さて、リップスらの論文で、表2のリスト32人のうち、2人が「門前払い」されていることを確認しました。残りの30人も含めて、「距離」を計算する「298個の語ペア」とは、何を指しているのか、確認してみます。
表2の32名について、具体的に述べます:
人物(リストの番号) 名前が何通り(n) 日付が何通り(d) n * d 2-1 5 3 15 2-2 3 3 9 2-3 2 3 6 2-4 3 0 0 2-5 1 3 3 2-6 2 3 6 2-7 2 3 6 2-8 2 0 0 2-9 2 3 6 2-10 1 3 3 2-11 2 3 6 2-12 4 3 12 2-13 4 3 12 2-14 1 2 2 2-15 1 3 3 2-16 2 3 6 2-17 1 2 2 2-18 2 2 4 2-19 9 3 27 2-20 3 2 6 2-21 4 3 12 2-22 2 3 6 2-23 8 3 24 2-24 5 3 15 2-25 3 2 6 2-26 4 1 4 2-27 11 6 66 2-28 3 3 9 2-29 1 3 3 2-30 2 2 4 2-31 6 2 12 2-32 1 3 3 合計 298
他方、2-4, 2-8 は5文字以上の月日表記がないため、ゼロ。
(P3,P4は、さらに6名が「5−8文字の通称がなくなる」のでゼロ;これもあまり気付かれない「足切り」「門前払い」です。)
実際には名前が8文字以上のペアはほとんど全滅(順位比が計算されない)だと思われますが、それを考慮しても、以上の比率はあまり変わりません。
リップスらの方法では、賢者一人一人について、平等に計算されているのではない、ということを強調しておきます。
さて、さらに問題なのは、これらの「語ペア」が独立でないことです。先に述べた月日の3通りの表記のうち、
人名についても、例えば、2-19(9通り)のうち、
+RANY, M+RANY; MHRYM+, HMHRYM+; MHRY+, HMHRY+
などは独立していません("+"は文字テットを示します)。
ということは、結局、長い方の文字列同士が非常に接近している例を見つけておけば、短い方の文字列でも相対的に接近した値が出る確率が高いでしょう。
表2-19で言えば、たとえば、
「通称」M+RANYと「月日」BYDTMWZ
が非常に接近していれば、
他のペア、
+RANYとBYDTMWZ
M+RANYとYDTMWZ
+RANYとYDTMWZ
もやはり接近した順位比が出る可能性が高くなります。(もしも、小さなP値を「作ろう」として方法を吟味する場合には、こうしたやり方は参考になりますね。)
(この場合、「距離」の定義に関わりますが、等距離文字列の間隔があるていど短くないと効果がなくなることがあります。ですから、あまりこれを強調しすぎることはできません。しかし、確率がランダムの場合より高くなるのは間違いありません。)
リップスらの方法では、少数の賢者の「通称」と「月日」が、全体の計算に大きな影響を与える、ということが了解いただけましたでしょうか。