Cuatro apellidos cubren la mitad de Vietnam. Ucrania necesita cientos. La curva de concentración explicada

Los cuatro apellidos más frecuentes de Vietnam — Nguyễn, Trần, Lê, Phạm — suman entre ellos la mitad del país. Para alcanzar la mitad de Ucrania hacen falta varios cientos de apellidos distintos. La misma medición, el mismo método, dos órdenes de magnitud de diferencia.

Esta es una pregunta distinta de «¿cuántos apellidos tiene un país?», que tratamos en ¿Cuántos apellidos tiene un país?. El tamaño del repertorio pregunta cuán larga es la lista. La concentración pregunta cómo se reparte la masa a lo largo de ella — y ambas cosas pueden divergir. Dinamarca tiene un corpus modesto de 717 apellidos, pero es uno de los países más concentrados de Europa. Nueva Zelanda tiene uno enorme y figura entre los más planos. La longitud no dice casi nada sobre la forma.

A continuación, la forma, medida del mismo modo para cada país del que tenemos datos, junto con una exposición honesta de qué cifras son hechos de registro y cuáles son nuestro modelo.

La medición

Para cada país se ordenan los apellidos por frecuencia, se recorre la clasificación y se anota hasta dónde hay que llegar para acumular el 50 %, el 80 % y el 95 % de la población. Tres cifras, una curva. Una curva empinada significa que unos pocos apellidos sostienen el país; una curva plana significa que la masa está repartida de forma difusa.

Lea juntas la primera y la última fila. Vietnam alcanza el 50 % con cuatro apellidos y el 95 % con cuarenta y cinco. Ucrania necesita 874 apellidos para la primera mitad y en 2.074 sigue subiendo. Entre esos dos polos se sitúan todos los demás sistemas de denominación del planeta.

La misma columna, ahora como forma. La tabla da las cifras; las barras dan la caída — y la caída es lo importante. No hay agrupaciones ni mesetas: la concentración desciende de forma continua desde Vietnam hasta Ucrania, y por eso no existe una única distribución «típica» de apellidos.

Antes de seguir, lea esta advertencia. Se trata de nuestros corpus, medidos el 18 de julio de 2026 sobre la versión de corpus share 1.1.7. Nueve de las filas anteriores — Dinamarca, España, Suecia, Noruega, Gran Bretaña, Estados Unidos, Francia, Polonia y Ucrania — se han reconstruido desde entonces sobre recuentos reales del registro y se han movido, dos de ellas mucho: los «apellidos para el 50 %» de Polonia han pasado de 371 a 1.989, y los de Ucrania de 874 a 201. Salvo indicación en contrario, todo lo que sigue corresponde a la medición de julio. En esa medición, los pesos de frecuencia eran relativos, y no recuentos reales, para 61 de los 63 locales del cálculo. La columna del top 10 está calibrada con cifras de registro publicadas y puede comprobarse contra ellas; las columnas 50/80/95 son nuestro modelo de la cola y deben leerse como tales. Todos los detalles, en la sección de metodología — y si colocamos esta advertencia en mitad del artículo y no al final es porque la reserva cambia el significado de la tabla.

Corrección — la fila ucraniana se ha reconstruido. Una auditoría detectó que nuestros pesos de apellidos ucranianos no superaban una comprobación de coherencia aritmética. Desde entonces el corpus se ha reconstruido a partir de los recuentos del registro, de modo que cualquier cifra ucraniana que aparezca en otro punto de este artículo corresponde a la medición anterior a la reconstrucción. La comprobación: la proporción del top 10 interna al corpus, multiplicada por su cobertura de la población, es igual a la proporción del top 10 en la población. El antiguo corpus ucraniano declaraba un top 10 interno del 5,45 % frente a una cifra de población publicada del 5,45 % — lo que implica que el corpus cubría el 99,9 % de los ucranianos. Contenía 2.207 apellidos frente a un repertorio nacional de unos 707.685, así que su cobertura real era una pequeña fracción de eso. Las dos cifras tienen denominadores distintos y no pueden ser legítimamente iguales; una compilación anterior del mismo corpus declaraba un 29,4 %, coherente con un corpus escaso extraído de un repertorio muy plano. La consecuencia era concreta y estaba en el titular: la cifra de los «874 apellidos para alcanzar la mitad de Ucrania» estaba inflada por una curva de pesos aplanada (1.900 de las 2.207 entradas se situaban en el peso mínimo y soportaban el 71 % de la masa del corpus). Reformulado a partir del corpus reconstruido — 2.562 apellidos sobre recuentos reales del registro, medidos el 22 de julio de 2026: top 10 = 8,42 %, top 100 = 34,27 %, 201 apellidos para alcanzar el 50 %, 601 para alcanzar el 80 %, 1.062 para alcanzar el 95 %. Repare en lo que eso le cuesta a la historia tal como se contó al principio: Ucrania no es el extremo plano de nuestro conjunto. Ahora queda en la zona media, y el corpus más plano que tenemos es el polaco, que necesita 1.989 apellidos para llegar a la mitad. Las filas taiwanesa y vietnamita superan la misma comprobación (cobertura implícita del 100,0 % y del 99,6 % frente a una cobertura documentada de ~99,6 % y ~97,5 %) y no se ven afectadas.

Cuatro mecanismos, no uno

La dispersión no es un continuo único. La producen cuatro mecanismos históricos distintos, y producen formas de curva diferentes, no solo pendientes diferentes.

1. Repertorios clánicos cerrados (Vietnam, Corea, Taiwán, China)

Los apellidos de Asia oriental y sudoriental descienden de un inventario antiguo y, en lo esencial, fijo de nombres de clan. Nada ha creado uno nuevo desde hace siglos. El resultado no es simplemente «pocos apellidos», sino una forma precisa: un puñado de gigantes y, después, un precipicio.

Taiwán es el caso más nítido porque su Ministerio del Interior publica recuentos brutos sin umbral de supresión alguno — se incluyen los apellidos con un único portador. Chen (陳) cubre por sí solo el 11,2 % de 23,4 millones de personas. Nueve apellidos bastan para alcanzar la mitad de la isla. Pero el fichero contiene además 636 apellidos portados por exactamente una persona — el 23,5 % de todos los apellidos distintos, que suman entre todos el 0,00 % de la población. Esa es la forma en una frase: un país de gigantes con una franja estadísticamente sin peso.

Vietnam es el caso extremo. Nguyễn pesa por sí solo un 30,6 % en nuestro corpus, en línea con el ~31 % establecido a partir de muestras grandes — y desde luego no con la cifra del 38 % que circula casi por todas partes, que rastreamos hasta una muestra de 1.941 personas de 1992 y refutamos en Siete formas en que los datos de nombres le mienten (artículo complementario, aún sin publicar). Cuatro apellidos llevan a la mitad. Nuestro corpus vietnamita de 298 entradas cubre en torno al 97,5 % de la población — el fichero está casi completo porque el repertorio es realmente así de pequeño.

2. Congelación de los patronímicos (Dinamarca, Noruega, Suecia, Islandia)

Escandinavia parece concentrada por una razón completamente distinta. Los apellidos daneses son patronímicos congelados: Jensen, Nielsen, Hansen, Pedersen — «hijo de Jens», «hijo de Niels». Hasta el siglo XIX no eran apellidos en absoluto, sino etiquetas que se regeneraban y cambiaban en cada generación. La legislación los congeló en plena marcha, y el patronímico que una familia llevara por azar el día en que la ley entró en vigor quedó fijado para siempre.

Como el conjunto de nombres de pila masculinos en uso en el momento de la congelación era reducido, también lo era el conjunto de patronímicos congelados. El top 10 danés cubre el 43,6 % — una concentración de nivel asiático producida por un acontecimiento administrativo del siglo XIX y no por una estructura clánica antigua.

La forma delata el mecanismo. Compare Dinamarca y Taiwán con una concentración del top 10 equivalente:

Cabezas parecidas, colas radicalmente distintas. La curva de Taiwán se desploma después de los cien primeros apellidos; la de Dinamarca continúa otros cuatrocientos. Dinamarca tiene una cola real de apellidos no patronímicos — topónimos, importaciones alemanas, apellidos de oficio — que Taiwán sencillamente no tiene. Dos sistemas pueden compartir una cifra de titular y ser estructuralmente distintos, y por eso la cifra del top 10 que cita cualquier artículo-lista es la menos informativa de la tabla.

Islandia pertenece a la misma familia con el mecanismo invertido: Islandia nunca congeló sus patronímicos, de modo que la mayoría de los islandeses no tiene apellido alguno en el sentido hereditario. Nuestro corpus islandés de 343 entradas cubre solo a la pequeña minoría de familias que sí lo tiene. Contamos esa historia por separado en Los patronímicos de Islandia y sus 59 apellidos.

3. Repertorios abiertos y productivos (Ucrania, Chequia, Polonia, Italia)

En el extremo plano se sitúan los sistemas que aún fabricaban apellidos cuando los registros los alcanzaron. Los apellidos eslavos e italianos se formaron tarde y a partir de materia prima productiva — oficios, apodos, pueblos, patronímicos — y ninguna autoridad central normalizó nunca las grafías. Cada parroquia produjo sus propias variantes.

El top 10 ucraniano cubre el 5,45 %. No es un error de redondeo lo que lo separa del 69,5 % de Vietnam; es un objeto de otra categoría. La formación de apellidos ucranianos empleó al menos cuatro familias de sufijos productivos (-enko, -uk/-yuk, -sky, -ych) que podían adherirse a casi cualquier raíz, y la deriva ortográfica de los escribanos multiplicó todavía más cada raíz.

Italia es el caso más plano de Europa occidental, con un 6,9 % en el top 10 y 377 apellidos para llegar a la mitad, y la razón es la misma que dan los estudiosos italianos de onomástica para explicar por qué Italia no consigue siquiera contar sus apellidos: una lengua nacional estándar llegó tarde, así que cada región fosilizó sus propias formas léxicas, y el paso de lo oral a lo escrito generó familias de apellidos casi idénticos que difieren en una sola letra.

4. Reinicios legislativos (Turquía)

Turquía no pertenece a ninguno de los casos anteriores. Los turcos no tuvieron apellidos hereditarios hasta que la Ley de Apellidos de 1934 obligó a cada familia a elegir uno en un plazo de dos años. Un país entero eligió apellidos a la vez, a partir de un vocabulario vivo y con la instrucción de preferir palabras turcas.

El resultado es una curva realmente singular: un top 10 del 11,2 %, más plano que el de Japón o Rusia, pero con un top 100 de solo el 38,4 % — la masa se escurre deprisa después de los primeros. Yılmaz («impávido»), Kaya («roca»), Demir («hierro»), Çelik («acero») encabezan la lista porque eran palabras atractivas, no porque muchas personas las hubieran heredado. Después, la cola se extiende por miles de otras palabras atractivas. Esa historia se cuenta entera en La Ley de Apellidos turca de 1934.

La única comparación que de verdad nos sorprendió

Japón y Dinamarca. Japón es un país de Asia oriental con un top 100 del 62,3 %; Dinamarca es un país escandinavo con un 77,1 %. Dinamarca está más concentrada en apellidos que Japón, y no por poco.

Esto invierte el modelo mental habitual, según el cual «asiático = pocos apellidos, europeo = muchos». El sistema de apellidos japonés no es en absoluto un repertorio clánico. A los plebeyos japoneses solo se les exigió inscribir un apellido después de la Restauración Meiji de la década de 1870, y en buena medida los inventaron a partir del vocabulario del paisaje — 山本 (yamamoto, «al pie de la montaña»), 田中 (tanaka, «en medio del campo»), 小林 (kobayashi, «bosque pequeño»). Es un mecanismo productivo, estructuralmente mucho más cercano a Italia o Polonia que a la vecina Corea.

