Λογάριθμοι

Εισαγωγή

Ας υποθέσουμε ότι είστε δασοφύλακας και έχετε αναλάβει να παρακολουθείτε την ανάπτυξη των δέντρων σε ένα δασικό καταφύγιο. Όταν ξεκινάτε, το δάσος έχει 100 δέντρα. Τα επόμενα τέσσερα χρόνια, παρατηρείτε ότι ο αριθμός των δέντρων διπλασιάζεται κάθε χρόνο:

  • Έτος 0: 100 δέντρα
  • Έτος 1: 200 δέντρα
  • Έτος 2: 400 δέντρα
  • Έτος 3: 800 δέντρα
  • Έτος 4: 1600 δέντρα

Παρόλο που η ποσοστιαία μεταβολή παραμένει σταθερή—κάθε χρόνο ο αριθμός των δέντρων αυξάνεται κατά 100%—ο πραγματικός αριθμός των νέων δέντρων αυξάνεται εκθετικά: 100 νέα δέντρα τον πρώτο χρόνο, 200 τον δεύτερο, 400 τον τρίτο κ.ο.κ.

Αποποίηση ευθύνης

Φυσικά, αυτό είναι ένα υποθετικό παράδειγμα. Στην πράξη, τα δάση δεν αναπτύσσονται ακριβώς με αυτόν τον τρόπο.

Αυτό το είδος αύξησης μπορεί να εκφραστεί με μια εκθετική συνάρτηση (exponential function), ως εξής:

\[N = 100 \cdot 2^t\]

όπου \(N\) είναι ο αριθμός των δέντρων και \(t\) ο αριθμός των ετών.

Αυτός ο τύπος διευκολύνει την πρόβλεψη του αριθμού των δέντρων σε οποιοδήποτε μελλοντικό χρονικό σημείο. Για παράδειγμα, μετά από δύο χρόνια, ο αναμενόμενος αριθμός δέντρων θα είναι: \[N = 100 \cdot 2^2 = 100 \cdot 4 = 400\]

Ας υποθέσουμε όμως ότι αντιστρέφουμε την ερώτηση: Σε πόσα χρόνια θα υπάρχουν 6,400 δέντρα; Πρέπει να λύσουμε ως προς \(t\) την εξίσωση:

\[6400 = 100 \cdot 2^{t}\]

Για να απομονώσουμε το \(t\), χρησιμοποιούμε λογαρίθμους (logarithms). Παίρνοντας τους λογαρίθμους με βάση 2 και στα δύο μέλη:

\[\log_{2}6400 = \log_{2}(100 \cdot 2^t)\]

\[\log_{2}6400 = \log_{2}(100) + \log_{2}(2^t)\]

\[\log_{2}6400 = \log_{2}(100) + t\]

Λύνοντας ως προς \(t\), έχουμε:

\[t = \log_{2}6400 - \log_{2}100\]

\[t = \log_{2} \left( \frac{6400}{100} \right)\]

\[t = \log_{2}(64)\]

\[t = 6\]

Επομένως, το δάσος φτάνει τα 6,400 δέντρα μετά από έξι χρόνια. Σε αυτό το παράδειγμα, ο λογάριθμος μάς επιτρέπει να λύσουμε μια εξίσωση στην οποία ο άγνωστος εμφανίζεται στον εκθέτη.

Αυτό δείχνει μία από τις πιο σημαντικές χρήσεις των λογαρίθμων: την επίλυση εξισώσεων που περιλαμβάνουν εκθετική αύξηση (exponential growth). Οι λογάριθμοι έχουν ευρείες εφαρμογές στην επιστήμη δεδομένων (Data Science), στα χρηματοοικονομικά, στη βιολογία, στην ιατρική και σε πολλούς άλλους τομείς. Ωστόσο, παρόλο που πολλοί γνωρίζουν ότι \(\log_{2}2 = 1\), μπορεί να μην κατανοούν πλήρως τη χρησιμότητα των λογαρίθμων. Αυτό το κεφάλαιο παρουσιάζει τη διαισθητική κατανόηση και τις μαθηματικές ιδιότητες των λογαρίθμων και δείχνει την πρακτική τους αξία στο πλαίσιο της επιστήμης δεδομένων.

Οι λογάριθμοι σε βάθος

Ο ιστορικός σκοπός των λογαρίθμων

Οι λογάριθμοι αναπτύχθηκαν από τους John Napier και Henry Briggs για να απλοποιήσουν τους υπολογισμούς (Havil, 2014). Μετατρέποντας τον πολλαπλασιασμό σε πρόσθεση και τη διαίρεση σε αφαίρεση, οι λογάριθμοι πρόσφεραν μια ισχυρή υπολογιστική συντόμευση στην προ-ψηφιακή εποχή. Για παράδειγμα, αντί να πολλαπλασιάσουμε απευθείας το 32 με το 16, εκφράζουμε και τους δύο αριθμούς ως δυνάμεις του 2:

  • \(32 = 2^{5}\)
  • \(16 = 2^4\)

Τότε:

\[32 \cdot 16 = 2^{5} \cdot 2^{4} = 2^{9} = 512\]

Βασική ορολογία

Πριν συζητήσουμε τις μαθηματικές ιδιότητες των λογαρίθμων, είναι σημαντικό να κατανοήσουμε την ορολογία. Ας υποθέσουμε ότι έχουμε την εξής εξίσωση:

\[2^{4} = 16\]

Σε αυτή την εξίσωση, ο αριθμός 4 ονομάζεται δύναμη (power), εκθέτης (exponent) ή δείκτης (index), ενώ ο αριθμός 2 είναι η βάση (base). Αν έχουμε \(3^{4} = 81\), τότε λέμε ότι ο αριθμός 3 είναι η βάση και ο αριθμός 4 είναι η δύναμη (ή ο εκθέτης ή ο δείκτης).

Οι λογάριθμοι στις εξισώσεις

Ας υποθέσουμε ότι έχουμε την εξής εξίσωση:

\[16 = 2^{4}\]

Αυτή η εξίσωση είναι ισοδύναμη με:

\[\log_{2}16 = 4\]

Διαβάζουμε αυτή την εξίσωση ως «ο λογάριθμος του 16 με βάση 2 ισούται με 4». Μπορούμε να επιβεβαιώσουμε αυτό το αποτέλεσμα στην R με τον εξής κώδικα:

# Υπολογισμός του λογαρίθμου του 16 με βάση 2
log(16, base = 2)
[1] 4

Ο δείκτης κάτω δεξιά από το log δείχνει τη βάση (2) και το αποτέλεσμα (4) είναι η δύναμη αυτής της βάσης που δίνει τον αριθμό (16) του λογαρίθμου. Αυτό χρησιμοποιήσαμε και στο παράδειγμα της εισαγωγής, όπου ρωτήσαμε μετά από πόσα χρόνια θα έχουμε \(N\) δέντρα. Με άλλα λόγια, σε ποια δύναμη πρέπει να υψώσουμε τη βάση 2 για να πάρουμε αποτέλεσμα 16; Η απάντηση είναι 4. Πιο γενικά, έχουμε την εξής μαθηματική εξίσωση:

\[x = \alpha^n \Leftrightarrow \log_{\alpha}x = n\]

Μια ειδική περίπτωση αυτής της ιδιότητας είναι η \(\alpha = \alpha^{1}\). Γνωρίζουμε ότι αυτή η εξίσωση ισχύει και, κατά συνέπεια, μπορούμε να συμπεράνουμε ότι:

\[\log_{\alpha}\alpha = 1\]

Μπορούμε να δούμε ότι ισχύει κάνοντας τον υπολογισμό στην R:

# a = 10
log(10, base = 10)
[1] 1
# a = 2
log(2, base = 2)
[1] 1

Επομένως, όταν χρησιμοποιούμε λογαρίθμους, ουσιαστικά «περιστρεφόμαστε» γύρω από τη βάση ενός αριθμού· στο παράδειγμα με τα δέντρα, αυτός ο αριθμός ήταν το 2.

Η δύναμη μέσα σε έναν λογάριθμο

Είδαμε ότι:

\[x = \alpha^n \Leftrightarrow \log_{\alpha}x = n\]

Ας υποθέσουμε ότι, αντί για \(x = \alpha^n\), είχαμε:

\[x^{z} = (\alpha^{n})^{z} \Leftrightarrow x^{z} = \alpha^{nz}\]

Παίρνοντας τον λογάριθμο αυτής της εξίσωσης, έχουμε:

\[\log_{\alpha}x^{z} = \log_{\alpha}\alpha^{nz} = nz\]

Γνωρίζουμε ότι \(\log_{\alpha}\alpha^{nz} = nz\), επειδή, αν υψώσουμε τη βάση \(\alpha\) στη δύναμη \(nz\), το αποτέλεσμα θα είναι το \(\alpha\) στη δύναμη \(nz\).

