Frecuencia de aparición de letras

De Wikipedia, la enciclopedia libre
Ir a la navegación Ir a la búsqueda
Frecuencia de uso de letras en español

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:

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

Frecuencia de aparición de letras en español[editar]

Porcentaje de aparición de letras en español:[1]

Letra A B C D E F G H I J K L M N
Porcentaje 12,53% 1,42% 4,68% 5,86% 13,68% 0,69% 1,01% 0,70% 6,25% 0,44% 0,02% 4,97% 3,15% 6,71%
Letra Ñ O P Q R S T U V W X Y Z
Porcentaje 0,31% 8,68% 2,51% 0,88% 6,87% 7,98% 4,63% 3,93% 0,90% 0,01% 0,22% 0,90% 0,52%

Ordenadas de mayor a menor frecuencia de aparición obtenemos: E, A , O, S, R, N, I, D, L, C, T, U, M, P, B, G, V, Y, Q, H, F, Z, J, Ñ, X, K, W.

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, C (aparecen con una frecuencia de un 37%)
  • Las seis letras menos frecuentes son: Z, J, Ñ, X, K, W (sumadas tienen una frecuencia que apenas supera el 1,5%)

Ejemplo concreto: el Quijote[editar]

El texto del Quijote contiene 1.640.502 letras:

Letra e a o s n r i l d u t c m p
Cantidad 229.188 200.492 162.512 125.726 108.440 100.953 90.070 89.141 87.237 79.471 61.749 59.435 44.658 35.464
Porcentaje 14,0% 12,2% 9,9% 7,7% 6,6% 6,2% 5,5% 5,4% 5,3% 4,8% 3,8% 3,6% 2,7% 2,2%
Letra q y b h v g j f z ñ k w x
Cantidad 32.483 25.115 24.146 19.920 17.855 17.225 10.530 7.581 6.491 4.241 377 2 1
Porcentaje 2,0% 1,5% 1,5% 1,2% 1,1% 1,0% 0,6% 0,5% 0,4% 0,3% 0,1% 0,0% 0,0%

La Regenta, de Leopoldo Alas (Clarín)[editar]

La Regenta

Se ha incluido la frecuencia del "espacio" o separador de palabras, así como las de los signos de puntuación " . ,  ;  : "

Hay que señalar los siguientes resultados: [2]

1. El separador o espacio es el signo más abundante, casi duplicando a la letra más frecuente.

2. La letra “a” es algo más abundante que la letra “e”.

3. Los signos de puntuación “,” y “.” son más abundantes que la letra “q” y siguientes. En cambio, como cabía esperar, los signos “;” y “:” son menos abundantes, aunque el "punto y coma" supera a la “ñ” y los "dos puntos" a la “k”.

Letra espacio a e o s r n i l d u t c m p b
Cantidad 305.290 192.666 176.252 128.009 101.317 89.243 87.585 86.284 83.524 67.215 57.662 53.937 52.346 36.500 33.970 26.658
Porcentaje 17,599% 11,107% 10,160% 7,379% 5,841% 5,145% 5,049% 4,974% 4,815% 3,875% 3,324% 3,109% 3,018% 2,104% 1,958% 1,537%
Letra . , q v g h y f j z ; ñ x : k w
Cantidad 26.079 24.447 17.773 15.491 15.202 13.796 13.619 8.454 6.428 5.549 3.658 3.501 1.224 941 59 20
Porcentaje 1,503% 1,409% 1,025% 0,893% 0,876% 0,795% 0,785% 0,487% 0,371% 0,320% 0,211% 0,202% 0,071% 0,054% 0,003% 0,001%

Total 1 734 699 [2]

Otros sistemas[editar]

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, etc.) que contienen la E, por lo que el recuento en textos esta letra suele ser más abundante, aunque no siempre, como en el caso de la novela La Regenta antes citado.

Otros idiomas[editar]

El alineamiento de las letras en una máquina linotipia es ETAOIN SHRDLU, que corresponde aproximadamente a las doce letras más frecuentes en inglés.

Referencias[editar]

  1. Fletcher Pratt, Secret and Urgent: the Story of Codes and Ciphers Blue Ribbon Books, 1939, pp. 254-255.
  2. a b Agustín (administrador de Kriptópolis). «Frecuencia de las letras en castellano: "La Regenta" - Kriptópolis, criptografía y seguridad.». Archivado desde el original el 16 de diciembre de 2013. Consultado el 2 de mayo de 2015. 

Enlaces externos[editar]