Hispanopedia Wiki
Articulo de referencia

Frecuencia de letras árabes

La frecuencia de las letras en un texto se ha estudiado con frecuencia para su uso en criptoanálisis , y en particular en el análisis de frecuencias . Ningún idioma tiene una di...

Hispanopedia WikiContenido en espanolLectura gratuita

La frecuencia de las letras en un texto se ha estudiado con frecuencia para su uso en criptoanálisis , y en particular en el análisis de frecuencias .

Ningún idioma tiene una distribución exacta de frecuencia de letras, ya que todos los escritores escriben de forma ligeramente diferente. Por regla general, los textos en distintos idiomas que utilizan la escritura árabe (por ejemplo , árabe , kurdo , malayo , persa y urdu ) tendrán frecuencias de letras diferentes, sobre todo en el caso de las letras que solo se usan en algunos idiomas (por ejemplo, las letras ڤ , پ , چ , گ o ڨ, que no forman parte del árabe estándar).

Los métodos que codifican las letras más frecuentes con los símbolos más cortos fueron desarrollados inicialmente por los códigos telegráficos y se utilizan en técnicas modernas de compresión de datos, como la codificación Huffman .

letras árabes

El alfabeto árabe consta de 28 letras primarias, que corresponden a las letras 1 a 28 de la Tabla 1. Las ocho letras modificadas que aparecen en las posiciones 29 a 36 de la misma tabla se utilizan de la misma manera . Si estas ocho formas modificadas se incorporan a la lista primaria según su forma o similitud fonética, el resultado es el que se muestra en la Tabla 2. Para un análisis de frecuencia preciso, se contabiliza la frecuencia de cada una de las 36 letras de la Tabla 1 de forma independiente.

El orden del alfabeto que se muestra en las tablas es más lógico que el que utiliza el estándar Unicode .

Figura 1: Caracteres árabes que se pueden producir utilizando el teclado de letras árabes Intellark .
Tabla 1: El alfabeto árabe. Las letras del 1 al 28 son las letras primarias. Las letras del 29 al 36 son las letras modificadas.
Tabla 2: El alfabeto árabe, con las letras modificadas agrupadas según sus formas primarias.
Distribución de frecuencia de las letras contadas: datos de histograma ordenados por frecuencia.

Aunque el conjunto completo de caracteres árabes incluye alrededor de diez diacríticos, como se muestra en la Figura 1, el análisis de frecuencia de los caracteres árabes solo se ocupa de calcular la frecuencia de las letras del alfabeto que se muestran en la Tabla 2.

Frecuencia de letras árabes utilizando fuentes generales

Las siguientes fuentes árabes se utilizan para generar una cantidad aceptable de datos sobre los que se realizan las estadísticas de frecuencia.

  • Los primeros siete volúmenes de la serie البداية والنهاية ( El principio y el fin ) [ 1 ] de Ibn Kathir , con 2.855 páginas, que contienen 1.096.047 palabras, que contienen 4.326.031 letras.
  • El libro de الرحيق المختوم ( El Néctar Sellado ) [ 2 ] de Almubarakfuri, con 284 páginas, que contiene 134.662 palabras, que contienen 553.740 letras.
  • El libro de تحفة العروسين ( La obra maestra de las novias ) [ 3 ] de Al-shuri, con 239 páginas, que contiene 66.550 palabras, que contienen 242.361 letras.

En conjunto, estas fuentes suman 3.378 páginas, con 1.297.259 palabras y 5.122.132 letras.

El siguiente gráfico muestra la distribución de frecuencia de las letras contadas.

Referencias

  1. ↑ Ibn Kathir, Ismail (c. 1300). El principio y el fin (en árabe) . Consultado el 23 de enero de 2011 .
  2. ^ Almubarakfuri, Safiyyurrahman (2002). El néctar sellado (en árabe). Publicaciones de Darussalam. ISBN 978-1591440710Consultado el 24 de enero de 2011 .
  3. ↑ Ash-shuri, Majdi (c. 1900). Obra maestra de la novia (en árabe) . Consultado el 24 de enero de 2011 .
  • Herramientas para analizar letras y palabras de textos árabes.
  • Un estudio detallado de las distribuciones estadísticas de las letras del texto árabe.