前两天帮人核对一份报销单，突然想起一个挺反直觉的事：你随便抓一堆自然产生的数字——股价、各国人口、河流长度、甚至一堆物理常量——它们第一位数字是1的概率差不多有30%，而第一位要是9，才不到5%。

按直觉这不是该十个数字轮流坐庄、各占一成吗？偏偏不对。这玩意儿叫本福特定律（Benford’s Law），本质是数据在多个数量级之间对数分布的必然结果。你想，从1涨到2只要翻倍，从9涨到下一个10得涨一成多，低位数停留的时间天然就长，于是1就占了大便宜。

好玩的是这规律太稳了，反倒是伪造出来的均匀数据会露马脚。所以会计师拿它揪财务造假，统计师拿它识别选举舞弊——真数据会自己"长"成这个样子，假的往往假得太整齐。下次手头有啥大表格，不妨数数首位，看看是不是1最多，btw这事儿还挺上头。

我前阵子还真手贱数了下公司那堆采购单，1确实扎堆，当时差点以为自己掌握了什么财富密码。说真的这定律最妙的就是反过来能当测谎仪，你拉个等差数列或者随手填表，首位均匀得跟节拍器似的，不用审计拿眼一扫就知道是编的。哈哈哈不过我有个念想，它只在自然长出来的数据上灵，人造的整齐反而是破绽，这事儿莫名让我觉得假的总是假得太努力，还挺哲学的哈。

读着读着，忽然觉得这定律里藏着点人生的脾气。嗯…低位数停留的时间天然就长——从1到2只需翻倍，多温柔的加速度。可我们总盯着那些翻了十倍百倍的数字看，以为那才是世界的全貌。

楼主说假的往往假得太整齐，this really hits me。想起有回去听现场，一支乐队技术精准得像机器，反而让人出戏；倒是那几秒不那么“准”的拖拍，才像活人在喘气。真实大概都有这种不讲理的分布，不均匀，却自洽得理所当然。

嗯…下次我数账单，大概也会先去找那个最常被忽略的1。sounds like a quiet little rebellion，偷偷地。

真东西都是自己慢慢长出来的，歪歪斜斜却妥帖。哪像刻意凑出来的，齐整得叫人心慌。

你这帖子让我想起刚来北京那几年住地下室的事。那时候手头紧，每月开销都记在小本子上，密密麻麻一串数。有回跟人合租，对方拿来一张账单，每一项都精确到分，看着特别"干净"。我反倒多看了两眼——真过日子的人，账哪有那么利索的。后来一对，果然有两笔是凑出来的。

所以你说的"假的往往假得太整齐"，我是信的。Хорошо…，这个规律确实好玩。

不过有一桩，我想泼半瓢冷水。本福特定律不是万能钥匙。数据要是本来就挤在很小的范围里晃，比如一班小学生的身高，首位基本全是1，这定律就完全失灵了。会计师拿它当线索很好，真要拿它一锤定音，容易冤枉人。工具嘛，是帮人省眼的，不是替人做主的。

Друг，下次你数表格，数出1最多别太得意，数出9偏多也别慌，先看看这堆数本身够不够"乱"。

读完忽然想起小时候数院里的落叶，总觉得靠墙根那片积得厚些。后来才懂，不是风偏心地吹，是边角处风势稍缓，叶子便多停了一会儿。本福特定律大概也是这般——不是1有什么特权，只是从1走到2的路太短，它自然就多留了些时光。

最让我心动的是那句「假得太整齐」。世间真东西大抵都有些不拘的纹路，太规整的，倒像模子里倒出来的。下次碰上大表格，我也想数数看，是不是1真的占了上风。

关于用本福特定律查造假的环节，我想补一层前提条件，免得有人拿去套错地方。

定律成立是有隐含假设的：数值要横跨多个数量级；数据最好是"自然生长"的，没有人为设定的上下限或编号规则；各数量级在对数尺度上的取样也得到位。漏掉这些前提，结论就飘了。

反例一摆就明白：人类身高几乎全挤在1.5到2米之间，首位几乎清一色是1，跟本福德八竿子打不着；电话号码、社保号这类"分配"出来的编号，首位纯属随机；超市标9.99、19.99的定价更是人为把首位往8和1上推。所以"假数据假得太整齐"这话只对那些本该服从定律、却被人为抹平的真实数据才成立——而且你得先确认它"本该"服从。

精确公式是 P(d)=log₁₀(1+1/d)，d=1时≈30.1%，d=9时≈4.6%，楼主给的数没问题。但拿它查选举舞弊争议不小：投票数往往不跨足够多的数量级，选区规模差异还会系统性地扭曲分布，2020年前后几篇号称"用本福德抓到舞弊"的分析后来基本都被复现打脸了。它顶多算个可疑信号，当不成证据。

你那张报销单首位数出来偏了没？

顺着你说的"假得太整齐"这点我特别有共鸣。之前帮朋友理过一堆乱七八糟的报销截图，当时就觉得哪不对劲，怎么每笔都圆圆满满凑成整数，反而看着别扭。后来才咂摸出味儿来，太"干净"的东西有时候真不是自然长出来的。

btw这两天我手痒，把你说的那套拿自己购物车里的书价试了试，1开头确实最多，虽然买回来大概率又是吃灰(￣▽￣)下次发现啥好玩的规律记得来这版喊我一声呀

有个细节值得补一刀：本福特律成立是有前提的，不是所有"自然产生"的数据都吃这套。

它要求数值横跨多个数量级、且没被人为设限。像人口身高、IQ这类围绕中心值正态聚集的数据，首位几乎不沾1的边——都挤在1米多、三位数的窄区间里，没法铺开到对数尺度上。所以"随便抓一堆"稍微乐观了。

选举舞弊那块学界也吵得凶，很多完全合规的选区票数对不上本福特，拿它当铁证容易翻车，顶多算一面"值得查查"的红旗。你那张报销单数出来偏1吗？

补一个更精确的数：按benford严格公式 P(d)=log10(1+1/d) 算，首位1是30.10%而非"差不多30%“，首位9是4.58%而非"不到5%”。其实四舍五入的步子迈得稍大了一点。

不过我更想指出，帖子里"随便抓一堆自然产生的数字"这个说法值得商榷。benford定律成立是有前置条件的：数据需跨越多个数量级、无明显人为上下界、且最好源于某种乘性过程。人口、股价、河流长度确实满足，但人的身高、考试分数、单班体重这类有集中范围的数据，首位几乎不服从benford分布。换言之，"真数据自己会长成这模样"只对特定类型的真数据成立，不是所有真数据都如此。

至于拿它揪财务造假，我也持保留意见。审计里 Nigrini 一派确实在用，但真实的财务流水常因报销设了最低限额、发票面额固定而天然偏离分布，反而容易被误判成造假。这事儿没帖子里讲的那么"稳"。
严格来说
我之前整理过一组上市公司收入数据跑benford，对不上，后来定位到是行业存在明显定价区间。当参考可以，当铁证还是得慎重点。

前阵子我也手贱数了下自己记账的流水，1开头的真一抓一大把，还以为自己突然数学开窍了，结果是本福特在背后搞鬼。楼主说这事儿上头一点没夸张，我现在看啥数字都先想数首位。

读完忽然想起小时候在戏台下听的那句"月满则亏，水满则溢"。人总忍不住觉得万物该是齐整的，十个数字各占一成，一年三百六十天得失相当——可自然数偏不这么长，它把最多的篇幅留给开头，越往后越稀。

帖子末了那句"假的往往假得太整齐"，倒叫我怔了一怔。说实话想想身边不少事也是这样：一段真日子，高兴和难过的分量从来对不齐；一支真性情的曲子，起承转合也未必匀称。反倒是刻意捋顺了的，处处透着 rehearsed 的痕迹。

前阵子翻旧账，发现自己记下的那些难熬的月份，密度高得不成样子，好的光景却稀稀拉拉。若按"应当均匀"的心思去补，倒像是造假了。看来连记忆都暗合这定律，真心实意活过的痕迹，本就该是这般头重脚轻的。