<chapter id="pluginsandfilters">
<title
>Plugin, tilpasninger og filtre</title>
<para
>Plugin og filtre sørger for yderligere funktioner i &kst;. Normalt levereres &kst; med et omfattande udvalg af indbyggede plugin. Desuden tillader en enkel og konsekvent grænseflade at plugin fra tredje part kan laves. Tilpasninger og filtre er blot delmængder af mængden af plugin, og opfører sig således ligesom plugin, med undtagelse af en yderligere behagelighed dialog-funktionalitet tilgængelig fra <link linkend="theplotcontextmenu"
>plottets sammenhængsafhængige menu</link
>. </para>
<sect1 id="addingandremovingplugins">
<title
>Tilføj og fjern plugin</title>
<para
>Normalt opbevares de indbyggede plugin i <filename
>/usr/lib/kde3/kstplugins/</filename
> (mappen kan variere, afhængig af hvor du installerede &kst;). Håndtering af plugin kan bruges til at tilføje og fjerne plugin. Der er adgang til den ved at vælge <guimenuitem
>Plugin...</guimenuitem
> i menuen <guimenu
>Indstillinger</guimenu
>. En liste med plugin som for øjeblikket er installerede vises i Håndtering af plugin. </para>
<para
>For at tilføje et plugin klikkes på knappen <guibutton
>Installér...</guibutton
>. Gå til mappen som indeholder både pluginnets specifikationsfil (<literal role="extension"
>*.xml</literal
>) og objektfilen (<literal role="extension"
>*.o</literal
>). Klik på <guibutton
>O.k.</guibutton
>, så skulle pluginnet blive installeret. </para>
<para
>For at fjerne et plugin, markeres pluginnet i Håndtering af plugin og der klikkes på <guibutton
>Fjern</guibutton
>. Du bliver bedt om bekræftelse. </para>
<para
>For hurtigt at opdatere listen med plugin i Håndtering af plugin, klikkes på <guibutton
>Søg igen</guibutton
>. At gøre det fjerner alle plugin som ikke længere er i de angivne søgestier, og tilføje alle nye plugin i mappen med standardplugin. </para>
</sect1>
<sect1 id="builtinplugins">
<title
>Indbyggede plugin</title>
<para
>For øjeblikket er der mere end 25 indbyggede plugin tilgængelige i &kst; som udfører funktioner fra at krydskorrelere to vektorer til at oprette periodogrammer af datamængder. Indstillingsvinduet for hvert plugin består af to hovedafsnit: et afsnit for inddata og et for uddata. Hver afdeling består af et antal skalarer og/eller vektorer. Følgende skærmaftryk viser tilpasningsvinduet for et typisk plugin. Den eneste forskel mellem de forskellige plugin er sættet med inddata og uddata, og mekanismen for at aflede uddata fra inddata. </para>
<screenshot>
<screeninfo
>Pluginvindue</screeninfo>
<mediaobject>
<imageobject>
<imagedata fileref="Screenshot-kst-pluginswindow.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Pluginvindue</phrase>
</textobject>
</mediaobject>
</screenshot>
<para
>Følgende afsnit beskriver formålet, nøglealgoritmer eller formler som bruges til at udføre beregninger, og inddata og uddata for hvert plugin. Bemærk at tilpasning og filterings-plugin er inkluderet i følgende afsnit. </para>
<!-- Begin the long plugins section. -->
<sect2 id="plugin-autocorrelation">
<title
>Automatisk korrelation</title>
<para
>Pluginnet Automatisk korrelation beregner korrelationsværdier mellem en serie (vektor), og en forsinket version af sig selv, ved brug af forsinkelsesværdier fra <literal
>floor(-(N-1)/2)</literal
> til <literal
>floor((N-1)/2)</literal
>, hvor <literal
>N</literal
> er antal punkter i datamængden. Tidsvektoren er ikke inddata eftersom det antages at data samples med ens tidsintervaller. Korrelationsværdien <literal
>r</literal
> ved forsinkelsen <literal
>k</literal
> er: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-autocorrelation.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formel for automatisk korrelation</phrase>
</textobject>
</inlinemediaobject>
</para>
<sect3 id="plugin-autocorrelation-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet <literal
>x</literal
> med værdier som korrelationsværdier skal beregnes for. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-autocorrelation-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Skridtnummer (vektor)</term>
<listitem>
<para
>Matrix med skridt, eller forsinkelsesværdier. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Korrelationsværdi (vektor)</term>
<listitem>
<para
>Feltet med korrelationsværdier beregnet med tilsvarende skridtnummer i skridtnummervektoren. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-bin">
<title
>Område</title>
<para
>Pluginnet Område opdeler elementer i en enkelt datavektor i områder af angiven størrelse. Værdien for hvert område er middelværdien for elementerne som tilhører området. Hvis områdesstørrelsen for eksempel er <literal
>3</literal
>, og inddatavektoren er <literal
>[9,2,7,3,4,74,5,322,444,2,1]</literal
>, bliver området i uddata <literal
>[6,27,257]</literal
>. Bemærk at eventuelle element som findes tilbage til slut på inddatavektoren som ikke laver et fuldstændigt område (i dette tilfælde elementet <literal
>2</literal
> og <literal
>1</literal
>), helt enkelt ses bort fra. </para>
<sect3 id="plugin-bin-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>Inddatavektor (vektor)</term>
<listitem>
<para
>Vektoren at dele op i områder. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Områdesstørrelse (skalar)</term>
<listitem>
<para
>Størrelsen at bruge for hvert område. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-bin-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Områder (vektor)</term>
<listitem>
<para
>Feltet med middelværdier for hvert område. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-butterworth_bandpass">
<title
>Butterworth band-pass</title>
<para
>Pluginnet Butterworth bandpassfilter filtrerer en datamængde ved at beregne Fouriertransformationen af data og udregne frekvenssvaret igen med følgende formel: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-bandpass.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formel for automatisk korrelation</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>hvor <literal
