BC0506 - Comunicao e Redes

Aula 6 Leis da Potncia e Propriedades

Estruturais de Grafos
David Correa Martins Jr
david.martins@ufabc.edu.br

Na aula passada

Algoritmos de caminhos mnimos

Caminho mnimo com origem fixa
(Dijkstra)
Caminhos mnimos entre todos os pares de vrtices
(Floyd-Warshall)

Roteiro da aula

Leis de Potncia e escalas logaritmicas

Propriedades estruturais de grafos
Coeficiente de clusterizao
Densidade do grafo
Distribuio de grau
Caminho mdio e distncia
Sobre o Gephi

I. Leis de Potncia

A Lei do 80/20 (Lei do Pareto)

Vilfredo Pareto, importante economista Italiano.
Durante sua jardinagem percebeu que:
- 80% das peras produzidas por 20% das rvores.
Comeou a notar um padro em outras reas:
- 80% das terras
20% da populao.
- 80% das decises
20% de uma reunio.
- 80% dos crimes
20% dos criminosos.
- 80% da poluio
20% dos paises

A Lei do 80/20 (Lei do Pareto)

Distribuio de cidades de acordo com o tamanho de sua
populao.

A Lei do 80/20 (Lei do Pareto)

Existem outros cenrios em que a Lei do 80/20 no
diretamente aplicvel, mas temos algo prximo:
- 80% dos hyperlinks
15% das pginas web.
- 80% das citaes
38% dos cientistas.
Utilizamos o termo Lei de Potncia para descrever duas
quantidades em que uma varia de acordo com uma
potncia da outra.

f(x) = y = a xk
onde a e k so constantes
7

Lei de Potncia
f(x) = y = a xk

a=1, k=2
8

Lei de Potncia
f(x) = y = a xk

a=1, k=4
9

Lei de Potncia
f(x) = y = a xk

a=1, k=8
10

Lei de Potncia
f(x) = y = a xk

a=1, k=1/8
11

Lei de Potncia
f(x) = y = a xk

a=1, k=1/800
12

Lei de Potncia
f(x) = y = a xk

a=1, k=1/80000
13

Lei de Potncia
f(x) = y = a xk

a=1, k=1/80000
14

Lei de Potncia
f(x) = y = a xk

Pequenos eventos so frequentes e

Grandes eventos so raros

No comrcio, 20% dos produtos representam 80% das vendas

(verde). Mas a soma das vendas dos 80% dos produtos
menos vendidos (amarelo) representam um faturamento
importante
15

Lei de Potncia
f(x) = y = a xk

Pequenos eventos so frequentes e

Grandes eventos so raros

Cauda longa

No comrcio, 20% dos produtos representam 80% das vendas

(verde). Mas a soma das vendas dos 80% produtos menos
vendidos (amarelo) representam um faturamento importante.
16

Sistemas Complexos e Lei de Potncia

Sistemas complexos so compostos por unidades que
interagem de forma no linear.
Frequentemente possuem propriedades aderentes s Leis
de Escala ou Leis de Potncia.
Uso de Leis de Potncia:
- Tentativa de construir um arcabouo terico para o
entendimento destes sistemas.
- Origem nas teorias Fsicas, como a Teoria do Caos.

17

Leis de Potncia

Uma lei de potncia um tipo especial de relao

matemtica entre duas quantidades.
Quando o nmero ou frequncia de um objeto/evento varia
conforme a potncia de algum atributo do objeto (ex., o
tamanho), diz-se que esse nmero ou tamanho segue uma
lei de potncia.

18

Leis de Potncia
Diversas distribuies, tanto de fenmenos naturais quanto
humanos, so compostas por:
Um grande nmero de fenmenos comuns.
Um pequeno nmero de fenmenos raros.

19

Escalonando a funo
f(x) = y = a xk
O reescalonamento do argumento da funo muda a
constante de proporcionalidade, mas preserva a forma da
funo.

log(f(x)) = log(a xk)

log(f(x)) = log(a)+ klog(x)
O reescalonamento de x produz apenas um deslocamento da
funo para cima ou para baixo.

