1부터 100까지 숫자가 적힌 카드 100장을 무작위로 섞어 한 장씩 뒤집어 보세요. 지나간 카드는 다시 고를 수 없고 오직 지금 넘긴 카드만 선택할 수 있습니다.
목표는 가장 큰 100번 카드를 정확히 뽑는 것입니다. 언제까지 구경만 하고 흘려보내야 가장 높은 확률로 최고의 카드를 손에 쥘 수 있을까요?


이 문제가 널리 알려진 것은 1960년 2월, 마틴 가드너가 『사이언티픽 아메리칸』에 실으면서였습니다. 그때 이름은 「구골 놀이」였습니다. 종이쪽에 아무 수나 적어 뒤집어 놓고 하나씩 열어 가장 큰 것을 맞히는 놀이였습니다.
답은 깔끔합니다. 처음 37%는 무조건 흘려보내며 기준만 세우고, 그다음부터 지금까지 본 누구보다 나은 것이 나오면 바로 잡습니다.
그런데 이 최선의 작전으로도 실패할 확률이 63%입니다. 열 번 하면 여섯 번은 놓칩니다. 가장 좋은 방법이 곧 「대개 실패하는 방법」인 것입니다. 다만 다른 어떤 방법도 이보다 낫지 못합니다.
왜 하필 37%일까요. 너무 적게 보고 시작하면 기준이 낮아 그저 그런 것을 덥석 잡습니다. 너무 많이 보면 가장 좋은 것이 이미 지나가 버립니다.
두 위험이 정확히 맞버티는 자리가 1을 자연상수 e로 나눈 값, 곧 0.3678…입니다. 성공 확률도 같은 37%입니다. 사람 뽑기 이야기에 자연상수가 나오는 것이 이 문제의 묘미입니다.
이 값이 나오는 까닭은 두 위험이 정확히 맞버티기 때문입니다. 적게 보면 기준이 낮아 손해, 많이 보면 최고를 흘려보내 손해 — 그 사이 어딘가에 가장 나은 자리가 있고, 셈해 보면 그것이 1/e입니다.
「언제 멈출 것인가」가 하나의 분야입니다. 집을 구할 때, 주식을 팔 때, 사람을 뽑을 때 같은 물음입니다.
온라인 광고 경매와 클라우드 자원 배분에서 「지금 받을까 더 기다릴까」를 이 이론으로 정합니다.
카드 열 장으로 가장 큰 것 맞히기
카드 10장을 차례로 뒤집으며 가장 큰 숫자를 맞히는 게임을 해 봅니다. 너무 일찍 고르면 뒤에 더 큰 카드가 나와서 후회하고, 너무 늦게 고르면 이미 좋은 카드가 지나가 버립니다.
앞의 몇 장은 기준을 세우기 위해 그냥 흘려보내고, 그 뒤부터 지금까지 본 것 중 가장 큰 숫자가 나오면 바로 낚아채는 전략이 제일 잘 통합니다.
카드로 흉내 내 보기
전체 명의 지원자 중 앞의 명은 무조건 탈락시키며 최고 점수를 파악합니다. 그리고 번째부터 그 최고 점수를 경신하는 첫 번째 사람을 즉시 채용합니다.
최고 지원자가 번째()에 있을 때 합격하려면, 1등 바로 전까지의 구간에서 가장 뛰어난 사람이 앞의 탐색 구간 명 안에 들어 있어야 합니다. 그 확률들을 모두 더해 최적의 를 찾습니다.
확률 최대화
성공 확률 함수는 로 주어집니다. 로 두고 연속 극한을 취하면 가 됩니다.
이 함수를 미분하여 극댓값을 구하면 에서 가 도출됩니다. 따라서 전체의 약 36.8%를 탐색한 후 기준을 적용할 때 성공 확률 역시 로 극대화됩니다.
최적 멈춤
비서 문제는 확률론의 최적 정지 이론(Optimal Stopping Theory)과 동적 계획법의 대표적 고전입니다. 불완전한 정보와 되돌릴 수 없는 시간의 화살 속에서 탐색(Exploration)과 활용(Exploitation) 사이의 수학적 균형점을 제시합니다.
부동산 매매, 알고리즘 트레이딩의 주문 집행 시점 결정, 온라인 데이팅 앱의 매칭 알고리즘 등 한정된 자원으로 결정을 내려야 하는 현실의 복잡한 최적화 모델에 응용됩니다.
최적 정지 비서 문제. 지원자 명 중 최고의 1명을 뽑는 전략을 생각하자.
(1) 일 때, 앞의 명을 관찰만 하고 2번째 이후부터 1번보다 우수한 사람이 나오면 즉시 채용하는 전략의 성공 확률을 구하시오.
(2) 전체 지원자가 100명일 때, 1등을 뽑을 확률을 최대화하기 위해 무조건 탈락시키며 기준을 세워야 하는 지원자 수 를 을 바탕으로 정수로 구하시오.
(3) 이 최적 전략을 따를 때 지원자 수가 아무리 많아져도 최고 인재를 뽑을 수 있는 극한 확률을 분수 또는 소수로 쓰시오.
(1) 3명의 순열 6가지 중 성공하는 순열은 (1,3,2), (2,3,1), (2,1,3)의 3가지이므로 입니다. (2) 37명입니다. (3) 입니다.
(1) 입니다.
1 등을 1, 2 등을 2, 3 등을 3 이라 하고 여섯 순서를 모두 따져 봅니다 (첫 사람은 무조건 보내고, 그보다 나은 사람이 나오면 바로 뽑습니다).
· → 아무도 1 보다 낫지 않아 못 뽑음 ✗
· → 못 뽑음 ✗
· → 1 을 뽑음 ○
· → 3 은 2 보다 나쁘니 지나치고 1 을 뽑음 ○
· → 1 을 뽑음 ○
· → 2 를 뽑음 ✗
성공 3 가지 → . 아무나 찍으면 이니 더 낫습니다.
(2) 명입니다.
이므로 가장 가까운 정수는 37 입니다.
실제로 부터 99 까지 다 셈해 보면 에서 확률이 가장 큽니다 (약 37.1%).
(3) (약 36.8%) 입니다.
⭐ 지원자가 백 명이든 백만 명이든 거의 같습니다. 사람이 늘어도 확률이 0 으로 가라앉지 않습니다.
지원자가 백만 명이어도 세 번에 한 번은 진짜 1 등을 뽑습니다. 게다가 앞의 37% 는 무조건 보내야 합니다 — 좋아 보여도요.
⛔ 다만 이 셈은 「1 등만 성공」으로 봅니다. 2 등을 뽑아도 괜찮다면 훨씬 느슨해집니다. 무엇을 성공이라 부르느냐가 답을 바꿉니다.
「언제 멈출 것인가」는 하나의 수학 분야입니다.
최선의 선택을 위해 탐색을 멈추고 결단을 내려야 할 기준선은 약 37%입니다 — 제118장 에서 만난 자연상수 의 역수가 삶의 선택을 최적화하는 갈림길에 놓여 있습니다.
마틴 가드너(Martin Gardner)가 1960년 『사이언티픽 아메리칸』(Scientific American) 수학 게임 난에 「구혼 문제」로 소개하면서 널리 알려졌습니다.