Bayesiansk eksponensiell tilfeldig grafmodell
Den Bayesianske Eksponensielle Tilfeldige Grafmodellen (Bayesian ERGM eller BERGM) utvider det klassiske ERGM-rammeverket ved å plassere priorifordelinger over modellparametrene og bruke Markovkjede Monte Carlo-metoder for å oppnå fulle posteriorfordelinger. Introdusert av Caimo og Friel (2011), lar den forskere kvantifisere parameterusikkerhet og inkludere forkunnskaper ved modellering av strukturelle egenskaper ved sosiale og andre komplekse nettverk.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Bayesian Exponential Random Graph Model (Bayesian ERGM). ScholarGate. https://scholargate.app/no/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.
- Bayesiansk nettverksanalyseNettverksanalyse↔ compare
- Bayesiansk stokastisk blokkmodellNettverksanalyse↔ compare
- ModulæranalyseNettverksanalyse↔ compare
- Stochastic Block ModelNettverksanalyse↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →