The degree distribution of networks: statistical model selection.
The degree distribution of networks: statistical model selection.
复制标题
网络的度分布：统计模型选择。
DOI：
10.1007/978-1-61779-361-5_13
复制
发表时间：
2012
期刊：
影响因子：
--
通讯作者：
Kelly WP
中科院分区：
文献类型：
--
作者：
Kelly WP
度分布被认为是网络数据的一个重要特征。许多生物网络被标记为无标度，因为它们的度分布可以近似地用幂律概率分布来描述。本章介绍了一个正式的统计模型选择程序，该程序可以从指定模型的集合中确定哪种函数形式最能描述网络数据的程度分布。经验数据的度分布被视为属于一类概率模型，而最能描述数据的模型是在最大似然框架中确定的。总之，重要的是要注意，这些统计检验并不能确认观测数据的真实潜在分布，而是显示从选定的一组模型中哪些模型最能描述数据。实际上，这些方法应该被视为提供证据，证明概率模型没有充分（或最佳）描述数据，并给出所考虑的系统的潜在采样和真实交互特性的指示。
The degree distribution has been viewed as an important characteristic of network data. Many biological networks have been labelled scale-free as their degree distribution can beapproximatelydescribed by a power-law probability distribution. This chapter presents a formal statistical model selection procedure that can determine which functional form, from a collection of specified models, best describes the degree distribution of network data. The degree distribution found for empirical data is viewed as belonging to a class of probability models and the model which best describes the data is determined in a maximum likelihood framework. In conclusion, it is important to note that these statistical tests do not confirm the true underlying distribution of the observed data, but instead show which models from a chosen set best describe the data. In reality, these approaches should be viewed as providing evidence for which probability models do not adequately (or optimally) describe the data, and give an indication of the underlying sampling and true interaction properties of the system considered.
登录
查看更多内容
应用于生物网络的统计模型选择方法
DOI：
--
发表时间：
2005
期刊：
Trans. Comp. Sys. Biology
影响因子：
--
作者：
M. Stumpf;P. Ingram;Ian Nouvel;C. Wiuf
通讯作者：
C. Wiuf
影响因子：
3.5
作者：
Tanaka, R;Yi, TM;Doyle, J
通讯作者：
Doyle, J
DOI：
10.1073/pnas.061034498
发表时间：
2001-04-10
影响因子：
11.1
作者：
Ito, T;Chiba, T;Sakaki, Y
通讯作者：
Sakaki, Y
DOI：
10.1073/pnas.0501426102
发表时间：
2005-10-11
影响因子：
11.1
作者：
Doyle, JC;Alderson, DL;Willinger, W
通讯作者：
Willinger, W
从不完整数据中进行网络属性的多模型推断
影响因子：
1.9
作者：
M. Stumpf;Thomas Thorne
通讯作者：
Thomas Thorne