<chapter id="pluginsandfilters">
<title
>Pluginad, jaotused ja filtrid</title>
<para
>Pluginad lisavad &kst;-le täiendavaid võimalusi. Vaikimisi on &kst;-ga kaasas juba niigi palju sisseehitatud pluginaid, kuid lihtne ja ühtne liides võimaldab ka imelihtsalt luua ja lisada uusi pluginaid. Jaotused ja filtrid on lihtsalt pluginakogumi alajaotused ja toimivad seepärast sarnaselt pluginatega selle erinevusega, et neid saab kohendada ja pruukida spetsiaalse dialoogiga, mis on võimalik avada otse <link linkend="theplotcontextmenu"
>joonise kontekstimenüüst</link
>. </para>
<sect1 id="addingandremovingplugins">
<title
>Pluginate lisamine ja eemaldamine</title>
<para
>Vaikimisi asuvad pluginad kataloogis <filename
>/usr/lib/kde3/kstplugins/</filename
> (see võib erineda sõltuvalt sellest, kuhu sa oma süsteemis &kst; oled paigaldanud). Pluginate lisamiseks ja eemaldamiseks on mõeldud pluginahaldur. Sele saab avada käsuga <guimenuitem
>Pluginad...</guimenuitem
> menüüs <guimenu
>Seadistused</guimenu
>. Pluginahaldur näitab kõiki parajasti paigaldatud pluginaid. </para>
<para
>Plugina lisamiseks klõpsa nupule <guibutton
>Paigalda...</guibutton
> Otsi üles kataloog, kus asuvad plugina spetsifikatsioonifail (<literal role="extension"
>*.xml</literal
>) ja objektifail (<literal role="extension"
>*.o</literal
>). Klõpsa nupule <guibutton
>OK</guibutton
> ja plugin paigaldataksegi. </para>
<para
>Plugina eemaldamiseks vali see pluginahalduris ja klõpsa nupule <guibutton
>Eemalda</guibutton
>. Sinu käest küsitakse ka kinnitust. </para>
<para
>Pluginahalduris näidatavate pluginate loendi kiireks värskendamiseks klõpsa nupule <guibutton
>Skaneeri uuesti</guibutton
>. See eemaldab kõik pluginad, mida ei leita neile määratud asukohalt, ja lisab kõik pluginate vaikekataloogis leiduvad uued pluginad. </para>
</sect1>
<sect1 id="builtinplugins">
<title
>Sisseehitatud pluginad</title>
<para
>Hetkel pakub &kst; üle 25 sisseehitatud plugina, mis võimaldavad sooritada väga mitmekesiseid toiminguid alates kahe vektori ristkorrelatsioonist kuni andmekogumi periodogrammide loomiseni. Iga plugina seadistustedialoog sisaldab kaks põhisektsiooni — sisendi ja väljundi sektsioon. Mõlemad koosnevad skalaaride ja/või vektorite kogumist. Järgneval pildil on näha tüüpilise plugina seadistustedialoog. Pluginate ainsaks erinevuseks on sisendi ja väljundi olemus ning viis, kuidas sisendist väljund saadakse. </para>
<screenshot>
<screeninfo
>Pluginaaken</screeninfo>
<mediaobject>
<imageobject>
<imagedata fileref="Screenshot-kst-pluginswindow.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Pluginaaken</phrase>
</textobject>
</mediaobject>
</screenshot>
<para
>Järgnevalt kirjeldame kõigi pluginate ülesannet, arvutustes kasutatavaid põhialgoritme või -valemeid ning sisendit ja väljundit. Pane tähele, et kirjeldatakse ka jaotus- ja filtripluginaid. </para>
<!-- Begin the long plugins section. -->
<sect2 id="plugin-autocorrelation">
<title
>Autokorrelatsioon</title>
<para
>Autokorrelatsiooni plugin arvutab korrelatsiooniväärtused rea (vektori) ja iseenda viivitusega versiooni vahel, kasutates viivitusväärtusi <literal
>lagi(-(N-1)/2)</literal
> kuni <literal
>lagi((N-1)/2)</literal
>, kus <literal
>N</literal
> on andmekogumi puktide arv. Ajavektor sisendiks ei ole, sest eeldatakse, et andmevalim võetakse võrdsete ajaintervallide järel. Korrelatsiooniväärtus <literal
>r</literal
> viivituse <literal
>k</literal
> korral on: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-autocorrelation.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Autokorrelatsiooni valem</phrase>
</textobject>
</inlinemediaobject>
</para>
<sect3 id="plugin-autocorrelation-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Väärtuste massiiv <literal
>x</literal
>, millele korrelatsiooniväärtused arvutatakse. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-autocorrelation-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Sammu arv (vektor)</term>
<listitem>
<para
>Sammu ehk viivituse väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Korrelatsiooniväärtus (vektor)</term>
<listitem>
<para
>Korrelatsiooniväärtuste massiiv, mis on arvutatud sammu arvu vektoris määratud sammu arvu kasutades. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-bin">
<title
>Kast</title>
<para
>Kastiplugin jagab andmevektori elemendid määratud suurusega kastidesse. Iga kasti väärtuseks on kasti kuuluvate elementide keskmine. Kui näiteks kasti suurus on <literal
>3</literal
> ja sisendvektor <literal
>[9,2,7,3,4,74,5,322,444,2,1]</literal
>, on väljundkastid <literal
>[6,27,257]</literal
>. Pane tähele, et sisendvektori lõppu jäävad elemendid, mis ei moodusta tervikkasti (antud juhul <literal
>2</literal
> ja <literal
>1</literal
>) jäetakse lihtsalt kõrvale. </para>
<sect3 id="plugin-bin-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>Sisendvektor (vektor)</term>
<listitem>
<para
>Kasutatav vektor. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kasti suurus (skalaar)</term>
<listitem>
<para
>Iga kasti suurus. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-bin-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Kastid (vektor)</term>
<listitem>
<para
>Iga kasti keskmiste massiiv. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-butterworth_bandpass">
<title
>Butterworthi ribapääsfilter</title>
<para
>Butterworthi ribapääsfiltri plugin filtreerib andmekogumit andmete Fourier' teisendust arvutades ning sagedusvastuseid üle arvutades järgmise valemiga </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-bandpass.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Autokorrelatsiooni valem</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>kus <literal
>f</literal
> on sagedus, <literal
>f<subscript
>c</subscript
></literal
> madalsageduslõige, <literal
>b</literal
> läbitav ribalaius ja <literal
>n</literal
> Butterworthi filtri aste. Seejärel arvutatakse uusi filtreeritud sagedusvastuseid kasutades Fourier' pöördteisendus. </para>
<sect3 id="plugin-butterworth_bandpass-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Filtreeritavate väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Aste (skalaar)</term>
<listitem>
<para
>Kasutatav Butterworthi filtri aste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Madalsageduslõige (skalaar)</term>
<listitem>
<para
>Butterworthi ribapääsfiltri äralõigatav madalsagedus. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Ribalaius (skalaar)</term>
<listitem>
<para
>Läbitav ribalaius. See kujutab endast soovitud kõrgsageduslõike ja madalsageduslõike vahet. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-butterworth_bandpass-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>X filtreeritud (vektor)</term>
<listitem>
<para
>Filtreeritud andmeväärtuste massiiv. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-butterworth_bandstop">
<title
>Butterworthi ribatõkestusfilter</title>
<para
>Butterworthi ribatõkestusfiltri plugin filtreerib andmekogumit andmete Fourier' teisendust arvutades ning sagedusvastuseid üle arvutades järgmise valemiga </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-bandstop.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Autokorrelatsiooni valem</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>kus <literal
>f</literal
> on sagedus, <literal
>f<subscript
>c</subscript
></literal
> madalsageduslõige, <literal
>b</literal
> tõkestatav ribalaius ja <literal
>n</literal
> Butterworthi filtri aste. Seejärel arvutatakse uusi filtreeritud sagedusvastuseid kasutades Fourier' pöördteisendus. </para>
<sect3 id="plugin-butterworth_bandstop-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Filtreeritavate väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Aste (skalaar)</term>
<listitem>
<para
>Kasutatav Butterworthi filtri aste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Madalsageduslõige (skalaar)</term>
<listitem>
<para
>Butterworthi ribatõkestusfiltri äralõigatav madalsagedus. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Ribalaius (skalaar)</term>
<listitem>
<para
>Tõkestatav ribalaius. See kujutab endast soovitud kõrgsageduslõike ja madalsageduslõike vahet. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-butterworth_bandstop-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>X filtreeritud (vektor)</term>
<listitem>
<para
>Filtreeritud andmeväärtuste massiiv. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-butterworth_highpass">
<title
>Butterworthi kõrgpääsfilter</title>
<para
>Butterworthi kõrgpääsfiltri plugin filtreerib andmekogumit andmete Fourier' teisendust arvutades ning sagedusvastuseid üle arvutades järgmise valemiga </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-highpass.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Autokorrelatsiooni valem</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>kus <literal
>f</literal
> on sagedus, <literal
>f<subscript
>c</subscript
></literal
> kõrgsageduslõige ja <literal
>n</literal
> Butterworthi filtri aste. Seejärel arvutatakse uusi filtreeritud sagedusvastuseid kasutades Fourier' pöördteisendus. </para>
<sect3 id="plugin-butterworth_highpass-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Filtreeritavate väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Aste (skalaar)</term>
<listitem>
<para
>Kasutatav Butterworthi filtri aste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Lõikesagedus (skalaar)</term>
<listitem>
<para
>Butterworthi kõrgpääsfiltri äralõigatav sagedus. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-butterworth_highpass-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>X filtreeritud (vektor)</term>
<listitem>
<para
>Filtreeritud andmeväärtuste massiiv. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-butterworth_lowpass">
<title
>Butterworthi madalpääsfilter</title>
<para
>Butterworthi madalpääsfiltri plugin filtreerib andmekogumit andmete Fourier' teisendust arvutades ning sagedusvastuseid üle arvutades järgmise valemiga </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-lowpass.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Autokorrelatsiooni valem</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>kus <literal
>f</literal
> on sagedus, <literal
>f<subscript
>c</subscript
></literal
> madalsageduslõige ja <literal
>n</literal
> Butterworthi filtri aste. Seejärel arvutatakse uusi filtreeritud sagedusvastuseid kasutades Fourier' pöördteisendus. </para>
<sect3 id="plugin-butterworth_lowpass-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Filtreeritavate väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Aste (skalaar)</term>
<listitem>
<para
>Kasutatav Butterworthi filtri aste. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Lõikesagedus (skalaar)</term>
<listitem>
<para
>Butterworthi madalpääsfiltri äralõigatav sagedus. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-butterworth_lowpass-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>X filtreeritud (vektor)</term>
<listitem>
<para
>Filtreeritud andmeväärtuste massiiv. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-chop">
<title
>Tükeldus</title>
<para
>Tükeldusplugin jagab sisendvektori kaheks vektoriks. Sisendvektori iga teine element seatakse ühte väljundvektorisse, ülejäänud elemendid teise väljundvektorisse. </para>
<sect3 id="plugin-chop-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>Massiiv (vektor)</term>
<listitem>
<para
>Väärtuste massiiv, mida asutakse tükeldama. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-chop-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Paaritu massiiv (vektor)</term>
<listitem>
<para
>Sisendmassiivi niinimetatud paaritut osa sisaldav massiiv (s.t. selles sisaldub sisendmassiivi esimene element). </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Paarismassiiv (vektor)</term>
<listitem>
<para
>Sisendmassiivi niinimetatud paarisosa sisaldav massiiv (s.t. selles ei sisaldu sisendmassiivi esimene element). </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Erinevusmassiiv (vektor)</term>
<listitem>
<para
>Massiiv, mis sisaldab paaritu massiivi elemente miinus vastav paarismassiivi element. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Indeksimassiiv (vektor)</term>
<listitem>
<para
>Indeksimassiiv, mille pikkus võrdub kolme ülejäänud väljundmassiiviga. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-convolution">
<title
>Konvolutsioon</title>
<para
>Konvolutsiooniplugin tekitab ühe vektori konvolutsiooni teisega. Kahe funktsiooni <literal
>f</literal
> ja <literal
>g</literal
> konvolutsiooni määrab: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-convolution.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Vektorite järjekord pole oluline, sest <literal
>f*g=g*f</literal
>. Lisaks ei pea vektorid olema ühesuurused, sest plugin ekstrapoleerib automaatselt väiksemat vektorit. </para>
<sect3 id="plugin-convolution-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>Massiiv 1 (vektor)</term>
<listitem>
<para
>Üks massiivipaar, mida konvolveeritakse. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Massiiv 2 (vektor)</term>
<listitem>
<para
>Üks massiivipaar, mida konvolveeritakse. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-convolution-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Konvolveeritud (vektor)</term>
<listitem>
<para
>Kahe sisendvektori konvolutsioon. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-crosscorrelation">
<title
>Ristkorrelatsioon</title>
<para
>Ristkorrelatsiooni plugin arvutab korrelatsiooniväärtused kahe rea (vektori) ja iseenda viivitusega versiooni vahel, kasutates viivitusväärtusi <literal
>lagi(-(N-1)/2)</literal
> kuni <literal
>lagi((N-1)/2)</literal
>, kus <literal
>N</literal
> on andmekogumi puktide arv. Ajavektor sisendiks ei ole, sest eeldatakse, et andmevalim võetakse võrdsete ajaintervallide järel. Korrelatsiooniväärtus <literal
>r</literal
> viivituse <literal
>k</literal
> korral on: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-crosscorrelation.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>ristkorrelatsiooni valem</phrase>
</textobject>
</inlinemediaobject>
</para>
<sect3 id="plugin-crosscorrelation-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Ristkorrelatsiooni valemis kasutatav massiiv <literal
>x</literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y massiiv (vektor)</term>
<listitem>
<para
>Ristkorrelatsiooni valemis kasutatav massiiv <literal
>y</literal
>. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-crosscorrelation-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Sammu arv (vektor)</term>
<listitem>
<para
>Sammu ehk viivituse väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Korrelatsiooniväärtus (vektor)</term>
<listitem>
<para
>Korrelatsiooniväärtuste massiiv, mis on arvutatud sammu arvu vektoris määratud sammu arvu kasutades. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-deconvolution">
<title
>Dekonvolutsioon</title>
<para
>Dekonvolutsiooniplugin tekitab ühe vektori dekonvolutsiooni teisega. Dekonvolutsioon on konvolutsiooni vastand. Konvolveeritud vektori <literal
>h</literal
> ja vektori <literal
>g</literal
> korral määrab dekonvolutsiooni <literal
>f</literal
>: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-deconvolution.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Vektorid ei pea olema ühesuurused, sest plugin ekstrapoleerib automaatselt lühema vektori. Lühemat vektorit peetakse vasteks funktsioonile <literal
>g</literal
>. </para>
<sect3 id="plugin-deconvolution-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>Massiiv 1 (vektor)</term>
<listitem>
<para
>Üks massiivipaar, mida dekonvolveeritakse. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Massiiv 2 (vektor)</term>
<listitem>
<para
>Üks massiivipaar, mida dekonvolveeritakse. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-deconvolution-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Dekonvolveeritud (vektor)</term>
<listitem>
<para
>Kahe sisendvektori dekonvolutsioon. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_exponential_weighted">
<title
>Kst kaalutud eksponentjaotus</title>
<para
>Kaalutud eksponentjaotuse plugin sooritab eksponentmudelil kaalutud mittelineaarse vähimruutude jaotuse: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-exponentialfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Algselt kasutatakse <literal
