はじめに 前回のネットワーク指標編に引き続き、共立出版のRで学ぶデータサイエンスシリーズのネットワーク分析を読み進めていきます。 今回は検定や指数ランダムモデルについてです。 個人的にはなかな面白かったトピックでした。 igraphとggraph、tidygraphパッケージを使える所は使ってきます。 また、こちらで掲載しているコードの詳細はgithubにあげています。 ※ネットワークをグラフと言ったり、ネットワークといったりしていてわかりにくいかもしれません。 ネットワークの統計的仮説検定 ネットワークでも仮説検定が行えます。 t検定等の統計的仮説検定では、分布を仮定しますが、ネットワークの密度等は次数等の条件により変化してしまうため、指標の分布は正確に得られないです。 そこで、帰無仮説に基づいてモンテカルロシミュレーションによりネットワークデータを発生させ統計量の分布を求める方法が用い
![Rによるネットワーク分析をまとめました<統計的ネットワーク分析編> - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/39ef469e85cbc2d9001e620ce235e085e09f6ead/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBzYWx0Y29va3kmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPWQwYjU1OTA2MjRmZGRiZTRjYTVjN2JjNjViMzdhODBl%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D2fb442687d3dbc0e8937334ebc66f516)