Introducción
En la era digital, las redes están en todas partes: desde redes sociales hasta infraestructuras de transporte. Comprender su comportamiento es crucial para optimizar su funcionamiento y predecir fenómenos emergentes. La estadística proporciona herramientas poderosas para modelar y analizar estas estructuras complejas. En este artículo, exploraremos técnicas fundamentales, teoremas clave y aplicaciones prácticas que todo profesional debe conocer. Si deseas profundizar en conceptos básicos, revisa nuestra introducción a la aritmética.
1. Conceptos Básicos de Redes
Una red se define como un conjunto de nodos (vértices) conectados por enlaces (aristas). Matemáticamente, se representa como un grafo $G = (V, E)$, donde $V$ es el conjunto de nodos y $E$ el de enlaces.
Ejemplo: Red Social
En Facebook, los usuarios son nodos y las amistades son enlaces. Si Ana y Bob son amigos, existe una arista entre sus nodos.
2. Modelos de Redes Aleatorias
Para estudiar propiedades estadísticas, usamos modelos como:
- Modelo Erdős-Rényi: Grafo con $n$ nodos donde cada par se conecta con probabilidad $p$.
- Modelo Barabási-Albert: Genera redes libres de escala con distribución de grado power-law.
Teorema 1: Distribución de Grados en Erdős-Rényi
En un grafo $G(n, p)$, el grado $k$ de un nodo sigue una distribución binomial:
$$P(k) = \binom{n-1}{k} p^k (1-p)^{n-1-k}$$
Demostración:
Cada nodo tiene $n-1$ posibles conexiones. La probabilidad de tener exactamente $k$ enlaces es la probabilidad binomial de $k$ éxitos en $n-1$ intentos.
3. Medidas de Centralidad
Importantes para identificar nodos clave:
- Grado: Número de conexiones.
- Intermediación: Número de caminos más cortos que pasan por el nodo.
- Cercanía: Distancia promedio a todos los demás nodos.
Ejercicio 1: Calcular Grado e Intermediación
Dada la siguiente red (matriz de adyacencia):
A B C
A 0 1 1
B 1 0 0
C 1 0 0
Solución:
Grado de A: 2 (conexiones con B y C).
Intermediación de B: 0 (no está en ningún camino más corto entre otros nodos).
4. Teorema de Perron-Frobenius
Teorema 2: Teorema de Perron-Frobenius
Para una matriz irreducible no negativa $A$, existe un vector propio positivo $v$ asociado al valor propio $\lambda$ de mayor módulo.
Demostración (esquema):
Usando el teorema del punto fijo de Brouwer en el simplex $\sum v_i = 1$, se muestra que la aplicación $T(v) = \frac{Av}{\|Av\|}$ tiene un punto fijo positivo.
Aplicación: Análisis de álgebra lineal en redes para calcular centralidad de eigenvector (usado en PageRank).
5. Ejercicios Resueltos
Ejercicio 2: Probabilidad de Conexión
En un grafo $G(100, 0.02)$, calcula la probabilidad de que un nodo tenga grado 3.
Solución:
Usando la distribución binomial:
$$P(3) = \binom{99}{3} (0.02)^3 (0.98)^{96} \approx 0.18$$
Ejercicio 3: Camino Más Corto
Encuentra todos los caminos más cortos entre A y D en:
A -- B -- C -- D
\ /
\_____/
Solución:
Dos caminos: A-B-C-D y A-C-D (longitud 3 y 2 respectivamente). El más corto es A-C-D.
6. Aplicaciones Prácticas
- Redes Sociales: Identificar influencers usando centralidad.
- Epidemiología: Modelar propagación de enfermedades.
- Internet: Optimizar rutas de tráfico.
Teorema 3: Umbral de Conectividad
En $G(n, p)$, si $p > \frac{\ln n}{n}$, el grafo es casi seguro conexo.
Demostración (idea):
Usando el método de momentos para mostrar que la probabilidad de nodos aislados tiende a 0.
Conclusión
El modelado estadístico de redes es una herramienta versátil con aplicaciones en múltiples disciplinas. Hemos cubierto modelos básicos, teoremas fundamentales y ejercicios prácticos. Para continuar aprendiendo, explora nuestros recursos sobre matemáticas aplicadas.
«`