बेइजियन साइकल मोडलिङको व्याख्या: हामी मिति होइन, सिग्मा किन देखाउँछौं

धेरैजसो साइकल app ले तपाईंलाई एउटा निश्चित मिति देखाउँछन्। "अवधि: मार्च 14।" यो तथ्य जस्तो देखिन्छ। तर यो एउटा UX छनोट हो, जसले एउटै नम्बरको पछाडि सम्भावनाको वितरण लुकाउँछ। बेइजियन साइकल मोडलिङले पनि उही गणित गर्छ, तर तपाईंलाई फैलावट देखाउँछ।

यो पोस्टले गणित वास्तवमा कसरी काम गर्छ, Soulwise ले निश्चितताको नाटक नगरी सिग्मा किन देखाउँछ, र दैनिक UI मा त्यो कस्तो देखिन्छ भन्ने व्याख्या गर्छ।

के कुरा सम्झने

• Bayesian चक्र मोडलिङ सामान्य महिनावारी चक्रको अवधि वर्णन गर्ने Gaussian prior बाट सुरु हुन्छ (Soulwise ले mu=28, sigma=5 प्रयोग गर्छ) र हरेक नयाँ लग गरिएको चक्रसँगै conjugate update मार्फत त्यो prior लाई अद्यावधिक गर्छ।
• नतिजा एउटै मिति होइन, सम्भाव्यता वितरण हो।
• Soulwise ले यसलाई सम्भावित दायराको रूपमा देखाउँछ, साथै तीन confidence label मध्ये एउटा: "Likely correlation," "Weak signal," वा "Not enough data।" Sigma लुकाइँदैन, प्रयोगकर्तालाई देखाइन्छ।
• यो मोडल ढाँचा ट्र्याक गर्नका लागि हो, परिवार नियोजन वा गर्भनिरोधका लागि होइन।

यहाँ "Bayesian" को वास्तविक अर्थ के हो

Bayesian inference ले दुई कुरा जोड्छ:

• एउटा prior: यो खास प्रयोगकर्ताको डेटा पाउनुअघि चक्रको लम्बाइबारे तपाईंको सुरुको विश्वास।
• एउटा likelihood: प्रत्येक नयाँ लग गरिएको चक्रले तपाईंलाई के बताउँछ।

यी दुईलाई गुणन गर्नुहोस्, normalize गर्नुहोस्, र तपाईंले posterior पाउनुहुन्छ: तपाईंको अद्यावधिक विश्वास। त्यो posterior नै अर्को चक्रको लागि prior बन्छ। जति धेरै चक्र आउँछ, मोडेल त्यति नै तीक्ष्ण हुन्छ।

Soulwise ले mu = 28 दिन मा केन्द्रित Gaussian prior बाट सुरु गर्छ, जसको standard deviation sigma = 5 दिन हुन्छ। यो भनेको फराकिलो जनसंख्याभरि चक्र लम्बाइको मोटामोटी आकार हो। जब तपाईंका आफ्नै चक्रहरू लग हुँदै जान्छन्, मोडेलले केन्द्रलाई तपाईंको व्यक्तिगत औसततिर सार्छ र तपाईंको परिवर्तनशीलता अनुसार sigma लाई कस्छ (वा खुकुलो बनाउँछ)।

संयुग्म अद्यावधिक, एक अनुच्छेदमा

ग्यासियन प्रायर र ग्यासियन likelihood का लागि, गणित राम्रोसँग सरल हुन्छ। यदि तपाईंको प्रायरले cycle ~ N(mu_0, sigma_0) भन्छ र तपाईंले x_1, x_2, ..., x_n चक्रहरू अवलोकन गर्नुहुन्छ भने, पोस्टेरियर पनि ग्यासियन हुन्छ:

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))

अर्थ: तपाईंले जति बढी चक्र रेकर्ड गर्नुहुन्छ, प्रायरको महत्त्व त्यति नै कम हुन्छ र तपाईंको व्यक्तिगत डेटा त्यति नै हावी हुन्छ। करिब 3 चक्र रेकर्ड गरेपछि, जनसंख्या प्रायरको योगदान सानो हुन्छ; करिब 10, पछि त त्यो केवल नोइज मात्र हुन्छ।

प्रयोगकर्ताले के देख्नुहुन्छ

पोस्टेरियर एउटा वक्र हो। UI ले सूचनामा वक्र देखाउन सक्दैन। त्यसैले Soulwise ले यसलाई दुई कुरामा संकुचित गर्छ:

• सम्भावित दायरा। त्यो विन्डो जहाँ पोस्टेरियरले आफ्नो धेरैजसो मास राख्छ (जस्तै, केन्द्रीय 68% अन्तराल, लगभग +/- 1 सिग्मा)।
• विश्वास लेबल। तीनमध्ये एउटा सरल ट्याग:
  • "सम्भावित सहसम्बन्ध" जब सिग्मा कसिलो हुन्छ र डाटा हालैको हुन्छ।
  • "कमजोर संकेत" जब सिग्मा फराकिलो हुन्छ वा डाटा थोरै हुन्छ।
  • "पर्याप्त डाटा छैन" जब मोडेलको न्यूनतम लग गरिएका साइकलहरूभन्दा कम उपलब्ध हुन्छ।

त्यसैले "Period: March 14," को सट्टा प्रयोगकर्ताले "Likely March 12-16, weak signal" देख्नुहुन्छ। यो मोडेलको वास्तविक आउटपुट हो, कुनै UX सजावट होइन।

किन केही नलुकाउने

तीनवटा कारण छन्।

इमानदारी। ढाँचा ट्र्याकरले आफूलाई थाहै नभएको मिति वाचा गर्न सक्दैन। सिग्मा देखाउनु नै प्रयोगकर्ताले विश्वासलाई सही रूपमा मापन गर्ने एक मात्र उपाय हो।

सुरक्षा। भरपर्दो देखिने मितिले मानिसहरूलाई त्यसको वरिपरि योजना बनाउन प्रोत्साहित गर्छ — ती कुराहरूका लागि जसलाई app ले समर्थन गर्न सक्दैन, जस्तै गर्भधारण, गर्भनिरोध, र क्लिनिकल निर्णयहरू। विश्वसनीयता लेबलले भन्छ "यो एउटा अनुमान हो," जुन वास्तवमा यो हो।

अनियमित चक्रप्रति बलियोपन। PCOS, perimenopause, पिल पछिका चक्र, र हर्मोन थेरापी — यी सबैले सिग्मा फराकिलो बनाउँछन्। परम्परागत ट्र्याकरले या त धेरै नै गलत अनुमान गर्छ या प्रयोगकर्तालाई चुपचाप छोडिदिन्छ। Bayesian ट्र्याकरले भने अनुमानलाई "कमजोर सिग्नल" भनेर लेबल गर्छ र काम गरिरहन्छ।

मोडेलले के गर्दैन

केही कडा सीमा, यहाँ लेखेर राखिएका छन् ताकि यी नबदलियोस्:

• यसले अर्को महिनावारीको मिति दायरा बाहेक कुनै निश्चित चक्रका घटनाहरूको अनुमान गर्दैन।
• यसले परिवार नियोजनको समय (window) दिँदैन।
• यो गर्भधारण वा गर्भनिरोधका लागि बनाइएको होइन।
• यो क्लिनिकल रूपमा प्रमाणित छैन र छुटेको महिनावारी, अनियमित रक्तस्राव, वा लगातार रहने लक्षणका लागि क्लिनिकल सल्लाहको विकल्प होइन।

यी सीमाहरू मोडेल सतर्क भएको कारणले होइन। यो त मोडेल सही दायरामा रहेको कारणले हो। महिनावारीको अनुमान र परिवार नियोजनको अनुमान फरक समस्या हुन् — फरक डेटा आवश्यकता र फरक नियामक मापदण्डसहितका।

जहाँ गणित दैनिक अनुष्ठानसँग भेटिन्छ

Soulwise मा, Bayesian नतिजाले दैनिक चेक-इनमा प्रयोग हुने चक्र-चरण सन्दर्भ लाई खुराक दिन्छ। 20-सेकेन्डको अनुष्ठानले तपाईंलाई कस्तो महसुस भइरहेको छ भनी सोध्छ; उत्तरले चक्र चरणलाई पाँचमध्ये एउटा इनपुटको रूपमा प्रयोग गर्छ। जब सिग्मा फराकिलो हुन्छ, उत्तर कार्डले चक्र चरणलाई कम भार दिन्छ। जब सिग्मा कसिलो हुन्छ, यसले चक्र चरणलाई बढी भार दिन्छ। गणितले आफू कति निश्चित छ भनेर इमानदार भएर आफ्नो भार कमाउँछ।

छोटो भन्नुपर्दा: साँचो Bayesian ट्र्याकरले सिग्मा देखाउँछ। यदि तपाईंको app ले एउटै निश्चित मिति देखाउँछ भने, भित्रको मोडेल उही हुन सक्छ, तर फ्रेमिङले यसले वास्तवमा के जान्दछ भन्ने कुरा लुकाइरहेको हुन्छ।

सामान्य प्रश्नहरू

साधारण औसतको सट्टा Bayesian मोडेल किन प्रयोग गर्ने?

साधारण औसतले अनुमान कति भरपर्दो छ भन्ने कुरालाई बेवास्ता गर्छ। उही 28-दिने औसत भएका दुई प्रयोगकर्ताको चक्र परिवर्तनशीलता निकै फरक हुन सक्छ। Bayesian मोडेलले केवल मध्यबिन्दु मात्र होइन, तपाईंको डेटाको फैलावटलाई पनि ट्र्याक गर्छ, त्यसैले अनियमित चक्रहरूका लागि अनुमानित दायरा फराकिलो हुन्छ र नियमित चक्रहरूका लागि साँघुरो हुन्छ।

व्यवहारमा सिग्माको वास्तविक अर्थ के हो?

सिग्मा भनेको चक्र-लम्बाइको वितरणको मानक विचलन हो। सानो सिग्मा (2 दिनभन्दा कम) ले तपाईंका चक्रहरू नजिक-नजिक छन् भन्ने जनाउँछ; सम्भावित दायरा केही दिनमा सीमित हुन्छ। ठूलो सिग्मा (5+ दिन) ले चक्रहरू एक हप्ता वा त्योभन्दा बढीमा फैलिएका छन् भन्ने जनाउँछ, र app ले त्यही कुरा बताउनुपर्छ।

एउटै अनुमानित मिति मात्र किन नदिने?

किनभने मोडेललाई वास्तवमा एउटा मिति थाहा हुँदैन। एउटै मिति त UX को छनोट मात्र हो, जसले अनिश्चिततालाई लुकाउँछ। दायरा देखाउनु बढी इमानदार हुन्छ र गणित वास्तवमा कसरी काम गर्छ भन्ने कुरासँग मेल खान्छ।

के यसले विशेष चक्र घटनाहरूको अनुमान गर्छ?

होइन। Bayesian चक्र मोडलिङले अर्को महिनावारी कहिले हुने सम्भावना छ भन्ने अनुमान गर्छ। यो परिवार नियोजनको साधन होइन, गर्भनिरोधको साधन होइन, र चिकित्सकीय रूपमा प्रमाणित विधिहरूको विकल्प पनि होइन।