US - Menadžerska Ekonomija PDF

UNIVERZITET SINGIDUNUM
Prof. dr Milivoje Cvetinovi
MENADER SK A
EKONOMIJA
Beograd, 2009.
MENADERSKA EKONOMIJA
Autor:
Prof. dr Milivoje Cvetinovi
Recenzenti:
Prof. dr Milovan Stanii
Prof. dr Ljubia Stanojevi
Izdava:
UNIVERZITET SINGIDUNUM
Beograd, Danijelova 32
www.singidunum.ac.rs
Za izdavaa:
Prof. dr Milovan Stanii
Tehnika obrada:
Novak Njegu
Dizajn korica:
Milan Nikoli
Godina izdanja:
2009.
Tira:
500 primeraka
tampa:
UGURA print, Beograd
www.cugura.rs
ISBN: 978-86-7912-169-1
sadraj
Predgovor
1. UVOD U MENADERSKU EKONOMIJU

1.1 Tematika knjige
1.2 Kruni tok ekonomskih aktivnosti
1.3 Priroda rme i opravdanje za njeno postojanje i rad
1.4 Cilj rme
1.5 Maksimiziranje nasuprot zadovoljavanje ciljeva
1.6 Problem sukoba interesa
1.7 Odluivanje pod ogranienjima
1.8 Koncept ekonomskog prota
1.9 Prot u trinom sistemu
1.10 Razliiti pokazatelji ekonomskog prota
1.11 Teorije koje objanjavaju prot
1.12 Ekonomija i odluivanje
1.13 Doprinos kvantitativnih tehnika u menaderskoj ekonomiji
Rezime poglavlja
3
5
6
8
10
12
13
14
15
17
19
20
21
22
24
2. OSNOVNE EKONOMSKE I MATEMATIKE RELACIJE

2.1 Matematike metode izraavanja ekonomskih i poslovnih relacija
2.2 Granina analiza i donoenje odluka
2.3 Praktina primena marginalne analize
2.4 Inkrementalni koncept u ekonomskoj analizi
Rezime poglavlja
Zadaci za vebanje
25
27
31
34
36
38
39
3. MENADERSKE PRIMENE STATISTIKE ANALIZE I ANALIZE

EKONOMSKE ZAVISNOSTI
3.1 Deskripcija i zbirni pregled podataka
3.2 Mere centralne tendencije
3.3 Mere disperzije
3.4 Testiranje hipoteze
43
45
46
51
55
SADRAJ
III
3.5 Regresiona analiza

3.6 Regresione statistike
3.7 Primer ocene tranje
Rezime poglavlja
Pitanja i zadaci za vebanje
59
67
76
80
82
4. TEORIJA I ANALIZA TRANJE I PONUDE

4.1 Denicije i teorijske postavke tranje
4.2 Funkcija i kriva trine tranje
4.3 Pojam i funkcija trine ponude
4.4 Prihodi i funkcija tranje
4.5 Elastinost
4.6 Cenovna elastinost i menadersko odluivanje
Rezime poglavlja
85
87
90
95
98
101
111
112
114
5. POSLOVNO I EKONOMSKO PREDVIANJE

5.1 Kvalitativna analiza
5.2 Analiza vremenskih serija
5.3 Korienje vremenskih serija za predvianje poslovnih ciklusa
5.4 Ekonometrijske metode
5.5 Ocena pouzdanosti predvianja
Rezime poglavlja
Zadaci za vebanje
121
123
126
134
139
142
143
144
6. PROIZVODNJA I ANALIZA TROKOVA

6.1 Funkcija proizvodnje
6.2 Izokvanta proizvodnje
6.3 Granina stopa tehnike supstitucije
6.4 Granini prihod proizvodnosti i optimalna uposlenost
6.5 Prinosi na obim i elastinost nivoa proizvodnje
6.6 Ocena funkcije proizvodnje
6.7 Merenje produktivnosti
6.8 Pojam i vrste trokova
147
149
152
153
154
156
158
158
159
IV
6.9 Kriva kratkoronih trokova

6.10 Kriva dugoronih trokova
6.11 Obim minimalne ekasnosti
6.12 Krive uenja
6.13 Znaaj ekonomije obima
6.14 Analiza trokovi-obim-prot
Rezime poglavlja
Zadaci za vebanje
161
163
166
169
170
172
176
178
7. LINEARNO PROGRAMIRANJE
7.1 Matematiki model linearnog programiranja
7.2 Reavanje problema LP-a grakom metodom
7.3 Reavanje problema LP-a algebarskim postupkom
7.4 Dualni problem
Rezime poglavlja
Zadaci za vebanje
181
184
186
188
191
193
194
8. PRAKSE U POLITICI CENA

8.1 Pojam cene
8.2 Mara u odreivanju cena
8.3 Odreivanje cena principom mari i maksimizacija prota
8.4 Cenovna diskriminacija
8.5 Strategije odreivanje cena za viestruke jedinice kupljenih
proizvoda
8.6 Denisanje cena za vie proizvoda
8.7 Transferno odreivanje cena
8.8 Zanimljivosti u praksama odreivanja cena
Rezime poglavlja
Zadaci za vebanje
197
199
199
206
213
9. ANALIZA RIZIKA I ODLUIVANJE

9.1 Koncept rizika i neizvesnosti
9.2 Opte kategorije rizika
9.3 Koncepti verovatnoa
253
255
256
257
222
227
238
246
247
250
SADRAJ
9.4 Standardni normalni koncept

9.5 Teorija korisnosti i analiza rizika
9.6 Podeavanje valuacionog modela sa rizicima
9.7 Drvo odluivanja i kompjuterska simulacija
9.8 Maksimin i minimaks pravila u odluivanju
9.9 Cena neizvesnosti
9.10 Teorija igara u analizi rizika
Rezime poglavlja
Zadaci za vebanje
261
262
269
272
277
279
280
286
288
10. INFORMATIKA PODRKA U MENADERSKOJ EKONOMIJI

10.1 Uloge menadera u novoj ekonomiji
10.2 Znaaj progresivnih analiza i integrisanih procesa strategijskog
upravljanja preduzeem
10.3 Koje sve oblasti pokrivaju savremeni ERP i BI paketi
10.4 Upravljanje budunou
10.5 Zato su menaderima potrebna moderna informaciona reenja
za donoenje odluka
293
295
Literatura
Prilog
303
304
VI
297
298
299
302
predgovor
Menaderska ekonomija predstavlja veoma interesantan i znaajan deo u poslovanju svake rme. Ona povezuje ekonomske koncepte sa kvantitativnim metodama
u cilju unapreenja donoenja menaderskih odluka. U principu, menaderska ekonomija je primenjena mikroekonomija koja se direktno odnosi na donoenje odluka
od strane menadera. Naime, menaderska ekonomija analizira procese kroz koje
menader koristi ekonomsku teoriju u cilju reavanja kompleknih problema u poslovanju, da bi nakon toga doneo racionalne odluke na nain da unapred odreeni
ciljevi rme budu postignuti.
Iz tih razloga, knjiga je napisana sa ciljem da se studentima i ostalim interesentima najpre prezentiraju osnovni principi mikroekonomije, a zatim da se ukae na koji
nain primena ekonomske teorije, matematiko statistikih metoda, kao i informatikih reenja, moe unaprediti donoenje poslovno ekonomskih odluka.
Knjiga je organizovana na sledei nain:
U prvom poglavlju data su denicijsko pojmovna objanjenja menaderske
ekonomije i njene uloge u donoenju poslovnih odluka.
U drugom poglavlju opisani su fundamentalni principi ekonomske analize.
Te ideje sa odgovarajuim osnovnim ekonomskim relacijama predstavljaju
osnove za opis relacija tranje, trokova i prota.
U treem poglavlju opisane su statistiko-ekonometrijske metode koje predstavljaju snano orue u rukama menadera.
etvrto poglavlje se bavi teorijom i analizom ponude i tranje. Najpre je analizirana tranja, a zatim ponuda, da bi se ukrtajui krive tranje i krive ponude doli do ravnotee, odnosno na nain odreivanja trine cene.
Peto poglavlje se bavi ekonomskim i poslovnim predvianjem. Ono ukljuuje
prognoziranje buduih ekonomskih odnosa i ocenjivanje njihovih efekata na
poslovanje rme.
U estom poglavlju su analizirani proizvodnja i trokovi to, zajedno sa
tranjom i ponudom, predstavlja osnovne oblasti menaderske ekonomije.
Fokus je na onim principa teorije trokova koji su integralni sa nivoima optimalnih cena i proizvedene koliine robe.
PREDGOVOR
Sedmo poglavlje obrauje linearno programiranje kao alat koji se moe koristiti za brzo i lako reavanje realistinih problema u poslovnom odluivanju.
U osmom poglavlju obraeni su standardne prakse u politici cena i ilustrovane su vrednosti istih, kao praktinih naina u odreivanju cena kojima
se maksimizira prot pri irokom spektru uslova koji karakteriu tranju i
trokove.
Deveto poglavlje se bavi analizom rizika i tehnikama teorije igara to je od
velike vanosti za odluivanje jer se mnoge odluke menadera donose u uslovima postojanja rizika i neizvesnosti.
U poslednjem, desetom poglavlju analizirana su informatika reenja
kao podrka u menaderskoj ekonomiji. Primena principa menaderske
ekonomije uz pomo adekvatnih alata e pomoi menaderima da osiguraju
da resursi budu alocirani ekasno unutar rme, a da rma pravilno reaguje
na promene u ekonomskom okruenju.
Udbenik Menaderska ekonomija namenjen je pre svega studentima Univerziteta Singidunum. Knjiga je takoe namenjena strunoj javnosti, odnosno svima koji
imaju interes za problematiku menaderske ekonomije, kao to su menaderi i operativno osoblje koje se bavi odluivanjem, planiranjem, poslovnim prognoziranjem i
upravljanjem rizika u svim vrstama preduzea i poslovnog okruenja.
O
E
D
I
UVOD U MENADERSKU
EKONOMIJU
Knjiga je napisana sa namerom da

ukae na koji nain primena ekonomske teorije i matematiko statistikih
metoda moe unaprediti donoenje
odluka. Menaderska ekonomija povezuje ekonomske koncepte sa kvantitativnim metodama u cilju unapreenja
donoenja menaderskih odluka.
UVOD U MENADERSKU EKONOMIJU
1.1 Tematika knjige

Kod veine prilaza ekonomija se moe podeliti na dve iroke grupe: mikroekonomiju i makroekonomiju. Makroekonomija predstavlja izuavanje ekonomskog sistema kao celine. To obuhvata tehnike analize promena u ukupnoj proizvodnji, ukupnoj
zaposlenosti, indeksu cena na malo, stopi nezaposlenosti, uvozu i izvozu i slinom. U
tim razmatranjima ostaje skriveno nebrojeno mnogo potroakih odluka pojedinanih kupaca, promena u obimu i ritmu proizvodnje roba i usluga pojedinanih rmi,
kao i cena dobara i usluga.
Iako ona svakako privlai veliku panju javnosti i u ii je interesa javnosti, mikrodimenzije ekonomije su esto dominantno vane i predstavljaju neto sa ime se
menaderi susreu svakog radnog dana. Mikroekonomija se fokusira na ponaanje
individualnih inilaca na fazi ekonomisanja (privreivanja), drugim reima, bavi se
rmama i pojedincima i njihovom interakcijama na tritima.
Menaderska ekonomija (ili ekonomija za menadere) se moe smatrati primenjenom mikroekonomijom. To je primena delova mikroekonomije koji se fokusiraju
na teme koje su od najveeg interesa i vanosti za menadere. Ove teme ukljuuju
tranju, proizvodnju, troak, odreivanje cene, strukturu trita i regulativu drave. Dobro shvatanje principa upravljanja ekonomskim ponaanjem rmi i pojedinaca je vaan menaderski talenat. Racionalna primena ovih principa trebala bi da
rezultira u boljim menaderskim odlukama, viim protima i poveanju vrednosti
rme.
Menaderska ekonomija se moe koristiti od strane ciljno orijentisanog menadera na dva naina. Najpre, za neko postojee ekonomsko okruenje, principi
menaderske ekonomije daju okvir za ocenu da li su resursi ekasno alocirani. Na
primer, menader moe odrediti da li prot moe biti povean realociranjem zaposlenih iz marketinkih aktivnosti u proizvodno odeljenje. Drugo, ovi principi pomau menaderu da reaguje na razliite ekonomske signale. Na primer, usled rasta cene
proizvoda ili pojave nove proizvodne tehnologije sa niim trokovima proizvodnje,
odgovarajua menaderska odluka bi bila da se povea proizvodnja. I obratno, poveanje cene inputa, na primer radne snage, moe biti signal da se drugi inputi, naprimer kapital, supstituiu za radnu snagu u proizvodnom procesu, ili e se alternativno
uvesti tehnoloke promene, automatizacija, i sl.
Alati koji su dati u ovom poglavlju e poveati ekasnost odluivanja proirivanjem i izotravanjem analitikog okvira koji koriste menaderi za donoenje poslovnih odluka. Na ovaj nain, usvojeno znanje principa menaderske ekonomije moe
poveati vrednost kako rme tako i menadera1.
1
Njegovih postojeih redovnih nadoknada i bonusa, i onih potencijalnih (u budunosti).
Ovo poglavlje postavlja temelje za razvoj vetina menaderske ekonomije. Najpre,

razmatramo meuzavisnosti i veze izmeu potroaa, rmi i vlasnika resursa u trinoj ekonomiji. Zatim, razmatramo prirodu i ciljeve rmi i vanost prota kao podsticaja za rmu da reaguje na zahteve potroaa za proizvodima i uslugama koje su
rezultat delovanja rme. Nakon toga, navodimo mogunost da vlasnici i menaderi
imaju razliite ciljeve (tzv. problem sukoba interesa2). Na kraju poglavlja razmatra se
uloga ekonomije u odluivanju.
1.2 Kruni tok ekonomskih aktivnosti

Pojedinci i rme su osnovni uesnici u trinoj ekonomiji. Pojedinci poseduju ili
kontroliu resurse koji imaju vrednosti za rme jer su nuni inputi u proizvodnom
procesu. Ovi resursi se, uopteno gledano, klasikuju kao radna snaga, kapital i prirodni resursi. Naravno, postoje mnogi tipovi i klase ovih proizvodnih resursa. Veina
ljudi poseduje radne resurse za prodaju, a dosta ljudi poseduje i kapital i/ili prirodne
resurse koje rentira, pozajmljuje ili prodaje rmama koje e ih koristiti kao inpute u
proizvodnom procesu. Novac koji pojedinac dobija od prodaje ovih resursa se naziva
faktorskim plaanjem. Ovi prihodi pojedinaca se onda koriste za zadovoljavanje njihovih potroakih zahteva za dobrima i uslugama.
Interakcija izmeu pojedinaca i rmi se odvija u dve razliite arene. Najpre, postoji trite proizvoda gde se kupuju i prodaju robe i usluge. Drugo, postoji trite
za faktore proizvodnje na kome se trguje radnom snagom (radom), kapitalom i prirodnim resursima. Ove interakcije su prikazane na Slici 1.1, koja opisuje kruni tok
prihoda, proizvodnje, resursa i faktorskih plaanja u trinoj ekonomiji.
Na tritu proizvoda, prikazanom na vrhu slike, pojedinci trae dobra i usluge u
cilju zadovoljavanja njihovih potroakih elja3. Oni obznanjuju svoju tranju na tritu proizvoda putem iznoenja ponuda za ta (eljena) dobra i usluge. Firme, nestrpljive da zarade novac, odgovaraju na ove tranje snadbevanjem tog trita dobrima
i uslugama. Proizvodna tehnologija rme i trokovi inputa odreuju uslove ponude,
dok preference potroaa i njihovi prihodi (tj. sposobnost da plate) odreuju uslove potranje. Interakcija izmeu ponude i tranje odreuje cenu i koliinu prodatih
dobara i usluga. Na tritu proizvoda, kupovna mo, obino u obliku novca, tee od
potroaa do rmi. U isto vreme, dobra i usluge otiu u suprotnom smeru - od rmi
ka potroaima.
2
3
eng. principal-agent problem ili agency problem.

Potrebno je napraviti razliku izmeu elje i tranje. Osoba moe eleti dobra i usluge ali ih moda ne
moe sebi priutiti. Termin tranja podrazumeva da postoji i elja i sposobnost da se eljeno kupi.
Slika 1-1 Kruni tok ekonomskih aktivnosti

Trite faktora je prikazano na dnu Slike 1.1. Tu su tokovi obratni od onih na
tritu proizvoda. Pojedinci su ponuai na tritu faktora. Oni nude usluge rada,
kapital i prirodne resurse rmama koje ih trae da bi proizvele dobra i usluge. Firme
iskazuju snagu svoje elje za tim inputima putem davanja ponuda za njima na tritu.
Tok novca ide od rmi do pojedinaca, a faktori proizvodnje idu od pojedinaca do
rmi. Cene ovih proizvodnih faktora su postavljene na ovom tritu. Cene i proti
slue kao signali za regulisanje tokova novca i resursa kroz trite faktora, i tokova
novca i dobara kroz trite proizvoda.
U trinoj ekonomiji opisanoj preko krunog kretanja, pojedinci i rme su visoko
meuzavisni; svaki uesnik treba one druge. Na primer, rad pojedinca nee imati
vrednost na tritu sem ukoliko ne postoji rma koja je voljna da plati za njega. Slino, rma ne moe opravdati proizvodnju ukoliko nema kupaca koji ele da kupe
njene proizvode. Kao rezultat svega ovoga, svi uesnici imaju podsticaj da pruaju
ono to drugi ele. Svi uestvuju voljno jer e time ostvariti neku korist. Firme stiu
prote, tranja za potronjom od strane pojedinaca je zadovoljena, a vlasnici resursa
dobijaju nadnice, rente i kamate. Ukoliko neko ne bi imao koristi pri prodaji i kupovini na tritu, on to ne mora ni da uradi. Otuda, treba biti siguran da niko nee raditi
na sopstvenu tetu na ovim tritima faktora i proizvoda. Zaista, koristi koje nastaju
za pojedinane uesnike predstavljaju sutinu i pokretae trine ekonomije.
1.3 Priroda firme i opravdanje za njeno postojanje i rad

U cilju sticanja prota, rma organizuje faktore proizvodnje radi proizvodnje dobara i usluga koje zadovoljavaju tranje pojedinanih potroaa i ostalih rmi. Koncept rme ima kljunu ulogu u teoriji i praksi menaderske ekonomije. Iz tog razloga,
znaajan deo ove knjige je koncentrisan na proizvodnju, troak, i organizaciju rmi
na tritima. Ove teme su osnova za ono to se naziva teorija rmi. Razumevanje
razloga za postojanje rmi, njihove specine uloge u ekonomiji, i njihovih ciljeva
daje pozadinu nadgradnje ove teorije.
U ekonomijama slobodnog trita, organizovanje i interakcije proizvoaa (tj.
rmi) i potroaa se ostvaruje preko cenovnog sistema. Ne postoji potreba za centralizovanim upravljanjem od strane drave, niti je takvo centralizovano upravljanje
ili planiranje poeljno. Unutar rme, ipak, transakcije i organizovanje proizvodnih
faktora se generalno ostvaruje preko centralnog upravljanja od strane jednog ili vie
menadera. Na primer, radnici su skoro potpuno podreeni menadmentu tokom
svog radnog vremena. Na ovaj nain, postoji oigledna dihotomija u organizovanju
proizvodnje u trinoj privredi. Cenovni sistem upravlja decentralizovanim interakcijama izmeu potroaa i rmi, dok centralno planiranje i upravljanje tee da
upravljaju interakcijama unutra rme. Ovo nas navodi na pitanje Zato proizvodni
sistem nije u potpunosti voen cenovnim signalima? Drugim reima, zato rme
postoje u trinoj ekonomiji?
U sutini, rme postoje kao organizacije jer je ukupan troak proizvodnje bilo
kojeg obima proizvoda (roba i usluga) nii nego u sluaju da rma ne postoji. Postoji nekoliko razloga zato su ovi trokovi nii. Najpre, postoji troak pri korienju
cenovnog sistema za organizovanje proizvodnje. Troak pribavljanja informacija o
cenama i troak pregovaranja i zakljuivanja odvojenih ugovora za svaki korak proizvodnog procesa bi bio veoma zamoran. Firme esto unajmljuju radnu snagu na
due vremenske periode u okviru sporazuma u kojima se navode samo nivoi satnica
ili dnevnica koje e biti isplaene za ono to se od radnika zatrai da uradi. Tojest,
opti ugovor pokriva ono to e obino biti veliki broj transakcija izmeu vlasnika
(rme) i radnika. Dve strane ne moraju da dogovaraju novi ugovor svaki put kada
se radniku dodeli novo zaduenje. Uteda transakcionih trokova povezanih sa ovakvim dogovaranjem je korisna za obe strane, i zato i radnici i menadment voljno
tee ovakvim aranmanima.
Drugo objanjenje za postojanje rmi je da se neki uplivi drave odnose na transakcije meu rmama a ne na one unutar same rme. Na primer, porez na promet
se obino primenjuje samo na transakcije izmeu jedne rme sa drugom. U nekim
dravama, neka graevinska kompanija, na primer, treba da plati porez na promet
na ormare koje je nabavila od nezavisnog proizvoaa istih. Ukoliko bi unajmila tu
osobu (zaposlila je), ovaj porez bi se izbegao a time smanjili trokovi proizvodnje.
8
Internalizovanjem nekih transakcija unutar rme koje bi inae bile podlone ovim
uplivima, proizvodni trokovi se smanjuju. Ipak, poto je ovo faktor od sekundarne
vanosti, rme bi mogle da opstaju i pored tih upliva, ali bi njihovo eliminisanje svakako doprinosilo postojanju veeg broja kao i po veliini veih rmi.
Kako se proizvodni trokovi smanjuju organizovanjem proizvodnih faktora u rmama, zato se ovaj procec ne bi nastavio sve dok ne bi postojala samo jedna jedina,
velika rma, poput gigantskog Deneral Motorsa ili Eksona koja bi proizvodila sva
dobra i usluge za itavu privredu? Postoje barem dva razloga zato ne bi. Prvi, trokovi organizovanja transakcija unutar rme tee da rastu kako rma postaje vea.
Logika nalae da e rma internalizovati najpre transakcije sa niim trokovima, a
tek zatim trokove sa veim trokovima. U nekoj taki, ovi trokovi internih transakcija e se izjednaiti sa trokovima transakcija na tritu. U toj taki, rma e prestati
da raste. Na primer, svi autoproizvoai na svetu kupuju gume od kompanija koje su
specijalizovane u proizvodnji proizvoda od gume.
Naravno, Ford i Deneral Motors su verovatno razmatrali izgradnju fabrika za
proizodnju njihovih sopstvenih guma. Moe se zakljuiti da su trokovi razvoja novih menaderskih vetina potrebnih za tako razliit tip proizvodnje, i tekoe upravljanja sve sloenijim poslovanjem, verovatno bili vei od trokova nastavka prakse
kupovine guma od Goodyeara, Michelina ili ostalih proizvoaa guma. Drugi primer
su pravne usluge. Male rme ih pribavljaju spolja jer ih ne trebaju stalno dok vee
angauju stalno zaposlene pravnike.
Drugi inilac koji ograniava veliinu rmi je ogranienost organizacionih vetina
preduzetnika. Resursi unutar kompanije nee biti ekasno alocirani ukoliko veliina
rme premai sposobnosti menadera da upravlja poslovanjem. Da bi se reio ovaj
problem, mnoge velike rme su organizovane u grupe odeljenja/lijala koje se oznaavaju kao protni centri. Menadment svakog od ovih cenatra tei maksimiziranju
prota svog odeljenja. Imajui u sebi vei broj manjih (pod)organizacija, pri emu se
svaka od njih upravljanja u nekoj meri nezavisno, problem ograniene sposobnosti
upravljanja velikom rmom je barem delom reen.
Oba ova razloga za ogranienje veliine rme spadaju pod kapu onoga to ekonomisti nazivaju umanjivanje povraaja za menadment kompanije. Drugim reima,
proizvodni trokovi po jedinici proizvoda e teiti rastu kako rma postaje vea,
usled ograniene menaderske sposobnosti. Treba istai da mnoge velike rme uoavaju ovaj problem prekomerne veliine i decentralizuju se ustanovljavanjem brojnih
odvojenih odeljenja ili protnih centara koji deluju kao pojedinane rme (erke).
1.4 Cilj firme

