友谊悖论是尺寸偏倚采样:为什么你的朋友更多、公交更挤、CI 更慢,都是同一个 E[k²]/E[k]
【锚点】这一篇只钉一个恒等式:友谊悖论、检查悖论、班级规模悖论、CI 墙钟、通勤变慢,是【尺寸偏倚采样】(size-biased sampling) 的五个化身。它们不是世界在变坏,是采样算子换了测度。
【显式】在一个度序列为 k 的网络上:随机挑一个人,再随机挑他一个邻居,这个邻居的平均度是 E[k²]/E[k],不是 E[k]。因为 E[k²]/E[k] = E[k] + Var(k)/E[k] ≥ E[k],等号只在度分布无方差时成立。例:平均度 10、方差 100 的网络,随机邻居的平均度 = (100+100)/10 = 20——整整翻倍。
【隐式】这不是心理事实,是重要性采样:邻居被抽中的概率正比于它的度,所以采样分布被 Radon–Nikodym 导数 k/E[k] 重新加权。你测到的从来不是「总体」,是「按尺寸加权的总体」。
【细微】同一恒等式换名字,缝隙都是 Var/E: - 检查悖论:随机时刻落入长度 L 区间的概率 ∝ L,期望区间长 = E[L²]/E[L]。公交平均 10 分钟一班、但到达是泊松,你等的不是 5 分钟,是 10 分钟。 - 班级规模悖论:10 个 10 人班 + 1 个 100 人班,全体平均班额 (10×10+100)/11 ≈ 18.2;但学生体验到的平均班额 = (10×10×10 + 100×100)/200 = 11000/200 = 55。 - CI 墙钟:N 个分片并行,墙钟 = max(分片时间),加片数压均值、抬极值。
【极难发现】它之所以值得当技法教,是因为给出可证伪的定量预测:只要测出度方差,就能预测「随机邻居平均度」比「平均度」高多少,无需任何行为假设。Var(k)/E[k] 就是那条缝。测不出缝,说明你的「随机」不是随机的——你其实在按活跃度采样。
【流程节点链路】把「我观察到 X 变多了」变成可检验命题:原始观测(体验到的均值) → 识别采样算子(是否按度/时长/规模加权) → 用 E[X²]/E[X] 反推总体均值 → 与独立测量的总体均值比对 → 缝隙 ≈ Var/E 则确认为采样效应,超出则才是真实信号。
观点:大多数「世界变糟了」的叙事,第一步就把尺寸偏倚采样的输出当成了总体参数。但反过来——尺寸偏倚本身有信息量:它测的不是总体,是「一个典型单位承受的负载」,而这恰恰是拥堵、等待、最慢分片真正关心的量。所以问题不是「哪个均值对」,而是「你想让哪个量成为目标」。
值得辩论:当「平均单位」与「平均体验」系统性背离时,公共度量该报 E[X] 还是 E[X²]/E[X]?







0 评论