
Date: Thu, 2 Oct 1997 09:47:04 -0400 (EDT)
Subject: [DICAS-L] Palavras mais comuns em ingles

Palavras mais comuns em ingles
---------------------------------------------------------------------
Esta dica, embora nao estritamente relacionada com
administracao de computadores, pode ser muito util
para quem precisa lidar no seu dia a dia com uma literatura
predominantemente em ingles.

Qualquer profissional de informatica que nao consiga
ao menos ler textos em ingles sofre serios impedimentos
no exercicio diario de sua profissao.

A boa noticia e que a leitura, e apenas a leitura de textos
em ingles, e uma habilidade que pode ser desenvolvida em 
um espaco de tempo relativamente curto. A leitura pode ser
aprendida independentemente do aprendizado da fala, da escrita
e da audicao.

Para aprender a ler em ingles o aluno deve dominar alguns 
rudimentos
da estrutura da lingua. Este dominio e passivo, ou seja, e 
necessario
apenas que se saiba identificar as estruturas para obter a 
compreensao
da mensagem.

E o vocabulario, que e a preocupacao maior de todos, nao constitui
impedimento algum no dominio do idioma. A lingua inglesa e a 
portuguesa possuem diversos elementos em comum. Os cognatos,
palavras com origens no latim, como por exemplo a palavra
"impossible", ou "impossivel", sao facilmente identificaveis.
Os cognatos respondem por 20% de todos os termos encontrados
em textos tecnicos.

Eu estou enviando para voces alguns fatos interessantes de um 
trabalho
que realizei com a colecao de livros online mantida pelo 
Projeto Gutenberg.

O Projeto Gutenberg e uma iniciativa que tem por objetivo
disponibilizar em formato eletronico livros cujo direito
autoral ja tenha expirado.

Ate hoje ja foram convertidos cerca de 1100 livros, principalmente
em ingles, porem existem tambem obras em espanhol, italiano
e frances.

O objetivo do trabalho realizado foi identificar as palavras
mais comuns da lingua inglesa e seu percentual de ocorrencia.

Dos 1067 livros disponiveis no dia 29 de setembro de 1997,
foram utilizados para o calculo 1032 livros. Todos estes livros
foram combinados em um unico arquivo de 440MB de tamanho,
contendo  6.615.271 palavras. Deste total foram extraidas
103.590 palavras diferentes, sendo que 78.332 delas ocorrem
menos de dez vezes, ou seja, 75% das palavras aparecem com 
muito pouca frequencia.

E o mais interessante, as 250 palavras mais frequentes
sao responsaveis por 57% do total das palavras. Desta forma,
se voce conhece estas 250 palavras voce ja conhece 
aproximadamente 60% de qualquer texto em ingles.

Juntando-se a estas palavras os cognatos, voce tem que 
aproximadamente
80% do vocabulario de textos tecnicos e facilmente identificavel.

E ainda mais importante, as 1000 palavras mais comuns
totalizam cerca de 99,25% de todas as palavras. Excelente, nao?

Entao, se voce precisa do ingles no seu trabalho, pense
em aprender a ler primeiro. Voce vai atender a sua necessidade
imediata ao mesmo tempo em que se capacita para seguir 
aprendendo
o idioma ingles em sua totalidade. A leitura vai facilitar 
o aprendizado da fala, da escrita e da audicao.

Abaixo segue a lista das 250 palavras mais comuns,
o percentual com que ocorrem e um resumo das estatisticas
que mencionei acima.

Numero de livros:					1032
Tamanho do arquivo combinado:				440MB
Data:							29/09/97
Numero total de palavras:		i		6.615.271
Numero total de palavras diferentes: 	   	       	  103.590
Numero de palavras que ocorrem menos de dez vezes:         78.332
Numero de ocorrencias das 250 palavras mais comuns:	
3.781.615 (57%)
Numero de ocorrencias das 1000 palavras mais comuns:	
6.565.736 (99.25%)
             
Palavra       Porc. Total   Numero de Ocorrencias
============  ===========   =====================
the           7.846512      519068      
of            4.460135      295050      
and           3.653471      241687      
to            2.556630      169128      
in            1.815451      120097      
was           1.161903      76863       
that          1.112607      73602       
his           1.079124      71387       
he            1.033669      68380       
it            0.872406      57712       
with          0.772803      51123       
as            0.737385      48780       
by            0.707575      46808       
for           0.666821      44112       
is            0.663329      43881       
had           0.622454      41177       
but           0.576575      38142       
which         0.538663      35634       
on            0.520341      34422       
be            0.506994      33539       
at            0.504938      33403       
not           0.499753      33060       
they          0.499345      33033       
from          0.494795      32732       
were          0.474372      31381       
their         0.472573      31262       
this          0.449097      29709       
or            0.400679      26506       
have          0.384247      25419       
you           0.380876      25196       
her           0.376991      24939       
who           0.363099      24020       
all           0.361406      23908       
him           0.359970      23813       
an            0.338807      22413       
so            0.326850      21622       
are           0.297705      19694       
one           0.293624      19424       
she           0.263753      17448       
my            0.257782      17053       
them          0.254396      16829       
we            0.251494      16637       
been          0.250602      16578       
no            0.242152      16019       
me            0.236710      15659       
if            0.235637      15588       
said          0.234185      15492       
there         0.229787      15201       
when          0.223619      14793       
would         0.221261      14637       
more          0.212901      14084       
will          0.181625      12015       
some          0.174747      11560       
what          0.173795      11497       
into          0.172102      11385       
has           0.167340      11070       
could         0.158754      10502       
than          0.158255      10469       
out           0.156547      10356       
then          0.153720      10169       
up            0.153418      10149       
its           0.150697      9969        
man           0.147553      9761        
time          0.145315      9613        
now           0.140281      9280        
two           0.139133      9204        
upon          0.139057      9199        
these         0.137984      9128        
after         0.136533      9032        
footnote      0.135414      8958        
may           0.135006      8931        
only          0.134855      8921        
other         0.133676      8843        
see           0.128007      8468        
such          0.123321      8158        
do            0.123245      8153        
great         0.120932      8000        
very          0.120086      7944        
any           0.120010      7939        
your          0.118302      7826        
about         0.114689      7587        
made          0.113495      7508        
our           0.112800      7462        
well          0.112724      7457        
first         0.112346      7432        
most          0.110351      7300        
like          0.110154      7287        
before        0.109187      7223        
little        0.108401      7171        
himself       0.105287      6965        
over          0.103760      6864        
without       0.102868      6805        
own           0.102808      6801        
those         0.101644      6724        
good          0.101266      6699        
might         0.101175      6693        
men           0.099361      6573        
can           0.099331      6571        
should        0.098817      6537        
did           0.098741      6532        
where         0.095824      6339        
come          0.095763      6335        
people        0.095627      6326        
must          0.093450      6182        
us            0.093057      6156        
day           0.088991      5887        
long          0.088825      5876        
much          0.088810      5875        
down          0.088311      5842        
same          0.087676      5800        
mr            0.083927      5552        
never         0.083579      5529        
even          0.083398      5517        
old           0.082204      5438        
under         0.081327      5380        
through       0.080828      5347        
still         0.080828      5347        
while         0.080314      5313        
many          0.080239      5308        
know          0.079876      5284        
every         0.079196      5239        
life          0.078591      5199        
three         0.077790      5146        
how           0.077759      5144        
way           0.077291      5113        
years         0.076384      5053        
came          0.076354      5051        
king          0.074963      4959        
go            0.073436      4858        
being         0.072318      4784        
again         0.070549      4667        
here          0.069067      4569        
make          0.068629      4540        
back          0.068115      4506        
new           0.067510      4466        
against       0.066437      4395        
found         0.065198      4313        
yet           0.065031      4302        
say           0.064230      4249        
too           0.064170      4245        
last          0.063157      4178        
though        0.063051      4171        
head          0.062613      4142        
away          0.061948      4098        
right         0.061131      4044        
hand          0.060693      4015        
place         0.060375      3994        
god           0.060209      3983        
another       0.059136      3912        
shall         0.059121      3911        
country       0.058894      3896        
part          0.058788      3889        
far           0.058667      3881        
left          0.057624      3812        
eyes          0.057534      3806        
soon          0.056838      3760        
went          0.055961      3702        
take          0.055856      3695        
each          0.055840      3694        
just          0.055311      3659        
power         0.055221      3653        
name          0.054858      3629        
am            0.054344      3595        
death         0.054147      3582        
world         0.053361      3530        
nor           0.053104      3513        
mind          0.053104      3513        
once          0.052923      3501        
off           0.052243      3456        
among         0.051699      3420        
thought       0.051275      3392        
whom          0.050731      3356        
house         0.050656      3351        
get           0.050625      3349        
nothing       0.050595      3347        
between       0.050459      3338        
hundred       0.050278      3326        
think         0.050096      3314        
both          0.048978      3240        
young         0.048887      3234        
because       0.048509      3209        
saw           0.048267      3193        
ever          0.048055      3179        
let           0.047980      3174        
themselves    0.047557      3146        
emperor       0.047345      3132        
case          0.046680      3088        
work          0.046241      3059        
whose         0.046121      3051        
war           0.046075      3048        
took          0.045939      3039        
general       0.045622      3018        
city          0.045607      3017        
state         0.045259      2994        
side          0.044821      2965        
things        0.044684      2956        
always        0.044533      2946        
days          0.043838      2900        
thus          0.043808      2898        
face          0.043233      2860        
night         0.042946      2841        
less          0.042931      2840        
give          0.042871      2836        
asked         0.042825      2833        
body          0.042538      2814        
also          0.042311      2799        
seemed        0.041843      2768        
four          0.041646      2755        
non           0.041631      2754        
son           0.041586      2751        
whole         0.041525      2747        
called        0.041193      2725        
don't         0.040875      2704        
however       0.040437      2675        
love          0.040316      2667        
put           0.040210      2660        
thousand      0.039893      2639        
hands         0.039877      2638        
seen          0.039817      2634        
tell          0.039530      2615        
almost        0.039227      2595        
look          0.039182      2592        
father        0.039122      2588        
heart         0.038850      2570        
few           0.038850      2570        
got           0.038653      2557        
five          0.038502      2547        
nature        0.038366      2538        
find          0.038184      2526        
public        0.038094      2520        
going         0.038063      2518        
roman         0.037912      2508        
perhaps       0.037716      2495        
woman         0.037610      2488        
since         0.037126      2456        
having        0.036748      2431        
arms          0.036718      2429        
heard         0.036703      2428        
looked        0.036582      2420        
age           0.036552      2418        
gave          0.036008      2382        
why           0.035992      2381        
words         0.035781      2367        
light         0.035524      2350        
better        0.035312      2336        
end           0.034934      2311        
water         0.034919      2310        
twenty        0.034435      2278        
until         0.034360      2273        
others        0.034330      2271        

--
Arquivo Dicas-L: http://www.dicas-l.unicamp.br


