import numpy as np
from scipy.integrate import simps
import matplotlib.pyplot as plt

# Определяем временной интервал
t_start = 0
t_end = 10  # t1 по вашему выбору
num_points = 1000  # Количество точек для дискретизации

t = np.linspace(t_start, t_end, num_points)

# Функция степени интеграции информации I(t)
def I_integration(t):
    # Пример функции, замените на вашу модель
    # Например, экспоненциальное нарастание
    return np.exp(-0.1 * t) * np.sin(t)

# Функция степени рекуррентности R(t)
def R_recurrent(t):
    # Пример функции, замените на вашу модель
    # Например, косинусная функция
    return 1 + 0.5 * np.cos(0.5 * t)

# Вычисляем значения функций
I_values = I_integration(t)
R_values = R_recurrent(t)

# Вычисляем подынтегральную функцию
integrand = I_values * R_values

# Численное интегрирование с помощью метода Симпсона
Phi_e = simps(integrand, t)

print(f"Значение эмерджентной интегрированной информации (Φₑ): {Phi_e}")

# Построение графиков функций
plt.figure(figsize=(12, 8))

plt.subplot(3, 1, 1)
plt.plot(t, I_values, label='I₍интеграции₎(t)', color='blue')
plt.title('Степень интеграции информации I(t)')
plt.xlabel('Время t')
plt.ylabel('I(t)')
plt.legend()
plt.grid(True)

plt.subplot(3, 1, 2)
plt.plot(t, R_values, label='R₍рекуррентности₎(t)', color='green')
plt.title('Степень рекуррентности R(t)')
plt.xlabel('Время t')
plt.ylabel('R(t)')
plt.legend()
plt.grid(True)

plt.subplot(3, 1, 3)
plt.plot(t, integrand, label='I(t) * R(t)', color='red')
plt.title('Подынтегральная функция I(t) * R(t)')
plt.xlabel('Время t')
plt.ylabel('I(t) * R(t)')
plt.legend()
plt.grid(True)

plt.tight_layout()
plt.show()