Байєсівська експоненційна випадкова графова модель
Байєсівська експоненційна випадкова графова модель (Bayesian ERGM або BERGM) розширює класичну структуру ERGM шляхом встановлення апріорних розподілів на параметри моделі та використання методів Монте-Карло за ланцюгами Маркова для отримання повних апостеріорних розподілів. Запроваджена Каїмо та Фріелом (Caimo and Friel, 2011), вона дозволяє дослідникам кількісно оцінювати невизначеність параметрів та включати апріорні знання при моделюванні структурних особливостей соціальних та інших складних мереж.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Bayesian Exponential Random Graph Model (Bayesian ERGM). ScholarGate. https://scholargate.app/uk/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.
- Байєсівський аналіз соціальних мережМережевий аналіз↔ compare
- Байєсівська стохастична блокова модельМережевий аналіз↔ compare
- Аналіз модулярностіМережевий аналіз↔ compare
- Стохастична блокова модельМережевий аналіз↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →