| #!/usr/bin/env gnuplot -c |
| outputfile="../output/graph" |
| datafile="../data/regresio.dat" |
| |
| # == CONFIGURACIÓ DE L'OUTPUT PEL LATEX == |
| set terminal cairolatex size 11cm, 8cm |
| set output outputfile.'.tex' |
| |
| # == CONFIGURACIÓ DEL PLOT == |
| set xlabel '$\frac{Q_s}{Q_s + Q_f}$' |
| set ylabel '$\frac{w_s}{w}$' |
| |
| # Opcions per la llegenda: |
| set key above |
| set key spacing 1.5 |
| |
| # == FIT == |
| set fit quiet |
| |
| # Funció per obtenir els dígits significatius d'una expressió |
| f_sd(n, i) = (int(n) == 0 ? f_sd(n*10, i+1) : (int(n) == 1 ? i+1 : i)) |
| significant_digits(n) = f_sd(n - 10*int(n/10), 0) |
| |
| significant_digits_r(n) = (n == 1 ? 0 : significant_digits(1 - abs(n))) |
| |
| f(x) = a*x + b |
| fit f(x) datafile u 1:2 via a, b |
| stats datafile u 1:2 name "STATS" nooutput |
| error_a = STATS_slope_err |
| sd_error_a = significant_digits(error_a) |
| error_b = STATS_slope_err |
| sd_error_b = significant_digits(error_b) |
| r = STATS_correlation |
| sd_r = significant_digits_r(r) |
| title_f(a, b, r) = sprintf('$\frac{Q_s}{Q_s + Q_f}(\frac{w_s}{w}) = %.'.sd_error_a.'f \frac{w_s}{w} + %.'.sd_error_b.'f$, $r = %.'.sd_r.'f$', a, b, r); |
| |
| print(sprintf('delta(a) = %.'.sd_error_a.'f, sd=%.0f', error_a, sd_error_a)) |
| print(sprintf('delta(b) = %.'.sd_error_b.'f, sd=%.0f', error_b, sd_error_b)) |
| print(sprintf('r = %.'.sd_r.'f, sd=%.0f', r, sd_r)) |
| |
| plot datafile u 1:2 t "Dades", \ |
| f(x) t title_f(a, b, r) |
| |
| # == CONFIGURACIÓ DE L'OUTPUT PER SVG == |
| # Això ho uso per generar també una imatge de previsualització que puc carregar |
| # a l'ordinador per veure més o menys com a sortit el plot sense haver |
| # d'inserir-ho al LaTeX per veure-ho. |
| set terminal svg dashed size 600, 600 font "Computer Modern,Tinos,Helvetica,15" |
| set output outputfile.'.svg' |
| |
| replot |