T-LAB Home
T-LAB PLUS 2019 - AIUDA EN RED Prev Page Prev Page
T-LAB
Introducción
Qué hace y qué permite hacer
Requisitos y prestaciones
Preparación del corpus
Preparación del corpus
Criterios Estructurales
Criterios Formales
Archivo
Importar un único archivo...
Preparar un Corpus (Corpus Builder)
Abrir un projecto ya existente
Configuraciones de Análisis
Configuración Automática y Personalizada
Personalización del Diccionario
Análisis de Co-ocurrencias
Asociaciones de Palabras
Análisis de Co-Palabras y Mapas Conceptuales
Comparaciones entre Parejas de Palabras-Clave
Análisis de Secuencias y Análisis de Redes
Concordancias
Análisis Temáticos
Análisis Temático de Contextos Elementales
Modelización de Temas Emergentes
Clasificación Temática de Documentos
Clasificación Basada en Diccionarios
Contextos Clave de Palabras Temáticas
Análisis Comparativos
Análisis de Especificidades
Análisis de Correspondencias
Análisis de Correspondencias Múltiples
Cluster Analysis
Descomposición de Valores Singulares
Herramientas Léxico
Text Screening / Desambiguaciónes
Vocabulario
Palabras Vacías
Multi-Palabras
Segmentación de Palabras
Otras Herramientas
Variable Manager
Búsqueda avanzada en el Corpus
Tablas de Contingencias
Editor
Glosario
Análisis de Correspondencias
Cadenas de Markov
Chi-cuadrado
Cluster Analysis
Codificación
Contextos Elementales
Corpus y Subconjuntos
Desambiguación
Documentos Primarios
Especificidad
Graph Maker
Homógrafos
IDnumber
Índices de Asociación
Isotopía
Lematización
Lexia y Lexicalización
MDS
Multiwords (Multi-Palabras)
N-gramas
Naïve Bayes
Normalización del Corpus
Núcleos Temáticos
Ocurrencias y Co-ocurrencias
Palabras y Lemas
Palabras Clave
Perfil
Polos de Factores
Stop Word List
Tablas de Datos
Umbral de Frecuencia
TF-IDF
Unitad de Análisis
Unidad de Contexto
Unidad Lexical
Valor Test
Variables y Modalidades
Bibliografía
www.tlab.it

Cadenas de Markov


Una cadena markoviana está constituida por una sucesión (o secuencia) de eventos, generalmente indicados como estados, caracterizada por dos propiedades:

- el conjunto de los eventos y de sus posibles resultados es finito;
- el resultado de cada evento depende sólo (o al máximo) del evento inmediatamente anterior.

Con la consecuencia de que a cada transición de un evento a otro le corresponde un valor de probabilidad.

En el ámbito científico, el modelo de las cadenas markovianas se utiliza para analizar las sucesiones de eventos económicos, biológicos, físicos, etc. En el ámbito de los estudios lingüísticos sus aplicaciones tienen como objeto las posibles combinaciones de las varias unidades de análisis en el eje de las relaciones sintagmáticas (una unidad tras otra).

En T-LAB el análisis de las cadenas markovianas concierne dos tipos de secuencias:

" las relativas a las relaciones entre unidades lexicales (palabras, lemas o categorías) presentes en el corpus en análisis;
" las presentes en archivos externos predispuestos por el usuario.

En ambos casos, en primer lugar se crean tablas cuadradas en las que se representan las ocurrencias de las transiciones, o sea cantidades que indican el número de veces en las que una unidad de análisis precede (o sigue) a la otra. Sucesivamente, las ocurrencias de las transiciones se transforman en valores de probabilidad (ver imágenes siguientes).

 

Para más información véase el Análisis de Secuencias.