<chapter id="pluginsandfilters">
<title
>Plugins, aanpassingen (fits) en filters</title>
<para
>Door plugins krijgt &kst; meer mogelijkheden. Standaard wordt &kst; geleverd met tal van ingebouwde plugins. Een eenvoudige en consistente interface maakt het bovendien mogelijk dat op een eenvoudige manier plugins kunnen worden gemaakt door derden. Aanpassingen en filters zijn deelverzamelingen van de verzameling van plugins en gedragen zich dus op dezelfde manier, met uitzondering van het toegevoegde gemak van de dialoog die beschikbaar is in het <link linkend="theplotcontextmenu"
>plotcontextmenu</link
>. </para>

<sect1 id="addingandremovingplugins">
<title
>Toevoegen en verwijderen van plugins</title>
<para
>Standaard worden de ingebouwde plugins opgeslagen in de map <filename
>/usr/lib/kde3/kstplugins/</filename
> (dit kan bij u anders zijn, afhankelijk van de installatie van &kst;). De pluginbeheerder kan worden gebruikt om plugins toe te voegen of te verwijderen. U kunt de pluginbeheerder bereiken met <guimenuitem
>Plugins...</guimenuitem
> in het menu <guimenu
>Instellingen</guimenu
>. De pluginbeheerder toont een lijst van de geïnstalleerde plugins. </para>

<para
>Om een plugin toe te voegen klikt u op de knop <guibutton
>Installeren...</guibutton
>. Blader naar de map die zowel het bestand bevat met de pluginspecificaties (<literal role="extension"
>*.xml</literal
>) als het objectbestand (<literal role="extension"
>*.o</literal
>). Klik op <guibutton
>OK</guibutton
> waarna de plugin geïnstalleerd moet zijn. </para>

<para
>U kunt een plugin verwijderen door gewoon de plugin in de pluginbeheerder te selecteren en op de knop <guibutton
>Verwijderen</guibutton
> te klikken. U wordt gevraagd om dit te bevestigen. </para>

<para
>Om de lijst van plugins in de pluginbeheerder snel te vernieuwen klikt u op de knop <guibutton
>Vernieuwen</guibutton
>. Zodoende worden alle plugins verwijderd die niet meer aanwezig zijn in de opgegeven paden en worden de nieuwe plugins die zich bevinden in de standaardmap voor plugins toegevoegd. </para>

</sect1>


<sect1 id="builtinplugins">
<title
>Ingebouwde plugins</title>
<para
>Op dit moment zijn er meer dan 25 ingebouwde plugins beschikbaar in &kst; voor functies die variëren van kruiscorrelaties van twee vectoren tot het maken van periodogrammen van een gegevensverzameling. Het instellingsvenster van elke plugin heeft twee hoofdafdelingen&mdash;een invoergedeelte en een uitvoergedeelte. Elke afdeling bevat een verzameling scalairen en/of vectoren. De volgende schermafbeelding laat het instellingsvenster zien van een typische plugin. Het enige verschil tussen de verschillende plugins is de invoer en de uitvoer, en het mechanisme waarmee de uitvoer wordt verkregen uit de invoer. </para>


<screenshot>
<screeninfo
>Pluginvenster</screeninfo>
<mediaobject>
<imageobject>
<imagedata fileref="Screenshot-kst-pluginswindow.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Pluginvenster</phrase>
</textobject>
</mediaobject>
</screenshot>

<para
>In de volgende secties worden het doel, de voornaamste algoritmes of formules die voor de berekeningen worden gebruikt, beschreven, en de in- en uitvoer van elke plugin. Merk op dat in de volgende secties ook plugins zijn opgenomen voor aanpassing (fit) en filteren. </para>


<!-- Begin the long plugins section.  -->
<sect2 id="plugin-autocorrelation">
<title
>Autocorrelatie</title>
<para
>De plugin voor autocorrelatie berekent correlatiewaarden tussen een reeks (vector) en een vertraagde versie daarvan met gebruik van de vertragingswaarden vanaf <literal
>floor(-(N-1)/2)</literal
> tot <literal
>floor((N-1)/2)</literal
>, waarin <literal
>N</literal
> het aantal punten is in de puntverzameling. Er wordt geen tijdvector ingevoerd omdat wordt aangenomen dat de gegevens met gelijke tijdintervallen zijn bemonsterd. De correlatiewaarde <literal
>r</literal
> met vertraging <literal
>k</literal
> is: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-autocorrelation.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formule autocorrelatie</phrase>
</textobject>
</inlinemediaobject>
</para>

<sect3 id="plugin-autocorrelation-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij <literal
>x</literal
> van waarden waarvoor de correlatiewaarden moet worden berekend. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-autocorrelation-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>Stappen (vector)</term>
<listitem>
<para
>De rij van stap- of vertragingswaarden. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Correlatie (vector)</term>
<listitem>
<para
>De rij van correlatiewaarden berekend met de overeenkomende stap in de vector Stappen. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

</sect2>

<sect2 id="plugin-bin">
<title
>Groep</title>
<para
>De Groepplugin deelt de elementen van een enkele gegevensvector in in groepen met een opgegeven grootte. De waarde voor elke groep is het gemiddelde van de elementen in de groep. Bijvoorbeeld, met een groepsgrootte van <literal
>3</literal
> en met de invoervector <literal
>[9,2,7,3,4,74,5,322,444,2,1]</literal
> zijn de uitgevoerde groepen <literal
>[6,27,257]</literal
>. Merk op dat als er elementen zijn aan het einde van de invoervector die niet een volle groep vormen (in dit geval de elementen <literal
>2</literal
> en <literal
>1</literal
>) deze eenvoudig worden weggelaten. </para>
<sect3 id="plugin-bin-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>Invoervector (vector)</term>
<listitem>
<para
>De vector die in groep moet worden ingedeeld. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Groepsgrootte (scalair)</term>
<listitem>
<para
>De grootte van elke te vormen groep. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-bin-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>Groepen (vector)</term>
<listitem>
<para
>De rij van gemiddelden van elke groep. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>

</sect2>

<sect2 id="plugin-butterworth_bandpass">
<title
>Butterworth banddoorlaatfilter</title>
<para
>De plugin voor het banddoorlaatfilter van Butterworth filtert een verzameling gegevens door er de Fouriertransformatie van te berekenen en daarna de terugtransformatie uit te voeren met behulp van de volgende formule </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-bandpass.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formule autocorrelatie</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>met <literal
>f</literal
> de frequentie, <literal
>f<subscript
>c</subscript
></literal
> de lage afsnijfrequentie, <literal
>b</literal
> de door te laten bandbreedte en <literal
>n</literal
> de orde van het Butterworthfilter. De inverse Fouriertransformatie wordt daarna berekend met behulp van de nieuwe gefilterde frequenties. </para>

<sect3 id="plugin-butterworth_bandpass-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij van te filteren waarden. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Orde (scalair)</term>
<listitem>
<para
>De orde van het te gebruiken Butterworthfilter. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Lage afsnijfrequentie (scalair)</term>
<listitem>
<para
>De lage afsnijfrequentie van het banddoorlaatfilter van Butterworth. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Bandbreedte (scalair)</term>
<listitem>
<para
>De door te laten bandbreedte. Deze moet gelijk zijn aan het verschil tussen de gewenste hoge en lage afsnijfrequenties. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-butterworth_bandpass-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>X-gefilterd (vector)</term>
<listitem>
<para
>De rij van gefilterde waarden. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

</sect2>

<sect2 id="plugin-butterworth_bandstop">
<title
>Butterworth bandstopfilter</title>
<para
>De plugin voor het bandstopfilter van Butterworth filtert een verzameling gegevens door er de Fouriertransformatie van te berekenen en daarna de terugtransformatie uit te voeren met behulp van de volgende formule </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-bandstop.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formule autocorrelatie</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>met <literal
>f</literal
> de frequentie, <literal
>f<subscript
>c</subscript
></literal
> de lage afsnijfrequentie, <literal
>b</literal
> de tegen te houden bandbreedte en <literal
>n</literal
> de orde van het Butterworthfilter. De inverse Fouriertransformatie wordt daarna berekend met behulp van de nieuwe gefilterde frequenties. </para>
<sect3 id="plugin-butterworth_bandstop-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij van te filteren waarden. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Orde (scalair)</term>
<listitem>
<para
>De orde van het te gebruiken Butterworthfilter. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Lage afsnijfrequentie (scalair)</term>
<listitem>
<para
>De lage afsnijfrequentie van het bandstopfilter van Butterworth. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Bandbreedte (scalair)</term>
<listitem>
<para
>De tegen te houden bandbreedte. Deze moet gelijk zijn aan het verschil tussen de gewenste hoge en lage afsnijfrequenties. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-butterworth_bandstop-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>X-gefilterd (vector)</term>
<listitem>
<para
>De rij van gefilterde waarden. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

</sect2>

<sect2 id="plugin-butterworth_highpass">
<title
>Butterworth hoogdoorlaatfilter</title>
<para
>De plugin voor het hoogdoorlaatfilter van Butterworth filtert een verzameling gegevens door er de Fouriertransformatie van te berekenen en daarna de terugtransformatie uit te voeren met behulp van de volgende formule </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-highpass.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formule autocorrelatie</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>met <literal
>f</literal
> de frequentie, <literal
>f<subscript
>c</subscript
></literal
> de hoge afsnijfrequentie, <literal
>b</literal
> de tegen te houden bandbreedte en <literal
>n</literal
> de orde van het Butterworthfilter. De inverse Fouriertransformatie wordt daarna berekend met behulp van de nieuwe gefilterde frequenties. </para>
<sect3 id="plugin-butterworth_highpass-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij van te filteren waarden. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Orde (scalair)</term>
<listitem>
<para
>De orde van het te gebruiken Butterworthfilter. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Afsnijfrequentie (scalair)</term>
<listitem>
<para
>De afsnijfrequentie van het Butterworth hoogdoorlaatfilter. </para>
</listitem>
</varlistentry>


</variablelist>
</sect3>

<sect3 id="plugin-butterworth_highpass-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>X-gefilterd (vector)</term>
<listitem>
<para
>De rij van gefilterde waarden. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

</sect2>

<sect2 id="plugin-butterworth_lowpass">
<title
>Butterworth laagdoorlaatfilter</title>
<para
>De plugin voor het laagdoorlaatfilter van Butterworth filtert een verzameling gegevens door er de Fouriertransformatie van te berekenen en daarna de terugtransformatie uit te voeren met behulp van de volgende formule </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-lowpass.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formule autocorrelatie</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>met <literal
>f</literal
> de frequentie, <literal
>f<subscript
>c</subscript
></literal
> de lage afsnijfrequentie, <literal
>b</literal
> de tegen te houden bandbreedte en <literal
>n</literal
> de orde van het Butterworthfilter. De inverse Fouriertransformatie wordt daarna berekend met behulp van de nieuwe gefilterde frequenties. </para>
<sect3 id="plugin-butterworth_lowpass-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij van te filteren waarden. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Orde (scalair)</term>
<listitem>
<para
>De orde van het te gebruiken Butterworthfilter. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Afsnijfrequentie (scalair)</term>
<listitem>
<para
>De afsnijfrequentie van het Butterworth laagdoorlaatfilter. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-butterworth_lowpass-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>X-gefilterd (vector)</term>
<listitem>
<para
>De rij van gefilterde waarden. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

</sect2>




<sect2 id="plugin-chop">
<title
>Splitsen</title>
<para
>De plugin voor het splitsen verdeelt een invoervector in twee vectoren als volgt: elk tweede element van de invoervector wordt in een uitvoervector geplaatst waarna al de overige elementen van de invoervector in een andere uitvoervector worden geplaatst. </para>

<sect3 id="plugin-chop-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>Rij (vector)</term>
<listitem>
<para
>De rij waarden die moeten worden gesplitst. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-chop-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>Oneven rij (vector)</term>
<listitem>
<para
>De rij die het oneven gedeelte bevat van de invoerrij (d.w.z het bevat het eerste element van de invoerrij). </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Even rij (vector)</term>
<listitem>
<para
>De rij die het even gedeelte bevat van de invoerrij (d.w.z het bevat niet het eerste element van de invoerrij). </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Verschilrij (vector)</term>
<listitem>
<para
>De rij die de elementen van de oneven rij bevat minus de overeenkomstige elementen van de even rij. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Indexrij (vector)</term>
<listitem>
<para
>Een indexrij die dezelfde lengte heeft als de andere drie uitvoerrijen. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>
</sect2>

<sect2 id="plugin-convolution">
<title
>Convolutie</title>
<para
>De convolutieplugin berekent de convolutie van een vector met een andere vector. De convolutie van twee functies <literal
>f</literal
> en <literal
>g</literal
> wordt gegeven door: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-convolution.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>De volgorde van de vectoren doet er niet toe omdat <literal
>f*g=g*f</literal
>. Ook is het niet nodig dat de beide vectoren evenveel elementen hebben omdat de plugin automatisch de vector met het kleinste aantal elementen zal extrapoleren. </para>
<sect3 id="plugin-convolution-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>Rij Een (vector)</term>
<listitem>
<para
>Een van de twee vectoren voor de convolutie. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Rij Twee (vector)</term>
<listitem>
<para
>Een van de twee vectoren voor de convolutie. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-convolution-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>Convolutie (vector)</term>
<listitem>
<para
>De convolutie van de twee invoervectoren. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>

</sect2>




<sect2 id="plugin-crosscorrelation">
<title
>Kruiscorrelatie</title>
<para
>De plugin voor de kruiscorrelatie berekent de waarden van de kruiscorrelatie tussen twee rijen (vectoren) <literal
>x</literal
> en <literal
>y</literal
> met gebruik van vertragingen van <literal
>floor(-(N-1)/2)</literal
> tot <literal
>floor((N-1)/2)</literal
>, met <literal
>N</literal
> het aantal elementen in de langste (met de meeste elementen) vector. De kortste vector wordt aangevuld met <literal
>0</literal
>-len tot de lengte van de langste. Er wordt geen tijdvector ingevoerd omdat wordt aangenomen dat de gegevens met gelijke tijdintervallen zijn bemonsterd. De correlatiewaarde <literal
>r</literal
> met vertraging <literal
>k</literal
> is: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-crosscorrelation.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formule voor de kruiscorrelatie</phrase>
</textobject>
</inlinemediaobject>
</para>

<sect3 id="plugin-crosscorrelation-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij <literal
>x</literal
> gebruikt in de formule voor de kruiscorrelatie. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Y-rij (vector)</term>
<listitem>
<para
>De rij <literal
>y</literal
> gebruikt in de formule voor de kruiscorrelatie. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-crosscorrelation-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>Stappen (vector)</term>
<listitem>
<para
>De rij van stap- of vertragingswaarden. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Correlatie (vector)</term>
<listitem>
<para
>De rij van correlatiewaarden berekend met de overeenkomende stap in de vector Stappen. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

</sect2>


<sect2 id="plugin-deconvolution">
<title
>Deconvolutie</title>
<para
>De plugin voor de deconvolutie voert de deconvolutie uit van een vector met een andere vector. Deconvolutie is de inverse (in tegengestelde richting) van convolutie. Gegeven de geconvolueerde vector <literal
>h</literal
> en een andere vector vector <literal
>g</literal
>, wordt de deconvolutie <literal
>f</literal
> gegeven door: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-deconvolution.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>De vectoren hoeven niet dezelfde lengte (aantal elementen) te hebben omdat de plugin automatisch de kortste vector zal extrapoleren. Aangenomen wordt dat het resultaat <literal
>g</literal
> de kortste vector is. </para>
<sect3 id="plugin-deconvolution-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>Rij Een (vector)</term>
<listitem>
<para
>Een van de twee rijen die gedeconvolueerd moeten worden. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Rij Twee (vector)</term>
<listitem>
<para
>Een van de twee rijen die gedeconvolueerd moeten worden. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-deconvolution-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>Deconvolutie (vector)</term>
<listitem>
<para
>De deconvolutie van de twee ingevoerde vectoren. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>

</sect2>


<sect2 id="plugin-kstfit_exponential_weighted">
<title
>Gewogen exponentiële aanpassing (fit)</title>
<para
>De plugin voor de gewogen exponentiële aanpassing voert een gewogen niet-lineaire kleinste-kwadraten aanpassing uit op een exponentieel model: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-exponentialfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>


<para
>Als geschatte aanvangswaarden worden <literal
>a=1.0</literal
>, <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-lambda.png" format="PNG"/> </imageobject
> </inlinemediaobject
><literal
>=0</literal
>, en <literal
>b=0</literal
> gebruikt. Door te itereren (antwoord herhaaldelijk herberekenen met hopelijk een steeds beter resultaat) zal de plugin antwoorden genereren totdat een nauwkeurigheid van <literal
>1.0e-4</literal
> is bereikt of totdat er 500 iteraties zijn uitgevoerd. </para>

<sect3 id="plugin-kstfit_exponential_weighted-inputs">
<title
>Invoer</title>

<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij x-waarden van de aan te passen gegevenspunten. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Y-rij (vector)</term>
<listitem>
<para
>De rij y-waarden van de aan te passen gegevenspunten. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Gewichten (vector)</term>
<listitem>
<para
>De rij van gewichten die bij de aanpassing worden gebruikt. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>

<sect3 id="plugin-kstfit_exponential_weighted-outputs">
<title
>Uitvoer</title>

<variablelist>

<varlistentry>
<term
>Y-aangepast (vector)</term>
<listitem>
<para
>De rij van aangepaste y-waarden. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Restwaarden (vector)</term>
<listitem>
<para
>De rij van restwaarden (residuen). </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Parameters (vector)</term>
<listitem>
<para
>De parameters van de beste aanpassing <literal
>a</literal
>, <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-lambda.png" format="PNG"/> </imageobject
> </inlinemediaobject
>, en <literal
>b</literal
>. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Covariantie (vector)</term>
<listitem>
<para
>De covariantiematrix van de modelparameters, rij na rij in de vector geretourneerd. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>chi^2/nu (scalair)</term>
<listitem>
<para
>De gewogen som van de kwadraten van de restwaarden, gedeeld door het aantal vrijheidsgraden. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

</sect2>

<sect2 id="plugin-kstfit_exponential_unweighted">
<title
>Exponentiële aanpassing</title>
<para
>De plugin voor de exponentiële aanpassing is identiek aan de <link linkend="plugin-kstfit_exponential_weighted"
>Gewogen exponentiële aanpassing</link
>, behalve dat hier de gewichten <literal
>w<subscript
>i</subscript
></literal
> gelijk aan <literal
>1</literal
> zijn voor alle indexwaarden <literal
>i</literal
>. Als gevolg daarvan wordt de gewichtsvector niet ingevoerd. </para>
</sect2>

<sect2 id="plugin-kstfit_gaussian_weighted">
<title
>Gewogen Gaussische aanpassing</title>
<para
>De plugin voor de gewogen Gaussische aanpassing voert een gewogen niet-lineaire kleinste-kwadraten aanpassing uit op een Gaussisch (normale verdeling) model: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gaussianfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>

<para
>Als geschatte aanvangswaarden worden <literal
>a=</literal
>(maximum van de y-waarden), <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-mu.png" format="PNG"/> </imageobject
> </inlinemediaobject
><literal
>=</literal
>(gemiddelde van de x-waarden), en <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-sigma.png" format="PNG"/> </imageobject
> </inlinemediaobject
><literal
>=</literal
>(midden van de x-waarden) gebruikt. Door te itereren (antwoord herhaaldelijk herberekenen met hopelijk een steeds beter resultaat) zal de plugin antwoorden genereren totdat een nauwkeurigheid van <literal
>1.0e-4</literal
> is bereikt of totdat er 500 iteraties zijn uitgevoerd. </para>

<sect3 id="plugin-kstfit_gaussian_weighted-inputs">
<title
>Invoer</title>

<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij x-waarden van de aan te passen gegevenspunten. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Y-rij (vector)</term>
<listitem>
<para
>De rij y-waarden van de aan te passen gegevenspunten. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Gewichten (vector)</term>
<listitem>
<para
>De rij van gewichten die bij de aanpassing worden gebruikt. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>

<sect3 id="plugin-kstfit_gaussian_weighted-outputs">
<title
>Uitvoer</title>

<variablelist>

<varlistentry>
<term
>Y-aangepast (vector)</term>
<listitem>
<para
>De rij van aangepaste y-waarden. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Restwaarden (vector)</term>
<listitem>
<para
>De rij van restwaarden (residuen). </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Parameters (vector)</term>
<listitem>
<para
>De parameters van de beste aanpassing <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-mu.png" format="PNG"/> </imageobject
> </inlinemediaobject
>, <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-sigma.png" format="PNG"/> </imageobject
> </inlinemediaobject
>, en <literal
>a</literal
>. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Covariantie (vector)</term>
<listitem>
<para
>De covariantiematrix van de modelparameters, rij na rij in de vector geretourneerd. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>chi^2/nu (scalair)</term>
<listitem>
<para
>De gewogen som van de kwadraten van de restwaarden, gedeeld door het aantal vrijheidsgraden. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

</sect2>

<sect2 id="plugin-kstfit_gaussian_unweighted">
<title
>Gaussische aanpassing</title>
<para
>De plugin voor de Gaussische aanpassing is identiek aan de <link linkend="plugin-kstfit_exponential_weighted"
>Gewogen Gaussische aanpassing</link
>, behalve dat hier de gewichten <literal
>w<subscript
>i</subscript
></literal
> gelijk aan <literal
>1</literal
> zijn voor alle indexwaarden <literal
>i</literal
>. Als gevolg daarvan wordt de gewichtsvector niet ingevoerd. </para>
</sect2>


<sect2 id="plugin-kstfit_gradient_weighted">
<title
>Gewogen aanpassing aan rechte lijn door de oorsprong (helling)</title>
<para
>De plugin voor de gewogen aanpassing voor de helling voert een gewogen kleinste-kwadraten aanpassing uit aan een rechte lijn zonder een constante term: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gradientequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>De beste aanpassing wordt gezocht door het zo klein mogelijk maken van de gewogen som van de kwadraten van de restwaarden (kleinste kwadraten): </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gradientsumofsquares.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>voor <literal
>b</literal
>, met <literal
>w<subscript
>i</subscript
></literal
> het gewicht bij index <literal
>i</literal
>. </para>
<sect3 id="plugin-kstfit_gradient_weighted-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij x-waarden van de aan te passen gegevenspunten. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Y-rij (vector)</term>
<listitem>
<para
>De rij y-waarden van de aan te passen gegevenspunten. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Gewichten (vector)</term>
<listitem>
<para
>De rij met gewichten die voor de aanpassing wordt gebruikt. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-kstfit_gradient_weighted-outputs">
<title
>Uitvoer</title>
<variablelist>
<varlistentry>
<term
>Y-aangepast (vector)</term>
<listitem>
<para
>De rij van y-waarden van de punten op de rechte lijn die het beste past. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Restwaarden (vector)</term>
<listitem>
<para
>De rij van restwaarden, dat wil zeggen de verschillen tussen de y-waarden op de best passende rechte lijn en de y-waarden van de gegevenspunten. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Parameters (vector)</term>
<listitem>
<para
>De parameter <literal
>b</literal
> van de beste aanpassing. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Covariantie (vector)</term>
<listitem>
<para
>De geschatte covariantiematrix die rij na rij wordt geretourneerd, te beginnen met rij 0. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Y-Laag (vector)</term>
<listitem>
<para
>De overeenkomende waarde in Y-aangepast minus de standaard deviatie van de best aangepaste functie voor de overeenkomende x-waarde. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Y-Hoog (vector)</term>
<listitem>
<para
>De overeenkomende waarde in Y-aangepast plus de standaard deviatie van de best aangepaste functie voor de overeenkomende x-waarde. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>chi^2/nu (scalair)</term>
<listitem>
<para
>De waarde van de som van de kwadraten van de restwaarden, gedeeld door het aantal vrijheidgraden. </para>
</listitem>
</varlistentry>


</variablelist>
</sect3>
</sect2>

<sect2 id="plugin-kstfit_gradient_unweighted">
<title
>Aanpassing aan rechte lijn door de oorsprong (helling)</title>
<para
>De plugin voor de aanpassing aan een rechte lijn door de oorsprong is identiek aan de <link linkend="plugin-kstfit_exponential_weighted"
>Gewogen aanpassing aan rechte lijn door de oorsprong</link
>, behalve dat hier de gewichten <literal
>w<subscript
>i</subscript
></literal
> gelijk aan <literal
>1</literal
> zijn voor alle indexwaarden <literal
>i</literal
>. Als gevolg daarvan wordt de gewichtsvector niet ingevoerd. </para>
</sect2>



<sect2 id="plugin-kstfit_linear_weighted">
<title
>Gewogen lineaire aanpassing</title>
<para
>De plugin Gewogen lineaire aanpassing voert een gewogen kleinste-kwadraten aanpassing uit aan een rechte lijn: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-linefitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>De beste aanpassing wordt gezocht door het zo klein mogelijk maken van de gewogen som van de kwadraten van de restwaarden (kleinste kwadraten): </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-linefitsumofsquaredresiduals.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>voor <literal
>a</literal
> en <literal
>b</literal
>, met <literal
>w<subscript
>i</subscript
></literal
> het gewicht bij index <literal
>i</literal
>. </para>
<sect3 id="plugin-kstfit_linear_weighted-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij x-waarden van de aan te passen gegevenspunten. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Y-rij (vector)</term>
<listitem>
<para
>De rij y-waarden van de aan te passen gegevenspunten. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Gewichten (vector)</term>
<listitem>
<para
>De rij met gewichten die voor de aanpassing wordt gebruikt. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-kstfit_linear_weighted-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>Y-aangepast (vector)</term>
<listitem>
<para
>De rij van y-waarden van de punten op de rechte lijn die het beste past. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Restwaarden (vector)</term>
<listitem>
<para
>De rij van restwaarden, dat wil zeggen de verschillen tussen de y-waarden op de best passende rechte lijn en de y-waarden van de gegevenspunten. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Parameters (vector)</term>
<listitem>
<para
>De parameters <literal
>a</literal
> en <literal
>b</literal
> van de beste aanpassing. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Covariantie (vector)</term>
<listitem>
<para
>De geschatte covariantiematrix die rij na rij wordt geretourneerd, te beginnen met rij 0. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Y-Laag (vector)</term>
<listitem>
<para
>De overeenkomende waarde in Y-aangepast minus de standaard deviatie van de best aangepaste functie voor de overeenkomende x-waarde. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Y-Hoog (vector)</term>
<listitem>
<para
>De overeenkomende waarde in Y-aangepast plus de standaard deviatie van de best aangepaste functie voor de overeenkomende x-waarde. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>chi^2/nu (scalair)</term>
<listitem>
<para
>De waarde van de som van de kwadraten van de restwaarden, gedeeld door het aantal vrijheidgraden. </para>
</listitem>
</varlistentry>


</variablelist>
</sect3>
</sect2>

<sect2 id="plugin-kstfit_linear_unweighted">
<title
>Lineaire aanpassing</title>
<para
>De plugin voor de aanpassing aan een rechte lijn is identiek aan de <link linkend="plugin-kstfit_exponential_weighted"
>Gewogen aanpassing aan rechte lijn</link
>, behalve dat hier de gewichten <literal
>w<subscript
>i</subscript
></literal
> gelijk aan <literal
>1</literal
> zijn voor alle indexwaarden <literal
>i</literal
>. Als gevolg daarvan wordt de gewichtsvector niet ingevoerd. </para>
</sect2>


<sect2 id="plugin-kstfit_lorentzian_weighted">
<title
>Gewogen Lorentz aanpassing</title>
<para
>De plugin voor de gewogen Lorentz aanpassing voert een gewogen niet-lineaire kleinste-kwadraten aanpassing uit op een Lorentz model: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-lorentzianfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>

<para
>Als geschatte aanvangswaarden worden <literal
>a=</literal
>(maximum van de y-waarden), <literal
>x<subscript
>0</subscript
>=</literal
>(gemiddelde van de x-waarden), en <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-Gamma.png" format="PNG"/> </imageobject
> </inlinemediaobject
><literal
>=</literal
>(het midden van de x-waarden) gebruikt. Door te itereren (antwoord herhaaldelijk herberekenen met hopelijk een steeds beter resultaat) zal de plugin antwoorden genereren totdat een nauwkeurigheid van <literal
>1.0e-4</literal
> is bereikt of totdat er 500 iteraties zijn uitgevoerd. </para>

<sect3 id="plugin-kstfit_lorentzian_weighted-inputs">
<title
>Invoer</title>

<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij x-waarden van de aan te passen gegevenspunten. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Y-rij (vector)</term>
<listitem>
<para
>De rij y-waarden van de aan te passen gegevenspunten. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Gewichten (vector)</term>
<listitem>
<para
>De rij van gewichten die bij de aanpassing worden gebruikt. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>

<sect3 id="plugin-kstfit_lorentzian_weighted-outputs">
<title
>Uitvoer</title>

<variablelist>

<varlistentry>
<term
>Y-aangepast (vector)</term>
<listitem>
<para
>De rij van aangepaste y-waarden. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Restwaarden (vector)</term>
<listitem>
<para
>De rij van restwaarden (residuen). </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Parameters (vector)</term>
<listitem>
<para
>De parameters van de beste aanpassing <literal
>x<subscript
>0</subscript
></literal
>, <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-Gamma.png" format="PNG"/> </imageobject
> </inlinemediaobject
>, en <literal
>a</literal
>. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Covariantie (vector)</term>
<listitem>
<para
>De covariantiematrix van de modelparameters, rij na rij in de vector geretourneerd. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>chi^2/nu (scalair)</term>
<listitem>
<para
>De gewogen som van de kwadraten van de restwaarden, gedeeld door het aantal vrijheidsgraden. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

</sect2>

<sect2 id="plugin-kstfit_lorentzian_unweighted">
<title
>Lorentz aanpassing</title>
<para
>De plugin voor de Lorentz aanpassing is identiek aan de <link linkend="plugin-kstfit_exponential_weighted"
>Gewogen Lorentz aanpassing</link
>, behalve dat hier de gewichten <literal
>w<subscript
>i</subscript
></literal
> gelijk aan <literal
>1</literal
> zijn voor alle indexwaarden <literal
>i</literal
>. Als gevolg daarvan wordt de gewichtsvector niet ingevoerd. </para>
</sect2>


<sect2 id="plugin-kstfit_polynomial_weighted">
<title
>Gewogen aanpassing aan veelterm</title>
<para
>de plugin voor de gewogen veelterm aanpassing voert een gewogen kleinste-kwadraten aanpassing uit aan een veelterm: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-polynomialfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Met <literal
>n</literal
> de graad van de veelterm. </para>

<sect3 id="plugin-kstfit_polynomial_weighted-inputs">
<title
>Invoer</title>

<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij x-waarden van de aan te passen gegevenspunten. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Y-rij (vector)</term>
<listitem>
<para
>De rij y-waarden van de aan te passen gegevenspunten. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Gewichten (vector)</term>
<listitem>
<para
>De rij van gewichten die bij de aanpassing worden gebruikt. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Orde (scalair)</term>
<listitem>
<para
>De graad van de te gebruiken veelterm. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-kstfit_polynomial_weighted-outputs">
<title
>Uitvoer</title>

<variablelist>

<varlistentry>
<term
>Y-aangepast (vector)</term>
<listitem>
<para
>De rij van aangepaste y-waarden. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Restwaarden (vector)</term>
<listitem>
<para
>De rij van restwaarden (residuen). </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Parameters (vector)</term>
<listitem>
<para
>De parameters van de beste aanpassing <literal
>c<subscript
>0</subscript
></literal
>,<literal
>c<subscript
>1</subscript
></literal
>,..., <literal
>c<subscript
>n</subscript
></literal
>. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Covariantie (vector)</term>
<listitem>
<para
>De covariantiematrix van de modelparameters, rij na rij in de vector geretourneerd. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>chi^2/nu (scalair)</term>
<listitem>
<para
>De gewogen som van de kwadraten van de restwaarden, gedeeld door het aantal vrijheidsgraden. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>
</sect2>

<sect2 id="plugin-kstfit_polynomial_unweighted">
<title
>Aanpassing aan veelterm</title>
<para
>De plugin voor de aanpassing aan veelterm is identiek aan de <link linkend="plugin-kstfit_exponential_weighted"
>Gewogen aanpassing aan veelterm</link
>, behalve dat hier de gewichten <literal
>w<subscript
>i</subscript
></literal
> gelijk aan <literal
>1</literal
> zijn voor alle indexwaarden <literal
>i</literal
>. Als gevolg daarvan wordt de gewichtsvector niet ingevoerd. </para>
</sect2>


<sect2 id="plugin-kstfit_sinusoid_weighted">
<title
>Gewogen aanpassing aan sinuskromme</title>
<para
>De plugin voor de gewogen aanpassing aan een sinuskromme voert een gewogen kleinste-kwadraten aanpassing uit aan een sinuskromme: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-sinusoidfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Met <literal
>T</literal
> de opgegeven periode en <literal
>n=2+2H</literal
> waarin <literal
>H</literal
> het opgegeven aantal harmonischen is. </para>

<sect3 id="plugin-kstfit_sinusoid_weighted-inputs">
<title
>Invoer</title>

<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij x-waarden van de aan te passen gegevenspunten. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Y-rij (vector)</term>
<listitem>
<para
>De rij y-waarden van de aan te passen gegevenspunten. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Gewichten (vector)</term>
<listitem>
<para
>De rij van gewichten die bij de aanpassing worden gebruikt. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Harmonischen (scalair)</term>
<listitem>
<para
>Het aantal harmonischen van de aan te passen sinuskromme. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Periode (scalair)</term>
<listitem>
<para
>De periode van de aan te passen sinuskromme. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-kstfit_sinusoid_weighted-outputs">
<title
>Uitvoer</title>

<variablelist>

<varlistentry>
<term
>Y-aangepast (vector)</term>
<listitem>
<para
>De rij van aangepaste y-waarden. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Restwaarden (vector)</term>
<listitem>
<para
>De rij van restwaarden (residuen). </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Parameters (vector)</term>
<listitem>
<para
>De parameters van de beste aanpassing <literal
>c<subscript
>0</subscript
></literal
>,<literal
>c<subscript
>1</subscript
></literal
>,..., <literal
>c<subscript
>n</subscript
></literal
>. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Covariantie (vector)</term>
<listitem>
<para
>De covariantiematrix van de modelparameters, rij na rij in de vector geretourneerd. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>chi^2/nu (scalair)</term>
<listitem>
<para
>De gewogen som van de kwadraten van de restwaarden, gedeeld door het aantal vrijheidsgraden. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>
</sect2>

<sect2 id="plugin-kstfit_sinusoid_unweighted">
<title
>Aanpassen aan sinuskromme</title>
<para
>De plugin voor de aanpassing aan sinuskromme is identiek aan de <link linkend="plugin-kstfit_exponential_weighted"
>Gewogen aanpassing aan sinuskromme</link
>, behalve dat hier de gewichten <literal
>w<subscript
>i</subscript
></literal
> gelijk aan <literal
>1</literal
> zijn voor alle indexwaarden <literal
>i</literal
>. Als gevolg daarvan wordt de gewichtsvector niet ingevoerd. </para>
</sect2>






<sect2 id="plugin-kstinterp_akima">
<title
>Akima spline-interpolatie</title>
<para
>De plugin voor de Akima spline-interpolatie genereert een niet-afgeronde Akima spline-interpolatie voor de gegevensverzameling met gebruik van natuurlijke randvoorwaarden. </para>

<sect3 id="plugin-kstinterp_akima-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij van x-waarden van de gegevenspunten waarvoor wordt geïnterpoleerd. </para>
</listitem>
</varlistentry>


<varlistentry>
<term
>Y-rij (vector)</term>
<listitem>
<para
>De rij van y-waarden van de gegevenspunten waarvoor wordt geïnterpoleerd. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>X'-rij (vector)</term>
<listitem>
<para
>De rij van x-waarden waarvoor geïnterpoleerde y-waarden worden gevraagd. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-kstinterp_akima-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>Y-geïnterpoleerd (vector)</term>
<listitem>
<para
>De geïnterpoleerde y-waarden. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>
</sect2>

<sect2 id="plugin-kstinterp_akima_periodic">
<title
>Periodieke Akima spline-interpolatie</title>
<para
>De plugin voor de periodieke Akima spline-interpolatie genereert een niet-afgeronde Akima spline-interpolatie voor de gegevensverzameling met gebruik van periodieke randvoorwaarden. </para>

<sect3 id="plugin-kstinterp_akima_periodic-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij van x-waarden van de gegevenspunten waarvoor wordt geïnterpoleerd. </para>
</listitem>
</varlistentry>


<varlistentry>
<term
>Y-rij (vector)</term>
<listitem>
<para
>De rij van y-waarden van de gegevenspunten waarvoor wordt geïnterpoleerd. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>X'-rij (vector)</term>
<listitem>
<para
>De rij van x-waarden waarvoor geïnterpoleerde y-waarden worden gevraagd. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-kstinterp_akima_periodic-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>Y-geïnterpoleerd (vector)</term>
<listitem>
<para
>De geïnterpoleerde y-waarden. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>
</sect2>

<sect2 id="plugin-kstinterp_cspline">
<title
>Kubische spline interpolatie</title>
<para
>De plugin voor de kubische spline-interpolatie genereert een kubische spline-interpolatie voor de gegevensverzameling met gebruik van natuurlijke randvoorwaarden. </para>

<sect3 id="plugin-kstinterp_cspline-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij van x-waarden van de gegevenspunten waarvoor wordt geïnterpoleerd. </para>
</listitem>
</varlistentry>


<varlistentry>
<term
>Y-rij (vector)</term>
<listitem>
<para
>De rij van y-waarden van de gegevenspunten waarvoor wordt geïnterpoleerd. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>X'-rij (vector)</term>
<listitem>
<para
>De rij van x-waarden waarvoor geïnterpoleerde y-waarden worden gevraagd. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-kstinterp_cspline-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>Y-geïnterpoleerd (vector)</term>
<listitem>
<para
>De geïnterpoleerde y-waarden. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>
</sect2>

<sect2 id="plugin-kstinterp_cspline_periodic">
<title
>Periodieke kubische spline-interpolatie</title>
<para
>De plugin voor de kubische spline-interpolatie genereert een kubische spline-interpolatie voor de gegevensverzameling met gebruik van periodieke randvoorwaarden. </para>

<sect3 id="plugin-kstinterp_cspline_periodic-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij van x-waarden van de gegevenspunten waarvoor wordt geïnterpoleerd. </para>
</listitem>
</varlistentry>


<varlistentry>
<term
>Y-rij (vector)</term>
<listitem>
<para
>De rij van y-waarden van de gegevenspunten waarvoor wordt geïnterpoleerd. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>X'-rij (vector)</term>
<listitem>
<para
>De rij van x-waarden waarvoor geïnterpoleerde y-waarden worden gevraagd. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-kstinterp_cspline_periodic-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>Y-geïnterpoleerd (vector)</term>
<listitem>
<para
>De geïnterpoleerde y-waarden. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>
</sect2>

<sect2 id="plugin-kstinterp_linear">
<title
>Interpolatie lineair</title>
<para
>De plugin Interpolatie lineair genereert een lineaire interpolatie voor de gegevensverzameling. </para>

<sect3 id="plugin-kstinterp_linear-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij van x-waarden van de gegevenspunten waarvoor wordt geïnterpoleerd. </para>
</listitem>
</varlistentry>


<varlistentry>
<term
>Y-rij (vector)</term>
<listitem>
<para
>De rij van y-waarden van de gegevenspunten waarvoor wordt geïnterpoleerd. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>X'-rij (vector)</term>
<listitem>
<para
>De rij van x-waarden waarvoor geïnterpoleerde y-waarden worden gevraagd. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-kstinterp_linear-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>Y-geïnterpoleerd (vector)</term>
<listitem>
<para
>De geïnterpoleerde y-waarden. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>
</sect2>

