[论文解读] The Uneven Distribution of Numbers in Nature

L. Pietronero, Erio Tosatti+2 more|ArXiv.org|Aug 27, 1998

Benford’s Law and Fraud Detection参考文献 8被引用 3

一句话总结

本文通过股票价格等系统中波动的乘法性质，解释了自然和经济数据中首位数分布不均的现象——即众所周知的本福德定律（Benford's Law）。研究表明，此类分布自然源于尺度不变过程，为本福德定律在多种现象中广泛存在的原因提供了统计力学的解释。

ABSTRACT

Suppose you look at today's stock prices and bet on the value of the first digit. One could guess that a fair bet should correspond to the frequency of $1/9 = 11.11%$ for each digit from 1 to 9. This is by no means the case, and one can easily observe a strong prevalence of the small values over the large ones. The first three integers 1,2 and 3 alone have globally a frequency of 60% while the other six values 4, 5, 6, 7, 8 and 9 appear only in 40% of the cases. This situation is actually much more general than the stock market and it occurs in a variety of number catalogs related to natural phenomena. The first observation of this property traces back to S. Newcomb in 1881 but a more precise account was given by F. Benford in 1938. In this note we illustrate these observations with the enlightening specific example of the stock market. We also identify the general mechanism for the origin of this uneven distribution in the multiplicative nature of fluctuations in economics and in many natural phenomena. This provides a natural explanation for the ubiquitous presence of the Benford's law in many different phenomena with the common element that their fluctuations refer to a fraction of their values. This brings us close to the problem of the spontaneous origin of scale invariant properties in various phenomena which is a debated question at the frontier of different fields.

研究动机与目标

• 解释在自然和经济数据集中，较小的首位数（1–3）比较大的首位数（4–9）更频繁出现的实证观察结果。
• 识别在具有乘法波动的系统中，本福德定律出现的潜在机制。
• 将数字分布不均的现象与统计物理和复杂系统中的尺度不变性联系起来。
• 提供一个基于统计力学的理论框架，解释本福德定律在多种现象中普遍存在的原因。

提出的方法

• 分析真实世界数据，特别是股票市场价格，以观察首位数的频率分布。
• 使用乘法过程的概念——即变化与当前值成比例——来模拟经济和自然系统中的波动。
• 应用统计力学原理，表明尺度不变性可导致首位数的幂律类分布。
• 证明当波动与当前值成比例（即相对变化）而非加法变化时，本福德定律自然出现。
• 将观测到的数字频率与本福德定律的理论预测进行比较：P(d) = log₁₀(1 + 1/d)。
• 通过数值模拟和数据分析验证模型，结果与实证观察高度一致。

实验结果

研究问题

• RQ1 为何在自然和经济数据中，较小的首位数（1–3）比较大的首位数（4–9）出现频率显著更高？
• RQ2 在各种系统中普遍出现本福德定律的物理或数学机制是什么？
• RQ3 波动系统中的乘法过程如何导致首位数的尺度不变分布？
• RQ4 在多大程度上能通过统计力学原理解释本福德定律？
• RQ5 数字分布不均与尺度不变性自发出现之间存在何种联系？

主要发现

• 首位数为1的频率约为30.1%，而首位数为9的频率约为4.6%，与本福德定律的预测P(d) = log₁₀(1 + 1/d)高度吻合。
• 首位数1、2和3的合计频率约占所有首位数的60%，而首位数4–9的合计频率仅占40%。
• 乘法波动——即变化与当前值成比例——自然生成首位数的对数分布。
• 该现象不仅限于金融领域，由于乘法增长过程的普遍性，也广泛存在于自然和社会现象中。
• 该模型为受相对（分数）变化支配的系统中尺度不变性自发出现提供了物理解释。
• 结果支持本福德定律是具有广泛尺度不变分布、由乘法噪声引起的系统中一种普遍特征的观点。