>f</literal
> er frekvensen, <literal
>f<subscript
>c</subscript
></literal
> er lavfrekvente skæringspunkter, <literal
>b</literal
> er båndbredden for passbåndet, og <literal
>n</literal
> er Butterworthfiltrets rækkefølge. Den inverse Fouriertransform beregnes derefter med de nye filtrerede frekvenssvar. </para>
<sect3 id="plugin-butterworth_bandpass-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet med værdier at filtrere. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Rækkefølge (skalar)</term>
<listitem>
<para
>Rækkefølgen for Butterworth filtret som skal bruges. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Lav skæringsfrekvens (skalar)</term>
<listitem>
<para
>Den lave skæringsfrekvens for Butterworth bandpassfiltret. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Båndbredde (skalar)</term>
<listitem>
<para
>Bredden på båndpassområdet. Det skal være forskellen mellem ønsket høj skæringsfrekvens og lav skæringsfrekvens. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-butterworth_bandpass-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>X-filtreret (vektor)</term>
<listitem>
<para
>Feltet med filtrerede dataværdier. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-butterworth_bandstop">
<title
>Butterworth band-stop</title>
<para
>Pluginnet Butterworth bandstopfilter filtrerer en datamængde ved at beregne Fouriertransformen af data og udregne frekvenssvaret igen med følgende formel: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-bandstop.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formel for automatisk korrelation</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>hvor <literal
>f</literal
> er frekvensen, <literal
>f<subscript
>c</subscript
></literal
> er lavfrekvente skæringspunkter, <literal
>b</literal
> er båndbredden for stopbåndet, og <literal
>n</literal
> er Butterworthfiltrets rækkefølge. Den inverse Fouriertransform beregnes derefter med de nye filtrerede frekvenssvar. </para>
<sect3 id="plugin-butterworth_bandstop-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet med værdier at filtrere. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Rækkefølge (skalar)</term>
<listitem>
<para
>Rækkefølgen for Butterworth filtret som skal bruges. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Lav skæringsfrekvens (skalar)</term>
<listitem>
<para
>Den lave skæringsfrekvens for Butterworth båndstopfiltret. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Båndbredde (skalar)</term>
<listitem>
<para
>Bredden på bøndstopområdet. Det skal være forskellen mellem ønsket høj skæringsfrekvens og lav skæringsfrekvens. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-butterworth_bandstop-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>X-filtreret (vektor)</term>
<listitem>
<para
>Feltet med filtrerede dataværdier. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-butterworth_highpass">
<title
>Butterworth high-pass</title>
<para
>Pluginnet Butterworth højpassfilter filtrerer en datamængde ved at beregne Fouriertransformen af data og udregne frekvenssvaret igen med følgende formel: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-highpass.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formel for automatisk korrelation</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>hvor <literal
>f</literal
> er frekvensen, <literal
>f<subscript
>c</subscript
></literal
> er højfrekvente skæringspunkter, og <literal
>n</literal
> er Butterworthfiltrets rækkefølge. Den inverse Fouriertransform beregnes derefter med de nye filtrerede frekvenssvar. </para>
<sect3 id="plugin-butterworth_highpass-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet med værdier at filtrere. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Rækkefølge (skalar)</term>
<listitem>
<para
>Rækkefølgen for Butterworth filtret som skal bruges. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Skæringsfrekvens (skalar)</term>
<listitem>
<para
>Skæringsfrekvensen for Butterworth højpassfiltret. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-butterworth_highpass-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>X-filtreret (vektor)</term>
<listitem>
<para
>Feltet med filtrerede dataværdier. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-butterworth_lowpass">
<title
>Butterworth low-pass</title>
<para
>Pluginnet Butterworth lavpassfilter filtrerer en datamængde ved at beregne Fouriertransformen af data og udregne frekvenssvaret igen med følgende formel: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-lowpass.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formel for automatisk korrelation</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>hvor <literal
>f</literal
> er frekvensen, <literal
>f<subscript
>c</subscript
></literal
> er lavfrekvente skæringspunkter, og <literal
>n</literal
> er Butterworthfiltrets rækkefølge. Den inverse Fouriertransform beregnes derefter med de nye filtrerede frekvenssvar. </para>
<sect3 id="plugin-butterworth_lowpass-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet med værdier at filtrere. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Rækkefølge (skalar)</term>
<listitem>
<para
>Rækkefølgen for Butterworth filtret som skal bruges. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Skæringsfrekvens (skalar)</term>
<listitem>
<para
>Skæringsfrekvensen for Butterworth lavpassfiltret. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-butterworth_lowpass-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>X-filtreret (vektor)</term>
<listitem>
<para
>Feltet med filtrerede dataværdier. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-chop">
<title
>Del</title>
<para
