Makie avanzado

J2.4 · Nivel J2 · Datos y estadística

Una figura de un informe o de un artículo se lee en pocos segundos y se juzga por ella. En J1.7 se aprendió a dibujar series y espectros. Esta unidad da el salto a la figura de publicación: varios paneles con rotulado, una paleta que se distingue también en blanco y negro y para personas daltónicas, un tamaño pensado para una columna de revista, varios formatos de exportación y, cuando la web lo permite, un control interactivo para explorar un parámetro. El ejemplo conduce a una pregunta de la vía M: ¿han cambiado las frecuencias del edificio, o es solo variabilidad entre estimaciones?

NotaCómo se lee esta unidad

Tiempo orientativo: 90 minutos. Objetivos (4), teoría en cinco píldoras (18), práctica guiada (40), «Pídeselo a Claude» (12), ejercicios (14) y cierre (2). Las figuras se hacen con CairoMakie; la simulación interactiva, con JavaScript (OJS) y deslizadores, que se ejecuta en el navegador y no necesita Julia.

Objetivos y prerrequisitos

Objetivos. Al terminar esta unidad sabrás:

• componer una figura de varios paneles con rejilla, rotulado, ejes enlazados y leyenda compartida;
• usar una paleta accesible y comprobar su contraste con la relación de contraste de WCAG;
• elegir el gráfico adecuado para comparar grupos (cajas con los puntos individuales) y dibujar una referencia teórica;
• dimensionar y exportar una figura (SVG, PDF y PNG) y comprobar el resultado;
• leer una simulación interactiva y explicar sus hipótesis.

Prerrequisitos. El curso no los impone en el temario; conviene J1.7 (primeras figuras con CairoMakie).

Reparto con otras unidades. Las figuras de mecánica y los esquemas se dibujan con TikZ, no con Makie (regla del curso). El análisis estadístico de las diferencias entre grupos está en J2.6.

Teoría breve

NotaUn poco de historia: Makie

Makie nació como un proyecto de visualización de Simon Danisch y se describe como una biblioteca flexible y de alto rendimiento para Julia en el artículo que Danisch y Julius Krumbiegel publicaron en el Journal of Open Source Software en septiembre de 2021 (Danisch y Krumbiegel 2021). Su diseño separa qué se dibuja (la figura, los ejes, los gráficos) de con qué motor se dibuja: GLMakie (OpenGL, para figuras interactivas), CairoMakie (gráficos estáticos vectoriales), WGLMakie (en el navegador) y RPRMakie (experimental, con trazado de rayos) (Makie 2026). Por eso el mismo código de una figura sirve para explorar en pantalla y para exportar un PDF.

Fuente: Danisch y Krumbiegel (2021) (Danisch y Krumbiegel 2021) y la documentación de Makie (Makie 2026). Consultadas el 26-10-2026; del artículo se han comprobado los datos bibliográficos en resultados de búsqueda, no el texto.

J2.4.1 Rejillas, paneles y rotulado

Una figura es una rejilla (fig[fila, columna]) de paneles. Un panel puede ocupar varias celdas (fig[2, 1:2]), dos ejes pueden enlazarse (linkxaxes!) para que muevan sus límites a la vez, y una única Legend o Colorbar puede servir para toda una fila. En una figura de publicación, cada panel lleva una letra, (a), (b), (c), para poder referirse a él en el texto:

let
    t = 0:0.01:2π
    fig = Figure(size=(600, 360))
    ax1 = Axis(fig[1, 1], ylabel="amplitud (adim.)")
    ax2 = Axis(fig[1, 2])
    ax3 = Axis(fig[2, 1:2], xlabel="fase (rad)", ylabel="amplitud (adim.)")
    lines!(ax1, t, sin.(t), color=AZUL); lines!(ax2, t, cos.(t), color=NARANJA)
    lines!(ax3, t, sin.(t) .+ cos.(t), color=VERDE)
    linkxaxes!(ax1, ax2)
    hidexdecorations!(ax1, grid=false); hidexdecorations!(ax2, grid=false); hideydecorations!(ax2, grid=false)
    for (ax, letra) in zip((ax1, ax2, ax3), ("a", "b", "c"))
        text!(ax, 0.02, 0.97, text="($letra)", space=:relative, align=(:left, :top), font=:bold)
    end
    fig
end

Figura 1: Rejilla de 2 × 2 con un panel que ocupa dos columnas, ejes enlazados y rotulado de paneles. Es la estructura de las figuras de publicación de este curso.

Con linkxaxes!(ax1, ax2), al cambiar los límites del eje horizontal de un panel cambian también los del otro.

Verdadero. Es útil para comparar dos señales sobre la misma ventana de tiempo o de frecuencia sin repetir las etiquetas del eje.

J2.4.2 Tema, paleta y accesibilidad

Un tema fija de una vez fuentes, grosores y colores de todas las figuras: set_theme!(...) para toda la sesión, with_theme(f, tema) para una figura. El curso usa la paleta de recursos/r1-datos/_tema.jl, que se aplica a todas las páginas. Dos criterios la hacen accesible: que los colores tengan contraste suficiente con el fondo y que el color no sea la única señal (se añade trazo, marcador o etiqueta). La pauta de accesibilidad WCAG 2.1 pide una relación de contraste de al menos 3:1 para los elementos gráficos necesarios para entender el contenido (W3C 2018), con la relación \((L_1+0{,}05)/(L_2+0{,}05)\) entre las luminancias relativas de dos colores:

canal(c) = c <= 0.03928 ? c / 12.92 : ((c + 0.055) / 1.055)^2.4
function luminancia(color)
    rgb = Makie.Colors.RGB(color)
    0.2126 * canal(Float64(rgb.r)) + 0.7152 * canal(Float64(rgb.g)) + 0.0722 * canal(Float64(rgb.b))
end
contraste(a, b=colorant"white") = let (l1, l2) = sort([luminancia(a), luminancia(b)], rev=true); (l1 + 0.05) / (l2 + 0.05) end
paleta = ["azul" => AZUL, "naranja" => NARANJA, "verde" => VERDE, "violeta" => VIOLETA, "gris" => GRIS, "tinta" => TINTA]
DataFrame(color=first.(paleta), contraste_con_blanco=[round(contraste(c), digits=2) for c in last.(paleta)],
          supera_3_a_1=[contraste(c) >= 3 for c in last.(paleta)])

6×3 DataFrame

Row	color	contraste_con_blanco	supera_3_a_1
	String	Float64	Bool
1	azul	5.59	true
2	naranja	3.76	true
3	verde	3.32	true
4	violeta	6.51	true
5	gris	4.83	true
6	tinta	14.68	true

Los seis colores superan 3:1 con el fondo blanco; el naranja y el verde lo hacen con poco margen, y por eso nunca se distinguen solo por el color: la comparación de la práctica usa también trazo continuo y discontinuo.

AdvertenciaErrores frecuentes

1. Dos curvas distinguibles solo por rojo y verde: quien tiene una deficiencia roja-verde no las separa; las cifras orientativas que se repiten son de en torno a 1 de cada 12 hombres y 1 de cada 200 mujeres, y varían según la población. (2) Texto de ejes o leyendas demasiado pequeño al reducir la figura a una columna: se prueba la figura a su tamaño final. (3) Paletas arcoíris para magnitudes continuas: dan relieve falso; se prefieren escalas de un solo tono o perceptualmente uniformes (:viridis).

J2.4.3 Comparar grupos

Para comparar una magnitud entre grupos, el diagrama de cajas (boxplot!) resume mediana, cuartiles y extremos, y superponer los puntos individuales (con un pequeño desplazamiento horizontal) evita esconder cuántos datos hay y cómo se reparten. Una línea horizontal discontinua con el valor teórico (aquí, la frecuencia propia del modelo) da la referencia. Esto es lo que se hace en la práctica con las estimaciones de frecuencia por segmentos de 60 s del edificio en tres estados.

J2.4.4 Tamaño y exportación

Una figura de revista debe caber en una columna (el ejemplo habitual es de unos 252 pt, 3,5 pulgadas) o en dos (504 pt, 7 pulgadas); las dimensiones concretas y el tamaño mínimo de letra los fija cada revista, y hay que consultarlos (Figura 2). En CairoMakie el tamaño size=(ancho, alto) está en puntos (1 pt = 1/72 pulgada) y se guarda con save("fig.svg" | "fig.pdf" | "fig.png", fig): SVG y PDF son vectoriales (se ven bien a cualquier escala) y PNG es un mapa de bits cuya resolución se controla con px_per_unit.

Figura 2: Anchos de figura habituales: una columna (unos 252 pt) o dos (504 pt). Cada revista fija los suyos; se comprueban siempre en sus normas para autores.

