Je dobre známe, že matematické modelovanie v spoločenských vedách, obzvlášť keď sa pracuje s pojmami, ktoré majú svoj pôvod vo vedách prírodných, je z metodologického hľadiska citlivou problematikou, pretože sa v tejto súvislosti môže vynoriť problém redukcionizmu. Tento príspevok sa zaoberá práve takouto problematikou, keďže jeho náplňou je študovať ako v oblasti spoločenských vied možno aplikovať taký, pôvodne fyzikálny pojem, akým je entropia. Spôsob ako tento pojem aplikovať v spoločenských vedách je v tomto príspevku založený na uplatnení Jaynesovho princípu maximálnej entropie, ktorý hlása, že zo všetkých pravdepodobnostných rozdelení, ktoré možno použiť na popis, resp. modelovanie rozdeľovacieho problému a ktoré sú kompatibilné s disponibilnou informáciou, treba uprednostniť to, ktoré rezultuje z maximalizácie Shannonovej informačnej entropie, keďže jedine takéto rozdelenie je minimálne vychýlené. Takýmto spôsobom sa uvedený princíp stáva princípom štatistickej inferencie, neviazaným na čisto fyzikálnu oblasť, vykazujúci vysoký stupeň všeobecnosti a vyhýbajúci sa nebezpečiu redukcionizmu. Jaynesov princíp naozaj našiel, okrem samotnej fyziky, rozsiahlu aplikabilitu v nefyzikálnych oblastiach. V tomto príspevku sa demonštruje jeho uplatnenie na modelovaní priestorovej organizácie spoločnosti, osobitne na odvodení entropiu maximalizujúcich modelov priestorovej interakcie popisujúcich premiestňovanie ľudí, komodít a pod. medzi rôznymi miestami a územiami.