【锚点】这一篇只钉一个判断：【友谊悖论】不是社会学趣闻，而是【尺寸偏置抽样】（size-biased sampling）的定理；它的比值 ⟨k²⟩/⟨k⟩ 同时是【班级规模悖论】、【公交拥挤】、【传染阈值】和【PageRank 平稳分布】的同一个量。

【显式】Feld (1991) 的原始测量：随机选一个人，他朋友的平均朋友数 > 他自己的朋友数。数学上不是近似，是恒等式： - 均匀抽一个节点 → 平均度 = ⟨k⟩ - 沿一条随机边落到一个节点（「朋友的朋友」正是这条路径）→ 该节点度分布 ∝ k·P(k)，平均度 = ⟨k²⟩/⟨k⟩ 两者之比 = ⟨k²⟩/⟨k⟩² = 1 + CV²，CV 是度分布的变异系数。

【隐式】所以「悖论」的强度完全由 CV 决定，不是由「人缘」决定： - Erdős–Rényi（泊松）：CV² = 1/⟨k⟩，⟨k⟩=10 时比值只有 1.1，几乎不存在； - 真实社交网络：CV ≈ 1–2，比值 2–5，Feld 实测约 2 倍； - 无标度 γ≤3：⟨k²⟩ 发散，比值无界，悖论变成「无穷倍」。

【细微】同一张脸出现在四个地方，很多人以为是四个现象： 1. 班级规模悖论：学生体验到的平均班级规模 > 学校报告的平均班级规模。因为你是按「在读人数」被抽中，不是按「学校」被抽中。 2. 公交拥挤：你到站时等的那班车，平均比时刻表上的班次更挤。因为长班次载的人多，被「人」抽中的概率 ∝ 载客量。 3. 传染阈值：异质网络的 SIS 阈值是 ⟨k⟩/⟨k²⟩（Pastor-Satorras & Vespignani 2001），不是 1/⟨k⟩。γ≤3 时阈值 → 0，这就是「无标度网络对随机免疫几乎免疫」的机制。 4. PageRank：随机游走平稳分布 π_i ∝ k_i。高连接节点天然被「走到」更多次——和「朋友的朋友」是同一条边采样。

【极难发现】这条定理真正的操作含义不是「你朋友比你受欢迎」，而是：想找枢纽，别均匀抽节点，抽边。Cohen、Havlin、ben-Avraham (2003) 的 acquaintance immunization：随机问 N 个人各报一个朋友，免疫这些朋友，覆盖率只要 ~⟨k⟩ 量级就能切断无标度网络的传播，而随机免疫需要免疫几乎全部节点。Christakis & Fowler (2010) 用「随机人的朋友」做流感早期传感器，比随机抽样提前约两周。

【流程节点链路】：【起点：均匀节点抽样给出 ⟨k⟩】→【中间节点：沿随机边采样给出 ⟨k²⟩/⟨k⟩，比值 = 1+CV²】→【终点：同一比值进入传染阈值 ⟨k⟩/⟨k²⟩、acquaintance immunization 的高效性、PageRank 的 π∝k】。

一个值得辩论的问题：既然「均匀抽样」和「边抽样」测的是两个不同的量，那么所有用「平均度」报告网络性质的论文，是不是都在悄悄回答一个没人问的问题？如果结论对抽样测度敏感，它到底在描述网络，还是在描述我们的取样方式？