Định luật Benford là gì?
Định luật Benford (còn gọi là định luật chữ số đầu tiên) mô tả một quy luật phân bố khá bất ngờ của các chữ số đứng đầu trong nhiều tập dữ liệu thực tế — số liệu tài chính, dân số, các hằng số vật lý và nhiều dữ liệu khác. Thay vì mỗi chữ số từ 1 đến 9 xuất hiện với tần suất bằng nhau (khoảng 11,1% mỗi chữ số), các chữ số nhỏ lại chiếm ưu thế: chữ số 1 đứng đầu khoảng 30,1% số trường hợp, trong khi chữ số 9 chỉ đứng đầu khoảng 4,6%. Công cụ này cho bạn xác suất Benford chính xác ứng với chữ số đầu tiên mà bạn chọn.
Cách sử dụng công cụ
Hãy chọn một chữ số đầu tiên từ 1 đến 9. Bạn cũng có thể nhập thêm kích thước mẫu (số lượng giá trị trong tập dữ liệu của bạn) để xem có bao nhiêu giá trị được kỳ vọng bắt đầu bằng chữ số đó nếu dữ liệu tuân theo Định luật Benford. Công cụ sẽ hiển thị xác suất dưới dạng phần trăm và số thập phân, kèm theo số lần xuất hiện kỳ vọng.
Giải thích công thức
Xác suất để một chữ số d đứng đầu được tính bằng $$P(d) = \log_{10}\!\left(1 + \frac{1}{d}\right)$$ Vì hàm logarit tăng chậm nên khoảng cách giữa các chữ số liên tiếp ngày càng thu hẹp, tạo nên đường phân bố đặc trưng dốc xuống. Số lần xuất hiện kỳ vọng trong một tập dữ liệu có kích thước N đơn giản là $$E(d) = N \times P(d)$$
Ví dụ minh họa
Với chữ số 1: $$P(1) = \log_{10}\!\left(1 + \frac{1}{1}\right) = \log_{10}(2) \approx 0{,}30103$$ tức khoảng 30,1%. Trong một tập dữ liệu gồm 1.000 giá trị, bạn có thể kỳ vọng khoảng 301 giá trị bắt đầu bằng chữ số 1. Với chữ số 9: $$P(9) = \log_{10}\!\left(1 + \frac{1}{9}\right) = \log_{10}\!\left(\frac{10}{9}\right) \approx 0{,}0458$$ tức khoảng 4,58% — chỉ khoảng 46 giá trị trong số 1.000.
Diễn giải Kết quả của Bạn
Máy tính trả về hai số cho một chữ số dẫn đầu được chọn \(d\): xác suất Benford \(P(d)=\log_{10}\!\left(1+\frac{1}{d}\right)\) và số lượng dự kiến \(E = N \times P(d)\) cho một mẫu có kích thước \(N\). Ví dụ, với \(d=1\) xác suất là khoảng 0.30103, vì vậy trong một tập dữ liệu gồm \(N=1000\) giá trị, bạn có thể kỳ vọng có khoảng 301 số bắt đầu bằng chữ số 1.
Trùng khớp so với độ lệch
Khi số lượng quan sát được của một chữ số dẫn đầu gần với số lượng dự kiến \(E\), dữ liệu được cho là phù hợp với Luật Benford. Khi các số lượng quan sát được khác biệt đáng kể so với \(E\) trên các chữ số 1–9 — ví dụ, quá nhiều giá trị bắt đầu bằng 7, 8 hoặc 9, hoặc sự phân bố gần như đều nhau thay vì sự suy giảm dốc \(P(1) > P(2) > \dots > P(9)\) — tập dữ liệu được cho là sai lệch so với phân bố dự kiến. Một chữ số duy nhất bị sai lệch một chút thường là không đáng chú ý; một mô hình có hệ thống trên nhiều chữ số có ý nghĩa hơn.
