ベンフォードの法則とは？
ベンフォードの法則（「先頭桁の法則」とも呼ばれます）は、現実世界の多くのデータに見られる、先頭桁の意外な分布を説明する法則です。財務数値、人口データ、物理定数など、さまざまな場面で観察されます。1〜9の各数字が均等（それぞれ約11.1%）に現れるのではなく、小さい数字ほど頻繁に登場します。たとえば数字の「1」が先頭に来る割合は約30.1%にのぼる一方、「9」が先頭に来るのはわずか約4.6%にすぎません。この計算ツールでは、選んだ先頭桁の正確なベンフォード確率を求めることができます。
このツールの使い方
まず1〜9の中から先頭桁を選びます。必要に応じてサンプルサイズ（データセットに含まれる値の個数）を入力すると、データがベンフォードの法則に従う場合に、その数字で始まる値がいくつ現れると期待されるかを確認できます。結果は、確率（パーセントと小数の両方）と、期待される件数として表示されます。
計算式の解説
先頭桁 \(d\) が出現する確率は $$P(d) = \log_{10}\!\left(1 + \frac{1}{d}\right)$$ で表されます。対数はゆるやかにしか増加しないため、隣り合う数字どうしの差は徐々に小さくなり、右肩下がりの特徴的な分布が生まれます。サイズ \(N\) のデータセットにおける期待件数は、シンプルに $$E(d) = N \times P(d)$$ で求められます。
計算例
数字1の場合：$$P(1) = \log_{10}\!\left(1 + \frac{1}{1}\right) = \log_{10}(2) \approx 0.30103$$ つまり約30.1%です。1,000件のデータセットなら、そのうち約301件が数字1で始まると予想されます。数字9の場合：$$P(9) = \log_{10}\!\left(1 + \frac{1}{9}\right) = \log_{10}\!\left(\frac{10}{9}\right) \approx 0.0458$$ つまり約4.58% — 1,000件のうちわずか約46件です。
結果の解釈
計算機は、選択されたリーディングディジット \(d\) に対して2つの数値を返します：ベンフォードの法則の確率 \(P(d)=\log_{10}\!\left(1+\frac{1}{d}\right)\) とサンプルサイズ \(N\) に対する期待度数 \(E = N \times P(d)\)です。例えば、\(d=1\) の場合、確率は約0.30103であり、\(N=1000\) 個の値を持つデータセットではディジット1で始まる数値が約301個あることが予想されます。
適合と乖離
リーディングディジットの観測度数が期待度数 \(E\) に近い場合、そのデータはベンフォードの法則と一致していると言われます。観測度数がディジット1～9全体で期待度数 \(E\) から顕著に乖離している場合（例えば、7、8、または9で始まる値が著しく多い場合、または \(P(1) > P(2) > \dots > P(9)\) の急激な減少ではなくほぼ均一な分布である場合）、そのデータセットは期待分布から乖離していると言われます。1つのディジットが若干ずれているのは通常は問題になりませんが、複数のディジットにわたる体系的なパターンはより重要です。
適合度検定の役割
観測度数と期待度数のギャップを見た目だけで判断することは十分ではありません。なぜなら、偶然によっていくらかの差が常に生じるからです。正式な適合度検定（最も一般的なのはカイ二乗検定）は、全体的なパターンがどの程度驚くべきものであるかを定量化します。カイ二乗統計量は、9つすべてのディジットにわたる標準化された二乗差を合計します：
$$\chi^2 = \sum_{d=1}^{9} \frac{(O_d - E_d)^2}{E_d}$$
ここで \(O_d\) は観測度数、\(E_d = N \times P(d)\) はディジット \(d\) のベンフォード予測度数です。得られた統計量は、自由度8のカイ二乗分布（9つのディジット引く1、度数が \(N\) に合計する必要があるため）と比較されて、p値が得られます。小さいp値は、観測されたリーディングディジット分布が、データが真にベンフォードの法則に従っていた場合に生じそうにないことを示します。平均絶対偏差（MAD）などの関連指標も、適合性を評価するために使用されます。
乖離はフラグであり、証拠ではない
ベンフォードの法則からの統計的に有意な乖離は、リーディングディジットパターンが異常であり、さらに詳しく確認する価値があるかもしれないことを示すだけです。それだけでは、エラー、操作、または詐欺の証拠ではありません。多くの普通の、全く正当なプロセスは非ベンフォード分布を生成し、逆にデータは捏造されていてもベンフォードの法則に適合する可能性があります。乖離を、結論ではなく、データがどのように生成されたかをより詳しく調べるためのきっかけとして扱ってください。
データセットサイズと範囲の注意
ベンフォードの法則は漸近的で近似的なパターンであり、期待度数 \(E_d\) は適切な条件下でのみ意味があります：
- サンプルサイズ。小規模なサンプルでは、上位ディジットの期待度数が非常に小さくなり、自然なサンプリング変動が大きくなり、カイ二乗近似が悪化します。数十個の値からの結果は信頼性が低いです。
- 範囲と広がり。この法則は数桁にわたり、乗法プロセスまたは自然に多様なプロセスから生じるデータに適合します。狭い範囲に限定された数値、割り当てられた値（郵便番号、電話番号、ID）、上限値または下限値が設けられた数値、または課された最小値と最大値を持つシーケンスは、何も間違っていなくてもベンフォードの法則に従う必要はありません。
- リーディングディジットのみ。この計算機は第1ディジットの法則に対応しています。第1から第2ディジットおよび他の拡張テストは独自の期待確率を持ち、しばしばより敏感です。
これらの注意のため、適合性または非適合性は常に、数値が何を表しているか、およびあなたがいくつの数値を持っているかを考慮して解釈する必要があります。
よくある質問
どのようなデータがベンフォードの法則に従いますか？ いくつもの桁にわたって広がるデータや、自然な成長・掛け算的なプロセスから生じるデータがよく当てはまります。会計数値、株価、河川の長さ、都市人口などが代表例です。
なぜ不正検知に使われるのですか？ 本物の数値データは多くの場合ベンフォード分布に従うため、財務記録に大きな乖離が見られると、捏造や改ざんの疑いがある数値として監査の対象にできるからです。
どの桁の位置でも使えますか？ この計算ツールは先頭（第1）桁を対象としています。ベンフォードの法則には第2桁以降に関する式もあり、桁が進むほど分布は一様分布に近づいていきます。