Επειδή είδαμε νωρίτερα ότι \(\log_{\alpha}x = n\), μπορούμε να συμπεράνουμε ότι ισχύει η εξής ιδιότητα:

\[\log_{\alpha}x^{z} = z \cdot \log_{\alpha}x\]

Από τον πολλαπλασιασμό στην πρόσθεση

Ας υποθέσουμε ότι έχουμε τις εξής δύο εξισώσεις:

  • \(x = \alpha^{n}\)
  • \(y = \alpha^{z}\)

Προσέξατε ότι η βάση στο δεξί μέλος είναι ο ίδιος αριθμός; Αν θέλουμε να πολλαπλασιάσουμε τους αριθμούς \(x\) και \(y\), τότε έχουμε:

\[xy = \alpha^{n} \cdot \alpha^z = \alpha^{(n + z)}\]

Από την ιδιότητα των λογαρίθμων που εξηγήσαμε προηγουμένως, έχουμε τα εξής:

\[xy = \alpha^{(n + z)} \Leftrightarrow \log_{\alpha}xy = n + z\]

Ταυτόχρονα, αν εφαρμόσουμε την προηγούμενη ιδιότητα σε καθεμία από τις δύο εξισώσεις χωριστά, παίρνουμε:

\[x = \alpha^{n} \Leftrightarrow \log_{\alpha}x = n\] και \[y = \alpha^{z} \Leftrightarrow \log_{\alpha}y = z\]

Επομένως, μπορούμε να συμπεράνουμε ότι ισχύει η εξής ιδιότητα:

\[\log_{\alpha}xy = n + z \Leftrightarrow \log_{\alpha}xy = \log_{\alpha}x + \log_{\alpha}y\]

Από τη διαίρεση στην αφαίρεση

Με τον ίδιο τρόπο, ας υποθέσουμε ότι έχουμε (ξανά) τις εξής δύο εξισώσεις:

  • \(x = \alpha^{n}\)
  • \(y = \alpha^{z}\)

Αυτή τη φορά, θέλουμε να διαιρέσουμε το \(x\) με το \(y\). Έχουμε:

\[\frac{x}{y} = \frac{\alpha^{n}}{\alpha^{z}} = \alpha^{n - z}\]

Ομοίως, από την πρώτη ιδιότητα των λογαρίθμων που συζητήσαμε, έχουμε τα εξής:

\[\frac{x}{y} = \alpha^{n - z} \Leftrightarrow\]

\[\log_{\alpha}\frac{x}{y} = \log_{\alpha}\alpha^{n - z} \Leftrightarrow\]

\[\log_{\alpha}\frac{x}{y} = n - z\]

Όπως κάναμε και προηγουμένως, μπορούμε να εφαρμόσουμε λογαρίθμους σε καθεμία από τις αρχικές εξισώσεις χωριστά:

\[x = \alpha^{n} \Leftrightarrow \log_{\alpha}x = n\]

και

\[y = \alpha^{z} \Leftrightarrow \log_{\alpha}y = z\]

Επομένως, μπορούμε να συμπεράνουμε ότι ισχύει η εξής ιδιότητα:

\[\log_{\alpha}\frac{x}{y} = n - z \Leftrightarrow \log_{\alpha}\frac{x}{y} = \log_{\alpha}x - \log_{\alpha}y\]

Αντιστροφή

Ας υποθέσουμε ότι έχουμε τους εξής δύο λογαρίθμους:

  • \(\log_{9}3 = \frac{1}{2}\)
  • \(\log_{3}9 = 2\)

Για τον πρώτο, καταλαβαίνουμε ότι πρέπει να υψώσουμε τη βάση 9 στη δύναμη 1/2 (που ισοδυναμεί με την τετραγωνική ρίζα) για να πάρουμε 3. Για τον δεύτερο, βλέπουμε ότι πρέπει να υψώσουμε τη βάση 3 στη δύναμη 2 για να πάρουμε 9.

