Κοινωνικά Δίκτυα Χαρακτηριστικά & Μοντέλα Γράφων

Σχετικά έγγραφα
Κοινωνικά Δίκτυα Χαρακτηριστικά & Μοντέλα Γράφων

Ν. Μ. Σγούρος Κοινωνικά Δίκτυα Τμ. Ψηφιακών Συστημάτων, Παν. Πειραιώς

ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ

Έξι βαθμοί διαχωρισμού

Κοινωνικά Δίκτυα Δομή Κοινωνικών Δικτύων

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών

Αλγόριθμοι για Ασύρματα Δίκτυα. Θεωρία Γραφημάτων

Μαθηματικά Πληροφορικής Πιθανοτικά Εργαλεία. Υποπροσθετικότητα. Η Πιθανοτική Μέθοδος (The Probabilistic Method)

Στατιστική Επιχειρήσεων Ι. Βασικές διακριτές κατανομές

Κοινωνικά Δίκτυα Αναζήτηση Πληροφοριών σε Δίκτυα

Πανεπιστήμιο Στερεάς Ελλάδας Τμήμα Πληροφορικής Εξάμηνο ΣΤ ΘΕΩΡΙΑ ΓΡΑΦΩΝ

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

ΠΛΗ 20, 4 η ΟΣΣ: Βασικές Έννοιες Θεωρίας Γραφημάτων

07/11/2016. Στατιστική Ι. 6 η Διάλεξη (Βασικές διακριτές κατανομές)

Μέγιστη Ροή Ελάχιστη Τομή

Τυχαίοι γράφοι Η διάμετρος του G(n, 2 ln n/n) Ioannis Giotis

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 7. Τυχαίες Μεταβλητές και Διακριτές Κατανομές Πιθανοτήτων

1) Αναφέρατε 5 χώρες π ου βρίσκονται στα κεντρικά υψίπ εδα της Ευρώπ ης.

pdf: X U(a, b) 0, x < a 1 b a, a x b 0, x > b


ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ - ΑΣΚΗΣΕΙΣ. αλλού

Στατιστική Ι-Θεωρητικές Κατανομές Ι

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 7. Τυχαίες Μεταβλητές και Διακριτές Κατανομές Πιθανοτήτων

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

Κανονική Κατανομή. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Κανονική Κατανομή. τεχνικές. 73 άλυτες ασκήσεις.

ΠΛΗ 20, 4 η ΟΣΣ: Βασικές Έννοιες Θεωρίας Γραφημάτων

P(200 X 232) = =

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π

Αλγόριθμοι εύρεσης ελάχιστων γεννητικών δέντρων (MST)

ΣΤΑΤΙΣΤΙΚΗ. Ακαδ. Έτος Βασίλης ΚΟΥΤΡΑΣ. ιδάσκων: ιδάσκων ε ί Συµβάσει Π. 407/80.

Λύση Θεμάτων Πιθανοτήτων-Στατιστικής (Φλεβάρης 17) Σειρά Α

Θεωρία Πιθανοτήτων & Στατιστική

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q

Ανάλυση αλγορίθμων. Χρόνος εκτέλεσης: Αναμενόμενη περίπτωση. - απαιτεί γνώση της κατανομής εισόδου

Στατιστική ΙΙ Ενότητα 2: ειγµατοληψία

3. Κατανομές πιθανότητας

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ

Ν. Μ. Σγούρος Κοινωνικά Δίκτυα Τμ. Ψηφιακών Συστημάτων, Παν. Πειραιώς

Θέματα Συστημάτων Πολυμέσων

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 8. Συνεχείς Κατανομές Πιθανοτήτων

Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων

Έλεγχος Υποθέσεων. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π

Δίνονται οι συναρτήσεις: f ( x)

ΠΛΗ 20, 4 η ΟΣΣ: Βασικές Έννοιες Θεωρίας Γραφημάτων

Στατιστική Ι. Ενότητα 6: Kατανομή Poisson. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

Εισαγωγή Ορισμός Frequency moments

Fast broadcasting and gossiping in radio networks. Chrobak, Gasieniec, Rytter 2002.

4.4 Το πρόβλημα του ελάχιστου ζευγνύοντος δένδρου

Θεωρία Γραφημάτων Θεμελιώσεις-Αλγόριθμοι-Εφαρμογές

Φροντιστήριο #9 Ασκήσεις σε Γράφους 18/5/2018

Η διακριτή συνάρτηση μάζας πιθανότητας δίνεται από την

E [X ν ] = E [X (X 1) (X ν + 1)]

Θεωρία Πιθανοτήτων & Στατιστική

Πανεπιστήμιο Πελοποννήσου

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q

Graph Algorithms. Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι Αλγόριθμοι» Καούρη Γεωργία Μήτσου Βασιλική

Προσδιορισµός ρο ής αδράνειας κυλίνδρου ή σφαίρας ου κυλίεται χωρίς ολίσθηση σε κεκλιµένο ε ί εδο

Στατιστική για Οικονομολόγους ΙΙ ΛΥΜΕΝΑ ΘΕΜΑΤΑ παλαιοτέρων ετών από «ανώνυμο φοιτητή» (Στις ΛΥΣΕΙΣ ενδεχομένως να υπάρχουν λάθη. )

Δρ. Βασίλειος Γ. Καμπουρλάζος Δρ. Ανέστης Γ. Χατζημιχαηλίδης

Ενδεικτικές Ασκήσεις Μάθηµα : Στατιστική 1

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ

Στοιχεία Αλγορίθµων και Πολυπλοκότητας

Επαναληπτικές Ασκήσεις. Ρίζου Ζωή

Σύνθετα Δίκτυα. com+plex: with+ -fold (having parts) Διδάζκων Δημήηριος Καηζαρός

ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΦΥΣΙΚΗ ΘΕΩΡΙΑ & ΑΣΚΗΣΕΙΣ

Fast broadcasting and gossiping in radio networks. Chrobak, Gasieniec, Rytter 2002.

3. Οριακά θεωρήµατα. Κεντρικό Οριακό Θεώρηµα (Κ.Ο.Θ.)

2.6 ΟΡΙΑ ΑΝΟΧΗΣ. πληθυσµού µε πιθανότητα τουλάχιστον ίση µε 100(1 α)%. Το. X ονοµάζεται κάτω όριο ανοχής ενώ το πάνω όριο ανοχής.

Συμπίεση χωρίς Απώλειες

ΕΡΓΑΣΤΗΡΙΟ ΠΙΘΑΝΟΤΗΤΩΝ

Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά

ΗΥ-217-ΠΙΘΑΝΟΤΗΤΕΣ-ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ 2016 ΔΙΔΑΣΚΩΝ: ΠΑΝΑΓΙΩΤΗΣ ΤΣΑΚΑΛΙΔΗΣ

ΠΛΗ 20, 5 η ΟΣΣ: Θεωρία Γραφημάτων

Δομές Δεδομένων και Αλγόριθμοι

Παράδειγµα (4) Στοιχεία Θεωρίας Γραφηµάτων (2) Ορέστης Τελέλης. Τµήµα Ψηφιακών Συστηµάτων, Πανεπιστήµιο Πειραιώς. v 2. u 3.

Οι παραγγελίες ακολουθούν την κατανομή Poisson. Σύμφωνα με τα δεδομένα ο

Παραδείγµατα. Τάξη των Συναρτήσεων (1) Παράδειγµα (2) Να δειχθεί ότι 7n 2 = O(n 3 ). Ορέστης Τελέλης

ΠΑΡΑΡΤΗΜΑ. Πίνακας 9. Ποσοστιαία Σημεία της Ελεγχοσυνάρτησης των. Προσημασμένων Τάξεων Μεγέθους του Wilcoxon

Δρομολόγηση μιας οντότητας ανάμεσα σε δύο σημεία ενός δικτύου έτσι ώστε να ελαχιστοποιήσουμε ένα κόστος, μια διάρκεια, κτλ.

ΔΥΣΚΟΛΙΑ ΣΤΗΝ ΠΡΟΣΕΓΓΙΣΙΜΟΤΗΤΑ

Δρομολόγηση μιας οντότητας ανάμεσα σε δύο σημεία ενός δικτύου έτσι ώστε να ελαχιστοποιήσουμε ένα κόστος, μια διάρκεια, κτλ.

