멱법칙과 파레토 법칙은 같은 것인가요?

파레토 법칙(80/20 법칙)은 멱법칙 분포의 한 결과를 경험적으로 요약한 표현이에요. 멱법칙은 더 일반적인 수학적 관계이고, 지수에 따라 80/20이 아닌 다른 비율이 나올 수 있어요.

로그–로그 그래프가 직선이면 멱법칙인가요?

꼭 그렇지는 않아요. 로그정규분포 같은 다른 분포도 일부 구간에서 직선처럼 보일 수 있어서, 최대우도 추정과 적합도 검정, 대안 분포와의 비교가 필요해요.

멱법칙

➗ 수학·통계 작성 캠퍼스다운 위키 편집부 최종 수정 2026년 10월 26일

멱법칙은 어떤 양이 다른 양의 거듭제곱에 비례하는 관계(y ∝ x^−α)로, 확률분포에서는 아주 큰 값이 드물지만 무시할 수 없을 만큼 자주 나타나는 ‘두꺼운 꼬리’를 만들어요.

1. 정의와 대표 사례
2. 두꺼운 꼬리와 생성 메커니즘
3. 통계적 검증과 논쟁
4. 자주 묻는 질문
5. 참고문헌

정의와 대표 사례

멱법칙은 한 변수가 다른 변수의 거듭제곱에 비례하는 관계예요. 양쪽에 로그를 취하면 직선이 되기 때문에 로그–로그 그래프에서 기울기로 지수 α를 읽어요. 경제학자 빌프레도 파레토(1896)는 여러 나라의 소득 분포가 이런 형태라는 것을 발견했고, 여기서 ‘상위 20%가 80%를 차지한다’는 파레토 법칙이 나왔어요. 언어학자 조지 킹슬리 지프(1949)는 단어의 빈도가 순위에 반비례한다는 ‘지프의 법칙’을 정리했고, 같은 형태가 도시 인구 순위에서도 나타나요. 지진 규모와 빈도의 구텐베르크–리히터 법칙(1944), 논문 인용 수(프라이스, 1965), 생물의 대사율이 몸무게의 3/4 제곱에 비례한다는 척도 법칙(웨스트 등, 1997)도 대표 사례예요.

두꺼운 꼬리와 생성 메커니즘

키나 시험 점수처럼 평균 주변에 몰리는 정규분포와 달리, 멱법칙 분포에서는 평균보다 수백, 수천 배 큰 값이 드물지만 꾸준히 나타나요. 지수가 작으면 분산이나 평균조차 무한대가 되어 중심극한정리의 일반적인 형태가 적용되지 않을 수 있어요. 베노아 망델브로(1963)는 면화 가격 변동이 정규분포보다 훨씬 두꺼운 꼬리를 가진다는 것을 보여 금융 위험 평가에 큰 영향을 줬어요. 멱법칙이 생기는 이유로는 이미 많이 가진 쪽이 더 많이 얻는 누적 이익 과정(사이먼, 1955; 프라이스, 1965)이 대표적이며, 이는 마태 효과와 같은 원리예요. 바라바시와 앨버트(1999)는 이를 네트워크의 ‘선호적 연결’로 설명했고, 박·탕·비젠펠트(1987)는 모래더미처럼 시스템이 스스로 임계 상태로 가는 ‘자기조직화 임계성’을 제시했어요.

통계적 검증과 논쟁

로그–로그 그래프에서 직선처럼 보인다고 멱법칙이라고 단정하는 관행은 많은 비판을 받았어요. 클로셋·샬리지·뉴먼(2009)은 최대우도 추정과 적합도 검정을 이용한 방법을 제안하고, 기존에 멱법칙이라고 보고된 많은 데이터가 로그정규분포 등 다른 두꺼운 꼬리 분포와 구별되지 않는다는 것을 보였어요. 브로이도와 클로셋(2019)은 약 1,000개의 실제 네트워크를 분석해 엄밀한 의미의 척도 없는 네트워크는 드물다고 보고해 논쟁을 불렀어요. 그럼에도 가베(2009)가 정리하듯 기업 규모, 도시 크기, 주가 수익률의 꼬리 등에서 멱법칙에 가까운 규칙성은 경제학과 복잡계 연구에서 중요한 단서로 쓰여요. 뉴먼(2005)의 개관 논문은 이 분야의 표준 입문서예요.

자주 묻는 질문

멱법칙과 파레토 법칙은 같은 것인가요?: 파레토 법칙(80/20 법칙)은 멱법칙 분포의 한 결과를 경험적으로 요약한 표현이에요. 멱법칙은 더 일반적인 수학적 관계이고, 지수에 따라 80/20이 아닌 다른 비율이 나올 수 있어요.
로그–로그 그래프가 직선이면 멱법칙인가요?: 꼭 그렇지는 않아요. 로그정규분포 같은 다른 분포도 일부 구간에서 직선처럼 보일 수 있어서, 최대우도 추정과 적합도 검정, 대안 분포와의 비교가 필요해요.

출처 검토일: 2026-10-26

참고문헌

Pareto, V. (1896). Cours d'économie politique. Lausanne: F. Rouge.
Zipf, G. K. (1949). Human Behavior and the Principle of Least Effort. Cambridge, MA: Addison-Wesley.
Gutenberg, B., & Richter, C. F. (1944). Frequency of earthquakes in California. Bulletin of the Seismological Society of America, 34(4), 185–188.
Simon, H. A. (1955). On a class of skew distribution functions. Biometrika, 42(3/4), 425–440.
de Solla Price, D. J. (1965). Networks of scientific papers. Science, 149(3683), 510–515.
Mandelbrot, B. (1963). The variation of certain speculative prices. Journal of Business, 36(4), 394–419.
Bak, P., Tang, C., & Wiesenfeld, K. (1987). Self-organized criticality: An explanation of the 1/f noise. Physical Review Letters, 59(4), 381–384.
Barabási, A.-L., & Albert, R. (1999). Emergence of scaling in random networks. Science, 286(5439), 509–512.
Newman, M. E. J. (2005). Power laws, Pareto distributions and Zipf's law. Contemporary Physics, 46(5), 323–351.
Gabaix, X. (2009). Power laws in economics and finance. Annual Review of Economics, 1, 255–294.
Clauset, A., Shalizi, C. R., & Newman, M. E. J. (2009). Power-law distributions in empirical data. SIAM Review, 51(4), 661–703.
Broido, A. D., & Clauset, A. (2019). Scale-free networks are rare. Nature Communications, 10, 1017.
West, G. B., Brown, J. H., & Enquist, B. J. (1997). A general model for the origin of allometric scaling laws in biology. Science, 276(5309), 122–126.