Your friends are statistically likely to have more friends than you.

あなたの友人は統計的にあなたより友人が多い可能性が高いです。

Sounds funny but it's an actual phenomenon called the 'friendship paradox'.

笑い話のように聞こえますが、これは「友情のパラドックス」と呼ばれる実際の現象です。

It's a paradox that doesn't only apply to friendships, but also to other areas of your life such as dating, social media, sports and pretty much most things that can be described as a social network.

これは友情にだけ当てはまるものではなく、デート、ソーシャルメディア、スポーツ、そしてほとんどの社会ネットワークと言えるものの他の分野にも適用される逆説です。

We're going to be looking at how this paradox affects your life and why it's good to be aware of it.

このパラドックスがあなたの人生にどのような影響を与えるのか、そしてなぜパラドックスを意識することが良いのかを見ていきましょう。

I also asked my audience to participate in an experiment.

また、聴衆にある実験に参加していただきました。

I analyzed the Twitter accounts of 89 of my subscribers to find out if their followers have more followers than them and to see if the friendship paradox applies.

私の購読者89人のツイッターアカウントを分析し、彼らのフォロワーが自分より多いかどうか、また友情のパラドックスが当てはまるかどうかを調べました。

But before we dive into that, let's try to understand: how does this paradox work?

しかし、その前に、このパラドックスがどのように機能するのかを理解しましょう。

If our friends have more friends than us then the paradox can't possibly be true for them as well, right?

もし私たちの友達が私たちよりも多くの友達を持っているなら、そのパラドックスは彼らにも当てはまらないはずですよね？

Let's imagine a classroom with 9 students. 

9人の生徒がいる教室を想像してみましょう。

Let's assume everyone has 2 friends.

全員に友達が2人いるとします。

In this scenario, the friendship paradox is not true for anyone right now.

このシナリオでは、友情のパラドックスは今のところ誰にも当てはまりません。

Everyone's friends also have two friends each.

みんなの友達にも二人ずつ友達がいます。

However, in almost every social network, there are people with more connections than others.

しかし、ほとんどすべてのソーシャルネットワークにおいて、他の人よりも多くのコネクションを持っている人がいます。

Let's add a tenth person who's a bit more popular than his colleagues.

同僚より少し人気がある10人目を追加してみましょう。

He's friends with six people. Let's see what that does to the network.

彼は6人と友達です。ネットワークがどうなるか見てみましょう。

Let's start with the people on the sides who are not connected to him

彼とつながりのない人たちから見てみましょう。

The people on the edges continue having two friends, 

縁の下の力持ちは二人の友人を持ち続け、

but now those friends have three friends each, since they are now connected to the popular guy.

しかし、今は人気者とつながっているため、その友達は3人ずついます。

So the friendship paradox is now true for this case.

この場合、友情のパラドックスが成立します。

The people in the middle now have 3 friends, but those friends have an average of 3.7 friends.

真ん中の人は現在3人の友達を持っていますが、その友達の平均は3.7人です。

That's because they're now friends with the popular guy who skews the average up.

人気者と友達になったから平均が上がってるんです。

So the friendship paradox is also true for the people in the middle.

つまり、友情のパラドックスは真ん中の人々にも当てはまるということです。

The only one who is not affected by the friendship paradox is the popular guy, who has way more friends than his friends.

友情のパラドックスに影響を受けない唯一の人は、自分の友達よりもはるかに多くの友達を持つ人、つまり人気者です。

In this scenario, the friendship paradox is true for 90% of the classroom.

このシナリオでは、友情のパラドックスは教室の90%に当てはまります。

It's actually a simple phenomenon if you think about it:

考えてみれば単純な現象です。

Popular people are friends with many people.

人気者は多くの人と友達になります。

Therefore, they are more likely to be your friends and they skew the average up.

そのため、友達になる確率が高くなり、平均が上がってしまいます。

Social networks often have a small group of people with many connections.

ソーシャルネットワークには、多くのつながりを持つ少人数のグループが存在することが多いです。

This phenomenon is actually quite common in other real-world networks as well.

このような現象は他の現実世界のネットワークでもよく見られることです。

Networks are often concentrated around certain points, or nodes, the technical term, that have more connections than the remaining nodes.

ネットワークはしばしば、他のノードよりも多くの接続を持つ、技術的な用語である特定のポイントまたはノードの周りに集中しています。

For example, this affects online networks.

例えば、ネット上のネットワークがそうです。

There's a Facebook dataset collected by Stanford with data from 4000 volunteers.

スタンフォード大学が 4000 人のボランティアから集めたフェイスブックのデータセットがあります。

If we look at this data, we see that 87% of those people have fewer Facebook friends than their Facebook friends.

このデータを見ると、87％の人がフェイスブックの友達より少ないことがわかります。

The friendship paradox is also visible in transportation networks.

