# COMPLEXA — Complementos científicos reproducibles C201–C210

**Alcance:** modelos matemáticos y ejemplos didácticos de teoría de la información de los manuscritos originales C201–C210. **No son datos empíricos**. Los SVG y CSV son suplementos de la edición web; los manuscritos fuente permanecen intactos.

## Reproducción

Requiere exclusivamente **Python 3.12 o posterior** (biblioteca estándar). Ejecutar desde la raíz del proyecto:

```bash
python3 content/supplementary/repro/c201-210/make_figures.py --check content/supplementary
```

Esta operación vuelve a calcular cada tabla y dibujo SVG en memoria, comprueba igualdad exacta de bytes y reconstruye el ZIP de manera determinista. Para generar una copia independiente, copiar juntos `make_figures.py` y `README.md` a una carpeta `repro/c201-210/` dentro del directorio de destino, y ejecutar `python3 make_figures.py --out DIRECTORIO_PADRE_SUPLEMENTOS`.

Todos los archivos originales de cálculo están dentro del ZIP: diez `.svg`, diez `.csv`, este README y `make_figures.py`. Se usa un ZIP sin compresión con fechas y metadatos fijos, lo que permite comprobar identidad binaria; se incluyen hashes SHA-256 en el manifiesto del sitio. Los CSV emplean punto decimal y encabezados explícitos.

## Figura, parámetros y evidencia interna

| Capítulo | Modelo/calibración *del manuscrito* | Sección |
| --- | --- | --- |
| C201 | Cuatro símbolos con probabilidades 1/2, 1/4, 1/8 y 1/8: entropía 1,75 bits | 201.4 |
| C202 | Tabla conjunta de cuatro celdas (0,45; 0,10; 0,05; 0,40); regla de la cadena | 202.5 |
| C203 | Canal de inversión de bits, error ε; comparar entrada uniforme y probabilidad de uno 0,01 | 203.5 |
| C204 | KL orientada de P=(0,9; 0,1) contra Q variable y viceversa; Q=(0,5; 0,5) destacado | 204.3 |
| C205 | Dos inversiones independientes: error inicial 0,1, adicional δ; composición q=ε+δ−2εδ | 205.4 |
| C206 | Huffman p=(0,4;0,3;0,2;0,1), palabras 0/10/110/111 | 206.5 |
| C207 | Capacidad binaria simétrica 1−h₂(ε) y de borrado 1−α: modelos *distintos* | 207.3–207.4 |
| C208 | Curvas de tasa/distorsión Hamming para Bernoulli p=0,5 y p=0,1 | 208.3–208.4 |
| C209 | Distribución de máxima entropía en las seis caras de un dado con media 4,5 | 209.4 |
| C210 | Registros S y T de 32 símbolos, tamaños exactos de cinco formatos y conservación de orden | 210.9 |

## Supuestos y límites

- Las curvas con eje de probabilidad representan **predicciones teóricas**, no frecuencias de simulaciones ni intervalos de confianza. Los puntos se muestrean a intervalos de 0,005 en los ejemplos continuos; los extremos y fórmulas son exactos.
- C203 usa un canal binario simétrico con inversiones independientes de la entrada; no infiere relación causal desde datos.
- C204 mantiene ambos modelos sobre el mismo alfabeto y con probabilidades positivas; su orientación importa. `D_KL(P||Q)` no es una distancia.
- C205 supone independencia condicional del segundo ruido y ausencia de entradas ocultas al procesador.
- C207 compara capacidad **por uso** y perturbaciones con semánticas diferentes; un borrado identificado no equivale a una inversión desconocida.
- C208 trata de límites asintóticos por símbolo con distorsión promedio de Hamming; no garantiza proteger individualmente eventos raros.
- C209 es una solución de optimización bajo una única media exacta. No estima si un dado real está cargado.
- C210 informa la **carga útil** antes de cabeceras, empaquetado a bytes y metadatos comunes. El histograma no preserva la estructura temporal.
- SVG: título y descripción de accesibilidad, ejes en español, magnitudes y unidades, anotaciones y leyendas; diseñado para fuentes vectoriales web. Todos los valores provienen de ecuaciones y ejemplos de los manuscritos citados.

## Integridad y revisión editorial

El generador falla si se alteran ecuaciones o identidades de auditoría, si un CSV tiene estructura inválida, si se produce SVG mal formado, si no reproduce los recursos exactamente o si el ZIP difiere. Revisiones editoriales, si se requieren, deben realizarse por separado sobre los manuscritos originales.