Benfords yasası - Benfords law - Wikipedia

Açık gri ızgara arka planına karşı azalan mavi çubuklar dizisi
Benford yasasına göre ilk rakamların dağılımı. Her çubuk bir rakamı temsil eder ve çubuğun yüksekliği o rakamla başlayan sayıların yüzdesidir.
Benford yasasına göre çizilen fiziksel sabitlerin ilk önemli basamağının sıklığı

Benford yasası, aynı zamanda Newcomb-Benford yasası, anormal sayılar kanunu, ya da birinci rakam kanunu, hakkında bir gözlemdir frekans dağılımı nın-nin önde gelen basamaklar gerçek hayattaki birçok sayısal kümede veri. Yasa, doğal olarak oluşan birçok sayı koleksiyonunda baştaki rakamın muhtemelen küçük olduğunu belirtir.[1] Yasaya uyan kümelerde, 1 sayısı, zamanın yaklaşık% 30'unda önde gelen önemli basamak olarak görünürken, 9, zamanın% 5'inden daha az önde gelen önemli basamak olarak görünür. Rakamlar eşit olarak dağıtılmış olsaydı, her biri zamanın yaklaşık% 11,1'inde ortaya çıkar.[2] Benford yasası ayrıca ikinci basamakların, üçüncü basamakların, basamak kombinasyonlarının vb. Dağılımı hakkında tahminlerde bulunur.

Sağdaki grafik, Benford yasasını göstermektedir. 10 taban, rasgele (tamsayı) tabanlarla ifade edilen sayılarla ilgili sonsuz sayıda genelleştirilmiş yasa durumundan biri, fenomenin 10 tabanlı sayı sisteminin bir yapay olabileceği ihtimalini ortadan kaldırıyor. Diğer genellemeler 1995'te yayınlandı[3] hem için benzer ifadeler dahil n. baştaki basamağın yanı sıra baştaki n sonuncusu bir sonuca götüren rakamlar, burada anlamlı rakamlar bir istatistiksel olarak bağımlı miktar.

Bu sonucun, elektrik faturaları, sokak adresleri, hisse senedi fiyatları, ev fiyatları, nüfus sayıları, ölüm oranları, nehir uzunlukları dahil olmak üzere çok çeşitli veri setleri için geçerli olduğu gösterilmiştir. fiziksel ve matematiksel sabitler.[4] Doğal verilerle ilgili diğer genel ilkeler gibi - örneğin, birçok veri kümesinin bir normal dağılım - Benford yasasının geçerli olduğu birçok davayı kapsayan açıklayıcı örnekler ve açıklamalar vardır, ancak basit bir açıklamaya direnen Benford yasasının uygulandığı birçok başka dava vardır.[5] Değerler birden çok ortama dağıtıldığında en doğru olma eğilimindedir. büyüklük dereceleri, özellikle sayıları üreten süreç bir Güç yasası (doğada yaygın olan).

Kanun fizikçinin adını almıştır Frank Benford 1938'de "Anormal Sayılar Kanunu" başlıklı yazısında bunu belirten,[6] daha önce belirtilmiş olmasına rağmen Simon Newcomb 1881'de.[7][8]

Yasa, dağıtım açısından özdeş olmasa da kavram olarak benzerdir. Zipf yasası.

Tanım

Sol altta ofset kalın eksenli dikdörtgen ve logaritmaları temsil eden açık gri çizgiler
Bir logaritmik ölçek bar. Rastgele seçmek x durum tekdüze bu sayı doğrusunda, sayının ilk hanesi kabaca% 30'dur.

Bir sayı dizisinin Benford yasasını karşıladığı söylenir.d (d ∈ {1, ..., 9}) ile oluşur olasılık

[9]

Böylelikle böyle bir kümedeki baştaki basamaklar aşağıdaki dağıtıma sahiptir:

dGöreli boyutu
130.1%30.1
 
217.6%17.6
 
312.5%12.5
 
49.7%9.7
 
57.9%7.9
 
66.7%6.7
 
75.8%5.8
 
85.1%5.1
 
94.6%4.6
 

Miktar arasındaki boşlukla orantılıdır d ve d + 1 bir logaritmik ölçek. Bu nedenle, bu beklenen dağılımdır. logaritmalar sayıların yüzdesi (ancak sayıların kendisi değil) düzgün ve rastgele dağıtılmış.

Örneğin bir sayı x1 ile 10 arasında kalacak şekilde sınırlandırılmışsa, 1 rakamıyla başlarsa 1 ≤ x < 2ve eğer ise 9 rakamı ile başlar. 9 ≤ x < 10. Bu nedenle, x 1 rakamıyla başlarsa günlük 1 ≤ günlük x veya 9 ile başlar if günlük 9 ≤ günlükx . Aralık [günlük 1, günlük 2] aralıktan çok daha geniştir [günlük 9, günlük 10] (Sırasıyla 0.30 ve 0.05); bu nedenle günlük ise x üniform ve rastgele dağıtılmışsa, daha dar aralığa göre daha geniş aralığa düşme olasılığı çok daha yüksektir, yani 9'dan 1 ile başlamak daha olasıdır; olasılıklar aralık genişlikleri ile orantılıdır ve yukarıdaki denklemi verir (ondalık tabanın yanı sıra diğer bazlara genelleme).

Benford yasası bazen daha güçlü bir biçimde ifade edilir ve kesirli kısım verinin logaritmasının% 'si tipik olarak 0 ile 1 arasında eşit olarak dağıtılmaya yakın; buradan ilk rakamların dağılımı ile ilgili ana iddia türetilebilir.

Benford kanunu diğer üslerde

Grafikler P (d ) ilk basamak için d çeşitli bazlarda.[10] Noktalı çizgi gösterir P (d ) dağıtım üniformuydu. İçinde SVG resmi, her noktanın değerini göstermek için fareyle bir grafiğin üzerine gelin.

Benford yasasının bir uzantısı, ilk rakamların diğer üsler dışında ondalık; aslında herhangi bir üs b ≥ 2. Genel biçim şöyledir:

[11]

İçin b = 2,1 ( ikili ve birli ) sayı sistemleri, Benford yasası doğrudur ancak önemsizdir: Tüm ikili ve tekli sayılar (0 veya boş küme hariç) 1 rakamıyla başlar. (Öte yandan, Benford yasasının ikinci ve sonraki rakamlara genelleştirilmesi ikili sayılar için bile önemsiz değildir.[12])

Misal

İlk basamakların dağılımı (% olarak, kırmızı çubuklar) 237 ülkenin nüfusu Temmuz 2010 itibariyle dünya çapında. Siyah noktalar, Benford yasası tarafından tahmin edilen dağılımı göstermektedir.

