Análisis de Marianela 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: 1000 516 2000 862 3000 1181 4000 1420 5000 1697 6000 1887 7000 2123 8000 2356 9000 2627 10000 2870 11000 3135 12000 3370 13000 3525 14000 3654 15000 3827 16000 3971 17000 4121 18000 4263 19000 4395 20000 4593 21000 4746 22000 4905 23000 5043 24000 5208 25000 5346 26000 5491 27000 5628 28000 5745 29000 5851 30000 5974 31000 6126 32000 6263 33000 6361 34000 6470 35000 6573 36000 6692 37000 6796 38000 6907 39000 7013 40000 7106 41000 7196 42000 7296 43000 7400 44000 7505 45000 7580 46000 7688 47000 7785 48000 7885 49000 7964 50000 8051 50983 8217	Ajuste por mínimos cuadrados de los datos a K*n^b:
	K = 4.640		b = 0.694

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.