Statistical Analysis of Network Data: Methods and Models

در دهه گذشته، مطالعه شبکه ها به طور چشمگیری افزایش یافته است. محققان از سراسر علوم - از جمله زیست شناسی و بیوانفورماتیک، علوم کامپیوتر، اقتصاد، مهندسی، ریاضیات، فیزیک، جامعه شناسی، و آمار- بیش از پیش با جمع آوری و تجزیه و تحلیل آماری داده های نمایه شده در شبکه درگیر هستند. در نتیجه، روش‌ها و مدل‌های آماری در این زمینه با سرعتی خشمگین و با مشارکت‌های طیف گسترده‌ای از رشته‌ها در حال توسعه هستند.

این کتاب یک درمان به‌روز از مبانی رایج ارائه می‌کند. به تجزیه و تحلیل آماری داده های شبکه در سراسر رشته ها. مطالب بر اساس یک طبقه بندی آماری سازماندهی شده است، اگرچه ارائه مستلزم تعادل آگاهانه مفاهیم در مقابل ریاضیات است. علاوه بر این، مثال‌ها - از جمله مطالعات موردی گسترده - به طور گسترده از ادبیات استخراج شده‌اند. این کتاب باید هم برای آماردانان و هم برای هر کس دیگری که در زمینه "علم شبکه" کار می کند، مورد توجه قرار گیرد.

پوشش موضوعات در این کتاب گسترده است، اما به شیوه ای سیستماتیک آشکار می شود و از روش های توصیفی (یا اکتشافی)، نمونه گیری، مدل سازی و استنتاج. موضوعات خاص شامل نگاشت شبکه، توصیف ساختار شبکه، نمونه‌برداری شبکه، و مدل‌سازی، استنتاج و پیش‌بینی شبکه‌ها، فرآیندهای شبکه و جریان‌های شبکه است. این کتاب اولین منبعی است که مطالبی را در مورد همه این موضوعات اصلی در یک مکان ارائه می کند.

اریک کولاچیک استاد آمار و مدیر برنامه آمار در دپارتمان ریاضیات و آمار در دانشگاه بوستون است، جایی که او همچنین یکی از اعضای هیئت علمی وابسته در مرکز بیودینامیک، برنامه است. در بیوانفورماتیک، و بخش مهندسی سیستم ها. انتشارات او در زمینه موضوعات مبتنی بر شبکه شامل کارهایی از تشخیص الگوهای ترافیک غیرعادی در شبکه‌های رایانه‌ای تا پیش‌بینی عملکرد بیولوژیکی در شبکه‌های پروتئین‌های متقابل تا توصیف تأثیر گروه‌های بازیگران در شبکه‌های اجتماعی است.

In the past decade, the study of networks has increased dramatically. Researchers from across the sciences—including biology and bioinformatics, computer science, economics, engineering, mathematics, physics, sociology, and statistics—are more and more involved with the collection and statistical analysis of network-indexed data. As a result, statistical methods and models are being developed in this area at a furious pace, with contributions coming from a wide spectrum of disciplines.

This book provides an up-to-date treatment of the foundations common to the statistical analysis of network data across the disciplines. The material is organized according to a statistical taxonomy, although the presentation entails a conscious balance of concepts versus mathematics. In addition, the examples—including extended cases studies—are drawn widely from the literature. This book should be of substantial interest both to statisticians and to anyone else working in the area of ‘network science.’

The coverage of topics in this book is broad, but unfolds in a systematic manner, moving from descriptive (or exploratory) methods, to sampling, to modeling and inference. Specific topics include network mapping, characterization of network structure, network sampling, and the modeling, inference, and prediction of networks, network processes, and network flows. This book is the first such resource to present material on all of these core topics in one place.

Eric Kolaczyk is a professor of statistics, and Director of the Program in Statistics, in the Department of Mathematics and Statistics at Boston University, where he also is an affiliated faculty member in the Center for Biodynamics, the Program in Bioinformatics, and the Division of Systems Engineering. His publications on network-based topics include work ranging from the detection of anomalous traffic patterns in computer networks to the prediction of biological function in networks of interacting proteins to the characterization of influence of groups of actors in social networks.