확률·기댓값 101 — 손에 쥐기 좋은 직관
공정한 동전 던지기에서 시작해, 배당과 기댓값의 관계, 분산이 왜 중요한지 가볍게 짚어봅니다.
스포츠는 운과 실력이 함께 작동하는 영역입니다. 그래서 어떤 결과가 "확실하다"고 말하긴 어려워도, 우리가 통계적으로 어떤 결과를 얼마나 예상할 수 있는지는 직관적으로 따져볼 수 있습니다. 이 글은 그 직관을 가볍게 다듬어 보는 입문 글입니다.
확률 = 일어날 가능성의 비율
공정한 동전을 던지면 앞면이 나올 확률은 0.5(=50%)입니다. 6면체 주사위라면 어떤 한 면이 나올 확률은 1/6 ≒ 16.7%죠. 스포츠 경기 결과도 비슷하게, 무수히 반복할 수 있다면 어떤 결과가 일정 비율로 나타날 거라고 가정합니다.
기댓값(Expected Value, EV)이란
한 픽의 기댓값은 다음과 같이 계산할 수 있습니다.
- EV = (적중 확률 × 환급금) − (실패 확률 × 베팅금)
예를 들어 100P를 걸고 배당이 2.00, 내가 추정한 적중 확률이 55%라고 합시다.
- 적중 시 받는 순이익: 100P × (2.00 − 1) = +100P
- 실패 시 잃는 금액: 100P
- EV = 0.55 × 100 − 0.45 × 100 = +10P
같은 픽도 내가 보는 확률이 50% 미만이라면 기댓값은 마이너스가 됩니다. 즉, 배당률이 같아도 그 픽을 어떻게 평가하느냐에 따라 가치가 달라진다는 점이 핵심입니다.
왜 분산(variance)이 중요한가
평균적으로 +10P 의 기댓값을 가진 픽도, 한 번의 시도로는 +100P 또는 −100P 둘 중 하나가 나옵니다. 100번 정도 반복해야 평균이 기댓값에 가까워지죠. 한두 번의 결과로 픽의 좋고 나쁨을 단정하기 어렵다는 뜻입니다.
그래서 통계적으로는 "같은 가정을 오래 유지할 수 있을 만큼 충분히 작게 베팅하라"는 조언이 자주 나옵니다. 한 번에 큰 금액을 거는 패턴은 평균 기댓값과 무관하게 빠르게 잔액을 소진할 위험이 큽니다.
현실적인 함정
- 최근 결과 편향: 마지막 5경기 결과가 다음 경기 확률을 그대로 보여주지는 않습니다.
- 응원팀 편향: 좋아하는 팀의 승리 가능성을 과대평가하기 쉽습니다.
- 회수 편향: 잃은 금액을 빠르게 만회하려는 시도는 분산만 키우고 기댓값을 개선하지 않습니다.
BETLIVE 시뮬레이션에서 가장 많이 보이는 패턴 중 하나가 "잃은 다음 회차에 베팅 단위를 2배로 키우는" 흐름입니다. 이론적으로 EV가 +인 픽이라도, 이렇게 단위를 늘리는 패턴은 분산이 폭증해서 잔액을 빠르게 0으로 만들기 일쑤예요. 가상 포인트로 시뮬레이션하는 동안 이 직관을 충분히 내재화하는 게 가장 큰 학습 효과라고 봐요.