GraphPropertyDistribution

GraphPropertyDistribution[expr,xgdist]

確率変数 x がグラフ分布 gdist に従う，特性 expr の分布を表す．

GraphPropertyDistribution[expr,{x1gdist1,x2gdist2,…}]

x1, x2, … が独立で，グラフ分布 gdist1, gdist2, …に従う分布を表す．

詳細とオプション

例題

すべて開くすべて閉じる

例  (3)

グラフモデルの特性分布を得る：

グラフ特性の分布のシミュレーションを行う：

平均を計算する：

確率密度関数をプロットする：

スコープ  (14)

基本的な用法  (5)

グラフモデルの記号特性分布を得る：

グラフ特性分布についての事象の確率を計算する：

グラフ特性分布についての式の期待値を計算する：

特性分布のシミュレーションを行う：

確率ヒストグラムを生成する：

グラフ特性データの経験的分布を作成する：

分布関数を可視化する：

確率論的特性を計算する：

モーメントと分位数を計算する：

分布特性  (4)

GraphPropertyDistributionはEdgeCountのような基本的なグラフ特性に使うことができる：

VertexCount：

VertexDegree：

ConnectedGraphQのような述語：

EulerianGraphQ：

EdgeQ：

GraphDiameterのようなグラフ尺度と測定基準：

GraphAssortativity：

GlobalClusteringCoefficient：

GraphPropertyDistributionは最大固有ベクトル中心性のような任意の式に使うことができる：

巨大な成分の大きさ：

グラフ分布  (3)

GraphPropertyDistributionはBarabasiAlbertGraphDistributionのようなグラフ分布に使うことができる：

BernoulliGraphDistribution：

DegreeGraphDistribution：

PriceGraphDistribution：

SpatialGraphDistribution：

UniformGraphDistribution：

WattsStrogatzGraphDistribution：

記号グラフ分布：

独立分布を組み合せる：

自動簡約  (2)

GraphPropertyDistributionは可能な場合は常に既知の分布に簡約する：

グラフ特性分布の特殊な変換：

オプション  (1)

Assumptions  (1)

プライス(Price)分布に従う辺の数を計算する：

Assumptionsを使って条件 を指定する：

アプリケーション  (5)

20人の幼稚園児が幼稚園での最初の1週間を過ごした時点で2人の園児が友達になる確率は0.2である．ソーシャルネットワークが接続された可能性を求める：

確率を直接計算する：

以下のグラフは，人口100人の小さい村で村民一人あたりの知人の平均数が20人の場合のソーシャルネットワークを示している．最も知人が少ない村民の関係数の期待値を求める：

関係の数はVertexDegreeで与えられる：

蓮池のカエルは，25枚の蓮の浮葉から浮葉へ跳び移るために，1.5フィートジャンプすることができる．蓮の葉の密度とSpatialGraphDistributionを使って，カエルのジャンプのネットワークをモデル化する：

ランダムな池をサンプルに取る：

カエルが跳び移ることのできる蓮の浮葉の最大集合を求める：

シミュレーションを使って同様の池についての蓮の浮葉の最大集合の大きさを求める：

すべての浮葉を訪れるためにカエルが泳がなければならない回数を求める：

同様の蓮池についての結果をシミュレーションによって得る：

インフルエンザの突発について，被験者7人からなるグループの医学研究で，各被験者がグ伝染の可能性があるグループ内での接触数を報告した．この接触をDegreeGraphDistributionとしてモデル化する：

最初の2人の被験者が接触したかどうかのシミュレーションを行う：

最初の2人の被験者が接触した確率を求める：

100の神経細胞がある大脳皮質のある部分で，神経細胞同士の距離が0.2より短い場合はシナプスで繋がれている：

ネットワークが接続される確率：

特性と関係  (4)

GraphPropertyDistributionは入力変数に局所名を使う：

NProbabilityを使って事象の確率を計算する：

NExpectationを使って式の期待値を計算する：

RandomVariateを使って特性分布のシミュレーションを行う：

考えられる問題  (1)

統計の特性を数値近似する場合にはモンテカルロ(Monte Carlo)法が使われる：

Wolfram Research (2012), GraphPropertyDistribution, Wolfram言語関数， https://reference.wolfram.com/language/ref/GraphPropertyDistribution.html.

テキスト

Wolfram Research (2012), GraphPropertyDistribution, Wolfram言語関数， https://reference.wolfram.com/language/ref/GraphPropertyDistribution.html.

CMS

Wolfram Language. 2012. "GraphPropertyDistribution." Wolfram Language & System Documentation Center. Wolfram Research. https://reference.wolfram.com/language/ref/GraphPropertyDistribution.html.

APA

Wolfram Language. (2012). GraphPropertyDistribution. Wolfram Language & System Documentation Center. Retrieved from https://reference.wolfram.com/language/ref/GraphPropertyDistribution.html

BibTeX

@misc{reference.wolfram_2024_graphpropertydistribution, author="Wolfram Research", title="{GraphPropertyDistribution}", year="2012", howpublished="\url{https://reference.wolfram.com/language/ref/GraphPropertyDistribution.html}", note=[Accessed: 21-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_graphpropertydistribution, organization={Wolfram Research}, title={GraphPropertyDistribution}, year={2012}, url={https://reference.wolfram.com/language/ref/GraphPropertyDistribution.html}, note=[Accessed: 21-November-2024 ]}