# QC Élection Forecast — Plateforme de prévision électorale du Québec 2026
# Auteur : Simon-Pierre Boucher
# Contact : contact@spboucher.ai
# https://www.qc-election.com
"""Pondération des sondages : temps, taille effective d'échantillon, sondeur.

Le filtre de Kalman intègre déjà le temps (structure d'état) et la précision
(variance d'observation). Les poids calculés ici servent :
  1. à moduler la variance d'observation (qualité du sondeur, design effect);
  2. à afficher de façon transparente le poids relatif de chaque sondage.
"""
from __future__ import annotations

import math
from datetime import date

from ..config import settings


def effective_n(sample_size: int | None, mode: str) -> float:
    """Taille effective : n / design effect, plafonnée (anti-domination)."""
    n = sample_size or 600  # défaut prudent si taille inconnue
    deff = settings.design_effects.get(mode, settings.design_effects["unknown"])
    return min(n / deff, float(settings.max_effective_n))


def time_weight(field_end: date, as_of: date) -> float:
    age = max(0, (as_of - field_end).days)
    return 0.5 ** (age / settings.time_decay_halflife_days)


def sample_weight(sample_size: int | None, mode: str) -> float:
    return math.sqrt(effective_n(sample_size, mode) / 1000.0)


def display_weight(field_end: date, as_of: date, sample_size: int | None,
                   mode: str, pollster_multiplier: float = 1.0) -> float:
    """Poids relatif affiché dans le Poll Explorer (0–1, normalisé côté API)."""
    return time_weight(field_end, as_of) * sample_weight(sample_size, mode) * pollster_multiplier