Una figura de dos columnas de 7 pulgadas, ¿cuántos puntos de ancho tiene (1 pulgada = 72 pt)?

\(7\cdot72=504\) pt, que es el size que se pasa a Figure.

J2.4.5 Figuras interactivas en la web

GLMakie y WGLMakie permiten figuras interactivas, pero requieren un servidor o una ventana de Julia, que la web estática de este curso no tiene. Para explorar un parámetro se usa OJS (Observable JavaScript), que Quarto ejecuta en el navegador: un deslizador y una curva que se redibuja al moverlo. La Simulación 1 muestra la respuesta en frecuencia de un oscilador de un grado de libertad, \(|H(f)|=1/\sqrt{(1-r^2)^2+(2\zeta r)^2}\) con \(r=f/f_n\), para ver cómo el amortiguamiento ensancha y baja el pico:

viewof zeta = Inputs.range([0.005, 0.5], {value: 0.05, transform: Math.log, label: "ζ (adim.)", step: 0.001})
viewof fn = Inputs.range([0.5, 5], {value: 1.1, step: 0.05, label: "fₙ (Hz)"})

FRF = d3.range(0.05, 6, 0.01).map(f => {const r = f / fn; return [f, 1 / Math.sqrt((1 - r*r)**2 + (2*zeta*r)**2)];})
Plot.plot({
  width: 640, height: 320, marginLeft: 55, grid: true,
  x: {label: "frecuencia (Hz)"},
  y: {type: "log", label: "|H| (adim.)", domain: [0.05, 100]},
  marks: [
    Plot.line(FRF, {stroke: "#1B6CA8", strokeWidth: 2}),
    Plot.ruleX([fn], {stroke: "#D95F02", strokeDasharray: "5,4"}),
    Plot.dot([[fn, 1 / (2*zeta*Math.sqrt(1 - zeta*zeta))]], {fill: "#D95F02", r: 5})
  ]
})

md`Pico de amplitud: **${(1 / (2*zeta*Math.sqrt(1 - zeta*zeta))).toFixed(1)}** (adim.) en f ≈ ${(fn * Math.sqrt(1 - 2*zeta*zeta)).toFixed(3)} Hz. Ancho de banda a −3 dB aproximado: **${(2*zeta*fn).toFixed(3)} Hz**.`

NotaHipótesis y límites de la simulación 1

Es un sistema lineal de un grado de libertad con amortiguamiento viscoso, sin ruido. Las fórmulas del pico (amplitud \(1/(2\zeta\sqrt{1-\zeta^2})\)) y del ancho de banda (\(\approx2\zeta f_n\)) son exactas o buenas aproximaciones solo para amortiguamientos pequeños (ζ ≲ 0,1). Con \(\zeta=0{,}01\) y \(f_n=1{,}1\) Hz, como en un edificio real, el pico llega a 50 y su ancho es de 0,022 Hz: por eso hace falta una buena resolución en frecuencia para verlo (J3.8).

NotaIdea clave

Una buena figura responde a una pregunta: tiene ejes con unidades, un pie que dice qué se ve y qué se concluye, un texto alternativo, colores que se distinguen sin el color y un tamaño pensado para donde se va a publicar.

Para saber más

• Documentación de Makie, con los cuatro motores y la galería de gráficos (Makie 2026).
• Danisch y Krumbiegel, el artículo de presentación de Makie (Danisch y Krumbiegel 2021).
• Pauta de accesibilidad WCAG 2.1 (W3C 2018).

Makie: documentación (página principal). 2026. Documentación de Makie, consultada el 26-10-2026. https://docs.makie.org/stable/.

Danisch, Simon, y Julius Krumbiegel. 2021. «Makie.jl: Flexible high-performance data visualization for Julia». Journal of Open Source Software 6 (65): 3349. https://doi.org/10.21105/joss.03349.

W3C. 2018. Web Content Accessibility Guidelines (WCAG) 2.1. Recomendación del W3C, consultada el 26-10-2026. https://www.w3.org/TR/WCAG21/.

Práctica guiada

Vamos a construir una figura de publicación de tres paneles para el edificio de tres plantas: (a) los espectros de los tres estados (referencia, variabilidad ambiental y daño), con las curvas distinguibles también en blanco y negro; (b) las estimaciones de la frecuencia del tercer modo en segmentos de 60 s; (c) las del primer modo. Los tres estados proceden de datos/sinteticos/edificio-3-plantas/ y se describen en J1.7.

