연애 이론(최적 멈춤) 계산기

연애 이론(최적 멈춤) 계산기

성장 중 AI Skill PRO

계산 입력

공식

거절할 인원=round(만남 풀 크기e)\text{거절할 인원} = \operatorname{round}\!\left(\frac{\text{만남 풀 크기}}{e}\right)
사용 통계

광고

결과

처음 거절(관찰)할 인원
18
명, 그 뒤로는 이들보다 나은 첫 번째 사람에게 정착하세요
만남 풀 크기 (n) 50
관찰 단계 36풀의 % (≈ 1/e)

이 페이지의 오류 신고

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.

광고
후보자 타임라인을 37% 거절 단계와 선택 단계로 나눈 그림
37% 법칙: 처음 37%의 후보는 보내고, 그 후 지금까지 본 누구보다 나은 다음 사람을 고른다.

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.

성공 확률 곡선이 정지 비율 0.37 부근에서 정점을 이루는 그림
전체의 약 37%(1/e)를 관찰에 쓸 때 성공 확률이 최대가 된다.

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.

광고

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.

최종 업데이트:

수학 및 통계 인기 계산기

수학 및 통계 계산기 전체 보기