Buchstabenhäufigkeit
Die Buchstabenhäufigkeit ist eine statistische Größe, die angibt, wie oft ein bestimmter Buchstabe in einem Text bzw. einer Sammlung von Texten ("Korpus") vorkommt. Sie kann als absolute Anzahl oder in Relation zur Gesamtzahl der Buchstaben des Textes angegeben werden. Die Häufigkeitsverteilung der Buchstaben hängt von der jeweiligen Sprache ab. Während frühere Annahmen pauschal die statistische Verteilung der Buchstabenhäufigkeit durch das Zipfsche Gesetz vorherzusagen glaubten, hat die Quantitative Linguistik gezeigt, dass eine Reihe anderer Wahrscheinlichkeitsverteilungen in Betracht zu ziehen sind. Für manche Zwecke ist es auch interessant, wie häufig ein Buchstabe am Wortanfang oder am Wortende vorkommt.
Anwendung
Die Buchstabenhäufigkeit wird in der Entschlüsselung von Substitutionsverfahren in der Kryptoanalyse sowie in der Datenkompression und -kodierung benutzt. Bei einfachen Verschlüsselungsverfahren wie beispielsweise dem Cäsarchiffre kann ein Text alleine durch Häufigkeitsanalyse entschlüsselt werden. Dabei werden die Häufigkeiten der einzelnen Zeichen im Geheimtext festgestellt, und dann mit der Häufigkeit der Zeichen in einem deutschen Klartext verglichen. Nun werden die Buchstaben des Geheimtextes durch die "normalen" Buchstaben gleicher Häufigkeit ersetzt. Der häufigste Buchstabe des Geheimtextes entspricht dann zum Beispiel dem Klartextbuchstaben "e". Diese Methode funktioniert um so besser, je länger der zu entschlüsselnde Text ist, weil dadurch die statistische Abweichung der gefundenen Buchstabenhäufigkeit von der zu erwartenden Häufigkeit geringer wird.
Für den Maschinenschreibunterricht (siehe Tastschreiben) ist es ungemein wichtig, dass die Lehrkraft über die Buchstabenhäufigkeit in einer Sprache gut informiert ist und die Unterrichtsinhalte entsprechend darauf abgestimmt werden. Häufige Buchstaben wie das E oder das I müssen hinreichend trainiert werden um eine möglichst hohe Anschlagszahl und eine gute Schreibsicherheit zu erzielen.
Hersteller von Buchstabenspielen wie Boggle oder Scrabble berücksichtigen bei den nationalen Varianten ebenfalls die Häufigkeit und falls vorhanden, auch die Wertigkeit der Buchstaben.
Eine der ersten Anwendungen war das Morse-Alphabet, das für häufige Zeichen kurze Codes verwendet (zum Beispiel 'e' = '.'); für selten gebrauchte Zeichen dagegen längere Codes (zum Beispiel 'q' = '- -. -'). Siehe dazu auch Shannon-Fano-Kodierung.
Weiterführung
Die Weiterführung der Buchstabenhäufigkeit ist die Häufigkeit von Buchstabenpaaren und -tripeln und die Worthäufigkeit.
Buchstabenhäufigkeiten in deutschsprachigen Texten
Die Umlaute ä, ö und ü wurden wie ae, oe und ue gezählt [1]. Die beiden Buchstaben e und n treten mit zusammen 27,18 % am häufigsten auf.
| Platz | Buchstabe | relative Häufigkeit |
|---|---|---|
| 1. | E | 17,40 % |
| 2. | N | 9,78 % |
| 3. | I | 7,55 % |
| 4. | S | 7,27 % |
| 5. | R | 7,00 % |
| 6. | A | 6,51 % |
| 7. | T | 6,15 % |
| 8. | D | 5,08 % |
| 9. | H | 4,76 % |
| 10. | U | 4,35 % |
| 11. | L | 3,44 % |
| 12. | C | 3,06 % |
| 13. | G | 3,01 % |
| 14. | M | 2,53 % |
| 15. | O | 2,51 % |
| 16. | B | 1,89 % |
| 17. | W | 1,89 % |
| 18. | F | 1,66 % |
| 19. | K | 1,21 % |
| 20. | Z | 1,13 % |
| 21. | P | 0,79 % |
| 22. | V | 0,67 % |
| 23. | ß | 0,31 % |
| 24. | J | 0,27 % |
| 25. | Y | 0,04 % |
| 26. | X | 0,03 % |
| 27. | Q | 0,02 % |
Anfangsbuchstaben
Die Häufigkeit von Anfangsbuchstaben gibt an, wie häufig ein Buchstabe als erster Buchstabe eines Wortes vorkommt. Sie hängt relativ stark von der Textart ab. Für Fließtext sind die fünf häufigsten Anfangsbuchstaben [2]:
| Platz | Buchstabe | relative Häufigkeit |
|---|---|---|
| 1. | D | 14,2 % |
| 2. | S | 10,8 % |
| 3. | E | 7,8 % |
| 4. | I | 7,1 % |
| 5. | W | 6,8 % |
Endbuchstaben
Die Häufigkeit von Endbuchstaben gibt an, wie häufig ein Buchstabe als letzter Buchstabe eines Wortes vorkommt. (Als Beispiel-Textbasis wurde das Buch Effi Briest von Theodor Fontane ausgewertet, wobei „ß“ stets als „ss“ gezählt wurde. Die Textbasis umfasst alle 36 Kapitel dieses Werks mit insgesamt 572849 Bytes.)
| Platz | Buchstabe | relative Häufigkeit |
|---|---|---|
| 1. | N | 21,0 % |
| 2. | E | 15,1 % |
| 3. | R | 13,0 % |
| 4. | T | 10,3 % |
| 5. | S | 9,6 % |
Siehe auch
Weblinks
- Facharbeit zum Thema "Buchstabenhäufigkeit" DE,FR,IT,PT,ES
- [1] Grazer Projekt zur Quantitativen Textanalyse (QuanTA)
- [2] Bibliographien und weitere Informationen zum Göttinger Projekt Quantitative Linguistik
Weitere Buchstabenprofile
Quellen
- ↑ Albrecht Beutelspacher, Kryptologie, 7. Aufl., Wiesbaden: Vieweg Verlagsgesellschaft, 2005, ISBN 3-8348-0014-7, Seite 10
- ↑ Statistik zur Buchstabenhäufigkeit