농구 득점의 랜덤 워크 모델

초록

NBA 2006‑2010 시즌 6087경기 플레이‑바이‑플레이 데이터를 분석해 득점이 연속시간 포아송 과정에 가까운 약한 편향·반지속성(random walk)으로 설명됨을 보였다. 득점 간 시간 간격은 지수분포를 따르고, 점수 차에 따라 승팀은 득점 확률이 약간 감소하는 선형 복원력(Ornstein‑Uhlenbeck)과, 득점 후 상대팀이 바로 득점할 확률이 높은 반지속성이 존재한다. 팀별 실력 이질성을 포함한 시뮬레이션 모델은 점수 차 분포, 리드 시간 비율, 연속 득점 스트릭, 시즌 승패 기록 등 실측 통계와 거의 일치한다.

상세 분석

본 논문은 NBA 4시즌(2006‑07∼2009‑10) 전체 경기의 플레이‑바이‑플레이 로그를 이용해 득점 흐름을 물리학적 랜덤 워크 모델로 정량화하였다. 먼저 득점 이벤트 간 시간 간격 t_e(양팀 모두 포함)와 t_s(동일 팀 연속) 를 히스토그램으로 분석했을 때, 30초 이상 구간에서 ln P(t)∝−λt 형태의 직선이 나타나며 λ≈0.048 plays/s(전체)와 λ≈0.024 plays/s(동일팀) 를 얻었다. 이는 포아송 과정의 특징인 메모리리스(exponential) 특성을 의미한다. 또한 상관 함수 C(n)≲0.03 for n≥1 로 거의 무상관임을 확인해, 득점이 시간적으로 균일하고 독립적인 사건임을 뒷받침한다.

득점 주체의 전이 확률을 살펴보면, 한 팀이 득점한 직후 같은 팀이 다시 득점할 확률 q≈0.348, 반대 팀이 득점할 확률 1−q≈0.652 로, 점유권 교체에 따른 반지속성(anti‑persistence)이 뚜렷하다. 이는 “스텝이 반대 방향으로 뒤따를 확률이 높다”는 개념과 일치하며, 연속 득점 스트릭 길이 s에 대한 확률 Q(s)∝q^{s/α} (α는 평균 득점 포인트) 로 지수적 감소를 보인다. 저자는 1,2,3,4점 플레이의 실제 비율 w_α를 도입해 재귀식 Q(s)=q∑_{α=1}^{4} w_α Q(s−α) 로 정교화했으며, 실측 스트릭 분포와 거의 일치함을 확인했다.

점수 차 Δ에 따른 득점 편향도 분석했는데, 승팀이 리드할수록 득점 확률이 0.0022 점⁻¹ 만큼 감소하고, 패팀은 그만큼 증가한다. 이는 선형 복원력으로, Ornstein‑Uhlenbeck 과정의 drift term에 해당한다. 복원력은 약하지만, 경기 후반에 “코스팅” 혹은 “필사적 공격” 현상을 통계적으로 설명한다.

마지막으로 팀별 실력 차이를 파라미터 σ로 모델링해, 각 팀의 기본 득점율 λ_i=λ exp(σ η_i) (η_i는 표준 정규 난수) 로 설정하고, 위의 반지속성·복원력 규칙을 적용한 Monte‑Carlo 시뮬레이션을 수행했다. 시뮬레이션 결과는 전체 점수 차 분포, 리드 시간 비율, 리드 교체 횟수, 그리고 20시즌에 걸친 승·패 기록까지 실측 데이터와 통계적 유의미한 차이가 없었다. 따라서 농구 득점은 복잡한 전술이나 ‘핫핸드’ 현상보다, 약한 편향과 반지속성을 가진 연속시간 랜덤 워크로 충분히 설명될 수 있음을 강력히 시사한다.