PITUP Kvantitativni menadment

Nastavna tema 1 (NT1): Analiza isplativosti ulaganja

Osnovne metode i pokazatelji isplativosti ulaganja su:
1. Period povrata
2. Stopa povrata
3. Sadanja vrijednost
4. Interna stopa rentabilnosti
Studenti su duni ponoviti ove pojmove iz literature predmeta Ekonomika poduzea i
slinih izvora.
Potrebno je znati:
definicije ovih pojmova
postupke kako se izraunaju njihove vrijednosti u konkretnim sluajevima
nain na koji se koriste kod donoenja odluke o ulaganju
Postupke za raunanje vrijednosti navedenih pokazatelja potrebno je znati provesti u
tablinom kalkulatoru EXCEL. Takoer je potrebno znati ih primijeniti uz pomo
kalkulatora na jednostavnijim primjerima.
Studenti trebaju znati koristiti EXCEL funkcije PMT (anuitet), NPV (sadanja
vrijednost) i IRR (interna stopa rentabilnosti).
Studenti takoer trebaju znati provoditi analizu to-ako na tablinim modelima
pomou EXCEL alata GOAL SEEK.
Potrebna predznanja za ovu nastavnu cjelinu su:
Sloeni kamatni raun (diskontiranje), navedeni pojmovi iz ekonomike poduzea,
elementarno poznavanje EXCELA, nabrojene financijske funkcije i alat GOAL
SEEK.
Nastavni materijali
Nastavni materijali za ovu cjelinu su slijedei:
1. Analiza isplativosti ulaganja
2. NT-1-studij sluaja
3. NT-1-studij sluaja-tablice

PITUP Kvantitativni menadment

Nastavna tema (NT3): Odreivanje prioriteta i

rangiranje
Metode:
1. Odreivanje prioriteta na temelju usporedbi u parovima.
2. Rangiranje na temelju ocjena lanova grupe
3. Rangiranje na temelju rangova koje daju lanovi grupe
Potrebno je znati:
Odrediti prioritete na temelju usporeivanja u parovima u konkretnom sluaju kada je
poznato vie alternativnih rjeenja nekog problema i kada su odreeni kriteriji za
njihov izbor (evaluaciju). Postupak je objanjen u nastavnom materijalu br.1 i br.2 .
Potrebno je znati samo odreivanje prioriteta na temelju usporedbi u parovima
priblinim raunanjem koje je objanjeno u tom materijalu.
Potrebno je poznavati postupak rangiranja (odreivanja prioriteta) na temelju rangova
i ocjena koje daju lanovi grupe (povjerenstva).
Postupke za raunanje prioriteta potrebno je znati provesti u tablinom kalkulatoru
EXCEL.
Potrebna predznanja za ovu nastavnu cjelinu su:
Elementarno poznavanje EXCELA.
Nastavni materijali
1. AHP-knjigaVC
2. AHP-prib-w-CR
3. NT-3-Prioriteti iz ocjena
4. NT-3-Prioriteti iz ocjena

PITUP Kvantitativni menadment

Nastavna tema 5 (NT5): Odluivanje u uvjetima

nesigurnosti
Osnovna pravila za odluivanje u uvjetima nesigurnosti koja studenti
trebaju usvojiti su:
1. Wald-ovo pravilo
2. Hurwicz-ovo
3. Savage-ovo
4. Laplace-ovo
5. Oekivana vrijednost
Potrebno je znati:
primijeniti navedena pravila u jednostavnom primjeru kakav je dan uz nastavni
materijal
razumijeti okolnosti u kojima se primjenjuje pojedina od navedenih metoda
Potrebna predznanja za ovu nastavnu cjelinu su:
Elemetarni pojmovi iz teorije vjerojatnosti.
Nastavni materijali
Nastavni materijali za ovu cjelinu su slijedei:
1. NT-5-Odluivanje u nesigurnostiMetode prognoziranja na vremenskim
nizovima
2. NT-5-TO-pravila-novine

PITUP Kvantitativni menadment

Nastavna tema 4 (NT4): Prognoziranje

Osnovne metode prognoziranja koje studenti trebaju usvojiti su:
1. Metode prognoziranja na vremenskim nizovima:
a. Metoda pominih prosjeka
b. Metoda eksponencijalnog glaenja
2. Prognoziranje na podacima s trendom umetanjem krivulje trenda
Potrebno je znati:
postupak razvoja prognoze primjenom navedenih metoda
razumijeti okolnosti u kojima se primjenjuje pojedina od navedenih metoda
Postupke razvoja prognoze potrebno je znati provesti uz pomo tablinog kalkulatora
EXCEL.
Potrebna predznanja za ovu nastavnu cjelinu su:
Osnovne naredbe u EXCEL-u za rad s tablicama i grafovima.
Nastavni materijali
Nastavni materijali za ovu cjelinu su slijedei:
1. Metode prognoziranja na vremenskim nizovima
2. Prognoziranje na podacima s trendom

ISPLATIVOST ULAGANJA osnovni pokazatelji

Isplativost viekodinjih ulaganja (dugoronih investicija) procjenjuje se po nekoliko
pokazatelja (kriterija):
1. Vrijeme povrata sredstava
2. Prosjena stopa povrata
3. Sadanja vrijednost ulaganja
4. Interna stopa rentabilnosti

1. Vrijeme povrata sredstava

Ovaj pokazatelj rauna se kao broj godina u kojima se vraa poetno ulaganje.
Openito, to je ovaj broj manji, to je bolja investicija. Nedostatak ove metode je taj
to se ne uzima u obzir tijek novca nakon razdoblja povrata ulaganja, pa se ne
prepoznaju investicije isplativije na dugi period. Ovaj pokazatelj koristi se u
situacijama kad tvrtka ima probleme s likvidnou i kod rizinijih ulaganja.

2. Prosjena stopa povrata

Prosjena stopa povrata izrauna se tako da se prosjena godinja dobit dijeli s
prosjenim godinjim ulaganjem. Ova metoda koristi se kad nije nuno koristiti
sadanju vrijednost, dakle, u sluajevima kratkoronijih ulaganja. Prednost ove
metode je jednostavno raunanje, a nedostatak njoj je to ne uzima u obzir vremensku
komponentu kod vrednovanja novanih iznosa (kod usporeivanja novanih iznosa iz
razliitih vremena ne koristi se diskontiranje).

3. Sadanja vrijednost ulaganja

Ovaj pokazatelj rauna se kao suma diskontiranih vrijednosti razlike buduih
primitaka i izdataka (diskontirani isti tijek gotovine) umanjenih za inicijalno
ulaganje. Kod usporeivanja razliitih ulaganja boljim se smatra ono s veom
sadanjom vrijednou. Ukoliko se ulaganja razlikuju po veliini, njihove isplativosti
usporeuju se tako da se njihove sadanje vrijednosti dijele s visinom ulaganja.

4. Interna stopa rentabilnosti

To je diskontna stopa koja sadanju vrijednost svodi na nulu. To znai da je
diskontirana vrijednost budueg istog tijeka gotovine uz primjenu te stope jednaka
visini ulaganja. Ova stopa usporeuje se s cijenom kapitala, tj. kamatnom stopom uz
koju se dobivaju sredstva za ulaganje (kredit). Ako se usporeuju razliiti projekti,
boljim se smatra onaj s veom internom stopom rentabilnosti.

Kako se raunaju ovi pokazatelji?

Svi nabrojeni (glavni) pokazatelji raunaju se na temelju iste informacijske podloge.
Detalji o pripremi tih podataka koji su sastavni dio svakog investicijskog elaborata
(preciznije, sadrani su u tablicama koje se standardno zovu raua dobiti i gubitaka,
te ekonomski tijeka projekta) mogu se pronai u specijaliziranoj literaturi poput npr.
M Cingula, T. Hunjak i M. Reep; Poslovno planiranje, RRIF, Zagreb, 2004. Ovdje
emo pokazati kako se ovi pokazatelji raunaju na temelju pojednostavljenih podataka
sadranih u slijedeoj tablici. U tablici se navodi nulta godina koja slui samo zato da
bi se evidentiralo poetno ulaganje u visini 8.307 .
1

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

Tablica: Ekonomski tijek za projekt

Vrijeme povrata sredstava
Godina
Kumulativ neto
primitaka

-8.307

-6.099

-3.907

-1.741

398

3.171

Vidi se da do povrata sredstava dolazi za manje od etiri godine.

Prosjena stopa povrata
Ovaj pokazatelj rauna se tako da se ulaganje (izdatak naveden u nultoj godini)
podijeli s vijekom trajanja investicije, a zatim se dobit (neto primitak) svake godine
dijeli s tim iznosom:
Godina
Ulaganje/vijek
Stopa povrata

0
1.661

1,33

1,32

1,30

1,29

1,67

Sadanja vrijednost investicije

Da bi se izraunala tona vrijednost ovog pokazatelja potrebno je poznavati osnovne
formule iz financijske matematike:

SV = I 0 +

P I
P1 I 1 P2 I 2
+
+ ... + n n n
2
r
r
r

pri emu su I 1 ,..., I n izdatci u godinama trajanja projekta, I0 je poetno ulaganje,

P1 , ...,Pn su primici u godinama trajanja projekta, a r je dekurzivni kamatni faktor za
diskontnu stopu p (r=1+p/100) .
Postoje razliiti priblini naini pomou kojih se moe izraunati ova vrijednost, ali
mi emo pokazati kako se rauna njezina tona vrijednost. Za tu svrhu sluimo se
EXCEL-financijskom funkcijom NPV:
1. U izborniku Insert odaberemo Function i meu ponuenim funkcijama oznaimo
funkciju NPV
2. U Macro prozoru koji se nakon toga aktivira unese se polje u kojem je smjetena
kamatna stopa, i podruje u kojem se nalaze vrijednosti ulaganja i neto primici.
Aktiviranjem ove Macro naredbe izrauna se sadanja vrijednost investicije. Za na
sluaj ta vrijednost je mala, ali pozitivna. Ako se u polje C8 unese druga vrijednost
kamatne stope, promijeniti e se i sadanja vrijednost.
2

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

Interna stopa rentabilnosti

Vrijednost interne stope rentabilnosti takoer se moe izraunati priblinim
postupkom (vidjeti u navedenoj knjizi postupak interpolacije). Meutim, nije teko
dobiti tonu vrijednost ako se primjeni EXCEL funkcija IRR. Postupak je slijedei:

1. U izborniku Insert odaberemo Function i meu ponuenim funkcijama oznaimo

funkciju IRR

2. Pritiskom na tipku OK otvara se prozor Macro naredbe u koji se u polje Values

unese podruje u kojem se nalazi poetno ulaganje i neto primici. Pritiskom na tipku
OK izrauna se tona vrijednost interne stope rentabilnosti 11,46236 % .

0
Primitci
Izdatci
Neto primic

0
8.307
-8.307

Interna stopa rentabilnosti

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%

PITUP Kvantitativni menadment

NJ1 Isplativost ulaganja - Studij sluaja

Izraunajte slijedee pokazatelje isplativosti ulaganja
- vrijeme povrata
- stopu povrata (godinje stope povrata, prosjenu stopu povrata)
- sadanju vrijednost
- internu stopu rentabilnosti
na temelju podataka koji zadovoljavaju uvjete iz sljedeih tablica. Podaci iz stupca A
nisu promjenjivi. Podatke iz stupca B student mora sam zadati tako da u svakoj godini
posluje pozitivno. Podaci iz stupca C mogu se mijenjati i prilagoavati specifinostima
zamiljenog projekta.
1. Podaci o ulaganju, prihodima i rashodima
Tablica 1: Podaci o ulaganju, prihodima i rashodima
A
B
C
Vijek projekta
7 godina
Visina ulaganja
300.000 kn
Cijelo ulaganje se realizira na poetku prve
- objekti 60 %
godine, financira se putem kredita uz
- oprema 40 %
otplatu jednakim godinjim anuitetima
Kredit

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

Iz plana otplate kredita

Jednak iznos za cijeli vijek trajanja projekta

objekt 5 %
oprema 20 %

Rashodi financiranja
Ostali trokovi
Porez na dobit

5.000 kom
15 kn

Prodaja po godinama raste po godinjoj

stopi za projekt A 2%, a za proizvod B po
3% uz stalne cijene.

godinje 20 %

2. Raun dobiti i gubitka

Na temelju podataka iz tablice 1 izradite RAUN DOBITI I GUBITKA sa stavkama
prema tablici 2:
Tablica 2. Raun dobiti i gubitka
Stavke

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

3. Ekonomski tijek projekta

Izradite EKONOMSKI TIJEK PROJEKTA prema slijedeoj tablici
Tablica 3. Ekonomski tijek projekta
Stavke

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

NT-1- Studij sluaja

2
3

Ulazni podaci za primjer NT-1

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%

Raun dobiti i gubitka

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%

Pokazatelji isplativosti ulaganja

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

Interna stopa rentabilnosti

=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)

Godinji iznos amortizacije

3
4
5
9.000
9.000
9.000
24.000
24.000
24.000
33.000
33.000
33.000

6
9.000
0
9.000

7
9.000
0
9.000

ostatak vrij
117.000
0
117.000

Odreivanje prioriteta na temelju rangiranja

Postupak
Postoje situacije u kojima lanovi prosudbene skupine (povjerenstva, ekspertne grupe
koja odluuje) rangiraju kandidate za posao, neke predmete, opremu, varijante rjeenja
nekog problema ... Iz tih pojedinanih rang lista moe se sloiti konana rang lista
slijedeim postupkom:
1. Svaki sudac (ekspert) mora poredati sve objekte (osobe, predmete...) iz skupa
od n elemenata koje usporeuje po vanosti,
2. Najvanijem objektu pridrui se broj n-1, drugom po vanosti n-2, i tako
redom do najmanje vanog objekta kojem se pridijeli 0 ,
l

3. Za objekt j rauna se zbroj svih rangova R j = R jk koje su mu procjenjivai

k =1

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

Ova metoda je relativno jednostavna i ne trai puno vremena za provedbu. Posebno je

pogodna kada je za odreivanje prioriteta u konkretnoj situaciji relevantno miljenje
veeg broja osoba. Metoda je takoer pogodna za odreivanje teina kriterija u
metodama viekriterijskog odluivanja.
Primjer 1:
Izmeu tri kandidata treba izabrati predsjednika i zamjenika Studentskog zbora.
Rangirajte kandidate na temelju rang listi koje su nainjene od strane 20 studenata prema
slijedeoj tablici
Kandidati

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.

Tablica odluivanja (ulazni podaci)

Informacije s kojima raspolae donositelj odluke kad se suoava s problemom
odluivanja mogu se prikazati u obliku tablice odluivanja. Uobiajeno je da svakoj
alternativi (tj. moguoj odluci) u tablici pripadne jedan redak u koji se redom upisuju
vrijednosti kriterija na temelju kojih se alternative usporeuju. Metodu koju emo
prikazati u ovom tekstu ilustrirat emo pomou problema izbora odredita za
maturalno ili apsolventsko putovanje.

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

za usporeivanje i rangiranje alternativa u problemima odluivanja su Analitiki

hijerarhijski proces (AHP metoda), ELECTRE (postoji nekoliko varijacija ove
metode) i PROMETHEE. Pomou metoda ELECTRE i PROMETHEE skup
alternativa ureuje se na temelju procjena o tome u kojoj mjeri su razlike u
kriterijskim vrijednostima alternativa znaajne za njihovo razlikovanje.
AHP metoda temelji se na usporeivanju alternativa u parovima. U ovom poglavlju
knjige opisuje se detaljnije ta metoda.

Rangiranje alternativa na temelju usporedbi u parovima

Da bi razumjeli ovu metodu posluit emo se jednim jednostavnim primjerom.
Pretpostavimo da imamo tri kamena A, B i C za koje znamo da ukupno tee 22 kg, ali
nam nisu poznate njihove pojedinane teine. Pretpostavimo da znamo omjere teina
A:B=2:1 (kamen A je dvostruko tei od kamena B) i A:C=3:1 (kamen A je trostruko
tei od kamena C). Iz ovoga proizlazi diobeni omjer teina 6:3:2 iz kojeg lako
izraunamo da su traene teine kamenja redom 12, 6 i 4 kg. Sad nije teko zamisliti
da umjesto kamenja usporeujemo meusobno kriterije te da im izraunamo teine
kao mjeru njihove vanosti. Isto tako moemo usporeivati alternative po prioritetima
da bi odredili prioritet svake od njih. Problemi nastaju zbog toga to nae procjene
obino nisu konzistentne. U primjeru s kamenjem na temelju poznatih omjera teina
proizlazi da je omjer teina drugog i treeg kamena B:C=3:2. U tom sluaju kae se
da su omjeri A:B, A:C i B:C konzistentni. Meutim, kad bi traili od nekoga da uzme
ove kamenove u ruke i da procijeni omjere njihovih teina, malo je vjerojatno da bi te
procjene bile konzistentne. U tom sluaju kod raunanja teina kamenja ne bi mogli
primijeniti pravila iz rauna diobe. Pretpostavimo napr.da smo dobili procjenjenu
vrijednost omjera B:C=4:3. Taj omjer zajedno s omjerom A:B=2:1 daje diobeni
omjer 8:4:3). Ako bi pak omjeru B:C=4:3 pridruili procijenjeni omjer A:C=3:1
dobili bi diobeni omjer 9:4:3, dakle razliit od 8:4:3. Dakle, ukoliko se od
donositelja odluke trae procjene teina kriterija ili prioriteta alternativa u parovima u
realnim problemima odluivanja, te procjene e biti najee nekonzistentne.
Da bi se izraunale teine kriterija i prioriteti alternativa iz usporedbi u parovima u
sluaju nekonzistentnosti tih procjena, potreban je sloeniji matematiki model koji
ovdje neemo prikazati. Umjesto toga prikazat emo jednu priblinu metodu
raunanja teina kriterija i prioriteta alternativa na temelju njihovih usporeivanja u
parovima.

Postupak za raunanje teina kriterija i prioriteta alternativa iz usporedbi

u parovima
Ovim postupkom raunaju se prioriteti alternativa i teine kriterija ije vrijednosti u
najveoj mjeri zadovoljavaju uvjete zadane meusobnim omjerima i ija ukupna suma
je jednaka 1.
1. korak formira se matrica (tablica) omjera prioriteta (teina). U i-tom redu i jtom stupcu te matrice nalazi se vrijednost procijenjenog omjera prioriteta
alternative Ai i alternative A j . Ukoliko se daju procjene relativnih vanosti
kriterija, onda je to vrijednost omjera njihovih teina. Za na primjer s
kamenjem u sluaju kada su procjene nekonzistentne
( A : B = 2, A : C = 3 i B : C = 4 : 3 ) ta matrica izgleda ovako:

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

3. korak: teine (prioriteti) se izraunaju kao prosjene vrijednosti elemenata

pojedinih redova:
w1 =(6/11+8/15+9/16)/3= 0,547
w2 =(6/22+4/15+1/4)/3= 0,263
w3 =(2/11+1/5+3/16)/3= 0,19
Vidi se da je zbroj ovih teina iznosi 1. Izraunate vrijednosti odgovaraju
teinama kriterija, odnosno prioritetima alternativa.
Ovaj postupak u sluaju konzistentnih procjena omjera veliina daje njihove
tone vrijednosti (uzmite primjer s kamenjem ije smo teine izraunali na
poetku)!
U procjeni vrijednosti omjera teina kriterija i vanosti alternativa pomae nam Saatyeva skala. Ta skala prikazuje se u iduem odjeljku.

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

Dva kriterija ili alternative jednako doprinose cilju

Umjereno vanije

Na temelju iskustva i procjena daje se umjerena

prednost jednom kriteriju ili alternativi u odnosu na
drugu

Strogo vanije

Na temelju iskustva i procjena strogo se favorizira

jedan kriterij ili alternativa u odnosu na drugi

Vrlo stroga,
dokazana vanost

Jedan kriterij ili alternativa izrazito se favorizira u

odnosu na drugi; njegova dominacija dokazuje se u
praksi

Ekstremna vanost

Dokazi na temelju kojih se favorizira jedan kriterij ili

alternativa u odnosu na drugi potvreni su s najveom
uvjerljivou

2,4,6,8

Meuvrijednosti
Tablica 2: Saaty-eva skala

Iz tablice se vidi da je vrijednost 9 maksimalna vrijednost koja se moe dati omjeru

vanosti kriterija. Moe se postaviti pitanje imamo li mi u svom sustavu vrijednosti
pravi osjeaj za tu i ostale vrijednosti sa Saatyeve skale? Moe se pokazati da
pojedinac, i bez posebnog treninga, moe koristiti tu skalu za davanje konzistentnih
procjena ukoliko poznaje problematiku na koju se odnosi problem odluivanja (tako
naprimjer iz iskustva znamo da se znanje u kolama ocjenjuje ocjenama u rasponu od
1 5, a vremenom smo razvili i osjeaj za prepoznavanje razine znanja koja odgovara
pojedinoj ocjeni).
U slijedeoj tablici nalaze se procjene omjera vanosti kriterija, dobivene od grupe
studenata, na temelju kojih emo rangirati odredita za apsolventsko putovanje.

Trokovi Mogunosti Ostali

Boravak Trajanje
zabave
sadraji
1
3
5
4
5

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

Vidi se npr. da su studenti procijenili da su Trokovi strogo vaniji (na Saaty-evoj

skali vrijednost 5) kriterij od kriterija Ostali sadraji.

Primjenimo li postupak za priblino raunanje teina kriterija objanjen u odjeljku 6,

kao rezultat dobijemo slijedee vrijednosti teina kriterija:
Teina
Kriterij
Trokovi
0,48
Mogunosti zabave
0,22
Ostali sadraji
0,08
Boravak
0,14
Trajanje
0,08
Tablica 4: Teine kriterija izraunate iz njihovih procijenjenih omjera
Na slian nain raunaju se prioriteti alternativa na temelju njihovih usporedbi u
parovima. Preostaje nam da pokaemo kako se oba ova postupka sjedinjuju u modelu
cjelovitog problema odluivanja s ciljem da se alternative rangiraju na temelju vie
kriterija.
U slijedeem odjeljku pokazat emo kako se postavljanje problema odluivanja i
procjenjivanje omjera vanosti kriterija i prioriteta alternativa povezuje u jedinstveni
postupak.

Analitiki hijerarhijski proces (AHP - Analityc Hierarchy Process)

Analitiki hijerarhijski proces ili AHP metoda (Saaty, 1980) spada u najpoznatije i
posljednjih godina najvie koritene metode za viekriterijsko odluivanje. Njezina
popularnost temelji se u prvom redu na injenici da je vrlo bliska nainu na koji
pojedinac intuitivno rjeava sloene probleme rastavljajui ih na jednostavnije. Drugi
vaan razlog zato je ta metoda tako popularna je kvalitetan softver Expert Choice
koji je dostupan i u demo verziji.
Rjeavanje sloenih problema odluivanja pomou ove metode temelji se na
njihovom rastavljanju na komponente; cilj, kriterije (podkriterije) i alternative . Ti
elementi se potom poveu u model s vie razina (hijerarhijsku strukturu) pri emu je
na vrhu cilj, a na prvoj nioj razini su glavni kriteriji. Kriteriji se mogu rastaviti na
podkriterije, a na najnioj razini nalaze se alternative. Druga vana komponenta AHP
metode je matematiki model pomou kojeg se raunaju prioriteti (teine) elemenata
koji su na istoj razini hijerarhijske strukture. Primjenu ove metode objasnit emo u
slijedea etiri koraka:
(1) Razvije se hijerarhijski model problema odluivanja s ciljem na vrhu,
kriterijima i podkriterijima na niim razinama, te alternativama na dnu
modela. Na slici 1 prikazan je jedan takav opi model.
CILJ

KRITERIJ 1

KRITERIJ 2

ALTERNATIVA1

ALTERNATIVA2

. . .

KRITERIJ k

ALTERNATIVA n

. . .

Slika 1. Osnovni AHP model s ciljevima, kriterijima i alternativama

(2) U svakom voru hijerarhijske strukture pomou Saatyeve skale u parovima

se meusobno usporeuju elementi tog vora koji se nalaze neposredno
ispod njega i izraunaju se njihove lokalne teine. Pritom se kriteriji
meusobno usporeuju u parovima u odnosu na to koliko puta je jedan od
njih vaniji za mjerenje postizanja cilja od drugog. Alternative se
meusobno usporeuju u parovima po svakom od kriterija procjenjujui u
kojoj mjeri se po tom kriteriju jednoj od njih daje prednost u odnosu na
drugu.
(3) Iz procjena relativnih vanosti elemenata odgovarajue razine hijerarhijske
strukture problema izraunaju se lokalne teine kriterija i podkriterija, a na
posljednjoj razini prioriteti alternativa. Ukupni prioriteti alternativa
izraunaju se tako da se njihovi lokalni prioriteti ponderiraju s teinama
svih vorova kojima pripadaju gledajui od najnie razine u hijerarhijskom
modelu prema najvioj i zatim zbroje.
(4) Provodi se tzv. analiza osjetljivosti.
Primjenimo ovaj postupak na na primjer izbora odredita za apsolventsko putovanje.
Korak 1: Hijerarhijski model tog problema je na slici 2.
Korak 2: Procjene omjera teina kriterija dane su u tablici 3. Na temelju tih procjena
izraunate su teine i prikazane u tablici 4. Preostaje nam da se po svakom od kriterija
usporeivanjem u parovima procjene omjeri prioriteta alternativa te da se izraunaju ti
prioriteti.
Usporedimo prvo alternative po kriteriju Trokovi. Iako su pripadne kriterijalne
vrijednosti kvantitativno izraene, ne bi bilo dobro kao omjere prioriteta uzeti
pripadne omjere trokova. Naime, procjena prednosti koju dajemo odreditu
panjolska I u odnosu na panjolska II ovisi o naoj materijalnoj situaciji i o naem
stavu prema onome to moemo dobiti u skupljoj varijanti. Zbog toga je i kod
kvantitativnih kriterija opravdano koristiti Saatyevu skalu.
Cilj

Izbor odredita

Kriteriji
Trokovi

Mogunosti
zabave

Ostali
sadraji

Boravak

Trajanje

Alternative
panjolska I

panjolska II

Grka

R-F-SM

Slika 2: Hijerarhijski model problema izbora odredita za apsolventsko putovanje

U tablici 3 nalaze se procjene omjera prioriteta odredita po kriteriju Trokovi i
njihovi izraunati prioriteti po tom kriteriju. Tako je npr. vrijednost omjera prioriteta

koji se daju odreditu panjolska I i odreditu Grka 5, tj. panjolska I se prema

Saaty-evoj skali strogo preferira u odnosu na odredite Grka.
I II G R
Prioriteti
I
1
5
5
1/2
0,35
II 1/5 1
1
1/5
0,08
G
1/5 1
1
1/5
0,08
R
2
5
5
1
0,49
Tablica 3: Prioriteti alternativa po kriteriju Trokovi
U tablicama 4, 5,6 i 7 nalaze se procjene omjera prioriteta odredita po ostalim
kriterijima i izraunati prioriteti.
I II G R Prioriteti
I
1
2
5
7
0,51
II 1/2 1
4
6
0,33
G
1/5 1/4
1
3
0,11
R
1/7 1/6
1/3 1
0,05
Tablica 4: Prioriteti alternativa po kriteriju Mogunosti zabave
I II G R
Prioriteti
I
1
2
1/5 1/7
0,08
II 1/2 1
1/5 1/7
0,06
G
5
5
1
1/3
0,28
R
7
7
3
1
0,57
Tablica 5: Prioriteti alternativa po kriteriju Ostali sadraji
I II G R
Prioriteti
I
1
1
1/3 3
0,20
II 1
1
1/3 3
0,20
G
3
3
1
5
0,52
R
1/3 1/3
1/5 1
0,08
Tablica 6: Prioriteti alternativa po kriteriju Boravak
I II G R
Prioriteti
I
1
3
1
5
0,39
II 1/3 1
1/3 3
0,15
G
1
3
1
5
0,39
R
1/5 1/3
1/5 1
0,07
Tablica 7: Prioriteti alternativa po kriteriju Trajanje
Korak 3: Na temelju procjena omjera prioriteta koje se nalaze u tablicama 3-7
izraunati su lokalni prioriteti odredita. Ukupni prioritet pojedinog odredita izrauna
se tako da se zbroje njegovi lokalni prioriteti ponderirani se s teinama kriterija

(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

Kriteriji i njihove teine

Trokovi Mogunosti Ostali
Boravak Trajanje
()
(dana)
zabave
sadraji (dana)
0,48
0,22
0,08
0,14
0,08
0,35
0,51
0,08
0,20
0,39
0,08
0,33
0,06
0,20
0,15
0,08
0,11
0,28
0,52
0,39
0,49
0,05
0,57
0,08
0,07

Ukupni
prioriteti
alternativa
0,35
0,16
0,19
0,30

Tablica 8: Lokalni i ukupni prioriteti alternativa

Korak 4: U promatranom primjeru ulazni podaci za model pomou kojeg smo
izraunali prioritete bili su procjene relativnih vanosti kriterija i procjene omjera
lokalnih prioriteta odredita. Moe se pretpostaviti da te procjene mogu varirati u
nekim rasponima, a da te promjene jo uvijek budu u skladu s preferencijama
donositelja odluke. Analiza osjetljivosti provodi se s ciljem da se vidi u kojoj mjeri se
promjene ulaznih podataka odraavaju na ukupne prioritete alternativa.
Da bi se dolo do zakljuka da li je rang lista odredita dovoljno stabilna u odnosu na
prihvatljive promjene ulaznih podataka trebalo bi izraunati prioritete odredita za
brojne razliite kombinacije ulaznih podataka. U iduem odjeljku pokazat emo kako
se analiza osjetljivosti moe provesti na kvalitetan i razumljiv nain uz pomo
softvera Expert Choice.

Program EXPERT CHOICE

Ovaj program, u potpunosti podrava sve korake karakteristine za primjenu AHP
metode. Program omoguuje strukturiranje hijerarhijskog modela problema
odluivanja na vie naina, te usporeivanje u parovima takoer na nekoliko naina.
Posebnu vrijednost programu daju razliite mogunosti provoenja analize
osjetljivosti koje se temelje na vizualizaciji posljedica promjena ulaznih podataka.
Program omoguava kreiranje razliitih izvjea. Koritenje programa je jednostavno
i dobro objanjeno u programskoj dokumentaciji pa se ovdje nee detaljnije
komentirati naini na koje se moe razviti model i razliite mogunosti unosa
podataka. Prikazat emo samo dio mogunosti ovog programa u provoenju analize
osjetljivosti.

10

Opcija Gradient: program omoguuje da se vidi koliko su prioriteti alternativa

osjetljivi na promjene teina pojedinih kriterija. Na slici 3 vidi se da prioritet odredita
R-F-SM raste s porastom teine kriterija trokovi, prioritet odredita ESP I skoro se
ne mijenja, dok prioriteti ostalih odredita lagano opadaju s porastom teine tog
kriterija. Takoer se moe oitati da, ukoliko se teina kriterija Trokovi povea s
izraunate vrijednosti 0,48 (prikazane vertikalnom linijom) na otprilike 0,6 , odredite
Rim-Firenza-San Marino (R-F-SM) dobiva prednost u odnosu na panjolska I (ESP
I). Primjenom komande za promjenu kriterija dobivaju se odgovori na pitanje
osjetljivosti redoslijeda alternativa u odnosu na teine ostalih kriterija.

R-F-SM

ESP I

ESP II
Grka

Slika 3: Analiza osjetljivosti pomou softvera Expert Choice opcija Gradient

Opcija Dynamic: u ovoj opciji mogue je vidjeti kako se dinamiki mijenjaju prioriteti
alternativa ukoliko se jednostavnim povlaenjem mia mijenjaju teine pojedinih
kriterija. Ovaj ekran ima i opciju Components u kojoj je mogue vidjeti udjele teina
pojedinih kriterija u ukupnom prioritetu alternativa. Pomou ove opcije dobivaju se
odgovori na pitanja poput npr.: Kolika bi trebala biti teina kriterija Ostali sadraji
da bi odredite Grka dobilo prednost pred odreditem panjolska I?.

Slika 4: Analiza osjetljivosti pomou softvera Expert Choice opcija Dynamic

11

Opcija Differences: Na slici se vidi po kojim kriterijima odredite panjolska I ima

prednost pred odreditem Rim-Firenza-San Marino i obratno, te ukupna ponderirana
prednost prvog odredita. Kriterijima po kojima ima prednost odredite panjolska I
pridrueni su pravokutnici odgovarajuih povrina usmjereni ulijevo (drugi, etvrti i
peti pravokutnik odozgo), a pravokutnici pridrueni kriterijima po kojima ima
prednost odredite Rim-Firenza-San Marino orjentirani su udesno. Ukupna prednost
prvog odredita nad drugim prikazana je pravokutnikom na najnioj razini koji je
orjentiran ulijevo. Jednostavnim koritenjem mia mogue je vizualizirati odnose
razmatranih alternativa u svim parovima.

Slika 5: Analiza osjetljivosti pomou softvera Expert Choice opcija Differences

Literatura
1. Saaty, T.L., The Analytic Hierarchy Process,

2. Triantaphyllou, E., (2000), Multi-Criteria Decision Making Methods: A

Comparative Study, Kluwer Academic Publishers, Dordrecht, The Netherlands
3. Pomerol, J-C., Barba-Romero, S., (2000), Multicriterion Decision in Management:
Principles and Practice, Kluwer Academic Publishers, Dordrecht, The Netherlands
Preporuena literatura:
1. Saaty, T.L., Multicriteria Decision Making: The Analytic Hierarchy Process, RWS
Publications, 4922 Ellsworth Ave., Pittsburgh, PA 15213.

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

metode. Primjeri nisu trivijalni i omoguuju prepoznavanje upotrebne vrijednosti

metode.
2. Triantaphyllou, E., (2000), Multi-Criteria Decision Making Methods: A
Comparative Study, Kluwer Academic Publishers, Dordrecht, The Netherlands
Postoji nekoliko metoda koje se mogu upotrijebiti kod izbora alternativa po vie
kriterija. U ovoj knjizi odgovara se na pitanje Koja je metoda najbolja? tako da se
analizira i usporeuje njihova primjenjivost u razliitim situacijama odluivanja. Te
usporedbe se provode s teoretskog i s praktinog stajalita.
Softver:
1. Expert Choice
http:// www.expertchoice.com

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.

2. Web-HIPRE Global Decision Support

http://www.hipre.hut.fi/
Na ovoj stranici je web verzija HIPRE 3+ softvera i kvalitetan e-Learning materijal s
mnotvom informacija o viekriterijskoj analizi.

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:

Ova metoda pogodna je za odreivanje teine kriterija u problemima viekriterijskog

odluivanja. Pretpostavimo da se umjesto o kandidatima raspravljalo o kriterijima koje
treba primijeniti kod izbora predsjednika Studentskog zbora. Nakon ire rasprave
dogovoreno je da su ti kriteriji uspjeh u studiranju (kako bi predstavnik studenata imao
ugled u Fakultetskom vijeu), aktivnost u akademskoj zajednici i komunikativnost. Prije
nego se pristupi ocjenjivanju kandidata po tim kriterijima treba odrediti teine tih
kriterija. Zbog toga su studenti glasai rangirali kriterije po vanosti. Pretpostavimo da su
ih rangirali na jednak nain kao kandidate u prethodnom sluaju. Iz tih rangova teine se
dobivaju tako da se brojevi na temelju kojih je nainjena konana rang lista kandidata iz
prethodnog primjera normaliziraju. Dakle teine pojedinih kriterija su redom

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:

6 trenera E1, E2, ...., E6 rangiralo je 4 igraa A, B, C i D na slijedei nain:

E1(B, C, D, A), E2 (A, C, D, B), E3(A, B, C, D), E4(D, A, B, C),
E5(C, B, A, D), E6 (B, D, A, C)
Rangirajte igrae na temlju rangova koje su dali suci!

Igrai

Bodovi na temelju ekspertnih rangiranja

Rj

E1

E2

E3

E4

E5

E6

10

11

Konana rang lista igraa je B, A, C, D.

Primjer 3:

Neka se umjesto igraa iz prethodnog primjera rangiraju kriteriji koji se primjenjuju u

odreenom problemu odabira. Neka se rang liste koje su dali eksperti iz prethodnog
zadatka odnose na te kriterije. Tada se njihove teine odreuju tako da se vrijednosti iz
posljednjeg stupca tablice normaliziraju:

wA =

10
11
8
7
= 0.278 , wB =
= 0.306 , wC =
= 0.222 , wD =
= 0.194
36
36
36
36

Rangiranje na temelju ocjena lanova grupe

Ova metoda moe se koristiti za

rangiranje osoba po odabranom kriteriju (kriterijima)

usporeivanje razliitih varijanti rjeenja nekog problema

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

Prvo se izraunaju vrijednosti w jk =

jk
n

jk

a zatim

j =1

wj =

jk

k =1

j =1

k =1

jk

pri emu koritene oznake imaju slijedee znaenje:

jk -

je ocjena k-tog suca za j-ti objekt,

w jk - prioritet (teina) izraunata za j-ti objekt na temelju ocjena k-tog suca

wj -

ukupni prioritet (teina) za j-ti objekt.

uoite da su prioriteti (teine) w j i w jk normalizirani (njihov zbroj iznosi 1).

Ova metoda je posebno pogodna za ujednaavanje procjena teina kriterija koje lanovi
grupe daju u obliku postotka.

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

Tablica 1: Ocjene za kandidate za posao

Teine wjk za svakog suca i svakog kandidata nalaze se u tablici 2:
Kandidati

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

Tablica 2: Prioriteti kandidata po sucima

Primijetimo da su prioriteti kandidata po pojedinim sucima sada normalizirani (suma po
svakom stupcu je jednaka 1).
Konaan (ukupan) skor za svakog kandidata dobije se zbrajanjem elemenata redova
prethodne tablice

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

j-tom stupcu tablice nalazi ocjena j-tog suca za i-to

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.

Ocjene (teine) normirane po sucima prikazane su u sljedeoj tablici, a u posljednjem

stupcu daju se i sume elemenata redova. Ove sume odreuju redoslijed prihvatljivosti
predloenih dizajnerskih rjeenja.
Eksperti

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

Za vjebu normalizirajte ove vrijednosti!

Prognoziranje na podacima s trendom

U najjednostavnijem sluaju kada se u podacima uoi postojanje trenda (pravilnost u
porastu ili opadanju) prognoza se moe izvesti uz pomo gotovih funkcija u EXCELu. Pomou niza slika prikazano je kako se to moe uraditi. Sutina tog postupka je da
se niz vrijednosti vizualizira pomou pripadnog grafa, a zatim se iz pretpostavljenog
oblika trenda odabere neka od mogunosti koje su simboliki prikazane slikom u
Macro naredbi Add Trendline.
Prozor ove Macro naredbe otvara se na slijedei nain:
1. Za niz podataka kreira se graf pomou izbornika Chart Wizard ,
2. Kada se dobije graf pokaziva se postavi na neku od njegovih toaka i
pritiskom na tipku mia aktiviraju se sve toke grafa i pojavi se izbornik. Od
ponuenih opcija odabere se Add Trendline,
3. Prozor Macro naredbe Add Trendline prua dvije mogunosti; jedna je Type izbor tipa trenda, a druga je Options, koja omoguuje ispis jednadbe krivulje
koja se pridruuje podacima i tzv. R2 vrijednosti koja mjeri podudaranje
odabrane krivulje s tokama iz niza podataka. Bez detaljnijeg objanjavanja
ove vrijednosti recimo samo to da vrijedi 0R2 1 , i da to je ona blie
jedinici to je bolje poklapanje krivulje i podataka. Jednadba prikazane
krivulje slui za izraunavanje buduih vrijednosti prognozirane veliine.
Na slijedeem primjeru prikazano je umetanje linearnog trenda i eksponencijalnog
trenda u vremenski niz podataka. Na kraju se nalazi tablica s prognozom za oba
trenda.

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

Matrica (tablica) plaanja

Informacije s kojima je opisan problem odluivanja u uvjetima nesigurnosti prikazuju se u obliku
tablice (matrice) plaanja koja ima slijedei oblik:

A1
A2
A3

Am

S1
v11
v21
v31

vm1

S2
v12
v22
v32

vm2

S3
v13
v23
v33

vm3

Sn
v1n
v2n
v3n

vmn

Ai - i-ta aktivnost (akcija)

Sj - j-to stanje okoline
vij - plaanje (posljedica) poduzimanja akcije i ako je okolina u stanju j

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

Stanje okoline - potranja za novinama (16 do 24 primjerka)

Akcija - broj naruenih primjeraka novina (16 do 24 primjerka)
Ako napr. narui 22 primjerka, a proda ih 19, zarada je 19 5 - 22 3 = 29 kn .

Kriteriji za odluivanje u uvjetima nesigurnosti

Nesigurnost - ne zna se koje e stanje nastupiti, niti su poznate vjerojatnosti nastupanja
pojedinih stanja.

Maximin kriterij (Wald-ov kriterij)

Ovaj kriterij karakterizira odbojnost prema riziku. Za svaku akciju ai identificira se najslabiji ishod
vij* i bira se ona akcija ak za koju je ta vrijednost najvea. ( a=16)

vij = min vij

j

rk = max vij = max (min vij )

i

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

rk = max v ij = max (max vij )

i

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.

Kriterij minimalnog aljenja (Savage ov kriterij)

Svakom ishodu u tablici odluivanja pridruuje se aljenje

rij = max v kj vij

k

(od ishoda najbolje akcije za stanje j oduzima se vrijednost vij)

Formira se tablica aljenja; svakoj akciji a i pridrui se maksimalno aljenje

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

rij = max v kj vij

k

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

uvedimo oznaku za najmanje aljenje koje pripada akciji ai

i = max rij
j

sada se bira ona akcija ak

kojoj je pridrueno najmanje aljenje

k = min i = min max rij

i

U primjeru prodavaa novina po ovom kriteriju treba naruiti 19 komada novina

jer vrijedi 4 = min i = min{16,14,12,10,12,15,18,21,23} = 10 .
i

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

EV(Ai) = j vij P(Sj)

i kao najbolja bira se ona akcija koja ima najveu oekivanu vrijednost.
Za primjer prodavaa novina izraunaju se slijedee oekivane vrijednosti

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

Dakle, prema ovom kriteriju naruuje se 18 primjeraka novina.

P(Sj)

Ai

0,05 0,20 0,30 0,20 0,10 0,05 0,05 0,03 0,02

16
32
29
26
23
20
17
14
11
8

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

a oekivane vrijednosti moguih akcija su

Ai
EV(Ai)

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

Dakle, najbolja je akcija naruiti 19 primjeraka novina.

Na ovom primjeru vidi se da spomenuti kriteriji mogu upuivati na razliite akciju kao
najbolje.
Primjer : Milnorov primjer (prema French (1986), str.39). Primijenite opisane kriterije na
slijedei sluaj

A1
A2
A3
A4

S1
2
1
0
1

S2
2
1
4
3

S3
0
1
0
0

S4
1
1
0
0

ova pretpostavka se naziva principle of insufficient reason, vidi French (1986)

Aksiomi teorije odluivanja

A1) Svaki kriterij mora omoguiti kompletno rangiranje alternativa.
A2) Neovisnost od oznaavanju alternativa.
A3) Neovisnost o vrijednosnim skalama.
A4) Aksiom o strogoj dominaciji.
A5) Neovisnost o irelevantnoj alternativi.
A6) Neovisnost o pribrajanju konstante stupcu.
A7) Neovisnost o permutiranju redova.
A8) Neovisnost o dupliciranju stupca.
Vano!
Ni jedan od spomenutih kriterija ne zadovoljava sve ove aksiome!

Da li je EMV dobar kriterij za odluivanje?

Dobar je kod donoenja odluka u situacijama koje se ponavljaju (igra na prosjek)!
Nije dobar (manje je pogodan) za jednokratne odluke!
Primjer:
Imamo mogunost kupiti dvije kompanije po istoj cijeni:
Kompanija

Stanje okruenja

EMV

150.000

-30.000

150.000 0.5 - 30.000 0.5= 60.000

70.000

40.000

70.000 0.5+40.000 0.5= 55.000

Vjerojatnosti

0.5

0.5

EMV rizian kriterij u ovom sluaju!

Zadaci za vjebu (French (1986), str.57)

1. Tablica odluivanja je

A1
A2
A3
A4

S1
0
9
3
5

S2
10
0
1
2

S3
5
1
1
0

S4
5
0
10
5

ako donositelj odluke izabere akciju A1 s kojim je to kriterijem u skladu?

a) Waldov kriterij maksimin povrata
b) Hurwicz-ov za = 0, 3 i = 0,6
c) Savage-ov kriterij minimalnog aljenja
d) Laplace-ov kriterij srednjeg povrata
e) Oekivana vrijednost odluke za distribucije vjerojatnosti
e1) (0.1, 0.4, 0.3, 0.2)
e2) (0.4, 0, 0.3, 0.3)
e3) (0.2, 0, 0.5, 0.3)
2. Tablica odluivanja je
A1
A2
A3
A4

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

odredite za koje vrijednosti od x donositelj odluke bira pojedine akcije po

a) Waldovom kriteriju,
b) Hurwicz-ovom kriteriju za = 0,5
c) Savage-ov kriteriju
d) Laplace-ovom kriteriju

U osjenanom podruju idue tablice nalaze se prognostiki podaci, a na slici se vidi

vizualizacija prognoze pomou linearnog trenda i eksponencijalnog trenda.
Prognoza

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

Metode prognoziranja na vremenskim nizovima

Pomou ovih metoda budue vrijednosti prognoziraju se na temelju povijesnih podataka.
Pravila po kojima se ponaaju podaci iz prolosti primjenjuje se na budue kretanje tih
podataka. Ukoliko se promijene okolnosti koje su utjecale na vrijednosti podataka u prolosti,
ove prognoze gube na vrijednosti. S druge pak strane, u odreenim okolnostima ove metode
su najbolje. Te okolnosti su slijedee:
1. Uvjeti u kojima su se odvijale aktivnosti na koje se odnose podaci su stabilni i oekuje
se da se nee bitno mijenjati u buduem razdoblju na koje se odnosi prognoza
2. Prognoza se odnosi na krai vrmenski period i u tom vremenu se ne moe nita bitno
promijeniti
3. Potrebno je nainiti osnovnu prognozu koja e se prilagoavati oekivanim buduim
promjenama.
Sa stajalita korisnika vano je naglasiti da su ove metode jeftine, ne trae puno vremena i
lako su razumljive. Posebno su povoljne za razvoj veeg broja prognoza poput npr.
prognoziranja razina potrebnih zaliha razliite robe u skladitima.
Metode za prognoziranje koje se temelje na vremenskim nizovima dijele se i u skladu sa
slijedeim karakteristikama podataka na koje se primjenjuju:
Stacionarnost; u podacima ne postoji trend, a odstupanja u razliitim vremenima su
uglavnom jednaka
Podaci s trendom; openito u podacima postoji pomak prema "gore" ili "dolje"
Sezonalnost; postoji trend i pravilo u ponaanju podataka koje se ponavlja s godinjim
razmakom
Ciklinost; postoji trend, sezonalnost i ponavljanje istog pravila u ponaanju podataka
u kraim vremenskim razmacima od godine dana.
Mi emo obraditi metode prognoziranja na stacionarnim vremenskim nizovima.

Tonost prognoze
Najpoznatije mjere za tonost prognoza su prosjeno apsolutno odstupanje i prosjek kvadrata
odstupanja.

Prosjeno apsolutno odstupanje

Ova mjera greke u prognozi rauna se kao prosjek apsolutnih vrijednosti razlika izmeu
prognoziranih i tonih vrijednosti.

PAO =

Suma( to . vrij. prognozirana vrij. )

Broj vrijednosti

Prosjek kvadrata odstupanja

Ova mjera greke u prognozi rauna se kao prosjek kvadrata razlika izmeu prognoziranih i
tonih vrijednosti.
PKO =

Suma(o . vrij. prognozirana vrij ) 2

Broj vrijednosti

Primjer: Raunanje ovih greaka prikazat e se na slijedeem primjeru:

Vremenski period
(tjedan)

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

PAO=(0+1+1+1+3+2+2)/7= 1,43 , kae se da je prognoza pogrena u prosjeku 1,43 .

PKO= (0+1+1+1+9+4+4)/7= 2,86 , kae se da je prosjeni kvadrat greke 2,86.
Kad se usporeuju prognoze, tonijom se smatra ona kojoj pripadaju manje vrijednosti PAO i
PKO. Ove dvije mjere ne dovode do istog zakljuka; prognoza koju je PAO=2 dvostruko je
loija od one za koju je POA =1. Ukoliko su to vrijednosti za PKO, onda je greka kod druge
prognoze etverostruko vea. Takoer se moe rei da PKO kanjava velika odstupanja.

Opi princip kod prognoziranja

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

Slika 2: Podaci iz tablice 2

Ukoliko se izglaivanje koristi za prognoziranje, kao prognostika vrijednost za budua
razdoblja uzima se posljednja izglaena vrijednost.
Naglasimo da postoji i verzija izglaivanja u kojoj se za izglaenu vrijednost u vremenu t
uzima prosjena vrijednost za nekoliko razdoblja do tog vremena. Npr. u izglaivanje s tri
toke vrijedi St = (xt-2 + xt-1 + xt )/3 . Tablica 2 bi u toj verziji (b) izgledala ovako:

Pomini prosjeci

16

Tona vrij. (xt)

9
7
11
15
10

Izglaene vrij. (St)

9 = (9+7+11)/3
11 = (7+11+15)/3
12 = (11+15+10)/3

14
12
Vrijednosti

Period
1
2
3
4
5

10
8
6
4
2
0
1

Vrijeme

Slika 3: Pomini prosjeci, verzija (b)

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

Tona vrijednost (xt)

Izglaene vrijednosti (St)

= 0,2

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

Na slici 3 vide se grafovi izglaenih podataka:

Eksponencijalno glaenje
16
14
Vrijednosti

12

Tone vrijednosti

10
8

"izglaene vrijednosti"
alfa (0,2)

izgl. vrij. alfa (0,4)

