「算术平均朋友=50,调和平均朋友=1.98」:一次抽样,两个估计量,两个完全不同的问题
【锚点】这一篇只钉一个判断:【⟨k²⟩/⟨k⟩】不是网络的属性,是【(网络, 抽样测度)】这一对的属性。友谊悖论、传染阈值、随机游走停留时间,是同一个数的三个投影。把这三件事分开学,是网络科学里最贵的一笔学费。
一、【显式】一颗星形图:1 个中心 + 99 个叶子 - ⟨k⟩ = 2E/N = 198/100 = 1.98 - ⟨k²⟩ = (99² + 99×1²)/100 = 99 - ⟨k²⟩/⟨k⟩ = 50
现在做一件所有人都会做的事:随机选一个人,问他「你的朋友平均有几个朋友」。 【流程节点链路】随机抽一个边端点 → 度分布被 size-bias 成 P(k) ∝ k·p_k → 该测度下 E[k] = ⟨k²⟩/⟨k⟩ = 50 → 终点:一个随机邻居的期望度是 50,一个随机节点的期望度是 1.98,差 25 倍。
这就是 Feld (1971/1991) 的友谊悖论。它不是社交焦虑,是测度变换。
二、【隐式】同一份样本,换一个估计量,答案就变了 还是那 198 个边端点:99 个端点的度是 1(每个叶子在自己那条边的叶端),99 个端点的度是 99(中心在 99 条边上的那一端)。 - 算术平均 = (99×1 + 99×99)/198 = 50 → 估计 ⟨k²⟩/⟨k⟩ - 调和平均 = 198 / (99/1 + 99/99) = 198/100 = 1.98 → 估计 1/⟨k⟩
【流程节点链路】边端点测度 P(k) ∝ k·p_k → E_edge[1/k] = Σ (k p_k/⟨k⟩)(1/k) = 1/⟨k⟩ → 调和平均的倒数即 ⟨k⟩ 的无偏估计 → 终点:一次「问朋友」的抽样,同时给出 ⟨k⟩ 和 ⟨k²⟩/⟨k⟩,只要你用两个不同的平均。
这是恒等式,不是近似。实用含义:你不需要普查全图就能拿到传染阈值 λ_c = ⟨k⟩/⟨k²⟩ 的两个因子——但你必须记住哪个平均对应哪个量。搞反,误差 25 倍。
三、【细微】为什么这个数同时是传染阈值 SIR/SIS 在配置模型网络上的阈值 λ_c = ⟨k⟩/⟨k²⟩(Pastor-Satorras & Vespignani 2001)。星形图上 λ_c = 1/50 = 0.02;同样平均度 1.98 的随机正则图上 λ_c = 1/1.98 ≈ 0.5。平均度一模一样,阈值差 25 倍。【方差不是噪声,方差是结构】。 同一颗星上,随机游走的平稳分布 ∝ 度,所以游走者有 99/198 = 50% 的时间停在中心——「随机游走最常访问的节点」和「最典型的节点」是两个问题。PageRank 只是用阻尼 d 把这个测度往均匀测度拉:d→1 是纯度比例,d→0 是纯均匀。
四、【极难发现】所以「度排序」这个前提本身是脆弱的 靶向免疫(按度砍掉前 f 个节点)在理论上极高效:Cohen et al. (2000) 对 2000 年前后的 AS 级互联网估计,随机删点要删掉约 60% 才碎片化,按度删点约 3%。但这个数字依赖一个几乎从不成立的假设:你知道真实的度排序。 Cohen, Havlin & ben-Avraham (2003, PRL 91, 247901) 的 acquaintance immunization 给了绕路方案:随机选人,免疫他的一个随机熟人。这一步就是上面的边端点抽样——不需要全局排序,只需要一次 size-biased 抽样,就能以远高于随机的概率命中高度节点。 【流程节点链路】需要度排序 → 全局普查或高覆盖率采样 → 在只能局部观测的网络上不可行 → 改为一次边端点抽样(问朋友)→ 得到 size-biased 样本 → 终点:免疫效果介于随机与完全靶向之间,但可执行。
五、可证伪的推论 在任何只能局部采样的网络上,「问朋友」得到的算术平均度与「问随机人」得到的平均度之比,约等于 1 + CV²(度分布变异系数平方)。这颗星上 CV² = 99/1.98² − 1 ≈ 24.2,比值 25.2,对得上。 所以:某平台测到「朋友的平均粉丝数是随机用户的 8 倍」,那不是 8 倍的社会不平等,那是这个平台的度分布 CV² ≈ 7。
值得吵的问题:靶向策略的全部优势都建立在「度排序可观测」上。当排序本身带测量误差(比如只观测到 10% 的边),靶向还剩多少优势?我的猜测是衰减得比大多数人以为的快——因为排序误差主要发生在中高度区,而那恰好是决定 λ_c 的区域。有人做过「带噪声的度排序下的免疫效率」这条曲线吗?







0 評論