재미있는 확률

도박사의 파산 문제(Gambler's Ruin): 승률 50%여도 결국 파산하는 이유

매번 이길 확률이 50%인 공정한 게임에서도 유한한 자본의 도박사가 무한한 자본의 카지노를 상대로 계속 게임하면 왜 파산 확률이 100%가 되는지 공식과 사례로 설명합니다.

모두의 계산기2026년 9월 22일7분 읽기

동전을 던져 앞면이면 1만 원을 받고 뒷면이면 1만 원을 잃는 게임이 있다고 해 보겠습니다. 앞면과 뒷면의 확률은 각각 50%입니다. 한 판의 기대손익은 0원이므로 수학적으로 공정한 게임입니다. 그런데 가진 돈이 한정된 사람이 사실상 자본이 무한한 상대와 이 게임을 멈추지 않고 계속하면 결국 가진 돈을 모두 잃을 확률은 100%입니다.

이 결과를 도박사의 파산 문제(Gambler's Ruin)라고 합니다. 매번 이길 확률이 50%라는 사실과 언젠가 파산할 확률은 서로 다른 질문입니다. 전자는 다음 한 판의 결과를 말하고, 후자는 자본이 0에 닿을 때까지 이어지는 전체 경로를 묻습니다. 한 판이 공정해도 유한한 자본에는 더 이상 게임을 계속할 수 없는 경계가 있습니다. 무한한 시간 동안 반복하면 대칭 랜덤 워크가 그 경계에 닿을 확률은 1입니다.

다만 이 결론에는 분명한 조건이 붙습니다. 매번 같은 금액을 걸고, 각 판이 독립적이며, 승리와 패배 확률이 각각 50%이고, 이기면 베팅액만큼 얻고 지면 같은 금액을 잃으며, 이익 목표나 횟수 제한 없이 파산할 때까지 계속한다는 모형입니다. 게임을 유한한 횟수에서 멈추거나 목표 금액에 도달하면 그만두는 경우에는 파산 확률이 100%가 아닙니다.

도박사의 파산 문제란 무엇인가요?

가장 기본적인 모형에서는 도박사가 i개의 자본 단위를 가지고 시작합니다. 한 판에서 이길 확률을 p, 질 확률을 q = 1-p라고 놓습니다. 이기면 자본이 1단위 늘고 지면 1단위 줄어듭니다. 자본이 0이 되면 파산하며, 미리 정한 목표 N에 도달해도 게임을 끝냅니다. 가능한 자본 상태는 0, 1, 2, …, N입니다.

초기 자본 i: 게임을 시작할 때 도박사가 가진 단위 수
목표 자본 N: 이 금액에 도달하면 이긴 것으로 보고 멈추는 상한
승리 확률 p: 한 판에서 자본이 1단위 증가할 확률
패배 확률 q: 한 판에서 자본이 1단위 감소할 확률이며 q = 1-p
파산 상태 0과 목표 상태 N: 한 번 도달하면 게임이 끝나는 흡수 상태

현재 자본에서 다음 상태는 바로 앞이나 뒤의 자본에만 의존합니다. 이전에 어떤 순서로 이기고 졌는지는 다음 이동 확률을 바꾸지 않습니다. 이 때문에 도박사의 자본은 마르코프 연쇄이자 1차원 랜덤 워크로 표현할 수 있습니다. 파산 문제는 이 랜덤 워크가 위쪽 경계 N보다 아래쪽 경계 0에 먼저 닿을 확률을 계산하는 문제입니다.

승률 50%인 공정한 게임의 파산 확률

p = q = 1/2인 공정한 게임부터 살펴보겠습니다. 초기 자본이 i이고 목표 자본이 N일 때 목표 N에 먼저 도달할 확률은 i/N입니다. 반대로 자본 0에 먼저 닿아 파산할 확률은 1-i/N입니다.

