Probability on philipjkim

렉시오 CPU 플레이어 만들기 Part 6: 봇이 약한지 어떻게 아는가

Mon, 10 Aug 2026 08:51:18 +0900

이 글은 Claude Opus 5 를 이용해 초안이 작성되었으며, 이후 퇴고를 거쳤습니다.

눈으로 한 판 돌려서는 못 보는 것

Part 5 에서 고친 결함은 눈에 보이는 것이었습니다. 봇이 거의 모든 턴을 패스했고, 브라우저에서 5인 게임을 한 판 돌리자 바로 드러났습니다.

그 방법에는 한계가 분명합니다.

봇이 100% 패스한다 → 한 판이면 보입니다
봇이 라운드당 1.4점씩 잃는다 → 몇 판을 돌려도 느낄 수 없습니다

렉시오는 딜 운의 분산이 큽니다. 좋은 패를 받은 판과 나쁜 패를 받은 판의 차이가 정책의 차이보다 훨씬 크기 때문에, 사람이 몇 판 보고 “이 봇이 좀 약한 것 같다"고 말하는 것은 근거가 되지 못합니다. 측정 도구 없이 가중치를 만지면 더 나쁩니다. 고쳤다고 생각한 것이 실은 운이었는지 확인할 방법이 없습니다.

게임 디자인과 랜덤성의 수학 Part 2: 확률 분포로 드랍률·가챠·천장 설계하기

Tue, 23 Jun 2026 13:57:54 +0900

이 글은 Claude Opus 4.8 을 이용해 초안이 작성되었으며, 이후 퇴고를 거쳤습니다.

1편에서는 거시적인 관점에서 게임 속 랜덤성의 역할과 실패 사례, 그리고 통제된 무작위성의 도구 상자를 개념 수준으로 훑었습니다. 2편에서는 그 도구들의 수학적 속살 을 직접 펼쳐 봅니다. 확률 분포가 게임의 드랍률·가챠·천장 시스템을 어떻게 결정하는지, 실제 수식과 계산 예제로 분해하겠습니다.

이 글을 관통하는 단 하나의 관점을 미리 못 박아 두겠습니다. 좋은 무작위 설계란 결국 “기댓값 E[X]는 고정한 채, 분산 Var(X)을 조작하는 일” 입니다. 평균 보상은 그대로 두고 변동성만 깎는 것 — 이 한 문장이 PRD·천장·셔플백·2RN 을 모두 꿰뚫습니다.

게임 디자인과 랜덤성의 수학 Part 1: 랜덤성은 왜 게임의 심장이자 지뢰밭인가

Tue, 23 Jun 2026 13:26:50 +0900

이 글은 Claude Opus 4.8 을 이용해 초안이 작성되었으며, 이후 퇴고를 거쳤습니다.

주사위를 굴리고, 카드를 섞고, 전리품 상자를 여는 순간. 우리가 게임에서 가장 짜릿하거나 가장 분통 터지는 경험을 하는 거의 모든 장면에는 랜덤성(randomness) 이 숨어 있습니다. 그런데 이 랜덤성은 단순히 “난수 생성기를 호출하는 코드 한 줄"이 아닙니다. 잘못 다루면 수백만 명이 등을 돌리고, 잘 다루면 같은 게임을 수천 시간 반복하게 만드는, 게임 디자인에서 가장 미묘하고 위험한 영역입니다.

이 글은 게임 디자인과 랜덤성의 수학 3부작의 1편입니다. 이번 편에서는 거시적인 관점에서 다음을 다룹니다.