7，阿拉斯加一场地震震级为9.2。阿拉斯加地震的振幅是犹他州地震的多少倍？已知 $M = lo g_{10} (A / A_{0})$ ，结果四舍五入到整数。

1
写出震级的差值，参考值 $A_{0}$ 会抵消：
2
$M_1 - M_2 = \log_{10}\left(\frac{A_1}{A_0}\right) - \log_{10}\left(\frac{A_2}{A_0}\right) = \log_{10}\left(\frac{A_1}{A_2}\right)$
3
代入数值求解：
4
$9.2 - 5.7 = 3.5 = \log_{10}\left(\frac{A_1}{A_2}\right) \implies \frac{A_1}{A_2} = 10^{3.5} \approx 3162$
5
最终答案：阿拉斯加地震的振幅约为3162倍大。

5. 常见陷阱

错误做法:

计算分贝 $β = 10 lo g (I / I_{0})$ 时，计算 $10 (lo g I / lo g I_{0})$ 而非正确的 $10 (lo g I - lo g I_{0})$

原因:

将比值的对数和对数的比值混淆，错误运用了商法则

正确做法:

总是先应用 $lo g (I / I_{0}) = lo g I - lo g I_{0}$ ，计算出差值后再乘以尺度常数

错误做法:

线性化后，将模型报告为 $y = (lo g b) x + lo g a$ 没有转换回指数形式

原因:

忘记线性模型是针对 $lo g y$ 的，而非原变量 $y$

正确做法:

报告答案前，一定要对截距和斜率取指数，还原原指数模型的 $a$ 和 $b$

错误做法:

计算pH时漏掉负号，得到负的pH值

原因:

负号不符合直觉：酸性越高， $[H^{+}]$ 越高，pH越低

正确做法:

开始计算前先圈出pH公式中的负号，并且确认普通水溶液的最终pH在0到14之间

错误做法:

对于 $y = 50 + 10 lo g_{10} x$ ，将 $x$ 增加1个单位解读为 $y$ 增加10个单位

原因:

将对数模型当成了处理绝对变化的线性模型

正确做法:

对于底数10的对数模型， $x$ 扩大10倍对应 $y$ 增加10个单位；一定要让 $x$ 的变化和对数底数匹配

错误做法:

对指数数据线性化时，对负的或零的 $y$ -值取对数

原因:

忘记对数仅对正输入有定义，且指数模型仅适用于正的物理量

正确做法:

线性化前确认所有响应值 $y$ 都是正的；如果存在非正的 $y$ ，指数模型不适用

6. 速查表

类别	公式	注释
一般对数尺度	$M = k lo g_{b} (\frac{x}{x _{0}})$	$x_{0}$ = 参考阈值；大多数使用 $b = 10$
pH尺度	$pH = - lo g_{10} [H^{+}]$	$[H^{+}]$ 单位为 mol/L；普通溶液的 0 < pH < 14
分贝尺度	$β = 10 lo g_{10} (\frac{I}{I _{0}})$	$I_{0} = 1 0^{- 12} W/m^{2}$ ，人耳听阈
里氏震级	$M = lo g_{10} (\frac{A}{A _{0}})$	$A$ = 地震仪测得的振幅
线性化（底数10， $y = a b^{x}$ ）	$lo g_{10} y = (lo g_{10} b) x + lo g_{10} a$	仅适用于 $y > 0$ ； $a = 1 0^{截距}$ ， $b = 1 0^{斜率}$
线性化（自然对数， $y = a b^{x}$ ）	$ln y = (ln b) x + ln a$	$a = e^{截距}$ ， $b = e^{斜率}$
对数回归模型	$y = a + b lo g_{b} x$	描述 $y$ 变化速率递减；仅对 $x > 0$ 有效
尺度比较	$M_{1} - M_{2} = lo g_{b} (\frac{x _{1}}{x _{2}})$	同一尺度比较时，参考常数 $x_{0}$ 会抵消

下一步

本主题建立在对数核心性质的基础上，为AP预备微积分和未来微积分课程中的所有非线性数据建模打下基础。掌握对数变换和建模是解决常见应用问题（比如求种群达到阈值的时间）的必要条件，也为幂函数回归和其他非线性模型做准备。接下来需要掌握的核心技能是求解一般指数对数方程和不等式，这在应用建模问题中会经常用到。本主题还介绍了数据变换，这是统计学和一年级微积分中微分方程增长模型都会用到的核心技巧。