>a=1,0</literal
>, <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-lambda.png" format="PNG"/> </imageobject
> </inlinemediaobject
><literal
>=0</literal
> ja <literal
>b=0</literal
>. Plugin kordab seejärel arvutust, kuni saavutatakse täpsus <literal
>1,0e-4</literal
> või 500 kordust. </para>
<sect3 id="plugin-kstfit_exponential_weighted-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Jaotatavate andmepunktide X-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y massiiv (vektor)</term>
<listitem>
<para
>Jaotatavate andmepunktide Y-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kaal (vektor)</term>
<listitem>
<para
>Jaotuses kasutatavate kaalude massiiv. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_exponential_weighted-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Y jaotus (vektor)</term>
<listitem>
<para
>Jaotatavate Y-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Jääk (vektor)</term>
<listitem>
<para
>Jääkide massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parameetrid (vektor)</term>
<listitem>
<para
>Parima jaotuse parameetrid <literal
>a</literal
>, <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-lambda.png" format="PNG"/> </imageobject
> </inlinemediaobject
> ja <literal
>b</literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kovariatsioon (vektor)</term>
<listitem>
<para
>Mudeli parameetrite kovariantsusmaatriks, mis tagastatakse vektoris rida realt. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>hii^2/nüü (skalaar)</term>
<listitem>
<para
>Jääkide ruutude kaalutud summa jagatud vabadusaste. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_exponential_unweighted">
<title
>Kaalumata eksponentjaotus</title>
<para
>Kaalumata eksponentjaotuse plugin on olemuselt sarnane <link linkend="plugin-kstfit_exponential_weighted"
>kaalutud eksponentjaotuse</link
> pluginale, ainult et kaalu väärtus <literal
>w<subscript
>i</subscript
></literal
> on <literal
>1</literal
> kõigi indeksiväärtuste <literal
>i</literal
> korral. Seetõttu ei ole sisendiks ka kaal (vektor). </para>
</sect2>
<sect2 id="plugin-kstfit_gaussian_weighted">
<title
>Kaalutud Gaussi jaotus</title>
<para
>Kaalutud Gaussi jaotuse plugin sooritab Gaussi mudelil kaalutud mittelineaarse vähimruutude jaotuse: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gaussianfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Algselt kasutatakse <literal
>a=</literal
>(Y-väärtuste maksimum), <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-mu.png" format="PNG"/> </imageobject
> </inlinemediaobject
><literal
>=</literal
>(X-väärtuste keskmine) ja <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-sigma.png" format="PNG"/> </imageobject
> </inlinemediaobject
><literal
>=</literal
>(X-väärtuste keskpunkt). Plugin kordab seejärel arvutust, kuni saavutatakse täpsus <literal
>1,0e-4</literal
> või 500 kordust. </para>
<sect3 id="plugin-kstfit_gaussian_weighted-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Jaotatavate andmepunktide X-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y massiiv (vektor)</term>
<listitem>
<para
>Jaotatavate andmepunktide Y-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kaal (vektor)</term>
<listitem>
<para
>Jaotuses kasutatavate kaalude massiiv. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_gaussian_weighted-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Y jaotus (vektor)</term>
<listitem>
<para
>Jaotatavate Y-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Jääk (vektor)</term>
<listitem>
<para
>Jääkide massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parameetrid (vektor)</term>
<listitem>
<para
>Parima jaotuse parameetrid <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-mu.png" format="PNG"/> </imageobject
> </inlinemediaobject
>, <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-sigma.png" format="PNG"/> </imageobject
> </inlinemediaobject
> ja <literal
>a</literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kovariatsioon (vektor)</term>
<listitem>
<para
>Mudeli parameetrite kovariantsusmaatriks, mis tagastatakse vektoris rida realt. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>hii^2/nüü (skalaar)</term>
<listitem>
<para
>Jääkide ruutude kaalutud summa jagatud vabadusaste. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_gaussian_unweighted">
<title
>Kaalumata Gaussi jaotus</title>
<para
>Kaalumata Gaussi jaotuse plugin on olemuselt sarnane <link linkend="plugin-kstfit_gaussian_weighted"
>kaalutud Gaussi jaotuse</link
> pluginale, ainult et kaalu väärtus <literal
>w<subscript
>i</subscript
></literal
> on <literal
>1</literal
> kõigi indeksiväärtuste <literal
>i</literal
> korral. Seetõttu ei ole sisendiks ka kaal (vektor). </para>
</sect2>
<sect2 id="plugin-kstfit_gradient_weighted">
<title
>Kaalutud gradientjaotus</title>
<para
>Kaalutud gradientjaotuse plugin sooritab sirgjoonemudelil kaalutud vähimruutude jaotuse ilma konstantliikmeta: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gradientequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Parim jaotus leitakse ruutjääkide kaalutud summat minimeerides: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gradientsumofsquares.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
><literal
>b</literal
> korral, kus <literal
>w<subscript
>i</subscript
></literal
> on kaal indeksi <literal
>i</literal
> puhul. </para>
