Model sieci losowych o wykładniczym rozkładzie (ERGM / p*)
Model sieci losowych o wykładniczym rozkładzie (ERGM), znany również jako model p*, to ramy statystyczne do analizy sieci, które modelują prawdopodobieństwo zaobserwowanej sieci jako funkcję jej lokalnych cech strukturalnych — takich jak wzajemność, trójkąty i rozkład stopni. Opracowany na podstawie fundamentalnych prac Franka i Straussa (1986) oraz rozwinięty w nowoczesne ramy przez Wassermana i Pattisona (1996) i Robinsa i wsp. (2007), ERGM jest standardem wnioskowania w analizie sieci społecznych, zdolnym do testowania, czy obserwowane struktury sieciowe powstają przypadkowo, czy odzwierciedlają rzeczywiste procesy społeczne.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Robins, G., Pattison, P., Kalish, Y., & Lusher, D. (2007). An introduction to exponential random graph (p*) models for social networks. Social Networks, 29(2), 173-191. DOI: 10.1016/j.socnet.2006.08.002 ↗
- Lusher, D., Koskinen, J., & Robins, G. (Eds.) (2012). Exponential Random Graph Models for Social Networks: Theory, Methods, and Applications. Cambridge University Press. ISBN: 9780521193566
Jak cytować tę stronę
ScholarGate. (2026, June 1). Exponential Random Graph Model (ERGM / p*). ScholarGate. https://scholargate.app/pl/network-analysis/exponential-random-graph
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.
- Algorytmy odkrywania przyczynowości (PC, FCI, LiNGAM)Wnioskowanie przyczynowe↔ compare
- Wykrywanie społecznościAnaliza sieci↔ compare
- DBSCANUczenie maszynowe↔ compare
- Sieć uwagi grafowejUczenie głębokie↔ compare
- Sieci neuronowe grafoweUczenie głębokie↔ compare
- Analiza sieciowa tekstuEksploracja tekstu↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →