关于社会网络指数随机图模型介绍.docxVIP

介绍了指数随机图（P *）社交网络模型 （加里·罗宾斯，皮普派特森，尤瓦尔·卡利什，院长Lusher） 心理学系，行为科学，墨尔本大学商学院。 3010，澳大利亚 摘要： 本文提供的介绍总结，制定和应用指数随机的图模型的社交网络。网络的各个节点之间的可能的关系被认为是随机的变量和假设，这些随机的领带变量之间的依赖关系确定，一般形式的指数随机图模型的网络。不同的相关性假设的例子及其相关的模型，给出了包括伯努利，对子无关，马尔可夫随机图模型。在社会选择机型演员的加入属性也被审查。更新，更复杂依赖的假设进行了简要介绍。估计程序进行了讨论，其中包括新的方法蒙特卡罗最大似然估计。我们预示着在其它组织了讨论论文在这款特别版：弗兰克和施特劳斯的马氏随机图模型[弗兰克，澳，施特劳斯，D.，1986年马氏图。杂志美国统计协会81，832-842]不适合于许多观察到的网络，而Snijders等人的新的模型参数。[Snijders，TAB，派特森，P.，罗宾斯，GL，Handock，M.新规范指数随机图模型。社会学方法论，在记者]提供实质性的改善。 关键词：指数随机图模型;统计模型的社交网络; P *模型 在最近几年，出现了在指数随机图模型对于越来越大的兴趣社交网络，通常称为P *类车型（弗兰克和施特劳斯，1986;派特森和沃瑟曼，1999;罗宾斯等人，1999;沃瑟曼和帕蒂森，1996年）。这些概率模