<sect3 id="plugin-kstfit_gradient_weighted-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Jaotatavate andmepunktide X-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y massiiv (vektor)</term>
<listitem>
<para
>Jaotatavate andmepunktide Y-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kaal (vektor)</term>
<listitem>
<para
>Jaotusel kasutatavaid kaale sisaldav massiiv. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_gradient_weighted-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Y jaotus (vektor)</term>
<listitem>
<para
>Parimat jaotust esindavate punktide Y-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Jääk (vektor)</term>
<listitem>
<para
>Jääkide ehk parima jaotuse sirge Y-väärtuste ja andmepunktide Y-väärtuste erinevuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parameetrid (vektor)</term>
<listitem>
<para
>Parima jaotuse parameeter <literal
>b</literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kovariatsioon (vektor)</term>
<listitem>
<para
>Hinnatav kovariantsusmaatriks, mis tagastatakse rida realt alates reast 0. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y madal (vektor)</term>
<listitem>
<para
>Vastav väärtus Y jaotuses miinus parima jaotuse funktsiooni standardhälve vastava X-väärtuse korral. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y kõrge (vektor)</term>
<listitem>
<para
>Vastav väärtus Y jaotuses pluss parima jaotuse funktsiooni standardhälve vastava X-väärtuse korral. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>hii^2/nüü (skalaar)</term>
<listitem>
<para
>Jääkide ruutude summa väärtus jagatud vabadusaste. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_gradient_unweighted">
<title
>Kaalumata gradientjaotus</title>
<para
>Kaalumata gradientjaotuse plugin on olemuselt sarnane <link linkend="plugin-kstfit_gradient_weighted"
>kaalutud gradientjaotuse</link
> pluginaga, ainult et kaalu väärtus <literal
>w<subscript
>i</subscript
></literal
> on <literal
>1</literal
> kõigi indeksiväärtuste <literal
>i</literal
> korral. Seetõttu ei ole sisendiks ka kaal (vektor). </para>
</sect2>
<sect2 id="plugin-kstfit_linear_weighted">
<title
>Kaalutud lineaarjaotus</title>
<para
>Kaalutud lineaarjaotuse plugin sooritab sirgjoonemudelil kaalutud vähimruutude jaotuse: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-linefitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Parim jaotus leitakse ruutjääkide kaalutud summat minimeerides: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-linefitsumofsquaredresiduals.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
><literal
>a</literal
> ja <literal
>b</literal
> puhul, kus <literal
>w<subscript
>i</subscript
></literal
> on kaal indeksi <literal
>i</literal
> korral. </para>
<sect3 id="plugin-kstfit_linear_weighted-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Jaotatavate andmepunktide X-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y massiiv (vektor)</term>
<listitem>
<para
>Jaotatavate andmepunktide Y-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kaal (vektor)</term>
<listitem>
<para
>Jaotusel kasutatavaid kaale sisaldav massiiv. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_linear_weighted-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Y jaotus (vektor)</term>
<listitem>
<para
>Parimat jaotust esindavate punktide Y-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Jääk (vektor)</term>
<listitem>
<para
>Jääkide ehk parima jaotuse sirge Y-väärtuste ja andmepunktide Y-väärtuste erinevuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parameetrid (vektor)</term>
<listitem>
<para
>Parima jaotuse parameetrid <literal
>a</literal
> ja <literal
>b</literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kovariatsioon (vektor)</term>
<listitem>
<para
>Hinnatav kovariantsusmaatriks, mis tagastatakse rida realt alates reast 0. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y madal (vektor)</term>
<listitem>
<para
>Vastav väärtus Y jaotuses miinus parima jaotuse funktsiooni standardhälve vastava X-väärtuse korral. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y kõrge (vektor)</term>
<listitem>
<para
>Vastav väärtus Y jaotuses pluss parima jaotuse funktsiooni standardhälve vastava X-väärtuse korral. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>hii^2/nüü (skalaar)</term>
<listitem>
<para
>Jääkide ruutude summa väärtus jagatud vabadusaste. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_linear_unweighted">
<title
>Kaalumata lineaarjaotus</title>
<para
>Kaalumata lineaarjaotuse plugin on olemuselt sarnane <link linkend="plugin-kstfit_linear_weighted"
>kaalutud lineaarjaotuse</link
> pluginaga, ainult et kaalu väärtus <literal
>w<subscript
>i</subscript
></literal
> on <literal
>1</literal
> kõigi indeksiväärtuste <literal
>i</literal
> korral. Seetõttu ei ole sisendiks ka kaal (vektor). </para>
</sect2>
<sect2 id="plugin-kstfit_lorentzian_weighted">
<title
>Kaalutud Lorentzi jaotus</title>
<para
>Kaalutud Lorentzi jaotuse plugin sooritab Lorentzi mudelil kaalutud mittelineaarse vähimruutude jaotuse: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-lorentzianfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Algselt kasutatakse <literal
>a=</literal
>(Y-väärtuste maksimum), <literal
>x<subscript
>0</subscript
>=</literal
>(X-väärtuste keskmine) ja <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-Gamma.png" format="PNG"/> </imageobject
> </inlinemediaobject
><literal
>=</literal
>(X-väärtuste keskpunkt). Plugin kordab seejärel arvutust, kuni saavutatakse täpsus <literal
>1,0e-4</literal
> või 500 kordust. </para>
<sect3 id="plugin-kstfit_lorentzian_weighted-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Jaotatavate andmepunktide X-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y massiiv (vektor)</term>
<listitem>
<para
>Jaotatavate andmepunktide Y-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kaal (vektor)</term>
<listitem>
<para
>Jaotuses kasutatavate kaalude massiiv. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_lorentzian_weighted-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Y jaotus (vektor)</term>
<listitem>
<para
>Jaotatavate Y-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Jääk (vektor)</term>
<listitem>
<para
>Jääkide massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parameetrid (vektor)</term>
<listitem>
<para
>Parima jaotuse parameetrid <literal
>x<subscript
>0</subscript
></literal
>, <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-Gamma.png" format="PNG"/> </imageobject
> </inlinemediaobject
> ja <literal
>a</literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kovariatsioon (vektor)</term>
<listitem>
<para
>Mudeli parameetrite kovariantsusmaatriks, mis tagastatakse vektoris rida realt. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>hii^2/nüü (skalaar)</term>
<listitem>
<para
>Jääkide ruutude kaalutud summa jagatud vabadusaste. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_lorentzian_unweighted">
<title
>Kaalumata Lorentzi jaotus</title>
<para
>Kaalumata Lorentzi jaotuse plugin on olemuselt sarnane <link linkend="plugin-kstfit_lorentzian_weighted"
>kaalutud Lorentzi jaotuse</link
> pluginale, ainult et kaalu väärtus <literal
>w<subscript
>i</subscript
></literal
> on <literal
>1</literal
> kõigi indeksiväärtuste <literal
>i</literal
> korral. Seetõttu ei ole sisendiks ka kaal (vektor). </para>
</sect2>
<sect2 id="plugin-kstfit_polynomial_weighted">
<title
>Kaalutud polünomiaaljaotus</title>
<para
>Kaalutud polünomiaaljaotuse plugin sooritab polünomiaalmudelil kaalutud vähimruutude jaotuse: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-polynomialfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>kus <literal
>n</literal
> on polünomiaaljaotuse aste. </para>
<sect3 id="plugin-kstfit_polynomial_weighted-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Jaotatavate andmepunktide X-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y massiiv (vektor)</term>
<listitem>
<para
>Jaotatavate andmepunktide Y-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kaal (vektor)</term>
<listitem>
<para
>Jaotuses kasutatavate kaalude massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Aste (skalaar)</term>
<listitem>
<para
>Kasutatava polünomiaalmudeli järk ehk aste. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_polynomial_weighted-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Y jaotus (vektor)</term>
<listitem>
<para
>Jaotatavate Y-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Jääk (vektor)</term>
<listitem>
<para
>Jääkide massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parameetrid (vektor)</term>
<listitem>
<para
>Parima jaotuse parameetrid <literal
>c<subscript
>0</subscript
></literal
>, <literal
>c<subscript
></subscript
>1</literal
>... <literal
>c<subscript
>n</subscript
></literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kovariatsioon (vektor)</term>
<listitem>
<para
>Mudeli parameetrite kovariantsusmaatriks, mis tagastatakse vektoris rida realt. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>hii^2/nüü (skalaar)</term>
<listitem>
<para
>Jääkide ruutude kaalutud summa jagatud vabadusaste. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_polynomial_unweighted">
<title
>Kaalumata polünomiaaljaotus</title>
<para
>Kaalumata polünomiaaljaotuse plugin on olemuselt sarnane <link linkend="plugin-kstfit_polynomial_weighted"
>kaalutud polünomiaaljaotuse</link
> pluginaga, ainult et kaalu väärtus <literal
>w<subscript
>i</subscript
></literal
> on <literal
>1</literal
> kõigi indeksiväärtuste <literal
>i</literal
> korral. Seetõttu ei ole sisendiks ka kaal (vektor). </para>
</sect2>
<sect2 id="plugin-kstfit_sinusoid_weighted">
<title
>Kaalutud sinusoidjaotus</title>
<para
>Kaalutud sinusoidjaotuse plugin sooritab sinusoidmudelil vähimruutude jaotuse: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-sinusoidfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>kus <literal
>T</literal
> on määratud periood ja <literal
>n=2+2H</literal
>, kus <literal
>H</literal
> on määratud amplituud. </para>
<sect3 id="plugin-kstfit_sinusoid_weighted-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Jaotatavate andmepunktide X-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y massiiv (vektor)</term>
<listitem>
<para
>Jaotatavate andmepunktide Y-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kaal (vektor)</term>
<listitem>
<para
>Jaotuses kasutatavate kaalude massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Amplituud (skalaar)</term>
<listitem>
<para
>Jaotatava sinusoidi amplituud. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Periood (skalaar)</term>
<listitem>
<para
>Jaotatava sinusoidi periood. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_sinusoid_weighted-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Y jaotus (vektor)</term>
<listitem>
<para
>Jaotatavate Y-väärtuste massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Jääk (vektor)</term>
<listitem>
<para
>Jääkide massiiv. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parameetrid (vektor)</term>
<listitem>
<para
>Parima jaotuse parameetrid <literal
>c<subscript
>0</subscript
></literal
>, <literal
>c<subscript
></subscript
>1</literal
>... <literal
>c<subscript
>n</subscript
></literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Kovariatsioon (vektor)</term>
<listitem>
<para
>Mudeli parameetrite kovariantsusmaatriks, mis tagastatakse vektoris rida realt. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>hii^2/nüü (skalaar)</term>
<listitem>
<para
>Jääkide ruutude kaalutud summa jagatud vabadusaste. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_sinusoid_unweighted">
<title
>Kaalumata sinusoidjaotus</title>
<para
>Kaalumata sinusoidjaotuse plugin on olemuselt sarnane <link linkend="plugin-kstfit_sinusoid_weighted"
>kaalutud sinusoidjaotuse</link
> pluginale, ainult et kaalu väärtus <literal
>w<subscript
>i</subscript
></literal
> on <literal
>1</literal
> kõigi indeksiväärtuste <literal
>i</literal
> korral. Seetõttu ei ole sisendiks ka kaal (vektor). </para>
</sect2>
<sect2 id="plugin-kstinterp_akima">
<title
>Akima splain-interpoleerimine</title>
<para
>Akima splaini interpoleerimise plugin sooritab ümardamata Akima splaini interpoleerimise antud andmekogumil loomuliku raja tingimusi kasutades. </para>
<sect3 id="plugin-kstinterp_akima-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Andmepunktide X-väärtuste massiiv, mida interpoleeritakse. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y massiiv (vektor)</term>
<listitem>
<para
>Andmepunktide Y-väärtuste massiiv, mida interpoleeritakse. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>X' massiiv (vektor)</term>
<listitem>
<para
>X-väärtuste massiiv, millele soovitakse leida interpoleeritud Y-väärtused. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_akima-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Y interpoleeritud (vektor)</term>
<listitem>
<para
>Interpoleeritud Y-väärtused. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_akima_periodic">
<title
>Perioodiline Akima splain-interpoleerimine</title>
<para
>Perioodilise Akima splaini interpoleerimise plugin sooritab ümardamata Akima splaini interpolatsiooni antud andmekogumil perioodilise raja tingimusi kasutades. </para>
<sect3 id="plugin-kstinterp_akima_periodic-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Andmepunktide X-väärtuste massiiv, mida interpoleeritakse. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y massiiv (vektor)</term>
<listitem>
<para
>Andmepunktide Y-väärtuste massiiv, mida interpoleeritakse. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>X' massiiv (vektor)</term>
<listitem>
<para
>X-väärtuste massiiv, millele soovitakse leida interpoleeritud Y-väärtused. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_akima_periodic-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Y interpoleeritud (vektor)</term>
<listitem>
<para
>Interpoleeritud Y-väärtused. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_cspline">
<title
>Kuupsplain-interpoleerimine</title>
<para
>Kuupsplain-interpoleerimise plugin sooritab kuupsplain-interpolatsiooni antud andmekogumil loomuliku raja tingimusi kasutades. </para>
<sect3 id="plugin-kstinterp_cspline-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Andmepunktide X-väärtuste massiiv, mida interpoleeritakse. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y massiiv (vektor)</term>
<listitem>
<para
>Andmepunktide Y-väärtuste massiiv, mida interpoleeritakse. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>X' massiiv (vektor)</term>
<listitem>
<para
>X-väärtuste massiiv, millele soovitakse leida interpoleeritud Y-väärtused. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_cspline-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Y interpoleeritud (vektor)</term>
<listitem>
<para
>Interpoleeritud Y-väärtused. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_cspline_periodic">
<title
>Perioodiline kuupsplain-interpoleerimine</title>
<para
>Perioodilise kuupsplain-interpoleerimise plugin sooritab kuupsplain-interpolatsiooni antud andmekogumil perioodilise raja tingimusi kasutades. </para>
<sect3 id="plugin-kstinterp_cspline_periodic-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Andmepunktide X-väärtuste massiiv, mida interpoleeritakse. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y massiiv (vektor)</term>
<listitem>
<para
>Andmepunktide Y-väärtuste massiiv, mida interpoleeritakse. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>X' massiiv (vektor)</term>
<listitem>
<para
>X-väärtuste massiiv, millele soovitakse leida interpoleeritud Y-väärtused. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_cspline_periodic-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Y interpoleeritud (vektor)</term>
<listitem>
<para
>Interpoleeritud Y-väärtused. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_linear">
<title
>Lineaarne interpoleerimine</title>
<para
>Lineaarse interpoleerimise plugin sooritab lineaarse interpolatsiooni antud andmekogumil. </para>
<sect3 id="plugin-kstinterp_linear-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Andmepunktide X-väärtuste massiiv, mida interpoleeritakse. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y massiiv (vektor)</term>
<listitem>
<para
>Andmepunktide Y-väärtuste massiiv, mida interpoleeritakse. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>X' massiiv (vektor)</term>
<listitem>
<para
>X-väärtuste massiiv, millele soovitakse leida interpoleeritud Y-väärtused. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_linear-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Y interpoleeritud (vektor)</term>
<listitem>
<para
>Interpoleeritud Y-väärtused. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_polynomial">
<title
>Polünomiaal-interpoleerimine</title>
<para
>Polünomiaal-interpoleerimise plugin sooritab polünomiaalse interpolatsiooni antud andmekogumil. Polünoomi liikmete arv on võrdne andmekogumi punktide arvuga. </para>
<sect3 id="plugin-kstinterp_polynomial-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>X-massiiv (vektor)</term>
<listitem>
<para
>Andmepunktide X-väärtuste massiiv, mida interpoleeritakse. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y massiiv (vektor)</term>
<listitem>
<para
>Andmepunktide Y-väärtuste massiiv, mida interpoleeritakse. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>X' massiiv (vektor)</term>
<listitem>
<para
>X-väärtuste massiiv, millele soovitakse leida interpoleeritud Y-väärtused. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_polynomial-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Y interpoleeritud (vektor)</term>
<listitem>
<para
>Interpoleeritud Y-väärtused. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-noise-addition">
<title
>Müra lisamine</title>
<para
>Müra lisamise plugin lisab sisendvektori igale elemendile juhusliku Gaussi muutuja. Kasutatav Gaussi jaotus on keskmisega <literal
>0</literal
> ja määratud standardhälbega. Gaussi juhusliku muutuja tõenäosustiheduse funktsioon on järgmine: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gaussianprobability.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<sect3 id="plugin-noise-addition-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>Massiiv (vektor)</term>
<listitem>
<para
>Elementide massiiv, millele lisatakse juhuslik müra. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Sigma (skalaar)</term>
<listitem>
<para
>Gaussi jaotuses kasutatav standardhälve. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-noiseaddition-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Väljundmassiiv (vektor)</term>
<listitem>
<para
>Elementide massiiv, millele on lisatud Gaussi müra. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-periodogram">
<title
>Periodogramm</title>
<para
>Periodogrammiplugin valmistab antud andmekogumi periodogrammi. Sõltuvalt andmete mahust kasutatakse üht kahest algoritmist — kiiret algoritmi juhul, kui andmekogumis on enam kui 100 andmepunkti, ning aeglasemat algoritmi juhul, kui andmepunkte on maksimaalselt 100. </para>
<sect3 id="plugin-periodogram-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>Ajamassiiv (vektor)</term>
<listitem>
<para
>Andmepunktide ajaväärtuste massiiv, mida interpoleeritakse. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Andmemassiiv (vektor)</term>
<listitem>
<para
>Ajaväärtustest sõltuvate andmepunktide andmeväärtuste massiiv, mida interpoleeritakse. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Ülediskreetimistegur (skalaar)</term>
<listitem>
<para
>Ülediskreetimistegur. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Keskmine Nyquisti sageduse tegur (skalaar)</term>
<listitem>
<para
>Keskmine Nyquisti sageduse tegur. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-periodogram-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Sagedus (vektor)</term>
<listitem>
<para
>Sagedusvektor. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Periodogramm (vektor)</term>
<listitem>
<para
>Periodogrammi sagedusvastuse vektor. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-statistics">
<title
>Statistika</title>
<para
>Statistikaplugin arvutab antud andmekogumi statistika. Enamik väljundskalaare kannab selliseid nimetusi, mis näitavad otseselt nende esindatavaid väärtusi. Statistikaväärtuste arvutamiseks kasutatakse standardvalemeid. </para>
<sect3 id="plugin-statistics-inputs">
<title
>Sisend</title>
<variablelist>
<varlistentry>
<term
>Andmemassiiv (vektor)</term>
<listitem>
<para
>Andmeväärtuste massiiv, mille statistikat arvutatakse. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-statistics-outputs">
<title
>Väljund</title>
<variablelist>
<varlistentry>
<term
>Keskmine (skalaar)</term>
<listitem>
<para
>Andmeväärtuste keskmine. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Miinimum (skalaar)</term>
<listitem>
<para
>Andmemassiivis sisalduv miinimumväärtus. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Maksimum (skalaar)</term>
<listitem>
<para
>Andmemassiivis sisalduv maksimumväärtus. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Dispersioon (skalaar)</term>
<listitem>
<para
>Andmekogumi dispersioon. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Standardhälve (skalaar)</term>
<listitem>
<para
>Andmekogumi standardhälve. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Mediaan (skalaar)</term>
<listitem>
<para
>Andmekogumi mediaan. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Absoluuthälve (skalaar)</term>
<listitem>
<para
>Andmekogumi absoluuthälve. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Asümmeetrilisus (skalaar)</term>
<listitem>
<para
>Andmekogumi asümmeetrilisus. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Järsakus (skalaar)</term>
<listitem>
<para
>Andmekogumi järsakus. </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
>
524
