Séance de cours

Analyse statistique des données du réseau : réseaux échantillonnés Noisy

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

MATH-448: Statistical analysis of network data

A first course in statistical network analysis and applications. ...

Description

Cette séance de cours porte sur l'analyse statistique des données du réseau, l'exploration de sujets tels que les réseaux échantillonnés bruyants, l'estimation de la probabilité pour les réseaux dirigés et les réseaux multicouches. L'instructeur discute de la classe des ERMM, des méthodes d'échantillonnage en réseau comme l'échantillonnage relationnel et hyperedge, et du modèle d'attachement préférentiel Barabasi-Albert. La séance de cours couvre également les réseaux multicouches, y compris le modèle Axelrod, les réseaux multiplex et les multigraphes marqués de bord. De plus, l'estimation de la probabilité pour le modèle B est expliquée, en mettant l'accent sur la distribution des degrés et les estimations de la probabilité maximale. Les réseaux dirigés sont examinés, mettant en évidence les relations asymétriques dans les réseaux sociaux et la complexité de la diffusion des rumeurs dans les réseaux dirigés.

Enseignant·e

Sofia Charlotta Olhede

Sofia Olhede is a professor of Statistics at EPFL in Switzerland. She joined UCL prior to this in 2007, before which she was a senior lecturer of statistics (associate professor) at Imperial College London (2006-2007), a lecturer of statistics (assistant professor) (2002-2006), where she also completed her PhD in 2003 and MSci in 2000. She has held three research fellowships while at UCL: UK Engineering and Physical Sciences Springboard fellowship as well as a five-year Leadership fellowship, and now holds a European Research Council Consolidator fellowship. Sofia has contributed to the study of stochastic processes; time series, random fields and networks. Sofia was part of the multi-institutional team that set up the UK national data science institute, the Alan Turing Institute. She organised and served as chair of the science committee that developed the initial 500 000 pounds scientific programme of the institute; peer-reviewing over 100 workshop proposals and hosting over 30. She also chaired the first recruitment wave of the institute hiring 13 data scientists as a multi-university recruitment drive. Sofia was a member of the Royal Society and British Academy Data Governance Working Group, and the Royal Society working group on machine learning. Most recently she was one of 3 commissioners on a law society commission on the usage of algorithms in the justice system.

Source officielle

Proximité ontologique

Mathématiques

Mathématiques discrètes: Théorie des graphes

Concepts associés (31)

Multigraph

In mathematics, and more specifically in graph theory, a multigraph is a graph which is permitted to have multiple edges (also called parallel edges), that is, edges that have the same end nodes. Thus two vertices may be connected by more than one edge. There are 2 distinct notions of multiple edges: Edges without own identity: The identity of an edge is defined solely by the two nodes it connects. In this case, the term "multiple edges" means that the same edge can occur several times between these two nodes.

Loi du χ²

En statistiques et en théorie des probabilités, la loi du centrée (prononcé « khi carré » ou « khi-deux ») avec k degrés de liberté est la loi de la somme de carrés de k lois normales centrées réduites indépendantes. La loi du est utilisée en inférence statistique et pour les tests statistiques notamment le test du χ2. La loi du χ2 non centrée généralise la loi du . Soient k variables aléatoires X, ... , X indépendantes suivant la loi normale centrée et réduite, c'est-à-dire la loi normale de moyenne 0 et d'écart-type 1.

Loi de Cauchy (probabilités)

La loi de Cauchy, appelée aussi loi de Lorentz, est une loi de probabilité continue qui doit son nom au mathématicien Augustin Louis Cauchy. Une variable aléatoire X suit une loi de Cauchy si sa densité , dépendant des deux paramètres et ( > 0) est définie par : La fonction ainsi définie s'appelle une lorentzienne. Elle apparaît par exemple en spectroscopie pour modéliser des raies d'émission. Cette distribution est symétrique par rapport à (paramètre de position), le paramètre donnant une information sur l'étalement de la fonction (paramètre d'échelle).

Loi normale

En théorie des probabilités et en statistique, les lois normales sont parmi les lois de probabilité les plus utilisées pour modéliser des phénomènes naturels issus de plusieurs événements aléatoires. Elles sont en lien avec de nombreux objets mathématiques dont le mouvement brownien, le bruit blanc gaussien ou d'autres lois de probabilité. Elles sont également appelées lois gaussiennes, lois de Gauss ou lois de Laplace-Gauss des noms de Laplace (1749-1827) et Gauss (1777-1855), deux mathématiciens, astronomes et physiciens qui l'ont étudiée.

Climate as complex networks

The field of complex networks has emerged as an important area of science to generate novel insights into nature of complex systems The application of network theory to climate science is a young and emerging field. To identify and analyze patterns in global climate, scientists model climate data as complex networks. Unlike most real-world networks where nodes and edges are well defined, in climate networks, nodes are identified as the sites in a spatial grid of the underlying global climate data set, which can be represented at various resolutions.

Afficher plus

Séances de cours associées (64)

Manipulation des réseaux : théorie des graphes

Couvre les bases de la manipulation des réseaux et des mesures de centralité dans la théorie des graphes.

Analyse statistique des données du réseau: structures et modèles

Explore l'analyse statistique des données du réseau, qui couvre les structures graphiques, les modèles, les statistiques et les méthodes d'échantillonnage.

Analyse statistique des données du réseau

Couvre les propriétés stochastiques, les structures du réseau, les modèles, les statistiques, les mesures de centralité et les méthodes d'échantillonnage dans l'analyse des données du réseau.

Manipulation des réseaux : théorie des graphes

Explore les concepts de théorie des graphes, les mesures de centralité et les propriétés de réseau du monde réel, fournissant des informations sur la gestion de divers types de réseaux.

Réseaux sans échelle: lois de puissance et attachement préférentiel

Explore les réseaux sans échelle, les lois de puissance, l'attachement préférentiel et l'assortiment de réseaux.

Afficher plus

Concepts associés (31)

Multigraph

Loi du χ²

Loi de Cauchy (probabilités)

Loi normale

Climate as complex networks

Afficher plus