#!/usr/bin/env gnuplot -c
# == DEFINICIONS ==
outputfile = ARG3 # Nom de la imatge resultant (sense extensió)
outputfile2 = ARG4 # Nom de la imatge resultant 2 (sense extensió)
datafile = ARG1 # Nom del fitxer de dades que es vol usar
derivafile = ARG2 # Nom del fitxer de dades que es vol usar
error_sist_b = 0.001 # Error sistemàtic en l'eix y

# Set to 0 for quadratic fitting.
# Set to 1 for linear fitting.
linear = 0

# == CONFIGURACIÓ DE L'OUTPUT PEL LATEX ==
set terminal cairolatex size 7.4cm, 6cm
set output outputfile.'.tex'

# == CONFIGURACIÓ DEL PLOT ==
set xlabel "$t \\, (\\si{\\second})$"
set ylabel "$V \\, (\\si{\\milli\\volt})$"
set xtics 200

# Opcions per la llegenda:
set key above
set key spacing 1.5

# == CONFIGURACIÓ DEL FIT ==
set fit quiet

if (linear == 1) {
    f(x) = a*x + b # Funció a fitar
    fit f(x) derivafile u 1:2 via a, b # Fem el fit de les dades

    # Això s'usa per obtenir el valor del coeficient de correlació "r", que estarà
    # guardat a la var. "STATS_correlation"
    stats derivafile u 1:2 name "STATS" nooutput

    # 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 - n))

    error_a = STATS_slope_err
    sd_error_a = significant_digits(error_a)
    error_b = sqrt(STATS_slope_err + error_sist_b)
    sd_error_b = significant_digits(error_b)
    r = STATS_correlation
    sd_r = significant_digits_r(r)

    print("=== ".derivafile." ===")
    print("* Linear fit")
    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))

    # Aquesta funció escriu, a partir dels valors del paràmetres a, b i r,
    # l'equació de la regressió:
    title_f(a, b, r) = sprintf('$Deriva d(t) = %.'.sd_error_a.'f t + (%.'.sd_error_b.'f)$, $r = %.'.sd_r.'f$', a, b, r);

    plot [0:] datafile u 1:2 t "Senyal calorimètric" w p pt 7 ps 0.35, f(x) t title_f(a, b, r)
} else {
    print("=== ".derivafile." ===")
    print("* Quadratic fit")

    f(x) = a*x*x + b*x + c # Funció a fitar
    fit f(x) derivafile u 1:2 via a, b, c # Fem el fit de les dades

    title_f(a, b, c) = sprintf('$d(t) = %.1e t^2 + %.1e t + %.1e t$', a, b, c);

    plot [0:] datafile u 1:2 t "Senyal calorimètric" w p pt 7 ps 0.35, f(x) t "Línia base"
}

stats datafile u (column(1) < 100 ? 0 : column(2) - f(column(1))) name "CORRECTED_STATS" nooutput

print(sprintf("Y = %.3f", CORRECTED_STATS_max))

# == 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

# Fem el plot del segon gràfic

set terminal cairolatex size 7.4cm, 6cm
set output outputfile2.'.tex'

plot [0:] datafile u 1:(column(2) - f(column(1))) t "Senyal calor. corregit" w p pt 7 ps 0.35

set terminal svg dashed size 600, 600 font "Computer Modern,Tinos,Helvetica,15"
set output outputfile2.'.svg'

replot