基本初等函数的实际应用(秀全中学崔高峰).docVIP

根本初等函数的实际应用

——从鱼的体长参数中估计鱼的重量

广州市花都区秀全中学崔顶峰曾绍信

[摘要]：多项式函数和指数函数是高中出现频率很高的函数，我们经常进行这些函数的有关计算，却很少考虑这些函数在生活中的实际应用。本文尝试利用这些根本初等函数建立数学模型来解决一个比拟有兴趣的实际问题。衡量一个数学模型的优劣全在于它的应用效果，而不在乎它是不是采用了多么高深的数学知识方法。本文建立了五种不同数学模型，比拟了不同模型估计鱼的体重与实际重量情况的误差，并进一步推广，用类比法建立某些动物身长和体重关系的模型。

[关键字]体重、拟合、估计

相信大家都看过鱼，鱼的形状不规那么，我们能不能考虑用鱼身体的某些长度参数来估计鱼的体重呢？众所周知鱼的身长越长，鱼的重量也会越重。现在我们建立适当的模型研究鱼的重量与鱼的体长参数之间的数学关系。本文将从分析如何根据鱼的身长和胸围长度来估计鱼的体重的方法出发，进而研究动物的身长和体重的关系。

我们测量到11条的数据，如下表所示：

身长cm

36.7

30.1

44.1

36.8

45.1

35.9

31.8

32.1

35.9

36.8

43.8

胸围cm

24.7

21.2

27.8

24.6

31.7

22.9

21.7

20.9

24.2

25.0

29.7

重量g

764.0

480.0

1159.0

739.0

1389.0

652.0

481.9

467.8

652.0

751.3

1162.3

有了数据之后，我们想建立数学模型研究这个问题，先做如下假设：只有一种鱼，同一种鱼整体形状是相似的，密度是均匀的。

模型的建立

这个初等数学模型中的主要符号说明如下所示：

y——鱼的体重；

x——鱼的身长；

t——鱼的胸围，即鱼的最大周长〔这里取鱼的胸围〕；

a，b，c，d——前四种函数模型中的系数；

k———第五种数学模型中的系数；

由高等数学数据拟合的知识可知：对单变量多项式拟合一般不超过3次。故此处考虑如下五中模型：

假设鱼的体重只与体长x有关，我们可以采用多项式和指数函数拟合一下四种数学模型。

1.建立的关于体长x的单变量模型:

一次函数模型：；

二次函数模型：即；

三次函数模型：即；

指数型函数模型：即；

通常有一些鱼是很胖的，生活的直觉告诉我们鱼的重量也应该与鱼的横截面有关，所以人们就不一定认可上述模型，因为它对肥鱼和瘦鱼同等看待。假设鱼的模截面是相似的，而横截面积与鱼的胸围的平方成正比，于是我们可以得到如下模型：

2.二元函数模型为：即，为比例系数。

模型拟合求解：

用casio图形计算器的统计功能拟合前四种模型，输入数据得到如下表格

然后进行回归操作可以得到如下列图像

借助casio图形计算器计算相关平均值为：=790.7580,=24.94545,=37.18545,

将上述数据代入计算得：≈0为了方便集中模型的比照，我们分别是用上面五种回归方程，根据每条鱼的长度和胸围计算出每条鱼体重的估计值，并求出残差的绝对值的和，可以得到如下表格：

实际重量

764.0

480.0

1159.0

739.0

1389.0

652.0

481.9

467.8

652.0

751.3

1162.3

平均误差

误差%

模型一

799.2

419.4

1225.0

804.9

1282.5

753.1

517.2

534.5

753.1

804.9

1207.7

误差

35.2

60.6

66.0

65.9

106.5

101.1

35.3

66.7

101.1

53.7

45.4

67.0

8.478

模型二

776.5

517.1

1283.6

781.9

1369.7

735.4

566.5

576.5

735.4

781.9

1258.6

误差

12.5

37.1

124.6

42.9

19.3

83.4

84.6

108.7

83.4

30.6

96.3

65.8

8.317

模型三

747.8

475.4

1153.9

746.1

1385.0

761.1

674.1

696.3

761.1

746.1

1096.4

误差

16.2

4.6

5.1

7.1

4.0

109.1

192.2

228.5

109.0

5.2

65.9

67.9

8.588

模型四

747.4

479.2

1230.2

752.5

1315.9

708.2

537.3

548.3

708.2

752.5

1205.6

误差

16