• SEARCH

    통합검색
세모계
    • Dark Mode
    • GNB Always Open
    • GNB Height Maximize
    • Color
    • Brightness
    • SINCE 2015.01.19.
    • 세모계 세모계
    •   SEARCH
    • 세상의 모든 계산기
      • 자유(질문) 게시판
      • 계산기 뉴스/정보
      • 수학, 과학, 공학 이야기
      • 세모계 : 공지 게시판
        • 구글 맞춤검색
    • TI
    • CASIO
    • HP
    • SHARP
    • 일반(쌀집) 계산기
    • 기타계산기
    • by OrangeDay
  • 세상의 모든 계산기 수학, 과학, 공학 이야기
    • 세상의 모든 계산기 수학, 과학, 공학 이야기 기타 ()
    • Elo Rating System 이란?

    • Profile
      • 세상의모든계산기
      • 2017.11.17 - 19:31 2016.03.29 - 13:42 3702 3

    1. 정의

    승/패로 나뉘는 시합에 있어서, 선수의 실력을 (승/패, 승률에 따라) 점수화하여 순위를 매기는 방식.


    https://en.wikipedia.org/wiki/Elo_rating_system


    https://namu.wiki/w/Elo%20%EB%A0%88%EC%9D%B4%ED%8C%85

     

    2. 특징

    1. 이기면 레이팅이 오른다.
      레이팅이 자기보다 높은 사람에게 이기면 확 오른다. 
      레이팅이 자기보다 낮은 사람에게 이기면 조금 오른다.
    2. 지면 레이팅이 떨어진다. 
      레이팅이 자기보다 높은 사람에게 지면 조금 떨어진다. 
      레이팅이 자기보다 낮은 사람에게 지면 많이 떨어진다. 
    3. 이기고 레이팅이 떨어진다거나, 지고 레이팅이 올라간다거나 하는 일은 절대 없음!

    1. 레이팅을 기반으로 플레이어간 상대 승률을 추정할 수 있다. 
      TI-Nspire CAS Student Software_2017-10-20_17-24-37.png​​​

     

    경기 결과에 따른 레이팅 변화 

    R_{A}^{\prime }=R_{A}+K(S_{A}-E_{A}).
    ㄴ Ra :  기존 레이팅
    ㄴ K : factor
    ㄴ Sa : 실제 획득 점수 (승=1, 무승부=0.5, 패=0)
    ㄴ Ea : 기대 획득 점수 (=Elo 기반 승률)


    512px-Elo_rating_graph.svg.png
    <검은 색 곡선은 y축_좌 승률, 브라운(K=32)과 레드(K=16) 곡선은 y축_우 점수변공>

    Graphs of probabilities and Elo rating changes (for K=16 and 32) of expected outcome (solid curve) and unexpected outcome (dotted curve) vs initial rating difference For example, player A starts with a 1400 rating and B with 1800 in a tournament using K = 32 (brown curves). The blue dash-dot line denotes the initial rating difference of 400 (1800 - 1400). The probability of B winning, the expected outcome, is 0.91 (intersection of black solid curve and blue line); if this happens, A's rating decreases by 3 (intersection of brown solid curve and blue line) to 1397 and B's increases by the same amount to 1803. Conversely, the probability of A winning, the unexpected outcome, is 0.09 (intersection of black dotted curve and blue line); if this happens, A's rating increases by 29 (intersection of brown dotted curve and blue line) to 1429 and B's decreases by the same amount to 1771.

    • 플레이어 A = 1400, 플레이어 B = 1800, 점수(rating)차이 400.
    • K=32 인 것으로 계산시
      B가 이기면 Expected 해당 (확률 0.91 = 91%)
      A 점수 3점 깍임 = 1400 - 3 = 1397
      B 점수 3점 오름 = 1800 + 3 = 1803

      A가 이기면 Unexpected 해당 (확률 0.09 = 9%)
      A 점수 = 1400 + 29 = 1429
      B 점수 = 1800 - 29 = 1771

     

    3. 장/단점

    장점

    • 가장 현실적인 비교수단이다

    단점

    • rating 인플레이션(디플레이션)이 있을 수 있다? (논란 있음) 논문, 링크1, 링크2
    • A vs B 와 B vs C 의 승률을 통해 예측한 A vs C 의 승률이 항상 맞는 것은 아니다.
    Attached file
    빅-32p.png 5.6KB 62TI-Nspire CAS Student Software_2017-10-20_17-24-37.png 7.3KB 85
    이 게시물을..
    N
    0
    0
    • 세상의모든계산기 25
      세상의모든계산기

      계산기는 거들 뿐
      혹은
      계산기를 거들 뿐

    세상의모든계산기 님의 최근 글

    미래 AI의 세 번째 임계점: '자율 AI 에이전트'와 '효율성'의 만남 14 2025 11.06 AI 발전의 두 번째 임계점: LLM과 창발적 능력의 시대. written by gemini-2.5 15 2025 11.06 AI 발전의 첫 번째 임계점: GPU와 딥러닝 혁명. written by gemini-2.5 15 2025 11.06 적록 색약 보정 렌즈(안경) 를 컴퓨터로 시뮬레이션 해본다면? 102 7 2025 11.04 [ticalc.org 펌] Gamma & Zeta function +more. 감마 제타 함수 외 132 2 2025 10.29

    세상의모든계산기 님의 최근 댓글

    HP-39gII 에 ExistOS 설치하기 https://allcalc.org/38526   2025 11.07   1. 왜 검은색이 아닌 다른 색으로 보일까? (제공된 LUT 필터)     제가 제공해 드린 magenta_lens.cube LUT 필터는 540~560nm(녹색-노란색) 파장대의 색상을 '완전히 제거(검은색으로   만듦)'하는 대신, '다른 색상으로 왜곡/변환'하도록 설계되었습니다.    * 원리: LUT(Look-Up Table)는 특정 입력 색상(Input RGB)을 미리 정해진 다른 출력 색상(Output RGB)으로 매핑하는      테이블입니다. 이 LUT는 540~560nm에 해당하는 RGB 값들이 들어오면, 검은색(0, 0, 0)이 아닌, 매우 어둡거나 채도가      낮은 특정 색(예: 어두운 올리브색, 갈색 등)으로 변환하라고 지시합니다.    * 의도:        * 현실적인 물리 필터 시뮬레이션: 실제 고가의 색약 보정 안경도 특정 파장을 100% 완벽하게 차단하지는 못합니다.          빛의 일부를 흡수하고 일부는 통과시키거나 변환하는데, 이 LUT는 그러한 현실 세계의 필터 효과를 더 비슷하게          흉내 냈을 수 있습니다.        * 시각적 정보 유지: 특정 색을 완전히 검게 만들면 그 부분의 형태나 질감 정보가 완전히 사라집니다. 하지만 다른          어두운 색으로 대체하면, 색상 정보는 왜곡되더라도 밝기나 형태 정보는 어느 정도 유지되어 전체적인 이미지가 덜           어색하게 보일 수 있습니다.   결론적으로, 스펙트럼 그림에서 해당 대역의 색이 갑자기 '다른 색으로 툭 바뀌는' 현상은, LUT 필터가 "이 파장대의   색은 앞으로 이 색으로 표시해!"라고 강제적으로 지시한 결과이며, 이것이 바로 이 필터가 작동하는 방식 그   자체입니다.     2. 왜 'Color Vision Helper' 앱은 검은색으로 보일까?     비교하신 'Color Vision Helper' 앱은 노치 필터의 원리를 더 이상적(Ideal)이고 교과서적으로 구현했을 가능성이   높습니다.    * 원리: "L-콘과 M-콘의 신호가 겹치는 540~560nm 파장의 빛은 '완전히 차단'되어야 한다"는 개념에 매우 충실한      방식입니다.    * 구현: 따라서 해당 파장에 해당하는 색상 정보가 들어오면, 어떠한 타협도 없이 그냥 '검은색(RGB 0, 0, 0)'으로      처리해 버립니다. 이는 "이 파장의 빛은 존재하지 않는 것으로 처리하겠다"는 가장 강력하고 직접적인 표현입니다. 2025 11.06 적용사례 4 - 파장 스펙트럼 https://news.samsungdisplay.com/26683   ㄴ (좌) 연속되는 그라데이션 ➡️ (우) 540 이하 | 구분되는 층(색) | 560 이상    - 겹치는 부분, 즉 540~560 nm 에서 색상이 차단? 변형? 된 것을 확인할 수 있음. 그럼 폰에서 Color Vision Helper 앱으로 보면? ㄴ 540~560 nm 대역이 검은 띠로 표시됨. 완전 차단됨을 의미   2025 11.05 빨간 셀로판지로도 이시하라 테스트 같은 숫자 구분에서는 유사한 효과를 낼 수 있다고 합니다. 색상이 다양하다면 빨강이나, 노랑, 주황 등도 테스트해보면 재밌겠네요. 2025 11.05 안드로이드 앱 - "Color Vision Helper" 다운받아 본문 내용을 카메라로 찍어 보니,  본문 프로그램에서는 애매하게 보이던 부분에서도 구분이 완전 확실하게 되네요.    숫자 구분 능력 & 편의성 면에서 압도적이라고 할 수 있겠습니다.    2025 11.05
    글쓴이의 서명작성글 감추기 

