Inferência em grafos aleatórios exponenciais através do ABC
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/BUBD-AA2EWA |
Resumo: | Modelos de Grafos Aleatórios Exponenciais (ERGMs) são modelos estatísticos paramétricos para a distribuição de probabilidade de estruturas de rede a partir da análise de configurações baseadas napresença ou ausência de arestas, tais como k-estrelas e triângulos. Essas configurações são ponderadas por parâmetros do modelo.ERGMs são principalmente utilizados para modelar redes sociais, mas também são utilizados na física e na biologia. Eles são fortemente embasados pelos fenômenos que os descrevem, pois a sua utilizaçãorequer que o pesquisador leve em consideração as razões teóricas (sociais, biológicas, etc) que levam à formação das arestas. O foco deste trabalho é apresentar o estudo comparativo de dois métodos de estimação de parâmetros para os modelos ERGMs quando o número de nós cresce assintoticamente. Os métodos considerados foram o Bayesiano, proposto por Caimo and Friel 2011, baseado no algoritmoMarkov Chain Monte Carlo (MCMC), e o método Approximate Bayesian Computation (ABC) proposto por Del Moral et al. 2012, Beaumont et al. 2009, Drovandi e Pettitt 2011 e Lenormand et al 2012. Os resultados mostram que o método ABC, especialmente o proposto por Lenormand,foi bem superior tanto no quesito qualidade do ajuste quanto no de performance. Apesar do estudo em questão estar restrito a um número limitado de parâmetros, a partir dos experimentos efetuados temos fortes convicções de que o método ABC proposto por Lenormand et al 2012 é consistentemene melhor que o método Bayesiano proposto por Caimo e Friel 2011. |
id |
UFMG_d61dc103d233d9dabdd5c346bca49ae5 |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/BUBD-AA2EWA |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Marcos Oliveira PratesAdrian Pablo Hinojosa LunaAdrian Pablo Hinojosa LunaRemy de Paiva SanchisMagda Carvalho PiresMilton Pifano Soares Ferreira2019-08-12T01:59:25Z2019-08-12T01:59:25Z2016-02-26http://hdl.handle.net/1843/BUBD-AA2EWAModelos de Grafos Aleatórios Exponenciais (ERGMs) são modelos estatísticos paramétricos para a distribuição de probabilidade de estruturas de rede a partir da análise de configurações baseadas napresença ou ausência de arestas, tais como k-estrelas e triângulos. Essas configurações são ponderadas por parâmetros do modelo.ERGMs são principalmente utilizados para modelar redes sociais, mas também são utilizados na física e na biologia. Eles são fortemente embasados pelos fenômenos que os descrevem, pois a sua utilizaçãorequer que o pesquisador leve em consideração as razões teóricas (sociais, biológicas, etc) que levam à formação das arestas. O foco deste trabalho é apresentar o estudo comparativo de dois métodos de estimação de parâmetros para os modelos ERGMs quando o número de nós cresce assintoticamente. Os métodos considerados foram o Bayesiano, proposto por Caimo and Friel 2011, baseado no algoritmoMarkov Chain Monte Carlo (MCMC), e o método Approximate Bayesian Computation (ABC) proposto por Del Moral et al. 2012, Beaumont et al. 2009, Drovandi e Pettitt 2011 e Lenormand et al 2012. Os resultados mostram que o método ABC, especialmente o proposto por Lenormand,foi bem superior tanto no quesito qualidade do ajuste quanto no de performance. Apesar do estudo em questão estar restrito a um número limitado de parâmetros, a partir dos experimentos efetuados temos fortes convicções de que o método ABC proposto por Lenormand et al 2012 é consistentemene melhor que o método Bayesiano proposto por Caimo e Friel 2011.Exponential random graph models are parametric statistical methods for probability distributions of network structures trough the analyses of configurations based on the presense (or absence) of edges,such as k-stars and triangles. These configurations are weigthed by model parameters. These models are principled statistical approach to model social networks, but they are also applied in physics and biology. They are theory driven in such a way that their use require the researcher to consider the complexity of why edges (social, biological or whatever) are formed. The focus of this work is to present a comparative study between two parameter estimation methods for the ERGMs models not taking into account the theories behind the edges formation. The methods considered were the one proposed by Caimo and Friel 2011, a Bayesian method based on Markov Chain Monte Carlo (MCMC), and the Approximate Bayesian Computation (ABC) method proposed by Del Moral et al. 2012, Beaumont et al. 2009, Drovandi and Pettitt 2011 eLenormand et al 2012. The results shows that the ABC method, specially the one proposed by Lenormand, surpassed the Bayesian one considering both the goodness-of-fit and performance. Despite the fact that this study was restricted to a limited number of parameters, based on the experiments done so far, we are strongly convinced that the ABC approach, proposed by Lenormand et al 2012, is consistently better than the Bayesian method proposed by Caimo and Friel 2011.Universidade Federal de Minas GeraisUFMGMétodo de projeção aleatóriaProcesso estocasticoeoria dos grafosEstatisticaGraficos aleatoriosABCERGMsBergmGrafos Aleatórios ExponenciaiasMCMCInferência em grafos aleatórios exponenciais através do ABCinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALdissertacaoestatistica.pdfapplication/pdf4820664https://repositorio.ufmg.br/bitstream/1843/BUBD-AA2EWA/1/dissertacaoestatistica.pdfe5a6327fc91838dfb15beaab4aca8865MD51TEXTdissertacaoestatistica.pdf.txtdissertacaoestatistica.pdf.txtExtracted texttext/plain122468https://repositorio.ufmg.br/bitstream/1843/BUBD-AA2EWA/2/dissertacaoestatistica.pdf.txt01e3c926d10223c408c47c30893c178eMD521843/BUBD-AA2EWA2019-11-14 11:01:54.868oai:repositorio.ufmg.br:1843/BUBD-AA2EWARepositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T14:01:54Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Inferência em grafos aleatórios exponenciais através do ABC |
title |
Inferência em grafos aleatórios exponenciais através do ABC |
spellingShingle |
Inferência em grafos aleatórios exponenciais através do ABC Milton Pifano Soares Ferreira ABC ERGMs Bergm Grafos Aleatórios Exponenciaias MCMC Método de projeção aleatória Processo estocastico eoria dos grafos Estatistica Graficos aleatorios |
title_short |
Inferência em grafos aleatórios exponenciais através do ABC |
title_full |
Inferência em grafos aleatórios exponenciais através do ABC |
title_fullStr |
Inferência em grafos aleatórios exponenciais através do ABC |
title_full_unstemmed |
Inferência em grafos aleatórios exponenciais através do ABC |
title_sort |
Inferência em grafos aleatórios exponenciais através do ABC |
author |
Milton Pifano Soares Ferreira |
author_facet |
Milton Pifano Soares Ferreira |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Marcos Oliveira Prates |
dc.contributor.advisor-co1.fl_str_mv |
Adrian Pablo Hinojosa Luna |
dc.contributor.referee1.fl_str_mv |
Adrian Pablo Hinojosa Luna |
dc.contributor.referee2.fl_str_mv |
Remy de Paiva Sanchis |
dc.contributor.referee3.fl_str_mv |
Magda Carvalho Pires |
dc.contributor.author.fl_str_mv |
Milton Pifano Soares Ferreira |
contributor_str_mv |
Marcos Oliveira Prates Adrian Pablo Hinojosa Luna Adrian Pablo Hinojosa Luna Remy de Paiva Sanchis Magda Carvalho Pires |
dc.subject.por.fl_str_mv |
ABC ERGMs Bergm Grafos Aleatórios Exponenciaias MCMC |
topic |
ABC ERGMs Bergm Grafos Aleatórios Exponenciaias MCMC Método de projeção aleatória Processo estocastico eoria dos grafos Estatistica Graficos aleatorios |
dc.subject.other.pt_BR.fl_str_mv |
Método de projeção aleatória Processo estocastico eoria dos grafos Estatistica Graficos aleatorios |
description |
Modelos de Grafos Aleatórios Exponenciais (ERGMs) são modelos estatísticos paramétricos para a distribuição de probabilidade de estruturas de rede a partir da análise de configurações baseadas napresença ou ausência de arestas, tais como k-estrelas e triângulos. Essas configurações são ponderadas por parâmetros do modelo.ERGMs são principalmente utilizados para modelar redes sociais, mas também são utilizados na física e na biologia. Eles são fortemente embasados pelos fenômenos que os descrevem, pois a sua utilizaçãorequer que o pesquisador leve em consideração as razões teóricas (sociais, biológicas, etc) que levam à formação das arestas. O foco deste trabalho é apresentar o estudo comparativo de dois métodos de estimação de parâmetros para os modelos ERGMs quando o número de nós cresce assintoticamente. Os métodos considerados foram o Bayesiano, proposto por Caimo and Friel 2011, baseado no algoritmoMarkov Chain Monte Carlo (MCMC), e o método Approximate Bayesian Computation (ABC) proposto por Del Moral et al. 2012, Beaumont et al. 2009, Drovandi e Pettitt 2011 e Lenormand et al 2012. Os resultados mostram que o método ABC, especialmente o proposto por Lenormand,foi bem superior tanto no quesito qualidade do ajuste quanto no de performance. Apesar do estudo em questão estar restrito a um número limitado de parâmetros, a partir dos experimentos efetuados temos fortes convicções de que o método ABC proposto por Lenormand et al 2012 é consistentemene melhor que o método Bayesiano proposto por Caimo e Friel 2011. |
publishDate |
2016 |
dc.date.issued.fl_str_mv |
2016-02-26 |
dc.date.accessioned.fl_str_mv |
2019-08-12T01:59:25Z |
dc.date.available.fl_str_mv |
2019-08-12T01:59:25Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/BUBD-AA2EWA |
url |
http://hdl.handle.net/1843/BUBD-AA2EWA |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.initials.fl_str_mv |
UFMG |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/BUBD-AA2EWA/1/dissertacaoestatistica.pdf https://repositorio.ufmg.br/bitstream/1843/BUBD-AA2EWA/2/dissertacaoestatistica.pdf.txt |
bitstream.checksum.fl_str_mv |
e5a6327fc91838dfb15beaab4aca8865 01e3c926d10223c408c47c30893c178e |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589215560138752 |