목표 도달 확률 = i/N

파산 확률 = 1 - i/N = (N-i)/N

도박사가 10만 원, 카지노가 90만 원을 갖고 1만 원씩 주고받는다고 하겠습니다. 둘의 총자본은 100만 원이므로 1만 원을 한 단위로 잡으면 i = 10, N = 100입니다. 도박사가 카지노의 돈을 모두 가져가 목표 100에 도달할 확률은 10/100 = 10%입니다. 먼저 가진 돈을 모두 잃을 확률은 90%입니다. 매 판의 승률은 50%지만 전체 대결의 승률은 10%뿐입니다.

두 참가자의 초기 자본이 각각 50만 원이라면 i = 50, N = 100이므로 양쪽이 상대의 돈을 모두 가져갈 확률은 각각 50%입니다. 도박사가 10만 원이고 카지노가 990만 원이면 i = 10, N = 1,000입니다. 도박사의 최종 승리 확률은 1%, 파산 확률은 99%가 됩니다. 한 판의 공정성은 그대로지만 자본의 차이가 최종 흡수 확률을 바꿉니다.

도박사 초기 자본 i	전체 자본 N	목표 도달 확률 i/N	파산 확률 1-i/N
10	20	50%	50%
10	100	10%	90%
10	1,000	1%	99%
10	10,000	0.1%	99.9%

무한한 자본의 카지노를 상대하면 왜 결국 파산하나요?

카지노의 자본이 커질수록 전체 자본 N도 커집니다. 도박사의 초기 자본 i를 고정한 채 N을 계속 키우면 공정한 게임의 파산 확률 1-i/N에서 i/N은 0에 가까워집니다. N을 무한대로 보내는 극한은 다음과 같습니다.

lim(N→∞) [1 - i/N] = 1

카지노에 위쪽 자본 한계가 없고 도박사가 이익 목표 없이 계속한다면 위쪽에서 게임을 끝낼 경계가 사라집니다. 아래쪽에는 자본 0이라는 경계가 그대로 남습니다. 대칭적인 1차원 랜덤 워크는 시작점이 양의 정수여도 언젠가 0에 도달할 확률이 1입니다. 이것이 ‘유한한 자본의 도박사는 무한한 자본의 카지노를 상대로 결국 파산한다’는 명제의 정확한 수학적 뜻입니다.

확률 1은 정해진 횟수 안에 반드시 파산한다는 뜻이 아닙니다. 100판이나 1만 판을 치른 뒤에도 돈이 남아 있을 경로가 존재합니다. 다만 게임 횟수의 상한을 계속 늘렸을 때 그때까지 한 번도 파산하지 않을 확률이 0으로 수렴합니다. 확률론에서는 이런 사건을 ‘거의 확실하게(almost surely)’ 일어난다고 표현합니다. 논리적으로 모든 가능한 경로에서 파산한다는 뜻과는 구분해야 합니다.

한 판의 기대값이 0인데 파산 확률이 100%인 이유

공정한 게임에서 한 판의 기대손익은 (+1)×0.5 + (-1)×0.5 = 0입니다. 정해진 판수 n까지 게임을 할 수 있다면 그 시점의 기대자본도 처음 자본과 같습니다. 그러나 기대값이 유지된다는 사실은 파산 확률이 낮다는 뜻이 아닙니다. 기대값은 가능한 모든 결과에 그 확률을 곱해 합친 평균입니다.

유한한 목표 N을 둔 공정한 게임에서는 마지막 자본이 0 또는 N입니다. 목표에 도달할 확률이 i/N이므로 최종 기대자본은 0×(1-i/N) + N×(i/N) = i입니다. 대부분 파산하더라도 드물게 N에 도달한 경로의 큰 금액이 평균을 보전합니다. 예를 들어 i = 10, N = 1,000이면 99%는 0으로 끝나지만 1%는 1,000으로 끝나므로 평균은 여전히 10입니다.

N이 커질수록 성공 확률 i/N은 작아지고 성공했을 때의 금액 N은 커집니다. 무한 상한에서 파산 확률은 1이 되지만, 유한한 목표를 둔 각 모형의 기대자본은 i입니다. 파산 확률과 기대자본은 같은 통계량이 아니므로 두 결과는 모순되지 않습니다. 무한한 시간이나 무한한 상한이 들어간 문제에서는 유한한 경우의 기대값 계산을 아무 조건 없이 극한 뒤에 옮길 수 없습니다.

목표에 도달하거나 파산할 때까지 몇 판이 걸리나요?

상한 N과 하한 0이 모두 있는 공정한 게임에서 종료까지 걸리는 평균 판수는 i(N-i)입니다. 여기서 N-i는 처음 자본에서 목표까지 더 벌어야 하는 단위 수입니다.

공정한 게임의 평균 종료 판수 = i(N-i)

초기 자본 i	목표 N	파산 확률	평균 종료 판수
10	20	50%	10×10 = 100판
10	100	90%	10×90 = 900판
50	100	50%	50×50 = 2,500판
10	1,000	99%	10×990 = 9,900판

이 값은 평균이지 모든 게임의 길이가 아닙니다. 일부 경로는 몇 판 만에 끝나고 일부는 오랫동안 두 경계 사이를 오갑니다. 목표 N을 무한대로 보내 상한을 없앤 공정한 게임에서는 파산 확률이 1이지만 파산까지 걸리는 시간의 기댓값은 무한대입니다. 거의 모든 경로가 유한한 어느 시점에 파산하면서도, 매우 오래 지속되는 드문 경로가 평균을 끝없이 끌어올릴 수 있기 때문입니다.

승률이 50%가 아닐 때의 파산 확률 공식

한 판의 승리 확률 p와 패배 확률 q가 다르면 결과도 달라집니다. 초기 자본이 i이고 목표가 N일 때 목표 N에 먼저 도달할 확률은 다음과 같습니다.

p ≠ q일 때 목표 도달 확률 = [1-(q/p)^i] / [1-(q/p)^N]

파산 확률은 1에서 이 값을 빼면 됩니다. p와 q가 모두 양수이고 경계가 유한하면 언젠가 0 또는 N 중 하나에 도달할 확률은 1입니다. 승률이 조금만 달라져도 반복 횟수와 자본 규모가 커질수록 누적된 차이가 크게 나타납니다.

상한이 없는 무한 자본 상대를 생각하면 공식이 더 단순해집니다. p가 q보다 작거나 같으면, 즉 승률이 50% 이하이면 유한한 초기 자본에서 파산할 확률은 1입니다. p가 q보다 큰 유리한 게임에서는 파산 확률이 (q/p)^i입니다. 승률이 50%를 넘는다고 파산 가능성이 사라지는 것은 아닙니다. 다만 자본 i가 커질수록 그 확률이 지수적으로 작아집니다.

무한 상한에서: p ≤ 1/2이면 파산 확률 = 1, p > 1/2이면 파산 확률 = (q/p)^i

예를 들어 매번 1단위를 걸고 승리 확률이 51%, 패배 확률이 49%이며 초기 자본이 10단위라면 무한 상한에서 파산 확률은 (0.49/0.51)^10 ≈ 67.03%입니다. 게임이 도박사에게 유리해도 작은 초기 자본 때문에 연속 손실을 견디지 못할 가능성이 큽니다. 같은 조건에서 초기 자본이 100단위라면 파산 확률은 약 1.83%로 낮아집니다.

연패가 파산에 미치는 영향

공정한 동전 던지기에서 특정 시점부터 k번 연속 패배할 확률은 (1/2)^k입니다. 10연패의 확률은 1/1,024로 약 0.0977%입니다. 한 번의 짧은 구간만 보면 낮은 확률이지만 게임을 제한 없이 반복하면 여러 위치에서 연패가 시작될 기회도 계속 생깁니다. 유한한 자본은 충분히 긴 손실 구간을 버틸 수 없습니다.

