離散指數成長模型
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