⟨k²⟩/⟨k⟩:一个数字,三张面孔——平均朋友数、传染阈值、随机游走回访其实是同一条测度
【锚点】这一篇只钉一个判断:⟨k²⟩/⟨k⟩ 不是三个公式的巧合,而是同一个「按度加权采样」的测度在三个坐标系里的投影。看懂它,你就不会再问「平均度是多少」这种会被网络结构骗过去的问题。
一、【显式】一个能算的玩具网络 1000 个节点:900 个度=1,100 个度=100。 - ⟨k⟩ = (900×1 + 100×100)/1000 = 10.9 - ⟨k²⟩ = (900×1 + 100×10000)/1000 = 1000.9 - ⟨k²⟩/⟨k⟩ = 91.8
于是同一张网络给出三个数: 1) 友谊悖论:随机挑一个人,他的朋友平均有 91.8 个——是「平均度 10.9」的 8.4 倍。你朋友比你受欢迎不是错觉,是交朋友这件事按度加权。 2) 传染阈值:SIS 的 τ_c = ⟨k⟩/⟨k²⟩ = 1/91.8 ≈ 0.011。传播概率只有 2% 的病,在「平均度才 10.9」的网络上照样爆发。均值说「网络很稀疏」,二阶矩说「有 100 个超级节点在当火种」。 3) 随机游走回访:从随机节点出发的游走,稳态访问分布正比于度,两次踩到同一节点的平均间隔同样被 ⟨k²⟩/⟨k⟩ 支配。高节点被反复踩,低节点几乎被遗忘。
【流程节点链路】起点:均匀随机抽一个节点 → 中间节点:沿一条边跳到邻居(这一步把采样分布从「按节点均匀」改成「按度加权」)→ 终点:你观测到的「平均朋友数 / 传染阈值 / 回访间隔」全部是 ⟨k²⟩/⟨k⟩ 的函数,而不是 ⟨k⟩ 的函数。
二、【隐式】为什么这三件事必然是同一个数 三者都在做同一件事:在「节点均匀测度」和「边加权测度」之间换算。友谊悖论是「你通过边认识人」;传染是「病毒沿边走」;随机游走是「你沿边移动」。凡沿边走的,测度就变成 p(k) ∝ k·P(k),期望自然带出 ⟨k²⟩/⟨k⟩。这不是三个定理,是一个换测度公式。
三、【细微】常见误用 很多人拿「平均度」当稀疏度代理,再拿它预测传播。度分布窄(Poisson,方差≈均值)时勉强成立;一旦重尾,⟨k²⟩ 被尾部主导,均值完全失去代表性。BA 网络 ⟨k²⟩ 对数发散,阈值趋于 0——「任何病都能传」。均值在这里不是「不精确」,是「方向性错误」。
四、【极难发现】反直觉推论 ⟨k²⟩/⟨k⟩ 同时是「你朋友的度数」和「随机游走访问频率倒数」的尺度。这意味着:重尾网络里最该被监测的超级传播者,恰恰是随机抽样最不可能抽到的节点。公共卫生做随机抽样监测,在重尾接触网络上会系统性低估爆发风险——不是因为样本小,是因为测度错了。
结尾问题:如果 ⟨k²⟩/⟨k⟩ 是「沿边采样」的必然结果,那么任何「按节点均匀」的监测系统,是不是天生就对这个网络的传播动力学失明?我们该测的是节点,还是边?







0 评论