스페인 도시 인구 분포를 설명하는 최대 엔트로피 원리의 작동 메커니즘

초록

본 연구는 1996년부터 2010년까지 15년간 스페인 50개 주(8,000여 도시)의 인구 순위 분포를 최대 엔트로피(MaxEnt) 원리로 분석한다. 인구 성장 역학, 특히 비례 성장 법칙이 분포 형성의 핵심 원인임을 밝혀내고, 이를 제약조건으로 한 MaxEnt 모델이 관측된 데이터와 높은 적합도를 보임을 입증한다.

상세 분석

본 논문은 도시 인구 규모가 따르는 순위-분포를 통계 물리학의 MaxEnt 원리로 설명하려는 시도이다. 먼저 저자들은 스페인 50개 주에 속한 8,000여 도시의 인구 데이터를 1996‑2010년 구간에서 연도별로 수집하고, 각 연도마다 인구 규모를 내림차순으로 정렬해 랭크-분포를 만든다. 전통적인 Zipf 법칙(랭크와 크기가 역비례)과는 달리, 실제 데이터는 단순한 1/r 형태를 벗어나 꼬리가 두꺼운 분포를 보이며, 이는 기존의 무작위 성장 모델만으로는 설명이 어려웠다.

저자들은 인구 성장의 미시적 메커니즘을 조사한다. 도시별 연간 성장률을 계산한 결과, 성장률의 평균은 거의 영에 가깝고, 분산은 인구 규모와 거의 독립적인 상수값을 가진다. 이는 Gibrat 법칙, 즉 “성장률이 규모에 무관하게 동일한 확률 분포를 따른다”는 가정과 일치한다. 이러한 동역학적 제약을 MaxEnt의 제약조건으로 도입하면, 엔트로피를 최대화하는 확률분포는 일반적인 푸아송-가우시안 혼합 형태가 아니라, 지수형 꼬리를 갖는 복합 분포가 된다.

수학적으로는 엔트로피 S = -∑p_i ln p_i 를 최대화하면서, ⟨log N⟩와 ⟨(ΔN/N)^2⟩(즉 로그 평균과 성장률 분산)이라는 두 제약을 동시에 만족하도록 라그랑주 승수를 도입한다. 이 과정에서 얻어지는 최적 분포는 p(N) ∝ N^{-(1+α)} exp(-β N) 형태이며, α와 β는 데이터로부터 추정된 성장률 평균·분산에 의해 결정된다. 저자들은 이 이론적 분포를 실제 순위-분포에 피팅하고, Kolmogorov‑Smirnov 검정과 로그우도 비교를 통해 기존 Zipf 모델보다 현저히 높은 적합도를 확인한다.

또한, 시간에 따른 파라미터 변화를 분석한 결과, α와 β는 연도별로 크게 변동하지 않으며, 이는 인구 성장 역학이 장기적으로 안정된 통계적 법칙에 의해 지배된다는 것을 의미한다. 따라서 MaxEnt 원리는 동역학적 제약을 정확히 반영할 경우, 복잡한 사회 시스템의 규모 분포를 설명하는 강력한 도구가 될 수 있음을 실증적으로 보여준다.