A frequência de letras em um texto tem sido frequentemente estudada para uso em criptografia e análise de frequência em particular. Nenhuma distribuição de frequência de letras exata é subjacente a uma determinada língua, uma vez que todos os escritores escrevem um pouco diferente. As máquinas de linotipo classificaram as frequências das letras, como etaoin shrdlu cmfwyp vbgkqj xz com base na experiência e costume dos escritores manuais na língua inglesa. Da mesma forma, o moderno código Morse Internacional codifica as letras mais frequentes com o menor número de símbolos, organizando o alfabeto Morse em grupos de letras que exigem quantidades iguais de tempo para transmitir, e, em seguida, classificando os grupos em ordem crescente, resultando em uma ordem e it san hurdm wgvlfbk opjxcz yq. Ideias semelhantes são utilizadas em modernas técnicas de compressão de dados, tais como a Codificação de Huffman.
Análises mais recentes mostram que as frequências de letras, da mesma forma que as frequências de palavras, tendem a variar, tanto pelo escritor quanto pelo assunto. Não se pode escrever um ensaio sobre raios-x sem uso frequente de letras Xs, e a redação terá uma frequência de letras especialmente estranha se o ensaio é sobre o uso frequente de raios-x para o tratamento de zebras no Qatar. Diferentes autores têm hábitos que podem ser refletidos no uso das letras. O estilo de escrita de Hemingway, por exemplo, é visivelmente diferente do estilo de Faulkner. Letras, bigramas, trigramas, as frequências de palavras, o comprimento das palavras, e o comprimento das frases pode ser calculados por autor específico, e usados para provar ou negar a autoria dos textos, mesmo para os autores cujos estilos não são tão divergentes.
Uma média precisa de frequências de letras só pode ser adquirida através da análise de uma grande quantidade de textos representativos. Com a disponibilidade da computação moderna e coleções de grandes corpora de texto, esses cálculos são feitos facilmente.
Herbert S. Zim, no seu clássico texto introdutório de criptografia "Codes and Secret Writing", dá a sequência da frequência de letras em Inglês como sendo "ETAON RISHD LFCMU GYPWB VKXJQ Z", os pares de letras mais comuns como sendo "TH HE AN RE ER IN ON AT ND ST ES EN OF TE ED OR TI HI AS TO", e as letras dobradas mais comuns como sendo "LL EE SS OO TT FF RR NN PP CC".Zim, Herbert Spencer. Codes and secret writing(abridged edition). Scholastic Book Services, fourth printing, 1962.Copyright 1948 Herbert S. Zim. Originally published by William Morrow.
Em português do Brasil, a sequência da frequência de letras tende a ser "AEOSR INDMU TCLPV GHQBF ZJXKW Y", com os pares de letras mais comuns "DE RA ES OS AS DO AR CO EN QU ER DA RE CA TA SE NT MA UE TE".
Em português de Portugal, a sequência da frequência de letras tende a ser "AEOSR IDNMU TCLPV HGQBF ZJXKW Y", com os pares de letras mais comuns "DE RA ES OS AS DO AR EN QU ER CO DA SE RE NT UE OR TE MA AN".
As doze letras mais frequentes incluem cerca de 85% do uso total em português. As oito letras mais frequentes incluem cerca de 65% do uso total em português.
A utilização das frequências das letras e análise de frequência desempenha um papel fundamental em vários jogos, incluindo jogo da forca, palavras cruzadas (Scrabble), e criptogramas, entre outros.
A frequência das letras tem um forte impacto na projeção de alguns teclados. Por exemplo, no teclado AZERTY, as letras mais frequentes ficam na linha superior, no teclado Blickensderfer, as letras mais frequentes ficam na linha inferior e, no teclado Simplificado Dvorak, as letras mais frequentes ficam na linha central.
Frequências relativas das letras em português A frequência das letras na língua portuguesa estão listadas abaixo
LetraFrequênciaa14.63%b1.04%c3.88%d4.99%e12.57%f1.02%g1.30%h1.28%i6.18%j0.40%k0.02%l2.78%m4.74%n5.05%o10.73%p2.52%q1.20%r6.53%s7.81%t4.34%u4.63%v1.67%w0.01%x0.21%y0.01%z0.47%
Frequências relativas das letras na língua inglesa right|380px|thumbnail|Frequências relativas das letras em textos. (língua inglesa) right|380px|thumbnail|Frequências relativas das letras ordenadas por frequência. (língua inglesa) A frequência das letras na língua inglesa estão listadas abaixo.
