Comparativa: El Libro del Buen Amor contra La Celestina

Índice

• Información General
  
• Ley de Heaps - Saturación léxica
  
• Ley de Zipf
  
• Test de Dunning
  

La Ley de Heaps es una ley empírica que predice el tamaño del vocabulario dado un texto. Esto es, nos da una estimación del número de palabras distintas (v) dado el número total de palabras (n) de que consta el texto, según la fórmula

Buen_Amor Celestina #Palabras: #Palabras distintas: 1218 550 2436 936 3654 1237 4872 1588 6090 1972 7308 2232 8526 2561 9744 2861 10962 3171 12180 3414 13398 3693 14616 3996 15834 4260 17052 4509 18270 4741 19488 5031 20706 5249 21924 5515 23142 5755 24360 5959 25578 6175 26796 6374 28014 6543 29232 6727 30450 6897 31668 7131 32886 7321 34104 7470 35322 7636 36540 7838 37758 8036 38976 8268 40194 8475 41412 8680 42630 8912 43848 9092 45066 9299 46284 9558 47502 9749 48720 9936 49938 10118 51156 10260 52374 10411 53592 10560 54810 10698 56028 10872 57246 11032 58464 11160 59682 11301 60900 11475 60948 11479 #Palabras: #Palabras distintas: 1369 637 2738 1043 4107 1479 5476 1845 6845 2185 8214 2499 9583 2876 10952 3126 12321 3356 13690 3549 15059 3822 16428 4070 17797 4318 19166 4483 20535 4663 21904 4827 23273 4980 24642 5115 26011 5299 27380 5451 28749 5615 30118 5744 31487 5870 32856 5996 34225 6120 35594 6257 36963 6410 38332 6538 39701 6733 41070 6851 42439 6953 43808 7063 45177 7173 46546 7268 47915 7407 49284 7521 50653 7644 52022 7760 53391 7872 54760 8014 56129 8121 57498 8229 58867 8338 60236 8423 61605 8546 62974 8654 64343 8755 65712 8880 67081 9015 68450 9189	Ajuste por mínimos cuadrados de los datos a K*n^b:
	Buen_Amor		Celestina
	K = 2.203		K = 7.093
	b = 0.779		b = 0.647

La ley de Zipf es una ley empírica que se basa en el principio de mínimos esfuerzo. Esto es, supone que existe un pequeño número de palabras, las más "conocidas", que son utilizadas con mucha frecuencia, mientras que hay un gran número de palabras son poco empleadas.

Matemáticamente esto quiere decir que la frecuencia (número de apariciones) de una palabra cualquiera es inversamente proporcional a su ranking, entendido como su posición en una lista de las palabras presentes en el texto ordenada descendentemente en función de su frecuencia.
Así, la palabra más frecuente aparecerá aproximadamente dos veces más que la segunda palabra más frecuente, unas tres veces más que la tercera palabra más frecuente, etc.

Gráficamente, cuando una curva se encuentra por encima de la recta "ideal" quiere decir que el texto emplea recurrentemente un número de palabras muy reducido, habiendo muy pocas que aparezcan con poca frecuencia.
Por el contrario, cuando la curva se encuentra por debajo de la "ideal", el texto contiene un vocabulario más amplio, con muchas palabras que aparecen relativamente pocas veces.