Aleatorizaciones de agrupamiento ponderado
Podemos ver apoyo a la hipótesis de que un grafo con baja conectividad también tendría un agrupamiento muy alto, mucho mayor que por azar. Pero nuestro grafo es más que un grafo no dirigido: también tiene pesos que representan el número de viajes realizados. Así que ahora tenemos varios aspectos que considerar en nuestra aleatorización. Primero, la versión ponderada de la métrica es solo local, por lo que se calcula un valor de transitividad para cada vértice. Segundo, el grafo aleatorio no incluye pesos. Para resolver ambos problemas, veremos la transitividad media por vértice y aplicaremos un esquema de aleatorización un poco más complejo.
Para calcular la transitividad ponderada por vértice de una red, necesitas establecer type en "weighted" en tu llamada a transitivity().
La red de viajes en bici, trip_g_simp, está disponible.
Este ejercicio forma parte del curso
Estudios de caso: análisis de redes en R
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Find the mean local weighted clustering coeffecient using transitivity()
actual_mean_weighted_trans <- mean(___(___, type = "weighted"))
# Calculate the order
n_nodes <- ___(trip_g_simp)
# Calculate the edge density
edge_dens <- edge_density(___)
# Get edge weights
edge_weights <- E(___)$___