Randomizzazioni del clustering pesato
Possiamo trovare supporto all'ipotesi che un grafo con bassa connettività presenti anche un clustering molto elevato, ben oltre quanto ci si aspetterebbe per caso. Ma il nostro grafo non è solo indiretto: ha anche dei pesi che rappresentano il numero di viaggi effettuati. Quindi, nella nostra randomizzazione dobbiamo considerare più aspetti. Primo, la versione pesata della metrica è solo locale, quindi si calcola un valore di transitività per ciascun vertice. Secondo, il grafo casuale non include pesi. Per risolvere entrambi i problemi, considereremo la transitività media dei vertici e implementeremo uno schema di randomizzazione un po' più articolato.
Per calcolare la transitività pesata dei vertici di una rete, devi impostare type su "weighted" 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.
# 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(___)$___