%%% Function grafici
% input: stima delle posizioni del nodo mobile rispetto l'asse x (stima_x)
%        e asse y (stima_y), relative varianze (St2_x, St2_y),
%        algoritmo distribuito utilizzato

function [] = grafici(stima_x, stima_y, St2_x, St2_y, metodo, raggio)

load posizioniNM 

% Residui, errore medio, errore massimo

res_x = stima_x-test_Y_x;
res_y = stima_y-test_Y_y;

mse_x = mean(res_x.^2);
mse_y = mean(res_y.^2);

em_x = mean(abs(res_x)); % errore medio
em_y = mean(abs(res_y)); % errore medio

pll_x = -0.5*mean(log(2*pi*St2_x)+res_x.^2./St2_x);
pll_y = -0.5*mean(log(2*pi*St2_y)+res_y.^2./St2_y);

max_x = max(abs(res_x));
max_y = max(abs(res_y));

disp(' ')
disp(['Risultati relativi all`asse x utilizzando il metodo ' num2str(metodo) ' con un raggio di ' num2str(raggio) ' metri.']);
fprintf(1,'The mean squared error is %10.6f\n', mse_x);
fprintf(1,'Errore medio è %10.6f\n', em_x);
fprintf(1,'L errore massimo è %10.6f\n', max_x);
fprintf(1,'and the mean predictive log likelihood is %6.4f.\n', pll_x);
disp(' ')
disp(' ')
disp(['Risultati relativi all`asse y utilizzando il metodo ' num2str(metodo) 'con un raggio di' num2str(raggio) ' metri.']);
fprintf(1,'The mean squared error is %10.6f\n', mse_y);
fprintf(1,'Errore medio è %10.6f\n', em_y);
fprintf(1,'L errore massimo è %10.6f\n', max_y);
fprintf(1,'and the mean predictive log likelihood is %6.4f.\n', pll_y);
disp(' ')

a = round(max(max(abs(res_x),abs(res_y))));
b = round(max(max(sqrt(St2_x),sqrt(St2_y))));

figure
subplot(2,2,1), plot(res_x,'.'), grid minor ,ylim([-a a]), xlim([0 105]), ylabel('residui asse x'), xlabel('test case')
subplot(2,2,2), plot(sqrt(St2_x),'.'), grid minor, ylim([0 b]), xlim([0 105]), ylabel('deviazione standard asse x'), xlabel('test case')
subplot(2,2,3), plot(res_y,'.'), grid minor, ylim([-a a]), xlim([0 105]),ylabel('residui asse y'), xlabel('test case')
subplot(2,2,4), plot(sqrt(St2_y),'.'), grid minor , ylim([0 b]), xlim([0 105]),ylabel('deviazione standard asse y'), xlabel('test case')
end