×
苏米特·穆克吉;徐元哲

双星ERGM统计。 （英语） Zbl 07634383号

伯努利 29，第1号，24-51（2023年）。
摘要：本文研究了双星指数随机图模型，它是简单标记图空间上的一个双参数指数族。我们引入辅助变量，将双星模型表示为网络上\（\β\）模型的混合。利用这种表示，我们研究了边数的渐近分布和度的抽样方差。特别是，边缘数的极限分布与统计物理的居里-维斯-伊辛模型中的磁化具有相似的相变行为。利用这一点，我们证明了这两个参数存在一致的估计。最后，我们证明了中心部分度和在所有参数域中收敛为布朗桥的过程，而与相变无关。

引用于4文件

MSC公司：

62至XX 统计
82至XX 统计力学，物质结构

关键词：

电子显微镜;辅助变量;一致性估计;相变;两级的
PDF格式BibTeX公司 XML格式引用
\textit{S.Mukherjee}和\textit{Y.Xu}，伯努利29，No.1，24-51（2023；Zbl 07634383）
全文： 内政部 arXiv公司 链接

参考文献：

[1] Andersen，H.C.和Diaconis，P.（2007）。作为一种统一的设备进行击球和跑动。J.Soc.Fr.Stat.&Rev.Stat.申请。148 5-28. ·Zbl 1441.60002号
[2] Anderson，C.J.、Wasserman，S.和Crouch，B.（1999）。初级读本：社交网络的Logit模型。Soc.网络。21 37-66.
[3] Bhamidi，S.、Bresler，G.和Sly，A.（2008年）。指数随机图的混合时间。在2008年IEEE第49届计算机科学基础年会803-812. 电气与电子工程师协会·Zbl 1238.60011号
[4] Blitzstein，J.和Diaconis，P.（2010年）。生成具有指定度的随机图的序列重要性抽样算法。互联网数学。6 489-522. 10.1080/15427951.2010.557277 ·Zbl 1238.60084号
[5] Chatterjee，S.和Diaconis，P.（2013）。估计和理解指数随机图模型。安。统计师。41 2428-2461. 10.1214/13-AOS1155·兹比尔1293.62046
[6] Chatterjee，S.、Diaconis，P.和Sly，A.（2011年）。具有给定度序列的随机图。附录申请。普罗巴伯。21 1400-1435。10.1214/10-AAP728·兹比尔1234.05206
[7] Chatterjee，S.和Mukherjee，S（2019年）。单调约束下竞赛图和图的估计。IEEE传输。Inf.理论65 3525-3539. 10.1109/TIT.2019.2893911·Zbl 1432.62160号
[8] Comets，F.和Gidas，B.（1991年）。居里-维斯模型最大似然估计的渐近性。安。统计师。19 557-578. 10.1214/aos/1176348111·Zbl 0749.62018号
[9] Deb，N.和Mukherjee，S.（2020年）。Mean-Field-Ising模型中的波动。ArXiv预打印。可从ArXiv:2005.00710获取·Zbl 1517.82013年
[10] DeMuse，R.、Larcomb，D.和Yin，M.（2018年）。边加权指数随机图中的相变：近简并性和普适性。《统计物理学杂志》。171 127-144. 2007年10月10日/10955-018-1991-3·Zbl 1392.82018年
[11] Edwards，R.G.和Sokal，A.D.（1988年）。Fortun-Kasteleyn-Swendsen-Wang表示和Monte Carlo算法的推广。物理学。版次D38 2009-2012. 10.1103/Phys修订版D.38.2009
[12] Ellis，R.S.和Newman，C.M.（1978年）。居里-维斯模型的统计。《统计物理学杂志》。19 149-161. 2007年10月10日/BF01012508
[13] Frank，O.和Strauss，D.（1986年）。马尔可夫图。J.Amer。统计师。协会。81 832-842. ·Zbl 0607.05057号 ·doi:10.1080/01621459.1986.10478342
[14] Ganguly，S.和Nam，K.（2019年）。次临界指数随机图：测度的集中和一些应用。ArXiv预印本。可在ArXiv:1909.11080下载。
[15] Ghosal，P.和Mukherjee，S.（2020年）。伊辛模型中参数的联合估计。安。统计师。48 785-810。10.1214/19-AOS1822·兹比尔1452.62372
[16] Götze，F.、Sambale，H.和Sinulis，A.（2021）。（α）-次指数随机变量多项式的集中不等式。电子。J.概率。26第48号论文。10.1214/21-ejp606·Zbl 1475.60045号
[17] Handcock，M.S.、Robins，G.、Snijders，T.、Moody，J.和Besag，J.（2003）。评估社交网络统计模型中的简并性。技术报告，工作文件。
[18] Holland，P.W.和Leinhardt，S.（1981）。有向图的概率分布的指数族。J.Amer。统计师。协会。76 33-65. ·Zbl 0457.62090号
[19] Mukherjee，R.、Mukherjie，S.和Yuan，M.（2018年）。伊辛模型下稀疏替代方案的全球测试。安。统计师。46 2062-2093. 10.1214/17-AOS1612·Zbl 1407.62160号
[20] Mukherjee，S.（2020年）。以度函数为充分统计量的稀疏ERGM的退化性。伯努利26 1016-1043. 10.3150/19-BEJ1135·Zbl 1466.60014号
[21] Mukherjee，S.Xu，Y.（2023年）。补充“双星ERGM统计”10.3150/21-BEJ1448SUPP·Zbl 07634383号
[22] Papangelou，F.（1989年）。统计力学中临界居里-维斯模型的高斯涨落。普罗巴伯。理论相关领域83 265-278. 2007年10月10日/BF00333150·Zbl 0684.60080号
[23] Park，J.和Newman，M.E.J.（2004）。网络的两级模型的解决方案。物理学。修订版E（3）70 066146. 10.1103/物理修订版E.70.066146
[24] Park，J.和Newman，M.E.J.（2004年）。网络统计力学。物理学。修订版E（3）70 066117. 10.1103/物理修订版E.70.066117
[25] Radin，C.和Yin，M.（2013）。指数随机图中的相变。附录申请。普罗巴伯。23 2458-2471. 10.1214/12-AAP907·Zbl 1278.05225号
[26] Rinaldo，A.、Petrović，S.和Fienberg，S.E.（2013年）。（β）-模型中的最大似然估计。安。统计师。41 1085-1110. 10.1214/12-AOS1078·Zbl 1292.62052号
[27] Robins，G.、Pattison，P.、Kalish，Y.和Lusher，D.（2007年）。介绍社交网络的指数随机图（p*）模型。Soc.网络。29 173-191.
[28] Sambale，H.和Sinulis，A.（2020年）。有限自旋系统的对数Sobolev不等式及其应用。伯努利26 1863-1890. 10.3150/19-BEJ1172·Zbl 1462.60034号
[29] Schweinberger，M.（2011）。离散指数族的不稳定性、敏感性和简并性。J.Amer。统计师。协会。106 1361-1370. 10.1198/jasa.2011.tm10747·Zbl 1233.62020年
[30] Schweinberger，M.和Stewart，J.（2020年）。随机图的正则和弯曲指数族模型的集中性和一致性结果。安。统计师。48 374-396. 10.1214/19-AOS1810·Zbl 1439.05206号
[31] Shalizi，C.R.和Rinaldo，A.（2013）。指数随机图模型抽样下的一致性。安。统计师。41 508-535. 10.1214/12-AOS1044·兹比尔1269.91066
[32] T.A.Snijders、P.E.Pattison、G.L.Robins和M.S.Handcock（2006年）。指数随机图模型的新规范。社会学。方法。36 99-153.
[33] Swendsen，R.H.和Wang，J.-S.（1987）。蒙特卡罗模拟中的非通用临界动力学。物理学。修订稿。58 86.
[34] Wasserman，S.和Faust，K.（1994年）。社会网络分析：方法与应用8.剑桥：剑桥大学出版社。
[35] Wasserman，S.和Pattison，P.（1996年）。社交网络的逻辑模型和逻辑回归。I.马尔可夫图和（p\）的介绍。心理测量学61 401-425. 10 ·Zbl 0866.92029号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。