    댓글3

    • Profile 0
      세상의모든계산기
      2019.01.05 - 16:44 2017.10.21 - 10:52 #21496

      A, B, C 선수만 존재하는 풀을 가정해 보겠습니다.
      C는 A와도 경기를 해 보았고, B와도 경기를 해 보았습니다만, A와 B는 지금까지 직접 경기를 해 본 적이 없습니다.

      1. A의 C에 대한 1:1 승률은 99.959278561331%로 ELO Rating 1356점의 차이가 납니다.
      2. B의 C에 대한 1:1 승률은 91.190530760341%로 ELO Rating 406점의 차이가 납니다.
      3. A는 B보다 Elo Rating 으로 +950 높으므로 승률이 99.580074308528% 가 될 것으로 추정해 볼 수 있지만,  
        막상 A vs B 를 1:1로 붙여보면 A의 승률이 80%에 불과합니다. 
        (B가 A의 특정한 약점을 집요하게 추궁하기 때문이라고 가정해 보겠습니다.) 

      A, B, C의 Elo Rating 을 각각 4500, 3550, 3144 로 설정해 놓고, 
      같은 비율로 충분히 많은 시합을 시킬 경우에 각각의 레이팅은 몇점이 될까요?

      댓글
    • 1
      Profile 0
      세상의모든계산기
      2019.01.08 - 14:17 2017.10.21 - 23:00 #21528

      통계적 접근

      • 1라운드당 3경기로 구성하여 각각 1회씩 대결 (순차적)
        (기대 승률에 기반하여 Random 하게 승/패 결정. 무승부 없음.)
      • 매 경기 직후 ELO Rating 변경 (K=16)
      • 100 라운드(=300경기) 진행 후 A, B, C 의 Rating 값 저장
      • 5000 회 반복하여 통계분석

      10-21-2017 Image001.png
      A : 4500에서 4228.47로 (▼271.53)

      10-21-2017 Image002.png
      B : 3550에서 3768.67로 (▲218.67)

      10-21-2017 Image003.png
      C : 3144에서 3196.87로 (▲52.87)

      • 조정 전 elo 합계 : 4500 + 3550 + 3144 = 11194
      • 조정 후 elo 합계 : 4228.47+3768.67+3196.87 = 11194

       

      Attached file
      10-21-2017 Image001.png 14.1KB 120 10-21-2017 Image002.png 14.1KB 112 10-21-2017 Image003.png 13.9KB 164 elo_simul.tns 103.9KB 110
      댓글
    • 1
      Profile 0
      세상의모든계산기
      2019.01.08 - 14:10 2017.10.21 - 23:02 #21534

      이론적 접근

      이론적으로 계산은 어떻게 해야할지...?

      댓글
    • 댓글 입력
    • 에디터 전환
    댓글 쓰기 에디터 사용하기 닫기
    • view_headline 목록
    • 14px
    • 목록
      view_headline
    3
    × CLOSE
    전체 수학 64 확률통계 18 공학 13 물리학 2 화학 3 생물학 재무금융 10 기타 2
    기본 (0) 제목 날짜 수정 조회 댓글 추천 비추
    분류 정렬 검색
    등록된 글이 없습니다.
    • 세상의 모든 계산기 수학, 과학, 공학 이야기
    • 세상의모든계산기
    • 사업자등록번호 703-91-02181
    • 세모계 all rights reserved.