Saltar al contenido
Omnikalc

Calculadora de la ley de Zipf: ¿con qué frecuencia aparece la palabra de rango r?

Introduce el tamaño del vocabulario, la longitud del texto, el exponente y un rango para obtener la proporción esperada, el número de apariciones y la cobertura acumulada de las palabras más frecuentes.

Actualizado el
Tus datos

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Resultados

Proporción del texto que ocupa la palabra

0,193 %

Número esperado de apariciones
964
Proporción del texto cubierta por las palabras más frecuentes
54,5 %
Cuántas veces más a menudo aparece la palabra de rango 1
73,9 ×

Unas pocas palabras, como de, la y que, llenan la mayor parte de los textos, mientras que la mayoría de las palabras solo aparecen una o dos veces. La calculadora de la ley de Zipf toma el tamaño del vocabulario, la longitud del texto, el exponente de Zipf y un rango, y da la proporción del texto de la palabra de ese rango, su número esperado de apariciones, la proporción cubierta por las palabras más frecuentes y la razón respecto a la palabra más frecuente.

Cómo se hace el cálculo

  • Introduce el tamaño del vocabulario, es decir, el número de palabras distintas, el número total de palabras del texto y el exponente de Zipf, próximo a 1 para la mayoría de las lenguas.
  • Introduce el rango de la palabra, donde 1 es la palabra más frecuente, 2 la siguiente, y así sucesivamente.
  • La ley de Zipf dice que la frecuencia de la palabra de rango r es proporcional a 1 / r^s. La calculadora divide entre la suma de 1 / k^s sobre todo el vocabulario para obtener una proporción.
  • Lee la proporción del texto de esa palabra, su número esperado de apariciones, la proporción acumulada de las palabras hasta ese rango y la razón respecto a la palabra más frecuente.

Ejemplo

Un texto de 500.000 palabras tiene un vocabulario de 30.000 palabras y un exponente de Zipf de 1,1. La suma de normalización vale aproximadamente 7,01. La palabra de rango 50 ocupa 1 / (50^1,1 × 7,01) = 0,193 % del texto, es decir, unas 964 apariciones. Las 50 primeras palabras cubren juntas aproximadamente el 54,5 % del texto, y la primera palabra es 73,9 veces más frecuente que la palabra de rango 50.

Por qué es útil

La ley de Zipf explica por qué funcionan las listas de palabras. Ayuda a quienes aprenden idiomas a decidir cuántas palabras dan una cobertura determinada, ayuda a dimensionar los índices de búsqueda, los diccionarios de teclado y los modelos de compresión, y aparece en el tamaño de las ciudades, el tráfico web y muchas otras series ordenadas. La calculadora da una expectativa para comparar con los recuentos reales.

Qué conviene saber

La ley ideal es una primera aproximación. Las tablas de frecuencias reales se curvan en ambos extremos, el exponente depende de la lengua y del género del texto, y las palabras raras siguen otras leyes. La suma aproximada es la menos precisa para vocabularios muy pequeños o exponentes grandes. Toma las cifras como valores típicos y no como recuentos exactos.

Herramientas relacionadas

La calculadora de objetivo de vocabulario planifica cuántas palabras aprender, la de tiempo de lectura estima la duración de un texto, la de índice de legibilidad puntúa la dificultad de un texto, y la de la ley de Pareto cubre una ley vecina de cola pesada.

Preguntas frecuentes

¿Qué es la ley de Zipf?

Es una regla empírica, que lleva el nombre del lingüista George Kingsley Zipf, según la cual la frecuencia de una palabra es inversamente proporcional a su rango en la tabla de frecuencias. La palabra más frecuente aparece aproximadamente el doble de veces que la segunda, tres veces más que la tercera, y así sucesivamente. Se cumple aproximadamente para las palabras de la mayoría de las lenguas.

¿Qué significa el exponente s?

El exponente fija la velocidad a la que baja la frecuencia con el rango. Para s = 1, la ley original, una palabra de rango 10 es diez veces más rara que la primera. Las lenguas naturales tienen exponentes de aproximadamente 0,9 a 1,2, y valores mayores significan un texto en el que unas pocas palabras dominan. Se puede ajustar s en un gráfico de doble escala logarítmica de la frecuencia en función del rango.

¿Por qué unas pocas palabras cubren tanto del texto?

Como las frecuencias caen muy deprisa, las pocas centenas de palabras más frecuentes, como los artículos, las preposiciones y los pronombres, representan aproximadamente la mitad de cualquier texto. Por eso un estudiante de idiomas que conoce las 1000 palabras más frecuentes puede seguir una gran parte de un texto corriente, incluso con un vocabulario mucho menor que el de un hablante nativo.

¿Es exacta la calculadora?

Utiliza la aproximación de Euler–Maclaurin para la suma de 1 / k^s, precisa en torno al 0,02 % para vocabularios típicos. Los textos reales se apartan de la ley ideal, con una cabeza más plana y una cola más empinada, y las muestras pequeñas son ruidosas. Utiliza el resultado como una expectativa para un texto típico de ese tamaño.

¿Te ha resultado útil esta calculadora?

¡Gracias por tu opinión!

Resultados orientativos con fines informativos. No sustituyen el consejo de un profesional.