🔢 Prawo Benforda

Prawo wynika z niezmienniczości skali: rozkład prawdopodobieństwa f(x) jest niezmienniczy względem skali, jeśli pomnożenie wszystkich wartości przez stałą c pozostawia rozkład cyfr wiodących bez zmian. Jedynym rozkładem ciągłym spełniającym tę własność jest rozkład logarytmiczno-jednostajny, co oznacza, że prawdopodobieństwo, iż log10(x) mieści się w danym przedziale, jest proporcjonalne do długości tego przedziału. Prawdopodobieństwo, że cyfrą wiodącą jest d, równa się długości przedziału log10 [d, d+1), czyli log10(d+1) − log10(d) = log10(1 + 1/d).

Biegli rewidenci śledczy stosują test chi-kwadrat zgodności dopasowania do cyfr wiodących wpisów w dokumentach finansowych — faktur, raportów wydatków, deklaracji podatkowych czy dzienników księgowych. Ludzie fabrykujący liczby zwykle dobierają cyfry zbyt równomiernie, ponieważ jednostajna losowość wydaje się intuicyjnie naturalna. Statystycznie istotne odchylenie (wartość p poniżej 0,05 przy 8 stopniach swobody) oznacza zbiór danych do dalszego dochodzenia. Analiza Benforda była wykorzystywana w głośnych sprawach o oszustwa, w tym w aferze Enronu, oraz przez organy podatkowe w dziesiątkach krajów.

Częstym błędnym przekonaniem jest, że prawo Benforda ma zastosowanie do wszystkich danych liczbowych. W rzeczywistości zawodzi dla zbiorów danych ograniczonych do wąskiego zakresu (np. wzrost dorosłych ludzi, mieszczący się w przybliżeniu w 1,5–2,1 m), zbiorów z wbudowanym minimum, takich jak numery telefonów, oraz losowo generowanych liczb z rozkładu jednostajnego. Nie ma też zastosowania do liczb przypisanych, takich jak kody pocztowe czy numery identyfikacyjne. Prawo wymaga danych obejmujących wiele rzędów wielkości bez sztucznych ograniczeń.

Zjawisko to po raz pierwszy zauważył amerykański astronom i matematyk Simon Newcomb w 1881 roku, który zaobserwował, że wcześniejsze strony wspólnie używanych tablic logarytmicznych były znacznie bardziej wytarte niż późniejsze — co wskazywało, że ludzie znacznie częściej wyszukiwali liczby zaczynające się od 1. Obserwacja została w dużej mierze zapomniana, aż fizyk Frank Benford niezależnie odkrył ją ponownie w 1938 roku, przeanalizował ponad 20 000 liczb z 20 różnych zbiorów danych, w tym powierzchnie rzek, masy atomowe i statystyki baseballowe, i opublikował statystyczne prawidłowości, które dziś noszą jego nazwisko.

Tak. W dowolnej podstawie całkowitej b większej niż 1, prawdopodobieństwo, że cyfrą wiodącą jest d, wynosi P(d) = log_b(1 + 1/d). W systemie binarnym (podstawa 2) każda liczba zaczyna się od 1, więc prawo jest trywialnie prawdziwe. W systemie szesnastkowym (podstawa 16) cyfra wiodąca 1 pojawia się z częstością log16(2) ≈ 25%. Struktura logarytmiczna jest uniwersalna i niezależna od wyboru systemu liczbowego, co potwierdza, że odzwierciedla głębokie matematyczne własności rozkładów niezmienniczych względem skali.

Klasyczne przykłady to: populacje wszystkich miast i miasteczek w danym kraju (od tysięcy do dziesiątek milionów), długości rzek świata (od setek do tysięcy kilometrów), ceny akcji na giełdzie w czasie, stałe fizyczne wymienione w podręcznikach fizyki, kwoty budżetów narodowych, magnitudy trzęsień ziemi (pod względem momentu sejsmicznego), liczba cytowań artykułów naukowych oraz liczby Fibonacciego. Wszystkie one obejmują wiele rzędów wielkości bez sztucznego ograniczenia, co jest kluczowym wymogiem, aby prawo obowiązywało.

Poza wykrywaniem oszustw, prawo Benforda jest wykorzystywane w audytach jakości danych do wykrywania błędów w dużych bazach danych, w kryminalistyce obrazów do wykrywania cyfrowo zmanipulowanych zdjęć (naturalne obrazy podążają za rozkładami podobnymi do Benforda w swoich współczynnikach DCT) oraz w analizie ruchu sieciowego do identyfikacji anomalnego zachowania. Systemy uczenia maszynowego były też trenowane do wykrywania anomalii finansowych, wykorzystując odchylenie od Benforda jako jedną z cech. Niektóre organizacje monitorujące wybory używają go jako wstępnego filtra pod kątem nieprawidłowości wyborczych, choć jego zastosowanie do wyników głosowania jest przedmiotem sporu wśród statystyków.

Aktywne obszary badań obejmują: rozszerzenie analizy Benforda na drugą i kolejne cyfry wiodące (uogólnione prawo Benforda), zastosowanie go do kryminalistyki kryptowalut i technologii blockchain, opracowywanie bardziej odpornych statystycznie testów działających przy małych próbach (test chi-kwadrat wymaga co najmniej ~100 obserwacji), wykorzystanie go w potokach wykrywania anomalii uczenia maszynowego oraz prace teoretyczne nad precyzyjnym scharakteryzowaniem, które rozkłady prawdopodobieństwa zbiegają do prawa Benforda pod wpływem iloczynów i potęg. Naukowcy badają też jego powiązania z hipotezą Riemanna poprzez rozkład liczb pierwszych.