×
李文龙；闫婷；穆罕默德·阿卜德·埃尔加瓦德；秦红

有序网络的基于度的矩估计。 （英语） Zbl 1368.93685号

J.系统。科学。复杂。 30，第3期，721-733（2017）.
摘要：网络中顶点之间的边不仅采用常见的二进制值，还采用某些情况下的有序值（例如，社交网络中从最差到最好的人之间关系的度量）。本文研究了边为有序随机变量的有序网络中基于顶点度的矩估计量的渐近性质。特别地，当参数个数趋于无穷大时，建立了矩估计量的一致相合性和渐近正态性。通过仿真和实际数据示例说明了渐近结果。

引用于2文件

MSC公司：

93E10型 随机控制理论中的估计与检测
90B18号机组 运筹学中的通信网络
05C90年 图论的应用

关键词：

渐近正态性；一致性；矩估计；增加参数数量；有序网络

软件：

MCODE公司
PDF格式BibTeX公司 XML格式引用
\textit{W.Li}等人，J.Syst。科学。复杂。30，第3号，721--733（2017；Zbl 1368.93685）
全文： 内政部

参考文献：

[1] Watts D J，《小世界：有序与随机之间网络的动力学》，普林斯顿大学出版社，普林斯顿，1999年·邮编：1046.00006
[2] Christakis N A和Fowler J H，《互联：我们社交网络的惊人力量和现在他们塑造了我们的生活》，Little，Brown，2009年。
[3] Kossinets G和Watts D J，《演化社会网络的实证分析》，《科学》，2006，311（5757）：88-90·Zbl 1226.91055号 ·doi:10.1126/科学.1116869
[4] Von Mering C、Krause R和Snel B，蛋白质-蛋白质相互作用大规模数据集的比较评估，《自然》，2002，417（6887）：399-403·doi:10.1038/nature750
[5] Bader G D和Hogue C W，在大型蛋白质相互作用网络中寻找分子复合物的自动化方法，BMC生物信息学，2003，4（1）：2·doi:10.1186/1471-2105-4-2
[6] Nepusz T、Yu H和Paccanaro A，检测蛋白质相互作用网络中重叠的蛋白质复合物，自然方法，2012，9（5）：471-472·doi:10.1038/nmeth.1938
[7] Yook S H、Oltvai Z N和Barabsi A L，蛋白质相互作用网络的功能和拓扑特征，蛋白质组学，2004，4（4）：928-942·doi:10.1002/pmic.200300636
[8] Blitzstein J和Diaconis P，生成指定度随机图的序列重要性抽样算法，网络数学，2011，6（4）：489-522·Zbl 1238.60084号 ·doi:10.1080/15427951.2010.557277
[9] 古德曼·D，欧洲乡村音乐？《关于替代性农牧网络和范式变化的思考》，《Ruralis社会学》，2004，44（1）：3-16·doi:10.1111/j.1467-9523.2004.00258.x
[10] Seyfang G，《生态公民与可持续消费：考察当地有机食品网络》，《农村研究杂志》，2006，22（4）：383-395·doi:10.1016/j.jrurstud.2006.01.003
[11] Goldenberg A、Zheng A X和Fienberg S E，统计网络模型调查，机器学习的基础和趋势，2010，2（2）：129-233·Zbl 1184.68030号 ·doi:10.1561/2200000005
[12] Fienberg S E，网络分析和开放挑战统计模型简史，计算与图形统计杂志，2012，21（4）：825-839·doi:10.1080/10618600.2012.738106
[13] Krivitsky P N，有值网络的指数族随机图模型，电子统计杂志，2012，6:1100-128·Zbl 1264.91105号 ·doi:10.1214/12-EJS696
[14] Holland P W和Leinhardt S，有向图概率分布的指数族，美国统计协会杂志，1981，76（373）：33-50·Zbl 0457.62090号 ·doi:10.1080/016214519981.10477598
[15] Onnela J P、Saramäki J、Hyvönen J等人，《一对一人类通信的大规模加权网络分析》，《新物理学杂志》，2007年，9（6）：179·doi:10.1088/1367-2630/9/6/179
[16] Calin，O。；Udrište，C.，《最大熵分布》，165-187（2014）
[17] Sadile M，交互网络中弧和边的强度：基于模型方法的要素，arXiv预印本arXiv:1211.03122012。
[18] Chatterjee S，Diaconis P，and Sly A，给定度序列的随机图，应用概率年鉴，2011，21（4）：1400-1435·Zbl 1234.05206号 ·doi:10.1214/10-AAP728
[19] Yan T和Xu J，具有发散顶点数的无向随机图ß-模型中的中心极限定理，Biometrika，2013，100:519-524·Zbl 1452.62214号 ·doi:10.1093/biomet/ass084
[20] Hillar C和Wibisono A，图的最大熵分布，arXiv预印本arXiv:1301.33212013。
[21] Yan T，Zhao Y，and Qin H，参数增加的图上最大熵模型的渐近正态性，多元分析杂志，2015，133:61-76·Zbl 1304.62038号 ·doi:10.1016/j.jmva.2014.08.013
[22] Yan T，Qin H，and Wang H，用顶点强度参数化的无向随机图模型中的渐近性，统计学，2016，26:273-293·兹比尔1419.62046
[23] Winship C和Mare R D，序数变量回归模型，《美国社会学评论》，1984，48（4）：：512-525·doi:10.2307/2095465
[24] Ananth C V和Kleinbaum D G，有序反应的回归模型：方法和应用综述，国际流行病学杂志，1997，26（6）：1323-1333·doi:10.1093/ije/26.6.1323
[25] Williams R，有序逻辑模型概述，2015年。可在https://www3.nd.edu/rwilliam/stats3/L11.pdf。
[26] Frank O和Strauss D，马尔可夫图，美国统计协会杂志，1986，81（395）：832-842·Zbl 0607.05057号 ·doi:10.1080/01621459.1986.10478342
[27] Schweinberger M，离散指数族的不稳定性、敏感性和简并性，美国统计协会杂志，2011，106（496）：1361-1370·Zbl 1233.62020年 ·doi:10.1198/jasa.2011.tm10747
[28] Snijders T A B、Pattison P E和Robins G L，指数随机图模型的新规范，社会学方法论，2006，36（1）：99-153·文件编号：10.1111/j.1467-9531.2006.00176.x
[29] Pothoven K，《真实与功能分析》，Springer科学与商业媒体，2013年·Zbl 0391.46001号
[30] Hoeffding W，有界随机变量和的概率不等式，美国统计协会杂志，1963，58（301）：13-30·Zbl 0127.10602号 ·doi:10.1080/01621459.1963.10500830
[31] Loève M，概率论II，数学研究生教材，1994年·Zbl 0385.60001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。