UNA EXTENSIÓN COMPACTA DE LA LEY DE HEAPS: INCORPORANDO LA ESTRUCTURA FONOLÓGICA Y LA REPETICIÓN LÉXICA

Resumen

 La formulación clásica de la Ley de Heaps establece una relación bivariada entre la extensión de un texto y el crecimiento de su vocabulario, sin considerar factores morfológicos, fonológicos y estilísticos inherentes al lenguaje natural. Este trabajo propone y valida una extensión compacta y generalizada de la Ley de Heaps, incorporando la proporción de palabras monosílabas (p₁), fundamentada teóricamente en la Ley de la Abreviación de Zipf, y una variable indicadora de alta repetición léxica (Drep). La validación por simulación adopta un proceso generador de datos (DGP) mecanicista basado en una urna de Zipf-Mandelbrot, en el cual el vocabulario y la proporción de monosílabas emergen de un proceso de muestreo de tokens, sin que la forma funcional de ninguno de los dos modelos comparados sea impuesta al proceso generador. Las tablas de resultados reportan los promedios de los parámetros estimados a lo largo de 200 réplicas de Monte Carlo, garantizando que las estimaciones no dependan de una única realización muestral. La validación empírica en un gran conjunto de datos del idioma inglés, el Movie Reviews Corpus, corrobora las ganancias del modelo propuesto en R² ajustado, AIC, BIC y pruebas de modelos anidados (ANOVA).