파산은 반드시 처음부터 i번 연속으로 져야만 일어나는 사건이 아닙니다. 이기고 지는 과정을 반복하다가 자본이 낮아진 뒤 짧은 연패를 만나도 0에 도달합니다. 따라서 최초 i판을 모두 질 확률인 (1/2)^i는 전체 파산 확률이 아닙니다. 가능한 모든 경로를 합쳐야 하며, 무한히 계속하는 공정한 게임에서는 그 합이 1이 됩니다.

베팅액을 두 배로 늘리면 파산을 피할 수 있나요?

패배할 때마다 다음 베팅액을 두 배로 늘리는 방식은 흔히 마틴게일 베팅법이라고 불립니다. 첫 베팅이 1단위라면 k연패 뒤까지 필요한 누적 자본은 1+2+4+…+2^(k-1) = 2^k-1단위입니다. 10연패를 견디려면 1,023단위, 20연패를 견디려면 1,048,575단위가 필요합니다. 필요한 자본이 연패 길이에 따라 지수적으로 늘어납니다.

유한한 자본과 최대 베팅 한도가 있으면 어느 시점에는 더 이상 두 배로 걸 수 없습니다. 베팅 순서를 바꾸는 것만으로 한 판의 기대값이나 게임 규칙이 바뀌지는 않습니다. 마틴게일 베팅법은 작은 이익이 자주 나타나는 대신 드문 긴 연패에서 큰 손실이 발생하는 분포를 만들며, 무한한 자본을 전제로 하지 않는 한 손실 가능성을 제거하지 못합니다.

현실의 카지노와 고전 모형은 어떻게 다른가요?

고전적인 도박사의 파산 모형은 원리를 분명하게 보여 주기 위해 조건을 단순화합니다. 실제 게임에는 여러 결과와 서로 다른 배당률, 최소·최대 베팅액, 수수료와 하우스 엣지가 있을 수 있습니다. 한 판에서 잃는 금액과 얻는 금액이 같지 않다면 승률만으로 공정성을 판단할 수도 없습니다. 기대손익은 각 결과의 확률과 순손익을 모두 곱해 계산해야 합니다.

카지노의 자본도 현실에서는 유한하지만 개인 참가자보다 매우 크다면 유한 상한 공식에서 N이 큰 상황으로 근사할 수 있습니다. 반대로 참가자가 이익 목표, 손실 한도 또는 게임 횟수를 정하면 무한 반복 모형의 파산 확률 1을 그대로 적용할 수 없습니다. 그때는 정해진 상한과 하한, 종료 시점에 맞는 유한 모형을 사용해야 합니다.

판마다 결과가 독립적인지 확인해야 합니다.
승리 확률뿐 아니라 승리·패배 시 실제 순손익을 확인해야 합니다.
베팅 단위가 고정인지 자본에 따라 변하는지 구분해야 합니다.
파산, 목표 금액, 횟수 제한 중 어떤 조건에서 멈추는지 정해야 합니다.
상대 자본이 유한한지 사실상 무한한지 구분해야 합니다.

도박사의 파산 문제가 활용되는 분야

도박사의 파산 문제는 도박만 설명하는 공식이 아닙니다. 자산이나 개체 수가 위아래로 움직이다가 경계에 처음 도달하는 현상을 분석하는 기본 모형입니다. 확률론에서는 첫 도달시간과 흡수 마르코프 연쇄를 배우는 대표 사례로 사용합니다.

보험수리에서는 보험회사의 준비금이 보험료 수입으로 늘고 보험금 지급으로 줄다가 0 아래로 내려갈 위험을 파산 확률로 연구합니다. 이 분야의 연속시간·연속금액 모형은 고전적인 ±1 랜덤 워크보다 복잡하지만, 유한한 준비금이 손실 과정의 경계에 닿을 가능성을 계산한다는 구조는 이어집니다.

생태학과 집단유전학에서도 개체 수나 대립유전자 빈도가 0에 도달하는 소멸·고정 문제에 흡수 경계 모형을 사용합니다. 통신과 대기행렬에서는 버퍼의 데이터 양이 0 또는 최대 용량에 닿는 확률을 분석할 수 있습니다. 분야마다 전이 확률과 이동 폭은 달라지므로 고전 공식을 그대로 쓰기보다 해당 과정에 맞는 모형을 세워야 합니다.

도박사의 파산 문제에서 자주 생기는 오해

승률이 50%면 장기적으로 본전 아닌가요?

정해진 판수에서의 기대손익은 0일 수 있습니다. 그러나 파산하면 더 이상 다음 판에 참여할 수 없습니다. 유한한 자본과 흡수 경계를 포함한 ‘언젠가 파산할 확률’은 한 판의 기대값과 다른 지표입니다.

한 번 크게 이기면 파산 확률이 사라지나요?

자본이 늘어나면 파산 확률은 낮아질 수 있지만 유한한 양의 자본이라면 공정한 무한 반복 모형의 최종 파산 확률은 여전히 1입니다. 유리한 게임에서 p > 1/2일 때는 파산 확률이 (q/p)^i로 낮아지지만 0은 아닙니다.

손실 뒤에는 승리할 차례가 오지 않나요?

각 판이 독립이라면 과거의 연패는 다음 판의 승리 확률을 높이지 않습니다. 공정한 동전 게임에서 앞선 결과와 관계없이 다음 판의 승리 확률은 50%입니다. 손실이 이어졌으니 곧 이길 것이라고 보는 판단은 도박사의 오류에 해당합니다.

파산 확률 100%라면 모든 사람이 같은 시점에 파산하나요?

아닙니다. 파산 시점은 경로마다 다릅니다. 무한 상한의 공정한 게임에서는 파산 확률이 1이면서 평균 파산 시간이 무한대입니다. 결과가 거의 확실히 발생하는지와 발생까지 걸리는 평균 시간이 유한한지는 별개의 문제입니다.

목표 금액에 도달하면 멈추는 전략은 승리 확률을 높이나요?

공정한 ±1 게임에서 초기 자본 i와 목표 N이 정해져 있으면 목표 도달 확률은 i/N입니다. 더 낮은 목표를 정하면 그 목표에 닿을 확률은 높아지지만 얻을 수 있는 최대 이익도 작아집니다. 종료 규칙은 성공 확률과 결과의 크기를 함께 바꾸며, 공정한 게임 자체를 양의 기대값 게임으로 바꾸지는 않습니다.

결론: 50% 승률과 100% 파산 확률은 모순이 아닙니다

도박사의 파산 문제는 다음 한 판의 승률과 전체 자본 경로의 생존 확률이 다르다는 사실을 보여 줍니다. 공정한 게임에서 초기 자본 i로 목표 N에 도달할 확률은 i/N이고, 먼저 파산할 확률은 1-i/N입니다. 초기 자본을 고정한 채 상대 자본과 목표 N을 무한히 키우면 파산 확률은 1로 수렴합니다.

이 결론은 고정 단위 베팅, 독립 시행, 동등한 손익, 무한 반복이라는 조건에서 성립합니다. 유한한 게임 횟수나 이익 목표가 있으면 그 조건에 맞는 별도의 확률을 계산해야 합니다. 승률이 50%보다 낮다면 무한 반복의 파산 확률은 역시 1이고, 승률이 50%보다 높더라도 유한한 초기 자본에서는 파산 가능성이 남습니다.

따라서 게임의 위험을 판단할 때 승률 하나만 보면 충분하지 않습니다. 초기 자본, 베팅 단위, 손익 비율, 목표 금액, 중단 조건과 상대 자본을 함께 봐야 합니다. 도박사의 파산 공식은 공정한 한 판이 유한 자본의 장기 생존까지 보장하지 않는 이유를 정확하게 계산해 줍니다.