ScholarGate
Assistent
Machine learningNetwork science

Vægtet eksponentiel tilfældig grafmodel

Den vægtede eksponentielle tilfældige grafmodel (W-ERGM) udvider den klassiske binære ERGM-ramme til netværk, hvis kanter bærer kvantitative værdier – såsom kontaktfrekvens, handelsvolumen eller samarbejdsintensitet. Den modellerer hele netværket med vægtede kanter som en sandsynlighedsfordeling defineret over alle mulige vægtede grafer, hvilket gør det muligt for forskere at teste, om strukturelle mønstre som reciprocitet, transitivitet eller gradfordeling opstår ud over, hvad tilfældigheder alene ville producere.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. Krivitsky, P. N. (2012). Exponential-family random graph models for valued networks. Electronic Journal of Statistics, 6, 1100–1128. DOI: 10.1214/12-EJS696
  2. Robins, G., Pattison, P., Kalish, Y., & Lusher, D. (2007). An introduction to exponential random graph (p*) models for social networks. Social Networks, 29(2), 173–191. DOI: 10.1016/j.socnet.2006.08.002

Sådan citerer du denne side

ScholarGate. (2026, June 3). Weighted Exponential Random Graph Model (Valued-Edge ERGM). ScholarGate. https://scholargate.app/da/network-analysis/weighted-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.

Compare side by side

Refereret af

ScholarGateWeighted Exponential Random Graph Model (Weighted Exponential Random Graph Model (Valued-Edge ERGM)). Hentet 2026-06-15 fra https://scholargate.app/da/network-analysis/weighted-exponential-random-graph-model · Datasæt: https://doi.org/10.5281/zenodo.20539026