You are on page 1of 40

Modelos de Redes Complexas

Ricardo Prudncio
Como as redes se formam?
Redes Aleatrias
Erds e Rnyi (50-60)
Redes Aleatrias
Erds e Rnyi - Random Graph Model
Conjunto fixo de n ns
links se formam de maneira puramente aleatria

G(N,p)
Nmero de ns
do grafo
Probabilidade de ocorrncia de
uma aresta entre dois ns
Suposio bsica: Arestas so criadas de forma aleatria
com igual probabilidade independente dos ns
Redes Aleatrias
G(N,p) tem propriedades que pode ser
definidas de forma analtica

Tamanho mdio <L>



Grau mdio


< L >= LP(L) = p
N(N 1)
2
L=0
N(N1)
2


< k >=2L/N = p(N 1)
Redes Aleatrias
G(N,p) no define uma nica rede
i.e., Pode levar a diferentes realizaes (conjunto
de redes possveis com diferentes probabilidades)
N=10
p=1/6
O que fazer com esse modelo?!
Simulaes!!!
Redes Aleatrias - Evoluo
Redes complexas evoluem a partir da conexo
de ns inicialmente isolados



Qual o tamanho esperado do maior
componente da rede???



Redes Aleatrias - Evoluo
Na maioria das redes, crucial existir um
componente gigante com alta frao dos ns
E.g., Estruturas de comunicao no so teis sem um
componente gigante
E.g., Em redes sociais, um componente gigante
condio para observar uma divulgao

Quando a rede emerge a partir de um
conjunto desordenado de indivduos pouco
conectados?


Redes Aleatrias - Evoluo
Tamanho mdio do componente gigante sobre
diferentes realizaes do modelo aleatrio

Grau mdio <k>
Componente
Gigante
(Frao em
relao a N - %)

1
100%
Transio de fase
Transio de fase = tamanho do componente gigante
comea a crescer exponencialmente
Redes Aleatrias - Evoluo
A medida que a rede cresce:
Um componente gigante emerge quando o grau
mdio ultrapassar um limiar (baixo)
O restante dos ns compem um nmero de
componentes pequenos sem conexo
Redes Aleatrias
Outras caractersticas importantes
Distncia entre ns
Distribuio do grau dos ns
Transitividade (coeficiente de clustering)
Redes Aleatrias Distncia dos Ns
Distncia entre ns pequena (fenmeno de
mundo pequeno)

Distncia cresce apenas de forma logaritmica
com o tamanho da rede



Redes Aleatrias Grau do Ns
Distribuio do Grau




Seleciona k
ns de N-1

Probabilidade
de ter k arestas

Probabilidade de
no observar
N-1-k arestas

P(k) =
N 1
k
|
\

|
.
|
p
k
(1 p)
( N1)k
Crtica
- Existe uma quantidade razovel de ns com grau prximo mdia
- Existe uma quantidade pequena de ns cujo grau difere muito da mdia
Isso no acontece comumente em redes reais
Redes Aleatrias - Transitividade
Coeficiente de Clustering
Qual a probabilidade de dois ns com um vizinho
em comum serem conectados?



Em um modelo G(N,p), temos simplesmente:




?
A
B
C
1
> <
= ~
N
k
p C
Transitividade
Crtica:
- C tende a zero para N grande e um
grau mdio fixo
Isso tambm no ocorre com
frequncia em redes reais
Redes Aleatrias
Crtica: modelo inadequado para descrio de
fenmenos reais
E.g. coeficiente de clustering e distribuio de grau
no refletem o que se observa em redes reais

Entretanto:
(1) bastante usado para simulaes e comparaes
com redes reais
(2) fcil de analisar fenmenos que ocorrem no
mundo real
E.g. evoluo para redes altamente conectadas
Redes de Mundo Pequeno
Watts and Strogatz, Nature, (1998).
Fenmeno de Mundo Pequeno
Distncia entre ns de uma rede tipicamente
pequena

Independente do tamanho da rede

Experimento de Milgram (1960)
Seis graus de separao

Modelo de Mundo Pequeno
Meio termo entre redes regulares e redes
aleatrias



Modelo de Mundo Pequeno
APPLET http://ccl.northwestern.edu/netlogo/models/run.cgi?SmallWorlds.839.533
Modelo de Mundo Pequeno
Distncia tpica pequena e transitividade alta

Mas... distribuio de grau uniforme assim
como no modelo aleatrio
I.e. ns so relativamente igualitrios na rede
Redes Sem Escala
R. Albert, H. Jeong, A-L Barabasi, Nature, 401 130 (1999).
World Wide Web
Nodes: Documentos WWW
Links: URLs

3 bilhes de documentos

ROBOT: coletava todas as
URLs em um documento e as
seguia recursivamente


P(k) ~ k
-
O
b
s
e
r
v
a
d
o

R. Albert, H. Jeong, A-L Barabasi, Nature, 401 130 (1999).
World Wide Web
Distribuio dos ns no igualitria como no modelo
aleatrio
Poucos ns com muitos links (Hubs)






Existncia de Hubs acontece em muitas redes
complexas reais
Distribuio Lei de Potncia
Malha Viria Malha Area
Redes Sem Escala
Redes cuja distribuio dos graus dos ns
seguem uma lei de potncia
Scale-free Networks =

Diversas redes reais tm a caracterstica bsica
de redes sem escala
E.g., Internet, redes de protenas, redes de
colaborao, redes de citao,...

P(k) ~ k
-

Ns: usurios online
Links: contatos
ONLINE COMMUNITIES
Twitter:
Jake Hoffman, Yahoo,
Alan Mislove, Measurement and Analysis of Online Social Networks
Ns: atores
Links: atuaram juntos
N = 212,250 actors
(k) = 28.78
P(k) ~k-
Days of Thunder (1990)
Far and Away (1992)
Eyes Wide Shut (1999)
=2.3
ACTOR NETWORK
) exp( ) ( ~ ) (
0
0
t

k
k k
k k k P
+
+

H. Jeong, S.P. Mason, A.-L. Barabasi, Z.N. Oltvai, Nature 411, 41-42 (2001)
Ns: protenas
Links: interaes fsicas (binding)
TOPOLOGY OF THE PROTEIN NETWORK
( = 3)
(S. Redner, 1998)
P(k) ~k
-

1736 PRL papers (1988)
Network Science: Scale-Free Property February 7, 2011
SCIENCE CITATION INDEX
Ns: papers
Links: citaes
Redes Sem Escala - Formao
Redes sem escala se forma seguindo o
princpio da conexo preferencial

Conexo preferencial = ns bem conectados
tendem a receber mais links no futuro
Plausvel em muitos contextos (e.g. pginas Web)

Princpio Rich Get Richer Herbert Simon
Redes Sem Escala - Formao
Simulao:
(A)Crescimento: a cada momento adicione um
novo n rede

(B) Conexo Preferencial: conecte o novo n a
dois ns existentes. A probabilidade de
escolha de um n para ligao proporcional
ao grau do n
Redes Sem Escala - Formao
Redes Sem Escala - Formao
Redes Sem Escala - Implicaes
Existncia de um pequeno nmero hubs com papel
estrutural de conectar a rede
Em muitos casos, observa-se uma hierarquia de hubs
Alta resilincia a falhas aleatrias e baixa tolerncia a
ataques direcionados
Papel importante em processos de difuso
Consideraes Finais
Vimos modelos de redes bastante conhecidos

Entretanto existem outros modelos importantes
E.g., Hierarquical Random Graphs


Consideraes Finais
Alguns contextos requerem
modelos bem especficos
E.g. Chains of Affection:
Bearman et al. (2004)
Material de Estudo
Networks: An Introduction (M. Newman)




Linked: A Nova Cincia das Redes
(A-L. Barabsi)
Material de Estudo

Parte da aula gerada a partir dos slides de
Barabsi em:
http://barabasilab.neu.edu/courses/phys5116/