>Pluginnet Del tager en inddatavektor og deler den op i to vektorer. Hvert andet element i inddatavektoren placeres i en uddatavektor, mens alle andre elementer i inddatavektoren placeres i en anden uddatavektor. </para>
<sect3 id="plugin-chop-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>Matrix (vektor)</term>
<listitem>
<para
>Matrix med værdier som skal deles op. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-chop-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Ulige felter (vektor)</term>
<listitem>
<para
>Felter som indeholder den ulige del af inddatafeltet (dvs. det indeholder det første element i inddatafeltet). </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Lige felt (vektor)</term>
<listitem>
<para
>Feltet som indeholder den lige del af inddatafeltet (dvs. det indeholder ikke det første element i inddatafeltet). </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Forskelsfelt (vektor)</term>
<listitem>
<para
>Feltet som indeholder elementerne fra det ulige felt minus de tilsvarende elementer i det lige felt. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Indeksfelt (vektor)</term>
<listitem>
<para
>Et indeksfelt med samme længde som de tre øvrige uddatafelter. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-convolution">
<title
>Konvolution</title>
<para
>Pluginnet Konvolution laver konvolutionen af en vektor med en anden. Konvolutionen af to funktioner <literal
>f</literal
> og <literal
>g</literal
> er givet ved: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-convolution.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Vektorernes rækkefølge spiller ingen rolle, eftersom <literal
>f*g=g*f</literal
>. Desuden behøver vektorerne ikke at være af samme størrelse, eftersom pluginnet automatisk ekstrapolerer den kortere vektor. </para>
<sect3 id="plugin-convolution-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>Felt et (vektor)</term>
<listitem>
<para
>Et af parret af felter som skal bruges til konvolutionen. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Felt to (vektor)</term>
<listitem>
<para
>Et af parret af felter som skal bruges til konvolutionen. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-convolution-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Konvoluteret (vektor)</term>
<listitem>
<para
>Konvoluteringen af de to inddatavektorer. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-crosscorrelation">
<title
>Krydskorrelation</title>
<para
>Pluginnet Krydskorrelation beregner korrelationsværdier mellem to serier (vektorer) <literal
>x</literal
> og <literal
>y</literal
>, ved brug af forsinkelsesværdier fra <literal
>floor(-(N-1)/2)</literal
> til <literal
>floor((N-1)/2)</literal
>, hvor <literal
>N</literal
> er antal elementer i den længste vektor. Den kortere vektor udfyldes ud med <literal
>0</literal
> til den længere vektors længde. Tidsvektoren er ikke inddata eftersom det antages at data samples med ens tidsintervaller. Korrelationsværdien <literal
>r</literal
> ved forsinkelsen <literal
>k</literal
> er: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-crosscorrelation.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formel for krydskorrelation</phrase>
</textobject>
</inlinemediaobject>
</para>
<sect3 id="plugin-crosscorrelation-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet <literal
>x</literal
> som bruges i formlen for krydskorrelation. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y-felt (vektor)</term>
<listitem>
<para
>Feltet <literal
>y</literal
> som bruges i formlen for krydskorrelation. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-crosscorrelation-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Skridtnummer (vektor)</term>
<listitem>
<para
>Matrix med skridt, eller forsinkelsesværdier. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Korrelationsværdi (vektor)</term>
<listitem>
<para
>Feltet med korrelationsværdier beregnet med tilsvarende skridtnummer i skridtnummervektoren. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-deconvolution">
<title
>Dekonvolution</title>
<para
>Pluginnet dekonvolution laver den omvendte konvolution af en vektor med en anden. Dekonvolution er det inverse af konvolution. Givet den konvulerede vektor <literal
>h</literal
> og en anden vektor <literal
>g</literal
>, fås dekonvolutionen <literal
>f</literal
> ved: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-deconvolution.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Vektorerne behøver ikke være af samme størrelse, eftersom pluginnet automatisk ekstrapolerar den kortere vektor. Den kortere vektor antages at være svarfunktionen <literal
>g</literal
>. </para>
<sect3 id="plugin-deconvolution-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>Felt et (vektor)</term>
<listitem>
<para
>Et af parrene med felter som skal bruges til dekonvolutionen. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Felt to (vektor)</term>
<listitem>
<para
>Et af parrene med felter som skal bruges til dekonvolutionen. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-deconvolution-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Dekonvuleret (vektor)</term>
<listitem>
<para
>Dekonvolutionen af de to inddatavektorer. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_exponential_weighted">
<title
>Vægtet eksponentiel tilpasning</title>
<para
>Pluginnet Vægtet eksponentiel tilpasning udfører en vægtet mindste kvadrat tilpasning til en eksponentiel model: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-exponentialfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Det oprindelige estimat <literal
>a=1,0</literal
>, <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-lambda.png" format="PNG"/> </imageobject
> </inlinemediaobject
><literal
>=0</literal
>, og <literal
>b=0</literal
> bruges. Derefter udfører pluginnet iterationer mod løsningen til en nøjagtighed på <literal
>1,0e-4</literal
> er nået eller 500 iterationer er udført. </para>
<sect3 id="plugin-kstfit_exponential_weighted-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier for datapunkterne som skal tilpasses. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y-felt (vektor)</term>
<listitem>
<para
>Feltet med Y-værdier for datapunkterne som skal tilpasses. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vægte (vektor)</term>
<listitem>
<para
>Feltet med vægte at bruge for tilpasningen. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_exponential_weighted-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Y-tilpasset (vektor)</term>
<listitem>
<para
>Feltet med tilpassede Y-værdier. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Rester (vektor)</term>
<listitem>
<para
>Feltet med rester. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parametre (vektor)</term>
<listitem>
<para
>Parametrene for bedste tilpasning <literal
>a</literal
>, <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-lambda.png" format="PNG"/> </imageobject
> </inlinemediaobject
>, og <literal
>b</literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kovarians (vektor)</term>
<listitem>
<para
>Kovariansmatricen for modelparametrene, som returneres linje for linje i vektoren. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>χ²/ν (skalar)</term>
<listitem>
<para
>Vægtet sum af kvadraterne af resterne, dividerat med frihedsgraderne. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_exponential_unweighted">
<title
>Eksponentiel tilpasning</title>
<para
>Pluginnet Eksponentiel tilpasning har identisk funktion som pluginnet <link linkend="plugin-kstfit_exponential_weighted"
>Vægtet exponentiell tilpasning</link
>, med undtagelse af at vægtværdien <literal
>w<subscript
>i</subscript
></literal
> er lig med <literal
>1</literal
> for alle indeksværdier <literal
>i</literal
>. Som et resultat, er der ingen vægt-inddataværdier. </para>
</sect2>
<sect2 id="plugin-kstfit_gaussian_weighted">
<title
>Vægtet gaussisk tilpasning</title>
<para
>Pluginnet Vægtet gaussisk tilpasning udfører en vægtet ikke-lineær mindste kvadrat tilpasning til en Gaussisk model: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gaussianfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Det oprindelige estimat <literal
>a=</literal
>(maksimum af Y-værdierne), <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-mu.png" format="PNG"/> </imageobject
> </inlinemediaobject
><literal
>=</literal
>(middelværdi af X-værdierne), og <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-sigma.png" format="PNG"/> </imageobject
> </inlinemediaobject
><literal
>=</literal
>(midtpunktet for X-værdierne) bruges. Derefter udfører pluginnet iterationer mod løsningen indtil en nøjagtighed på <literal
>1,0e-4</literal
> er opnået eller 500 iterationer er udført. </para>
<sect3 id="plugin-kstfit_gaussian_weighted-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier for datapunkterne som skal tilpasses. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y-felt (vektor)</term>
<listitem>
<para
>Feltet med Y-værdier for datapunkterne som skal tilpasses. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vægte (vektor)</term>
<listitem>
<para
>Feltet med vægte at bruge for tilpasningen. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_gaussian_weighted-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Y-tilpasset (vektor)</term>
<listitem>
<para
>Feltet med tilpassede Y-værdier. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Rester (vektor)</term>
<listitem>
<para
>Feltet med rester. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parametre (vektor)</term>
<listitem>
<para
>Parametrene for bedste tilpasning <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-mu.png" format="PNG"/> </imageobject
> </inlinemediaobject
>, <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-sigma.png" format="PNG"/> </imageobject
> </inlinemediaobject
>, og <literal
>a</literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kovarians (vektor)</term>
<listitem>
<para
>Kovariansmatricen for modelparametrene, som returneres linje for linje i vektoren. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>χ²/ν (skalar)</term>
<listitem>
<para
>Vægtet sum af kvadraterne af resterne, dividerat med frihedsgraderne. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_gaussian_unweighted">
<title
>Gaussisk tilpasning</title>
<para
>Pluginnet Gaussisk tilpasning har identisk funktion som pluginnet <link linkend="plugin-kstfit_gaussian_weighted"
>Vægtet gaussisk tilpasning</link
>, med undtagelse af at vægtningsværdien <literal
>w<subscript
>i</subscript
></literal
> er lig med <literal
>1</literal
> for alle indeksværdier <literal
>i</literal
>. Som et resultat, er der ingen vægt-inddataværdier (vektorer). </para>
</sect2>
<sect2 id="plugin-kstfit_gradient_weighted">
<title
>Vægtet gradienttilpasning</title>
<para
>Pluginnet Vægtet gradient udfører en vægtet mindste kvadrat tilpasning til en model med ret linje uden et konstantled: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gradientequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Den bedste tilpasning findes ved at minimere den vægtede sum af de kvadratiske rester: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gradientsumofsquares.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>for <literal
>b</literal
>, hvor <literal
>w<subscript
>i</subscript
></literal
> er vægten for indeks <literal
>i</literal
>. </para>
<sect3 id="plugin-kstfit_gradient_weighted-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier for datapunkterne som skal tilpasses. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y-felt (vektor)</term>
<listitem>
<para
