Bayesiläinen eksponentiaalinen satunnaisgraafimalli
Bayesiläinen eksponentiaalinen satunnaisgraafimalli (Bayesian ERGM tai BERGM) laajentaa klassista ERGM-kehystä asettamalla priorijakaumat mallin parametreille ja käyttämällä Markovin ketju-Monte Carlo -menetelmiä täydellisten posteriorijakaumien saamiseksi. Caimo ja Friel (2011) esittelivät sen, ja se antaa tutkijoille mahdollisuuden kvantifioida parametrien epävarmuutta ja sisällyttää ennakkotietoa sosiaalisten ja muiden monimutkaisten verkostojen rakenteellisten piirteiden mallintamisessa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Exponential Random Graph Model (Bayesian ERGM). ScholarGate. https://scholargate.app/fi/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.
- Bayesiläinen sosiaalisten verkostojen analyysiVerkostoanalyysi↔ compare
- Bayesiläinen stokastinen lohkomalliVerkostoanalyysi↔ compare
- ModulaarianalyysiVerkostoanalyysi↔ compare
- Stochastic Block ModelVerkostoanalyysi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →