Efeito de rede

Escopo do porte (fonte: /opt/algorithms/functional/network_effect.py, 55 linhas, sha256 bc0ecfa3…)
· Alinhado: o cálculo de L30-42 (int(N), faixas α/β, V, Metcalfe, divisão inteira de max_conn, densidade, distância ao ponto crítico, progresso crítico) e os 8 campos retornados de L44-53; os parâmetros padrão são copiados de L24-28 (α=1.5, β=2.3, c=0.001, n_critical=1000, avg=100.0); as casas de arredondamento são copiadas igual (V 4 casas / Metcalfe 2 casas / densidade 6 casas / progresso 1 casa), e pyRound() é usado para igualar o «arredondamento de metade para par» do Python.
· Unidades: o código-fonte não indica nenhuma unidade. V = c×N^α é um índice de valor (com N=1000, aprox. 0.001×1000^2.3 ≈ 7943), não é dinheiro; avg_value_per_user só entra na fórmula de Metcalfe, não entra em V.
· Não alinhado ①: quando N ≤ 1, o código-fonte toma max_conn como 1 (o else 1 de L39), então com N=0 a densidade = connections÷1 — esta página replica isso tal e qual, sem corrigir.
· Não alinhado ②: com N negativo, c×N^α no código-fonte dá um número complexo em Python e round() lança TypeError; esta página rejeita diretamente valores negativos e não simula essa exceção.
· Não alinhado ③: quando N(N−1)/2 passa de 2^53 (N ≳ 9.49e7), a precisão dupla do JS perde precisão inteira, enquanto o Python usa inteiros de precisão arbitrária; nessa ordem de grandeza esta página sinaliza isso no resultado.
· Duas versões da mesma origem mas com fórmulas diferentes, que esta página não adota: promotion_spirit/spread_algorithms/algo_network_effect.py usa V = N×avg×(1+densidade), não divide Metcalfe por 2 e ainda traz faixas de densidade 0.7/0.3; /opt/algorithms/network_effect_engine.py (549 linhas, com a primeira parte L30-58 visível) tem três faixas pre/critical/post, dois níveis de coeficiente c1=0.001 e c2=0.0001, e faixas de densidade 0.01/0.1. O item 1.6 do inventário aponta para a versão functional, então esta página só se alinha com a versão functional — as três versões dão números diferentes, não as misture.
· Por que esta página não se conecta com «Diagnóstico de curva / Conversão de escala»: o que esta página produz é uma série de índices de valor (ordem de grandeza 1e0~1e4), enquanto o diagnóstico de curva classifica por uma escala de 0~10 e uma graduação de ±10; conectar direto faria todo valor ser classificado como «pico» — o tipo se parece, mas o critério não bate, por isso não se conecta.
· Camada de entrada da página (que não existe no código-fonte): deixar em branco = usa os valores padrão do código-fonte; se preencher com algo que não é número, dá erro.

[Seção de evidências · onde conferir cada número]
(1) Fonte: a máquina de portabilidade de algoritmos /opt/algorithms/functional/network_effect.py (55 linhas, somente leitura): parâmetros padrão = linhas 25-28 (α=1.5, β=2.3, c=0.001, n_critical=1000, avg=100.0); cálculo = linhas 30-42; os 8 campos retornados = linhas 44-53.
(2) Três categorias
· [Verificável] int(N), as faixas α/β (N < n_critical usa α), V = c×N^α, Metcalfe avg×N²÷2, max_conn = N(N−1)//2, a densidade, a distância ao ponto crítico, o progresso crítico e as casas de arredondamento — tudo dá para conferir linha por linha.
· [Critério de exibição desta página] As linhas da «tabela comparativa de escalas» diferentes de «← a sua entrada» são amostras da página em outras escalas com a mesma fórmula, não saída do código-fonte (o código-fonte só calcula o N que você preencheu).
· [Nenhuma fonte encontrada] A origem dos quatro valores padrão α=1.5, β=2.3, c=0.001, n_critical=1000 não tem comentário nem referência no cabeçalho do arquivo-fonte nem no corpo da função → nenhuma fonte encontrada. Além disso: V não tem nenhuma unidade indicada, não é dinheiro.
(3) Como verificar você mesmo: preencha N=1000, connections=999, avg_value_per_user=100 → como N ≥ n_critical usa β: V = 0.001×1000^2.3 ≈ 7943.28; Metcalfe = 100×1000²÷2 = 50,000,000; densidade = 999 ÷ (1000×999÷2) = 0.002. Os três números correspondem às três fórmulas das linhas 31-42.