주사위 600번 던졌을 때 각 숫자가 100번씩 나올까

주사위 600번 던지기: 확률의 환상과 수학적 현실

많은 사람들이 “공정한 주사위를 600번 던졌으니, 각 면(1~6)이 정확히 100번씩 나와야 한다”는 생각을 합니다. 이는 직관적으로는 타당해 보이지만. 확률론과 통계학의 관점에서 볼 때 완전히 잘못된 기대입니다. 이 오해는 도박, 게임 밸런싱, 심지어 e스포츠 토너먼트 시드 배분에 이르기까지 수많은 분야에서 비합리적인 판단을 초래합니다. 오늘은 이 단순한 질문을 통해, 결과의 변동성(Variance)과 기대값(Expected Value)의 차이, 그리고 무엇이 ‘정상적인’ 결과인지를 데이터로 파헤쳐 보겠습니다.

기대값 100회 ≠ 반드시 100회

공정한 6면체 주사위 하나를 던질 때 특정 숫자(예: 1)가 나올 확률은 1/6입니다. 이를 600번 반복했을 때의 기대값은 확률에 시행 횟수를 곱한, 즉 (1/6) * 600 = 100회입니다. 여기서 핵심은 ‘기대값’이란 개념이 ‘가장 가능성 높은 단일 결과’가 아니라 ‘장기적으로 평균을 낼 경우 수렴하는 값’을 의미한다는 점입니다. 600번의 시행은 확률론적으로 볼 때 ‘장기’라고 하기에는 충분하지 않은 횟수일 수 있습니다. 각 시행은 독립적이므로, 600번 던진 결과는 100에서 벗어난 어느 지점일 확률이 오히려 더 높습니다.

변동성의 법칙: 600번 던졌을 때의 실제 분포 시뮬레이션

이론만으로는 이해하기 어렵습니다. 몬테카를로 시뮬레이션을 가정하여, 공정한 주사위를 600번 던지는 실험을 수천 번 가상으로 반복했다고 생각해봅시다. 우리는 ‘각 숫자의 출현 횟수’가 어떻게 분포하는지 관찰하게 될 것입니다.

위 표가 시사하는 바는 명확합니다. 600번의 시행에서 ‘완벽한 균형’을 기대하는 것은 통계학의 기본 법칙을 무시하는 것입니다. 가령 관측되는 것은 ‘대략적인 균형’과 ‘예상 가능한 수준의 요동’입니다. e스포츠 팀의 승률이 60%라 해도 10경기 중 정확히 6승을 거두리라 보장할 수 없는 것과 같은 이치입니다.

표본 크기의 함정: 60번 vs 600번 vs 6000번

시행 횟수가 결과의 안정성에 미치는 영향을 이해해야 합니다.

• 60번 던지기: 변동성이 극심합니다. 특정 숫자가 5번 나올 수도, 15번 나올 수도 있습니다. 이 수준에서는 ‘주사위가 조작되었다’고 판단하기에 데이터가 턱없이 부족합니다. 결국 큰 수의 법칙 시행 횟수가 적으면 통계적 오류가 생긴다는 원리를 단적으로 보여주는 예시입니다.
• 600번 던지기: 이 글의 주제입니다. 변동성이 존재반면에, 그 범위가 통계적으로 예측 가능해집니다. 86~114회 범위를 벗어난다면, 주사위의 공정성에 의문을 제기할 만한 ‘통계적 증거’가 될 수 있습니다.
• 6000번 던지기: 각 숫자의 출현 횟수는 기대값 1000회에 훨씬 가까워집니다. 변동성의 절대값은 커질 수 있으나. 상대적 비율(변동계수)은 줄어들어 결과가 매우 안정적으로 보입니다.

실전 적용: 게임과 베팅에서 피해야 할 함정

이 통계적 원리는 실전에서 어떻게 적용될까요? 가장 흔한 오류인 ‘도박사의 오류(Gambler’s Fallacy)’와 직접적으로 연결됩니다.

도박사의 오류: “5가 너무 안 나왔으니 이번엔 나올 것이다”

주사위를 600번 던지는 동안 5가 86번만 나왔다고 가정합시다. 많은 사람들은 “기대값(100)보다 현저히 적으니, 이제 5가 나올 확률이 높아져야 한다”고 생각합니다. 이는 치명적인 오해입니다. 주사위는 기억력이 없습니다. 601번째 시행에서 5가 나올 확률은 여전히 1/6입니다. 과거의 편차는 미래의 확률을 보상하거나 보정하기 위해 존재하지 않습니다. 이는 마치 롤러코스터 타이어의 수명이 다된 로스터로 중요한 매치에 임하는 팀과 같습니다. 과거의 피로도가 누적되었다고 해서 다음 게임에서 부상당할 확률이 낮아지는 것이 아닙니다. 각 게임은 독립적인 리스크 이벤트입니다.

데이터 기반 판단의 기준선 설정

그렇다면, 우리는 언제 ‘이 주사위는 이상하다’라고 의심할 수 있을까요? 감정이나 느낌이 아니라 기준이 필요합니다. 600번 시행을 기준으로 한 간단한 체크리스트입니다.

• 경고 신호 1 (주의 요망): 하나의 숫자가 115회 이상 혹은 85회 미만으로 관측되었다.
• 경고 신호 2 (강한 의심): 하나의 숫자가 120회 이상 혹은 80회 미만으로 관측되었다.
• 행동 개시선: 위 경고 신호가 포착되면, 추가 검증(예: 더 많은 횟수 던져보기, 물리적 검사)을 실시해야 합니다. 600번 샘플에서 120회는 기대값 대비 20% 초과로, 우연히 발생할 가능성이 상당히 낮습니다.

이 기준은 ‘p-값’과 같은 통계적 가설 검정의 개념을 단순화한 것입니다. e스포츠에서 특정 챔피언의 승률이 패치 후 극단적으로 높아졌을 때, ‘실력 차이’인지 ‘메타 변화’인지 ‘챔피언 자체의 과대평가’인지를 구분할 때 사용하는 논리와 동일합니다. 표본 크기와 신뢰 구간을 계산해야 합니다.

승리의 조건: 확률을 다루는 마인드셋

주사위 600번 던지기 문제는 단순한 수학 퀴즈를 넘어, 불확실성이 존재하는 모든 의사결정 상황에 적용되는 근본적인 교훈을 담고 있습니다.

첫째, 기대값과 단일 결과를 혼동하지 마십시오. 기대값은 당신의 전략이 장기적으로 유효한지를 판단하는 나침반입니다. 하지만 단기적인 결과는 그 주변을 심하게 요동칠 수 있습니다. 훌륭한 포커 플레이어는 기대값이 양인 결정을 했음에도 단판에서 돈을 잃을 수 있습니다. 중요한 것은 그 결정을 계속 반복하는 것입니다. e스포츠 팀 운영도 마찬가지입니다. 드래프트에서 통계적으로 높은 성공 확률을 가진 유망주를 뽑는 전략은 장기적으로는 우수한 로스터를 구축하겠지만, 특정 피킹이 반드시 성공할 것이라 보장하지는 않습니다.

둘째, 변동성(Variance)을 인정하고 관리하십시오. 변동성은 제거할 수 없는 요소입니다. 승부의 세계에서 이를 인정하지 않으면, 정상적인 변동을 ‘실력 부족’이나 ‘시스템 결함’으로 오해하여 근본적으로 건전한 전략을 잘못 수정할 위험이 있습니다. 10연승을 달리는 팀이 갑자기 3연패를 한다고 해서 즉시 코칭 스태프를 해고할 이유는 없습니다. 그것은 그저 확률의 흐름일 뿐입니다. 반대로, 운 좋은 연승에 취해 팀의 구조적 문제(예: 낡은 전술 메타, 취약한 라인 관리)를 외면해서도 안 됩니다.

마지막으로, 의사결정의 질은 과정으로 평가하라, 결과로 평가하지 마라. 600번 던져서 우연히 각 숫자가 정확히 100번씩 나왔다고 해서, 당신의 던지는 방법이 더 과학적이었다고 말할 수 없습니다. 마찬가지로, 위험한 한탕 성공으로 인해 벌어들인 자본이 당신의 투자 안목을 증명하지는 못합니다, 데이터와 확률론에 기반한 합리적인 과정을 따랐다면, 단기적 결과가 기대와 다르더라도 그 과정 자체는 옳을 가능성이 높습니다. 결국 데이터는 거짓말을 하지 않습니다. 그러나 우리가 데이터를 해석하는 방식이 잘못되었을 뿐입니다.

따라서, “주사위 600번 던졌을 때 각 숫자가 100번씩 나올까?”에 대한 답은 단호하게 ‘아니오’입니다. 그것은 통계적으로 거의 기대하기 어려운 이상적인 상태이며. 우리가 마주할 현실은 항상 기대값 주변의 합리적 범위 내에서 움직이는 ‘불완전한 균형’입니다. 이 원리를 이해하는 것이야말로 운에 휘둘리지 않고, 게임의 흐름을 읽고, 장기적으로 승리하는 플레이어 또는 운영자가 되는 첫걸음입니다.