Ova knjiga pristupa mikroekonomiji sa stanovita ekasnog menadmenta nekog
biznisa ili organizacije. Da bi se razmatralo ekasno ili optimalno odluivanje nuno je da budu ustanovljeni cilj(evi). Tojest, menaderska odluka moe biti vrednovana samo prema cilju kojeg rma pokuava da ostvari. Tradicionalno, ekonomisti
predpostavljaju da je cilj rme maksimiziranje prota. Tojest, pretpostavlja se da
menaderi dosledno donose odluke u cilju maksimiziranja prota. Ali prota u kom
periodu? Ove godine? Narednih 5 godina? esto, da se primetiti da menaderi donose odluke kojima se smanjuje prot u tekuoj godini u cilju da poveaju prote u
narednim godinama. Izdaci za istraivanje i razvoj, novu kapitalnu opremu, kao i za
velike marketinke programe su samo neki primeri aktivnosti koje smanjuju prote
na poetku ali znaajno poveavaju prote u kasnijim godinama.
Kako su vani i tekui i budui proti, pretpostavlja se da je cilj maksimiziranje
sadanje ili diskontovane vrednosti svih buduih prota. Formalno predstavljeno,
cilj ili funkcija cilja za rmu je da sadanja vrednost svih buduih prihoda dostigne
maksimum, tj.
max: PV S
S1
S2
Sn

2 "
1 r 1 r
1 r n
(1.1)
gde je t prot u vremenskom periodu t, a r je odgovarajua diskontna stopa koja

se koristi za svoenje (tj. smanjivanje) buduih prota na njihovu sadanju vrednost.
Ukoliko se koristi grko slovo da se oznai da se svaki lan sa desne strane jednaine zbraja objedinjeno, funkcija cilja se moe napisati i kao
max: PV S
Si
1 r
i 1
S obzirom da su proti t jednaki ukupnim prihodima (TR) minus ukupni trokovi (TC), jednaina 1.1. se moe napisati kao:
PV S
10
TR i TC i
1 r i
1
(1.2)
Primer .
Menaderi rme ABC doo su u poziciji da organizuju proizvodnju Q na nain
koji e generisati sledee tokove neto prihoda, gde Si,j predstavlja i-ti proizvodni proces u j-tom periodu proizvodnje.
S1,1 =100 n.j.: S1,2 =330 n.j.
S2,1 =300 n.j.: S2,2 =121 n.j.
na primer, S1,2 =330 n.j. ukazuje da neto prihod iz proizvodnog procesa 1 u periodu 2 iznosi 330 n.j. (novanih jedinica). Ako se pretpostavi da je diskontna stopa u
oba proizvodna perioda 10%, koji od ova dva toka neto prihoda generie vei prot
za rmu?
Reenje: Pretpostavlja se da su oba toka prota u funkciji nivoa autputa proizvodnje i da predstavljaju rezultate alternativnih planova proizvodnje. Treba uoiti
da, iako prvi tok prota izgleda poeljniji od drugog, s obzirom da donosi 9 n.j. vie
prota u dva perioda, izraunavanjem sadanje vrednosti (PV) se otkriva da je ustvari drugi S tok poeljniji od prvog. Naime:
PV S1
Si
1 r
i 1
PV S2
Si
1 r
i 1
100 330

1,1 (1,1)2
363,64
300 121

1,1 (1,1)2
372,73
Sadanja vrednost svih buduih prota takoe moe biti protumaena kao vrednost rme, tj., onoliko koliko bi kupac eleo da plati za rmu. Na ovaj nain, maksimiziranje diskontovanih vrednosti svih buduih prota je ekvivalentno maksimiziranju vrednosti rme. Pojam maksimiziranje prota i maksimiziranje vrednosti e se
naizmenino koristiti u ostatku knjige.
Veina velikih rmi u trinim ekonomijama su korporacije u kojima je vlasnitvo rasporeeno doslovno meu hiljadama pojedinaca, od kojih svaki ima sopstvene
akcije koje predstavljaju vlasnitvo. Ovi vlasnici biraju upravni odbor - tzv. bordove
direktora, koji onda unajmljuju izvrne rukovodioce koji upravljaju rmom. Sada se
esto moe uti da pri odluivanju ovi menaderi koriste smernice maksimiziranja
vrednosti za akcionare. To je prosto drugi nain iskazivanja cilja maksimiziranja prota.
11
1.5 Maksimiziranje nasuprot zadovoljavanju ciljeva

Razmotrimo kontroverzu koja nastaje oko realnosti ovog pretpostavljenog cilja
menadera. Zagovornici alternativne teorije rme tvrde da ponaanje menadera u
stvarnom svetu nije uvek u skladu sa ciljem maksimiziranja prota. Naime, drugi
ciljevi se smatraju barem poednako vanim. Meu alternativama koje su identikovane su maksimiziranje ukupnih prihoda, maksimiziranje zadravanja postojee
zaposlenosti i budeta pojedinanih odeljenja, maksimiziranje plata rukovodilaca,
postizanje zadovoljavajuih nivoa prota, maksimiziranje funkcije korisnosti pojedinanog menadera kao i maksimiziranje trinog udela podlonog uslovu zadovoljavajueg prota. I zaista, postoji itava grana strune literature koja se bavi temom
zadovoljavanja a ne maksimiziranja menadment ciljeva.
Neki kritiari pretpostavke maksimiziranja prota tvrde da je ona nerealna jer
menaderi moraju da rade u okruenju koje karakterie neadekvatna informisanost
i neizvesnost oko ishoda bilo koje strategije koju mogu da usvoje. Stoga, prosto je
stvar stvarnosti, da je zapravo nemogue maksimizirati prot. Ekonomist Fritz Machlup4 je odgovorio na ovaj kriticizam uporeivanjem upravljanja nekom rmom
sa upravljanjem automobilom. Tako bi, da bi se kompletno analizirala situacija preticanja automobila ispred sebe, bila potrebna pomo kompjutera i nekoliko radnih
dana!
Naravno, obini voza donosi intuitivne ocene uslova vonje i u roku od nekoliko
sekundi ili manje donosi odluku. Skoro sve vreme, to e biti ispravna odluka. Fritz
Machlup obrazlae da menaderi tee maksimiziranju prota i jednostavno reaguju
intuitivno na skup okolnosti koje karakterie nepotpuna informacija i neizvesnost,
na isti nain kao i u sluaju voaa automobila. Na ovaj nain, iako mogu postojati
dodatne informacije koje e dovesti do jo veeg prota, menaderi pokuavaju da
stvore najvei mogui prot za date raspoloive informacije.
Iako neki menaderi mogu imati druge ciljeve, veina kritika koje se odnose na
pretpostavku maksimiziranja prota moe se smatrati irelevantnom. Ekonomija je
manje zainteresovana za to kako neki menaderi zapravo reaguju negoli za razumevanje ekonomskog okruenja u kome menaderi moraju da funkcioniu i, ono to je
vanije, za razvijanje okvira za predvianje menaderskih reakcija na vane promene
u tom okruenju.
U ovom kontekstu, Machlup trvrdi da je beskorisno baviti se time kako se menaderi u stvarnom svetu uistinu ponaaju i koji su njihovi pravi ciljevi. Esencijalno
pitanje je: Ukoliko pretpostavljamo da rme tee maksimiziranju prota, hoe li
principi ekonomije izvedeni iz te funkcije cilja objanjavati ponaanje rmi iz stvarnog sveta? Ukoliko je odgovor na ovo potvrdan, nije bitno ukoliko pretpostavljeni
4
12
F.Machlup, Theories of the Firm: Marginalist, Behavioral, managerial, American Economic Review
57, no.1 (1967): strane 1-33.
cilj nije u potpunosti realan. Na primer, pretpostavimo da postoje dve rme, A i B,

koje su identine sem u jednom pogledu: Menader rme A radi 16 sati dnevno, 7
dana u nedelji dok menader rme B radi samo 4 sata dnevno i odlazi iz kancelarije nedugo nakon ruka, da bi igrao golf. Zahvaljujui zalaganju menadera iz A,
mogue je da e proti rme A biti vei od rme B, ali razlika u zalaganju pri radu i
njegovih efekata na prot nisu isto. Fundamentalno pitanje je: Hoe li menaderi obe
rme reagovati na isti nain na promene u ekonomskim uslovima? Ukoliko cena njihovih proizvoda porastu, hoe li obojica da koriste strategiju maksimiziranja prota
poveavanjem obima proizvodnje? Menader A moe reagovati prvi, jer je na poslu
sve vreme, ali bi reakcija trebalo da bude ista kod obe rme.
Veina ekonomista se slae da principi menaderske mikroekonomije ne omoguavaju uistinu precizno predvianje menaderskih odluka, i da maksimiziranje
prota daje korisnu pretpostavku u ovom kontekstu. Zaista, nijedna teorija jo nije
dovoljno utemeljena sem modela zasnovanih na maksimiziranju prota. Na ovaj nain, u ovoj knjizi e se pretpostavljati da je cilj rme da maksimizira prot ili, drugim
reima iskazano, da maksimizira vrednost rme.
1.6 Problem sukoba interesa

U savremenim korporacijama, vlasnici ili akcionari (tj. tzv. principali) unajmljuju
menadere (tj. agente-zastupnike) da vode svakodnevno poslovanje rme. Ovi menaderi su plaeni putem plata, da zastupaju interese vlasnika, prividno, u smislu
maksimiziranja vrednosti rme. Upravni odbor izabran od strane vlasnika se redovno susree sa menaderima da bi nadgledao njihove aktivnosti i pokuao da osigura
da menaderi, uistinu, deluju u najboljem interesu vlasnika.
Usled tekoa nadgledanja menadera na stalnoj osnovi, mogue je da se sprovode ciljevi koji su drugaiji od maksimiziranja prota. Pored onih gorepomenutih,
menaderi mogu teiti poboljanju svojih pozicija troenjem korporacijskih sredstava na moderne kancelarije, skupa i dugotrajna putovanja, lanstvo u klubovima
i slino. U skorije vreme, mnoge korporacije su preduzele mere da usklade interese
vlasnika sa interesima menadera vezivajui veliki deo menaderskih nadoknada sa
nansijskim performansama rme.
Na primer, menaderu se moe davati neka polazna plata uveana za potencijalno
veliki bonus za ispunjenje ovih ciljeva, u vidu postizanja nekog specinog povraaja kapitala, rasta zarada, i/ili poveanja cene akcija rme. U pogledu na poslednje,
upotreba akcijskih paketa kojima se nagrauje najvii menadment je najefektniji
nain da se osigura da menaderi deluju u interesu akcionara. Obino se aranmanom obezbeuje da menader dobija opciju da tokom odreenog broja godina kupuje neki broj obinih akcija po postojeoj trinoj ceni tzv. stock option. Jedini
13
nain da menaderi izvuku korist iz ovakvog aranmana je da ceba akcija poraste

znaajnije tokom pomenutog perioda godina. Opcija se izvrava kupovanjem akcija
po speciciranoj ceni, a dobit je jednaka porastu cene akcija pomnoenog brojem
kupljenih akcija. Ponekad aranman navodi i da akcije moraju biti zadrane nekoliko
godina nakon kupovine.
Sutinski, ovakav aranman sa opcijom ini menadera de facto vlasnikom, ak i
ukoliko se opcija ne iskoristi. U skoro svakom sluaju izvetaja o neobino velikim
nadohnadama koji su dobili rukovodioci, najvei deo nadohnade otpada na dobit iz
tzv. stock opcija.
Razmotrimo sledei primer. Petar je angaovan kao predsednik rme sa godinjom platom od 50.000 sa 5-odinjom opcijom da kupi 100.000 akcija po postojeoj
trinoj ceni od 5 po akciji. Pretpostavimo da u toku 5 godina cena naraste na 7,5.
Petar iskoriava opciju i kupuje svih 100.000 akcija za 500.000, a one imaju trinu
vrednost od 750.000. U trenutku kada je iskoristio opciju, Petar je na dobitku 250.000
(dodatna nadohnada za njegov rad). Ipak, ukoliko cena akcija ostane ista ili opadne,
ova opcija nee imati vrednost za Petra.
1.7 Odluivanje pod ogranienjima

Sutina nauke o ekonomiji je da odredi optimalno ponaanje u sluajevima kada
je takvo ponaanje podlono ogranienjima. Maksimizacija prota je ograniena
limitiranom informisanou menadera. Generalno, ogranienja u menaderskim
odlukama ukljuuju zakonska, moralna, ugovorna, nansijska i tehnoloka pitanja.
Zakonska ogranienja ukljuuju niz dravnih i lokalnih zakona i propisa kojih se moraju pridravati svi graani, kako pojedinci tako i koorporacije. Podruja u kojima
menaderi mogu da imaju tekoe sa zakonom obuhvataju pitanja zatite prirodne
sredine, posebno u vezi zagaenja, zatim tu su propisi u vezi zapoljavanja, nezakonitih otkaza i zlostavljanje na poslu. Moralna ogranienja se odnose na aktivnosti koje nisu nezakonita ali nisu u skladu sa opte prihvaenim normama ponaanja
te se smatraju neprikladnim. Ugovorna ogranienja vezuju rmu na osnovu ranijeg
ugovora o npr. iznajmljivanju ili lizingu, ili ugovora sa sindikatima koji predstavljaju
zaposlene u rmi.
Najzad, postoje nansijska i tehnoloka ogranienja. Primer nansijskig ogranienja je kada menaderi imaju zadatak da maksimiziraju proizvodnju kako bi ispunili
zadati budet. Tehnoloka su isto tako oigledna jer obim proizvodnje u nekom vremenskom intervalu na primer direktno zavisi od kapaciteta maina i/ili radnika. Kao
to e se pokazati u narednim poglavljima, donoenje optimalnih odluka pod nansijskim ili tehnolokim ogranienjima predstavlja fundamentalni deo menaderske
ekonomije.
14
1.8 Koncept ekonomskog profita

Poto smo odredili da je cilj rme da maksimizira prot, nuno je denisati pojam
prota. Konvencionalni pojam prota je relativno prost. Prot se denie kao prihod
umanjen za trokove (rashode). Ipak, denicija troka je sasvim razliita za ekonomistu i raunovou. Zamislimo da smo zavrili fakultet za menadment i da imamo
20.000 evra te razmiljamo da uloimo u neki biznis, napr. prodavnicu. Projektovani
bilans prihoda (raunovodstveni oblik) za godinu je npr:
Prodaja
10.000
Umanjeno za: Troak prodatih dobara
4.000
Bruto prot
Umanjeno za: Reklamiranje
Amortizacija
6.000
1.000
1.000
Usluge
250
Porez na imovinu
200
Ostali izdaci
550
Neto raunovodstveni prot
3.000
3.000
Ovaj raunovodstveni ili poslovni prot je ono to se prikazuje u publikacijama

poput naeg Ekonomista, Wall Street Journal i slinih publikacija, i u kvartalnim
ili godinjim nansijskim izvetajima o poslovanju. On je smislen koncept onoliko
koliko zadire u sutinu meutim, ne ide dovoljno u sr. Pored toga, upotreba ovog
koncepta moe dovesti do pogrenih odluka.
Ekonomista uoava i druge trokove, koji se deniu kao implicitni trokovi. Ovi
trokovi se ne odraavaju u tokovima novca, ali su trokovi povezani sa proputenim mogunostima. Oni ne ulaze u raunovodstvene izvetaje ali se moraju ukljuiti
u bilo koji razuman okvir odluivanja. Postoje dva vana implicitna troka u ovom
naem primeru. Najpre, vlasnik ima 20.000 investiranih u posao. Pretpostavimo da
je najbolja alternativna upotreba ovog novca bankarski raun za koji banka plaa 5%
godinje kamate. Iz toga, povraaj na 20.000 evra bi bio 1.000 evra godinje. Zato,
1.000 evra treba smatrati implicitnim ili oportunitetnim trokom investiranja 20.000
evra u prodavnicu.
15
Drugi implicitni troak ukljuuje menaderevo vreme i talenat. Godinja plata nekoga sa diplomom menadera sa nekog dobrog fakulteta moe biti 12.000 evra. Ovo
je implicitni troak upravljanja ovim biznisom (prodavnicom) umesto da se radi na
nekom drugom mestu. Zato bilans prihoda treba izmeniti da bi se dobio ekonomski
prot.
Sa ove ire perspektive, na biznis e prema projekcijama da izgubi 10.000 evra u
prvoj godini rada. Raunovodstveni prot od 2.000 evra nestaje kada se ukljue svi
relevantni trokovi. Oigledno, sa nansijskim informacijama prikazanim na ovaj
nain, mogla bi se doneti sasvim drugaija odluka da li uopte ulaziti u projekat otvaranja prodavnice. Drugi nain sagledavanja ovog problema je da se pretpostavi da
se mora pozajmiti 20.000 evra od banke po kamati do 5% godinje, a da je potrebno
platiti i menadera prodavnice koji bi vodio kompletne poslove oko nje sa godinjom
platom od 12.000 evra. U ovom sluaju, implicitni trokovi postaju eksplicitni, a raunovodstveni prot je isti kao i ekonomski (tj. -10.000 evra) jer se svi trokovi, kako
eksplicitni tako i implicitni, uzimaju u obzir. Veina donosioca odluka je svesna ovog
koncepta.
Prodaja
10.000
Umanjeno za: Troak prodatih dobara
4.000
Bruto prot
6.000
Umanjeno za: Eksplicitni trokovi:

Reklamiranje
1.000
Amortizacija
1.000
Usluge
250
Porez na imovinu
200
Ostali izdaci
550
Neto raunovodstveni prot

(tj.prot pre implicitnih trokova)
3.000
3.000
Umanjeno za: Implicitne trokove:

Povraaj na 20.000 evra investiranog kapitala
Proputena plata
Neto ekonomski prot
16
1.000
12.000
13.000
(10.000)
Vano pitanje koje treba istai u ovoj diskusiji je to da se potpuno drugaiji signal
moe poslati menadmentu u sluaju da se koristi ovaj koncept ekonomskog prota.
Ponekad se rad ekonomski neprotabilnog biznisa nastavlja jer se ne implicitni trokovi ne razmatraju na pravilan nain. Racionalno odluivanje zahteva da se prepoznaju svi relevantni trokovi, kako eksplicitni tako i implicitni. Koncept ekonomskog
prota obuhvata sve trokove i stoga je korisniji alat za menadment negoli uobiajeno denisan koncept raunovodstvenog prota. U narednim poglavljima koristie se
ekonomska denicija prota, a termin trokovi e ukljuivati sve relevantne trokove,
kako eksplicitne tako i implicitne.
1.9 Profit u trinom sistemu

Osim za one koji su spremni da volonterski rade, na nekoj dobrotvornoj osnovi,
svi koji doprinose proizvodnji dobara i usluga oekuju da budu plaeni za to. Svakoga radnoga dana mnogi ljudi voljno provode oko polovine svog budnog vremena
na radu za koji dobijaju nadoknade. Oni koji poseduju zemlju i graevine e pustiti
druge da koriste njihove resurse dok god im za to plaaju rente. Vlasnici nansijskih
resursa nude svoj novac a zauzvrat dobijaju korist koja se ogleda u kamatama.
Od ukupnih prihoda koji se stvore u SAD-a svake godine, oko 73% je u obliku
nadoknada za rad- plata, honorara i slinog. Rente dostiu oko 2% a kamate oko 10%.
Prot, iako predstavlja samo 15% nacionalog prihoda, igra dve kritino bitne uloge u
funkcionisanju ekonomskog sistema. Najpre, prot deluje kao signal za proizvoae
da menjaju obim proizvodnje, ili da uu ili napuste neku granu i delatnost. Drugo,
prot je nagrada koja ohrabruje preduzetnike da organizuju faktore proizvodnje i
preuzmu rizike.
Visoki proti u nekoj delatnosti su obino signal da kupci ele veu proizvodnju
u njoj. Ovi proti daju podsticaj za postojee rme da poveaju proizvodnju kao i za
nove rme da uu u to trite. Obratno, niski proti su signal da se trai manja proizvodnja od strane potroaa i/ili da proizvodne metode nisu ekasne. Kada se tranja
za proizvodnjom smanjuje, rme smanjuju proizvodnju tog proizvoda, a resursi su
onda raspoloivi za proizvodnju drugih dobara ili usluga za koje se tranja poveava.
Ukoliko su niski proti pokazatelji neekasnosti u proizvodnji, a ne neodgovarajue
potranje, menadmentu se daje signal da reorganizuje proizvodne procese ili na
drugi nain smanji trokove.
Izgleda da je jasno da je prot cilj za veinu menadera i preduzetnika. Iako joj se
ponekad pripisuje pohlepa, gramzivost, ili otvoreno krenje zakona, elja za protom
pokree trinu ekonomiju. Ova potraga za protom nije nita sebinija negoli je to
potraga za boljim platama. Prot je preostali prihod koji ostaje nakon namirenja tj.
isplate ostalih uesnika u proizvodnji. Prodavci rada (radnici) ele da dobiju svoje
17
plate i pre nego to se krajnja dobra i usluge prodaju potroaima. Generalno, oni ne
ele da dele rizik (prodaje na tritu). Zato, nije iznenaujue da preduzetnik nee
ulagati vreme i resurse na riskantne aktivnosti sem ukoliko nema izgleda za protom.
Jedna od funkcija prota je da nagradi preduzetnike za prihvatanje rizika povezanog
sa njihovim poslovnim odlukama. Praktino sve poslovne odluke nose rizik da novac
moe biti izgubljen. Jasno, ukoliko postoji ansa za gubitkom, mora postojati i ansa
za dobitkom u obliku prota; u suprotnom, takvi rizici se ne bi preduzimali, barem
ne od razumnih ljudi.
Odreene rme izgleda da su u stanju da stiu nadprosene prote i to kontinuirano. U nekim sluajevima, one su neprekidno inovativne u razvoju novih proizvoda,
u smanjivanju proizvodnih trokova ili unapreivanju izvanredno dobrog usluivanja korisnika. Iako druge rme mogu slediti njihovo liderstvo i kopirati bilo koji novi
proizvod ili oponaati prednosti produkcionih trokova, tokom vremena istinski inovativna rma e osmiljavati nove i nove proizvode i proizvodne tehnologije, ime
odrava svoje nadprosene protne performanse. U takvim sluajevima, prot igra
korisnu drutvenu funkciju; on ohrabruje rme da smiljaju nove proizvode, da smanjuju proizvodne trokove i pruaju bolje usluge.
U drugim sluajevima, rme mogu zaraditi nadprosene prote jer imaju monopolsku snagu na tritu. Tojest, druge rme su spreene da ponude za prodaju isti
proizvod ili uslugu, to rmi omoguava da odrava visoku cenu i prote. Primer za
ovo je uveni proizvoa kontaktnih soiva za oi ameriki Bau&Lomb. Kada je
dobio odobrenje za prodaju mekih soiva, on je nekoliko godina bio jedini ponua
istih. Cene soiva su bile veoma visoke, a i proti takoe. Nakon nekoliko godina,
kada su se pojavili i drugi proizvoai mekih soiva, cene i proti su opali.
U sluajevima poput ovoga, nadproseni prot nije drutveno koristan. I zaista,
rma sa monopolskom moi nema toliko podsticaja da sniava cene i proizvodne
trokove, da razvija nove proizvode ili prua dobre usluge korisnicima, u odnosu na
rmu koja je u veoma konkurentnoj delatnosti. Ipak, u nekim delatnostima, najnie
trokove proizvodnje mogue je postii tako to e na tritu postojati samo jedna
rma. Primer za ovo je proizvodnja i distribucija elektrine energije. U zemljama
gde postoji liberalizovano trite, ono ipak deluje po principu regionalnih monopola,
koji imaju takve sporazume sa dravom, kojima se osigurava razumna cena i sticanje samo fer nivoa prota. Na ovaj nain, postiu se prednosti niskih proizvodnih
trokova bez ostvarivanja nadprosenih prota koji prate monopol. Ovo je prirodna
situacija uslovljena tehnoloko-infrastrukturnim okolnostima.
Neki kritiari kapitalistikog sistema tvrde da je prot neto malo vie od neoekivanog dobitka koji se na sluajana nain dodeljuje odreenim ljudima. Poto je
takav, on po miljenju tih kritiara treba da bude oporezovan jer je nezaraen. Ipak,
ak i da su u pravu da prot predstavlja samo neoekivani dobitak, koji je pao sa
neba, sistem slobodnog preduzetnitva ne moe da funkcionie bez njega. Drugim
reima, niko ne bi igrao utakmicu na tritu (tj. investirao u biznis) ukoliko ne bi
postojala ansa osvajanja nagrade u obliku prota.
18
Na tritu koga karakterie nadmetanje velikog broja rmi jedne protiv drugih,
nadproseni proti daju vane signale, ali nije verovatno da e oni uspeti da se odre
dugo vremena. Drugim reima, rme koje su ve prisutne na tritu reaguju na vie
prote tako to e poveavati proizvodnju, a nove rme e imati podsticaj da uu
na to trite. Rezultat e biti poveana ponuda proizvoda, nie cene i na kraju nii
proti. Ovo rezultira u tome da, na konkurentnom tritu, nivoi prota daju vane
signale, ali da su u odreenoj meri prolazni.
1.10 Razliiti pokazatelji ekonomskog profita

