[논문 리뷰] Differences between Independent Variables and Almost Benford Behavior

Steven J. Miller, Mark J. Nigrini|arXiv (Cornell University)|2006. 01. 13.

Benford’s Law and Fraud Detection인용 수 2

한 줄 요약

이 논문은 i.i.d. 랜덤 변수의 순서 통계량 간 차이의 숫자 분포를 조사하며, 약간의 조건 하에 이러한 차이들이 이동된 지수 분포로 수렴함을 보여주며, 이는 벤포드의 법칙에 매우 가까운 성질을 띤다. 이 이동은 표본 크기와 지지 범위 척도에 의해 결정된다. 포아송 합성과 로그 분포의 모듈로 1에 대한 푸리에 분석을 통해, 벤포드의 법칙에서의 편차를 위한 명시적이고 빠르게 수렴하는 공식을 유도한다.

ABSTRACT

Fix a base B and let zeta have the standard exponential distribution; the distribution of digits of zeta base B is known to be very close to Benford's Law. If there exists a C such that the distribution of digits of C times the elements of some set is the same as that of zeta, we say that set exhibits shifted exponential behavior base B (with a shift of log_B C \bmod 1). Let X_1, >..., X_N be independent identically distributed random variables. If the X_i's are drawn from the uniform distribution on [0,L], then as N o\infty the distribution of the digits of the differences between adjacent order statistics converges to shifted exponential behavior (with a shift of \log_B L/N \bmod 1). By differentiating the cumulative distribution function of the logarithms modulo 1, applying Poisson Summation and then integrating the resulting expression, we derive rapidly converging explicit formulas measuring the deviations from Benford's Law. Fix a delta in (0,1) and choose N independent random variables from any compactly supported distribution with uniformly bounded first and second derivatives and a second order Taylor series expansion at each point. The distribution of digits of any N^\delta consecutive differences \emph{and} all N-1 normalized differences of the order statistics exhibit shifted exponential behavior. We derive conditions on the probability density which determine whether or not the distribution of the digits of all the un-normalized differences converges to Benford's Law, shifted exponential behavior, or oscillates between the two, and show that the Pareto distribution leads to oscillating behavior.

연구 동기 및 목표

• i.i.d. 랜덤 변수가 컴act 지지 범위를 가진 분포에서 추출될 때, 인접한 순서 통계량 간 차이의 숫자 분포를 이해하는 것.
• 이러한 차이들이 벤포드의 법칙, 이동된 지수 분포, 또는 그 사이를 진동하는지에 따라 수렴하는 조건을 규명하는 것.
• 벤포드의 법칙에서의 숫자 분포 편차를 정확하고 빠르게 수렴하는 공식으로 유도하는 것.
• 기저 확률 밀도 함수의 매끄러움과 꼬리 행동(특히 페아레토 분포의 경우)이 숫자 분포 수렴에 미치는 영향을 규명하는 것.

제안 방법

• 모듈로 1에 대한 차이의 로그의 누적분포함수를 사용하여 숫자 분포를 모델링한다.
• 포아송 합성을 통해 분포를 푸리에 급수로 변환하여, 벤포드의 법칙에서의 편차를 정밀하게 분석할 수 있도록 한다.
• 로그-차이의 누적분포함수를 미분하고, 유도된 식을 적분하여 명시적 오차 공식을 도출한다.
• 표본 크기 N과 분포 매개수의 변화에 따라 유도된 공식의 행동을 분석하여 수렴 유형을 규명한다.
• 수렴이 이동된 지수 분포로 이루어지도록 보장하기 위해 밀도 함수에 대한 조건(특히 1차 및 2차 도함수의 유계성과 2차 테일러 전개)을 설정한다.
• 기하급수적 꼬리가 있는 페아레토 분포를 분석하여, 숫자 분포가 벤포드의 법칙과 이동된 지수 분포 사이를 진동함을 조사한다.

실험 결과

연구 질문

• RQ1 i.i.d. 표본의 순서 통계량 간 차이가 벤포드의 법칙 또는 이동된 지수 분포로 수렴하는 조건은 무엇인가?
• RQ2 벤포드의 법칙에서의 숫자 분포 편차를 빠르게 수렴하는 공식으로 명시적으로 측정할 수 있는가?
• RQ3 스케일 매개수 L과 표본 크기 N은 숫자 분포의 지수 분포 이동에 어떤 영향을 미치는가?
• RQ4 왜 페아레토 분포는 수렴이 하나의 극한으로 이루어지지 않고, 진동 행동을 보이는가?
• RQ5 기저 밀도의 매끄러움과 유계 도함수는 숫자 분포가 이동된 지수 분포로 수렴하는 데 어떤 영향을 미치는가?

주요 결과

• i.i.d. 균일 분포 [0,L] 변수에 대해, 인접한 순서 통계량 간 차이의 숫자 분포는 N → ∞ 일 때, log_B(L/N) mod 1 만큼 이동된 지수 분포로 수렴한다.
• 포아송 합성과 적분을 통해 유도된 명시적 공식은 벤포드의 법칙에서의 편차에 대해 매우 빠르게 수렴하는 근사값을 제공한다.
• 1차 및 2차 도함수의 유계성과 2차 테일러 전개를 만족하는 모든 컴팩트 지지 분포에 대해, N^δ개의 연속적이고 정규화된 순서 통계량 차이는 이동된 지수 분포를 띤다.
• 비정규화된 순서 통계량 차이는 밀도 함수가 특정 매끄럽고 꼬리 조건을 만족할 경우에만 벤포드의 법칙으로 수렴하며, 그렇지 않으면 이동된 지수 분포로 수렴하거나 진동할 수 있다.
• 페아레토 분포의 무거운 꼬리는 숫자 분포의 진동 행동을 유도하며, 이는 벤포드의 법칙이나 고정된 이동된 지수 분포로의 수렴을 방해한다.
• 이동된 지수 분포의 이동은 log_B C mod 1로 결정되며, 여기서 C는 지지 범위와 표본 크기와 관련된 척도 인자이며, 이 이동은 엄격한 벤포드 행동에서의 편차를 결정한다.