2nd/10_Wiki/Topics/Frontend/대수의 법칙(Law of Large Numbers).md

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by, tech_stack

id	title	category	status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	tags	raw_sources	last_reinforced	github_commit	inferred_by	tech_stack
wiki-2026-0508-대수의-법칙-law-of-large-numbers	대수의 법칙(Law of Large Numbers)	10_Wiki/Topics	needs_review	self		none	A	0.92	uncategorized		2026-05-08	pending	Claude Opus 4.7 (auto-normalize 2026-05-08)	language framework unspecified unspecified

대수의 법칙(Law of Large Numbers)

📌 한 줄 통찰 (The Karpathy Summary)

대수의 법칙(Law of Large Numbers)은 수많은 시도로부터 얻은 결과의 평균이 기댓값에 가까워져야 하며, 시도 횟수가 많아질수록 기댓값에 더욱 근접하게 된다는 수학적 원리입니다 [1]. 성공적인 게임 경제 설계에 있어서 이 법칙은 몬테카를로 시뮬레이션(Monte Carlo Simulation)의 기반이 됩니다 [1]. 이를 통해 게임 기획자들은 단순한 확률 계산을 넘어, 실제 플레이어 기반이 유발하는 변동성을 고려하여 보다 정확한 예측 결과를 얻을 수 있습니다 [2].

📖 구조화된 지식 (Synthesized Content)

• 단순 평균 및 확률의 한계 극복: 실제 플레이어들은 개인적인 선호도나 역할놀이의 선택, 편향성 등으로 인해 게임 메커니즘과 수학적으로 최적화된 패턴으로 상호작용하지 않습니다 [3]. 따라서 무작위성(randomness)이 결여된 단순한 수학적 평균은 플레이어의 행동을 예측하는 데 실패하는 경우가 많습니다 [3].
• 무작위성의 반영과 시뮬레이션의 정확도 향상: 대수의 법칙과 몬테카를로 시뮬레이션을 결합하면 시뮬레이션에 무작위성을 다시 추가하여 이러한 문제를 간단하게 해결할 수 있습니다 [3]. 대수의 법칙에 따라 매개변수에 대해 더 많은 시뮬레이션을 실행할수록 결과는 더욱 정확해집니다 [2].
• 장기적인 게임 밸런싱의 도구: 이 법칙을 활용한 시뮬레이션은 실제 플레이어 기반이 도입하는 변동성을 설명할 수 있으므로, 단순한 확률론적 접근보다 훨씬 정확한 결과를 도출합니다 [2]. 이는 게임 디자이너가 장기간에 걸쳐 다양한 유형의 플레이어에 맞게 게임의 밸런스를 효과적으로 맞추고 경제 시스템의 구조적 무결성을 유지할 수 있도록 돕습니다 [2].

🔗 지식 연결 (Graph)

• Related Topics: 몬테카를로 시뮬레이션(Monte Carlo Simulation), 게임 경제 밸런싱(Game Economy Balancing), 게임 시뮬레이션(Game Simulation
• Projects/Contexts: 마키네이션(Machinations.io) 시뮬레이션
• Contradictions/Notes: 소스에 관련 정보에 대한 특별한 상충점은 존재하지 않습니다.

---

Last updated: 2026-04-28

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

• (TODO)

언제 쓰면 안 되는가:

• (TODO)

🧪 검증 상태 (Validation)

• 정보 상태: needs_review
• 출처 신뢰도: A
• 검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

• 기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
• 처리 방식: UPDATE (자동 정규화)
• 처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

• 과거 데이터와의 충돌: 없음
• 정책 변화: 없음

🕓 변경 이력 (Changelog)

날짜	변경 내용	처리 방식	신뢰도
2026-05-08	P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화)	UPDATE	A

💻 코드 패턴 (Code Patterns)

패턴 1: (TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)

# TODO

🤔 의사결정 기준 (Decision Criteria)

선택 A를 써야 할 때:

• (TODO)

선택 B를 써야 할 때:

• (TODO)

기본값:

(TODO)

❌ 안티패턴 (Anti-Patterns)

• [안티패턴]: (TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)