1分钟检验信贷金额是否符合本福特定律
拖入一列金额或直接粘贴。计算器会将首位数字与本福特定律的预期分布进行比较,显示偏离明显的数字,供您在决策流中设置规则前参考。
金额数据
金额仅在此浏览器中读取,不会上传。链接和您要求发送的邮件中只包含各数字的计数。
演示数据共 2,000 个生成金额,其中 300 个为编造金额,范围在 4,000 到 9,999 之间。
平均绝对偏差
在 2,000 个数值中,拟合度为 不符合,首位数字 9, 8, 5, 6 的出现频率高于本福特定律的预期。
各首位数字的实际占比
柱形表示各首位数字的实际占比,突出项用红色标出。橙色曲线表示本福特定律的预期占比。
各数字检验结果
| 数字 | 计数 | 实际占比 | 预期占比 | 差值 | z | 偏离明显 |
|---|---|---|---|---|---|---|
| 1 | 513 | 25.7% | 30.1% | −4.45 pp | 4.32 | 低于预期 |
| 2 | 284 | 14.2% | 17.6% | −3.41 pp | 3.97 | 低于预期 |
| 3 | 201 | 10.1% | 12.5% | −2.44 pp | 3.27 | 低于预期 |
| 4 | 208 | 10.4% | 9.7% | +0.71 pp | 1.03 | |
| 5 | 190 | 9.5% | 7.9% | +1.58 pp | 2.58 | 高于预期 |
| 6 | 161 | 8.1% | 6.7% | +1.36 pp | 2.38 | 高于预期 |
| 7 | 136 | 6.8% | 5.8% | +1.00 pp | 1.87 | |
| 8 | 156 | 7.8% | 5.1% | +2.68 pp | 5.40 | 高于预期 |
| 9 | 151 | 7.5% | 4.6% | +2.97 pp | 6.31 | 高于预期 |
| 合计 | 2,000 | 100.0% | 100.0% |
通过邮件获取结果
下一步,可先用历史申请测试一条决策流规则,再用该规则将申报数字看似编造的申请转交复核。开始试用
查看公式
预期占比 (d) = log10(1 + 1 ÷ d) z = (|实际占比 − 预期占比| − 1 ÷ 2n) ÷ √(预期占比 × (1 − 预期占比) ÷ n) (偏离明显: z > 1.96) MAD = Σ |实际占比 − 预期占比| ÷ 数字位数 首位数字: 0.006 / 0.012 / 0.015 前两位数字: 0.0012 / 0.0018 / 0.0022
结果不符合本福特定律,值得进一步查看,但不能据此认定存在欺诈。封顶、指定或取值范围较窄的数据不符合本福特定律,结果分级仅供参考。
Benford 定律能说明什么
Benford 定律描述一组金额中各个首位数字的预期占比。本计算器会将实际占比与预期占比进行比较,并计算平均绝对偏差。
占比差异可以帮助筛出需要复核的数据,但不能据此认定欺诈。先确认数据是否适合用 Benford 定律检测,因为有上限、按规则分配或取值范围较窄的数据可能不符合该定律。
常见问题
什么是 Benford 定律?
Benford 定律描述一组数值中首位数字的预期分布。本计算器会将各个数字的实际占比与定律给出的预期占比进行比较。
如何用 Benford 定律检测数据?
从 CSV 文件中选择一列金额,或每行粘贴一个金额。选择首位数字或前两位数字检测,将实际占比与预期占比进行比较。
如何用 Benford 定律筛查欺诈?
Benford 定律可用于筛查出值得进一步核查的数值。分布不符是进一步核查的理由,但不能据此认定欺诈。
哪些数据不符合 Benford 定律?
有上限、按规则分配或取值范围较窄的数据可能不符合 Benford 定律。这类数据分布不符,可能没有实际意义。
前两位数字检测能看出什么?
检测会比较前两位有效数字的实际占比与 Benford 定律给出的预期占比。它有助于发现金额集中在某个限额以下的情况,低于 10 的数值不纳入检测。