# Tải các thư viện cần thiết
library(shiny)
library(bslib) # Để có giao diện hiện đại
library(ggplot2) # Để vẽ đồ thị
library(shinycssloaders) # Để thêm hiệu ứng tải

# Định nghĩa các lựa chọn phân phối một lần để sử dụng ở cả UI và Server
dist_choices <- c("Chi-squared (df=3)" = "chisq",
                  "Beta (alpha=2, beta=5)" = "beta",
                  "Phân phối t (df=5)" = "t",
                  "Gamma (shape=2, rate=1.5)" = "gamma")

# --- Giao diện người dùng (UI) ---
ui <- fluidPage(
  # Sử dụng theme Bootstrap hiện đại
  theme = bs_theme(version = 5, bootswatch = "cerulean"),
  
  # MathJax để hiển thị công thức toán học
  withMathJax(),
  
  # Tiêu đề của ứng dụng
  titlePanel("Tính toán Cỡ mẫu cho Kiểm định Chuẩn Shapiro-Wilk"),
  
  # Bố cục sidebar
  sidebarLayout(
    sidebarPanel(
      h4("Tham số đầu vào"),
      
      # Chọn phân phối của giả thuyết đối (H1)
      selectInput("alt_dist", 
                  label = "Phân phối của giả thuyết đối (H1):",
                  choices = dist_choices,
                  selected = "chisq"),
      
      # Thanh trượt cho mức ý nghĩa (alpha)
      sliderInput("sig_level", 
                  label = "Mức ý nghĩa (\\(\\alpha\\)):",
                  min = 0.01, max = 0.10, value = 0.05, step = 0.01),
      
      # Thanh trượt cho power mong muốn
      sliderInput("power", 
                  label = "Power mong muốn (\\(1 - \\beta\\)):",
                  min = 0.50, max = 0.99, value = 0.80, step = 0.01),
      
      # Số lần lặp mô phỏng
      numericInput("n_sims",
                   label = "Số lần lặp mô phỏng:",
                   value = 500, min = 100, max = 5000),
      
      hr(),
      helpText("Kết quả chính và đồ thị Power sẽ tự động cập nhật. Chuyển sang tab 'Phân tích Mức ý nghĩa' để chạy các phân tích sâu hơn.")
    ),
    
    mainPanel(
      # Sử dụng tab để tổ chức kết quả
      tabsetPanel(
        id = "results_tabs",
        type = "pills",
        
        # Tab 1: Kết quả tính toán
        tabPanel(
          "Kết quả & Diễn giải",
          h4("Kết quả ước tính"),
          withSpinner(uiOutput("sample_size_output"), type = 6, color = "#007bff")
        ),
        
        # Tab 2: Đồ thị Power
        tabPanel(
          "Đồ thị Power vs. Cỡ mẫu",
          h4("Mối quan hệ giữa Power và Cỡ mẫu"),
          withSpinner(plotOutput("power_plot"), type = 6, color = "#007bff")
        ),
        
        # Tab 3: Phân tích Mức ý nghĩa (MỚI)
        tabPanel(
          "Phân tích Mức ý nghĩa",
          h4("Mối quan hệ giữa Cỡ mẫu và Mức ý nghĩa (\\(\\alpha\\))"),
          p("Phân tích này cho thấy cỡ mẫu cần thiết thay đổi như thế nào khi bạn điều chỉnh mức ý nghĩa alpha (với power và phân phối được giữ cố định từ các tham số chính)."),
          p("Vì tính toán này khá nặng, vui lòng nhấn nút bên dưới để bắt đầu."),
          actionButton("run_alpha_analysis", "Chạy phân tích Alpha", class = "btn-success mb-3"),
          withSpinner(plotOutput("alpha_analysis_plot"), type = 6, color = "#007bff")
        ),
        
        # Tab 4: Công thức và phương pháp
        tabPanel(
          "Giả thuyết và Phương pháp",
          h4("Giả thuyết của Kiểm định Shapiro-Wilk"),
          p("$$H_0: \\text{Dữ liệu tuân theo phân phối chuẩn}$$"),
          p("$$H_a: \\text{Dữ liệu không tuân theo phân phối chuẩn}$$"),
          hr(),
          h4("Phương pháp tính toán"),
          p("Chúng tôi sử dụng phương pháp mô phỏng Monte Carlo... (giải thích chi tiết)")
        )
      )
    )
  )
)

# --- Logic của máy chủ (Server) ---
server <- function(input, output, session) {
  
  # --- PHẦN TÍNH TOÁN CHÍNH (TỰ ĐỘNG) ---
  
  reactive_inputs <- reactive({
    list(
      sig_level = input$sig_level,
      power = input$power,
      alt_dist = input$alt_dist,
      n_sims = input$n_sims
    )
  })
  
  debounced_inputs <- debounce(reactive_inputs, 1000)
  
  simulation_results <- reactive({
    inputs <- debounced_inputs()
    sig_level <- inputs$sig_level
    target_power <- inputs$power
    alt_dist <- inputs$alt_dist
    n_sims <- inputs$n_sims
    
    sample_sizes <- seq(10, 500, by = 5)
    powers <- numeric(length(sample_sizes))
    
    withProgress(message = 'Đang chạy mô phỏng chính...', value = 0, {
      for (i in 1:length(sample_sizes)) {
        n <- sample_sizes[i]
        p_values <- replicate(n_sims, {
          if (alt_dist == "chisq") random_data <- rchisq(n, df = 3)
          else if (alt_dist == "beta") random_data <- rbeta(n, shape1 = 2, shape2 = 5)
          else if (alt_dist == "t") random_data <- rt(n, df = 5)
          else if (alt_dist == "gamma") random_data <- rgamma(n, shape = 2, rate = 1.5)
          shapiro.test(random_data)$p.value
        })
        powers[i] <- mean(p_values < sig_level)
        incProgress(1/length(sample_sizes), detail = paste("Cỡ mẫu n =", n))
        if (powers[i] >= target_power) {
          sample_sizes <- sample_sizes[1:i]
          powers <- powers[1:i]
          break
        }
      }
    })
    
    list(
      sample_sizes = sample_sizes,
      powers = powers,
      target_power = target_power,
      sig_level = sig_level,
      alt_dist_name = names(dist_choices)[dist_choices == alt_dist]
    )
  })
  
  output$sample_size_output <- renderUI({
    res <- simulation_results()
    first_index_above_power <- which(res$powers >= res$target_power)[1]
    if (!is.na(first_index_above_power)) {
      required_n <- res$sample_sizes[first_index_above_power]
      tagList(
        tags$p("Để phát hiện phân phối không chuẩn dạng", tags$b(res$alt_dist_name), "với power là", tags$b(res$target_power), "và mức ý nghĩa", tags$b(res$sig_level), ", bạn cần một cỡ mẫu ước tính là:"),
        tags$h3(style = "color: #007bff; text-align: center;", required_n)
      )
    } else {
      tags$div(class = "alert alert-warning", "Không đạt được power mong muốn trong khoảng cỡ mẫu đã thử (tối đa 500).")
    }
  })
  
  output$power_plot <- renderPlot({
    res <- simulation_results()
    plot_data <- data.frame(SampleSize = res$sample_sizes, Power = res$powers)
    ggplot(plot_data, aes(x = SampleSize, y = Power)) +
      geom_line(color = "#007bff", size = 1.2) + geom_point(color = "#007bff", size = 3) +
      geom_hline(yintercept = res$target_power, linetype = "dashed", color = "red") +
      labs(title = paste("Power của Kiểm định Shapiro-Wilk vs. Phân phối", res$alt_dist_name), x = "Cỡ mẫu (n)", y = "Power thực nghiệm (1 - β)") +
      theme_minimal(base_size = 14)
  })
  
  # --- PHẦN PHÂN TÍCH ALPHA (CHẠY KHI BẤM NÚT) ---
  
  alpha_analysis_results <- eventReactive(input$run_alpha_analysis, {
    # Lấy các tham số cố định từ input
    target_power <- input$power
    alt_dist <- input$alt_dist
    n_sims <- input$n_sims
    
    # Dãy các giá trị alpha để phân tích
    alpha_values <- seq(0.01, 0.15, by = 0.01)
    required_n_values <- numeric(length(alpha_values))
    
    withProgress(message = 'Đang chạy phân tích Alpha...', value = 0, {
      # Vòng lặp qua từng giá trị alpha
      for (j in 1:length(alpha_values)) {
        current_alpha <- alpha_values[j]
        
        # Logic tìm cỡ mẫu cho alpha hiện tại
        sample_sizes <- seq(10, 500, by = 10) # Dùng bước nhảy lớn hơn để nhanh hơn
        required_n <- NA
        for (i in 1:length(sample_sizes)) {
          n <- sample_sizes[i]
          p_values <- replicate(n_sims, {
            if (alt_dist == "chisq") random_data <- rchisq(n, df = 3)
            else if (alt_dist == "beta") random_data <- rbeta(n, shape1 = 2, shape2 = 5)
            else if (alt_dist == "t") random_data <- rt(n, df = 5)
            else if (alt_dist == "gamma") random_data <- rgamma(n, shape = 2, rate = 1.5)
            shapiro.test(random_data)$p.value
          })
          
          current_power <- mean(p_values < current_alpha)
          
          if (current_power >= target_power) {
            required_n <- n
            break
          }
        }
        required_n_values[j] <- required_n
        incProgress(1/length(alpha_values), detail = paste("Alpha =", current_alpha))
      }
    })
    
    data.frame(Alpha = alpha_values, RequiredN = required_n_values)
  })
  
  output$alpha_analysis_plot <- renderPlot({
    plot_data <- alpha_analysis_results()
    
    ggplot(plot_data, aes(x = Alpha, y = RequiredN)) +
      geom_line(color = "#28a745", size = 1.2) +
      geom_point(color = "#28a745", size = 3) +
      labs(
        title = paste("Cỡ mẫu cần thiết vs. Mức ý nghĩa (Power cố định =", input$power, ")"),
        x = "Mức ý nghĩa (α)",
        y = "Cỡ mẫu cần thiết (n)"
      ) +
      theme_minimal(base_size = 14)
  })
}

# Chạy ứng dụng Shiny
shinyApp(ui = ui, server = server)