OB 벌타는 「마이너스 0.2타」? 기대값(EV)으로 보는 드라이버를 휘두르는 진짜 이유

안내: 이 글은 일본어 원문을 AI로 번역했습니다.

핵심(결론)

OB가 될지 모르니까 「일단 짧게 친다」는 건 완전히 틀린 매니지먼트다. 자신의 흔들림 폭(원)이 OB에 걸릴 확률과 멀리 보냈을 때 세컨드 샷의 「기대값(EV) 향상」을 저울질해 수학적으로 이득이 되는 선택(알고리즘)을 도출하라.

타깃 독자

좁은 홀이 오면 아무 생각 없이 아이언이나 유틸로 티샷을 치는 사람
리스크와 리턴을 「감」이나 「공포」만으로 판단하는 골퍼

환경 인식(현황 분석)

OB의 진짜 확률: 자신의 디스퍼전(원) 가운데 OB 구역과 겹치는 면적 비율이 「진짜 OB 확률」이다.
기대값(EV) 지표: 특정 거리·라이에서 컵인까지 필요한 평균 타수(예: 200야드 페어웨이에서 EV 3.46).
아마추어 오해: OB 「2타 벌」 페널티의 무게만 두려워 짧게 친 뒤 세컨드에서 얼마나 손해 보는지 계산하지 못한다.

로직 구성

OB 리스크를 기대값으로 환산: 자신의 원 가운데 10%가 OB에 걸리면 2타 벌×10% = 「0.2타 손실」로 리스크를 수치화한다.
비거리 리턴을 기대값으로 계산: 300야드 보냈을 때 세컨드 EV와 200야드로 짧게 쳤을 때 세컨드 EV 차이(예: 0.6타)를 낸다.
손익을 비교해 결정: 리스크(-0.2타)를 져도 리턴(+0.6타)이 크면 「드라이버로 휘두르는 게 정답」이라는 수학적 답이 된다.

셀프 매니지먼트(티 그라운드 질문)

짧게 친 결과 남은 거리에서의 「기대값(EV)」이 얼마나 나빠지는지 아는가?
자신의 드라이버 착탄 원이 구체적으로 「몇 퍼센트」 확률로 OB에 걸리는지 계산할 수 있는가?
「ANSR」 EV 매트릭스를 보고 감이 아니라 숫자로 클럽을 골랐는가?

흔한 사고의 함정 → 대처

함정: OB = 즉 스코어 붕괴라 두려워 기대값 계산도 안 하고 「일단 안전하게 짧게」 사고 정지에 빠진다. 결과 남은 거리가 너무 길어져 보기·더블을 친다.
- 대처: 「ANSR」 EV 매트릭스를 열고 남은 거리별 기대값 차이를 확인하라. 리스크를 수치화하고 기대값 합이 가장 작아지는(이득이 되는) 전략을 데이터에서 도출하라.

개발자 소고

전에 자신의 샷 흔들림인 「원(디스퍼전)」을 아는 중요성을 이야기했다. 이번엔 그 원으로 「실제로 스코어 손익을 어떻게 계산하느냐」 골프 알고리즘의 정수를 이야기하고 싶다.

일본 골프장 데이터를 분석하다 재미있는 걸 알았다. 예를 들어 티샷으로 300야드를 보낸다고 하자. 전에도 말했듯 세계 톱 레벨도 가로로 60야드는 흔들린다. 페어웨이 센터를 노려 쳐도 그 60야드 원 어딘가에 OB 라인이 들어오는 홀은 얼마든지 있다.

여기서 많은 사람이 「그럼 OB 싫으니 아이언으로 200야드에 짧게 치자」고 쉽게 생각한다. 하지만 그게 정말 「이득」일까?

아주 단순히 설명하자. 300야드를 쳤을 때 「원」 가운데 10%가 OB 구역과 겹쳤다고 하자. OB 페널티는 2타다. 즉 기대값 관점에선 「2타 벌 × 10%(0.1) = 0.2타」. 300야드를 친다는 선택을 한 시점에서 수학적으로 **「0.2타를 잃고 있다(리스크를 진다)」**는 뜻이다.

이걸 모르니 모두가 「OB는 무섭다!」고 과반응한다. 물론 200야드로 아이언을 치면 흔들림 폭이 20%(40야드)로 줄어 OB에는 안 갈 것이다. 리스크는 0이다(0.2타를 안 잃는다).

자, 본론이다. 「200야드로 짧게 친 경우」와 「300야드로 보낸 경우(0.2타 리스크를 진 경우)」로 세컨드 이후 전개에서 스코어에 얼마나 차이가 나는가?

이건 **『ANSR(앤서)』**에 탑재된 「EV 매트릭스(기대값 표)」를 보면 한 번에 안다. 같은 레벨 플레이어가 친다고 할 때 홀까지 남은 거리가 다르면 기대값은 극적으로 바뀐다.

예를 들어 홀까지 남은 300야드 페어웨이에서 칠 때 기대값(EV)은 「4.05」다. 한편 홀까지 남은 200야드 페어웨이에서 칠 때 기대값은 「3.46」이 된다. (※이건 한 예다. ANSR EV 매트릭스를 보면 자신 레벨에 맞는 정확한 수치가 나온다)

차이는 **「0.59타(약 0.6타)」**다. 즉 300야드를 쳐 남은 거리를 짧게 하면 세컨드 이후로 「0.6타만큼」 이득이라는 뜻이다.

자, 저울에 올려 보자. 드라이버를 휘저어 OB 될 리스크는 「0.2타 손실」이었다. 하지만 앞으로 보내 얻는 리턴은 「0.6타 이득」이다. 빼면 「0.4타나 이득」 계산이 된다.

이게 사실이다. 0.2타 리스크를 져도 0.6타 리턴을 노린다. 그래서 「여기는 OB 위험이 있어도 드라이버로 공격할 가치가 있다」는 판단이 수학적으로 성립한다.

「일단 짧게」는 사고 포기다. 자신의 원에 대해 멀리 보냈을 때 얼마나 이득인지, 짧게 쳤을 때 얼마나 손해인지. 100야드와 200야드에서의 기대값 차이가 얼마인지. 이걸 알고 선택한다. 그게 골프라는 「게임」의 진짜 재미다.

내가 만든 **『ANSR(앤서)』**에는 이 판단을 순식간에 하기 위한 기능이 들어 있다. 디스퍼전으로 플래닝하고 EV 매트릭스로 기대값 차액을 계산하고 자신만의 타깃(The Answer)을 도출한다.

비거리 지상주의 현대 골프에서 멀리 곧게만 연습해도 한계가 온다. 필요한 건 도구 진화만 믿는 게 아니라 머릿속에 「이기기 위한 알고리즘」을 짓는 것이다. 스코어 관리 방식을 근본부터 바꾸는 ANSR 사상에 조금이라도 닿아 주면 기쁘다.

마무리

OB 공포에 「일단 짧게」는 기대값(EV) 관점에선 손해인 경우가 많다.
「OB 확률×2타 벌(리스크)」와 「비거리로 인한 세컨드 기대값 향상(리턴)」을 계산해 빼기로 전략을 세운다.
머릿속 고도 손익 계산을 돕고 스코어가 가장 좋아지는 타깃을 도출하는 게 「ANSR(앤서)」의 EV 매트릭스다.