Julia

Paso 1. Estimaciones por segmentos. El registro de 600 s de cada estado se divide en 10 segmentos de 60 s; en cada uno se calcula el espectro de Welch y se toma la frecuencia del pico cercano a cada modo (con frecuencia_pico_por_segmentos, de Resonancia.jl). Se compara con la frecuencia del modelo (la de edificio_tres_plantas).

estados = [("A", "referencia", :A), ("B", "variabilidad ambiental (−1 % de rigidez)", :B), ("C", "daño en el entrepiso 2", :C)]
leer(esc) = CSV.read(RAIZ * "datos/sinteticos/edificio-3-plantas/escenario_$esc.csv", DataFrame; delim=';')
datos = Dict(esc => leer(esc) for (esc, _, _) in estados)
f1 = Dict(esc => frecuencia_pico_por_segmentos(datos[esc].a3_ms2, 100.0; seg=6000, banda=(0.8, 1.5)) for (esc, _, _) in estados)
f3 = Dict(esc => frecuencia_pico_por_segmentos(datos[esc].a3_ms2, 100.0; seg=6000, banda=(3.8, 5.0)) for (esc, _, _) in estados)
modelo = Dict(esc => first(modos_propios(edificio_tres_plantas(escenario=e)[3], edificio_tres_plantas(escenario=e)[1])) for (esc, _, e) in estados)
DataFrame(estado=first.(estados),
          f1_media_Hz=[round(mean(f1[e]), digits=4) for (e, _, _) in estados], f1_desv_Hz=[round(std(f1[e]), digits=4) for (e, _, _) in estados],
          f1_modelo_Hz=[round(modelo[e][1], digits=4) for (e, _, _) in estados],
          f3_media_Hz=[round(mean(f3[e]), digits=4) for (e, _, _) in estados], f3_desv_Hz=[round(std(f3[e]), digits=4) for (e, _, _) in estados],
          f3_modelo_Hz=[round(modelo[e][3], digits=4) for (e, _, _) in estados])

3×7 DataFrame

Row	estado	f1_media_Hz	f1_desv_Hz	f1_modelo_Hz	f3_media_Hz	f3_desv_Hz	f3_modelo_Hz
	String	Float64	Float64	Float64	Float64	Float64	Float64
1	A	1.1133	0.0206	1.1048	4.4189	0.0345	4.3902
2	B	1.1084	0.033	1.0993	4.375	0.0341	4.3681
3	C	1.0791	0.0154	1.0844	4.2725	0.0415	4.2537

La media de las diez estimaciones se aproxima al modelo (dentro de la resolución de 0,049 Hz de cada espectro), y la dispersión entre segmentos es de 0,02–0,04 Hz. Los estados A y C se separan con claridad en el tercer modo (4,419 frente a 4,273 Hz, una diferencia de 0,15 Hz de unas 4 desviaciones típicas); A y B, que difieren solo en un 1 % de rigidez (≈0,5 % en frecuencia, 0,02 Hz en el modelo), quedan mucho más cerca (0,044 Hz, algo más de una desviación típica) y las cajas se solapan en parte. Si esa diferencia es o no distinguible de la variabilidad entre segmentos es una pregunta de inferencia: se contesta con un contraste en J2.6, no a ojo.

Paso 2. La figura de tres paneles. Dos columnas de revista (504 pt de ancho).

let
    estilo = Dict("A" => (AZUL, :solid), "B" => (NARANJA, :dash), "C" => (VERDE, :dot))
    fig = Figure(size=(504, 210), fontsize=9)
    axa = Axis(fig[1, 1], xlabel="frecuencia (Hz)", ylabel="PSD ((m/s²)²/Hz)", yscale=log10, limits=((3.8, 5.0), nothing))
    for (esc, _, _) in estados
        f, P = psd_welch(datos[esc].a3_ms2, 100.0; nseg=4096)
        m = 3.8 .<= f .<= 5.0
        lines!(axa, f[m], P[m], color=estilo[esc][1], linestyle=estilo[esc][2], linewidth=1.4, label=esc)
    end
    axislegend(axa, "estado", position=:rt, framevisible=false, patchsize=(18, 8))
    ejes = Any[axa]
    for (j, (datos_f, ylab, k)) in enumerate([(f3, "f₃ (Hz)", 3), (f1, "f₁ (Hz)", 1)])
        ax = Axis(fig[1, 1+j], ylabel=ylab, xlabel="estado", xticks=(1:3, ["A", "B", "C"]))
        push!(ejes, ax)
        for (i, (esc, _, _)) in enumerate(estados)
            boxplot!(ax, fill(i, 10), datos_f[esc], color=(estilo[esc][1], 0.25), width=0.55, strokecolor=estilo[esc][1], whiskercolor=estilo[esc][1])
            scatter!(ax, i .+ 0.08 .* (rand(MersenneTwister(i), 10) .- 0.5), datos_f[esc], color=estilo[esc][1], markersize=4)
            hlines!(ax, modelo[esc][k], xmin=(i-0.4)/3.2, xmax=(i+0.4)/3.2, color=:black, linestyle=:dash, linewidth=1)
        end
    end
    for (ax, letra) in zip(ejes, ("a", "b", "c"))
        text!(ax, 0.03, 0.96, text="($letra)", space=:relative, align=(:left, :top), font=:bold, fontsize=11)
    end
    colgap!(fig.layout, 14)
    fig
end

