Bayesijanski model eksponencijalne mreže grafova
Bayesijanski model eksponencijalne mreže grafova (Bayesian ERGM ili BERGM) proširuje klasični ERGM okvir postavljanjem apriornih distribucija na parametre modela i korištenjem metoda Markovljevog lanca Monte Carlo za dobivanje potpunih aposteriornih distribucija. Predstavljen od strane Caima i Friela (2011.), omogućuje istraživačima kvantificiranje nesigurnosti parametara i uključivanje apriornog znanja pri modeliranju strukturnih značajki društvenih i drugih složenih mreža.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Bayesian Exponential Random Graph Model (Bayesian ERGM). ScholarGate. https://scholargate.app/hr/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.
- Bayesijanska analiza društvenih mrežaAnaliza mreža↔ compare
- Bayesian Stochastic Block Model (Bayesian SBM)Analiza mreža↔ compare
- Analiza modularnostiAnaliza mreža↔ compare
- Stochastic Block ModelAnaliza mreža↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →