중심극한정리와 이진 트리 분기비의 수치적 접근

초록

본 논문은 무작위 이진 트리의 토폴로지를 이진 시퀀스로 표현하고, Horton‑Strahler 순서를 계산한 뒤, 각 순서별 분기비에 대한 중심극한정리(CLT)를 수치적으로 검증한다. 대규모 시뮬레이션으로 얻은 데이터에 가우시안 함수를 적합시켜 분산값을 추정하고, 그 결과를 간단한 형태의 식으로 제시한다.

상세 분석

이 연구는 먼저 무작위 이진 트리를 생성하기 위한 효율적인 코딩 방식을 제안한다. 트리의 구조는 전위 순회에서 얻어지는 0‑1 시퀀스로 변환되며, 이 시퀀스는 Dyck 경로와 일대일 대응한다는 점에서 조합론적 해석이 가능하다. 이렇게 얻어진 이진 시퀀스를 기반으로 Horton‑Strahler 지수를 재귀적으로 할당함으로써, 각 노드가 어느 순서(order)에 속하는지를 정확히 판별한다. 순서 i에 속하는 가지의 개수를 N_i라 하면, 전통적인 Horton 법칙에 따라 분기비 R_i = N_i / N_{i+1}가 일정한 상수에 수렴한다는 것이 알려져 있다. 그러나 실제 무한히 큰 트리에서 R_i가 평균값 주변에 어떻게 분포하는지는 명시적인 이론적 결과가 부족했다.

본 논문은 이러한 공백을 메우기 위해, 다양한 크기의 트리(노드 수 2^k, k=10~20)에서 10^6개 이상의 샘플을 생성하고, 각 샘플에 대해 N_i와 R_i를 계산하였다. 얻어진 R_i 값들의 히스토그램을 가우시안 분포 N(μ_i, σ_i^2)와 비교했을 때, 평균 μ_i는 기존의 Horton 상수와 거의 일치했으며, 분산 σ_i^2는 순서 i에 대해 명확한 감소 경향을 보였다. 특히 σ_i^2는 2^{-i}에 비례한다는 경험적 식 σ_i^2 ≈ C·2^{-i} (C≈0.25) 를 제시하였다. 이는 R_i가 평균값을 중심으로 독립적인 작은 변동을 보이며, 순서가 높아질수록 변동이 급격히 억제된다는 의미이다.

통계적 검증을 위해 Kolmogorov‑Smirnov 검정과 Q‑Q 플롯을 활용했으며, 모든 순서 i에 대해 귀무가설(가우시안 분포 가정)을 5% 유의수준에서 기각하지 못했다. 따라서 “R_i의 정규성”과 “분산이 2^{-i}에 비례한다”는 두 가지 가설이 실험적으로 강하게 지지된다.

이러한 결과는 기존의 이론적 CLT가 적용될 수 있는 조건(예: 독립성, 동일분포)과는 다소 차이가 있지만, 트리 구조 자체가 계층적 의존성을 갖는 복합 확률 과정임을 감안하면, 본 연구가 제시한 경험적 정규성은 매우 의미 있는 발견이다. 또한, 분산의 간단한 형태는 향후 이론적 증명이나 다른 복합 네트워크(예: 강우 흐름 트리, 혈관망)에서의 적용 가능성을 열어준다.

마지막으로, 논문은 변동성 감소율 C가 트리 생성 알고리즘(예: 균등 무작위 분할 vs. 베르누이 분할)에 따라 약간 달라질 수 있음을 언급하고, 이를 정량화하기 위한 추가 연구 방향을 제시한다.