일본 LOTO6 빈도 휴리스틱의 외부 타당도: 1,850회 walk-forward 검증과 확률 분모 감사
복권의 누적 빈도, 최근 hot number와 overdue score는 기술통계이지만 다음 회차 예측이 되려면 시간 외 검증과 확률 사건 정의가 추가로 필요하다. 본 연구는 2025-11-11에 저장된 일본 LOTO6 예측 보고서와 제2,050회까지의 2,050개 추첨 스냅숏을 감사했다. 공식 제2,089회 번호별 집계와의 차이는 이후 39회×6개와 정확히 일치했고, 중복 날짜 한 건은 번호열이 아닌 제1,619회의 날짜 오기로 확인됐다. 비복원 k/N 구조를 보정한 주변빈도 χ²는 28.564(df=42, p=0.9435)였고 43개 개별 번호는 Bonferroni 기준을 넘지 않았다. 첫 200회 뒤 1,850회 expanding-origin에서 열 정책에 회차당 한 장을 배정했다. 저장된 40/35/25와 50/30/20 정책의 평균 적중은 각각 0.8405(p=0.8573)와 0.8373(p=0.9962)로 균등 기대 0.8372와 구별되지 않았다. 표본 최고는 고정 1–6(0.8627, p=0.1687)이었고, 첫 절반 최고 최근30회 hot은 확인 절반에서 하락해 사후 전략 선택의 불안정을 드러냈다. 날짜 고정 다섯 조합의 28·28·24·15·5%는 합계 100%지만, 정확한 1등 사건으로는 상호배타적이되 전체 6,096,454개 결과를 포괄하지 않아 확률 라벨로 평가할 분모가 없다. 기여는 무작위성의 증명이 아니라 분포 적합도, 시간 외 예측력과 확률 의미를 독립적인 세 계약으로 닫는 재현 가능한 음성 결과다.
빈도표에서 예측으로 건너가는 순간
LOTO6의 누적 출현 횟수, 최근 30·50·100회 빈도와 ‘오래 나오지 않은 번호’는 모두 과거를 정확히 요약할 수 있다. 그러나 다음 회차 예측이라는 문장이 붙는 순간 세 가지 별도 계약이 필요하다. 분포 계약 은 관측 빈도가 선택한 귀무모형과 일치하는지를 묻고, 시간 계약 은 각 표가 오직 목표 회차 이전 자료로 만들어졌는지를 묻고, 분모 계약 은 28% 같은 라벨이 정확히 어떤 상호배타·포괄 사건에 대한 확률인지를 묻는다. 하나의 계약을 통과해도 나머지 둘을 자동으로 통과하지 않는다.
본 연구는 2025-11-11에 저장된 예측 보고서와 제2,050회까지의 2,050개 추첨 스냅숏을 사례로 이 세 계약을 닫는다. 보고서의 두 점수식, 최근-window hot, 누적 hot, overdue, 구간 균형과 두 음성대조 정책을 동일 비용으로 재구현해 첫 200회를 학습 구간으로 두고 나머지 1,850회를 expanding-origin으로 평가했다. 매 목표 회차의 티켓은 직전까지의 자료만 본다. [[cite:localData,localReport,localAnalysis,localPredict,localGenerate,tashman]]
주요 결론은 ‘LOTO6가 완전히 무작위임을 증명했다’가 아니다. 2,050회 스냅숏의 번호별 주변분포에서 보정 후 이상을 검출하지 못했고, 사전 정의한 열 개 정책 가운데 어느 것도 1,850회 순차검증에서 균등 선택 기준보다 유의하게 높은 평균 적중 수를 보이지 않았다. 물리 장치의 독립성·교체 이력·조건부 편향은 이 자료만으로 식별할 수 없다. [[cite:coronel,nist]]
자료 계보와 외부 대조
공식 규칙상 LOTO6는 1부터 43까지 서로 다른 6개 본숫자를 고르며, 월·목요일에 전동 교반식 원심력형 기계로 추첨한다. 한 정확한 6개 조합의 균등 귀무확률은 1/6,096,454다. 공식 페이지가 장치 유형을 설명한다고 해서 모든 회차의 기계적 동일성·독립성이 증명되는 것은 아니므로, 분석 귀무모형과 운영 공정성 주장을 분리했다. [[cite:mizuho]]
공식 제2,089회 집계와 스냅숏의 번호별 빈도를 비교하자 총 증가량은 234개로, 이후 39회×6개와 정확히 일치했고 모든 번호의 증가량이 비음수였다. 이는 저장된 본숫자 열의 강한 집계 연속성 검사지만 2,050개 행 각각의 원본 인증은 아니다. 공식·공개 결과는 중복 날짜 두 행이 실제로 서로 다른 제1,618·1,619회이며 두 번째 날짜만 2021-09-09로 고쳐야 함을 보여 준다. 분석은 파일의 순서를 사용했으므로 날짜 라벨 수정은 정책 입력 순서를 바꾸지 않는다. [[cite:officialFreq,rakutenSep]]
보수적으로 두 행 중 하나를 제거하는 감도분석에서도 40/35/25 정책 평균은 0.839–0.842, 50/30/20 정책은 0.836–0.838이었다. 실제로는 두 회차 모두 유효하므로 제거가 정답은 아니며, 이 범위는 단일 기록 오류가 결론을 지배하지 않는지만 확인한다.
세 계약의 검정 설계
분포 계약. 한 회차에서 43개 중 6개를 비복원 선택하므로 번호별 지시변수는 서로 음의 상관을 갖는다. 43개 빈도를 독립 multinomial처럼 취급하지 않고 raw Pearson 합을 유한모집단 계수 37/42로 나눠 자유도 42의 근사 χ²와 비교했다. 각 번호의 이항 포함 z 검정은 43회 Bonferroni 기준 0.05/43과 함께 보고했다. 이 검정은 주변 포함확률만 보며 회차 간 독립이나 특정 조합 상호작용을 완전히 시험하지 않는다. [[cite:coronel,bonferroni]]
P(K=k) = C(6,k)C(37,6-k) / C(43,6), E[K] = 36/43 = 0.837209
시간 계약. 첫 200회를 최소 학습으로 고정하고 회차 201부터 2,050까지 각 시점에 한 장의 6개 티켓을 생성했다. 목표 회차는 점수 계산 뒤에만 공개된다. 모든 정책은 회차당 한 장이라는 같은 비용을 받았다. 평균 적중 수, 20회 블록으로 재표집한 95% 구간, 균등 귀무의 hypergeometric 분산을 사용한 근사 양측 p를 보고했다. 5,000개 무작위 정책 시퀀스는 우연한 정책 간 범위를, 925/925 분할은 첫 절반에서 고른 승자의 다음 절반 이동을 보여 준다. [[cite:tashman,white,bailey]]
분모 계약. 정확한 조합, ‘3개 이상 적중’, 추천 비중과 다음 회차 확률은 서로 다른 사건이다. 확률 라벨을 평가하려면 모든 가능한 결과에 대한 분포 또는 명시된 사건과 proper score가 필요하다. 본 연구는 원 보고서의 28·28·24·15·5%를 임의로 확률로 재해석하지 않고, 합계와 사건 포괄성만 감사했다. [[cite:gneiting,localReport]]
주변 빈도는 이상을 검출하지 못했다
2,050회에서 번호 하나의 기대 출현은 286.047회였다. 최소는 9번 252회(z=-2.17, 개별 p=0.030), 최대는 6번 314회(z=1.78, p=0.075)였다. 43개 동시 Bonferroni 기준 0.0012를 넘긴 번호는 없었다.
