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
- Lexique.org – Fréquence des lettres
- [1]
- [2]