Aritalab:Lecture/NetworkBiology/Degree Distribution - Revision history

Adm: /* 隣接点の次数分布 */

2017-08-01T23:59:24Z

‎隣接点の次数分布

Adm: /* 次数相関 */

2017-08-01T23:53:51Z

‎次数相関

Adm: /* 次数分布 */

2017-08-01T23:48:03Z

‎次数分布

Adm: /* 次数分布 */

2017-06-07T02:59:01Z

‎次数分布

Adm: /* 計算法 */

2016-08-06T03:03:04Z

‎計算法

Adm: /* 次数相関 */

2016-08-06T03:00:52Z

‎次数相関

Adm: /* 隣接点の次数分布 */

2016-08-06T02:59:34Z

‎隣接点の次数分布

Adm: /* 次数相関 */

2016-08-03T06:40:04Z

‎次数相関

Adm: /* 隣接点の次数分布 */

2016-08-03T06:36:47Z

‎隣接点の次数分布

Adm: /* 次数分布 */

2016-08-03T06:35:37Z

‎次数分布

← Older revision		Revision as of 23:59, 1 August 2017
Line 20:		Line 20:

	この値は各所で用いますが、k から j をたどる辺 1 本ぶんを最初に引いておく場合もあります。このとき、値は <math> \textstyle \frac{\langle k^2 \rangle - \langle k \rangle}{\langle k \rangle} </math> になります。		この値は各所で用いますが、k から j をたどる辺 1 本ぶんを最初に引いておく場合もあります。このとき、値は <math> \textstyle \frac{\langle k^2 \rangle - \langle k \rangle}{\langle k \rangle} </math> になります。
		+
		+	全頂点の次数が同じ時 <k<sup>2</sup>> = <k><sup>2</sup> となるので、隣接点の平均次数は <k> (またはたどってくる辺を除いて <k> - 1) になります。次数の偏りが大きくハブが存在する場合、隣接点の平均次数は <k> を大きくうわまわります、これは隣にハブが来やすいことと同じです。次数がポアソン分布に従う場合、分布の定義から <math> \langle k^2 \rangle = \langle k \rangle^2 + \langle k \rangle </math> が成り立っています。ポアソン分布の場合、たどる辺を差し引けば、ちょうど隣接点も次数 <k> になります。

	==次数相関==		==次数相関==

@@ Line 24: / Line 24: @@
 隣接する頂点どうしの次数が似る度合いを次数相関といいます。
-隣接点の平均次数は、次数分布や頂点の次数 ''k'' によらず一定値となります。
+;次数相関
-全頂点の次数が同じ時 <k<sup>2</sup>> = <k><sup>2</sup> となるので、隣接点の平均次数は <k> - 1 になります（たどってくる辺を除いた場合）。また次数の偏りが大きくハブが存在する場合、隣接点の平均次数は <k> を大きくうわまわります。（つまり隣にハブが来やすくなる。）次数がポアソン分布に従う場合、<k<sup>2</sup>> = <k><sup>2</sup> + <k> が成り立ちます。ポアソン分布の場合は、たどる辺を差し引くと、ちょうど隣接点も次数 <k> になります。
+* 辺がランダムに張られるエルデシュモデルでは、次数相関は 0 になります。
+* 映画俳優の競演関係ネットワークではハブどうしが隣接しやすい、つまり正の相関を持ちます。 (assortative)
-===計算法===
+* 生態系ネットワークではハブどうしが独立し、負の相関を持ちます。 (dis-assortative)
-−
-次数相関 r をピアソンの相関係数に従って定義しましょう。M 本ある辺の両端点 u, v の次数をそれぞれ k<sub>u</sub>, k<sub>u</sub> とおきます。相関係数の分子は k<sub>u</sub>, k<sub>v</sub> の平均からの差分を計算します。
-分母は k<sub>u</sub> と k<sub>v</sub> の標準偏差の積ですが、ここでは分散を使っています。
-−
-−
-<math>r = \frac{\sum_{(u,v)\in E}^M (k_u k_v - \langle k \rangle^2) }{M (\langle k^2 \rangle - \langle k \rangle^2) } </math>

@@ Line 13: / Line 13: @@
 <math>p(j|k) = \frac{j p(j)}{\sum_k k p(k)} = \frac{j}{\langle k \rangle}p(j) </math>
-別の言い方をすると、頂点をランダムに選んで次数が ''j'' である確率は p( ''j'') ですが、辺をランダムに選んでその先に来る頂点の次数が ''j'' である確率が p ( ''j'' | ''k'' ) です。辺をたどった先の頂点はハブが来やすく、その来やすさは、頂点の次数に正比例します。（次数 ''j'' の頂点は相対的に j / <k> だけ、現れやすい。）
+別の言い方をすると、頂点をランダムに選んで次数が ''j'' である確率は p( ''j'') ですが、辺をランダムに選んでその先に来る頂点の次数が ''j'' である確率が p ( ''j'' | ''k'' ) です。辺をたどった先の頂点はハブが来やすく、その来やすさは、頂点の次数に正比例します。次数 ''j'' の頂点は相対的に j / <k> だけ、現れやすくなっています。
 辺の先に来る頂点の次数平均を求めましょう。

@@ Line 5: / Line 5: @@
 <math>\textstyle \sum_k p(k) = 1 </math>
-その平均値を、平均次数といい　<k> = Σ k p(k) と書きます。
+その平均値を、平均次数といい　<math>\langle k \rangle = \sum k p(k)</math> と書きます。
 ===隣接点の次数分布===

@@ Line 36: / Line 36: @@
 ===計算法===
-次数相関 ''r'' をピアソンの相関係数に従って定義しましょう。M 本ある辺の両端点 ''u'', ''v'' の次数をそれぞれ ''k<sub>u</sub>'', ''k<sub>u</sub>'' とおきます。相関係数の分子は ''k<sub>u</sub>'', ''k<sub>v</sub>'' の平均からの差分を計算します。
+次数相関 r をピアソンの相関係数に従って定義しましょう。M 本ある辺の両端点 u, v の次数をそれぞれ k<sub>u</sub>, k<sub>u</sub> とおきます。相関係数の分子は k<sub>u</sub>, k<sub>v</sub> の平均からの差分を計算します。
-分母は ''k<sub>u</sub>'' と ''k<sub>v</sub>'' の標準偏差の積ですが、実際には分散を計算します。
+分母は k<sub>u</sub> と k<sub>v</sub> の標準偏差の積ですが、ここでは分散を使っています。
 <math>r = \frac{\sum_{(u,v)\in E}^M (k_u k_v - \langle k \rangle^2) }{M (\langle k^2 \rangle - \langle k \rangle^2) } </math>

@@ Line 32: / Line 32: @@
 <math> \sum_{j\not=k} j p(j|k) = \frac{\langle k^2 \rangle - \langle k \rangle}{\langle k \rangle}</math>
-全頂点の次数が同じ時 <k<sup>2</sup>> = <k><sup>2</sup> となるので、隣接点の平均次数は <k> - 1 になります（たどってくる辺を除いた場合）。また次数の偏りが大きくハブが存在する場合、隣接点の平均次数は <k> を大きくうわまわります。（つまり隣にハブが来やすくなる。）次数がポアソン分布に従う場合、<k<sup>2</sup>> = <k><sup>2</sup> + <k> が成り立ちます。ポアソン分布の場合は、たどる辺をちょ差し引くと、ちょうど隣接点も次数 <k> です。
+全頂点の次数が同じ時 <k<sup>2</sup>> = <k><sup>2</sup> となるので、隣接点の平均次数は <k> - 1 になります（たどってくる辺を除いた場合）。また次数の偏りが大きくハブが存在する場合、隣接点の平均次数は <k> を大きくうわまわります。（つまり隣にハブが来やすくなる。）次数がポアソン分布に従う場合、<k<sup>2</sup>> = <k><sup>2</sup> + <k> が成り立ちます。ポアソン分布の場合は、たどる辺を差し引くと、ちょうど隣接点も次数 <k> になります。
 ===計算法===

@@ Line 10: / Line 10: @@
 隣接する頂点の次数を <math>p ( j | k ) </math> と書きましょう。ここで次数 ''k'' の頂点に隣接する頂点の次数が ''j'' です。
 <math>p(j|k) = \frac{j p(j)}{\sum_k k p(k)} = \frac{j}{\langle k \rangle}p(j) </math>
-隣の頂点には、ハブが来やすいことがわかります。その来やすさは、頂点の次数に正比例します。この次数の平均値を求めるときは、k から j をたどる辺 1 本ぶんを最初に引いておきましょう。
+別の言い方をすると、頂点をランダムに選んで次数が ''j'' である確率は p( ''j'') ですが、辺をランダムに選んでその先に来る頂点の次数が ''j'' である確率が p ( ''j'' | ''k'' ) です。辺をたどった先の頂点はハブが来やすく、その来やすさは、頂点の次数に正比例します。（次数 ''j'' の頂点は相対的に j / <k> だけ、現れやすい。）
-<math>-1 + \sum_{j} j p(j|k) = -1 + \frac{1}{\langle k \rangle} \sum_{j} j^2 p(j) = \frac{\langle k^2 \rangle - \langle k \rangle}{\langle k \rangle}</math>
+辺の先に来る頂点の次数平均を求めましょう。
 ==次数相関==

@@ Line 1: / Line 1: @@
 ==次数分布==
-次数 k が全頂点の中で占める割合 p(k) を次数分布といいます。
+次数 k が全頂点の中で占める割合 p(k) を次数分布といいます。確率分布なので総和は 1 です。
-<math>\textstyle \sum_{k=0}^{(n-1)} p(k) = 1 </math>
+<math>\textstyle \sum_k p(k) = 1 </math>
 その平均値を、平均次数といい　<k> = Σ k p(k) と書きます。
@@ Line 9: / Line 9: @@
 ===隣接点の次数分布===
-隣接する頂点の次数を <math>P_{adj} ( j | k ) </math> と書きましょう。ここで次数 ''k'' と隣接する頂点の次数 ''j'' が独立に決まるとします（相関が0）。
+隣接する頂点の次数を <math>p ( j | k ) </math> と書きましょう。ここで次数 ''k'' の頂点に隣接する頂点の次数が ''j'' です。
 すると次の式から、次数が ''j'' の頂点は相対的に j / <k> だけ、隣にきやすいはずです。
-<math> P_{adj}(j|k) = \frac{j p(j)}{\sum_{k=0}^{(n-1)} k p(k)} = \frac{j}{\langle k \rangle}p(j) </math>
+<math>p(j|k) = \frac{j p(j)}{\sum_k k p(k)} = \frac{j}{\langle k \rangle}p(j) </math>
-隣の頂点には、ハブが来やすいことがわかります。その来やすさは、頂点の次数に正比例します。
+隣の頂点には、ハブが来やすいことがわかります。その来やすさは、頂点の次数に正比例します。この次数の平均値を求めますが、k から j をたどる辺 1 本ぶんを最初に引いておきましょう。
 ==次数相関==