Modelo Bayesiano de Grafos Aleatorios Exponenciales
El Modelo Bayesiano de Grafos Aleatorios Exponenciales (Bayesian ERGM o BERGM) extiende el marco clásico de ERGM al colocar distribuciones previas sobre los parámetros del modelo y utilizar métodos de Monte Carlo de cadena de Markov para obtener distribuciones posteriores completas. Introducido por Caimo y Friel (2011), permite a los investigadores cuantificar la incertidumbre de los parámetros e incorporar conocimiento previo al modelar las características estructurales de redes sociales y otras redes complejas.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Exponential Random Graph Model (Bayesian ERGM). ScholarGate. https://scholargate.app/es/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.
- Análisis Bayesiano de Redes SocialesAnálisis de redes↔ compare
- Modelo Bayesiano de Bloques EstocásticosAnálisis de redes↔ compare
- Análisis de modularidadAnálisis de redes↔ compare
- Modelo de Bloques EstocásticosAnálisis de redes↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →