La evaluación de calidad de video sin referencia (NR-VQA) ha despertado el interés de la comunidad científica a lo largo de las últimas décadas, debido a su importancia en interfaces centradas en el ser humano. El objetivo de NR-VQA es predecir la calidad perceptual de videos digitales sin tener información sobre sus contrapartes libres de distorsión. Durante las últimas décadas, NR-VQA se ha convertido en un tema de investigación muy popular debido a la difusión de contenido multimedia y bases de datos de video. Para una evaluación exitosa de la calidad de video, crear una representación efectiva del video original es un paso crucial. En este documento, proponemos un vector de características potente para NR-VQA inspirado en la ley de Benford. Específicamente, se demuestra que las distribuciones de primer dígito extraídas de diferentes dominios de transformación de los datos de volumen de video son características conscientes de la calidad y pueden ser mapeadas de manera efectiva en puntajes de calidad perceptual. Se llevaron a cabo experimentos extensos en dos grandes bases de datos de referencia de VQA auténticamente distorsionadas.