Ağırlıksız Kümeleşme Rastgeleleştirmeleri
Bisiklet grafiğinin, rastgele bir grafa kıyasla çok düşük bağlanırlığa sahip olduğunu gördük. Bu şaşırtıcı değil; çünkü coğrafi alanı temsil eden bir grafikte bazı bölümlerin dar koridorlarla bağlanmasını bekleriz ve bu yüzden grafiği koparmak için çok az şey yeterli olur. Buradan, birbirleriyle çok sıkı bağlantılı ama diğer kümelerle daha az bağlı coğrafi kümelerin bulunmasının muhtemel olduğu sonucu çıkar. Bu hipotezi, ağın transitivitesine, yani başlangıç dersinde tanıtılan kümelenme katsayısına bakarak test edebiliriz. Birkaç farklı kümelenme katsayısı tanımı var; ancak biz burada küresel tanıma (özünde tamamen kapalı üçgenlerin oranı) bakacağız; bu, daha önce ele alınanla aynıdır. Önce, grafiğin ağırlıksız bir sürümüne bakacak ve onu rastgele bir grafikle karşılaştıracağız.
Bir ağın küresel transitivitesini hesaplamak için, transitivity() çağrında type'ı "global" olarak ayarlaman gerekir.
Bisiklet yolculuğu ağı trip_g_simp hazır.
Bu egzersiz, kursun bir parçasıdır
Vaka Çalışmaları: R ile Ağ Analizi
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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 <- ___(___)