1. Nauka
    2. /
  2. Kursy
    3. /
  3. Studia przypadków: analiza sieci w R
Connected

ćwiczenie

Losowe ważone grupowanie

Widzimy potwierdzenie hipotezy, że graf o niskiej spójności charakteryzuje się bardzo wysokim grupowaniem – znacznie wyższym niż wynikałoby to z przypadku. Nasz graf to jednak coś więcej niż zwykły graf nieskierowany – zawiera również wagi reprezentujące liczbę odbytych przejazdów. Przy losowaniu mamy więc kilka kwestii do rozważenia. Po pierwsze, ważona wersja metryki działa tylko lokalnie, dlatego wartość tranzytywności jest obliczana dla każdego wierzchołka osobno. Po drugie, losowy graf nie zawiera wag. Aby rozwiązać oba te problemy, przyjrzymy się średniej tranzytywności wierzchołków i zastosujemy nieco bardziej rozbudowany schemat losowania.

Aby obliczyć ważoną tranzytywność wierzchołkową sieci, ustaw type na "weighted" w wywołaniu funkcji transitivity().

Sieć przejazdów trip_g_simp jest dostępna.

Instrukcje 1/3

undefined XP
    1
    2
    3
  • Oblicz średnią ważonej tranzytywności sieci przejazdów trip_g_simp.
  • Oblicz liczbę wierzchołków (rząd grafu).
  • Oblicz gęstość krawędzi grafu.
  • Pobierz wagi krawędzi z elementu weight krawędzi.