To install click the Add extension button. That's it.

The source code for the WIKI 2 extension is being checked by specialists of the Mozilla Foundation, Google, and Apple. You could also do it yourself at any point in time.

4,5
Kelly Slayton
Congratulations on this excellent venture… what a great idea!
Alexander Grigorievskiy
I use WIKI 2 every day and almost forgot how the original Wikipedia looks like.
Live Statistics
Spanish Articles
Improved in 24 Hours
Added in 24 Hours
Languages
Recent
Show all languages
What we do. Every page goes through several hundred of perfecting techniques; in live mode. Quite the same Wikipedia. Just better.
.
Leo
Newton
Brights
Milds

Grafo ponderado

De Wikipedia, la enciclopedia libre

Ejemplo de grafo ponderado (no dirigido).

En teoría de grafos, un grafo ponderado, valorado o con pesos es un grafo en el que las aristas tienen un valor o peso asociado.[1]

En análisis de redes sociales y ciencia de redes, este tipo de grafos sirven para representar redes sociales o redes complejas con relaciones valoradas.[1]

Definición formal

Formalmente, un grafo ponderado se puede definir como un trío ordenado , donde es su conjunto de vértices, es su conjunto de aristas, y es el conjunto de pesos asociados a cada arista.[1]​ Asimismo, se puede representar también como una función de asignación de pesos , de modo que para cualquier arista , su peso es . Dado que cualquier conjunto finito de valores se puede asociar a un subconjunto de los números reales, las aristas también admiten solo números enteros, o bien valores no numéricos, tales como letras o colores. En redes sociales, es común restringirse a números naturales.[1]

Por definición, los grafos signados son un caso particular de grafos ponderados, en que los valores válidos para cada arista se reducen a un valor booleano, 0 o 1, o bien -1 o +1. Asimismo, un grafo normal sin valores en las aristas también se puede considerar un caso particular de grafo ponderado, en que todas las aristas tienen un mismo valor 1.[1]

Análisis de redes ponderadas

Varias métricas para grafos o redes sin aristas valoradas pueden ser adaptadas para grafos ponderados. Por ejemplo, las medidas de centralidad clásicas como el grado,[2]​ cercanía[3]​ o intermediación,[4][5]​ también pueden considerar los pesos de las aristas. Asimismo, el coeficiente de agrupamiento global y local también se puede aplicar considerando ternas de valores[6][2]​ o fórmulas algebraicas.[7]​ Las trayectorias basadas en la noción de camino también se pueden definir para aristas valoradas, estando bien definidos conceptos de valor y longitud de un camino, así como de accesibilidad entre vértices.[1]

Una ventaja teórica de los grafos ponderados es que permiten derivar relaciones entre diferentes métricas de la red, también llamados conceptos de red, estadísticos o índices.[8]​ Por ejemplo, simples relaciones entre métricas de la red pueden derivarse a partir de grupos de nodos (comunidades) en las redes ponderadas.[9]​ Para las redes ponderadas de correlación, puede usarse la interpretación angular de las correlaciones para proporcionar una interpretación geométrica de los conceptos teóricos de la red, y derivar relaciones inesperadas entre ellas.[10]

Aplicaciones

En general, medir o registrar la importancia de los diferentes enlaces, permite crear grafos ponderados que capturan más información que los grafos sin pesos.[11]

Redes sociales y redes complejas

En redes del mundo real, no siempre todos los vínculos tienen la misma importancia o capacidad. En muchos casos, se les asocia a los vínculos un valor que los diferencia en términos de fuerza, intensidad o capacidad.[2][8]

Acerca de las redes sociales, Mark Granovetter argumentó en 1973 que la importancia de las relaciones es función de su duración, intensidad emocional, intimidad e intercambio de servicios.[12]​ En el análisis de redes sociales, el concepto de camino de nivel c se utiliza para estudiar subgrupos cohesivos para grafos ponderados.[1]

Para otros tipos de redes complejas, con frecuencia los pesos refieren a la función que cumplen los vínculos. Ejemplos de esto son diferentes valores de flujos de carbono (mg / m² / día) entre especies en las redes alimentarias,[13]​ la cantidad de sinapsis y las uniones de brechas en redes neuronales,[14]​ o la cantidad de tráfico vehicular a lo largo de las conexiones en redes de transporte.[15]

Las redes ponderadas también se usan ampliamente en aplicaciones genómicas y de sistemas biológicos.[8]​ Por ejemplo, el análisis de redes ponderadas de coexpresión de genes (WGCNA, por sus siglas en inglés) se usa a menudo para construir una red entre diferentes genes o productos genéticos, basados en datos de expresión de genes como micromatrices.[7]​ De manera más general, pueden definirse otras redes ponderadas de correlación a partir de determinar un umbral entre pares entre variables, como activación de distintas partes del cerebro o expresión de diferentes genes).[16]

Cadenas de Márkov

Ejemplo de una cadena de Márkov.

En teoría de la probabilidad, los grafos ponderados pueden restringirse a valores de probabilidades entre 0 y 1, esto es, funciones de pesos , para representar procesos estocásticos conocidos como cadenas de Márkov. En estos grafos, además, la suma de los pesos incidentes desde cada nodo suman 1.[1]​ A las sociomatrices o matrices de adyacencia de dichos grafos se les conoce como matriz de transiciones o matrices estocásticas.[17]

Software para analizar redes ponderadas

Existe un gran número de paquetes de software que pueden usarse para analizar redes ponderadas. Entre estos se encuentran el software propietario UCINET y el paquete de código abierto tnet.[18]​ El paquete de R, WGCNA,[19]​ implementa funciones para construir y analizar redes ponderadas, particularmente redes de correlación.[16]​ En general, la gran mayoría de herramientas para análisis de redes sociales permiten trabajar con grafos ponderados.

Véase también

Referencias

  1. a b c d e f g h Wasserman y Faust, 2013, «Grafos y matrices» (por Dawn Iacobucci), pp. 121-188.
  2. a b c Barrat, A.; Barthelemy, M.; Pastor-Satorras, R.; Vespignani, A. (2004). «The architecture of complex weighted networks». Proceedings of the National Academy of Sciences 101 (11): 3747-3752. Bibcode:2004PNAS..101.3747B. PMC 374315. PMID 15007165. arXiv:cond-mat/0311416. doi:10.1073/pnas.0400087101. 
  3. Newman, M. E. J. (2001). «Scientific collaboration networks: II. Shortest paths, weighted networks, and centrality». Physical Review E 64 (1): 016132. Bibcode:2001PhRvE..64a6132N. PMID 11461356. arXiv:cond-mat/0011144. doi:10.1103/PhysRevE.64.016132. 
  4. Brandes, U. (2008). «On variants of shortest-path betweenness centrality and their generic computation». Social Networks 30 (2): 136-145. doi:10.1016/j.socnet.2007.11.001. 
  5. Opsahl, T. «Betweenness in wighted networks» (en inglés). Consultado el 2 de mayo de 2021. 
  6. Opsahl, T.; Panzarasa, P. (2009). «Clustering in Weighted Networks». Social Networks 31 (2): 155-163. doi:10.1016/j.socnet.2009.02.002. 
  7. a b Zhang, B.; Horvath, S. (2005). «A general framework for weighted gene co-expression network analysis». Statistical Applications in Genetics and Molecular Biology 4: Article17. PMID 16646834. doi:10.2202/1544-6115.1128. 
  8. a b c Horvath, S. (2011). Weighted Network Analysis. Applications in Genomics and Systems Biology. Springer Book. ISBN 978-1-4419-8818-8. 
  9. Dong, J.; Horvath, S. (2007). «Understanding Network Concepts in Modules». BMC Systems Biology 1 (24). doi:10.1186/1752-0509-1-24. 
  10. Dong, J.; Horvath, S. (2008). «Geometric interpretation of gene coexpression network analysis». PLoS Computational Biology 4 (8): e1000117. Bibcode:2008PLSCB...4E0117H. PMC 2446438. PMID 18704157. doi:10.1371/journal.pcbi.1000117. 
  11. Opsahl, T. (6 de febrero de 2009). «Operationalisation of tie strength in social networks» (en inglés). Consultado el 2 de mayo de 2021. 
  12. Granovetter, M. (1973). «The strength of weak ties». American Journal of Sociology 78 (6): 1360-1380. doi:10.1086/225469. 
  13. Luczkowich, J.J.; Borgatti, S.P.; Johnson, J.C.; Everett, M.G. (2003). «Defining and measuring trophic role similarity in food webs using regular equivalence». Journal of Theoretical Biology 220 (3): 303-321. PMID 12468282. doi:10.1006/jtbi.2003.3147. 
  14. Watts, D. J.; Strogatz, S. (1998). «Collective dynamics of 'small-world' networks». Nature 393 (6684): 440-442. Bibcode:1998Natur.393..440W. PMID 9623998. doi:10.1038/30918. 
  15. Opsahl, T.; Colizza, V.; Panzarasa, P.; Ramasco, J. J. (2008). «Prominence and control: The weighted rich-club effect». Physical Review Letters 101 (16): 168702. Bibcode:2008PhRvL.101p8702O. PMID 18999722. arXiv:0804.0417. doi:10.1103/PhysRevLett.101.168702. 
  16. a b Langfelder, Peter; Horvath, Steve (2008). «WGCNA: an R package for weighted correlation network analysis». BMC Bioinformatics 9: 559. PMC 2631488. PMID 19114008. doi:10.1186/1471-2105-9-559. 
  17. Harary, F. (1959). «Graph theoretic methods in the management sciences». Management Science 5. pp. 387-403. doi:10.1287/mnsc.5.4.387. 
  18. Opsahl, T. «tnet». Consultado el 2 de mayo de 2021. 
  19. «WGCNA: Weighted Correlation Network Analysis». Consultado el 2 de mayo de 2021. 

Bibliografía

  • Wasserman, Stanley; Faust, Katherine (2013) [1994]. Análisis de redes sociales: Métodos y aplicaciones. Madrid: Centro de Investigaciones Sociológicas. ISBN 978-84-7476-631-8. OCLC 871814053. 
Esta página se editó por última vez el 14 dic 2022 a las 11:31.
Basis of this page is in Wikipedia. Text is available under the CC BY-SA 3.0 Unported License. Non-text media are available under their specified licenses. Wikipedia® is a registered trademark of the Wikimedia Foundation, Inc. WIKI 2 is an independent company and has no affiliation with Wikimedia Foundation.