Dum la lasta jarcento Usono multe ŝanĝiĝis. Tio ankaŭ influis la nomadon de iliaj beboj. Iam la plej populara knaba nomo estis Robert. Nun, ĝi estas Noah. Kelkfoje, homoj akcentas la ciklecon de la procezo; popularaj nomoj iĝas malpopularaj kaj poste ili denove iĝos popularaj. Tamen, la diverseco de nuntempaj bebnomoj estas senprecendenta.

Pri la grafikaĵo mi rimarkas
- La probableco, ke du hazardaj personoj ricevas identajn nomojn malkreskas kaj nun ĝi estas historie malalta.
- Ial, knabinoj ĉiam havis pli rarajn nomojn ol knaboj.
- La probableco kreskis en la dudeka jarcento.
- Estas signifa monteto en la knabina linio en la malfruaj, 40aj jaroj. La kaŭzo estis la nomo Linda, kiu multe populariĝis en 1946 pro la kanto Linda(1946).
Metodo
La datenaro estas
Knaba nomo | Populareco de la knaba nomo | Knabina nomo | Populareco de la knabina nomo | |
---|---|---|---|---|
La plej populara en 1886 | John | 8.1546% | Mary | 7.2384% |
2a plej populara en 1886 | William | 8.0507% | Anna | 2.6679% |
… | … | … | … | … |
1000a plej populara en 1886 | Layton | 0.0042% | [ne ekzistas] | [ne ekzistas] |
La plej populara en 1887 | John | 8.0983% | Mary | 6.9991% |
… | … | … | … | … |
La plej populara en 2016 | Noah | 0.9465% | Emma | 1.0108% |
… | … | … | … | … |
1000a plej populara en 2016 | Jonathon | 0.0101% | Meilani | 0.0137% |
Por unu sekso kaj unu jaro, la datenaro havas 1000 nombrojn. Nomu tiujn nomojn . La probableco ke du beboj havas identajn nomojn estas proksimigita per
.
Mi akiris la datenaron de la US Official Social Security Website. Mi faris la grafikaĵon kaj kalkuladon pere R kaj la pako ggplot2. La fontkodo estas sur Gist.
Fonto de la datenaro: US Official Social Security Website.