Yükseklikler listesinin incelenmesi Kategoriye göre dünyanın en yüksek 58 yapısı 1'in açık farkla en yaygın ön basamak olduğunu gösterir, ölçü biriminden bağımsız olarak (aşağıdaki "ölçek değişmezliği" ile karşılaştırın):

Baştaki rakammetreayakBenford yasasında
Miktar%Miktar%
12441.4%1627.6%30.1%
2915.5%813.8%17.6%
3712.1%58.6%12.5%
4610.3%712.1%9.7%
511.7%1017.2%7.9%
658.6%46.9%6.7%
711.7%23.4%5.8%
846.9%58.6%5.1%
911.7%11.7%4.6%

Başka bir örnek, baştaki rakamdır 2n:

1, 2, 4, 8, 1, 3, 6, 1, 2, 5, 1, 2, 4, 8, 1, 3, 6, 1 ... (sıra A008952 içinde OEIS )

Tarih

Benford yasasının keşfi, Kanadalı-Amerikalı astronomun 1881 yılına kadar uzanıyor. Simon Newcomb fark ettim ki logaritma önceki sayfalar (1 ile başlayan) diğer sayfalara göre çok daha fazla yıpranmıştı.[7] Newcomb'un yayınladığı sonuç, bu gözlemin bilinen ilk örneğidir ve ikinci basamakta da bir dağılım içerir. Newcomb, tek bir sayının olasılığının N bir sayının ilk basamağı olmak log'a eşittir (N + 1) - günlük (N).

Bu fenomen 1938'de fizikçi tarafından tekrar not edildi Frank Benford,[6] 20 farklı alandan gelen veriler üzerinde test eden ve bunun için kredilendirilen. Veri seti, 335 nehrin yüzey alanlarını, 3259 ABD nüfusunun büyüklüklerini, 104 fiziksel sabitler, 1800 moleküler ağırlıklar, Matematiksel bir el kitabından 5000 giriş, bir sayıda bulunan 308 sayı Okuyucunun özeti, listelenen ilk 342 kişinin açık adresleri American Men of Science ve 418 ölüm oranı. Makalede kullanılan toplam gözlem sayısı 20.229 idi. Bu keşfe daha sonra Benford'un adı verildi (bu, Stigler yasası ).

1995'te, Ted Hill belirtilen karma dağıtımlarla ilgili sonucu kanıtladı altında.[13][14]

Açıklamalar

Genel Bakış

Benford yasası, birkaç büyüklük sırasına yayılan verilere en doğru şekilde uygulama eğilimindedir. Genel bir kural olarak, verilerin eşit olarak kapsadığı büyüklük dereceleri ne kadar fazlaysa, Benford yasası o kadar doğru olur. Örneğin, Benford yasasının Birleşik Krallık yerleşim yerlerinin nüfuslarını temsil eden bir sayılar listesine uygulanması beklenebilir. Ancak bir "yerleşim", 300 ile 999 arasında bir nüfusa sahip bir köy olarak tanımlanırsa, Benford yasası uygulanmaz.[15][16]

Aşağıda gösterilen olasılık dağılımlarını düşünün. günlük ölçeği Her durumda, kırmızı ile gösterilen toplam alan, ilk rakamın 1 olma göreli olasılığıdır ve mavi renkli toplam alan, ilk rakamın 8 olması göreli olasılıktır. İlk dağılım için, kırmızı alanların boyutu ve mavi, her kırmızı ve mavi çubuğun genişliğiyle yaklaşık orantılıdır. Bu nedenle, bu dağılımdan elde edilen rakamlar yaklaşık olarak Benford yasasına uygun olacaktır. Öte yandan, ikinci dağılım için kırmızı ve mavi alanların oranı, her bir kırmızı ve mavi çubuğun genişliklerinin oranından çok farklıdır. Aksine, kırmızı ve mavinin göreli alanları, genişliklerden çok çubukların yüksekliğine göre belirlenir. Buna göre, bu dağılımdaki ilk basamaklar Benford yasasını hiç karşılamıyor.[16]

Günlük ölçeğinde gösterilen, bir değişkenin günlüğünün geniş olasılık dağılımı. Benford yasası, mavi (ilk basamak 8) gölgelendirmeye kıyasla kırmızı (birinci basamak bir) ile kaplı daha geniş alanda görülebilir.
Günlük ölçeğinde gösterilen, bir değişkenin günlüğünün dar olasılık dağılımı. Benford yasasına uyulmuyor, çünkü dar dağılım Benford yasasının kriterlerini karşılamıyor.

Bu nedenle, birkaç büyüklük dereceleri oldukça tekdüze (Örneğin., köylerin / kasabaların / şehirlerin nüfusları, borsa fiyatları), Benford yasasını çok yüksek bir doğrulukla karşılayabilir. Öte yandan, çoğunlukla veya tamamen tek bir büyüklük sırası (Örneğin., insan yetişkinlerin boyları veya IQ puanları) Benford yasasını çok doğru bir şekilde veya hiç karşılama olasılığı düşüktür.[15][16] Bununla birlikte, uygulanabilir ve uygulanamaz rejimler arasındaki fark keskin bir kesinti değildir: dağılım daraldıkça, Benford yasasından sapmalar kademeli olarak artar.

(Bu tartışma, Benford yasasının tam bir açıklaması değildir, çünkü değişken logaritmasının bir olasılık dağılımı olarak çizildiğinde, birkaç büyüklük mertebesinde nispeten tekdüze olan veri setlerine neden bu kadar sık ​​rastlandığını açıklamamıştır.[17])

Krieger-Kafri entropi açıklaması

1970 yılında Wolfgang Krieger şimdi Krieger Jeneratör Teoremi olarak adlandırılan şeyi kanıtladı.[18][19] 2009'da Oded Kafri[20] Kafri top ve kutu modelini kullanarak Benford yasasını türetmiştir.[21] Krieger Jeneratör Teoremi, belirli bir temelde Kafri top ve kutu modelindeki varsayımın bir gerekçesi olarak görülebilir. sabit sayıda basamaklı 0, 1, ... n, ..., , hane n içeren bir Kafri kutusuna eşdeğerdir n etkileşmeyen toplar. Bir dizi başka bilim adamı ve istatistikçi, Benford yasası için entropi ile ilgili açıklamalar önerdiler.[22][23][24][9][25]

Çarpımsal dalgalanmalar

Benford yasasının gerçek dünyadaki birçok örneği, çarpımsal dalgalanmalardan kaynaklanmaktadır.[26] Örneğin, bir hisse senedi fiyatı 100 dolardan başlarsa ve her gün 0,99 ile 1,01 arasında rastgele seçilen bir faktörle çarpılırsa, uzun bir süre boyunca fiyatının olasılık dağılımı, Benford yasasını gittikçe daha yüksek doğrulukla karşılar.

Nedeni şu ki logaritma hisse senedi fiyatının% 'si rastgele yürüyüş, bu nedenle zamanla olasılık dağılımı giderek daha geniş ve pürüzsüz hale gelecektir (bkz. yukarıda ).[26] (Daha teknik olarak, Merkezi Limit Teoremi gitgide daha fazla rastgele değişkeni çarpmanın bir log-normal dağılım daha büyük ve daha büyük varyans ile, bu yüzden sonunda neredeyse tek tip olarak birçok büyüklük sırasını kapsar.) Benford yasası ile yaklaşık bir anlaşma olduğundan emin olmak için, dağılım 10'a kadar herhangi bir faktör ile büyütüldüğünde yaklaşık olarak değişmez olmalıdır; a normal olarak Geniş dağılımlı dağıtılmış veri seti bu yaklaşık özelliğe sahip olacaktır.

Çarpımsal dalgalanmalardan farklı olarak, katkı dalgalanmalar Benford yasasına yol açmaz: Bunun yerine normal olasılık dağılımları (yine Merkezi Limit Teoremi ), Benford yasasını karşılamayan. Örneğin, "belirli bir günde deneyimlediğim kalp atışlarının sayısı" şu şekilde yazılabilir: toplam birçok rastgele değişkenden (örneğin, günün tüm dakikalarında dakika başına kalp atışlarının toplamı), dolayısıyla bu miktar olası olmayan Benford yasalarına uymak. Buna karşılık, yukarıda açıklanan varsayımsal hisse senedi fiyatı şu şekilde yazılabilir: ürün birçok rastgele değişkenden (yani her gün için fiyat değişim faktörü), yani muhtemelen Benford yasasını oldukça iyi takip etmek.

Çoklu olasılık dağılımları

Anton Formann dikkatleri birbiriyle ilişkisine çekerek alternatif bir açıklama sağlamıştır. dağıtım önemli basamaklar ve dağılımı gözlemlenen değişken. Bir simülasyon çalışmasında, uzun sağ kuyruklu dağılımların rastgele değişken Newcomb-Benford yasası ile uyumludur ve iki rasgele değişkenin oranının dağılımları için uyum genellikle iyileşir.[27] Belirli dağılımlardan (IQ puanları, insan boyları) alınan sayılar için Benford yasası geçerli değildir, çünkü bu değişkenler Benford yasasını karşılamadığı bilinen normal bir dağılıma uyar,[8] normal dağılımlar birkaç büyüklük sırasını kapsayamayacağı için mantis Logaritmalarından (yaklaşık olarak) tekdüze dağıtılmayacaktır. Ancak, bu dağıtımlardan sayılar örneğin gazete makalelerinden sayılar alınarak "karıştırılırsa" Benford yasası yeniden ortaya çıkar. Bu aynı zamanda matematiksel olarak da kanıtlanabilir: eğer biri tekrar tekrar "rastgele" bir olasılık dağılımı (ilişkisiz bir kümeden) ve sonra rastgele bir şekilde bu dağılıma göre bir sayı seçerse, ortaya çıkan sayı listesi Benford yasasına uyacaktır.[13][28] Benford yasasının günlük yaşam sayılarında ortaya çıkması için benzer bir olasılıksal açıklama, tekdüze dağılımların karışımları düşünüldüğünde doğal olarak ortaya çıktığını göstererek geliştirilmiştir.[29]

Değişmezlik

Uzunlukların bir listesi varsa, listedeki sayıların ilk basamaklarının dağılımı, tüm uzunlukların metre, yarda veya fit veya inç cinsinden ifade edilip edilmediğine bakılmaksızın genel olarak benzer olabilir. Aynısı para birimleri için de geçerlidir. .

Bu değil her zaman dava. Örneğin, yetişkin insanların boyu neredeyse her zaman metre cinsinden ölçüldüğünde 1 veya 2 ile başlar ve fit cinsinden ölçüldüğünde neredeyse her zaman 4, 5, 6 veya 7 ile başlar.

Ancak, birçok büyüklük sırasına eşit olarak yayılmış uzunlukların bir listesini düşünün. Örneğin, bilimsel makalelerde bahsedilen 1000 uzunluktan oluşan bir liste, moleküllerin, bakterilerin, bitkilerin ve galaksilerin ölçümlerini içerecektir. Tüm bu uzunluklar metre cinsinden yazılırsa veya tümü fit olarak yazılırsa, ilk rakamların dağılımının iki listede de aynı olmasını beklemek mantıklıdır.

Bir veri setinin ilk rakamlarının dağılımının olduğu bu durumlarda ölçek değişmezi (veya verilerin ifade edildiği birimlerden bağımsız olarak), ilk rakamların dağılımı her zaman Benford yasasına göre verilir.[30][31]

Örneğin, bu uzunluklar listesindeki ilk (sıfır olmayan) rakam, ölçü birimi fit veya yard olsa da aynı dağılıma sahip olmalıdır. Ancak bir yardada üç fit vardır, bu nedenle, bir uzunluğun yarda cinsinden ilk basamağının 1 olma olasılığı, bir uzunluğun fit cinsinden ilk rakamının 3, 4 veya 5 olma olasılığı ile aynı olmalıdır; benzer şekilde, bir uzunluğun yarda cinsinden ilk basamağının 2 olma olasılığı, fit cinsinden bir uzunluğun ilk basamağının 6, 7 veya 8 olma olasılığı ile aynı olmalıdır. Bunu tüm olası ölçüm ölçeklerine uygulamak, logaritmik dağılımını verir. Benford yasası.

İlk basamaklar için Benford Yasası temel sayı sistemleri için değişmez. Toplam-değişmezlik, ters-değişmezlik, toplama ve çıkarma değişmezliğinin koşulları ve kanıtları vardır.[32][33]

Başvurular

Muhasebe dolandırıcılık tespiti

1972'de, Hal Varian olası tespit için kanunun kullanılabileceğini önerdi dolandırıcılık kamu planlama kararlarını desteklemek için sunulan sosyo-ekonomik veri listelerinde. Figürleri uyduran kişilerin rakamlarını oldukça tekdüze bir şekilde dağıtma eğiliminde olduklarına dair makul varsayıma dayanarak, Benford yasasına göre beklenen dağılımla verilerden elde edilen birinci basamak frekans dağılımının basit bir karşılaştırması, herhangi bir anormal sonuç ortaya koymalıdır.[34]

Hukuki durum

Amerika Birleşik Devletleri'nde, federal, eyalet ve yerel düzeylerde ceza davalarında Benford yasasına dayanan kanıtlar kabul edilmiştir.[35]

Seçim verileri

Walter Mebane Michigan Üniversitesi'nde siyaset bilimci ve istatistikçi olan, ikinci basamaklı Benford'un yasa testini (2BL-testi) ilk kez seçim adli tıp.[36] Bu tür analizler, seçim sonuçlarındaki düzensizlikleri tespit etmek ve bunların tespit edilmesine yardımcı olmak için kusursuz olmasa da basit bir yöntem olarak kabul edilir. seçim dolandırıcılığı.[37] Siyaset bilimciler Joseph Deckert, Mikhail Myagkov ve Peter C. Ordeshook Benford yasasının sorunlu ve yanıltıcı olduğunu, seçim sahtekarlığının istatistiksel bir göstergesi olduğunu savundu.[38] Yöntemleri bir yanıtta Mebane tarafından eleştirildi, ancak Benford yasasının seçim verilerine uygulanmasında birçok uyarı olduğunu kabul etti.[39]

Benford yasası dolandırıcılığın kanıtı olarak kullanıldı içinde 2009 İran seçimleri.[40] Mebane tarafından yapılan bir analiz, oylamadaki ikinci basamakların Başkan için geçerli olduğunu buldu Mahmud Ahmedinejad seçimin galibi, Benford yasasının beklentilerinden önemli ölçüde farklı olma eğilimindeydi ve oy sandıklarının çok az geçersiz oy pusulaları sonuçlar üzerinde daha büyük bir etkiye sahipti, bu da oy pusulası doldurma.[41] Başka bir çalışma kullanıldı önyükleme bulmaya yönelik simülasyonlar, adayın Mehdi Karroubi Benford yasasına göre beklenenin neredeyse iki katı sayı 7 ile başlayan oy sayımı aldı,[42] bir analiz yaparken Kolombiya Üniversitesi Adil bir seçimin hem çok az bitişik olmayan basamak üretme olasılığının hem de 2009 İran cumhurbaşkanlığı seçiminde bulunan son basamak frekanslarındaki şüpheli sapmaların yüzde 0,5'in altında olduğu sonucuna varmıştır.[43] Benford yasası, adli denetim ve sahtekarlık tespiti için de uygulandı. 2003 California valilik seçimi,[44] 2000 ve 2004 Amerika Birleşik Devletleri başkanlık seçimleri,[45] ve 2009 Almanya federal seçimi;[46] Benford Hukuk Testi'nin "dolandırıcılık için istatistiksel bir test olarak ciddiye almaya değer" olduğu, ancak "birçok oyu önemli ölçüde etkilediğini bildiğimiz çarpıklıklara duyarlı olmadığı" bulundu.[45][daha fazla açıklama gerekli ]

Bölgede seçim hilesi iddialarının ortasında 2016 Rusya seçimleri Kirill Kalinin ve Mebane tarafından ortak yazılan bir makale, Washington post ülkenin 96.869 seçim bölgesindeki her bir seçmen sayısının ikinci hanesinin dört anlamlı rakama ortalamasının, Benford yasasına göre beklenen ortalamaya (4.187) eşit olduğunu gözlemlemiştir. Kalinin ve Mebane, seçim dolandırıcılığının diğer göstergelerine dayanarak, bu "mükemmel" istatistiklerin, sorumluların Benford yasasının beklentilerine uymak için kasten oylara hile yaptığını gösterdiğini öne sürüyorlar.[47]

Makroekonomik veriler

Benzer şekilde, Yunan hükümetinin AB'ye girmeden önce Avrupa Birliği'ne bildirdiği makroekonomik veriler Euro bölgesi ülke katıldıktan yıllar sonra da olsa, Benford yasasını kullanarak muhtemelen hileli olduğu gösterildi.[48][49]

Fiyat basamak analizi

Fiyat rakamlarının araştırılması için bir kıyaslama olarak Benford yasası, fiyatlandırma araştırması bağlamında başarılı bir şekilde tanıtıldı. Bu ölçütün fiyatlardaki düzensizlikleri tespit etmedeki önemi ilk olarak Avrupa çapında bir çalışmada ortaya konmuştur.[50] fiyat ayarlamaları için euro girişinden önceki ve sonraki tüketici fiyatı rakamlarını araştırdı. 2002 yılında, çeşitli döviz kurlarıyla birlikte euro'nun piyasaya sürülmesi, mevcut nominal fiyat modellerini bozarken, aynı zamanda gerçek fiyatları korudu. İlk rakamları nominal fiyatlar Benford yasasına göre dağıtılan çalışma, nominal piyasa fiyatlarında ikinci ve üçüncü rakamlar için bu kıyaslamadan net bir sapma gösterdi psikolojik fiyatlandırma Euro'ya girişin nominal şokundan sonra.

Genom verileri

Sayısı açık okuma çerçeveleri ve genom boyutuyla ilişkileri arasında farklılık ökaryotlar ve prokaryotlar ilki log-doğrusal bir ilişki gösterirken, ikincisi doğrusal bir ilişki gösterir. Bu gözlemi her iki durumda da verilere mükemmel bir şekilde uyacak şekilde test etmek için Benford yasası kullanılmıştır.[51]

Bilimsel dolandırıcılık tespiti

Yayınlanmış makalelerdeki regresyon katsayıları testi, Benford yasasıyla uyuştuğunu gösterdi.[52] Karşılaştırma grubu olarak deneklerden istatistiksel tahminler üretmeleri istendi. Uydurma sonuçlar, Benford'un ilk rakamlarla ilgili kanununa uyuyordu, ancak Benford'un ikinci rakamlar kanununa uymadı.

COVID-19 verileri

Araştırmacılar, Benford Yasasının, toplam ve günlük doğrulanmış vakalar ve ölümler gibi COVID-19 sayılarının serbest bırakılmasında olası dolandırıcılığı değerlendirmek için uygulanabilirliğini gösterdi.[53] Çalışma, Rusya ve İran verilerinde olası değişiklikler önerdi, ancak ABD, Brezilya, Hindistan, Peru, Güney Afrika, Kolombiya, Meksika, İspanya, Arjantin, Şili, Birleşik Krallık, Fransa, Suudi Arabistan, Çin için değil. Filipinler, Belçika, Pakistan ve İtalya.

İstatistiksel testler

rağmen ki-kare testi Benford yasasına uygunluğu test etmek için kullanılmıştır, küçük örneklerle kullanıldığında düşük istatistiksel güce sahiptir.

Kolmogorov-Smirnov testi ve Kuiper testi örneklem boyutu küçük olduğunda, özellikle Stephens'in düzeltici faktörü kullanıldığında daha güçlüdür.[54] Bu testler, ayrık dağılımlara uygulandığında aşırı derecede ihtiyatlı olabilir. Benford testi için değerler Morrow tarafından oluşturulmuştur.[55] Test istatistiklerinin kritik değerleri aşağıda gösterilmiştir:

α
Ölçek
0.100.050.01
Kuiper1.1911.3211.579
Kolmogorov – Smirnov1.0121.1481.420

Bu kritik değerler, verilen zamanda Benford yasasına uygunluk hipotezini reddetmek için gereken minimum test istatistik değerlerini sağlar. önem seviyeleri.

Bu yasaya özgü iki alternatif test yayınlandı: birincisi, maks (m) istatistik[56] tarafından verilir

ve ikincisi, mesafe (d) istatistik[57] tarafından verilir

FSD'nin ilk önemli basamak olduğu ve N örnek boyuttur. Morrow, her iki istatistik için de aşağıda gösterilen kritik değerleri belirlemiştir:[55]

İstatistik
0.100.050.01
Leemis m0.8510.9671.212
Cho-Gaines d1.2121.3301.569

Morrow ayrıca herhangi bir rastgele değişken için X (sürekli bir pdf ile) standart sapmasına (σ), bir değer Bir rastgele değişkenin ilk anlamlı basamağının dağılım olasılığının (X/σ)Bir Benford yasasından daha az farklılık gösterecek ε > 0.[55] Değeri Bir değerine bağlıdır ε ve rastgele değişkenin dağılımı.

Önyükleme ve regresyona dayalı bir muhasebe dolandırıcılığı tespit yöntemi önerilmiştir.[58]

Amaç, anlaşmazlıktan ziyade Benford yasasıyla anlaşma yapmaksa, o zaman uyum iyiliği testleri yukarıda bahsedilenler uygunsuzdur. Bu durumda belirli denklik testleri uygulanmalıdır. Olasılık kütle fonksiyonları arasındaki bir mesafe (örneğin toplam varyasyon mesafesi veya olağan Öklid mesafesi) yeterince küçükse, Benford yasasına eşdeğer bir ampirik dağılım denir. Benford yasasına uygulanarak bu test yöntemi Ostrovski (2017) 'de açıklanmıştır.[59]

Uygulanabilirlik aralığı

Benford yasalarına uyduğu bilinen dağıtımlar

Bazı iyi bilinen sonsuz tamsayı dizileri kanıtlanabilir şekilde Benford yasasını tam olarak karşılamaktadır ( asimptotik sınır dizinin giderek daha fazla terimi dahil edildiğinden). Bunlar arasında Fibonacci sayıları,[60][61] faktöriyeller,[62] 2'nin kuvvetleri,[63][64] ve yetkileri neredeyse başka herhangi bir numara.[63]

Benzer şekilde, bazı sürekli süreçler Benford yasasını tam olarak karşılar (süreç zamanla devam ederken asimptotik sınırda). Biri bir üstel büyüme veya çürüme süreç: Bir miktar zaman içinde katlanarak artıyor veya azalıyorsa, her bir ilk basamağa sahip olduğu zaman yüzdesi, Benford yasasını asimptotik olarak karşılar (yani süreç zaman içinde devam ettikçe doğruluk artışı).

Benford yasalarına uymadığı bilinen dağılımlar

Karekök ve karşılıklılar Ardışık doğal sayılar bu yasaya uymuyor.[65] Telefon rehberleri Benford yasasını ihlal ediyor çünkü (yerel) numaralar çoğunlukla sabit uzunluktadır ve uzun mesafe önek (içinde Kuzey Amerika Numaralandırma Planı, rakam 1).[66] Benford yasası, 1960 ve 1970 nüfus sayımlarına göre beş ABD eyaletinden en az 2500 kişilik nüfusa sahip tüm yerlerin nüfusu tarafından ihlal edilmektedir; burada yalnızca% 19'u rakam 1 ile başlarken,% 20'si 2 rakamıyla başlamıştır, çünkü 2500'de kesme istatistiksel önyargı getirir.[65] Patoloji raporlarındaki son rakamlar, yuvarlama nedeniyle Benford yasasını ihlal ediyor.[67]

Birkaç büyüklük sırasına yayılmayan dağılımlar Benford yasalarına uymayacaktır. Örnekler arasında boy, kilo ve IQ puanları bulunur.[8][68]

Dağıtım kriterleri beklenen ve Benford yasalarına uyması beklenmiyor

Benford yasasının uygulanmasının beklendiği yerlerde, özellikle muhasebe verilerine uygulanabilen bir dizi kriter önerilmiştir.[69]

Benford yasalarına uyması beklenebilecek dağılımlar
  • Ortalama, medyandan büyük olduğunda ve çarpıklık pozitif olduğunda
  • Sayıların matematiksel kombinasyonundan kaynaklanan sayılar: ör. miktar × fiyat
  • İşlem düzeyi verileri: ör. ödemeler, satışlar
Benford yasalarına uyması beklenmeyen dağılımlar
  • Sayıların sırayla atandığı durumlarda: ör. kontrol numaraları, fatura numaraları
  • Sayıların insan düşüncesinden etkilendiği yer: ör. psikolojik eşiklere göre belirlenen fiyatlar (1,99 $)
  • Çok sayıda firmaya özgü numaraya sahip hesaplar: ör. 100 ABD doları tutarında geri ödeme kaydedecek şekilde ayarlanmış hesaplar
  • Dahili minimum veya maksimuma sahip hesaplar
  • Bir büyüklük sırasına yayılmayan dağılımlar.

Benford Yasası uyum teoremi

Matematiksel olarak, Benford yasası, test edilen dağıtım "Benford Yasalarına Uygunluk Teoremine" uygunsa geçerlidir.[15] Türetme, olasılık yoğunluk fonksiyonunun logaritmasının Fourier dönüşümü tüm tamsayı değerleri için sıfırsa Benford yasasının takip edildiğini söylüyor. En önemlisi, bu, Fourier dönüşümü n≥1 için sıfır (veya ihmal edilebilir) ise tatmin edilir. Dağılım genişse bu tatmin edilir (çünkü geniş dağılım küçük bir Fourier dönüşümü anlamına gelir). Smith şöyle özetliyor (s. 716):

“Benford yasasını, logaritmik ölçek boyunca birim mesafeye kıyasla geniş dağılımlar izler. Aynı şekilde, yasayı birim mesafeye göre daha dar dağılımlar izlemiyor…. “Dağılım, log eksenindeki birim mesafeye göre genişse, incelenen sayılar kümesindeki yayılmanın ondan çok daha büyük olduğu anlamına gelir. . "

Kısacası, Benford yasası, ölçülen dağılımdaki sayıların en azından bir büyüklük düzenine yayılmasını gerektirir.

Ortak dağılımlarla testler

Benford yasası, aşağıdakiler de dahil olmak üzere bir dizi önemli dağılımın ürettiği sayılarla (10. basamağa kadar) deneysel olarak test edildi. üniforma dağıtımı, üstel dağılım, normal dağılım, ve diğerleri.[8]

Beklenebileceği gibi tek tip dağılım, Benford yasalarına uymuyor. Buna karşılık, iki tek tip dağılımın oran dağılımı, Benford yasası tarafından iyi tanımlanmıştır.

Ne normal dağılım ne de iki normal dağılımın oran dağılımı ( Cauchy dağılımı ) Benford yasalarına uyun. Yarı normal dağılım Benford yasasına uymasa da, iki yarı normal dağılımın oran dağılımı uymaktadır. Ne sağdan kesilmiş normal dağılım ne de sağdan kesilmiş iki normal dağılımın oran dağılımı Benford yasasında iyi tanımlanmamıştır. Bu dağılım daha büyük sayılara doğru ağırlıklandırıldığı için bu şaşırtıcı değildir.

Benford yasası ayrıca iki üstel dağılımın üstel dağılımını ve oran dağılımını iyi açıklar. Ki-kare dağılımının uyumu şuna bağlıdır: özgürlük derecesi (df) df = 1 ile iyi bir uyum ve df arttıkça azalan anlaşma ile. F-dağıtım, düşük serbestlik dereceleri için iyi yerleştirilmiştir. Artan dfs ile uyum azalır, ancak ki-kare dağılımından çok daha yavaş. Log-normal dağılımın uyumu, anlamına gelmek ve varyans dağıtımın. Varyans, uyum üzerinde ortalamaya göre çok daha büyük bir etkiye sahiptir. Her iki parametrenin daha büyük değerleri, kanunla daha iyi anlaşmaya neden olur. İki log normal dağılımının oranı bir log normaldir, bu nedenle bu dağılım incelenmemiştir.

