Fréquence des caractères

D'un texte à un autre, on constate qu'il y a des variations sensibles dans la fréquence des lettres, même pour des textes de plus de 200000 lettres (comme celui utilisé par Francis Leboutte).

Pour obtenir des statistiques aussi représentatives que possible, on prend le corpus de Thomas Tempé, qui cherche à être volumineux et à contenir des textes d'origines diverses.

Fréquences des lettres

Nb carac: 1953155

Nb ligne: 29959

Nb car  : 1616235

Statistiques par caractères :

e	225947	13.980
s	121895	7.542
a	117110	7.246
i	115465	7.144
t	111103	6.874
n	108812	6.732
r	100500	6.218
u	96785	5.988
l	83668	5.177
o	82762	5.121
d	56269	3.481
c	50003	3.094
p	46335	2.867
m	45521	2.816
é	29206	1.807
v	24975	1.545
,	22173	1.372
'	21958	1.359
q	20889	1.292
f	16351	1.012
.	13921	0.861
b	13822	0.855
g	13288	0.822
h	11298	0.699
j	8351	0.517
à	7449	0.461
-	6887	0.426
x	5928	0.367
y	4725	0.292
è	4160	0.257
ê	3445	0.213
"	3326	0.206
z	2093	0.129
:	1922	0.119
w	1747	0.108
)	1616	0.100
(	1506	0.093
ç	1306	0.081
0	1173	0.073
/	1141	0.071
?	1093	0.068
;	942	0.058
ù	890	0.055
!	877	0.054
1	782	0.048
k	745	0.046
2	725	0.045
î	695	0.043
3	488	0.030
9	284	0.018
5	281	0.017
4	235	0.015
7	199	0.012
6	198	0.012
8	183	0.011
*	148	0.009
œ	108	0.006
ï	84	0.005
=	81	0.005
@	72	0.004
+	68	0.004
>	64	0.004
]	56	0.003
[	54	0.003
%	48	0.003
<	47	0.003
&	20	0.001
|	12	0.001
#	11	0.001
$	10	0.001
ë	7	0.000
~	5	0.000

Corpus de Nicolas C.

Statistiques des fréquences des symboles

Ces statistiques ont été calculées en vue d'être utilisés pour le placement des touches, donc ne correspondent pas exactement à des stats pures du corpus utilisés. Liste des traitements effectués :

• regroupement majuscules/minuscules (on cumule les stats de E et de e) ;
• y'a pas de notion de majuscules/minuscules pour la ponctuation, donc on effectue les regroupements suivants (ce sont pas ceux que j'ai utilisé à l'origine, mais ceux qui ont été fait ensuite, j'ai refait les stats en fonction pour avoir des stats à jour pour l'argumentation des permutations) :

 * @@':' -> '.'@@ ;
 * @@'?' -> ','@@ ;
 * @@';' -> "'"@@ ;
 * @@'!' -> @@dead-^ ;

• PAS de regroupement chiffres/symboles ;
• report des stats de âêûîôäëïöü sur aeuio, dead-^ et dead-diaresis

Ce qui donne donc :

lettre	rang	occurence

e	1	229143
s	2	121895
a	3	117758
i	4	116225
t	5	111103
n	6	108812
r	7	100500
u	8	97632
l	9	83668
o	10	83229
d	11	56269
c	12	50003
p	13	46335
m	14	45521
é	15	29206
v	16	24975
,	17	23266
'	18	22965
q	19	20889
f	20	16351
.	21	15843
b	22	13822
g	23	13288
h	24	11298
j	25	8351
à	26	7449
dead-^	27	7225
-	28	6887
x	29	5928
y	30	4725
è	31	4160
"	32	3326
z	33	2093
w	34	1747
)	35	1616
(	36	1506
ç	37	1306
0	38	1173
/	39	1141
ù	40	890
1	41	782
k	42	745
2	43	725
3	44	488
9	45	284
5	46	281
œ	47	256
4	48	235
7	49	199
6	50	198
«	51	191
»	52	187
8	53	183
*	54	148
_	55	107
dead-¨	56	101
=	57	81
@	58	72
+	59	68
>	60	64
]	61	56
[	62	54
%	63	48
<	64	47
¨	65	20
&	66	20
|	67	12
#	68	11
$	69	10
­	70	8
°	71	8
²	72	7
^	73	5
~	74	5
©	75	4
·	76	2
ž	77	1
ð	78	1

Liens externes

• Fréquence des lettres sur lexique.org
• Fréquence des lettres et des bigrammes sur apprendre-en-ligne.net
• Fréquence d'apparition des lettres en français sur wp fr