बायेसियन साइकिल मॉडलिंग की व्याख्या: हम तारीख नहीं, सिग्मा क्यों दिखाते हैं

ज़्यादातर साइकिल ऐप्स एक निश्चित तारीख दिखाते हैं। "पीरियड: 14 मार्च।" यह एक तथ्य जैसा लगता है। दरअसल यह एक इंटरफेस विकल्प है जो संभावना के वितरण को एकल संख्या के पीछे छुपा देता है। बायेसियन साइकिल मॉडलिंग वही गणित करती है, लेकिन फैलाव दिखाती है।

यह लेख बताता है कि गणित वास्तव में कैसे काम करती है, Soulwise निश्चितता का दिखावा करने के बजाय सिग्मा क्यों दिखाता है, और यह दैनिक इंटरफेस में कैसा दिखता है।

यहाँ "बायेसियन" का वास्तविक अर्थ क्या है

बायेसियन अनुमान दो चीजों को मिलाता है:

• एक पूर्व-वितरण (prior): इस विशेष उपयोगकर्ता का डेटा मिलने से पहले चक्र की अवधि के बारे में आपकी प्रारंभिक मान्यता।
• एक प्रशंसनीयता (likelihood): प्रत्येक नया दर्ज किया गया चक्र आपको क्या बताता है।

उन्हें गुणा करें, सामान्यीकृत करें, और आपको एक पश्च-वितरण (posterior) मिलता है: अपडेट की गई मान्यता। यह पश्च-वितरण अगले चक्र के लिए पूर्व-वितरण बन जाता है। जैसे-जैसे अधिक चक्र आते हैं, मॉडल तीखा होता जाता है।

Soulwise mu = 28 दिन और मानक विचलन sigma = 5 दिन पर केंद्रित गाउसियन पूर्व-वितरण से शुरू होता है। यह व्यापक आबादी में चक्र की अवधि के वितरण का लगभगी आकार है। जैसे-जैसे आपके अपने चक्र दर्ज होते हैं, मॉडल केंद्र को आपके व्यक्तिगत औसत की ओर ले जाता है और आपकी परिवर्तनशीलता के आधार पर सिग्मा को कसता (या ढीला करता) है।

संयुग्म अपडेट — एक अनुच्छेद में

गाउसियन पूर्व-वितरण और गाउसियन प्रशंसनीयता के लिए गणित सुंदर तरीके से सरल हो जाती है। यदि आपका पूर्व-वितरण कहता है चक्र ~ N(mu_0, sigma_0) और आप चक्र x_1, x_2, ..., x_n देखते हैं, तो पश्च-वितरण भी गाउसियन है:

posterior_mean = (mu_0 / sigma_0^2 + sum(x_i) / sigma_observed^2) / (1 / sigma_0^2 + n / sigma_observed^2)
posterior_sigma = sqrt(1 / (1 / sigma_0^2 + n / sigma_observed^2))

सरल शब्दों में: आप जितने अधिक चक्र दर्ज करते हैं, पूर्व-वितरण उतना ही कम मायने रखता है और आपका व्यक्तिगत डेटा उतना ही हावी होता है। लगभग 3 दर्ज किए गए चक्रों के बाद, आबादी का पूर्व-वितरण कम योगदान देता है; लगभग 10 के बाद, यह केवल शोर है।

उपयोगकर्ता क्या देखता है

पश्च-वितरण एक वक्र है। इंटरफेस किसी सूचना में वक्र नहीं दिखा सकता। इसलिए Soulwise इसे दो चीजों में संकुचित करता है:

• एक संभावित दायरा। वह समय-खिड़की जहाँ पश्च-वितरण अपनी अधिकांश "द्रव्यमान" केंद्रित करता है (उदाहरण के लिए, केंद्रीय 68% अंतराल, लगभग ±1 सिग्मा)।
• एक विश्वसनीयता लेबल। तीन सरल-भाषा टैग में से एक:
  • "संभावित सहसंबंध" जब सिग्मा छोटा हो और डेटा हाल का हो।
  • "कमजोर संकेत" जब सिग्मा बड़ा हो या डेटा कम हो।
  • "पर्याप्त डेटा नहीं" जब दर्ज किए गए चक्रों की संख्या मॉडल की न्यूनतम आवश्यकता से कम हो।

इसलिए "पीरियड: 14 मार्च" के बजाय उपयोगकर्ता देखता है "संभवतः 12-16 मार्च, कमजोर संकेत।" यही मॉडल का वास्तविक आउटपुट है, कोई इंटरफेस की सजावट नहीं।

कुछ न छुपाने के कारण

तीन कारण।

ईमानदारी। एक पैटर्न ट्रैकर वह तारीख नहीं दे सकता जो वह जानता ही नहीं। सिग्मा दिखाना ही एकमात्र तरीका है जिससे उपयोगकर्ता ऐप पर भरोसे को संतुलित कर सके।

सुरक्षा। एक आत्मविश्वास से भरी दिखने वाली तारीख लोगों को उन चीजों की योजना बनाने के लिए प्रोत्साहित करती है जो ऐप समर्थन नहीं कर सकता — गर्भधारण, गर्भनिरोध और नैदानिक निर्णय शामिल हैं। एक विश्वसनीयता लेबल कहता है "यह एक अनुमान है", जो यह है।

अनियमित चक्रों के लिए मजबूती। PCOS, पेरिमेनोपॉज़, गर्भनिरोधक गोलियाँ बंद करने के बाद के चक्र, और हार्मोन थेरेपी सभी सिग्मा को चौड़ा करते हैं। एक पारंपरिक ट्रैकर या तो बुरी तरह चूक जाता है या चुपचाप उपयोगकर्ता को छोड़ देता है। एक बायेसियन ट्रैकर बस अनुमान को "कमजोर संकेत" लेबल देता है और काम करता रहता है।

मॉडल क्या नहीं है

कुछ स्पष्ट सीमाएँ, ताकि वे समय के साथ धुंधली न हों:

• यह अगले पीरियड की तारीख की सीमा से परे चक्र की विशिष्ट घटनाओं का अनुमान नहीं लगाता।
• यह परिवार नियोजन की खिड़की नहीं देता।
• यह गर्भधारण या गर्भनिरोध के उपयोग के मामलों के लिए डिज़ाइन नहीं किया गया है।
• यह नैदानिक रूप से सत्यापित नहीं है और पीरियड न आने, अनियमित रक्तस्राव, या लगातार लक्षणों के लिए नैदानिक सलाह का विकल्प नहीं है।

ये सीमाएँ मॉडल की सावधानी नहीं हैं। ये सही ढंग से परिभाषित कार्यक्षेत्र हैं। चक्र अनुमान और प्रजनन क्षमता अनुमान अलग-अलग समस्याएँ हैं, अलग-अलग डेटा जरूरतों और अलग-अलग नियामक आवश्यकताओं के साथ।

जहाँ गणित दैनिक अनुष्ठान से मिलती है

Soulwise में, बायेसियन आउटपुट दैनिक चेक-इन में उपयोग किए जाने वाले चक्र-चरण संदर्भ को पोषण देता है। 20-सेकंड का अनुष्ठान पूछता है कि आप कैसा महसूस कर रहे हैं; उत्तर पाँच इनपुट में से एक के रूप में चक्र चरण का उपयोग करता है। जब सिग्मा चौड़ा हो, उत्तर कार्ड चक्र चरण को कम महत्व देता है। जब सिग्मा छोटा हो, तो अधिक महत्व देता है। गणित अपनी जगह इसलिए अर्जित करती है क्योंकि वह अपनी निश्चितता के बारे में ईमानदार है।

संक्षिप्त संस्करण: एक वास्तविक बायेसियन ट्रैकर सिग्मा दिखाता है। यदि आपका ऐप एकल निश्चित तारीख दिखाता है, तो मूल में मॉडल समान हो सकता है — लेकिन प्रस्तुतिकरण उसे छुपा रहा है जो वह वास्तव में जानता है।