피셔 변분 원리로 본 Zipf 법칙

초록

본 논문은 피셔 정보량을 최소화하는 변분 원리를 이용해 Zipf 법칙을 유도한다. 규모 불변성을 가정한 최적화 과정에서 순위-빈도 분포가 1/r 형태로 나타나며, 물리학 저널 인용 횟수 데이터에 적용해 실증적 일치를 확인한다.

상세 분석

논문은 먼저 Fisher 정보(Fisher information)를 확률밀도함수 p(x;θ) 에 대한 매개변수 θ 의 민감도로 정의하고, 규모 변환 x→λx 에 대해 불변성을 유지하도록 제약을 둔다. 이때 확률분포는 p(x)=C x^{−α} 형태를 띠며, α는 아직 미정이다. 변분 문제는 “주어진 평균 로그‑스케일 제약 하에 Fisher 정보를 최소화하라”는 형태로 설정된다. 라그랑주 승수를 도입해 Euler‑Lagrange 방정식을 풀면 α=2가 도출되고, 따라서 p(x)∝x^{−2}. 순위 r 와 빈도 f 의 관계는 누적분포와 역함수를 이용해 f(r)∝1/r, 즉 Zipf 법칙이 자연스럽게 나오게 된다. 중요한 점은 기존의 엔트로피 기반 최대엔트로피 접근과 달리, 정보량 자체를 최소화함으로써 규모 불변성이라는 물리적 직관을 직접 반영한다는 것이다. 실증 부분에서는 물리학 분야 상위 10개 저널의 논문 인용 데이터를 수집해 로그‑로그 플롯을 그렸으며, 기울기가 -1에 매우 근접함을 확인한다. 또한, 데이터에 대한 잔차 분석을 통해 제안된 모델이 통계적으로 유의미함을 입증한다. 논문은 마지막에 이 변분 프레임워크가 도시 규모, 단어 빈도, 소득 분포 등 다른 규모 불변 현상에도 일반화될 가능성을 제시한다.