Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

A semi-parametric statistical test to compare complex networks

Texto completo
Autor(es):
Fujita, Andre [1] ; Lira, Eduardo Silva [1] ; Santos, Suzana de Siqueira [1] ; Bando, Silvia Yumi [2] ; Soares, Gabriela Eleuterio [1] ; Takahashi, Daniel Yasumasa [3]
Número total de Autores: 6
Afiliação do(s) autor(es):
[1] Univ Sao Paulo, Dept Comp Sci, Inst Math & Stat, Rua Matao 1010, BR-05508090 Sao Paulo, SP - Brazil
[2] Univ Sao Paulo, Dept Pediat, Fac Med, Av Dr Eneas Carvalho de Aguiar 647, BR-05403000 Sao Paulo, SP - Brazil
[3] Univ Fed Rio Grande do Norte, Brain Inst, Av Sen Salgado Filho 3000, BR-59077000 Natal, RN - Brazil
Número total de Afiliações: 3
Tipo de documento: Artigo Científico
Fonte: JOURNAL OF COMPLEX NETWORKS; v. 8, n. 2 APR 2020.
Citações Web of Science: 0
Resumo

The modelling of real-world data as complex networks is ubiquitous in several scientific fields, for example, in molecular biology, we study gene regulatory networks and protein-protein interaction (PPI)\_networks; in neuroscience, we study functional brain networks; and in social science, we analyse social networks. In contrast to theoretical graphs, real-world networks are better modelled as realizations of a random process. Therefore, analyses using methods based on deterministic graphs may be inappropriate. For example, verifying the isomorphism between two graphs is of limited use to decide whether two (or more) real-world networks are generated from the same random process. To overcome this problem, in this article, we introduce a semi-parametric approach similar to the analysis of variance to test the equality of generative models of two or more complex networks. We measure the performance of the proposed statistic using Monte Carlo simulations and illustrate its usefulness by comparing PPI networks of six enteric pathogens. (AU)

Processo FAPESP: 18/17996-5 - Estratificação de desordens psiquiátricas utilizando análises discriminante e de agrupamento para redes
Beneficiário:André Fujita
Linha de fomento: Bolsas no Exterior - Pesquisa
Processo FAPESP: 18/21934-5 - Estatística de redes: teoria, métodos e aplicações
Beneficiário:André Fujita
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 15/21162-4 - Identificação de variáveis associadas à estrutura de grafos e aplicações em neurociência
Beneficiário:Suzana de Siqueira Santos
Linha de fomento: Bolsas no Brasil - Doutorado
Processo FAPESP: 15/01587-0 - Armazenagem, modelagem e análise de sistemas dinâmicos para aplicações em e-Science
Beneficiário:João Eduardo Ferreira
Linha de fomento: Auxílio à Pesquisa - Programa eScience e Data Science - Temático