Πιο γενικά, γίνεται φανερό ότι μπορούμε να αντικαταστήσουμε τον παρονομαστή του δεξιού μέλους της πρώτης εξίσωσης με το αριστερό μέλος της δεύτερης εξίσωσης. Έχουμε επομένως:

\[\log_{9}3 = \frac{1}{\log_{3}9}\]

Αν το δοκιμάσουμε με διαφορετικούς αριθμούς, το συμπέρασμα θα είναι πάντα το ίδιο. Επομένως, ισχύει η εξής εξίσωση:

\[\log_{\alpha}\beta = \frac{1}{\log_{\beta}\alpha}\]

Οι πιο συνηθισμένες βάσεις (και γιατί είναι σημαντικό το \(e\))

Οι δύο πιο συνηθισμένες βάσεις είναι το \(10\) και το \(e\). Σε πολλά εγχειρίδια, ένας λογάριθμος χωρίς συγκεκριμένη βάση υπονοεί ότι η βάση του είναι το 10. Ωστόσο, στην R (και συχνά στη στατιστική), η συνάρτηση log() έχει βάση το \(e\). Επειδή γνωρίζουμε ότι \(\log_{10}10 = 1\), ας το επιβεβαιώσουμε με τον εξής κώδικα:

# Ορισμός της βάσης
log(10, base = 10)
[1] 1
# Χωρίς ορισμό της βάσης
log(10)
[1] 2.302585

Η εκθετική σταθερά \(e\) είναι ένας ξεχωριστός αριθμός—περίπου 2.71828—που εμφανίζεται φυσικά όταν κάτι αυξάνεται συνεχώς, όπως οι πληθυσμοί, οι τόκοι ή η ραδιενεργός διάσπαση. Είναι η βάση των φυσικών διαδικασιών αύξησης και είναι πολύ σημαντική σε εφαρμογές της φυσικής, της βιολογίας και άλλων τομέων. Οι λογάριθμοι με βάση \(e\) γράφονται συνήθως ως \(\ln\) και ονομάζονται φυσικοί λογάριθμοι (natural logarithms).

Ο λογάριθμος του 1 και του 0

Από τα σχολικά μας χρόνια, ίσως θυμόμαστε ότι κάθε μη μηδενικός αριθμός \(\alpha\) υψωμένος στη δύναμη 0 ισούται με 1. Άρα, \(\alpha^{0} = 1\). Ο λογάριθμος σε αυτή την περίπτωση είναι:

\[\log_{\alpha}1 = 0\]

Σε αυτές τις περιπτώσεις, η βάση του λογαρίθμου δεν έχει σημασία· κάθε αριθμός υψωμένος στη δύναμη 0 ισούται με 1.

Ένα ερώτημα που μπορεί να προκύψει είναι: «Τι γίνεται με το 0 ή με τους αρνητικούς αριθμούς;». Πράγματι, δεν μπορούμε να πάρουμε τον λογάριθμο ενός μη θετικού αριθμού, συμπεριλαμβανομένου του 0, με τις συνηθισμένες λογαριθμικές συναρτήσεις, όπως ο φυσικός λογάριθμος (\(\ln\)) ή ο δεκαδικός λογάριθμος (common logarithm, δηλαδή ο λογάριθμος με βάση 10). Αυτό συμβαίνει επειδή δεν υπάρχει δύναμη στην οποία μπορούμε να υψώσουμε μια θετική βάση και να πάρουμε 0 ή αρνητικό αριθμό. Καθώς η είσοδος πλησιάζει το 0 από τη θετική πλευρά, ο λογάριθμος μειώνεται προς το μείον άπειρο. Ας το επιβεβαιώσουμε στην R με τον εξής κώδικα:

# Προσπάθεια υπολογισμού του λογαρίθμου του 0
log(0)
[1] -Inf

Οι λογάριθμοι στην ποσοτική ανάλυση

Μέχρι στιγμής, μάθαμε (ή θυμηθήκαμε) τις βασικές μαθηματικές ιδιότητες και τη διαισθητική κατανόηση των λογαρίθμων. Ωστόσο, δεν έχουμε συζητήσει ακόμη πώς και γιατί θα χρησιμοποιούσαμε τους λογαρίθμους στην πράξη. Με άλλα λόγια, γιατί είναι χρήσιμοι οι λογάριθμοι (logs) σε τομείς όπως η επιστήμη δεδομένων; Παρόλο που το τέχνασμα της αντικατάστασης του πολλαπλασιασμού με πρόσθεση φαίνεται έξυπνο, σήμερα έχουμε υπολογιστές και αριθμομηχανές που μπορούν να λύσουν πολύ πιο σύνθετους τύπους.

