Part 1 부터 Part 6 까지는 코드와 수식이 많았습니다. 이번 편은 개발이나 수학을 모르는 분도 읽을 수 있게, 렉시오 CPU 두 종류가 각각 무엇을 보고 수를 고르는지, 둘을 어떻게 겨루게 했고 결과가 어땠는지, 그리고 무엇은 아직 말할 수 없는지를 정리했습니다.

가위바위보의 내쉬 균형은 왜 무작위화를 강제하는가. 비추이적 밸런스, 포커 GTO, 몬테카를로 시뮬레이션과 AI 자가 대전까지. 현대 스튜디오가 밸런스를 검증하는 de-facto 테크트리를 정리합니다. 게임 디자인과 랜덤성의 수학 3부작 완결편.

기댓값과 분산부터 기하분포·음이항분포·쿠폰 수집가 문제, PRD와 천장 시스템의 수학까지. 게임의 드랍률·가챠·확률 시스템을 실제 수식과 계산 예제로 분해합니다. 게임 디자인과 랜덤성의 수학 3부작 중 2편.

현대 게임에서 랜덤성이 맡는 역할, 잘못 설계했을 때 벌어진 실제 실패 사례들, 그리고 실패를 피하기 위한 확률·통계·게임이론의 기초와 밸런싱 검증 테크트리를 거시적으로 살펴봅니다. 게임 디자인과 랜덤성의 수학 3부작 중 1편.

2024~2025 두 시즌을 통해 본 KBO와 MLB의 최근 흐름. 김도영의 30-30, 다저스의 백투백, 그리고 KBO를 지배한 역대급 타고투저를 살펴봅니다.

전통적 지표 타율(AVG)과 현대 세이버메트릭스 지표 OPS는 같은 “강타자"를 두고도 전혀 다른 결론을 낸다. MLB 2025 시즌의 루이스 아라에스와 카일 슈와버, KBO 2024 시즌의 박민우와 매튜 데이비슨 사례를 통해 두 지표가 가리키는 서로 다른 강타자상을 비교 분석한다.

야구는 모든 메이저 스포츠 중에서 데이터 분석가의 욕망을 가장 완벽하게 충족시키는 종목입니다. Bill James의 Sabermetrics, Moneyball, Statcast 시대의 발견들, Fantasy Baseball과 OOTP, 그리고 데이터로 야구에 입문하는 실용 가이드까지. 시리즈의 마지막 편입니다.

실제 MLB 투수들의 데이터를 기반으로 투수 스타일을 분류하고, ERA 회귀 예측과 브레이크아웃 후보 발굴 등 미래 성적 예측 방법을 검증합니다.

야구 투수의 주요 성적 지표를 전통 지표와 세이버메트릭스 지표로 나누어 소개하고, 실제 MLB 투수들의 데이터와 함께 각 지표의 의미와 한계를 깊이 있게 분석합니다.