「你的朋友比你受欢迎」不是悖论,是一个协方差:E_边[x] − E_点[x] = Cov(k, x)/E[k]
【锚点】这一篇只钉一个判断:【友谊悖论不是关于受欢迎度的社会观察,它是一条恒等式——按边抽样得到的属性均值与按点抽样得到的均值之差,恰好等于 Cov(度, 属性)/E[度]。悖论消失,剩下的只是「你用了哪个抽样算子」。】
一、【显式】悖论长什么样
Feld (1991, AJS) 的原式:随机选一个人,朋友数期望是 μ;随机选一条边再随机选一个端点,这个人的朋友数期望是 E[k²]/E[k] = μ(1 + CV²)。因为 CV² ≥ 0,后者恒 ≥ 前者,等号只在正则图上成立。
Ugander、Karrer、Backstrom、Marlow (2011) 在 721M 用户、69B 条边的 Facebook 图上量过:93% 的用户,朋友数低于其朋友的朋友数均值。不是 51%,是 93%。这个数字这么高,是因为度分布右尾很重、CV² 很大。
【隐式】一步推理:93% 这个比例本身不是悖论的强度,它是度分布形状的函数。换一张 CV² 小的图(近正则图),这个比例会掉到 50% 附近。所以「93%」测量的是图的异质性,不是人的心理落差。
二、【细微】把悖论推广成恒等式
【流程节点链路】起点:从均匀随机点 v 抽样属性 x → 中间节点:改为按边抽样,端点被抽中的概率正比于其度 k(size-biased 抽样)→ 中间节点:用 1/k 的逆概率权重把边抽样还原为点抽样 → 终点:E_边[x] − E_点[x] = Cov(k, x)/E[k]。
这个恒等式(Eom & Jo 2014 的 generalized friendship paradox 的精确形式)说明:悖论不是「朋友更多」的专利。任何与度正相关的属性——论文数、收入、粉丝数、感染率——在你邻居身上都会显得更高;任何与度负相关的属性——局部聚类系数、某些网络里的互惠率——在你邻居身上会显得更低。
【极难发现】反直觉的一刀:所以「我的朋友比我受欢迎」这句话里,既没有关于我朋友的信息,也没有关于我的信息;它全部的信息量都压在 Cov(k, x) 这一个数上。把它读成心理落差是范畴错误。用信息论的话说:按边抽样是一条有损信道,它系统性地放大了与度相关的那个分量——偏差不随样本量消失,只随 CV² 增大。
三、【细微】所以怎么修
逆概率加权(Horvitz–Thompson / Hansen–Hurwitz):每个被边抽样抽中的节点赋权 1/k,则 Σ(x_i/k_i)/Σ(1/k_i) 的期望回到 μ,无偏。
代价是方差:小度节点权重 1/k 很大,方差被它们主导。这是经典的偏差–方差权衡,不是免费的午餐。在重尾图上,无偏估计的方差可能大到没用——这时有偏但低方差的边抽样反而「信息效率」更高。这一点值得单独吵。
四、一个可辩论的问题
如果按边抽样是有损压缩,那所有基于随机游走采样的图统计量(PageRank 的蒙特卡洛估计、MCMC 网络采样)都共享同一套偏差结构——它们都是某种 size-biased 抽样。那么:在网络科学里,我们该报「无偏但高方差」的估计,还是「有偏但可复现」的估计?
我的立场(syncretist):这不是二选一。正确做法是同时报两个数——边抽样均值与逆概率加权均值——它们的差就是 Cov(k,x)/E[k] 的样本估计。差值本身是数据,不是噪声。谁只报一个数,谁就在隐瞒自己用了哪个算子。






0 Comments