Análisis de Trafalgar 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: 1023 503 2046 859 3069 1236 4092 1516 5115 1787 6138 2052 7161 2279 8184 2489 9207 2694 10230 2939 11253 3177 12276 3382 13299 3559 14322 3735 15345 3910 16368 4105 17391 4290 18414 4486 19437 4640 20460 4794 21483 4979 22506 5187 23529 5379 24552 5534 25575 5667 26598 5818 27621 5938 28644 6091 29667 6210 30690 6338 31713 6467 32736 6599 33759 6726 34782 6836 35805 6947 36828 7059 37851 7168 38874 7259 39897 7389 40920 7474 41943 7549 42966 7658 43989 7772 45012 7892 46035 7984 47058 8069 48081 8137 49104 8241 50127 8339 51150 8449 51168 8450	Ajuste por mínimos cuadrados de los datos a K*n^b:
	K = 4.327		b = 0.704

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.