Realizamos un estudio de análisis de sentimiento a nivel de oración de diferentes textos literarios en inglés. Cada texto se convierte en una serie en la que los puntos de datos son el valor de sentimiento de cada oración obtenido utilizando la herramienta de análisis de sentimiento (VADER). Al aplicar los métodos de Análisis de Fluctuaciones Destrendidas (DFA) y Dimensión Fractal de Higuchi (HFD) a estas series de sentimiento, encontramos que son monofractales con correlaciones a largo plazo, lo que puede explicarse por el hecho de que el proceso de escritura tiene memoria por construcción, con una evolución del sentimiento que es autosimilar. Además, discretizamos estas series aplicando un enfoque de clasificación que transforma la serie en una en la que cada punto de datos tiene solo tres valores posibles, correspondientes a sentimientos positivos, neutrales o negativos. Mapeamos estas series de tres estados a una cadena de Markov e investigamos las transiciones de sentimiento de una oración a la siguiente, obteniendo una matriz de transición de estados para cada libro que proporciona información sobre la probabilidad de transición entre sentimientos de una oración a la siguiente. Este enfoque muestra que hay sesgos hacia aumentar la probabilidad de cambiar a oraciones neutrales o positivas. Los dos enfoques se complementan, ya que el enfoque de correlación a largo plazo permite una evaluación global del sentimiento del libro, mientras que el enfoque de matriz de transición de estados proporciona información local sobre la evolución del sentimiento a lo largo del texto.