離散指數成長模型

本頁導覽
  1. 數學敘述
  2. 代表公式(精確 TeX)
  3. 成立條件
  4. 符號作用域
  5. 直觀、定義與常見誤解
  6. 已採用的推導導讀
  7. 前置知識
  8. 驗證界線
  9. 下一個義務
  10. 同源結構化資料

固定時間步與固定非負因子 r 的離散模型滿足 x_(n+1)=r x_n,因此 x_n=x_0 r^n。

mko-discrete-exponential-growth · definition · v0.10.0

數學敘述

固定一個時間步與非負常數因子 r,離散指數模型由 x_(n+1)=r x_n 定義。給初值 x_0,反覆代入或歸納得到 x_n=x_0 r^n;這是指定模型的代數結果,不是資料自動符合模型的證明。

代表公式(精確 TeX)

x(n+1)=M(r,x(n))

成立條件

  • 時間步固定且 n 從 0 起算;r 在整段期間保持不變。
  • 題庫採精確有理初值與非負有理因子;不把它當連續時間模型或生物族群實測預測。

符號作用域

  • x — 模型量
  • n — 時間步索引
  • r — 固定每步因子

直觀、定義與常見誤解

r>1 表示每步倍增,r=1 表示因子不變,0≤r<1 表示每步縮放;初值為零時序列仍全為零。

遞迴式與閉式的等價可以逐步重算並以自然數歸納證明。

真實生物系統可能受資源、隨機性、時間變動與量測誤差影響;固定 r 模型本身不證適配性。

看到幾期成長就假設固定因子永遠不變,或把離散因子直接當連續成長率。

已採用的推導導讀

離散指數成長模型:由 x_(n+1)=r·x_n 歸納證明 x_n=x_0·r^n

原始 MKO 保留;導讀有自己的追加式修訂與驗證界線,不代表新 Lean 證明。

前置知識

驗證界線

本輪只核對固定步長、固定非負因子的精確離散模型;不是經驗預測。

not_formalized

這不表示內容錯誤;只表示尚未登錄可重播的計算或形式證據。

下一個義務

建立 logistic 模型、時間變動因子、模型校準與殘差。

同源結構化資料

本頁與互動版共用同一個物件與既有語言 edition;未新增證明或人工審定。

原始 MKO JSON · 純文字 Markdown