셔플 순열
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 개요
셔플 순열은 원순서 집합의 분할에 대한 전단사 함수로, 분할된 각 부분 집합 내에서 순서를 유지한다. 특히, (p, q)-셔플 순열은 전순서 집합 {1, 2, ..., p+q}의 분할에 대한 순열로, 처음 p개의 원소와 마지막 q개의 원소의 순서를 보존한다. 셔플 순열의 개수는 분할된 집합의 크기에 따라 결정되며, (p,q)-셔플의 경우 이항 계수를 통해 계산된다. 셔플 순열은 321, 2143, 2413 패턴을 가지지 않는 순열과 일치하며, 완전 셔플, 인 셔플, 아웃 셔플과 같은 셔플 방식을 포함한다. 셔플 순열은 덱을 반복적으로 섞을 때 덜 무작위화되며, 특정 횟수의 셔플 후에 원래 상태로 돌아간다. 셔플 순열은 대수적 응용, 특히 위상수학, 외대수, 셔플 대수 등에서 사용된다.
더 읽어볼만한 페이지
셔플 순열 | |
---|---|
기본 정보 | |
이름 | 셔플 순열 |
유형 | 순열 |
분야 | 수학, 확률론, 조합론 |
정의 | |
정의 | 셔플 순열은 카드 덱을 섞는 과정을 수학적으로 모델링한 것임. 특히, 리플 셔플(riffle shuffle)은 덱을 두 부분으로 나누어 번갈아 가며 합치는 방식으로, 완벽한 셔플은 덱을 정확히 반으로 나누어 완벽하게 번갈아 가며 합치는 것을 의미함. |
확률 분포 | 셔플 순열은 모든 가능한 순열에 대한 확률 분포를 가짐. 완벽한 셔플의 경우, 특정 횟수 이후에는 원래 순서로 돌아오는 특징이 있음. |
특징 | |
완벽한 셔플 | 완벽한 셔플은 덱을 정확히 반으로 나누어 번갈아 가며 합치는 것을 의미하며, "out-shuffle"과 "in-shuffle" 두 가지 변형이 존재함. |
리플 셔플 | 리플 셔플은 덱을 두 부분으로 나누어 번갈아 가며 합치는 보다 일반적인 방법이며, 완벽한 셔플을 포함함. |
수학적 모델 | 셔플 순열은 군론과 조합론을 사용하여 수학적으로 분석할 수 있으며, 특정 셔플 횟수 이후에 원래 순서로 돌아오는 주기성을 연구하는 데 사용됨. |
활용 | |
응용 분야 | 셔플 순열은 암호학, 무작위성 검정, 카드 마술 등 다양한 분야에서 응용됨. |
예시 | 52장의 카드 덱을 완벽하게 셔플하는 횟수는 특정 순서로 되돌아오기까지 필요한 횟수를 계산하는 데 사용될 수 있음. |
추가 정보 | |
연구 | 셔플 순열에 대한 연구는 덱을 섞는 데 필요한 횟수, 무작위성 정도, 특정 셔플 방법의 효과 등을 분석하는 데 기여함. |
2. 정의
원순서 집합 의 분할
:
이 주어졌을 때, 이 분할에 대한 셔플 순열은 다음 조건을 만족시키는 전단사 함수 이다.
:
이러한 셔플 순열의 집합을 라고 한다.
특히, 는 전순서 집합 의 분할
:
에 대한 셔플 순열이다. 즉, 다음을 만족시키는 순열 이다.
:
:
2. 1. 셔플 순열의 집합
2. 2. (p,q)-셔플 순열
3. 성질
-셔플 순열의 수는
:
이다.
일 때, -셔플은 처음 개의 원소의 위치 에 의하여 완전히 결정되므로, -셔플의 수는 이항 계수
:
이다.
일 때, -셔플 순열은 -셔플 순열과 -셔플 순열로 결정된다. 즉,
:
이다.
-셔플은 첫 번째 개 요소의 매핑 방식에 의해 완전히 결정되므로, -셔플의 개수는 다음과 같다.
:
그러나, 서로 다른 리플 셔플의 수는 이 되도록 하는 모든 와 의 선택에 대해 이 공식을 합한 값(즉, )과는 약간 다르다. 왜냐하면 항등 순열은 서로 다른 와 값에 대해 -셔플로 여러 방식으로 표현될 수 있기 때문이다.
대신, 에 대해, 장의 카드로 이루어진 덱의 서로 다른 리플 셔플 순열의 수는 다음과 같다.
:1, 2, 5, 12, 27, 58, 121, 248, 503, 1014, ...
더 일반적으로, 이 숫자에 대한 공식은 이다. 예를 들어, 52장 카드 덱의 리플 셔플 순열은 4503599627370444개이다.
리플 셔플 순열이면서, 리플 셔플의 역순열이기도 한 순열의 수는
:
에 대해, 이것은
:1, 2, 5, 11, 21, 36, 57, 85, 121, 166, 221, ...
이며, 일 때 정확히 23427개의 가역 셔플이 있다.
3. 1. (p,q)-셔플 순열의 개수
(p,q)-셔플은 첫 번째 p개 요소의 매핑 방식에 의해 완전히 결정되므로, (p,q)-셔플의 개수는 다음과 같다.:
그러나, 서로 다른 리플 셔플의 수는 이 되도록 하는 모든 와 의 선택에 대해 이 공식을 합한 값(즉, )과는 약간 다르다. 왜냐하면 항등 순열은 서로 다른 와 값에 대해 -셔플로 여러 방식으로 표현될 수 있기 때문이다.[3]
3. 2. 일반적인 셔플 순열의 개수
-셔플 순열의 수는 다음과 같이 계산된다.:
이는 k=2일 때, -셔플이 처음 개의 원소의 위치에 의해 결정되므로, 이항 계수 를 통해 구할 수 있다.
k>2일 경우, -셔플 순열은 -셔플 순열과 -셔플 순열로 결정된다. 따라서, 다음 점화식을 통해 일반적인 셔플 순열의 개수를 구할 수 있다.
:
4. 순열 패턴
순열의 패턴은 순열에서 일부 개의 값들의 부분 수열로부터 형성된 더 작은 순열로, 해당 값들을 순서를 유지하면서 1부터 까지의 범위로 축소하여 얻는다. 몇몇 중요한 순열 집합들은 금지된 패턴의 유한 집합으로 특징지을 수 있으며, 이는 리플 셔플 순열에도 적용된다. 즉, 리플 셔플 순열은 321, 2143, 2413을 패턴으로 가지지 않는 순열과 정확히 일치한다.[3] 예를 들어, 리플 셔플 순열은 유일한 최소 금지 패턴으로 2143을 갖는 vexillary 순열의 하위 클래스이다.[6]
4. 1. 금지된 패턴
순열의 패턴은 순열에서 일부 개의 값들의 부분 수열로부터 형성된 더 작은 순열로, 해당 값들을 순서를 유지하면서 1부터 까지의 범위로 축소하여 얻는다. 몇몇 중요한 순열 집합들은 금지된 패턴의 유한 집합으로 특징지을 수 있으며, 이는 리플 셔플 순열에도 적용된다. 즉, 리플 셔플 순열은 321, 2143, 2413을 패턴으로 가지지 않는 순열과 정확히 일치한다.[3] 예를 들어, 리플 셔플 순열은 유일한 최소 금지 패턴으로 2143을 갖는 vexillary 순열의 하위 클래스이다.[6]4. 2. 다른 순열 집합과의 관계
순열의 패턴은 일부 값들의 부분 수열로부터 형성된 더 작은 순열로, 해당 값들을 순서를 유지하면서 1부터 해당 값의 개수까지의 범위로 축소하여 얻는다. 몇몇 중요한 순열 집합들은 금지된 패턴의 유한 집합으로 특징지을 수 있으며, 이는 리플 셔플 순열에도 적용된다. 리플 셔플 순열은 321, 2143, 2413을 패턴으로 가지지 않는 순열과 정확히 일치한다.[3] 예를 들어, 리플 셔플 순열은 유일한 최소 금지 패턴으로 2143을 갖는 vexillary 순열의 하위 클래스이다.[6]5. 완전 셔플
'''완전 셔플'''은 덱을 동일한 크기의 두 묶음으로 나누어 두 묶음 사이를 번갈아 가면서 섞는 리플 셔플 방식이다.[7] 완전 셔플에는 인 셔플과 아웃 셔플의 두 가지 유형이 있으며, 숙련된 사람들은 이를 일관되게 수행할 수 있다.[7]
이러한 셔플 순열을 사용하여 덱을 반복적으로 섞으면 일반적인 리플 셔플보다 훨씬 덜 무작위화되며, 몇 번의 완전 셔플 후에 원래 상태로 돌아간다.[7] 특히 52장의 카드 덱은 52번의 인 셔플 또는 8번의 아웃 셔플 후에 원래 순서로 돌아간다.[7] 이 사실은 여러 카드 마술 트릭의 기초가 된다.[7]
5. 1. 인 셔플과 아웃 셔플
완전 셔플은 덱을 동일한 크기의 두 묶음으로 나누어 두 묶음 사이를 번갈아 가면서 섞는 리플 셔플 방식이다.[7] 완전 셔플에는 인 셔플과 아웃 셔플의 두 가지 유형이 있으며, 숙련된 사람들은 이를 일관되게 수행할 수 있다.[7]이러한 셔플 순열을 사용하여 덱을 반복적으로 섞으면 일반적인 리플 셔플보다 훨씬 덜 무작위화되며, 몇 번의 완전 셔플 후에 원래 상태로 돌아간다.[7] 특히 52장의 카드 덱은 52번의 인 셔플 또는 8번의 아웃 셔플 후에 원래 순서로 돌아간다.[7]
5. 2. 셔플과 순환
