כמעט שליש מהמספרים בעולם מתחילים בספרה 1, וזה מה שמפיל מזייפים

מנהל במשרד גזבר מדינת אריזונה הוציא בתחילת שנות ה-90 עשרים ושלוש המחאות לחברות שהמציא בעצמו, בסכום כולל שהתקרב לשני מיליון דולר. הוא הקפיד לגוון את הסכומים ודאג שכל אחד מהם יישאר מתחת לרף שמחייב אישור נוסף. מה שהסגיר אותו בסופו של דבר הייתה דווקא הספרה הראשונה: יותר מ-90% מההמחאות נפתחו ב-7, ב-8 או ב-9.

לעין אנושית הסדרה הזאת נראית אקראית לגמרי. למתמטיקה היא נראית חריגה. בנתונים שנאספים, הספרה הפותחת מתפלגת בצורה לא ליניארית: 1 מופיעה בכ-30.1% מהמקרים, 2 בכ-17.6%, 3 בכ-12.5%, וככל שעולים בסולם השכיחות ממשיכה לרדת עד 4.6% בלבד עבור 9. כלומר, כמעט שליש מהמספרים שמתארים את המציאות פותחים באותה ספרה, והספרה הגבוהה ביותר נדירה ממנה פי שישה וחצי.

הכלל הזה נקרא חוק בנפורד, והוא אחד הכלים המוזרים ביותר שנכנסו לארגז העבודה של רואי חשבון חוקרים, רשויות מס ומבקרים פנימיים. הוא עובד היטב, הוא הוכח מתמטית, והוא גם מטעה בקלות מפתיעה כשמפעילים אותו על נתונים שמתאימים לו פחות.

מהדפים השחוקים של טבלת הלוגריתמים

הסיפור מתחיל ב-1881. האסטרונום והמתמטיקאי סיימון ניוקומב פרסם בכתב העת American Journal of Mathematics הערה קצרה בת שני עמודים בשם "הערה על תדירות השימוש בספרות השונות במספרים טבעיים". הוא פתח במסקנה מתצפית יומיומית וכתב "עשר הספרות אינן מופיעות בתדירות שווה". הספרים שעמדו על שולחנות המדענים בסוף המאה ה-19 היו טבלאות לוגריתמים מודפסות, מסודרות לפי הספרה הפותחת. ניוקומב שם לב שהעמודים בתחילת הכרך, אלה של המספרים שמתחילים ב-1, מתפוררים הרבה לפני האחרונים. מכאן הוא גזר את הניסוח המתמטי וקבע במילים פשוטות שהספרה 1 כספרת פתיחה מופיעה במספרים בעולם בתדירות גבוהה הרבה יותר מהאחרות כשהבאות אחריה יורדות בהסתברות באופן רציף - כך ש-2 פופולארית מ-3 וכך הלאה. 

ב-1938 חזר על הגילוי פרנק בנפורד, פיזיקאי במעבדות המחקר של ג'נרל אלקטריק, שהבחין באותה שחיקה עצמה בטבלאות שלו. בנפורד עשה משהו שניוקומב דילג עליו: הוא אסף נתונים בקנה מידה גדול. במאמר "חוק המספרים החריגים", שפורסם בכתב העת Proceedings of the American Philosophical Society, הוא ריכז 20,229 תצפיות מ-20 תחומים רחוקים זה מזה - שטחי פני נהרות, אוכלוסיות ערים בארצות הברית, קבועים פיזיקליים, משקלים מולקולריים, מספרי בתים של מדענים אמריקאים, שיעורי תמותה ומספרים שליקט מגיליונות של Reader's Digest. כמעט כולם הסתדרו על אותה עקומה.

למה זה בכלל קורה

ההסבר האינטואיטיבי קשור לאופן שבו דברים גדלים. סכום שצומח בשיעור קבוע מבלה הרבה יותר זמן בדרך מ-100 ל-200 מאשר בדרך מ-900 ל-1,000, פשוט משום שהמעבר הראשון דורש הכפלה והשני דורש תוספת של אחוזים בודדים. כל כמות שמתפתחת בקצב יחסי, ובכלל זה אוכלוסייה, מחזור מכירות, מספר עוקבים או שווי נכס, שוהה חלק גדול יותר מחייה בטווח שנפתח בספרות נמוכות.

