/* 

  Squid game in Picat.

  From the PSI model squid.psi
  """
  tiles:=18;
  people:=16;
  def main()(
        known:=0;
        r:=();
        for i in 0..people(
                alive := true;
                while alive && known<tiles(
                        alive = (flip 1/2);
                        known += 1;
                )
                r~=(Expectation(alive));
        )
        return r; ;; expected: δ(1/262144,19/262144,43/65536,247/65536,253/16384,1577/32768,7795/65536,15751/65536,53381/131072,77691/131072,49785/65536,57741/65536,31191/32768,16131/16384,65289/65536,65493/65536)(r)
  """
  PSI model's (exact) expectation of the 16 people converted to float:
  0.000003814697265625, 0.000072479248046875, 0.0006561279296875,   0.0037689208984375,  0.01544189453125,    
  0.048126220703125,    0.1189422607421875,   0.2403411865234375,   0.40726470947265625, 0.5927352905273438,
  0.7596588134765625,   0.8810577392578125,   0.951873779296875,    0.98455810546875,    0.9962310791015625,   
  0.9993438720703125


  (Compare with my Gamble model gamble_squid_game.rkt using another approach.)

  This program was created by Hakan Kjellerstrand, hakank@gmail.com
  See also my Picat page: http://www.hakank.org/picat/

*/

import ppl_distributions, ppl_utils.

main => go.

/*
var : R
Probabilities:
[false,false,false,false,false,false,false,false,false,true,true,true,true,true,true,true]: 0.18523333333333333 (5557 / 30000)
[false,false,false,false,false,false,false,false,true,true,true,true,true,true,true,true]: 0.17263333333333333 (5179 / 30000)
[false,false,false,false,false,false,false,false,false,false,true,true,true,true,true,true]: 0.16539999999999999 (827 / 5000)
[false,false,false,false,false,false,false,false,false,false,false,true,true,true,true,true]: 0.12063333333333333 (3619 / 30000)
[false,false,false,false,false,false,false,true,true,true,true,true,true,true,true,true]: 0.11920000000000000 (149 / 1250)
[false,false,false,false,false,false,false,false,false,false,false,false,true,true,true,true]: 0.07153333333333334 (1073 / 15000)
[false,false,false,false,false,false,true,true,true,true,true,true,true,true,true,true]: 0.07056666666666667 (2117 / 30000)
[false,false,false,false,false,true,true,true,true,true,true,true,true,true,true,true]: 0.03340000000000000 (167 / 5000)
[false,false,false,false,false,false,false,false,false,false,false,false,false,true,true,true]: 0.03153333333333333 (473 / 15000)
[false,false,false,false,false,false,false,false,false,false,false,false,false,false,true,true]: 0.01123333333333333 (337 / 30000)
[false,false,false,false,true,true,true,true,true,true,true,true,true,true,true,true]: 0.01103333333333333 (331 / 30000)
[false,false,false,false,false,false,false,false,false,false,false,false,false,false,false,true]: 0.00353333333333333 (53 / 15000)
[false,false,false,true,true,true,true,true,true,true,true,true,true,true,true,true]: 0.00280000000000000 (7 / 2500)
[false,false,false,false,false,false,false,false,false,false,false,false,false,false,false,false]: 0.00066666666666667 (1 / 1500)
[false,false,true,true,true,true,true,true,true,true,true,true,true,true,true,true]: 0.00056666666666667 (17 / 30000)
[false,true,true,true,true,true,true,true,true,true,true,true,true,true,true,true]: 0.00003333333333333 (1 / 30000)

var : R1
Probabilities:
false: 1.00000000000000000 (1 / 1)

var : R2
Probabilities:
false: 0.99996666666666667 (29999 / 30000)
true: 0.00003333333333333 (1 / 30000)

var : R3
Probabilities:
false: 0.99939999999999996 (4997 / 5000)
true: 0.00060000000000000 (3 / 5000)

var : R4
Probabilities:
false: 0.99660000000000004 (4983 / 5000)
true: 0.00340000000000000 (17 / 5000)

var : R5
Probabilities:
false: 0.98556666666666670 (29567 / 30000)
true: 0.01443333333333333 (433 / 30000)

var : R6
Probabilities:
false: 0.95216666666666672 (5713 / 6000)
true: 0.04783333333333333 (287 / 6000)

var : R7
Probabilities:
false: 0.88160000000000005 (551 / 625)
true: 0.11840000000000001 (74 / 625)

var : R8
Probabilities:
false: 0.76239999999999997 (953 / 1250)
true: 0.23760000000000001 (297 / 1250)

var : R9
Probabilities:
false: 0.58976666666666666 (17693 / 30000)
true: 0.41023333333333334 (12307 / 30000)

var : R10
Probabilities:
true: 0.59546666666666670 (2233 / 3750)
false: 0.40453333333333336 (1517 / 3750)

var : R11
Probabilities:
true: 0.76086666666666669 (11413 / 15000)
false: 0.23913333333333334 (3587 / 15000)

var : R12
Probabilities:
true: 0.88149999999999995 (1763 / 2000)
false: 0.11849999999999999 (237 / 2000)

var : R13
Probabilities:
true: 0.95303333333333329 (28591 / 30000)
false: 0.04696666666666666 (1409 / 30000)

var : R14
Probabilities:
true: 0.98456666666666670 (29537 / 30000)
false: 0.01543333333333333 (463 / 30000)

var : R15
Probabilities:
true: 0.99580000000000002 (4979 / 5000)
false: 0.00420000000000000 (21 / 5000)

var : R16
Probabilities:
true: 0.99933333333333330 (1499 / 1500)
false: 0.00066666666666667 (1 / 1500)

var : num_survived
Probabilities:
7: 0.18523333333333333 (5557 / 30000)
8: 0.17263333333333333 (5179 / 30000)
6: 0.16539999999999999 (827 / 5000)
5: 0.12063333333333333 (3619 / 30000)
9: 0.11920000000000000 (149 / 1250)
4: 0.07153333333333334 (1073 / 15000)
10: 0.07056666666666667 (2117 / 30000)
11: 0.03340000000000000 (167 / 5000)
3: 0.03153333333333333 (473 / 15000)
2: 0.01123333333333333 (337 / 30000)
12: 0.01103333333333333 (331 / 30000)
1: 0.00353333333333333 (53 / 15000)
13: 0.00280000000000000 (7 / 2500)
0: 0.00066666666666667 (1 / 1500)
14: 0.00056666666666667 (17 / 30000)
15: 0.00003333333333333 (1 / 30000)


*/
go ?=>
  reset_store(),
  run_model(30_000,$model,[show_probs_rat,mean]),
  fail,
  nl.
go => true.

model() =>
  Tiles = 18,
  People = 16,

  Known = 0,
  R = [],
  foreach(P in 1..People)
    Alive = true,
    while (Alive, Known < Tiles)
      Alive := flip(1/2),
      Known := Known + 1
    end,
    R := R ++ [Alive]       
  end,
  add("R",R),
  add("num_survived",[ cond(R[I]==true,1,0) : I in 1..People].sum),
  foreach(P in 1..People)
    add("R"++P.to_string,R[P])
  end.