Vraag 16Unieke woorden

Teksten bestaan uit woorden (en leestekens, maar die laten we in deze opgave buiten beschouwing). Deze woorden zijn niet allemaal verschillend. Dat wil zeggen dat ze niet allemaal uniek zijn. Hoe meer unieke woorden je naar verhouding tegenkomt, hoe moeilijker de tekst is. In deze opgave kijken we naar het percentage unieke woorden in een tekst. Dit percentage wordt bepaald aan de hand van twee grootheden: U : het aantal unieke woorden in een stuk tekst; T : het totaal aantal woorden in dat stuk tekst. We bekijken de eerste twee zinnen van deze opgave: Teksten bestaan uit woorden (en leestekens, maar die laten we in deze opgave buiten beschouwing). Deze woorden zijn niet allemaal verschillend.

Van het boek On The Origin of Species van Charles Darwin is het verband tussen U en T bepaald. Zie figuur 1. figuur 1 In figuur 1 is op beide assen een logaritmische schaal gebruikt. De gestippelde lijn geeft een benadering van het verband tussen U en T . Figuur 1 staat ook vergroot op de uitwerkbijlage. On The Origin of Species bevat in totaal 191 740 woorden en er komen 8842 unieke woorden in voor. Naarmate je verder leest, kom je steeds minder nieuwe unieke woorden tegen. Als je een kwart van dit boek hebt gelezen, ben je al meer dan de helft van het totaal aantal unieke woorden tegengekomen.

Bereken met behulp van de gestippelde lijn in de figuur op de uitwerkbijlage hoeveel procent van het totaal aantal unieke woorden je dan al bent tegengekomen. Geef je antwoord als geheel getal.