Modello Bayesiano di Grafi Esponenziali (Bayesian ERGM o BERGM)
Il Modello Bayesiano di Grafi Esponenziali (Bayesian ERGM o BERGM) estende il framework classico ERGM ponendo distribuzioni a priori sui parametri del modello e utilizzando metodi Monte Carlo a catena di Markov per ottenere distribuzioni a posteriori complete. Introdotto da Caimo e Friel (2011), consente ai ricercatori di quantificare l'incertezza dei parametri e incorporare conoscenze a priori nella modellazione delle caratteristiche strutturali di reti sociali e altre reti complesse.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Exponential Random Graph Model (Bayesian ERGM). ScholarGate. https://scholargate.app/it/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.
- Bayesian Social Network AnalysisAnalisi delle reti↔ compare
- Modello Bayesiano a Blocchi StocasticiAnalisi delle reti↔ compare
- Analisi di modularitàAnalisi delle reti↔ compare
- Modello a Blocchi StocasticiAnalisi delle reti↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →