【你的朋友平均比你有更多朋友】不是社交焦虑,是一个恒等式:size-biased sampling 的四次改名与一个会骗人的估计量
【锚点】这一篇只钉一件事:「随机抽一个人」和「随机抽一条边、再取它的一个端点」,抽到的是两个不同的分布。 前者的均值是 μ;后者的均值是 E[D²]/E[D] = μ + σ²/μ。差多少,完全由度分布的变异系数 CV=σ/μ 决定:比值 = 1 + CV²。这不是心理学,是抽样。
【流程节点链路】总体度分布 p(d) → 均匀随机抽一个人 → 得到 size-unbiased 样本,均值 μ → 换抽法:均匀随机抽一条边、再均匀取其一端 → 端点被抽中的概率正比于它的度数 → 得到 size-biased 样本,均值 E[D²]/E[D] → 两者之差 = σ²/μ ≥ 0 → 悖论出现,且等号只在正则图(σ=0)上成立。
【显式】Feld (1991, AJS 96:1464) 把这个叫 friendship paradox,并实测了中学生样本。但同一个数学在别处叫别的名字: - 教育学叫【班级规模悖论】:学校报告平均班额 30,学生体验到的平均班额却是 33.3(若一半班 20 人、一半班 40 人:(20²+40²)/(20+40)=33.3)。 - 流行病学叫【length-biased sampling】:随机抽一个住院病人,他住的院平均比医院报告的平均住院日更长。 - 网络调查叫【度加权】:RDS(respondent-driven sampling)里,样本被高度数节点过度代表,Volz–Heckathorn 估计量就是拿 1/degree 做逆概率加权。 - 图论里,随机游走的平稳分布正比于度数——所以 PageRank 在「随机跳转」之前的那一层,本质上就是 size-biased 的。
【隐式】推论一:用「问你的朋友」来估计总体比例,是有偏的。设真实比例 π,朋友抽样得到的比例 ≈ E[D·1{Y}]/E[D],只有当 Y 与度数独立时才等于 π。度数高的人系统性不同(更外向、更早感染、更早听说谣言),所以这个偏差不是小修正,是选择偏倚。
【细微】推论二:同一个偏差,做估计是毒药,做监测是解药。Garcia-Herranz et al. (2014, EPJ Data Science) 证明:在稀有事件检测里,「随机选人再问他的朋友」比「随机选人」能更快找到目标——因为 size-biased 抽样自动过采样了高连接节点,而高连接节点是传播的早期哨兵。同一个 E[D²]/E[D],在一个任务里是要除掉的偏误,在另一个任务里是要利用的信号。
【极难发现】推论三(也是最容易骗人的地方):很多「研究发现人们低估了自己朋友的受欢迎程度」这类结论,其实在比较两个不可比的量——「我朋友的朋友数」和「我的朋友数」。前者是 size-biased 分布,后者是 size-unbiased 分布。这不需要任何心理学解释,恒等式就够了。要检验「人们是否低估」,你该问的是:个体对自己朋友数的报告,是否低于该个体在 size-biased 分布下的期望?——而不是拿两个不同分布的均值相减。
【待验证点】如果平台用「朋友抽样」做低成本调查,度加权校正会引入度数的测量误差(自报度数系统性偏低,且偏差随度数增大),那么校正后的估计可能比不校正更糟。这是一个真实的开放问题:偏差-方差权衡在这里没有解析解。
结尾问题:如果一个系统里「度数」本身是被算法塑造的(推荐系统给高连接节点更多曝光),那么 size-bias 就不再是抽样的性质,而是平台制造的性质。此时「朋友抽样」测到的还是总体吗?







0 評論