Funciones de las métricas¶

Type-Token Ratio (TTR)¶

ests.diversity_stats.calc_ttr()

Cálculo del Type-Token Ratio (TTR).

La forma más simple y más criticada de calcular la diversidad léxica, que ignora el efecto de la longitud del texto.

Fórmula:

\[ \frac{\textrm{Número de lexemas}}{\textrm{Número de palabras}} \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Root Type-Token Ratio (RTTR)¶

ests.diversity_stats.calc_rttr()

Cálculo del Root Type-Token Ratio (RTTR).

Una modificación del TTR (Guiraud, 1960).

Fórmula:

\[ \frac{\textrm{Número de lexemas}}{\sqrt{\textrm{(Número de palabras)}}} \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Corrected Type-Token Ratio (CTTR)¶

ests.diversity_stats.calc_cttr()

Cálculo del Corrected Type-Token Ratio (CTTR).

Una modificación del TTR (Carroll, 1964).

Fórmula:

\[ \frac{\textrm{Número de lexemas}}{\sqrt{2\times\textrm{(Número de palabras)}}} \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Herdan Type-Token Ratio (HTTR)¶

ests.diversity_stats.calc_httr()

Cálculo del Herdan Type-Token Ratio (HTTR).

Una modificación logarítmica del TTR (Herdan, 1960).

Fórmula:

\[ \frac{\log_{10} {\textrm{(Número de lexemas)}}}{\log_{10} {{\textrm{(Número de palabras)}}}} \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Summer Type-Token Ratio (STTR)¶

ests.diversity_stats.calc_sttr()

Cálculo del Summer Type-Token Ratio (STTR).

Una modificación logarítmica del TTR (Summer, 1966).

Nota

El valor depende de la base del logaritmo: 10 por defecto, como en koRpus y lexical-diversity; LexicalRichness, textcomplexity y zipfR usan el logaritmo natural. Véanse las convenciones.

Fórmula:

\[ \frac{\log_{10} {\log_{10} {\textrm{(Número de lexemas)}}}}{\log_{10} {\log_{10} {{\textrm{(Número de palabras)}}}}} \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras
`base`	float	`10`	Base del logaritmo

Maas Type-Token Ratio (MTTR)¶

ests.diversity_stats.calc_mttr()

Cálculo del Maas Type-Token Ratio (MTTR).

Una modificación logarítmica del TTR (Maas, 1972). La métrica más estable respecto a la longitud del texto.

Nota

El valor depende de la base del logaritmo: 10 por defecto, como en koRpus y lexical-diversity; LexicalRichness, textcomplexity y zipfR usan el logaritmo natural. Véanse las convenciones.

Fórmula:

\[ \frac{\log_{10} {\textrm{(Número de palabras)}}-\log_{10} {\textrm{(Número de lexemas)}}}{\log_{10} {{\textrm{(Número de palabras)}}}^2} \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras
`base`	float	`10`	Base del logaritmo

Dugast Type-Token Ratio (DTTR)¶

ests.diversity_stats.calc_dttr()

Cálculo del Dugast Type-Token Ratio (DTTR).

Una modificación logarítmica del TTR (Dugast, 1978).

Nota

El valor depende de la base del logaritmo: 10 por defecto, como en koRpus y lexical-diversity; LexicalRichness, textcomplexity y zipfR usan el logaritmo natural. Véanse las convenciones.

Fórmula:

\[ \frac{\log_{10} {{\textrm{(Número de palabras)}}}^2}{\log_{10} {\textrm{(Número de palabras)}}-\log_{10} {\textrm{(Número de lexemas)}}} \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras
`base`	float	`10`	Base del logaritmo

Moving Average Type-Token Ratio (MATTR)¶

ests.diversity_stats.calc_mattr()

Cálculo del Moving Average Type-Token Ratio (MATTR).

Una modificación del TTR con media móvil (Covington & McFall, 2010). Independiente de la longitud del texto.

Algoritmo:

Deslizar una ventana de tamaño fijo por el texto
Calcular el TTR de cada ventana
Promediar los valores

Nota

La ventana por defecto es de 50 palabras, como en lexical-diversity, TAALED y textacy; quanteda y koRpus usan 100. En los textos más cortos que la ventana se devuelve el TTR de todo el texto.

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras
`window_len`	int	`50`	Tamaño de la ventana

Mean Segmental Type-Token Ratio (MSTTR)¶

ests.diversity_stats.calc_msttr()

Cálculo del Mean Segmental Type-Token Ratio (MSTTR).

Una modificación del TTR por segmentación (Johnson, 1944). Independiente de la longitud del texto.

Algoritmo:

Dividir el texto en segmentos de tamaño fijo
Calcular el TTR de cada segmento
Promediar los valores

Nota

El segmento por defecto es de 50 palabras, como en lexical-diversity, TAALED y textacy; quanteda y koRpus usan 100. En los textos más cortos que el segmento se devuelve el TTR de todo el texto; un último segmento incompleto se descarta.

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras
`segment_len`	int	`50`	Tamaño del segmento

Measure of Textual Lexical Diversity (MTLD)¶

ests.diversity_stats.calc_mtld()

Cálculo de la Measure of Textual Lexical Diversity (MTLD).

Una modificación del MSTTR (McCarthy, 2005). Independiente de la longitud del texto.

Algoritmo:

El texto se divide en factores: tramos en los que el TTR baja hasta el umbral 0.72 inclusive (TTR <= 0.72; lexical-diversity y TAALED usan una comparación estricta, véanse las convenciones)
Un factor incompleto al final del texto cuenta parcialmente, en proporción a lo que su TTR se acercó al umbral
El número de palabras se divide por el número de factores

La versión refinada del algoritmo hace dos pasadas por el texto, hacia delante y hacia atrás, y promedia los valores (McCarthy & Jarvis, 2010).

Nota

La longitud mínima del factor procede de lexical-diversity de Kyle y no es estándar: koRpus la aplica solo a MA-MTLD, LexicalRichness y textcomplexity no la aplican. El umbral 0.72 varía entre 0.66 y 0.75 en la bibliografía. Si ningún factor se completa y el TTR nunca baja de 1, se devuelve infinito.

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras
`min_len`	int	`10`	Longitud mínima del factor
`threshold`	float	`0.72`	Umbral de TTR para completar un factor

Moving Average Measure of Textual Lexical Diversity (MA-MTLD)¶

ests.diversity_stats.calc_mamtld()

Cálculo de la Moving Average Measure of Textual Lexical Diversity (MA-MTLD).

Una modificación de MTLD con ventana móvil (MTLD-MA de koRpus): un factor empieza en cada posición del texto, el valor es la longitud media de los factores completados en dos pasadas, hacia delante y hacia atrás. Los factores no completados al final del texto se ignoran.

Aviso

Si ningún factor se completa, la función devuelve nan. La métrica es inestable en textos cortos.

Los factores de todos los inicios se calculan a partir de la matriz de apariciones anteriores de cada palabra en bloques de inicios con numpy, en lugar de reconstruir conjuntos de lexemas (_mtld_factor_lengths): el número de lexemas de un tramo es el número de posiciones cuya aparición anterior está antes del inicio del tramo. El tiempo es lineal en la longitud del texto; los valores coinciden con la enumeración directa.

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras
`min_len`	int	`10`	Longitud mínima del factor
`threshold`	float	`0.72`	Umbral de TTR para completar un factor

MTLD con ventana móvil y texto envuelto (MTLD-W)¶

ests.diversity_stats.calc_mtldw()

Cálculo de MTLD-W (mtld_ma_wrap de lexical-diversity, TAALED).

Una modificación de MA-MTLD: un factor empieza en cada posición del texto, y los factores no completados al final del texto continúan desde su principio, así que todas las posiciones tienen el mismo peso. Un factor no puede ser más largo que el texto.

Aviso

Si el TTR no baja hasta el umbral ni siquiera en todo el texto, la función devuelve nan. La métrica es inestable en textos de menos de 100 palabras.

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras
`min_len`	int	`10`	Longitud mínima del factor
`threshold`	float	`0.72`	Umbral de TTR para completar un factor

Hypergeometric Distribution D (HD-D)¶

ests.diversity_stats.calc_hdd()

Cálculo de la Hypergeometric Distribution D (HD-D).

La implementación más fiable del algoritmo VocD (McCarthy & Jarvis, 2010).

Algoritmo:

Muestreo aleatorio de segmentos de 32 a 50 palabras del texto
Cálculo del TTR de cada segmento
Promedio de los valores

Aviso

En los textos de menos de 50 palabras y más cortos que el tamaño de la muestra la métrica no está definida; la función devuelve nan.

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras
`sample_size`	int	`42`	Longitud del segmento, de 35 a 50 en la bibliografía

Índice de Simpson (D)¶

ests.diversity_stats.calc_simpson_index()

Cálculo del índice de Simpson.

El índice se usa ampliamente en biología para describir la probabilidad de que dos individuos extraídos al azar de una comunidad indefinidamente grande pertenezcan a especies distintas. Con ciertos supuestos describe también la diversidad léxica de un texto.

Se calcula en la forma clásica sin reemplazo, como en quanteda, LexicalRichness y zipfR. Cuanto menor es el valor, más rico es el vocabulario.

Aviso

En los textos de menos de dos palabras el índice no está definido; la función devuelve nan. Lo mismo vale para el índice de Simpson inverso y el índice de Gini-Simpson.

Fórmula:

\[ \frac{\sum n\times(n-1)}{\textrm{(Número de palabras)}\times(\textrm{Número de palabras}-1)} \]

donde \(n\) es el número de apariciones de un lexema en el texto.

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Índice de Simpson inverso (1/D)¶

ests.diversity_stats.calc_inverse_simpson_index()

Cálculo del índice de Simpson inverso, el número de Hill de orden dos.

Cuanto mayor es el valor, más rico es el vocabulario.

Fórmula:

\[ \frac{1}{D} \]

Aviso

Si todas las palabras del texto son únicas, el índice de Simpson es 0 y el índice inverso es infinito.

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Índice de Gini-Simpson (1-D)¶

ests.diversity_stats.calc_gini_simpson_index()

Cálculo del índice de Gini-Simpson.

La probabilidad de que dos palabras del texto elegidas al azar sean distintas. Cuanto mayor es el valor, más rico es el vocabulario.

Fórmula:

\[ 1-D \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Índice de hápax (R de Honoré)¶

ests.diversity_stats.calc_hapax_index(), alias ests.diversity_stats.calc_honore_r()

Cálculo del índice de hápax.

Definición

Un hápax (del griego ἅπαξ λεγόμενον, «dicho una sola vez») es una palabra que aparece una sola vez en un corpus de textos. Por ejemplo, baciyelmo, la bacía-yelmo de Sancho Panza, es un hápax de Cervantes (aparece en un solo capítulo del Quijote). El término es popular en los estudios bíblicos, donde se han encontrado varios cientos de palabras así.

Los hápax de un autor se usan a menudo para atribuirle otra obra en la que aparecen esas palabras.

La métrica coincide con la medida de Honoré (1979). Se usa el logaritmo natural, como en zipfR y textcomplexity.

Fórmula:

\[ 100\times\frac{\ln {\textrm{(Número de palabras)}}}{1-\frac{\textrm{Número de hápax}}{\textrm{Número de lexemas}}} \]

Aviso

Si todas las palabras del texto son hápax, el índice es infinito. En los textos de menos de dos palabras el índice no está definido; la función devuelve nan.

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Espectro de frecuencias¶

ests.diversity_stats.calc_frequency_spectrum()

Cálculo del espectro de frecuencias: el número de lexemas \(V_i\) que aparecen exactamente \(i\) veces en el texto. La base de las medidas de Yule, Herdan, Sichel, Michéa, Baayen y de los modelos LNRE de zipfR. Todas las medidas siguientes se calculan a partir del espectro de frecuencias en tiempo lineal; las fórmulas están contrastadas con Tweedie y Baayen (1998), zipfR, quanteda, koRpus, LexicalRichness y textcomplexity.

Notación: \(N\) es el número de palabras, \(V\) el número de lexemas, \(V_i\) el número de lexemas con frecuencia \(i\), \(V_1\) los hápax, \(V_2\) los dis legomena, \(p_k\) la frecuencia relativa de un lexema.

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Característica de Yule (K de Yule)¶

ests.diversity_stats.calc_yule_k()

Cálculo de la característica de Yule (Yule, 1944). Una de las pocas medidas teóricamente independientes de la longitud del texto (Tweedie & Baayen, 1998); en la práctica converge a medida que el texto crece. Cuanto menor es el valor, más rico es el vocabulario. Proporcional al índice de Simpson: \(K \approx 10^4 \cdot D\). Un marcador estilométrico presente en todas las bibliotecas comparables.

Fórmula:

\[ K = 10^4\times\frac{\sum_i i^2 V_i - N}{N^2} \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Característica inversa de Yule (I de Yule)¶

ests.diversity_stats.calc_yule_i()

Cálculo de la característica inversa de Yule. Cuanto mayor es el valor, más rico es el vocabulario; si todas las palabras del texto son únicas, el valor es infinito.

Fórmula:

\[ I = \frac{V^2}{\sum_i i^2 V_i - V} \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Vm de Herdan¶

ests.diversity_stats.calc_herdan_vm()

Cálculo de la medida de Herdan (Herdan, 1955). Teóricamente independiente de la longitud del texto; cuanto menor es el valor, más rico es el vocabulario.

Fórmula:

\[ V_m = \sqrt{\sum_i V_i \left(\frac{i}{N}\right)^2 - \frac{1}{V}} \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

S de Sichel¶

ests.diversity_stats.calc_sichel_s()

Cálculo de la medida de Sichel (Sichel, 1975): la proporción de dis legomena, lexemas con frecuencia 2, entre todos los lexemas. Estable en textos de distinta longitud.

Fórmula:

\[ S = \frac{V_2}{V} \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

M de Michéa¶

ests.diversity_stats.calc_michea_m()

Cálculo de la medida de Michéa (Michéa, 1969): el recíproco de la medida de Sichel. Si el texto no tiene dis legomena, el valor es infinito.

Fórmula:

\[ M = \frac{V}{V_2} \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

W de Brunet¶

ests.diversity_stats.calc_brunet_w()

Cálculo de la medida de Brunet (Brunet, 1978). Los valores de los textos suelen estar entre 10 y 20; cuanto menor es el valor, más rico es el vocabulario.

Fórmula:

\[ W = N^{V^{-a}}, \quad a = 0.172 \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras
`a`	float	`0.172`	Exponente

k de Dugast¶

ests.diversity_stats.calc_dugast_k()

Cálculo de la medida de Dugast (Dugast, 1979). No confundir con la U de Dugast, la métrica DTTR.

Nota

El valor depende de la base del logaritmo: 10 por defecto, como en las métricas de Summer, Maas y U de Dugast; textcomplexity usa el logaritmo natural. La medida no está definida cuando \(\log N \le 1\), es decir, en los textos no más largos que la base del logaritmo; en ese caso la función devuelve nan.

Fórmula:

\[ k = \frac{\log V}{\log \log N} \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras
`base`	float	`10`	Base del logaritmo

P de Baayen¶

ests.diversity_stats.calc_baayen_p()

Cálculo de la medida de Baayen (Baayen, 1991): la proporción de hápax entre todas las palabras del texto. Es la pendiente de la curva de crecimiento del vocabulario al final del texto: la probabilidad de que la siguiente palabra sea nueva (Evert, 2004).

Fórmula:

\[ P = \frac{V_1}{N} \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Proporción de hápax¶

ests.diversity_stats.calc_hapax_ratio()

Cálculo de la proporción de hápax entre todos los lexemas del texto.

Fórmula:

\[ \frac{V_1}{V} \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

El exponente α₂¶

ests.diversity_stats.calc_alpha2()

Cálculo del exponente \(\alpha_2\): una estimación del parámetro de Zipf-Mandelbrot a partir de la parte baja del espectro de frecuencias (Evert, 2004). Si el texto no tiene hápax, la función devuelve nan.

Fórmula:

\[ \alpha_2 = 1 - \frac{2 V_2}{V_1} \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Entropía de Shannon¶

ests.diversity_stats.calc_entropy()

Cálculo de la entropía de Shannon de la distribución de lexemas en bits. Cuanto mayor es el valor, más rico es el vocabulario. El número de Hill de orden uno es \(2^H\) (perplejidad), el de orden cero \(V\), el de orden dos el índice de Simpson inverso.

Fórmula:

\[ H = -\sum_k p_k \log_2 p_k \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Equitatividad¶

ests.diversity_stats.calc_evenness()

Cálculo de la equitatividad (equitatividad de Pielou): el cociente entre la entropía de Shannon y su máximo para el número de lexemas dado. Va de 0 a 1; en los textos de un solo lexema no está definida, la función devuelve nan.

Fórmula:

\[ \frac{H}{\log_2 V} \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Perplejidad¶

ests.diversity_stats.calc_perplexity()

Cálculo de la perplejidad: el número de Hill de orden uno, el número efectivo de lexemas del texto.

Fórmula:

\[ 2^H \]

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Pendiente de la ley de Zipf¶

ests.diversity_stats.calc_zipf_alpha()

Cálculo del exponente \(\alpha\) de la ley de Zipf \(f(r) \propto r^{-\alpha}\), donde \(r\) es el rango de frecuencia de un lexema. Se estima por regresión lineal del logaritmo de la frecuencia sobre el logaritmo del rango. En los textos naturales \(\alpha\) está cerca de 1.

Nota

La estimación por mínimos cuadrados sobre los rangos está sesgada; para una estimación precisa se usa la máxima verosimilitud (por ejemplo, la biblioteca powerlaw). En los textos de un solo lexema la función devuelve nan.

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Ajuste de Zipf-Mandelbrot¶

ests.diversity_stats.fit_zipf_mandelbrot(), ests.diversity_stats.ZipfMandelbrot

Ajuste de la ley de Zipf-Mandelbrot \(f(r) = C / (r + q)^s\) a la distribución rango-frecuencia. Con \(q = 0\) la ley se reduce a la ley de Zipf con exponente \(s\); el desplazamiento \(q\) describe el aplanamiento de la curva en las palabras más frecuentes que la ley de Zipf no recoge. Los parámetros se ajustan por mínimos cuadrados en coordenadas logarítmicas (scipy.optimize.least_squares) con la aproximación inicial \(C = f(1)\), \(q = 1\), \(s = 1\) y las restricciones \(q \ge 0\), \(s \ge 0\). Devuelve una tupla con nombre ZipfMandelbrot con los campos c, q, s y r2, el coeficiente de determinación del ajuste en coordenadas logarítmicas.

Nota

En los textos de menos de tres lexemas, con frecuencias idénticas de todos los lexemas y cuando el ajuste diverge, todos los campos son nan. En textos cortos los parámetros son inestables: la ley describe la distribución de frecuencias de corpus grandes.

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Ejemplo

from ests.diversity_stats import fit_zipf_mandelbrot

# las frecuencias 12, 6, 4, 3 siguen exactamente la ley f = 12 / r
words = ["a"] * 12 + ["b"] * 6 + ["c"] * 4 + ["d"] * 3
fit = fit_zipf_mandelbrot(words)
round(fit.c, 3), round(fit.q, 3), round(fit.s, 3), round(fit.r2, 3)
# (12.001, 0.0, 1.0, 1.0)

Exponente de la ley de Heaps¶

ests.diversity_stats.calc_heaps_beta(), ests.diversity_stats.fit_heaps(), ests.diversity_stats.vocabulary_growth()

Cálculo del exponente \(\beta\) de la ley de Heaps \(V(N) = K \cdot N^{\beta}\), que describe el crecimiento del vocabulario con la longitud del texto. Se estima por regresión lineal del logaritmo del tamaño del vocabulario sobre el logaritmo de la longitud del texto a lo largo de la curva de crecimiento del vocabulario (vocabulary_growth: el tamaño del vocabulario tras cada palabra). En corpus de millones de palabras \(\beta\) está entre 0.4 y 0.6; la regresión sobre toda la curva de crecimiento de un solo texto da más (0.6-0.9), porque al principio de un texto casi cada palabra es nueva, así que los valores solo son comparables entre textos de longitud parecida. fit_heaps devuelve una tupla con nombre HeapsFit con los dos parámetros k, beta y el coeficiente de determinación r2.

Nota

El valor depende del orden de las palabras y necesita varios cientos de palabras o más. En los textos de menos de dos palabras la función devuelve nan.

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras

Cálculo por ventanas¶

ests.diversity_stats.calc_windowed()

Cálculo por ventanas de cualquier métrica: su valor en ventanas consecutivas del texto de igual longitud, la media, la desviación típica muestral y el intervalo de confianza de la media por la distribución de Student. Es la forma estándar de comparar textos de distinta longitud (bootstrap de textcomplexity, las curvas características de koRpus); el STTR de Kubát y Milička es un TTR por ventanas de 1000 palabras con un intervalo de confianza del 95 %. En los textos más cortos que la ventana la métrica se calcula sobre todo el texto como una sola ventana; las ventanas con un valor no definido (nan) se ignoran. Si la métrica es infinita en al menos una ventana (por ejemplo, el índice de Simpson inverso en una ventana de palabras únicas), la media es infinita y la desviación típica y el intervalo de confianza no están definidos. Devuelve una tupla con nombre WindowStats con los campos mean, std, lower, upper y n_windows.

Parámetros:

Parámetro	Tipo	Por defecto	Descripción
`text`	list[str]	`-`	Lista de palabras
`func`	callable	`-`	Función que calcula la métrica a partir de una lista de palabras
`window_len`	int	`100`	Tamaño de la ventana
`step`	int	`None`	Paso de la ventana, por defecto igual a su tamaño
`confidence`	float	`0.95`	Nivel de confianza