극단 물리 정보(EPI) 기반 파워법칙 꼬리와 헤드가 결합된 확률밀도함수 모델

초록

본 논문은 Extreme Physical Information(EPI) 이론을 이용해 꼬리가 파워법칙을 따르는 확률밀도함수(PDF)를 유도한다. Fisher 정보와 제한 정보를 결합한 함수형을 최소화하여 2차 미분방정식을 얻고, 이를 해석해 헤드와 꼬리를 동시에 설명하는 파라미터 관계식을 도출한다. 또한 개방계의 정보 흐름을 반영하는 소산항을 추가해 모델을 확장하고, 네 개의 실제 데이터셋에 적용해 좋은 적합성을 보였다.

상세 분석

논문은 먼저 Fisher 정보 I=∫(g′(y))²/g(y) dy 를 정의하고, 변수 변환 y=Θ+z 로부터 shift‑invariant 형태를 얻는다. EPI 이론에 따라 정보 함수 F=I(y)−κI(z) 를 구성하고, z와 y 사이의 선형 관계 z=t(y)·y (t(y)는 구간별 상수) 를 가정한다. 이때 I(z) 를 y에 대한 적분 형태로 변환하면 Lagrangian L=g′(y)²/g(y)−κ t(y)² g(y) y² 가 된다. g(y)=q(y)² 로 치환하면 L=4 q′(y)²−κ t(y)² q(y)² y² 가 되고, Euler‑Lagrange 방정식은 4 q″(y)+κ t(y)² q(y) y²=0 이 된다. t(y)가 구간별 상수이므로 해는 구간마다 q_i(y)=c_{i,1} y^{½+k_i}+c_{i,2} y^{½−k_i} 형태이며, k_i=½√(1−κ t_i²) 로 정의된다. y=1에서 q=0, y→∞에서 q→0 등 경계조건을 적용하면 꼬리 구간에서는 q₂(y)∝y^{−(α_tail+1)/2} 로 파워법칙 꼬리를 재현하고, 헤드 구간에서는 q₁(y)=c₁ y^{½} sin(k₁ ln y) 와 같은 진동형태가 나타난다. 정규화와 연속성 조건을 이용해 k₁과 k₂ 사이의 관계식 k₁=−k₂ tan(k₁ ln y₀) 를 얻으며, 이는 꼬리의 스케일 파라미터 α_tail와 헤드의 형태 파라미터 k₁을 직접 연결한다. 즉, 꼬리 지수 하나만 알면 헤드의 여러 고유상태(eigenstates)를 예측할 수 있다. 모델의 개방성을 반영하기 위해 H(q′,y)=β q′ y 라는 소산항을 추가하고, 방정식은 4 q″+κ t² q y²=β q′ y 로 변형된다. 이 경우 해는 q_i(y)=c_{i,1} y^{λ+k_i}+c_{i,2} y^{λ−k_i} (λ=4−β/8) 로 바뀌며, λ에 따라 시스템이 정보 획득(λ<½), 손실(λ>½), 혹은 평형(λ=½) 상태인지 판단할 수 있다. 마지막으로 저자들은 네 개의 실증 데이터(전력 차단 고객 수, 미국 도시 인구, 태양 플레어 감마선 강도, 세계 부의 분포) 에 대해 최대우도법으로 α_tail와 y₀를 추정하고, 위 관계식을 이용해 k₁을 계산, 첫 두 고유상태의 선형 결합으로 헤드를 피팅했다. Kolmogorov‑Smirnov 통계량이 임계값 이하임을 확인하여 모델의 적합성을 검증하였다. 전체적으로 이 접근법은 파워법칙 꼬리와 빈번한 사건이 지배하는 헤드를 하나의 물리적 원리로 연결하고, 소산항을 통해 개방계의 정보 흐름까지 포괄한다는 점에서 기존 모델보다 통합적이며 해석 가능한 장점을 제공한다.