[논문 리뷰] Scatter and regularity imply Benford's law... and more

Nicolas Gauvrit, Jean‐Paul Delahaye|ArXiv.org|2009. 10. 07.

Benford’s Law and Fraud Detection참고 문헌 15인용 수 4

한 줄 요약

이 논문은 연속형 난수변수에서 산란과 규칙성 조건이 벤포르드의 법칙에 대한 근사적 따름을 충족시킬 충분조건임을 제안하며, 간단한 수학적 정리들을 통해 직관적 설명을 체계화한다. 분포가 여러 주요 자리수 범위에 걸쳐 흩어져 있고 충분히 매끄럽다면, 그 로그 또는 변환된 값들이 모듈로 1에서 균일하게 분포하게 되어, 로그 특성에 의존하지 않고도 벤포르드의 법칙을 근사하게 된다.

ABSTRACT

A random variable (r.v.) X is said to follow Benford's law if log(X) is uniform mod 1. Many experimental data sets prove to follow an approximate version of it, and so do many mathematical series and continuous random variables. This phenomenon received some interest, and several explanations have been put forward. Most of them focus on specific data, depending on strong assumptions, often linked with the log function. Some authors hinted - implicitly - that the two most important characteristics of a random variable when it comes to Benford are regularity and scatter. In a first part, we prove two theorems, making up a formal version of this intuition: scattered and regular r.v.'s do approximately follow Benford's law. The proofs only need simple mathematical tools, making the analysis easy. Previous explanations thus become corollaries of a more general and simpler one. These results suggest that Benford's law does not depend on properties linked with the log function. We thus propose and test a general version of the Benford's law. The success of these tests may be viewed as an a posteriori validation of the analysis formulated in the first part.

연구 동기 및 목표

• 산산이 흩어지고 규칙적인 연속형 난수변수가 벤포르드의 법칙을 따르는 직관적 개념을 체계화하는 것.
• 로그 또는 곱셈적 성질에 의존하지 않는 일반적이고 수학적으로 단순한 벤포르드의 법칙 설명을 제공하는 것.
• 벤포르드의 법칙이 로그 변환 외에도 제곱근과 같은 다른 함수를 통해 일반화될 수 있는가를 시험하는 것.
• 스케일 불변성, 혼합, 중심극한정리 등 기존 설명들이 제안된 산란-규칙성 프레임워크의 특수한 경우로 나타나는가를 보여주는 것.
• 정규분포, 지수분포, 균일분포와 같은 분포에 대한 실증적 검증을 통해 벤포르드의 법칙의 일반화를 검증하는 것.

제안 방법

• 로그(X)의 모듈로 1에서의 균일성을 벤포르드의 법칙으로 정의하고, 이를 u(X) mod 1 이론이 균일한 임의의 함수 u(X)로 일반화하는 것.
• 산란을 여러 주요 자리수 범위를 포함하는 것으로 정의하고, 규칙성을 log(X)의 확률밀도함수의 매끄러움으로 정의하는 것.
• 약간의 매끄러움과 산란 조건 하에서 log(X) mod 1의 분포가 균일성으로 수렴함을 보여주는 두 개의 정리를 증명하는 것.
• 볼록성과 적분 경계를 사용하여 P({Y} < δ)가 δ에서 벗어나는 정도를 추정하고, 매개변수가 한계에 접근함에 따라 균일성으로 수렴함을 증명하는 것.
• 정규분포, 지수분포, 균일분포에서의 실증 샘플에 대해 콜모고로프-스미르노프 검정을 적용하여 로그, 제곱근, πX² 변환에 대해 검토하는 것.
• 큰 분산을 가진 정규분포의 절댓값이 다양한 함수에 대해 벤포르드 유사성을 보이는지 검정하기 위해 p-값과 검정 통계량을 사용하는 것.

실험 결과

연구 질문

• RQ1 산란과 규칙성 조건만으로도 연속형 난수변수의 벤포르드의 법칙에 대한 근사적 따름을 설명할 수 있는가?
• RQ2 벤포르드의 법칙은 로그 구조에 의존하는가, 아니면 다른 변환으로 일반화될 수 있는가?
• RQ3 스케일 불변성이나 혼합 분포와 같은 기존 설명들은 산란-규칙성 프레임워크의 특수한 경우로 나타나는가?
• RQ4 실제 자료에서 벤포르드 유사 행동을 달성하기 위해 제곱근 변환이 로그보다 더 좋은 후보가 될 수 있는가?
• RQ5 기본 분포(예: 정규분포, 지수분포)에서 유도된 실증 샘플이 다양한 함수에 대해 일반화된 벤포르드 법칙을 어느 정도 따르는가?

주요 결과

• 논문은 확률밀도함수가 매끄럽고 여러 주요 자리수 범위를 포함하는 연속형 난수변수의 경우 log(X)가 모듈로 1에서 균일하게 분포함을 증명하며, 이는 벤포르드의 법칙을 근사적으로 따름을 의미한다.
• 콜모고로프-스미르노프 검정 결과, 분산 10^8인 정규분포의 절댓값은 로그 또는 πX² 변환에서는 벤포르드가 아니며(p-값: 0.000), 제곱근 변환에서는 벤포르드이다(p-값: 0.797).
• 시험한 정규분포에 대해 제곱근 변환은 로그 변환보다 벤포르드의 법칙에 훨씬 더 잘 따름을 보여주며, 이는 제곱근이 일반화된 후보로서 더 우수할 수 있음을 시사한다.
• P({Y} < δ)에 대한 이론적 경계는 척도 매개변수 μ → 0일 때 δ로 수렴함을 확인하여, Y의 분수부가 균일하게 분포함을 확인한다.
• 결과는 스케일 불변성, 혼합, 곱셈적 과정 등 많은 고전적 설명들이 더 넓은 산란-규칙성 원리의 특수한 경우임을 시사한다.
• 이론적 및 실증적 증거는 벤포르드의 법칙이 로그 변환을 초월해 일반화될 수 있음을 지지하며, 제곱근 함수는 강력한 실증적 일치를 보이고 있다.