Bajeso ciklų modeliavimas paprastai: kodėl rodome sigmą, o ne datą

Dauguma ciklų programėlių parodo tau įsitikinusią datą. „Periodas: kovo 14.“ Atrodo lyg faktas. Iš tikrųjų tai UX sprendimas, slepiantis tikimybių pasiskirstymą už vieno skaičiaus. Bajeso ciklų modeliavimas atlieka tą pačią matematiką, tik parodo tau ir sklaidą.

Šiame įraše paaiškinama, kaip ši matematika veikia iš tiesų, kodėl Soulwise iškelia sigmą, o ne apsimeta tikrumu, ir kaip tai atrodo kasdienėje sąsajoje.

Ką verta atsiminti

• Bajeso ciklo modeliavimas prasideda nuo Gauso išankstinio skirstinio, apibūdinančio tipinę menstruacijų ciklo trukmę (Soulwise naudoja mu=28, sigma=5), ir kiekvieną kartą įrašius naują ciklą tas skirstinys atnaujinamas jungtiniu atnaujinimu.
• Rezultatas yra tikimybinis skirstinys, o ne viena data.
• Soulwise tai pateikia kaip tikėtiną intervalą ir vieną iš trijų pasitikėjimo žymių: „Tikėtina koreliacija", „Silpnas signalas" arba „Nepakanka duomenų". Sigma rodoma tau, o ne slepiama.
• Modelis skirtas dėsningumams stebėti, o ne šeimos planavimui ar kontracepcijai.

Ką čia iš tikrųjų reiškia „Bajeso metodas“

Bajeso išvedimas sujungia du dalykus:

• Išankstinę tikimybę: tavo pradinį įsitikinimą apie ciklo trukmę, kol dar neturi duomenų apie šį konkretų vartotoją.
• Tikėtinumą: ką tau pasako kiekvienas naujai užfiksuotas ciklas.

Sudaugink juos, normalizuok ir gausi galutinę tikimybę — atnaujintą tavo įsitikinimą. Ši galutinė tikimybė tampa išankstine tikimybe kitam ciklui. Modelis tampa vis tikslesnis, kuo daugiau ciklų sukaupiama.

Soulwise pradeda nuo Gauso išankstinės tikimybės, sutelktos ties mu = 28 dienų, su standartiniu nuokrypiu sigma = 5 dienos. Tai apytikslis ciklo trukmės vaizdas platesnėje populiacijoje. Fiksuojant tavo paties ciklus, modelis perkelia centrą link tavo asmeninio vidurkio ir sumažina (arba padidina) sigmą pagal tavo kintamumą.

Jungtinis atnaujinimas, viename pastraipoje

Kai prior'as yra Gauso ir tikėtinumas taip pat Gauso, matematika gražiai supaprastėja. Jei tavo prior'as teigia cycle ~ N(mu_0, sigma_0), o tu stebi ciklus x_1, x_2, ..., x_n, posterioras taip pat yra Gauso:

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))

Vertimas: kuo daugiau ciklų užfiksuoji, tuo mažiau svarbus tampa prior'as ir tuo labiau dominuoja tavo asmeniniai duomenys. Po ~3 užfiksuotų ciklų populiacijos prior'as įneša tik nedidelį indėlį; po ~10, jis virsta triukšmu.

Ką mato vartotojas

Posteriorinis skirstinys yra kreivė. Sąsaja negali parodyti kreivės pranešime. Todėl „Soulwise" suspaudžia ją į du dalykus:

• Tikėtinas intervalas. Sritis, kurioje telpa didžioji posteriorinio skirstinio masės dalis (pvz., centrinis 68% intervalas, maždaug +/- 1 sigma).
• Pasitikėjimo žyma. Viena iš trijų paprastų žymų:
  • „Tikėtina koreliacija" — kai sigma maža, o duomenys švieži.
  • „Silpnas signalas" — kai sigma didelė arba duomenų mažai.
  • „Nepakanka duomenų" — kai užregistruota mažiau ciklų, nei reikalauja modelio minimumas.

Taigi vietoj „Mėnesinės: kovo 14," vartotojas mato „Tikėtina kovo 12–16,, silpnas signalas." Tai tikroji modelio išvestis, o ne sąsajos pagražinimas.

Kodėl nieko neslepiama

Trys priežastys.

Sąžiningumas. Modelių sekiklis negali pažadėti datos, kurios nežino. Sigmos atskleidimas yra vienintelis būdas vartotojui įvertinti, kiek galima pasitikėti.

Saugumas. Užtikrintai atrodanti data skatina žmones pagal ją planuoti dalykus, kurių programėlė negali pagrįsti — įskaitant pastojimą, kontracepciją ir klinikinius sprendimus. Pasitikėjimo žyma sako „tai įvertis“, ir būtent tokia ji yra.

Atsparumas nereguliariems ciklams. PCOS, perimenopauzė, ciklai nustojus vartoti tabletes ir hormonų terapija — visa tai praplečia sigmą. Tradicinis sekiklis arba smarkiai prašauna, arba tyliai palieka vartotoją be atsakymo. Bajeso sekiklis tiesiog pažymi įvertį kaip „silpną signalą“ ir dirba toliau.

Ko šis modelis nedaro

Kelios griežtos ribos, surašytos tam, kad neišsitrintų:

• Jis nevertina konkrečių ciklo įvykių, išskyrus kito mėnesinių laikotarpio datų intervalą.
• Jis nepateikia šeimos planavimo lango.
• Jis nėra skirtas pastojimo ar kontracepcijos atvejams.
• Jis nėra kliniškai patvirtintas ir neatstoja medicininės konsultacijos esant vėluojančioms mėnesinėms, nereguliariam kraujavimui ar nuolatiniams simptomams.

Šios ribos nereiškia, kad modelis yra atsargus. Jos reiškia, kad jo veikimo sritis nustatyta teisingai. Mėnesinių prognozavimas ir šeimos planavimo prognozavimas yra skirtingos problemos su skirtingais duomenų poreikiais ir skirtingais reguliavimo reikalavimais.

Kur matematika susitinka su kasdiene apeiga

„Soulwise" Bajeso rezultatas maitina ciklo fazės kontekstą, naudojamą kasdieniame įsijautime. 20 sekundžių apeiga klausia, kaip jautiesi; atsakymas ciklo fazę pasitelkia kaip vieną iš penkių įvesties duomenų. Kai sigma plati, atsakymo kortelė ciklo fazei skiria mažesnį svorį. Kai sigma siaura — didesnį. Matematika užsitarnauja savo svorį būdama sąžininga dėl to, kiek ji pati įsitikinusi.

Trumpiau: tikras Bajeso seklys parodo sigmą. Jei tavo programėlė rodo vieną užtikrintą datą, modelis po gaubtu gali būti tas pats, bet pateikimas slepia tai, ką jis iš tikrųjų žino.

Dažni klausimai

Kodėl naudoti Bajeso modelį, o ne paprastą vidurkį?

Paprastas vidurkis neatsižvelgia į tai, kiek tikslus yra įvertis. Dvi naudotojos, kurių vidurkis yra 28 dienų, gali turėti labai skirtingą ciklo kintamumą. Bajeso modeliai seka ne tik vidurio tašką, bet ir tavo duomenų sklaidą, todėl įvertintas intervalas išsiplečia esant nereguliariems ciklams ir susiaurėja esant reguliariems.

Ką iš tikrųjų reiškia sigma praktiškai?

Sigma yra ciklo trukmės pasiskirstymo standartinis nuokrypis. Maža sigma (mažiau nei 2 dienos) reiškia, kad tavo ciklai glaudžiai susitelkę; tikėtinas intervalas apima kelias dienas. Didelė sigma (5+ dienos) reiškia, kad ciklai išsidėsto per savaitę ar daugiau, ir programėlė turėtų tai pasakyti.

Kodėl tiesiog nepateikti vienos numatomos datos?

Todėl, kad modelis jos iš tikrųjų nežino. Viena data yra naudotojo patirties sprendimas, kuris paslepia neapibrėžtumą. Parodyti intervalą yra sąžiningiau ir labiau atitinka tai, kaip iš tikrųjų veikia matematika.

Ar tai įvertina konkrečius ciklo įvykius?

Ne. Bajeso ciklo modeliavimas įvertina, kada tikėtina, kad prasidės kitos mėnesinės. Tai nėra šeimos planavimo priemonė, nėra kontracepcijos priemonė ir nepakeičia kliniškai patvirtintų metodų.