Literofteco

El Vikipedio, la libera enciklopedio
(Alidirektita el Ofteco de Esperantaj Literoj)
Saltu al: navigado, serĉo

Literofteco estas la ofteco de la diversaj literoj de la alfabeto en teksto. Tia ofteco ege varias — unue de litero al litero ene de la apliko de specifa alfabeto por specifa lingvo, due la literoftecoj range malsamas de lingvo al lingvo. Ekzemple en Esperantaj tekstoj la plej ofta litero estas A. Tre malofta estas aliflanke la litero Ĥ. Kontraste, en Anglaj kaj Francaj[1] tekstoj la plej ofta litero estas E. Do oni devas pritrakti literoftecon por ĉiu lingvo aparte.

Graveco[redakti | redakti fonton]

Parto de la ĉifraĵo en La dancantoj

Koni la literoftecon de lingvo estas utile, se oni volas malĉifri tre simplan litersubstituan ĉifron. La angla aŭtoro Arthur Conan Doyle lasas sian protagoniston Sherlock Holmes en la rakonto La aventuro de la dancantoj[Vidu 1] fari ĝuste tion.

La saman malĉifradan metodon oni povas apliki por solvi la proverboĉifrojn, kiuj iam kaj iam aperas en kelkaj E-gazetoj, ekz. Monato, La Gazeto. Tie kaŝiĝas konata proverbo malantaŭ simpla litersubstitua kodo. Jen ekzemplo: Ω▼♀☺♣€₤ €→ †☼♂₤ #₤♫→§@☼Ø♣± €→ ∩ #♣Ω₤

Aldone estas menciinde, ke la Morsa kodo baziĝas sur la Anglaj literoftecoj. Pro tio la plej mallongdaŭra kodero — unusola punkto — estas uzata por la ege ofta litero E. Post tio venas — unusola streko — por T.

Literofteco rolis ankaŭ en la presado. En la epoko de pure meĥanika relieftipa presado la fakoj de la kompostkesto por la oftaj literoj devis enteni pli da tipoj por ĉiam povi komposti tutan paĝon. Do ĉiu tiama kompostisto tre konsciis pri literofteco.

Plie, literofteco rolas en la stenografio kaj, pli moderne, ĝi rolas — aŭ almenaŭ devus roli — en la aranĝo de klavaro por tajpi. Klavoj por oftaj literoj prefere troviĝu ie meze. La Dvoraka klavaro kaj kelkaj tiel nomataj ergonomiaj klavaroj strebas ĉi-direkte. Ili klopodas, interalie, per pli konvena klavarfasono helpi eviti la trouzan manartikan malsanon, je kiu multskribantoj ofte suferas.

Komputile, ankaŭ programetoj celantaj kunpremi tekstdosierojn atentas pri literofteco – aŭ ĉi-kaze, eble pli trafe – pri signo-ofteco.

Ludo Pendigisto

Ankaŭ lude literofteco havas sian lokon. Kiel fabrikanto de la ludo Skrablo oni elektu la nombron da tegetoj laŭ ofteco kaj simile la nombron da poentoj por litertegeto laŭ malofteco. Lastvice, tiu, kiu ludas Pendigiston[Vidu 2] kaj parkere scias la oftecrangon de la literoj, povos ĉiam senpene pendigi sian tutan amikaron, mem divenante ĉiun prezentitan vorton.

Por kalkuli la oftecon de ĉiu litero, oni evidente devas nombri la ĉeestojn de ĉiu litero de la alfabeto en tre longa teksto — fakte, prefere en granda aro de tekstoj. Tiuj konsistigas la tekstkorpuson — do la specimenon esplorotan. Hodiaŭ oni faras tion ne plu permane, sed per komputilo.


Esperanto[redakti | redakti fonton]

Literofteco[redakti | redakti fonton]

Grafikaĵo montranta oftecon de literoj en Esperanto laŭ studoj de Pejno Simono, Ottó Haszpra kaj David G. Simpson, kaj averaĝan oftecon kalkulitan laŭ tiuj tri studoj.

Literofteco de la esplorata tekstkorpuso de Pejno Simono.

La sondaĵo de Pejno Simono efektiviĝis baze de la Esperanta enhavo en liaj tiamaj retejo kaj laborkomputilo ĉirkaŭ la jaro 2000. Jen dekstre troviĝas la ofteco en elcentoj en specimeno de 355 381 literoj. Ĝi entenis ĉefe artikolojn kaj rakontojn por la revuo Monato kaj por la tiama retejo (el Retarkivo 2005). Pro tio aperis ankaŭ ne-Esperantaj literoj en la specimeno.

Tiutempe la aŭtoro kontrolis iomete hazarde ankaŭ kelkajn aliajn tekstkorpusojn. Estis notinde kaj sufiĉe surprize, ke signifikaj literfrekvencaj varioj konstatebliĝas de specimeno al specimeno. Oni povas supozi, ke tio rilatas al la stilo de la lingvaĵo uzata en la specimeno. Lingvaĵa stilo kun multaj participoj kaj stilo kun multe da "kiu-kiam-dum" liveros malsametajn rezultojn. Eble tiu stildependa variemo estas eksklude Esperanta propraĵo sekve de ties regulaj finaĵoj por la respektivaj gramatikaj frazeroj. Tiu ĉi fenomeno sendube meritus pluan sciencan esploron.

Por la matematikistoj inter la legantoj, jen la konfidintervaloj por kelkaj oftecoj.

Konfidintervaloj je 95% por kelkaj diversaj niveloj de verŝajneco.

La interpreto de la maldekstra tabelo pri la konfidintervaloj malsekretas, ke la valoroj por R, S, L kaj T estas tiel proksimaj, ke oni ne povas fidi pri la ekzakta vicordo de la kvar.

Alivorte neniu vere scias, ĉu R range gajnas super S, aŭ S super R. Ĝuste pro tiaj necertecoj statistikistoj, kaj antaŭ ĉio ties komisiintoj, ne ĉiam emas publikigi konfidintervalojn apud siaj rezultoj.

Apenaŭ diverĝanta statistiko troviĝas en Informadika Aspekto de Interlingvisto, plume de LIU Haitao baze de specimeno kun 496 196 literoj. La aŭtoro prezentas la sekvan tabelon pruntitan de Ottó Haszpra :

a 12,59 s 5,91 j 2,71 ĉ 0,67
i 9,36 t 5,50 v 1,87 z 0,52
e 8,99 k 4,22 g 1,28 ŭ 0,51
o 8,80 u 3,36 b 1,15 h 0,50
n 7,79 m 3,06 f 1,09 ŝ 0,35
l 6,24 d 3,04 c 0,85 ĵ 0,15
r 5,97 p 2,82 ĝ 0,69 ĥ 0,01

La plej grandan specimenon — kun ĉirkaŭ 21 647 000 literoj — esploris David G. Simpson en la jaro 2007 baze de granda tekstaro en la retejo de Bertilo Wennergren (Bertilo). La rezultoj kunmontriĝas en la diagramo komence de tiu ĉi artikolo. Ĝi liveris similajn valorojn.

Oni konstatu, ke depende de la specimenoj la precizaj valoroj varias de aŭtoro al aŭtoro.

Vortkomenca literofteco[redakti | redakti fonton]

La literofteco de la vortkomencaj literoj normalokaze konsiderinde diverĝas de la ĝenerala literofteco. Por Esperanto en 2012 ĉi-tema statistikaĵo ne estis Interrete trovebla. Oni povas supozi tamen, ke la maloftaj literoj Ĉ kaj Ĝ pli ofte ĉeestas ol ĝenerale pro la ofteco de la vortoj ĉu, ĉiu, ĉi kaj ĝi. Jen rapida esploro[noto 1] de duone malnoveca beletra kaj duone revua tekstkorpuso.

Vortkomencaj literoj
litero nombro probablo
K 35256 12.05%
 
L 33874 11.58%
 
E 22972 7.85%
 
P 22799 7.79%
 
D 21106 7.21%
 
M 19160 6.55%
 
S 18658 6.38%
 
A 17779 6.08%
 
T 14065 4.81%
 
N 11884 4.06%
 
V 10512 3.59%
 
F 8597 2.94%
 
I 8058 2.75%
 
R 7802 2.67%
 
Ĉ 6081 2.08%
 
B 5445 1.86%
 
Ŝ 4735 1.62%
 
O 4633 1.58%
 
H 4207 1.44%
 
J 3974 1.36%
 
G 3153 1.08%
 
Ĝ 2586 0.88%
 
U 2455 0.84%
 
C 1611 0.55%
 
Z 333 0.11%
 
Ĵ 317 0.11%
 
W 268 0.09%
 
Ĥ 144 0.05%
 
Y 46 0.02%
 
X 34 0.01%
 
Q 9 0.00%
Ŭ 8 0.00%
El 292561 vortoj

Vortfina literofteco[redakti | redakti fonton]

La literofteco de la vortfinaj literoj normalokaze konsiderinde diverĝas de la ĝenerala literofteco. Por Esperanto en 2012 ĉi-tema statistikaĵo ne estis Interrete trovebla. Oni povas supozi tamen, ke la literoj A, E, I, J, L, M, N, O, S, U, kaj Ŭ estas plej oftaj. Ekzistas apenaŭ vortoj en teksto, kiuj ne tiel finiĝas. Jen rapida esploro[noto 1] de duone malnoveca kaj duone revua tekstokorpuso.

Vortfinaj literoj
litero nombro probablo
A 44736 15.29%
 
O 41269 14.11%
 
N 37089 12.68%
 
J 35399 12.10%
 
S 33370 11.41%
 
E 32608 11.15%
 
I 25295 8.65%
 
L 9524 3.26%
 
R 8766 3.00%
 
U 7730 2.64%
 
Ŭ 4616 1.58%
 
M 4293 1.47%
 
D 2250 0.77%
 
T 1627 0.56%
 
K 838 0.29%
 
Ĉ 527 0.18%
 
B 472 0.16%
 
F 380 0.13%
 
P 300 0.10%
 
G 259 0.09%
 
Y 214 0.07%
 
V 210 0.07%
 
H 178 0.06%
 
W 168 0.06%
 
C 154 0.05%
 
Z 123 0.04%
 
Ĥ 80 0.03%
 
X 41 0.01%
 
Ŝ 19 0.01%
 
Ĝ 13 0.00%
Ĵ 13 0.00%
El 292561 vortoj

Evidente okaze de Esperanto kun ĝiaj regulaj gramatikaj finaĵoj vortfina literofteco kaj senfinaĵa radikfina literofteco apenaŭ interrilatas.

Vortlongo[redakti | redakti fonton]

Ankaŭ pri la distribuo de vortlongoj estis en la jaro 2012 nenie trovebla Interrete. Mallonga esploro[noto 1] tamen liveras la sekvantan bildon. Tre interesa estas la intermonto ĉe la longo 4.

La longegaj vortoj nombritaj estis de facto ne Esperantaj vortoj. Temis pri Germanaj vortoj, kiuj aperis en iuj adresoj en la revuo Monato, kiu konsistigis parton de la korpuso.

Vortlongoj
longo nombro probablo
2 72841 24.90%
 
3 48607 16.61%
 
4 27408 9.37%
 
5 38472 13.15%
 
6 28373 9.70%
 
7 26217 8.96%
 
8 20119 6.88%
 
9 13123 4.49%
 
10 7978 2.73%
 
11 4403 1.50%
 
12 2285 0.78%
 
13 1352 0.46%
 
14 672 0.23%
 
15 328 0.11%
 
16 132 0.05%
 
17 52 0.02%
 
18 64 0.02%
 
19 39 0.01%
 
20 24 0.01%
 
21 17 0.01%
 
22 2 0.00%
23 1 0.00%
24 1 0.00%
28 1 0.00%
29 1 0.00%
El 292561 vortoj, mezuma vortlongo 4.85 literoj

Korpusoj[redakti | redakti fonton]

Rilate Esperanton estus eble aserti — kiom da korpusoj, tiom da rezultoj. Alivorte la literoftecoj dependas de la enhavo — do stilo kaj temo — de la esplorata korpuso. En Interreto estas plej ofte nur antikvaj senkopirajtaj tekstoj elŝuteblaj. Ne haveblaj estas tekstoj el modernaj revuoj. Aldone la skalo de temoj pritraktataj ne estas tre vasta.

Elstara ekzemplo de diverĝo estas la Esperanta traduko de Robinsono Kruso[2] En tiu sufiĉe ampleksa libro la plej ofta litero estas I kaj ne la A, kiun la plej multaj esplorantoj jam trovis baze de aliaj aŭ pli grandaj korpusoj. Unuavide tio estas pro tio, ke la pronomoj mi, li, ni kaj ili ege abundas ĉi-romane. Evidente, romano kun multe da dialogo — do tre oftaj frazoj kiel li diris — devas liveri aliajn rezultojn ol ekzemple scienca studo, kie la vorto mi tute ne okazas.

Surprize estas, ke la facile atingeblaj longegaj tekstoj tiugrade statistike diverĝas, ke tio influas eĉ la ĝeneralan literoftecon.

Aliaj Latinalfabetaj lingvoj[redakti | redakti fonton]

Literoftecoj[redakti | redakti fonton]

Jen grafikaĵo kaj ordigebla tabelo de la oftecoj de pluraj lingvoj.[Vidu 3]

La grafikaĵo montras la oftecon en 12 lingvoj de literoj laŭ la suba tabelo ordigitaj laŭ plej oftaj literoj entute. En unua linio aperas la 26 bazaj latinaj literoj. En dua linio aliaj literoj kun kromsignoj. En la pola literoj kun kromsignoj estas kalkulitaj kun la responda baza litero (ekzemple ł kun l )

