# Exponentialfunktionen erkunden

> For AI agents: use [llms.txt](https://nakafa.com/llms.txt) for the site index. Markdown versions are available by appending `.md` to content URLs or sending `Accept: text/markdown`.

URL: https://nakafa.com/de/faecher/mathematik/potenzen-und-logarithmen/exponentialfunktionen-untersuchen
Source: https://raw.githubusercontent.com/nakafaai/aksara/16d6b8e869d1a277313c65bbfc4b4a83efe77a46/packages/corpus/material/lesson/mathematics/exponential-logarithm/function-exploration/de.mdx

Mit einem idealisierten Übertragungsbaum neue und kumulierte Fälle unterscheiden, Funktionsfamilien vergleichen und Modellgrenzen prüfen.

---

## Ein idealisierter Übertragungsbaum

Ein Ausgangsfall soll genau $$3$$ neue Fälle verursachen. Jeder neue Fall verursacht in der nächsten Phase wiederum genau $$3$$ weitere Fälle. Kontakte überschneiden sich nicht, niemand erholt sich während des Modells und der Faktor verändert sich nicht.

Visible text: Ein Ausgangsfall soll genau neue Fälle verursachen. Jeder neue Fall verursacht in der nächsten Phase wiederum genau weitere Fälle. Kontakte überschneiden sich nicht, niemand erholt sich während des Modells und der Faktor verändert sich nicht.

Diese Annahmen sind bewusst unrealistisch. Sie erzeugen ein übersichtliches Verzweigungsmuster zum Untersuchen von Exponentialfunktionen, keine Vorhersage für einen echten Ausbruch.

## Neue Fälle in jeder Phase

Die folgenden Werte zählen **neue Fälle in der jeweiligen Phase**, nicht die kumulierte Gesamtzahl:

- **Phase** $$1$$: $$3=3^1$$ neue Fälle
- **Phase** $$2$$: $$9=3^2$$ neue Fälle
- **Phase** $$3$$: $$27=3^3$$ neue Fälle
- **Phase** $$4$$: $$81=3^4$$ neue Fälle
- **Phase** $$5$$: $$243=3^5$$ neue Fälle

Visible text: - **Phase** : neue Fälle
- **Phase** : neue Fälle
- **Phase** : neue Fälle
- **Phase** : neue Fälle
- **Phase** : neue Fälle

Bezeichnet $$N(x)$$ die Zahl der neuen Fälle in Phase $$x$$, dann gilt:

Visible text: Bezeichnet die Zahl der neuen Fälle in Phase , dann gilt:

```math
N(x)=3^x
```

Die kumulierte Zahl der neuen Fälle von Phase eins bis Phase $$x$$ ist eine geometrische Summe:

Visible text: Die kumulierte Zahl der neuen Fälle von Phase eins bis Phase ist eine geometrische Summe:

```math
S(x)=3+3^2+\cdots+3^x=\frac{3^{x+1}-3}{2}
```

Die Trennung beider Größen verhindert einen häufigen Modellierungsfehler: $$N(x)$$ beschreibt eine einzelne Phase, $$S(x)$$ addiert alle abgeschlossenen Phasen.

Visible text: Die Trennung beider Größen verhindert einen häufigen Modellierungsfehler: beschreibt eine einzelne Phase, addiert alle abgeschlossenen Phasen.

## Funktionsfamilien vergleichen

Das Diagramm vergleicht drei Formeln für dieselben Phasenwerte:

1. **Exponentiell**: $$y=3^x$$
2. **Linear**: $$y=3x$$
3. **Logarithmisch**: $$y=20\ln(x+1)$$

Visible text: 1. **Exponentiell**: 
2. **Linear**: 
3. **Logarithmisch**:

Nur die Exponentialkurve entspricht der Regel „in jeder Phase mit drei multiplizieren“. Die beiden anderen Kurven dienen als Formvergleich und sind keine alternativen Aussagen über eine Übertragung.

Component: FunctionExplorationVirusChart
Props:
- labels: {
title: "Idealisiertes Übertragungsmodell",
description: "Neue Fälle pro Phase unter einer festen Verzweigungsregel.",
exponential: "Exponentiell",
linear: "Linear",
logarithmic: "Logarithmisch",
yLabel: "Neue Fälle in der Phase",
caption:
"Die Exponentialkurve entspricht dem festen Faktor drei; reale Übertragung behält diese Annahmen nicht unbegrenzt bei.",
phase: "Phase",
}

## Ausführliche Antworten

1. Wie viele neue Fälle erzeugt das Modell in Phase $$20$$?

   
   
   ```math
   N(20)=3^{20}=3{.}486{.}784{.}401
   ```

2. Wie viele neue Fälle haben sich von Phase $$1$$ bis Phase $$20$$ angesammelt?

   
   
   ```math
   S(20)=\frac{3^{21}-3}{2}=5{.}230{.}176{.}600
   ```

3. Warum entspricht die Exponentialkurve und nicht die lineare Kurve der hypothetischen Regel?

   Das Exponentialmodell multipliziert die vorherige Phase mit $$3$$. Ein lineares Modell würde in jeder Phase denselben Betrag addieren. Die Multiplikation mit einem festen Faktor und die Addition eines festen Betrags sind unterschiedliche Prozesse.

Visible text: 1. Wie viele neue Fälle erzeugt das Modell in Phase ?

 
 

2. Wie viele neue Fälle haben sich von Phase bis Phase angesammelt?

 
 

3. Warum entspricht die Exponentialkurve und nicht die lineare Kurve der hypothetischen Regel?

 Das Exponentialmodell multipliziert die vorherige Phase mit . Ein lineares Modell würde in jeder Phase denselben Betrag addieren. Die Multiplikation mit einem festen Faktor und die Addition eines festen Betrags sind unterschiedliche Prozesse.

Die sehr großen Ergebnisse zeigen, dass die Annahmen nicht beliebig weit fortgesetzt werden dürfen. Es handelt sich nicht um plausible Fallprognosen.

## Sichtbare Eigenschaften der Exponentialfunktion

Für $$f(x)=a^x$$ mit $$a>0$$ und $$a\neq1$$ gilt:

Visible text: Für mit und gilt:

1. Die Definitionsmenge ist $$\mathbb{R}$$, die Wertemenge $$(0,\infty)$$.
2. Der Graph verläuft durch $$(0,1)$$, weil $$a^0=1$$ gilt.
3. Für $$a>1$$ ist die Funktion steigend.
4. Für $$0<a<1$$ ist die Funktion fallend.
5. Der Abstand von $$a$$ zu $$1$$ beeinflusst, wie schnell sich der Funktionswert verändert. Exponentielles Verhalten ist nicht automatisch „extrem schnell“.

Visible text: 1. Die Definitionsmenge ist , die Wertemenge .
2. Der Graph verläuft durch , weil gilt.
3. Für ist die Funktion steigend.
4. Für ist die Funktion fallend.
5. Der Abstand von zu beeinflusst, wie schnell sich der Funktionswert verändert. Exponentielles Verhalten ist nicht automatisch „extrem schnell“.

## Einsatzbereiche exponentieller Modelle

Exponentialfunktionen können Zinseszins, radioaktiven Zerfall, wiederholte Verdopplung und kurze Phasen von Bevölkerungs- oder Übertragungsänderungen modellieren. Vor dem Einsatz muss geprüft werden, ob der Prozess in gleichen Intervallen tatsächlich einen annähernd konstanten **Faktor** verwendet. Ändern sich Rate, Ressourcen oder Wechselwirkungen, muss sich auch das Modell ändern.