Frecuencia de aparición de letras

De Wikipedia, la enciclopedia libre

El cálculo de la frecuencia de letras en una lengua es difícil y está sujeto a la interpretación. Se cuenta la frecuencia de las letras de un texto arbitrariamente largo, pero en los resultados influyen varios parámetros:

El estilo narrativo. Si hay muchos verbos en infinitivo, habrá muchas "R".
El vocabulario específico del documento. Si se habla de ríos, habrá muchas "Í"; si uno de los protagonistas se llama Wenceslao, aumentará el número de "W".
El tipo de documento. En pequeños anuncios se pueden encontrar muchos símbolos de Euro (€), que es posible que esté ausente en la mayor parte de otro tipo de documentos.
Los parámetros técnicos. Se pueden calcular fácilmente estadísticas sobre textos informatizados, pero a menudo, éstos no implican el uso de mayúsculas acentuadas (que a veces resultan complicadas de teclear). Además, algunos autores omiten las tildes.
La presencia de caracteres no alfabéticos (signos de puntuación, cifras, paréntesis, símbolos matemáticos corrientes...) pueden o no tenerse en cuenta. La coma, punto son por ejemplo más frecuentes que más de la mitad de las letras.

Si estos parámetros tienen un impacto espectacular en los símbolos menos frecuentes, es también sensible incluso para las letras más frecuentes.

[editar] Porcentaje de aparición de letras

Frecuencia relativa de aparición de letras en español.

Porcentaje de aparición de letras en español¹:

Por orden alfabético		Por frecuencia
Letra	Porcentaje	Letra	Porcentaje
A	12.53	E	13.68
B	1.42	A	12.53
C	4.68	O	8.68
D	5.86	S	7.98
E	13.68	R	6.87
F	0.69	N	6.71
G	1.01	I	6.25
H	0.70	D	5.86
I	6.25	L	4.97
J	0.44	C	4.68
K	0.00	T	4.63
L	4.97	U	3.93
M	3.15	M	3.15
N	6.71	P	2.51
O	8.68	B	1.42
P	2.51	G	1.01
Q	0.88	V	0.90
R	6.87	Y	0.90
S	7.98	Q	0.88
T	4.63	H	0.70
U	3.93	F	0.69
V	0.90	Z	0.52
W	0.02	J	0.44
X	0.22	X	0.22
Y	0.90	W	0.02
Z	0.52	K	0.00

A partir de los datos anteriores, se puede decir que:

Las vocales ocuparán alrededor del 45% del texto.
La E y la A son identificables fácilmente dado su porcentaje de aparición.
Las consonantes más frecuentes son: S,R,N,D,L (aparecen con una frecuencia de un 32%)
Las seis letras menos frecuentes son: F,Z,J,X,W,K (sumadas tienen una frecuencia que no llega al 2%)

[editar] Otros sistemas

Si se cuenta la frecuencia de aparición en un diccionario, la letra más frecuente resulta ser la A, pero en el lenguaje escrito hay una gran cantidad de palabras cortas (que, le, se, ....) que contienen la E, por lo que el recuento en textos, da preminencia a la aparición de esta letra.