20

Escalonando a funo

21

Escalonando a funo
Distribuio de cidades de acordo com o tamanho de sua
populao.

Histograma da populao dos Estados

Unidos (>10000)

Escala logaritmica. A distribuio se

torna aproximadamente linear.
22

Interpretando as leis de potncia em grafos

Veremos atravs de uma comparao de caractersticas
entre um mapa rodovirio e um mapa de rotas areas

No mapa rodovirio as cidades so os

vrtices e as auto-estradas conectando
eles so as arestas.

No mapa de rotas areas os vrtices

so aeroportos conectados entre si
por voos diretos entre si.

A maioria dos ns possuem um nmero

similar de conexes

Poucos hubs se conectam com

muitos pequenos aeroportos.
23

Interpretando as leis de potncia em grafos

A distribuio de uma rede aleatria segue a curva tipo
Sino, onde a maioria dos vrtices possui o mesmo nmero
de links.
A distribuio de lei de potncia das redes sem escala prediz
que a maioria dos vrtices tem poucos links mantidos juntos
com hubs altamente conectados.

24

Leis de potncia

A lei de Potncia invariante a escala.

Se pegarmos uma amostra da nossa distribuio ela ter o

mesmo formato da distribuio completa.

25

Leis de potncia
Uma lei impressionante surge ao examinarmos a expectativa
de vida das espcies e o batimento cardaco mdio.

26

Leis de potncia

27

Leis de potncia
Pegando, por exemplo, um macaco que tem cerca de
190bpm (batidas por minuto), e vive por 15 anos, o nmero
de batimentos igual a 1,5 bilhes durante a vida.
Ou seja, o corao de todos os seres vivos tem um prazo de
validade, em torno de 1,5 bilhes de batidas.

28

Leis de potncia
Animais maiores vivem mais pois seus coraes batem mais
devagar, ou seja, eles so mais eficientes do que animais
menores.

>
Isso pode ser observado tambm em urbanismo: cidades
maiores so mais eficientes que cidades menores.
29

II. Coeficiente de Clusterizao/Agrupamento

30

Coeficiente de Clusterizao
Uma caracterstica importante de um grafo sua correlao
das arestas ao redor de um vrtice.
Considere um vrtice que est relacionado a outro dois.

Quais as chances destes dois tambm estarem relacionados?

31

Coeficiente de Clusterizao
Uma caracterstica importante de um grafo sua correlao
das arestas ao redor de um vrtice.
Considere um vrtice que est relacionado a outro dois.

Quais as chances destes dois tambm estarem relacionados?

O Coeficiente de Clusterizao captura esta ideia
32

Coeficiente de Clusterizao Local

O Coef. de clusterizao do vrtice i a frao de arestas
que os vizinhos de i possuem entre si e o mximo de
arestas que eles poderiam possuir entre si.
Dado que o grau do vrtice i di, o maior nmero de arestas
entre seus vizinhos C(di,2).
Onde C(di,2) a combinao de di, 2 a 2.
Ou seja, o maior nmero de arestas obtido quando todos
os pares de vizinhos de i possuem aresta entre si.
Seja Ei o nmero efetivo de arestas entre os vizinhos do
vrtice i:
Coeficiente de Clustericao = Ei / C(di,2)
33

Coeficiente de Clusterizao Local

34

Coeficiente de Clusterizao Local

CC = 3/3 = 1

CC = 1/3 = 0,33

CC = 0/3 = 0

35

Coeficiente de Clusterizao Local

CC = 1/3 = 0,33

CC = 0/15 = 0

CC = 3/3 = 1

CC = 5/15 = 0,33

CC = Ei/C(di,2) = 2Ei/(di(di-1))

36

Coeficiente de Clusterizao Local

Exerccio: Calcule o coeficiente de clusterizao para os
vrtices indicados em azul.
CC = 2Ei/(di(di-1))

37

Coeficiente de Clusterizao do Grafo

CC = 2Ei/(di(di-1))
O CC no est definido
para vrtices com grau 0
ou 1.
Por conveno, o CC para
esses casos zero.

O CC do grafo a mdia
aritmtica dos CC de cada
vrtice:
1/10*(4,97) = 0,497
38

Coeficiente de Clusterizao do Grafo

Ordem = 236
Tamanho = 336
CC global 0,304
39

Coeficiente de Clusterizao do Grafo

Baixa clusterizao
pois existem
poucas arestas
entre seus muitos
vizinhos

Ordem = 50
Tamanho = 119
CC global 0,723
40

Coeficiente de Clusterizao do Grafo

Considerando
o grau de cada
vrtice
41

Coeficiente de Clusterizao do Grafo

O CC mede o grau (forma) com que os ns de um grafo
tendem a agrupar-se.
O agrupamento uma propriedade muito comum nas redes
sociais referindo-se aos crculos de amigos ou
conhecidos onde os seus membros se conhecem formando,
assim, um grupo na rede.

42

III. Densidade do Grafo

43

Densidade do Grafo
a frao (relao) de arestas que o grafo possui.
Considere um grafo de ordem n, e tamanho m.
O maior nmero de arestas que o grafo poderia ter :
n(n-1)/2.
= m/ n(n-1)/2
= 2m/n(n-1)
= d/(n-1)
onde d o grau mdio do grafo (mdia aritmtica do grau
de todos os vrtices).
44

Densidade do Grafo

= 2m/n(n-1)
n=10
m= 11
= 0,244

45

Densidade do Grafo

= 2m/n(n-1)
n=236
m= 336
= 0,012

46

Densidade do Grafo

= 2m/n(n-1)
n=20
m=8
= 0,042

47

Densidade do Grafo

= 2m/n(n-1)
n=20
m=16
= 0,084

48

Densidade do Grafo

= 2m/n(n-1)
n=20
m=27
= 0,142

49

Densidade do Grafo

= 2m/n(n-1)
n=20
m=70
= 0,368

50

Densidade do Grafo

= 2m/n(n-1)
n=20
m=154
= 0,811

51

Densidade do Grafo

= 2m/n(n-1)
n=20
m=190
=1

52

IV. Distribuio de grau

53

Distribuio de Grau
A distribuio emprica de grau a frao de vrtices do
grafo que possui determinado grau.
Seja nk o nmero de vrtices com grau igual a k.
A frao de vrtices com grau k dada por:

fk = nk/n

54

Distribuio de Grau

*1/10

55

Distribuio de Grau

*1/10

56

Distribuio Complementar Cumulativa

A Distribuio Complementar Cumulativa (CCDF) do grau
a frao de vrtices que tem grau maior ou igual a k.
Para calcular esse valor, somamos todos os graus
menores do que k e obtemos o complemento.

57

Distribuio Complementar Cumulativa

*1/10

fk

k=0 1-(0)

k=1 1-(0+3/10)

0,7

k=2 1-(0+3/10+0)

0,7

k=3 1-(0+3/10+0+2/10)

0,5

k=4 1-(0+3/10+0+2/10+3/10)

0,2

k=5 1-(0+3/10+0+2/10+3/10+1/10)

0,1

k=6 1-(0+3/10+0+2/10+3/10+1/10+1/10)

58

Distribuio Complementar Cumulativa

*1/10

59

Distribuio Complementar Cumulativa

*1/10

60

Distribuio Complementar Cumulativa

3.651.512 documentos
(vrtices)
80.737.121 hiperlinks
(arestas direcionadas).

Maioria das pginas com

poucos hiperlinks de entrada
e/ou sada,
Poucas pginas com milhares
de hiperlinks de entrada e/ou
sada

Distribuio CCDF do grau de entrada e sada do Wikipedia (em ingls obtida em 2011),
com mdia 22,1. Desvio padro 386,1 (entrada) e 44,9 (sada)

61

Distribuio Complementar Cumulativa

3.651.512 documentos
(vrtices)
80.737.121 hiperlinks
(arestas direcionadas).

Distribuies distintas:
Entrada atinge valores maiores
Sada atinge valores menores
Apesar de ambas terem a mesma
mdia.

Distribuio CCDF do grau de entrada e sada do Wikipedia (em ingls obtida em 2011),
com mdia 22,1. Desvio padro 386,1 (entrada) e 44,9 (sada)

62

Distribuio Complementar Cumulativa

3.651.512 documentos
(vrtices)
80.737.121 hiperlinks
(arestas direcionadas).

A cauda da distribuio de entrada

mais pesada do que a de sada

Distribuio CCDF do grau de entrada e sada do Wikipedia (em ingls obtida em 2011),
com mdia 22,1. Desvio padro 386,1 (entrada) e 44,9 (sada)

63

Distribuio Complementar Cumulativa

64

Distribuio Complementar Cumulativa

65

Distribuio Complementar Cumulativa

Grau
66

Distribuio Complementar Cumulativa

Grau
67

V. Caminho mdio e distncia

68

Caminho
Um caminho uma sequncia de vrtices sem repetio,
onde existe uma aresta entre cada par de vrtices adjacentes
na sequncia.
h

Intuitivamente, um
caminho uma
sequncia de saltos
pelas arestas da rede.

Distncia entre 2 vrtices

o comprimento do
caminho mnimo entre eles.

69

Distncia mdia

A distncia mdia dada pela mdia aritmtica das

distncias entre todos os pares de vrtices do grafo.
Seja l(i, j) a distncia entre os vrtices i, j. A distncia mdia
definida por:

So considerados todos os pares no-ordenados que ao todo so C(n,2)

70

Distncia mdia
Calcule a distncia
mdia do grafo ao lado

8
4

Considere apenas a
maior componente
conexa.

5
6

9
10

71

Distncia mdia (caminho mdio)

1-2: 1
1-3: 2
1-4: 1
1-5: 2
1-6: 2
1-7: 1

8
4

5
6

9
10

2-3: 1
2-4: 1
2-5: 1
2-6: 1
2-7: 2

3-4: 2
3-5: 2
3-6: 1
3-7: 3
4-5: 1
4-6: 2
4-7: 1
5-6: 2
5-7: 1
6-7: 3

72

Dimetro do Grafo
1-2: 1
1-3: 2
1-4: 1
1-5: 2
1-6: 2
1-7: 1

8
4

5
6

9
10

Neste grafo, os vrtices esto muito prximos.

Tanto a distncia quanto o dimetro so muito
baixos.

2-3: 1
2-4: 1
2-5: 1
2-6: 1
2-7: 2

3-4: 2
3-5: 2
3-6: 1
3-7: 3
4-5: 1
4-6: 2
4-7: 1
5-6: 2
5-7: 1
6-7: 3

=3
73

Propriedades Estruturais

74

Propriedades Estruturais

75

VI. Gephi (visualizao de grafos/redes)

76

Gephi

77

Arquivo 'grafo-teste.gdf' (Tidia)

nodedef> name VARCHAR, label VARCHAR, group VARCHAR
0 , Carlos H. , Professor
1 , Joo E. , Professor
2 , Junior B. , Professor
3 , Marcel P. , Professor
4 , Nina S. , Professor
5 , Roberto H. , Professor
6 , Roberto M. , Professor
7 , Ronaldo F. , Professor
8 , Jess P. , Colaborador
9 , Andra B. , Aluno
edgedef> node1 VARCHAR, node2 VARCHAR, weight DOUBLE
2 , 4 , 2.0
2 , 5 , 1.0
2 , 6 , 3.0
2 , 7 , 1.0
4 , 5 , 3.0
4 , 7 , 1.0
5 , 6 , 4.0
6 , 7 , 2.0
6 , 8 , 10.0
6 , 9 , 1.0
8 , 9 , 2.0
78

Arquivo 'grafo-teste.gdf'

79

Gephi

80

Gephi

81