>Feltet med Y-værdier for datapunkterne som skal tilpasses. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vægte (vektor)</term>
<listitem>
<para
>Matricen med vægter som skal bruges til tilpasningen. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_gradient_weighted-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Y-tilpasset (vektor)</term>
<listitem>
<para
>Matricen med Y-værdier for punkterne som repræsenterer linjen med bedst tilpasning. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Rester (vektor)</term>
<listitem>
<para
>Matricen med rester, eller forskelle mellem Y-værdier for linjen med bedst tilpasning og Y-værdier for datapunkterne. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parametre (vektor)</term>
<listitem>
<para
>Parameteren <literal
>b</literal
> for den bedste tilpasning. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kovarians (vektor)</term>
<listitem>
<para
>Den estimerede kovariansmatrix, returneret række for række, begyndende på række 0. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y-lav (vektor)</term>
<listitem>
<para
>Tilsvarende værdier i Y-tilpasset minus standardafvigelsen for funktionen med bedste tilpasning for ved tilsvarende X-værdi. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y-høj (vektor)</term>
<listitem>
<para
>Tilsvarende værdi i Y-tilpasning plus standardafvigelsen for funktionen med bedste tilpasning ved tilsvarende X-værdi. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>χ²/ν (skalar)</term>
<listitem>
<para
>Værdien af summen af kvadraterne for resterne, divideret med frihedsgraderne. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_gradient_unweighted">
<title
>Gradienttilpasning</title>
<para
>Pluginnet Overgangstilpasning har samme funktion som pluginnet <link linkend="plugin-kstfit_gradient_weighted"
>Vægtet overgangstilpasning</link
>, med undtagelse af at vægtningsværdien <literal
>w<subscript
>i</subscript
></literal
> er lig med <literal
>1</literal
> for alle indeksværdier <literal
>i</literal
>. Som et resultat, findes inddataværdien Vægter (vektor) ikke. </para>
</sect2>
<sect2 id="plugin-kstfit_linear_weighted">
<title
>Vægtet lineær tilpasning</title>
<para
>Pluginnet Vægtet lineær tilpasning udfører en vægtet mindste kvadrat tilpasning til en model med en lige linje. </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-linefitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Den bedste tilpasning findes ved at minimere den vægtede sum af de kvadratiske rester: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-linefitsumofsquaredresiduals.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>for <literal
>a</literal
> og <literal
>b</literal
>, hvor <literal
>w<subscript
>i</subscript
></literal
> er vægten for indekset <literal
>i</literal
>. </para>
<sect3 id="plugin-kstfit_linear_weighted-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier for datapunkterne som skal tilpasses. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y-felt (vektor)</term>
<listitem>
<para
>Feltet med Y-værdier for datapunkterne som skal tilpasses. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vægte (vektor)</term>
<listitem>
<para
>Matricen med vægter som skal bruges til tilpasningen. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_linear_weighted-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Y-tilpasset (vektor)</term>
<listitem>
<para
>Matricen med Y-værdier for punkterne som repræsenterer linjen med bedst tilpasning. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Rester (vektor)</term>
<listitem>
<para
>Matricen med rester, eller forskelle mellem Y-værdier for linjen med bedst tilpasning og Y-værdier for datapunkterne. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parametre (vektor)</term>
<listitem>
<para
>Parametrene <literal
>a</literal
> og <literal
>b</literal
> for den bedste tilpasning. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kovarians (vektor)</term>
<listitem>
<para
>Den estimerede kovariansmatrix, returneret række for række, begyndende på række 0. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y-lav (vektor)</term>
<listitem>
<para
>Tilsvarende værdier i Y-tilpasset minus standardafvigelsen for funktionen med bedste tilpasning for ved tilsvarende X-værdi. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y-høj (vektor)</term>
<listitem>
<para
>Tilsvarende værdi i Y-tilpasning plus standardafvigelsen for funktionen med bedste tilpasning ved tilsvarende X-værdi. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>χ²/ν (skalar)</term>
<listitem>
<para
>Værdien af summen af kvadraterne for resterne, divideret med frihedsgraderne. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_linear_unweighted">
<title
>Lineær tilpasning</title>
<para
>Pluginnet Lineær tilpasning har samme funktion som pluginnet <link linkend="plugin-kstfit_linear_weighted"
>Vægtet lineær tilpasning</link
>, med undtagelse af at vægtningsværdien <literal
>w<subscript
>i</subscript
></literal
> er lig med <literal
>1</literal
> for alle indeksværdier <literal
>i</literal
>. Som et resultat, findes inddataværdien Vægter (vektor) ikke. </para>
</sect2>
<sect2 id="plugin-kstfit_lorentzian_weighted">
<title
>Vægtet Lorentz-tilpasning</title>
<para
>Pluginnet Vægtet Lorentz-tilpasning udfører en vægtet ikke-lineær mindste kvadrat tilpasning til en Lorentz-model: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-lorentzianfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Det oprindelige estimat <literal
>a=</literal
>(maksimum af Y-værdierne), <literal
>x<subscript
>0</subscript
>=</literal
>(middelværdi af X-værdierne), og <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-Gamma.png" format="PNG"/> </imageobject
> </inlinemediaobject
><literal
>=</literal
>(midtpunktet for X-værdierne) bruges. Derefter udfører pluginnet iterationer mod løsningen med en nøjagtighed på <literal
>1,0e-4</literal
> er opnået eller 500 iterationer er udført. </para>
<sect3 id="plugin-kstfit_lorentzian_weighted-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier for datapunkterne som skal tilpasses. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y-felt (vektor)</term>
<listitem>
<para
>Feltet med Y-værdier for datapunkterne som skal tilpasses. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vægte (vektor)</term>
<listitem>
<para
>Feltet med vægte at bruge for tilpasningen. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_lorentzian_weighted-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Y-tilpasset (vektor)</term>
<listitem>
<para
>Feltet med tilpassede Y-værdier. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Rester (vektor)</term>
<listitem>
<para
>Feltet med rester. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parametre (vektor)</term>
<listitem>
<para
>Parametrene for bedste tilpasning <literal
>x<subscript
>0</subscript
></literal
>, <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-Gamma.png" format="PNG"/> </imageobject
> </inlinemediaobject
>, og <literal
>a</literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kovarians (vektor)</term>
<listitem>
<para
>Kovariansmatricen for modelparametrene, som returneres linje for linje i vektoren. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>χ²/ν (skalar)</term>
<listitem>
<para
>Vægtet sum af kvadraterne af resterne, dividerat med frihedsgraderne. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_lorentzian_unweighted">
<title
>Lorentz-tilpasning</title>
<para
>Pluginnet Lorentz-tilpasning har samme funktion som pluginnet <link linkend="plugin-kstfit_lorentzian_weighted"
>Vægtet Lorentz-tilpasning</link
>, med undtagelse af at vægtningsværdien <literal
>w<subscript
>i</subscript
></literal
> er lig med <literal
>1</literal
> for alle indeksværdier <literal
>i</literal
>. Som et resultat, findes inddataværdien Vægter (vektor) ikke. </para>
</sect2>
<sect2 id="plugin-kstfit_polynomial_weighted">
<title
>Vægtet polynomiumtilpasning</title>
<para
>Pluginnet Vægtet polynomiumtilpasning udfører en vægtet mindste kvadrat tilpasning til en polynomiummodel: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-polynomialfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>hvor <literal
>n</literal
> er polynomiummodellens rækkefølge. </para>
<sect3 id="plugin-kstfit_polynomial_weighted-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier for datapunkterne som skal tilpasses. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y-felt (vektor)</term>
<listitem>
<para
>Feltet med Y-værdier for datapunkterne som skal tilpasses. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vægte (vektor)</term>
<listitem>
<para
>Feltet med vægte at bruge for tilpasningen. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Rækkefølge (skalar)</term>
<listitem>
<para
>Rækkefølgen, eller graden, for polynomiummodellen som skal bruges. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_polynomial_weighted-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Y-tilpasset (vektor)</term>
<listitem>
<para
>Feltet med tilpassede Y-værdier. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Rester (vektor)</term>
<listitem>
<para
>Feltet med rester. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parametre (vektor)</term>
<listitem>
<para
>Parametrene for bedste tilpasning <literal
>c<subscript
>0</subscript
></literal
>, <literal
>c<subscript
>1</subscript
></literal
>,..., <literal
>c<subscript
>n</subscript
></literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kovarians (vektor)</term>
<listitem>
<para
>Kovariansmatricen for modelparametrene, som returneres linje for linje i vektoren. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>χ²/ν (skalar)</term>
<listitem>
<para
>Vægtet sum af kvadraterne af resterne, dividerat med frihedsgraderne. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_polynomial_unweighted">
<title
>Polynomiumtilpasning</title>
<para
>Pluginnet Polynomiumtilpasning har samme funktion som pluginnet <link linkend="plugin-kstfit_polynomial_weighted"
>Vægtet polynomiumtilpasning</link
>, med undtagelse af at vægtningsværdien <literal
>w<subscript
>i</subscript
></literal
> er lig med <literal
>1</literal
> for alle indeksværdier <literal
>i</literal
>. Som et resultat, findes inddataværdien Vægter (vektor) ikke. </para>
</sect2>
<sect2 id="plugin-kstfit_sinusoid_weighted">
<title
>Vægtet sinusformet tilpasning</title>
<para
>Pluginnet Vægtet sinusformet tilpasning udfører en vægtet mindste kvadrat tilpasning til en sinusformet model: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-sinusoidfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>hvor <literal
>T</literal
> er angiven periode, og <literal
>n=2+2H</literal
>, hvor <literal
>H</literal
> er angivet antal overtoner. </para>
<sect3 id="plugin-kstfit_sinusoid_weighted-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier for datapunkterne som skal tilpasses. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y-felt (vektor)</term>
<listitem>
<para
>Feltet med Y-værdier for datapunkterne som skal tilpasses. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vægte (vektor)</term>
<listitem>
<para
>Feltet med vægte at bruge for tilpasningen. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Overtoner (skalar)</term>
<listitem>
<para
>Antal overtoner i sinusformen som skal tilpasses. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Periode (skalar)</term>
<listitem>
<para
>Perioden for sinusformen som skal tilpasses. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_sinusoid_weighted-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Y-tilpasset (vektor)</term>
<listitem>
<para
>Feltet med tilpassede Y-værdier. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Rester (vektor)</term>
