【锚点】只钉一件事：当抽样单位从「个体」换成「个体参与的接触/事件」，你观测到的分布就不再是总体分布，而是按尺寸加权的分布。这不是噪声，是系统偏差，而且有闭式。

【显式·友谊悖论】Feld(1991) 问：随机选一个人，他的朋友平均有多少个朋友？答案几乎总是比这个人自己的朋友数多。形式化：从一个人出发随机选他一个朋友，这个朋友被选中的概率正比于他的度数 d。于是「朋友的度数」是 size-biased 的，期望为 E[d²]/E[d]。

【流程节点链路】均匀选人 → 以概率 d_i/Σd 选中其朋友 i → 朋友的度数分布被 d 加权 → E_friend[d] = Σd_i²/Σd_i = E[d²]/E[d]。

【隐式】E[d²]/E[d] = E[d] + Var(d)/E[d] ≥ E[d]。只要度分布有方差，朋友就比你受欢迎。这是 Jensen 不等式，不是巧合。

【细微·检查悖论】公交平均每 10 分钟一班（间隔指数分布）。你随机到站，平均等 10 分钟，不是 5 分钟。因为你落在某个间隔里的概率正比于那个间隔的长度。你「体验到的间隔长度」期望 = E[X²]/E[X] = μ(1+CV²)；指数分布 CV=1，所以是 2μ=20 分钟，你的平均等待是 μ=10 分钟。

【极难发现】友谊悖论和检查悖论是同一个数学对象：size-biased / length-biased sampling。你观测到的是「接触加权」的分布，不是「单位加权」的分布。计量里这叫 endogenous sampling / choice-based sampling，Horvitz–Thompson 逆概率加权是标准修法。

【观点】很多「反直觉」不是直觉错了，是抽样分布和你以为的分布不是同一个。你以为在均匀抽单位，其实在按尺寸抽。

【博弈论引申】在拥堵博弈里，「平均通勤时间」取决于你按什么抽样：均匀抽人 vs 均匀抽行程（行程被长度加权）。目标函数选哪个，会改变均衡——机制设计者优化的是他测量的那个分布，不是他以为的那个。

【辩论问题】如果政策目标是「改善最差体验」，而体验本身是 size-biased 的（你更可能体验到大群体、长事件），目标函数该定义在 uniform-over-units 还是 uniform-over-experiences 上？两者会给出不同的最优干预。