Aritalab:Lecture/NetworkBiology/Erdos-Renyi Model

From Metabolomics.JP
< Aritalab:Lecture | NetworkBiology(Difference between revisions)
Jump to: navigation, search
m
Line 1: Line 1:
 
ここでは頂点がすべて連結した無向グラフを扱う。
 
ここでは頂点がすべて連結した無向グラフを扱う。
  
−
=歴史=
+
=歴史と参考図書=
−
* 1998 Watts DJ, Strogatz S "Collective dynamics of 'small-world' networks". Nature 393: 440–442. [http://web.archive.org/web/20070418032327/http://www.tam.cornell.edu/SS_nature_smallworld.pdf. doi:10.1038/30918.]
+
* Erdős P, Rényi A. "On Random Graphs. I.". Publicationes Mathematicae 6:290–297, 1959 
 +
* Erdős P, Rényi A. "The Evolution of Random Graphs". Magyar Tud. Akad. Mat. Kutató Int. Közl. 5:17–61, 1960
 +
* Bollobás B. Random Graphs (2nd ed.), Cambridge University Press, 2001
 +
* Durrett R. Random Graph Dynamics, Cambridge University Press, 2004
  
 
=ネットワークの指標:<math>C</math>と<math>L</math>=
 
=ネットワークの指標:<math>C</math>と<math>L</math>=
Line 45: Line 48:
  
 
;<math>\textstyle c = const.</math>
 
;<math>\textstyle c = const.</math>
−
各頂点が定数本の辺を持ちはじめる。ちょうど1本だけだと二部グラフのマッチング、2本だと閉路の集合になる。各頂点が持つ辺の本数（の期待値）が<math>c</math>なので、<math>c < 1</math>のとき連結しても大きさは高々<math>\log n</math>程度にしかならない。しかし<math>c > 1</math>の場合繋がっていく確率のほうが高く、その半径(diameter)を<math>k</math>とおくと<math>c^k=n</math>まで成長する。このとき<math>k=\log n / \log c</math>。
+
各頂点が定数本の辺を持ちはじめる。ちょうど1本だけだと二部グラフのマッチング、2本だと閉路の集合になる。各頂点が持つ辺の本数（の期待値）が<math>c</math>なので、<math>c < 1</math>のとき連結しても大きさは高々<math>\log n</math>程度にしかならない。しかし<math>c > 1</math>の場合繋がっていく確率のほうが高く、その半径(diameter)を<math>k</math>とおくと<math>c^k=n</math>まで成長する。このとき<math>k=\log n / \log c</math>。臨界点にあたる<math>c = 1</math>では連結した頂点のサイズが<math>n^{2/3}</math>になることが知られている。
  
 
;<math>\textstyle c = \log n</math>
 
;<math>\textstyle c = \log n</math>

Revision as of 11:07, 8 May 2009

ここでは頂点がすべて連結した無向グラフを扱う。

Contents

歴史と参考図書

  • Erdős P, Rényi A. "On Random Graphs. I.". Publicationes Mathematicae 6:290–297, 1959
  • Erdős P, Rényi A. "The Evolution of Random Graphs". Magyar Tud. Akad. Mat. Kutató Int. Közl. 5:17–61, 1960
  • Bollobás B. Random Graphs (2nd ed.), Cambridge University Press, 2001
  • Durrett R. Random Graph Dynamics, Cambridge University Press, 2004

ネットワークの指標:CとL

ネットワーク全体についての尺度として、クラスター係数Cと平均頂点間距離Lを紹介する。

クラスター係数

クラスター係数は隣接する頂点間の辺の密度の平均値にあたる。まず各頂点iにおけるクラスター係数C_iを以下のように定義する。辺の長さはすべて1とする|e|=1。

\textstyle C_i=\frac{2}{deg(i)(deg(i)-1)} \sum_{j,k \in neighbor(i)} |e_{jk}|

グラフ全体のクラスター係数はその平均値になる。

\textstyle C =\frac{1}{n} \sum^{n}_{i=1}C_i

平均頂点間距離

平均頂点間距離はその字のごとく全頂点間の最短路の平均値にあたる。ここでは頂点i, j間の最短経路をp_{ij}と書く。各点に注目する場合は、距離L以内にある頂点数を数えることで求められる。

