수메르 왕 목록은 대홍수 이전에 여덟 명의 왕이 다스렸다는 기록으로 시작한다. 이들의 재위 기간은 비현실적으로 길고 규칙적이다. 28,800년, 36,000년, 43,200년 같은 값이 나열되며, 대부분 3,600의 정수배이고 여덟 명 전부 600의 배수다. 합계는 241,200년에 이른다. 이 숫자들을 문자 그대로의 역사로 보기는 어렵지만, 일부에서는 이를 선사시대에 대한 왜곡된 기억으로 해석한다. 즉 재위 경계가 기후 급변, 화산 분화, 충돌, 해수면 변화 같은 실제 사건을 암호처럼 담고 있으며, 적절히 축척을 맞추고 홍수 시점에 고정하면 지질 기록의 연대와 겹칠 것이라는 가설이다. 원문 저자는 이 주장을 감성이 아니라 통계로 검증한다.
검증은 어떻게 설계됐나
분석의 뼈대는 단순하다. 각 연대기의 총 기간을 수메르 값인 241.2 ka(약 24만 년)로 재축척한 뒤 한 경계를 절대연대에 고정하고, 그 결과를 제4기 사건 목록과 비교한다. 저자는 홍수가 여덟 번째 재위 뒤에 온다는 텍스트를 근거로 재위 열의 끝을 고정점으로 삼되, 그 절대연대는 목록이 제공하지 않으므로 영거 드라이아스 종료 무렵인 11.6 ka BP를 분석자가 임의로 지정했다. 즉 고정 연대와 고기후 해석 자체가 원문이 아니라 분석자의 선택이라는 점을 스스로 명시한다. 사건 근접도는 가우시안 커널 점수로 측정하는데, 경계에 가까운 사건은 1점에 가깝게, 먼 사건은 0에 가깝게 기여해 딱딱한 임계 구간의 불연속을 피한다. 대역폭은 양쪽으로 1 ka, 2 ka에 해당하는 σ ≈ 0.80 ka와 1.60 ka 두 가지를 쓴다.
핵심은 "맞는 사건을 찾을 수 있느냐"가 아니다. 아홉 개 경계와 고정점·대역폭을 자유롭게 움직이면 우연한 일치는 흔하다. 진짜 질문은 관측된 재위 순서가 명확히 정의된 귀무 모형 아래에서 유독 높은 점수를 받느냐다. 그래서 저자는 몬테카를로 표본이 아니라 가능한 모든 재위 순서를 전수 나열하는 순열 검정을 쓴다. 수메르와 키시 열은 각각 8! = 40,320가지, 성경 비교군은 9! = 362,880가지, 엑세르프타 라티나 바르바리 단편은 7! = 5,040가지를 전부 계산한다. 관측 점수 이상을 내는 순서의 비율이 곧 p값이다. 무거운 연산은 브라우저가 아니라 러스트로 오프라인에서 돌리고, 고정 시드를 써서 재실행해도 같은 결과 파일이 나오도록 했다.
비교군과 결과
수메르 열이 정말 특이한지 보려면 다른 고대 연대기와 나란히 놓아야 한다. 저자는 성경 족장들의 나이(마지막은 노아의 홍수 당시 나이 600), 엑세르프타 라티나 바르바리에 남은 일곱 신·반신의 재위, 키시 1왕조의 첫 여덟 왕을 비교 대상으로 삼는다. 다만 이들은 독립적인 통계 대조군이 아니라 동일한 절차가 무관한 수열에서도 얼마나 쉽게 일치를 만들어내는지 보여주는 예시일 뿐이라고 선을 긋는다. 모든 연대기는 총 기간을 241.2 ka로 통일해 재축척하므로, 비교되는 것은 총 길이가 아니라 경계들의 상대적 간격뿐이다.
결과는 부정적이다. 32건의 고정 고정점 순열 검정에 벤야미니-호크베르그 보정을 적용했을 때 q < 0.05를 만족하는 비교는 하나도 없었다. 게다가 주 목록에는 11.6 ka 고정점을 정당화하는 영거 드라이아스 종료가 이미 포함돼 있어 끝점 일치는 설계상 보장된 것이고, 이 기여는 순열 전반에서 일정하므로 내부 순서가 특이하다는 증거가 되지 못한다. 최근일수록 사건이 촘촘하고 연대도 정밀해 홀로세 경계를 가진 연대기가 유리한데, 이 편향을 걷어내려 60 ka보다 오래된 사건만 쓰는 심층 시간 계층에서는 수메르 열의 점수가 우연 수준이거나 그 이하로 떨어졌다.
데이터 분석 실무가 가져갈 교훈
이 글이 IT·데이터 실무자에게 흥미로운 이유는 소재가 아니라 방법론적 정직성에 있다. 저자는 104개 사건 목록이 사전 정의된 포함 기준이 아니라 편집자 판단으로 모은 것이고, 39개 주 사건이 서로 독립된 관측이 아니며, 연대 불확실성을 계산에 반영하지 않아 정밀도를 과대평가한다는 점을 스스로 나열한다. 벤야미니-호크베르그 보정도 32건의 검정만 덮을 뿐 사건 선택·고정점·점수 정의·비교군 구성처럼 데이터를 본 뒤 내린 선택은 보정하지 못한다고 인정한다. 이는 흔히 말하는 '갈림길의 정원' 문제이자, 탐색적 분석과 확증적 분석을 뒤섞을 때 생기는 위험의 교과서적 사례다.
실무 관점에서 특히 참고할 만한 대목은 재현 가능성 설계다. 사건 목록과 결과 테이블을 기계 판독 가능한 형태로 공개하고, 비싼 연산은 고정 시드의 러스트 프로그램으로 결정론적으로 생성하며, 브라우저는 공개된 결과를 불러와 실시간 고정점 스윕만 다시 계산한다. 어떤 선택지가 인터페이스에 노출되는지까지 드러내 독자가 직접 민감도를 확인할 수 있게 했다. 저자가 제안하는 개선 방향도 명료하다. 사전에 독립적으로 정의된 여러 목록으로 같은 절차를 반복해 결과가 데이터에 의존하는지 편집 큐레이션에 의존하는지 가르고, 각 사건의 연대를 반복 표집해 단일 점수 대신 점수 분포를 산출하자는 것이다. 결국 이 분석은 특정 정렬 주장에 대해 유의미한 근거를 찾지 못했다고 결론짓지만, 매력적인 패턴을 발견하는 일과 그 패턴이 우연 이상임을 입증하는 일이 전혀 다른 문제임을 구체적인 절차로 보여준다.