GAUSS 17 kaufen
904.4

 

Gesamtsumme
inkl. 19 % USt

Anzahl

Preis in €

904,40

GAUSS ist ein Softwaresystem zur effizienten Lösung von numerischen Berechnungsproblemen und Optimierung in den Themenschwerpunkten Statistik, Ökonometrie, Zeitreihenanalyse. GAUSS wird auch im Wirtschaft- und Finanzwesen, Portfoliomanagement oder bei ingenieurwissenschaftlichen Berechnungen angewendet. Kein anderes Softwaresystem außer GAUSS bietet dieselbe leistungsfähige Kombination aus innovativen Werkzeugen, einer robusten Analyseumgebung, Genauigkeit sowie kurzen Entwicklungs- und Ausführungszeiten. Auf einer matrixorientierten Hochsprache basierend, wird GAUSS seit vielen Jahren von professionellen Anwendern dort eingesetzt, wo innovative, rechenintensive mathematische und statistische Berechnungen notwendig und kurze Rechenzeiten gefordert sind.

GAUSS ist auf das Rapid Prototyping von numerischen Algorithmen zur Datenauswertung, insbesondere in der Statistik, ideal abgestimmt. Als Entwicklungswerkzeug ist GAUSS mit einem 64-Bit Compiler zur skalierbaren Implementation numerischer Methoden vom Desktop bis zur Enterprise-Solution ausgestattet. Gauss stellt ebenfalls eine interkative Umgebung zur schnellen Datenauswertung zur Verfügung. Damit können zum Beispiel direkt die gewünschten Grafiken, wie 2D- oder 3D-Plots, Oberflächendiagramme, Box-Plots und Histogramme erstellt werden.

Aufgrund seiner Vielseitigkeit ist GAUSS zur ersten Wahl für Statistiker, Wirtschaftsexperten und Finanzanalysten geworden. Die hohe Flexibilität, ausgefeilte Datenstrukturen (Arrays mit N-Dimensionen) und das Konzept der kompakten Matrixoperatoren und Matrixfunktionen bieten ein Vielfaches der Möglichkeiten gängiger Statistikpakete.

Argumente für Gauss:

  • einfach zu erlernende und gleichzeitig schnelle Programmiersprache
  • umfangreicher Pool von über 400 vorgefertigten mathematischen Methoden
  • geeignet für schnelle Datenanalyse, auch für große Datenmengen

Gauss - rechenstarkes und skalierbares Softwaresystem für Numerik und Statistik

GAUSS ist ein Softwaresystem zur effizienten Lösung von numerischen Berechnungsproblemen in den Themenschwerpunkten Statistik, Ökonometrie, Zeitreihenanalyse und Optimierung sowie zum Einsatz in Wirtschaft- und Finanzwesen, Portfoliomanagement oder ingenieurwissenschaftlichen Berechnungen. Kein anderes Softwaresystem außer GAUSS bietet dieselbe leistungsfähige Kombination aus innovativen Werkzeugen, einer robusten Analyseumgebung, Genauigkeit, kurzen Entwicklungs- und Ausführungszeiten. Auf einer matrixorientierten Hochsprache basierend, wird GAUSS seit vielen Jahren von professionellen Anwendern dort eingesetzt, wo innovative, rechenintensive mathematische und statistische Berechnungen notwendig und kurze Rechenzeiten gefordert sind.

GAUSS ist auf das Rapid Prototyping von numerischen Algorithmen zur Datenauswertung, insbesondere in der Statistik, ideal abgestimmt. Als Entwicklungswerkzeug ist GAUSS mit einem 64-Bit Compiler zur skalierbaren Implementation numerischer Methoden vom Desktop bis zur Enterprise-Solution ausgestattet. GAUSS ist "Der Numbercruncher" für Forscher und Analysten, die keine Zeit haben, C oder FORTRAN zu lernen, um Gigabytes zu bewegen.

Vom Anwender definiertes Multi-Threading sichert Höchstleistung auf modernen Multicore-Systemen und macht Ihre Algorithmen zukunftssicher.

Aufgrund seiner Vielseitigkeit ist GAUSS zur ersten Wahl für Statistiker, Wirtschaftsexperten und Finanzanalysten geworden. Die hohe Flexibilität, ausgefeilten Datenstrukturen, Arrays mit N-Dimensionen und das Konzept der kompakten Matrixoperatoren und Matrixfunktionen bieten ein Vielfaches der Möglichkeiten ähnlicher Statistikpakete.

GAUSS Zusatzmodule

Die GAUSS Applications sind Erweiterungen für GAUSS und von Aptech Systems Inc. selbst erstellt. Die Applications werden im Quellcode und mit ausführlicher elektronischer Dokumentation geliefert.