Pored ekonomskog prota (koji se ponekad u literaturi naziva i biznis protom)
postoje i drugi oblici iskazivanja prota. Ekonomski prot se esto meri u novanim
jedinicama ili kao procentualni udeo prihoda od prodaje i tada se naziva protna margina (ili protna mara) = (neto prihod)/(prodaja). Ekonomski koncept
normalne stope prota se obino ocenjuje pomou ostvarene stope povraaja na
vlasniki kapital (ROE). ROE se denie kao neto prihod podeljen sa knjigovodstvenom vrednou rme. U vremenima stabilnog privrednog rasta i ekonomskog
prosperiteta, ROE za svetske gigante iznosi od 15 do 25% godinje.
Ipak, ROE od oko 10% se moe smatrati tipinom ili normalnom stopom povraaja
u EU, SAD i Kanadi, dok kompanija poput Koka-Kole redovno prevazilazi i 35%
godinje. Meutim, stope prota koje se iskazuju esto ne iskazuju stvarno stanje.
Jedan od uzroka za to je sluajno ili namerno izostavljanje rizika, iskrivljeno predstavljanje stavki u bilansima kao i loe raunovodstvene prakse. Na primer, postojea
raunovodstvena praksa u SAD-a esto ne uspeva da obuhvati izdatke za oglaavanje
ili istraivanje i razvoj kao nematerijalne investicije sa dugoronim koristima koje e
se odraziti i na dobit. Poto se oglaavanje i istraivanje i razvoj odmah svode pod
izdatke a ne u obliku kapitalnih ulaganja koja bi se otpisivala tokom njihovog veka
upotrebljivosti, kod nekih kompanija se nematerijalna sredstva mogu sveobuhvatnije posmatrati. Tako, bilansi Koka-Kole ne odraavaju ogromne sume novca koje
su ranije utroene na odravanje brenda Koka-Kola. Usled toga, stope ekonomskog
prota za Koka-Kolu precenjeno prikazuju stvarne ekonomske performanse te kompanije.
ak i nakon uzimanja u obzir pitanja ispravki i modikacija usled rizika efekata raunovodstvene greke i pristrasnosti, i dalje e postojati znaajne razlike u ROE meu
razliitim rmama. Da bi se razumele ove razlike u protnim stopama u stvarnom
svetu, potrebno je ukratko pomenuti teorije koje objanjavaju varijacije prota.
19
1.11 Teorije koje objanjavaju profit

1.11.1 Frikciona teorija ekonomskog prota
Jedno od objanjenja ekonomskih prota ili gubitaka daje teorija frikcionih prota. Ona navodi da su trita ponekad u neravnotei usled nepredvienih promena
u okolnostima koje prate tranju ili trokove. Nepredvieni okovi dovode do nastanka pozitivnih ili negativnih ekonomskih prota za neke rme. Na primer, bankarski
automati (ATM-ovi) omoguavaju klijentima nansijskih institucija da na lak nain
dou do gotovine, uplate depozite i izvedu otplate rata kredita. Bankarski automati
su zamenili dosta funkcija koje su se pre njih izvodile u lijalama banaka i pospeili
su tekuu konsolidaciju u bankarskoj delatnosti. Slino ovom, korisniki orjentisan
softver je poveao tranju za PC raunarima i snano pojaao prote ekasnim proizvoaima PC raunara i opreme. Obratan sluaj je u primeru kada je porast upotrebe plastike i aluminijuma u automobilskoj industriji snizio prote proizvoaima
elika. Tokom vremena, osim u sluaju nepremostivih prepreka za ulazak ili izlazak
u neku delatnost, resursi teku u ili van nansisjkih istitucija, proizvoaa kompjutera i proizvoaa elika, ime se stope povraaja vraaju na normalne nivoe. Tokom
perioda izmeu ravnotee i normalnih prota, proti mogu biti iznad ili ispod normalnih nivoa usled frikcionih faktora koji spreavaju momentalno prilagoavanje na
nove trine uslove.
1.11.2 Monopolska teorija ekonomskih prota
Kao pokuaj dodatnog objanjenja nadprosenih prota, monopolska teorija
prota je proirenje frikcione teorije prota. Ova teorija navodi da su neke rme
zatiene od konkurencije visokim barijerama za ulazak na trite. Ekonomije obima, visoki kapitalni zahtevi, patenti ili uvozne zatite omoguavaju nekim rmama
da izgrade monopolske pozicije koje omoguavaju prote iznad normalnih nivoa i to
na due periode vremena. Monopolski proti mogu nastati ak i usled sree ili okolnosti (biti u pravoj delatnosti u pravo vreme) ili usled antikonkurentskog ponaanja.
Za razliku od ostalih potencijalnih izvora prota iznad normalnih nivoa, monopolski
proti se esto smatraju nepoeljnim. Iz tih razloga, monopolski proti se obino
oporezuju ili na druge naine reguliu posebnim merama.
1.11.3 Inovaciona teorija ekonomskih prota
Kao jo jedna teorija ekonomskih prota, inovativna teorija prota opisuje
specino prote iznad normalnih nivoa koji nastaju nakon uspenog izuma ili
20
modernizacije. Na primer, inovativna teorija prota sugerie da je Majkrosoft sticao

nadmone stope povraaja jer je uspeno osmislio, uveo i plasirao graki korisniki
interfejs (tzv. GUI), koji je bio zasnovan na slikovnom prikazu a ne na komandnoj
liniji. Tek kada bi drugi proizvoai softvera uspeli da zasite trite sa slinim proizvodima, proti Majkrosofta bi se vratili na normalne nivoe. Kao i u sluaju frikcionih
ili neravnotenih prota, proti koji su izazvani inovacijom su skloni da izazovu juri
konkurencije, i to od strane novih i ve postojeih konkurenata.
1.11.4 Kompenzaciona teorija ekonomskih prota
Kompenzaciona teorija prota opisuje stope povraaja iznad normalnih nivoa
kojima trite nagrauje rme zbog izuzetnog uspeha u zadovoljavanju potreba
potroaa, odravanju ekasnog poslovanja, i tako dalje. Ukoliko rma koja posluje
po prosenom nivou ekasnosti za neku datu delatnost dobija za to prosene stope
povraaja, razumno je pretpostaviti da e rme koje posluju nadprosenim nivoom
ekasnosti zaraivati nadprosene stope povraaja. Neekasne rme mogu oekivati
da e dobiti nezadovoljavajue, ispodprosene stope povraaja.
Kompenzaciona teorija prota takoe posmatra ekonomski prot kao vanu
nagradu za preduzetniku funkciju vlasnika i menadera. Svaka rma i proizvod
zapoinju kao ideja za bolje udovoljavanje nekih postojeih ili uoenih potreba
postojeih ili potencijalnih potroaa. Ova potreba ostaje nezadovoljena sve dok
pojedinac ne preuzme inicijativu u osmiljavanju, planiranju i primeni nekog reenja.
Mogunosti za ekonomske prote su vana motivacija za takve preduzetnike aktivnosti.
1.12 Ekonomija i odluivanje

Gde se principi mikroekonomije uklapaju na polju menaderskog odluivanja? Nobelovac i ekonomista Herbert Simon identikuje primarne aktivnosti u
odluivanju:5
1. Nalaenje povoda za odluivanje.
2. Identikovanje mogueg pravca delovanja.
3. Ocenjivanje prihoda i trokova povezanih sa svakim od pravaca delovanja.
4. Odabiranje jednog pravca koji najbolje zadovoljava zadatke ili cilj rme
(npr. maksimiziranje vrednosti rme).
5
H. A. Simon, The Decision-Making Process, in The Executive as Decision-Maker: The New Science
of Management Decison (New York:Harper & Row).
21
Primarna uloga menaderskih ekonomista je ocenjivanje posledica alternativnih

pravaca delovanja i odabiranje najboljeg ili optimalnog pravca delovanja meu nekoliko alternativa.
Odluivanje u ovom kontekstu podrazumeva potrebu za optimalizovanjem ponaanja. Podpredsednik za marketing tei da maksimizira prihode od prodaje, menader
proizvodnje da minimizira trokove ili maksimizira proizvodnju, a cilj predsednika
lijale je da maksimizira prot. Kao to je ve ranije pomenuto, ovi menadment
zadaci su ogranieni drugim parametrima koji se odnose na ovu odluku. Na primer,
proizvodni trokovi mogu biti minimizovani time to se ne bi proizvodilo nita, ali
bi to bilo u suprotnosti sa optim ciljem rme maksimiziranjem prota. Menader
proizvodnje e najee teiti minimiziranju trokova, za neki dati obim proizvodnje, dok je cilj podpredsednika za marketing maksimizovanje prodaje, za neki zadati
budet reklamiranja.
Sutina ekasnog i racionalnog menadmenta je optimizacija pod ogranienjima.
Praktino sve odluke i izbori su podloni ogranienjima, i to je prilika da alati menaderskih ekonomista budu najkorisnije iskorieni. Menader koji moe ostvariti
najvie uprkos ogranienjima e biti nagraen visokom platom, opcijama sa akcijama, i drugim stvarima koje prate uspeh.
Optimizacioni principi menaderske ekonomije su takoe vani i u neprotnom
sektoru ekonomije. Na primer, univerziteti tee da maksimiziraju vrednost rezultata
nastave i istraivanja, u okvirima godinjih budeta koji im stoje na raspolaganju.
Odluke oko nivoa kolarine, pravog miksa obaveznosti nastave, nastavnog i pomonog osoblja, i praktine i teorijske nastave e izvui koristi od pravilne primene principa optimizacije pod ogranienjima, to predstavlja osnovu ekonomije.
1.13 Doprinos kvantitativnih tehnika u menaderskoj

ekonomiji
Za konstruisanje i ocenu modela odluivanja u odreivanju optimalnog ponaanja rme koriste se matematika ekonomija i ekonometrija. One najpre pomau u
cilju izraavanja ekonomske teorije u formi jednaina, a zatim primenjuju matematiko-statistike tehnike i stvarne podatke u reavanju ekonomskih problema. Tako
na primer regresija se primenjuje za predvianje, dok se teorija verovatnoe koristi u
analizi rizika. Dodatno, ekonomisti koriste razne tehnike optimizacije kao to je linearno programiranje u cilju izuavanja ponaanja rme. Takoe, ekonomisti nalaze da
su simboli i logika kalkulacija veoma ekasni za izraavanje modela ponaanja rmi.
Na taj nain, menaderska ekonomija se bavi ekonomskim principima i konceptima
koji ine teoriju rme. Cilj je sinteza ekonomske teorije i kvantitativnih tehnika
22
u reavanju problema menaderskog odluivanja. Slika 1.2 sumira navedene principijalne momente po kojima se ekonomija povezuje sa donoenjem menaderskih
odluka.
Slika 1.2
Za menadersku ekonomiju se takoe kae da slui kao kariku izmeu tradicionalne ekonomije i nauka o donoenju odluka za donoenje poslovnih odluka.
23
Rezime poglavlja
Menaderska ekonomija se moe smatrati primenom onog dela mikroekonomije
koji se fokusira na tematike poput rizika, tranje, proizvodnje, troka, odreivanja
cena i strukture trita. Razumevanje ovih principa e pomoi osmiljavanju racionalne perspektive odluivanja i izotriti analitiki okvir koji rukovodioci moraju koristiti pri menaderskom odluivanju.
Pojedinci i rme vre meusobne interakcije kako na tritima proizvoda tako i
na tritima faktora (proizvodnje). Cene proizvoda i inputa se odreuju na ovim tritima i usmeravaju odluke svih trinih uesnika. Firma je entitet koji organizuje
faktore proizvodnje u cilju proizvodnje dobara i usluga a radi zadovoljavanja klijenata i drugih rmi. U trinom sistemu, meudejstvo pojedinaca i rmi nije podlono
centralnoj kontroli. Cene i proizvoda i faktora proizvodnje predstavljaju pokretae
i usmeravae ove interakcije. Unutar rmi, ipak, menaderi usmeravaju aktivnosti.
Centralna kontrola unutar rmi je korisna jer se smanjuju transakcioni i informacioni trokovi. Veliina rme je ograniena jer transakcioni trokovi unutar rme rastu
kako raste sama rma, a i usled ogranienosti menaderskih vetina.
Pretpostavlja se da je cilj rme da maksimizira vrednost rme ili sadanju vrednost svih buduih prota, denisanih kao prihod umanjen za sve trokove, eksplicitne
i implicitne. Oportunitetni trokovi, poput nadoknada i kamata, koje su vlasnici i
menaderi propustili da naplate za svoj rad i kapital, moraju se ukljuiti u trokove.
Proputanje da se obraunaju ovi implicitni trokovi moe dovesti do neekasne alokacije resursa. Cilj maksimizacije prota je ogranien zakonskim, moralnim, ugovorenim, nansijskim i tehnolokim ogranienjima. Neki ekonomisti tvrde da je rmin
cilj zapravo zadovoljavajui nivo prota a ne maksimalan. Problem sukoba interesa
menademnt-vlasnici nastaje kada vlasnik i menader rme imaju razliite ciljeve.
Problem moe biti razreen vezivanjem dela menaderskih plata za prote i/ili promene u ceni rminih akcija.
Prot igra dve vane uloge u sistemu slobodnog trita. Najpre, on deluje kao signal za proizvoae da poveaju ili smanje obim proizvodnje, ili uu ili napuste neku
delatnost. Drugo, prot je nagrada za preduzetniku aktivnost, ukljuujui rizikovanje i inovaciju. U konkurentskoj delatnosti, ekonomski proti tee da budu prolazni.
Ostvarivanje visokih prota neke rme obino dovodi do poveanja obima proizvodnje tog proizvoda/usluge do strane drugih rmi, a time i smanjivanja cene i prota.
Firme koje imaju monopolsku mo mogu sticati nadprosene prote tokom dueg perioda vremena; takvi proti ne igraju korisnu ulogu u ekonomiji.
Primarna uloga menaderske ekonomije je donoenje optimalizovanih odluka pri
ogranienjima. Primena principa menaderske ekonomije e pomoi menaderima
da osiguraju da resursi budu alocirani ekasno unutar rme, a da rma pravilno
reaguje na promene u ekonomskom okruenju.
24
O
E
D
II
OSNOVNE EKONOMSKE I
MATEMATIKE RELACIJE
Menaderska ekonomija, kao to je

reeno u prvom poglavlju, predstavlja
sintezu teorije mikroekonomije i matematiko statistikih metoda u cilju nalaenja optimalnih reenja za probleme
donoenja odluka. U ovom poglavlju
opisani su fundamentalni principi ekonomske analize. Te ideje predstavljaju
osnove za opis i razumevanje relacija
tranje, trokova i prota. Kada se osnove ekonomske analize jednom razumeju,
ovi alati i tehnike optimizacije se mogu
ekasno primenjivati u cilju donoenja
najboljih odluka.
OSNOVNE EKONOMSKE I MATEMATIKE RELACIJE
25
2.1 Matematike metode izraavanja ekonomskih i

poslovnih relacija
Efektivno donoenje menaderskih odluka je ustvari proces nalaenja najboljih

reenja za problem to predstavlja cilj ekonomske optimizacije i fokus menaderske
ekonomije. Najednostavniji nain prezentiranja ekonomskih podataka predstavljaju
tabele. Kada se podaci predstavljaju u elektronskom obliku, npr. Bilans stanja i Bilans
uspeha, onda se takve tabele nazivaju radnim tabelama (engl. spreadsheets). Ukoliko
izmeu ekonomskih podataka postoje jednostavne relacije, tada radne tabele mogu
biti dovoljne za analitike svrhe.
Kompleksnije relacije zahtevaju sosticiranije metode za izraavanje relacija.
Izraz funkcionalne relacije ili veze izmeu ekonomskih varijabli predstavlja jednainu. Najednostavniji nain izraavanja ekonomskih koncepata je da se ustanove funkcionalne relacije unutar osnovnog modela. Zamislimo relaciju izmeu koliine robe
Q i ukupnog prihoda TR. Koristei funkcionalnu notaciju, ukupni prihod je
TR=f(Q)
(2.1)
Jednaina (2.1) govori da je ukupni prihod funkcija od proizvedene koliine

robe. Vrednost zavisne promenljive (ukupni prihod) je funkcija odreena nezavisnom varijablom (izlazna koliina robe). Ova jednaina ukazuje na postojanje relacije
ali ne izraava nikakvu posebnu relaciju. Jednaina (2.2) preciznije izraava odnos
izmeu pomenutih varijabli, i to:
TR=P * Q
(2.2)
gde je P - predstavlja cenu po kojoj je koliina Q prodata.

2.1.1 Aplikacija linearne i kvadratne funkcije u ekonomiji
Ako pretpostavimo da je prodajna cena 18 n.j. tada se ukupni prihod is (2.2) moe
predstaviti algebarski kao TR=18Q, i graki (vidi sliku 2.1a).
27
Slika 2.1a
(konstantna prodajna cena i ukupni
prihod)
Slika 2.1b
(tranja, ponuda i trina ravnotea)
Ako se posmatra opta forma linearne funkcije, y = f(x)=a+bx, odnosno u sluaju

ukupnog prihoda TR=a+bQ, onda se a naziva odseak (engl. intercept) a b koecijent
nagiba (pravca, eng. slope). Matematiki je odseak vrednost y kada je x=0. U naem
primeru je a=0 i b=18. Naime, nagib se izraunava na sledei nain:
nagib
'y
'x
'TR
'Q
TR 2 TR1
Q 2 Q1
54 18
18
3 1
Rastue funkcije imaju pozitivni nagib, dok opadajue funkcije imaju negativni
nagib. Na slici 2.1b, funkcija tranje DD ima opadajui (negativni) nagib, ilustrujui
inverznu relaciju izmeu koliine izlaza robe Q koju su potroai voljni da kupe po
svakoj ceni P. Kriva ponude SS ilustruje direktnu (pozitivnu) relaciju izmeu koliine
izlaza robe Q koju su dobavljai voljni da ponude tritu po svakoj ceni P.
Ako pretprostavimo da su funkcije trine tranje i ponude sledee:
QD = 25 3P
QS = 10 + 2P
tada se taka ravnotee dobija kada je QD = QS , odnosno za P*=3 i Q*=16.
28
Kada je re o nelinearnim funkcijama, u njih spadaju funkcije polinoma, koje sadre nezavisne varijable sa stepenima veim od 1. Od svih njih najpoznatija je kvadratna funkcija, ija je opta forma:
y=a + bx + cx2 , gde je c0
Ova fukcija graki predstavlja parabolu, pri emu vrednosti parametara odreuju njen oblik. Ako je c>0 parabola je konveksna, i teme ima najmanju ordinatu (min.),
a ako je c<0 u pitanju je konkavnna parabola i teme ima najviu ordinatu (max.)
vidi slike 2.2a i 2.2b.
Slika 2.2a
(konkavna parabola)
Slika 2.2b
(konveksna parabola)
Treba znati da je kod nelinearnih funkcija nagib varijabilan. Drugim reima grak
nelinearnih funkcija predstavljaju krive.
2.1.2 Primena izvoda funkcije u analizama optimizacije
Izvodi su uopte znaajni u analizi optimizacije, s obzirom da mnogi problemi u
ekonomiji ukljuuju odreivanje optimalnih solucija. Na primer, menader moe
zahtevati onaj nivo proizvodnje koji donosi maksimalni prot. U sutini, ekonomska
optimizacija ukljuuje maksimizaciju ili minimizaciju neke funkcije cilja, koja moe
ili ne mora biti predmet jedog ili vie ogranienja. Pre dalje diskusije, pogledajmo
neke od metoda za izraavanje ekonomskih i poslovnih relacija.
29
Prvi izvod funkcije y=f(x) je jednostavno nagib funkcije kada je interval na horizontalnoj osi (x) izmeu x1 i x2 neogranieno mali. Tehniki, prviizvod je granina
vrednost razlomka y/x (nagib) kada se x pribliava nuli, tj:
y'
dy
dx
lim 'x ! 0 (
'y
)
'x
Izvod u nekoj taki funkcije predstavlja koecijent pravca tangente (videti sliku
2.3), tj. nagib, koji varira kod nelinearnih funkcija.
Slika 2.3
Primenom pravila diferenciranja, o kojima ovde nee biti rei, mogu se nai izvodi sloenih funkcija. Takoe, za nalaenja optimalnih vrednost funkcija potrebno je
razmotriti i drugi izvod, odnosno:
y '' f ''(x)
d(dy)
dx
d2 y
dx 2
Za funkciju jedne varijable f(x) se kae da postie maksimum u nekoj taki x=x0
ako je f (x0) = 0 i f (x0) < 0
30
Slino, za funkciju jedne varijable f(x) se kae da postie minimum u nekoj taki
x=x0 ako je f (x0) = 0 i f (x0) > 0
Proces ekonomske optimizacije se moe ilustrovati na primeru funkcije prota
koja se denie kao razlika ukupnih prihoda i trokova, tj: S = TR-TC. Na primer, ako
se pretpostavi da je S = 20Q-3Q2, tada je, primenom pravila diferenciranja:
dS
dQ
20 10Q
Izjednaavanjem prvog izvoda sa nulom dobija se Q=2, pa s obzirom da je:
d2 S
dQ 2
10 ! 0
sledi da u taki Q=2 funkcija ima maksimum, tj. S = 20n.j.

U sluaju funkcija sa vie nezavisnih varijabli primenjuju se parcijalni izvodi, kada
se uzima jedna varijabla a sve ostale se ksiraju kao konstante, pa se primenjuju pravila izvoda kao i u sluaju funkcije sa jednom varijablom.
2.2 Granina analiza i donoenje odluka

Granina analiza (ili marginalna analiza) daje jasna pravila za optimizaciju resursa. Ona pomae u oceni uticaja jedinine promene na jednoj varijabli u odnosu na
drugu. Na primer, odluka rme da promeni cene e zavisiti od rezultujue promene
u graninom prihodu i graninom troku. Promene na tim varijablama za uzvrat zavise od prodatih jedinica robe kao rezultat promene cene. Promena cene je poeljna
ako to dovodi do veeg dodatnog prihoda u odnosu na dodatne trokove. Slino,
odluka za dodatnu investiciju se donosi na bazi dodatnih prinosa takve investicije,
to predstavlja granine promene.
Re granina ili marginalna se koristi za male promene. Matematiki posmatrano, granina funkcija je derivacija originalne funkcije. Na primer, granini prot
(MS) je ustvari dS/dQ . Nasuprot graninom konceptu je inkrementalni koncept koji
se primenjuje na promene prihoda i trokova usled promena politika. Na primer,
dodatni troak instaliranja kompjutera je inkrementalni troak.
31
Total, prosek, i granine relacije su veoma korisni u analizi optimizacije. Za razliku od pojma totala i proseka ija su znaenja dobro poznata, pojam granine relacije zahteva dodatno objanjenje. Naime, granina relacija predstavlja promenu zavisne varijable uzrokovanu promenom nezavisne varijable za jednu jedinicu. Tako na
primer granini prihod je promena ukupnog prihoda kao rezultat promene izlazne
koliine robe za jednu jedinicu. Dakle, moemo rei da granini prihod predstavlja dodatni prihod koji nastaje prodajom dodatne jedinice robe. Na slian nain
deniemo i granini troak i granini prot.
Granina analiza je veoma korisna u donoenju odluka. Tako, na primer, ona daje
jasna pravila kako pratiti optimalnu alokaciju resursa. Rezultat toga je da, na primer,
geometrijske relacije izmeu totala i graninih funkcija pruaju plodnu osnovu za
proveru uloge granine analize u donoenju poslovnih odluka.
Geometrijske relacije izmeu totala i graninih vrednosti daju korisnu osnovu za
sagledavanje granine analize u donoenju odluka. Menaderske odluke esto zahtevaju nalaenje maksimalne vrednosti funkcije. Da bi funkcija dostigla maksimum,
njena granina vrednost (nagib) mora biti nula. Izraunavanjem nagiba funkcije,
odnosno granine vrednosti, moe se odrediti taka u kojoj funkcija dostie maksimum. Radi ilustracije pogledajmo sledeu funkciju prota:
S= 10.000 + 400Q 2Q2
(2.3)
gde je: S prot, a Q koliina.

Na slici 2.4 se vidi da prot raste sa porastom koliine do Q=100 kada postie
maksimum. Ako se na slici posmatra granina funkcija prota, onda ista otpoinje
od nivoa 400 n.j. (objasniti kako) i opada do vrednosti 0 za Q=100. U taki Q=100
granini prot je 0 i ukupni prot dostie maksimum.
Slika 2.4
32
Sledei primer, koji ukazuje na znaaj granine analize u analizi ekonomskog

odluivanja, ukazuje na vanu injenicu da je u taki gde prot dostie maksimum granini prihod jednak graninom troku. Na slici (2.5) je prikazana relacija
hipotetikih funkcija prihoda i trokova. Ukupan prot je jednak razlici ukupnog
prihoda i ukupnog troka i graki predstavlja vertikalno odstojanje funkcionalnih
krivih ukupnog prihoda i ukupnih trokova. Ovo odstojanje dostie maksimum u
taki izlaza QB. U toj taki su granini prihod (MR) i granini troak (MC) jednaki; tj.
MR=MC u taki u kojoj prot dostie maksimum.
Slika 2.5
Uzmimo optu formulu za prot, S =TR-TC i granini prot MS =MR-MC. S
obzirom da je za maksimum bilo koje funkcije neophodno da je margina jednaka
nuli, to se maksimum prota dobija kada je MS =MR-MC=0, odnosno MR=MC.
Na ovaj nain, u odreivanju nivoa optimalne aktivnosti preduzea, granine
relacije nam govore da, sve dok poveanje prihoda zajedno sa poveanjem izlaza
premauje poveanje trokova, kontinuirani rast bie protabilan. Optimalni nivo
izlaza robe se odreuje kada je granini prihod jednak graninom troku, granini
prot je nula, i ukupni prot je maksimalan.
33
2.3 Praktina primena granine analize

Praktina primena granine analize se lako demonstrira na nekoliko primera u
kojima se vidi kako menaderi koriste ove tehnike. Uobiajena primena je u maksimiziranju prota ili prihoda, ili u nalaenju prosene cene minimiziranjem nivoa
izlaza robe (autputa).
2.3.1 Maksimiziranje prota
U sledeem primeru emo videti kako se nalazi nivo proizvodne aktivnosti za koji
prot dostie maksimalnu vrednost. Preduzee je upravo razvilo novi jedinstveni
proizvod i preliminarne indikacije govore da moe zauzeti znatan deo trita ako se
proizvodnja brzo proiri sa sadanjih 400 jedinica meseno. Podaci od nezavisnog
marketinkog konsultanta ukazuju na sledee relacije:
P = 7.500 3,75Q
TR = 7.500Q 3,75Q2
MR = 'TR/'Q = 7.500 7,5Q
(Tranja)
(Ukupni prihod)
(Granini prihod)
gde P i Q predstavljaju cenu i izlaz robe respektivno. Dodatno, odeljenje

raunovodstva je procenilo mesene ukupne i granine trokove, i to:
TC = 1.012.500 + 1.500Q + 1,25Q2 (Ukupni troak)
MC = 'TC/'Q = 1.500 + 2,5Q (Granini troak)
Navedene relacije se mogu koristiti za odreivanje optimalnog nivoa aktivnosti
preduzea. Prot e dostii maksimum kada je MR=MC. Reavanjem jednaine
7.500 7,5Q=1.500 + 2,5Q
dobija se optimalni nivo aktivnosti od Q=600 jedinica. Za ovu vrednost Q, zamenom u prethodnim jednainama, dobija se da je P=5.250 n.j. po jedinici, TR=3.150.000
i S =TR-TC=787.500.
Dakle, za maksimiziranje prota u kratkom periodu, preduzee bi trebalo da
proiri proizvodnju sa tekueg nivoa od 400 jedinica na 600 jedinica meseno. Bilo
koje odstupanje od izlazne veliine od 600 jedinica i cene od 5.250 po jedinici robe
e dovesti do smanjenja kratkoronih prota preduzea.
34
2.3.2 Maksimiziranje prihoda

Mada se granina analiza obino koristi za nalaenje nivoa aktivnosti koji maksimizira prot, menaderi mogu koristiti ovu tehniku za postizanje raznih operativnih
ciljeva. Na primer, zamislimo da preduzee kao to je u naem primeru moda eli
da odstupi od nivoa aktivnosti koji maksimizira prot, u cilju postizanja odreenih
dugoronih ciljeva. Pretpostavimo da preduzee strahuje da bi kratkoroni proti
od 787.500 meseno (ili 25% od prihoda) mogli da snano pdstaknu buduu konkurenciju. Da bi ograniilo poveanje sadanje i budue konkurencije, preduzee moe
odluiti da smanji cene kako bi prodrelo rapidno na trite i onemoguilo ulazak
rivala. Tako na primer preduzee moe odluiti da usvoji kratkoronu operativnu lozoju maksimiziranja prihoda, kao deo dugorone strategije maksimiziranja vrednosti. U ovom sluaju bi kratkorona operativna lozoja bila da se postavi da je
MR=0, to bi rezultiralo sledeim nivoom aktivnosti:
7.500 7,5Q = 0
Q = 1.000 jedinica
P = 7.500 3,75(1.000)= 3.750

TR = 7.500(1.000) 3,75(1.0002)= 3.750.000
= 5(1.0002) + 6.000(1.000) 1.012.500= 12.500 (Gubitak)
U ovom primeru, proizvodne aktivnosti koje vode maksimalnom prihodu se ostvaruju kada je gubitak od 12.500. U ostalim sluajevima proti mogu biti vei ili
manji u takama kada prihod postie maksimum. Treba dodatno istai da se ovde
uopte nije razmatrala i trokovna komponenta. Isto tako, u odnosu na maksimiziranje prota, maksimiziranje prihoda poveava i prodaju jedinica robe i ukupne prihode, ali znaajno smanjuje kratkoronu protabilnost. Ovo su tipini efekti i direktni rezultat sniavanja cene kao deo strategije maksimiziranja prihoda preduzea.
2.3.3 Minimiziranje prosene cene/trokova
U situacijama kada preduzea nisu u mogunosti da nansiraju visok rast koji je
neophodan za maksimiziranje prihoda, mogu se okrenuti ka kratkoronoj strategiji
kojom bi se minimizirali proseni trokovi. Za utvrivanje tog nivoa aktivnosti potrebno je zapamtiti da proseni troak opada kada je MC < AC, da raste kada je MC > AC,
a da je na minimumu kada je MC = AC.
Uzimajui da je MC = AC = TC/Q, to iz prethodnog primera Q=900 jedinica,
P=4.125, TR= 3.712.500 i S = 337.500. Dakle, za preduzee minimiziranje troka
ukljuuje proizvodnju na odreenom nivou aktivnosti proizvodnje koji je izmeu
onih koji su indicirani u strategijama maksimiziranja prota i prihoda.
35
Uopteno, relacije prihoda i trokova, kao i uslovi kad su u pitanju ulazni podaci,
moraju se uzeti u obzir pre nego to se postavi odgovarajua kratkorona operativna strategija. U momentu kada se identikuje takva strategija, potrebno je istraiti
specine relacije prihoda i trokova i ostala delovanja na rmu koje e sugerisati
odgovarajui nivo aktivnosti.
2.4 Inkrementalni koncept u ekonomskoj analizi

Granini koncept je kljuna komponenta donoenja odluka u ekonomiji. Meutim,
mora se znati da granine relacije mere jedino efekte koji se odnose na promene autputa ili nekih drugih varijabli vanih za odluke. Mnoge upravljake odluke ukljuuju
razmatranje promena u irim razmerama, dok granini koncept, mada korektan u
analizi unitarnih promena, je suvie uzak da bi dao optu metodologiju za evaluaciju
korektivnih akcija. Na primer, menader moe biti zainteresovan za analizu potencijalnog uticaja 25% poveanja proizvodnje na prihode, trokove i prot. Ili, analiza
procena uticaja promene kompletnog proizvodnog sistema na trokove, i dr.
Inkrementalni koncept predstavlja za ekonomistu uoptavanje graninog koncepta. Inkrementalna analiza ukljuuje ocenu uticaja alternativnih menaderskih
odluka na prihode, trokove i prote na taj nain to se fokusira na promene ili razlike izmeu postojeih alternativa. Inkrementalna promena je ona koja je rezultat odreene menaderske odluke. Na primer, inkrementalni prihod nove stavke u
proizvodnoj liniji preduzea se meri kao razlika ukupnog prihoda preduzea pre i
posle uvoenja novog proizvoda.
Radi ilustracije inkrementalnog koncepta uzmimo za primer preduzee koje treba da obezbedi nansiranje nabavke robe u iznosu od 100.000 evra. Najbolje uslove
daje jedna lokalna banka i to kredit na 5 godina sa 9% kamate i depozitom od 20%, ili
sa 9.5% kamate i depositom od 10%. Vano pitanje se postavlja pred rmom: Koliki
su inkremenralni trokovi prilikom pozajmice dodatnih sredstava kod 90% naprotiv
80% nansiranja od strane banke? Pogledajmo raunicu:
Finansijski troak 80% = (Kamatna stopa) * (Procenat kredita) * (Cena nabavke)
= (0,09)*(0,8)*(100.000)= 7.200
Finansijski troak 90% = (0,095)(0,9)(100.000) = 8.550
Inkrementalni troak = 90% Loan Financing Cost 80% Loan Financing Cost
= 1.350
36
ili procentualno
Inkrementalni troak = (Inkremental nansijski trokovi)/(Inkrementalna pozajmica)
= 1.350/10.000=13.5%
Dakle, istiniti inkrementalni troak sredstava za preostalih pozajmljenih 10.000
za alternativu sa 90% nansiranja je 13,5% a ne 9,5% kamate kao kod kredita.
Inkrementalni koncept je vaan za donoenje menaderskih odluka jer se on
fokusira na promene ili razlike izmeu raspoloivih alternativa. Prihodi i trokovi na
koje odluke ne utiu su irelevantni i ignoriu se u analizi.
37
Rezime poglavlja
Donoenje efektivnih menaderskih odluka predstavlja proces nalaenja najboljih

reenja za odreeni problem. I metodologija i alati menaderske ekonomije igraju
veoma vanu ulogu u tom procesu.
Optimalna odluka je alternativa u odluivanju koja proizvodi rezultat koji
je najkonzistentniji sa menaderskim ciljevima
Tabele su najednostavnija i najdirektnija forma za predstavljanje
ekonomskih podataka. Kada su ti podaci prikazani elektronski u formatu raunovodstvenih izvetaja (bilans uspeha i bilans stanja), tada se one
odnose na spreadsheets. U mnogim sluajevima vrednu informaciju daje
jednostavni grak. U ostalim sluajevima, sloene ekonomske relacije se
predstavljaju putem jednaina, ili analitiim izraavanjem funkcionalnih
relacija.
Granina relacija je promena na zavisnoj varijabli uzrokovana jedininom
promenom nezavisne varijable. Granini prihod je promena ukupnog
prihoda uzrokovana jedininom promenom izlaza robe. Slino, granini
troak i granini prot su promena ukupnog troka odnosno ukupnog prota uzrokovanih jedininom promenom izlaza robe.
U analizi graka, koecijent nagiba je mera strmosti (kosine) linije i
denie se kao poveanje (ili smanjenje) visine po jedinici pomeranja na
horizontalnoj osi. Taka savijanja predstavlja taku maksimuma ili minimuma nagiba.
U taki maksimizacije, granini prihod je jednak graninom troku
Inkrementalni koncept se esto koristi u graninoj analizi. Inkrementalna
promena je ukupna promena rezultovana menaderskom odlukom. Inkrementalni prot je prot (dobitak ili gubitak) ostvaren kao rezultat odreene
menaderske odluke.
Svaki od ovih pojmova se dosta koristi u praktinoj analizi problema menaderskog
odluivanja. Kao to e se videti u narednim poglavljima, osnovne ekonomske relacije
predstavljaju osnovni okvir u analizi relacija prota, prihoda i trokova.
38
Zadaci za vebu
1. ZADATAK
ABC Products doo izrauje male elektrine ureaje i nedavno je promovisao novi ureaj za pravljenje dezerta.
Relacija izmeu mesene tranje i cene za novi proizvod ABC Products
doo je sledea:
P = 60 0,005Q
MR = 'TR/'Q = 60 0,01Q
TC = 100.000 + 5Q + 0,0005Q2
MC = 'TC/'Q = 5 + 0,001Q
A. Kreirati tabelu sa izlaznom koliinom (Q, sa intervalima 0, 1.000, 2.000,

. . . , 10.000), cenom (P), ukupnim prihodom (TR), graninim prihodom
(MR), ukupnim trokovima (TC), graninim trokovima (MC), ukupnim protom (S), and graninim protom (MS).
B. Koristei tabelu iz A. nacrtati grak sa TR, TC, and S kao zavisnim varijablama, a jedinice koliine da budu nezavisne varijable. Koja kombinacija cena/izlaz maksimizira prot? Zato?
C. Analitiki odrediti kombinacije cena/izlaz kojima se maksimizira prot
i prihod. Drugim reima, koristiti ABC-ove jednaine za prot u cilju
potvrivanja vaih odgovora sa B.
D. Uporediti kombinacije cena/izlaz za prot-maksimum i prihod-maksimum i komentarisati svaku razliku. Kada e kratkorono maksimiziranje prota dovesti do dugoronog?
Reenje:
A. Tabela sa izlaznom koliinom (Q), cenom (P), ukupnim prihodom
(TR), graninim prihodom (MR), ukupnim trokovima (TC), graninim
trokovima (MC), ukupnim protom (S) i graninim protom (MS) je
sledea:
39
Jedinice
Cena
0
1,000
2,000
3,000
4,000
5,000
6,000
7,000
8,000
9,000
10,000
60
55
50
45
40
35
30
25
20
15
10
Ukupni Marginalni
prihod
prihod
0
60
55,000
50
100,000
40
135,000
30
160,000
20
175,000
10
180,000
0
175,000
-10
160,000
-20
135,000
-30
100,000
-40
Ukupni Marginalni
troak
troak
100,000
5
105,500
6
112,000
7
119,500
8
128,000
9
137,500
10
148,000
11
159,500
12
172,000
13
185,500
14
200,000
15
Ukupni
profit
-100,000
-50,500
-12,000
15,500
32,000
37,500
32,000
15,500
-12,000
-50,500
-100,000
Marginalni
profit
55
44
33
22
11
0
-11
-22
-33
-44
-55
B. Koristei ABC tabelu i grake za TR, TC, i S kao zavisne varijable, a jedinice koliine (Q) kao nezavisne varijable, imamo sledee:
Kombinacija cena/izlaz za koju ukupni prot dostie maksimum je P = 35
i Q = 5.000 jedinica. U toj taki je MR = MC a ukupni prot dostie maksimalnu vrednost od 37.500 n.j.
Kombinacija cena/izlaz koja maksimizira prihod je P = 30 i Q= 6.000 jedinica. U toj taki je MR = 0 a ukupni prihod dostie maksimalnu vrednost
od 180.000 n.j.
C. Za nalaenje analitikim putem izlazne koliine koja maksimizira prot,
potrebno je da je MR = MC, ili MS = 0, i zatim reiti po Q.
60 0,01Q = 5 + 0,001Q
0,011Q = 55
Q = 5.000
Za Q=5.000:
P = 60 0,005(5.000)= 35
S = 100.000 + 55(5.000) 0,0055(5.000) 2= 37.500
Za Q=6.000:
P = 60 0,005(6.000) = 30
S = TR TC
= (60 0,005Q)Q 100.000 5Q 0,0005Q2
= 100.000 + 55Q 0,0055Q2
= 100.000 + 55(6.000) 0,0055(6.0002)
= 32.000
40
D. Imajui u vidu opadajue krive tranje i graninih trokova, i rastue

granine trokove, kombinacija cena/izlaz robe koja maksimizira prot je uvek sa veom cenom i manjim nivoom proizvodnje nega to je
kombinacija koja maksimizira prihod. Prot postie maksimum kada
je MR = MC, pri emu je prihod maksimalan kada je MR = 0. Sledi da
prihod i prot dostiu maksimum jedino sa istom kombinacijom cena/
izlaz robe u retkom sluaju kada je MC = 0. Kompanija ABC e pri forsiranju strategije kratkoronog prota nasuprot maksimiziranja prota
moi oekivati vie vanih prednosti, ukljuujui veu svest kupaca o
proizvodu, poveanje lojalnosti kupaca, i eventualno ogranienje ulaska
konkurencije. Za konzistentnost sa dugoronim maksimiziranjem prota, ove prednosti kratkoronog maksimiziranja prota moraja isplatiti kratkoroni gubitak ABC-a od najmanje 5.500 (= 37.500 32.000)
mesenih prota.
2. ZADATAK
Farma Co je internacionalna kompanija koja proizvodi antibiotike. Dr Petrovi, rukovodilac marketinga i istraivanja, trai savet za
odgovarajuu politiku cena za prodaju antibiotika na tritu. Ovaj proizvod je uspeno lansiran na vie testnih trita u proteklih nekoliko meseci, i isto tako pouzdani podaci su sada po prvi put na raspolaganju.
Odelenja marketinga i raunovodstva su dostavile sledeu informaciju o
ukupnim prihodima i trokovima:
TR = 900Q 0.1Q2 TC = 36,000 + 200Q + 0.4Q2
MR = TR/Q = 900 0,2QMC = TC/Q = 200 + 0,8Q
A. Kreirati tabelu ili spreadsheet sa izlaznom koliinom, cenom (P), ukupnim prihodom (TR), graninim prihodom (MR), ukupnim trokovima
(TC), graninim trokovima (MC), prosenim trokovima (AC), ukupnim protom (S), i graninim protom (MS).
B. Koristei tabelu nacrtati grak sa AC, MC kao zavisnim varijablama, a
jedinice koliine Q da budu nezavisne varijable. Koja kombinacija cena/
izlaz maksimizira prot? Zato? Koja kombinacija cena/izlaz minimizira
prosene trokove? Zato?
41
C. Analitiki odrediti kombinacije cena/izlaz kojima se maksimizira prot

i minimizira proseni troak.
D. Uporediti kombinacije cena/izlaz kojima se maksimizira prot i minimizira proseni troak i komentarisati svaku razliku. Kada e minimiziranje prosenog troka dovesti do dugoronog maksimuma prota?
3. ZADATAK
Computers co radi na veoma konkurentnom tritu kompjutera. Cene
njihovog modema Z07 je stabilna i iznosi 50 evra po komadu. To znai
da je na tom tritu P = MR = 50. Inenjeri su procenili da su relevantni
ukupni i granini trokovi za Z07 sledei:
TC = 78.000 + 18Q + 0,002Q2
MC = TC/Q = 18 + 0,004Q
A. Izraunati nivo izlazne koliine koji e maksimizirati prot na Z07.
B. Izraunati taj maksimalni prot.
4. ZADATAK
LCD Co je uvoznik i distributer LCD TV visoke rezolucije (HDTV).
Relacije za prihod i trokove su:
TR = 1.800Q 0,006Q2
MR = TR/Q = 1.800 0,012Q
TC = 12.100.000 + 800Q + 0,004Q2
MC = TC/Q = 800 + 0,008Q
A. Izraunati izlaz robe, granini troak, proseni troak, cenu i prot na
nivou aktivnosti koji minimizira proseni troak.
B. Izraunati ove vrednosti na nivou aktivnosti koji mi maksimizira prot.
C. Uporediti i komentarisati odgovore iz A i B.
42
O
E
D
III
MENADERSKE PRIMENE
STATISTIKE ANALIZE I
ANALIZE EKONOMSKE ZAVISNOSTI
Statistiko - ekonometrijske metode

predstavljaju snano orue u rukama
menadera. Ipak, tim oruima treba
paljivo rukovati jer mogu dovesti i do
pogrenih zakljuaka. Pravilno rezonovanje je, kao i uvek, od kljune vanosti.
Takoe, efektivan menader je iskusan
u obradi informacija koja postaje sve
tea i zamorna usled sloenog i stalno
menjajueg okruenja. Metode koje su
date u nastavku daju osnovu nunu za
detaljnije ispitivanje statistike analize
ekonomskih zavisnosti.
MENADERSKE PRIMENE ANALIZE ...
43
3.1 Deskripcija i zbirni pregled podataka

Analiza i upravljanje podacima su verovatno kljuna funkcija menadmenta.
Radei sa najboljim raspoloivim informacijama, menaderi moraju da budu u stanju
da samu i karakteriu vane ekonomske informacije kako bi bilo mogue doneti najbolje operativne i planske odluke.
3.1.1 Parametri populacije
Populacija potencijalnih kupaca ukljuuje sve one osobe koje mogu biti povoljno
raspoloene u smislu kupovine nekog datog proizvoda. Ba kao to je potpuno popisivanje stanovnika gradova, okruga i cele neke zemlje vremenski i novano zahtevno
za ciljeve odreivanja karakteristika lokalne populacije, kompletan popis potencijalnih kupaca je skup nain za odreivanje verovatne reakcije na promene u dizajnu,
kvalitetu ili ceni proizvoda. Umesto izvoenja povrne analize svakog potencijalnog
kupca, esto je poeljno izvesti detaljnu analizu nekog uzorka ili podskupa kupaca.
Slino ovome, esto je previe skupo ili na drugi nain nepraktino da se testira
pouzdanost ili troak svake pojedinane jedinice proizvoda, te se umesto toga izvodi
analiza pouzdanosti ili trokova nekog uzorka datih proizvoda.
U odsustvu potpunog i detaljnog ispitivanja itave populacije, zbirna i deskriptivna merila opte populacije, koja se nazivaju parametri populacije, nisu poznate i
moraju se ocenjivati na osnovu raspoloivih podataka.
3.1.2 Statistike uzorka
Najefektniji nain da se gore pomenuti zadatak izvede je da se oslonimo na
korienje statistika uzorka, ili zbirnih i opisnih merila koja opisuju neki reprezentativni podskup opte populacije.
Kompletna i detaljna studija svih onih faktora koji utiu na ekonomsko okruenje
rme je retka praksa ako ne i nemogu zadatak. Stoga, statistika analiza ekonomskih
zavisnosti se obino fokusira na ocenu ili tumaenju statistika uzorka a ne parametara populacije. U osmiljavanju i primeni statistikih metoda, menaderi ele da
izvuku vane zakljuke o parametrima opte populacije i to na osnovu detaljne analize statistika uzorka. Prva najvanija klasa zbirnih i opisnih statistika uzorka koju
menaderi moraju da razmatraju obuhvata mere centralne tendencije.
45
3.2 Mere centralne tendencije

Neki broj koji nam saoptava tipinu vrednost prodaje, trokova, prota ili bilo
koje druge veliine se naziva mera centralne tendencije. Mera centralne tendencije
nam daje vane odlike podataka na koncizan nain koji menaderima prua razumnu osnovu za operativne i planske odluke. Iako su statistiari osmislili vie korisnih
mera centralne tendencije, menaderi se esto fokusiraju na aritmetiku sredinu,
medijanu i modus. Koja od ovih mera mera je najprikladnija za neki dati zadatak
zavisi od prirode podataka koji su u temelju problema i potrebe sa kojom se suoava
menader.
3.2.1 Aritmetika sredina
Aritmetika sredina ili prosek je zbir svih brojeva koji postoje u uzorku, podeljen
sa brojem opservacija. Ukoliko je n broj opservacija u uzorku, a X1 je prva opservacija, X2 druga opservacija, i tako redom, onda se sredina uzorka izraunava kao
X1 X 2 ... X n
n
(3.1)
Alternativno, aritmetika sredina ili prosek se ponekad izraavaju kao

n
i 1
(3.2)
gde grko slovo sigma () predstavlja matematiki znak za sumu.

Da bi ilustrovali ovo, razmatrajmo neto prot, protnu marginu, i prihode od
prodaje, na osnovu podataka iz tabele 3.1 za hipotetikim uzorkom malih regionalnih trita za vodeeg pruaoca telekomunikacionih usluga. Protna margina (ili
protna mara videti poglavlje 1.), koja se denie kao neto prot podeljen prihodima od prodaje, je stopa protabilnosti izraena kao procenat vrednosti prodaje.
Iako su podaci hipotetiki, oni predstavljaju stvarne brojke. I neto prot i protna
margina, izraeni u procentima, su opte mere performansi neke rme. Prihodi
prodaje se najee koriste za merenje veliine rme. Svaki red informacija pokazuje relevantne podatke za svako trite u uzorku. Proseni neto prot po tritu je
46
5 miliona evra, protna margina je 14.8%, a proseni prihod prodaje je 33,7 miliona
evra.U svakoj sluaju, sredina uzorka odraava prostu sumu svake odgovarajue
vrednosti na itavom uzorku od n=25 trita, pa podeljeno sa 25, ukupnim brojem
observaacija. U ovom datom uzorku, nijedna pojedinana opservacija nema tano
istu vrednost kao i proseni nivo neto prota ili prihoda prodaje.
Bilo koja pojedinana opservacija moe da se poklopi sa prosecima za itav uzorka ali je to ista sluajnost. Kada se prot, protna margina i prihodi prodaje mere u
veoma malim poveanjima, veoma je retko da se nae pojedinana opservacija koja
bi se sasvim poklopila sa prosekom uzorka. Na osnovu kriterijuma sredine uzorka,
svaka opservacija uzorka koja je blizu sredini uzorka moe se opisati kao tipina
vrednost uzorka. Vano je napomenuti, ipak, da postoje znaajne varijacije oko ovih
proseka uzoraka, i izgledi atipinih vrednosti uzoraka su srazmerno visoke.
Prosek predstavlja veoma atraktivnu meru centralne tendencije kada su odstupanja od proseka nadole i nagore prilino balansirana.
Regionalno
trite
Neto profit
Margina
Prihodi
neto
od prodaje
profita (%)
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
4.2
6.1
4.9
3.5
4.7
3.5
7.6
3.9
6.2
4.7
5.2
3.5
3.3
4.4
7.6
6.5
7.1
5.8
2.9
4.7
7.4
3.2
4.4
5.6
3.3
16.0
15.0
14.9
14.2
16.4
14.4
15.7
14.4
12.7
13.0
14.4
16.1
15.6
12.2
16.0
14.8
14.3
14.3
14.3
15.3
15.1
15.4
14.9
15.3
16.2
26.2
40.7
32.8
24.6
28.7
24.3
48.4
27.0
48.9
36.2
36.1
21.7
21.1
36.1
47.6
43.8
49.7
40.6
20.3
30.8
49.0
20.8
29.5
36.6
20.4
Sredina
Varijansa uzorka
Standardna devijacija uzorka
5.0
2.2
1.5
14.8
1.2
1.1
33.7
104.4
10.2
Tabela 3.1
Godinji neto prot, protna margina i prihodi od prodaje na regionalnim
tritima telekomunikacionih usluga (u mil. evra)
47
Ukoliko je broj opservacija uzorka koje su iznad sredine uzorka priblino isti kao
broj opservacija ispod sredine uzorka, onda prosek daje koristan pokazatelj neke
tipine opservacije. Ipak, kada ovo nije sluaj, tj. kada broj opservacija u uzorku koje
su iznad ili ispod sredine neobino velik, kao to se ponekad javljaju znaajne razlike
izmeu ekstremno velikih ili ekstremno malih opservacija uzorka, sredina uzorka
ima mogunost da izazove pristrasan pogled na tipine vrednosti uzorka.
3.2.2 Medijana
Medijana uzorka, ili srednja opservacija, ponekad ima mo da da meru centralne
tendencije koja je korisnija od sredine uzorka. Kada je broj opservacija uzorka bilo
iznad bilo ispod sredine neobino visok, onda sredina uzorka moe biti znatno, znatno razliita od vrednosti tipine opservacije. Takva odstupanja postoje kadagod neki
uzorak obuhvata vrednosti koje su bilo veoma velike bilo veoma male u poreenju
sa tipinom opservacijom. Na primer, godinji prihodi prodaje mogu imati opseg
od nekoliko miliona evra godinje za male i srednje rme do desetina milijardi evra
godinje za velike koorporacije. U takvim sluajevima moe posluioti medijana.
Napomenimo i da se, na primer, protne margine izraavaju u % prihoda prodaje.
Poto su prihodi prodaje esto korieni pokazatelj veliine rmi, podaci u protnim
marginama su primer normalizovanih ili podataka podeenih prema veliini.
to se samog izraunavanja tie, medijana Pe je takva vrednost promenljive
X (x1, x1,..., xn) tako da (najpriblinije) deli statistiki uzorak (ili populaciju) na
dva jednaka dela:
ako su x 1 d x 2 d ... d x n Pe
N neparno
X n 1 ,
2
1
2 X n X n 1 , N parno
2
2
Za promenljive (statistika obeleja) koja su grupisana u grupe i zadata raspodelom frekfencija, medijanu odreujemo tako to prvo odredimo grupni interval u
kome se nalazi Pe, a zatim po dogovoru biramo jednu vrednost iz tog intervala. Ako
je X zadato raspodelom:
48
a0 a1
a1 a2
ak 1 ak
(f )
f1
f2
fk
prvo se odredjuje indeks S za koji vai da je:
fi d
i 1
N S 1
N
; fi !
2 i1
2
Za medijanu Pe se uzima vrednost X u intervalu Ds - Ds+1 po sledeim pravilima:
Pe
a a N
a S S 1 S
fS 1 2
fi
1
3.2.3 Modus
Jo jedna esto koriena mera centralne tendencije je modus, ili najee
zabeleena vrednost opservacija u uzorku. Kada se koriste neprekidni podaci, modus
se najee ne koristi. Neprekidni podaci u polju rada menadera su brojevi, poput
neto prota, protne margine ili podataka o prihodima prodaje, koji mogu da se
menjaju za male veliine ili neprekidno. Na primer, prilino je retko nai sluajeve
kada nekoliko rmi iz iste delatnosti ima identino iste nivoe neto prota izraenim
u dinarima ili evrima, dok mnoge rme mogu imati iste nivoe prota ukoliko se oni
izraavaju u milionima dinara/evra. Modus je dakle, ona vrednost promenljive X
koja ima najveu frekfenciju pojavljivanja u posmatranom statistikom skupu, ili je
vrednost u ijoj blizini se najee pojavljuju izmerene vrednosti X na statistikom
skupu. Ovo je jedina mera centralne tendencije koja se moe koristiti za kvalitativna
obeleja i predstavlja dobar pokazatelj za homogene statistike skupove. Kada je X
grupisano i zadato raspodelom frekfencija, za modus se uzima sredina grupnog intervala sa najveom frekfencijom pojavljivanja.
Modus je najprivlaniji vid merenja centralne tendencije u sluajevima kada su
zabeleene samo umereni obimi varijacija u neprekidnim podacima ili kada se analiziraju grupisani podaci. Na primer, ukoliko se kupcima nudi samo ograniena raznolikost u pogledu boja i veliina nekog proizvoda, identikacija modusa ili najpopularnije klase boje i veliine je vana kako za marketinke tako i namene planiranja
proizvodnje. Ukoliko se klase klijenata analiziraju u smislu grupisanja po starosnoj
dobi, identikovanje vanih karakteristika modusne starosne grupe postave vano
na slian nain kao kod odabira klase boje i veliine.
Ukoliko opservacije nekog uzorka imaju vie od jednog modusa, taj sluaj se naziva viemodalnim. Uzorci sa vie od jednog modusa esto ukljuuju grupe podataka
koji su bitno razliiti u nekom vanom pogledu. Raspodela teina i visina kupaca e
verovatno biti bimodalna jer e i visine i teine varirati po polu kupaca. U sluajevima
kada merenje uzorakih grupa ima viemodalnu raspodelu, esto je prikladnije da se
konstruiu odvojene raspodele uestalosti (frekfencija pojavljivanja neke date vrednosti promenljive) za svaku od podgrupa uzorka, a ne da se zanemaruju vani uzrok
modelnih razlika koji lei u sutini date populacije.
49
3.2.4 Poreenje mera centralne tendencije

Aritmetika sredina (prosek), medijana i modus su korisne mere centralne tendencije, ali njihova vrednost moe biti ograniena jedinstvenim karakteristikama
posmatranog uzorka tj. podacima iz njega. Poreenje razliitih merila je korisno za
odreivanje obima do kojeg se dosledno pojavljuje neki obrazac centralne tendencije. Ukoliko se sredina, medijana i modus pojavljuju u jednoj te istoj opservaciji iz
uzorka, za podatke iz uzorka se kae da su simetrini. Ukoliko su podaci savreno
simetrini, onda je raspodela podataka veih od sredine savreni odraz raspodele
podataka manjih od sredine. Savreno simetrina raspodela je ilustrovana na slici
3.1(b). I dok simetrina raspodela podrazumeva ravnoteu u rasporeivanju unutar
uzorka, asimetrinost podrazumeva nepostojanje uravnoteenosti. Ukoliko se vea
masa opservacija uzorka nalazi s leve strane od sredine uzorka, onda se za uzorak
kae da je asimetrian nadole ili sleva, kao na slici 3.1(a). Ukoliko se vea masa opservacija uzorka nalazi s desne strane sredine uzorka, onda se za uzorak kae da je
asimetrian nagore ili sdesna, kao na slici 3.1(c).
Kada razliite mere centralne tendencije tee jednoj te istoj vrednosti ili uskom
opsegu vrednosti, menaderi mogu biti sigurni da je otkrivena vana karakteristika
prilino homogenog uzorka opservacija. Ukoliko, pak, razliite mere centralne tendencije ne tee jednoj istoj vrednosti ili opsegu vrednosti, onda se verovatno radi o
sluaju da podaci obuhvataju heterogen uzorak opservacija sa vanim razlikama poduzoraka. Poreenje razliitih merila centralne tendencije je obino vaan prvi korak
u odreivanju da li je nuna neka detaljnija analiza razlika poduzoraka.
50
Slika 3.1
Sredina (prosek), medijana i modus
(Razlike izmeu sredine, medijane i modusa odraavaju asimetrinost)
3.3 Mere disperzije

Pored poznavanja tipine vrednosti za neki dati uzorak podataka, vano je znati
stepen do kojeg pojedinane opservacije variraju oko te neke tipine vrednosti. Da
li su podaci gusto grupisani oko tipine vrednosti, ili su iroko razasuti? Ukoliko su
podaci gusto grupisani oko tipine vrednosti, onda mere centralne tendencije daju
blisku aproksimaciju za pojedinane vrednosti izvuene iz uzorka. Ukoliko su, pak,
podaci iroko razasuti oko tipinih vrednosti, onda mere centralne tendencije nude
samo slabu aproksimaciju za pojedinane vrednosti koje bi se izvukle iz uzorka. Kao
i u sluaju merila centralne tendencije, statistiari su razvili nekoliko korisnih merila
takve disperzije. Generalno govorei, mere disperzije opisuju varijacije podataka u
smislu rastojanja izmeu odabranih opservacija ili u smislu prosenih odstupanja
meu opservacijama uzorka. Menaderi se esto fokusiraju na interval varijacije,
varijansu i standardnu devijaciju, kao i na koecijent varijacije. To, koja e od ovih
merila biti najprikladnija za neki dati zadatak, zavisi od prirode posmatranih podataka i potreba i problematika sa kojima se menader suoava.
3.3.1 Interval varijacije
Najjednostavnija i najee koriena mera disperzije je interval varijacije
(opseg) uzorka, ili razlika izmeu najmanje i najvee opservacije uzorka. Interval
varijacije ima intuitivnu privlanost kao mera disperzije jer identikuje rastojanje
izmeu najvee i najmanje observaacije uzorka. Interval varijacije se moe koristiti
za identikovanje verovatnih vrednosti koje se mogu dodeliti scenarijima najboljeg
sluaja i najgoreg sluaja. Iako je on popularna mera varijabiliteta koja je veoma
laka za izraunavanje, on ima jednu nezgodnu osobinu da zanemaruje sve sem dve
51
najekstremnije opservacije. Kao takav, intervalom varijacije merena disperzija moe

biti neopravdano uslovljena veoma neuobiajenim opservacijama. Efekti treih
opservacija (tzv. autlajera) se ponekad mogu minimizirati primenom interkvartilnim
ili procentualnim merama intervala varijacije. Na primer, interkvartilni interval varijacije identikuje raspon koji omeava srednjih 50 procenata opservaacija uzorka, i
to merenjem rastojanja izmeu prvog i treeg kvartila. Slino merenjem rastojanja
izmeu 10-og i 90-og percentila opservacija uzorka, moe se odrediti omeavanje
sredinih 80% uzorakih opservacija. I interkvartilne i mere percentilnog intervala
varijacije su atraktivne za primenu jer poseduju lakou izraunavanja i intuitivnost.
Ipak, kao i sluaju merila intervala varijacije, ona ne daju detaljne informacije o stepenu varijacija meu uzorakim opservacijama. Iz ovog razloga, mere intervala varijacije se esto razmatraju zajedno sa merama disperzije koje odraavaju prosenu
devijaciju meu svim uzorakim opservacijama.
3.3.2 Varijansa i standardna devijacija
Uprkos njihovoj lakoi izraunavanja i intuitivnom tumaenju, upotrebivost intervala varijacije kao merila disperzije je ograniena injenicom da se iskazuju samo dve
take u skupu podataka, najvia i najnia opservacija. Iz ovih razloga, ova mera disperzije se esto nadopunjuju merama koje odraavaju disperziju itavog uzorka ili itave
populacije. Merilo disperzije kroz itavu populaciju je dato preko varijanse populacije,
ili aritmetike sredine kvadrata odstupanja (devijacije) svake opservacije od opte sredine. Kvadrat devijacije se razmatra u cilju dobijanja jednakih pondera (teina-znaaja)
varijacija nagore ili nadole unutar populacije. Bez procesa kvadriranja, pozitivne i negativne devijacije bi se anulirale meusobno i dovele do podcenjivanja stepena opte varijabilnosti. Varijansa populacije se izraunava korienjem sledeeg izraza:
X1 P X 2 P
2
... X N P
N
N
P
i 1
(3.3)
gde grko slovo predstavlja sredinu populacije, a N je broj opservacija u optoj

populaciji. Varijansa populacije je u jedinicama u kojima se izraava kvadrirana devijacija, ili u jedinicama kvadratnih vrednosti pojedinanih opservacija, a ne u istim
jedinicama kao i pojedinane opservacije. U sluaju neto prota i prihoda prodaje,
varijansa se izraava u smislu kvadriranih dinara ili evra. U sluaju margine neto
52
prota, varijansa se izraava u smislu kvadriranih procenata. Standardna devijacija

populacije, ili kvadratni koren varijanse populacije, je mera koja opisuje disperziju
kroz itavu populaciju u istim jedinicama koje su karakteristine za bazne podatke
(tj. dinarima, evrima ili procentima). Standardna devijacija za veliine koje opisuju
optu populaciju je data sa:
P
i 1
(3.4)
Poput varijanse populacije, standardna devijacija populacije odraava varijacije

nagore i nadole kroz itavu populaciju. Poto je izraena u istim jedinicama kao i
pojedinane opservacije, ona je takoe i mera disperzije koja ima veoma prosto ili intuitivno tumaenje. Iz oba ova razloga, ona je moda jedna od najrairenije korienih
mera disperzije koju koriste menaderi irom sveta.
Naravno, esto je isuvie skupo i nepraktino meriti varijansu ili standardnu devijaciju itave populacije. A da bi se analizirao podskup ili uzorkak itave populacije,
moraju se koristiti neto drugaije formule da bi se pravilno sraunala varijansa i
standardna devijacija.
Varijansa uzorka je data preko izraza:
X X 2 X ... X n X
2
n 1
n
X
i 1
n 1
(3.5)
pri emu X oznaava sredinu za uzorak od n opservacija.

Standardna devijacija uzorka je data preko izraza:
n
X
i 1
X
n 1
(3.6)
53
Oigledne su tri razlike meu gore navedenih formula i formula za varijansu i

standardnu devijaciju populacije: sredina uzorka X je zamenjena sredinom populacije
, kvadratne devijacije se mere nad opservacijama uzorka a ne na itavoj populaciji,
a u imeniocu se javlja n-1, a ne n6. Sa praktinog stanovita, kada se radi o relativno
velikim brojevima opservacija uzorka, postoji samo umerena razlika u korienju n-1
a ne n pri izraunavanju varijanse i standardne varijanse.
3.3.3 Koecijent varijacije
Varijansa i standardna devijacija su apsolutne mere disperzije koje su direktno
uslovljene veliinom i jedinicom merenja. Varijansa i standardna devijacija za prihod
od prodaje e skoro uvek premaiti onu za neto prot jer neto prot je praktino
uvek manji od ukupnih prihoda. U istinskom ekonomskom sagledavanju, proti
tee da budu nepredvidiviji negoli prihodi prodaje jer varijacije prota odraavaju
sutinsku varijabilnost u okolnostima vezanim za prodaju (tranju) i trokove (ponudu). Kao rezultat toga, menaderi se esto oslanjaju na mere disperzije koje ne zavise od veliine ili jedinice mere. Koecijent varijacije uporeuje standardnu devijaciju sa sredinom i dobija se atraktivna relativna mera disperzije unutar populacije
ili uzorka.
U sluaju populacije, koecijent varijacije jednak je:
V
P
(3.7)
Za sluaj da se radi o uzorku, koecijent varijacije jednak je:
s
X
(3.8)
Poto nije pod uticajem veliine ili jedinice mere, koecijent varijacije moe se koristiti za poreenje relativne disperzije nad irokom raznolikou podataka. U kapitalnom budetiranju, na primer, menaderi koriste koecijent varijacije da uporede
koecijente rizika/koristi za projekte sa bitno razliitim investicionih zahtevima ili
protabilnou. Poto menaderi nekada vole da rade samo sa novanim iznosima gubitaka ili proputenog prota, koecijent varijacije se esto koristi zajedno sa apsolutnim merilima rizika poput varijanse i standardne devijacije. Posmatrane objedinjeno,
absolutne i relativne mere pruaju menaderima posebno korisne alatke za procenjivanje veliine disperzije unutar neke populacije ili uzorka podataka.
6
54
Odgovor na pitanje zato se koristi n-1 a ne n je prilino sloen, ali odraava injenicu da disperzija
opte populacije moe biti podcenjena ukoliko bi se n koristilo kao imenioc pri izraunavanjima
varijanse uzorka i varijanse uzorka. Stoga je nuno koristiti formule za varijansu i standardnu devijaciju kada se izraunavaju mere disperzije za itavu populaciju.
3.4 Testiranje hipoteze

Eksperimenti koji ukljuuju mere centralne tendencije i mere disperzije se esto
koriste za obezbede informacije koje su nune za menadersko odluivanje zasnovano na informacijama. Test(iranje) hipoteze je statistiki eksperiment koji se koristi
za merenje opravdanosti neke date teorije ili pretpostavke. Kod testiranja hipoteze
mogue su dva razliita tipa greaka. Tip I greke je nepravilno odbacivanje istinite
hipoteze; tip II greke je neodbacivanje pogrene hipoteze. Postupak testiranja i njihovi ishodi prikazani su u tablici odluivanja 3.2:
Nulta hipoteza je
Odluka
istinita
lana
Prihvatiti nultu hipotezu
Odluka ispravna
Greka tipa II
Odbaciti nultu hipotezu
Greka tipa I
Odluka ispravna
Tabela 3.2
Poto oba tipa greke mogu dovesti do loih menaderskih odluka, njihove
verovatnoe se moraju kvantikovati i uneti u analizu odluke. Iako se od strane
menadera koristi raznoliki spektar razliitih testova hipoteza, u nastavku dajemo
osnove ove tehnike i to ilustrujemo primerom u kome se koristi test prostih sredina.
3.4.1 Testovi aritmetikih sredina za velike uzorke
Prvi korak u testiranju hipoteze je formalno navoenje osnovne pretpostavke ili
nulte hipoteze, zajedno sa suprotnom ili alternativnom hipotezom. Moraju se zatim
odrediti nivo znaajnosti testa i testne statistike, a takoe se mora navesti i pravilo odluivanja. Najzad, moraju se prikupiti podaci a test izvesti tako da moe biti
doneena neka menaderska odluka.
Aritmetika sredina uzorka moe biti poreenja sa sredinom populacije da bi se
uvidelo da li je bilo koji dati uzorak tipian ili atipian za posmatranu populaciju.
Tipian uzorak ima sredinu koja je blizu sredini populacije; atipian uzorak je onaj
ija sredina nije blizu sredini populacije. Da bi se odluilo o taki odsecanja, mora
se konstruisati standardizovana promenljiva ili testna statistika. Ova testna statistika,
koja se najee oznaava kao z-statistika, ima normalnu raspodelu sa sredinom jednakom 0(nula) i standardnom devijacijom 1(jedan). Za test sredina, testna statistika je
zasnovana na razlici izmeu sredine uzorka i sredine opte populacije, podeljenom sa
standardnom devijacijom uzorka. Tako, z-statistika=2 implicira da je sredina uzorka
za 2 standardne devijacije vea od sredine populacije, a z-statistika=3 da je sredina
uzorka za 3 standardne devijacije vea od sredine populacije i tako redom.
55
Za velike uzorke gde je n>30 a standardna devijacija opte populacije poznata,

testna statistika je:
X P
V/ n
(3.9)
gde je X sredina uzorka, je poznata sredina populacije a je standardna devijacija populacije, dok je n veliina uzorka. Testna statistika je razlika izmeu uzorake i
opte sredine, X - , podeljena standardnom devijacijom sredine uzorka, V / n . Ona
opisuje razliku izmeu uzorakih i populacionih sredina u standardizovanim jedinicama. Interval poverenja za istinsku sredinu je od X z V / n do X z V / n , a pritom je z vrednost iz normalne tabele koja odgovara odabranom stepenu poverenja.
Kao to se moe videti sa slike 3.2, 95% povrine ispod normalne krive ili zvonaste
krive z-statistike potpada unutar 1.96 standardnih devijacija sredine; 99% potpada
pod 2.576 standardnih devijacija. Drugim reima, moe postojati 95%-tno poverenje da je uzorak tipian za optu populaciju ukoliko proseci uzorka upadaju unutar
priblino 2 standardne devijacije, odnosno 99%-tno poverenje da upadaju unutar
priblino 3 standardne devijacije od proseka populacije.
Ukoliko standardna devijacija populacije nije poznata a veliina uzorka je velika,
n>30, standardna devijacija uzorka s moe biti zamena za pri izraunavanju testne
statistike:
X P
s/ n
(3.10)
gde je X sredina uzorka, je poznata sredina populacije a s je standardna devijacija uzorka, dok je n veliina uzorka. Interval poverenja za istinsku sredinu je od
X z V / n do X z V / n , a pritom je z vrednost iz normalne tabele koja odgovara
odabranom stepenu poverenja.
56
Slika 3.2 Z raspodela

(Z statistika ima normalnu raspodelu, sredinu 0 i standardnu devijaciju 1)
Ova formula za testnu statistiku, poput one u jednaini 3.9, je zasnovana na

pretpostavci da je uzorak mali u poreenju sa veliinom opte populacije. Ukoliko uzorak premauje 5% opte populacije, onda imenilac svake jednaine mora biti
pomnoen sa vrednou poznatom kao faktor korekcije ograniene populacije, ili
N n / N 1 gde je N veliina opte populacije a n veliina uzorka.
3.4.2 Testovi sredina za male uzorke
Radi smislene statistike analize, veliina uzorka mora biti dovoljno velika da
tano odraava vane odlike opte populacije. Iako je obino poeljno da se ima 30
i vie opservacija, to nije uvek mogue. Ponekad, menaderi moraju da se oslone na
veoma male uzorke podataka, recimo n<30. U takvim sluajevima, formula za testnu
statistiku mora biti malo izmenjena.
Ukoliko populacija ima normalnu raspodelu, raspodela oko sredine malog uzorka
e biti priblino normalna. U ovoj situaciji, formula za testnu statistiku je data sa
57
X P
s/ n
(3.11)
gde je X sredina uzorka, je poznata sredina populacije a s je standardna devijacija uzorka, dok je n veliina uzorka. Interval poverenja za istinsku sredinu je
od X t s/ n do X t s/ n a pritom je t vrednost iz t tabele (Studentova
raspodela - vidi Prilog) koja odgovara (n-1) stepenu slobode i za odabranom nivou
poverenja.
Ova tzv. t statistika je testna statistika koja ima priblino normalnu raspodelu sa
sredinom nula i standardnom devijacijom 1. t statistika (ili t vrednost) je normalno
rasporeena za velike uzorke, ali manje normalna u sluaju malih uzoraka. Kao i
u sluaju z statistike, ona opisuje razliku izmeu uzorake i populacione sredine u
standardizovanim jedinicama, ili preko broja standardnih devijacija uzorka. Poto
je t statistika samo priblino normalno rasporeena, praktino pravilo za dve standardne devijacije za 95%-tni interval poverenja i tri standardne devijacije za 99%-tni
interval poverenja vai samo za velike uzorke kod kojih je n>30. Kritina vrednost
t se podeava poveavanjem kako se veliina uzorka smanjuje. Obim podeavanja
poveavanjem zavisi od stepeni slobode testne statistike, ili broja opservacija koje
premauju apsolutni minimum broja opservacija nuan za izraunavanje statistike.
Poto su najmanje 2 opservacije nune za proceduru izraunavanja sredine, stepeni
slobode za test sredina se izraunava kao df=n-1. Precizna kritina t vrednost za
korienje u testu sredina za veoma male uzorke se uzima iz t tabele. Posmatrajmo
jedan primer: neka je veliina uzorka n=10 opservacija, kritina t vrednost za test
sredina sa df=10-1=9 je 2.262 pri nivou znaajnosti =0.05, a za =0.01 kritina t
vrednost je 3.25. Oekuje se da e se sredina populacije nai unutar 2.262 standardne devijacije oko sredine uzorka sa 95%-tnim poverenjem, ili unutar 3.25 standardne devijacije oko sredine uzorka sa 99%-tnim poverenjem.
Do sada smo mere centralne tendencije i mere disperzije razmatrali korisnim u
smislu opisivanja populacionih i uzorakih podataka. Ove mere su veoma korisne za
menadere koji iziskuju detaljni statistiki prol karakteristika klijenata, trokova,
prota u datoj delatnosti kao i pri analizi ostalih vanih ekonomskih promenljivih.
Ipak, menaderi su esto zainteresovani za poznavanje centralne tendencije i disperzije ovih podataka i to u obimu koji se ne moe opisati ovim obrascima. Iz ovog
razloga, uspeni menaderi iz stvarnih kompanija posveuju znatno vreme i trud na
opisivanje uzroka i posledica vanih ekonomskih zavisnosti. Naredni deo se vie bavi
time.
58
3.5 Regresiona analiza

Jedan od najveih izazova sa kojima se suoava menadment je tano ocenjivanje
tranje, trokova i prota, kao i veza izmeu njih. Ne samo da se moraju odrediti
opsezi vanih faktora koji utiu na tranju, trokove i prote, ve se menadment
mora baviti i relativnim veliinama svakog od inilaca koji utiu na te veliine. Regresiona analiza je mono i izuzetno korisno statistiko sredstvo koja opisuje nain
na koji je neka vana ekonomska promenljiva povezana sa jednom ili vie drugih
ekonomskih promenljivih. Iako u ovoj tehnici postoje jasna ogranienja, regresiona
analiza se esto koristi da uspenim menaderima obezbedi uvid u promenljivost
znaajnih ekonomskih zavisnosti. Upravo iz razloga rairenog uspeha regresione
analize u primenama u stvarnom poslovanju, i uopte primenama na drugim poljima, razmotrieno osnove za razumevanje ove tehnike.
3.5.1 ta je statistika zavisnost
Za pravilno shvatanje kada je upotreba regresione analize primerena, mora se
posedovati osnovno razumevanje razlike izmeu dve iroke klase ekonomskih zavisnosti (relacija).
Deterministika zavisnost je ona koja je poznata sa sigurnou. Na primer, ukupni prot je jednak ukupnim prihodima umanjenim za ukupne trokove, ili =TR-TC.
Kada su vrednosti ukupnog prihoda i ukupnih trokova poznati sa izvesnou, tada
se ukupni proti mogu tano odrediti. Protna zavisnost je primer deterministike
zavisnosti. Ukoliko su ukupni trokovi =5evra * koliina, onda se ukupni troak moe
tano odrediti u trenutku kada se zna ukupna koliina, kao to se i koliina moe
odrediti ukoliko se zna vrednost ukupnih trokova. Kada bi sve ekonomske zavisnosti bile deterministike, onda menaderi nikada ne bi bili viim ili niim protima od oekivanih; ukupni prihodi i ukupni trokovi bi se mogli tano odrediti na
poetku svakog planskog perioda. Ipak, malo je ekonomskih zavisnosti po svojoj prirodi deterministiko. Daleko je ee da su ekonomske promenljive povezane jedna
sa drugom na naine koji se ne mogu predvideti sa apsolutnom tanou. Skoro sve
ekonomske zavisnosti stoga moraju biti ocenjivane.
Statistika zavisnost izmeu dve ekonomske promenljive se javlja ukoliko je
prosek jedne povezan sa prosekom druge promenljive, ali je nemogue sa izvesnou
predvideti vrednost jedne na osnovu vrednosti druge. U prethodnom primeru, ukoliko je u proseku TC=5 evra * Q, onda poveanje za jednu jedinicu mere u koliini
tei da dovede u proseku do poveanja od 5 evra u ukupnim trokovima. Ponekad
stvarno poveanje u ukupnom troku moe biti vee od 5 evra; a ponekad bi bilo
manje. U takvim okolnostima, kae se da izmeu ukupnih trokova i obima (proizvodnje) postoji statistika zavisnost.
59
U sluajevima kada postoji statistika zavisnost, tana ili istinska veza izmeu
dve ekonomske promenljive nije poznata sa izvesnou, te se mora ocenjivati. Verovatno najei nain da se uradi ocena je da se prikupe i analiziraju istorijski podaci
o posmatranim ekonomskim promenljivima. Vremenske serije podataka su dnevne,
nedeljne, mesene ili godinje serije (nizovi) podataka o nekoj ekonomskoj promenljivoj poput cene, prihoda, troka ili prihoda. Da bi se ocenio trend protabilnosti
tokom vremena, neka rma moe analizirati vremenske serije brojanih podataka o
protu. Presek podataka je grupa opservacija za neku vanu ekonomsku promenljivu
u bilo kom trenutku vremena. Ukoliko se rma interesuje da stekne uvid u relativnu
vanost trinog udela u odnosu na oglaavanje kao determinante protabilnosti,
ona moe analizirati presek podataka prota, oglaavanja i protabilnosti za razliita
lokalna ili regionalna trita na kojima posluje. U sluaju da se ocenjuje efektivnost,
na primer, nekog programa upravljanja kvalitetom, rma moe razmatrati i vremenske serije i preseke podataka.
Najjednostavniji i najee korieni nain za analiziranje nekog uzorka podataka
iz prolosti je da se iscrtaju i vizuelno proue ti podaci. Dijagram rasipanja (poznat
jo kao XY ili scatter dijagram) je prikaz podataka kod koga se zavisna promenljiva
prikazuje na vertikalnoj ili Y-osi, a nezavisna promenljiva se prikazuje na horizontalnoj ili X-osi. Na slici 3.3 je dat dijagram rasipanja koji prikazuje zavisnost izmeu
etiri razliite kategorije jedinikih trokova i obima proizvodnje. Podaci na osnovu
kojih su iscrtani ovi graci su dati u Tabeli 3.3. U ovim primerima svaka jednina
trokovna kategorija predstavlja jednu razliitu zavisnu ili Y promenljivu jer ovi
jedinini trokovi zavise od, ili su odreeni sa obimom proizvodnje. Obim proizvodnje je nezavisna ili X promenljiva.
60
Slika 3.3 Dijagram rasipanja razliitih zavisnosti jedininih trokova/obima

proizvodnje (Grak rasipanja moe nam sugerisati prirodu zavisnosti izmeu X i Y)
Na slici 3.3(a), prikazana je direktna srazmernost ili zavisnost izmeu jedininih
trokova kategorije A i obima proizvodnje istog proizvoda. Ovo znai da poveanje
u obimu dovodi do poveanja u veliini ovih trokova. I suprotno, na slici 3.3(b)
prikazana je obrnuta srazmernost izmeu kategorije B jedininih trokova i obima.
Poveanje obima e dovesti do smanjenja jedininih trokova kategorije B
Nijedna zavisnost nije oigledna u sluaju jedininih trokova kod kategorije
C (slika 3.3(c)). U sluaju slike 3.3(d), ilustrovana je nelinearna zavisnost izmeu
jedininih trokova i obima proizvodnje.
Jedinica
proizvodnje
Jedinini
troak A (u )
Jedinini
troak B (u )
Jedinini
troak C (u )
Jedinini
troak D (u )
2,14
7,91
5,59
4,41
25
2,47
7,81
6,10
4,29
50
2,99
6,72
4,84
4,56
100
3,67
7,57
6,44
4,50
150
4,36
5,81
4,78
4,79
200
4,58
5,21
5,04
5,07
250
5,38
4,80
5,87
5,18
300
6,28
5,25
6,07
6,21
350
7,03
3,78
6,17
6,73
400
7,32
3,23
4,83
6,79
450
7,41
3,70
5,73
7,49
500
8,53
2,48
5,56
9,14
Tabela 3.3 Podaci korieni za dijagram rasipanja sa slike 3.3

61
Dijagrami rasipanja se analiziraju radi dobijanja instiktivnog oseaja o podacima. Metod je potpuno induktivan i intuitivan. Iako ispitivanje dijagrama rasipanja
ima neporecivu vrednost kao polazna taka u analizi jednostavnih statistikih zavisnosti, nepostojanje struktuiranosti ograniava njenu vrednost. Na primer, izbor toga
koju emo promenljivu nazvati zavisnom a koju nezavisnom je esto nasumian.
injenica da poveanje u obimu proizvodnje izaziva promenu u jedininim trokovima
moe izgledati oigledna. Ipak, u odreenim okolnostima, srazmerna priroda ove
veze izmeu ekonomskih veliina nije oigledna. Dijagrami rasipanja mogu biti od
pomoi u smislu ilustrovanja veza ili proste korelacije izmeu promenljivih, ali sami
po sebi ne ustanovljavaju uzronost (kauzalnost). Da bi se obezbedilo izvoenje uzroka i posledice, korelacije izmeu dve serije podataka moraju se interpretirati u
svetlu prethodnog iskustva ili ekonomske teorije. U prouavanju tehnika regresione
analize, vano je imati na umu da ekonomska teorija prua bazina obrazloenja za
specikacije modela.
3.5.2 Specikacija regresionog modela
Prvi korak u regresionoj analizi je da se specikuju promenljive koje e se ukljuiti
tj. ui u regresionu jednainu ili model. Tranja proizvoda, izmerena u zikim jedinicama (komadima), je zavisna promenljiva u sluaju speciciranja funkcije tranje.
Lista nezavisnih promenljivih, ili onih koji utiu na tranju, uvek ukljuuje cenu proizvoda a generalno ukljuuje i faktore poput cene komplementarnih i konkurentskih
proizvoda, izdataka za oglaavanje, prihoda potroaa i populacije potroaa.
Funkcije tranje za skupljim trajnim dobrima, poput automobila ili kua, ukljuuje
i kamatne stope i ostale uslove kreditiranja; dok se za proizvode poput ski opreme,
pia ili klima ureaja moraju razmotriti klimatski uslovi. Determinante tranje za
kapitalnim dobrima, poput industrijskih maina, ukljuuju korporativnu protabilnost, koecijent iskorienosti kapaciteta, kamatnu stopu, trendove nadnica i tako
dalje. Ukupni ili jedinini trokovi su zavisna promenljiva pri speciciranju funkcije
troka. U nezavisne promenljive uvek spada obim proizvodnje, a tipino ukljuuju i
visinu plata, kamata, cene sirovina i slino.
Drugi korak u regresionoj analizi je prikupljanje pouzdanih podataka. Potrebno
je prikupiti podatke o ukupnoj proizvodnji ili potranji, cenama, uslovima za kredite,
koecijentima iskorienosti kapaciteta, platama i slinom. Dobijanje preciznih podataka nije uvek lako; posebno ako studija ukljuuje vremenske serije tokom dueg
niza godina. Poret toga, moe se desiti da e se neke kljune promenljive morati
ocenjivati. Stavovi potroaa prema kvalitetu proizvoda i oekivanja o buduim uslovima poslovanja, to je oboje veoma vano u funkcijama tranje za mnoga potrona
dobra, esto se moraju ocenjivati. Naalost, istraivaki upitnici i tehnike intervjua
ponekad unose elemente subjektivnosti u podatke a time i mogunost greke ili pristrasnosti.
62
Kada se promenljive speciciraju i podaci prikupe, doao je trenutak za odreivanje

funkcionalnog oblika regresione jednaine. Ovaj oblik odraava nain na koji, prema
pretpostavkama, nezavisna promenljiva utie na zavisnu ili Y promenljivu. Najea
specikacija je linearni model, poput sledee funkcije tranje:
Q a bP cA dI
(3.12)
gde Q predstavlja jedininu tranju za datim proizvodom, P je prodajna cena,

A predstavlja izdatke oglaavanja, a I je raspoloivi prihod po osobi. Za jedininu
tranju se pretpostavlja da se menja na linearni nain sa promenom svake nezavisne
promenljive. Na primer, ukoliko je b = -1,5, traena koliina e opasti za jednu i po
jedinicu sa svakim jedininim poveanjem cene. Ovo implicira linearnu ili pravolinijsku krivu tranje. Svaki koecijent meri promenu Y koja nastaje nakon jedinine
promene u svakoj odgovarajuoj X promenljivoj. Napomenimo da veliina ovog uticaja ne zavisi od veliine X promenljive. U linearnom regresionom modelu, granini
efekat svake X varijable na Y je konstantan. iroka privlanost linearnih funkcija
dolazi usled injenice da su mnoge zavisnosti tranje i trokova zapravo linearne po
prirodi. Pored toga, najpopularnija regresiona tehnika, metod najmanjih kvadrata,
moe se koristiti za ocenjivanje koecijenata a,b,c i d za linearne jednaine.
Drugi esto korien oblik regresionog modela je multiplikativni model:
Q a P b A c Id
(3.13)
Multiplikativni model se koristi kada se smatra da granini efekat svake nezavisne

promenljive zavisi od vrednosti svih nezavisnih promenljivih u regresionoj jednaini.
Na primer, efekat na koliinu koja se trai pri nekom poveanu cene ne zavisi esto
samo od visine cene, ve i od obima oglaavanja, konkurentske cene i oglaavanja
konkurencije, i slinog. Slino ovome, efekat koji na trokove ima skok plata moe
zavisiti od nivoa proizvodnje, cena sirovina, izdataka za istraivanje i razvoj i tako
dalje. Pretpostavka multiplikativne prirode promena graninih zavisnosti je ponekad
realnija negoli implicitna pretpostavka konstantne granine zavisnosti, koja postoji
u linearnom modelu.
Na nae zadovoljstvo, koristi od dodatnog realizma u multiplikativnom modelu nisu zasenjene manama u smislu dodatne sloenosti u postupku ocenjivanja.
Jednaina 3.13 se moe transformisati u linearnu zavisnost korienjem logaritama,
a zatim se moe proceniti korienjem tehnike najmanjih kvadrata. Na ovaj nain,
jednaina 3.13 je ekvivalentna sa:
log Q
log a b u log P c u log A d u log I
(3.14)
63
Kada se napiu u obliku jednaine 3.12, koecijenti iz jednaine 3.14 (log od a,b,c
i d) mogu biti na lak nain ocenjeni. Zahvaljujui multiplikativnom ili log-linearnom
obliku regresionog modela, ove procene koecijenata mogu se tumaiti kao procene
konstantne elastinosti Y-a u odnosu na X, ili kao procentualna promena u veliini
Y uslovljena promenom X-a u visini od 1%. O elastinosti e biti rei u ostatku ove
knjige, pa e sada biti podvueno samo da multiplikativni ili log-linearni modeli podrazumevaju konstantnu elastinost.
Da sumiramo, multiplikativni modeli podrazumevaju promenljivi apsolutni efekat na Y promenljivoj uslovljen promenama u razliitim nezavisnim promenljivima.
Ovo je nekada zgodno u analizi tranje jer granini efekat utroka jednog evra u
oglaavanju, na primer, moe varirati shodno ukupnom nivou oglaavanja, cenama,
prihodima i tako dalje. Slino, ponekad je zgodno i u analizi trokova, jer efekat koji
na trokove ima promena od jedne jedinice mere obima proizvodnje moe zavisiti od
obima proizvodnje, plata, cena sirovina i tako dalje.
Promenljivi granini efekti koji se podrazumevaju u multiplikativnom ili loglinearnom modelu su opreni u odnosu na konstantan granini efekat nezavisnih
varijabli u linearnim modelima. Multiplikativne funkcije tranje i trokova su esto
zasnovane na pretpostavci konstantne elastinosti, poto se elastinost menja zajedno sa linearnim funkcijama tranje. Naravno, neki dati oblik regresionog modela linearan, multiplikativan ili neki drugi treba uvek odabrati tako da odraava stvarne
zavisnosti posmatranih ekonomskih promenljivih. Treba paziti i na to da odabrani
model bude u skladu sa ekonomskom teorijom koja objanjava pojave koje model
opisuje.
3.5.3 Metod najmanjih kvadrata
Regresione jednaine se obino ocenjuju ili podeavaju pomou metoda najmanjih kvadrata. Metod se moe ilustrovati posmatranjem jednostavnog primera
funkcije ukupnih trokova. Prepostavimo da menader neke lijale Banke A poeli
da proceni zavisnost izmeu ukupnog broja novih tekuih rauna otvorenih na
mesenom nivou i trokova obrade zahteva za novim raunima. Tabela 3.4 daje relevantne podatke o ukupnom troku i broju zahteva za novim raunima tokom prole
godije (opservacije tokom 12 meseci). Kada se koristi linearni model za opisivanje zavisnosti izmeu ukupnog troka obrade zahteva za otvaranjem rauna i broja zahteva,
opti oblik regresione jednaine za Banku A je
Ukupni Troak = Y = a + bX
64
(3.15)
Gde je ukupan troak zavisna ili Y promenljiva, a autput (obim obrade u naem
sluaju) je nezavisna ili X promenljiva. Ovakva regresiona jednaina se naziva prostim regresionim modelom, jer ukljuuje samo jednu zavisnu Y promenljivu i jednu
nezavisnu X promenljivu. Viestruki regresioni model takoe obuhvata jednu Y
promenljivu ali zato ukljuuje najmanje dve X promenljive.
Metod najmanjih kvadrata ocenjuje ili podeava regresionu liniju koja minimizuje
sumu kvadrata odstupanja (devijacija) izmeu najbolje podeene linije i skupa taaka
orginalnih podataka. Tehnika je zasnovana na minimizovanju kvadrata odstupanja
radi izbegavanja problema negativnih i pozitivnih odstupanja koja bi se meusobno
potirala. Korienjem tehnike najmanjih kvadrata, mogue je proceniti odseak na
Y osi (a) i koecijent nagiba (b) koji odgovara najbolje podeenoj regresionoj liniji.
Egzaktna forma regresione jednaine za Banku A, koja bi bila ocenjena korienjem
mesenih podataka iz tabele 3.4 je
Ukupni Troakt = Yt = a + bXt + ut
(3.16)
pri emu je ukupan troak u mesecu t zavisna ili Y promenljiva, a broj zahteva za
novim raunima u mesecu t je nezavisna rezultujua ili X promenljiva. ut je rezidual
ili lan remeenja koji odraava uticaj stohastikih ili sluajnih elemenata i bilo kojih
drugih determinanti ukupnih trokova koji su izostavljeni iz regresione jednaine.
Mesec
Ukupni troak (Yt) u

evrima
Podeena ocena
ukupnog troka (Yt) u
evrima
Broj novih rauna

(Xt)
Januar
4.959
4.755,91
205
Februar
4.275
5.061,00
220
Mart
6.050
5.467,78
240
April
5.350
5.569,48
245
Maj
5.125
5.671,17
250
Jun
6.650
6.179,65
275
Juli
7.450
6.993,22
315
Avgust
6.850
7.094,92
320
Septembar
8.250
7.603,40
345
Oktobar
8.700
9.332,23
430
Novembar
9.175
9.433,92
435
Decembar
9.975
9.637,32
445
Prosek
6.900
6.900,00
310
Tabela 3.4
65
Slika 3.4 Regresiona zavisnost izmeu trokova obrade novih rauna i broja
novih rauna u Banci A (regresiona linija minimizira sumu kvadrata odstupanja)
Kada se istrauju podaci iz neke vremenske serije, na nain kao u naem primeru,
lan t se koristi da oznai indeks promenljivih. Ukoliko se istrauju podaci iz nekog
preseka vremena - na primer, trokovi obrade u nekom broju lijala tokom nekog
datog meseca razliite lijale bi se oznaavale sa razliitim indeksima i, radi identikacije.
66
Odseak a oznaava presek regresione krive sa osom prodaje. Koecijent nagiba

b je nagib regresione linije, a ut je lan greke koji meri vertikalno odstupanje svake
take za neko dato t od podeene regresione linije. Tehnika najmanjih kvadrata minimizuje ukupnu sumu kvadrata ut vrednosti putem izbora odgovarajuih a i b koecijenata. Kada se a i b koecijenti iskombinuju sa stvarnim podacima o nezavisnoj X
promenljivoj (broj zahteva za novim raunima), na nain prikazan u jednaini 3.15,
tada se mogu izraunati ocenjene ili podeene vrednosti ukupnih trokova prikazane
u tabeli 3.4. Ove podeene vrednosti su povezane sa linijom podeene regresije iscrtanoj na slici 3.4. Podeene vrednosti zavisne promenljive Y, koje se nazivaju ili Y
sa kapicom, su izuzetno vredne informacije jer ukazuju na oekivanu vrednost ukupnih trokova koji su povezani sa nekim datim brojem zahteva za novim raunima,
ili X varijablom. Ipak, regresiona analiza menadmentu nudi i odreen broj drugih
uvida koji se odnose na odnos trokova/obima (poslovanja). U narednom odeljku,
ispituju se vani uvidi koje nude najee koriene regresione statistike.
3.6 Regresione statistike

Do pre samo desetak godina, proces ocenjivanja ekonomskih zavisnosti je bio naporan i skup. Samo najvee i najnaprednije organizacije su mogle sebi da priute neophodna ulaganja u sosticirane kompjutere i visokostruno osoblje. Danas, meutim,
moni PC raunari sa sosticiranim ali korisniki orjentisanim statistikim softverom omoguavaju da ak i sloene ekonomske zavisnosti budu ocenjene na lak i brz
nain. Kao rezultat toga, precizna ocena statistikih zavisnosti je postala standardna
alatka uspenih menadera u organizacijama svih veliina i tipova. Jedan od vodeih
softvera koji su komercijalno raspoloivi je SPSS Advanced Statistics paket. Ovaj paket nije skup, lako ga je savladati a nudi bogatstvo monih tehnika za analiziranje
podataka i procenu regresionog modela. Znatno skromniji po mogunostima je i MS
Excel i drugi programi za tablinu obradu podataka, koji mogu biti korisni ukoliko
se ne iziskuje detaljna statistika analiza. Naredni odeljak se fokusira na tumaenje
regresionih rezultata.
3.6.1 Standardna greka ocene
Korisno merilo za ispitivanje preciznosti bilo kog regresionog modela je standardna greka ocene, SEE, ili standardna devijacija zavisne Y promenljive nakon provere
uticaja svih X promenljivih. Standardna greka procene raste sa veliinom rasipanja
oko regresione krive uzorka. Ukoliko bi svaka taka podataka iz uzorka leala upravo
na regresionoj liniji, standardna greka ocene bi bila jednaka nuli poto bi svako t
bilo upravo jednako Yt. Ne postoji rasipanje oko regresione linije kada je standardna
greka ocene jednaka nuli. to je vee rasipanje oko regresione linije, to e se t vie
razlikovati od Yt za svako t, pa e i standardna greka biti velika.
67
Standardna greka ocene daje veoma korisne naine za ocenjivanje intervala poverenja oko bilo koje procene t, ukoliko se znaju vrednosti za nezavisnu promenljivu.
Drugim reima, standardna greka ocene se moe koristiti za odreivanje opsega
(intervala) unutar koga zavisna varijabla Y moe biti ocenjena sa promenljivim stepenom statistikog poverenja zasnovanog na regresionim koecijentima i vrednostima za X varijable. Poto je t najbolja ocena t-te vrednosti zavisne varijable, kao
ocena predviena pomou regresione jednaine, standardna greka procene se moe
koristiti za odreivanje upravo toga koliko e verovatno biti precizno predvianje
t. Ukoliko ut kao elementi greke budu imali normalnu raspodelu u regresionoj
jednaini, to e biti sluaj ukoliko se analiziraju veliki uzorci sa vie od 30 opservacija, postoji 95%-tna verovatnoa da e opservacije zavisne promenljive leati u
opsegu t (1.96 x SEE), ili unutar dve standardne greke procene. Verovatnoa ja
99% da e bilo koje dato t biti u okviru t (2.576 x SEE), iliti grubo gledano, unutar tri standardne greke njegove predviene vrednosti. Kada se analiziraju veoma
mali uzorci podataka, kritine vrednosti su neto vee od dvostruke ili trostruke
SEE u smislu 95%-tnih i 99%-tnih intervala poverenja. Precizne vrednosti se mogu
dobiti iz tabele t vrednosti, koje se mogu nai u Prilogu ove knjige, i to korienjem
postupka opisanog u narednom razmatranju t-statistike. I za male i za velike uzorke
moe se rei da e vea predviajua tanost regresionog modela biti povezana sa
manjim standardnim grekama procene.
Koncept standardne greke procene je opisan graki na slici 3.5. Regresiona
linija najmanjih kvadrata je ilustrovana zadebljalom linijom; gornji i donji 95%-tni
intervali poverenja su prikazani sa isprekidanim linijama. U proseku, 95% svih stvarnih opservacija podataka e leati u, grubo reeno, dve standardne greke procene. Za neku datu vrednost Xt, interval izmeu gornjih i donjih granica poverenja
se moe koristiti za predvianje odgovarajue vrednosti Yt sa 95% verovatnoe da
e stvarni rezultat leati unutar tog intervala poverenja. Napomenimo da se ovaj
interval poverenja proiruje za opservacije uzorka koje su mnogo nie ili mnogo
vee od proseka tog uzorka. Ovo je zbog toga to je standardna greka izraunavanja
procene zasnovana na opservacijama uzetim iz uzorka a ne opte populacije i stoga
daje samo aproksimaciju stvarne raspodele greaka. Granice poverenja su najblie
regresionoj liniji u blizini prosenih vrednosti za Xt i Yt, ili u centru dijagrama rasipanja. Granice poverenja se udaljavaju od regresione linije kako se ide ka ekstremnim vrednostima opservacija uzorka. Ono to je svakako bitno za zapamtiti je da
relativno nisko poverenje moe da se dodeli prediktivnim vrednostima regresione
jednaine koja je proirena na vrednosti izvan opsega opservacija uzorka.
68
Slika 3.5 Ilustracija korienja standardne greke procene u svrhu denisanja intervala poverenja (Standardna greka procene (SEE) je koriena za izradu intervala
poverenja)
U naem primeru Banke A i njenih ocena trokova, standardna greka procene
je 531,9. Ovo znai da je standardna devijacija stvarnih vrednosti Yt oko regresione
linije jednaka 531,90 evra, jer je standardna greka procene uvek izraena u istim
jedinicama kao i zavisna promenljiva Y. Postoji 95%-tna verovatnoa da e bilo koja
opservacija Yt leati u priblino dve standardne greke odgovarajue njene procene
t. Na primer, broj zahteva za otvaranjem novih rauna tokom meseca jula je 315 na
mesenom nivou, a oekivani ili podeeni ukupni trokovi su 6.993,19 evra (=586.4
+ 20.339(315)). Odgovarajue granice poverenja za 95%-tni interval poverenja su
6.993,19 (2 x 531,9 evra). Ovo znai da postoje priblino 95%tni izgledi da e stvarni trokovi na mesenom nivou za obradu 315 zahteva upasti u opseg od 5.929,39
evra do 8.056,99 evra. Slino ovome, postoji 99%tni izgledi da e stvarni trokovi
na mesenom nivou za obradu zahteva upasti u priblino tri standardne greke
predviene vrednosti, ili u opseg od 5.397,49 evra do 8.588,89 evra. to je iri interval
poverenja, vei je nivo poverenja da e stvarne vrednosti upasti unutar predvienog
opsega. S druge strane, vea prediktivna tanost je oigledno povezana sa manjim
standardnim grekama procene.
69
3.6.2 Kvalitet podeavanja, r i R2

U prostom regresionom modelu sa samo jednom nezavisnom promenljivom koecijent korelacije r, predstavlja merilo dobrog kvaliteta podeenosti tj. kvaliteta modela (goodness of t). Koecijent korelacije uzima vrednosti u opsegu izmeu 1 i -1.
Ukoliko je r=1, onda postoji savreno srazmerna linearna zavisnost izmeu zavisne
promenljive Y i nezavisne promenljive X. Ukoliko je r=-1 onda postoji savrena obrnuto srazmerna linearna zavisnost zavisne promenljive Y i nezavisne promenljive X.
U oba sluaja, sve stvarne vrednosti za Yt dolaze tano na regresionu liniju. Regresiona jednaina objanjava sve varijacije kod zavisne promenljive Y u smislu promena pri
variranju nezavisne promenljive X. Ukoliko je pak r=0, onda postoji nulta korelacija
izmeu zavisne i nezavisnih promenljivih; one su autonomne. Kada je r=0, uopte ne
postoji veza izmeu stvarnih Yt opservacija i podeenih t vrednosti.
U modelima viestruke regresije kod kojih se posmatra vie od jedne nezavisne
promenljive X, kvadrat vrednosti koecijenta viestruke korelacije se koristi na
slian nain. Kvadrat koecijenta viestruke korelacije, koji se naziva koecijentom
determinacije, ili R2, pokazuje koliko dobro (kvalitetno) model viestruke regresije
objanjava promene u vrednosti zavisne promenljive Y. R2 se denie kao srazmera
ukupne varijacije zavisne promenljive koja je objanjena celim skupom nezavisnih
promenljivih. U formi jednaine, R2 se zapisuje kao
R2
Varijacija objanjena preko regresije

Ukupna varijacija Y
(3.17)
Shodno tome, R2 moe uzeti vrednosti u opsegu od 0, to bi onda znailo da model

ne prua objanjenje za varijacije zavisnih promenljivih, do 1.0, to bi oznaavalo da
su sve varijacije objanjene preko nezavisnih promenljivih. Koecijent determinacije
za regresioni model prikazan na slici 3.4 je 92,4%, to ukazuje da 92,4% ukupne varijacije trokova obrade zahteva za novim raunima u Banci A moe biti objanjeno
uzronim varijacijama u broju zahteva za novim raunima. Ukoliko je R2 relativno
visoko, odstupanja oko regresione linije bie mala, to je pokazano na slici 3.6. U
takvim sluajevima, stvarne vrednosti Yt e biti blizu regresionoj liniji, a vrednosti za
ut bie male. Kako se vrednost odstupanja od regresione linije poveavaju koecijent
determinacije opada. U ekstremnom sluaju, zbir lanova kvadrata greke moe biti
jednak ukupnoj varijaciji zavisne promenljive, i tada je R2=0. U ovom sluaju, regresioni model nije u stanju da objasni bilo koju varijaciju zavisne promenljive Y.
Relativno niska vrednost za R2 nekog modela ukazuje da je dati model neadekvatan u pogledu njegove ukupne sposobnosti objanjavanja. Najoptiji uzrok u sluaju
70
ovakvog problema je izostavljanje vanih objanjavajuih promenljivih. U praksi,

koecijent determinacije retko uzima vrednosti 0 ili 100%. U naem primeru sa
Bankom A, R2=92,4%, i to je relativno visok nivo moi objanjavanja regresionog
modela. itavih 92,4% varijacija trokova obrade zahteva je objanjeno varijacijama
u broju zahteva za novim raunima, to je nivo koji je najee veoma koristan za
svrhe planiranja. U empirijskom proceni tranje, vrednosti R2 od 80%, koje ukazuju
da je 80% varijacija tranje objanjeno preko modela, esto predstavljaju sasvim prihvatljiv kvalitet modela. Za dobra i usluge sa visokostabilnim i predvidivim obrascima
tranje, R2-ovi funkcije tranje dostiu ponekad ak do 90 pa i 95%. Veoma visoki
nivoi R2 se mogu postii u analizi funkcije trokova proizvoda koji se proizvode u
kontrolisanim uslovima. Generalno govorei, analiza tranje i trokova za neku datu
rmu ili delatnost, gledano tokom vremena (analiza vremenskih serija), e dovesti
do viih nivoa R2 negoli slina analiza nad rmama ili delatnostima u nekom datom
trenutku vremena (analiza vremenskog preseka). Ovo je zbog usled toga to je veina
ekonomskih pojava blisko povezano sa optim tempom ekonomskih aktivnosti i zato
ima u sebi vaan vremenski ili trendovski element. Takve egzogene sile se smatraju
konstantnim u analizi preseka i ne mogu da doprinesu optoj objanjavajuoj moi
regresionog modela. Pri prosuivanju da li je ili nije neko dato R2 dovoljno visoko da
bude zadovoljavajue, mora se razmotriti nameravana upotreba statistikih rezultata
i tip analize koja e se izvoditi.
Slika 3.6 Objanjene i neobjanjene varijacije zavisne promenljive u regresionom

modelu (R2 je visok kada su neobjanjene varijacije male)
71
3.6.3 Korigovani koecijent determinacije

Kao to je ranije navedeno, neko R2 od 100% dovodi do toga da svaka taka iz podataka lei tano na regresionoj liniji. Iako bi se pomislilo da bi se bilo koji model sa
R2 = 100% pokazao visoko pouzdanim u smislu prediktivnog alata, to nije uvek sluaj.
Koecijent determinacije za bilo koju regresionu jednainu je vetaki visok kada
se isuvie mali uzorak koristi za ocenjivanje koecijenata modela. U ekstremnom
sluaju, R2 je uvek jednak 100% kada je broj ocenjenih koecijenata jednak ili vei
od broja opservacija jer onda svaka taka iz podataka (uzorka) moe biti postavljena
tano na regresionu liniju.
Da bi se izvela smislena regresiona analiza, uzorak koji se koristi za ocenjivanje
regresione jednaine mora biti dovoljno veliki da odraava vane karakteristike opte
populacije koja se posmatra. Ovo obino znai da je potrebno imati 30 ili vie opservacija podataka za adekvatno podeavanje modela. Jo preciznije, ono to je obino
potrebno je 30 ili vie stepeni slobode (ss ili eng. df). Stepeni slobode su broj opservacija preko apsolutnog minimuma koji je potreban za izraunavanje neke date regresione statistike. Na primer, da bi se izraunao lan odseka, potrebna je najmanje
jedna opservacija; da bi se izraunao lan odseka a i pored njega koecijent nagiba
b, potrebno je najmanje 2 opservacije; i tako redom. Poto se R2 pribliava 100%
kako se stepeni slobode pribliavaju nuli za bilo koji regresioni model, statistiari
su osmislili metod za korigovani ili podeeni R2 koji bi u obzir uzimao broj stepeni
2
slobode. Korigovani koecijent determinacije, koji se oznaava kao R , moe se
sraunati korienjem jednaine
k 1
2
R2
1 R
nk
(3.18)
gde n oznaava broj opservacija u uzorku (pojedinanih podataka) a k je broj

ocenjenih koecijenata (odseak uvean za broj koecijenata nagiba). Napomeni2
mo da izraunavanje R uvek ukljuuje smanjujue podeavanje za R2. Smanjujue
podeavanje za R2 je veliko kada n, veliina uzorka, bude relativno malo u odnosu na
k, koje predstavlja broj koecijenata koji se ocenjuju. Ovo smanjujue podeavanje za
R2 je malo kada je n relativno veliko u odnosu na k. U naem primeru sa Bankom A,
2
R =91,6% - to je relativo umereno smanjujue podeavanje za R2 = 92,4% - i sugerie
da visok nivo objanjavajue moi koja se ostvaruje pomou regresionog modela ne
moe biti pripisana maloj veliini uzorka.
72
Kao i u sluaju R2, statistiki softverski paketi obino izraunavaju i podeavanje

R , tako da zapravo esto nema potrebe za dodatnim izraunavanjima u praksi.
Ipak, znajui ta je sve u igri, nije zgoreg nekada runo izraunavati. Iz prethodnog
se moe zakljuiti da e pouzdanost nekog datog regresionog modela biti vea kada
su i R2 i broj stepeni slobode bitno visoki.
2
3.6.4 F statistika
2
I koecijent determinacije, R2, i korigovani koecijent determinacije, R , daju

dokaze da li je ili nije udeo objanjenih varijacija relativno visok ili nizak. Ipak,
nijedan od ovih koecijenata nam ne govori da li nezavisne promenljive kao celina
objanjavaju statistiki znaajan udeo varijacija kod zavisne promenljive Y. F statistika daje dokaze da li je ili nije objanjen statistiki znaajan udeo ukupnih varijacija
2
kod zavisne promenljive. Slino kao kod R , F statistika je podeena za stepene
slobode i denie se kao:
fk 1,n k
Objanjena varijacija / k-1

Neobjanjena varijacija / n-k
(3.19)
I ovde n oznaava broj opservacija u uzorku (pojedinanih podataka) a k je broj

ocenjenih koe
cijenata (odseak i broj koecijenata nagiba). Takoe, na slian nain
2
R
, F statistika moe se sraunati u smislu koecijenata determinacije, i to
kao kod
Fk 1,n k
R 2 /(k 1)
(1 R 2 )/(n k)
(3.20)
F statistika se koristi da ukae da li je ili nije znaajan udeo varijacija zavisne

promenljive objanjen pomou regresionog modela. Hipoteza koja se zapravo testira
je da li je zavisna promenljiva Y nepovezana sa svim nezavisnim promenljivima X
ukljuenim u model. Ukoliko ova hipoteza ne moe biti odbaena, ukupna objanjena
varijacija u regresioji e biti sasvim mala. U ekstremnom sluaju, ukoliko je R2=0,
onda je F=0, a regresiona jednaina apsolutno ne daje nikakvo objanjenje varijacija
zavisne promenljive Y. Kako se F statistika udaljava od nule, tj. raste, hipoteza da
zavisna promenljiva Y nije statistiki povezana sa jednom ili vie regresionih nezavisnih promenljivih X postaje laka za odbacivanje. U nekom trenutku, F statistika
postaje dovoljno velika da se odbaci hipoteza nezavisnosti i opravda zakljuak da su
barem neke od X promenljivih u regresionom modelu znaajni faktori objanjavanja
varijacija u zavisnoj promenljivoj Y.
73
F test se koristi da odredi da li je neka data F statistika statistiki znaajna. Izvoenje

F testa ukljuuje poreenje F statistika sa kritinim vrednostima iz tabele F raspodele.
Ukoliko neka data F statistika premauje kritinu vrednost iz tabele F raspodele, hipoteza
nepostojanja zavisnosti izmeu zavisne promenljive Y i skupa nezavisnih promenljivih X
moe biti odbaena. Gledano u celini, tada se za regresionu jednainu moe smatrati da
objanjava znaajne varijacije zavisno promenljive. Kritine vrednosti za F raspodelu su
date sa 10%-tnim, 5%-tnim i 1%-tnim nivoom znaajnosti i mogu se nai u odgovarajuoj
tabeli.7 Ukoliko F statistika za neku datu regresionu jednainu premai F vrednost u tabeli, onda postoji 90%-tno, 95%-tno ili 99-tno poverenje, redom, da regresioni model
objanjava znaajan deo varijacija zavisne promeljive Y. 90%-tni, 95%-tni i 99%-tni nivoi
poverenja su popularni kod odbacivanja hipoteza, poto oni oznaavaju da e istinita
hipoteza biti odbaena samo 1 u 10, 1 u 20 ili 1 u 100 sluajeva, redom. Takve stope
greaka su sasvim male i obino su sasvim prihvatljive.
Kritine F vrednosti zavise od stepena slobode koji su dati kako u brojiocu tako i u imeniocu jednaine 3.17. U brojiocu, stepen slobode je jednak broju ocenjenih koecijenata
u regresionoj jednaini umanjenom za 1 tj. (k-1). Stepen slobode za imenilac F statistike
je jednak broju opservacija umanjenom za broj ocenjenih koecijenata tj. (n-k). Kritina
vrednost F moe se oznaiti kao Ff1,f2 gde je f1, stepen slobode za brojioc, i to je k-1, a f2 je
stepen slobode za imenilac, i to je n-k. Na primer, F statistika za na primer sa Bankom
A ukljuuje f1=k-1=2-1=1, i f2=n-k=12-2=10 stepeni slobode. Napomenimo takoe da je
sraunato F1,10=120,86>10,04, kritine F vrednosti za =0,01 ili 99%-tni interval poverenja.
Ovo znai da postoji manje od 1% izgleda opaanja tako visoke F statistike a da pritom
zapravo varijacije zavisne promenljive Y nisu objanjene pomou regresionog modela.
I obratno, hipoteza o nepostojanju veze izmeu zavisne promenljive Y i itave grupe
X promenljivih moe biti odbaena sa 99%-tnim poverenjem (u ispravnost te odluke).
Zahvaljujui sposobnosti odbacivanja hipoteze o nepostojanju povezanosti sa 99%-tnim
poverenjem, uvek e biti mogue odbaciti hipotezu u sluaju da se javi nie poverenje,
tj. 95%-tno ili 90%-tno poverenje. Poto znaajnost sa kojom hipoteza o nepostojanju
veze moe odbaciti predstavlja vaan pokazatelj opteg kvaliteta modela, tj. njegove
podeenosti, odbacivanje treba vriti uvek sa najveim moguim nivoom poverenja.
Kao pravilo ustanovljeno iskustvom u statistikom radu, ukoliko se pretpostavi da
tipian regresioni model ukljuuje 4 ili 5 nezavisnih promenljivih X a uz njih i lan
odseka, izraunata F statistika vea od 3 dozvoljava odbacivanje hipoteze da ne postoji
veza izmeu zavisne promenljive Y i nezavisnih X promenljivih pri =0,05 nivou poverenja (tj. sa 95%-tnim poverenjem). Kao to se vidi sa slike 3.7, izraunata F statistika vea
od 5 obino dozvoljava odbacivanje hipoteze da ne postoji veza izmeu promenljive Y i
X promenljivih pri =0,01 nivou poverenja (tj. sa 99%-tnim poverenjem). Ipak, kao to
smo videli u prethodnoj diskusiji, kritine F vrednosti su podeene poviavanjem kada je
veliina uzorka mala u donosu na broj koecijenata koji su ukljueni u regresioni model.
U takvim sluajevima, precizna kritina F vrednost se mora preuzeti iz neke tabele F
vrednosti.
7
74
Koristiti statistike tablice u Prilogu
3.6.5 Procenjivanje znaajnosti promenljivih

