Что это
Представь банку с дрожжами, где каждый час их становится на одну и ту же долю больше, чем было. Чем их больше, тем быстрее они прибавляются. Модель роста описывает, как величина меняется от шага к шагу и где этот рост остановится.
Зачем это нужно
Модели роста стоят за прогнозами эпидемий, расчётами вкладов и кредитов, за выращиванием клеток для лекарств на биофабриках. Рост числа пользователей, нагрузки на серверы и потребления энергии дата-центрами тоже прогнозируют такими моделями. ИИ мгновенно подгонит любую кривую под данные, но понять, что экспонента не может расти вечно, найти, что её ограничит, и решить, можно ли верить прогнозу далеко вперёд, — задача человека. Тот, кто это понимает, не даст красивому графику обмануть ни себя, ни целую компанию.
Как это работает
В простейшей модели на каждом шаге величина прибавляет одну и ту же долю от самой себя — это экспоненциальный рост, как сложные проценты по вкладу. Но в реальности рано или поздно кончается еда или место: у дрожжей заканчивается сахар, у вируса — люди без иммунитета. Поэтому модель ограниченного, или логистического, роста замедляет прирост по мере приближения к пределу, который называют ёмкостью среды. Параметры модели подбирают так, чтобы её значения были как можно ближе к измерениям, — это называется калибровкой.
Немного истории
Формулу ограниченного роста ещё в девятнадцатом веке предложил бельгийский математик Пьер Франсуа Ферхюльст, размышляя о росте населения. А данные, с которыми ты будешь работать, настоящие: в 1913 году исследователь Т. Карлсон каждый час измерял количество дрожжей в пробирке. Позже американский биолог Раймонд Пирл проверял на этих числах логистическую модель, и она описала их удивительно точно.
Формула: экспоненциальный рост
Начнём с самого простого правила: на каждом шаге к величине прибавляется её же часть. Если сейчас количество равно эн, то прирост равен эр умножить на эн, и новое значение равно эн плюс эр умножить на эн. Здесь эн — количество, например дрожжей в условных единицах, а эр — доля прироста за шаг, просто число: эр, равное одной десятой, значит плюс десять процентов. Чем больше эн, тем больше и прирост, поэтому кривая уходит вверх всё круче и сама остановиться не может. Если увеличить эр, кривая станет круче: при одной десятой величина почти удваивается за семь шагов, а за семьдесят вырастает почти в восемьсот раз.
N(n+1) = N(n) + r · N(n)N — количество, усл. ед.
r — доля прироста за шаг, —
n — номер шага, ч
Формула: логистический рост
Чтобы рост останавливался, к приросту добавляют множитель: единица минус эн делённое на ка. Новое значение равно эн плюс эр умножить на эн умножить на скобку, где единица минус эн делённое на ка. Пока эн мало по сравнению с ка, скобка почти равна единице, и рост почти экспоненциальный. Когда эн подбирается к ка, скобка стремится к нулю, прирост исчезает, и кривая выходит на полку. Ка — ёмкость среды, предел роста, измеряется в тех же единицах, что и эн. Если увеличить ка, полка поднимется выше, а если увеличить эр, кривая быстрее до неё доберётся.
N(n+1) = N + r · N · (1 − N/K)N — количество на текущем шаге, усл. ед.
r — доля прироста за шаг, —
K — ёмкость среды, усл. ед.
Что будем делать на практике
А теперь давай попробуем выполнить практическое задание. На экране точки — настоящие измерения количества дрожжей за восемнадцать часов, а рядом модель, которую ты будешь настраивать. Сейчас выбрана экспоненциальная модель с эр, равным трём десятым, и к восемнадцатому часу она улетает выше тысячи, а средняя ошибка огромная. Посмотри, где данные выходят на полку, и подумай, какая модель умеет останавливаться, а потом подбирай её параметры, сравнивая кривую с точками. Не забудь досчитать модель до восемнадцатого часа и добиться, чтобы средняя ошибка по всем часам была не больше двадцати пяти. Если что-то осталось непонятным — ничего страшного, спроси меня о чём угодно, я отвечу. Не переживай.