Model Graf Acak Eksponensial Bayesian
Model Graf Acak Eksponensial Bayesian (ERGM Bayesian atau BERGM) memperluas kerangka kerja ERGM klasik dengan menempatkan distribusi prior atas parameter model dan menggunakan metode Markov chain Monte Carlo untuk memperoleh distribusi posterior penuh. Diperkenalkan oleh Caimo dan Friel (2011), model ini memungkinkan peneliti untuk mengukur ketidakpastian parameter dan memasukkan pengetahuan sebelumnya saat memodelkan fitur struktural jaringan sosial dan jaringan kompleks lainnya.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Bayesian Exponential Random Graph Model (Bayesian ERGM). ScholarGate. https://scholargate.app/id/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.
- Analisis Jaringan Sosial BayesianAnalisis Jaringan↔ compare
- Model Blok Stokastik BayesianAnalisis Jaringan↔ compare
- Analisis ModularitasAnalisis Jaringan↔ compare
- Model Blok StokastikAnalisis Jaringan↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →