테니스 경기 규칙 변화가 경기 결과에 미치는 통계적 영향

초록

본 논문은 랜덤워크(흡수 장벽) 모델을 이용해 현재 규칙, 잠재적 규칙, 그리고 제안된 새로운 규칙 하에서 경기 승률, 브레이크 포인트 발생 확률, 랠리 수와 브레이크 포인트 수의 기대값을 수식으로 도출한다. ATP Top‑200 남자 선수 데이터를 통해 모델을 검증하고, 첫 세 포인트에만 세컨드 서브를 허용하는 규칙이 서버의 전통적 이점을 유지하면서 경기 예측성을 낮추어 관객 흥미를 크게 높일 수 있음을 제시한다.

상세 분석

논문은 테니스 게임을 “점수 획득이 확률 p인 성공, 실패가 확률 q=1‑p인 독립적인 시도”로 보는 확률 과정으로 모델링한다. 여기서 p는 서브 성공 확률이며, 서브가 첫 번째 시도에서 실패하면 두 번째 서브(세컨드 서브)를 사용할 수 있다. 이때 두 번째 서브의 성공 확률을 p₂, 첫 번째 서브의 성공 확률을 p₁이라 두고, p₁>p₂라는 현실적인 가정을 적용한다. 게임은 0점에서 시작해 4점(또는 듀스 이후)까지 진행되며, 승리 조건은 최소 2점 차이로 4점을 먼저 획득하는 것이다. 이러한 구조는 ‘흡수 장벽’이 있는 1차원 랜덤워크로 표현할 수 있다. 저자는 상태공간을 (i,j) 형태로 정의해 i는 서버의 점수, j는 리시버의 점수를 의미하고, 각 상태에서 전이 확률을 p₁·p₂ 등으로 구체화한다.

흡수 장벽은 (4,≤2)와 (≤2,4) 두 곳에 존재하며, 각각 서버와 리시버가 게임을 승리하는 경우이다. 마코프 체인의 기본 이론을 이용해 흡수 확률, 즉 서버가 게임을 승리할 확률을 구한다. 이 과정에서 브레이크 포인트(리시버가 서브를 받을 때 30‑40, 어드밴티지 등) 발생 확률을 별도의 흡수 상태로 설정해, 해당 상태에 도달할 확률을 계산한다. 또한, 각 전이마다 ‘점수 획득’이 일어나므로, 전체 게임 동안 발생하는 랠리(포인트) 수와 브레이크 포인트 수의 기대값을 전이 행렬의 기본 행렬(N= (I‑Q)⁻¹)을 이용해 도출한다.

다음으로 저자는 실제 ATP Top‑200 선수들의 서브 성공률(p₁≈0.62, p₂≈0.48)과 리시버의 리턴 성공률을 데이터에서 추정하고, 위 모델에 대입해 현재 규칙 하에서의 승률, 브레이크 포인트 확률, 평균 랠리 수 등을 계산한다. 결과는 기존 통계와 높은 일치도를 보이며, 모델의 타당성을 입증한다.

잠재적 규칙으로는 “두 번째 서브를 전혀 허용하지 않는다”와 “두 번째 서브를 무제한 사용한다” 두 가지를 고려한다. 첫 번째 경우 서버의 승률이 크게 감소하고, 브레이크 포인트 발생 빈도가 급증해 경기 예측성이 낮아진다. 반대로 두 번째 경우 서버의 승률이 과도하게 높아져 경기 흥미가 저하된다는 결론을 얻는다.

제안된 새로운 규칙은 “첫 세 포인트(첫 세 랠리)에서만 세컨드 서브를 허용하고, 그 이후에는 첫 서브가 실패하면 바로 포인트를 잃는다”이다. 이 규칙을 모델에 적용하면, 전체 승률은 기존 규칙 대비 약 1‑2% 감소하지만, 브레이크 포인트 발생 확률은 8‑10% 상승하고, 평균 랠리 수는 0.3~0.5점 늘어난다. 즉, 서버의 전통적 이점을 유지하면서도 경기의 불확실성을 증가시켜 관객의 몰입도를 높일 수 있다.

마지막으로 저자는 모델의 한계—점수 간 독립성 가정, 서브와 리턴의 상황별 변동성 무시—를 언급하고, 향후 포인트별 위치, 코트 종류, 선수 피로도 등을 포함한 다변량 확률 모델 확장을 제안한다. 전체적으로, 확률론적 접근을 통해 규칙 변화가 경기 역학에 미치는 정량적 영향을 명확히 제시한 점이 큰 의의이다.