Aleatorizaciones de clústeres sin ponderar
Hemos visto que el grafo de bicicletas tiene una conectividad muy baja en comparación con un grafo aleatorio. Esto no sorprende, porque esperamos que un grafo que representa un espacio geográfico tenga zonas conectadas por pequeños corredores y, por tanto, baste poco para desconectarlo. De aquí se deduce que probablemente existan clústeres geográficos muy conectados entre sí y menos conectados con otros clústeres. Podemos poner a prueba esta hipótesis observando la transitividad de la red, o coeficiente de agrupamiento (clustering), un concepto introducido en nuestra lección introductoria. Existen varios tipos de coeficientes de agrupamiento, pero aquí veremos la definición global (básicamente, la proporción de triángulos completamente cerrados), que es la misma que tratamos antes. Primero, analizaremos una versión no ponderada del grafo y la compararemos con un grafo aleatorio.
Para calcular la transitividad global de una red, necesitas establecer type a "global" en tu llamada a transitivity().
La red de trayectos 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.
# Calculate global transitivity
actual_global_trans <- transitivity(___, type = "___")
# See the result
actual_global_trans
# Calculate the order
n_nodes <- ___(___)
# Calculate the edge density
edge_dens <- ___(___)