ბაიესისეული ციკლის მოდელირება: რატომ ვაჩვენებთ სიგმას და არა თარიღს

ციკლების უმეტესი აპლიკაცია თავდაჯერებულ თარიღს გაჩვენებთ. „პერიოდი: 14 მარტი“. ეს ფაქტს ჰგავს. სინამდვილეში ეს UX-არჩევანია, რომელიც ალბათობის განაწილებას ერთ რიცხვს მიღმა მალავს. ბაიესისეული ციკლის მოდელირება იმავე გამოთვლებს აკეთებს, ოღონდ გაშლას გაჩვენებთ.

ეს პოსტი ხსნის, როგორ მუშაობს ეს მათემატიკა სინამდვილეში, რატომ აჩენს Soulwise სიგმას ნაცვლად იმისა, რომ სიზუსტე მოიმიზეზოს, და როგორ გამოიყურება ეს ყოველდღიურ ინტერფეისში.

რა უნდა გახსოვდეთ

• ბაიესისეული ციკლის მოდელირება იწყება გაუსის წინარე განაწილებით, რომელიც აღწერს მენსტრუალური ციკლის ტიპურ ხანგრძლივობას (Soulwise იყენებს mu=28, sigma=5) და ეს წინარე განაწილება ყოველ ახლად აღრიცხულ ციკლთან ერთად ახლდება კონიუგირებული განახლების გზით.
• შედეგი არის ალბათობის განაწილება და არა ერთი კონკრეტული თარიღი.
• Soulwise ამას წარმოაჩენს როგორც სავარაუდო დიაპაზონს დამატებული სამი ნდობის იარლიყიდან ერთ-ერთით: „სავარაუდო კორელაცია“, „სუსტი სიგნალი“ ან „არასაკმარისი მონაცემები“. Sigma ნაჩვენებია მომხმარებლისთვის და არ არის დამალული.
• მოდელი განკუთვნილია პატერნების თვალყურისდევნებისთვის და არა ოჯახის დაგეგმვის ან კონტრაცეფციისთვის.

რას ნიშნავს აქ სინამდვილეში "ბაიესისეული"

ბაიესისეული დასკვნა ორ რამეს აერთიანებს:

• წინარე რწმენა (prior): თქვენი საწყისი ვარაუდი ციკლის ხანგრძლივობაზე, სანამ ამ კონკრეტული მომხმარებლის მონაცემებს მიიღებთ.
• მართებულობა (likelihood): რას გეუბნებათ ყოველი ახლად აღრიცხული ციკლი.

გადაამრავლეთ ისინი, ნორმალიზება გაუკეთეთ და მიიღებთ შემდგომ რწმენას (posterior): თქვენს განახლებულ ვარაუდს. ეს შემდგომი რწმენა ხდება წინარე რწმენა მომდევნო ციკლისთვის. მოდელი უფრო ზუსტდება, რაც მეტი ციკლი გროვდება.

Soulwise იწყება გაუსისეული წინარე რწმენით, რომელიც ცენტრირებულია mu = 28 დღეზე და სტანდარტული გადახრით sigma = 5 დღე. ეს არის ციკლის ხანგრძლივობის სავარაუდო ფორმა უფრო ფართო პოპულაციაში. რაც უფრო აღირიცხება თქვენი საკუთარი ციკლები, მოდელი ცენტრს თქვენი პერსონალური საშუალოსკენ წევს და sigma-ს ამცირებს (ან ზრდის) თქვენი ცვალებადობის მიხედვით.

