비대칭 리플 셔플 후 카드 맞추기 최적 전략과 성공 횟수 분포

초록

한 번의 비대칭 리플 셔플(절단 기대 위치가 p·n인 경우) 후, 전체 피드백을 이용해 카드 번호를 추측하는 게임에서 최적의 추측 규칙을 도출하고, 맞춘 카드 수 Xₙ의 정확한 분포와 대수적 극한법칙을 분석한다. p = ½와 달리 p ≠ ½일 때는 기하분포와 맥스웰‑볼츠만형 일반감마분포가 나타나며, p가 0·1, ½, 1에 접근할 때 여러 위상 전이가 발생한다.

상세 분석

이 논문은 기존의 대칭적인 Gilbert‑Shannon‑Reeds(GSR) 모델을 일반화하여, 절단 위치가 평균 p·n(0 < p < 1, p ≠ ½)인 비대칭 리플 셔플을 고려한다. 먼저 절단을 Binomial(n, p)로 모델링하고, 두 패킷을 확률 m₁/(m₁+m₂)와 m₂/(m₁+m₂)로 교차 삽입하는 과정을 수학적으로 정형화한다. 이와 동등한 표현으로, 길이 n인 무작위 문자열 W∈{a,b}ⁿ을 사용해 a가 p, b가 1‑p의 확률로 등장하도록 함으로써 셔플 결과를 완전히 기술한다.

핵심은 “첫 번째 카드가 어떤 번호일 확률”을 구하는 Lemma 3이다. 이는 m=1일 때 p + (1‑p)ⁿ, m≥2일 때 (1‑p)·BinomialPMF(n‑1, p; m‑1) 형태로 나타난다. 이 식을 통해 p > ½이면 첫 번째 카드는 1이 가장 높은 확률을 갖고, p < ½이면 n·p에 가까운 번호가 최대가 될 수 있음을 확인한다.

이 확률분포를 기반으로 최적 추측 전략을 설계한다. p ≥ ½인 경우는 “가능하면 1을, 이후 연속적으로 2,3,…를 추측”하는 직관적인 정책이 최적이며, 첫 번째 추측이 틀리면 관측된 번호 m을 기준으로 두 개의 증가 부분수열(1…m‑1, m+1…n)을 즉시 식별하고, 각 부분수열의 길이에 비례해 남은 카드를 다시 추측한다. 반면 p < ½에서는 먼저 n₀ (=⌈ln(½‑p)/ln(1‑p)⌉)을 계산해 p+(1‑p)ⁿ이 ½보다 큰지 판단한다. 작은 n에서는 여전히 1을 추측하지만, 중간 구간에서는 κₙ = 1+⌊n·p⌋, 즉 Binomial(n‑1, p)의 최빈값에 해당하는 번호를 첫 추측으로 선택한다. 큰 n에서는 (1‑p)ⁿ이 급격히 사라지므로 다시 1을 추측한다. 이러한 구간별 정책은 Proposition 1에 정리된다.

다음으로 Xₙ(맞춘 카드 수)의 분포를 재귀식(Theorem 4)으로 기술하고, 이를 통해 극한법칙을 도출한다. Theorem 1에 따르면

• p = 0 또는 1이면 Xₙ는 확정값 n·p* (p* = max{p,1‑p})에 수렴한다.
• p ∈ (0,1){½}이면 Xₙ는 n·p* + G 형태이며, 여기서 G는 성공 확률 ρ = (1‑p*)/p*인 기하분포이다.
• p = ½이면 Xₙ는 n·½ + √n·GG 형태이며, GG는 밀도 f(x)= (q/2π)·8x²e^{‑2x²} (맥스웰‑볼츠만)인 일반감마분포이다.

특히 p가 ½에 근접할 때 p = ½+αₙ, αₙ→0인 스케일에 따라 여러 위상 전이가 발생한다. αₙ이 n^{‑½}보다 크게 감소하면 기하분포가 지배하고, αₙ이 n^{‑1} 수준이면 일반감마분포가 나타난다. 반대로 p→1(또는 0)에서는 성공 확률이 1에 가까워져 Xₙ가 거의 확정값에 수렴한다. 이러한 전이는 Theorem 9, 10에서 정량적으로 분석된다.

결과적으로, 비대칭 리플 셔플에서는 절단 비율 p에 따라 추측 전략이 크게 달라지며, 성공 횟수의 분포는 기하분포와 일반감마분포 사이를 오가는 복합적인 형태를 띤다. 논문은 이러한 현상을 정확히 수식화하고, 대수적·확률적 기법을 이용해 한계분포와 위상 전이를 명확히 제시함으로써 카드 추측 문제와 셔플 이론 사이의 깊은 연관성을 새롭게 조명한다.