Hola
¿Que problema hay con \( x=1 \)?.
Por otro lado para gestionar el valor \( x=0 \) puedes sumar a todos los valores un \( \epsilon \) suficientemente pequeño; por ejemplo menor que la precisión de los datos.
Saludos.
Hola
No, no es \( x=1 \) si no el valor de \( x \) para el cual \( F=1 \), es decir: el más elevado de x (que no tiene por qué ser uno). Por escribirlo rápido lo puse incorrectamente, he editado el mensaje y resaltado el rojo. Es decir, todas las muestras con \( x=0 \) y el valor de \( x \) tal que \( F=1 \), en ambos me aparecen \( log(0) \), \( log \) como neperiano. Estoy ajustando con valores \( (xi, Fi) \).
Sí, sé que puedo sumar un valor suficientemente pequeño, pero cuando se trata de un volumen de muestras alrededor de \( 10^5 \) o más, no puedo hacer eso. Por ejemplo, la precisión de la medida podría rondar el orden de magnitud de ese epsilon. Es decir, físicamente no puedo hacerlo.
Mi duda es matemática, ¿esas muestras de \( x \) que implican logaritmos de cero, he de eliminarlas si realizo un ajuste por mínimos cuadrados?
Muchas gracias