В.В. Бойков, Н.А. Жукова

Тверской  институт экономики и менеджмента

Статистические характеристики текста романа

Л.Н. Толстого «Война и мир»

Роману «Война и мир», занимающему в художественном наследии Л.Н. Толстого центральное место, посвящено бесчисленное множество статей и монографий, в которых это произведение подробно рассмотрено в самых разных аспектах.

В данной работе изложены результаты определения основных статистических характеристик текста этого произведения. В табл. 1 приведены общие данные о файле (формат WORD 2000) с текстом романа. 

Таблица 1

Результаты подсчета числа русских, французских и немецких слов, которые содержаться в романе, за вычетом слов сносок, приведены в табл. 2.

                                                                   Таблица 2

Выделив в отдельный файл только русский текст, подсчитывали частоту, с которой встречаются в тексте слова той или иной длины. Результаты в виде полигона частот распределения длины слов показаны на рис. 1. Обращает на себя внимание большая доля слов, имеющих длину 6 и менее букв. Таких слов в тексте романа почти 70 процентов. Характерной особенностью полигона является относительный минимум при длине слова 4 буквенных знака. Слова, состоящие из 14 и более букв встречаются в тексте очень редко. Самое длинное слова состоит из 24 букв. Это специфический термин – обращение той эпохи: «высокопревосходительство».

Рис. 1 Полигон распределения длины слов

Анализ, подобный изложенному, для французских и немецких слов не проводился, так как они составляют незначительную часть текста романа (менее 3 процентов).

На рис. 2 показан полигон распределения длины предложений по числу входящих в них букв, а на рис. 3 – по числу входящих в предложения слов.

Рис. 2 График распределения длин предложений (букв)

Рис. 3 График распределения длины предложений (слов)

При подсчетах числа предложений той или иной длины ни французские, ни немецкие слова не исключались, в тех случаях когда они входят в состав предложений, состоящих преимущественно из русских слов.

Общее число предложений в романе составляет 31566, включая предложения целиком состоящие из французских или немецких слов.

Результаты статистической обработки выборок слов и предложений приведены в табл. 3, в которой приняты следующие обозначения: x_ср – среднее значение, D – дисперсия, E – эксцесс, A – асимметрия.

                                                                       Таблица 3

Частотный словарь романа содержит 48033 русскоязычных словоформы, распределение которых по числу вхождений  приведено в табл. 4.

Таблица 4

Как следует из приведенных в табл. 4 данных, более 75 процентов словоформ имеют вхождение 1-3 раза.

В табл. 5 приведены 40 наиболее часто встречающихся в тексте романа слов, которые в основном являются местоимениями и предлогами.

Слова, имеющие 1000 и более вхождений, применены в тексте романа 136772 раза (почти третья часть всех слов), а имеющие более 200 вхождений – 219142 раза (около половины всех слов романа).

Таблица 5

(0,17 п.л.)