raw Pearson 합은 25.163, 비복원 보정값은 28.564(df=42, 근사 p=0.9435)였다. 높은 p는 ‘완벽히 공정’이라는 사후확률이 아니라, 선택한 주변빈도 통계가 이 스냅숏에서 균등 포함 귀무와 충돌하지 않았다는 뜻이다. 다른 복권에서는 실제 이상 기간이 발견됐고 통계 검정만으로 물리 생성과정을 인증할 수 없다. [[cite:coronel,nist]]
1,850회 순차검증에서 이동한 것은 순위였다
저장된 40/35/25 정책은 평균 0.841(95% block 구간 0.802–0.879, p=0.857), 50/30/20 정책은 0.837(p=0.996)였다. 균등 기대 0.837와 구별되지 않는다. 5·6개 적중은 어떤 정책에서도 없었고 최대는 4개였다.
흥미롭게도 고정 1–6은 평균 0.863으로 열 정책 중 가장 높았다. 그러나 p=0.169, 5,000개 무작위 정책 중 91.8백분위에 불과하다. 무작위 정책 평균의 95% 중앙 범위도 0.801–0.873이었다. 이 음성대조의 ‘승리’는 빈도표에서 우연한 최고 전략을 골라 서사를 붙이는 위험을 가시화한다. [[cite:white,bailey]]
첫 절반의 승자는 다음 절반의 승자가 아니었다
선택 절반 최고는 최근30회 hot(0.852)이었지만 같은 정책은 확인 절반에서 0.813으로 내려갔다. 확인 절반 자체의 최고는 overdue(0.851)였다. 이는 어느 한 전략이 실패했다는 것보다 어느 구간을 보고 전략을 골랐는가 가 승자를 바꾼다는 결과다. 첫 절반과 둘째 절반의 최고를 각각 사후 선택해 나열하면 둘 다 그럴듯해 보이지만, 동일 정책의 이동을 보면 지속성이 없다. [[cite:white,bailey]]
원 보고서는 제2,048–2,050회를 ‘검증’ 사례로 제시했지만 이 회차들은 그 보고서가 누적·최근 빈도를 계산한 입력에도 들어 있었다. 이는 코드 버그가 아니라 평가 경계의 문제다. 과거 적합도나 방금 본 세 회차를 설명하는 점수는 다음 회차 예측력을 측정하지 않는다. 본 연구의 1,850회 expanding-origin은 이 경계를 모든 회차에서 동일하게 적용한다. [[cite:localReport,tashman]]
28%라는 숫자에는 사건과 분모가 필요하다
날짜가 고정된 보고서는 제2,051회에 다섯 정확한 조합을 제시했다. 실제 본숫자 3·15·27·28·31·39와 비교하면 네 조합은 0개, 한 조합은 28 하나만 맞았고 1등 조합은 없었다. 그러나 단 한 회차는 장기 예측력을 승인하거나 반증하기에 지나치게 작다. 이 사례의 더 중요한 용도는 사후 결과가 아니라 사전 라벨의 의미를 감사하는 것이다. [[cite:localReport,rakutenNov]]
다섯 라벨은 합계 100%다. 다섯 정확한 1등 사건은 서로 상호배타적이지만 6,096,454개 가능한 정확한 조합 중 다섯 개뿐이므로 포괄적이지 않다. 균등 귀무에서 각 정확한 조합의 1등 확률은 0.000016403%, 서로 다른 다섯 장 중 하나가 1등일 확률은 0.000082015%다. 따라서 28%가 ‘추천 예산 비중’이면 확률이 아니라고 명시해야 하고, ‘다음 조합일 확률’이면 나머지 6,096,449개 조합에 대한 질량과 평가 규칙이 필요하다. [[cite:gneiting]]
이 구분은 숫자를 보수적으로 낮추라는 요구가 아니다. 같은 28%라도 선택 비중, 신뢰등급, 3개 이상 적중 사건, 정확한 6개 일치 사건은 서로 다른 예측 대상이다. 사건을 선언하지 않으면 결과가 나온 뒤 어느 의미로도 재해석할 수 있어 검증이 불가능해진다.
