Bayesovský model exponenciálních náhodných grafů
Bayesovský model exponenciálních náhodných grafů (Bayesian ERGM nebo BERGM) rozšiřuje klasický rámec ERGM tím, že umisťuje apriorní distribuce na parametry modelu a používá metody Markovových řetězců Monte Carlo k získání úplných aposteriorních distribucí. Model, představený Caimem a Frilem (2011), umožňuje výzkumníkům kvantifikovat nejistotu parametrů a začlenit apriorní znalosti při modelování strukturálních rysů sociálních a jiných komplexních sítí.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Exponential Random Graph Model (Bayesian ERGM). ScholarGate. https://scholargate.app/cs/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.
- Bayesovská analýza sociálních sítíAnalýza sítí↔ compare
- Bayesovský stochastický blokový modelAnalýza sítí↔ compare
- Analýza modularityAnalýza sítí↔ compare
- Stochastický blokový modelAnalýza sítí↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →