尺度不变性的数学代价：为什么大自然偏袒数字1，而人造假账总会露馅？

如果你从全世界所有真实公司的账本里，随机调出一万笔交易金额，只保留每个数字的第一位。 从 1 到 9，九个数字在直觉里该各有九分之一的机会。 但在真实世界里，数字 1 霸占了整整 30% 的开门红。 排在末尾的数字 9，连 5% 的出场机会都拿不到。 为什么大自然和商业世界，会这么偏袒数字 1？

这个反直觉的现象，最早是在图书馆的旧纸堆里被发现的。 1881 年，天文学家西蒙·纽科姆去翻对数表查数据。 他注意到一个奇怪的细节：整本厚厚的表格里，以 1 和 2 开头的前几十页被翻得漆黑磨损，后面以 8 和 9 开头的页码却崭新如初。 大家查数据的时候，为什么总在算 1 开头的数字？ 半个世纪后的 1938 年，物理学家弗兰克·本福特把这个猜想推向了极致。 他找来 20 个完全不相干领域的 20229 个真实数据，从河流表面积、原子量到人口普查。 统计结果严丝合缝：首位是 1 的概率占到 30.6%，接着一路下滑，到了 9 只有 4.7%。 这就是著名的本福特定律。

为什么九个数字做不到平分秋色？ 如果在 1 到 99999 之间随机摇号，每一个首位数字拿到的概率确实都是九分之一。 但仔细想想，这种平均假设暗中塞进了一个极其苛刻的前提：计数必须刚好停在 10 的整数次方上。 如果你把抽奖箱的上限设在 2000，光是 1000 到 1999 的千位数区间，就占了整整一半的数字。 把上限停在 5000，1 到 4 四个数字就瓜分了将近 90% 的份额。 真实世界的河流长度、公司市值和物价指数，从来不会听从人类的安排，整齐划一地停在某个整数关口。 它们没有固定的终点线。 更关键的是，真实世界根本不在乎人类用什么度量衡。

把一条河的长度从米换算成英尺，所有的数字都要乘上 3.28。 把一笔跨国贸易从美元折算成日元，金额立刻放大了上百倍。 如果一条描述首位数字的统计定律，换个计量单位就彻底作废，那它充其量只是某个单位制下的巧合。 1961 年，数学家罗杰·平克汉姆在论文里给出了决定性的证明： 在所有不依赖人类度量单位的尺度不变分布里，本福特定律是唯一的解。

这台隐秘的机器到底是怎么运转的？ 任何正数都可以写成一个 1 到 10 之间的有效数字，再乘以 10 的若干次方。 10 的次方只决定小数点点在哪里，真正决定首位数字是谁的，只有前面的有效数字。 一旦取了以 10 为底的对数，原本乘法的倍数变化，全部变成了加法。 有效数字的对数，是一个介于 0 到 1 之间的小数。 首位数字是 1，意味着有效数字在 1 到 2 之间，对数小数落在 0 到 0.301 的区间里。 首位数字是 9，有效数字落在 9 到 10 之间，对数小数落在 0.954 到 1 的区间里。 把 0 到 1 的对数小数区间弯折起来，首尾相接，刚好组成一个周长为 1 的圆环。 改变单位乘上一个常数，在对数上就等于给所有数据加上一个常数，在圆环上表现为一次刚性的角度旋转。 什么样的分布，在圆盘被任意旋转之后，形态还能丝毫不变？ 数学上只有一种答案：这根圆环上的质量必须绝对均匀，每一处弧长分到的概率都完全一样。

圆环上的概率是均匀的，为什么切成数字后就极度倾斜？ 因为对数刻度是非线性的。 从 1 到 2，这段弧长足足切走了整个圆环 30.1% 的长度。 而从 9 到 10，能分到的弧长只有区区 4.6%。 均匀的圆环被投射回非线性的数字切片上，数字 1 天然独吞了近三分之一的领地。

那真实世界的数据，凭什么会自动抹平这根圆环？ 背后咬合着两道纯粹的物理与数学推力。 第一道推力是乘法增长。 一座城市的人口以每年 3% 的速度稳定增长。 从 100 万翻倍到 200 万，需要净增 100%，按复利算要熬整整 23 年。 而当它从 900 万涨到 1000 万，只需要增长 11%，只要 3 年半就能跑完。 在这座城市数百年的生命周期里，你在任意一天去突击普查，抓到首位数字是 1 的概率，天生就是数字 9 的 6.6 倍。 第二道推力是数量级的跨度。 真实世界的数据很少缩在一个小抽屉里。 一个国家的城市人口从几千人跨越到几千万人，在对数轴上整整缠绕了圆环四五圈。 反复的折叠与包裹，把原本可能存在的局部起伏彻底冲刷平整，最终严密吻合均匀分布。

这个机制同时也指出了它的失灵边界。 当数据被锁死在单一数量级内时，这台机器就会立刻哑火。 最典型的例子是成年人的身高。 在体检表上用厘米记录，几乎所有成年人的身高都在 150 到 200 厘米之间。 对数跨度只有 0.12，仅仅占了圆环八分之一的窄带，根本无法绕满一圈。 结果在公制下，几乎每个人的身高都以数字 1 开头。 可一旦换算成英制英寸，同一批人的身高变成了 59 到 79 英寸，首位数变成了 5、6、7。 它无法抵抗单位的变换，从一开始就不符合尺度不变的前提。 鞋码、百分制考卷的分数，或者被选区委员会人为切分成固定规模的投票站票数，全都不在这个定律的射程之内。

这套纯数学推演，为什么能变成揪出商业造假的照妖镜？ 1990 年代，法证会计学家马克·尼格里尼把它引入了审计实务。 真实商业世界里的发票，单价乘以采购量，金额从几元到几百万元，天然跨越多个数量级。 真实的记账流水，必然忠实沿着对数曲率分布。 但人类伪造财务记录时，脑子里运行的是完全相反的直觉。 造假者在虚构发票和报销单时，总觉得随机分布就该是雨露均沾，1 到 9 每一个数字出场机会应该差不多。 他们甚至会刻意回避连续写 1 开头的数字，生怕显得假。 这种源自直觉的算术平摊，在卡方检验面前一碰就碎。 如果一千笔业务流水被人工编造得均匀分布，自由度为 8 的卡方统计量会飙升到将近 400。 而在统计学上，千分之一误报率的临界值仅仅是 26.1。 造假者越是努力让数字显得随机，账本在数学透镜下就越像一场荒诞的表演。

如果造假者懂一点本福特定律，故意把三成的发票都改成 1 开头呢？ 第二位数字会立刻给他补上致命一击。 在对数圆盘上，把 9 根柱子切细成 10 到 99 的 90 根柱子，前两位数的出现概率同样遵循对数公式。 10 的概率是 4.1%，而 99 的概率连 0.43% 都不到。 把这 90 根柱子合并后，第二位数字是 0 的概率高达 12.0%，是 9 的概率只有 8.5%。 人工编造假账的人，即便能勉强凑出 30% 的首位数，也绝不可能凭空平衡好 90 根柱子的对数几何比例。

真实世界的商业与物理运转，在每一串数字背后都刻下了乘法和幂律的齿轮齿印。 虚构的数字试图逃避审计员的抽查，却逃不脱这道连度量衡都无法扭曲的尺度法则。