104 nombres tienen más del registro que los 8205 más raros juntos

Este sitio cuenta registros reales — licencias de animales y entradas de protectoras publicadas como datos abiertos — y cuenta muchísimos.

Repartidos por el catálogo, le tocarían a cada nombre unas pocas decenas. No están repartidos. La mitad de todos los registros recae en unos pocos cientos de nombres, y la mitad inferior del catálogo, seis mil nombres, se reparte entre todos alrededor de una dieciseisava parte del registro.

Las cuatro bandas no son cuatro cuartos

El catálogo ordena los nombres en popular, común, raro y muy singular.

Los nombres de las bandas describen cuán concurrido está un nombre, y es fácil leerlos como porciones de tamaño parecido. No lo son en absoluto: 104 nombres son populares, 399 comunes, 3487 raros y 8205 muy singulares.

Pésalos por registros en vez de por nombres y el orden se da la vuelta. Los 104 nombres populares tienen 160.590 registros entre todos. Los 8205 muy singulares — casi ochenta veces más nombres — tienen 147.159. Menos. Cien nombres pesan más que ocho mil.

La mayor porción no pertenece a ninguno de los dos extremos. La banda rara tiene 318.544 registros repartidos en 3487 nombres, más que cualquier otra banda, porque ahí es donde un catálogo de este tamaño guarda casi toda su parte central utilizable.

Así es siempre poner nombres

La forma no es una rareza de los nombres de mascota. Es lo que le pasa a casi cualquier cosa que la gente elige con libertad y de forma independiente.

Los nombres de pila humanos lo hacen. Las palabras de una lengua lo hacen — un número pequeño de palabras explica casi todo lo que se dice, y la cola larga del diccionario no se usa casi nunca. El tamaño de los pueblos, las ventas de libros, la popularidad de las webs: la misma curva pronunciada aparece dondequiera que mucha gente hace la misma clase de elección sin coordinarse.

El mecanismo suele ser alguna versión de lo mismo. Una elección que ya es frecuente es más fácil de encontrar, más fácil de que se te ocurra, y viene avalada de antemano por todos los que la hicieron antes que tú — así que ser elegido hace más probable que un nombre vuelva a elegirse. No hace falta organizar nada para que eso produzca un resultado muy desequilibrado.

Lo que significa que la concentración de esta página no es evidencia de que los dueños de animales tengan poca imaginación. Es evidencia de que están haciendo lo que la gente hace siempre al elegir dentro de un conjunto grande y abierto, y la pregunta interesante es qué aspecto tiene la cola y no por qué está apiñada la cabeza.

Lo que esconde la media

Las medias por banda lo cuentan con bastante limpieza — 1544 registros para un nombre popular, 566 para uno común, 91 para uno raro, 18 para uno muy singular.

En todo el catálogo la media ronda los setenta. La mediana es dieciséis.

Una media cuatro veces su mediana es la firma de una distribución de cola larga, y por eso la media es el número equivocado con el que planificar. Casi ningún nombre llega a setenta registros. La mayoría se queda en un puñado; unos pocos cientos llegan a miles.

La versión práctica de eso, si alguna vez lees una estadística sobre nombres en cualquier parte: pregunta si es una media o una mediana. En una distribución como esta las dos describen mundos distintos, y la media es la que favorece al argumento que se esté defendiendo.

De qué está hecha la cola

Seis mil nombres repartiéndose una dieciseisava parte del registro es un objeto extraño, y merece preguntarse qué hay dentro de verdad.

Una parte grande son palabras corrientes usadas una o dos veces — los objetos, las comidas, los sitios y los chistes a los que una casa llegó por su cuenta y con los que nadie más coincidió. Esos son los hallazgos genuinamente buenos, y por recuento no se distinguen de todo lo demás que hay ahí abajo.

Otra parte son variantes de escritura. El mismo nombre escrito de cuatro maneras son cuatro entradas en un catálogo que lee escritura, y tres de ellas estarán flacas. Aquí nada las fusiona, porque decidir que dos grafías son el mismo nombre es un juicio y no una medición.

Una tercera parte son nombres de lenguas que los registros cubren poco — perfectamente corrientes en su sitio de origen y raros aquí puramente por qué ciudades publican sus datos.

Y algo de ello es ruido: una errata introducida una vez, un nombre que nunca fue un nombre. Ese es el coste honesto de contar lo que hay en lugar de curarlo, y es una porción pequeña de una cola muy grande.

Para qué sirve un catálogo de este tamaño

Si unos pocos cientos de nombres cargan con la mitad del registro, es justo preguntar por qué iba nadie a publicar doce mil.

La respuesta es que la cabeza de la distribución es la parte que ya conoces. Cualquiera puede enumerar los veinte nombres de mascota más frecuentes; probablemente podrías escribir casi todos de memoria, y los tiene cualquier web de nombres. Lo difícil de encontrar es todo lo demás, y todo lo demás es donde vive de verdad un nombre que le pegue a tu animal y no esté compartido con otros tres.

Un catálogo se gana su tamaño en los filtros y no en la clasificación. Doce mil nombres ordenados por popularidad son una lista ilegible; doce mil nombres que puedes cortar por longitud, terminación, sonido, especie y rareza son una herramienta. La cola larga solo se vuelve útil cuando puedes rebanarla.

Y se lo gana además en honestidad. Publicar solo el extremo apiñado significaría publicar solo la parte de poner nombres que ya está a la vista, e insinuar en voz baja que el resto no existe. A casi cualquier animal lo llaman algo que no aparece en ninguna lista, y un catálogo que no puede enseñártelos está describiendo un mundo mucho más pequeño que el real.

Por qué el sitio no ordena por esto

Sería más sencillo ordenar cada lista por registros brutos, y este sitio deliberadamente no lo hace.

Un total bruto coloca un nombre frecuente en una ciudad grande por encima de uno frecuente en una pequeña solo porque la ciudad grande publicó un archivo mayor, así que aquí la popularidad es una proporción medida por grupo de fuente. La concentración de esta página es un hecho sobre los registros y no sobre la ordenación — es justo aquello que la ordenación se construyó para corregir.

Las dos cosas son verdad a la vez. Los registros están concentrados de forma pronunciada, y el orden que ves se niega a heredar esa pendiente de la ciudad que resultó publicar más.

Qué significa para elegir

Si quieres un nombre que nadie más esté gritando en el parque, la cola es enorme y sale barato llegar a ella: 8205 nombres están en la banda muy singular con 18 registros cada uno.

Si quieres un nombre que la gente reconozca sin que sea el tercero de la sala de espera del veterinario, las bandas rara y común entre las dos tienen la mayor parte del registro y la mayor parte del catálogo.

Y si un nombre que te gusta resulta ser popular, eso son 104 nombres de más de doce mil. Estar en ese grupo es inusual de por sí.

La consecuencia más útil de lo pronunciado de la curva es la que se pasa por alto con facilidad: como cae tan rápido, no hay que ir lejos para escapar de la multitud. Unos puestos por debajo de la cabeza ya es una fracción de la compañía, sin ningún coste en familiaridad — que es un trato mejor de lo que la gente imagina que tiene disponible.

Significa además que la palabra raro está haciendo menos trabajo del que parece. En una distribución tan desequilibrada, casi todo el catálogo es raro bajo cualquier lectura corriente de la palabra, y la etiqueta de la banda marca un grado y no una clase. Un nombre con cincuenta registros y uno con cinco son los dos nombres que casi con toda seguridad no te vas a cruzar dos veces.