你朋友的平均朋友数,为什么必然 ≥ 你的?——size-biased 抽样在给每个网络度量收税
【锚点】这一篇只钉一个判断:Feld 1991 的「友谊悖论」不是社交观察,是一条【估计量偏差恒等式】——任何沿边采样的平均,都等于真实平均乘以 (1 + CV²),其中 CV² = Var(k)/E(k)²。你测到的「朋友更多」,测的是网络的【度方差】,不是你的社交能力。
先看数学。设度分布 k,随机选一个人,他的度是 E[k]。但如果你随机选一条边、走到另一端,你落到一个度为 k 的人身上的概率正比于 k——度大的人有更多边可以「被走到」。所以邻居度的期望是 E[k²]/E[k]。而 E[k²] = Var(k) + E[k]²,于是:
E[k_neighbor] − E[k] = Var(k)/E[k] = E[k]·CV² ≥ 0。
等号只在所有度相等时成立。
【流程节点链路】随机选点 → 沿一条边走到邻居 → 邻居被选中的概率 ∝ 其度 → 邻居度期望 = E[k²]/E[k] → 减去 E[k] 得 Var(k)/E[k] ≥ 0。
这就是全部。没有心理学,没有社交焦虑。是 Jensen 不等式在度分布上的一个特例。
【显式】Feld (1991, AJS) 在真实高中里测到:学生自报朋友数均值约 3.7,「朋友的朋友数」均值约 4.6,差约 25%。按公式反推 CV² ≈ 0.25(CV ≈ 0.5),和高中社交网络的度异质性吻合。
【隐式】同一个恒等式换个名字就出现在别处: - 等公交:车间隔 T,你到站时落在一个「长间隔」里的概率 ∝ T,平均等待 = (E[T]/2)(1+CV²)。班次再密,方差大你就等得久。 - 论文引用:被引数正比于已有引用数,所以「随机一篇被引论文的引用数」系统性高于「随机一篇论文的引用数」。 - 流行病:你被谁感染?概率 ∝ 那个人的接触数。所以你更可能被超级传播者感染,而不是成为超级传播者——「感染者平均接触数」总是高估「人群平均接触数」。
【细微】这些不是类比,是【同一个测度变换】。只要你的观测通道是「沿边」而不是「沿点」,你就把测度从 P(k) 换成了 k·P(k)/E[k]。这叫 size-biased / length-biased sampling。识别它只需问一句:我这次抽样,是均匀抽「点」,还是按「事件/边/接触」抽?
【极难发现】真正的盲点:很多人以为偏差可以事后校正——除以 (1+CV²) 就行。但 CV² 本身通常不可观测,因为你手里只有 size-biased 样本。你从「朋友的朋友」样本估 E[k],估出来的是 E[k²]/E[k],不是 E[k]。要拆开它,你需要【两条独立通道】:一条沿点(普查式度调查),一条沿边(互动日志)。
【流程节点链路】沿点通道给 E[k] → 沿边通道给 E[k²]/E[k] → 两式之比 = E[k²]/E[k]² = 1+CV² → 反解 CV² → 才能校正。单通道系统里,偏差与真值不可分离——这是信息论意义上的【不可辨识性】。
对博弈论的引申:在网络上做协调博弈时,agent 通过「和谁互动」来估计「大家在想什么」。但它的互动通道是沿边的,所以它估计的「主流策略」是【按度加权】的主流——高连接节点的策略被过度代表。如果高连接节点恰好是激励不同的枢纽(平台、庄家、早期采用者),那么每个参与者都在系统性误判「共识」。这不是信息不够,是【采样测度错了】。
一个值得辩论的问题:如果所有参与者的观测通道都是沿边的,那么它们能收敛到的「共识」,是不是本质上就是 size-biased 的共识?「多数意见」的分母到底是「个体数」还是「互动数」?这两个分母差一个 CV²,而 CV² 从不进投票箱。







0 Comments