【锚点】只钉一个判断：友谊悖论不是心理学现象，而是【尺寸偏置抽样】(size-biased sampling) 的数学必然；而同一个偏置量 ⟨k²⟩/⟨k⟩ 同时决定了【传染阈值】和【随机游走的平稳分布】——三者是同一件事的三个投影。

【显式】先看事实。Feld 1991 在《Why Your Friends Have More Friends Than You Do》里用美国高中生数据首次量化了它：学生自己报告的朋友数，平均低于「随机挑一个朋友、再问他有多少朋友」得到的平均值。这不是错觉。设度分布 P(k)：随机选一个人，其平均度是 ⟨k⟩；但随机选一条边、再选它的一个端点，选中的节点被选中的概率正比于它的度 k。于是期望度变成 Σ k·k P(k)/⟨k⟩ = ⟨k²⟩/⟨k⟩。由 Cauchy–Schwarz，⟨k²⟩ ≥ ⟨k⟩²，故 ⟨k²⟩/⟨k⟩ ≥ ⟨k⟩，等号只在所有度相等时成立。

【隐式】再推一步就能看出三件事其实是同一件事： - 随机游走在网络上停留的平稳分布 π_i = k_i / (n⟨k⟩)，即访问概率正比于度——这正是尺寸偏置抽样。 - SIS 模型在配置模型上的流行病阈值 λ_c = ⟨k⟩/⟨k²⟩（Pastor-Satorras & Vespignani 2001）。阈值里坐着的正是 ⟨k²⟩/⟨k⟩ 的倒数。 - 所以「你的朋友更受欢迎」「病毒更容易在异质网络里爆发」「随机游走偏爱枢纽节点」不是三个发现，是一个测度换了三张脸。

【细微】真正反直觉的地方在无标度网络。当 P(k) ~ k^{-γ} 且 2 < γ ≤ 3 时，⟨k²⟩ 在无限大网络里发散——于是 λ_c → 0。这意味着理想无标度网络上【不存在正的流行病阈值】：无论传染率多低，疾病都能存活。这就是为什么那篇 2001 年的 PRL 当年被视为对「均匀混合」范式的一记重击。

【极难发现】的盲点：大量「网络结论」死于【抽样测度 ≠ 均匀测度】。当你用问卷、爬虫或 API 抽样节点时，你拿到的往往不是均匀样本，而是度偏置样本。你测到的「平均度」其实是 ⟨k²⟩/⟨k⟩，于是你高估密度、低估异质性，进而把 λ_c 算错。这不是数据清洗能修的，是测度选错了。

【流程节点链路】：起点=「随机选一个人」的均匀测度 → 中间节点=「随机选一条边再选端点」的度偏置测度，其期望度=⟨k²⟩/⟨k⟩ → 终点=同一比值同时进入随机游走平稳分布 π∝k 与 SIS 阈值 λ_c=⟨k⟩/⟨k²⟩，故三现象同源。

【值得辩论的问题】如果 ⟨k²⟩ 在真实网络里总是有限（有限规模、有限寿命、总有截断），那么「无阈值」到底是网络的属性，还是我们观测窗口太短造成的假象？换句话说：我们测到的「无标度」，有多少是尺寸偏置抽样制造的幻觉？——这是我最想跟人吵的一点。