Vai trò của kiểm định độ phù hợp
Chỉ nhìn vào khoảng cách giữa số lượng quan sát được và số lượng dự kiến là chưa đủ, vì một số sự khác biệt luôn xảy ra do ngẫu nhiên. Một kiểm định độ phù hợp chính thức — thường là kiểm định chi-bình phương — định lượng hóa mức độ bất ngờ của mô hình tổng thể. Thống kê chi-bình phương tính tổng các chênh lệch bình phương được chuẩn hóa trên tất cả chín chữ số:
$$\chi^2 = \sum_{d=1}^{9} \frac{(O_d - E_d)^2}{E_d}$$
trong đó \(O_d\) là số lượng quan sát được và \(E_d = N \times P(d)\) là số lượng dự kiến theo Benford cho chữ số \(d\). Thống kê kết quả được so sánh với phân bố chi-bình phương với 8 bậc tự do (chín chữ số trừ một, vì các số lượng phải cộng lại bằng \(N\)) để thu được giá trị p. Một giá trị p nhỏ chỉ ra rằng phân bố chữ số dẫn đầu quan sát được không có khả năng xảy ra nếu dữ liệu thực sự tuân theo Luật Benford. Các biện pháp liên quan như độ lệch tuyệt đối trung bình (MAD) cũng được sử dụng để đánh giá sự tuân thủ.
Độ lệch là cảnh báo, không phải bằng chứng
Một sự sai lệch có ý nghĩa thống kê so với Luật Benford chỉ ra rằng mô hình chữ số dẫn đầu là bất thường và có thể cần được xem xét lại. Nó không phải là bằng chứng của lỗi, thao tác hoặc gian lận độc lập. Nhiều quá trình thông thường, hoàn toàn hợp pháp tạo ra các phân bố không Benford, và ngược lại, dữ liệu có thể được làm giả nhưng vẫn tuân thủ. Hãy coi độ lệch là một lời nhắc để xem xét kỹ hơn cách dữ liệu được tạo ra, không phải là một kết luận.
Cài đặt kích thước tập dữ liệu và phạm vi
Luật Benford là một mô hình tiệm cận, gần đúng, và các số lượng dự kiến \(E_d\) chỉ có ý nghĩa trong những điều kiện thích hợp:
- Kích thước mẫu. Trong các mẫu nhỏ, các số lượng dự kiến cho các chữ số cao trở nên rất nhỏ, sự biến động tự nhiên trong lấy mẫu rất lớn, và xấp xỉ chi-bình phương giảm; kết quả từ một vài chục giá trị là không đáng tin cậy.
- Phạm vi và sự trải rộng. Luật phù hợp với dữ liệu bao gồm nhiều độ lớn và phát sinh từ các quá trình nhân hoặc tự nhiên biến đổi. Các số bị giới hạn trong một phạm vi hẹp, các giá trị được gán (mã ZIP, số điện thoại, ID), các số liệu có giới hạn hoặc được làm tròn, hoặc các chuỗi có giá trị tối thiểu và tối đa được áp đặt không cần phải tuân theo Luật Benford ngay cả khi không có gì sai.
- Chỉ chữ số dẫn đầu. Máy tính này giải quyết luật chữ số đầu tiên; các kiểm định mở rộng chữ số hai đầu tiên và các kiểm định khác có xác suất dự kiến của riêng chúng và thường nhạy cảm hơn.
Do các cảnh báo này, sự tuân thủ hoặc không tuân thủ phải luôn được diễn giải dưới ánh sáng của những gì các số đó đại diện và bạn có bao nhiêu trong số chúng.
Câu hỏi thường gặp
Những loại dữ liệu nào tuân theo Định luật Benford? Đó là dữ liệu trải rộng qua nhiều bậc độ lớn và hình thành từ các quá trình tăng trưởng tự nhiên hoặc quá trình nhân — như số liệu kế toán, giá cổ phiếu, chiều dài các con sông và dân số các thành phố — thường tuân theo định luật này khá tốt.
Vì sao nó được dùng để phát hiện gian lận? Dữ liệu số liệu chân thực thường tuân theo phân bố Benford, nên những sai lệch đáng kể trong sổ sách tài chính có thể là dấu hiệu cảnh báo các con số bịa đặt hoặc bị thao túng, từ đó cần được kiểm toán.
Định luật này có áp dụng cho mọi vị trí chữ số không? Công cụ này tính cho chữ số đầu tiên. Định luật Benford cũng có công thức cho chữ số thứ hai và các vị trí sau đó, nơi phân bố dần phẳng ra và tiến gần đến phân bố đều.