Litero esperanta [3] hispana [4] portugala [5] itala [6] franca [7] angla germana [8] nederlanda [9] sveda [10] pola [11] turka finna [12]
a 12.12% 12.53% 14.63% 11.74% 7.636% 8.167% 6.51% 7.49% 9.3% 8.0% 11.68% 11.9%
b 0.98% 1.42% 1.04% 0.92% 0.901% 1.492% 1.89% 1.58% 1.3% 1.3% 2.95% 0.06%
c 0.78% 4.68% 3.88% 4.5% 3.260% 2.782% 3.06% 1.24% 1.3% 3.8% 0.97% 0.04%
d 3.04% 5.86% 4.99% 3.73% 3.669% 4.253% 5.08% 5.93% 4.5% 3.0% 4.87% 0.85%
e 8.99% 13.68% 12.57% 11.79% 14.715% 12.702% 17.40% 18.91% 9.9% 6.9% 9.01% 8.21%
f 1.03% 0.69% 1.02% 0.95% 1.066% 2.228% 1.66% 0.81% 2.0% 0.1% 0.44% 0.06%
g 1.17% 1.01% 1.30% 1.64% 0.866% 2.015% 3.01% 3.40% 3.3% 1.0% 1.34% 0.13%
h 0.38% 0.70% 1.28% 1.54% 0.737% 6.094% 4.76% 2.38% 2.1% 1.0% 1.14% 1.83%
i 10.01% 6.25% 6.18% 11.28% 7.529% 6.966% 7.55% 6.50% 5.1% 7.0% 8.27%[a] 10.64%
j 3.50% 0.44% 0.40% 0.00% 0.545% 0.153% 0.27% 1.46% 0.7% 1.9% 0.01% 1.91%
k 4.16% 0.01% 0.02% 0.00% 0.049% 0.772% 1.21% 2.25% 3.2% 2.7% 4.71% 5.34%
l 6.14% 4.97% 2.78% 6.51% 5.456% 4.025% 3.44% 3.57% 5.2% 3.1% 5.75% 5.68%
m 2.99% 3.15% 4.74% 2.51% 2.968% 2.406% 2.53% 2.21% 3.5% 2.4% 3.74% 3.30%
n 7.96% 6.71% 5.05% 6.88% 7.095% 6.749% 9.78% 10.03% 8.8% 4.7% 7.23% 8.67%
o 8.78% 8.68% 10.73% 9.83% 5.378% 7.507% 2.51% 6.06% 4.1% 7.1% 2.45% 5.24%
p 2.74% 2.51% 2.52% 3.05% 3.021% 1.929% 0.79% 1.57% 1.7% 2.4% 0.79% 1.74%
q 0.00% 0.88% 1.20% 0.51% 1.362% 0.095% 0.02% 0.009% 0.007% - 0 0.00%
r 5.91% 6.87% 6.53% 6.37% 6.553% 5.987% 7.00% 6.41% 8.3% 3.5% 6.95% 2.32%
s 6.09% 7.98% 7.81% 4.98% 7.948% 6.327% 7.27% 3.73% 6.3% 3.8% 2.95% 7.85%
t 5.27% 4.63% 4.74% 5.62% 7.244% 9.056% 6.15% 6.79% 8.7% 2.4% 3.09% 9.77%
u 3.18% 3.93% 4.63% 3.01% 6.311% 2.758% 4.35% 1.99% 1.8% 1.8% 3.43% 5.06%
v 1.90% 0.90% 1.67% 2.10% 1.628% 0.978% 0.67% 2.85% 2.4% - 0.98% 2.52%
w 0.00% 0.02% 0.01% 0.00% 0.114% 2.360% 1.89% 1.52% 0.03% 3.6% 0 0.01%
x 0.00% 0.22% 0.21% 0.00% 0.387% 0.150% 0.03% 0.04% 0.1% - 0 0
y 0.00% 0.90% 0.01% 0.00% 0.308% 1.974% 0.04% 0.035% 0.6% 3.2% 3.37% 1.79%
z 0.50% 0.52% 0.47% 0.49% 0.136% 0.074% 1.13% 1.39% 0.02% 5.1% 1.50% 0
à 0 0 vidu a vidu a 0.486% 0 0 vidu a 0.0% 0 0 0
å 0 0 0 0 0 0 0 - 1.6% 0 0 0.00%
ä 0 0 0 0 0 0 - vidu a 2.1% 0 0 4.59%
ą 0 0 0 0 0 0 - 0 vidu a 0 0 0
œ 0 0 0 0 0.018% 0 0 - 0 0 0 0
ç 0 0 vidu c 0 0.085% 0 0 - 0 0 1.26% 0
ĉ 0.66% 0 0 0 0 0 0 - 0 0 0 0
ć 0 0 0 0 0 0 - 0 0 0 0 0
è 0 0 0 vidu e 0.271% 0 0 vidu e 0.0% 0 0 0
é 0 0 vidu e vidu e 1.904% 0 0 vidu e 0.0% 0 0 0
ê 0 0 vidu e 0 0.225% 0 0 - 0 0 0 0
ë 0 0 0 0 0.001% 0 0 vidu e 0 0 0 0
ę 0 0 0 0 0 0 - 0 0 0 0 0
ĝ 0.69% 0 0 0 0 0 0 - 0 0 0 0
ğ 0 0 0 0 0 0 0 - 0 0 1.13% 0
ĥ 0.02% 0 0 0 0 0 0 - 0 0 0 0
î 0 0 0 0 0.045% 0 0 - 0 0 0 0
ì 0 0 0 vidu i 0 0 0 vidu i 0 0 0 0
ï 0 0 0 0 0.005% 0 0 vidu i 0 0 0 0
ı 0 0 0 0 0 0 0 - 0 0 5.20%[13] 0
ĵ 0.12% 0 0 0 0 0 0 - 0 0 0 0
ł 0 0 0 0 0 0 - 0 0 0 0 0
ñ 0 0.31% 0 0 0 0 0 - 0 0 0 0
ń 0 0 0 0 0 0 - 0 0 0 0 0
ò 0 0 0 vidu o 0 0 0 vidu o 0 0 0 0
ö 0 0 0 0 0 0 - vidu o 1.5% 0 0.87% 0.49%
ó 0 0 vidu o 0 0 0 - vidu o 0 vidu o 0 0
ŝ 0.38% 0 0 0 0 0 0 0 - 0 0 0
ş 0 0 0 0 0 0 0 - 0 0 1.94% 0
ś 0 0 0 0 0 0 - 0 0 0 0 0
ß 0 0 0 0 0 0 0.31% - 0 0 0 0
ù 0 0 0 vidu u 0.058% 0 0 vidu u 0 0 0 0
ŭ 0.52% 0 0 0 0 0 0 - 0 0 0 0
ü 0 0 0 0 0 0 - vidu u 0 0 1.99% 0
ź 0 0 0 0 0 0 - - 0 vidu z 0 0
ż 0 0 0 0 0 0 - - 0 0.7% 0 0

Pliaj lingvoj estas troveblaj ĉe la Retejo de Stefan Trost Media. Tiuj baziĝas sur esploroj de korpusoj por testi Unikodon.

Literrangoj[redakti | redakti fonton]

Jen la literranga vicordo de la unuaj dek plej oftaj literoj en kelkaj lingvoj.[Vidu 3]

Lingvo vicordo Branĉo Familio
esperanta aieon lsrtk Planlingvo Ĉefe influita de Latinidaj, Ĝermanaj lingvoj
angla etaoin shrdlu Hindeŭropa Ĝermana
franca esait nrulo[14] Latinida
hispana eaosr nidlc
portugala aeosr indmt
itala eaion lrtsc
germana enisr atdhu Ĝermana
sveda eantr slido
nederlanda [15] enati rodsl
pola aoiez nscwr Slava
turka aeinr ldkmu Altaja Tjurka
finna aitne sloku Urala Finno-ugra

Ĉiuj ĉi lingvoj aplikas similan alfabeton el 25 literoj aŭ iom pli.

Vortkomencaj literoftecoj[redakti | redakti fonton]

La Angla lingvo[redakti | redakti fonton]

Jen la oftoj de specifa litero vortkomence por la Angla lingvo.[16] Por ordigi alklaku la respektivan titolon de la kolumno.

Litero Proporcia ofteco de la vortkomenca litero de Angla vorto
a 11.602%
 
b 4.702%
 
c 3.511%
 
d 2.670%
 
e 2.000%
 
f 3.779%
 
g 1.950%
 
h 7.232%
 
i 6.286%
 
j 0.631%
 
k 0.690%
 
l 2.705%
 
m 4.374%
 
n 2.365%
 
o 6.264%
 
p 2.545%
 
q 0.173%
 
r 1.653%
 
s 7.755%
 
t 16.671%
 
u 1.487%
 
v 0.619%
 
w 6.661%
 
x 0.005%
 
y 1.620%
 
z 0.050%
 

Notinda estas la diverĝo inter la vortkomenca literofteco kaj la ĝenerala literofteco.

Vortfinaj literoftecoj[redakti | redakti fonton]

La Angla lingvo[redakti | redakti fonton]

Denove, nur por la Angla kaj nur proksimume.

Vortfina literofteco en Angla vorto.[17]

Ofto Unua litero
17 E
11 T
10 D
9 N, S
8 R, Y
6 F, L
4 G, O
2 H
1 A, K, M, P, U, W
0 B, C, I, J, Q, V, X, Z

La tabelo eldiras, ke ekzemple la litero E 17-oble pli oftas ol ekzemple la litero A en la fina pozicio de vorto. La literoj sur la ŝtupo 0 praktike neniam finvorte ĉeestas.

Notinda estas la diverĝo inter la vortfina literofteco kaj la ĝenerala literofteco.

Vortlongoj[redakti | redakti fonton]

La mezumaj vortlongoj de diversaj lingvoj estas troveblaj tie ĉi: Wordlengths (el Retarkivo 2007).

La aŭtoro donas la valoron 5.10 por la Angla kaj, inter multaj aliaj lingvoj, la valoron 5.23 por Esperanto. Bedaŭrinde ne estas klare, kiel nomiĝas la aŭtoro kaj same ne estas klare, kiel grandaj estis la analizitaj tekstkorpusoj — laŭŝajne temas pri tiamaj testtekstoj por provi Unikodon.[18]

Temas pri tre interesa komparo inter ĉirkaŭ 300 lingvoj, pluraj kun nelatinbazaj alfabetoj.

Ne-Latinalfabetaj lingvoj[redakti | redakti fonton]

Literoftecoj[redakti | redakti fonton]

La Rusa lingvo[redakti | redakti fonton]

La tabelo sube eniĝis danke al Stefan Trost. La listo kreiĝis per Unikoda Nombrilo, funkcio integrigita en "WordCreator". La esploro baziĝis sur korpuso kun 1.351.370 signoj, (210.844 vortoj), el kiuj 1.086.255 literoj nombriĝis por la tabelo.[19] Baze de aliaj korpusoj evidente la valoroj povos iomete varii.

La tabelo maldekstra ordiĝas laŭ la alfabeto, la tabelo dekstra laŭ la ofteco de la literoj. Do, la literoj O, E kaj A estas la plej oftaj literoj en la Rusa lingvo.

Laŭ alfabeto   Laŭ ofto
Litero Ofto
А 7,50%
Б 2,01%
В 4,33%
Г 1,72%
Д 3,09%
Е 8,50%
Ё 0,20%
Ж 1,01%
З 1,48%
И 7,09%
Й 1,21%
К 3,30%
Л 4,96%
М 3,10%
Н 6,70%
О 11,07%
П 2,47%
Р 4,33%
С 4,97%
Т 5,97%
У 2,22%
Ф 0,21%
Х 0,95%
Ц 0,39%
Ч 1,40%
Ш 0,72%
Щ 0,30%
Ъ 0,02%
Ы 2,36%
Ь 1,84%
Э 0,36%
Ю 0,47%
Я 1,96%
 
Litero Ofto
О 11,07%
Е 8,50%
А 7,50%
И 7,09%
Н 6,70%
Т 5,97%
С 4,97%
Л 4,96%
В 4,33%
Р 4,33%
К 3,30%
М 3,10%
Д 3,09%
П 2,47%
Ы 2,36%
У 2,22%
Б 2,01%
Я 1,96%
Ь 1,84%
Г 1,72%
З 1,48%
Ч 1,40%
Й 1,21%
Ж 1,01%
Х 0,95%
Ш 0,72%
Ю 0,47%
Ц 0,39%
Э 0,36%
Щ 0,30%
Ф 0,21%
Ё 0,20%
Ъ 0,02%

La Greka lingvo[redakti | redakti fonton]

La tabelo sube eniĝis danke al Stefan Trost. La listo kreiĝis per Unikoda Nombrilo, funkcio integrigita en "WordCreator". La esploro baziĝis sur korpuso kun 1.442.382 signoj (235.614 vortoj), el kiuj 1.161.745 literoj nombriĝis por la tabelo.[20] Baze de aliaj korpusoj evidente la valoroj povos iomete varii.

La tabelo maldekstra ordiĝas laŭ la alfabeto, la tabelo dekstra laŭ la ofteco de la literoj. Do, la literoj A, O kaj E estas la plej oftaj literoj en la Greka lingvo.

Laŭ alfabeto   Laŭ ofto
Litero Ofto
Α 12,63%
Β 0,64%
Γ 1,62%
Δ 1,55%
Ε 8,95%
Ζ 0,31%
Η 4,56%
Θ 1,16%
Ι 8,80%
Κ 3,59%
Λ 2,54%
Μ 3,27%
Ν 5,90%
Ξ 0,42%
Ο 9,2%
Π 3,95%
Ρ 4,12%
Σ 6,67%
Τ 7,61%
Υ 3,91%
Φ 0,72%
Χ 1,23%
Ψ 0,15%
Ω 1,94%
 
Litero Ofto
Α 12,63%
Ο 9,20%
Ε 8,95%
Ι 8,80%
Τ 7,61%
Σ 6,67%
Ν 5,90%
Η 4,56%
Ρ 4,12%
Π 3,95%
Υ 3,91%
Κ 3,59%
Μ 3,27%
Λ 2,54%
Ω 1,94%
Γ 1,62%
Δ 1,55%
Χ 1,23%
Θ 1,16%
Φ 0,72%
Β 0,64%
Ξ 0,42%
Ζ 0,31%
Ψ 0,15%

La Hebrea lingvo[redakti | redakti fonton]

La tabelo sube eniĝis danke al Stefan Trost. La listo kreiĝis per Unikoda Nombrilo, funkcio integrigita en "WordCreator". La esploro baziĝis sur korpuso kun 1.230.923 signoj (279.679 vortoj), el kiuj 937.426 literoj nombriĝis por la tabelo.[21] Baze de aliaj korpusoj evidente la valoroj povos iomete varii.

La tabelo maldekstra ordiĝas laŭ la alfabeto, la tabelo dekstra laŭ la ofteco de la literoj. Do, la literoj י ה kaj ו estas la plej oftaj literoj en la Hebrea lingvo.

Laŭ alfabeto   Laŭ ofto
Litero Ofto
א 6,11%
ב 4,57%
ג 1,26%
ד 2,49%
ה 10,48%
ו 10,01%
ז 1,28%
ח 2,39%
ט 1,19%
י 10,67%
ך 0,78%
כ 2,60%
ל 7,12%
ם 2,92%
מ 4,43%
ן 1,06%
נ 2,76%
ס 1,43%
ע 3,11%
ף 0,26%
פ 1,63%
ץ 0,12%
צ 1,20%
ק 2,06%
ר 5,40%
ש 4,25%
ת 4,84%
 
Litero Ofto
י 11,03%
ה 10,84%
ו 10,35%
ל 7,36%
א 6,32%
ר 5,59%
ת 5,00%
ב 4,73%
מ 4,58%
ש 4,39%
ע 3,22%
ם 3,02%
נ 2,85%
כ 2,69%
ד 2,58%
ח 2,47%
ק 2,13%
פ 1,68%
ס 1,48%
ז 1,32%
ג 1,30%
צ 1,24%
ט 1,23%
ן 1,09%
ך 0,81%
ף 0,27%
ץ 0,12%

La Hindia lingvo[redakti | redakti fonton]

La tabelo sube eniĝis danke al Stefan Trost. La listo kreiĝis per Unikoda Nombrilo, funkcio integrigita en "WordCreator". La esploro baziĝis sur korpuso kun 978.430 signoj (238.604 vortoj), el kiuj 736.216 literoj nombriĝis por la tabelo.[22] Baze de aliaj korpusoj evidente la valoroj povos iomete varii.

La tabelo maldekstra ordiĝas laŭ la alfabeto, la tabelo dekstra laŭ la ofteco de la literoj. Do, la literoj ा, क and े estas la plej oftaj literoj en la Hindia lingvo.

Laŭ alfabeto   Laŭ ofto
Litero Ofto
0,30%
3,44%
0,01%
1,01%
0,66%
0,31%
0,20%
0,78%
0,05%
0,00%
1,34%
0,03%
0,03%
0,10%
0,94%
7,14%
0,70%
1,31%
0,20%
1,16%
0,45%
1,39%
0,19%
0,01%
0,57%
0,17%
0,75%
0,09%
0,13%
2,89%
1,15%
1,68%
0,36%
3,48%
2,66%
0,35%
1,78%
0,67%
3,28%
2,20%
5,91%
2,45%
1,62%
0,76%
0,27%
3,78%
4,82%
0,67%
8,22%
ि 3,20%
3,47%
1,45%
0,81%
0,10%
0,00%
6,85%
1,96%
0,10%
2,21%
0,15%
3,02%
 
Litero Ofto
8,22%
7,14%
6,85%
5,91%
4,82%
3,78%
3,48%
3,47%
3,44%
3,28%
ि 3,20%
3,02%
2,89%
2,66%
2,45%
2,21%
2,20%
1,96%
1,78%
1,68%
1,62%
1,45%
1,39%
1,34%
1,31%
1,16%
1,15%
1,01%
0,94%
0,81%
0,78%
0,76%
0,75%
0,70%
0,67%
0,67%
0,66%
0,57%
0,45%
0,36%
0,35%
0,31%
0,30%
0,27%
0,20%
0,20%
0,19%
0,17%
0,15%
0,13%
0,10%
0,10%
0,10%
0,09%
0,05%
0,03%
0,03%
0,01%
0,01%
0,00%
0,00%

Vortlongoj[redakti | redakti fonton]

La mezumaj vortlongoj ankaŭ de diversaj ne-Latinalfabetaj lingvoj estas troveblaj tie ĉi: Wordlengths (el Retarkivo 2007).