კონიუგირებული განახლება, ერთ აბზაცში

გაუსის წინარე განაწილებისა და გაუსის ალბათობისთვის მათემატიკა მშვენივრად მარტივდება. თუ თქვენი წინარე ვარაუდი ამბობს cycle ~ N(mu_0, sigma_0), ხოლო თქვენ აკვირდებით ციკლებს x_1, x_2, ..., x_n, აპოსტერიორი განაწილებაც გაუსისეულია:

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))

თარგმანი: რაც მეტ ციკლს აღრიცხავთ, მით ნაკლებად მნიშვნელოვანი ხდება წინარე ვარაუდი და მით უფრო დომინირებს თქვენი პირადი მონაცემები. ~3 აღრიცხული ციკლის შემდეგ პოპულაციური წინარე განაწილება მცირე წვლილს იღებს; ~10,-ის შემდეგ კი ის უბრალოდ ხმაურია.

რას ხედავს მომხმარებელი

აპოსტერიორი არის მრუდი. ინტერფეისს მრუდის ჩვენება შეტყობინებაში არ შეუძლია. ამიტომ Soulwise მას ორ რამედ ასუბუქებს:

• სავარაუდო დიაპაზონი. ის სარკმელი, სადაც აპოსტერიორი თავისი მასის უმეტეს ნაწილს ათავსებს (მაგ., ცენტრალური 68% ინტერვალი, დაახლოებით +/- 1 სიგმა).
• ნდობის იარლიყი. სამი მარტივი იარლიყიდან ერთ-ერთი:
  • „სავარაუდო კორელაცია" — როცა სიგმა მჭიდროა და მონაცემები ახალია.
  • „სუსტი სიგნალი" — როცა სიგმა ფართოა ან მონაცემები მწირია.
  • „მონაცემები არასაკმარისია" — როცა ხელმისაწვდომია მოდელის მინიმალურ ჩაწერილ ციკლებზე ნაკლები.

ასე რომ, „პერიოდი: 14, მარტი"-ს ნაცვლად მომხმარებელი ხედავს „სავარაუდოდ 12-16, მარტი, სუსტი სიგნალი". ეს მოდელის ნამდვილი შედეგია და არა UX-ის მორთულობა.

რატომ არ ვმალავთ არაფერს

სამი მიზეზი.

გულწრფელობა. პატერნების ტრეკერი ვერ დაგპირდებათ თარიღს, რომელიც არ იცის. სიგმის ჩვენება ერთადერთი გზაა, რომ მომხმარებელმა ნდობა სწორად დააკალიბროს.

უსაფრთხოება. დარწმუნებულად გამოყურებადი თარიღი ხალხს უბიძგებს, მის გარშემო დაგეგმოს ის, რასაც აპლიკაცია ვერ უზრუნველყოფს — მათ შორის ჩასახვა, კონტრაცეფცია და კლინიკური გადაწყვეტილებები. ნდობის ნიშანი ამბობს: „ეს არის შეფასება“ — სწორედ რა არის.

მდგრადობა არარეგულარული ციკლების მიმართ. PCOS, პერიმენოპაუზა, აბის შემდგომი ციკლები და ჰორმონული თერაპია — ყველა აფართოებს სიგმას. ტრადიციული ტრეკერი ან მკვეთრად ცდება, ან ჩუმად აგდებს მომხმარებელს. ბაიესისეული ტრეკერი უბრალოდ შეფასებას ანიჭებს ნიშანს „სუსტი სიგნალი“ და განაგრძობს მუშაობას.

რას არ აკეთებს მოდელი

რამდენიმე მკაცრი ზღვარი, ჩაწერილი ისე, რომ ვერ წანაცვლდეს:

• ის არ აფასებს ციკლის კონკრეტულ მოვლენებს მომდევნო პერიოდის თარიღების დიაპაზონის მიღმა.
• ის არ გასცემს ოჯახის დაგეგმვის ფანჯარას.
• ის არ არის შექმნილი ჩასახვის ან კონტრაცეფციის სცენარებისთვის.
• ის არ არის კლინიკურად ვალიდირებული და არ ცვლის კლინიკურ რჩევას გამოტოვებული მენსტრუაციის, არარეგულარული სისხლდენის ან მუდმივი სიმპტომების შემთხვევაში.

ეს ზღვრები იმას არ ნიშნავს, რომ მოდელი ფრთხილობს. ისინი ნიშნავს, რომ მოდელს სწორი ფარგლები აქვს. პერიოდის შეფასება და ოჯახის დაგეგმვის შეფასება სხვადასხვა ამოცანაა — განსხვავებული მონაცემების საჭიროებებითა და განსხვავებული მარეგულირებელი ზღვრებით.

სად ხვდება მათემატიკა ყოველდღიურ რიტუალს

Soulwise-ში ბაიესისეული შედეგი კვებავს ციკლის ფაზის კონტექსტს, რომელსაც ყოველდღიური შემოწმება იყენებს. 20-წამიანი რიტუალი გეკითხებათ, როგორ გრძნობთ თავს; პასუხი ციკლის ფაზას ხუთი შემავალი მონაცემიდან ერთ-ერთად იყენებს. როცა სიგმა ფართოა, პასუხის ბარათი ციკლის ფაზას ნაკლებ წონას ანიჭებს. როცა სიგმა ვიწროა, ციკლის ფაზას მეტ წონას ანიჭებს. მათემატიკა თავის წონას იმით იმსახურებს, რომ პატიოსანია იმის თაობაზე, რამდენად დარწმუნებულია.

უფრო მოკლედ: ნამდვილი ბაიესისეული ტრეკერი სიგმას ზედაპირზე გამოაქვს. თუ თქვენი აპლიკაცია ერთ თავდაჯერებულ თარიღს გაჩვენებთ, მის უკან მდგარი მოდელი შეიძლება იგივე იყოს, მაგრამ ჩარჩო მალავს, რა იცის სინამდვილეში.

ხშირად დასმული კითხვები

რატომ უნდა გამოვიყენოთ ბაიესისეული მოდელი მარტივი საშუალოს ნაცვლად?

მარტივი საშუალო ანგარიშს არ უწევს იმას, თუ რამდენად სანდოა შეფასება. ერთი და იმავე 28-დღიანი საშუალოს მქონე ორ მომხმარებელს შესაძლოა ციკლის ცვალებადობა სრულიად განსხვავებული ჰქონდეთ. ბაიესისეული მოდელები აკონტროლებენ თქვენი მონაცემების გაბნევას და არა მხოლოდ შუა წერტილს, ამიტომ შეფასებული დიაპაზონი ფართოვდება არარეგულარული ციკლებისთვის და ვიწროვდება რეგულარულისთვის.

რას ნიშნავს სიგმა პრაქტიკაში?

სიგმა ციკლის ხანგრძლივობის განაწილების სტანდარტული გადახრაა. მცირე სიგმა (2 დღეზე ნაკლები) ნიშნავს, რომ თქვენი ციკლები მჭიდროდ არის თავმოყრილი; სავარაუდო დიაპაზონი რამდენიმე დღეს მოიცავს. დიდი სიგმა (5+ დღე) ნიშნავს, რომ ციკლები კვირაზე მეტ ხანს მოიცავს და აპლიკაციამ ეს უნდა აღნიშნოს.

რატომ არ შეიძლება უბრალოდ ერთი შეფასებული თარიღის მითითება?

იმიტომ, რომ მოდელმა ის სინამდვილეში არ იცის. ერთი თარიღი UX-ის არჩევანია, რომელიც განუსაზღვრელობას მალავს. დიაპაზონის ჩვენება უფრო გულწრფელია და შეესაბამება იმას, თუ როგორ მუშაობს მათემატიკა სინამდვილეში.

აფასებს თუ არა ეს ციკლის კონკრეტულ მოვლენებს?

არა. ბაიესისეული ციკლის მოდელირება აფასებს, როდის არის სავარაუდო შემდეგი მენსტრუაციის დადგომა. ეს არ არის ოჯახის დაგეგმვის ინსტრუმენტი, არც კონტრაცეფციის საშუალება და არც კლინიკურად დადასტურებული მეთოდების ჩამნაცვლებელი.