2023年5月30日上午10:00，由中国人民大学统计学院和教育部人文社科重点研究基地应用统计研究中心共同举办的“统计大讲堂”系列讲座第221讲采用线上线下方式举行。

本次讲座邀请上海数学中心青年研究员兼博士生导师王天栋作题为“Reciprocity and Large Degree Dependence in Random Networks”的报告。讲座由中国人民大学统计学院副教授高光远主持。

王天栋首先以Facebook Wall Posts为例分别定义了indegree和outdgree后得到的经验分布函数，得出实际运用中不同用户的high reciprocity与heterogeneous behavior patterns不同的结论，进而引出相关随机网络模型。

随后，王天栋介绍了Directed Preferential Attachment Model，并依次对于0≤ɑ≤1、0≤β≤1与0≤ϒ≤1三种情况展开详细讲解。王天栋还介绍了Convergence of Edge Counts和Convergence of Edge Counts两种关于Directed PA模型的理论性质，进而得出Directed PA模型具有渐进完全依赖性的结论。

接下来，王天栋重点讲解模型的推导方法。她指出，传统的frequencies methods对于随机网络模型的推导有很大的局限性，因此王天栋考虑有限混合的贝叶斯混合方法（MFM）与VEM方法，并将其与传统贝叶斯方法进行比较，最终发现VEM方法能够较好地解释模型推导过程。

最后，王天栋在提问环节认真细致地回答了师生们有关研究理论的细节问题，并就相关话题进行了深入探讨。