Bedaŭrinde ne estas klare, kiel nomiĝas la aŭtoro kaj same ne estas klare, kiel grandaj estis la analizitaj tekstkorpusoj — laŭŝajne temas pri tiamaj testtekstoj por provi Unikodon.[18]

Parencaj oftecoj[redakti | redakti fonton]

Vortoftecoj[redakti | redakti fonton]

La leĝo de Zipf[redakti | redakti fonton]

Alia ĉi-kampe interesa distribuado rilatas al la ofteco, ne de literoj, sed de tutaj vortoj en tekstkorpuso de specifa natura homa lingvo. La oftoj enrangiĝas — tamen nur proksimume — laŭ la Leĝo de Zipf[Vidu 4]. Laŭ ĝi la plej ofta vorto aperas duoble pli ofte ol la duarange plej ofta vorto.

En specifa korpuso el beletraĵoj montriĝis la sekva distribuo.

la 9864, kaj 4195, mi 3934, de 2819, li 2543, esti 2395, al 1969, ... ktp.[23]

La Leĝo de Zipf diras, ke, se oni ordigas la elementojn de ensemblo — ekzemple la vortojn de teksto — laŭ iliaj oftecoj kaj laŭe enrangigas ilin, la probablo de ĉeesto de specifa elemento p(n) rilatas proksimume al la inverso de ties rangonumero n. Jen la laŭa matematika formulado.

p(n) \sim \frac{1}{n}

Do el la rangoj 1, 2, 3, 4, 5 ... iĝas 1, 1/2, 1/3, 1/4, 1/5 ... Do tiel — laŭ Zipf — rilatu la trovitaj porangaj nombroj aŭ porangaj probabloj inter si. La citita vortofteca listo sufiĉe bone obeas al tio.

Grave estas unue difini tion, kio konsistigu vorton. En la supra listo evidente temas pri radikoj kaj ne pri vortoj — do esti entenas esti, estas, estos, estis, ktp. Aldone, kio pri radikokombinaĵoj? Ĉu fervojo estu nur unu vorto aŭ eble du? Ĝuste en Esperanto la difino de tio, kio estu vorto, estas speciale malfacila. Ĉu ekzemple viro kaj viron estu unusama vorto? Kaj kio pri la pluraloj viroj kaj virojn? Do la enklasigo endanĝeriĝas iĝi iomete arbitra — do nur laŭ la kaprico de la esploristo.

Esperanto[redakti | redakti fonton]

Malmulte surprizas, ke okaze de Esperanto la estas la plej ofta vorto, sekvata eble de kaj. Tamen aliaj fontoj donas iomete aliajn vicordojn. Iam de dualokiĝas ankoraŭ antaŭ kaj.[24]

Jen la 30 plej oftaj vortoj laŭ Christopher Gledhill[25].

Ordo/vorto

1 la

2 de

3 kaj

4 en

5 al

6 mi

7 estas

8 ne

9 por

10 li

11 ke

12 pri

13 vi

14 ni

15 sed

Ofteco

25528

12949

10046

5685

4472

4235

3804

3713

2925

2701

2633

2436

1918

1910

1908

%

(8.2%)

(4.1%)

(3.2%)

(1.8%)

(1.4%)

(1.4%)

(1.2%)

(1.2%)

(0.9%)

(0.9%)

(0.8%)

(0.8%)

(0.6%)

(0.6%)

(0.6%)

 

Ordo/vorto

16 estis

17 ili

18 kun

19 kiu

20 tiu

21 tio

22 el

23 pli

24 kiel

25 oni

26 ankaŭ

27 ĝi

28 per

29 sur

30 se

Ofteco

1675

1500

1394

1390

1330

1229

1207

1201

1193

1178

1026

986

936

856

843

%

(0.5%)

(0.5%)

(0.4%)

(0.4%)

(0.4%)

(0.4%)

(0.4%)

(0.4%)

(0.4%)

(0.4%)

(0.3%)

(0.3%)

(0.3%)

(0.3%)

(0.3%)

Estas menciinde, ke eĉ post iu senchava decido pri tio, kio estu konsiderata esti aparta vorto kaj kio ne, kalkuli vortoftecojn restas iomete tikla afero. Malgranda tekstokorpuso tute ne funkcius, ĉar la temo de la teksto inklinus mezureble misinflui la ofton de specifaj vortoj. Evidente, se la teksto rilatus al ursoj, la vorto urso tute nenormale abundus. Pli ĝenerale, la objektivaj vortoftoj povas varii de epoko al epoko — ekzemple sekvantaj iun specifan politikan aŭ socian evoluon. Vortoj ja laŭmodiĝas kaj eksmodiĝas.

Jen la unuarangaĵoj, do la probabloj de la plej oftaj vortoj, de vortofteca analizo baze de la tekstokorpuso jam enkondukita. La ankoraŭ prezentota programo[noto 1] produktis ĝin. Preciza informo pri la enkondukitaj vortklasoj troviĝas en la akompana priskribo de la programo.

Vortofteco (nur eltiraĵo)
vorto nombro probablo
la 22800 7.79%
 
kaj 11326 3.87%
 
de 10218 3.49%
 
en 5617 1.92%
 
esti 5348 1.83%
 
mi 4667 1.60%
 
al 4592 1.57%
 
ne 3444 1.18%
 
kiu 3220 1.10%
 
li 2997 1.02%
 
ke 2628 0.90%
 
por 2625 0.90%
 
ŝi 2396 0.82%
 
vi 2257 0.77%
 
tiu 1938 0.66%
 
ĝi 1864 0.64%
 
kun 1847 0.63%
 
sed 1718 0.59%
 
ili 1669 0.57%
 
sia 1500 0.51%
 
sur 1432 0.49%
 
el 1412 0.48%
 
diri 1402 0.48%
 
pri 1357 0.46%
 
pli 1320 0.45%
 
per 1316 0.45%
 
mia 1297 0.44%
 
da 1272 0.43%
 
povi 1258 0.43%
 
tio 1202 0.41%
 
ni 1146 0.39%
 
kiel 1102 0.38%
 
oni 1036 0.35%
 
ĉi 956 0.33%
 
ĉiu 947 0.32%
 
932 0.32%
 
via 842 0.29%
 
havi 839 0.29%
 
El 292561 vortoj

Rilate Esperanton specifa Fenton Stancliff pionire jam en 1932 okupiĝis pri tiu temo. Eĉ antaŭ li en 1927 laŭŝajne Sergej Rublov (Сергей Григорьевич Рублёв)[26] jam ĉi-teme esploris.

La Angla lingvo[redakti | redakti fonton]

Jen simila listo por la Angla.[27] Notu, ke la vortoj estas la praformoj, do la formoj, kiuj enlistiĝas kapvorte en Angla vortaro. Tiel be entenas ankaŭ is, was, are, were, ktp. Aliflanke, I kaj me estas apartaj, kio de Esperanta vidpunkto ŝajnas esti iomete nekonsekvenca.

Montriĝas nur rangoj, ne probabloj.

