Dinamiskais nejaušo grafu modelis (TERGM / STERGM)
Dinamiskais nejaušo grafu modelis (TERGM / STERGM) paplašina klasisko ERGM sistēmu panel̦a tīkla datiem, modelējot, kā tīkla saites veidojas un izšķīst laika gaitā atkarībā no strukturālām tendencēm, mezglu atribūtiem un paša tīkla iepriekšējā stāvokļa. Tas nodrošina statistiski pamatotu secinājumu par laika gaitā notiekošām tīkla izmaiņām.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Hanneke, S., Fu, W., & Xing, E. P. (2010). Discrete temporal models of social networks. Electronic Journal of Statistics, 4, 585–605. DOI: 10.1214/09-EJS548 ↗
- Krivitsky, P. N., & Handcock, M. S. (2014). A separable model for dynamic networks. Journal of the Royal Statistical Society: Series B, 76(1), 29–46. DOI: 10.1111/rssb.12014 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Dynamic Exponential Random Graph Model (Temporal ERGM). ScholarGate. https://scholargate.app/lv/network-analysis/dynamic-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.
- Dinamiskais stohastiskais bloku modelisTīklu analīze↔ compare
- Tīkla difūzijas analīzeTīklu analīze↔ compare
- Stohastiskais bloku modelisTīklu analīze↔ compare
- Laika tīklu analīzeTīklu analīze↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →