1. Recopila los resultados electorales en formato numérico.
2. Extrae los dígitos significativos de cada resultado (por ejemplo, el número de votos por candidato o partido).
3. Aplica la Ley de Benford para calcular la frecuencia esperada de cada dígito (1-9) en los resultados.
4. Compara la frecuencia observada de cada dígito con la frecuencia esperada según la Ley de Benford.
5. Calcula el estadístico chi-cuadrado para medir la diferencia entre la frecuencia observada y la esperada.
6. Si el valor de chi-cuadrado es alto, puede indicar que los resultados no siguen la distribución esperada según la Ley de Benford, lo que podría sugerir irregularidades o fraude.

Es importante tener en cuenta que la Ley de Benford no es una prueba definitiva de fraude, pero puede ser una herramienta útil para identificar posibles anomalías en los resultados electorales.

Aquí te presento un ejemplo de cómo aplicar la Ley de Benford a los resultados de las elecciones:

Supongamos que tenemos los siguientes resultados electorales:

Candidato	Votos
A	12345
B	67890
C	34567

Extraemos los dígitos significativos de cada resultado:

Candidato	Dígitos significativos
A	1, 2, 3, 4, 5
B	6, 7, 8, 9, 0
C	3, 4, 5, 6, 7

Calculamos la frecuencia observada de cada dígito:

Dígito	Frecuencia observada
1	1/15
2	1/15
3	2/15
4	2/15
5	2/15
6	2/15
7	2/15
8	1/15
9	1/15
0	1/15

Calculamos la frecuencia esperada según la Ley de Benford:

Dígito	Frecuencia esperada
1	0.301
2	0.176
3	0.125
4	0.097
5	0.079
6	0.067
7	0.058
8	0.051
9	0.046
0	0.041

Calculamos el estadístico chi-cuadrado:

chi-cuadrado = 15.23

Si el valor de chi-cuadrado es alto (por ejemplo, mayor que 20), puede indicar que los resultados no siguen la distribución esperada según la Ley de Benford, lo que podría sugerir irregularidades o fraude. Sin embargo, es importante tener en cuenta que la Ley de Benford no es una prueba definitiva de fraude y que se deben considerar otros factores antes de llegar a conclusiones. ‎

---

Benford’s Law: An Observance of Numerical Data

Benford’s Law, also known as the Newcomb-Benford Law, is an observation about the frequency distribution of leading digits in many real-life sets of numerical data ¹. Here are some key points about Benford’s Law:

• Leading Digits: Benford’s Law states that the leading digit is likely to be small, with the number 1 appearing as the leading significant digit about 30% of the time, while 9 appears as the leading significant digit less than 5% of the time ¹.
• Distribution of Digits: The law also makes predictions about the distribution of second digits, third digits, digit combinations, and so on ¹.
• Applicability: Benford’s Law tends to apply most accurately to data that span several orders of magnitude, such as stock-market prices and populations of villages, towns, and cities ¹.
• Explanations: The law can be explained by the phenomenon of multiplicative fluctuations, where numbers are generated by repeated multiplication of random variables ¹.
• Applications: Benford’s Law has been used in various fields, including accounting fraud detection, election data analysis, and macroeconomic data analysis ¹.
• Limitations: The law may not apply to data sets with a narrow range of values, such as IQ scores or human heights ¹. ‎ https://en.wikipedia.org/wiki/Benford%27s_law ‎

---

El algoritmo de Benford es un método utilizado para detectar fraudes o irregularidades en conjuntos de datos. Se basa en la ley de Benford, que establece que en muchos conjuntos de datos, el primer dígito de los números tiende a seguir una distribución específica.

Aquí te dejo un ejemplo de cómo implementar el algoritmo de Benford en Python:

import pandas as pd

def benford(datos):
# Extraer el primer dígito de cada número
primer_digito = [str(abs(int(x))) for x in datos]
primer_digito = [x[0] for x in primer_digito]

# Contar la frecuencia de cada dígito
frecuencia = pd.Series(primer_digito).value_counts()

# Calcular la distribución esperada según la ley de Benford
distribucion_esperada = [0.301, 0.176, 0.125, 0.097, 0.079, 0.067, 0.058, 0.051, 0.046]

# Comparar la frecuencia observada con la distribución esperada
chi_cuadrado = ((frecuencia - distribucion_esperada) ** 2) / distribucion_esperada

return chi_cuadrado.sum()

Ejemplo de uso

datos = [123, 456, 789, 101, 202, 303, 404, 505, 606, 707, 808, 909]
resultado = benford(datos)
print(resultado)

Este código define una función ⁠ benford ⁠ que toma un conjunto de datos como entrada y devuelve el estadístico chi-cuadrado que mide la diferencia entre la distribución observada de los primeros dígitos y la distribución esperada según la ley de Benford. Un valor alto de chi-cuadrado indica que la distribución observada se desvía significativamente de la distribución esperada.

Recuerda que este es solo un ejemplo básico y que existen variantes y mejoras del algoritmo de Benford que pueden ser más adecuadas para tus necesidades específicas. ‎

---

Es muy sencillo hacerlo con Excel. Hay función que se llama leer que extrae el primer dígito de los totales y luego hay que usar la función count para contar las incidencias de los números 1 al 9.

Aquí un ejemplo sencillo de cómo se puede aplicar en Excel la Ley de Benford.

————

Aquí se puede consultar en Wikipedia:

https://en.wikipedia.org/wiki/Benford%27s_law

Helen VL

@HelenVL6

Cuando el ser humano no conoce, el cerebro invalida lo que recibe. La Ley de Benford empleada por

@PedroFerriz

y

@carpetapurpura

es utilizada mundialmente para descubrir fraudes electorales. Recordemos que

@lopezobrador_

basa sus acciones en el Manual del Dictador, en donde la MENTIRA y el FRAUDE es la base primaria de la gestión del Dictador. Les comparto un video para conocer la metodología para encontrar las TRAMPAS Fiscales y las Electorales . Anexo Video #NoALaReformaJudicial #NoALaSobrerrepresentación

@SCJN

@TheJusticeDept

@PedroFerrizC

@lopezdoriga

@AristeguiOnline

@AtypicalTv

@TEPJF_informa

@SRjudgeslawyers

@KamalaHarris

@GovTimWalz

@CJF_Mx

@TheJusticeDept

@JanineOtalora

@OEA_oficial

@Almagro_OEA2015

@TheJusticeDept

@XochitlGalvez

@StateDept

@MrLotario

@Hisoymario

@danielpriva

@CPaularena

@Elleny1921

@Clausolunam

@JusticieroLetal

@Armando82198079

@JuanSan49402504

@marco_descalzo

@Mr_Civico

@FCN_mx

@ArmandoCruzGa11

@maubuitron

@diaz_manuel

@IreriGM

@GRIN_RR

@MayraABR1

@AspasiaDeMilet

@Fireangel_76

@lafoca17

@BayardiSuarez

@nytimes

@LSRTweets

@acostanaranjo

@JanineOtalora

@ElonMuskD_C

@nanoprofe

Cuando el ser humano no conoce, el cerebro invalida lo que recibe. La Ley de Benford empleada por @PedroFerriz y @carpetapurpura es utilizada mundialmente para descubrir fraudes electorales. Recordemos que @lopezobrador_ basa sus acciones en el Manual del Dictador, en donde la… https://t.co/gRHIRV9Og9 pic.twitter.com/gwLqfvYly2

— Helen VL (@HelenVL6) 22 de agosto de 2024