Corpus info

General stats

Tokens	1308436
Words	1177746
Types	27973
Lemmas	18586
Hapax legomenon	13356
Dis legomenon	4155
POS tags	533

Tokens = strings separated by white spaces (punctuation marks included).
Words = strings separated by white spaces (punctuation marks excluded).
Types = unique words (based on standardized spelling and case insensitive).

Documents

Number of documents	1147
Average (tokens per document)	1141
Median (tokens per document)	831
Longest document (tokens)	15663
Shortest document (tokens)	53
Oldest document (year)	1499
Most recent document (year)	1896

Group by part of speech

Main POS tag	N	%
common noun	289450	22.12
preposition	205911	15.74
determiner	142117	10.86
punctuation	130690	9.99
verb	116333	8.89
numeral	96523	7.38
conjunction	93515	7.15
adjective	63845	4.88
pronoun	47223	3.61
untagged	43704	3.34
proper noun	42256	3.23
adverb	36405	2.78
foreign word	351	0.03
interjection	113	0.01
Total	1308436	100.00

Group by project

Project	N	%
CORDEREGRA	537767	41.10
HISPATESD	286070	21.86
CORTENEX	197565	15.10
ALEA18	175921	13.45
VIVE	104562	7.99
ALEA19	6443	0.49
_	108	0.01
Total	1308436	100.00

Group by text type

Text type	N	%
inventory of goods	964024	73.68
witness statement	255144	19.50
medical certificate	72803	5.56
other	16465	1.26
Total	1308436	100.00

Group by century

Century	N	%
XVIII	594847	45.46
XVII	292775	22.38
XVI	278639	21.30
XIX	141754	10.83
XV	421	0.03
Total	1308436	100.00

Group by province

Province	N	%
Granada	219774	16.80
Almería	140988	10.78
Sevilla	135853	10.38
Badajoz	131463	10.05
Jaén	127638	9.76
Madrid	108576	8.30
Málaga	87279	6.67
Cádiz	76251	5.83
Cáceres	71941	5.50
Burgos	68793	5.26
Huelva	33635	2.57
Valladolid	28343	2.17
Córdoba	23336	1.78
Murcia	15339	1.17
Soria	9395	0.72
Zamora	5565	0.43
La Rioja	5349	0.41
Cantabria	4944	0.38
Toledo	3982	0.30
Palencia	3785	0.29
Navarra	2011	0.15
Álava	1680	0.13
León	1380	0.11
Gipuzkoa	605	0.05
Teruel	293	0.02
Salamanca	238	0.02
Total	1308436	100.00

Group by institution

Institution	N	%
Archivo de la Real Chancillería de Granada	272771	20.85
Archivo Histórico Provincial de Badajoz	126970	9.70
Archivo Histórico Provincial de Sevilla	124001	9.48
Archivo Histórico Provincial de Jaén	105459	8.06
Archivo Histórico de Protocolos de Madrid	97589	7.46
Archivo Histórico Provincial de Almería	77042	5.89
Archivo Histórico de Protocolos de Granada	76611	5.86
Archivo de la Real Chancillería de Valladolid	71067	5.43
Archivo Histórico Provincial de Cáceres	70595	5.40
Archivo Histórico Provincial de Burgos	66656	5.09
Archivo Histórico Provincial de Cádiz	55013	4.20
Archivo Histórico Provincial de Huelva	31960	2.44
Archivo Histórico Provincial de Córdoba	23336	1.78
Archivo Histórico Municipal de Baeza	21079	1.61
Archivo Histórico Municipal de Lorca	14863	1.14
Archivo Municipal de Puerto Real	14253	1.09
Archivo Histórico Provincial de Málaga	11945	0.91
Archivo Municipal de Vera	11002	0.84
Archivo del Patronato de la Alhambra y Generalife	10271	0.78
Archivo General de Simancas	7648	0.58
Archivo Histórico Provincial de Madrid	5471	0.42
Archivo Municipal de Huéscar	3697	0.28
Archivo histórico provincial de Sevilla	3061	0.23
_	1826	0.14
Archivo Histórico de Procolos de Madrid	1579	0.12
Archivo Histórico de Huelva	928	0.07
Archivo Histórico Municipal de Loja	781	0.06
Archivo Municipal e Histórico de Protocolos Notariales de Guadix	514	0.04
Archivo Histórico Provincial	448	0.03
Total	1308436	100.00

