Bayes-féle exponenciális véletlen gráfmodell
A Bayes-féle exponenciális véletlen gráfmodell (Bayesian ERGM vagy BERGM) a klasszikus ERGM keretrendszerét bővíti ki azáltal, hogy prior eloszlásokat helyez a modellparaméterekre, és Markov-lánc Monte Carlo (MCMC) módszereket használ a teljes posterior eloszlások megszerzésére. A Caimo és Friel (2011) által bevezetett modell lehetővé teszi a kutatók számára a paraméterbizonytalanság kvantifikálását és az előzetes ismeretek beépítését a szociális és más komplex hálózatok szerkezeti jellemzőinek modellezése során.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Bayesian Exponential Random Graph Model (Bayesian ERGM). ScholarGate. https://scholargate.app/hu/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.
- Bayesiánus szociális hálózatelemzésHálózatelemzés↔ compare
- Bayesian Stochastic Block Model (Bayes SBM)Hálózatelemzés↔ compare
- Modularity AnalysisHálózatelemzés↔ compare
- Sztochasztikus Blokk ModellHálózatelemzés↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →