Логарифмический рост

В математике, логарифмический рост описывает феномен, чей размер или стоимость может быть описана логарифмической функцией зависящей от некоторого входного значения, например y = C log (x). Может быть использовано любое основание логарифма, так как одно может быть переведено в другое умножением на конкретную постоянную величину.[1] Логарифмический рост является обратным экспоненциальному росту и он довольно медленный.[2]

Распространенный пример логарифмического роста это число, N, в позиционной системе счисления, которое растет как logb (N), где b основание использованной числовой системы, например, 10 для десятичной арифметики.[3] В высшей математике, частичная сумма гармонического ряда

растет логарифмически.[4] В проектировании компьютерных алгоритмов, логарифмический рост, и родственные варианты, такие как логарифмически линейный или линеарифмический рост желательные признаки эффективности, и появляются в анализе временной сложности алгоритмов, таких как двоичный поиск.[1]

Логарифмический рост может привести к явным парадоксам, например как в Мартингейл - стратегии управления ставками в азартных играх, где потенциальные выигрыши перед банкротством растут как логарифм денежных средств игрока.[5] Он также играет роль в санкт-петербургском парадоксе.[6]

В микробиологии, фаза резко растущего экспоненциального роста культуры клеток иногда называется логарифмическим ростом. Во время этой фазы роста бактерий, число появляющихся новых клеток пропорционально популяции. Эта терминологическая путаница между логарифмическим ростом и экспоненциальным ростом может быть объяснена тем фактом, что кривые экспоненциального роста могут быть выпрямлены если для построением их используется логарифмический масштаб для осей роста.[7]

См. также

Ссылки

  1. 1 2 Litvin, G. (2009), Programming With C++ And Data Structures, 1E, Vikas Publishing House Pvt Ltd, с. AAL-9 – AAL-10, ISBN 9788125915454, <https://books.google.com/books?id=A-uXzNVR9oAC&pg=PT479> .
  2. Szecsei, Denise (2006), Calculus, Career Press, с. 57–58, ISBN 9781564149145, <https://books.google.com/books?id=a95EDwAAQBAJ&pg=PT58> .
  3. Salomon, David; Motta, G. & Bryant, D. (2007), Data Compression: The Complete Reference, Springer, с. 49, ISBN 9781846286032, <https://books.google.com/books?id=ujnQogzx_2EC&pg=PA49> .
  4. Clawson, Calvin C. (1999), Mathematical Mysteries: The Beauty and Magic of Numbers, Da Capo Press, с. 112, ISBN 9780738202594, <https://books.google.com/books?id=cqz13UpQSuMC&pg=PA112> .
  5. Tijms, Henk (2012), Understanding Probability, Cambridge University Press, с. 94, ISBN 9781107658561, <https://books.google.com/books?id=FjpRJJ65HwIC&pg=PA94> .
  6. Friedman, Craig & Sandow, Sven (2010), Utility-Based Learning from Data, CRC Press, с. 97, ISBN 9781420011289, <https://books.google.com/books?id=mPU12DwrVxsC&pg=PA97> .
  7. Barbeau, Edward J. (2013), More Fallacies, Flaws & Flimflam, Mathematical Association of America, с. 52, ISBN 9780883855805, <https://books.google.com/books?id=seRaAQAAQBAJ&pg=PA52> .

Категории