No entanto, esta tabela é um pouco diferente de outras, como a do Projeto da Universidade de Cornell Math Exploreresta tabela que avaliou mais de 40 000 palavras.
LetraFrequênciaa8.167%b1.492%c2.782%d4.253%e12.702%f2.228%g2.015%h6.094%i6.966%j0.153%k0.772%l4.025%m2.406%n6.749%o7.507%p1.929%q0.095%r5.987%s6.327%t9.056%u2.758%v0.978%w2.360%x0.150%y1.974%z0.074%
Em Inglês, o espaço é ligeiramente mais frequente do que a letra com mais frequência (7% mais frequentes do que, ou 107% mais frequente em relação à letra, e), e os caracteres não alfabéticos (dígitos, pontuação, etc) ocupam a quarta posição, entre t e a.Lee, E. Stewart; Essays about Computer Security; University of Cambridge Computer Laboratory, p. 181
Frequências relativas das primeiras letras de uma palavra no idioma inglês e português Frequências de aparecimento como primeira letra de uma palavra:Calculado a partir de "Seleções do Projeto Gutenberg" disponível a partir de NLTK Corpora LetraFrequênciaa11.602%b4.702%c3.511%d2.670%e2.000%f3.779%g1.950%h7.232%i6.286%j0.631%k0.690%l2.705%m4.374%n2.365%o6.264%p2.545%q0.173%r1.653%s7.755%t16.671%u1.487%v0.619%w6.661%x0.005%y1.620%z0.050%
Frequências relativas das letras em outros idiomas thumb|right|175px|Frequência de uso de letras em espanhol
LetraFrancês Alemão Albrecht Beutelspacher, Kryptologie, 7. Aufl., Wiesbaden: Vieweg Verlagsgesellschaft, 2005, ISBN 3-8348-0014-7, p.10Espanhol Fletcher Pratt, Secret and Urgent: the Story of Codes and Ciphers Blue Ribbon Books, 1939, pp. 254-255.Português Esperanto ItalianoSimon Singh, Codici e Segreti, 1999, RCS, ISBN 88-17-12539-3TurcoSuecoSimon Singh, Kodboken, 1999, Norstedts, ISBN 91-1-1300708-4PolonêsWstęp do kryptologii, counting [space] 17.2%, [dot point] 0.9%, [comma] 0.9% and [semicolon] 0.5%Toki Pona Holandês a7.636%6.51%12.53%14.63%12.12%11.74%11.68%9.3%8.0%17.2%7.49%b0.901%1.89%1.42%1.04%0.98%0.92%2.95%1.3%1.3%0.0%1.58%c3.260%3.06%4.68%3.88%0.78%4.5%0.97%1.3%3.8%0.0%1.24%d3.669%5.08%5.86%4.99%3.04%3.73%4.87%4.5%3.0%0.0%5.93%e14.715%17.40%13.68%12.57%8.99%11.79%9.01%9.9%6.9%7.4%18.91%f1.066%1.66%0.69%1.02%1.03%0.95%0.44%2.0%0.1%0.0%0.81%g0.866%3.01%1.01%1.30%1.17%1.64%1.34%3.3%1.0%0.0%3.40%h0.737%4.76%0.70%1.28%0.38%1.54%1.14%2.1%1.0%0.0%2.38%i7.529%7.55%6.25%6.18%10.01%11.28%8.27%*5.1%7.0%14.8%6.50%j0.545%0.27%0.44%0.40%3.50%0.00%0.01%0.7%1.9%3.0%1.46%k0.049%1.21%0.01%0.02%4.16%0.00%4.71%3.2%2.7%5.1%2.25%l5.456%3.44%4.97%2.78%6.14%6.51%5.75%5.2%3.1%10.2%3.57%m2.968%2.53%3.15%4.74%2.99%2.51%3.74%3.5%2.4%4.4%2.21%n7.095%9.78%6.71%5.05%7.96%6.88%7.23%8.8%4.7%11.6%10.03%o5.378%2.51%8.68%10.73%8.78%9.83%2.45%4.1%7.1%7.7%6.06%p3.021