맨위로가기

셔플 순열

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"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

  • 순열 - 레비치비타 기호
    레비치비타 기호는 n차원 공간에서 정의되는 완전 반대칭 텐서로, 순열의 부호에 따라 +1, -1, 0의 값을 가지며 벡터곱, 행렬식 계산 등 다양한 분야에서 활용된다.
  • 순열 - 완전순열
    완전순열은 집합의 순열 중 모든 원소가 원래 위치에 있지 않은 순열, 즉 고정점이 없는 순열을 의미하며, 크기가 n인 집합의 완전순열의 수는 준계승 !n으로 나타내고, 점화식 또는 포함-배제 원리로 계산하며, 몽모르 수라고도 불린다.
셔플 순열
기본 정보
이름셔플 순열
유형순열
분야수학, 확률론, 조합론
정의
정의셔플 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 분포셔플 순열은 모든 가능한 순열에 대한 확률 분포를 가짐. 완벽한 셔플의 경우, 특정 횟수 이후에는 원래 순서로 돌아오는 특징이 있음.
특징
완벽한 셔플완벽한 셔플은 덱을 정확히 반으로 나누어 번갈아 가며 합치는 것을 의미하며, "out-shuffle"과 "in-shuffle" 두 가지 변형이 존재함.
리플 셔플리플 셔플은 덱을 두 부분으로 나누어 번갈아 가며 합치는 보다 일반적인 방법이며, 완벽한 셔플을 포함함.
수학적 모델셔플 순열은 군론조합론을 사용하여 수학적으로 분석할 수 있으며, 특정 셔플 횟수 이후에 원래 순서로 돌아오는 주기성을 연구하는 데 사용됨.
활용
응용 분야셔플 순열은 암호학, 무작위성 검정, 카드 마술 등 다양한 분야에서 응용됨.
예시52장의 카드 덱을 완벽하게 셔플하는 횟수는 특정 순서로 되돌아오기까지 필요한 횟수를 계산하는 데 사용될 수 있음.
추가 정보
연구셔플 순열에 대한 연구는 덱을 섞는 데 필요한 횟수, 무작위성 정도, 특정 셔플 방법의 효과 등을 분석하는 데 기여함.

2. 정의

원순서 집합 (X,\le)분할

:X = \bigsqcup_{i\in I}X_i

이 주어졌을 때, 이 분할에 대한 셔플 순열은 다음 조건을 만족시키는 전단사 함수 \sigma\colon X \to X이다.

:\left(x\le x' \implies \sigma(x) \le \sigma(x')\right) \qquad \forall i\in I\;\forall x,x'\in X_i

이러한 셔플 순열의 집합을 \operatorname{Sh}((X_{i\in I})_{i\in I})라고 한다.

특히, \operatorname{Sh}(p,q)전순서 집합 \{1,2,\dotsc,p+q\}의 분할

:\{1,2,\dotsc,p\} \sqcup \{p+1,\dotsc,p+q\}

에 대한 셔플 순열이다. 즉, 다음을 만족시키는 순열 \sigma\in\operatorname{Sym}(p+q)이다.

:\sigma(1)<\sigma(2)<\cdots<\sigma(p)

:\sigma(p+1)<\sigma(p+2)<\cdots<\sigma(p+q)

2. 1. 셔플 순열의 집합

2. 2. (p,q)-셔플 순열

3. 성질

(p_1, p_2, \dotsc, p_k)-셔플 순열의 수는

:

|\operatorname{Sh}(p_1,p_2,\dotsc,p_k)| =

\frac{(p_1+p_2+\dotsb+p_k)!}{p_1!p_2!\dotsm p_k!}



이다.

k=2일 때, (p,q)-셔플은 처음 p개의 원소의 위치 \sigma(1),\dots,\sigma(p)에 의하여 완전히 결정되므로, (p,q)-셔플의 수는 이항 계수

:\binom{p+q}p=\binom{p+q}q

이다.

k>2일 때, (p_1, p_2, \dotsc, p_k)-셔플 순열은 (p_1, \dotsc, p_{k-1})-셔플 순열과 (p_1+\dotsb+p_{k-1},p_k)-셔플 순열로 결정된다. 즉,

:

\begin{aligned}

|\operatorname{Sh}(p_1,\dotsc,p_k)| &=

|\operatorname{Sh}(p_1,\dotsc,p_{k-1})| \cdot \binom{p_1+\dotsb+p_k}{p_k} \\

&=

|\operatorname{Sh}(p_1,\dotsc,p_{k-2})| \cdot \binom{p_1+\dotsb+p_{k-1}}{p_{k-1}} \cdot \binom{p_1+\dotsb+p_k}{p_k} \\

& \;\vdots \\

&= \prod_{i=1}^k \binom {p_1+\dotsb+p_i}{p_i} \\

&= \frac{(p_1+\dotsb+p_k)!}{p_1!\dotsm p_k!}

\end{aligned}



이다.

