blob: 0f78491796f510d10752138f371320db42a8d4d6 [file] [log] [blame]
avm99963ee293542021-05-06 11:04:36 +02001#!/usr/bin/env gnuplot -c
2outputfile="../output/graph"
3datafile="../data/regresio.dat"
4
5# == CONFIGURACIÓ DE L'OUTPUT PEL LATEX ==
6set terminal cairolatex size 11cm, 8cm
7set output outputfile.'.tex'
8
9# == CONFIGURACIÓ DEL PLOT ==
10set xlabel '$\frac{Q_s}{Q_s + Q_f}$'
11set ylabel '$\frac{w_s}{w}$'
12
13# Opcions per la llegenda:
14set key above
15set key spacing 1.5
16
17# == FIT ==
18set fit quiet
19
20# Funció per obtenir els dígits significatius d'una expressió
21f_sd(n, i) = (int(n) == 0 ? f_sd(n*10, i+1) : (int(n) == 1 ? i+1 : i))
22significant_digits(n) = f_sd(n - 10*int(n/10), 0)
23
24significant_digits_r(n) = (n == 1 ? 0 : significant_digits(1 - abs(n)))
25
26f(x) = a*x + b
27fit f(x) datafile u 1:2 via a, b
28stats datafile u 1:2 name "STATS" nooutput
29error_a = STATS_slope_err
30sd_error_a = significant_digits(error_a)
31error_b = STATS_slope_err
32sd_error_b = significant_digits(error_b)
33r = STATS_correlation
34sd_r = significant_digits_r(r)
35title_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);
36
37print(sprintf('delta(a) = %.'.sd_error_a.'f, sd=%.0f', error_a, sd_error_a))
38print(sprintf('delta(b) = %.'.sd_error_b.'f, sd=%.0f', error_b, sd_error_b))
39print(sprintf('r = %.'.sd_r.'f, sd=%.0f', r, sd_r))
40
41plot datafile u 1:2 t "Dades", \
42 f(x) t title_f(a, b, r)
43
44# == CONFIGURACIÓ DE L'OUTPUT PER SVG ==
45# Això ho uso per generar també una imatge de previsualització que puc carregar
46# a l'ordinador per veure més o menys com a sortit el plot sense haver
47# d'inserir-ho al LaTeX per veure-ho.
48set terminal svg dashed size 600, 600 font "Computer Modern,Tinos,Helvetica,15"
49set output outputfile.'.svg'
50
51replot