Ο κύριος λόγος για τον οποίο χρησιμοποιούμε λογαρίθμους στην ποσοτική ανάλυση είναι ότι συχνά μας ενδιαφέρει η ίδια η ποσοστιαία μεταβολή (percentage change) (ή ο ρυθμός αύξησης, growth rate) και όχι οι απόλυτες τιμές μιας μεταβλητής (Wooldridge, 2020). Αυτό φάνηκε στο παράδειγμα της εισαγωγής με την αύξηση του αριθμού των δέντρων στο δάσος. Σε εκείνο το παράδειγμα, αναφέραμε ότι η ποσοστιαία μεταβολή (αύξηση) είναι σταθερή και ότι ο αριθμός των δέντρων αυξάνεται εκθετικά.

Για να το κατανοήσουμε καλύτερα, ας δημιουργήσουμε το εξής DataFrame:

# Βιβλιοθήκες
library(tidyverse)

# Δημιουργία ενός tibble με το παράδειγμα των δέντρων
trees_example <- tibble(Year = 0:10,
                        Number_of_Trees = 50 * cumprod(rep(2, 11)))

# Εμφάνιση όλων των γραμμών
head(trees_example, n = 11)
# A tibble: 11 × 2
    Year Number_of_Trees
   <int>           <dbl>
 1     0             100
 2     1             200
 3     2             400
 4     3             800
 5     4            1600
 6     5            3200
 7     6            6400
 8     7           12800
 9     8           25600
10     9           51200
11    10          102400

Χρησιμοποιώντας το DataFrame που μόλις δημιουργήσαμε, παίρνουμε το εξής διάγραμμα:

Εικόνα 12.1: Αριθμός δέντρων ανά έτος.

Ο αριθμός των δέντρων αυξάνεται εκθετικά με τα χρόνια, που σημαίνει ότι, όσο περνά ο χρόνος, φυτρώνουν όλο και περισσότερα δέντρα. Ωστόσο, ο ρυθμός αύξησης παραμένει σταθερός. Θυμηθείτε ότι ο αριθμός των δέντρων διπλασιάζεται πάντα (αύξηση 100% από τη μία χρονιά στην επόμενη). Αν πάρουμε τον λογάριθμο του αριθμού των δέντρων, το διάγραμμα αλλάζει:

Εικόνα 12.2: Λογάριθμος του αριθμού των δέντρων ανά έτος.

Με τους λογαρίθμους, μετασχηματίζουμε (ή, κατά κάποιον τρόπο, απλοποιούμε) την εκθετική αύξηση σε γραμμική σχέση, κάτι που διευκολύνει την κατανόηση της εξέλιξης του πληθυσμού (των δέντρων). Για παράδειγμα:

  • Έτος 1: 200 δέντρα \(\log_{2} 200 \approx 7.644\)

  • Έτος 2: 400 δέντρα \(\log_{2} 400 \approx 8.644\)

  • Έτος 3: 800 δέντρα \(\log_{2} 800 \approx 9.644\)

Έχουμε επομένως μια σταθερή αύξηση κατά 1 μονάδα στη λογαριθμική κλίμακα, παρόλο που ο αριθμός των δέντρων αυξάνεται εκθετικά. Αυτό είναι διαισθητικά λογικό, επειδή κάθε χρόνο πολλαπλασιάζουμε τον αριθμό των δέντρων επί 2 και ο λογάριθμος μας λέει τη δύναμη της βάσης που αντιστοιχεί σε αυτόν τον αριθμό.

Ανακεφαλαίωση

Σε αυτό το κεφάλαιο, εξετάσαμε τους λογαρίθμους, ξεκινώντας από τη βασική ορολογία και τις μαθηματικές τους ιδιότητες. Είδαμε ότι ένας λογάριθμος μάς λέει σε ποια δύναμη πρέπει να υψώσουμε μια βάση για να πάρουμε έναν συγκεκριμένο αριθμό, κάτι που μας επιτρέπει να λύνουμε εξισώσεις όπου ο άγνωστος εμφανίζεται στον εκθέτη. Συζητήσαμε επίσης πώς οι λογάριθμοι μετατρέπουν τον πολλαπλασιασμό σε πρόσθεση και τη διαίρεση σε αφαίρεση και χρησιμοποιήσαμε την R για να κάνουμε αυτούς τους υπολογισμούς. Τέλος, είδαμε γιατί οι λογάριθμοι είναι χρήσιμοι στην ποσοτική ανάλυση: μετασχηματίζουν την εκθετική αύξηση σε γραμμική σχέση, επιτρέποντάς μας να εστιάζουμε στην ποσοστιαία μεταβολή (ή στον ρυθμό αύξησης) και όχι στις απόλυτες τιμές μιας μεταβλητής.