(p,q)-셔플은 첫 번째 p개 요소의 매핑 방식에 의해 완전히 결정되므로, (p,q)-셔플의 개수는 다음과 같다.

:\binom{p+q}{p}.

그러나, 서로 다른 리플 셔플의 수는 n이 되도록 하는 모든 pq의 선택에 대해 이 공식을 합한 값(즉, 2^n)과는 약간 다르다. 왜냐하면 항등 순열은 서로 다른 pq 값에 대해 (p,q)-셔플로 여러 방식으로 표현될 수 있기 때문이다.

대신, n=1,2,3,\dots에 대해, n장의 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 2^n-n이다. 예를 들어, 52장 카드 덱의 리플 셔플 순열은 4503599627370444개이다.

리플 셔플 순열이면서, 리플 셔플의 역순열이기도 한 순열의 수는

:\binom{n+1}{3}+1.

n=1,2,3,\dots에 대해, 이것은

:1, 2, 5, 11, 21, 36, 57, 85, 121, 166, 221, ...

이며, n=52일 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.

:\binom{p+q}{p}.

그러나, 서로 다른 리플 셔플의 수는 n이 되도록 하는 모든 pq의 선택에 대해 이 공식을 합한 값(즉, 2^n)과는 약간 다르다. 왜냐하면 항등 순열은 서로 다른 pq 값에 대해 (p,q)-셔플로 여러 방식으로 표현될 수 있기 때문이다.[3]

3. 2. 일반적인 셔플 순열의 개수

(p_1,p_2,\dotsc,p_k)-셔플 순열의 수는 다음과 같이 계산된다.

:

|\operatorname{Sh}(p_1,p_2,\dotsc,p_k)| =

\frac{(p_1+p_2+\dotsb+p_k)!}{p_1!p_2!\dotsm p_k!}



이는 k=2일 때, (p,q)-셔플이 처음 p개의 원소의 위치에 의해 결정되므로, 이항 계수 \binom{p+q}p=\binom{p+q}q를 통해 구할 수 있다.

k>2일 경우, (p_1,p_2,\dotsc,p_k)-셔플 순열은 (p_1,\dotsc,p_{k-1})-셔플 순열과 (p_1+\dotsb+p_{k-1},p_k)-셔플 순열로 결정된다. 따라서, 다음 점화식을 통해 일반적인 셔플 순열의 개수를 구할 수 있다.

:

\begin{aligned}

|\operatorname{Sh}(p_1,\dotsc,p_k)| &=

|\operatorname{Sh}(p_1,\dotsc,p_{k-1})| \cdot \binom{p_1+\dotsb+p_k}{p_k} \\

&=

|\operatorname{Sh}(p_1,\dotsc,p_{k-2})| \cdot \binom{p_1+\dotsb+p_{k-1}}{p_{k-1}} \cdot \binom{p_1+\dotsb+p_k}{p_k} \\

& \;\vdots \\

&= \prod_{i=1}^k \binom {p_1+\dotsb+p_i}{p_i} \\

&= \frac{(p_1+\dotsb+p_k)!}{p_1!\dotsm p_k!}

\end{aligned}


4. 순열 패턴

순열의 패턴은 순열에서 일부 k개의 값들의 부분 수열로부터 형성된 더 작은 순열로, 해당 값들을 순서를 유지하면서 1부터 k까지의 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 k개의 값들의 부분 수열로부터 형성된 더 작은 순열로, 해당 값들을 순서를 유지하면서 1부터 k까지의 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, p-형식과 q-형식의 외적은 (p,q)-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, p-형식과 q-형식의 외적은 (p,q)-셔플의 합으로 정의될 수 있다.[2]

7. 2. 외대수

외대수에서, p-형식과 q-형식의 외적은 (p,q)-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