<listitem>
<para
>Feltet med rester. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parametre (vektor)</term>
<listitem>
<para
>Parametrene for bedste tilpasning <literal
>c<subscript
>0</subscript
></literal
>, <literal
>c<subscript
>1</subscript
></literal
>,..., <literal
>c<subscript
>n</subscript
></literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kovarians (vektor)</term>
<listitem>
<para
>Kovariansmatricen for modelparametrene, som returneres linje for linje i vektoren. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>χ²/ν (skalar)</term>
<listitem>
<para
>Vægtet sum af kvadraterne af resterne, dividerat med frihedsgraderne. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_sinusoid_unweighted">
<title
>Sinusformet tilpasning</title>
<para
>Pluginnet Sinusformet tilpasning har samme funktion som pluginnet <link linkend="plugin-kstfit_sinusoid_weighted"
>Vægtet sinusformet tilpasning</link
>, med undtagelse af at vægtningsværdien <literal
>w<subscript
>i</subscript
></literal
> er lig med <literal
>1</literal
> for alle indeksværdier <literal
>i</literal
>. Som et resultat, findes inddataværdien Vægter (vektor) ikke. </para>
</sect2>
<sect2 id="plugin-kstinterp_akima">
<title
>Akima-spline interpolation</title>
<para
>Pluginnet Akima-spline interpolation laver en ikke-afrundet Akima-spline interpolation for datamængder som der sørges for, med naturlige grænsebetingelser. </para>
<sect3 id="plugin-kstinterp_akima-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier for datapunkterne som interpolationen skal laves for. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y-felt (vektor)</term>
<listitem>
<para
>Feltet med Y-værdier for datapunkterne som interpolationen skal laves for. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>X'-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier hvor interpolerede Y-værdier ønskes. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_akima-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Y-interpoleret (vektor)</term>
<listitem>
<para
>De interpolerede Y-værdier. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_akima_periodic">
<title
>Periodisk Akima-splineinterpolation</title>
<para
>Pluginnet Periodisk Akima-splineinterpolation laver en ikke-afrundet Akima-splineinterpolation for datamængder som der sørges for, med periodiske grænsebetingelser. </para>
<sect3 id="plugin-kstinterp_akima_periodic-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier for datapunkterne som interpolationen skal laves for. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y-felt (vektor)</term>
<listitem>
<para
>Feltet med Y-værdier for datapunkterne som interpolationen skal laves for. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>X'-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier hvor interpolerede Y-værdier ønskes. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_akima_periodic-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Y-interpoleret (vektor)</term>
<listitem>
<para
>De interpolerede Y-værdier. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_cspline">
<title
>Kubisk splineinterpolation</title>
<para
>Pluginnet Kubisk splineinterpolation laver en kubisk splineinterpolation for datamængden som der sørges for, med naturlige grænsebetingelser. </para>
<sect3 id="plugin-kstinterp_cspline-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier for datapunkterne som interpolationen skal laves for. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y-felt (vektor)</term>
<listitem>
<para
>Feltet med Y-værdier for datapunkterne som interpolationen skal laves for. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>X'-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier hvor interpolerede Y-værdier ønskes. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_cspline-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Y-interpoleret (vektor)</term>
<listitem>
<para
>De interpolerede Y-værdier. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_cspline_periodic">
<title
>Periodisk kubisk splineinterpolation</title>
<para
>Pluginnet Periodisk kubisk splineinterpolation laver en kubisk splineinterpolation for datamængden som der sørges for, med periodiske grænsebetingelser. </para>
<sect3 id="plugin-kstinterp_cspline_periodic-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier for datapunkterne som interpolationen skal laves for. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y-felt (vektor)</term>
<listitem>
<para
>Feltet med Y-værdier for datapunkterne som interpolationen skal laves for. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>X'-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier hvor interpolerede Y-værdier ønskes. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_cspline_periodic-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Y-interpoleret (vektor)</term>
<listitem>
<para
>De interpolerede Y-værdier. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_linear">
<title
>Lineær interpolation</title>
<para
>Pluginnet Lineær interpolation laver en lineær interpolation for datamængden som der sørges for. </para>
<sect3 id="plugin-kstinterp_linear-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier for datapunkterne som interpolationen skal laves for. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y-felt (vektor)</term>
<listitem>
<para
>Feltet med Y-værdier for datapunkterne som interpolationen skal laves for. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>X'-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier hvor interpolerede Y-værdier ønskes. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_linear-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Y-interpoleret (vektor)</term>
<listitem>
<para
>De interpolerede Y-værdier. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_polynomial">
