参考までに...

つ http://tricklib.com/cxx/ex/babel/scoremap.csv

バベルの文字コード判定で使ってる日本語文書内での各文字の出現頻度データです。
出現頻度が100未満のものは切り捨てています。csv の各行は...

    出現頻度, SJISでのコード, EUCでのコード, UTF8でのコード, コメント

...こんな感じ。元にしたデータはブラウザがキャッシュしてたデータ(インターネット上のテキスト)です。

# このデータを使って文字コード判定を行えばわずか2,3バイト程度のテキストでも
# 非常に高い確率で正確に文字コード判定が行えます。