Vì sao chữ số 1 xuất hiện nhiều hơn chữ số 9?
Từ hai hộp thẻ số đến thang logarit, tìm hiểu vì sao chữ số đầu trong nhiều bảng số liệu thường nghiêng về 1, và tự kiểm tra điều kiện áp dụng định luật Benford.
CÙNG HỌC TOÁN · Ý TƯỞNG TOÁN HỌC
Nếu lấy một bảng số liệu rồi đếm chữ số đầu tiên, liệu các chữ số từ 1 đến 9 có xuất hiện ngang nhau? Một hiện tượng mang tên Benford cho thấy câu trả lời phụ thuộc vào cách những con số được tạo ra. Từ một bảng đếm nhỏ, ta có thể đi tới logarit và học cách đặt câu hỏi với dữ liệu.
Một quan sát từ những trang sách cũ
Năm 1881, nhà thiên văn và toán học Simon Newcomb công bố một ghi chú dài hai trang. Ông nhận thấy những trang đầu của bảng logarit thường bị sờn nhiều hơn các trang cuối và đặt câu hỏi về tần suất sử dụng các chữ số. Đây là một dấu mốc sớm của hiện tượng ngày nay thường gọi là định luật Benford [1, tr. 39–40].
Năm 1938, nhà vật lý Frank Benford công bố một khảo sát với 20.229 quan sát từ nhiều nhóm số liệu, trong đó có diện tích lưu vực sông, dân số và các hằng số. Bảng của ông cho thấy tần suất các chữ số đầu thường nghiêng về phía những chữ số nhỏ [2, tr. 551–554].
Hãy thử hình dung công việc ấy khi chưa có bảng tính. Mỗi số được đọc, ghi nhận chữ số đầu rồi đưa vào một cột đếm. Từ những thao tác lặp lại rất đơn giản, người quan sát đặt ra một câu hỏi có thể kiểm tra bằng toán học. Điều đáng học ở đây là cách chuyển một điều gây tò mò thành một phép thống kê cụ thể.
Ta đang đếm chữ số nào?
Trong bài này, ta xét các số dương và lấy chữ số khác 0 đầu tiên khi đọc từ trái sang phải. Chẳng hạn, có chữ số đầu là , cũng có chữ số đầu là , còn có chữ số đầu là . Số được loại khỏi phép đếm này.
Cần xác định quy tắc ấy trước khi thu thập dữ liệu. Nếu chỉ ghi ký tự đầu của cách viết , ta sẽ đếm được và đang trả lời một câu hỏi khác. Tương tự, những chữ số ở hàng đơn vị hoặc sau dấu phẩy có quy luật riêng. Bài viết chỉ xét chữ số khác 0 đầu tiên.
NIST trình bày công thức Benford cho chữ số đầu dưới dạng [3]
Từ công thức, chữ số có xác suất khoảng , trong khi chữ số có xác suất khoảng . Hình bên dưới biểu diễn phân bố lý thuyết này. Đây là các giá trị tính từ công thức, chưa phải kết quả đo trên một bảng số liệu mới.
| Chữ số | Xác suất lý thuyết |
|---|---|
| 1 | 30,1% |
| 2 | 17,6% |
| 3 | 12,5% |
| 4 | 9,7% |
| 5 | 7,9% |
| 6 | 6,7% |
| 7 | 5,8% |
| 8 | 5,1% |
| 9 | 4,6% |
Hai hộp số làm thay đổi trực giác
Trước khi tìm hiểu logarit, ta tự tạo một thí nghiệm. Viết các số nguyên từ đến lên tấm thẻ, mỗi số một thẻ. Chữ số đứng đầu thẻ và mười thẻ từ đến , tổng cộng thẻ. Chữ số cũng đứng đầu thẻ, gồm và các số từ đến .
Lập luận ấy đúng cho cả chín chữ số. Nếu rút ngẫu nhiên một thẻ, mỗi thẻ có cùng khả năng được chọn, thì
Bảng này có phân bố đều của chữ số đầu, khác với các tỉ lệ vừa tính. Vậy ngay cả một bảng có đủ các chữ số cũng chưa cho phép ta khẳng định nó tuân theo Benford.
Bây giờ dùng hộp thứ hai, chứa các thẻ từ đến . Ta giữ thẻ bắt đầu bằng trong hộp cũ và thêm thẻ từ đến . Chữ số đứng đầu trong tổng số thẻ, nên
Trong khi đó, mỗi chữ số từ đến vẫn chỉ đứng đầu thẻ. Đổi giới hạn trên từ thành đã làm tỉ lệ của chữ số tăng mạnh, dù cách rút thẻ vẫn hoàn toàn công bằng.
Hai hộp số minh họa một điều cần kiểm tra mỗi khi đọc thống kê. Ngẫu nhiên phải gắn với một quy trình chọn cụ thể. Rút đều các tấm thẻ là một quy trình rõ ràng, nhưng chữ số đầu của các số trên thẻ có phân bố phụ thuộc vào những thẻ mà ta đã cho vào hộp.
Vì sao công thức lại chứa logarit?
Ta dựng một mô hình khác. Chọn ngẫu nhiên một số phân bố đều trên đoạn từ đến trước , rồi đặt . Khi ấy, nằm từ đến trước . Các khoảng bằng nhau của tương ứng với các bước nhân cùng tỉ lệ của .
Trong mô hình này, bắt đầu bằng khi . Lấy logarit cơ số , ta được . Vì phân bố đều, xác suất bằng độ dài khoảng, tức là . Tương tự, bắt đầu bằng khi , ứng với khoảng ngắn hơn nhiều.
Với chữ số bất kỳ từ đến , cùng phép tính cho kết quả
Đó là một phép suy ra công thức trong mô hình có giả thiết rõ ràng. Nếu chọn đều trực tiếp trên khoảng từ đến , các khoảng từ đến , từ đến và tiếp tục như vậy có cùng độ dài. Khi ấy, mỗi chữ số đầu có xác suất . Chọn đều trước khi lấy lũy thừa và chọn đều sau khi lấy lũy thừa là hai thí nghiệm khác nhau.
Ta còn có thể nhân với , trong đó là một số nguyên. Dấu phẩy dịch chuyển, nhưng chữ số khác 0 đầu tiên vẫn được giữ. Tổng quát hơn, lý thuyết Benford liên hệ phân bố của các chữ số có nghĩa với phần lẻ của logarit. Khảo luận của Berger và Hill trình bày quan hệ này một cách chính xác [4, tr. 27–28].
Có một phép tự kiểm đẹp cho công thức. Cộng xác suất của chín khả năng, các logarit ở giữa triệt tiêu, và ta được
Như vậy, tổng các xác suất đúng bằng . Phép kiểm này xác nhận công thức tạo thành một phân bố xác suất hợp lệ. Việc áp dụng nó cho một bộ dữ liệu vẫn cần tìm hiểu bộ dữ liệu ấy được hình thành như thế nào.
Một công thức cần đi cùng điều kiện áp dụng
Giả sử ta chỉ khảo sát những món hàng có giá từ nghìn đến dưới nghìn đồng. Trong đơn vị nghìn đồng, mọi số dương trong khoảng ấy đều bắt đầu bằng . Tỉ lệ của chữ số có nguyên nhân ngay trong cách chọn hàng. Đổi sang đơn vị đồng cũng chỉ nhân các số với , nên kết quả đếm vẫn vậy.
Hoặc ta dùng các mã do con người gán, như số thứ tự từ đến . Những mã này được tạo ra để phân biệt đối tượng. Phép đếm chữ số của mã phản ánh quy tắc đánh số, nên ta cần đọc quy tắc ấy trước khi so với một mô hình xác suất.
Ngay cả nhận xét rằng dữ liệu trải trên một khoảng rất rộng cũng cần được dùng thận trọng. Berger và Hill đã chỉ ra sai sót trong một lập luận cho rằng độ trải lớn tự nó đủ dẫn đến Benford [5]. Khoảng giá trị là một đặc điểm để xem xét, chưa thay thế được việc kiểm tra mô hình.
Từ các ví dụ tự tạo ở trên, ta có thể rút ra quy trình đọc bảng số. Trước hết hỏi mỗi hàng biểu thị điều gì, sau đó xem đơn vị đo, giới hạn lấy mẫu và quy tắc chọn quan sát. Đến lúc ấy, việc so sánh tần suất mới có ngữ cảnh. Một cột số ít xuất hiện hoặc xuất hiện nhiều cần được giải thích bằng quá trình tạo dữ liệu.
Một hoạt động có thể thử ngay
Học sinh có thể bắt đầu bằng hai hộp thẻ đã mô tả. Chia giấy thành chín cột mang nhãn từ đến , lần lượt xét các số từ đến rồi đánh dấu vào cột tương ứng. Tổng mỗi cột phải bằng . Đây là cơ hội kiểm tra xem ta có bỏ sót số một chữ số hay tính lặp một thẻ nào hay không.
Sau đó, thêm các số từ đến bằng một màu bút khác. Trước khi đếm, hãy dự đoán cột nào sẽ thay đổi. Khi nhìn thấy cả một nhóm thẻ mới đi vào cùng cột , ta hiểu ngay vì sao tỉ lệ tăng. Tự tìm được nguyên nhân của một thay đổi thường có ích hơn việc chỉ ghi nhận một phần trăm mới.
Với bảng tính, có thể làm hoạt động tương tự bằng một cột số và một cột ghi chữ số đầu. Khi nhập các số nhỏ hơn , hãy kiểm tra riêng vài hàng bằng tay để chắc chắn công thức đã bỏ qua những chữ số đứng trước chữ số có nghĩa. Cuối cùng, tổng số dòng đã phân loại phải bằng tổng số quan sát được giữ lại.
Muốn thử trên số liệu thực, hãy chọn một bảng công khai có mô tả nguồn, ghi ngày truy cập và viết rõ mình đã dùng toàn bộ bảng hay chỉ một phần. Trước khi đếm, ghi lại quy tắc lấy dữ liệu. Nếu thay quy tắc sau khi đã thấy kết quả, ta cần ghi lại thay đổi đó để người khác có thể làm lại cùng phép thử.
Khi trình bày kết quả, nên đặt cạnh nhau số quan sát, tần suất thực tế và tần suất Benford để so sánh. Nếu bảng nhỏ, vài quan sát thêm bớt có thể làm tỉ lệ đổi nhiều. Hãy thử tính lại sau khi thêm hoặc bỏ một hàng để tự nhìn thấy độ nhạy ấy, thay vì chỉ chọn một biểu đồ trông giống đường lý thuyết.
Học được gì từ một chữ số đầu?
Định luật Benford kết nối một việc rất dễ làm, đếm chữ số, với một ý tưởng sâu hơn về thang đo và phân bố. Người mới học có thể dừng ở phép đếm hai hộp thẻ. Người đã biết logarit có thể tự suy ra công thức trong mô hình . Cả hai cách đều bắt đầu bằng việc xác định rõ ta chọn số như thế nào.
Bài toán cũng gợi một cách học thống kê. Hãy đặt câu hỏi, tự tạo một ví dụ, tìm một trường hợp cho kết quả khác, rồi xác định điều kiện để lập luận ban đầu áp dụng được. Khi ấy, một công thức trở thành công cụ để hiểu dữ liệu, và mỗi con số trong bảng đếm đều có một câu chuyện có thể kiểm tra.
Tài liệu tham khảo
- [1]
Newcomb, S. (1881). Note on the Frequency of Use of the Different Digits in Natural Numbers. American Journal of Mathematics, 4(1), 39–40. Bản số hóa tại University of Vermont, trang PDF 2–3. Truy cập ngày 21/11/2026. Đọc nguồn 1
- [2]
Benford, F. (1938). The Law of Anomalous Numbers. Proceedings of the American Philosophical Society, 78(4), 551–572. Bảng I ở trang 553, tương ứng trang PDF 4. Truy cập ngày 21/11/2026. Đọc nguồn 2
- [3]
Black, P. E. (2008). Benford’s law. Dictionary of Algorithms and Data Structures, National Institute of Standards and Technology. Cập nhật ngày 26/8/2008. Truy cập ngày 21/11/2026. Đọc nguồn 3
- [4]
Berger, A. và Hill, T. P. (2011). A basic theory of Benford’s Law. Probability Surveys, 8, 1–126. Đặc biệt mục 4.1, trang 27–28. DOI 10.1214/11-PS175. Truy cập ngày 21/11/2026. Đọc nguồn 4
- [5]
Berger, A. và Hill, T. P. (2010). Fundamental Flaws in Feller’s Classical Derivation of Benford’s Law. Bản thảo arXiv:1005.2598, gửi ngày 14/5/2010. Truy cập ngày 21/11/2026. Đọc nguồn 5
Để lại một bình luận