랜덤을 구현하는 방식 종류
랜덤을 구현하는 여러가지 방식이 존재하는데 단순하게 랜덤을구현도 가능하지만 상황에 따라 각기 다른 랜덤을 구현해야하는 경우가 존재한다. 그런경우에 간략하게 참고하면 될것 같다.
< 낙차 확률 >
낙차확률 : A 확률 실패시 B의 확률을 구하는 방식 (A만 독립/ B 부터는 종속시행)
낙차란 어떤 일련의 사건 중에서 특정 순서나 위치에서 다른 사건보다 뒤에 발생하는 경우를 가리킵니다. 이런 경우, 낙차에 대한 확률은 해당 사건들이 일어날 때마다 발생할 수 있는 다양한 상황에 따라 달라집니다. 확률론에서 낙차 확률은 주어진 상황에서 특정 사건이 다른 사건보다 뒤에 일어날 확률을 의미합니다.
예를 들어, 동전을 두 번 던지는 경우를 생각해 봅시다. 첫 번째 동전이 앞면이 나올 확률은 0.5이고, 두 번째 동전이 앞면이 나올 확률도 0.5입니다. 이때 두 번째 동전이 첫 번째 동전보다 뒤에 나올 확률은 얼마일까요?
두 동전의 결과는 서로 독립적이므로, 두 번째 동전이 뒤에 나올 확률은 0.5입니다. 따라서 두 번째 동전의 낙차 확률은 0.5라고 할 수 있습니다. 이렇게 확률을 계산할 때는 해당 사건이 발생할 수 있는 모든 경우의 수와 각 경우의 확률을 고려하여 계산합니다.
< 구간 확률 >
구간확률 : 나올수있는 확률을 모두다 더한후 나온 랜덤값이 어느 구간에 위치하냐를 판단하는 방식 ex: 크리티컬 20 + 일반공격 100 = 130을 기준으로 => 독립 랜덤
"구간확률"이란 특정 구간에 속하는 사건이 일어날 확률을 의미합니다. 이는 확률론에서 중요한 개념 중 하나이며, 연속 확률 분포를 다룰 때 자주 사용됩니다.
예를 들어, 주사위를 던져서 나오는 눈의 수를 생각해 보겠습니다. 주사위의 눈은 1부터 6까지의 값을 가질 수 있습니다. 만약 "눈의 수가 4 이상인 경우"에 대한 확률을 구한다고 가정해 봅시다. 이는 구간확률로서, 구간 [4, 6]에 속하는 사건이 발생할 확률을 의미합니다.
구간확률을 구하는 방법은 확률밀도함수(PDF)나 누적분포함수(CDF)를 이용하는 것이 일반적입니다. 확률밀도함수는 연속 확률 분포에서 각 점에서의 확률 밀도를 나타내며, 누적분포함수는 해당 값보다 작거나 같은 값이 나올 확률을 나타냅니다.
예를 들어, 주사위의 눈이 균일한 분포를 따른다고 가정하면, 각 눈이 나올 확률은 1/6입니다. 따라서 눈의 수가 4 이상인 경우의 확률을 구하려면 4, 5, 6의 눈이 나올 확률을 모두 더하면 됩니다. 이는 (1/6) + (1/6) + (1/6) = 1/2로 계산됩니다.
구간확률은 특정 구간에 대한 사건이 발생할 확률을 정확하게 계산하는 데 도움이 됩니다. 다양한 분포나 상황에서 구간확률을 구하는 방법은 해당 분포의 특성에 따라 달라질 수 있습니다.
< 동시 사건 (Simultaneous Events) >
동시 사건 (Simultaneous Events): 묶음 확률을 설명할 때 사용되는 용어로, 두 개 이상의 사건이 동시에 발생하는 경우를 가리킵니다.
예를 들어, 주사위를 두 번 던져서 두 번 모두 짝수가 나오는 경우는 동시 사건입니다. 여기서 첫 번째 던진 주사위의 결과와 두 번째 던진 주사위의 결과가 모두 짝수인 경우를 말합니다.
동시 사건의 확률은 각 사건이 발생할 확률을 곱하여 계산됩니다. 즉, P(A and B) = P(A) * P(B)로 표현할 수 있습니다.
< 연쇄 확률 (Chain Probability) >
연쇄 확률은 여러 개의 사건이 순차적으로 발생하는 경우를 다루는 개념입니다.
예를 들어, A, B, C 세 가지 사건이 순차적으로 발생하는 경우를 생각해 보겠습니다. 이때 A가 발생한 후에 B가 발생하고, 다시 B가 발생한 후에 C가 발생한다면 이는 연쇄적인 사건입니다.
연쇄 확률은 각 사건이 순차적으로 발생할 조건부 확률을 곱하여 계산됩니다. 즉, P(A and B and C) = P(A) * P(B|A) * P(C|A and B)로 표현할 수 있습니다.
< 보정 확률 >
보정 확률 : 실패한 경우에 다음 시행때 지정된 값의 확률 가중치를 더해 성공확률을 올리는 방법 : 퀘스트 / 강화 같은 보정으로 결국은 성공을 만족시키는 과정
"보정 확률"이라는 용어는 일반적으로 통계학이나 데이터 분석에서 사용되는 개념이 아닙니다. 따라서 명확한 정의나 설명이 없습니다. 하지만 "보정"이라는 용어는 다양한 맥락에서 사용될 수 있습니다.
통계적 보정 (Statistical Adjustment): 이는 통계적 기법을 사용하여 데이터나 모델의 편향을 보정하는 과정을 말합니다. 예를 들어, 표본 추출 과정에서 발생하는 편향을 보정하거나, 다른 변수들의 영향을 고려하여 모델을 보정하는 것을 말합니다.
편향 보정 (Bias Correction): 모델이나 추정치의 편향을 보정하는 과정을 의미합니다. 이는 주로 회귀 모델이나 예측 모델에서 사용되며, 모델의 예측이나 추정치가 편향되었다고 판단될 때 이를 보정하여 더 정확한 결과를 얻기 위해 사용됩니다.
오류 보정 (Error Correction): 데이터 전송이나 저장 과정에서 발생할 수 있는 오류를 감지하고 이를 보정하는 과정을 말합니다. 예를 들어, 통신에서 발생하는 비트 오류를 감지하고 수정하는 과정이 이에 해당됩니다.
기타 맥락: 용어가 사용된 맥락에 따라 다른 의미를 가질 수 있습니다. 따라서 보정 확률이라는 용어가 어떤 분야나 문맥에서 사용되었는지 추가 정보를 제공해 주시면 더 정확한 설명을 드릴 수 있습니다.
< 묶음 확률 >
묶음 확률 : 아이템 별로 얻을수있는 개수를 정해주고 획득 시점마다 소거해서 계산하는 방법 : 대표적인 종속 시행 확률 /가장 정확한 확률 -> 셔플 (가챠)
동시 발생 확률 (Joint Probability): 묶음 확률은 두 개 이상의 사건이 동시에 발생할 확률을 가리킬 수 있습니다. 예를 들어, 동전을 두 번 던졌을 때 두 번 모두 앞면이 나올 확률은 묶음 확률로 볼 수 있습니다.
데이터 그룹의 확률 (Probability of a Set of Data): 데이터 분석에서, 묶음 확률은 특정 데이터 그룹이 발생할 확률을 나타낼 수 있습니다. 예를 들어, 주어진 특성을 가진 고객 그룹이 특정 이벤트에 참여할 확률은 해당 그룹의 묶음 확률로 볼 수 있습니다.
조건부 확률 (Conditional Probability): 때로는 특정 조건 아래에서의 확률을 묶음 확률로 이해하기도 합니다. 예를 들어, 특정 질병을 가진 환자 그룹 중에서 특정 검사 결과가 양성일 확률은 조건부로 볼 수 있습니다.
복합 사건 확률 (Probability of a Compound Event): 여러 개의 사건이 조합되어 발생하는 확률도 묶음 확률로 볼 수 있습니다. 예를 들어, 주사위를 두 번 던져서 두 번 모두 짝수가 나올 확률은 두 개의 사건이 동시에 발생하는 묶음 확률입니다.
랜덤을 구현하는 방법은 굉장히 여러가지 방법이 존재한다. 상황에 맞게 사용하는것을 추천한다.
★★★☆☆
댓글