総語数の計算（１０）

こんにちは。たむ２です。

前回、１４冊の本を選びましたので、それぞれについて
「単純比例計算」をしてみます。２頁、３頁…と語数を
積算して、それぞれの頁で比例計算して、本の総語数を
推測してみるわけです。１０頁までやってみました。

その前に、…電子データというのでしょうか、出版社発表の
総語数とアマゾン・アメリカに出ている総語数が違うことが
わかりました。確認したのはMatildaだけですが、ほかの
本でも違うものがありそうです。

それも結構差があるようで…。どうしたらいいのか分かりません。
仕方がないので、しらべたままの数字でで話しをすすめることに
します。

以下、途中を省略して結果だけ、誤差だけをパーセントで
示します。

◆(1) Cold Mountain  PB, 挿絵なし
  -21.9,  -5.7,  2.3,  5.1,  6.9,  5.0,  4.7,  5.1,  5.5,  5.6
◆(2) The Blue Bedroom & Other Stories  PB, 挿絵なし
  -31.4,  -9.7,  -4.3,  -2.1,  -1.2,  -0.8,  1.8,  2.6,  1.2,  1.5
◆(3) The Sky is Falling  PB, 挿絵なし
  -72.8,  -64.3,  -53.3,  -37.3,  -27.5,  -19.3,  -14.3,  -9.3,
  -6.1,  -6.1
◆(4) The Best Laid Plans  PB, 挿絵なし
  -58.5,  -27.0,  -9.2,  -6.3,  -3.0,  -0.2,  2.5,  3.7,  4.3,  5.9
◆(5) These Happy Golden Years  PB / 児童書, 挿絵あり
  -41.9,  -13.7,  -3.1,  3.7,  3.3,  6.5,  6.1,  7.0,  9.1,  7.0
◆(6) Little House in the Big Woods  PB / 児童書, 挿絵あり
  -45.4,  -8.8,  -1.9,  4.7,  8.5,  12.6,  12.7,  1.1,  -3.3,  -0.6
◆(7) Lily’s Crossing    児童書、挿絵なし
  -57.4,  -14.0,  1.0,  7.8,  8.6,  4.8,  -3.9,  0.2,  2.4,  4.5
◆(8) Holes  児童書、挿絵なし
  -21.6,  -24.3,  -33.8,  -30.7,  -19.1,  -12.1,  -5.8,  -6.8,
  -8.6,  -3.8
◆(9) Afternoon on the Amazon  児童書、挿絵あり
  5.2,  19.3,  5.2,  11.9,  -5.3,  2.5,  -0.4,  3.5,  7.0,  -3.7
◆(10) Matilda    児童書、挿絵あり
  -43.0,  -33.5,  -33.9,  -15.0,  -14.6,  -12.0,  -5.1,  -17.0,
  -10.0,  -5.2
◆(11) Two Lives   GR, 挿絵なし
  -34.7,  -28.5,  -10.1,  -5.8,  0.6,  -8.1,  -7.0,  -4.5,  -4.3,
  -2.9
◆(12) About a Boy    GR, 挿絵なし
  -1.8,  -1.3,  -4.5,  -3.9,  0.2,  -0.1,  1.7,  1.8,  3.0,  2.8
◆(13) The Canterville Ghost  GR, 挿絵あり
  -39.0,  13.7,  35.7,  7.9,  20.9,  13.3,  5.2,  6.9,  4.3,  12.0
◆(14) A Dubious Legacy    GR, 挿絵あり
  -7.1,  -4.1,  3.1,  -22.7,  -13.5,  -6.7,  -3.4,  0.3,  0.4,  -1.3

なんだか見にくいので、おのおの３頁での誤差をみると、

◆(1) Cold Mountain  PB, 挿絵なし　　＋2.3%
◆(2) The Blue Bedroom & Other Stories  PB, 挿絵なし  −4.3%
◆(3) The Sky is Falling  PB, 挿絵なし  −53.3%
◆(4) The Best Laid Plans  PB, 挿絵なし  −9.2%
◆(5) These Happy Golden Years  PB / 児童書, 挿絵あり  −3.1%
◆(6) Little House in the Big Woods  PB / 児童書, 挿絵あり  −1.9%
◆(7) Lily’s Crossing    児童書、挿絵なし  ＋1.0%
◆(8) Holes  児童書、挿絵なし  −33.8%
◆(9) Afternoon on the Amazon  児童書、挿絵あり  ＋5.2%
◆(10) Matilda    児童書、挿絵あり  −33.9%
◆(11) Two Lives   GR, 挿絵なし  −10.1%
◆(12) About a Boy    GR, 挿絵なし  −4.5%
◆(13) The Canterville Ghost  GR, 挿絵あり  ＋35.7%
◆(14) A Dubious Legacy    GR, 挿絵あり  ＋3.1%

これを見ると、どうも大当たりと大はずれに二分されるようです。
(1), (2), (5), (6), (7), (9), (12), (14)の８冊は5%台に収まり、
10%台までだと、これらに (4), (11)が加わり１０冊になります。
一方、(3)−53.3%, (8)−33.8%, (10)−33.9%, (13) 35.7%の
４冊は大はずれです。

挿絵があるかないかは関係ないようですね。大きくはずれた
もの、(3)挿絵なし、(8)挿絵なし、(10)挿絵あり、(13)挿絵あり、
になっています。あたり（誤差5%台）も挿絵あり・なしはほぼ
半分ずつです。

それから、「最初の３頁」をすすめて、４頁、５頁…とすすんだら
どうなるか（上の最初の表にでているわけですが）、見やすく
してみると、

本	３頁	４頁	５頁
(1)	2.3	5.1	6.9
(2)	-4.3	-2.1	-1.2
(3)	-53.3	-37.3	-27.5
(4)	-9.2	-6.3	-3
(5)	-3.1	3.7	3.3
(6)	-1.9	4.7	8.5
(7)	1.0	7.8	8.6
(8)	-33.8	-30.7	-19.1
(9)	5.2	11.9	-5.3
(10)	-33.9	-15.0	-14.6
(11)	-10.1	-5.8	0.6
(12)	-4.5	-3.9	0.2
(13)	35.7	7.9	20.9
(14)	3.1	-22.7	-13.5

誤差が直線的に少なくなっている例は、(2), (3), (4), (8), (10), (11),
(12)の７例です。半分は誤差が改善しますが、残りの半分は誤差が少なく
なるわけではない、といえます。

また、全体として、大はずれという観点（誤差11%以上）からみると、
３頁４例、４頁５例、５頁５例と、誤差が少なくなるわけではない。

さて、総語数計算法という点からみると、この単純比例計算は
使えません。１０対４、７０％くらいはあたる（誤差１０％台以内）とは
いえ、あらかじめその７０％がどの本かわからなければ、一般的な方法
として使えないからです。

しかしまた、どうしてこんな簡単な計算でけっこう当たるのか、
というふうにも考えてみることはできます。

形式的なことをいえば、それは、サンプル部分（最初の３頁）の
語数が、本全体の、なんというか、「文字の散らばりぐあい」に
似ていた、ということになるでしょう。そうとしか言いようがない。

そこで、この「文字の散らばりぐあい」が、本をにらんで
みたら分かるものなのかどうか。この点を次回、考えてみたい
と思います。

長々と…読んでいただいてありがとうございます。