Bayesiansk modell för slumpmässiga grafer (Bayesian Exponential Random Graph Model)
Den Bayesianska modellen för slumpmässiga grafer (Bayesian ERGM eller BERGM) utvidgar det klassiska ERGM-ramverket genom att placera priorfördelningar över modellparametrarna och använda Markovkedjemontcarlo-metoder (MCMC) för att erhålla fullständiga posteriorfördelningar. Modellen, som introducerades av Caimo och Friel (2011), tillåter forskare att kvantifiera parameterosäkerhet och införliva förkunskaper vid modellering av de strukturella dragen hos sociala och andra komplexa nätverk.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Exponential Random Graph Model (Bayesian ERGM). ScholarGate. https://scholargate.app/sv/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 analys av sociala nätverkNätverksanalys↔ compare
- Bayesiansk stokastisk blockmodellNätverksanalys↔ compare
- Modulär analysNätverksanalys↔ compare
- Stochastic Block ModelNätverksanalys↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →