什么是数学模型？
模型是真实事物的简单复制品。玩具车就是汽车的模型。数学模型不用塑料，而是用数字、方程、图像或表格。
例子：
- 出租车车费：y = 12x + 50
- 边长为 s 的正方形花园的面积：A = s²
- 银行年利率 5% 时的本利和：A = P × 1.05ᵗ
模型里有变量（会变化的量）、参数（固定的数，比如 12 和 50）和假设（为了让问题简单，我们选择忽略的东西）。
建模的循环
- 弄清问题。我们想知道什么？
- 做出假设，选择变量。确定输入（自变量）和输出（因变量）。写下你忽略了什么。
- 建立模型。用表格、图像或方程。观察数据的形状。
- 求解。用模型来计算或预测。
- 解释。把数学答案带上单位，翻译回日常的话。
- 验证（检验）。和真实数据比较。如果误差太大，就修改假设或模型，再来一圈。
这是一个循环，不是一条直线。科学家和工程师会把它转很多圈。
如何选择合适的模型类型
一次函数（线性）：y = mx + c
x 每增加相同的量，y 的差也相等。例子：车费、手机套餐、一支慢慢燃尽的蜡烛。
二次函数：y = ax² + bx + c
图像是抛物线。二阶差相等。例子：抛出的球的高度、正方形的面积。
指数函数：y = a × bˣ
x 每增加相同的量，y 的比值相等（每次都乘以同一个数）。例子：细菌成倍增长、复利、一杯逐渐变凉的茶。
周期函数（三角函数）
按周期重复。例子：潮汐、一年中的白昼时长。
怎么判断
先把数据画出来。检查差（一次函数）、二阶差（二次函数）或比值（指数函数）。选择误差小又最简单的模型。
检验模型：误差、拟合和局限
误差（残差）等于真实值减去模型值。误差小，说明拟合得好。
最佳拟合直线是让整体误差尽可能小的那条直线（计算机用“最小二乘法”：让误差的平方和最小）。
内插（在数据范围之内预测）通常比较安全。外推（在数据范围之外很远的地方预测）有风险：小孩每年大约长高 6 厘米，但这个模型到 40 岁就不对了！
一定要写明模型适用的范围（定义域）和你做的假设。模型被用在科学、经济、医学和技术中，而且每个模型都有局限。
重点公式和概念
- 一次函数：y = mx + c（m = 变化率，c = 起始值）
- 二次函数：y = ax² + bx + c
- 指数函数：y = a × bˣ（b > 1 为增长，0 < b < 1 为衰减）
- 误差（残差）= 真实值 − 模型值
- 百分误差 = |误差| ÷ 真实值 × 100%
例题讲解
1. 一位水管工上门费 ₹200，再加每小时 ₹150。写出模型，并求 3 小时的费用。
设 h = 小时数，C = 费用。C = 150h + 200。当 h = 3 时：C = 450 + 200 = ₹650。
2. 一张表：x = 0, 1, 2, 3 时 y = 5, 8, 11, 14。哪种模型合适？
差是 3, 3, 3（相等），所以是一次函数：y = 3x + 5。
3. 一张表：x = 0, 1, 2, 3 时 y = 3, 6, 12, 24。哪种模型合适？
比值是 2, 2, 2（相等），所以是指数函数：y = 3 × 2ˣ。
4. 一个球的高度用 h = −5t² + 20t + 1 来建模（单位：米、秒）。求最大高度。
最高点在 t = −b/(2a) = −20/(−10) = 2 秒。h = −20 + 40 + 1 = 21 米。
5. 模型预测有 480 位游客，实际来了 520 位。求误差和百分误差。
误差 = 520 − 480 = 40。百分误差 = 40 ÷ 520 × 100 ≈ 7.7%。
6. 一个有 50000 人的小镇每年增长 4%。建立模型，并预测 5 年后的人口。
P = 50000 × 1.04ᵗ。当 t = 5 时：50000 × 1.2167 ≈ 60800 人（假设增长率一直是 4%）。
常见错误
- 忘了写假设。每个模型都会忽略一些东西，要写明忽略了什么。
- 数据是弯曲的，却用直线。先检查差和比值。
- 不加提醒地相信远在数据范围之外的预测（外推）。
- 只给数学答案，没有单位和含义，比如只写“230”，而不是“15 公里的行程大约花 ₹230”。