<chapter id="pluginsandfilters">
<title
>Plugins, ajustes y filtros</title>
<para
>Los plugins añaden funcionalidad extra a &kst;. por omisión, &kst; viene con una extensa selección de plugins. Además, existe una interfaz simple y consistente para permitir a terceros crear plugins. Los filtros y los ajustes son un subconjunto de los plugins, y se comportan idénticamente a los plugins, con la conveniencia adicional de diálogos accesibles desde el <link linkend="theplotcontextmenu"
>menú de contexto del gráfico</link
>. </para>
<sect1 id="addingandremovingplugins">
<title
>Añadir y borrar plugins</title>
<para
>por omisión, los plugins prefabricados están en <filename
>/usr/lib/kde3/kstplugins/</filename
> (este directorio puede cambiar dependiendo de donde haya instalado &kst;). El gestor de plugins puede usarse para añadir o quitar plugins. Se puede acceder seleccionando <guimenuitem
>Plugins...</guimenuitem
> desde el menú <guimenu
>Preferencias</guimenu
>. El gestor de plugins mostrará una lista de los plugins instalados actualmente. </para>
<para
>Para añadir un plugin, pulse sobre el botón <guibutton
>Instalar...</guibutton
>. Navegue hasta el directorio conteniendo ambos el archivo de especificación del plugin (<literal role="extension"
>*.xml</literal
>) y la librería dinámica (<literal role="extension"
>*.so</literal
>). Pulse sobre <guibutton
>Aceptar</guibutton
>, y se deberá instalar el plugin. </para>
<para
>Para quitar el plugin, simplemente seleccionelo desde el gestor de plugins y pulse sobre <guibutton
>Eliminar</guibutton
>. Se le pedirá confirmación. </para>
<para
>Para refrescar rápidamente la lista de plugins mostrados en el gestor de plugins, pulse sobre <guibutton
>Reexplorar</guibutton
>. De esta forma se añadirán los plugins que estén en el directorio por omisión de plugins, y se eliminarán aquellos que no estén presentes. </para>
</sect1>
<sect1 id="builtinplugins">
<title
>Plugins prefabricados</title>
<para
>Hasta ahora, hay más de 25 plugins prefabricados disponibles en &kst; que hacen funciones tales como tomar relaciones cruzadas de dos vectores para producir gráficos de periodos de una serie de datos. La ventana de preferencias para cada plugin consiste de dos secciones principales—una sección de entrada y otra de salida. Cada sección se compone de una serie de escalares y/o vectores. El pantallazo siguiente muestra la ventana de configuración para un plugin típico. La sola diferencia entre los diferentes plugins es la serie de entradas y de salidas, y el mecanismo para derivar las salidas a partir de las entradas. </para>
<screenshot>
<screeninfo
>Ventana de plugins</screeninfo>
<mediaobject>
<imageobject>
<imagedata fileref="Screenshot-kst-pluginswindow.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Ventana de plugins</phrase>
</textobject>
</mediaobject>
</screenshot>
<para
>Las secciones siguientes describen cada plugin, véase, sus propósitos, sus algoritmos o formulas usados para hacer los cálculos, y las entradas y salidas de cada plugin. Notar que los plugins de ajuste y de filtrado están incluidos en las secciones siguientes. </para>
<!-- Begin the long plugins section. -->
<sect2 id="plugin-autocorrelation">
<title
>Autocorrelación</title>
<para
>El plugin de autocorrelación calcula los valores de correlación entre una serie (vector) y una versión retrasada de el mismo, usando como valores de retraso desde <literal
>floor(-(N-1)/2)</literal
> a <literal
>floor((N-1)/2)</literal
>, donde <literal
>N</literal
> es el número de puntos en la serie de datos. El vector de tiempo no es una entrada pues se asume que los datos se toman a intervalos iguales. El valor de correlación <literal
>r</literal
> en el punto retrasado <literal
>k</literal
> es: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-autocorrelation.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formula de autocorrelación</phrase>
</textobject>
</inlinemediaobject>
</para>
<sect3 id="plugin-autocorrelation-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector<literal
>x</literal
> de valores para los cuales se van a calcular la correlación. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-autocorrelation-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>Numero de pasos (vector)</term>
<listitem>
<para
>El vector de pasos, o puntos de retraso. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Valores de correlación (vector)</term>
<listitem>
<para
>El vector de los valores de correlación se calcula usando el número de paso correspondiente en el vector numero de pasos. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-bin">
<title
>Bin</title>
<para
>El plugin "bin" va a poner los elementos de un vector de datos simple en intervalos de un tamaño dado. El valor de cada intervalo es la media de los elementos pertenecientes a cada intervalo. Por ejemplo, si el tamaño del intervalo es <literal
>3</literal
>, y el vector de entrada es <literal
>[9,2,7,3,4,74,5,322,444,2,1]</literal
>, entonces el vector de salida sería <literal
>[6,27,257]</literal
>. Notar que los elementos restantes al final del vector de entrada que no forman parte de un intervalo completo (en este caso, los elementos <literal
>2</literal
> y <literal
>1</literal
>, simplemente se descartan). </para>
<sect3 id="plugin-bin-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector de entrada (vector)</term>
<listitem>
<para
>El vector a clasificar y promediar. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Tamaño del intervalo (escalar)</term>
<listitem>
<para
>Tamaño a usar para cada intervalo. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-bin-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>Vector de los promedios en los intervalos (vector)</term>
<listitem>
<para
>El vector de los promedios en cada intervalo. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-butterworth_bandpass">
<title
>Paso de banda Butterworth</title>
<para
>El plugin de paso de banda Butterworth filtra una serie de datos con un filtro de paso de banda Butterworth. El filtrado se realiza calculando una transformada de Fourier de los datos y recalculando la respuesta en frecuencia usando la formula siguiente </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-bandpass.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formula de autocorrelación</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>donde <literal
>f</literal
> es la frecuencia, <literal
>f<subscript
>c</subscript
></literal
> es la frecuencia baja de corte, <literal
>b</literal
> es el ancho de banda de la banda a filtrar, y <literal
>n</literal
> es el orden del filtro de Butterworth. Entonces se calcula la transformada inversa de Fourier usando las nuevas respuestas filtradas en frecuencias. </para>
<sect3 id="plugin-butterworth_bandpass-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores a filtrar. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Orden (escalar)</term>
<listitem>
<para
>El orden del filtro de Butterworth a usar. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>La frecuencia baja de corte (escalar)</term>
<listitem>
<para
>La frecuencia baja de corte del filtro de paso de banda de Butterworth. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Ancho de banda (escalar)</term>
<listitem>
<para
>La anchura de la banda a pasar. Debe ser igual a la diferencia entre la frecuencia alta de corte deseada y la frecuencia baja de corte. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-butterworth_bandpass-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>Filtrado X (vector)</term>
<listitem>
<para
>El vector de valores de datos filtrados. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-butterworth_bandstop">
<title
>Butterworth_band-stop</title>
<para
>El plugin de butterworth band-stop filtra una serie de datoscalculando la transformada de Fourier de los datos y recalculando las respuestas en frecuencia usando la formula siguiente </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-bandstop.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formula de autocorrelación</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>donde <literal
>f</literal
> es la frecuencia, <literal
>f<subscript
>c</subscript
></literal
> es la frecuencia baja de corte, <literal
>b</literal
> es el ancho de banda de la banda a parar, y <literal
>n</literal
> es el orden del filtro de Butterworth. Entonces se calcula la transformada inversa de Fourier usando las nuevas respuestas filtradas en frecuencias. </para>
<sect3 id="plugin-butterworth_bandstop-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores a filtrar. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Orden (escalar)</term>
<listitem>
<para
>El orden del filtro de Butterworth a usar. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>La frecuencia baja de corte (escalar)</term>
<listitem>
<para
>La frecuencia baja de corte del filtro Butterworth band stop. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Ancho de banda (escalar)</term>
<listitem>
<para
>El ancho de la banda a parar. Debe ser igual a la diferencia entre la frecuencia alta de corte deseada y la frecuencia baja de corte. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-butterworth_bandstop-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>Filtrado X (vector)</term>
<listitem>
<para
>El vector de valores de datos filtrados. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-butterworth_highpass">
<title
>Butterworth paso alto</title>
<para
>El plugin Butterworth de paso alto filtra una serie de datos con un filtro de paso alto Butterworth. El filtrado se realiza calculando una transformada de Fourier de los datos y recalculando la respuesta en frecuencia usando la formula siguiente </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-highpass.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formula de autocorrelación</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>donde <literal
>f</literal
> es la frecuencia, <literal
>f<subscript
>c</subscript
></literal
> es la frecuencia alta de corte, y <literal
>n</literal
> es el orden del filtro de Butterworth. Entonces se calcula la transformada inversa de Fourier usando las nuevas respuestas filtradas en frecuencias. </para>
<sect3 id="plugin-butterworth_highpass-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores a filtrar. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Orden (escalar)</term>
<listitem>
<para
>El orden del filtro de Butterworth a usar. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Frecuencia de corte (escalar)</term>
<listitem>
<para
>La frecuencia de corte del filtro de paso alto Butterworth. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-butterworth_highpass-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>Filtrado X (vector)</term>
<listitem>
<para
>El vector de valores de datos filtrados. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-butterworth_lowpass">
<title
>Paso bajo Butterworth</title>
<para
>El plugin Butterworth paso bajo filtra una serie de datos con un filtro de paso de paso bajo Butterworth. El filtrado se realiza calculando una transformada de Fourier de los datos y recalculando la respuesta en frecuencia usando la formula siguiente </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-lowpass.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formula de autocorrelación</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>donde <literal
>f</literal
> es la frecuencia, <literal
>f<subscript
>c</subscript
></literal
> es la frecuencia baja de corte, y <literal
>n</literal
> es el orden del filtro de Butterworth. Entonces se calcula la transformada inversa de Fourier usando las nuevas respuestas filtradas en frecuencias. </para>
<sect3 id="plugin-butterworth_lowpass-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores a filtrar. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Orden (escalar)</term>
<listitem>
<para
>El orden del filtro de Butterworth a usar. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Frecuencia de corte (escalar)</term>
<listitem>
<para
>La frecuencia de corte del filtro de paso bajo Butterworth. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-butterworth_lowpass-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>Filtrado X (vector)</term>
<listitem>
<para
>El vector de valores de datos filtrados. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-chop">
<title
>Corte</title>
<para
>El plugin de corte toma un vector de entrada y lo divide en dos vectores. Cada segundo elemento en el vector de entrada se pone en un vector de salida, mientras que todos los otros elementos del vector de entrada se ponen en otro vector de salida. </para>
<sect3 id="plugin-chop-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector </term>
<listitem>
<para
>El vector de valores del cual hacer el corte. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-chop-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>Vector impar (vector)</term>
<listitem>
<para
>El vector conteniendo la primera parte del vector de entrada (esto es, contiene el primer elemento del vector de entrada). </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector par (vector)</term>
<listitem>
<para
>El vector conteniendo la parte par del vector de entrada (esto es, no contiene el primer elemento del vector de entrada). </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector diferencia (vector)</term>
<listitem>
<para
>Este vector contiene los elementos del vector impar menos los elementos respectivos del vector par. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector index (vector)</term>
<listitem>
<para
>Un vector de índices de la misma longitud que los otros tres vectores de salida. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-convolution">
<title
>Convolución</title>
<para
>El plugin de convolución genera la convolución de un vector con otro. La convolución de dos funciones <literal
>f</literal
> y <literal
>g</literal
> viene dada por: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-convolution.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>El orden de los vectores no importa, puesto que <literal
>f*g=g*f</literal
>. Además, los vectores no tienen por qué tener el mismo tamaño, pues el plugin extrapolará automáticamente el vector más pequeño. </para>
<sect3 id="plugin-convolution-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector uno (vector)</term>
<listitem>
<para
>Un vector del par de vectores a convolucionar. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector dos (vector)</term>
<listitem>
<para
>Un vector del par de vectores a convolucionar. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-convolution-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>El vector convolucionado (vector)</term>
<listitem>
<para
>La convolución de dos vectores de entrada. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-crosscorrelation">
<title
>Correlación cruzada</title>
<para
>El plugin de correlación cruzada calcula los valores de correlación entre dos series (vectores) <literal
>x</literal
> e <literal
>y</literal
>, usando valores de retraso desde <literal
>floor(-(N-1)/2)</literal
> a <literal
>floor((N-1)/2)</literal
>, donde <literal
>N</literal
> es el numero de elementos en el vector más largo. El vector más corto se interpola a la longitud del vector más largo usando <literal
>0</literal
>s. El vector de tiempo no es una entrada pues se presupone que los datos están muestreados a intervalos iguales. El valor de correlación <literal
>r</literal
> en punto de retraso <literal
>k</literal
> es: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-crosscorrelation.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>formula de correlación cruzada</phrase>
</textobject>
</inlinemediaobject>
</para>
<sect3 id="plugin-crosscorrelation-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector <literal
>x</literal
> usado en la formula de correlación cruzada. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector Y </term>
<listitem>
<para
>El vector <literal
>y</literal
> usado en la formula de correlación cruzada. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-crosscorrelation-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>Numero de pasos (vector)</term>
<listitem>
<para
>El vector de pasos, o puntos de retraso. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Valores de correlación (vector)</term>
<listitem>
<para
>El vector de los valores de correlación se calcula usando el número de paso correspondiente en el vector numero de pasos. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-deconvolution">
<title
>Deconvolución</title>
<para
>El plugin de deconvolución genera la deconvolución de un vector con otro. La deconvolución es la inversa de la convolución. Dado un vector convolucionado <literal
>h</literal
> y otro vector <literal
>g</literal
>, el vector de deconvolución <literal
>f</literal
> está dado por: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-deconvolution.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Los vectores no necesitan tener el mismo tamaño, pues el plugin extrapolará automáticamente el vector más corto. Se asume que el vector más corto es la función respuesta <literal
>g</literal
>. </para>
<sect3 id="plugin-deconvolution-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector uno (vector)</term>
<listitem>
<para
>Un vector del par de vectores a deconvolucionar. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector dos (vector)</term>
<listitem>
<para
>Un vector del par de vectores a deconvolucionar. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-deconvolution-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>Vector deconvuelto</term>
<listitem>
<para
