출현률 100%보다 먼저,
몇 회 중 몇 회인지 보세요.

화면의 네 숫자는 서로 다른 질문에 답합니다.

관심 필터 종합 분석의 AI 진단은 현재 공통 후보 또는 전체 후보와 과거 기록을 비교합니다. 한 카드 안에 여러 숫자가 붙어 있어도 계산 대상과 단위가 다릅니다.

따라서 “같은 개수 8회”를 “같은 번호가 8개”로 읽거나, “출현률 75%”를 “후보 번호마다 75% 확률”로 읽으면 안 됩니다.

같은 개수 통계는 이렇게 계산합니다.

먼저 현재 후보 수와 정확히 같은 과거 확정 회차만 고릅니다. 각 회차에서 후보 집합과 실제 당첨번호 6개의 겹친 개수를 구한 뒤 다음 값을 계산합니다.

평균 포함수의 분모에는 포함수가 0인 회차도 들어갑니다. 0을 빼고 적중 회차만 평균내면 화면의 평균 포함수와 다른 값이 됩니다.

8회 표본을 직접 계산해 봅니다.

현재 공통 후보가 10개이고, 과거에 10개였던 확정 회차의 포함수가 아래와 같다고 가정합니다.

• 같은 개수 기록: 후보가 10개였던 표본은 8회입니다.
• 출현 회차: 0보다 큰 값이 6개이므로 6회입니다.
• 출현률: 6 ÷ 8 × 100 = 75%입니다.
• 평균 포함수: (0+1+2+0+3+1+2+3) ÷ 8 = 1.50개입니다.
• 최고 포함: 최대 3개이며 두 회차에서 관찰됐습니다.

75%는 “10개 후보 중 하나 이상이 포함된 과거 표본의 비율”입니다. 10개 후보 각각이 75%의 가능성을 가진다는 뜻도, 다음 회차에 75%로 나온다는 뜻도 아닙니다.

후보가 많을수록 출현률은 원래 높아집니다.

출현률은 ‘하나 이상 포함’만 확인하므로 후보 수의 영향을 크게 받습니다. 45개 중 n개를 무작위로 고른 후보 집합이 당첨번호를 하나 이상 포함할 확률은 다음 기준선으로 계산할 수 있습니다.

이 표는 분석 성능을 평가한 결과가 아니라 후보 크기 효과를 이해하기 위한 수학적 기준선입니다. 예를 들어 24수 후보군의 ‘1개 이상 출현률’이 높게 보이는 것은 상당 부분 후보가 넓기 때문입니다. 후보 수가 다른 두 결과의 출현률과 평균 포함수를 그대로 순위화해서는 안 됩니다.

작은 표본의 100%는 한 회차만으로 크게 흔들립니다.

비율은 분자뿐 아니라 분모에 따라 안정성이 달라집니다. 현재까지 전부 출현한 기록에 미출현 회차 하나가 추가됐을 때 변화를 비교하면 작은 표본의 착시가 분명해집니다.

같은 100%라도 4/4와 20/20은 정보량이 다릅니다. 프로그램은 정확히 같은 후보 개수 사례가 5회 미만이면 후보 수가 ±1개인 비슷한 사례를 보조로 보여주며, 정확한 표본이 적다는 안내를 함께 표시합니다.

‘같은 개수’와 ‘비슷한 개수’를 섞어 읽지 않습니다.

세 통계는 표본을 고르는 기준이 다릅니다. 비슷한 개수 출현률이 정확히 같은 개수 출현률보다 높다고 해서 현재 후보가 더 강해졌다는 뜻은 아닙니다.

후보 개수 리듬은 성능이 아니라 상태 설명입니다.

황금대운은 현재 후보 수를 최근 30회의 평균 후보 수와 비교해 후보 수 넓어짐, 후보 수 급감, 평소 범위 같은 상태를 설명합니다. 현재 후보 수가 최근 평균과 2개 이상 또는 최근 평균의 25% 이상 차이 날 때 넓어짐·급감 안내가 나타날 수 있습니다.

이 라벨은 현재 후보 폭을 설명하는 도구이며 다음 회차의 강세·약세 예측이 아닙니다.

실제 30회 검증에서도 단독 재정렬 효과는 일관되지 않았습니다.

이루다의 관심필터 검증은 1207~1236회차 30개 확정 회차를 대상으로 기존 추천 순위와 같은 개수 지표를 이용한 보조 재정렬을 비교했습니다. 고출현 영역의 상위 5개 묶음 사례에서는 기존 순위가 평균 후보 10.67수에 평균 3.40개를 포함했지만, 같은 개수 지표 재정렬은 평균 후보 10.40수에 평균 3.13개로 낮아졌습니다.

다른 조건에서는 소폭 개선된 사례도 있어 결과가 한 방향으로 일관되지 않았습니다. 이 검증은 같은 개수 지표가 무가치하다는 뜻이 아니라, 기존 영역 선택과 추천 순위를 뒤집는 단독 기준보다 후보 수가 비슷한 묶음 사이의 보조 판단 기준으로 사용하는 편이 안전하다는 뜻입니다.

AI 진단은 이 순서로 읽습니다.

1. 분석 대상 확인전체 후보인지 공통 후보인지, 공통 기준이 몇 개 이상인지 봅니다.
2. 현재 후보 수 확인최근 30회 평균 후보 수보다 넓거나 좁은지 확인합니다.
3. 같은 개수 기록 확인비율보다 먼저 정확한 과거 표본이 몇 회인지 봅니다.
4. 출현률과 평균 포함수 함께 보기하나 이상 포함된 빈도와 포함 개수의 크기를 분리합니다.
5. 최고 포함의 반복 확인한 번의 극단값이 평균을 끌어올린 것은 아닌지 봅니다.
6. 15·30·50회 흐름 비교같은 개수 표본과 시간 구간 통계를 구분해 방향이 일치하는지 확인합니다.
7. 원래 추천 근거 유지같은 개수 지표만으로 영역·필터·추천 순위를 전부 다시 정하지 않습니다.

카페·블로그에는 분모까지 적습니다.

• 출현률 옆에 반드시 출현 회차/전체 표본을 적습니다.
• 현재 후보 수와 정확히 같은 표본인지, ±1개 보조 표본인지 구분합니다.
• 평균 포함수에 0회차가 포함되었는지 계산 기준을 적습니다.
• 후보 수가 다른 결과끼리 출현률·평균 포함수를 직접 비교하지 않습니다.
• 검증 기간, 기준 회차와 공통 기준을 함께 기록합니다.
• AI라는 이름을 미래 예측이나 당첨 보장의 근거로 사용하지 않습니다.

저장하기 전 10초 점검