Во-первых, я не статистика. Тем не менее, я делаю статистический анализ сети для моей докторской степени.
В рамках сетевого анализа я построил дополнительную интегральную функцию распределения (CCDF) сетевых степеней. Я обнаружил, что, в отличие от обычных сетевых дистрибутивов (например, WWW), дистрибутив лучше всего соответствует логнормальному распределению. Я попытался приспособить его к степенному закону и, используя сценарии Matlab Клаусета и его коллег, обнаружил, что хвост кривой соответствует степенному закону с отсечкой.
Пунктирная линия соответствует степенному закону. Фиолетовая линия обозначает нормальную посадку. Зеленая линия представляет экспоненциальное соответствие.
Я пытаюсь понять, что это все значит? Я прочитал эту статью Ньюмана, которая слегка затрагивает эту тему: http://arxiv.org/abs/cond-mat/0412004
Ниже мое дикое предположение:
Если распределение степеней следует распределению по степенному закону, я понимаю, что это означает, что в распределении ссылок и степени сети существует линейное преференциальное присоединение (обогащение получает более богатый эффект или процесс Юлса).
Прав ли я, говоря, что с логнормальным распределением, которое я наблюдаю, в начале кривой наблюдается сублинейная преференциальная привязка, которая становится более линейной в направлении хвоста, где она может быть подогнана по степенному закону?
Кроме того, поскольку нормальное логарифмическое распределение происходит, когда логарифм случайной величины (скажем, X) нормально распределен, означает ли это, что в логарифмическом нормальном распределении имеется больше небольших значений X и менее больших значений X, чем случайная величина, которая следует за степенным законом распределения будет иметь?
Что еще более важно, что касается распределения степеней сети, предполагает ли лог-нормальное преференциальное вложение по-прежнему сеть без масштабирования? Мой инстинкт подсказывает мне, что, поскольку хвост кривой может быть подобран по степенному закону, сеть все еще может быть заключена как обладающая безмасштабными характеристиками.