>La deconvolución de dos vectores de entrada. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_exponential_weighted">
<title
>Ajuste exponencial ponderado</title>
<para
>El ajuste exponencial ponderado realiza un ajuste ponderado no lineal de mínimos cuadrados a un modelo exponencial: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-exponentialfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Se usa una estimación inicial de <literal
>a=1.0</literal
>, <inlinemediaobject
><imageobject
><imagedata fileref="Symbol-kst-lambda.png" format="PNG"/></imageobject
></inlinemediaobject
><literal
>=0</literal
>, y <literal
>b=0</literal
>. El plugin itera a continuación hacia la solución hasta que se alcanza una precisión de <literal
>1.0e-4</literal
> o se han realizado 500 iteraciones. </para>
<sect3 id="plugin-kstfit_exponential_weighted-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores x para los que hacer el ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector Y </term>
<listitem>
<para
>El vector de valores y para los que hacer el ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Pesos (vector)</term>
<listitem>
<para
>El vector de pesos a usar para ponderar el ajuste. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_exponential_weighted-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>El vector Y ajustado</term>
<listitem>
<para
>El vector de valores y ya ajustados. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Residuos (vector)</term>
<listitem>
<para
>El vector de residuos. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parámetros (vector)</term>
<listitem>
<para
>Los parámetros del mejor ajuste <literal
>a</literal
>,<inlinemediaobject
><imageobject
><imagedata fileref="Symbol-kst-lambda.png" format="PNG"/></imageobject
> </inlinemediaobject
>, y <literal
>b</literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Covariancia (vector)</term>
<listitem>
<para
>La matriz de covariancia del modelo de parámetros, se retorna fila por fila en el vector. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>chi^2/nu (escalar)</term>
<listitem>
<para
>La suma ponderada de los cuadrados de los residuos, dividida por los grados de libertad. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_exponential_unweighted">
<title
>Ajuste exponencial</title>
<para
>El plugin de ajuste exponencial es idéntico en función al del <link linkend="plugin-kstfit_exponential_weighted"
>Ajuste exponencial ponderado</link
> con la excepción de que el valor del peso <literal
>w<subscript
>i</subscript
></literal
> es igual a <literal
>1</literal
> para todos los índices <literal
>i</literal
>. Como resultado, el vector pesos no existe. </para>
</sect2>
<sect2 id="plugin-kstfit_gaussian_weighted">
<title
>Ajuste gaussiano ponderado</title>
<para
>El plugin de ajuste gaussiano ponderado hace un ajuste ponderado no lineal y de mínimos cuadrados para un modelo Gaussiano: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gaussianfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Se usa una estimación inicial de <literal
>a=</literal
>(máximo de los valores y), <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-mu.png" format="PNG"/> </imageobject
> </inlinemediaobject
> <literal
>=</literal
> (media de los valores x), y <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-sigma.png" format="PNG"/> </imageobject
> </inlinemediaobject
> <literal
>=</literal
> (el punto medio de los valores x). El plugin calcula la solución hasta que se alanza una precisión de <literal
>1.0e-4</literal
> o se han realizado 500 iteraciones. </para>
<sect3 id="plugin-kstfit_gaussian_weighted-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores x para los que hacer el ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector Y </term>
<listitem>
<para
>El vector de valores y para los que hacer el ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Pesos (vector)</term>
<listitem>
<para
>El vector de pesos a usar para ponderar el ajuste. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_gaussian_weighted-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>El vector Y ajustado</term>
<listitem>
<para
>El vector de valores y ya ajustados. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Residuos (vector)</term>
<listitem>
<para
>El vector de residuos. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parámetros (vector)</term>
<listitem>
<para
>Los parámetros de mejor ajuste <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-mu.png" format="PNG"/> </imageobject
> </inlinemediaobject
>, <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-sigma.png" format="PNG"/> </imageobject
> </inlinemediaobject
>, y <literal
>a</literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Covariancia (vector)</term>
<listitem>
<para
>La matriz de covariancia del modelo de parámetros, se retorna fila por fila en el vector. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>chi^2/nu (escalar)</term>
<listitem>
<para
>La suma ponderada de los cuadrados de los residuos, dividida por los grados de libertad. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_gaussian_unweighted">
<title
>Ajuste gaussiano</title>
<para
>El plugin de ajuste exponencial es idéntico en función al del <link linkend="plugin-kstfit_gaussian_weighted"
>Ajuste gaussiano ponderado</link
> con la excepción de que el valor del peso <literal
>w<subscript
>i</subscript
></literal
> es igual a <literal
>1</literal
> para todos los índices <literal
>i</literal
>. Como resultado, el vector pesos no existe. </para>
</sect2>
<sect2 id="plugin-kstfit_gradient_weighted">
<title
>Ajuste gradiente ponderado</title>
<para
>El plugin de gradiente ponderado realiza un ajuste ponderado de mínimos cuadrados a un modelo de linea recta sin un término constante: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gradientequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>El mejor ajuste se encuentra minimizando la suma ponderada de los cuadrados de los residuos: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gradientsumofsquares.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>para <literal
