Microsoft Word u lg rept doc

 

Figure  1.  Distribution  of  population  size  in  the  sample  of  language  entries  (figures  in 

thousands, logarithmic scale). 

 

 

There is one small departure from a log-normal distribution that is observable in 

Figure 1 which should also be noted. This is the somewhat elevated tail on the left; for a 

true log-normal distribution, we should expect this to taper off to zero, as it does on the 

right. There are two possible explanations for this. The first is that population sizes are 

truncated at 1; populations smaller than that can only represent languages that are extinct, 

which  are  not  shown  here.

3

  This  could  prevent  the  left  tail  from  dropping  to  zero 

normally. The second is that the elevated tail may represent a tendency of the Ethnologue 

to  retain  speakers  for  small  languages  even  when  they  are  no  longer  spoken.  This  has 

already been suggested in a review of the Ethnologue by Hammarström (2005), in which 

it was pointed out that the a number of Australian languages recorded as already extinct 

by another source were listed as extant in the Ethnologue. Hence, it might be profitable to 

systematically examine  smaller entries to ascertain whether more current data will show 

there to be speakers for them or not. 

 

 

Having  established  the  general  distributional  nature  of  the  population  statistics, 

we can now proceed to ask if there are systematic distributional effect, be they biases or 

interpretable  differences,  according  to  the  other  factors  we  have  already  observed:  the 

type  of  source  cited  for  population  estimates,  the  date  of  the  source,  and  geographic 

                                                 

3

 One might expect that properly counting extinct languages could improve the statistical 

profile of the left tail. However, the number of extinct languages in all of human history 

is very large, and it is not clear which ones would be relevant. Extinct languages in the 

Ethnologue  are  regarded  as  recently  so,  i.e.  all  were  reported  as  living  at  some  earlier 

point. Since the Ethnologue covers a 50-year time span, and there are no indications as to 

when a language became extinct, it is not possible to decide which of these entries should 

be considered relevant. 

---

region. These observations are presented as box-and-whisker plots in Figures 2-4. In each 

of these plots, the vertical axis is the base ten logarithm of population size (3 corresponds 

to 1,000; 4 corresponds to 10,000, etc.). Each box has a center bar indicating its median 

value, with a notch around the bar indicating a 95% confidence interval for that value. 

The box represents the range occupied by the central 50% of the data for that category, 

and the whiskers extending above and below the box approximate a range enclosing 95% 

of the data. Outliers are indicated as individual data points outside these latter ranges. By 

comparing the central bars and the overlap among the notches of the different categories, 

one can get a sense of the differences in population size across the set of categories. 

 

Figure 2. Log

10

 population size by geographic region among language entries.  

 

 

Figure 2 indicates clearly that different regions have somewhat different typical 

language  population  sizes.  Africa,  East  Asia,  Europe,  South  and  Central  Asia  and 

Western  Asia  appear  to  have  somewhat  larger  population  sizes  than  North  America, 

Oceania, and South America and the Caribbean. Southeast Asia has language population 

sizes  intermediate  between  these  two  sets.  This  confirms  the  observation  of  Grimes 

(1986)  of  different  geographic  regions  having  different  language  size  norms.  The 

observations also comport with our prior knowledge about the languages of the regions. 

North America, where shift from the indigenous languages to English is all but complete, 

has  a  relatively  small  median  size  at  almost  exactly  100  individuals.  Oceania  has  a 

median  size  around  1,000  individuals,  a  value  widely  reported  for  the  countries  of  the 

region  such  as  Papua  New  Guinea.  Some  regions  with  larger  median  sizes,  such  as 

Africa, nonetheless have a substantial number of smaller language groups, as indicated by 

---

the small language group outliers. Note that Africa, East Asia, Europe, Oceania, South 

America,  and  Southeast  Asia  all  have  small  outlying  groups;  these  would  be  good 

candidates  for  endangered  languages.  Since  different  regions  appear  to  have  different 

typical  language  sizes,  the  cutoff  for  what  is  likely  to  be  endangered  is  likely  to  be 

different for different regions.  

 

Figure 3. Log

10

 population size by source among language entries.  

 

 

In Figure 3, we consider the contribution of different sources to population groups 

of different sizes. Again we can see that there appear to be significant differences among 

the different sources used. SIL and Academic sources tend to be for somewhat smaller 

groups  than  Missionary,  WCD,  Government  and  other  sources.  This  we  might  partly 

expect,  given  the  tendency  for  different  sources  to  report  on  different  regions,  and  the 

different size trends observed for different regions in Figure 2. Populations for which no 

source  is  given  also  tend  to  be  smaller,  while  those  that  have  a  year  but  no  source 

indicated tend to be larger. This suggests that the two types of figures represent different 

kinds of information entirely. Given that both reflect some uncertainty about the language 

population data, and given that they account for about 20% of the language entries in our 

sample,  entries  with  such  fragmentary  citations  on  population  data  need  be  thoroughly 

checked  before  we  can  fully  rely  on  them.  Again,  this  effect  is  probably  distributed 

unevenly across regions, so focusing on particular regions as suggested earlier may help 

to address these issues as well. 

 

---