Sobre la entropía del español escrito

Se presenta una discusión sobre la entropía de la lengua española por medio de un método práctico para el cálculo de la entropía de un texto mediante procesamiento informático directo. Como un ejemplo de aplicación, se analizan treinta muestras de texto español, sumando un total de 22,8 millones de caracteres. Longitudes de símbolos desde n = 1 hasta 500 fueron consideradas tanto para palabras como caracteres. Para el cálculo de la distribución de probabilidad de los símbolos se emplearon procesamiento directo por computador y la ley de probabilidad de los grandes números. Se presenta una relación empírica de la entropía con la longitud del texto (en caracteres) y el número de palabras diferentes en el texto. Se analizan también propiedades estadísticas de la lengua española cuando se considera como producida por una fuente estocástica, tales como la invarianza al desplazamiento del origen, ergodicidad y la propiedad de equipartición asintótica.

• Autores: Guerrero, Fabio G.
• Tipo de recurso: Article of journal
• Fecha de publicación: 2012
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/71828
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/71828; http://bdigital.unal.edu.co/36300/
• Palabra clave: Law of large numbers; Shannon entropy; Stochastic process; Zipf’s law; entropía de Shannon; ley de grandes números; ley de Zipf; procesos estocásticos
• Rights: closedAccess
• License: Atribución-NoComercial 4.0 Internacional