創建定向隨機圖，指定冪律度分佈的alpha值

我有一個真正的有向圖，我知道有多少個節點和邊。度分佈近似於冪律分佈。現在，我想創建一個隨機圖複製我的真實圖形的特點如下：創建定向隨機圖，指定冪律度分佈的alpha值

節點數量
邊數
（類似）冪律入度和出分佈

假設g是我真正的10000個節點和30000個邊緣

exp.out = 2.2 
exp.in = 2.3 

set.seed(123) 
g <- static.power.law.game(10000, 30000, exp.out, exp.in, multiple=TRUE)

的圖

但我不知道exp.out和exp.in。然後，我嘗試用plfit功能（downloaded here）估計冪律指數：

plfit(degree(g, mode="in")+1) 

# $xmin 
# [1] 5 
# 
# $alpha 
# [1] 2.97 
# 
# $D 
# [1] 0.01735342 

plfit(degree(g, mode="out")+1) 

# $xmin 
# [1] 5 
# 
# $alpha 
# [1] 2.83 
# 
# $D 
# [1] 0.01589222

從中我然後得出我的分佈函數（分別爲入度和出度）：

P（X ）〜X^-2.97對於x> = 5
p（X）〜X^-2.83對於x> = 5

根據的

遊戲只是簡單地使用static.fitness.game和適當的構造的健身向量。特別地，頂點的適應度i是 I ^（ - α），其中alpha = 1 /（γ-1）和γ是在參數

給出指數據我所知，爲了複製我的alpha，我應該分別以1.3367（2.97 = 1 /（x-1））和1.35336（2.83 = 1 /（x-1））作爲gammas。然後

set.seed(321) 
random.g <- static.power.law.game(10000, 30000, 1.35336, 1.3367, multiple=TRUE) 
# Error in .Call("R_igraph_static_power_law_game", no.of.nodes, no.of.edges, : 
#     At games.c:3748 : out-degree exponent must be >= 2, Invalid value

然而，這static.power.law.game只需要度指數高於或等於2讓我覺得，也許我失去了一些東西的事實...

來源

2014-10-20 CptNemo

exp_out和exp_in應該簡單地的所需指數出入度和入度分佈，則不需要對從plfit獲得的指數進行任何轉換。但是，請注意，由於有限的尺寸效應，您不太可能完全恢復您的「觀測」指數

來源

2014-10-20 12:27:26

但是，我沒有得到'i ^（ - alpha），其中alpha = 1 /（gamma-1） '來自文檔......它代表什麼？ – CptNemo 2014-10-20 20:11:05

'static.power.law.game'是'static.fitness.game'方便的包裝，'i^{ - alpha}'定義了'static.fitness.game'中頂點i的健身得分 - 但是你不應該擔心，因爲你應該指定所需的指數（gamma）作爲'static.power.law.game'的一個參數，並且將它們轉換爲正確的適應度（alpha）值。 – 2014-10-20 22:04:49

創建定向隨機圖，指定冪律度分佈的alpha值

回答

相關問題