« Utilisateur:CHEN KEYI/Modélisation des Réseaux (M1 SIREN, 2021)/Activité D » : différence entre les versions

Contenu supprimé Contenu ajouté
CHEN KEYI (discussion | contributions)
Correction de l'activité D finale
CHEN KEYI (discussion | contributions)
Correction de l'activité D
Ligne 1 :
=== Mon réseau: ===
[[Catégorie:{{#titleparts: {{PAGENAME}} | | 2 }}]]
[[Fichier:Mon réseau.pdf|vignette|Mon réseau]]
Réseau:
Keyi -> Lana Del Rey, XXXTentacion, Seoul, Dubrovnik, Barcelona, Voyage, Badminton, Natation, Game of Thrones, Friends, Rick&Morty
Ligne 13 :
[ Keyi ] -> [ XXXTentacion ]
 
[ Keyi ] -> [ Seoul ] [[Fichier:Mon réseau.pdf|vignette|Mon réseau]][ Keyi ] -> [ Dubrovnik ]
 
[ Keyi ] -> [ Dubrovnik ]
 
[ Keyi ] -> [ Barcelona ]
Ligne 69 ⟶ 67 :
[ Yibo ] -> [ Two Broke Girls ]
 
==== Distribution de degrés du graphe orienté '''1.     Pour les degrés sortant et entrant, faites un tableau et un graphique de leur distribution.''' ====
 
'''1.     Pour les degrés sortant et entrant, faites un tableau et un graphique de leur distribution.'''
 
<u>Degré sortant :</u>
 
Ligne 172 ⟶ 168 :
 
 
'''2.     Les degrés sortant et entrant des nœuds sont corrélés positivement ou négativement ? Expliquez (aucun calcul n'est nécessaire).'''
 
==== '''2.     Les degrés sortant et entrant des nœuds sont corrélés positivement ou négativement ? Expliquez (aucun calcul n'est nécessaire).''' ====
Les degrés sortant et entrant des nœuds sont corrélés négativement.
 
Ligne 180 ⟶ 176 :
 
 
=== '''Graphe non-orienté''' ===
'''II. Considérez votre réseau en tant que non-orienté (i.e. ignorez l'orientation de ses liens) et:'''
 
'''1.     Calculez le coefficient de clustering (transitivité) pour les nœuds.'''
 
==== '''1.     Calculez le coefficient de clustering (transitivité) pour les nœuds.''' ====
c(Keyi)= 0/55
 
Ligne 194 ⟶ 189 :
c(autres nœuds) = 0
 
==== '''2.     Faites un tableau pour la corrélation combinée entre degré et coefficient de clustering.''' ====
 
'''2.     Faites un tableau pour la corrélation combinée entre degré et coefficient de clustering.'''
 
 
Ligne 252 ⟶ 246 :
|}
 
===== '''<u>CORRECTION POUR 1 ET 2:</u>''' =====
 
Dans mon graphe, le coefficient de clustering est indéfini pour les nœuds à degré 1, et zéro pour tous les autres.
{| class="wikitable"
Ligne 283 ⟶ 276 :
|}
 
==== '''3.     Faites un tableau et un graphique pour la corrélation de voisins entre degré et degré.''' ====
 
'''3.     Faites un tableau et un graphique pour la corrélation de voisins entre degré et degré.'''
 
Tableau pour la corrélation de voisins entre degré et coefficient de clustering :
{| class="wikitable"
Ligne 303 ⟶ 294 :
|}
 
===== '''<u>CORRECTION POUR 3:</u>''' =====
 
'''<u>CORRECTION POUR 3:</u>'''
{| class="wikitable"
|+
Ligne 338 ⟶ 328 :
|}
 
==== '''4.     A partir du résultat précédent, pouvez-vous dire que votre réseau est assortatif ou dissortatif par rapport au degré ?''' ====
 
'''4.     A partir du résultat précédent, pouvez-vous dire que votre réseau est assortatif ou dissortatif par rapport au degré ?'''
 
Mon réseau est assortatif par rapport au degré.
 
===== '''<u>CORRECTION POUR 4:</u>''' =====
 
'''<u>CORRECTION POUR 4:</u>'''
 
les nœuds à petit degré ont des voisins à degré élevé, et les nœuds à degré élevé ont des voisins à degré petit. On peut dire que le degré est dissortatif.
 
==== '''5.     Si possible, choisissez un nœud à coefficient de clustering plus petit que 1. Trouvez le plus petit ensemble de liens que vous pouvez ajouter dans votre réseau pour que ce nœud ait un coefficient de clustering égal à 1.''' ====
 
'''5.     Si possible, choisissez un nœud à coefficient de clustering plus petit que 1. Trouvez le plus petit ensemble de liens que vous pouvez ajouter dans votre réseau pour que ce nœud ait un coefficient de clustering égal à 1.'''
 
Le coefficient de clustering de Lana Del Rey est égal à 0 (0/1), si j'ajoute un lien entre le nœud Keyi et le nœud Carla, le nœud Lana Del Rey aura un coefficient de clustering égal à 1.
 
Ligne 361 ⟶ 345 :
 
 
==== '''6.     Si possible, choisissez un nœud à coefficient de clustering égal à 1. Trouvez le plus grand ensemble de liens que vous pouvez retirer du réseau sans modifier ni le nombre de voisins ni le coefficient de clustering de ce nœud.''' ====
 
Il n'y a pas de nœud à coefficient de clustering égal à 1.
 
==== '''7.     Sans le calculer explicitement, quels nœuds du réseau pensez-vous avoir la plus grande et plus petite proximité ? Et pour l'intermédiarité ? Justifiez.''' ====
 
===== '''<u>CORRECTION POUR 7:</u>''' =====
'''7.     Sans le calculer explicitement, quels nœuds du réseau pensez-vous avoir la plus grande et plus petite proximité ? Et pour l'intermédiarité ? Justifiez.'''
 
'''<u>CORRECTION POUR 7:</u>'''
 
-       Proximité du nœud :