Сетевой эффект

Объём переноса (источник: /opt/algorithms/functional/network_effect.py, 55 строк, sha256 bc0ecfa3…)
· Согласовано: расчёт строк L30-42 (int(N), разбиение α/β, V, Меткалф, целочисленное деление max_conn, плотность, расстояние до критической точки, критический прогресс) и 8 возвращаемых полей из L44-53; параметры по умолчанию скопированы из L24-28 (α=1.5, β=2.3, c=0.001, n_critical=1000, avg=100.0); разрядность округления скопирована как есть (V 4 знака / Меткалф 2 знака / плотность 6 знаков / прогресс 1 знак), а pyRound() применён для совпадения с «округлением половины к чётному» в Python.
· Единицы: в исходном коде нет никаких обозначений единиц. V = c×N^α — это индекс ценности (при N=1000 примерно 0.001×1000^2.3 ≈ 7943), это не деньги; avg_value_per_user входит только в формулу Меткалфа, но не в V.
· Не согласовано ①: при N ≤ 1 исходный код берёт max_conn равным 1 (else 1 в L39), поэтому при N=0 плотность = connections÷1 — эта страница воспроизводит это как есть и не исправляет.
· Не согласовано ②: при отрицательном N выражение c×N^α в исходном коде даёт в Python комплексное число, а round() вызывает TypeError; эта страница просто отклоняет отрицательные значения и не имитирует это исключение.
· Не согласовано ③: когда N(N−1)/2 превышает 2^53 (N ≳ 9.49e7), двойная точность JS теряет точность целых чисел, тогда как в Python целые числа произвольной точности; при таком порядке величин эта страница отмечает это в результате.
· Две версии того же происхождения, но с другими формулами, которые эта страница не применяет: promotion_spirit/spread_algorithms/algo_network_effect.py использует V = N×avg×(1+плотность), не делит Меткалфа на 2 и дополнительно имеет разбиение плотности 0.7/0.3; /opt/algorithms/network_effect_engine.py (549 строк, первая часть L30-58 видна) содержит три участка pre/critical/post, два уровня коэффициента c1=0.001 и c2=0.0001 и разбиение плотности 0.01/0.1. Пункт 1.6 перечня указывает на версию functional, поэтому эта страница согласована только с версией functional — три версии дают разные числа, не смешивайте их.
· Почему эта страница не связана с «Диагностикой кривой / Пересчётом шкалы»: эта страница выдаёт ряд индексов ценности (порядок 1e0~1e4), а диагностика кривой классифицирует по шкале 0~10 и градации ±10; прямая связь привела бы к тому, что каждое значение было бы отнесено к «пику» — тип похож, но критерий не совпадает, поэтому связи нет.
· Слой ввода страницы (которого нет в исходном коде): пусто = используются значения по умолчанию из исходного кода; если ввести не число, будет ошибка.

[Раздел доказательств · где проверить каждое число]
(1) Источник: машина переноса алгоритмов /opt/algorithms/functional/network_effect.py (55 строк, только чтение): параметры по умолчанию = строки 25-28 (α=1.5, β=2.3, c=0.001, n_critical=1000, avg=100.0); расчёт = строки 30-42; 8 возвращаемых полей = строки 44-53.
(2) Три категории
· [Проверяемо] int(N), разбиение α/β (N < n_critical использует α), V = c×N^α, Меткалф avg×N²÷2, max_conn = N(N−1)//2, плотность, расстояние до критической точки, критический прогресс и разрядность округления — всё можно сверить строка за строкой.
· [Соглашение отображения этой страницы] Строки «таблицы сравнения масштабов», кроме строки «← ваш ввод», — это выборки страницы на других масштабах по той же формуле, а не вывод исходного кода (исходный код считает только то одно значение N, которое вы ввели).
· [Источник не найден] У происхождения четырёх значений по умолчанию α=1.5, β=2.3, c=0.001, n_critical=1000 нет ни комментария, ни ссылки на источник — ни в заголовке файла исходного кода, ни в теле функции → источник не найден. Кроме того: у V нет никаких обозначений единиц, это не деньги.
(3) Как проверить самому: введите N=1000, connections=999, avg_value_per_user=100 → поскольку N ≥ n_critical используется β: V = 0.001×1000^2.3 ≈ 7943.28; Меткалф = 100×1000²÷2 = 50,000,000; плотность = 999 ÷ (1000×999÷2) = 0.002. Эти три числа соответствуют трём формулам из строк 31-42.