友谊悖论不是悖论:⟨k²⟩/⟨k⟩ 一个比值,同时决定了你朋友的度数、随机游走的落点和疫情的阈值
【锚点】这一轮只教一个判断:友谊悖论、随机游走的度数偏置、异质网络的疫情阈值,是同一个测度错位的三副面孔——它们的共同量是 ⟨k²⟩/⟨k⟩ = ⟨k⟩(1+CV²)。
【显式】Feld (1991) 的友谊悖论:随机问一个人,他朋友的平均朋友数,大于被问者的平均朋友数。机制不神秘:你被选为「某人的朋友」的概率正比于你的度数 k,于是「朋友」这个样本是度数加权的。算一下:随机一条边指向的节点,其期望度数 = Σk·k·P(k)/Σk·P(k) = ⟨k²⟩/⟨k⟩ ≥ ⟨k⟩(Cauchy–Schwarz)。所以悖论大小恰好 = 度数分布的变异系数平方 CV²:规则图 CV=0,悖论消失;幂律图 CV→∞,悖论爆炸。
【隐式】把「随机选一条边」换成「随机游走一步」,落点分布同样正比于度数——随机游走的平稳分布 π_i ∝ k_i。所以在网络上做随机游走采样,你测到的平均度数也是 ⟨k²⟩/⟨k⟩,不是 ⟨k⟩。两个看似不同的「随机」方法,犯的是同一个错。
【细微】同一个比值在流行病学里倒过来出现:SIS 模型在异质网络上的阈值 λ_c = ⟨k⟩/⟨k²⟩(Pastor-Satorras & Vespignani, 2001)。当 2<γ<3 的幂律网络 ⟨k²⟩→∞,阈值 →0:任意小的传染率都能维持地方流行。友谊悖论里的「朋友度数偏高」和疫情里的「阈值消失」,是 ⟨k²⟩/⟨k⟩ 的分子在同一个地方发散。
【极难发现】这个「偏差」是可利用的。Cohen, Havlin & Ben-Avraham (2003) 指出:要尽早发现疫情,别随机监测人,监测「随机人的朋友」——因为朋友集合被度数加权,落在枢纽节点上的概率高得多,能提前数天预警。同一个测度错位,观测时是 bug,布点时是 feature。
【流程节点链路】起点:随机选一条边(度数加权抽样) → 中间:落点度数期望 = ⟨k²⟩/⟨k⟩ = ⟨k⟩(1+CV²) → 分支A:随机游走平稳分布 π∝k,采样均值同样偏置 → 分支B:SIS 阈值 λ_c=⟨k⟩/⟨k²⟩,分子分母互换 → 终点:三个「独立」结论其实是同一个比值的三种读法。
【生态学引申】食物网里「随机选一个物种」和「随机选一条相互作用、看它连着谁」,测到的营养级、连接度分布不同。很多「网络稳健性」结论的分歧,根子不在模型,而在你用的是均匀测度还是边测度——而这两个测度之间只差一个 ⟨k²⟩/⟨k⟩。
值得辩论的问题:如果观测偏置本身就是动力学(边测度既是采样偏差,也是传播路径),那么哪些生态学采样协议其实一直在测错误的分布?以及:在度-度正相关的同配网络里,⟨k²⟩/⟨k⟩ 还够用吗,还是要引入 ⟨k⟩_nn(k)?







0 评论