\textstyle L=\frac{1}{n} \sum_{i,j\in G}|p_{ij}|

様々なグラフにおけるCとL

完全グラフ

全ての頂点間に辺を持つグラフはC=L=1。

格子

平面の場合は三角格子、正方格子が考えられる。特に、d次元空間において辺の長さが単位距離の格子をZdと書く。

例. Z2において、deg(i)=2d

定義のままだとクラスター係数が0になって面白くないので、最短距離がa以下の点には全て辺を張るバリエーションZ'dを考えよう。

例. Z'dのクラスター係数は\textstyle C=\frac{3(a-1)}{2(2a-1)}、平均頂点間距離は\textstyle L=\sqrt[d]{n}/a

木

簡単のため全頂点が同じ次数を持つ木を考える。中心の頂点v_0を根(root)と呼ぶ。木はその定義よりサイクルを持たないのでC=0。また平均頂点間距離は、距離L以内にある頂点を数えることで求められる。

n = 1 + d + d(d-1) + ... + d(d-1)^L = 1 +d (1-(d-1)^{L+1})/(1-(d-1))∝(d-1)^{L+1}

すなわち

\textstyle L=\propto \frac{\log n}{\log (d-1)} \propto \log n

Erdős–Rényiグラフ

全ての頂点間に一定の確率pで独立に辺を作成してできるランダムグラフをErdős–Rényiグラフと呼ぶ。各頂点に注目してみるとn-1点に対して確率pで辺を張るため、次数は二項分布{}_{n-1}\mbox{C}_k p^k(1-p)^{n-1-k}に従う。すなわち次数の平均はc = (n-1)pと書ける。

ネットワークの進化

次数の平均値cを変化させて生じるグラフ形状の違いを検証しよう。

\textstyle c \le \frac{1}{n^2}

辺の生成される確率がpn(n-1)/2 = cn/2 \xrightarrow{n\rarr \infty} 0になるため、辺を持たない。

\textstyle c = 1/\sqrt{n}

辺があったとしても木にしかならない。

\textstyle c = const.

各頂点が定数本の辺を持ちはじめる。ちょうど1本だけだと二部グラフのマッチング、2本だと閉路の集合になる。各頂点が持つ辺の本数（の期待値）がcなので、c < 1のとき連結しても大きさは高々\log n程度にしかならない。しかしc > 1の場合繋がっていく確率のほうが高く、その半径(diameter)をkとおくとc^k=nまで成長する。このときk=\log n / \log c。臨界点にあたるc = 1では連結した頂点のサイズがn^{2/3}になることが知られている。

\textstyle c = \log n

全体が連結になる。ある頂点が辺を全く持たない確率は\textstyle (1-p)^{n-1}=((1-\frac{c}{n-1})^{\frac{n-1}{c}})^{c} \leq e^{-c}。したがって、そのような頂点がグラフ中に存在しない確率の上限はne^{-c}となり、これを0に収束させるには例えばc \geq 2 \log nで十分である。つまり、孤立点が消滅する。

ネットワークの特徴

クラスター係数
辺が張られる確率は全て独立なのでC=p \simeq c /n。これはK_3やK_4をあまり含まないことを意味している。
平均頂点間距離
各頂点が持つ辺の期待値をcとして半径k=\log n / \log c = O(\log n)。
連結性
Erdős–Rényiグラフ全体が連結であるためには次数がO(\log n)以上必要。
Retrieved from "http://metabolomics.jp/mediawiki/index.php?title=Aritalab:Lecture/NetworkBiology/Erdos-Renyi_Model&oldid=255028"
Personal tools
Namespaces

Variants
Actions
Navigation
metabolites
Toolbox