【Edizione Cinese per il Liceo】Matematica, Obbligatorio Primo Anno (Ed. A): Dalla singola coppia di punti alla linea continua: la necessità di previsione nella vita quotidiana

Quando ci troviamo di fronte a un problema reale, i dati raccolti sono spesso discreti. Ad esempio, la copertura forestale di una certa regione negli ultimi 10 anni. Se vogliamo sapere cosa accadrà tra 5 o 10 anni, guardare semplicemente i numeri in una tabella non basta. Abbiamo bisogno di un metodo che colleghi questi "punti isolati" in una "linea continua".

Questo èla modellizzazione matematicail suo fascino: attraverso l'astrazione, l'adattamento e la risoluzione, trasforma dati disordinati in funzioni matematiche rigorose, conferendoci la capacità di prevedere il futuro.

I quattro passaggi fondamentali per costruire un modello funzionale

在数学建模中，我们通常遵循一个循环往复的过程，旨在找到最能描述现实规律的模型：

Primo passo: Analisi del problema e raccolta dei dati —— Definire le variabili, tracciare ildiagramma a dispersioneper osservare la tendenza della distribuzione.
Secondo passo: Scelta del modello e adattamento —— Scegliere il tipo di funzione appropriato in base alla forma dei punti (retta, parabola, curva esponenziale, ecc.).
Terzo passo: Risoluzione e definizione del modello —— Usare i punti noti per determinare l'espressione analitica tramite metodi come il metodo dei coefficienti indeterminati.
Quarto passo: Verifica e applicazione —— Riportare i risultati nel contesto reale per verificare se siano coerenti con la ragione o la logica.

Il processo di costruzione del modello è essenzialmente una trasformazione da "problema reale → modello matematico → risultato matematico → conclusione reale". Se il modello non predice correttamente, dobbiamo tornare al primo passo per rivedere e correggere il modello.

Reale $\rightleftharpoons$ Matematico$

DOMANDA 1

Qual è generalmente il primo passo nel processo di costruzione di un modello funzionale per risolvere un problema reale?

Eseguire immediatamente calcoli complessi con formule

Analizzare il contesto, raccogliere i dati e tracciare il diagramma a dispersione

Scrivere un programma informatico

Scrivere immediatamente l'espressione analitica della funzione

DOMANDA 2

Se i punti nel diagramma a dispersione si distribuiscono approssimativamente lungo una retta, quale modello dovremmo scegliere per primo?

$y = ax^2 + bx + c$

$y = a \cdot b^x$

$y = kx + b$

$y = a \log_b x$

DOMANDA 3

In un certo esperimento, si osserva che la variabile $y$ cresce sempre più velocemente, mostrando una crescita "esplodente". Quale modello potrebbe essere più adatto?

Modello di funzione lineare

Modello di funzione logaritmica

Modello di funzione esponenziale

Modello di funzione costante

DOMANDA 4

Nel processo di modellizzazione, se due modelli hanno un grado di adattamento (errore) simile, secondo il principio della semplicità, come dovresti sceglierne uno?

Scegliere il modello con l'espressione analitica più complessa

Scegliere il modello con l'espressione analitica più semplice

Scegliere a caso uno dei due

Non scegliere alcun modello

DOMANDA 5

Il ruolo principale del diagramma a dispersione nel processo di modellizzazione è:

Fornire direttamente i risultati delle previsioni

Aiutare a osservare la direzione dei dati per scegliere il tipo di funzione più adatto

Sostituire i calcoli matematici

Non avere alcun valore pratico

DOMANDA 6

Dopo aver costruito un modello matematico, i "risultati matematici" possono essere utilizzati direttamente come "consigli pratici"?

Sì, la matematica è assolutamente precisa

No, devono essere prima verificati per la loro plausibilità pratica

A seconda dell'umore

Basta che ci siano molti dati

DOMANDA 7

Dati i seguenti punti: (1, 2.1), (2, 4.0), (3, 6.1), (4, 7.9). Quale modello funzionale ritieni sia più adatto ai dati?

$y = 2x$

$y = 2^x$

$y = x^2$

$y = \log_2 x$

DOMANDA 8

Nel processo di modellizzazione, se la variabile indipendente $x$ rappresenta gli anni, allora il dominio di $x$ nel modello dovrebbe generalmente essere:

L'insieme di tutti i numeri reali $\mathbb{R}$

Determinato in base all'intervallo di anni significativi nel contesto reale

Solo numeri negativi

Non è necessario considerare il dominio

DOMANDA 9

Se il risultato previsto dal modello differisce enormemente dai valori osservati, cosa dovresti fare?

Modificare i valori osservati per farli coincidere col modello

Abbandonare la modellizzazione

Rivedere i dati e provare a sostituire il modello funzionale con uno più adatto

Spiegare forzatamente che l'errore è normale

Pratica della modellizzazione: previsione della popolazione urbana

Sfida nell'adattamento dei dati e nella scelta del modello

I dati sulla popolazione di una città emergente negli ultimi 5 anni sono i seguenti (in migliaia):

Anno $x$-esimo	1	2	3	4	5
Popolazione $y$	10,2	20,1	39,8	80,3	160,5

Rispondi alle seguenti domande basandoti sui dati e rifletti su come costruire un modello.

Osserva i dati: qual è la caratteristica della crescita della popolazione? Quale funzione elementare è più adatta per l'adattamento?

Analisi dettagliata:
Osservando i dati della popolazione: $10,2 \rightarrow 20,1 \rightarrow 39,8 \rightarrow 80,3 \rightarrow 160,5$.
Ogni anno i dati sono quasi il doppio di quelli dell'anno precedente 2 volte. Questa "crescita raddoppiata" è tipica diuna crescita esponenziale. Pertanto, il modello più adatto è quello della funzione esponenziale $y = a \cdot b^x$.

Se si costruisce il modello $y = 5 \cdot 2^x$, qual è l'errore tra i valori previsti e quelli reali quando $x=1$ e $x=5$?

Analisi dettagliata:
1. Quando $x=1$, $y_{previsto} = 5 \cdot 2^1 = 10$. Il valore reale è $10,2$, quindi l'errore è $|10,2 - 10| = 0,2$.
2. Quando $x=5$, $y_{previsto} = 5 \cdot 2^5 = 160$. Il valore reale è $160,5$, quindi l'errore è $|160,5 - 160| = 0,5$.
L'errore rispetto al valore di base è molto piccolo, il che indica che il modello si adatta bene ai dati.

Se si utilizza questo modello per prevedere la popolazione nell'anno 10, quale sarà il risultato? Dal punto di vista pratico, questa previsione è affidabile?

Analisi dettagliata:
1. Previsione matematica: $y = 5 \cdot 2^{10} = 5 \cdot 1024 = 5120$ (migliaia).
2. Analisi della affidabilità: Matematicamente corretto, ma praticamente estremamente poco affidabile. Non è possibile che la popolazione di una città cresca all'infinito. Limitata dalle risorse (acqua, terra, abitazioni) e dalle politiche, la velocità di crescita si ridurrà infine. Ciò ci ricorda: nel costruire un modello, bisogna considerare il suocampo di applicazione (validità).