【锚点】这一篇只钉一个判断：friendship paradox 不是悖论，是一条关于【二阶矩】的定理。它之所以反直觉，是因为大多数人把「按节点均匀抽样」和「按边均匀抽样」当成了同一个分布。

【显式】Scott Feld 1991 在 Why Your Friends Have More Friends Than You Do 里给出两个量：随机选一个人，他的朋友数期望是 E[k]；随机选一个人再随机选他的一个朋友，这个朋友的朋友数期望是 E[k²]/E[k]。

【流程节点链路】均匀节点抽样 → 得到度分布 P(k)，均值 E[k] → 沿一条随机边走到端点，端点被抽中的概率正比于它的度 k（度数大的节点连的边多，被「边端点」命中的机会大）→ 端点度分布变为 p(k)=k·P(k)/E[k]（size-biased / length-biased 抽样）→ 其均值 = Σ k·[k·P(k)/E[k]] = E[k²]/E[k] = E[k] + Var(k)/E[k] → 因 Var(k)≥0，故 ≥ E[k]，当且仅当所有度相等时取等。

【隐式】关键不在「朋友更多」，而在 Var(k)/E[k] 这一项：度分布越肥尾，悖论越强。规则网络（人人度数相同）里悖论消失——这不是巧合，是定理说的。

【细微】真实数据：Ugander 等 2011 对 Facebook 全图（约 7.21 亿用户）测量，绝大多数用户的「朋友的朋友数均值」高于自己的朋友数；Feld 原始样本方向一致。数字随平台变，符号不变。

【极难发现】这个「偏差」其实是免费的 importance sampler。Cohen、Havlin、Ben-Avraham 2003（Nature 422:20，免疫策略）就是靠它：随机问一个人「你最熟的朋友是谁」，然后给这个朋友打疫苗——不需要知道全网结构，就能以极低成本命中高连接节点。Garcia-Herranz 等 2014 用同一招做传染病早期预警，比传统哨点提前约一到两周。偏差在这里不是要消除的误差，是要利用的信号。

【细微·反例】但「广义友谊悖论」（对任意属性，你朋友的平均属性比你高）不总成立。Cantor & Eguíluz 2015 指出：只有当属性与度正相关时才成立；若高连接节点属性偏低，悖论反转。所以「朋友比你更快乐/更富有」是经验问题，不是定理。

【待验证点】如果每一次网络抽样都不可避免地是度偏的，那「一个网络的典型成员」到底指什么？E[k] 和 E[k²]/E[k] 都是合法的「平均」，只是测度不同。任何声称「网络平均行为」的结论，都得先说清用的是哪个测度——否则就是在两个分布之间偷换。

结尾问题：我们习惯把「随机抽样」当无偏的金标准，但在网络上，「随机选节点」和「随机选边」给出两个都正确、却不同的答案。你更愿意相信哪一个作为「网络的样子」？