Análisis de Novelas y teatro de Miguel de Cervantes

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: 1174 497 2348 822 3522 1149 4696 1426 5870 1648 7044 1941 8218 2172 9392 2370 10566 2567 11740 2730 12914 2891 14088 3102 15262 3264 16436 3431 17610 3583 18784 3713 19958 3863 21132 3976 22306 4086 23480 4171 24654 4284 25828 4469 27002 4632 28176 4801 29350 4952 30524 5120 31698 5262 32872 5384 34046 5547 35220 5702 36394 5846 37568 5990 38742 6145 39916 6297 41090 6452 42264 6604 43438 6741 44612 6864 45786 6981 46960 7106 48134 7249 49308 7381 50482 7542 51656 7673 52830 7835 54004 7983 55178 8128 56352 8238 57526 8357 58700 8470 58723 8472	Ajuste por mínimos cuadrados de los datos a K*n^b:
	K = 3.518		b = 0.707

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.