import streamlit as st
import numpy as np
import plotly.graph_objects as go
import pandas as pd
from PIL import Image

#Criei uma função para repetir o HTML
def html(conteudo):
    st.markdown(conteudo, unsafe_allow_html=True)

st.markdown("### Simulação de Gols por Partida")

html('<p>Um técnico de futebol quer entender a estatística por trás do campo e aumentar a efetividade do seu time</p>')
html('<p>Para variar o esquema tático ele desenvolveu uma ferramenta para saber se precisa colocar em campo jogadores que vão conseguir produzir mais volume de jogo <b>(mais chutes ao gol)</b> ou um atacante mais efetivo, que aumentaria a <b> probabilidade de fazer o gol</b> </p>')
html('<p>Com isso, desenvolveu a ferramenta utilizando a Distribuição Binomial. Ele já sabe que o seu time tem a probabilidade de fazer um gol por chute de 14%, ele quer saber qual esquema tático utilizar, enquanto o jogo acontece, variando os parâmetros que ele pode controlar; Como a quantidade de chutes que está dada ao gol.</p>')

html('<p><li>Este parâmetro define o valor do número de chutes da partida</li></p>')
numero_chutes_partida = st.slider("Chutes na Partida", 0, 30, 6) 

html('<p><li>Esta é a taxa de sucesso desse time fazer um gol</li></p>')
probabilidade_gol = st.slider("Probabilidade de um Chute virar Gol em %", 0, 100, 14)

html('<p><li>Quantas Simulações serão feitas</li></p>')
simulacoes_monte_carlo = st.slider("Quantidade de Simulações - Monte Carlo", 1000, 100000, 5000)

imagem = Image.open("src/binomial.png")
st.image(imagem)
html('<p>X = o número de Gols ou a variável aleatória; k = seria o valor de gols; n = o número total de chutes na partida; p a probabilidade desse chute virar gol;</p>') 
html('<p>(1-p) = probabilidade de errar o gol; (n/k) = numero de combinações possíveis de escolher (k) gols em (n) tentativas </p>') 
html('<p> Exemplo: n = 5, p = 0.2 e k = 2, o resultado é: 20,48% de chance de fazer exatamente 2 gols em 5 chutes</p>') 

html('<p>Por que usar a Binomial?</p>')
html('<p>Com a simulação monte carlo e utilizando a Distribuição Binomial, o técnico vai saber a distribuição, tendo a ideia de quantos gols fará variando o seu esquema tático (afetando chutes e a probabilidade de fazer o gol)</p>') 


probabilidade_gol = (probabilidade_gol/100)
simulacoes = np.random.binomial(numero_chutes_partida, probabilidade_gol, simulacoes_monte_carlo)

if "params" not in st.session_state or st.session_state.params != (
    numero_chutes_partida,
    probabilidade_gol,
    simulacoes_monte_carlo,
):
    st.session_state.simulacoes = np.random.binomial(
        numero_chutes_partida, probabilidade_gol, simulacoes_monte_carlo
    )
    st.session_state.params = (
        numero_chutes_partida,
        probabilidade_gol,
        simulacoes_monte_carlo,
    )

# Recupera as simulações salvas
simulacoes = st.session_state.simulacoes

html('<li>Abaixo uma tabela das distribuições com os parâmetros inseridos acima</li>')
gols, numero_partidas = np.unique(simulacoes, return_counts=True)
df = pd.DataFrame(
    {
        "Gols": [f"`{gol}`" for gol in gols],
        "Partidas": [f"**{partida}**" for partida in numero_partidas]
    }
)

st.table(df)

# Gráfico
fig = go.Figure()
fig.add_trace(go.Histogram(
    x=simulacoes,
    nbinsx=numero_chutes_partida+1,
    name='Distribuição de Gols',
    marker_color='green',
    opacity=0.75
))

fig.update_layout(
    title="Distribuição Simulada de Gols por Jogo",
    xaxis_title="Número de Gols em um Jogo",
    yaxis_title="Frequência",
    plot_bgcolor="white",
    bargap=0.05
)

st.plotly_chart(fig, use_container_width=True)


html('<h4>Quantos chutes preciso fazer para vencer a partida.</h4>')

#Outra simulação para descobrir quantos gols preciso fazer
meta_gol = st.number_input("A Quantidade de Gols que você precisa",min_value=1,max_value=10,value=2)
meta_gol = int(meta_gol)
chutes_para_gol = meta_gol / probabilidade_gol

numeros_possiveis = False ## Uma Flag para ver se é possível fazer essa quantidade gol com a probabilidade informada.
for numero_chutes in range(1, 50):
    simulacoes2 = np.random.binomial(numero_chutes, probabilidade_gol, simulacoes_monte_carlo)
    media_total_gols = np.mean(simulacoes2)
    
    if media_total_gols >= meta_gol:
        st.write(f"Com {numero_chutes} chutes e probabilidade de {probabilidade_gol}%, você atinge em média {media_total_gols:.2f} gols.")
        numeros_possiveis = True
        break

if numeros_possiveis == False:
    st.write("Não foi possível calcular a quantidade de gols necessárias, aumente a probabilidade")