#ifndef AIC_H
#define AIC_H
#include "Estimation.h"
#include <vector>

using namespace std;

// критерий Акаике. Наследуется от класса Estimation.
// реализует метод "получить значение критерия"
class Aic : public Estimation {
private:
	static double getMinValue(vector<double> AicWeights); // Найти минимальный элемент вектора
	//For fuzzy adoptive weights calculate
	//Delta koeff
	static double delta;
	static double N;
	static double relativeError(double value, double forecastedValue);
	static double forecastedTendency(vector<double> realSeria);
	static double grayTendency(double forecastedTendency, vector<double> timeSeria, vector<vector<double>> forecastedSeries);
	static double grayBasicWeight(double relativeError, vector<double> timeSeria, vector<vector<double>> forecastedSeries);
	static double adaptiveControlCoefficient(int i);
	static double beta(vector<double> timeSeria, vector<vector<double>> forecastedSeries);
	static double alpha(vector<double> timeSeria, vector<vector<double>> forecastedSeries);
public:
	Aic();
	~Aic();
	static int getParamsCount(vector<double> model);
	static double logLikNLS(vector<double> model, vector<double> weights);
	static double logLikLM(vector<double> model, vector<double> weights);
	static vector<double> calculateWeights(vector<double> AicWeights); //Рассчитать значения весов
	static vector<double> calculateFuzzyAdaptiveWeights(vector<double> timeSeria, vector<vector<double>> forecastedSeries); //Рассчитать значения весов
	double getBicValue(int paramsCount, vector<double> original, vector<double> model);
	double getAiccValue(int paramsCount, vector<double> original, vector<double> model);
	double getValue(int paramsCount,// int tsLen, bool isSecondOrder,
		vector<double> original, vector<double> model); //получить значение оценки модели
	double getValue(// int tsLen, bool isSecondOrder,
		vector<double> original, vector<double> model); //получить значение оценки модели

};
#endif