Spaces:
Paused
Paused
File size: 2,903 Bytes
8ccac0b | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 | """Estado estratégico recursivo del modelo determinístico (Experimento A — TA-003).
Formaliza la idea de CADENA DE MARKOV: el estado en la jugada N se obtiene
aplicando una función de transición al estado anterior y a la jugada actual,
estado_N = actualizar(estado_{N-1}, jugada_N)
donde el estado resume toda la historia relevante (es un *estadístico
suficiente*: contiene la serie y los features derivados de ella). Como la
transición es determinística y sin azar, el mismo historial produce SIEMPRE el
mismo estado → replicabilidad por construcción (RN-004).
Categoría académica: autómata de estado finito / proceso markoviano determinístico.
"""
from __future__ import annotations
from dataclasses import dataclass, replace
from . import features
@dataclass(frozen=True)
class EstadoEstrategico:
"""Estadístico suficiente de la partida hasta la jugada actual (un jugador).
`frozen=True` lo vuelve inmutable: cada transición devuelve un estado nuevo,
nunca muta el anterior. Esto refuerza la pureza y la replicabilidad.
"""
n_jugadas: int = 0
serie_cp: tuple = () # diferencia_cp del jugador, en orden cronológico
errores: int = 0
imprecisiones: int = 0
# Features derivados (se recalculan en cada transición).
media_propia: float = 0.0
pendiente: float = 0.0
racha: int = 0
cambio: float = 0.0
fase: str = "apertura"
ultima_clasificacion: str = ""
def actualizar(estado: EstadoEstrategico, dif_cp: int,
clasificacion: str, numero: int) -> EstadoEstrategico:
"""Función de transición de la cadena de Markov: estado_{N-1} → estado_N."""
serie = estado.serie_cp + (dif_cp,)
serie_lista = list(serie)
media_propia = features.media(serie_lista)
return replace(
estado,
n_jugadas=estado.n_jugadas + 1,
serie_cp=serie,
errores=estado.errores + (1 if clasificacion == "Error" else 0),
imprecisiones=estado.imprecisiones + (1 if clasificacion == "Imprecisión" else 0),
media_propia=media_propia,
pendiente=features.pendiente(serie_lista[-features.VENTANA:]),
racha=features.racha_bajo_media(serie_lista, media_propia),
cambio=features.cambio_regimen(serie_lista),
fase=features.fase(numero),
ultima_clasificacion=clasificacion,
)
def construir(jugadas: list[tuple]) -> EstadoEstrategico:
"""Reduce (fold) la función de transición sobre la secuencia de jugadas.
`jugadas`: lista de tuplas (diferencia_cp, clasificacion, numero) en orden
cronológico, correspondientes a un mismo jugador. Aplicar `actualizar`
repetidamente ES la cadena de Markov desplegada sobre la partida.
"""
estado = EstadoEstrategico()
for dif_cp, clasificacion, numero in jugadas:
estado = actualizar(estado, dif_cp, clasificacion, numero)
return estado
|