>b</literal
>, donde <literal
>w<subscript
>i</subscript
></literal
> es el peso en la posición <literal
>i</literal
>. </para>
<sect3 id="plugin-kstfit_gradient_weighted-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores x para los que hacer el ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector Y </term>
<listitem>
<para
>El vector de valores y para los que hacer el ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Pesos (vector)</term>
<listitem>
<para
>El vector conteniendo los pesos que se utilizarán para el ajuste. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_gradient_weighted-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>El vector Y ajustado</term>
<listitem>
<para
>El vector de valores y de los puntos que representan la linea de mejor ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Residuos (vector)</term>
<listitem>
<para
>El vector de residuos, o diferencias entre los valores de y de la línea de mejor ajuste y los valores de y de los puntos de datos. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parámetros (vector)</term>
<listitem>
<para
>El parámetro <literal
>b</literal
> del mejor ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Covariancia (vector)</term>
<listitem>
<para
>La estimación de la matriz de covariancia, se retorna fila por fila, comenzando con la fila 0. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y Lo (vector)</term>
<listitem>
<para
>El valor correspondiente en Y ajustada menos la desviación estándar de la función de mejor ajuste en el valor correspondiente de x. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y Hi (vector)</term>
<listitem>
<para
>El valor correspondiente en Y ajustada más la desviación estándar de la función de mejor ajuste en el valor correspondiente de x. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>chi^2/nu (escalar)</term>
<listitem>
<para
>El valor de la suma de los cuadrados de los residuos, dividido por los grados de libertad. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_gradient_unweighted">
<title
>Ajuste de gradiente</title>
<para
>El plugin de ajuste de gradiente es idéntico en función al del <link linkend="plugin-kstfit_gradient_weighted"
>Ajuste de gradiente ponderado</link
> con la excepción de que el valor del peso <literal
>w<subscript
>i</subscript
></literal
> es igual a <literal
>1</literal
> para todos los índices <literal
>i</literal
>. Como resultado, el vector pesos no existe. </para>
</sect2>
<sect2 id="plugin-kstfit_linear_weighted">
<title
>Ajuste lineal ponderado</title>
<para
>El ajuste lineal ponderado realiza un ajuste ponderado por mínimos cuadrados a un modelo de una linea recta: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-linefitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>El mejor ajuste se encuentra minimizando la suma ponderada de los cuadrados de los residuos: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-linefitsumofsquaredresiduals.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>de <literal
>a</literal
> y <literal
>b</literal
>, donde <literal
>w<subscript
>i</subscript
></literal
> es el peso en la posición <literal
>i</literal
>. </para>
<sect3 id="plugin-kstfit_linear_weighted-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores x para los que hacer el ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector Y </term>
<listitem>
<para
>El vector de valores y para los que hacer el ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Pesos (vector)</term>
<listitem>
<para
>El vector conteniendo los pesos que se utilizarán para el ajuste. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_linear_weighted-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>El vector Y ajustado</term>
<listitem>
<para
>El vector de valores y de los puntos que representan la linea de mejor ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Residuos (vector)</term>
<listitem>
<para
>El vector de residuos, o diferencias entre los valores de y de la línea de mejor ajuste y los valores de y de los puntos de datos. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parámetros (vector)</term>
<listitem>
<para
>Los parámetros <literal
>a</literal
> y <literal
>b</literal
> del mejor ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Covariancia (vector)</term>
<listitem>
<para
>La estimación de la matriz de covariancia, se retorna fila por fila, comenzando con la fila 0. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y Lo (vector)</term>
<listitem>
<para
>El valor correspondiente en Y ajustada menos la desviación estándar de la función de mejor ajuste en el valor correspondiente de x. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y Hi (vector)</term>
<listitem>
<para
>El valor correspondiente en Y ajustada más la desviación estándar de la función de mejor ajuste en el valor correspondiente de x. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>chi^2/nu (escalar)</term>
<listitem>
<para
>El valor de la suma de los cuadrados de los residuos, dividido por los grados de libertad. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_linear_unweighted">
<title
>Ajuste lineal</title>
<para
>El plugin de ajuste lineal es idéntico en función al del <link linkend="plugin-kstfit_linear_weighted"
>Ajuste lineal ponderado</link
> con la excepción de que el valor del peso <literal
>w<subscript
>i</subscript
></literal
> es igual a <literal
>1</literal
> para todos los índices <literal
>i</literal
>. Como resultado, el vector pesos no existe. </para>
</sect2>
<sect2 id="plugin-kstfit_lorentzian_weighted">
<title
>Ajuste lorentziano ponderado</title>
<para
>El plugin de ajuste lorentziano ponderado realiza un ajuste ponderado no lineal por mínimos cuadrados a un modelo de una lorentziana: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-lorentzianfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Se usa una estimación inicial de <literal
>a=</literal
>(máximo de los valores y), <literal
>x<subscript
>0</subscript
>=</literal
>(media de los valores x), <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-Gamma.png" format="PNG"/> </imageobject
> </inlinemediaobject
> <literal
>=</literal
> (punto medio de los valores x). El plugin calcula la solución hasta que se alanza una precisión de <literal
>1.0e-4</literal
> o se han realizado 500 iteraciones. </para>
<sect3 id="plugin-kstfit_lorentzian_weighted-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores x para los que hacer el ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector Y </term>
<listitem>
<para
>El vector de valores y para los que hacer el ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Pesos (vector)</term>
<listitem>
<para
>El vector de pesos a usar para ponderar el ajuste. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_lorentzian_weighted-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>El vector Y ajustado</term>
<listitem>
<para
>El vector de valores y ya ajustados. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Residuos (vector)</term>
<listitem>
<para
>El vector de residuos. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parámetros (vector)</term>
<listitem>
<para
>Los parametros de mejor ajuste <literal
>x<subscript
>0</subscript
></literal
>, <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-Gamma.png" format="PNG"/> </imageobject
> </inlinemediaobject
>, y <literal
>a</literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Covariancia (vector)</term>
<listitem>
<para
>La matriz de covariancia del modelo de parámetros, se retorna fila por fila en el vector. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>chi^2/nu (escalar)</term>
<listitem>
<para
>La suma ponderada de los cuadrados de los residuos, dividida por los grados de libertad. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_lorentzian_unweighted">
<title
>Ajuste lorentziano</title>
<para
>El plugin de ajuste lorentziano es idéntico en función al del <link linkend="plugin-kstfit_lorentzian_weighted"
>Ajuste lorentziano ponderado</link
> con la excepción de que el valor del peso <literal
>w<subscript
>i</subscript
></literal
> es igual a <literal
>1</literal
> para todos los índices <literal
>i</literal
>. Como resultado, el vector pesos no existe. </para>
</sect2>
<sect2 id="plugin-kstfit_polynomial_weighted">
<title
>Ajuste polinomial ponderado</title>
<para
>El ajuste polinomial ponderado realiza un ajuste ponderado de mínimos cuadrados a un modelo polinomial: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-polynomialfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>donde <literal
>n</literal
> es el grado del modelo polinomial. </para>
<sect3 id="plugin-kstfit_polynomial_weighted-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores x para los que hacer el ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector Y </term>
<listitem>
<para
>El vector de valores y para los que hacer el ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Pesos (vector)</term>
<listitem>
<para
>El vector de pesos a usar para ponderar el ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Orden (escalar)</term>
<listitem>
<para
>El orden, o grado, del modelo polinomial a usar. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_polynomial_weighted-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>El vector Y ajustado</term>
<listitem>
<para
>El vector de valores y ya ajustados. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Residuos (vector)</term>
<listitem>
<para
>El vector de residuos. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parámetros (vector)</term>
<listitem>
<para
>Los parámetros de mejor ajuste <literal
>c<subscript
>0</subscript
></literal
>, <literal
>c<subscript
>1</subscript
></literal
>,..., <literal
>c<subscript
>n</subscript
></literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Covariancia (vector)</term>
<listitem>
<para
>La matriz de covariancia del modelo de parámetros, se retorna fila por fila en el vector. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>chi^2/nu (escalar)</term>
<listitem>
<para
>La suma ponderada de los cuadrados de los residuos, dividida por los grados de libertad. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_polynomial_unweighted">
<title
>Ajuste polinomial</title>
<para
>El plugin de ajuste polinomial es idéntico en función al del <link linkend="plugin-kstfit_polynomial_weighted"
>Ajuste polinomial ponderado</link
> con la excepción de que el valor del peso <literal
>w<subscript
>i</subscript
></literal
> es igual a <literal
>1</literal
> para todos los índices <literal
>i</literal
>. Como resultado, el vector pesos no existe. </para>
</sect2>
<sect2 id="plugin-kstfit_sinusoid_weighted">
<title
>Ajuste sinusoidal ponderado</title>
<para
>El plugin de ajuste sinusoidal ponderado hace un ajuste por mínimos cuadrados a un modelo sinusoidal: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-sinusoidfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>donde <literal
>T</literal
> es el periodo dado, y <literal
>n=2+2H</literal
>, donde <literal
>H</literal
> es el numero de armónicos dado. </para>
<sect3 id="plugin-kstfit_sinusoid_weighted-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores x para los que hacer el ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector Y </term>
<listitem>
<para
>El vector de valores y para los que hacer el ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Pesos (vector)</term>
<listitem>
<para
>El vector de pesos a usar para ponderar el ajuste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Amónicos (escalar)</term>
<listitem>
<para
>El numero de armónicos al cual ajustar la sinusoidal. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Periodo (escalar)</term>
<listitem>
<para
>El periodo de la sinusoidal a ajustar. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_sinusoid_weighted-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>El vector Y ajustado</term>
<listitem>
<para
>El vector de valores y ya ajustados. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Residuos (vector)</term>
<listitem>
<para
>El vector de residuos. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parámetros (vector)</term>
<listitem>
<para
>Los parámetros de mejor ajuste <literal
>c<subscript
>0</subscript
></literal
>, <literal
>c<subscript
>1</subscript
></literal
>,..., <literal
>c<subscript
>n</subscript
></literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Covariancia (vector)</term>
<listitem>
<para
>La matriz de covariancia del modelo de parámetros, se retorna fila por fila en el vector. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>chi^2/nu (escalar)</term>
<listitem>
<para
>La suma ponderada de los cuadrados de los residuos, dividida por los grados de libertad. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_sinusoid_unweighted">
<title
>Ajuste sinusoidal</title>
<para
>El plugin de ajuste sinusoidal es idéntico en función al del <link linkend="plugin-kstfit_sinusoid_weighted"
>Ajuste sinusoidal ponderado</link
> con la excepción de que el valor del peso <literal
>w<subscript
>i</subscript
></literal
> es igual a <literal
>1</literal
> para todos los índices <literal
>i</literal
>. Como resultado, el vector pesos no existe. </para>
</sect2>
<sect2 id="plugin-kstinterp_akima">
<title
>Interpolación Akima </title>
<para
>El plugin de interpolación Akima spline genera una una spline Akima no redondeada para la serie de datos suministrados, usando condiciones de contorno naturales. </para>
<sect3 id="plugin-kstinterp_akima-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores de x para los puntos de datos de los cuales se generará la interpolación. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector Y </term>
<listitem>
<para
>El vector de valores de y para los puntos de datos de los cuales se generará la interpolación. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores x para los que se desean valores y interpolados. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_akima-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>Vector Y interpolado</term>
<listitem>
<para
>Los valores y interpolados. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_akima_periodic">
<title
>Interpolación Akima spline periódica</title>
<para
>El plugin kstinterp akima periódico genera una interpolación spline Akima no redondeada para los datos suministrados, usando condiciones de contorno periódicas. </para>
<sect3 id="plugin-kstinterp_akima_periodic-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores de x para los puntos de datos de los cuales se generará la interpolación. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector Y </term>
<listitem>
<para
>El vector de valores de y para los puntos de datos de los cuales se generará la interpolación. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores x para los que se desean valores y interpolados. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_akima_periodic-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>Vector Y interpolado</term>
<listitem>
<para
>Los valores y interpolados. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_cspline">
<title
>Interpolación con splines cúbicos</title>
<para
>El plugin de interpolación con splines cúbicos genera una interpolación con splines cúbicos para los datos suministrados, usando condiciones de contorno naturales. </para>
<sect3 id="plugin-kstinterp_cspline-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores de x para los puntos de datos de los cuales se generará la interpolación. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector Y </term>
<listitem>
<para
>El vector de valores de y para los puntos de datos de los cuales se generará la interpolación. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores x para los que se desean valores y interpolados. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_cspline-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>Vector Y interpolado</term>
<listitem>
<para
>Los valores y interpolados. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_cspline_periodic">
<title
>Interpolación con splines cúbicos periódicos</title>
<para
>El plugin de interpolación con splines cúbicos periódicos genera una interpolación con splines cúbicos periódicos para los datos suministrados, usando condiciones de contorno periódicas. </para>
<sect3 id="plugin-kstinterp_cspline_periodic-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores de x para los puntos de datos de los cuales se generará la interpolación. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector Y </term>
<listitem>
<para
>El vector de valores de y para los puntos de datos de los cuales se generará la interpolación. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores x para los que se desean valores y interpolados. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_cspline_periodic-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>Vector Y interpolado</term>
<listitem>
<para
>Los valores y interpolados. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_linear">
<title
>Interpolación lineal</title>
<para
>El plugin de interpolación lineal genera una interpolación lineal para los datos dados. </para>
<sect3 id="plugin-kstinterp_linear-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores de x para los puntos de datos de los cuales se generará la interpolación. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector Y </term>
<listitem>
<para
>El vector de valores de y para los puntos de datos de los cuales se generará la interpolación. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores x para los que se desean valores y interpolados. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_linear-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>Vector Y interpolado</term>
<listitem>
<para
>Los valores y interpolados. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_polynomial">
<title
>Interpolación polinomial</title>
<para
>El plugin de interpolación polinomial genera una interpolación polinomial para la serie de datos suministrada. El número de términos en el polinomio utilizado es igual al número de puntos de la serie de datos dada. </para>
<sect3 id="plugin-kstinterp_polynomial-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores de x para los puntos de datos de los cuales se generará la interpolación. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector Y </term>
<listitem>
<para
>El vector de valores de y para los puntos de datos de los cuales se generará la interpolación. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector X</term>
<listitem>
<para
>El vector de valores x para los que se desean valores y interpolados. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_polynomial-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>Vector Y interpolado</term>
<listitem>
<para
>Los valores y interpolados. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-noise-addition">
<title
>Adición de ruido</title>
<para
>El plugin de adición de ruido añade una variable gaussiana aleatoria a cada elemento del vector de entrada. La distribución gaussiana que se usa tiene una media de <literal
>0</literal
> y la desviación estándar que se especifique. La función densidad de probabilidad de la variable gaussiana aleatoria es: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gaussianprobability.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<sect3 id="plugin-noise-addition-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector </term>
<listitem>
<para
>El vector de elementos al cual se añade ruido aleatorio. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Sigma (escalar)</term>
<listitem>
<para
>La desviación estándar a usar para la distribución gaussiana. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-noiseaddition-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>Vector de salida (vector)</term>
<listitem>
<para
>El vector con los elementos a los que se han añadido un ruido tipo gaussiano. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-periodogram">
<title
>Periodograma</title>
<para
>El plugin de periodograma produce el periodograma de una serie de datos dados. El algoritmo a usar depende del tamaño de la serie de datos. Uno de los dos algoritmos usados depende en el tamaño de la serie de datos—si hay más de 100 puntos de datos, se usará un algoritmo más rápido, mientras que uno más lento se usará si hay 100 o menos puntos de datos. </para>
<sect3 id="plugin-periodogram-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector de tiempos</term>
<listitem>
<para
>El vector con los valores de tiempos de los puntos de datos para los cuales se genera la interpolación. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Vector de datos</term>
<listitem>
<para
>El vector con los valores de lo datos, dependientes en los valores de tiempo, para los cuales se genera la interpolación. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Factor de oversampling (escalar)</term>
<listitem>
<para
>El factor relacionado con oversampling. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Promedio del factor de frecuencia Nyquist (escalar)</term>
<listitem>
<para
>El promedio del factor de frecuencia Nyquist. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-periodogram-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>Frecuencia (vector)</term>
<listitem>
<para
>El vector de frecuencia. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Periodograma (vector)</term>
<listitem>
<para
>El vector de frecuencia de respuestas para el periodograma. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-statistics">
<title
>Estadística</title>
<para
>El plugin de estadísticas calcula las estadísticas para una serie de datos dada. La mayoría de los escalares de salida se denominan según los valores que representan. Para calcular los valores estadísticos se usan formulas estándar. </para>
<sect3 id="plugin-statistics-inputs">
<title
>Entradas</title>
<variablelist>
<varlistentry>
<term
>Vector de datos</term>
<listitem>
<para
>El vector de valores de datos para los cuales se calculan las estadísticas. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-statistics-outputs">
<title
>Salidas</title>
<variablelist>
<varlistentry>
<term
>Promedio (escalar)</term>
<listitem>
<para
>El promedio de los valores de datos. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Mínimo (escalar)</term>
<listitem>
<para
>El valor mínimo encontrado en el vector de datos. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Máximo (escalar)</term>
<listitem>
<para
>El valor máximo encontrado en el vector de datos. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Variancia (escalar)</term>
<listitem>
<para
>La variancia de la serie de datos. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Desviación estándar (escalar)</term>
<listitem>
<para
>La desviación estándar de la serie de datos. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Media (escalar)</term>
<listitem>
<para
>La media de la serie de datos. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Desviación absoluta (escalar)</term>
<listitem>
<para
>La desviación absoluta de la serie de datos. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Sesgo (escalar)</term>
<listitem>
<para
>El sesgo de la serie de datos. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Curtosis (escalar)</term>
<listitem>
<para
>La curtosis de la serie de datos. </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
>
469
