Statistical inference in complex networks (2017)
- Authors:
- Autor USP: OE, BIANCA MADOKA SHIMIZU - ICMC
- Unidade: ICMC
- Sigla do Departamento: SME
- Subjects: ANÁLISE DE REGRESSÃO E DE CORRELAÇÃO; REDES COMPLEXAS; AMOSTRAGEM
- Keywords: Complex networks; Processos de propagação; Regression analysis; Sampling; Spreading processes
- Language: Inglês
- Abstract: Vários fenômenos naturais e artificiais compostos de partes interconectadas vem sendo estudados pela teoria de redes complexas. Tal representação permite o estudo de processos dinâmicos que ocorrem em redes complexas, tais como propagação de epidemias e rumores. A evolução destes processos é influenciada pela organização das conexões da rede. O tamanho das redes do mundo real torna a análise da rede inteira computacionalmente proibitiva. Portanto, torna-se necessário representá-la com medidas topológicas ou amostrá-la para reduzir seu tamanho. Além disso, muitas redes são amostras de redes maiores cuja estrutura é difícil de ser capturada e deve ser inferida de amostras. Neste trabalho, ambos os problemas são estudados: a influência da estrutura da rede em processos de propagação e os efeitos da amostragem na estrutura da rede. Os resultados obtidos sugerem que é possível predizer o tamanho da epidemia ou do rumor com base em um modelo de regressão beta com dispersão variável, usando medidas topológicas como regressores. A medida mais influente em ambas as dinâmicas é a informação de busca média, que quantifica a facilidade com que se navega em uma rede. Também é mostrado que a estrutura de uma rede amostrada difere da original e que o tipo de mudança depende do método de amostragem utilizado. Por fim, quatro métodos de amostragem foram aplicados para estudar o comportamento do limiar epidêmico de uma rede quando amostrada com diferentes taxas de amostragem. Os resultadossugerem que a amostragem por busca em largura é a mais adequada para estimar o limiar epidêmico entre os métodos comparados.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2017
- Data da defesa: 16.01.2017
-
ABNT
OE, Bianca Madoka Shimizu. Statistical inference in complex networks. 2017. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2017. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-28032017-095426/. Acesso em: 29 mar. 2024. -
APA
Oe, B. M. S. (2017). Statistical inference in complex networks (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-28032017-095426/ -
NLM
Oe BMS. Statistical inference in complex networks [Internet]. 2017 ;[citado 2024 mar. 29 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-28032017-095426/ -
Vancouver
Oe BMS. Statistical inference in complex networks [Internet]. 2017 ;[citado 2024 mar. 29 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-28032017-095426/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas