hellog〜英語史ブログ / 2025-01-18

■ #5745. アルファベットの文字頻度 [corpus][link][alphabet][frequency][statistics][letter_frequency][bnc][morse_code]

　AからZまでのアルファベット文字のなかで，最も頻度の高い文字，低い文字は何か．この文字頻度 (letter_frequency) の話題については，「#308. 現代英語の最頻英単語リスト」 ([2010-03-01-1]) の下部に Letter Frequencies (rankings for various languages) へのリンクを挙げたとおり，様々な言語やコーパスでの順位表が作り出されている．例えば，BNC に依拠すると "etaoinsrhldcumfpgwybvkxjqz" の順位表が得られる．
　Crystal (277) には，The Cambridge Encyclopedia (1st ed.) の全テキスト，150万語をコーパスとした文字頻度表が掲げられている．累積頻度順位 (Cumulative) のみならず，文学，宗教，政治，物理学，化学の各々のテーマごとの頻度や Morse code (morse_code) の頻度も合わせて示されている．以下のグラフは，X軸に沿って累積頻度順 (= "eatinorslhdcmufpgbywvkxjq") に文字を並べ，Y軸を各テーマ内での頻度割合（百分率）としたものである（頻度表はソース HTML を参照）．

　累積頻度順に照らしてテーマごとの特徴を見てみるとと，政治が最も標準的である．文学と政治がそれに続く．標準から遠ざかっていくのが，化学，物理学，そして Morse code となる．
　個々の文字をみると興味深い点が多々ある．相対的に宗教では <h> が多く (holy?) <l> が少ないこと，文学では <w> が多いことは何を意味するのだろうか？　物理学や化学はラテン・ギリシア語系の単語が多く含まれているために，その他一般とは若干異なる文字頻度を示しているのかもしれない．人工的な Morse code は，他のテーマとは目に見えて異なる線を描いていることがわかる．

　・ Crystal, D. The Cambridge Encyclopedia of the English Language. 3rd ed. CUP, 2018.

[ 固定リンク | 印刷用ページ ]