第一数字定律识别数据作假

这两天和同事们聊数据作假的问题，前有蔡徐坤一亿转发量，后有瑞幸财务造假。我发现还是有很多人不知道怎么运用数学的魅力来解决一些数据造假问题，其实有一个完美的工具——“第一数字定律”被广泛用于甄别数字作假。

“第一数字定律”，又称“本·福特定律”（但其实纽康是首位发现者），是指：只要统计的样本足够多，同时数据没有特定的上限和下限，那么数据中以1为开头的数字出现的频率是30.10%，而以2为首的数字出现的频率为17.60%，以3打头的数字出现的频率为12.50%……首位数越大出现的频率依次减少，9出现的频率最低，只有4.60%。符合概率公式: P(n)=logd(1+ 1/n)，其中d取决于数据使用的进位制，对十进制数据而言，d=10。

这个定律常用来分析数据作假，只要数据非人为规定的规律的，属于跨越几个量级的，在数量足够大的情况下就基本符合该定律。

美国华盛顿州曾侦破过一个当时最大的投资诈骗案，金额高达1亿美元。诈骗主谋凯文·劳伦斯及其同伙，从投资者手中筹集了大量资金，挪用公款来享乐。为了掩饰他们的不法行为，他们人为做假账。当时就有一位会计师感觉不对头，他将七万多个与支票和汇款有关的数据收集起来，将这些数据首位数字发生的概率与本福特定律相比较，发现这些数据通过不了本福特定律的检验。最后经过了3年的司法调查，终于拆穿了这个投资骗局。