Բայեսյան ցիկլերի մոդելավորումը՝ պարզ բացատրությամբ. ինչու ենք ցույց տալիս սիգման, ոչ թե ամսաթիվը

Ցիկլերի մեծ մասը հավելվածներ ձեզ ցույց են տալիս վստահ ամսաթիվ։ «Շրջան՝ մարտի 14»։ Սա փաստ է թվում։ Իրականում սա UX-ի ընտրություն է, որը մեկ թվի հետևում թաքցնում է հավանականության բաշխումը։ Բայեսյան ցիկլերի մոդելավորումն անում է նույն հաշվարկը, բայց ձեզ ցույց է տալիս ցրվածությունը։

Այս գրառումը բացատրում է, թե իրականում ինչպես է աշխատում մաթեմատիկան, ինչու է Soulwise-ը ցույց տալիս սիգման՝ վստահություն ձևացնելու փոխարեն, և ինչ տեսք ունի դա ամենօրյա ինտերֆեյսում։

Ինչ հիշել

• Բայեսյան ցիկլերի մոդելավորումը սկսվում է Գաուսյան նախնական բաշխումից, որը նկարագրում է դաշտանային ցիկլի տիպիկ տևողությունը (Soulwise-ն օգտագործում է mu=28, sigma=5) և թարմացնում է այդ նախնական բաշխումը յուրաքանչյուր նոր գրանցված ցիկլով՝ զուգորդված թարմացման միջոցով։
• Արդյունքը հավանականության բաշխում է, ոչ թե մեկ ամսաթիվ։
• Soulwise-ը ներկայացնում է սա որպես հավանական միջակայք՝ ընդ որում երեք վստահության պիտակներից մեկով՝ «Հավանական կապ», «Թույլ ազդանշան» կամ «Բավարար տվյալներ չկան»։ Sigma-ն ցուցադրվում է օգտատիրոջը, ոչ թե թաքցվում է։
• Մոդելը նախատեսված է օրինաչափությունների հետևման համար, ոչ թե ընտանիքի պլանավորման կամ հակաբեղմնավորման։

Ի՞նչ է իրականում նշանակում «բայեսյան»-ը այստեղ

Բայեսյան եզրակացությունը միավորում է երկու բան՝

• Նախնական համոզմունք (prior)՝ ձեր ելակետային պատկերացումը ցիկլի տևողության մասին, նախքան այս կոնկրետ օգտատիրոջ տվյալները կունենաք:
• Հավանականություն (likelihood)՝ ինչ է ձեզ պատմում յուրաքանչյուր նոր գրանցված ցիկլ:

Բազմապատկեք դրանք, նորմալացրեք, և կստանաք հետին համոզմունք (posterior)՝ ձեր թարմացված պատկերացումը: Այդ հետին համոզմունքը դառնում է հաջորդ ցիկլի նախնական համոզմունքը: Մոդելը դառնում է ավելի ճշգրիտ, երբ ավելի շատ ցիկլեր են ավելանում:

Soulwise-ը սկսում է Գաուսյան նախնական համոզմունքից, որը կենտրոնացած է mu = 28 օրի վրա՝ sigma = 5 օր ստանդարտ շեղումով: Սա ցիկլի տևողության մոտավոր ձևն է ավելի լայն բնակչության շրջանում: Երբ ձեր սեփական ցիկլերը գրանցվում են, մոդելը կենտրոնը տեղափոխում է դեպի ձեր անձնական միջինը և սեղմում (կամ թուլացնում) sigma-ն՝ ելնելով ձեր փոփոխականությունից:

Համակցված թարմացումը՝ մեկ պարբերությունում

Գաուսյան նախնական բաշխման և գաուսյան հավանականության դեպքում մաթեմատիկան գեղեցիկ պարզեցվում է: Եթե ձեր նախնական ենթադրությունն ասում է cycle ~ N(mu_0, sigma_0), և դուք դիտարկում եք ցիկլեր x_1, x_2, ..., x_n, ապա հետին բաշխումը նույնպես գաուսյան է՝

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))

Թարգմանություն՝ որքան շատ ցիկլ եք գրանցում, այնքան քիչ է կարևորվում նախնական ենթադրությունը, և այնքան ավելի է գերակշռում ձեր անձնական տվյալը: Մոտ 3 գրանցված ցիկլից հետո պոպուլյացիոն նախնական բաշխումը փոքր ներդրում ունի, իսկ մոտ 10,-ից հետո՝ ընդամենը աղմուկ է:

Ինչ է տեսնում օգտատերը

Հետին բաշխումը կորագիծ է: Ինտերֆեյսը չի կարող ծանուցման մեջ կոր ցույց տալ: Ուստի Soulwise-ը այն սեղմում է երկու բանի.

• Հավանական միջակայք: Այն պատուհանը, որտեղ հետին բաշխումը կենտրոնացնում է իր զանգվածի մեծ մասը (օրինակ՝ կենտրոնական 68% միջակայքը, մոտավորապես +/- 1 սիգմա):
• Վստահության պիտակ: Երեք պարզ պիտակներից մեկը.
  • «Հավանական կապ», երբ սիգման նեղ է, իսկ տվյալները՝ թարմ:
  • «Թույլ ազդանշան», երբ սիգման լայն է կամ տվյալները՝ սակավ:
  • «Բավարար տվյալներ չկան», երբ առկա է մոդելի նվազագույնից քիչ գրանցված ցիկլ:

Այսպիսով՝ «Դաշտան․ մարտի 14,»-ի փոխարեն օգտատերը տեսնում է «Հավանաբար մարտի 12-16,, թույլ ազդանշան»: Սա մոդելի իրական արդյունքն է, ոչ թե UX-ի զարդարանք:

Ինչու ոչինչ չթաքցնել

Երեք պատճառ.

Անկեղծություն։ Օրինաչափությունների հետագծիչը չի կարող խոստանալ ամսաթիվ, որը չգիտի։ Սիգմայի ցուցադրումը միակ ճանապարհն է, որով օգտատերը կարող է չափաբերել վստահությունը։

Անվտանգություն։ Վստահ տեսք ունեցող ամսաթիվը մարդկանց դրդում է դրա շուրջ պլանավորել այնպիսի բաներ, որոնք հավելվածը չի կարող ապահովել, ներառյալ բեղմնավորումը, հակաբեղմնավորումը և կլինիկական որոշումները։ Վստահության պիտակն ասում է «սա գնահատական է», ինչը հենց այդպես էլ կա։

Կայունություն անկանոն ցիկլերի դեպքում։ ՊՁՁՀ-ն (PCOS), պերիմենոպաուզան, հաբերից հետո ցիկլերը և հորմոնալ թերապիան բոլորը լայնացնում են սիգման։ Ավանդական հետագծիչը կա՛մ խիստ սխալվում է, կա՛մ լուռ լքում օգտատիրոջը։ Բայեսյան հետագծիչը պարզապես գնահատականը պիտակում է «թույլ ազդանշան» և շարունակում աշխատել։

Ինչ չէ մոդելը

Մի քանի խիստ սահմանափակումներ՝ գրառված, որպեսզի չշեղվեն.

• Այն չի գնահատում ցիկլի առանձին իրադարձություններ՝ բացի հաջորդ դաշտանի ամսաթվերի միջակայքից:
• Այն չի տրամադրում ընտանիքի պլանավորման պատուհան:
• Այն նախատեսված չէ բեղմնավորման կամ հակաբեղմնավորման օգտագործման դեպքերի համար:
• Այն կլինիկորեն հաստատված չէ և չի փոխարինում բժշկական խորհրդատվությանը՝ բաց թողնված դաշտանների, անկանոն արյունահոսության կամ կայուն ախտանիշների դեպքում:

Այս սահմանափակումները մոդելի զգուշավորության արդյունք չեն: Դրանք մոդելի ճիշտ ոլորտի սահմանումն են: Դաշտանի գնահատումն ու ընտանիքի պլանավորման գնահատումը տարբեր խնդիրներ են՝ տարբեր տվյալների կարիքներով և տարբեր կարգավորող չափանիշներով:

Որտեղ մաթեմատիկան հանդիպում է ամենօրյա ծեսին

Soulwise-ում բայեսյան արդյունքը սնուցում է ցիկլի փուլի համատեքստը, որն օգտագործվում է ամենօրյա ստուգման ժամանակ։ 20-վայրկյանանոց ծեսը հարցնում է՝ ինչպես եք զգում. պատասխանը ցիկլի փուլն օգտագործում է որպես հինգ մուտքերից մեկը։ Երբ սիգման լայն է, պատասխանի քարտը ցիկլի փուլին պակաս կշիռ է տալիս։ Երբ սիգման նեղ է, ավելի շատ կշիռ է տալիս ցիկլի փուլին։ Մաթեմատիկան վաստակում է իր կշիռը՝ անկեղծ լինելով այն բանի մասին, թե որքան վստահ է ինքը։

Ավելի կարճ տարբերակը. իրական բայեսյան հաշվիչը ի ցույց է դնում սիգման։ Եթե ձեր հավելվածը ցույց է տալիս մեկ վստահ ամսաթիվ, ապա ներքին մոդելը կարող է նույնը լինել, բայց ներկայացման ձևը թաքցնում է այն, ինչ իրականում գիտի։

Հաճախ տրվող հարցեր

Ինչո՞ւ օգտագործել Բայեսյան մոդել՝ պարզ միջինի փոխարեն

Պարզ միջինն անտեսում է, թե որքանով է գնահատականը վստահելի։ Միևնույն 28-օրյա միջինն ունեցող երկու օգտատեր կարող են ունենալ ցիկլերի շատ տարբեր փոփոխականություն։ Բայեսյան մոդելները հետևում են ձեր տվյալների ցրվածությանը, ոչ միայն միջնակետին, ուստի գնահատված միջակայքը լայնանում է անկանոն ցիկլերի և նեղանում՝ կանոնավորների դեպքում։

Իրականում ի՞նչ է նշանակում սիգման

Սիգման ցիկլի երկարության բաշխման ստանդարտ շեղումն է։ Փոքր սիգման (2 օրից պակաս) նշանակում է, որ ձեր ցիկլերը խիտ խմբավորված են. հավանական միջակայքն ընդգրկում է մի քանի օր։ Մեծ սիգման (5+ օր) նշանակում է, որ ցիկլերը տարածվում են մեկ շաբաթ կամ ավելի, և հավելվածը պետք է դա ասի։

Ինչո՞ւ պարզապես չտալ մեկ գնահատված ամսաթիվ

Որովհետև մոդելն իրականում այն չգիտի։ Մեկ ամսաթիվը UX ընտրություն է, որը թաքցնում է անորոշությունը։ Միջակայքը ցույց տալն ավելի անկեղծ է և համապատասխանում է նրան, թե իրականում ինչպես է աշխատում մաթեմատիկան։

Արդյո՞ք սա գնահատում է ցիկլի կոնկրետ իրադարձություններ

Ոչ։ Ցիկլերի Բայեսյան մոդելավորումը գնահատում է, թե երբ է հավանաբար տեղի ունենալու հաջորդ դաշտանը։ Սա ընտանիքի պլանավորման գործիք չէ, հակաբեղմնավորման գործիք չէ և կլինիկապես հաստատված մեթոդների փոխարինիչ չէ։