Bayesçi Döngü Modellemesi: Neden Tarih Değil Sigma Gösteriyoruz

Çoğu döngü uygulaması size güvenli bir tarih gösterir. "Adet: 14 Mart." Bir gerçek gibi görünür. Aslında bu, bir olasılık dağılımını tek bir sayının arkasına gizleyen bir arayüz tercihidir. Bayesçi döngü modellemesi aynı matematiği yapar, ama yayılımı da gösterir.

Bu yazı matematiğin gerçekte nasıl çalıştığını, Soulwise'ın kesinlik taklidi yapmak yerine neden sigma'yı gösterdiğini ve bunun günlük arayüzde nasıl göründüğünü açıklıyor.

Burada "Bayesçi" gerçekte ne anlama geliyor

Bayesçi çıkarım iki şeyi birleştirir:

• Öncül (prior): Bu kullanıcıya ait veri olmadan önce döngü uzunluğu hakkındaki başlangıç inancınız.
• Olabilirlik (likelihood): Her yeni kayıtlı döngünün size söyledikleri.

İkisini çarpın, normalize edin ve sonsal dağılımı (posterior) elde edersiniz: güncellenmiş inancınız. Bu sonsal dağılım, bir sonraki döngü için öncül olur. Model, döngüler eklendikçe keskinleşir.

Soulwise, mu = 28 gün merkezinde ve sigma = 5 gün standart sapmasıyla Gauss öncülüyle başlar. Bu, genel popülasyonda döngü uzunluğunun kabataslak şeklidir. Kendi döngülerinizi kaydettikçe model, merkezi kişisel ortalamanıza doğru kaydırır ve değişkenliğinize bağlı olarak sigma'yı daraltır ya da genişletir.

Eşlenik güncelleme, tek paragrafta

Gauss öncülü ve Gauss olabilirliği için matematik güzel biçimde sadeleşir. Öncülünüz döngü ~ N(mu_0, sigma_0) diyorsa ve x_1, x_2, ..., x_n döngülerini gözlemliyorsanız, sonsal dağılım da Gauss'tur:

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))

Çeviri: ne kadar çok döngü kaydederseniz, öncülün önemi o kadar azalır ve kişisel verileriniz o kadar baskın olur. Yaklaşık 3 kayıtlı döngüden sonra nüfus öncülünün katkısı küçülür; yaklaşık 10'dan sonra gürültüye dönüşür.

Kullanıcı ne görür

Sonsal dağılım bir eğridir. Arayüz bir bildirimde eğri gösteremez. Bu yüzden Soulwise onu iki unsura sıkıştırır:

• Olası aralık. Sonsal dağılımın kütlesinin büyük bölümünü yerleştirdiği pencere (örneğin merkezi %68'lik aralık, kabaca ±1 sigma).
• Güven etiketi. Üç sade ifadeden biri:
  • "Güçlü korelasyon" — sigma dar ve veriler güncel olduğunda.
  • "Zayıf sinyal" — sigma geniş ya da veri az olduğunda.
  • "Yeterli veri yok" — modelin gerektirdiği asgari kayıtlı döngü sayısının altında kalındığında.

Böylece "Adet: 14 Mart" yerine kullanıcı "Muhtemelen 12–16 Mart, zayıf sinyal" görür. Modelin gerçek çıktısı budur; arayüz süsü değil.

Neden hiçbir şey gizlenmez

Üç neden.

Dürüstlük. Bir örüntü izleyici, bilmediği bir tarihi vaat edemez. Sigma'yı göstermek, kullanıcının güveni ne ölçüde kalibre edeceğini anlamasının tek yoludur.

Güvenlik. Güvenli görünen bir tarih, insanları uygulamanın destekleyemeyeceği şeyler için planlama yapmaya iter: gebelik, doğum kontrolü ve klinik kararlar. Güven etiketi "bu bir tahmindir" der — ki öyle de zaten.

Düzensiz döngülere karşı dayanıklılık. PKOS, perimenopoz, hap sonrası döngüler ve hormon tedavisi sigma'yı genişletir. Geleneksel bir izleyici ya büyük ölçüde yanılır ya da kullanıcıyı sessizce dışarıda bırakır. Bayesçi bir izleyici tahmini "zayıf sinyal" olarak etiketler ve çalışmaya devam eder.

Modelin olmadığı şeyler

Birkaç kesin sınır, ileride bulanıklaşmasın diye yazıya dökülüyor:

• Model, bir sonraki adet tarihi aralığının ötesinde belirli döngü olaylarını tahmin etmez.
• Aile planlaması penceresi sunmaz.
• Gebelik veya doğum kontrolü kullanım durumları için tasarlanmamıştır.
• Klinik olarak doğrulanmamıştır ve geciken adet, düzensiz kanama ya da süregelen belirtiler için klinik tavsiyelerin yerine geçmez.

Bu sınırlar modelin aşırı ihtiyatlı olduğu anlamına gelmez. Modelin doğru kapsamlandırıldığı anlamına gelir. Döngü tahmini ile gebelik tahmini, farklı veri gereksinimleri ve farklı düzenleyici çıtaları olan ayrı problemlerdir.

Matematiğin günlük ritüelle buluştuğu yer

Soulwise'da Bayesçi çıktı, günlük check-in'de kullanılan döngü fazı bağlamını besler. 20 saniyelik ritüel kendinizi nasıl hissettiğinizi sorar; yanıt, döngü fazını beş girdiden biri olarak kullanır. Sigma geniş olduğunda yanıt kartı döngü fazına daha az ağırlık verir. Sigma dar olduğunda daha fazla. Matematik, ne kadar emin olduğu konusunda dürüst olarak hakkını kazanır.

Kısacası: gerçek bir Bayesçi izleyici sigma'yı gösterir. Uygulamanız tek bir güvenli tarih gösteriyorsa, altta yatan matematik aynı olabilir — ama çerçeveleme, modelin gerçekte ne bildiğini gizliyor demektir.