İncelenen diğer dağıtımlar şunları içerir: Muth dağılımı, Gompertz dağılımı, Weibull dağılımı, gama dağılımı, lojistik dağıtım ve üstel güç dağıtımı bunların tümü kanunla makul bir anlaşma gösterir.[56][70] Gumbel dağılımı - rastgele değişkenin değeri arttıkça yoğunluk artar - bu yasa ile uyuşmaz.[70]

Birincinin ötesindeki rakamlara genelleme

Bir sayının basamak (lar) la başlama olasılığının günlük-günlük grafiği n, Benford yasasına uygun bir dağıtım için. Noktalar tam formülü gösterir, P (n) = log10(1 + 1 / n). Grafik, içinden geçen kesikli asimptote doğru eğilim gösterir. (1, günlük10 e) log-log ölçeğinde −1 eğimi ile. Sarı renkli örnek, bir sayının 314 ile başlama olasılığının 0,00138 civarında olduğunu göstermektedir. Noktalı çizgiler, karşılaştırma için tek tip bir dağılımın olasılıklarını gösterir. İçinde SVG resmi, değerlerini göstermek için fareyle bir noktanın üzerine gelin.

Yasayı birincinin ötesinde rakamlara kadar genişletmek mümkündür.[71] Özellikle, herhangi bir sayıdaki basamak için, basamak dizisiyle başlayan bir sayıyla karşılaşma olasılığı n baştaki sıfırlar atılarak - bu uzunlukta:

Örneğin, bir sayının 3, 1, 4 rakamlarıyla başlama olasılığı günlük10(1 + 1/314) ≈ 0.00138, sağdaki şekilde olduğu gibi. Bunu sağlayan sayılar arasında 3.14159 ..., 314285.7 ... ve 0.00314465 ... bulunur.

Bu sonuç, belirli bir rakamın bir sayı içinde belirli bir konumda oluşma olasılığını bulmak için kullanılabilir. Örneğin, ikinci basamak olarak bir "2" ile karşılaşma olasılığı[71]

Ve olasılığı d (d = 0, 1, ..., 9), n-th (n > 1) basamak

Dağılımı n-inci basamak n aşağıda gösterildiği gibi, on hanenin her biri için% 10'luk tekdüze bir dağılıma hızla yaklaşır.[71] Dördüncü basamakta zamanın% 10.0176'sında görünürken, '9' zamanın% 9.9824'ünde göründüğünden, dört basamak% 10'luk tekdüze bir dağılım varsaymak için genellikle yeterlidir.

Hane0123456789
1 inciYok30.1%17.6%12.5%9.7%7.9%6.7%5.8%5.1%4.6%
2.12.0%11.4%10.9%10.4%10.0%9.7%9.3%9.0%8.8%8.5%
3 üncü10.2%10.1%10.1%10.1%10.0%10.0%9.9%9.9%9.9%9.8%

Anlar

Ortalama ve Anlar Bu yasaya göre 1'den 9'a kadar olan rakamlar için rastgele değişkenler hesaplanmıştır:[72]

Benford yasasına göre iki basamaklı dağılım için şu değerler de bilinmektedir:[73]

Benford yasasına göre ilk iki basamağın birlikte oluşması için kesin olasılıkların bir tablosu mevcuttur,[73] birinci ve ikinci rakamlar arasındaki nüfus korelasyonu:[73] ρ = 0.0561.

popüler kültürde

  • Benford yasası, televizyon suç dramasının "Koşan Adam" bölümünde (2006) bir benzetme olarak kullanılmıştır. NUMB3RS, Benford yasasının bir dizi yüksek hırsızlığı çözmeye yardımcı olmak için kullanıldığı yer.[74]
  • 2016 filmi Muhasebeci, Benford yasası, bir robotik şirketinden fon hırsızlığını ortaya çıkarmak için kullanılır.
  • İçinde Netflix dizi Ozark Benford yasası, bir kartel üyesinin mali tablolarını analiz etmek ve dolandırıldığını tespit etmek için kullanılır.
  • Dördüncü bölüm Netflix dizi Bağlandı Benford yasasıyla ilgilidir.