Así que la variable real no es la geografía ni la familia lingüística. Es si el sistema de apellidos estaba abierto o cerrado en el momento en que el Estado empezó a poner los nombres por escrito — y el de Japón estaba abierto de par en par en 1875. El de Corea, a trescientos kilómetros de allí, llevaba mil años cerrado. Corea alcanza el 50 % con seis apellidos; Japón necesita 57.

Qué significa esto si usted utiliza datos de nombres

Tres consecuencias prácticas.

El tamaño del corpus no mide el tamaño del país. Nuestro fichero de apellidos vietnamitas tiene 298 entradas y cubre el ~97,5 % de Vietnam. Nuestro fichero ucraniano tiene 2.562 entradas y cubre una fina porción de un repertorio estimado en cientos de miles. Clasificar los países por el tamaño del fichero equivaldría a clasificar nuestro propio trabajo, no los países.

Una lista de los «10 apellidos más frecuentes» significa cosas distintas en cada país. En Vietnam describe a la mayor parte de la población. En Ucrania describe a una persona de cada dieciocho. El mismo titular encierra una diferencia de 13 veces en la parte del país que realmente representa.

Unos datos ficticios realistas tienen que ajustarse a la curva, no solo a la lista. Un generador que extraiga apellidos vietnamitas de forma uniforme de una lista de 298 nombres produce una salida en la que Nguyễn aparece el 0,34 % de las veces en lugar del ~30 % — reconociblemente falsa para cualquier lector vietnamita, y falsa de una manera que no se arregla añadiendo más apellidos. La distribución es el dato.

Conclusión

La concentración no es una curiosidad de la denominación asiática. Es la huella de cuándo y cómo un Estado empezó a consignar los nombres, y separa a países que se parecen superficialmente mientras agrupa a otros que parecen no tener relación. Dinamarca se alinea con Taiwán en la cifra de titular y con Noruega en la cola. Japón se alinea con Italia. Turquía queda sola.

La cifra que más lejos viaja — «los diez apellidos más frecuentes cubren el X %» — es también la que más oculta, porque dos países pueden compartirla sin tener nada más en común. Si solo se queda con una cifra de este artículo, quédese con la tercera columna: cuántos apellidos hacen falta para llegar a la mitad. Cuatro en Vietnam, cientos en los corpus eslavos planos. Esa es la dispersión real.

Metodología y fuentes

Qué se calculó. Para cada uno de los 63 locales cargamos el corpus de apellidos, ordenamos las entradas por peso y calculamos la proporción acumulada en los puestos 10 y 100, así como el puesto en el que la proporción acumulada alcanza por primera vez el 50 %, el 80 % y el 95 %. Análisis ejecutado el 2026-07-18 sobre la versión de corpus share 1.1.7. ⚠ El corpus contenía 63 locales cuando se midieron estas cifras; en_IE se añadió el 18 de julio de 2026 y hoy contiene 64. El reparto «61 de 63 son relativos» que se indica más abajo también ha cambiado: a 22 de julio de 2026, 12 de los 64 corpus de apellidos llevan recuentos reales del registro y 52 son relativos.

La limitación crítica, dicha sin rodeos. En el cálculo que sustenta este artículo, los pesos de frecuencia eran relativos (enteros en una escala de 1–255) para 61 de los 63 locales. Solo dos llevaban recuentos brutos:

Esto significa:

• Las columnas del top 10 están calibradas y son comprobables. Se ajustaron a cifras de registro publicadas durante la construcción del corpus. Dos verificaciones se sostienen: nuestro top 10 de Vietnam da 69,58 % frente a un 69,2 % publicado, y nuestro top 10 de Taiwán da 52,81 % frente al 52,79 % del Ministerio del Interior. Ambos corpus tienen una cobertura documentada cercana al 100 % (~97,5 % y ~99,6 %), de modo que en su caso una cifra interna al corpus y una cifra de población sí son legítimamente comparables.

Una tercera verificación aparente — nuestro top 10 de Ucrania del 5,45 % frente a un 5,45 % declarado — no se sostiene, y su exactitud es el síntoma antes que la confirmación. Un corpus escaso no puede tener una proporción interna igual a la proporción de la población; esa identidad exige una cobertura de ~100 %, y el corpus ucraniano contiene 2.207 apellidos de unos 707.685. Véase el aviso de corrección situado cerca del comienzo del artículo. Es la misma confusión de denominadores documentada en Cómo auditar un conjunto de datos de frecuencia de nombres — Estados Unidos ilustra la forma correcta: un top 10 que cubre el 4,90 % de la población corresponde a en torno al 11,59 % dentro de un corpus que cubre el 42,29 % de los estadounidenses.

• Las columnas 50 / 80 / 95 son salida de un modelo, no mediciones de registro, para todos los países salvo Taiwán y Vietnam. Describen la distribución a partir de la cual generamos, moldeada para ajustarse a las cabezas de los registros y a un comportamiento plausible de la cola. Trátelas como la estructura declarada de nuestro corpus. Son coherentes internamente y comparables entre sí porque cada locale se midió de forma idéntica — pero no sustituyen a los datos de cola de un instituto nacional de estadística y, cuando un país los publica, esa cifra manda.
• La profundidad de los corpus varía (184 entradas para Corea, 2.707 para Taiwán). Un corpus menos profundo alcanza mecánicamente el 95 % antes. Por eso la columna del 95 % es la menos comparable de las tres y no debería usarse por sí sola para clasificar países.

Anclajes de registro utilizados para la validación (no se vuelven a deducir aquí — véanse los artículos enlazados para las citas completas):

Repare en la única discrepancia: nuestro corpus coreano calcula un top 10 del 60,6 % frente al 63,9 % de KOSTAT, un déficit de 3,3 puntos.

La causa se conoce, y es una limitación de escala más que un error de datos. Hasta hace poco nuestros pesos de frecuencia estaban limitados a 255. En Corea ese techo resulta catastrófico, porque la distribución real de apellidos coreanos abarca un intervalo que ninguna escala de 8 bits puede contener: 김 (Kim) tiene unos 1.527.138 portadores frente a 1 en los apellidos más raros — una relación de más de un millón a uno, comprimida en 255:1. La compresión apenas roza la cabeza; destruye el suelo. Alrededor de 130 apellidos ultrarraros quedaban clavados en un peso mínimo sobrevalorado y aportaban del orden de un 8 % de masa fantasma que no pertenece a nadie — y esa masa fantasma diluye la proporción del top 10, y por eso la nuestra sale baja.

El techo se ha elevado desde entonces, y doce corpus de apellidos — entre ellos zh_TW y vi_VN — llevan ya recuentos reales del registro. Precisamente por eso esos dos coinciden con sus registros hasta la segunda cifra decimal y Corea no: Corea todavía no se ha reconstruido. La diferencia de 3,3 puntos es el residuo visible de una escala de 8 bits enfrentada a una distribución que se extiende por un factor de un millón.

La lección general merece enunciarse, porque vale para cualquier corpus ponderado: una escala comprimida deforma la cola mucho más que la cabeza, y el daño aflora como un déficit en la proporción de la cabeza. Si su top 10 sale bajo frente a un registro, sospeche del suelo antes que de los apellidos de cabeza. La fila coreana de la tabla principal debe leerse como un artefacto de escala pendiente de reconstrucción, no como una medición de Corea.

Lecturas relacionadas: ¿Cuántos apellidos tiene un país? trata del tamaño del repertorio y de los umbrales de recuento; Los 10 apellidos más frecuentes por país trata de los propios apellidos de cabeza.