مدل گراف تصادفی نمایی پویا
مدل گراف تصادفی نمایی پویا (TERGM / STERGM) چارچوب کلاسیک ERGM را به دادههای شبکهای پنلی گسترش میدهد و چگونگی شکلگیری و انحلال پیوندهای شبکه را در طول زمان، تابعی از گرایشهای ساختاری، ویژگیهای گرهی و وضعیت گذشته خود شبکه، مدلسازی میکند. این مدل استنباط آماری اصولی را در مورد تغییرات شبکهای طولی ارائه میدهد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Hanneke, S., Fu, W., & Xing, E. P. (2010). Discrete temporal models of social networks. Electronic Journal of Statistics, 4, 585–605. DOI: 10.1214/09-EJS548 ↗
- Krivitsky, P. N., & Handcock, M. S. (2014). A separable model for dynamic networks. Journal of the Royal Statistical Society: Series B, 76(1), 29–46. DOI: 10.1111/rssb.12014 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Dynamic Exponential Random Graph Model (Temporal ERGM). ScholarGate. https://scholargate.app/fa/network-analysis/dynamic-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.
- مدل تصادفی بلوکی پویا (Dynamic Stochastic Block Model)تحلیل شبکه↔ compare
- تحلیل انتشار در شبکهتحلیل شبکه↔ compare
- مدل بلوک تصادفیتحلیل شبکه↔ compare
- تحلیل شبکه زمانیتحلیل شبکه↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →