ការទស្សន៍ទាយវដ្តតាមបែប Bayesian

កម្មវិធីវដ្តភាគច្រើនកំណត់លំនាំដើមនៅការសន្មត់ 28 ថ្ងៃ ហើយមិនអើពើនឹងភាពប្រែប្រួល ឬកែតម្រូវក្រោយពេលកើតឡើង។ ផ្ទុយទៅវិញ Soulwise ប្រើ ការទស្សន៍ទាយតាមបែប Bayesian — ជាវិធីសាស្ត្រស្ថិតិដែលការប៉ាន់ស្មាន "តើថ្ងៃនេះអ្នកស្ថិតក្នុងដំណាក់កាលណា" គឺជាលទ្ធផល posterior នៃរបស់ពីរយ៉ាង៖ ប្រវែងវដ្តប្រវត្តិសាស្ត្ររបស់អ្នក (prior) និងការ check-in ប្រចាំថ្ងៃដែលអ្នកបានកត់ត្រាក្នុងវដ្តនេះ (evidence)។

ហេតុអ្វីបានជា Bayesian មិនមែន ថេរ

វដ្ត ថេរ 28 ថ្ងៃ គឺខុសយ៉ាងច្បាស់សម្រាប់មនុស្សភាគច្រើន។ ជួរធម្មតាតាមផ្នែកវេជ្ជសាស្ត្រគឺ 21 ទៅ 35 ថ្ងៃ ហើយភាពប្រែប្រួលរបស់បុគ្គលម្នាក់ៗពីខែមួយទៅខែមួយក៏ធំ ហើយព្រឹត្តិការណ៍ជីវិត (ភាពតានតឹង ការធ្វើដំណើរ ការគេង បន្ទុកនៃការហ្វឹកហាត់) ផ្លាស់ប្តូរប្រវែងវដ្តច្រើនជាងអ្វីដែលមនុស្សភាគច្រើនរំពឹងទុក។ ឧបករណ៍ប៉ាន់ស្មានដែលមានប្រវែង ថេរ ផ្ដល់ឱ្យអ្នកនូវស្លាកដំណាក់កាលយ៉ាងជាក់លាក់ ខណៈពេលដែលភាពមិនច្បាស់លាស់ខាងក្រោមមានកម្រិតខ្ពស់។

ការប៉ាន់ស្មាន Bayesian ផ្ដល់ឱ្យអ្នកនូវស្លាកដំណាក់កាល ជាមួយ របារនៃភាពមិនច្បាស់លាស់។ នៅពេលរបារនេះធំ (នៅដើមដំបូងនៃទិន្នន័យរបស់អ្នក ឬបន្ទាប់ពីវដ្តដែលដំណើរការយូរ) Soulwise នឹងបញ្ជាក់ដូច្នោះនៅលើកាតដំណាក់កាល។ នៅពេលរបារនេះតូច (បន្ទាប់ពីវដ្តស្ថិរភាពជាច្រើន) ស្លាកដំណាក់កាលគឺគួរឱ្យទុកចិត្តបាន។

អ្វីដែលចូលទៅក្នុង prior

• ប្រវែងនៃវដ្តចំនួនប្រាំមួយចុងក្រោយរបស់អ្នក បើមាន។
• prior ចាប់ផ្តើមដែលផ្តល់ព័ត៌មានតិចតួច (28 ± 5) មុនពេលមានទិន្នន័យណាមួយ។
• រយៈ drift ដើម្បីឱ្យវដ្តចាស់ៗមានទម្ងន់តិចជាងវដ្តថ្មីៗ។

អ្វីខ្លះដែលចូលទៅក្នុងភស្តុតាង

• ឈីបឆេកអ៊ីនប្រចាំថ្ងៃ និងរបារកម្រិតថាមពលរបស់អ្នក។
• ការកត់ត្រាការហូរឈាម ឬ​ដំណក់ឈាមណាមួយ។
• សញ្ញាសម្គាល់រោគសញ្ញាជាជម្រើស (ឈឺក្បាល រមួលក្រពើ) ប្រសិនបើអ្នកកត់ត្រាវា។

ប្រព័ន្ធ មិន ប្រើ៖

• សីតុណ្ហភាពមូលដ្ឋាននៃរាងកាយ (យើងមិនមែនជាឧបករណ៍តាមដានជីវជាតិទេ)។
• ការទាយការបញ្ចេញពងអូវុលដោយផ្អែកលើរោគសញ្ញា (នៅក្រៅវិសាលភាព)។
• របាយការណ៍ស្លសមាត់ស្បូន (នៅក្រៅវិសាលភាព)។

អ្វីដែលវាមិនធ្វើ

វាមិនព្យាករណ៍ការបញ្ចេញពងសម្រាប់ការពន្យារកំណើត ឬការមានកូននោះទេ។ សូមមើល non-medical-cycle-tracking សម្រាប់ជំហរប្រឆាំងនឹងការអះអាងពេញលេញ។

វាមិនផ្តល់ការកំណត់ច្បាស់ត្រឹមមួយថ្ងៃ នៅពេលដែលភាពមិនច្បាស់លាស់មានកម្រិតខ្ពស់នោះទេ។ កាតដំណាក់កាលបង្ហាញពេលវេលាចន្លោះ 2 ដល់ 4 ថ្ងៃ ជាមួយនឹងស្រមោលនៃកម្រិតទំនុកចិត្ត។

វាមិនរៀនពីទិន្នន័យរបស់នរណាម្នាក់ផ្សេងទេ។ អ្នកប្រើប្រាស់ម្នាក់ៗមានគំរូ Bayesian ផ្ទាល់ខ្លួន ដែលដំណើរការនៅលើឧបករណ៍ ផ្ទៀងផ្ទាត់ជាមួយប្រវត្តិដែលបានអ៊ិនគ្រីបរបស់ខ្លួន។

កន្លែងដែលវាបង្ហាញខ្លួន

នៅក្នុងកាតដំណាក់កាលនៃពិធីប្រចាំថ្ងៃ នៅក្នុងលិខិតសង្ខេប និងជាធាតុចូលសម្រាប់ cycle-weather — ការអានភាពប្រែប្រួលរយៈពេលខ្លី បើធៀបនឹងបន្ទាត់គោលដ៏មានស្ថិរភាពរបស់អ្នក។