班佛定律：為什麼那麼多數字以1開頭？

你有沒有注意過周圍各種數值數據的「首位數字（最高位數字）」？

例如，如果你提取自然界和社會中各種數據的首位數字，比如國家或城市的人口、河流的長度、公司的營業額或物理常數等，你會發現一個驚人的事實：它們並不是平均地從 1 到 9 出現，而是特定數字出現了極大的偏倚。

其中出現頻率最高的數字是 「1」 。令人驚訝的是，幾乎有 30% 的數據是以 1 開頭的。從直覺上看，我們可能會認為 1 到 9 各個數字出現的概率大概都是 11.1%，但現實中的數據並非如此。

解釋這種神秘現象的數學定律就是 班佛定律 (Benford’s Law) 。

在本文中，我們將詳細解釋班佛定律的機制、為什麼會發生這種現象，以及這一定律是如何被應用於欺詐檢測的。

什麼是班佛定律？

班佛定律（又稱第一數字定律）指出，在許多現實生活中的數值數據集合中，首位數字（最高位的非零數字）出現的概率對於較小的數字來說更高。

具體而言，首位數字 $d$ ($d \in \{1, 2, ..., 9\}$) 出現的概率 $P(d)$ 可以用以下對數方程式表示：

$$ P(d) = \log_{10} \left( 1 + \frac{1}{d} \right) $$

根據這個公式計算，各個數字作為首位數字出現的概率如下：

以 1 開頭的數字佔據壓倒性優勢，而以 9 開頭的數字出現的頻率不到 1 的六分之一。

這一定律最初由天文學家西蒙·紐康（Simon Newcomb）於 1881 年發現。他發現對數表前面的頁面（以 1 或 2 開頭的頁面）比後面的頁面磨損得更嚴重、更髒。

隨後，在 1938 年，物理學家弗蘭克·班佛（Frank Benford）分析了 2 萬多個不同的數據集（河流的面積、物理常數、雜誌地址等），並證明了這種現象是普遍存在的。

為什麼會出現這種違反直覺的偏倚呢？理解其原因的直觀解釋在於 尺度不變性 (Scale Invariance) 和 對數尺度上的均勻性 。

如果存在一個普遍的自然法則，那麼即使改變測量單位，該法則本身也不應該改變。例如，無論是用公里還是英里來測量距離，首位數字的出現概率都必須相同。在數學上，當尋找一種即使乘以一個常數（尺度不變性）分佈也不會改變的概率分佈時，必然會得出班佛定律的對數分佈。

許多自然現象和經濟數據是透過乘法（複利）而不是加法來增長的。例如，假設一家公司的營業額每年增長 10%。

營業額從 100 萬增長到 200 萬（首位數字為 1 的期間）需要大約 7.3 年。然而，營業額從 500 萬增長到 600 萬（首位數字為 5 的期間）只需要短短 1.9 年。此外，從 900 萬增長到 1000 萬（首位數字為 9 的期間）僅需 1.1 年。

一旦達到 1000 萬，首位數字又會回到 1，並且將經歷很長時間才會達到 2000 萬。也就是說，在呈指數增長的數據中，首位數字為較小數字的持續時間要長得多。

$$ \text{停留時間} \propto \log_{10}(d+1) - \log_{10}(d) $$

班佛定律不能應用於所有數據。適用的數據和不適用的數據之間存在明顯的區別。

目前，班佛定律最實用的領域之一就是 欺詐檢測 (Fraud Detection) 。

當人們試圖隨意編造或篡改數字以創建數據時，他們會無意識地試圖平均使用每個數字或避免某些數字。然而，由於自然界的數據遵循班佛定律，捏造的數據將顯著偏離這一定律。

稅務機關和會計審計公司會掃描公司的賬簿和費用報告，以自動檢查數字的首位（或第二位）數字是否遵循班佛定律。

  graph TD
    A["數據收集"] --> B["提取首位數字"]
    B --> C{"與班佛定律比較"}
    C -->|"匹配"| D["正常（無欺詐嫌疑）"]
    C -->|"嚴重偏離"| E["標記為可疑數據"]
    E --> F["執行詳細審計"]

如果大量誇大「虛構費用」，這些金額的分佈將變得不自然並從班佛定律曲線中凸顯出來。這種方法非常強大，事實上，許多貪污案和財務欺詐都是由這一定律引發而被揭露的。

此外，在選舉計票數據中，每個投票站的總結果是否遵循班佛定律有時會被用作驗證選舉欺詐的指標（不過，就選舉數據而言，根據選區規模的不同，有時很難應用，這一直是爭論的話題）。

班佛定律 是隱藏在看似混亂世界中的優美數學秩序之一。

我們的直覺往往認為「數字是平均出現的」，但實際上「1」具有壓倒性的存在感。了解這一定律可能會稍微改變你對新聞中的數據、企業財務報表甚至廣袤自然界的看法。

下次當你有機會處理大量數據時，一定要嘗試統計一下「首位數字」。肯定那裡會出現一條由對數曲線繪製出的優美法則。