Benford Yasası

Benford Yasası, doğal olarak oluşan birçok sayısal veri kümesinde rakamların dağılımının belirli bir deseni takip ettiğini ifade eden bir olgudur. Özellikle, verilerin ilk basamağının belirli bir olasılık dağılımına uyduğu gözlemlenmiştir. İlk olarak 1881'de Simon Newcomb tarafından fark edilen ve 1938'de Frank Benford tarafından sistematik olarak incelenen bu yasa, finansal verilerden nüfus istatistiklerine kadar birçok alanda uygulanabilir.

Benford Yasası, bir sayının ilk basamağının d olma olasılığını şu formülle belirler:

Burada d, 1 ile 9 arasındaki rakamları ifade eder. Bu formüle göre, rakamların ortaya çıkma olasılıkları şu şekildedir:

Bu dağılım, rakamların eşit olasılıkla (yani her rakamın %11.1 oranında) dağılmadığını, daha küçük rakamların daha sık görüldüğünü gösterir.

Benford Yasası, birçok farklı alanda kullanılmaktadır:

1. Finansal Dolandırıcılık Tespiti: Vergi beyannameleri, şirket raporları ve muhasebe verilerinde anormal dağılımlar tespit edilerek sahtekarlık belirlenebilir.
2. Bilimsel Verilerin Doğrulanması: Araştırmalarda manipüle edilmiş verileri tespit etmek için kullanılabilir.
3. Seçim ve Anket Verilerinin Analizi: Oy dağılımları ve anket sonuçlarının doğal olup olmadığını değerlendirmede kullanılır.
4. Nüfus, Enerji Tüketimi ve Ekonomik Veriler: Doğal olarak oluşan büyük veri setlerinde Benford dağılımına yakın sonuçlar görülmektedir.

Benford Yasası'nın neden birçok veri setinde geçerli olduğu konusunda farklı teoriler bulunmaktadır:

• Ölçekten Bağımsızlık: Eğer bir veri seti farklı ölçeklerde benzer davranış gösteriyorsa, Benford Yasası'na uyması olasıdır.
• Logaritmik Dağılım: Doğal süreçlerle oluşan veriler genellikle logaritmik olarak dağıldığından, bu yasa ile uyum gösterir.

Benford Yasası her veri setinde geçerli değildir. Özellikle:

• İnsan eliyle belirlenmiş veya rastgele oluşturulmuş verilerde uygulanamaz.
• Dar bir aralıktaki sayılar içeren veri kümeleri Benford dağılımını göstermez.
• Sayılar belirli bir minimum veya maksimum değere sahipse, yasa geçerliliğini kaybedebilir.

Benford Yasası, geniş çaplı veri analizlerinde güçlü bir araç olmasına rağmen, her durumda dikkatli yorumlanmalıdır.