友情のパラドックスは交通網にも見られます。

If we look at the Eurail train network, we see that each city is connected to 2.7 cities on average whereas their neighboors are connected to 3.8 cities.

ユーレイルの鉄道網を見ると、各都市は平均して2.7都市とつながっているのに対し、近隣の都市は3.8都市とつながっています。

There's a group of central stations which have more connections than their neighboors and are responsible for most of the traffic.

中央駅のグループが、隣接する駅よりも多くの接続を持ち、ほとんどの交通量を担当しています。

Notice how most of them are European capitals.

そのほとんどがヨーロッパの首都であることに注目してください。

This phenomenon is also relevant to understand how diseases spread.

この現象は、病気がどのように広がっていくかを理解することにも関係しています。

People with more social connections are more likely to catch and spread infections.

社会的なつながりが多い人は感染症を受けやすく、広げやすい傾向があります。

So, how does this affect your life?

それで、これはあなたの生活にどのように影響しますか？

In dating, it's more likely that your partners have had more partners than you.

出会い系では、パートナーの方が自分より経験人数が多い可能性が高いです。

In my previous video, I made a simulation of a dating app.

前回の動画では、出会い系アプリのシミュレーションを作ってみました。

In this simulation, 78% of users who got matches matched with people that had more matches than them.

このシミュレーションでは、マッチングしたユーザーの78％が、自分よりもマッチング数が多い相手とマッチングしています。

When you play Call of Duty or Fifa online and you get trashed by someone, there's a good chance that on the other side, there's a person who plays more often and against more people than you.

Call of Duty や FIFA をオンラインでプレイして、誰かに負けると、向こう側にはおそらく、あなたよりも頻繁にプレイし、より多くの人と対戦している人がいる可能性が高いです。

When you go to the gym, it's more likely that the people you find there go to the gym more often than you.

あなたがジムに行くとき、そこにいる人はあなたよりも頻繁にジムに通っている可能性が高いです。

Therefore, it's normal if they are in better shape than you.

だから、その人たちが自分よりスタイルがいいのは当たり前なんです。

Even though the friendship paradox is easy to understand, it's not always intuitive and it's a common bias.

友情のパラドックスは理解しやすいとはいえ、直感的に理解できるとは限らないし、よくあるバイアスでもあります。

We would think that our friends are a fairy representative sample of typical people, but that's not always true.

私たちは、自分の友人が典型的な人々の妖精の代表的なサンプルであると考えるだろうが、必ずしもそうではありません。

In this case, they have more friends than the typical person.

この場合、典型的な人よりも友達が多いです。

In statistics, this is called a sampling bias:

統計学では、これを「サンプリング・バイアス」と呼びます。

When our sample of data points is biased in a way that does not represent the entire population.

データ点の標本が母集団全体を代表しないように偏っている場合。

That's why we should be careful when we make generalizations from the things we see.

だから、目に見えるものから一般化するときには注意しなければなりません。

We often understand reality through social networks. We follow newspapers, influencers and friends.

私たちはしばしばソーシャルネットワークを通して現実を理解します。私たちは新聞やインフルエンサー、友人をフォローしています。

We might think they give us an accurate image of the world, but they can also suffer from a sampling bias.

私たちは、ソーシャルネットワークが世界の正確なイメージを与えてくれると思うかもしれませんが、サンプリングバイアスに悩まされることもあります。

Today's sponsor tries to remove the sampling bias from your news.

今日のスポンサーは、ニュースからサンプリングバイアスを取り除こうとしています。

Ground News is a website and app that allows you to see how the same story is told by left, center and right sources.

このアプリを使えば、左派、中道、右派のソースが同じ記事をどのように伝えているかを見ることができます。

For example, if you want to learn more about how Elon Musk restricted satellite service to Ukraine,

例えば、イーロン・マスクがウクライナへの衛星通信を制限したことについて詳しく知りたい場合、

you can see if most of the sources reporting this news lean left or right, and you can see how it was reported by each side.

このニュースを報道しているソースの多くが左寄りか右寄りか、そしてそれぞれの立場からどのように報道されたかを見ることができます。

So in this case, some left leaning sources emphasize the fact that Elon Musk interfered with Ukraine whereas right leaning sources put more emphasis on the fact that he prevented an attack.

この場合、一部の左寄りの情報源はイーロン・マスクがウクライナに干渉したという事実を強調しているのに対し、右寄りの情報源は彼が攻撃を防いだという事実をより強調しています。

They have a feature called blindspot that shows you stories that are disproportionately covered by one side of the political spectrum.

ブラインドスポットと呼ばれる機能があり、片方の政治スペクトルに偏って報道されている記事を表示してくれます。

They also have a phone app and you can get a personalized feed based on your interests.

また、スマホアプリもあり、自分の興味に合わせたフィードを得ることができます。

The amount of bias in news is one of the reasons why I use data to tell my stories and one of the reasons why I created this channel in the first place.

ニュースには偏りが多いからこそ、私はデータを使ってストーリーを伝えているし、そもそもこのチャンネルを作った理由の一つでもあります。

Personally, I think it's very healthy to look at the perspective from opposite views, 

個人的には、正反対の視点から見ることはとても健全なことだと思います。

even if it makes us feel uncomfortable, and I love what Ground News is doing here.

たとえそれが私たちを不快にさせるものであったとしても。

They even have a feature called My News Bias, which is a dashboard for your news consumption.

このニュースには、「My News Bias（私のニュース偏見）」というダッシュボードがあります。

It's only available through their Vantage plan and if you subscribe through my link, you get 30% off and it would be a big support to my channel.

それは彼らの Vantage プランを通じてのみ利用可能で、私のリンクを介して登録すると、30％ オフになり、私のチャンネルへの大きなサポートになります。

Now let's see the results of our Twitter experiment.

それでは、ツイッターの実験結果を見てみましょう。

I asked my audience to share their Twitter usernames.

観客にツイッターのユーザーネームを教えてもらいました。

The goal here is to find their number of followers, and then compare that with the number of followers of the followers to see if the friendship paradox is true for them.

ここでの目的は、彼らのフォロワー数を求め、それをフォロワーのフォロワー数と比較し、友情のパラドックスが彼らに当てはまるかどうかを確認することです。

I also gave the participants the option to remain anonymous, so some of them will have nicknames.

また、参加者には匿名にする選択肢を与えたので、ニックネームを持つ人もいるでしょう。

89 people participated in the survey.

89人がアンケートに参加しました。

Of these people, seven provided non-existent usernames so I excluded them.

このうち、7人は実在しないユーザー名だったので除外した。

One person claimed to be Elon Musk, so I decided to exclude them as well.

イーロン・マスクを名乗る人が1人いたので、同様に除外することにしました。

Elon, if it's really you watching my videos then I'm sorry, but I can't afford to analyze all your followers.

イーロン、もし本当にあなたが私の動画を見ているなら、ごめんなさい、でもあなたのフォロワー全員を分析する余裕はありません。

The next step was to get the number of followers for everyone.

次のステップは、全員のフォロワー数を把握することでした。

I signed up for Twitter's API and after some work I got the follower count per user.

ツィーターの API にサインアップし、いくつかの作業を経て、ユーザーごとのフォロワー数を取得しました。

Three people had private accounts so I was not able to look into their list of followers.

3人は非公開アカウントだったので、フォロワー数を調べることができませんでした。

Sorry, I forgot to mention that in the survey.

すみません、アンケートに書き忘れました。

Eight people had zero followers, so I had to exclude them as well.

フォロワーがゼロの人が8人いたので、その人たちも除外させてもらいました。

Sorry, but I can't check if the friendship paradox applies to you if you don't have friends in the first place.

申し訳ないが、そもそも友達がいないと友情のパラドックスが適用されるかどうか確認できませんので。

The next step was to find the list of followers for every user.

次のステップは、すべてのユーザーのフォロワーリストを見つけることでした。

To my disappointment, I found out that Twitter recently disabled the API's endpoint I needed to do this.

残念なことに、ツイッターは最近、この作業を行うために必要な API のエンドポイントを無効にしてしまいました。

But after some research, I found a third party website that provides this service and I got the lists of followers.

しかし、いろいろ調べた結果、このサービスを提供しているサードパーティのウェブサイトを見つけ、フォロワーのリストを手に入れました。

The final results: There were only two participants that had more followers than their followers.

最終的な結果：フォロワーがフォロワーより多い参加者は2人だけでした。

For the remaining 97% of participants, the friendship paradox was true: their followers had more followers than them.

残りの 97％ の参加者については、友情のパラドックスは真実でありました。

So, in conclusion, if the people around you have more connections then you don't feel bad because that's quite normal according to math.

つまり、結論として、もしあなたの周りの人々がより多くのコネクションを持っていたとしても、数学によればそれはごく普通のことなので、悪いとは思わないということです。

And personally, I would be careful when making a generalization out of the people around you.

個人的には、周りの人を一般化するときは気をつけた方がいいと思います。

There's a good chance you're facing a sampling bias and that the people connected to you don't represent the entire network.

あなたの周りの人がネットワーク全体を代表してるとは限らないし、サンプリングバイアスに直面してる可能性が高いです。

Thank you for watching. If you like stories told with data and would like to support my work, consider leaving a like and subscribing to the channel.

ご視聴ありがとうございました。もしあなたがデータで語られるストーリーが好きで、私の仕事をサポートしたいのであれば、「いいね！」を押して、チャンネル登録することをお願いします。

And thank you to our patrons.

パトロンの皆様、ありがとうございました。