%0.79%2.51%2.52%2.74%3.05%0.79%1.7%2.4%3.7%1.57%q1.362%0.02%0.88%1.20%0.00%0.51%00.007%-0.0%0.009%r6.553%7.00%6.87%6.53%5.91%6.37%6.95%8.3%3.5%0.0%6.41%s7.948%7.27%7.98%7.81%6.09%4.98%2.95%6.3%3.8%4.1%3.73%t7.244%6.15%4.63%4.34%5.27%5.62%3.09%8.7%2.4%4.6%6.79%u6.311%4.35%3.93%4.63%3.18%3.01%3.43%1.8%1.8%3.2%1.99%v1.628%0.67%0.90%1.67%1.90%2.10%0.98%2.4%-0.0%2.85%w0.114%1.89%0.02%0.01%0.00%0.00%00.03%3.6%2.8%1.52%x0.387%0.03%0.22%0.21%0.00%0.00%00.1%-0.0%0.04%y0.308%0.04%0.90%0.01%0.00%0.00%3.37%0.6%3.2%0.0%0.035%z0.136%1.13%0.52%0.47%0.50%0.49%1.50%0.02%5.1%0.0%1.39%à0.486%00ver a0ver a00.0%0-ver aå00000001.6%0--ä0-000002.1%0-ver aą0-000000ver a--œ0.018%00000000--ç0.085%00ver c001.26%00--ĉ00000.66%0000--ć0-000000ver c--è0.271%0000ver e00.0%0-ver eé1.904%00ver e0ver e00.0%0-ver eê0.225%00ver e00000--ë0.000%00000000-ver eę0-000000see e--ĝ00000.69%0000--ğ0000001.13%00--ĥ00000.02%0000--î0.045%000000000-ì00000see i000-see iï0.005%00000000-ver iı0000005.20%*00--ĵ00000.12%0000--ł0-000000ver l--ñ000.31%000000--ń0-000000ver n--ò00000ver o000-ver oö0-00000.87%1.5%0-ver oó0-0ver o0000ver o-ver oŝ00000.38%0000--ş0000001.94%00--ś0-000000ver s--ß00.31%0000000--ù0.058%0000ver u000-ver uŭ00000.52%0000--ü0-00001.99%00-ver uź0-000000ver z--ż0-0000000.7%--
Com base nessas tabelas, os resultados do 'etaoin shrdlu'-equivalente para cada idioma é o seguinte: Francês: 'esait nrulo'; (Indo-Europeu: Românico; tradicionalmente, 'esartinulop' é utilizada, em parte por sua facilidade de pronúnciaPerec, Georges; Alphabets; Éditions Galilée, 1976) Espanhol: 'eaosr nidlc'; (Indo-Europeu: Românico) Português: 'aeosr indmt' (Indo-Europeu: Românico) Italiano: 'eaion lrtsc'; (Indo-Europeu: Românico) Esperanto: 'aieon lsrtk' (Língua planejada – influenciada por línguas indo-européias, Românico, Germanico em sua maioria) Alemão: 'enisr atdhu'; (Indo-Europeu: Germanico) Sueco: 'eantr slido'; (Indo-Europeu: Germanico) Turco: 'aeinr ldkmu'; (Turkic: uma língua não indo-européia) Holandês: 'enati rodsl'; (Indo-Europeu: Germanico) Polaco: 'aoiez nscwr'; (Indo-Europeu: Eslavo)
Todas estas línguas usam um alfabeto basicamente similar de 25+ caracteres alfabéticos.
Ver também Linguística de corpus Análise de frequência Linotipo Scrabble
Ligações externas Um sítio com conteúdo sobre Matemática criptográfica por Robert Edward Lewand Alguns exemplos de classificação de frequência de letras em algumas linguagens comuns Aplicação Java para a construção de frequências de letras de um arquivo de texto Uma lista curta de frequências de letras Frequências de letras para vários idiomas
Categoria:Escrita Categoria:Sistemas de escrita