<title
>Polynomiuminterpolation</title>
<para
>Pluginnet Polynominterpolation laver en polynomiuminterpolation for datamængden som der sørges for. Antal led i det polynomium som bruges er lig med antal punkter i datamængden som der sørges for. </para>
<sect3 id="plugin-kstinterp_polynomial-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>X-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier for datapunkterne som interpolationen skal laves for. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y-felt (vektor)</term>
<listitem>
<para
>Feltet med Y-værdier for datapunkterne som interpolationen skal laves for. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>X'-felt (vektor)</term>
<listitem>
<para
>Feltet med X-værdier hvor interpolerede Y-værdier ønskes. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_polynomial-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Y-interpoleret (vektor)</term>
<listitem>
<para
>De interpolerede Y-værdier. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-noise-addition">
<title
>Tilføjelse af støj</title>
<para
>Pluginnet Tilføjelse af støj tilføjer en Gaussisk tilfældig variabel til hvert element i inddatavektoren. Gauss-distributionen som bruges har middelværdien <literal
>0</literal
> og angiven standardafvigelse. Frekvensfunktionen for en Gaussisk tilfældig variabel er: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gaussianprobability.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<sect3 id="plugin-noise-addition-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>Matrix (vektor)</term>
<listitem>
<para
>Feltet med elementer hvor tilfældig støj skal tilføjes. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Sigma (skalar)</term>
<listitem>
<para
>Standardafvigelsen som skal bruges for Gauss-fordelingen. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-noiseaddition-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Uddatafelt (vektor)</term>
<listitem>
<para
>Feltet med elementer hvor Gaussisk støj er tilføjet. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-periodogram">
<title
>Periodogram</title>
<para
>Pluginnet Periodogram laver periodogrammet for en given datamængde. En af to algoritmer bruges afhængig af datamængdens størrelse: En hurtig algoritme bruges hvis der er mere end 100 datapunkter, mens en langsommere algoritme bruges hvis der er mindre end eller lig med 100 datapunkter. </para>
<sect3 id="plugin-periodogram-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>Tidsfelt (vektor)</term>
<listitem>
<para
>Feltet med tidsværdier for datapunkterne som interpolationen skal laves for. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Datafelt (vektor)</term>
<listitem>
<para
>Feltet med dataværdier, afhængig af tidsværdierne, for datapunkterne som interpolationen skal laves for. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Oversamplingsfaktor (skalar)</term>
<listitem>
<para
>Faktoren at oversample med. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Middelfaktor for Nyquist-frekvens (skalar)</term>
<listitem>
<para
>Middelfaktor for Nyquist-frekvens. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-periodogram-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Frekvens (vektor)</term>
<listitem>
<para
>Frekvensvektoren. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Periodogram (vektor)</term>
<listitem>
<para
>Vektoren med frekvenssvar for periodogrammet. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-statistics">
<title
>Statistik</title>
<para
>Pluginnet Statistik beregner statistik for en given datamængde. De fleste uddataskalarer er navngivne på en sådan måde at værdierne de repræsenterer bør være åbenbare. Standardformler bruges for at beregne de statistiske værdier. </para>
<sect3 id="plugin-statistics-inputs">
<title
>Inddata</title>
<variablelist>
<varlistentry>
<term
>Datafelt (vektor)</term>
<listitem>
<para
>Feltet med dataværdier som statistikken skal beregnes for. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-statistics-outputs">
<title
>Uddata</title>
<variablelist>
<varlistentry>
<term
>Middelværdi (skalar)</term>
<listitem>
<para
>Middelværdien af dataværdierne. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Minimum (skalar)</term>
<listitem>
<para
>Minimale værdier som fandtes i datafeltet. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Maksimum (skalar)</term>
<listitem>
<para
>Maksimale værdier som blev fundet i datafeltet. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Varians (skalar)</term>
<listitem>
<para
>Datamængdens varians. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Standardafvigelse (skalar)</term>
<listitem>
<para
>Datamængdens standardafvigelse. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Median (skalar)</term>
<listitem>
<para
>Datamængdens median. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Absolutafvigelse (skalar)</term>
<listitem>
<para
>Datamængdens absolutte afvigelse. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Skævhed (skalar)</term>
<listitem>
<para
>Datamængdens skævhed. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kurtosis (skalar)</term>
<listitem>
<para
>Datamængdens kurtosis. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<!-- End the long plugins section -->
</sect1>
</chapter>
<!-- Keep this comment at the end of the file
Local variables:
mode: xml
sgml-omittag:nil
sgml-shorttag:nil
sgml-namecase-general:nil
sgml-general-insert-case:lower
sgml-minimize-attributes:nil
sgml-always-quote-attributes:t
sgml-indent-step:0
sgml-indent-data:true
sgml-parent-document:("index.docbook" "book" "chapter")
sgml-exposed-tags:nil
sgml-local-catalogs:nil
sgml-local-ecat-files:nil
End:
-->
distrib
>
Mandriva
>
2007.0
>
i586
>
media
>
contrib-release
>
by-pkgid
>
367eced8d80e0e4129138e86836a8880
>
files
>
245
