def signal_delay(input_signal, delay_time):
    """
    Реализация устройства задержки сигнала
    
    Args:
        input_signal: список входного сигнала
        delay_time: время задержки (количество тактов)
    
    Returns:
        list: задержанный сигнал
    """
    # Инициализируем выход нулями для первых delay_time тактов
    output = [0] * delay_time
    
    # Добавляем входной сигнал со сдвигом
    output.extend(input_signal[:-delay_time] if delay_time > 0 else input_signal)
    
    return output

# Проверка функции задержки
print("=== ПРОВЕРКА ФУНКЦИИ ЗАДЕРЖКИ ===")
test_signal = [1, 2, 3, 4, 5, 6, 7, 8]
delay = 3
delayed_signal = signal_delay(test_signal, delay)

print(f"Исходный сигнал: {test_signal}")
print(f"Задержка: {delay} тактов")
print(f"Задержанный сигнал: {delayed_signal}")

# Визуализация
import matplotlib.pyplot as plt
plt.figure(figsize=(10, 4))
plt.plot(test_signal, 'bo-', label='Входной сигнал', markersize=8)
plt.plot(delayed_signal, 'ro-', label=f'Выход (задержка {delay})', markersize=6)
plt.title('Устройство задержки сигнала')
plt.xlabel('Время (такты)')
plt.ylabel('Амплитуда')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

def calculate_histogram(data, num_bins):
    """
    Расчет гистограммы для выборки данных
    
    Args:
        data: список значений выборки
        num_bins: количество интервалов разбиения
    
    Returns:
        tuple: (границы интервалов, частоты)
    """
    if not data:
        return [], []
    
    min_val = min(data)
    max_val = max(data)
    bin_width = (max_val - min_val) / num_bins
    
    # Создаем границы интервалов
    bins = [min_val + i * bin_width for i in range(num_bins + 1)]
    
    # Инициализируем счетчики
    frequencies = [0] * num_bins
    
    # Подсчитываем элементы в каждом интервале
    for value in data:
        for i in range(num_bins):
            if bins[i] <= value < bins[i + 1]:
                frequencies[i] += 1
                break
        else:
            # Обработка максимального значения
            if value == bins[-1]:
                frequencies[-1] += 1
    
    return bins, frequencies

def print_histogram_table(bins, frequencies):
    """Вывод гистограммы в виде таблицы"""
    print("\nГИСТОГРАММА:")
    print("Интервал\t\tКоличество элементов")
    print("-" * 45)
    
    for i in range(len(frequencies)):
        lower = bins[i]
        upper = bins[i + 1]
        count = frequencies[i]
        print(f"{lower:8.3f} - {upper:8.3f}\t\t{count:4d}")
    
    total = sum(frequencies)
    print("-" * 45)
    print(f"Всего:\t\t\t\t{total:4d}")

# Проверка функции гистограммы
print("\n=== ПРОВЕРКА ФУНКЦИИ ГИСТОГРАММЫ ===")
import random

# Генерируем тестовые данные (нормальное распределение)
test_data = [random.gauss(0, 1) for _ in range(1000)]
bins, freq = calculate_histogram(test_data, 10)

print_histogram_table(bins, freq)

# Визуализация гистограммы
plt.figure(figsize=(12, 5))

plt.subplot(1, 2, 1)
plt.hist(test_data, bins=10, alpha=0.7, edgecolor='black')
plt.title('Гистограмма (matplotlib)')
plt.xlabel('Значение')
plt.ylabel('Частота')
plt.grid(True, alpha=0.3)

plt.subplot(1, 2, 2)
# Рисуем нашу гистограмму
bin_centers = [(bins[i] + bins[i+1])/2 for i in range(len(bins)-1)]
plt.bar(bin_centers, freq, width=(bins[1]-bins[0])*0.8, 
        alpha=0.7, edgecolor='black')
plt.title('Наша гистограмма')
plt.xlabel('Значение')
plt.ylabel('Частота')
plt.grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

# Анонимная функция для расчета линейной регрессии
linear_regression = lambda b1, b2, X: b1 + b2 * X

# Проверка анонимной функции
print("\n=== ПРОВЕРКА АНОНИМНОЙ ФУНКЦИИ ЛИНЕЙНОЙ РЕГРЕССИИ ===")

# Тестовые параметры модели
b1_test = 2.5   # intercept
b2_test = 1.8   # slope
X_values = [0, 1, 2, 3, 4, 5]

print(f"Параметры модели: b1 = {b1_test}, b2 = {b2_test}")
print("Расчет значений Y = b1 + b2*X:")
print("X\tY")
print("-" * 12)

for X in X_values:
    Y = linear_regression(b1_test, b2_test, X)
    print(f"{X}\t{Y:.2f}")

# Визуализация линейной регрессии
plt.figure(figsize=(10, 6))

# Генерируем больше точек для плавного графика
X_smooth = [i/10 for i in range(0, 51)]
Y_smooth = [linear_regression(b1_test, b2_test, x) for x in X_smooth]

plt.plot(X_smooth, Y_smooth, 'b-', linewidth=2, label=f'Y = {b1_test} + {b2_test}*X')
plt.plot(X_values, [linear_regression(b1_test, b2_test, x) for x in X_values], 
         'ro', markersize=8, label='Расчетные точки')

plt.title('Линейная регрессия: Y = b1 + b2*X')
plt.xlabel('X')
plt.ylabel('Y')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

# Дополнительная проверка с разными параметрами
print("\n=== ПРОВЕРКА С РАЗНЫМИ ПАРАМЕТРАМИ ===")
test_cases = [
    (0, 1, 10),    # Y = X
    (5, 0.5, 10),  # Y = 5 + 0.5*X
    (-2, 2, 10)    # Y = -2 + 2*X
]

for b1, b2, X in test_cases:
    Y = linear_regression(b1, b2, X)
    print(f"b1={b1}, b2={b2}, X={X} -> Y = {Y}")