벤포드 법칙 : 숫자의 첫 자리는 왜 균등하지 않은가 - 로그 스케일, 진법 불변성, 소득 부노, 그리고 정규분포에 대한 오해

1. 문제 의식

숫자를 볼 때 첫 자리의 숫자들이 비슷한 빈도로 나올 것이라고 직관적으로 예상한다

하지만 현실의 많은 데이터는 첫자리가 1인 숫자가 훨씬 더 자주 등장한다.

이 현상을 설명하는 것이 바로 벤포드 법칙이다.

이는 단순 경험적 관찰이 아닌, 

현실의 많은 양이 선형 스케일보다 로그 스케일에서 더 자연스럽게 분포한다는 사실과 연결된다. 

현실의 생성 과정이 덧셈적이냐, 곱셈적이냐를 드러내는 흔적에 가깝다.

 

2. 벤포드 법칙의 기본 정의

10진수에서 첫 번째 유효숫자가 d 일 확률은 다음과 같이 주어진다.

P(d) = log(1 + 1/d )

1

약 30.1%

2

약 17.6%

3

약 12.5%

4

약 9.7%

5

약 7.9%

6

약 6.7%

7

약 5.8%

8

약 5.1%

9

약 4.6%

이렇게 보이는 이유는

숫자를 선형 눈금으로 보면 안 되고, 로그 눈금으로 봐야 하기 때문이다.

 

3. 로그 스케일에서 보면 왜 1이 많이 나오는가

로그 스케일에서는 첫 자리가 1인 구간이 첫 자리가 9인 구간보다 훨씬 넓다. 

벤포드 법칙의 핵심은 바로 이것이다.

숫자 자체가 균등한 것이 아니라, 숫자의 로그값이 균등하게 퍼질 때 첫 자리 숫자는 균등하지 않게 나타난다.

 

4. 왜 현실 데이터에서 자주 나타나는가

• 값들이 여러 자릿수 범위에 걸쳐 있다.
• 데이터가 특정 인공적 경계에 의해 강하게 제한되지 않는다
• 데이터 생성 과정이 덧셈보다 곱셈에 가깝다. 
• 데이터가 여러 분포의 혼합으로 이루어진다.

 

5. 벤포드 법칙과 곱셈적 세계

정규 분포는 보통 작연 여러 요인이 더해질 때 나타난다.

이런 경우 중심극한정리에 의해 평균 근처에 몰리는 종 모양의 분포

 

하지만 많은 데이터는 곱셈에 더 가까움

로그를 취할 때 곱셈이 덧셈으로 바뀜

벤포드 법칙은 현실의 많은 데이터가 선형 스케일이 아닌 로그 스케일에서 더 자연스럽게 움직인다는 신호

 

6. 벤포드 법칙의 철학적 의미

벤포드 법칙이 흥미로운 이유는 단순한 숫자 패턴을 넘어, 우리가 세상을 어떤 좌표계로 봐야 하는지를 묻기 때문이다.

선형 스케일에서는 1과 2의 차이도 1이고, 8과 9의 차이도 1이다. 그래서 첫 자리 숫자도 균등해야 할 것처럼 느껴진다.

하지만 로그 스케일에서는 다르다.

1에서 2로 가는 것은 두 배가 되는 변화다.
8에서 9로 가는 것은 1.125배가 되는 변화다.

비율의 관점에서는 1에서 2로 가는 변화가 8에서 9로 가는 변화보다 훨씬 크다. 벤포드 법칙은 바로 이 비율적 공간에서 숫자를 바라본 결과다.

현실의 많은 현상은 절대 차이보다 비율 변화에 민감하다.

• 월급 200만 원에서 300만 원은 큰 변화다.
• 월급 8200만 원에서 8300만 원은 상대적으로 작은 변화다.
• 회사 매출 1억에서 2억은 두 배 성장이다.
• 회사 매출 91억에서 92억은 약 1.1% 성장이다.

선형 스케일에서는 둘 다 “1 증가”처럼 보일 수 있지만, 로그 스케일에서는 전혀 다르다.

벤포드 법칙은 이 차이를 숫자의 첫 자리에서 드러낸다.

 

7. 핵심 정리

벤포드 법칙은 첫 자리 숫자의 분포가 균등하지 않다는 법칙이다. 10진수에서는 첫 자리가 1일 확률이 약 30.1%, 9일 확률이 약 4.6%다.

이 법칙의 핵심은 로그 스케일이다. 데이터의 로그값 소수 부분이 균등하게 퍼지면 첫 자리 숫자는 벤포드 분포를 따른다.

벤포드 법칙은 10진수에만 묶이지 않는다. 임의의 진법 (b)에서도

[
P_b(d)=\log_b(1+\frac{1}{d})
]

로 일반화된다. 진법이 바뀌면 확률값은 달라지지만, 작은 유효숫자가 더 자주 나타나는 구조는 유지된다.

현실에서 벤포드 법칙이 자주 나타나는 이유는 많은 데이터가 선형적 덧셈보다 곱셈적·비율적 생성 과정을 갖기 때문이다. 회사 규모, 도시 인구, 소득, 자산, 과학 측정값, 회계 수치 등은 여러 스케일을 오가며 로그적 구조를 보일 수 있다.

월급과 소득 분포도 단순한 정규분포로 보기 어렵다. 제한된 집단에서는 평균 근처에 몰릴 수 있지만, 사회 전체의 소득과 자산은 오른쪽 꼬리가 길고, 로그정규분포와 파레토 꼬리의 혼합으로 이해하는 것이 더 적절한 경우가 많다.

따라서 벤포드 법칙의 진짜 의미는 다음과 같다.

우리가 현실을 선형 좌표계로만 보면, 많은 분포를 잘못 이해하게 된다. 벤포드 법칙은 현실의 여러 양이 로그 좌표계, 비율 변화, 스케일 혼합 속에서 움직인다는 사실을 보여주는 숫자의 흔적이다.

---