Ayrıca bakınız

Referanslar

  1. ^ Arno Berger ve Theodore P Tepesi, Benford Yasası Geri Döndü: Matematiksel Taş için Görüşte Basit Bir Açıklama Yok, 2011
  2. ^ Weisstein, Eric W. "Benford Yasası". MathWorld, Bir Wolfram web kaynağı. Alındı 7 Haziran 2015.
  3. ^ Hill, Theodore. "Anlamlı Sayılar Yasasının İstatistiksel Çıkarımı". Öklid Projesi.
  4. ^ Paul H. Kvam, Brani Vidakovic, Bilim ve Mühendislik Uygulamaları ile Parametrik Olmayan İstatistik, s. 158
  5. ^ Berger, Arno; Hill, Theodore P. (30 Haziran 2020). "Benford yasasının matematiği: bir başlangıç". Stat. Yöntemler Uygulaması. arXiv:1909.07527. doi:10.1007 / s10260-020-00532-8. S2CID  202583554.
  6. ^ a b Frank Benford (Mart 1938). "Anormal sayılar yasası". Proc. Am. Philos. Soc. 78 (4): 551–572. JSTOR  984802. (abonelik gereklidir)
  7. ^ a b Simon Newcomb (1881). "Doğal sayılarda farklı rakamların kullanım sıklığına ilişkin not". Amerikan Matematik Dergisi. 4 (1/4): 39–40. Bibcode:1881AmJM .... 4 ... 39N. doi:10.2307/2369148. JSTOR  2369148. S2CID  124556624. (abonelik gereklidir)
  8. ^ a b c d Formann, A. K. (2010). Morris, Richard James (ed.). "Bazı Yaygın Dağılımlarla İlişkisi Açısından Newcomb-Benford Yasası". PLOS ONE. 5 (5): e10541. Bibcode:2010PLoSO ... 510541F. doi:10.1371 / journal.pone.0010541. PMC  2866333. PMID  20479878.
  9. ^ a b Miller, Steven J., ed. (9 Haziran 2015). Benford Yasası: Teori ve Uygulamalar. Princeton University Press. s. 309. ISBN  978-1-4008-6659-5.
  10. ^ Kesinlikle çubuk şeklinde olmalı, ancak netlik sağlamak için satır olarak gösterilmelidir.
  11. ^ Pimbley, J.M. (2014). "Logaritmik Dönüşüm Olarak Benford Yasası" (PDF). Maxwell Consulting, LLC. Alındı 15 Kasım 2020.
  12. ^ KHOSRAVANI, A (2012). Benford Değişkenlerinin Dönüşüm Değişmezliği ve Sayısal Modellemesi. Otomatik Kontrol ve Elektronik Alanında Güncel Araştırmalar. s. 57–61. ISBN  978-1-61804-080-0.
  13. ^ a b Theodore P. Hill (1995). "Anlamlı Sayılar Yasasının İstatistiksel Çıkarımı". İstatistik Bilimi. 10 (4): 354–363. doi:10.1214 / ss / 1177009869. BAY  1421567.
  14. ^ Hill, Theodore P. (1995). "Temel değişmezlik, Benford yasasını ifade eder". Proceedings of the American Mathematical Society. 123 (3): 887–895. doi:10.1090/S0002-9939-1995-1233974-8. ISSN  0002-9939.
  15. ^ a b c Steven W. Smith. "The Scientist and Engineer's Guide to Digital Signal Processing, chapter 34, Explaining Benford's Law". Alındı 15 Aralık 2012. (özellikle Bölüm 10 ).
  16. ^ a b c Fewster, R. M. (2009). "A simple explanation of Benford's Law" (PDF). Amerikan İstatistikçi. 63 (1): 26–32. CiteSeerX  10.1.1.572.6719. doi:10.1198/tast.2009.0005. S2CID  39595550.
  17. ^ Arno Berger and Theodore P. Hill, Benford's Law Strikes Back: No Simple Explanation in Sight for Mathematical Gem, 2011. The authors describe this argument, but say it "still leaves open the question of why it is reasonable to assume that the logarithm of the spread, as opposed to the spread itself—or, say, the log log spread—should be large" and that "assuming large spread on a logarithmic scale is eşdeğer to assuming an approximate conformance with [Benford's law]" (italics added), something which they say lacks a "simple explanation".
  18. ^ Krieger, Wolfgang (1970). "On entropy and generators of measure-preserving transformations". Amerikan Matematik Derneği İşlemleri. 149 (2): 453. doi:10.1090/S0002-9947-1970-0259068-3. ISSN  0002-9947.
  19. ^ Downarowicz, Tomasz (12 May 2011). Entropy in Dynamical Systems. Cambridge University Press. s. 106. ISBN  978-1-139-50087-6.
  20. ^ "Oded Kafri". amazon.com.
  21. ^ Kafri, Oded (2009). "Entropy principle in direct derivation of Benford's law". arXiv:0901.3047 [cs.DM ].
  22. ^ Smorodinsky, Meir (1971). "Chapter IX. Entropy and generators. Krieger's theorem". İçinde: Ergodic Theory, Entropy. Lecture Notes in Mathematics, vol 214. Berlin, Heidelberg: Springer. doi:10.1007/BFb0066096.
  23. ^ Ciofalo, Michele (2009). "Entropy, Benford's first digit law, and the distribution of everything". CiteSeerX. Dipartamento di Ingenieria Nucleare, Universita degli Studi di Palermo, Italy. CiteSeerX  10.1.1.492.9157.
  24. ^ Jolion, Jean-Michel (2001). "Images and Benford's Law". Journal of Mathematical Imaging and Vision. 14 (1): 73–81. doi:10.1023/A:1008363415314. ISSN  0924-9907. S2CID  34151059.
  25. ^ Lemons, Don S. (2019). "Thermodynamics of Benford's first digit law". Amerikan Fizik Dergisi. 87 (10): 787–790. arXiv:1604.05715. Bibcode:2019AmJPh..87..787L. doi:10.1119/1.5116005. ISSN  0002-9505. S2CID  119207367.
  26. ^ a b L. Pietronero; E. Tosatti; V. Tosatti; A. Vespignani (2001). "Explaining the uneven distribution of numbers in nature: the laws of Benford and Zipf". Physica A. 293 (1–2): 297–304. arXiv:cond-mat/9808305. Bibcode:2001PhyA..293..297P. doi:10.1016/S0378-4371(00)00633-6.
  27. ^ Formann, A. K. (2010). "The Newcomb–Benford law in its relation to some common distributions". PLOS ONE. 5 (5): e10541. Bibcode:2010PLoSO...510541F. doi:10.1371/journal.pone.0010541. PMC  2866333. PMID  20479878.
  28. ^ Theodore P. Hill (July–August 1998). "The first digit phenomenon" (PDF). Amerikalı bilim adamı. 86 (4): 358. Bibcode:1998AmSci..86..358H. doi:10.1511/1998.4.358.
  29. ^ Janvresse, Élise; Thierry (2004). "From Uniform Distributions to Benford's Law" (PDF). Uygulamalı Olasılık Dergisi. 41 (4): 1203–1210. doi:10.1239/jap/1101840566. BAY  2122815. Arşivlenen orijinal (PDF) 4 Mart 2016 tarihinde. Alındı 13 Ağustos 2015.
  30. ^ Pinkham, Roger S. (1961). "On the Distribution of First Significant Digits". Ann. Matematik. Devletçi. 32 (4): 1223–1230. doi:10.1214/aoms/1177704862.
  31. ^ MathWorld – Benford's Law
  32. ^ Jamain, Adrien (September 2001). "Benford's Law" (PDF). Londra İmparatorluk Koleji. Alındı 15 Kasım 2020.
  33. ^ Berger, Arno (June 2011). "A basic theory of Benford's Law". Probability Surveys. 8 (2011) 1–126: 126.
  34. ^ Varian, Hal (1972). "Benford's Law (Letters to the Editor)". Amerikan İstatistikçi. 26 (3): 65. doi:10.1080/00031305.1972.10478934.
  35. ^ "From Benford to Erdös". Radio Lab. Episode 2009-10-09. 30 Eylül 2009.
  36. ^ Walter R. Mebane, Jr., "Election Forensics: Vote Counts and Benford’s Law " (July 18, 2006).
  37. ^ "Election forensics ", Ekonomist (February 22, 2007).
  38. ^ Deckert, Joseph; Myagkov, Mikhail; Ordeshook, Peter C. (2011). "Benford's Law and the Detection of Election Fraud". Siyasi Analiz. 19 (3): 245–268. doi:10.1093/pan/mpr014. ISSN  1047-1987.
  39. ^ Mebane, Walter R. (2011). "Comment on "Benford's Law and the Detection of Election Fraud"". Siyasi Analiz. 19 (3): 269–272. doi:10.1093/pan/mpr024.
  40. ^ Stephen Battersby Statistics hint at fraud in Iranian election Yeni Bilim Adamı 24 Haziran 2009
  41. ^ Walter R. Mebane, Jr., "Note on the presidential election in Iran, June 2009 " (University of Michigan, June 29 2009), pp. 22–23.
  42. ^ Boudewijn Roukema, "Benford's law anomalies in the 2009 Iranian presidential election " (Nicolaus Copernicus University, 16 June 2009).
  43. ^ Bernd Beber and Alexandra Scacco, "The Devil Is in the Digits: Evidence That Iran's Election Was Rigged ", Washington post (20 Haziran 2009).
  44. ^ Mark J. Nigrini, Benford's Law: Applications for Forensic Accounting, Auditing, and Fraud Detection (Hoboken, NJ: Wiley, 2012), pp. 132–35.
  45. ^ a b Walter R. Mebane, Jr., "Election Forensics: The Second-Digit Benford's Law Test and Recent American Presidential Elections" in Election Fraud: Detecting and Deterring Electoral Manipulation, edited by R. Michael Alvarez et al. (Washington, D.C.: Brookings Institution Press, 2008), pp. 162–81. PDF
  46. ^ Shikano, Susumu; Mack, Verena (2011). "When Does the Second-Digit Benford's Law-Test Signal an Election Fraud? Facts or Misleading Test Results". Jahrbücher für Nationalökonomie und Statistik. 231 (5–6): 719–732.
  47. ^ Kirill Kalinin and Walter R. Mebane, Jr., "When the Russians fake their election results, they may be giving us the statistical finger ", Washington post (January 11, 2017).
  48. ^ William Goodman, The promises and pitfalls of Benford's law, Önem, Royal Statistical Society (June 2016), p. 38.
  49. ^ Goldacre, Ben (16 Eylül 2011). "The special trick that helps identify dodgy stats". Gardiyan. Alındı 1 Şubat 2019.
  50. ^ Sehity, Tarek el; Hoelzl, Erik; Kirchler, Erich (1 December 2005). "Price developments after a nominal shock: Benford's Law and psychological pricing after the euro introduction". International Journal of Research in Marketing. 22 (4): 471–480. doi:10.1016/j.ijresmar.2005.09.002.
  51. ^ Friar, JL; Goldman, T; Pérez-Mercader, J (2012). "Genome sizes and the benford distribution". PLOS ONE. 7 (5): e36624. arXiv:1205.6512. Bibcode:2012PLoSO...736624F. doi:10.1371/journal.pone.0036624. PMC  3356352. PMID  22629319.
  52. ^ Diekmann, A (2007). "Not the First Digit! Using Benford's Law to detect fraudulent scientific data". J Appl Stat. 34 (3): 321–329. doi:10.1080/02664760601004940. hdl:20.500.11850/310246. S2CID  117402608.
  53. ^ Wei, Anran; Vellwock, Andre Eccel (2020). "Is COVID-19 data reliable? A statistical analysis with Benford's Law". Research Gate Pre-print. doi:10.13140/RG.2.2.31321.75365/1. Alındı 4 Kasım 2020.
  54. ^ Stephens, M. A. (1970). "Use of the Kolmogorov–Smirnov, Cramér–Von Mises and Related Statistics without Extensive Tables". Kraliyet İstatistik Derneği Dergisi, Seri B. 32 (1): 115–122.
  55. ^ a b c Morrow, J. (2010) "Benford's Law, Families of Distributions and a test basis", UW-Madison
  56. ^ a b Leemis, L. M.; Schmeiser, B. W.; Evans, D. L. (2000). "Survival distributions satisfying Benford's Law". Amerikan İstatistikçi. 54 (4): 236–241. doi:10.1080/00031305.2000.10474554. S2CID  122607770.
  57. ^ Cho, W. K. T.; Gaines, B. J. (2007). "Breaking the (Benford) law: Statistical fraud detection in campaign finance". Amerikan İstatistikçi. 61 (3): 218–223. doi:10.1198/000313007X223496. S2CID  7938920.
  58. ^ Suh, I. S.; Headrick, T. C.; Minaburo, S. (2011). "An effective and efficient analytic technique: A bootstrap regression procedure and Benford's Law". J Forensic & Investigative Accounting. 3 (3).
  59. ^ Ostrovski, Vladimir (May 2017). "Testing equivalence of multinomial distributions". İstatistikler ve Olasılık Mektupları. 124: 77–82. doi:10.1016/j.spl.2017.01.004. S2CID  126293429.
  60. ^ Washington, L. C. (1981). "Benford's Law for Fibonacci and Lucas Numbers". Fibonacci Üç Aylık Bülteni. 19 (2): 175–177.
  61. ^ Duncan, R. L. (1967). "An Application of Uniform Distribution to the Fibonacci Numbers". Fibonacci Üç Aylık Bülteni. 5: 137–140.
  62. ^ Sarkar, P. B. (1973). "An Observation on the Significant Digits of Binomial Coefficients and Factorials". Sankhya B. 35: 363–364.
  63. ^ a b In general, the sequence k1, k2, k3, etc., satisfies Benford's law exactly, under the condition that log10 k bir irrational number. This is a straightforward consequence of the eşit dağılım teoremi.
  64. ^ That the first 100 powers of 2 approximately satisfy Benford's law is mentioned by Ralph Raimi. Raimi, Ralph A. (1976). "The First Digit Problem". American Mathematical Monthly. 83 (7): 521–538. doi:10.2307/2319349. JSTOR  2319349.
  65. ^ a b Raimi, Ralph A. (August–September 1976). "The first digit problem". American Mathematical Monthly. 83 (7): 521–538. doi:10.2307/2319349. JSTOR  2319349.
  66. ^ Kuzey Amerika Numaralandırma Planı uses 1 as a long distance prefix, and much of the rest of the world reserves it to begin special 3-digit numbers like 112 (emergency telephone number).
  67. ^ Beer, Trevor W. (2009). "Terminal digit preference: beware of Benford's law". J. Clin. Pathol. 62 (2): 192. doi:10.1136/jcp.2008.061721. PMID  19181640. S2CID  206987736.
  68. ^ Singleton, Tommie W. (May 1 2011). "Understanding and Applying Benford’s Law ", ISACA Journal, Information Systems Audit and Control Association. Retrieved Nov. 9, 2020.
  69. ^ Durtschi, C; Hillison, W; Pacini, C (2004). "The effective use of Benford's law to assist in detecting fraud in accounting data". J Forensic Accounting. 5: 17–34.
  70. ^ a b Dümbgen, L; Leuenberger, C (2008). "Explicit bounds for the approximation error in Benford's Law". Olasılıkta Elektronik İletişim. 13: 99–112. arXiv:0705.4488. doi:10.1214/ECP.v13-1358. S2CID  2596996.
  71. ^ a b c Tepe, Theodore P. (1995). "The Significant-Digit Phenomenon". Amerikan Matematiksel Aylık. 102 (4): 322–327. doi:10.1080/00029890.1995.11990578. JSTOR  2974952.
  72. ^ Scott, P.D.; Fasli, M. (2001) "Benford's Law: An empirical investigation and a novel explanation" Arşivlendi 13 Aralık 2014 Wayback Makinesi. CSM Technical Report 349, Department of Computer Science, Univ. Essex
  73. ^ a b c Suh, I. S.; Headrick, T. C. (2010). "A comparative analysis of the bootstrap versus traditional statistical procedures applied to digital analysis based on Benford's law" (PDF). Journal of Forensic and Investigative Accounting. 2 (2): 144–175.
  74. ^ mathworld.wolfram: "Benford's Law"

daha fazla okuma

Dış bağlantılar