Modelación exponencial con base e y linealización
Aplicar modelos matemáticos que describen fenómenos o situaciones de crecimiento y decrecimiento,
que involucran las funciones exponencial y logarítmica...
(Foco OA:003D - Uso de base e, método de linealización con ln(y) y evaluación de modelos)
Ejemplo
Método de Linealización de Fabiola:
Si tienes un modelo exponencial \( y = c \cdot e^{kx} \), puedes aplicar logaritmo natural a ambos lados:
\( \ln(y) = \ln(c \cdot e^{kx}) \)
Por propiedades de los logaritmos: \( \ln(y) = \ln(c) + \ln(e^{kx}) \)
Como \( \ln(e) = 1 \), esto se simplifica a: \( \ln(y) = kx + \ln(c) \)
Esto es la ecuación de una recta \( Y = mx + n \), donde la pendiente \( m = k \) y el intercepto \( n = \ln(c) \).
Explicación
El número \( e \) (aproximadamente 2.718) es la base natural para modelar crecimiento continuo en la naturaleza y en redes sociales.
Modelo: \( f(x) = c \cdot e^{kx} \)
- \( c \): Valor inicial (cuando \( x = 0 \)).
- \( k \): Tasa de crecimiento continuo.
Linealización: Para encontrar \( c \) y \( k \) a partir de datos reales, aplicamos logaritmo natural (\( \ln \)) a los valores \( y \). Esto transforma la curva exponencial en una recta (\( \ln(y) = kx + \ln(c) \)), facilitando el cálculo de los parámetros usando la pendiente y el intercepto.
Limitaciones: Este modelo describe un momento acotado (ej. el pico de un trending topic). A largo plazo, el interés decae, por lo que el modelo exponencial pierde precisión si se extrapola demasiado en el tiempo.