Figura 3: Figura de publicación para el edificio de tres plantas, a tamaño de dos columnas (504 × 210 pt). (a) Espectros de la planta 3 en el estado de referencia (línea continua azul), con variabilidad ambiental (discontinua naranja) y con daño (punteada verde), en la zona del tercer modo. (b) Frecuencia del tercer modo estimada en 10 segmentos de 60 s de cada estado (cajas y puntos); la línea horizontal es el valor del modelo. (c) Lo mismo para el primer modo.

La figura cuenta lo que ve el ojo: en (a) los picos del tercer modo se desplazan hacia la izquierda de A a B (poco) y a C (mucho); en (b) las cajas de A y C no se solapan y las de A y B se solapan en parte; (c) repite la historia para el primer modo, donde la separación entre A y C es menor.

Paso 3. Exportar y comprobar. Un SVG y un PDF (vectoriales) y un PNG de 4 píxeles por punto, en una carpeta temporal:

fig_c = Figure(size=(252, 190), fontsize=9)
axc = Axis(fig_c[1, 1], xlabel="estado", ylabel="f₃ (Hz)", xticks=(1:3, ["A", "B", "C"]))
for (i, (esc, _, _)) in enumerate(estados); boxplot!(axc, fill(i, 10), f3[esc], color=(AZUL, 0.3)); end
dir = mktempdir()
for nombre in ("fig.svg", "fig.pdf", "fig.png"); save(joinpath(dir, nombre), fig_c; px_per_unit=4); end
(ficheros = sort(readdir(dir)), todos_con_contenido = all(filesize(joinpath(dir, f)) > 1000 for f in readdir(dir)),
 tamano_en_puntos = (252, 190), pixeles_del_png_4x = reverse(size(colorbuffer(fig_c; px_per_unit=4))))

(ficheros = ["fig.pdf", "fig.png", "fig.svg"], todos_con_contenido = true, tamano_en_puntos = (252, 190), pixeles_del_png_4x = (1008, 760))

El PNG a 4 píxeles por punto mide 1008 × 760 píxeles, es decir, unos 288 ppp para una columna de 3,5 pulgadas: suficiente para imprimir. Los dos vectoriales no tienen resolución: se amplían sin pérdida.

Python

La versión probada con pytest está en python/figuras.py: contraste de colores (relación WCAG), estimación de la frecuencia por segmentos con scipy.signal.welch (con los mismos valores que Julia) y una figura de columna de revista con matplotlib. Allí el tamaño se da en pulgadas (figsize=(252/72, 190/72)).

import pandas as pd
from figuras import contraste, picos_por_segmento, figura_columna

print(round(contraste("#1B6CA8"), 2))        # contraste del azul del curso con el blanco
a = pd.read_csv("datos/sinteticos/edificio-3-plantas/escenario_A.csv", sep=";")
f3 = picos_por_segmento(a["a3_ms2"].to_numpy(), 100.0)   # 10 estimaciones; media 4.4189 Hz
fig = figura_columna([f3], ["A"])
fig.savefig("fig.pdf")                      # también .svg o .png (dpi=300)

matplotlib guarda PDF y SVG como vectoriales por defecto y PNG con el dpi que se indique. Para figuras interactivas en el navegador existen plotly y bokeh; aquí se usa OJS para no depender de un servidor.