반대 증거를 포함한 해석
이번 결과를 ‘cold-number 전략은 언제나 실패한다’로 일반화해서는 안 된다. Chen 등은 다른 복권과 평가 설정에서 hot·cold·random의 전체 차이가 크지 않으면서도 더 긴 자료에서 낮은 빈도 번호에 작은 개선을 보고했다. 반면 이번 LOTO6 overdue 정책은 전체 평균 0.828로 균등 기대보다 낮았고, 확인 절반에서만 0.851로 최고였다. 차이는 대상 게임·기간·정책 정의·보상함수 또는 우연에서 올 수 있으며, 특정 회차 구간의 승리를 보편 법칙으로 바꾸지 않는 것이 공통 교훈이다. [[cite:chen]]
또한 다른 실제 복권의 통계 감사는 이상 기간을 발견했다. 그러므로 한 LOTO6 스냅숏의 높은 주변빈도 p를 모든 복권이 공정하다는 증거로 사용할 수 없다. 반대로 타 복권의 이상을 LOTO6 예측 가능성으로 옮길 수도 없다. 기계·공 세트·운영 변경 메타데이터가 없으면 ‘어느 과정이 언제 바뀌었는가’를 이 번호열만으로 식별하기 어렵다. [[cite:coronel,nist]]
플레이어가 번호를 고르는 과정은 추첨과 별개로 확실히 비균등할 수 있다. 추첨 직후 번호 회피, 생일 숫자 선호, 낮은·높은 범위 분산이 실제 선택 자료에서 관찰됐다. 이 행동은 hot·overdue 점수의 심리적 설득력을 설명하지만 기계가 그 패턴을 보상한다는 증거가 아니다. 다만 당첨금이 공동 당첨자 수에 따라 나뉘는 효용 분석이라면 ‘당첨 확률’과 ‘다른 사람이 덜 고르는 조합’은 다시 구분해야 한다. 이번 연구는 당첨금 효용을 분석하지 않았다. [[cite:clotfelter,wang,mizuho]]
한계와 재현 경계
재현 묶음은 결정적 seed 20260710을 사용한다. 핵심 파일 SHA-256은 분석 스크립트 c872640dbf7a5e25…, 결과 JSON a1cd6f612646666c…, 정책 요약 CSV 5e4ddffe22138e26…, 회차별 CSV b611b36006e048f5…, 외부 대조 JSON e53544993ce653cc…이다. 공개 논문에는 로컬 경로·자격증명·개인 식별정보를 포함하지 않았다.
본 연구는 통계·예측 검증 교육을 위한 감사이며 구매 권고가 아니다. 검출 실패는 미래 수익의 보증도, 물리 추첨의 인증도 아니다.
결론
2,050회 LOTO6 기록에서 누적·최근·지연 빈도는 풍부한 기술통계를 만들었지만, 다음 회차로 이동하는 신호는 확인되지 않았다. 1,850회 누출 없는 순차검증에서 저장된 40/35/25와 50/30/20 정책은 각각 평균 0.841과 0.837개를 맞혀 균등 기대 0.837과 구별되지 않았다. 사후 최고는 고정 1–6이었고, 첫 925회 최고 최근30회 hot은 다음 925회에서 하락했다. 이 두 결과는 패턴의 부재보다 선택 후 서사의 위험을 더 직접적으로 보여 준다.
따라서 복권 예측 주장을 평가하는 최소 단위는 빈도표가 아니라 세 계약이다. 번호 분포 검정은 비복원 구조와 다중 비교를 보존하고, 예측 검정은 모든 목표 시점에서 과거만 사용하며 같은 비용의 대조군을 둔다. 확률 라벨은 사건·분모·평가 규칙을 선언한다. 이 세 항을 닫으면 결과가 양성이든 음성이든 반증 가능하고, 닫지 않으면 정확한 기술통계도 예측 증거가 되지 못한다.