<chapter id="pluginsandfilters">
<title
>Plugin, regressioni e filtri</title>
<para
>I plugin forniscono funzionalità aggiuntive per &kst;. Come impostazione predefinita, &kst; ha un'estesa selezione di plugin incorporati. Inoltre, un'interfaccia semplice e consistente permette una facile creazione di plugin di parti terze. Le regressioni e i filtri sono semplicemente dei sottoinsiemi dei plugin, con l'eccezione di funzionalità aggiuntive per delle comode finestre accessibili dal <link linkend="theplotcontextmenu"
>menu contestuale dei grafici</link
>. </para>
<sect1 id="addingandremovingplugins">
<title
>Aggiungere e rimuovere plugin</title>
<para
>Come impostazione predefinita, i plugin incorporati sono conservati in <filename
>/usr/lib/kde3/kstplugins/</filename
> (questa cartella può cambiare a seconda di dove hai installato &kst;). Per aggiungere e rimuovere i plugin si può usare il Gestore dei plugin. Ci si può accedere selezionando <guimenuitem
>Plugin...</guimenuitem
> dal menu <guimenu
>Impostazioni</guimenu
>. Nel Gestore dei plugin è visualizzato un elenco dei plugin attualmente installati. </para>
<para
>Per aggiungere un plugin, fai clic sul pulsante <guibutton
>Installa...</guibutton
>. Naviga alla cartella contenente sia il file di specificazione del plugin (<literal role="extension"
>*.xml</literal
>) e il file oggetto (<literal role="extension"
>*.o</literal
>). Fai clic su <guibutton
>OK</guibutton
>, e il plugin dovrebbe essere installato. </para>
<para
>Per rimuovere un plugin, semplicemente evidenzialo nel Gestore dei plugin e fai clic su <guibutton
>Rimuovi</guibutton
>. Ti sarà richiesta conferma. </para>
<para
>Per aggiornare rapidamente l'elenco dei plugin visualizzati nel Gestore dei plugin, fai clic su <guibutton
>Riscansiona</guibutton
>. Così facendo si rimuoveranno tutti i plugin che non sono più presenti nei loro percorsi specificati, e si aggiungeranno tutti quelli che sono nella cartella predefinita dei plugin. </para>
</sect1>
<sect1 id="builtinplugins">
<title
>Plugin incorporati</title>
<para
>A oggi, ci sono più di 25 plugin incorporati disponibili in &kst; che effettuano funzioni dal fare correlazioni incrociate di due vettori al produrre periodogrammi di un insieme di dati. La finestra delle impostazioni di ogni plugin consiste di due sezioni principali: una sezione dell'input e una sezione dell'output. Ogni sezione è composta di un insieme di scalari ovvero vettori. La schermata successiva mostra la finestra delle impostazioni di un plugin tipico. L'unica differenza tra i vari plugin è l'insieme di input e di output, e i meccanismi per derivare gli output dagli input. </para>
<screenshot>
<screeninfo
>Finestra dei plugin</screeninfo>
<mediaobject>
<imageobject>
<imagedata fileref="Screenshot-kst-pluginswindow.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Finestra dei plugin</phrase>
</textobject>
</mediaobject>
</screenshot>
<para
>Le sezioni seguenti descrivono gli scopi di tutti i plugin, i loro gli algoritmi chiave o formule usati per effettuare i calcoli, e i loro input e output. Nota che nelle prossime sezioni sono inclusi i plugin di regressione e filtraggio. </para>
<!-- Begin the long plugins section. -->
<sect2 id="plugin-autocorrelation">
<title
>Autocorrelazione</title>
<para
>Il plugin di autocorrelazione calcola i valori di correlazione tra una serie (un vettore) e una versione ritardata di se stesso, usando valori di ritardo da <literal
>parteIntera(-(N-1)/2)</literal
> a <literal
>parteIntera((N-1)/2)</literal
>, dove <literal
>N</literal
> è il numero di punti dell'insieme di dati. Il vettore del tempo non è un input perché si assume che i dati siano campionati a intervalli regolari. Il valore di correlazione <literal
>r</literal
> al ritardo <literal
>k</literal
> è: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-autocorrelation.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formula di autocorrelazione</phrase>
</textobject>
</inlinemediaobject>
</para>
<sect3 id="plugin-autocorrelation-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array di valori <literal
>X</literal
> per cui calcolare i valori di correlazione. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-autocorrelation-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Numero di passi (vettore)</term>
<listitem>
<para
>L'array dei valori dei passi, o dei ritardi. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Valore di correlazione (vettore)</term>
<listitem>
<para
>L'array dei valori di correlazione calcolati usando il numero di passi corrispondente nel vettore del numero di passi. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-bin">
<title
>Partizionamento</title>
<para
>Il plugin di partizionamento (o <foreignphrase lang="en"
>binning</foreignphrase
>) ripartisce elementi di un vettore di dati in gruppi di una dimensione specificata. Il valore di ogni gruppo è la media degli elementi appartenenti al gruppo. Per esempio, se la dimensione del gruppo è <literal
>3</literal
>, e il vettore di input <literal
>[9,2,7,3,4,74,5,322,444,2,1]</literal
>, i gruppi di output sarebbero <literal
>[6,27,257]</literal
>. Nota che tutti gli elementi rimanenti alla fine del vettore di input che non formano un gruppo completo (in questo caso gli elementi <literal
>2</literal
> e <literal
>1</literal
>), sono semplicemente ignorati. </para>
<sect3 id="plugin-bin-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Vettore di input (vettore)</term>
<listitem>
<para
>Il vettore da partizionare. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Dimensione dei gruppi (scalare)</term>
<listitem>
<para
>La dimensione da usare per ogni gruppo. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-bin-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Gruppi (vettore)</term>
<listitem>
<para
>L'array di medie per ogni gruppo. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-butterworth_bandpass">
<title
>Passa-banda di Butterworth</title>
<para
>Il plugin passa-banda di Butterworth filtra un insieme di dati calcolando la trasformata di Fourier dei dati e ricalcolando la risposta in frequenza usando la formula seguente </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-bandpass.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formula di autocorrelazione</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>dove <literal
>f</literal
> è la frequenza, <literal
>f<subscript
>c</subscript
></literal
> è la frequenza di taglio bassa, <literal
>b</literal
> è la larghezza di banda da passare, e <literal
>n</literal
> è l'ordine del filtro di Butterworth. La trasformata di Fourier inversa è quindi calcolata usando le nuove risposte in frequenza filtrate. </para>
<sect3 id="plugin-butterworth_bandpass-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array di valori da filtrare. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Ordine (scalare)</term>
<listitem>
<para
>L'ordine del filtro di Butterworth da usare. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Frequenza di taglio bassa (scalare)</term>
<listitem>
<para
>La frequenza di taglio bassa per il filtro passa-banda di Butterworth. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Larghezza di banda (scalare)</term>
<listitem>
<para
>La larghezza della banda da passare. Dovrebbe essere la differenza tra la frequenza di taglio alta e la frequenza di taglio bassa. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-butterworth_bandpass-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>X filtrato (vettore)</term>
<listitem>
<para
>L'array di valori di dati filtrati. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-butterworth_bandstop">
<title
>Elimina-banda di Butterworth</title>
<para
>Il plugin elimina-banda di Butterworth filtra un insieme di dati calcolando la trasformata di Fourier dei dati e ricalcolando le risposte in frequenza usando la formula seguente </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-bandstop.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formula di autocorrelazione</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>dove <literal
>f</literal
> è la frequenza, <literal
>f<subscript
>c</subscript
></literal
> è la frequenza di taglio bassa, <literal
>b</literal
> è la larghezza di banda della banda da eliminare, e <literal
>n</literal
> è l'ordine del filtro di Butterworth. La trasformata di Fourier inversa è quindi calcolata usando le nuove risposte in frequenza filtrate. </para>
<sect3 id="plugin-butterworth_bandstop-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array di valori da filtrare. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Ordine (scalare)</term>
<listitem>
<para
>L'ordine del filtro di Butterworth da usare. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Frequenza di taglio bassa (scalare)</term>
<listitem>
<para
>La frequenza di taglio bassa del filtro elimina-banda di Butterworth. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Larghezza di banda (scalare)</term>
<listitem>
<para
>L'ampiezza della banda da eliminare. Dovrebbe essere la differenza tra le frequenze di taglio alta e bassa desiderate. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-butterworth_bandstop-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>X filtrato (vettore)</term>
<listitem>
<para
>L'array di valori di dati filtrati. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-butterworth_highpass">
<title
>Passa-alto di Butterworth</title>
<para
>Il plugin passa-alto di Butterworth filtra un insieme di dati calcolando la trasformata di Fourier dei dati e ricalcolando le risposte in frequenza usando la formula seguente </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-highpass.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formula di autocorrelazione</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>dove <literal
>f</literal
> è la frequenza, <literal
>f<subscript
>c</subscript
></literal
> è la frequenza di taglio alta, e <literal
>n</literal
> è l'ordine del filtro di Butterworth. La trasformata di Fourier inversa è quindi calcolata usando le nuove risposte in frequenza filtrate. </para>
<sect3 id="plugin-butterworth_highpass-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array di valori da filtrare. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Ordine (scalare)</term>
<listitem>
<para
>L'ordine del filtro di Butterworth da usare. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Frequenza di taglio (scalare)</term>
<listitem>
<para
>La frequenza di taglio del filtro passa-alto di Butterworth. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-butterworth_highpass-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>X filtrato (vettore)</term>
<listitem>
<para
>L'array di valori di dati filtrati. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-butterworth_lowpass">
<title
>Passa-basso di Butterworth</title>
<para
>Il plugin passa-basso di Butterworth filtra un insieme di dati calcolando la trasformata di Fourier dei dati e ricalcolando le risposte in frequenza usando la formula seguente </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-lowpass.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>Formula di autocorrelazione</phrase>
</textobject>
</inlinemediaobject>
</para>
<para
>dove <literal
>f</literal
> è la frequenza, <literal
>f<subscript
>c</subscript
></literal
> è la frequenza di taglio bassa, e <literal
>n</literal
> è l'ordine del filtro di Butterworth. La trasformata di Fourier inversa è quindi calcolata usando le nuove risposte in frequenza filtrate. </para>
<sect3 id="plugin-butterworth_lowpass-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array di valori da filtrare. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Ordine (scalare)</term>
<listitem>
<para
>L'ordine del filtro di Butterworth da usare. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Frequenza di taglio (scalare)</term>
<listitem>
<para
>La frequenza di taglio del filtro passa-basso di Butterworth. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-butterworth_lowpass-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>X filtrato (vettore)</term>
<listitem>
<para
>L'array di valori di dati filtrati. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-chop">
<title
>Separazione</title>
<para
>Il plugin di separazione prende un vettore di input e lo divide in due vettori. Un elemento ogni due nel vettore di input viene messo in un vettore di output, mentre tutti gli altri elementi dal vettore di input vengono messi nell'altro vettore di output. </para>
<sect3 id="plugin-chop-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array (vettore)</term>
<listitem>
<para
>L'array di valori su cui effettuare la separazione. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-chop-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Array dispari (vettore)</term>
<listitem>
<para
>L'array contenente la parte dispari dell'array di input (cioè contiene il primo elemento dell'array di input). </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array pari (vettore)</term>
<listitem>
<para
>L'array contenente la parte pari dell'array di input (cioè non contiene il primo elemento dell'array di input). </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array delle differenze (vettore)</term>
<listitem>
<para
>L'array contenente gli elementi dell'array dispari meno i rispettivi elementi dell'array pari. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array degli indici (vettore)</term>
<listitem>
<para
>Un array di indici della stessa lunghezza degli altri array di output. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-convolution">
<title
>Convoluzione</title>
<para
>Il plugin di convoluzione genera la convoluzione di un vettore con un altro. La convoluzione di due funzioni <literal
>f</literal
> e <literal
>g</literal
> è data da: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-convolution.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>L'ordine dei vettori non è importante, perché <literal
>f*g=g*f</literal
>. Inoltre, i vettori non devono necessariamente essere delle stesse dimensioni, perché il plugin estrapolerà automaticamente il vettore più piccolo. </para>
<sect3 id="plugin-convolution-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array uno (vettore)</term>
<listitem>
<para
>Un array della coppia di cui fare la convoluzione. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array due (vettore)</term>
<listitem>
<para
>Un array della coppia di cui fare la convoluzione. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-convolution-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Convoluto (vettore)</term>
<listitem>
<para
>La convoluzione dei due vettori di input. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-crosscorrelation">
<title
>Correlazione incrociata</title>
<para
>Il plugin di correlazione incrociata calcola i valori di correlazione tra due serie (vettori) <literal
>X</literal
> e <literal
>Y</literal
>, usando i valori di ritardo da <literal
>parteIntera(-(N-1)/2)</literal
> a <literal
>parteIntera((N-1)/2)</literal
>, dove <literal
>N</literal
> è il numero di elementi nel vettore più lungo. Il vettore più corto è allungato alle dimensioni del vettore più lungo usando degli <literal
>0</literal
>. Il vettore del tempo non è un dato perché si assume che i dati siano campionati a intervalli di tempo regolari. Il valore di correlazione <literal
>r</literal
> al ritardo <literal
>k</literal
> è: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-crosscorrelation.png" format="PNG"/>
</imageobject>
<textobject>
<phrase
>formula di correlazione incrociata</phrase>
</textobject>
</inlinemediaobject>
</para>
<sect3 id="plugin-crosscorrelation-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array <literal
>X</literal
> usato nella formula di correlazione incrociata. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array Y (vettore)</term>
<listitem>
<para
>L'array <literal
>Y</literal
> usato nella formula di correlazione incrociata. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-crosscorrelation-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Numero di passi (vettore)</term>
<listitem>
<para
>L'array dei valori dei passi, o dei ritardi. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Valore di correlazione (vettore)</term>
<listitem>
<para
>L'array dei valori di correlazione calcolati usando il numero di passi corrispondente nel vettore del numero di passi. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-deconvolution">
<title
>Deconvoluzione</title>
<para
>Il plugin di deconvoluzione genera la deconvoluzione di un vettore con un altro. La deconvoluzione è l'inverso della convoluzione. Dato il vettore convoluto <literal
>h</literal
> e un altro vettore <literal
>g</literal
>, la deconvoluzione <literal
>f</literal
> è data da: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-deconvolution.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>I vettori non devono necessariamente essere delle stesse dimensioni, perché il plugin estrapolerà automaticamente il vettore più corto. Si presume che il vettore più corto sia la funzione di risposta <literal
>g</literal
>. </para>
<sect3 id="plugin-deconvolution-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array uno (vettore)</term>
<listitem>
<para
>Un array della coppia da cui ottenere la deconvoluzione. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array due (vettore)</term>
<listitem>
<para
>Un array della coppia da cui ottenere la deconvoluzione. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-deconvolution-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Deconvoluto (vettore)</term>
<listitem>
<para
>La deconvoluzione dei due vettori di input. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_exponential_weighted">
<title
>Regressione esponenziale pesata</title>
<para
>Il plugin di regressione esponenziale pesata effettua una regressione non lineare pesata ai minimi quadrati con un modello esponenziale: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-exponentialfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Viene usata una stima iniziale di <literal
