"""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