연애 이론(최적 멈춤) 계산기란?
이 도구는 그 유명한 "비서 문제"(최적 멈춤, 또는 37% 법칙)를 연애에 적용한 것입니다. 만날 사람의 수가 어느 정도 정해져 있고, 한 사람 한 사람을 만날 때마다 다음으로 넘어가기 전에 결정을 내려야 하는 상황이라면, 수학은 최고의 상대를 고를 확률을 가장 높여 주는 전략을 알려 줍니다. 바로 처음 일정 비율은 그냥 "관찰"만 하고, 그 이후에 지금까지 만난 누구보다 나은 첫 번째 사람에게 정착하는 것이죠.
사용 방법
현실적으로 만나게 될 것 같은 사람 수(만남 풀 크기, \(n\))를 입력하세요. 계산기는 처음에 몇 명을 거절해야 하는지 알려 줍니다. 이 초반 그룹은 오직 내 기준을 가늠하는 용도로만 활용하세요 — 아무리 괜찮아 보여도 이 단계에서는 누구에게도 정착하지 않습니다. 기준점을 지난 뒤부터는, 관찰 단계에서 만난 그 누구보다 나은 첫 번째 사람에게 "예스"를 외치면 됩니다.
공식 풀이
최적의 기준점은 $$\text{Reject Count} = \operatorname{round}\!\left(\frac{\text{Pool Size}}{e}\right)$$입니다. 여기서 \(e \approx 2.71828\)은 자연상수(오일러 수)입니다. \(1/e \approx 0.3679\)이므로, 전체 후보의 약 처음 37%를 관찰한 뒤 선택을 시작하는 셈이죠. 이 법칙을 따르면 단 한 명의 최고 상대를 고를 확률이 약 37%가 됩니다 — 후보가 많아질수록 무작위로 찍는 것보다 훨씬 유리합니다.
실제 예시
예를 들어 10명을 만날 계획이라고 해 봅시다. 기준점은 $$10 \div 2.71828 \approx 3.68$$ 반올림하면 4가 됩니다. 즉 처음 4명은 만나 보되 정중히 보내 주고, 그중 가장 괜찮았던 사람을 기억해 둡니다. 5번째 사람부터는, 앞선 4명보다 빛나는 첫 번째 사람에게 정착하면 됩니다.
풀 크기별 거절 횟수
37% 규칙은 후보자의 약 \(n/e\)명을 거절(관찰만)하라고 하며, 여기서 \(1/e \approx 0.3679\)입니다. 그런 다음 지금까지 본 모든 사람보다 나은 첫 번째 후보를 고릅니다. 표에서는 \(n/e\)를 가장 가까운 정수로 반올림했습니다.
| 풀 크기 (n) | n / e | 거절 횟수 (관찰) | 선택 가능한 후보 수 | 관찰 비율 |
|---|---|---|---|---|
| 5 | 1.84 | 2 | 3 | 40% |
| 10 | 3.68 | 4 | 6 | 40% |
| 20 | 7.36 | 7 | 13 | 35% |
| 30 | 11.04 | 11 | 19 | 36.7% |
| 50 | 18.39 | 18 | 32 | 36% |
| 100 | 36.79 | 37 | 63 | 37% |
반올림 때문에 작은 풀에서는 관찰 비율이 정확히 36.8%가 되지 않지만, 풀이 커질수록 이 값에 가까워집니다.
작은 풀에서의 정확한 성공 확률
\(n\)명의 후보자 풀에서 처음 \(r\)명을 거절한 뒤 그때까지 본 모든 사람보다 나은 첫 후보자를 선택하면, 최고의 후보자 한 명을 고를 확률은 다음과 같습니다.
$$P(n,r) = \frac{r}{n}\sum_{k=r+1}^{n}\frac{1}{k-1}$$
표는 각 \(n\)에 대한 최적의 \(r\)과 그에 따른 정확한 확률(반올림)을 보여줍니다.
| 풀 크기 (n) | 최적 거절 횟수 r | 성공 확률 P |
|---|---|---|
| 2 | 1 (동점 0명) | 50.0% |
| 3 | 1 | 50.0% |
| 4 | 1 | 45.8% |
| 5 | 2 | 43.3% |
| 10 | 3 | 39.9% |
| 20 | 7 | 38.4% |
| 100 | 37 | 37.1% |
\(n=4,\ r=1\)인 예: \(P = \frac{1}{4}\left(1 + \frac{1}{2} + \frac{1}{3}\right) = \frac{1}{4}\cdot 1.8333 \approx 0.458\).
\(n\)이 커지면 최적의 \(r/n\)은 \(1/e \approx 0.368\)에 가까워지고, 달성 가능한 최고 성공 확률도 위에서부터 \(1/e \approx 36.8\%\)로 수렴합니다.
결과 해석하기
거절 횟수는 관찰 단계의 길이입니다. 이 단계에서는 강한 선택지가 어떤 수준인지 가늠하기 위해서만 후보자를 보고, 그중 누구도 확정하지 않습니다. 이 단계가 끝나면 지금까지 관찰한 모든 사람보다 나은 첫 번째 후보자를 선택합니다.
최선의 선택 대 충분히 좋은 선택. 37% 규칙은 풀에서 최고의 후보자 한 명을 선택할 확률을 최대화합니다. 그 확률은 약 37%가 상한이므로, 이 전략은 약 63%의 경우 최선을 고르지 못합니다. 최고의 후보자가 관찰 단계에서 나타났다면 결국 아무도 고르지 못하는 경우도 있습니다. 목표가 상위 몇 명 안에 드는 것처럼 충분히 좋은 선택이라면, 다른 중단 규칙이나 기준값이 사용되며, 보통 허용 가능한 결과를 얻을 확률이 훨씬 높습니다.
고전 모형의 가정:
- 전체 풀 크기 \(n\)은 고정되어 있고 미리 알려져 있습니다.
- 후보자는 무작위 순서로 한 번에 한 명씩 보게 됩니다.
- 각 후보자를 이미 본 사람들과 비교하여 순위를 매길 수 있으며, 동점은 없습니다.
- 각 결정은 최종적입니다. 거절한 후보자에게 되돌아갈 수 없고, 수락한 후보자는 탐색을 끝냅니다.
- 성공으로 치는 것은 오직 가장 좋은 사람을 얻는 경우뿐입니다.
실제 상황은 이 조건을 모두 충족하는 경우가 드물므로, 이 결과는 관계에 대한 조언이 아니라 수학적 모형(비서 문제)의 예시로 받아들이세요.
자주 묻는 질문
이대로 하면 "운명의 상대"를 꼭 만날 수 있나요? 아니요. 가능한 후보 중 최고를 고를 확률을 최대로 높여 줄 뿐이며, 그 확률은 약 37%입니다 — 확실한 보장이 아니라 어디까지나 전략입니다.
관찰 단계에 엄청난 사람이 나타나면요? 엄격한 모델에서는 거절해야 합니다. 그 사람은 내 기준을 세우는 역할만 하니까요. 다만 현실에서는 이 법칙을 절대적인 규칙이 아닌 참고 가이드 정도로 받아들이세요.
답은 항상 37%인가요? 표본 비율(\(1/e \approx 37\%\))은 항상 일정하지만, 실제로 거절해야 하는 인원수는 만남 풀 크기 \(n\)에 따라 달라집니다.