随着计算机的普及以及统计软件的开发，在语言研究中进行统计分析，可以说越来越方便了。对这一研究方法，本人没有做系统的考察，仅就手头现有的资料谈一点粗浅的认识，希望能引起大家的讨论，起到抛砖引玉的作用。
一、 什么是概率
设事件A在n次重复试验中发生的次数为r。当试验的次数n很大时，事件A发生的频率w（A）＝r/n稳定地在某一数值p的附近摆动；一般说来，随着试验次数的增多，这种摆动的幅度越来越小，则称数值p为事件A发生的概率，记作
P（A）＝p
二、 怎么计算词频

从上述定义我们可以看出，要统计词语W出现的概率，小规模语料是不能说明问题的，一般规模语料最好按规模分几次统计，如10万字统计一次，20万字统计一次，30万字统计一次……，只有当W出现的次数随着语料规模的增大变化很小（也就是摆动很小）时，才能确定W的频率。如果是超大规模的语料，一般只要统计一次就够了。
设语料含n个词，词语W出现r次，则W在这个语料中出现的频率为
r/n
如果统计两个词（设为w1，w2）结合的紧密度，比较简单的算法是：
P(w1|w2)=r(w1, w2)/r(w1)r(w2)
分子是两个词共同出现的次数r（w1，w2），分母是两个词各自出现的次数。公式说明，w1与w2同现的次数很多，或者虽然两个词在文本中出现不多，但这不多的几次都是成对出现，都可以说明它们受约束的程度深,也就是说搭配强度高。相反，如果两个词同现次数低，或者虽然同现次数高，但分别出现的次数也很高，搭配强度就会比较低。该公式统计相邻的两个词语比较可靠，如果处理任意两个词的搭配能力，就需要考虑距离因素，一般说来，距离越远，搭配强度越低，这样公式会复杂一些，可参考黄昌宁《语料库语言学》（P182）（2002，商务印书馆）
三、 如何分析统计数据
统计得到的结果数据本身就是对语言现象的一种描述，但只停留在描述本身，就降低了统计的意义。这种描述该怎么进一步分析，我粗略的分为三种：
（1） 解释性分析：通过不同词语或词语在不同环境中的频率，可以看出语言中的不平衡现象，解释性分析就是分析这种不平衡是怎么产生的。这时可以用认知理论进行解释，可以从历时的角度分析，等等
（2） 归纳规律：根据使用频率可以看出在不同条件下的语言使用规律，如果是意义相同的两个词语频率不同，找出频率不同的条件，如语域、语法等，归纳出该词语的使用规律。具体实例可以参考黄昌宁《语料库语言学》P207对begin和start的调查，任海波“现代汉语AABB重叠式词构成基础的统计分析”(《中国语文》2001，4)
（3） 直接用于自然语言处理：如词性标注，当遇到兼类词时，可以根据两种词性的频率，优先标注成频率高的那个词性，这样做势必会有一些错误，但仍能保证一定的正确率。具体实例可参考刘开瑛《中文文本自动分词和标注》（商务印书馆，2000）
（4） 直接用于对外汉语教学：例如划分对外汉语教学词表等级，频率是一个重要参数，其他参数还包括语义简单性、语法简单性等等