성씨 분포의 보편적 특성: 성장 인구 하위표본 분석

초록

본 논문은 지수적으로 성장하는 전체 인구에서 임의의 크기 하위표본을 추출했을 때, 동일 성씨(또는 동일 DNA 서열)를 가진 가계의 크기 분포가 어떻게 변하는지를 이론적으로 분석한다. 전체 인구에 대한 안정적인 가계 크기 분포를 먼저 구하고, 이를 기반으로 하위표본의 분포가 원분포보다 좌측으로 이동해 작은 가계가 사라지는 현상을 보인다. 평균 자식 수와 그 분산, 그리고 돌연변이(새 성씨 발생)율만으로 분포가 결정되며, 하위표본에서 평균 가계 크기가 증가하고, 단일 가계 비율이 감소한다. 두 번째 접근법으로는 하위표본의 계통수를 시간에 따라 추적해 동일한 결과를 얻는다. 미국 2000년 인구조사 성씨 데이터에 적용하면, 실제 성장률을 1000배 과소평가하고 있음을 밝혀낸다.

상세 분석

이 연구는 지수 성장 모델을 기반으로 한 브랜칭 프로세스(branching process)를 사용해 전체 인구의 가계 크기 분포를 분석한다. 저자는 ‘느린 성장(slow growth)’ 한계, 즉 평균 자식 수가 1에 근접하면서도 미세한 초과를 보이는 상황을 가정한다. 이 한계에서 전체 인구의 가계 크기 분포는 안정적인 형태(stable distribution)를 취하며, 그 형태는 세 가지 파라미터에만 의존한다: (1) 평균 자식 수 μ, (2) 자식 수 분산 σ², (3) 돌연변이율 ν(새로운 성씨가 등장할 확률). 이 세 파라미터는 구체적인 번식 규칙(포아송, 이항 등)과 무관하게 보편적인 결과를 만든다.

분포의 꼬리는 파레토형(power‑law) 형태를 보이며, 작은 가계(특히 size = 1, 즉 singleton)의 비중은 ν와 σ²에 크게 좌우된다. 평균 자식 수가 1보다 조금 큰 경우, 전체 인구에서는 여전히 많은 소규모 가계가 존재하지만, 전체 인구를 무작위로 추출한 고정 크기 하위표본에서는 ‘조건부 샘플링’ 효과가 작용한다. 즉, 표본에 포함될 확률이 큰 가계가 과대표집되고, 작은 가계는 표본에서 거의 사라진다. 수학적으로는 하위표본의 가계 크기 분포가 원분포를 좌측으로 이동시킨 형태, 즉 P_sub(k) ≈ C·P_full(k + Δ) 로 표현된다. 여기서 Δ는 평균 가계 크기의 증가량이며, C는 정규화 상수다.

이러한 이동은 두 가지 중요한 통계량에 직접적인 영향을 미친다. 첫째, 평균 가계 크기 ⟨k⟩_sub는 ⟨k⟩_full보다 크게 된다. 둘째, singleton 비율 s₁_sub는 s₁_full에 비해 급격히 감소한다. 저자는 이 두 양을 정확히 계산하기 위해 generating function 기법과 라플라스 변환을 활용한다. 특히, 평균 가계 크기의 증가는 Δ ≈ ν⁻¹·σ²/(μ − 1) 로 근사될 수 있음을 보인다. 이는 돌연변이율이 작을수록, 그리고 자식 수 분산이 클수록 표본에서 큰 가계가 더 두드러진다는 직관과 일치한다.

두 번째 접근법은 ‘계통수(genealogical tree)’ 시각이다. 하위표본의 조상들을 역추적하면, 시간 t = 0(현재)에서 시작해 과거로 갈수록 가계 수는 지수적으로 감소한다. 저자는 이 과정을 마코프 연쇄로 모델링하고, 각 세대별 평균 가계 크기와 변이 발생 확률을 연속적인 미분 방정식으로 기술한다. 이 방정식의 해는 첫 번째 접근법에서 얻은 안정분포와 동일함을 증명함으로써, 두 방법이 서로 일관된 결과를 제공함을 확인한다.

실증 분석에서는 2000년 미국 인구조사에서 제공된 성씨 빈도 데이터를 사용한다. 데이터는 약 150 만 개의 서로 다른 성씨와 그 빈도를 포함한다. 저자는 이 데이터를 전체 인구 분포와 하위표본 분포에 각각 맞춰 보았을 때, 전체 인구에 적용된 성장률 r_full ≈ 0.001 yr⁻¹(연간 0.1% 증가)와는 달리, 하위표본(예: 10 만 명 표본)에서는 r_sub ≈ 10⁻⁶ yr⁻¹ 정도로 추정된다. 즉, 실제 성장률을 10³배 정도 과소평가하고 있음을 보여준다. 이는 인구조사 설계가 ‘무작위 표본’이 아니라 ‘가족 단위 표본’에 가깝기 때문이며, 정책 수립 시 성장률을 정확히 파악하는 데 큰 함의를 가진다.

결론적으로, 이 논문은 (1) 전체 인구와 하위표본 사이의 가계 크기 분포 차이를 보편적인 수학적 형태로 정량화하고, (2) 평균 자식 수, 분산, 돌연변이율이라는 최소한의 파라미터만으로 복잡한 인구 동역학을 설명할 수 있음을 증명한다. 또한, 실제 인구통계 데이터에 적용했을 때, 기존 통계가 성장률을 크게 왜곡할 수 있음을 경고한다. 이러한 결과는 인구학, 유전학, 사회학 등 다양한 분야에서 표본 설계와 데이터 해석에 중요한 교훈을 제공한다.