הנוסחה עצמה קצרה. ההסתברות שהספרה הפותחת תהיה d שווה ללוגריתם בבסיס 10 של (1 בתוספת אחד חלקי d). עבור 1 מתקבל הלוגריתם של 2, שהוא 0.301, ומכאן ה-30.1%. עבור 9 מתקבל הלוגריתם של 10 חלקי 9, שהוא 0.046. במילים אחרות, מה שמתפלג באחידות הוא הלוגריתם של המספר, ולא המספר עצמו, וזו בדיוק התובנה שניוקומב ניסח. תכונה שנייה שעומדת מאחורי החוק היא עצמאות מיחידות המידה. רשימת נתונים שמצייתת לעקומה כשהיא מדודה בדולרים תמשיך לציית לה גם בשקלים, גם ביין וגם ביחידה שהומצאה לצורך העניין. מבין כל ההתפלגויות האפשריות של הספרה הראשונה, זו של בנפורד היא היחידה ששומרת על עצמה תחת שינוי קנה מידה, ואותה תכונה חוזרת גם במעבר בין בסיסי ספירה.

ההוכחה המסודרת הגיעה ב-1995 מתיאודור היל מהמכון הטכנולוגי של ג'ורג'יה. במאמר "גזירה סטטיסטית של חוק הספרה המשמעותית", שפורסם בכתב העת Statistical Science, היל הוכיח משפט שדומה במהותו למשפט הגבול המרכזי, אלא שהוא עוסק בספרות. לפי הניסוח שלו, כשבוחרים התפלגויות באקראי ובאופן חסר פניות ואז דוגמים מכל אחת מהן, "הספרות המשמעותיות של המדגם המשולב יתכנסו להתפלגות הלוגריתמית". כלומר, עצם הערבוב של מקורות נתונים שונים מייצר את החוק, גם כשכל מקור בודד מציית לו באופן חלקי. זה מסביר למה החוק מרגיש בבית במיוחד בספרי חשבונות, שהם מטבעם תערובת של המון תהליכים שונים.

מול המתמטיקה הזאת עומדת האינטואיציה האנושית, שנוטה לאחידות. מי שממציא סדרת סכומים מפזר את הספרות בערך שווה בשווה, מעדיף ספרות אמצע כמו 4, 5 ו-6, נמנע מחזרות ומרצפים, ובעיקר מתרחק מהצטברות של מספרים שנפתחים ב-1, שנראית לו חשודה מדי. התוצאה היא סדרה שנראית אקראית לעין ומשוועת לחשד בבדיקה סטטיסטית. אצל המנהל מאריזונה הצטרפה לכך גם סיבה מעשית: הוא כיוון את הסכומים אל מתחת לרף האישור, וכך צבר בזה אחר זה סכומים שנפתחו בספרות גבוהות.

• הונאת קצבאות בהיקף של עשרות מיליוני שקלים: הזכאות של 211 תושבים נשללה
• גל חסימות בוואטסאפ משבש עסקים בישראל; איגוד האינטרנט מזהיר מפני נוכלים

מהתיאוריה אל תיקי הביקורת

המעבר מהתחום התיאורטי אל זירת החקירות קרה בזכות מארק ניגריני, היום פרופסור באוניברסיטת מערב וירג'יניה. את הדוקטורט שלו באוניברסיטת סינסינטי הוא הקדיש לגילוי העלמות מס באמצעות ניתוח התפלגות של ספרות, ובהמשך הפך את הרעיון לכלי עבודה שגרתי במקצוע. במאמר שפרסם בכתב העת Journal of Accountancy הוא הסביר שהשיטה מאפשרת לרואי חשבון לאתר חריגות שמצביעות על טעות, על הונאה, על הטיה מכוונת או על חוסר יעילות בעיבוד נתונים.

