ランダムグラフジェネレータはnetworkxでどのように動作しますか？

Question

ポアソン度分布のランダムグラフを生成するためにsource code of Networkxを使用しました。次のように

私は私が必要とするコードの一部を変更します。

import random 
import networkx 
import math 
from networkx.generators.classic import empty_graph 

def gnp_random_graph(n, p, seed=None): 
    """Return a random graph G_{n,p}. 

    Parameters 
    ---------- 
    n : int 
     The number of nodes. 
    p : float 
     Probability for edge creation. 
     possible edges: n[n-1]/2 
    seed : int, optional 
     Seed for random number generator (default=None). 

    """ 
    #My sample 
    z = 4 #mean degree 
    n = 10 #Number of nodes 
    p = math.exp**(-z)*z**(k)/(math.factorial(k)) ##I add this myself #k is missing 

    #This part is from the source 
    G=empty_graph(n) 

    if not seed is None: 
     random.seed(seed) 

    for u in xrange(n): 
     for v in xrange(u+1,n): 
      if random.random() < p: 
       G.add_edge(u,v) 
return G 

をエッジを生成するための最後の部分では、私はそれが度を数える方法を理解していないと（（pは度の確率分布を比較しますk））？私にとっては、乱数btw（0,1）を生成するようです。しかし、どのようにしてpのドメインを使用し、乱数とp（k）を比較すべきですか？

Answer 1

このようにグラフを生成する（Brenoulli-samplingを使用）ので、ポアソン度分布のグラフが得られます（詳細はhere (pdf)で説明されています）。

Answer 2

ノード/エッジの数が多い場合を除き、これはベルヌーイ分布を与えます。あなたは簡単にポアソン度の分布を与えるためにnetworkxを得ることができます。

import numpy as np 
from scipy.stats import poisson 

def poissongraph(n,mu): 
    z= np.zeros(n) #n is number of nodes 
    for i in range(n): 
     z[i]=poisson.rvs(mu) #mu is the expected value 
    G=expected_degree_graph(z) 
    return G