'''완전 셔플'''은 덱을 동일한 크기의 두 묶음으로 나누어 두 묶음 사이의 인터리빙이 엄격하게 번갈아 가면서 이루어지는 리플이다. 완전 셔플에는 인 셔플과 아웃 셔플의 두 가지 유형이 있으며, 훈련이 잘 된 일부 사람들이 일관되게 수행할 수 있다.[7] 이러한 순열을 사용하여 덱을 반복적으로 셔플하면 일반적인 리플 셔플보다 훨씬 덜 무작위로 유지되며, 단 몇 번의 완전 셔플 후에 원래 상태로 돌아간다.[7] 특히, 52장의 카드 덱은 52번의 인 셔플 또는 8번의 아웃 셔플 후에 원래 순서로 돌아간다.[7] 이 사실은 여러 카드 마술 트릭의 기초를 형성한다.[7]6. 확률 분포
길버트-섀넌-리드 모델은 인간이 수행하는 셔플과 잘 일치하는, 셔플에 대한 임의의 확률 분포를 설명한다.[4] 이 모델에서, 항등 순열은 (n+1)/2n의 확률로 생성되며, 다른 모든 리플 순열은 1/2n의 동일한 확률로 생성된다. 이 모델의 분석을 바탕으로, 수학자들은 52장의 카드 덱을 완전히 무작위화하기 위해 7번의 리플 셔플을 수행할 것을 권장했다.[5]
6. 1. 길버트-섀넌-리드 모델
길버트-섀넌-리드 모델은 인간이 수행하는 셔플과 잘 일치하는, 셔플에 대한 임의의 확률 분포를 설명한다.[4] 이 모델에서, 항등 순열은 (n+1)/2n의 확률로 생성되며, 다른 모든 리플 순열은 1/2n의 동일한 확률로 생성된다. 이 모델의 분석을 바탕으로, 수학자들은 52장의 카드 덱을 완전히 무작위화하기 위해 7번의 리플 셔플을 수행할 것을 권장했다.[5]6. 2. 무작위성과 셔플 횟수
길버트-섀넌-리드 모델은 사람이 하는 셔플과 유사한 무작위 확률 분포를 설명한다.[4] 이 모델에서 항등 순열은 \((n+1)/2^n\) 확률로, 다른 모든 리플 순열은 \(1/2^n\) 확률로 생성된다. 이 모델을 바탕으로, 수학자들은 52장 카드 덱을 완전히 무작위로 섞기 위해 7번의 리플 셔플을 해야 한다고 권고했다.[5]7. 대수적 응용
셔플 순열은 위상수학에서 완전 반대칭인 것들을 다룰 때 쓰인다. 예를 들어, 미분 형식의 쐐기곱은 셔플 순열들에 대한 합으로 나타낼 수 있다.
리플 셔플은 셔플 대수를 정의하는 데 사용될 수 있다. 이는 기저가 단어 집합이고, 곱셈이 두 단어의 모든 리플 셔플의 합인 셔플 곱(샤 기호 ш로 표시)인 호프 대수이다.[2]
외대수에서, -형식과 -형식의 외적은 -셔플의 합으로 정의될 수 있다.[2]
7. 1. 셔플 대수
리플 셔플은 셔플 대수를 정의하는 데 사용될 수 있다. 셔플 대수는 기저가 단어 집합이고, 곱셈이 두 단어의 모든 리플 셔플의 합인 셔플 곱(샤 기호 ш로 표시)인 호프 대수이다.[2]외대수에서, -형식과 -형식의 외적은 -셔플의 합으로 정의될 수 있다.[2]
7. 2. 외대수
외대수에서, -형식과 -형식의 외적은 -셔플의 합으로 정의될 수 있다.[2] 셔플 수열은 위상수학에서 완전 반대칭인 것들을 다룰 때 쓰인다. 예를 들어, 미분 형식의 쐐기곱은 셔플 순열들에 대한 합으로 나타낼 수 있다.8. 어원
(p,q)-셔플 순열은 p+q개의 카드를, 처음 p개의 카드 및 끝의 q개의 카드로 분리한 다음, 셔플을 하여 얻을 수 있는 순열이기 때문에 이러한 이름이 붙었다.
참조
[1]
간행물
Shuffling cards and stopping times
https://statweb.stan[...]
[2]
서적
An Introduction to Homological Algebra
Cambridge University Press
[3]
간행물
Restricted permutations
[4]
서적
Group representations in probability and statistics
Institute of Mathematical Statistics
[5]
뉴스
In Shuffling Cards, 7 Is Winning Number
https://www.nytimes.[...]
1990-01-09
[6]
간행물
Permutation patterns, continued fractions, and a group determined by an ordered set
Department of Mathematics, Chalmers University of Technology
[7]
간행물
The mathematics of perfect shuffles
본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.
문의하기 : help@durumis.com