Alle GAUSS Applications arbeiten mit der jeweils aktuellen GAUSS-Version zusammen. Sie gehören nicht zum Basislieferumfang von GAUSS und müssen zusätzlich erworben werden.

  • Algorithmic Derivatives
  • Descriptive Statistics
  • Discrete Choice
  • Linear Programming
  • Linear Regression
  • Loglinear Analysis
  • Maximum Likelihood
  • Nonlinear Equations
  • Optimization
  • Time Series
  • Applications Bundle
  • Constrained Maximum Likelihood
  • Constrained Optimization
  • FANPAC

GAUSS Drittentwickler Applications

Nachfolgend finden Sie eine Auswahl an GAUSS-Drittentwicklerpaketen.

SSATS – State Space Aoki Time Series

SSATS 2.0 is a set of preprogrammed GAUSS procedures that perform all the tasks necessary to and associated with the specification, estimation, and forecasting of multivariate state space time series models.

GAUSSX

Eine Komplettlösung für die Ökonometrie und das Finanzwesen. GAUSSX von Econotron Software ist eine Analyseumgebung, welche die Stärken von GAUSS um viele ökonometrische Prozeduren erweitert. Nachfolgende Aufzählung zeigt nur einen kleinen Teil der Funktionalität: > 20 verschiedenen Schätzverfahren, > als 25 nichtlineare Schätzer, Maximum Likelihood, viele Zeitreihenmodelle, Kalman-Filter,Monte-Carlo-Methode, Zufallszahlen, Funktionen zur exponentiellen Glättung, nichtparametrische und semiparametrische Analyse, nichtlineare multinormale Logit, multinormale Probit, Cholesky, u. v. m.

Mercury - Kommunikations- und Bedienungserweiterung für GAUSS

Mercury erleichtert und erweitert die Kommunikations- und Programmierungsmöglichkeiten von GAUSS für Windows. Es ermöglicht einen dynamischen Datenaustausch zwischen Excel und GAUSS, Copy & Paste-Funktionalität für Variableninhalte, Programmanbindungen von GAUSS an VB/VBA. Mitgeliefert werden Erläuterungen zum Thema Programmverbindungen, die eine Anbindung von GAUSS an beliebige Programmiersysteme ermöglichen. Zudem werden dem GAUSS-Programmierer detaillierte Informationen über die Verwendungsmöglichkeiten von DLL Dateien innerhalb von GAUSS geboten. Alle Beispielanwendungen dieses Moduls werden für eigene Verwendungen im Sourcecode mitgeliefert. Mercury ermöglicht das Starten von GAUSS Programmen direkt von anderen Applikationen wie Office-Programmen oder Programmiersprachen. Damit kann der Anwender seine Analysemethoden einfach in eine bestehende Arbeitsumgebung integrieren. Gleichzeitig ist damit die Verwendung von ausprogrammierten Algorithmen für GAUSS-unkundige Anwender kein Geheimnis mehr.

Weitere Informationen

  Windows® Linux® MAC®
Andere Voraussetzungen      
Betriebssystem Windows Vista, 7, 8, 10 (32-/64-Bit) Red Hat 6.X+/CentOS/Ubuntu (nur 64-Bit!) Mac OS X 10.7 oder höher (nur 64-Bit!)
Minimum CPU Pentium-II kompatibler Prozessor (oder höher) Pentium-II kompatibler Prozessor (oder höher) Pentium-II kompatibler Prozessor (oder höher)
Min. RAM 1 GB (4 GB empfohlen) 1 GB (4 GB empfohlen) 1 GB (4 GB empfohlen)
Festplattenplatz 400 MB 400 MB 400 MB

GAUSS 16 Features

Die Besonderheiten von GAUSS

  • Höchstgeschwindigkeit bei numerischen Berechnungen.
  • Einfache, kompakte aber hoch effiziente Programmiersprache.
  • Leistungsfähiges System für Modellierung und Simulation.
  • Multi-Threading Support - volle Unterstützung von Multi-Core CPU's
  • Schnittstellen zu DLL's, ODBC-Datenbanken, Excel (Foreign Language Interface for incorporating).
  • Umfangreiche Grafikbibliothek zur Erstellung von Diagrammen in 2D und 3D.
  • Offene, für den Anwender leicht erweiterbare Struktur - die Einbindung von C und FORTRAN-Programmen ist möglich.
  • N-dimensionale Datenstrukturen + matrixbasierte Operatoren und Funktionen.
  • Zufallsgeneratoren mit besonders langer Periode (KISS&MONSTER).
  • Verarbeitung von dünnbesetzten Matrizen.
  • Automatische Verwendung von komplexen Zahlen.
  • Plattformübergreifender Code auf fast allen Rechnersystemen nutzbar
  • Data Translation Loop - erlaubt die Verwendung von Datensatznamen in mathematischen Ausdrücken zur direkten Datenmanipulation.
  • Integration als "numerischer Turbo" für beliebige Anwendungen möglich
  • Große Auswahl an fachbereichsspezifischen Bibliotheken (Module): Ökonometrie, Mathematik, Statistik, Lineare Algebra, Optimierung, Physik, Signalverarbeitung, Biometrie, Verhaltensstudien,...

Neue Funktionen in Gauss 16

Der neue Import Wizard

Der neue Import Wizard von GAUSS kommt mit einer übersichtlichen neuen Oberfläche und ist nun auch in der Lage CSV, XLS, XLSX und diverse Text-Dateien zu verarbeiten. Die Geschwindigkeit mit der die Daten eingelesen und angezeigt werden, wurde signifikant erhöht. Darüber hinaus bietet Ihnen das neue, verbesserte Interface eine leichtere und schnellere Handhabung Ihrer Daten. Der Import Wizard kann ebenfalls unstimmige Daten verarbeiten.

Der Import Wizard in GAUSS

Reklassifikation und Umkodierung

GAUSS 16 verfügt über neue Funktionen zur Transformation von kategorialen Variablen zu numerischen Bezeichnungen und umgekehrt. Dies erleichtert eine Reklassifikation oder Umkodierung Ihrer Daten erheblich.

Reklassifikation
Mit dieser Funktion können Sie:

  • Reklassifikationen von Textbezeichnungen zu numerischen Kategorie Bezeichnungen vornehmen
  • Reklassifikationen von numerischen Bezeichnungen zu Textbezeichnungen vornehmen
  • Reklassifikationen einzelner Vektoren, einer ganzen Matrix oder eines multidimensionalen Bereichs vornehmen
//Create a 7x1 string vector
X = "EU"  $| "GBP"  $| "USD"  $|
    "GBP"  $| "USD"  $| "EU"  $| "EU";

//Use 'uniquesa' to create a string vector
//with the unique strings in 'X' listed
//in alphabetical order
from = uniquesa(X);

//Create 3x1 vector of numeric category labels
to = { 0, 1, 2 };

//Reclassify elements in 'X' from
//   EU  -> 0
//   GBP -> 1
//   USD -> 2
X_numeric = reclassify(X, from, to);

Skalierung von Daten - rescale Funktion

Maximum-Likelihood-Schätzungen oder Optimierungsroutinen scheitern häufig an schlecht skalierten Daten. Die neue Funktion "rescale" bietet Ihnen 8 verschiedene Skalierungsmöglichkeiten mit nur einer einfachen Zeile Code.

Funktionen zur Skalierung von Daten in GAUSS

Geben Sie z.B. die Daten und die Skalierungsfaktoren für einen bestimmten Bereich wieder:

//Scale each column of 'x_train'
{ x_train, location, scale } = rescale(x_train, standardize");

In diesem Beispiel wurden location und scale später eingefügt, um eine weitere Probe des gleichen Datensatzes zu skalieren:

//Scale each column of 'x_test' with scale and
//location parameters created from training data above
x_test = rescale(x_test, location, scale);

Neue Stichproben-Funktionen

Stichproben aus Graphen erstellen und abbilden

Stichprobe ohne Austausch

//Take a 100 observation sample from 'x'
//without replacement
sample = sampleData(x, 100);

Stichprobe mit Austausch

replace = 1;
//Take a 100 observation sample from 'x'
//WITH replacement
sample = sampleData(x, 100, replace);

Erstellen von Training- und Test-Sätzen

n = rows(x);

//Create indices for training set
idx_train = sampleData(seqa(1,1,n), 0.75 * n);

//Extract training set
x_train = x[idx_train];

//Remove (or delete) training set rows from 'x'
//to create test set
x_test = delrows(x, idx_train);

Erstellen von zufälligen Kennzahlen

//Create random integers from between 1 and 1000
range = { 1, 1000 };
idx = rndi(50, 1, range);
//Sample same observations from 'x' and 'y'
x_sample = x[idx,.];
y_sample = y[idx];

Generalized Linear Model

Das "generalized linear model" (GLM) ist eine flexible Verallgemeinerung der klassischen linearen Regression. Diese Verallgemeinerten linearen Modelle erlauben eine Verteilung aus exponentielle Familien, anders als bei klassischen linearen Regressionsmodellen, wo der Fehlerterm normalverteilt ist. Die GAUSS-Funktion glm wird verwendet, um Probleme basierend auf Generalisierten Linearen Modellen zu lösen. Hierzu stehen Ihnen folgende Kombinationen von Exponentialfamilien und entsprechenden Link-Funktionen zur Verfügung:

  • Normal: identity, inverse, ln
  • Binomial: identity, inverse, ln, logit, probit
  • Poisson: identity, inverse, ln
  • Gamma: identity, inverse, ln

Aufbau

// Read data matrix from a '.csv' file and start from the second row
data = csvReadM("binary.csv", 2);

// Read headers from first row
vnames = csvReadSA("binary.csv", 1|1);

// Specify dependent variable
y = data[.,1];

// Specify independent variable
x = data[.,2:4];

// Specify link function
link = "logit";

// Call glm function
call glm(y, x, "binomial", vnames, 3, link);

Output

Generalized Linear Model

Valid cases:                  400     Dependent Variable:                      admit 
Degrees of freedom:           394     Distribution:                         binomial 
Deviance:                   458.5     Link function:                           logit 
Pearson Chi-square:         397.5     AIC:                                     470.5
Log likelihood:            -229.3     BIC:                                     494.5
Dispersion:                     1     Iterations:                                  4


                                          Standard                              Prob 
Variable                 Estimate            Error          z-value             >|z| 
----------------     ------------     ------------     ------------     ------------ 
CONSTANT                    -3.99             1.14          -3.5001      0.000465027 
rank           2         -0.67544          0.31649          -2.1342        0.0328288 
               3          -1.3402          0.34531          -3.8812      0.000103942 
               4          -1.5515          0.41783          -3.7131      0.000204711 
gre                     0.0022644         0.001094           2.0699        0.0384651 
gpa                       0.80404          0.33182           2.4231        0.0153879 

Note: Dispersion parameter for BINOMIAL distribution taken to be 1

Vereinfachte Funktionseingabe

Die neue GAUSS-Funktion integrate1d vereinfacht die Funktionseingabe, da hier auf die Eingabe von zusätzlichen Daten und Kontroll-Strukturen verzichtet werden kann.

Alte Struktur

//Define procedure to be integrated
proc (1) = myProc(x, struct DS d);
   local y;
   y = d.dataMatrix;
   retp(exp( -(x .* x) / (2 .* y) ));
endp;

//Define limits of integration
x_min = -1000;
x_max = 1000;

//Define extra argument for procedure 'myProc'
struct DS d;
d = dsCreate();
d.datamatrix = 3;

//Define 'ctl' to be a control structure
struct integrateControl ctl;

//Fill in with default values
ctl = integrateControlCreate();

//Calculate integral
integral = integrate1d(&myProc, x_min, x_max, d, ctl);

Neue vereinfachte Struktur

//Define procedure to be integrated
proc (1) = myProc(x, z);
   retp(exp( -(x .* x) / (2 .* z) ));
endp;

//Define limits of integration
x_min = -1000;
x_max = 1000;

//Define extra arguments for procedure 'myProc'
a = 3;

//No need for control structure if using default values
integral = integrate1d(&myProc, x_min, x_max, a);

Verbesserung der Rechengeschwindigkeit

Verbesserung der Rechengeschwindigkeit in GAUSS
Verbesserung der Rechengeschwindigkeit in GAUSS
Verbesserung der Rechengeschwindigkeit in GAUSS
Verbesserung der Rechengeschwindigkeit in GAUSS

Neue Funktionen

  • QZ-Zerlegung mit der Option, die Eigenwerte zu sortieren
  • Hypergeometrische CDF, PDF und Zufallszahlen Erzeugung (cdfHyperGeo, pdfHyperGeo, rndHyperGeo)
  • Binomial PDF und PDF Poisson (pdfBinomial, pdfPoisson)
  • Neue Option zur Sortierung der Eigenwerte von einer verallgemeinerten Schur-Zerlegung
  • Vereinfachung bei der Funktionseingabe (integrate1d)
  • Funktionen zur Bearbeitung von Achsen Linienfarben und dicke (plotSetAxesPen) hinzugefügt
  • Der Umfang der Zufallszahlen, erstellt durch die Funktion rndi, kann nun spezifiziert werden
  • Neue Option zum Definieren des Trennzeichens für die Funktion strsplit hinzugefügt
  • Neue Funktion sampleData
  • Neue Funktion rescale
  • Neue Funktionen für die Reklassifizierung von Daten, basierend auf einer numerischen Variable oder einen Bereich (recassify, reclassifyCuts)
  • Generalized Linear Model (GLM)
  • Signifikante Verbesserungen von Funktionen zum Einlesen von CSV und anderen Textdateien (csvReadM, csvReadSA)

Sonstige Verbesserungen

  • Syntax-Highlighting und Klammer-Matching im Programm Ein- und Ausgabefenster
  • Debugger unterstützt Dateibearbeitung, "find usages" und besisitzt eine komplette Editor-Funktionalität
  • Verbesserte Datezuordnung auf Mac Betriebssystemen
  • Diverse Fehlerbehebungen