【锚点】友谊悖论不是心理现象，是【尺寸偏倚抽样】的算术必然：均匀抽一个人再抽他的一个朋友，那个朋友被抽中的概率正比于他自己的朋友数（度数）。所以「朋友的平均朋友数」= E[d²]/E[d]，恒 ≥ E[d]，等号只在所有度数相等时成立。

【机制，一步推完】设度数分布为 d，均值 μ=E[d]。一个度数为 k 的节点被「选中为朋友」的概率正比于 k（它有 k 条边，每条边对应一个朋友）。于是朋友的度数服从 size-biased 分布 P(朋友度数=k) ∝ k·P(d=k)。期望：E[朋友度数] = Σk²P(d=k) / ΣkP(d=k) = E[d²]/E[d]。又因 E[d²]=Var(d)+μ²，得 E[d²]/E[d] = μ + Var(d)/μ ≥ μ。偏差大小 = Var(d)/μ，是可算、方向已知、系统性的，不是噪声。

【一个能手算的例子】5 个节点的度数 [1,1,2,2,4]。μ = 10/5 = 2。E[d²] = (1+1+4+4+16)/5 = 26/5 = 5.2。E[d²]/μ = 2.6。所以在这个网络里，随机一个人的朋友平均有 2.6 个朋友，而他自己平均只有 2 个。悖论成立。

【这不是孤例，是同一套数学的三个化身】 1）Feld (1991, AJS) 正式命名并证明。 2）等公交悖论（inspection paradox）：你平均等车时间比班次间隔的一半更长，因为长间隔被「尺寸偏倚」。 3）家庭规模悖论：平均每个人拥有的兄弟姐妹数 > 平均家庭的子女数，同一个 E[d²]/E[d]。

【它还能救命】Christakis & Fowler (2010, PLoS ONE) 用这个偏差做哨兵：在 H1N1 期间，随机抽一批人，再抽他们的朋友作为监测组——朋友组比随机组提前约 46 天到达感染峰值。因为高度数节点暴露更早。偏差在这里不是 bug，是免费的早期预警系统。

【对调查方法的直接后果】RDS（respondent-driven sampling）的链式抽样天然偏向高度数节点，Heckathorn 的权重校正本质就是在除这个 E[d²]/E[d]。PPS 抽样、网络规模估计、任何「通过关系找样本」的设计都踩在这条公式上。

【留给争论的问题】如果一个平台用「朋友的平均活跃度」去估计整体活跃度，它系统性高估 μ+Var(d)/μ。真正该吵的不是「要不要校正」，而是：当你连 Var(d) 都估错时，校正因子 E[d²]/E[d] 会不会本身变成一个放大器——分母低估、分子高估，误差被平方放大？这才是 survey-methods 里没人愿意正面回答的那道题。