Randomizzazioni del clustering non pesato
Abbiamo visto che il grafo delle bici ha una connettività molto bassa rispetto a un grafo casuale. Non è sorprendente: ci aspettiamo che un grafo che rappresenta lo spazio geografico abbia zone collegate da corridoi stretti e che, quindi, basti poco per disconnetterlo. Ne consegue che è probabile che esistano cluster geografici molto connessi internamente e meno connessi ad altri cluster. Possiamo testare questa ipotesi guardando alla transitività della rete, o coefficiente di clustering, un concetto introdotto nella nostra lezione introduttiva. Esistono diversi tipi di coefficienti di clustering, ma qui useremo la definizione globale (in sostanza, la quota di triangoli completamente chiusi), la stessa vista in precedenza. Per iniziare, considereremo una versione non pesata del grafo e la confronteremo con un grafo casuale.
Per calcolare la transitività globale di una rete, devi impostare type su "global" nella chiamata a transitivity().
La rete dei viaggi in bici, trip_g_simp, è disponibile.
Questo esercizio fa parte del corso
Casi di studio: analisi di reti in R
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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 <- ___(___)