network science学习笔记——随机网络（random network）和无标度网络（scale-free network）

课程3基于Barabási的《network science》第3、4章。

第3章的标题为随机网络（random networks）。我们首先有一个随机变量服从某一分布的概念，比如r.v.服从bionomial distribution（N个事件中成功的次数为k的概率）。在network里，r.v.是一个node的degree为k的概率，（p是指两个node之间有link的概率），那么需要假设node总数为N。显然network的结点总数在一开始固定（fixed）了，这一类模型就是静态模型（static models）。
书中讨论的随机网络有两种，一种就是度分布服从二项分布；而现实生活中，大部分的网络都是稀疏的（sparse），所以可以想成node总数N很大，而link的概率p很小，则可以由Poisson distribution来近似，所以第二种是泊松分布。
我们为什么要将二项分布近似为泊松分布？-因为在泊松分布下：平均度c，度平方的平均<k^2>，度的标准差σ_k这些网络的关键特性的形式更简单，都只依赖< k>这个参数。
当N=100时，可以看作小网络，这时候度分布服从二项分布；当N=1000，10000时，可以看作大网络，这时候度分布服从泊松分布。
随机网络又称Erdös-Rényi model。还有一种随机网络是Watts-Strogatz model，是对前者的扩展。
然而事实上，真实网络的很多性质并不能被random network很好地解释，random network唯一能解释的性质只有small world，即平均路径长度很短，只有2-3（类似于六人定律）。即在随机网络里，平均路径长度也很短，和现实生活里的网络的平均路径长度一样很短~

第4章的标题为无标度性质（The scale-free property）。已知现实里大部分网络并非泊松分布，甚至并非随机网络！因为在泊松分布里，不可能有大量的度非常大的节点（Hub）出现，而现实里却有。且节点的度之间有很大差异，而泊松分布里节点的度相差只有2个< k>的平方根的范围（< k>±σ_k，σ_k=< k>^(1/2)）。

而当度分布服从幂律（power law）时，

就可以很好地勾画Hubs的存在了。

在2<γ<3时，才是无标度网络，此时度分布的二阶矩是发散的，而一阶矩不是发散的。这也解释了为什么叫无标度，因为度可以很大，也可以很小。
当γ=3时，称为critical point临界点。当γ>3时，是随机网络可以解释的small world情况。所以在2<γ<3时，无标度网络会是怎么样？-它是ultra-small world property，因为它使节点间的平均距离比随机网络的平均距离更小。
现实生活中，没有γ<2的情况，度分布一阶矩< k>发散，因为此时Hub的link数比网络的大小增长更快，hub的度一定会超过节点总数，这是不可能的。（4.7和4.8再理解一下）