파워법칙 분포의 지수 추정을 위한 최대우도 방법

초록

본 논문은 파워‑법칙 형태의 데이터에서 꼬리 지수(α)를 추정할 때 전통적인 그래프 기반 방법이 갖는 편향과 불안정성을 지적하고, 최대우도 추정법(Maximum Likelihood Estimation, MLE)을 체계적으로 도입한다. MLE의 수식 전개, 유효 범위인 최소값 xₘ의 선택 기준, 그리고 추정값의 신뢰구간을 구하는 방법을 제시하며, 시뮬레이션과 실제 데이터 사례를 통해 MLE가 그래프 방법보다 훨씬 정확하고 재현성이 높음을 입증한다.

상세 분석

파워‑법칙 분포는 P(x)∝x^{−α} 형태로, 자연 현상·사회 현상·네트워크 구조 등 다양한 영역에서 관찰된다. 전통적으로 연구자들은 로그‑로그 플롯에 데이터를 표시하고, 직선의 기울기로 α를 추정하는 방식을 사용해 왔다. 그러나 이 그래프 방법은 (1) 데이터의 이산성, (2) 샘플링 변동성, (3) 절단점(x_min) 선택에 따른 편향을 내포한다. 특히 x_min을 임의로 정하면 작은 값들의 노이즈가 큰 영향을 미쳐 α가 과소·과대 추정되는 경우가 빈번하다.

논문은 이러한 문제점을 보완하기 위해 연속형 파워‑법칙의 확률밀도함수 f(x)= (α−1) x_min^{α−1} x^{−α} (x≥x_min) 를 가정하고, 로그우도 L(α)=∑_{i=1}^{n}