>a=1,0</literal
>, <inlinemediaobject
><imageobject
><imagedata fileref="Symbol-kst-lambda.png" format="PNG"/></imageobject
></inlinemediaobject
><literal
>=0</literal
>, e <literal
>b=0</literal
>. In seguito il plugin itera alla soluzione finché non viene una raggiunta una precisione di <literal
>1,0E-4</literal
> o sono effettuate 500 iterazioni. </para>
<sect3 id="plugin-kstfit_exponential_weighted-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array dei valori X per i punti di dati da cui regredire. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array Y (vettore)</term>
<listitem>
<para
>L'array dei valori Y per i punti di dati da cui regredire. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Pesi (vettore)</term>
<listitem>
<para
>L'array dei pesi da usare per la regressione. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_exponential_weighted-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Y regredito (vettore)</term>
<listitem>
<para
>L'array dei valori Y regrediti. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Residui (vettore)</term>
<listitem>
<para
>L'array dei residui. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parametri (vettore)</term>
<listitem>
<para
>I parametri di regressione ottimale <literal
>a</literal
>, <inlinemediaobject
><imageobject
><imagedata fileref="Symbol-kst-lambda.png" format="PNG"/></imageobject
></inlinemediaobject
>, e <literal
>b</literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Covarianza (vettore)</term>
<listitem>
<para
>La matrice di covarianza dei parametri del modello, restituita riga per riga nel vettore. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>chi^2/nu (scalare)</term>
<listitem>
<para
>La somma pesata delle radici dei residui, divisa per i gradi di libertà. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_exponential_unweighted">
<title
>Regressione esponenziale</title>
<para
>Il plugin di regressione esponenziale è identico nella funzione al plugin <link linkend="plugin-kstfit_exponential_weighted"
>regressione esponenziale pesata</link
> con l'eccezione che il valore dei pesi <literal
>w<subscript
>i</subscript
></literal
> è uguale a <literal
>1</literal
> per tutti i valori dell'indice <literal
>i</literal
>. Perciò, l'input Pesi (vettore) non esiste. </para>
</sect2>
<sect2 id="plugin-kstfit_gaussian_weighted">
<title
>Regressione gaussiana pesata</title>
<para
>Il plugin di regressione gaussiana pesata effettua una regressione non lineare pesata ai minimi quadrati con un modello gaussiano: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gaussianfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Vengono usate delle stime iniziali di <literal
>a=</literal
>(massimo dei valori Y), <inlinemediaobject
><imageobject
><imagedata fileref="Symbol-kst-mu.png" format="PNG"/></imageobject
></inlinemediaobject
><literal
>=</literal
>(media dei valori X), e <inlinemediaobject
><imageobject
><imagedata fileref="Symbol-kst-sigma.png" format="PNG"/></imageobject
></inlinemediaobject
><literal
>=</literal
>(il punto medio dei valori X). Quindi, il plugin itera alla soluzione finché viene raggiunta una precisione di <literal
>1,0E-4</literal
> o sono effettuate 500 iterazioni. </para>
<sect3 id="plugin-kstfit_gaussian_weighted-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array dei valori X per i punti di dati da cui regredire. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array Y (vettore)</term>
<listitem>
<para
>L'array dei valori Y per i punti di dati da cui regredire. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Pesi (vettore)</term>
<listitem>
<para
>L'array dei pesi da usare per la regressione. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_gaussian_weighted-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Y regredito (vettore)</term>
<listitem>
<para
>L'array dei valori Y regrediti. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Residui (vettore)</term>
<listitem>
<para
>L'array dei residui. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parametri (vettore)</term>
<listitem>
<para
>I parametri di regressione ottimale <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-mu.png" format="PNG"/> </imageobject
> </inlinemediaobject
>, <inlinemediaobject
> <imageobject
> <imagedata fileref="Symbol-kst-sigma.png" format="PNG"/> </imageobject
> </inlinemediaobject
>, e <literal
>a</literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Covarianza (vettore)</term>
<listitem>
<para
>La matrice di covarianza dei parametri del modello, restituita riga per riga nel vettore. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>chi^2/nu (scalare)</term>
<listitem>
<para
>La somma pesata delle radici dei residui, divisa per i gradi di libertà. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_gaussian_unweighted">
<title
>Regressione gaussiana</title>
<para
>Il plugin di regressione gaussiana è identico nella funzione al plugin <link linkend="plugin-kstfit_gaussian_weighted"
>regressione gaussiana pesata</link
> con l'eccezione che il valore dei pesi <literal
>w<subscript
>i</subscript
></literal
> è uguale a <literal
>1</literal
> per tutti i valori dell'indice <literal
>i</literal
>. Perciò, l'input Pesi (vettore) non esiste. </para>
</sect2>
<sect2 id="plugin-kstfit_gradient_weighted">
<title
>Regressione del gradiente pesata</title>
<para
>Il plugin di regressione del gradiente pesata effettua una regressione pesata ai minimi quadrati con un modello a linea retta senza un termine costante: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gradientequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>La regressione ottimale viene trovata minimizzando la somma pesata dei residui pesati: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gradientsumofsquares.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>per <literal
>b</literal
>, dove <literal
>w<subscript
>i</subscript
></literal
> è il peso per l'indice <literal
>i</literal
>. </para>
<sect3 id="plugin-kstfit_gradient_weighted-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array dei valori X per i punti di dati da cui regredire. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array Y (vettore)</term>
<listitem>
<para
>L'array dei valori Y per i punti di dati da cui regredire. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Pesi (vettore)</term>
<listitem>
<para
>L'array contenente i pesi da usare per la regressione. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_gradient_weighted-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Y regredito (vettore)</term>
<listitem>
<para
>L'array dei valori Y per i punti rappresentanti la linea di regressione ottimale. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Residui (vettore)</term>
<listitem>
<para
>L'array dei residui, o differenze tra i valori Y della linea di regressione ottimale e i valori Y dei punti dei dati. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parametri (vettore)</term>
<listitem>
<para
>Il parametro <literal
>b</literal
> della regressione ottimale. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Covarianza (vettore)</term>
<listitem>
<para
>Una matrice di covarianza stimata, restituita riga per riga, a partire dalla riga 0. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y Basso (vettore)</term>
<listitem>
<para
>Il valore corrispondente in Y regredito meno la deviazione standard della funzione di regressione ottimale al valore X corrispondente. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y alto (vettore)</term>
<listitem>
<para
>Il valore corrispondente in Y regredito più la deviazione standard della funzione di regressione ottimale al valore X corrispondente. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>chi^2/nu (scalare)</term>
<listitem>
<para
>Il valore della somma dei quadrati dei residui, divisa per i gradi di libertà. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_gradient_unweighted">
<title
>Regressione del gradiente</title>
<para
>Il plugin di regressione del gradiente è identico nella funzione al plugin <link linkend="plugin-kstfit_gradient_weighted"
>regressione del gradiente pesata</link
> con l'eccezione che il valore dei pesi <literal
>w<subscript
>i</subscript
></literal
> è uguale a <literal
>1</literal
> per tutti i valori dell'indice <literal
>i</literal
>. Perciò, l'input Pesi (vettore) non esiste. </para>
</sect2>
<sect2 id="plugin-kstfit_linear_weighted">
<title
>Regressione lineare pesata</title>
<para
>Il plugin di regressione lineare pesata effettua una regressione pesata ai minimi quadrati con un modello a linea retta: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-linefitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>La regressione ottimale viene trovata minimizzando la somma pesata dei residui pesati: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-linefitsumofsquaredresiduals.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>per <literal
>a</literal
> e <literal
>b</literal
>, dove <literal
>w<subscript
>i</subscript
></literal
> è il peso all'indice <literal
>i</literal
>. </para>
<sect3 id="plugin-kstfit_linear_weighted-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array dei valori X per i punti di dati da cui regredire. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array Y (vettore)</term>
<listitem>
<para
>L'array dei valori Y per i punti di dati da cui regredire. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Pesi (vettore)</term>
<listitem>
<para
>L'array contenente i pesi da usare per la regressione. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_linear_weighted-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Y regredito (vettore)</term>
<listitem>
<para
>L'array dei valori Y per i punti rappresentanti la linea di regressione ottimale. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Residui (vettore)</term>
<listitem>
<para
>L'array dei residui, o differenze tra i valori Y della linea di regressione ottimale e i valori Y dei punti dei dati. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parametri (vettore)</term>
<listitem>
<para
>I parametri <literal
>a</literal
> e <literal
>b</literal
> della regressione ottimale. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Covarianza (vettore)</term>
<listitem>
<para
>Una matrice di covarianza stimata, restituita riga per riga, a partire dalla riga 0. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y Basso (vettore)</term>
<listitem>
<para
>Il valore corrispondente in Y regredito meno la deviazione standard della funzione di regressione ottimale al valore X corrispondente. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Y alto (vettore)</term>
<listitem>
<para
>Il valore corrispondente in Y regredito più la deviazione standard della funzione di regressione ottimale al valore X corrispondente. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>chi^2/nu (scalare)</term>
<listitem>
<para
>Il valore della somma dei quadrati dei residui, divisa per i gradi di libertà. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_linear_unweighted">
<title
>Regressione lineare</title>
<para
>Il plugin di regressione lineare è identico nella funzione al plugin <link linkend="plugin-kstfit_linear_weighted"
>regressione lineare pesata</link
> con l'eccezione che il valore dei pesi <literal
>w<subscript
>i</subscript
></literal
> è uguale a <literal
>1</literal
> per tutti i valori dell'indice <literal
>i</literal
>. Perciò, l'input Pesi (vettore) non esiste. </para>
</sect2>
<sect2 id="plugin-kstfit_lorentzian_weighted">
<title
>Regressione lorentziana pesata</title>
<para
>Il plugin di regressione lorentziana pesata effettua una regressione non lineare pesata ai minimi quadrati con un modello lorentziano: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-lorentzianfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>Vengono usate delle stime iniziali di <literal
>a=</literal
>(massimo dei valori Y), <literal
>x<subscript
>0</subscript
>=</literal
>(media dei valori X), e <inlinemediaobject
><imageobject
><imagedata fileref="Symbol-kst-Gamma.png" format="PNG"/></imageobject
></inlinemediaobject
><literal
>=</literal
>(il punto medio dei valori X). Quindi il plugin itera alla soluzione finché viene raggiunta una precisione di <literal
>1,0E-4</literal
> o sono effettuate 500 iterazioni. </para>
<sect3 id="plugin-kstfit_lorentzian_weighted-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array dei valori X per i punti di dati da cui regredire. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array Y (vettore)</term>
<listitem>
<para
>L'array dei valori Y per i punti di dati da cui regredire. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Pesi (vettore)</term>
<listitem>
<para
>L'array dei pesi da usare per la regressione. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_lorentzian_weighted-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Y regredito (vettore)</term>
<listitem>
<para
>L'array dei valori Y regrediti. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Residui (vettore)</term>
<listitem>
<para
>L'array dei residui. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parametri (vettore)</term>
<listitem>
<para
>I parametri di regressione ottimale <literal
>x<subscript
>0</subscript
></literal
>, <inlinemediaobject
><imageobject
><imagedata fileref="Symbol-kst-Gamma.png" format="PNG"/></imageobject
></inlinemediaobject
>, e <literal
>a</literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Covarianza (vettore)</term>
<listitem>
<para
>La matrice di covarianza dei parametri del modello, restituita riga per riga nel vettore. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>chi^2/nu (scalare)</term>
<listitem>
<para
>La somma pesata delle radici dei residui, divisa per i gradi di libertà. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_lorentzian_unweighted">
<title
>Regressione lorentziana</title>
<para
>Il plugin di regressione lorentziana è identico nella funzione al plugin <link linkend="plugin-kstfit_lorentzian_weighted"
>regressione lorentziana pesata</link
> con l'eccezione che il valore dei pesi <literal
>w<subscript
>i</subscript
></literal
> è uguale a <literal
>1</literal
> per tutti i valori dell'indice <literal
>i</literal
>. Perciò, l'input Pesi (vettore) non esiste. </para>
</sect2>
<sect2 id="plugin-kstfit_polynomial_weighted">
<title
>Regressione polinomiale pesata</title>
<para
>Il plugin di regressione polinomiale pesata effettua una regressione pesata ai minimi quadrati con un modello polinomiale: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-polynomialfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>dove <literal
>n</literal
> è il grado del modello polinomiale. </para>
<sect3 id="plugin-kstfit_polynomial_weighted-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array dei valori X per i punti di dati da cui regredire. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array Y (vettore)</term>
<listitem>
<para
>L'array dei valori Y per i punti di dati da cui regredire. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Pesi (vettore)</term>
<listitem>
<para
>L'array dei pesi da usare per la regressione. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Ordine (scalare)</term>
<listitem>
<para
>L'ordine, o grado, del modello polinomiale da usare. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_polynomial_weighted-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Y regredito (vettore)</term>
<listitem>
<para
>L'array dei valori Y regrediti. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Residui (vettore)</term>
<listitem>
<para
>L'array dei residui. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parametri (vettore)</term>
<listitem>
<para
>I parametri di regressione ottimale <literal
>c<subscript
>0</subscript
></literal
>, <literal
>c<subscript
>1</subscript
></literal
>, ..., <literal
>c<subscript
>n</subscript
></literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Covarianza (vettore)</term>
<listitem>
<para
>La matrice di covarianza dei parametri del modello, restituita riga per riga nel vettore. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>chi^2/nu (scalare)</term>
<listitem>
<para
>La somma pesata delle radici dei residui, divisa per i gradi di libertà. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_polynomial_unweighted">
<title
>Regressione polinomiale</title>
<para
>Il plugin di regressione polinomiale è identico nella funzione al plugin <link linkend="plugin-kstfit_polynomial_weighted"
>regressione polinomiale pesata</link
> con l'eccezione che il valore dei pesi <literal
>w<subscript
>i</subscript
></literal
> è uguale a <literal
>1</literal
> per tutti i valori dell'indice <literal
>i</literal
>. Perciò, l'input Pesi (vettore) non esiste. </para>
</sect2>
<sect2 id="plugin-kstfit_sinusoid_weighted">
<title
>Regressione sinusoidale pesata</title>
<para
>Il plugin di regressione sinusoidale pesata effettua una regressione ai minimi quadrati con un modello sinusoidale: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-sinusoidfitequation.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<para
>dove <literal
>T</literal
> è il periodo specificato, e <literal
>n=2+2H</literal
>, dove <literal
>H</literal
> è il numero specificato di armoniche. </para>
<sect3 id="plugin-kstfit_sinusoid_weighted-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array dei valori X per i punti di dati da cui regredire. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array Y (vettore)</term>
<listitem>
<para
>L'array dei valori Y per i punti di dati da cui regredire. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Pesi (vettore)</term>
<listitem>
<para
>L'array dei pesi da usare per la regressione. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Armoniche (scalare)</term>
<listitem>
<para
>Il numero di armoniche della sinusoide a cui regredire. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Periodo (scalare)</term>
