Complejidad sin Matematicas
description
Transcript of Complejidad sin Matematicas
1
Complejidad sin Matematicas
Ecología
Biología
Psico
log
iaMeteorología
MacroEconomía
Geofisica
Dante R. Chialvo Northwestern University. Chicago, IL, USA.
Email: [email protected] www.chialvo.net
2
● Motivación y elementos de redes● Conceptos básicos● Ejemplos de redes complejas
3
1. Simplemente Google por: Complex Networks o Redes Complejas!
2. Ricard Sole : http://complex.upf.es/
3. Albert Diaz-Guilera: http://www.ffn.ub.es/~albert
4. Albert Barabasi: http://www.nd.edu/~alb/
5. D. J. Watts, and S. Strogaz, Nature 393, 440–442 (1998).
6. A. L. Barabási, and R. Albert, Science 286, 509–512 (1999).
7. S. H. Strogatz, Nature 410, 268–276 (2001).
8. A. L. Barabási, and R. Albert, Review of Modern Physics 74, 47–97 (2002).
9. S. Dorogovtsev, and J. F. F. Mendes, Advances in Physics 51, 1079–1187 (2002).
10. M. E. J. Newman, SIAM Review 45, 167–256 (2003).
11. S. Boccaletti, V. Latora, Y. Moreno, M. Chavez, and D.-U. Hwang, Physics Reports 424, 175–308 (2006).
12. S. Bornholdt, and H. G. Schuster, editors, Handbook of Graphs and Networks - From the Genome to the Internet,Wiley-VCH, Berlin, 2002.
13. R. Pastor-Satorras, M. Rubí, and A. Díaz-Guilera, editors, Statistical Mechanics of Complex Networks,
14. Springer, 2003.D. J. Watts y S. H. Strogatz (1998). “Collective Dynamics of ‘Small World’ Networks” Nature Vol. 393.
15. Sporns O, Chialvo DR, Kaiser M, and Hilgetag CC. Organization, Development and Function of Complex Brain Networks. Trends in Cognitive Sciences, 8 (9): 387-433 (2004).
16. Sole et al, Selection, Tinkering, and Emergence in Complex Networks, Complexity vol. 8(1), 20-33 (2003)
Algunas referencias y sitios.
4
Una red compleja es el esqueleto de un sistema complejo
Vista de Satelite
Vista del usuario
New York New York
5
La incapacidad de las redes aleatorias de capturar algunas características básicas de las redes complejas.
Los avances recientes en computación y obtención de datos de sistemas reales produjo gran cantidad de información en diferentes sistemas complejos. Esto reveló una discordancia seria entre lo que se creia y lo que actualmente se veia en redes “reales”.
La red, en muchos casos, es una “forma comprimida” del sistema complejo, y entonces sintetiza y disminuye el monto de informacion a estudiar.
Que impulsó el estudio de redes complejas?
6
Milgram
El psicólogo S. Milgram (Yale U.) realizó un experimento que partía seleccionando 300 personas al azar en USA (Boston y Omaha), debidamente instruídos para enviar una carta a única persona “objetivo” en Boston.
Estos diseminadores disponían de ciertas guías acerca de la persona objetivo, tal como su localización geográfica y ocupación.
Con base en esta información, los diseminadores debieron mandar una carta a una persona que ellos conocían y que se ajustaba lo mejor posible a esta información.
Este proceso se repitió hasta que las cartas eventualmente llegaron finalmente a la persona objetivo.
7
Milgram
Milgram publicó los resultados (Psychology Today) diciendo que 60 de las 300 cartas llegaron a la persona correcta y que pasaron, en promedio, por seis conjuntos de manos hasta llegar a la persona correcta. (note que solo el 1/5 llego)
La conclusión de Milgram fue que las personas están mucho más cercanas entre si de lo que uno podria imaginar.
Esta experiencia generó un hito en lo que ahora se conoce como propiedad de mundos pequeños o los seis grados de separación o los seis grados de Kevin Bacon que veremos en un momento en detalle.
8
Milgram
Después del experimento de Milgram, pasaron muchos años antes de continuar con ese tipo de trabajos, principalmente por las limitaciones en cuanto al manejo de grandes cantidades de información.
9
Describen amplia variedad de sistemas naturales, tecnológicos y sociales.
Se representan por medio de grafos dirigidos o no-dirigidos. Tenemos nodos y enlaces. Un enlace (i,j) conecta los nodos i
y j Cada nodo tiene un número de enlaces conectados que se lo
llama grado del nodo.
Que es una red?
enlace
Nodo con grado=2
10
Hay muchos modos de conectarse
Pinochet
11
Grado del nodo: k(n)
4)( kFriendship
Como caracterizar la red
12
Clustering Coefficient: C(n)
Friendship
13
Clustering Coefficient: C(n)
Numero de conecciones: 2Friendship
14
Clustering Coefficient: C(n)
Numero de conecciones: 2 Numero total posible:
➡ ½·kn·(kn-1) = ½·(4·3) = 6
Friendship
15
Clustering Coefficient: C(n)
Numero de conecciones : 2 Numero total posible:
➡ ½·kn·(kn-1) = ½·(4·3) = 6 Cn = 2 / 6 = 0.333
16
Clustering Coefficient: C(n)
Numero de conecciones: 2 Numero total posible:
➡ ½·kn·(kn-1) = ½·(4·3) = 6 Cn = 2 / 6 = 0.333
Dice cuan buena es la conectividad con el vecindario
Friendship
17
Distancia (pathlength)
Friendship
18
Distancia (pathlength)
i
j
Friendship
19
Distancia (pathlength)
i
j
Friendship
20
Distancia (pathlength)
i
j
Friendship
28
Matriz de distancia todos a todos:
Largo de la via mas corta
0
1
1
1
2
2
2
3
31 2 3 4 5 6 7 8 9
1 2 1 1 2 2 2 3 3 4
2 1 2 1 1 1 2 2 3 4
3 1 1 2 2 2 1 3 2 3
4 2 1 2 2 1 2 1 2 3
5 2 1 2 1 2 1 1 2 3
6 2 2 1 2 1 2 2 2 0
7 3 2 3 1 1 2 2 1 2
8 3 3 2 2 2 1 1 2 1
9 4 4 3 3 3 2 2 1 2
Lij =
Lij =
Grado?
Clustering?
Distancia (Pathlength)?
Modelos de redes aleatorias
Modelo de WATTS - STROGATZ
Reconectar un enlace con probabilidad p
Modelo de WATTS - STROGATZ
Modelos de redes aleatorias
Modelo de WATTS - STROGATZ
Modelos de redes aleatorias
SMALL - WORLD = Clustering alto Distancia corta
Watts, Strogatz. Nature 393/4, 1998
Modelo de WATTS - STROGATZ
Medir L y C en cada caso
Modelos de redes aleatorias
34
Grilla Regular Red Small-World Aleatorio
Distribucion de Grado
Modelos de redes aleatorias
35
Scale-freeHomogeneas
P(k) ~ k -
Mirando el grado de las redes en laMirando el grado de las redes en la Natur Naturaleza se ve que aleza se ve que estas estas no no son son homogenehomogeneaass, , son son no uniformesno uniformes
En redes aleatorias la mayoria de los nodos estan enlazados por mas o menos el mismo numero de nodos, mientras que en redes scale-free ( o libres de escala) hay unos pocos muy bien conectados (hubs)Libre de escala (o scale-free) “mucho de poco y poco de mucho”
36
Ejemplos de redes scale-free
actores
semantica
www
internetproteina
metabolica
37“Complex networks: Statics and Dynamics” Diaz-Guilera, (2006)
“El rico se vuelve mas rico, al final unos pocos tienen mucho y muchos poco”
Como se originan las redes no uniformes (libres de escala)
38
Resumiendo
Aleatoria
De pequeño mundo
The “
few
well
connect
ed”
Distancia minima promedio: L (distancia mas corta entre dos nodos)
Clustering: C(k) (cuantos de tus enlaces estan tambien mutualmente enlazados)
Es de pequeño mundo si
C >> Crand
L ~ Lrand
No Uniforme Homogeneas
39
La red de carreteras es uniforme
Las consecuencias de borrar un nodo (ciudad o aeropuerto) es muy diferente en cada caso
La red de aerolineas es NO uniforme
Red robusta al daño aleatorio pero fragil al daño selectivo
Algunos consecuencias importantes de la no-uniformidad
40
Nature July 27, 2000
41
“¿A cuántos saludos estás tú
de Bill Clinton?”
“Seis grados de separacion”
“Los números de Kevin Bacon y de Paul Erdös”
1 1
1
PE-0
22
3
Acerca de expresiones Populares de Redes de Small Worlds
42
El oraculo
Tres estudiantes inventaron el juego “Los seis grados de Kevin Bacon” y es posible jugarlo on-line en una página de CS-D de Virginia U. (o los 4 grados de KB)
( http://oracleofbacon.org/) El grafo para el oráculo de Bacon es provisto por la base
de datos de películas de Virginia U.
43
•The Oracle says: alfredo alcon has a Bacon number of 3.
•Alfredo Alcon was in Jandro (1965) with Luis Induni
•Luis Induni was in Bianco, il giallo, il nero, Il (1975) with Eli Wallach
•Eli Wallach was in Mystic River (2003) with Kevin Bacon
•The Oracle says: Palito Ortega has a Bacon number of 3.
•Palito Ortega was in Amor en el aire (1967) with Cris Huerta
•Cris Huerta was in Bianco, il giallo, il nero, Il (1975) with Eli Wallach
•Eli Wallach was in Mystic River (2003) with Kevin Bacon
El oraculo
44
La Topología de Redes Reales: Números de Erdös
Números de Erdös Erdös (1919-1996), el matemático
actualmente con más publicaciones y con más co-autores es el origen de una red y tiene número de Erdös 0, sus co-autores tienen número 1, los co-autores de éstos tiene número 2, y así sucesivamente.
Veamos la distribución de los números de Erdös considerando solamente aquellos autores que han colaborado y que además están a una distancia finita de Erdös. Existen (a la fecha del estudio) 268.000 de estos autores.
45
La Topología de Redes Reales: Números de Erdös
Número de Erdös
Número de Autores
0 1
1 504
2 6593
3 33605
4 83642
5 87760
6 40014
7 11591
8 3146
9 819
10 244
11 68
12 23
13 5
Dante Chialvo
tiene número 4
Dante Chialvo
tiene número 4
Media:4.65
Mediana : 5
Media:4.65
Mediana : 5
46
47
Ejemplos (con referencias) de redes complejas se pueden ver accediendo a la WWW red:
http://www.visualcomplexity.com/vc/
Un poupurri incompleto y desactualizado de redes
48
Internet es una red compleja donde los nodos son computadoras y routers y los enlaces comunican computadoras.
Internet
49
Internet
50
Internet
51
WWW es una red virtual compleja donde los nodos son las páginas web y las enlaces son los hyperlinks. Se pueden establecer a nivel de dominios y de páginas.
www.chialvo.net
www.ucm.es www.ucla.edu/~dchialvo/
La WWW
52
Redes Lingüísticas : palabras son nodos y los enlaces conectan palabras consecutivas o casi consecutivas en un texto.
En otras redes lingüísticas los nodos son palabras pero las enlaces son los sinónimos, antónimos, etc.
En otras redes los enlaces puedenser las asociaciones libres evocadas por una palabra (perfume flor; futbol Madrid, etc).
Redes Lingüísticas
53
54http://www.expasy.ch/cgi-bin/show_thumbnails.pl
Redes Metabólicas
los nodos son substratos y los enlaces las reacciones entre los substratos.
55
Redes Metabólicas
56
Redes Metabólicas
E. Almaas, B. Kovacs, T. Vicsek, Z.N. Oltvai and A.-L. Barabási Global organization of metabolic fluxes in the bacterium Escherichia coli. Nature 427, 839-843 (2004).
57
Interacciones entre proteínas : los nodos son proteínas y los enlaces conectan aquellas proteínas que a través de experimentos se demuestra su interacción
Una motivación es determinar patrones mas típicos de interacción en salud y enfermedad, interferir y manipularlos en aplicaciones de diagnostico y tratamiento, diseños de nuevas drogas etc.
Proteoma
58
Nature 408 307 (2000)
…“One way to understand the p53 network is to compare it to the Internet.The cell, like the Internet, appears to be a ‘scale-free
network’.”
Redes de genes
59
Red Social: Es un conjunto de personas, cada una de ellas conocida para un subconjunto de las restantes. Se puede definir en diferentes contextos particulares, como por ejemplo, la Universidad Complutense, o generales; por ejemplo, el mundo entero.
Redes Sociales
Una motivación para su estudio es conocer los patrones de interacción humana, y otra puede ser investigar implicaciones para la difusión de información, dinámica de formación de opiniones , contagio de ideas o enfermedades.
60http://www-personal.umich.edu/~mejn/networks/
Amarillo- Raza BlancaVerde – AfroamericanosRosa - Otros
Red de amistades (niños de escuela)
61
Red Social:
62
Collaborativas (co-autoría de papers) donde los nodos son científicos y los enlaces representan co-autoría en un paper.
El ejemplo más famoso de este tipo de red es en torno al matemático Paul Erdös (número de Erdös).
63
Citaciones en artículos científicos donde los nodos son artículos publicados y un enlace apunta a una referencia de un artículo publicado. (no debería tener ciclos dirigidos)
(Physical Review Letters 1975-94, ISI)
Actores de cine (y/o TV) donde los nodos son los actores y una enlace representa una participación conjunta de actores en una película.
64
Ejemplos de Redes Complejas
Llamadas Telefónicas (larga distancia). Los nodos son números telefónicos y las aristas son arcos dirigidos del nodo origen al nodo destino de la llamada.(duró el experimento un día - USA)
Redes Ecológicas en las cuales los nodos son especies y Los enlaces representan relaciones tipo predador-presa entre las especies. [se estudiaron 7 webs de comida]
Contactos sexuales humanos. Los nodos son personas y las enlaces conectan dos personas que se han relacionado sexualmente.
(Experimento conducido en Suecia )
65
Sex-web
Nodos: Personas Enlaces: relation sexual
Liljeros et al. Nature 2001
4781 Suecos; 18-74; 59% respondio.
66
Food Web (red troficas)Nodes: trophic species Links: trophic interactions
R.J. Williams, N.D. Martinez Nature (2000)
R. Sole (cond-mat/0011195)
67
Ejemplos de Redes Complejas
Redes Neuronales en las cuales los nodos son neuronas y los enlaces son sinapsis o correlaciones entre (grupos de) neuronas.
[C elegans, Corteza Cerebral, Fmri]
Redes de Potencia donde los nodos son generadores, transformadores y subestaciones, y los enlaces son líneas de transmisión de alto voltaje. [Western USA ]
Otras Redes
Circuitos Electrónicos Evolución Viral
68
Mapa del sistema nervioso del C. Elegans
69
Nature July 27, 2000
70
La Topología de Redes Reales: varios casos
Red n <k> l lrand C Crand
WWW 153127 35.21 3.1 3.35 0.1078 0.00023
Internetdomain
3015-6209
3.52-4.11
3.7-3.76 6.36-6.18
0.18-0.3 0.001
Actores 225226 61 3.65 2.99 0.79 0.00027
Medline coautorí
a
1520251 18.1 4.6 4.91 0.066 1.1·10-5
NCSTRL coautorí
a
11994 3.59 9.7 7.34 0.496 3·10-4
Neurosc.
coautoría
209293 11.5 6 5.01 0.76 5.5·10-5
E. Coli grafo sub
282 7.35 2.9 3.04 0.32 0.026
Co-ocurr.
palabras
460902 70.13 2.67 3.03 0.437 0.0001
71
Net n <k>
γout γin lreal lrand
WWW 2·108 7.5 2.72 2.1 16 8.85
WWW site
26000 1.94
Internet domain
3015-4389
3.42-3.76
2.1-2.2 2.1-2.2 4 6.3
Internet router
3888 2.57 2.48 2.48 12.15 9.75
Coauth. Math.
70975 3.9 2.5 2.5 9.5 8.2
PhoneCall
53·106 3.16 2.1 2.1
Co-ocur words
460902 70.13 2.7 2.7
La Topología de Redes Reales: varios casos