Байесов модел на експоненциална случайна мрежа
Байесовият модел на експоненциална случайна мрежа (Bayesian ERGM или BERGM) разширява класическата ERGM рамка, като поставя предварителни разпределения върху параметрите на модела и използва методи на Марковски вериги Монте Карло за получаване на пълни апостериорни разпределения. Въведен от Caimo и Friel (2011), той позволява на изследователите да квантифицират несигурността на параметрите и да включат предварителни знания при моделиране на структурните характеристики на социални и други сложни мрежи.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Caimo, A., & Friel, N. (2011). Bayesian inference for exponential random graph models. Social Networks, 33(1), 41–55. DOI: 10.1016/j.socnet.2010.09.004 ↗
- Exponential random graph models. Wikipedia. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Bayesian Exponential Random Graph Model (Bayesian ERGM). ScholarGate. https://scholargate.app/bg/network-analysis/bayesian-exponential-random-graph-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Байесов анализ на социални мрежиМрежови анализ↔ compare
- Байесов стохастичен блокови моделМрежови анализ↔ compare
- Анализ на модулносттаМрежови анализ↔ compare
- Стохастичен блокови моделМрежови анализ↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →