Professional Documents
Culture Documents
Primitci
Izdatci
Neto primici
Godine
0
0
8.307
-8.307
11.100
8.892
2.208
11.100
8.908
2.192
11.100
8.934
2.166
11.100
8.961
2.139
11.744
8.971
2.773
-8.307
-6.099
-3.907
-1.741
398
3.171
0
1.661
1,33
1,32
1,30
1,29
1,67
SV = I 0 +
P I
P1 I 1 P2 I 2
+
+ ... + n n n
2
r
r
r
Primitci
Izdatci
Neto primici
Godine
0
0
8.307
-8.307
11.100
8.892
2.208
11.100
8.908
2.192
11.100
8.934
2.166
11.100
8.961
2.139
11.744
8.971
2.773
Kamatna stopa
Sadanja vrijednost
8%
736,72
0
Primitci
Izdatci
Neto primic
0
8.307
-8.307
1
11.100
8.892
2.208
Godine
2
3
11.100
11.100
8.908
8.934
2.192
2.166
4
11.100
8.961
2.139
5
11.744
8.971
2.773
11%
rok otplate
kamatna stopa
6 godina
6,25 %
Prihodi
Proizvod A
- koliina
- cijena
Proizvod B
- koliina
- cijena
Rashodi
Materijal
- 40 % od prodajne
cijene
Bruto plae
Amortizacija
4.000 kom
20 kn
300.000 kn
Godinji rast 1 %
10.000 kn
objekt 5 %
oprema 20 %
Rashodi financiranja
Ostali trokovi
Porez na dobit
5.000 kom
15 kn
godinje 20 %
Godina
2
...
1. Prihodi
- proizvod A
- proizvod B
2. Rashodi
2.1. Materijal
2.1. Bruto plae
2.3. Amortizacija
2.4. Rashodi financiranja
2.5. Ostali trokovi
3. Porez na dobit
4. Neto dobit
Godine
0
1. Primici
1.1. Ukupni prihod
1.2. Ostatak vrijednosti projekta
2. Izdaci
2.1. Visina ulaganja
2.2. Materijal
2.3. Bruto plae
2.4. Ostale
2.5. Porezi
3. Neto primici
...
A
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Ulaganje
objekt
oprema
Prihodi
planirana prodaja pr. A
cijena za pr. A
planirana prodaja pr. B
cijena za pr. B
god. pov. proizvodnje za A
god. pov. proizvodnje za B
prihod od prodaje pr. A
prihod od prodaje pr. B
Trokovi
troak mat (od prodajne cijene)
bruto plae
god. poveanje plaa
ostali trokovi
porez
5.000
15
4.500
20
2%
3%
75.000
90.000
=B13*(1+$B$11)
=B7*B8
=B14*(1+$B$12)
76.500
92.700
78.030
95.481
79.591
98.345
81.182
101.296
82.806
104.335
84.462
107.465
5
182.478
81.182
101.296
154.231
72.991
31.218
33.000
7.021
10.000
28.248
5.650
22.598
6
187.141
82.806
104.335
129.004
74.856
31.530
9.000
3.617
10.000
58.137
11.627
46.510
7
191.927
84.462
107.465
127.616
76.771
31.846
9.000
0
10.000
64.311
12.862
51.448
40%
30.000
1%
10.000
20%
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
300.000
180.000
120.000
Godina
1. Ukupan prihod
1.1. Proizvod A
1.2. Proizvod B
2. Rashodi
2.1. Materijal
2.2. Bruto plae
2.3. Amortizacija
2.4. Rashodi financiranja
2.5. Ostali trokovi
3. Bruto dobit
4. Porez na dobit
5. Neto dobit
1
165.000
75.000
90.000
157.750
66.000
30.000
33.000
18.750
10.000
7.250
1.450
5.800
2
169.200
76.500
92.700
157.059
67.680
30.300
33.000
16.079
10.000
12.141
2.428
9.713
3
173.511
78.030
95.481
156.248
69.404
30.603
33.000
13.241
10.000
17.263
3.453
13.810
4
177.936
79.591
98.345
155.309
71.174
30.909
33.000
10.225
10.000
22.627
4.525
18.102
2
3
4
5
6
7
8
9
10
11
12
13
14
15
0
1. Primici
1.1. Ukupan prihod
1.2. Ostatak vrijednosti projekta
2. Izdaci
2.1. Visina ulaganja
2.2. Materijal
2.3. Bruto plae
2.4. Ostali trokovi
2.5. Porez na dobit
3. Neto primici
300.000
300.000
-300.000
1
200.000
200.000
2
205.100
205.100
Godina
3
4
210.335
215.709
210.335
215.709
5
221.225
221.225
6
226.887
226.887
125.650
129.076
132.608
136.251
140.007
148.682
7
349.700
232.700
117.000
152.681
80.000
30.000
10.000
5.650
74.350
82.040
30.300
10.000
6.736
76.024
84.134
30.603
10.000
7.871
77.727
86.283
30.909
10.000
9.058
79.458
88.490
31.218
10.000
10.299
81.218
90.755
31.530
10.000
16.397
78.205
93.080
31.846
10.000
17.755
197.020
88.776
166.981
364.001
1,82
82,48%
1,87
86,71%
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Ekonomski tijek
Vrijeme povrata
Kumulativ neto primitaka
Stopa povrata - prosjena
Prosj god ulaganje
4. godina
-300.000
=B19+C13
-225.650
-149.626
=SUM(C24:I24)/7
82,33%
42.857
1,73
73,48%
Stope povrata
Sadanja vrijednost
=B13
207.692
-71.900
=RDG!B2/7
1,77
77,39%
=C13/$B$22
1,81
81,36%
=SUM(NPV(A!B13;C13:I13))+B13
21%
=IRR(B13:I13)
7.558
1,85
85,40%
=C23-1
1,90
89,51%
A
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
Amortizacija
Stavka
Nab vrij
objekt
oprema
Suma
180.000
120.000
E
=$B$5*$C$5
god. stopa
5%
20%
1
9.000
24.000
33.000
2
9.000
24.000
33.000
=$B$6*$C$6
Kredit
=PMT(B13;B12;-B11)
kredit
broj godina
kam st
anuitet
300.000
=B14
6
=E17*$B$13
=E17-D18
6,25%
=B18-C18
61.489
Plan otplaivanja kredita
anuitet
kamate otpl kvota ostatak duga
0
0
0
300.000
61.489 18.750
42.739
257.261
61.489 16.079
45.410
211.851
61.489 13.241
48.248
163.603
61.489 10.225
51.264
112.339
61.489 7.021
54.468
57.872
61.489 3.617
57.872
0
=B5-SUM(D5:J5)
6
9.000
0
9.000
7
9.000
0
9.000
ostatak vrij
117.000
0
117.000
dali pri emu je Rjk broj pridruen objektu j na temelju njegovog rangiranja od
strane k-tog eksperta,
4. Prioritet (teina) objekta j odreuje se kao w j =
Rj
j =1
Rang
1.
2.
3.
Nina
10
10
Sanja
Matija
13
VIEKRITERIJSKO ODLUIVANJE
AHP metoda
Odluivanje
Pod donoenjem odluke podrazumjevamo izbor neke od alternativa kojima se rjeava
dani problem. U problemu odluivanja postoje ciljevi koji se ele postii odlukom,
kriteriji kojima se mjeri postizanje tih ciljeva, teine tih kriterija koje odraavaju
njihovu vanost i alternativna rjeenja problema. Podaci i informacije o tim
elementima problema odluivanja odgovarajuim postupcima saimaju se u po jedan
broj za svaku alternativu, te se na temelju tih vrijednosti odreuje rang lista
alternativa. U ovom poglavlju opisat emo problem odluivanja i jednu metodu koja
se moe upotrijebiti da bi se donijela kvalitetna odluka. Naglasak e biti stavljen na
nunost da se prijedlog odluke utemelji na racionalnim argumentima koji omoguuju
provjeru i provoenje analize osjetljivosti.
Problem odluivanja
Pod pojmom odluivanja podrazumijevat emo postupak izbora jedne od moguih
varijanti (alternativa) odluke. Glavni elementi problema odluivanja su ciljevi koji se
ele postii odlukom, alternative izmeu kojih se bira i kriteriji koji se koriste kod
izbora. Pod ciljem se podrazumijeva stanje sustava koje elimo postii odlukom. U
nekim sluajevima se taj cilj moe opisati preciznije (kod odluke koliko temeljito
pripremiti ispit moemo si postaviti cilj elim postii prosjenu ocjenu na studiju
viu od 4,5.), a ponekad se cilj ne kvantificira (takav cilj si postavljamo kad
planiramo izlazak; Pogledajmo dobar film!). Kriteriji su atributi kojima se opisuju
alternative i njihova svrha je da direktno ili indirektno daju informacije o tome u kojoj
mjeri se pojedinom alternativom ostvaruje eljeni cilj. U danom problemu odluivanja
svi kriteriji obino nisu jednako vani, a relativna vanost kriterija proizlazi iz
preferencija donositelja odluke to je povezana s njegovim vrijednosnim sustavom i
ostalim psiholokim karakteristikama. Kod izbora kriterija i odreivanja njihovih
vanosti treba uzeti u obzir i druge specifinosti donositelja odluke. Napr. odlian
uenik srednje kole e se pri izboru fakulteta na kojem eli studirati sluiti
kriterijima razliitim od onih koje e koristiti uenik koji je jedva proao na maturi.
Ukoliko oni i koriste neke zajednike kriterije, vrlo je vjerojatno da oba ne daju
jednaku vanost istim kriterijima.
Kod donoenja odluke potrebno je raspolagati podacima o alternativama. U iduem
odjeljku opisuje se informacijska podloga za donoenje odluke.
Definiranje problema
Putnike agencije nude obilje standardnih aranmana od kojih je odabrano nekoliko
poznatijih koji su prikazani u tablici 1.
Kriteriji i njihove relativne vanosti
Ukupni
Mogunosti Ostali
Boravak Trajanje
Alternative
Trokovi() zabave
sadraji
(dana)
(dana)
0,20
0,20
0,20
0, 20
0,20
panjolska I
270
velike
Rang 3
5
8
panjolska II
334
velike
Rang 3
5
7
Grka
340
manje
Rang 2
6
8
R-F-SM
240
najmanje
Rang 1
4
6
Tablica 1: Tablica odluivanja za problem izbora odredita za maturalno putovanje
Alternative su opisane s kriterijima i svakoj od njih pripada jedan red u tablici 1.
Navodimo kljune podatke o tim odreditima kako bi se mogla opravdati utemeljenost
procjena na temelju kojih e se donijeti odluka:
panjolska I: Ovo je poznato odredite Lloret de Maar u varijanti prijevoza
autobusom. U tom mjestu su brojne mogunosti zabave po pristupanim cijenama, ali
da bi se doivjelo neto drugo treba planirati dodatne trokove puta u Barcelonu ili
druga mjesta s vie kulturnih sadraja. Iako je put dug i zamoran, on ima i svoje
prednosti jer se putuje atraktivnim podrujima june Francuske s manjim
zadravanjima na poznatim turistikim odreditima.
panjolska II: Ovo je u biti isti aranman kao i prethodni, jedino se na povratku leti
avionom i put skrauje za jedan dan. Zauzvrat se djelomino gubi mogunost kraih
stajanja u poznatim mjestima azurne obale.
Grka: Konano odredite je Atena. Putuje se dan i no kombinacijom brod-autobus.
Ima vie kulturnih sadraja nego prethodni aranmani.
R-F-SM: Ovo putovanje ukljuuje boravak u Rimu, Firenci i San Marinu.
Mogunosti zabave postoje ali su najskuplje u odnosu na razmatrane alternative. Ovaj
aranman odskae po velikoj ponudi kulturnih sadraja.
Navedeno je pet kriterija za ovaj problem odluivanja, s time da se oni mogu rastaviti
na podkriterije. Tako bi imalo smisla Trokove rastaviti na podkriterije fiksni trokovi
i dodatni trokovi (za neku pretpostavljenu razinu neobaveznih aktivnosti). Ovaj
kriterij izraen je kvantitativno. Kriterije Mogunost zabave i Ostali sadraji moemo
izraziti samo kvalitativno bilo opisom koji je dan u tablici, bilo oznakom za rang.
Kriterij Boravak uveden je da bi se razlikovalo vrijeme boravka na odreditu od
ukupnog trajanja puta koje je takoer navedeno. Smatra se da je nepovoljniji onaj
aranman u kojem je vei omjer ukupnog trajanja i boravka na odreditu. To se,
meutim, moe kompenzirati atraktivnou puta i usputnim sadrajima o emu treba
voditi rauna kod sinteze svih kriterijalnih vrijednosti.
Podatke iz ove tablice moemo smatrati ulaznim podacima za model odluivanja.
Meutim, to nisu jedini ulazni podaci u problemu odluivanja. Kad se u donoenju
odluke koristi vie kriterija rijetko su svi kriteriji jednako vani. Zbog toga se
kriterijima pridruuju teine koje odraavaju njihove relativne vanosti. Teine se
mogu izraziti u postotku tako da je njihova suma jednaka 100 ili se normaliziraju
tako da njihova suma iznosi 1. U odreivanju teina mogu se koristiti procjene
donositelja odluke, a razvijene su i sloenije metode za njihovo izraunavanje. U
2
tablici 1svim kriterijima pridruene su jednake teine. Kasnije emo pokazati kako se
mogu izraunati teine kriterija. Kao to se to vidi iz naeg primjera, vrijednosti
kriterija (stupci u tablici odluivanja) mogu se izraziti brojevima ili opisno. Uloga
kriterija je da opiu alternative na takav nain da se za dvije alternative jasno moe
odrediti koja je u odnosu na promatrani kriterij povoljnija. Ukoliko je napr.
promatrani kriterij cijena, povoljnija je jeftinija alternativa.
Kao kriterijske vrijednosti mogu se pojaviti i pozicije s rang liste alternativa
po promatranom kriteriju kada ne postoji ope prihvaena mjera za taj kriterija ili je
donositelj odluke zadovoljan s tom razinom preciznosti. Kao kriterijske vrijednosti u
tablici odluivanja mogu se javljati brojevi s razliitih skala; ordinalnih, intervalnih i
omjernih. Ordinalne skale omoguuju rangiranje alternativa, ali ne daju informaciju o
razlikama izmeu tih rangova (u naem primjeru ordinalne skale koriste se za kriterije
Mogunosti zabave i Ostali sadraji). Intervalne skale temelje se na konstantnim
jedinicama mjere (u naem primjeru Trokovi, Boravak i Trajanje). Intervalne skale
omoguuje tono odreivanje razlika meu alternativama. Omjerne skale koriste se
kod mjerenja duine, teine, volumena i slino. Pomou ovih skala izraava se koliko
puta je jedna alternativa bolja od neke druge.
Podaci iz tablice odluivanja se pomou metoda za odluivanje prevode u takav oblik
koji omoguuje donositelju odluke da donese odluku. U nastavku se opisuju izlazni
podaci koji se dobivaju obradom ulaznih podataka pomou metoda za odluivanje.
Rezultati
Na temelju opisanih ulaznih podataka koji su na raspolaganju donositelju odluke, on
mora odluiti kojoj alternativi e dati prednost. Ta odluka temelji se na usporeivanju
podataka koje sadri tablica odluivanja i vanosti koju dajemo kriterijima. Izlazni
podaci dobivaju se kao rezultat primjene neke od metoda za odluivanje i oni mogu
biti u razliitom obliku.
Najee se izlazni podaci modela odluivanja javljaju u vidu rang liste alternativa.
Rang lista alternativa moe se pojaviti kao direktan rezultat primjenjenog postupka,
napr. ako se po svakom kriteriju naini rang lista i onda se one objedine u konanu
rang listu izraunavanjem prosjenog ranga svake alternative. Druga mogunost je da
se u analizi podataka iz tablice odluivanja primjenjuje neki postupak koji kao rezultat
svakoj alternativi pridruuje odreeni broj. U tom sluaju se rang lista alternativa
dobije na temelju brojanih vrijednosti pridruenih alternativama.
U iduem poglavlju ukratko se opisuju samo osnovne ideje na kojima se temelje
metode za odluivanje.
Metoda AHP
Metode koje se koriste za usporeivanje i rangiranje alternativa na temelju podataka
iz tablice odluivanja moraju na neki nain uzeti u obzir prednosti koje neka
alternativa ima u odnosu na ostale, usporediti te prednosti s njezinim nedostacima i
sve to izraziti jednim brojem. Ukoliko kriteriji imaju razliite vanosti, treba uzeti u
obzir i njihove teine. Metode koje se mogu upotrebiti u ovoj situaciji temelje se na
odreenim pretpostavkama koje se matematiki karakteriziraju. Ovisno o tome kakav
je model nainjen potrebno je poznavati odgovarajuu matematiku teoriju da bi se on
rijeio. Ukoliko se matematiki model koji se primjenjuje u analizi problema
odluivanja temelji na jednostavnijim matematikim tehnikama, njegov rezultat ima
ogranienu vrijednost u primjeni i tee je argumentirati odluku. Najpoznatije metode
3
A
B
C
A
B
C
2
3
1
1 / 2 1 4 / 3
1 / 3 3 / 4 1
Tako se napr. vrijednost omjera A:B=2 nalazi u prvom redu (A) i drugom
stupcu (B).
2. korak: izraunaju se sume stupaca ( 11 / 6, 15 / 4 i 16 / 3 ) i na temelju toga
izrauna se nova normalizirana matrica, na taj nain da se svaki element
prethodne matrice podijeli sa sumom stupca kojem pripada:
6 / 11 8 / 15 9 / 16
6 / 22 4 / 15 1 / 4
2 / 11 1 / 5 3 / 16
Saatyeva skala
Primjenimo prikazani postupak da bi smo odredili teine kriterija za na problem
izbora odredita za apsolventsko putovanje. Pitanje je kako procijeniti omjere
vanosti dvaju kriterija kada se njihove vrijednosti izraavaju kvantitativno,
kvalitativno i u razliitim mjernim jedinicama? Za donoenje tih procjena sluimo se
Saatyevom skalom. Saaty-eva skala je omjerna skala koja ima pet stupnjeva
intenziteta i etiri meustupnja, a svakom od njih odgovara vrijednosni sud o tome
koliko puta je jedan kriterij vaniji od drugog. Ista skala koristi se i kod
usporeivanja dviju alternativa, ali u tom sluaju se vrijednosti sa skale interpretiraju
kao prosudbe koliko puta vea prednost (prioritet) se daje jednoj alternativi u odnosu
na drugu.
Intenzitet
vanosti
1
Definicija
Objanjenje
Jednako vano
Umjereno vanije
Strogo vanije
Vrlo stroga,
dokazana vanost
Ekstremna vanost
2,4,6,8
Meuvrijednosti
Tablica 2: Saaty-eva skala
Trokovi
Mogunosti
1/3
1
zabave
Ostali
1/5
1/3
sadraji
Smjetaj
1/4
1/2
Trajanje
1/5
1/3
Tablica 3: Omjeri teina kriterija
1/2
2
1
1
1/2
2
1
KRITERIJ 1
KRITERIJ 2
ALTERNATIVA1
ALTERNATIVA2
. . .
KRITERIJ k
ALTERNATIVA n
. . .
Izbor odredita
Kriteriji
Trokovi
Mogunosti
zabave
Ostali
sadraji
Boravak
Trajanje
Alternative
panjolska I
panjolska II
Grka
R-F-SM
(nalaze se u prvom redu tablice 8). Napr. prioritet odredita panjolska I izrauna se
kao vrijednost izraza:
p( pI ) = 0,35 0,48 + 0,51 0,22 + 0,08 0,08 + 0,20 0,14 + 0,39 0,08 = 0,35
U gornjem izrazu u produktu 0,35 0,48 prvi faktor je prioritet odredita panjolska I
a drugi faktor je teina kriterija Trokovi.
U tablici 8 nalaze se lokalni prioriteti svih odredita, teine kriterija i izraunati su
ukupni prioriteti odredita.
Alternative
panjolska I
panjolska II
Grka
R-F-SM
Ukupni
prioriteti
alternativa
0,35
0,16
0,19
0,30
10
R-F-SM
ESP I
ESP II
Grka
11
Literatura
1. Saaty, T.L., The Analytic Hierarchy Process,
Od mnogih knjiga koje se bave AHP metodom i njezinim primjenama ova se smatra
klasinim djelom. Autor metode AHP u njoj objanjava teoretske pretpostavke na
kojima je ona utemeljena i daje brojne primjere kojima ilustrira pojedine specifinosti
12
Osim profesionalne verzije, na ovoj adresi moe se nai i demo verzija ovog softvera.
Takoer postoji link na stranicu s informacijama o verziji softvera Team Expert
Choice 2000, namijenjenoj za grupno odluivanje.
2. HIPRE 3+
http:// www.hipre.hut.fi
Ovo je softver koji podrava metodu AHP i metodu SMART. Postoji nekoliko inaica
ovog programa meu kojima i demo verzija, te HIPRE 3+ Group, softver namijenjen
grupnom odluivanju.
3. Logical Decision
http://www.logicaldecisions.com
I ovaj softver ima nekoliko inaica meu kojima su demo verzija i verzija za grupno
odluivanje. Softver omoguuje odreivanje teina (prioriteta) pomou pet metoda
meu kojima je i AHP.
Resursi na Webu:
1. Sa svih stranica koje su navedene u pregledu softvera postoje linkovi na stranice s
edukacijskim materijalom, te na stranice s informacijama o primjenama metoda.
13
Dakle, 10 studenata postavilo je Ninu na prvo mjesto rang liste, a za preostale je ona
druga na listi kandidata za predsjednika. Nitko od glasaa nije nju stavio na treu poziciju
po vanosti. Sanja je za 6 studenata najbolji kandidat za predsjednika, za 7 studenata je
druga po vanosti, a za preostalih 7 studenata je najslabiji kandidat. Interpretirajte
podatke koji se odnose na nominiranje Matije!
Budui da je 10 glasaa procijenilo da je Nina najvaniji kandidat, njoj se na temelju toga
10 puta pridruuje broj 2 (n-1 = 3-1 = 2). Ostalih 10 glasaa procijenilo je da je Nina
drugi kandidat po vanosti, pa njoj se pridruuje jo ukupno 10. Dakle, na temelju tih
rangiranja broj R1 koji se pridruuje Nini rauna se na slijedei nain:
R1 =
20
R1k = 2 10 + 110 + 0 0 = 30 .
k =1
Analogno tome raunaju se brojevi koji se pridruuju Sanji i Matiji temeljem njihovih
rangova,
R2 =
20
R2k = 2 6 + 1 7 + 0 7 = 19 , R3 =
k =1
20
R3k = 2 4 + 1 3 + 0 13 = 11 .
k =1
Primjer 2:
w1 =
R1
Rj
30
= 0.50 ,
60
w2 =
j =1
R2
Rj
19
= 0.317
60
w3 =
R3
3
Rj
11
= 0.183
60
j =1
j =1
Primjer3:
Igrai
Rj
E1
E2
E3
E4
E5
E6
10
11
wA =
10
11
8
7
= 0.278 , wB =
= 0.306 , wC =
= 0.222 , wD =
= 0.194
36
36
36
36
odreivanje teina kriterija koji se koriste kod donoenja odluke pomou neke od
metoda viekriterijskog odluivanja
Postupak
Od svakog procjenitelja trai se da brojano ocijeni svaki objekt. Pri tom se odredi
interval iz kojeg e se uzimati ocjene, npr. 0 -10 ili 0 -100. Prioriteti (teine) objekata koji
se usporeuju raunaju se na sljedei nain:
l
jk
n
jk
a zatim
j =1
wj =
jk
k =1
j =1
k =1
jk
jk -
Primjer 1:
etiri lana povjerenstva A, B, C i D ocijenila su tri kandidata za posao Anu, Josipa i
Ivanu. Njihove ocjene jk (interval procjene je od 0 -100) nalaze se u tablici 1:
Kandidati
Suci
A
Ana
15
50
45
40
Josip
30
40
30
80
Ivan
65
25
10
30
110
115
85
150
jk
j =1
Suci
A
Ana
15/110
50/115
45/85
40/150
Josip
30/110
40/115
30/85
80/150
Ivan
65/110
25/115
10/85
30/150
Kandidati
Suci
w jk
Ana
15/110
50/115
45/85
40/150
1.3672
Josip
30/110
40/115
30/85
80/150
1.5068
Ivan
65/110
25/115
10/85
30/150
1.1259
k =1
w jk
j =1
Ukoliko je zbog nekih razloga potrebno normalizirati ove vrijednosti (napr. ukoliko se
umjesto usporeivanja radi o odreivanju teina kriterija na temelju istih ocjena), postupa
se na slijedei nain:
4
1k
w1 =
k =1
j =1
k =1
1.3672
4
2k
= 0.3418 , w2 =
jk
k =1
j =1
k =1
1.5068
4
= 0.3767 ,
jk
3k
w3 =
k =1
j =1
k =1
1.1259
4
= 0.2815
jk
dakle, prema ocjenama sudaca redoslijed kandidata za posao je Josip, Ana i Ivana.
Primjer 2:
6 sudaca S1, S2, ...., S6 ocjenilo je 4 dizajnerska rjeenja za novi proizvod, oznaimo ih s
A, B, C i D. Njihove ocjene, dane u intervalu od 1 do 10, prikazane su u slijedeoj
tablici:
Kriteriji
Eksperti
S1
S2
S3
S4
S5
S6
jk
23
20
20
21
16
24
j =1
pri emu se u
i-tom redu i
dizajnersko rjeenje (napr. etvrti sudac ocijenio je dizajnersko rjeenje B ocjenom 4). U
posljednjem retku nalaze se sume ocjena pojedinog suca za sva etiri kriterija.
w jk
Kriteriji
S1
S2
S3
S4
S5
S6
3/23
8/20
9/20
7/21
3/16
5/24
1.7096
9/23
2/20
5/20
4/21
5/16
9/24
1.6193
6/23
6/20
3/20
2/21
7/16
3/24
1.3686
5/23
4/20
3/20
8/21
1/16
7/24
1.3025
w jk
k =1
j =1
NT-5-ODLUIVANJE U UVJETIMA
NESIGURNOSTI
S obzirom na to u kojoj mjeri su nam poznate mogue posljedice odluka koje donosimo, metode
za odluivanje dijele se na dvije osnovne skupine:
metode za odluivanje u uvjetima determinizma i
metode za odluivanje u uvjetima nesigurnosti i rizika.
O odluivanju u uvjetima nesigurnosti govorimo onda kada je mogue oekivati razliite
posljedice naih odluka, a ne raspolaemo s informacijama koje bi nam omoguile donoenje
procjene o tome koja vjerojatnost se moe pridruiti pojedinoj posljedici. Informacije s kojima
raspolaemo u situaciji odluivanja u uvjetima nesigurnosti (neizvjesnosti) su:
aktivnosti koje moemo poduzeti
situacije (posljedice) koje se mogu oekivati
A1
A2
A3
Am
S1
v11
v21
v31
vm1
S2
v12
v22
v32
vm2
S3
v13
v23
v33
vm3
Sn
v1n
v2n
v3n
vmn
Primjer: Prodava novina nabavlja novine po 3 kn, a prodaje ih po 5 kn. U slijedeoj tablici
prikazuju se mogunosti zarade ovisno o odnosu broja nabavljenih i prodanih primjeraka novina.
16
17
18
19
20
21
22
23
24
16
32
29
26
23
20
17
14
11
8
17
32
34
31
28
25
22
19
16
13
18
32
34
36
33
30
27
24
21
18
19
32
34
36
38
35
32
29
26
23
20
32
34
36
38
40
37
34
31
28
21
32
34
36
38
40
42
39
36
33
22
32
34
36
38
40
42
44
41
38
23
32
34
36
38
40
42
44
46
43
24
32
34
36
38
40
42
44
46
48
Maximax kriterij
Ovaj kriterij karakterizira sklonost riziku. Za svaki kriterij identificira se najbolji ishod vij* i bira
se akcija ak za koju je ta vrijednost najvea. (a=24)
v ij = max vij
j
Hurwiczov kriterij
Ravnotea izmeu prethodna dva kriterija. Za svaku akciju a i rauna se Hurwiczova vrijednost
H(i) = vij* + (1- )vij*
Bira se akcija ak s najveom vrijednou H(k) . Parametar (indeks pesimizma-optimizma)
karakterizira stav donositelja odluke prema riziku.
i = max rij (najgori ishod za akciju a i ) te se bira ona akcija ak za koju je ova vrijednost
j
minimalna
k = min(max rij )
i
Ovaj kriterij temelji se na spoznaji da donositelj odluke ne moe utjecati na stanje okoline, ali
posljedice za njega proizlaze iz njegovog izbora akcije. Stoga ima smisla usporeivati posljedice
razliitih akcija koje je on mogao poduzeti u odnosu na pojedino stanje. Pojam koji se uvodi da
bi se formalizirala takva analiza je aljenje (regret) to odgovara osjeaju koji se javlja kad on
spozna to je propustio svojim krivim izborom. Da bi se primijenio ovaj kriterij potrebno je prvo
izraunati aljenja (aljenje zbog posljedica odluke) na temelju podataka iz tablice odluke
aljenje zbog izbora odluke i u sluaju da je nastupilo stanje okoline j definira se kao
ova veliina predstavlja razliku izmeu najboljeg mogueg ishoda uslijed nastupanja stanja j i
posljedice ukoliko se izabere akcija i .
16
17
18
19
20
21
22
23
24
16
32
29
26
23
20
17
14
11
8
17
32
34
31
28
25
22
19
16
13
18
32
34
36
33
30
27
24
21
18
19
32
34
36
38
35
32
29
26
23
20
32
34
36
38
40
37
34
31
28
21
32
34
36
38
40
42
39
36
33
21
32
34
36
38
40
42
44
41
38
23
32
34
36
38
40
42
44
46
43
24
32
34
36
38
40
42
44
46
48
17
2
0
3
6
9
12
15
18
21
18
2
4
0
3
6
9
12
15
18
19
6
4
2
0
3
6
9
12
15
20
8
6
4
2
0
3
6
9
12
21
10
8
6
4
2
0
3
6
9
21
12
10
8
6
4
2
0
3
6
23
14
12
10
8
6
4
2
0
3
24
16
14
12
10
8
6
4
2
0
tablica aljenja je
16
17
18
19
20
21
22
23
24
16
0
3
6
9
12
15
18
21
23
i = max rij
j
Vano!
Ovi kriteriji imaju uglavnom teoretsko znaenje.
Praktian pristup
Pretpostavimo da su za pojedina stanja poznate vjerojatnosti njihovih nastupanja P(Sj) .
Sj
P(Sj)
16
0,05
17
0,20
18
0,30
19
0,20
20
0,10
21
0,05
22
0,05
23
0,03
24
0,02
Oekivana vrijednost
Ako se od ostvarivanja nekog dogaaja koji ima vjerojatnost p oekuje dobit visine D,
matematiko oekivanje (oekivana vrijednost, oekivana monetarna vrijednost) definira se
kao produkt ovih vrijednosti
E=D p
Npr., ako se od dobivanja broja 6 kod bacanja kocke oekuje dobit visine 300 kn, matematiko
oekivanje igraa je 50 kn (u ovom konkretnom primjeru ova vrijednost zove se cijena igre
igra mora platiti tono toliko da bi imao pravo bacanja kocke u sluaju pravedne igre). U sluaju
velikog broja igara ukupno uplaen iznos jednog igraa jednak je njegovom ukupnom dobitku.
Pojam matematikog oekivanja koristi se kada se odreuje cijena (pravedna) neke igre na
sreu (matematiko oekivanje povea se za trokove igre i zaradu organizatora itd.), kod
izraunavanja premija razliitih osiguranja i u ostalim slinim situacijama.
U sluaju odluivanja kada se pojedinim posljedicama moe pridruiti vjerojatnost njihovog
nastupanja, za svaku moguu odluku (akciju) rauna se njezina oekivana vrijednost
Ai
EV(Ai)
16
25,60
17
26,95
18
28,30
19
28,15
20
27,00
21
25,35
22
23,45
23
21,30
24
19,00
P(Sj)
Ai
16
17
18
19
20
21
22
23
24
17
32
34
31
28
25
22
19
16
13
18
32
34
36
33
30
27
24
21
18
19
32
34
36
38
35
32
29
26
23
20
32
34
36
38
40
37
34
31
28
21
32
34
36
38
40
42
39
36
33
22
32
34
36
38
40
42
44
41
38
23
32
34
36
38
40
42
44
46
43
EV(Ai)
24
32
34
36
38
40
42
44
46
48
32,00
33,75
34,50
33,75
32,00
29,75
27,25
24,50
21,60
Laplace-ov kriterij
Ovaj kriterij temelji se na pojmu oekivane vrijednosti i na pretpostavci da u sluaju kada
donositelj odluke ne zna koje su vjerojatnosti nastupanja moguih stanja okoline nema
razloga za ne pretpostaviti da su te vjerojatnosti jednake 1 . Prema tome primijeni li se
ovaj kriterij imamo
16
Sj
P(Sj)
17
0,11
18
0,11
0,11
19
0,11
20
0,11
21
0,11
22
0,11
23
0,11
24
0,11
16
17
18
19
20
21
22
23
24
32,00
33,44
34,33
34,66
34,44
33,66
32,33
30,44
28,00
A1
A2
A3
A4
S1
2
1
0
1
S2
2
1
4
3
S3
0
1
0
0
S4
1
1
0
0
Stanje okruenja
EMV
150.000
-30.000
70.000
40.000
Vjerojatnosti
0.5
0.5
A1
A2
A3
A4
S1
0
9
3
5
S2
10
0
1
2
S3
5
1
1
0
S4
5
0
10
5
S1
x
9
3
5
S2
10
0
1
2
S3
5
1
1
0
S4
5
0
10
5
S5
3
10
3
5
PODACI
700
Tjedan
Prodano komada
21
22
29
30
39
41
50
57
66
10
77
68
11
89
73
12
103
79
13
119
85
600
500
400
300
200
14
138
90
15
160
96
16
186
101
17
215
107
18
249
113
eksp
lin
100
0
1
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
eksponencijalan trend
linearan trend
Tonost prognoze
Najpoznatije mjere za tonost prognoza su prosjeno apsolutno odstupanje i prosjek kvadrata
odstupanja.
PAO =
Broj prodanih
komada
Prognozirana
prodaja
Pogreka
Apsolutna vrijednost
pogreke
Kvadrati greaka
1
2
3
4
5
6
7
12
14
13
16
13
15
16
12
13
14
15
16
17
18
0
1
-1
1
-3
-2
-2
0
1
1
1
3
2
2
0
1
1
1
9
4
4
Slika 1
1. Za vremenski niz podataka iz perioda A razvije se prognoza
2. Tonost prognoze testira se s podacima iz razdoblja B
3. U sluaju prihvatljive tonosti, prognoziraju se podaci za razdoblje C .
Pomini prosjeci
Ova metoda spada u tzv. tehnike izglaivanja. Naime, tom metodom se sluajna odstupanja
u podacima ublaavaju njihovim svoenjem na prosjek, s ciljem da se na tako izglaenim
podacima prepozna pravilno ponaanje na temelju kojeg se moe izvesti prognoza. To se
postie tako da se tone vrijednosti iz vremenskog niza zamjenjuje prosjekom te vrijednosti i
nekoliko susjednih vrijednosti. Ovisno o tome koliko se vrijednosti koristi u izglaivanju
govori se o pominim prosjecima s dvije toke, tri toke i sl. (u originalu npr. three-point
moving averages pomini prosjek s tri toke (vrijednosti)). Broj toaka koji se uzima kod
izglaivanja ovisi o prirodi podataka i nema opeg pravila. Treba uzeti toliko toaka da se
2
podaci izglade dovoljno dobro da je mogue izvesti upotrebljivu prognozu. to je vei broj
toaka, podaci su vie izglaeni - manje su fluktuacije. U ponekim situacijama kombiniraju
se prognoze koje se izvode iz vie izglaenih nizova; npr. s 12 toaka (izglaivanje mjesenih
podataka na godinjoj razini godinji prosjek) i 3 toke (tromjeseni prosjek).
U slijedeoj tablici pokazuje se kako se izglauju podaci s tri toke:
Tona vrijednost Izglaene vrijednosti
(St)
(xt)
1
9
2
7
9 = (9+7+11)/3
3
11
11 = (7+11+15)/3
4
15
12 = (11+15+10)/3
5
10
Tablica 2: Pomini prosjek s tri toke
Period
Dakle, izglaena vrijednost u vremenu t rauna se kao prosjek tonih vrijednosti u vremenima
t-1, t i t+1 :
St = (xt-1 + xt + xt +1 )/3 ,
S3 = (x2 + x3 + x4 )/3
Pomini prosjeci
16
14
Vrijednosti
12
10
Tone vrijednosti
izglaene vrijednosti
6
4
2
0
1
Vrijeme
Pomini prosjeci
16
14
12
Vrijednosti
Period
1
2
3
4
5
10
8
6
4
2
0
1
Vrijeme
Eksponencijalno glaenje
Kod pominih prosjeka svaka od vrijednosti iji prosjek se raunao imala je jednaku vanost.
U mnogim vremenskim nizovima zbivanja iz blie prolosti znaajniji su indikator za budue
dogaaje od onih iz udaljenije prolosti. Ideja eksponencijalnog izglaivanja je upravo ta
vrijednostima iz blie prolosti dati veu vanost kod izglaivanja podataka. Ukoliko se npr.
vrijednost u trenutku t rauna na temelju vrijednosti iz prethodna dva trenutka t-2 i t-1, onda
se vrijednosti iz perioda t-2 daje manji ponder od onog koji se daje vrijednosti iz perioda t-1 .
Dakle,
St = (1-) St-1 + xt
Pri emu je St-1 izglaena vrijednost iz prethodnog perioda t-1, a xt je tona vrijednost iz
perioda t . Parametar izglaivanja bira se tako da vrijedi 01 . to se vea vrijednost
uzima za , to se vei znaaj kod izglaivanja daje aktualnoj vrijednosti iz vremenskog niza.
Period
1
2
3
4
5
9
7
11
15
10
= 0,4
8,2 = (1-0,2)8+0,2(9)
8,2 = (1-0,4)9+0,4(7)
8,76 = (1-0,2)8,2+0,2(11)
9,32 = (1-0,4)8,2+0,4(11)
10,01 = (1-0,2)8,76+0,2(15)
11,59= (1-0,4)9,32+0,4(15)
10,01 = (1-0,2)10,01+0,2(10)
10,96= (1-0,4)11,59+0,4(10)
Tablica 2: Pomini prosjek s dvije toke
12
Tone vrijednosti
10
8
"izglaene vrijednosti"
alfa (0,2)
4
2
0
1
Vrijeme
Vrijednosti
12
Tone vrijednosti
10
8
"izglaene vrijednosti"
alfa (0,2)
pomini prosjeci
4
2
0
1
Vrijeme
1 3 2
A = 1 / 3 1 1
1 / 2 1 1
Postupak za priblino raunanje teina:
1. Korak: Odrede se sume stupaca
(11/6 , 5 , 4 )
6 / 11 3 / 5 1 / 2
2 / 11 1 / 5 1 / 4
3 / 11 1 / 5 1 / 4
3. Korak: Teine se odrede kao prosjene vrijednosti suma elemenata odgovarajuih
redova
w1= ( 6/11 + 3/5 + 1/2 ) /3 = 0,5485
w2 = ( 2/11 + 1/5 + 1/4 ) /3 = 0,2106
w3 = ( 3/11 + 1/5 + 1/4 ) /3 = 0,2409
Aw = nw
Zbog
aw
aij =
w1 + w2 +...+ wn
wj
ij
= nwi ,
otuda je
vrijedi
wi =
wj =
1
n
aw
1
i aij
ij
pa je
wi =
1
n
aij
a
i
ij
1
0
2
0
3
0,52
4
0,89
5
1,11
6
1,25
7
1,35
8
1,40
9
1,45
10
1,49
TEORIJA
ODLUIVANJA
Analiza odluke u uvjetima
nesigurnosti
Prof.dr.sc. Tihomir Hunjak
FOI, Varadin
FOI, 2007
T. Hunjak
S1
S2
Sn
v11
v12
v1n
v21
.
.
.
v22
.
.
.
vm1
vm 2
.
.
.
v2n
.
.
.
vmn
FOI, 2007
T. Hunjak
potranja
10
11
12
13
14
10
20
17
14
11
11
20
22
19
16
12
20
22
24
21
13
20
22
24
26
14
20
22
24
26
13
18
23
28
min vij
j
20
17
14
11
0,5
T. Hunjak
ponuda
potranja
10
11
12
13
14
10
20
17
14
11
11
20
22
19
16
12
20
22
24
21
13
20
22
24
26
14
20
22
24
26
13
18
23
28
FOI, 2007
T. Hunjak
min vij
j
20
17
14
11
8
20
ponuda
potranja
10
11
12
13
14
10
20
17
14
11
11
20
22
19
16
12
20
22
24
21
13
20
22
24
26
14
20
22
24
26
13
18
23
28
FOI, 2007
T. Hunjak
max vij
j
20
22
24
26
28
28
Faktor pesimizma
= 0,3
ponuda
v ij
FOI, 2007
10
11
12
13
14
v ij
H(i)
20
20
6,7
17
22
5,8
14
24
4,9
11
26
28
3,1
T. Hunjak
max H (i) =
i
6,7
10
11
12
13
14
max vij
j
10
20
17
14
11
11
20
22
19
16
12
20
22
24
21
13
20
22
24
26
14
20
22
24
26
13
18
23
28
20
22
24
26
28
FOI, 2007
T. Hunjak
ponuda
aljenja
10
11
12
13
14
10
0
3
6
9
12
11
2
0
3
6
9
12
4
2
0
3
6
13
6
4
2
0
3
FOI, 2007
T. Hunjak
m ax rij
14
8
6
4
2
0
8
6
6
9
12
{ x1 , x2 ,..., xm ,}
s pripadnim vjerojatnostima
{ p( x1 ), p( x2 ),..., p( xm )}.
m
Broj
E ( X ) = xi p( xi )
zove se
i =1
T. Hunjak
10
FOI, 2007
T. Hunjak
11
FOI, 2007
T. Hunjak
j =1
12
p ( S j ) = 1n , j {1, 2, ..., n}
tj. E ( Ai ) = 1n vi1 + 1n vi 2 + ... + 1n vin
E ( Ai ) = 1n (vi1 + vi 2 + ... + vin ), i {1, 2, ..., m}
FOI, 2007
T. Hunjak
13
ponuda
vjerojatnosti potranje
FOI, 2007
10
11
12
13
14
10
p(10)
20
17
14
11
11
p(11)
20
22
19
16
12
p(12)
20
22
24
21
13
p(13)
20
22
24
26
14
p(14)
20
22
24
26
13
18
23
28
T. Hunjak
14
ponuda
vjer. potranje
10
11
12
13
14
10
0,2
20
17
14
11
11
0,2
20
22
19
16
12
0,2
20
22
24
21
13
0,2
20
22
24
26
14 E ( A ) = v p ( S )
k
kj
j
j =1
0,2
20
20
22
21
24
21
26
20
13
18
23
28
FOI, 2007
T. Hunjak
18
21
15
ponuda
vjer. potranje
10
11
12
13
14
10
0,1
20
17
14
11
11
0,2
20
22
19
16
12
0,3
20
22
24
21
13
0,2
20
22
24
26
14 E ( A ) = v p ( S )
k
kj
j
j =1
0,2
20
20
22
21,5
24
22
26
21
13
18
23
28
E (12) = max E ( Ai ) =
i
FOI, 2007
T. Hunjak
19
22
16
FOI, 2007
T. Hunjak
17