4
2
0
1

Vrijeme

Slika 3: Eksponencijalno glaenje

Na slici 4 prikazuju se grafovi podataka izglaenih tehnikom pominih prosjeka i
eksponencijalnim glaenjem:
Pomini prosjeci i eksponencijalno glaenje
16
14

Vrijednosti

12

Tone vrijednosti

10
8

"izglaene vrijednosti"
alfa (0,2)

pomini prosjeci

4
2
0
1

Vrijeme

Slika 4: Eksponencijalno glaenje i pomini prosjeci

Prof.dr.sc. Tihomir Hunjak

Sveuilite u Zagrebu, Fakultet organizacije i informatike

Raunanje teina kriterija (prioriteta alternative)

na temelju usporeivanja u parovima
priblinim postupkom
Neka su procjene relativnih vanosti za 3 objekta w1/w2=3 , w1/w3=2 , w2/w3=1 .
Onda je

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 )

2. Korak: Normalizira se matrica A (svaki stupac podijeli se sa sumom elemenata

tog stupca)

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

Teoretsko objanjenje ovog postupka:

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

Provjera konzistencije procjena:

Za izraunavanje indeksa konzistencije i omjera konzistencije treba izraunati najveu
svojstvenu vrijednost max matrice A .
Za tonu vrijednost max trebalo bi rijeiti svojstvenu jednadbu det(A-I) = 0 (za na primjer odgovarajua
3
2
jednadba glasi - + 3 + 1/6 = 0 , a njezina rjeenja su max= 3,01829 i dva konjugirano kompleksna 2= 0,0091+0,2347i , te 3= -0,0091-0,2347i ) .

Raunanje pribline vrijednosti za max :

Iz Aw = max w proizlazi da za svaku komponentu wi svojstvenog vektora w vrijedi
1
max = aij w j pa se priblina vrijednost za max moe izraunati na slijedei nain
wi j
(koristi se prethodni primjer):
(1) Stupci matrice A pomnoe se s pripadnim teinama

0,5485 0,6318 0,4818

0,1828 0,2106 0,2409

0,2743 0,2106 0,2409

(2) Izraunaju se sume pojedinih redova
( 1,6621 0,6343 0,7258 )
(3) Sume redova podijele se redom s teinama (prioritetima)
( 1,3321/0,5485

0,6343/0,2106 0,7258/0,2409 ) = ( 3,0303 3,0119 3,0137 )

(4) Izrauna se max kao prosjena vrijednost dobivenih veliina

max = ( 3,0303 + 3,0119 + 3,0137 )/3 = 3,0183

Kako izraunati indeks konzistencije CI i omjer konzistencije CR:

CI= (max -n)/(n-1) = (3,0183-3)/(3-1) = 0,0915
RI je sluajni indeks (indeks konzistencije za matrice reda n sluajno generiranih usporedbi
u parovima - koristi se tablica s izraunatim vrijednostima) .
n
RI

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

CR = CI/RI = 0,0915 / 0,52 = 0,176

Pravilo : Ako za matricu A vrijedi CR 0,10 , procjene omjera relativnih vanosti kriterija
(prioriteta alternativa) smatraju se prihvatljivima. U suprotnom treba istraiti razloge zbog kojih
je inkonzistencija procjena neprihvatljivo visoka.
Dakle, procjene relativnih vanosti za na primjer nisu dovoljno konzistentne. Pokuajte
popraviti konzistenciju procjena tako da bude zadovoljen uvijet CR 0,10!

TEORIJA
ODLUIVANJA
Analiza odluke u uvjetima
nesigurnosti
Prof.dr.sc. Tihomir Hunjak
FOI, Varadin

Primjer - prodava novina

Prodava naruuje novine po cijeni 3 kn, a
prodaje ih po 5 kn. Primjerci koji se ne
prodaju ne mogu se vratiti i smatra se da
su bez vrijednosti.

FOI, 2007

T. Hunjak

Primjer - prodava novina

A1
A2
.
.
.
Am

S1

S2

Sn

v11

v12

v1n

v21
.
.
.

v22
.
.
.

vm1

vm 2

.
.
.

v2n
.
.
.
vmn

Skup moguih odluka je {A1 , A 2 ,..., A m } .

Skup moguih stanja okruenja je {S1 ,S2 ,...,Sn ,} .
vij posljedica odluke A i ukoliko nastupi stanje okoline S j .

FOI, 2007

T. Hunjak

Primjer - prodava novina

tablica odluivanja
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

min vij
j

20
17
14
11
0,5

v11 = 20 - prodava narui 10 primjeraka, troak narudbe je 10 3=30

i proda se svih 10 primjeraka, prihod je 10 5=50
v24 = 22 - narui se 11 primjeraka a trai se 14
FOI, 2007

T. Hunjak

Primjer - prodava novina

pesimizam - maxmin kriterij

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

Waldov maxmin kriterij: max min vij =

i

FOI, 2007

T. Hunjak

min vij
j

20
17
14
11
8
20

Primjer - prodava novina

optimizam - maxmax kriterij

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

maxmax kriterij: max max v ij =

i

FOI, 2007

T. Hunjak

max vij
j

20
22
24
26
28
28

Primjer - prodava novina

pesimizam - optimizam
Hurwiczov indeks
H ( i ) = v ij + (1 ) v ij

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

Primjer - prodava novina

kriterij aljenja
potranja
ponuda

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

aljenje rij = max vij vij

i

FOI, 2007

T. Hunjak

Primjer - prodava novina

kriterij aljenja

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

Savage - kriterij aljenja: min (max rij ) =

i

FOI, 2007

T. Hunjak

m ax rij

14
8
6
4
2
0

8
6
6
9
12

Primjer - prodava novina

kriterij oekivane vrijednosti
Neka je X sluajna varijabla koja poprima vrijednosti

{ x1 , x2 ,..., xm ,}
s pripadnim vjerojatnostima

{ p( x1 ), p( x2 ),..., p( xm )}.
m

Broj

E ( X ) = xi p( xi )

zove se

i =1

matematiko oekivanje sluajne varijable X .

FOI, 2007

T. Hunjak

10

Primjer - prodava novina

kriterij oekivane vrijednosti
Neka je A skup moguih odluka { A1 , A2 ,..., Am } pri emu
je ovisnost rezultata tih odluka i stanja okoline zadana
tablicom odluivanja. Neka je distribucija vjerojatnosti
moguih stanja okoline {S1 , S 2 ,..., Sn } dana s

{ p( S1 ), p( S2 ),..., p(Sn )}.Tada je oekivana vrijednost

n

odluke Ak broj E ( Ak ) = vkj p( S j ).

j =1

FOI, 2007

T. Hunjak

11

Primjer - prodava novina

kriterij oekivane vrijednosti
Bira se ona akcija Al za koju vrijedi
n

E ( Al ) = max E ( Ai ) = max vij p ( S j )

i

FOI, 2007

T. Hunjak

j =1

12

Primjer - prodava novina

Laplace-ov kriterij oekivane vrijednosti
Laplace-ov kriterij: vjerojatnosti svih stanja
su jednake

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

Primjer - prodava novina

Laplace-ov kriterij oekivane vrijednosti
potranja

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

Primjer - prodava novina

Laplace-ov kriterij oekivane vrijednosti
potranja

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

Laplace-ov kriterij E ( A2 ) = E ( A3 ) = max E ( Ai ) =

i

FOI, 2007

T. Hunjak

18

21

15

Primjer - prodava novina

kriterij oekivane vrijednosti
potranja

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