NotaQué se ha conseguido

Una figura de tres paneles con rotulado, curvas que se distinguen sin color, una referencia teórica en cada caja, un tamaño de dos columnas, tres formatos de exportación comprobados y una simulación interactiva del amortiguamiento. Y una conclusión que la figura sostiene sola: A y C se separan con claridad; A y B quedan cerca y distinguirlos es cuestión de un contraste estadístico.

«Pídeselo a Claude»

TipPrompt

«Con Julia, --project=. y CairoMakie (con el tema de recursos/r1-datos/_tema.jl), y Resonancia.jl: para los registros escenario_A.csv, escenario_B.csv y escenario_C.csv del edificio (separador ;, 100 Hz, columna a3_ms2), divide cada uno en 10 segmentos de 60 s, calcula en cada uno el espectro de Welch (nseg=2048) y la frecuencia del pico entre 3,8 y 5 Hz. Haz una figura de dos paneles de 504 × 210 pt: (a) los tres espectros de 3,8 a 5 Hz, con tipos de línea distintos además del color; (b) un diagrama de cajas con los puntos individuales de las 10 estimaciones por estado y una línea con la frecuencia del tercer modo del modelo. Rotula los paneles (a) y (b), pon unidades en los ejes y guárdala en SVG y PDF en una carpeta temporal. Dime la media y la desviación típica de cada estado. No inventes cifras.»

Verifica. (a) Que las medias son 4,419 (A), 4,375 (B) y 4,273 Hz (C), con desviaciones de unos 0,03–0,04 Hz. (b) Que las curvas se distinguen por tipo de línea y no solo por color. (c) Que los ejes llevan unidades y los paneles, rotulado. (d) Que el tamaño de la figura es de 504 × 210 pt y que los ficheros se han escrito fuera del repositorio. (e) Que no concluye «hay daño» a partir de A frente a B: B es variabilidad ambiental (−1 % de rigidez), no un daño, y la diferencia es pequeña.

Ejercicios

¿Cuál es la media de las diez estimaciones de la frecuencia del tercer modo en el estado de referencia (A)?

4,419 Hz (4,4189), con una desviación típica de 0,035 Hz. El modelo da 4,390 Hz: la estimación queda 0,03 Hz por encima, dentro de la resolución del espectro (0,049 Hz).

Una figura de 252 pt de ancho exportada a PNG con px_per_unit=4, ¿cuántos píxeles de ancho tiene?

\(252\cdot4=1008\) píxeles.

Si una paleta supera el contraste de 3:1 con el fondo, basta con distinguir las curvas por su color.

Falso. El contraste con el fondo no garantiza que dos colores se distingan entre sí (por ejemplo, para daltonismo o en blanco y negro): se añade siempre trazo, marcador o etiqueta.

Escribe el pie de la figura de tres paneles de la práctica en tres frases: qué es cada panel, qué se ve y qué se concluye con cuidado.

• Describe cada panel con su magnitud y unidades.
• Concluye que A y C se separan con claridad en el tercer modo y que A y B quedan cerca (y B no es un daño), sin afirmar más de lo que se ve.
• Menciona la dispersión entre segmentos o la resolución del espectro.

La doy por superada si…

• Compongo una figura de rejilla con paneles rotulados, ejes enlazados y leyenda compartida.
• Compruebo el contraste de una paleta y no dependo solo del color.
• Comparo grupos con cajas y puntos, y dibujo una referencia teórica.
• Dimensiono una figura para una columna o dos y la exporto en tres formatos comprobando el resultado.
• Sé qué hace una simulación interactiva y cuáles son sus hipótesis.

Cierre. Escribe tres líneas: qué he entendido, qué todavía no domino y cuál es mi siguiente paso pequeño. Antes de dar por buena una figura de Claude, redúcela a su tamaño final y comprueba que se lee.

Siguiente: J2.5 · Distribuciones y Monte Carlo.

Referencias

Son las mismas que aparecen en el margen, junto al texto. La lista completa del curso, con el estado de verificación de cada ficha, está en recursos/bibliografia.bib del repositorio.

Danisch, Simon, y Julius Krumbiegel. 2021. «Makie.jl: Flexible high-performance data visualization for Julia». Journal of Open Source Software 6 (65): 3349. https://doi.org/10.21105/joss.03349.

Makie: documentación (página principal). 2026. Documentación de Makie, consultada el 26-10-2026. https://docs.makie.org/stable/.

W3C. 2018. Web Content Accessibility Guidelines (WCAG) 2.1. Recomendación del W3C, consultada el 26-10-2026. https://www.w3.org/TR/WCAG21/.

Referencias