Group by century and province (absolute frequencies)

	XV	XVI	XVII	XVIII	XIX	Total (province)	Total (area)
Almería		28931	26626	47667	37764	140988	488400
Granada		52282	51452	113411	2629	219774
Jaén		8952	5684	109268	3734	127638
Málaga		19101	26420	33732	8026	87279	110615
Córdoba		22453			883	23336	110615
Cádiz				71980	4271	76251	245739
Sevilla	421	72084	8604	44847	9897	135853
Huelva		664	4101	28870		33635
Madrid		19393		37900	51283	108576	177369
Burgos				67453	1340	68793	177369
others		54779	169888	39719	21927	286313	286313
Total (century)	421	278639	292775	594847	141754	1308436	1308436

Group by century and province (relative frequencies)

	XV	XVI	XVII	XVIII	XIX	Total (province)	Total (area)
Almería	0.00	2.21	2.03	3.64	2.89	10.78	37.33
Granada	0.00	4.00	3.93	8.67	0.20	16.80
Jaén	0.00	0.68	0.43	8.35	0.29	9.76
Málaga	0.00	1.46	2.02	2.58	0.61	6.67	8.45
Córdoba	0.00	1.72	0.00	0.00	0.07	1.78	8.45
Cádiz	0.00	0.00	0.00	5.50	0.33	5.83	18.78
Sevilla	0.03	5.51	0.66	3.43	0.76	10.38
Huelva	0.00	0.05	0.31	2.21	0.00	2.57
Madrid	0.00	1.48	0.00	2.90	3.92	8.30	13.56
Burgos	0.00	0.00	0.00	5.16	0.10	5.26	13.56
others	0.00	4.19	12.98	3.04	1.68	21.88	21.88
Total (century)	0.03	21.30	22.38	45.46	10.83	100.00	100.00

Measures of lexical diversity

Measure	Description	Formula	Result
TTR	type-token ratio	$TTR = \frac{V}{N}$	0.024
RTTR	Giraud's root type-token ratio	$RTTR = \frac{V}{\sqrt{N}}$	25.776
CTTR	Carroll's corrected type-token ratio	$CTTR = \frac{V}{\sqrt{2 N}}$	18.226
C	Herdan's C index	$C = \frac{\log V}{\log N}$	0.732
S	Somer's S index	$S = \frac{\log (\log 𝑉)}{\log (\log 𝑁)}$	0.882
M	Maas' index	$M = \frac{(\log 𝑁 - \log 𝑉)}{\log^{𝑁 2}}$	0.036
H	Honoré's index	$H = 100 * (\frac{\log N}{1 - \frac{V_{1}}{V}})$	2675.226
K	Yule's K index	$K = 10^{4} * [- \frac{1}{N} + \sum_{i = 1}^{V} f_{v} (i, N) * {(\frac{i}{N})}^{2}]$	171.469
D	Simpson's D index	$D = \sum_{i = 1}^{V} f_{v} (i, N) * (\frac{i}{N}) * (\frac{i - 1}{N - 1})$	0.017
HTR	Hapax-token ratio	$HTR = \frac{V_{1}}{V}$	0.477
DTR	Dis-token ratio	$DTR = \frac{V_{2}}{V}$	0.149
VGR	Vocabulary growth rate	$VGR = \frac{V_{1}}{N}$	0.011

N = number of words; V = number of types; V₁ = number of hapax legomenon; V₂ = number of dis legomenon; $f_{v} (i, N)$ = numbers of types occurring i times in a sample of length N.