Διάλεξη 6: Εκλογή Προέδρου σε Σύγχρονους Δακτύλιους. ΕΠΛ 432: Κατανεμημένοι Αλγόριθμοι

Ασκήσεις μελέτης της 4 ης διάλεξης. ), για οποιοδήποτε μονοπάτι n 1

Φροντιστήριο #9 Λυμένες Ασκήσεις σε Γράφους

Θεωρία Πιθανοτήτων & Στατιστική

Κατανεμημένα Συστήματα Ι

Κατευθυνόμενα γραφήματα. Μαθηματικά Πληροφορικής 6ο Μάθημα. Βρόχοι. Μη κατευθυνόμενα γραφήματα. Ορισμός

Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία. Υπεύθυνος: Δρ. Κολιός Σταύρος

Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων ομές εδομένων

Θεωρία Γραφημάτων: Ορολογία και Βασικές Έννοιες

(X1 X 2 ) 2}. ( ) f 1 (x i ; θ) = θ x i. (1 θ) n x i. x i log. i=1. i=1 t2 i

Θεωρία Γραφημάτων: Ορολογία και Βασικές Έννοιες

Κατευθυνόμενα γραφήματα. Μαθηματικά Πληροφορικής 6ο Μάθημα. Βρόγχοι. Μη κατευθυνόμενα γραφήματα. Ορισμός

6. Στατιστικές μέθοδοι εκπαίδευσης

ΙΟΥΝΙΟΣ 2007 Εξετάσεις στο µάθηµα ΑΤΜΟΣΦΑΙΡΙΚΗ ΙΑΧΥΣΗ & ΙΑΣΠΟΡΑ

Graph Algorithms. Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι Αλγόριθμοι» Καούρη Γεωργία Μήτσου Βάλια

Στοιχεία Θεωρίας Γραφηµάτων (2)

Γράφημα. Συνδυαστικό αντικείμενο που αποτελείται από 2 σύνολα: Σύνολο κορυφών (vertex set) Σύνολο ακμών (edge set) 4 5 πλήθος κορυφών πλήθος ακμών

Transcript:

Κοινωνικά Δίκτυα Χαρακτηριστικά & Μοντέλα Γράφων Ν. Μ. Σγούρος Τμήμα Ψηφιακών Συστημάτων, Παν. Πειραιώς sgouros@unipi.gr

Διάμετρος Ορίζουμε ως μήκος (length) ενός μονοπ ατιού τον αριθμό των ακμών π ου π εριέχει και ως απ όσταση (distance) μεταξύ δυο κόμβων το μήκος του μονοπ ατιού με το ελάχιστο μήκος π ου συνδέει τους δυο αυτούς κόμβους. Ορίζουμε ως διάμετρο (diameter) του γράφου το μήκος του μονοπ ατιού με το μεγαλύτερο μήκος μεταξύ όλων των μονοπ ατιών ελάχιστου μήκους π ου υπ άρχουν στον γράφο.

Μοντέλα Γράφων Περιγράφουν σύνολα προϋποθέσεων κάτω απο τις οποίες είναι δυνατόν να προκύψουν διάφορα φαινόμενα σε ένα κοινωνικό δίκτυο Χρησιμέυουν ως βασικές υποθέσεις έναντι των οποίων συγκρίνονται εναλλακτικά μοντέλα για την εξήγηση διαφόρων φαινομένων σε δίκτυα Προτείνουν εφικτούς τρόπους για τον υπολογισμό διαφόρων χαρακτηριστικών των κοινωνικών δικτύων Ο αριθμός των πιθανών δικτύων για πχ 30 κόμβους είναι 2 435!! (n*(n+1)/2 πιθανός αριθμός συνδέσεων καθεμία εκ των οποίων μπορεί να υπάρχει ή όχι)

Μοντέλο Erdos-Renyi Οι Erdős-Renyi γράφοι ανήκουν στους τυχαίους γράφους και κατασκευάζονται χρησιμοπ οιώντας δύο κύριες υπ οθέσεις: οι κόμβοι συνδέονται μεταξύ τους με τυχαίο τρόπο ο γράφος είναι μη κατευθυνόμενος Υπ άρχουν δύο κύριες π αράμετροι π ου χαρακτηρίζουν τους συγκεκριμένους γράφους: Ν, είναι ο συνολικός αριθμός των κόμβων του γράφου p, είναι η π ιθανότητα να υπ άρχει μια ακμή μεταξύ δύο τυχαίων κόμβων. Η π ιθανότητα αυτή είναι σταθερή και ίδια για όλους τους κόμβους του δικτύου.

Αλγόριθμος Κατασκευής Για κάθε ζευγάρι κόμβων πρόσθεσε μια ακμή μεταξύ τους με πιθανότητα p και κάνε τίποτα με πιθανότητα 1-p Επομένως κάθε κόμβος έχει Ν-1 προσπάθειες να συνδεθεί με τους υπόλοιπους κόμβους και σε καθεμία προσπάθεια η πιθανότητα σύνδεσης είναι p. Άρα η πιθανότητα κάποιος κόμβος να έχει βαθμό k δίδεται από την διωνυμική κατανομή: (Ν-1)!/(k!(N-1-k)!)

Στατιστική Ανάλυση Η μέση τιμή μ degree του βαθμού των κόμβων του γράφου προκύπ τει ως: μ degree = (Ν-1)*p ( = E(X) = x p(x)) ενώ η διασπ ορά των τιμών του βαθμού ενός κόμβου υπ ολογίζεται ως: 2 σ degree = (Ν-1)*p*(1-p) (σ 2 = E(X) = ( x- μ) 2 p(x)))

Γράφοι Poisson Για μεγάλες τιμές του N και μικρές τιμές του p η διωνυμική κατανομή μπορεί να προσεγγιστεί ικανοποιητικά από μια κατανομή Poisson. Σε αυτή την περίπτωση ισχύει ότι:

Ποιοτικά Χαρακτηριστικά Η μέση τιμή των βαθμών των κόμβων είναι ανάλογη του π ληθυσμού των κόμβων. Η κατανομή των βαθμών των κόμβων δεν π αρουσιάζει ιδιαίτερη κύρτωση. Αυτό σημαίνει ότι όσο ο π ληθυσμός των κόμβων αυξάνεται η εμφάνιση κόμβων με βαθμό πολλαπ λάσιο ή υποπολλαπ λάσιο της μέσης τιμής των βαθμών των κόμβων γίνεται όλο και π ιο σπ άνια. Επ ομένως σε τέτοιου είδους δίκτυα σπ ανίως εμφανίζονται κόμβοι με π άρα π ολύ υψηλή ή π άρα π ολύ χαμηλή δημοφιλία. Το μήκος του μονοπ ατιού L π ου συνδέει δύο τυχαίους κόμβους είναι περίπ ου ανάλογο του λογαρίθμου του π ληθυσμού των κόμβων ( Ν) δηλ: L ~ log(n)

Γιγάντια Συνιστώσα Μια συνιστώσα π ου π εριλαμβάνει ένα σταθερό και υπ ολογίσιμο π οσοστό των κόμβων του γράφου αναεξάρτητα απ ό τον συνολικό π ληθυσμό των κόμβων. Στους ER των κόμβων είναι 1 γράφους η γιγάντια συνιστώσα εμφανίζεται όταν ο μέσος βαθμός 0.99 1.18 3.95

Παράδειγμα

Χρησιμότητα των γράφων Poisson Περιγράφουν ένα σύνολο προϋποθέσεων για την εμφάνιση μιας γιγάντιας συνιστώσας (+) Ικανοποιούν το φαινόμενο του μικρού κόσμου (+) Σε πραγματικά δίκτυα η πιθανότητα σύνδεσης δύο κόμβων δεν είναι σταθερή αλλά εξαρτάται απο πολλούς παράγοντες (π.χ κοινούς γνωστούς) (-) Σε πραγματικά δίκτυα υπάρχει μεγαλύτερη ανισοκατανομή στους βαθμούς των κόμβων. (-)

Εναλλακτικά Μοντέλα Μοντέλο Συστάσεων ( Η π ιθανότητα να συνδεθεί με έναν απ ό τους φίλους των φιλων του για ένα κόμβο είναι μεγαλύτερη απ ο ότι για έναν τυχαίο κόμβο) (π ερισσότερες τριάδες, μακρύτερο μέσο μήκος μονοπ ατιού, μεγαλύτερη διασπ ορά στους βαθμούς, μικρότερη γιγάντια συνιστώστα για μεγάλο p) Στατικό Γεωγραφικό Μοντέλο ( κάθε κόμβος συνδέεται με έναν ορισμένο σταθερό αριθμό απ ό κόμβους π ου βρίσκονται π λησίον του ) ( μακρύτερο μέσο μήκος μονοπ ατιού, μικρότερη διασπ ορά στους βαθμούς, μικρότερη γιγάντια συνιστώστα για μεγάλο p)