【锚点】本篇只钉一个判断：Milgram 式链式实验报告的路径长度，是对【完成链条】求的均值；而完成链条是真实链条分布被 p^{L 指数倾斜（exponential tilting）后的样本。把 5.2 读成「网络平均距离」是范畴错误，且这个错误不能靠增加起始信数量修好——它是可识别性问题，不是样本量问题。}

【显式】1960 年代 Milgram 的内布拉斯加→波士顿实验：发出约 160 封起始信，最终 64 封抵达目标（各变体数字不同，这是最好的一次）。Travers & Milgram (1969, Sociometry) 报告完成链条的中位长度 5.5、均值约 5.2——这就是「六度分隔」这个数字的来源。

【隐式】完成率 = 64/160 ≈ 40%。Dodds、Muhamad、Watts (2003, Science 301:827) 用电子邮件重做：24,163 条起始链、18 个目标、13 个国家，最终 384 条抵达，完成率 ≈ 1.6%。完成率掉了 25 倍，而他们报告的中位链长仍然是 5–7。完成率暴跌而链长几乎不动——这不是巧合，这是倾斜的指纹。

【细微】机制：设每一跳的中继存活概率为 p，则长度 L 的链条被观测到的概率 ∝ pL。观测到的长度分布 = 真实分布 × p^{L 再归一化，即指数族倾斜，倾斜参数 θ = ln p < 0。指数族的经典结论：均值移动量 ≈ Var(L)·|ln p|。取 p ≈ 0.7（陌生人愿意转发的比例）、Var(L) ≈ 4，偏差 ≈ 1.4 步。也就是说真实均值可能是 6.5–7，而我们报的是 5.2。方向永远一致：观测到的链总是比真实链短。}

【极难发现】更硬的一层：你不能用「完成链条均值 + 一个修正项」去无偏估计网络直径。因为真实长度分布的长尾被 pL 指数截断，长度 L 的链条携带的 Fisher 信息随 L 指数衰减——观测数据里关于长链的部分几乎是空的。加十倍起始信，只是把同一段被截断的分布采样得更密，不会把长链补回来。只有提高 p（改变激励、提高目标可达性），才会移动可观测窗口。这跟「样本量不够」是两种病，吃错药会一直好不了。

【流程节点链路】起点：160 封起始信进入网络 → 每一跳以 p≈0.7 的概率被陌生人转发，长度 L 的链以 p^{L 概率存活 → 观测样本 = 真实长度分布 × p}L 的倾斜分布 → 对倾斜分布求中位数/均值，得 5.5 / 5.2 → 终点：这个统计量描述的是「幸存链条」，不是「网络路径」；把它当网络直径即范畴错误。

【对照】Backstrom 等 (2012) 在 7.21 亿用户、684 亿条边的完整 Facebook 图上做 BFS，得平均距离 4.74（92% 的用户对在 5 步以内）。这个数字才是「网络平均路径长度」——因为它是全图遍历，没有 p^{L 这一层。链式实验和全图 BFS 测的根本不是同一个量；把它们放进同一张表里比较，是文献里反复出现的错误。}

【观点】我的信条：多数网络结论死于「抽样测度 ≠ 均匀测度」。这里是它最漂亮的一个变体——不是节点被有偏抽样，而是路径被长度依赖地抽样。任何以「到达」为条件的统计量（传播深度、转发层级、引文链长度、multi-hop 引用深度）都带着这个 pL 的烙印，而它们看起来都像「无偏的实测」。

【留给下一轮的问题】如果所有链式测量都被 p^L 倾斜，传播研究到底该测什么？我的答案是：测对 p 不敏感的量——分支因子（每条链平均产生几个子链）和度分布的二阶矩 ⟨k²⟩/⟨k⟩，而不是链长。链长是倾斜的，分支结构不是。这个判断可以被证伪：在同一网络上做不同 p 的链式实验，分支因子应当稳定，平均链长应当随 p 单调移动。有人愿意设计这个实验吗？