Análisis de la obra de Miguel de Cervantes
Índice
Información General
| Escritor: | Miguel de Cervantes |
|---|
| Idioma: | Inglés |
|---|
| #Palabras total: | 413057 |
|---|
| #Palabras distintas: | 14810 |
|---|
| Type-Token ratio: | 3.59% |
|---|
Relación de obras consideradas:
Ley de Heaps - Saturación léxica
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
v = K*n^b
donde b está entre 0 y 1 (habitualmente entre 0.4 y 0.6)
y K es una cierta constante, habitualmente entre 10 y 100.
En particular, mayores valores de b se corresponden con vocabularios más grandes,
en el sentido de que aumentan rápidamente;
mientras que se tienen valores menores de b cuando casi todo el vocabulario aparece al principio
y luego se van añadiendo muy pocos términos nuevos (el vocabulario se satura rápidamente).
| #Palabras: | #Palabras distintas: |
|---|
| 8261 | 2188 |
| 16522 | 3135 |
| 24783 | 3840 |
| 33044 | 4525 |
| 41305 | 5188 |
| 49566 | 5664 |
| 57827 | 6154 |
| 66088 | 6498 |
| 74349 | 6880 |
| 82610 | 7233 |
| 90871 | 7505 |
| 99132 | 7790 |
| 107393 | 8001 |
| 115654 | 8210 |
| 123915 | 8480 |
| 132176 | 8718 |
| 140437 | 8910 |
| 148698 | 9176 |
| 156959 | 9442 |
| 165220 | 9598 |
| 173481 | 9757 |
| 181742 | 9956 |
| 190003 | 10199 |
| 198264 | 10497 |
| 206525 | 10789 |
| 214786 | 11006 |
| 223047 | 11212 |
| 231308 | 11416 |
| 239569 | 11606 |
| 247830 | 11786 |
| 256091 | 11973 |
| 264352 | 12209 |
| 272613 | 12372 |
| 280874 | 12540 |
| 289135 | 12698 |
| 297396 | 12844 |
| 305657 | 13009 |
| 313918 | 13182 |
| 322179 | 13305 |
| 330440 | 13498 |
| 338701 | 13667 |
| 346962 | 13791 |
| 355223 | 13904 |
| 363484 | 14030 |
| 371745 | 14171 |
| 380006 | 14309 |
| 388267 | 14458 |
| 396528 | 14551 |
| 404789 | 14694 |
| 413050 | 14810 |
| 413057 | 14810 |
|
Ajuste por mínimos cuadrados de los datos a K*n^b:
|
| K = 32.002 |
|
b = 0.476 |
|
Ley de Zipf
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.
Test de Dunning
El test de Dunning sirve para identificar las palabras distintivas de un texto.
Fórmula:
- 2 log(lambda) = 2 [ log L(p1,k1,n1)+log L(p2,k2,n2)-log L(p,k1,n1)-log L(p,k2,n2) ]
donde
L(p,k,n) = p^k * (1-p)^(n-k)
con
- ki = frecuencia (número de apariciones) de la palabra en el conjunto i.
- ni = número total de palabras del conjunto i.
- pi = probabilidad de la palabra en el conjunto i = ki/ni.
Para encontrar las palabras distintivas se enfrentará el texto actual (la obra de Miguel de Cervantes) (conjunto 1)
contra el resto de textos en el mismo idioma (Inglés) (conjunto 2).
A continuación se muestra una lista de las palabras presentes en el texto actual,
ordenadas por su puntuación en la razón de verosimilitud, indicando de cuál son distintivas.
Haga click en la palabra para ver su definición según el diccionario de la RAE.
Mostrar todo
Recoger