מאז נכנס הניתוח הזה לתוכנות ביקורת מסחריות ולנהלים של רשויות מס. בארצות הברית התקבלו ראיות שמבוססות על החוק בהליכים פליליים ברמה הפדרלית, ברמת המדינה וברמה המקומית. בפועל התפקיד שלהן הוא בעיקר לכוון את החקירה: מהיכן להתחיל, אילו חשבונות למשוך לבדיקה ידנית ואיזה ספק ראוי לביקורת עומק.

ניגריני עצמו הגדיר תנאי כניסה ברורים. הנתונים צריכים לתאר גדלים של תופעות דומות, למשל שווי שוק של חברות, והם צריכים להיות חופשיים מרף עליון או תחתון מובנה. הדוגמאות שלו לתנאי השני הן הפרשות מוכרות לחיסכון פנסיוני או שכר לשעה, שנעים בטווח צר מדי. לגבי מספרים שהוקצו מראש הוא כתב במפורש: "מספרים שהוקצו, כמו מספרי ביטוח לאומי, מיקודים או מספרי חשבון בנק, לא יתאימו לחוק בנפורד".

איפה החוק נשבר

רשימת המקרים שבהם החוק מאבד תוקף ארוכה יותר ממה שנדמה למי שפוגש אותו בפעם הראשונה. גבהים של בני אדם נעים בין מטר וחצי לשני מטרים, כלומר בתוך סדר גודל אחד, ולכן הספרה הפותחת שם היא כמעט תמיד 1. מספרי טלפון מקומיים נפתחים בקידומות קבועות. מחירים קמעונאיים מוטים בכוונה תחילה כלפי 9.99. מספרי המחאות וחשבוניות רצים לפי סדר עולה. בכל המקרים האלה סטייה מהעקומה מעידה בעיקר על אופי הנתונים ופחות על מעשה של מישהו.

הבעיה היא שמי שסורק מאות אירועים במקביל יגיע לעשרות דגלים אדומים גם בארגון שמתנהל למופת, וכל אחד מהם גוזל שעות עבודה. בגלל זה מקובל להתייחס לתוצאה כאל שלב סינון ראשוני, שמצדיק בדיקה נוספת ומרחיק מרחק גדול מהוכחה. 

• משבר גיל 47.2: הנתון שהגדיר את הדרמה בעשור החמישי לחיים - והמחלוקת שמפרקת אותו
• האם חיידקי המעי משפיעים על מצב הרוח? אצל עכברים כן, אבל מה עם בני אדם?

הזירה שבה המחלוקת התחדדה במיוחד היא בחירות. ב-2011 פרסמו ג'וזף דקרט, מיכאיל מיאגקוב ופיטר אורדשוק בכתב העת Political Analysis מחקר שבחן את השימוש בחוק לאיתור זיופים בספירת קולות, והמסקנה שלהם הייתה חדה: "חוק בנפורד בעייתי במקרה הטוב ככלי פורנזי כשמיישמים אותו על בחירות". הם הראו שמניפולציות מסוימות דווקא מקרבות את הנתונים לעקומה, בעוד ספירות תקינות לגמרי מתרחקות ממנה, בין היתר משום שגודל הקלפי מוגבל מראש בטווח צר. וולטר מבין מאוניברסיטת מישיגן, מהחוקרים הבולטים בפורנזיקה של בחירות, הביע עמדה דומה וגרס שהספרה הראשונה של ספירות קולות ברמת הקלפי מועילה במעט מאוד לאבחון זיופים.

חוק בנפורד עובד כל עוד מי שמזייף מאלתר לפי האינטואיציה שלו. ברגע שגיליון אלקטרוני פשוט מאפשר לייצר סדרת מספרים שמתיישבת בדיוק על העקומה, יתרון ההפתעה מתכווץ. חוקרי הונאות כבר עברו למבחנים של שתי הספרות הראשונות, של הספרה האחרונה ושל דפוסי כפילויות, שקשה בהרבה לחקות את כולם בו זמנית. מה שייבחן בשנים הקרובות הוא האם שכבת ההגנה הזאת מחזיקה מול נתונים שנוצרים ממילא בידי מערכות אוטומטיות, שם ההבחנה בין דפוס טבעי לדפוס מתוכנת נעשית מטושטשת.