무엇을 비교합니까?

같은 조합, 서로 다른 모형

가능한 6개 조합은 8,145,060개입니다. 각 모형 m은 조합 S의 로그 가중치 sₘ(S)를 계산하고, qₘ(S) = exp(sₘ(S)) / Σ exp(sₘ(T))로 확률을 정의합니다. 분모는 가능한 모든 6개 조합 T의 합입니다.

공정한 균등 추첨의 실제 기준 확률은 모든 조합이 1 / 8,145,060입니다. 화면의 모형 확률은 각 방식의 가정에 따른 계산값입니다.

번호별 확률을 조합으로

번호별 출현 성향 pᵢ를 사용하는 방식은 wᵢ = pᵢ/(1−pᵢ)를 가중치로 사용합니다. 정확히 6개가 선택된다는 조건에서 조합 가중치는 ∏wᵢ이며, 6차 기본대칭다항식으로 정확히 정규화합니다. 조건 적용 전 pᵢ와 조건 적용 후 번호 포함 확률은 다를 수 있습니다.

공백·이월·엔트로피는 선호 가정을 가진 지수족 모형입니다. 관측된 참확률을 뜻하지 않습니다. 개정 모형 v2의 선호 강도·평활 강도·혼합 비율은 대상 회차 이전 52회의 로그 점수로 선택합니다. 각 검증 회차에서도 그 이전 자료만 사용하며, 검증 자료가 부족하면 사전에 정한 기본값을 적용합니다.

관계와 패턴 모형

번호쌍·세 번호 모형은 먼저 일부 번호를 고른 뒤 나머지를 균등하게 채우는 혼합 확률입니다. 리프트와 상관 모형도 이 혼합 구조로 정규화합니다. 패턴 모형은 관측 유형 빈도를 정확한 기준분포로 평활하고, 유형 확률을 그 유형에 속하는 조합 수로 나눕니다. 패턴 균형은 홀짝·합계·연속수의 결합 유형을 사용합니다.

확률 분모는 몬테카를로 추정값이 아닙니다. 부동소수점 연산 오차는 검증 허용 범위 내에서 관리합니다.

학습과 누적 평가

현재 기본값은 개정 모형 v2입니다. 이전 모형 v1의 결과·저장 번호·공유 링크는 별도로 보존하며, 이론 비교에서 버전을 선택할 수 있습니다.

1~200회는 초기 학습 자료이며, 평가는 201회부터 시작합니다. t회차에는 1~t−1회 자료만 사용합니다. 현재 과거 재현은 해당 모형을 실제로 당시에 공개했다는 뜻이 아닙니다.

회차별 비교의 배수는 qₘ(당첨 조합) / (1/8,145,060)이며, 화면은 (배수−1)×100%로 상대 차이를 표시합니다. 누적은 로그 확률비를 합산하고 기하평균 배수도 표시합니다. 여러 모형 중 한 주의 최고 성적만으로 예측력을 판단하지 않습니다.

번호 생성과 적중 성적

조건을 만족하는 중복 없는 공통 후보 최대 100,000개를 고정 시드로 구합니다. 해당 모형의 상위 10%에서 서로 다른 5조합을 선택합니다. 무작위는 후보 전체에서 선택합니다. 이는 높은 확률 후보를 선호하는 별도 선택 규칙이며 qₘ 자체에서 그대로 추출하는 알고리즘은 아닙니다.

생성 조합에는 전체 6/45 분포의 모형 확률과 무작위 대비 상대 차이를 표시합니다. 포함·제외 조건으로 분모를 축소하지 않습니다. 선택한 5조합 중 가장 높은 평가를 강조합니다. 사전 공개는 대상 회차·모형 버전·학습 자료·시드·조합·공개 시각을 고정하고 추첨 후 일치 개수와 등수를 비교합니다.

30개 방식의 정의