#介绍#

这个脚本代表了一个用于评估Benford’s Law一致性的全功能框架。它可以用于执行Nigrini等人(2012)提出的所有测试:

>主要测试：第一个数字分析，第二位分析，前两位数
>高级测试：第三位分析，二阶分析，求和分析
相关测试:后两位数字分析，数重复分析，失真因子模型
>螳螂分析
Zipf定律分析

对于每个明显的数字分析，提供以下符合性指标：

>健美措施（14）：
==> Anderson-Darling Discrete (Choulakian, 1994)
==>切比雪夫距离(Leemis, 2000)
==> Cramer-Von Mises离散（Choulakian，1994）
==>欧几里德距离(Cho & Gaines, 2007)
==> 's U2 (Freedman, 1981)
==> Freeman-Tukey T2（Freeman＆Tukey，1950）
==> Hotelling的关节位（Hotelling，1931）
==> Judge-Schechter均值偏差(Judge & Schechter, 2009)
==> Kolmogorov-Smirnov（Kolomonorgov，1933）
==> Kuiper（Kuiper，1960）
==>似然比(Neyman & Pearson, 1933)
==> Pearson's x2（Pearson，1900）
==> Watson's U2 Discrete (Choulakian, 1994)
>平均绝对偏差（Nigrini等，2012）
>平方差别（Kossovsky，2014）
> Z分数（Nigrini等，2012）

＃dataset＆用法＃

框架不需要任何特定的数据集结构。可以从任何源中提取数字数据或使用任何现有方法产生，但是需要最小的1000个元素（具有至少50个独特观察）以便执行相干分析。

“RUN.M”脚本提供了如何使用此框架的示例，但位于“脚本”文件夹中的所有功能都可以在独立计算过程中执行。建议使用“Benford_Data”函数验证和预处理数据集。可以使用“Benford_Analyse”功能，以便对数据集进行全自动分析并绘制结果。“benford_random”功能是一个额外的工具，可以产生随机数，其数字遵循本福德的法律分布。