<sect2 id="plugin-kstinterp_polynomial">
<title
>Interpolatie naar veelterm</title>
<para
>De plugin Interpolatie naar veelterm genereert een veelterm-interpolatie voor de gegevensverzameling. Het aantal termen van de veelterm is gelijk aan het aantal punten in de gegevensverzameling. </para>

<sect3 id="plugin-kstinterp_polynomial-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>X-rij (vector)</term>
<listitem>
<para
>De rij van x-waarden van de gegevenspunten waarvoor wordt geïnterpoleerd. </para>
</listitem>
</varlistentry>


<varlistentry>
<term
>Y-rij (vector)</term>
<listitem>
<para
>De rij van y-waarden van de gegevenspunten waarvoor wordt geïnterpoleerd. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>X'-rij (vector)</term>
<listitem>
<para
>De rij van x-waarden waarvoor geïnterpoleerde y-waarden worden gevraagd. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-kstinterp_polynomial-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>Y-geïnterpoleerd (vector)</term>
<listitem>
<para
>De geïnterpoleerde y-waarden. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-noise-addition">
<title
>Ruis toevoegen</title>
<para
>De plugin Ruis toevoegen voegt een Gaussische willekeurige variabele toe aan elk element van de invoervector. De Gaussische (of normale) verdeling heeft een gemiddelde waarde <literal
>0</literal
> en de opgegeven standaard deviatie. De kansdichtheidsfunctie van een Gaussische willekeurige variabele is: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gaussianprobability.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>

<sect3 id="plugin-noise-addition-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>Rij (vector)</term>
<listitem>
<para
>De rij van elementen waaraan willekeurige ruis moet worden toegevoegd. </para>
</listitem>
</varlistentry>


<varlistentry>
<term
>Sigma (scalair)</term>
<listitem>
<para
>De standaard deviatie voor de Gaussische verdeling. </para>
</listitem>
</varlistentry>


</variablelist>
</sect3>

<sect3 id="plugin-noiseaddition-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>Uitvoerrij (vector)</term>
<listitem>
<para
>De rij van elementen waaraan Gaussische ruis is toegevoegd. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>
</sect2>

<sect2 id="plugin-periodogram">
<title
>Periodogram</title>
<para
>De plugin Periodogram levert het periodogram van de gegevensverzameling. Een van twee algoritmes wordt gebruikt afhankelijk van de gegevensverzameling&mdash;een snel algoritme wordt gebruikt indien er meer dan 100 gegevenspunten zijn, en anders een langzamer algoritme. </para>

<sect3 id="plugin-periodogram-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>Tijdreeks (vector)</term>
<listitem>
<para
>De rij van tijdwaarden van de gegevenspunten waarvoor de interpolatie moet worden gedaan. </para>
</listitem>
</varlistentry>


<varlistentry>
<term
>Gegevensrij (vector)</term>
<listitem>
<para
>De rij van gegevenswaarden, afhankelijk van de tijdswaarden, van de gegevenspunten waarvoor de interpolatie moet worden gedaan. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Overbemonsteringsfactor (scalair)</term>
<listitem>
<para
>De factor voor de overbemonstering. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Gemiddelde Nyquist frequentiefactor (scalair)</term>
<listitem>
<para
>De gemiddelde Nyquist frequentiefactor. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-periodogram-outputs">
<title
>Uitvoer</title>
<variablelist>

<varlistentry>
<term
>Frequentie (vector)</term>
<listitem>
<para
>De frequentievector. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Periodogram (vector)</term>
<listitem>
<para
>De vector met de resulterende frequenties voor het periodogram. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>
</sect2>


<sect2 id="plugin-statistics">
<title
>Statistiek</title>
<para
>De plugin Statistiek berekent de statistieken voor een gegevensverzameling. De namen van de meeste scalairen zijn zodanig dat het duidelijk moet zijn welke waarden zij vertegenwoordigen. Voor het berekenen van de statistische waarden worden de gebruikelijke formules gebruikt. </para>

<sect3 id="plugin-statistics-inputs">
<title
>Invoer</title>
<variablelist>

<varlistentry>
<term
>Gegevensrij (vector)</term>
<listitem>
<para
>De rij van gegeven waarden waarvoor statistieken moeten worden berekend. </para>
</listitem>
</varlistentry>

</variablelist>
</sect3>

<sect3 id="plugin-statistics-outputs">
<title
>Uitvoer</title>
<variablelist>
<varlistentry>
<term
>Gemiddelde (scalair)</term>
<listitem>
<para
>Het (rekenkundige) gemiddelde van de gegeven waarden. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Minimum (scalair)</term>
<listitem>
<para
>De kleinste waarde in de rij. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Maximum (scalair)</term>
<listitem>
<para
>De grootste waarde in de rij. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Variantie (scalair)</term>
<listitem>
<para
>De variantie van de gegevensverzameling. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Standaard deviatie (scalair)</term>
<listitem>
<para
>De standaard deviatie (standaard afwijking) van de gegevensverzameling. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Mediaan (scalair)</term>
<listitem>
<para
>De mediaan van de gegevensverzameling. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Absolute deviatie (scalair)</term>
<listitem>
<para
>De absolute deviatie van de gegevensverzameling. </para>
</listitem>
</varlistentry>

<varlistentry>
<term
>Scheefheid (scalair)</term>
<listitem>
<para
>De scheefheid (skewness) van de gegevensverzameling. </para>
</listitem>
</varlistentry>


<varlistentry>
<term
>Kurtosis (scalair)</term>
<listitem>
<para
>De kurtosis (puntigheid) van de gegevensverzameling. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>

<!-- End the long plugins section -->
</sect1>

</chapter>