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.
To ćwiczenie jest częścią kursu
Studia przypadków: analiza sieci w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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(___)$___