中文“字”与英文“词汇”的一种统计学对比

张学文，2015.11.12-- 引用者请注明出处

大家都承认中文与英文是两种截然不同的文字。但是在统计学的视角下，它们有类似之处。

中文的“字”有的笔画多，有的笔画少。我们可以问这样一个统计学问题：

在汉字中由不同笔画组成的汉字各有多少。

在英文中与此类似的问题是：英文词汇由英文字母组成，在英文中不同字母组成的词汇各有多少。

在统计学视角下这两个问题具有可比性。下面是我的对比。

我在博客http://blog.sciencenet.cn/blog-2024-3605.html中给出不同笔画数量x（横坐标）的汉字数量y（纵坐标）的关系如下图

此图中的黄色部分是对数正态分布的结果，绿色是统计结果。本图说明汉字笔画符合对数正态分布。

今年（2015）我用一本英文小词典上的全部6626个英文词汇统计不同字母组成了多少个英文词汇，获得了下面的图

我看其分布外形类似中文的图，而仅是平均值（最大值，众值）比中文小了很多。中文字的笔画“众值”好像在11附近，而英文词汇的“众值”应当在6附近。我猜（不是真的统计学检验，偷懒）这个曲线也符合对数正态分布。

真是如此吗？欢迎有兴趣者验证之。

中文为什么符合对数正态分布？欢迎参考我在《组成论》一书（2003，中国科技大学出版社）中给予的说明。

下面附上本图对应的统计数据表（有3个词汇的字母数量超过30个没有列出）

我对此的零散前期统计见