Rango Vorto
1 the
2 be
3 to
4 of
5 and
6 a
7 in
8 that
9 have
10 I
Rango Vorto
11 it
12 for
13 not
14 on
15 with
16 he
17 as
18 you
19 do
20 at
Rango Vorto
21 this
22 but
23 his
24 by
25 from
26 they
27 we
28 say
29 her
30 she
Rango Vorto
31 or
32 an
33 will
34 my
35 one
36 all
37 would
38 there
39 their
40 what
Rango Vorto
41 so
42 up
43 out
44 if
45 about
46 who
47 get
48 which
49 go
50 me

Jen troviĝas tre simpla nur rudimenta Aŭka programo[Vidu 5] por kalkuli vortoftecojn: Calculate word frequencies. Pli profesia programo troviĝas fine de tiu ĉi artikolo.

Ciferoftecoj[redakti | redakti fonton]

Varoj en superbutiko

Pomalgrandaj prezoj[redakti | redakti fonton]

Ĉi-kadre estas ankaŭ menciinde, ke ne nur literoj en tekstoj montras specifan distribuon. Ankaŭ ciferoj en multaj ĉiutagaj aplikoj de numeroj montras kelkajn ekkoneblajn distribuojn. Evidente, la plej ofta lasta, do plej dekstra cifero de la prezoj en superbazaro estas la 9. Ĉio kostas 1,99€ kaj preskaŭ neniam 2,00€. Laŭ studo el 1997 publikigita en Marketing Bulletin:

  • ĉirkaŭ 60% de prezoj en reklamoj finiĝis je la cifero 9.[28]

Verdire, por ekkoni tion ne necesas esti profesia statistikisto aŭ komisii ampleksan sciencan esploron.

La leĝo de Benford[redakti | redakti fonton]

Tamen pli malmulte evidenta ekzemplo troviĝas en multaj kontoj de ĝenerala komerca kontado rilate la komencan ciferon de la enkontaĵoj. Ekzemple, tie ne estas tiel, ke ĉiuj ciferoj aperas same ofte en la plej maldekstra ciferloko de numero — normalokaze ili sekvas la tielnomatan Leĝon de Benford[Vidu 6]. Laŭ ĝi la cifero 1 aperas 30% ofte sed la cifero 9 nur malpli ol 5% ofte. Do koni la ĝustan atendatan distribuon de la unualokaj ciferoj kaj sekve ekkoni iujn strangajn diverĝojn helpas al revizoroj malkovri falsadan kaj fraŭdadon.

Numere la unualokaj ciferoj distribuiĝas laŭ la Leĝo de Benford kiel montrataj en la suba diagramo. Tie d estas la unualoka cifero kaj P(d) estas ties probablo.

d P(d) Proporcia grando de P(d)
1 30.1%
 
2 17.6%
 
3 12.5%
 
4 9.7%
 
5 7.9%
 
6 6.7%
 
7 5.8%
 
8 5.1%
 
9 4.6%
 

Bonvolu noti, ke la Leĝo de Benford utildone aplikeblas nur, se la ensemblo de numeroj pritraktota estas sufiĉe granda, transpontas kelkajn grandordojn — do potencigojn de 10 — kaj prefere — sed ne senescepte — devenas de iu realviva praktika uzado.

Malantaŭ tiu ĉi distribuo de komencaj ciferoj de numeroj skribitaj laŭ dekuma numersistemo staras logaritmoj je la bazo 10. Jen la laŭa formulo.

P(d)=\log_{10}(d+1)-\log_{10}(d)=\log_{10} \left(1+\frac{1}{d}\right)

Alivorte, tute ĝenerale, nombroj, kaj ties rilataj numeroj, distribuiĝas trans la tuta ebla skalo de numeraj valoroj, do la numerspaco, ne lineare, sed logaritme. El tio sekvas tiu ĉi iomete surpriza distribuo de numerkomencaj ciferoj.

Simila distribuo estas observebla por la kombino de la unuaj du ciferoj de la numeroj en granda ensemblo. Tamen, ju pli dekstre cifero staras ene de numero, des pli ĝia distribuo foras de Benford-aĵo kaj alproksimiĝas al plene lineara distribuo kun probablo de po 10% por ĉiu cifervaloro.

Tamen, defie al ĉiuj matematikistoj, ne en via loka superbazaro. Tie dekstre egege naŭas!

Aldonaĵo[redakti | redakti fonton]

AWK-programo — Oftecoj[redakti | redakti fonton]

Priskribo[redakti | redakti fonton]

Jen Aŭka programo[Vidu 5] por mezuri ĉiujn la diskutitajn literajn kaj vortajn oftecojn en Esperanta tekstdosiero kodita laŭ la X-sistemo. Ĝi eligas sinsekvajn tabelojn kun histogramoj laŭnecese en la formatoj Askia, HTML-a kaj Vikitabela.[noto 1] por ĉiuj literaj kaj vortaj statistikaĵoj diskutitaj tie ĉi.

Jen:

  • ĝenerala literofteco
  • vortkomenca literofteco
  • vortfina literofteco
  • vortlonga distribuo kun averaĝa vortlongo
  • vortofteco

En la sekcio BEGIN oni povas laŭplaĉe ŝalti kaj malŝalti la produktotajn statistikaĵojn kaj elekti, kiuj formatoj estu eligotaj. Normalokaze la liternombraj funkcioj de la programo bezonas nur kelkajn deksekundojn por analizi grandan tekstkorpuson. Tamen depende de la rapido de la komputilo kaj la grando de la tekstkorpuso la funkcio vortofteco povos bezoni kelkajn dekminutojn por finiĝi. Por unua testo oni eble lasu ĝin malŝaltita.

Rilate la vortoftecan funkcion, la difinitaj vortklasoj estas O-vortoj, A-vortoj, E-vortoj, verboj (sen participoj), ĉio alia.

Alivorte, pluraloj kaj akuzativoj kondukas al la baza O-a, A-a aŭ E-a formo. Simile pri vortoj kiel vin kaj tiujn, kiuj iĝas vi kaj tiu. La verbaj finaĵoj -as, -is, -os, -us kaj -u kondukas al -i. Verbaj participoj iĝas O-, A- aŭ E-vorto, do amantojn iĝas amanto kaj ne ami.

Oni atentu pri la du listetoj — fakte regulaj esprimoj — kun kelkaj esceptoj, kiuj ankaŭ troviĝas en la sekcio BEGIN. Per tiuj la programo ekkonas, ke nun ne estas la akuzativo de nu, ke kaj ne estas la pluralo de ka, kaj ke unu ne estas la volitivo de uni. Evidente, ne ĉio estas kaptata. Ekzemple ne-Esperantigita nomo kiel Simon iomete mise iĝas simo. Por tio oni povas laŭnecese plilongigi la respektivan listeton.

Por uzi, kopiu la programon per tiraĵo de la muso ene de la rulfenestro kaj tiam — enpoŝigi kaj elpoŝigi rekte de via krozilo en tekstdosieron — ekz oftecoj.awk — kaj eklanĉu per:

awk -f oftecoj.awk teksto.cx >rezultoj.cx

aŭ simile. Evidente, por tio necesas havi Aŭkon jam instalitan sur sia komputilo. Linuksaj kaj Uniksaj sistemoj havas jam Aŭkon ferdeke. Same (supozeble) pri Makintoŝo. Por Vindozaj sistemoj oni povas elŝuti la programon de la Gnu-a retejo. Aŭko estas rultempa interpretilo — alivorte ĝi digestas rekte fontaĵojn.

Notu, ke por konverti tekstojn el ekz. Unikodo al X-sistemo aplikeblas UniRed.

Tiel ĉiu povos kunmeti kaj esplori propran tekstkorpuson kaj produkti analizon de la vortkomenca literofteco, la vortfina literofteco, la ĝenerala literofteo, la distribuiĝo de vortlongoj kun mezuma vortlongo, kaj la vortofteco ene de la al la programo prezentita tekstkorpuso.

Programo[redakti | redakti fonton]

BEGIN 	{
		# modifu lau neceso tie chi sube:
 
		# dezirataj funkcioj - metu au 1 por jes au 0 por ne
 
		LITEROFTECO		= 1
		KOMENCLITERA_OFTECO	= 1
		FINLITERA_OFTECO	= 1
		VORTLONGECO		= 1		
		VORTOFTECO		= 1	# dauros eble longe
 
		# dezirataj eligaj formatoj - metu au 1 por jes au 0 por ne
 
		FORMATO_ASCII	= 1
		FORMATO_HTML	= 1
		FORMATO_WIKI	= 1
 
		# esceptaj vortoj
 
		NE_VERBO	= "^(tiu|kiu|neniu|unu|c[x]u|c[x]iu)$"
		NE_AEO_VORTO	= "^(kaj|tuj|nun|kun|sen|ajn|plej|malplej|tamen|amen|kvin)$"
		NE_ROMIA	= "^(mil|((c|ci|cim|ĉ|div|divid|il|l|lic|lim|m|v|vic|vid|viv)i))$"
 
				# eblus askau lili, livi kaj vili. Se vere ne tre probablaj.	
 
		start_time=systime(); # Forigu, se la funkcio systime() en via sistemo ne trovighas
 
		#==================================================================================
 
		versio="Versio: 2012-01-18 17:00 Pejno Simono";	
 
		FS="[ \n\t\",.;:!?()]";   # ne tushu!
	}
 
{
	gsub(/[-]/,"");
	for(i=1; i<=NF; i++)
		if($i~/^[a-zA-Z][a-zA-Z]+$/) 				# Almenau du literoj
		{
			s=tolower($i);
			if(s!~/^[ivxlcdm]+$/ || s~NE_ROMIA) 		# Ne Romia numero
			{
				n=0;
				for(j=1; j<=length(s); ) 		# chiuj literoj
				{
					c=substr(s,j,1);
					if (c~/^[cghjsu]/)
						if (substr(s,j+1,1)=="x" && substr(s,j+2,1)!="x")
							c=substr(s,j,2);
					if(j==1)
						unua[c]++;		# unua literoj
					litero[c]++;
					literoj++;
					j+=length(c);	# transsaltu ikson
					n++;
				}
				lasta[c]++;				# lastaj literoj
 
				if(n>1) 	# nur se vera sen-iksa longo > 1
				{
					longo[n]++;			# vortlongoj
					sum+=n;
					vortoj++;
 
					if(VORTOFTECO==1)
					{	
						s=tolower($i);		# chiuj vortoj
						j=length(s);
						if(j>2)
						{
							if(s!~NE_VERBO)
								n=sub(/(as|is|os|us|u)$/,"i",s);
							if(n==0 && s!~NE_AEO_VORTO)
								sub(/(jn|j|n)$/,"",s);
						}	
						vorto[s]++;
					}
 
				}
			}
		}
}
 
END	{
		UNUAJ=1;
		LASTAJ=2;
		CHIUJ=3;
		LONGOJ=4;
		VORTOJ=5;
 
		ASCII=1;
		HTML=2;
		WIKI=3
 
		asciiwidth=50;	# steloj
		htmlwidth=400;	# pixel
		wikiwidth=400;	# pixel
 
 
		if(LITEROFTECO>0)
		{
			if (FORMATO_ASCII>0) 	printout(CHIUJ,ASCII);		
			if (FORMATO_HTML>0) 	printout(CHIUJ,HTML);		
			if (FORMATO_WIKI>0) 	printout(CHIUJ,WIKI);		
		}
		if(KOMENCLITERA_OFTECO>0)
		{
			if (FORMATO_ASCII>0) 	printout(UNUAJ,ASCII);		
			if (FORMATO_HTML>0) 	printout(UNUAJ,HTML);		
			if (FORMATO_WIKI>0) 	printout(UNUAJ,WIKI);		
		}
		if(FINLITERA_OFTECO>0)
		{
			if (FORMATO_ASCII>0) 	printout(LASTAJ,ASCII);		
			if (FORMATO_HTML>0) 	printout(LASTAJ,HTML);		
			if (FORMATO_WIKI>0) 	printout(LASTAJ,WIKI);		
		}
		if(VORTLONGECO>0)
		{
			if (FORMATO_ASCII>0) 	printout(LONGOJ,ASCII);		
			if (FORMATO_HTML>0) 	printout(LONGOJ,HTML);		
			if (FORMATO_WIKI>0) 	printout(LONGOJ,WIKI);		
		}
		if(VORTOFTECO>0)
		{
			if(FORMATO_ASCII>0)	printout(VORTOJ,ASCII);
			if(FORMATO_HTML>0)	printout(VORTOJ,HTML);
			if(FORMATO_WIKI>0)	printout(VORTOJ,WIKI);
		}
 
		if(start_time>0) print time_needed();
		print versio;
	}
 
function printout(mode,format)
{
	if(mode==UNUAJ)
		return printout2(mode,format,unua);
	if(mode==LASTAJ)
		return printout2(mode,format,lasta);
	if(mode==CHIUJ)
		return printout2(mode,format,litero);
	if(mode==LONGOJ)
		return printout2(mode,format,longo);
	if(mode==VORTOJ)
		return printout2(mode,format,vorto);
}
 
function printout2(mode,format,A)
{
	setup(mode);
	if(format==ASCII)
		return printoutASCII(mode,A);
	if(format==HTML)
		return printoutHTML(mode,A);
	if(format=WIKI)
		return printoutWIKI(mode,A);
}
 
function setup(mode)
{
	_col=2;
	_asc=0;
	_colhdr="litero";
	_colalign="center";
	_counted="vortoj";
	_count=vortoj;
	_mez=", mezuma vortlongo";
	_mez2="literoj";
 
	if(vortoj>0)
		_av=sum/vortoj; 	# mezuma vortlongo
	if(mode==UNUAJ)
	{
		_title="Vortkomencaj literoj";
		return;
	}
	if(mode==LASTAJ)
	{
		_title="Vortfinaj literoj";
		return;
	}
	if(mode==CHIUJ)
	{
		_title="Chiuj literoj";
		_counted="literoj";
		_count=literoj;
		return;
	}
	if(mode==LONGOJ)
	{
		_title="Vortlongoj";
		_col=1;
		_asc=1;
		_colhdr="longo";
		return;
	}
	if(mode==VORTOJ)
	{
		_title="Vortofteco";
		_colhdr="vorto";
		_colalign="left";	
	}
}
 
function  printoutASCII(mode,A,   i,j,B,w,s,fmt)
{
	if(_count<1) 
	{
		print "file empty";
		return;
	}
	i=sillysort(A,B,_col,_asc);
	if(mode!=LONGOJ)		# plej alta valoro
		j=B[1,2]
	else
		j=getmax(B);
	w=asciiwidth/j;
	print "<" "pre>";	
	printf("=== %s ===\n\n",_title);
	if(mode==VORTOJ)
		fmt="%-20s\t%8s  %s\n";
	else
		fmt="%-6s\t%8s  %s\n";
	printf(fmt,_colhdr,"nombro","probablo\n")
	if(mode==VORTOJ)
		fmt="%-20s\t%s %6.2f%% %s\n";
	else
		fmt="%-6s\t%s %6.2f%% %s\n";
	for(j=1; j<=i; j++)
	{
		s=B[j,1];
		if(mode!=VORTOJ)
			s=toupper(s);
		printf(fmt, s, thou(B[j,2],8), 100.0*B[j,2]/_count, hist(B[j,2]*w));
	}
	printf("\nEl %s %s", thou(_count,0), _counted);
	if(mode==LONGOJ)
		printf("%s %0.2f %s", _mez, _av, _mez2);
	printf "\n</" "pre>\n\n";
}
 
