Análisis de Doña Perfecta de Benito Pérez Galdós

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

#Palabras: #Palabras distintas: 1300 602 2600 1034 3900 1381 5200 1740 6500 2104 7800 2401 9100 2691 10400 3006 11700 3317 13000 3588 14300 3798 15600 4058 16900 4292 18200 4541 19500 4750 20800 4975 22100 5194 23400 5426 24700 5612 26000 5820 27300 6023 28600 6192 29900 6362 31200 6537 32500 6765 33800 6956 35100 7096 36400 7311 37700 7467 39000 7641 40300 7771 41600 7928 42900 8085 44200 8203 45500 8339 46800 8490 48100 8651 49400 8769 50700 8966 52000 9087 53300 9238 54600 9370 55900 9514 57200 9641 58500 9746 59800 9889 61100 9993 62400 10133 63700 10317 65000 10455 65009 10455	Ajuste por mínimos cuadrados de los datos a K*n^b:
	K = 3.906		b = 0.716

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.