Запитання з тегом «networks»

Для дослідження моделювання я повинен генерувати випадкові змінні , які показують prefined (населення) кореляцію з існуючою YYY . Я подивився в Rпакети copulaі CDVineякі можуть виробляти випадкові багатовимірні розподілу із заданою структурою залежностей. Однак неможливо зафіксувати одну із отриманих змінних до існуючої змінної. Будь-які ідеї та посилання на існуючі функції …

71 r  correlation  random-variable  random-generation  independence  assumptions  random-variable  unbiased-estimator  regression  hypothesis-testing  heteroscedasticity  generalized-least-squares  distributions  networks  data-visualization  sas  reproducible-research  philosophical  time-series  variance  outliers  quality-control  mean  multilevel-analysis  average  weighted-mean  regression  confidence-interval  prediction-interval  correlation  matlab  matrix  data-mining  maximum-likelihood  r  time-series  survival  predictive-models 

Мені цікаво, чи хтось міг би запропонувати, які є хорошими вихідними пунктами, коли справа стосується виявлення спільноти / розподілу / кластеризації графіка на графіку, який має зважені , непрямі краї. Графік, про який йде мова, має приблизно 3 мільйони ребер, і кожен край виражає ступінь подібності між двома вершинами, які …

42 clustering  data-visualization  networks  partitioning  modularity 

По-перше, я не статистик. Однак я робив статистичний аналіз мережі для свого доктора наук. У рамках мережевого аналізу я побудував додаткову функцію кумулятивного розподілу (CCDF) мережевих ступенів. Я виявив, що на відміну від звичайних мережевих дистрибутивів (наприклад, WWW), розподіл найкраще відповідає лонормальному розподілу. Я намагався пристосувати його до закону про …

22 curve-fitting  networks  lognormal  power-law 

Точність визначається як: p = true positives / (true positives + false positives) Чи правильно, що як true positivesі false positivesпідхід 0, точність наближається до 1? Те саме запитання для відкликання: r = true positives / (true positives + false negatives) Зараз я впроваджую статистичний тест, де мені потрібно обчислити …

20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

Я аналізую соціальні мережі (не віртуальні) і спостерігаю за зв’язками між людьми. Якщо людина обрала б іншу людину, з якою зв'язатись випадковим чином, кількість з'єднань у групі людей розподілятиметься нормально - принаймні відповідно до книги, яку я зараз читаю. Як ми можемо знати, що розподіл гауссовий (нормальний)? Існують і інші …

14 distributions  networks  central-limit-theorem 

У мене є список білків з їх значеннями. Прикладна таблиця виглядає так: ...............Feature1...Feature2...Feature3...Feature4 Protein1 Protein2 Protein3 Protein4 Рядки - це білки, а стовпці - особливості. У мене також є список білків, які взаємодіють; наприклад Protein3, Protein4 Protein1, Protein2 Protein4, Protein1 Проблема : Для попереднього аналізу я хочу знати, які особливості …

13 machine-learning  statistical-significance  feature-selection  networks 

Модульність графа визначена на його сторінці у Вікіпедії . В іншому дописі хтось пояснив, що модульність може бути легко обчислена (і максимізована) для зважених мереж, оскільки матриця суміжності може містити цінні зв'язки. Однак я хотів би знати, чи це також буде працювати з підписаними, цінними краями, починаючи, наприклад, від -10 …

11 clustering  data-visualization  networks  partitioning  modularity 

Я використовував метод вилучення магістральної мережі, описаний у цій статті: http://www.pnas.org/content/106/16/6483.abrief В основному, автори пропонують метод, заснований на статистиці, що створює ймовірність для кожного краю графіка, що край міг трапитися випадково. Я використовую типове обмеження статистичної значущості 0,05. Я застосовую цей метод у кількох реальних мережах, і що цікаво, в …

11 probability  statistical-significance  data-visualization  graph-theory  networks 

Малої світова мережа являє собою тип математичного графа , в якому більшість вузлів не є сусідами одного з одним, але більшість вузлів можуть бути досягнуті з будь-яким іншим невеликим числом стрибків або кроків. Зокрема, мережа малого світу визначається як мережа, де типова відстань L між двома випадковими обраними вузлами (кількість …

10 hypothesis-testing  graph-theory  networks 

У мене є файл CSV з 4 мільйонами країв спрямованої мережі, яка представляє людей, що спілкуються один з одним (наприклад, Джон надсилає повідомлення Марії, Мері надсилає повідомлення Енн, Джон надсилає ще одне повідомлення Марії тощо). Я хотів би зробити дві речі: Знайдіть ступінь, приналежність та (можливо) міри центральності власного вектора …

9 r  data-visualization  networks