function hist(w,  s)
{
	w-=0.5;
	while(w-- > 0)
		s=s "*";
	return s;
}
 
function  printoutHTML(mode,A,   i,j,B,w,s)
{
	if(_count<1) 
	{
		print "file empty";
		return;
	}
	i=sillysort(A,B,_col,_asc);
	if(mode!=LONGOJ)		# plej alta valoro
		j=B[1,2]
	else
		j=getmax(B);
	w=htmlwidth/j;
	printf("<table border=1>\n");
	printf("<tr><th colspan=4>%s</th></tr>\n",_title);
	printf("<tr><td align=%s>%s</td><td align=right>nombro</td>", _colalign, _colhdr);
	printf("<td align=center colspan=2>probablo</td>\n");
	for(j=1; j<=i; j++)
	{
		s=B[j,1];
		if(mode!=VORTOJ)
			s=toupper(s);
		printf("<tr><td align=%s><b>%s</b></td>", _colalign, s);
		printf("<td align=right>%s</td>", thou(B[j,2]),0);
		printf("<td align=right>%0.2f%%</td>", 100.0*B[j,2]/_count);
		printf("<td align=left><div style=\"width:%dpx;",B[j,2]*w);
		printf("height:2ex;background:blue;\">&#160;</div></td>\n");
	}
	printf("<tr><th colspan=4>El %s %s", thou(_count,0), _counted);
	if(mode==LONGOJ)
		printf("%s %0.2f %s", _mez, _av, _mez2); 	
	printf("</th></tr>\n");
	printf("</table>\n\n");
}
 
function  printoutWIKI(mode,A,   i,j,B,w,s)
{
	if(_count<1) 
	{
		print "file empty";
		return;
	}
	i=sillysort(A,B,_col,_asc);
	if(mode!=LONGOJ)		# plej alta valoro
		j=B[1,2]
	else
		j=getmax(B);
	w=100.0*j/_count;
	w=wikiwidth/w;
	printf("{| class=\"wikitable\"\n");
	printf("! align=center colspan=4 | %s\n",_title);
	printf("|-\n! align=%s | %s !! align=right | nombro !! align=right colspan=2 | probablo\n",_colalign,_colhdr);
	for(j=1; j<=i; j++)
	{
		s=B[j,1];
		if(mode!=VORTOJ)
			s=toupper(s);
		printf("|-\n| align=%s | <b>%s</b> ",_colalign,s);
		printf("|| align=right | %s ", thou(B[j,2],0));
		printf("|| align=right | {{bartable|%0.2f|%%|%0.3f}}\n", 100.0*B[j,2]/_count, w);
	}
	printf("|-\n! colspan=4 | El %s %s", thou(_count,0), _counted);
	if(mode==LONGOJ)
		printf("%s %0.2f %s", _mez, _av, _mez2);
	printf("\n");
	printf("|}\n\n");
}
 
function getmax(A,  i,j,M)
{
	for(i in A)
	{
		split(i, M, SUBSEP);
		if(M[2]==2)
			if(A[i]>j)
				j=A[i];
	}
	return j;
}
 
function sillysort(A,B,col,asc,   i,j,n,t)
{
	for(j in A)
	{
		i++;
		B[i,1]=j;
		B[i,2]=A[j];
		n=i;
		if (asc==0)	# desc
		{
			while(n>1 && B[n,col]+0>B[n-1,col]+0)
			{
				t=B[n-1,1]; B[n-1,1]=B[n,1]; B[n,1]=t;
				t=B[n-1,2]; B[n-1,2]=B[n,2]; B[n,2]=t;
				n--;
			}
		} 
		else		# asc
		{
			while(n>1 && B[n,col]+0<B[n-1,col]+0)
			{
				t=B[n-1,1]; B[n-1,1]=B[n,1]; B[n,1]=t;
				t=B[n-1,2]; B[n-1,2]=B[n,2]; B[n,2]=t;
				n--;
			}
		}	
	}
	return i;
}
 
function time_needed(   h,m,s,eps)
{
	eps=0.000001;
	s=systime()-start_time;
	m=int(s/60);
	s-=m*60-eps;
	h=int(m/60);
	m-=h*60-eps;
	return sprintf("Ruldauro (hms): %i:%02i:%02i\n",h,m,s);	
}
 
function thou(v,n, s)
{
	s=sprintf("%d_",v);
	while(s~/[0-9][0-9][0-9][0-9]/)			# Eleganta
		sub(/[0-9][0-9][0-9][,_]/, ",&",s);	# Hmm, interesa
	sub(/_/,"",s);					# Do ne eleganta
	while(length(s)<n)
		s=" " s;
	return s;
}
 
function _thou(v,n,   i,j,s,t)
{
	s=sprintf("%d",v);
	for(i=length(s); i>0; i--)
	{
		t=substr(s,i,1) t;
		if(++j%3==0)
			t="," t;
	}
	while(length(t)<n)
		t=" " t;
	return t;		
}

Vidu aliloke[redakti | redakti fonton]

  1. The adventure of the dancing men, Esperanto-versio: La aventuro de la dancantoj
  2. Hangman Angla priskribo de Pendigisto
  3. 3,0 3,1 Fonto: Relative frequencies of letters in the English language kaj in other languages de la anglalingva Vikipedio.
  4. Zipf's Law
  5. 5,0 5,1 The AWK programming language
  6. Benford's Law

Notoj[redakti | redakti fonton]

  1. 1,0 1,1 1,2 1,3 1,4 Esploro ad hoc fare de Pejno Simono en januaro, 2012, nur por tiu ĉi Vikia artikolo helpe de la montrita Aŭkaĵo.

Referencoj[redakti | redakti fonton]

  1. Scienca junrevuo Les Débrouillards, aprilo 2005 (2006?), pri libroj
  2. Letter ranking.
  3. La Oftecoj de la Esperantaj Literoj. Alirita 2007-09-14.
  4. Fletcher Pratt, Secret and Urgent: the Story of Codes and Ciphers Blue Ribbon Books, 1939, pp. 254-255.
  5. Frequência da ocorrência de letras no Português. Alirita 2009-06-16.
  6. Simon Singh, Codici e Segreti, 1999, RCS, ISBN 88-17-12539-3
  7. CorpusDeThomasTempé (el Retarkivo 2008)
  8. Albrecht Beutelspacher, Kryptologie, 7. Aufl., Wiesbaden: Vieweg Verlagsgesellschaft, 2005, ISBN 3-8348-0014-7, p.10
  9. Letterfrequenties. Genootschap OnzeTaal. Alirita 2009-05-17.
  10. Simon Singh, Kodboken, 1999, Norstedts, ISBN 91-1-1300708-4
  11. Wstęp do kryptologii, counting [space] 17.2%, [dot point] 0.9%, [comma] 0.9% and [semicolon] 0.5%
  12. Matti Pääkkönen, Suomen yleiskielen kirjaintilastoja. Alirita 2011-06-29.
  13. Vidu Turka "i" punkta kaj senpunkta (ı)
  14. tradicie oni uzas : 'esartinulop', parte pro la prononceblo Perec, Georges; Alphabets; Éditions Galilée, 1976
  15. Letterfrequenties. Genootschap OnzeTaal. Alirita 2008-12-26.
  16. Calculated from "Project Gutenberg Selections" available from the NLTK Corpora
  17. Classical Cryptography Course (el Retarkivo 2010)
  18. 18,0 18,1 LinkedIn Patrick Hall — Laŭŝajne temas aŭtore pri la lingvisto Patrick Hall, kiu multe okupiĝis pri Unikodo.
  19. Retejo Stefan Trost: la Rusa.
  20. Retejo Stefan Trost: la Greka.
  21. Retejo Stefan Trost: la Hebrea.
  22. Retejo Stefan Trost: la Hindia.
  23. Frekvencvortaro de Vjaĉeslav Slavik Ivanov
  24. Informadikaj aspektoj de Interlingvistiko de LIU Haitao
  25. Gledhill, Christopher (1998): The Grammar of Esperanto. A corpus-based description. München: Lincom Europa, 151 p.
  26. La du plej oftaj vortoj: "la" kaj "kaj" – iom pri oftec-vortaroj laŭ Bernardo en blogo ĉe Iperno
  27. The OEC: Facts about the language.
  28. The Widespread Use Of Odd Pricing In The Retail Sector, Marketing Bulletin, 1997, 8, Research Note 1, J Holdershaw, P Gendall and R Garland


Ĉi tiu artikolo plenumas laŭ redaktantoj de Esperanto-Vikipedio kriteriojn por elstara artikolo.