La distribución de frecuencias de un texto enseña de qué trata realmente y qué se repite sin querer. En casi cualquier texto encabezan la lista las palabras funcionales: el, la, de, que. La cosa se pone interesante después de ellas.
Por eso aquí se pueden ocultar. Lo que queda es el núcleo de contenido, y normalmente también el punto donde alguna palabra aparece más veces de la cuenta.
La variedad léxica como medida
La proporción entre palabras distintas y palabras totales se llama type-token ratio. Baja sola conforme el texto se alarga, porque en algún momento las palabras tienen que repetirse: solo se pueden comparar dos textos de longitud parecida.
Que más de la mitad de las palabras aparezca una sola vez indica un texto variado. Si esa proporción cae bastante, algo se repite; que eso moleste depende del género: en un manual de instrucciones la repetición es una virtud.
Qué significa para un texto web
La vieja idea de una densidad óptima de palabras clave está superada: los buscadores reconocen los temas por el contexto y no contando apariciones. Aun así, una palabra que pase del tres por ciento llama la atención, normalmente como mal estilo y no como optimización.
Resulta más útil fijarse en lo que falta. Si un texto sobre arrendamientos no contiene nunca la palabra preaviso, eso es un aviso de contenido que ningún cálculo de densidad da.