<listitem>
<para
>Il periodo della sinusoide a cui regredire. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstfit_sinusoid_weighted-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Y regredito (vettore)</term>
<listitem>
<para
>L'array dei valori Y regrediti. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Residui (vettore)</term>
<listitem>
<para
>L'array dei residui. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Parametri (vettore)</term>
<listitem>
<para
>I parametri di regressione ottimale <literal
>c<subscript
>0</subscript
></literal
>, <literal
>c<subscript
>1</subscript
></literal
>, ..., <literal
>c<subscript
>n</subscript
></literal
>. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Covarianza (vettore)</term>
<listitem>
<para
>La matrice di covarianza dei parametri del modello, restituita riga per riga nel vettore. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>chi^2/nu (scalare)</term>
<listitem>
<para
>La somma pesata delle radici dei residui, divisa per i gradi di libertà. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstfit_sinusoid_unweighted">
<title
>Regressione sinusoidale</title>
<para
>Il plugin di regressione sinusoidale è identico nella funzione al plugin <link linkend="plugin-kstfit_sinusoid_weighted"
>regressione sinusoidale pesata</link
> con l'eccezione che il valore dei pesi <literal
>w<subscript
>i</subscript
></literal
> è uguale a <literal
>1</literal
> per tutti i valori dell'indice <literal
>i</literal
>. Perciò, l'input Pesi (vettore) non esiste. </para>
</sect2>
<sect2 id="plugin-kstinterp_akima">
<title
>Interpolazione spline Akima</title>
<para
>Il plugin di interpolazione spline Akima genera un'interpolazione spline Akima non arrotondata per l'insieme di dati fornito, usando condizioni al contorno naturali. </para>
<sect3 id="plugin-kstinterp_akima-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array di valori X dei punti di dati per cui generare l'interpolazione. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array Y (vettore)</term>
<listitem>
<para
>L'array di valori Y dei punti di dati per cui generare l'interpolazione. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array X' (vettore)</term>
<listitem>
<para
>L'array di valori X per cui sono desiderati dei valori Y interpolati. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_akima-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Y interpolato (vettore)</term>
<listitem>
<para
>I valori di Y interpolati. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_akima_periodic">
<title
>Interpolazione spline Akima periodica</title>
<para
>Il plugin kstinterp akima periodico genera un'interpolazione spline Akima non arrotondata per l'insieme di dati fornito, usando condizioni al contorno periodiche. </para>
<sect3 id="plugin-kstinterp_akima_periodic-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array di valori X dei punti di dati per cui generare l'interpolazione. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array Y (vettore)</term>
<listitem>
<para
>L'array di valori Y dei punti di dati per cui generare l'interpolazione. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array X' (vettore)</term>
<listitem>
<para
>L'array di valori X per cui sono desiderati dei valori Y interpolati. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_akima_periodic-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Y interpolato (vettore)</term>
<listitem>
<para
>I valori di Y interpolati. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_cspline">
<title
>Interpolazione spline cubica</title>
<para
>Il plugin di interpolazione spline cubica genera un'interpolazione spline cubica per l'insieme di dati fornito, usando condizioni al contorno naturali. </para>
<sect3 id="plugin-kstinterp_cspline-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array di valori X dei punti di dati per cui generare l'interpolazione. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array Y (vettore)</term>
<listitem>
<para
>L'array di valori Y dei punti di dati per cui generare l'interpolazione. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array X' (vettore)</term>
<listitem>
<para
>L'array di valori X per cui sono desiderati dei valori Y interpolati. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_cspline-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Y interpolato (vettore)</term>
<listitem>
<para
>I valori di Y interpolati. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_cspline_periodic">
<title
>Interpolazione spline cubica periodica</title>
<para
>Il plugin di interpolazione spline cubica periodica genera un'interpolazione spline cubica per l'insieme di dati fornito, usando condizioni al contorno periodiche. </para>
<sect3 id="plugin-kstinterp_cspline_periodic-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array di valori X dei punti di dati per cui generare l'interpolazione. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array Y (vettore)</term>
<listitem>
<para
>L'array di valori Y dei punti di dati per cui generare l'interpolazione. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array X' (vettore)</term>
<listitem>
<para
>L'array di valori X per cui sono desiderati dei valori Y interpolati. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_cspline_periodic-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Y interpolato (vettore)</term>
<listitem>
<para
>I valori di Y interpolati. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_linear">
<title
>Interpolazione lineare</title>
<para
>Il plugin di interpolazione lineare genera un'interpolazione lineare per l'insieme di dati fornito. </para>
<sect3 id="plugin-kstinterp_linear-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array di valori X dei punti di dati per cui generare l'interpolazione. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array Y (vettore)</term>
<listitem>
<para
>L'array di valori Y dei punti di dati per cui generare l'interpolazione. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array X' (vettore)</term>
<listitem>
<para
>L'array di valori X per cui sono desiderati dei valori Y interpolati. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_linear-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Y interpolato (vettore)</term>
<listitem>
<para
>I valori di Y interpolati. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-kstinterp_polynomial">
<title
>Interpolazione polinomiale</title>
<para
>Il plugin di interpolazione polinomiale genera un'interpolazione polinomiale per l'insieme di dati fornito. Il numero di termini nel polinomio è uguale al numero di punti nell'insieme di dati fornito. </para>
<sect3 id="plugin-kstinterp_polynomial-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array X (vettore)</term>
<listitem>
<para
>L'array di valori X dei punti di dati per cui generare l'interpolazione. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array Y (vettore)</term>
<listitem>
<para
>L'array di valori Y dei punti di dati per cui generare l'interpolazione. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array X' (vettore)</term>
<listitem>
<para
>L'array di valori X per cui sono desiderati dei valori Y interpolati. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-kstinterp_polynomial-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Y interpolato (vettore)</term>
<listitem>
<para
>I valori di Y interpolati. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-noise-addition">
<title
>Aggiunta di disturbi</title>
<para
>Il plugin di aggiunta di disturbi aggiunge una variabile casuale gaussiana a ciascun elemento del vettore di input. La distribuzione gaussiana usata ha una media di <literal
>0</literal
> e la deviazione standard specificata. La funzione di densità di probabilità di una variabile casuale gaussiana è: </para>
<para>
<inlinemediaobject>
<imageobject>
<imagedata fileref="Formula-kst-gaussianprobability.png" format="PNG"/>
</imageobject>
</inlinemediaobject>
</para>
<sect3 id="plugin-noise-addition-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array (vettore)</term>
<listitem>
<para
>L'array di elementi a cui viene aggiunto del rumore casuale. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Sigma (scalare)</term>
<listitem>
<para
>La deviazione standard da usare per la distribuzione gaussiana. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-noiseaddition-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Array di output (vettore)</term>
<listitem>
<para
>L'array di elementi con disturbo gaussiano aggiunto. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-periodogram">
<title
>Periodogramma</title>
<para
>Il plugin per i periodogrammi produce il periodogramma di un insieme di dati fornito. Viene usato uno di due algoritmi a seconda della dimensione dell'insieme di dati: viene usato un algoritmo veloce se ci sono più di 100 punti di dati, mentre viene usato un algoritmo più lento se ce ne sono meno. </para>
<sect3 id="plugin-periodogram-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array dei tempi (vettore)</term>
<listitem>
<para
>L'array dei valori di tempo dei punti di dati per cui generare l'interpolazione. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Array dei dati (vettore)</term>
<listitem>
<para
>L'array dei valori dei dati, dipendente dai valori del tempo, dei punti di dati per cui generare l'interpolazione. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Fattore di sovracampionamento (scalare)</term>
<listitem>
<para
>Il fattore con cui sovracampionare. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Fattore medio della frequenza di Nyquist (scalare)</term>
<listitem>
<para
>Il fattore medio della frequenza di Nyquist. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-periodogram-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Frequenza (vettore)</term>
<listitem>
<para
>Il vettore delle frequenze. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Periodogramma (vettore)</term>
<listitem>
<para
>Il vettore della risposta in frequenza del periodogramma. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
</sect2>
<sect2 id="plugin-statistics">
<title
>Statistiche</title>
<para
>Il plugin delle statistiche calcola le statistiche per un insieme di dati. La maggior parte degli scalari di output sono chiamati in modo che i valori che rappresentano siano ovvi. Per calcolare i valori statistici si usano delle formule standard. </para>
<sect3 id="plugin-statistics-inputs">
<title
>Input</title>
<variablelist>
<varlistentry>
<term
>Array dei dati (vettore)</term>
<listitem>
<para
>L'array di dati per cui calcolare le statistiche. </para>
</listitem>
</varlistentry>
</variablelist>
</sect3>
<sect3 id="plugin-statistics-outputs">
<title
>Output</title>
<variablelist>
<varlistentry>
<term
>Media (scalare)</term>
<listitem>
<para
>La media dei valori dei dati. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Minimo (scalare)</term>
<listitem>
<para
>Il valore minimo trovato nell'array. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Massimo (scalare)</term>
<listitem>
<para
>Il valore massimo trovato nell'array. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Varianza (scalare)</term>
<listitem>
<para
>La varianza dell'insieme di dati. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Deviazione standard (scalare)</term>
<listitem>
<para
>La deviazione standard dell'insieme di dati. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Mediana (scalare)</term>
<listitem>
<para
>La mediana dell'insieme di dati. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Deviazione assoluta (scalare)</term>
<listitem>
<para
>La deviazione assoluta dell'insieme di dati. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Asimmetria (scalare)</term>
<listitem>
<para
>L'asimmetria dell'insieme di dati. </para>
</listitem>
</varlistentry>
<varlistentry>
<term
>Curtosi (scalare)</term>
<listitem>
<para
>La curtosi dell'insieme di dati. </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
>
557