Standardna greka ocene ukazuje na preciznost sa kojom se od regresionog modela moe oekivati da predvidi zavisnu promenljivu Y. Standardna devijacija (ili standardna greka) svakog pojedinanog koecijenta daje slinu meru preciznosti za
vezu izmeu zavisne promenljive Y i neke date X promenljive. Kada je standardna
devijacija nekog koecijenta relativno velika, zavisnost koja lei u osnovi odnosa
izmeu X i Y je obino slaba.
Mogue je izvesti odreen broj zanimljivih statistikih testova zasnovanih na
veliini nekog datog ocenjenog koecijenta i njegove standardne devijacije. Ovi testovi su zasnovani na alternativnoj verziji prethodno opisane t statistike. Generalno
/
govorei, t test se izvodi radi testiranja da li je ocenjeni koecijent b znaajno razliit
od neke hipotezom pretpostavljene vrednosti. Do sada, najee koriena hipoteza
je da je b=0. Ovo dolazi usled injenice da ukoliko su X i Y uistinu nepovezane, onda
bi koecijent nagiba b za neku datu X promenljivu bio jednak 0. Ukoliko hipotezu
b=0 moemo odbaciti, mogue je zakljuiti da b0 te da zavisnost izmeu Y i nekog
datog X uistinu postoji. t statistika sa n-k stepeni slobode koja se koristi da testira
hipotezu b=0 se moe izraziti kao
/
t n k
b
/
Standardna devijacija od b
(3.21)
gde, opet, n oznaava broj opservacija u uzorku (pojedinanih podataka) a k je
broj ocenjenih koecijenata (odseak i broj koecijenata nagiba). Napomenimo da
ova t statistika meri veliinu pojedinane ocene koecijenta u odnosu na veliinu
njegove standardne devijacije.
Slika 3.7 F raspodela sa 4 i 30 stepeni slobode (za regresioni model sa odsekom

i 4 X promenljive, testirana na 35 opservacija) (F statistika je pomerena nadesno ali
tei normalnoj raspodeli kako oba stepena slobode dostiu veoma velike vrednosti.)
75
Ova popularna t statistika meri veliinu b koecijenta u odnosu na njegovu standardnu devijaciju jer i veliina koecijenta b i njegova unutranja stabilnost predstavljaju vane stavke u odreivanju ako je b0. T statistika meri broj standardnih
/
devijacija izmeu ocenjenog regresionog koecijenta, b , i nule. Ukoliko je izraunata
t statistika vee od relevantne kritine t vrednosti, uzete iz tabele vrednosti (videti
Prilog), hipoteza da je b=0 moe biti odbaena. I obratno, ukoliko sraunata t statistika nije vea od kritine t vrednosti, nije mogue odbaciti hipotezu da je b=0. U tom
sluaju, ne postoji dokaz postojanja povezanosti izmeu Y i neke date X promenljive.
Ukoliko se sada vratimo na na primer Banke A, ocenjeni koecijent za broj novih
zahteva za otvaranjem rauna varijable X je 20,339. Poto je standardna devijacija
samo 1,85, sraunata t statistika = 10,99>3,169 koje predstavlja kritinu vrednost
za n-k=10 stepeni slobode pri nivou poverenja od =0,01. Sa 99%-tnim poverenjem,
hipoteza ne postojanja uzronosti moe biti odbaena. I obratno, verovatnoa da se
javi ovako visoka t statistika je manja od 1% u sluaju da zapravo ne postoji uzronost
izmeu ukupnih trokova Y i broja novih rauna promenljive X.
Kao praktino pravilo, ukoliko se pretpostavlja da je veliina uzorka n>30 a da
se radi o tipinom regresionom modelu od 4 ili 5 nezavisnih varijabli X i lanom
odseka, sraunata t statistika vea od 2 dozvoljava odbacivanje hipoteze o nepostojanju veze izmeu zavisne Y i neke date X varijable i to pri nivou poverenja od
=0,05 (tj. sa 95%-tnim poverenjem). Sraunata t statistika koja je vea od 3 obino
omoguava odbacivanje hipoteze o nepostojanju veze izmeu izmeu zavisne Y i
neke date X promenljive i to pri nivou poverenja od =0,01 (tj. sa 99%-tnim poverenjem). Ipak, kao to je ranije opisano, kritine t vrednosti su podeene poveavanjem
kada je veliina uzorka mala u odnosu na broj koecijenata koji su ukljueni u regresioni model. U takvim sluajevim, precizne kritine t vrednosti mogu se dobiti iz
t tabele (videti Prilog).
3.7 Primer ocene tranje

Da bi ilustrovali kako se ocenjuju regresioni modeli, moemo uzeti jedan primer
ocene tranje, i to metodom najmanjih kvadrata. Pretpostavimo da je podatke razvrstane po mesecima prikupila jedna brzo rastua rma koja se bavi elektronskom
obradom podataka, i koju emo nazvati EDP. Ova kompanija eli agresivno irenje
a prethodne godine je uspela da zabelei brzu ekspanziju u pogledu visine godinjih
prihoda. U okruenju otre konkurencije i ne ba povoljnih uslova ona je uspela da
ostavri promet od 79,2 miliona dinara. Tabela 3.5 pokazuje podatke o EDP-u u smislu
ugovorene prodaje (Q), izdatke terenske prodaje (PSE) , izdatke za oglaavanje (AD) i
76
prosenu ugovorenu cenu (P) tokom prethodne godine (12 opservacija). Usled optih
problema u nacionalnoj ekonomiji, u toj delatnosti privrede je zaustavljen rast, te
je izostao uobiajen pozitivan efekat rasta prihoda na rast tranje. Ako, trend rasta
BND nije relevantan tokom ovog perioda. Jednostavnosti radi, pretpostaviemo da
podaci dati u tabeli 3.5 ukljuuju sve relevantne faktore koji utiu na mesene nivoe
prodaje naeg preduzea EDP.
Sredina
Prodato
jedinica
100
110
130
170
140
210
230
250
200
220
240
200
Cena po
jedinici
3,800
3,700
3,500
3,200
3,900
2,500
2,300
2,100
3,400
2,500
2,400
3,300
183.33
3,050.00
Izdaci
Izdaci
Podeene Reziduali
prodaje oglaavanja vrednosti
14,250
13,500
99.69
0.31
15,000
15,000
111.53
1.53
17,000
17,250
136.26
6.26
18,750
22,500
170.76
0.76
21,750
18,000
144.84
4.84
23,250
16,500
213.91
3.91
22,500
24,000
235.35
5.35
24,000
15,000
233.03
16.97
21,000
24,750
178.45
21.55
24,750
19,500
228.41
8.41
25,500
24,750
248.38
8.38
29,250
12,000
199.4
0.6
21,416.67
18,562.50
183.33
0.00
Tabela 3.5 Regresiona naliza funkcije tranje za kompaniju EDP

Ukoliko se pretpostavi linearna zavisnost izmeu broja jedinica prodaje, ugovorene cene, izdataka terenske prodaje i trokova oglaavanja, regresiona jednaina za
EDP bi imala oblik:
Prodajat = Yt = a + bPt + cPSEt + dADt + ut
(3.22)
gde je Yt broj prodatih usluga, Pt je prosena ugovorena cena usluga na mesenom

nivou, PSEt su terenski izdaci prodaje, ADt su izdaci oglaavanja a ut je lan sluajnih
varijacija sve mereno na mesenoj osnovi tokom prethodne godine.
Kada se odredi model linearne regresije nad podacima za EDP, dobije se sledea
ocenjena regresiona jednaina:
Prodajat = 169,0 + 0,046Pt + 0,005PSEt + 0,002ADt
(3,97)
(6,77)
(5,69)
(3.23)
(2,72)
77
gde je Pt cena, PSEt su izdaci prodaje, ADt su izdaci oglaavanja a t statistika je

prikazana u zagradama ispod. Standardna greka ocene, ili SEE, je 11,2 jedinice, koe2
cijent determinacije ili R2=96,6%, podeeni koecijent determinacije ili R =95,3%,
a relevantna F statistika =76,17.
Kako vrednosti ovih ocena koecijenata mogu biti protumaeni? Za poetak,
lan odseka a=169,0 nema ekonomskog tumaenja. Oprez mora da postoji kada
se tumae take van opsega opaenih podataka i ovog odseka, i koje veinom lee
daleko od tipinih vrednosti. Ovaj odseak ne moe biti protumaen kao oekivani
nivo prodaje pri nultoj visini cene i pretpostavljajui da su i terenski trokovi prodaje
i trokovi ograavanja potpuno uklonjeni. Slino, bilo bi rizino da se koristi ovaj
regresioni model za predvianje prodaje po cenama, izdacima prodaje ili oglaavanja
van normi uzoraka.
Koecijenti nagiba daju ocenu promene u prodaji koja moe da se oekuje nakon poveanja cene, izdataka prodaje i izdataka oglaavanja za jednu novanu jedinicu. U naem primeru, prodaja se meri u jedinicama (broju zakljuenih ugovora o
uslugama) a svaka nezavisna promenljiva je izmerena u dinarima. Stoga, se moe
oekivati da e poveanje cene od 1 dinara dovesti do smanjenja od 0,046 jedinica u
obimu prodaje na mesenom nivou. Slino prethodnom, poveanje izdataka terenske prodaje od 1 dinara, moe se oekivati, dovee do 0,005-jedininog poveanja u
prodaji; a poveanje izdataka oglaavanja od 1 dinara, moe se oekivati, dovee do
0,002-jedininog poveanja u prodaji. U svakom sluaju efekat nezavisne promenljive X izgleda prilino konzistentan na itavom uzorku. T statistika, kako za cenu
tako i za izdatke terenske prodaje, premauje vrednost od 3. ansa za opaanjem tako
visoke t statistike u sluaju da zapravo ne postoji veza izmeu prodaje i ovih X varijabli je manja od 1%. Iako manje snana, veza izmeu prodaje i izdataka oglaavanja
je takoe vredna pomena. T statistika za oglaavanje premauje vrednost 2, to
znai da postoji 95%-tno poverenje da oglaavanje ima uticaja na prodaju. Izgledi
zapaanja tako visoke t statistike za izdatke oglaavanja u sluaju kada oglaavanje
zapravo nema uticaja na prodaju je manje od 5%. I opet, potrebno je da se obrati
panja pri tumaenju ovih pojedinanih regresionih koecijenata. Vano je da se
analiza ne proiruje van opsega podataka koji su korieni za ocenjivanje regresionih
koecijenata.
Standardna greka ocene ili SEE od 11,2 jedinica moe se koristiti za konstrukciju intervala poverenja unutar koga e verovatno biti naene stvarne vrednosti i
to na osnovu veliine pojedinanih regresionih koecijenata i razliitih vrednosti
za X promenljive. Na primer, za navedeni regresioni model i vrednosti Pt=3.200 dinara, PSEt=18.750 dinara i ADt=22.500 dinara za nezavisne X promenljive, moe
biti izraunata podeena vrednost t=170,76 (videti tabelu 3.5). Za navedene vred78
nosti nezavisnih X promenljivih, 95% vremena e stvarne opservacije leati unutar

priblino dve standardne greke ocene; 99% vremena e stvarne opservacije leati
unutar priblino tri standardne greke ocene. Tako, granice 95%-tnog intervala poverenja su date preko izraza 170,76 (2 x 11,2), ili u intervalu od 148,36 i 193,16 jedinica, Granice 99%-tnog intervala poverenja su date preko izraza 170,76 (83 x 11,2),
ili od 137,16 do 204,36 jedinica.
Najzad, koecijent determinacije je R2=96,6 procenata i on ukazuje udeo varijacija u EDP tranji koji je objanjen preko regresionog modela. Samo 3,4% osta2
je neobjanjeno. Pored toga, podeeni koecijent determinacije je R =95,3% i
odraava samo umereno podeavanje smanjivanjem u odnosu na R2 koje je zasnovano na veliini analiziranog uzorka u odnosu na broj ocenjenih koecijenata. Ovo
sugerie da regresioni model objanjava znaajan udeo varijacija tranje a ta sugestija je podrana i od strane F statistike. F3,8=76,17 i daleko je vee od 5, to znai da
hipoteza o nepostojanju veze izmeu prodaje i ove grupe nezavisnih X promenljivih
moe biti odbaena sa 99%-tnim poverenjem. Postoji manje od 1% izgleda da se javi
sluaj da postoji ovako velika F statistika a da zapravo ne postoji veza izmeu prodaje
i ovih X promenljivih kao celine.
79
Rezime poglavlja
Ovo poglavlje nam je ponudilo razliite metode za opisivanje centralne tendencije
i disperzije preko uzoraka i populacije podataka. Razumevanje ovih statistika je neophodan uvod za detaljnije ispitivanje veoma korisne tehnike regresione analize, koja
slui za prouavanje statistikih zavisnosti.
Sumarne i deskriptive mere opte populacije, koje se zovu parametri populacije, su retko poznate i obino se moraju ocenjivati. Najefektniji nain da
se to uradi je oslanjanje na statistike uzorka, ili sumarne i deskriptivne
mere koje opisuju neki reprezentativan uzorak,
Korisne mere centralne tendencije ukljuuju aritmetiku sredinu ili prosek,
medijanu ili srednju opservaciju, i modus ili najee opaanu vrednost (opservacije) u uzorku. Ukoliko su podaci perfektno uravnoteeni ili
simetrini, onda e mere centralne tendencije teiti jedno tipinoj vrednosti.
U suprotnom, proizilazi asimetrinost nepostojanje simetrije u uzorku,
esto koriena merila disperzije obuhvataju interval varijacije, ili razliku izmeu najvee i najmanje opservacije u uzorku; varijansu, ili srednje
kvadratno odstupanje (devijaciju) od proseka; i standardnu devijaciju ili
kvadratni koren od varijanse. Standardna devijacija meri disperziju u istim jedinicama mere u kojima su i podaci u uzorku. Koecijent varijacije
uporeuje standardnu devijaciju sa prosekom i predstavlja privlanu relativnu meru disperzije. Koecijent determinacije pokazuje koliki je udeo
varijacija kod Y objanjen od strane regresionog modela,
Testiranje hipoteze je statistiki eksperiment koji se koristi za merenje
opravdanosti neke date teorije ili pretpostavke. Tip I greke je nepravilno
odbacivanje istinite hipoteze; Tip II greke je neuspeh da se odbaci pogrena
hipoteza. Z statistika je test statistika koja ima normalnu raspodelu
sa prosekom nula i standardnom devijacijom od 1. t statistika ima istu
raspodelu u sluaju velikih uzoraka, ali je priblino normalna nad malim
uzorcima. Kritine t vrednosti su podeenje poveavanjem u sluaju da se
veliina uzorka smanjuje, zavisno od stepena slobode, ili broj opservacija
padne ispod apsolutnog minimuma koji je nuan za izraunavanje statistike.
Determisnitika zavisnost je ona zavisnost koja je (uvek) poznata sa
izvesnou. Statistika zavisnost, pak, postoji ukoliko je prosena prednost
jedne promenljive povezana sa prosenom vrednou druge promenljive, ali
je nemogue da se sa izvesnou previdi vrednost jedne na osnovu vrednosti
one druge promenljive.
80
Vremenska serija podataka su dnevni, nedeljni, meseni ili godinji nizovi

ekonomskih podataka. Presek podataka je grupa opservacija o nekoj vanoj
ekonomskoj promenljivoj u bilo kom trenutku vremena.
Dijagram rasipanja je graki prikaz podataka tako da se zavisna promenljiva iscrtava na vertikalnoj ili Y-osi, a nezavisna promenljiva se iscrtava na
horizontalnoj ili X-osi.
Najei vid specikacija kod razmatranja ekonomskih zavisnosti je linearni model, ili pravolinijska zavisnost, kod kojih granini efekat svake od
X promenljivih na Y promenljivu ostaje konstantan. Drugi est regresioni
model je multiplikativni model, ili logaritamska linearna zavisnost, koja se
koristi kada granini efekat svake od nezavisnih promenljivih, po miljenju
statistiara koji formira model, zavisi od vrednosti svih nezavisnih promenljivih u regresionoj jednaini.
Prosti regresioni model ukljuuje samo jednu zavisnu Y promenljivu i jednu nezavisnu promenljivu X. Viestruki regresioni model takoe obuhvata
jednu Y promenljivu, ali zato ukljuuje najmanje dve X promenljive,
Standardna greka ocene (eng, SEE), meri standardnu devijaciju zavisne
promeljive Y nakon kontrolisanja postojanja uticaja svih X promenljivih.
U prostom regresionom modelu sa samo jednom nezavisnom promenljivom,
koecijent korelacije, r, meri kvalitet podeavanja modela, Koecijent
determinacije, ili R2, pokazuje koliko dobro viestruki regresioni model
objanjava promene vrednosti zavisne Y promenljive.
F statistika prua dokaze za to da li je, ili nije, statistiki znaajan udeo
varijacija u zavisnoj Y varijablii objanjen od strane svih X varijabli. t
statistike se koriste za merenje znaaja zavisnosti izmeu zavisne promenljive Y i neke date X promenljive.
Metodi koje smo ispitivali u ovom poglavlju su oni koji se najee koriste od strane
kako velikih tako i malih preduzea i drugih organizacija u njihovoj tekuoj analizi
ekonomskih relacija. Usled stalnog rasta sloenosti i raznolikosti unutra ekonomskog
okruenja, upotreba ovakvih alatki e zasigurno jo vie dobijati i na znaaju i na
obimu korienja.
81
Pitanja i zadaci za vebu

1. ZADATAK
Na osnovu istraivanja jednog lokalnog trita (deo veeg grada) dobijene su informacije o kupovnim navikama kupaca automobila. Uzorkom
obima n=15 prikupljeni su podaci o broju automobila u porodici i njenim
raspoloivim prihodima:
Broj auta
1
3
0
2
0
2
2
0
Prihod (000)
100
100
30
50
30
30
100
30
Broj auta
2
2
3
2
1
1
2
Prihod (000)
100
50
100
50
50
30
50
A. Izraunati sredinu, medijanu i modus kao mere centralne tendencije za

date podatke. Koja mera na najbolji nain opisuje centralnu tendenciju
za svaku od varijabli?
B. Na osnovu uzorka obima n=15 izraunati interval varijacije, varijansu i
standardnu devijaciju za svaku seriju podataka i 95% interval poverenja
unutar kojeg se moe oekivati da se nae prava sredina populacije za
varijablu.
C. Na osnovu ire studije (n=196), sredina za raspoloive prihode je 60K,
Pretpostavimo da znamo da je sredina cele populacije u gradu 42,5K i
V= 3K. Da li se moe sa 95% intervalom poverenja odbaciti hipoteza
da deo grada ima tipian proseni prihod?
Reenje:
A.
X
X
auta
= 1,533 kola po jednoj porodici
prihodi
= 60K prihod po porodici
Medijana=2 auta i 50K prihoda

Modus=2 auta i trimodalna distribucija prihoda (30K, 50K i 100K)
U ovom primeru medijana predstavlja najbolju meru centralne tendencije
82
B.
Interval varijacije je od nule do 3 auta po porodiciji, dok je prihod izmeu
30K i 100K. Varijansa uzorka za auta se rauna na sledei nain:
s2auta = [(11,533)2 + (31,533)2 + (01,533)2 + (21,533)2 + (01,533)2+
(21,533)2 + (21,533)2 + (01,533)2 + (21,533)2 + (21,533)2+ (31,533)2 +
(21,533)2 + (11,533)2 + (11,533)2+ (21,533)2]/14= 13,733/14= 0,9809
dok je standardna devijacija:
sauta =
s 2 = 0,990
Slinom raunicom dobija se:

s2prihoda=928,42 i sprihoda=
s 2 = 30,470 (u hiljadama)
S obzirom na mali obim uzorka, za odreivanje 95% intervala poverenja unutar koga se moe oekivati da se nau tane sredine populacija koristi se ttest sa df = n 1 = 15 - 1 = 14. Tako za auta imamo:
X t ( s / n ) = 1,533 2,145(0,99/3,873) = 0,985 (donja granica intervala)

X t ( s / n ) = 1,533 + 2,145(0,99/3,873) = 2,082 (gornja granica intervala)
Slinim raunanjem imamo da je za prihode interval poverenja (43,12 ; 76,88)
C.
Odgovor je DA. Za testiranje hipoteze da je proseni prihod dela grada isti
kao i celog grada moe se koristiti z statistika jer je poznata sredina populacije i standardna devijacija.
Uzimajui vei obim uzorka, n=196, tada je 95% interval poverenja za nivo
prosenog prihoda u delu grada sledei:
X z (V / n ) = 60.000 1,96(3.000/ 196 ) = 59.580 (donja granica intervala)

X z (V / n ) = 60.000 + 1,96(3.000/ 196 ) = 60.420 (gornja granica intervala)
to znai da su obe granice iznad populacione sredine od 42.500 ,
83
Hipoteza koju treba testirati je da je proseni prihod dela grada isti kao za
celu populaciju, tj: H0: = 42.500 , kada je V= 3.000, Test statistika za ovu
hipotezu je:
x P 60.000 42.500
z
81,67
V/ n
3.000/ 196
to znai da se nulta hipoteza moe odbaciti.
Ostala pitanja i zadaci
1. Da li je srednja vrednost ili pak medijana bolje merilo uobiajenog nivoa
prota za korporacije?
2. Koje vane prednosti imaju varijansa i standardna devijacija u odnosu na
opseg kao mere disperzije?
3. Kada se analizira disperzija ukupnih trokova izraenih u evrima, u kojim
jedinicama se meri varijansa i standardna devijacija?
4. Ukoliko neki regresioni model oceni zbirne mesene prote na 50.000 evra
sa standardnom grekom ocene od 25.000 evra, koliki su izgledi da se zapravo jave gubici?
5. Prosti regresioni model UT= a + bQ nije u stanju da objasni 19% varijacija u
ukupnim trokovima UT. Koliki je koecijent korelacije izmeu TC i Q?
6. U funkciji tranje zasnovanoj na regresionom modelu, koecijent b za
oglaavanje je jednak 3,75 a standardna devijacija je 1,25 jedinica. Koliki
je opseg unutar koga moe postojati 99%-tno poverenje da e nai stvarni
parametar za oglaavanje?
7. Opiite rizike i koristi od korienja eksperimentalnog pristupa regresionoj
analizi.
8. Opiite okolnosti u kojoj e verovatno postojati problem veoma visoke korelacije dve nezavisne promenljive, tj, multikolinearnosti, i razmotrite mogue
reenje za to.
9. Kada su rezidualni ili lanovi greke u nekoj vezi gledano u vremenu, kae se
da postoji serijska korelacija (korelacija vremenske serije). Da li serijska korelaciji ima sklonost javljanja kao problema u analizi vremenskih serija podataka o kvartalnoj prodaji tokom perioda od 10 godina? Identikujte mogue
reenje za ovo, ukoliko je to potrebno.
10. Menaderi esto prouavaju zavisnost protne margine i prodaje tokom
ivotnog ciklusa pojedinanih proizvoda, a ne zavisnost prota i prodaje.
Pored ekonomskih povoda za to, postoje li takoe i odreene statistike prednosti za ovo? (Napomena: Protna margina je jednaka protu podeljenom sa
prodajom).
84
O
E
D
IV
TEORIJA I ANALIZA
TRANJE I PONUDE
Osnovna karakteristika trinih ekonomija je da su one nemirne i uvek osciliraju. Zato je npr. u zadnjih pet godina broj korisnika LCD televizora naglo
porastao, ili zato se cena istih znaajno
smanjila? Ili zato je cena nafte na svetskom tritu tako visoka? Na ta i slina
pitanja moemo odgovoriti teorijom ponude i potranje. U ovom poglavlju je
prvo analizirana tranja, a zatim ponuda, da bi ukrtajui krive tranje i krive
ponude doli do ravnotee, odnosno naina na koji se odreuje trina cena.
TEORIJA I ANALIZA TRANJE I PONUDE
85
4.1 Definicije i teorijske postavke tranje
Tranja je koliina dobara ili usluga koju su potroai voljni i u stanju da kupe
tokom nekog perioda vremena, u nekim datim ekonomskim uslovima.
Vremenski okvir za tranju moe biti jedan sat, dan, mesec dana ili godina dana.
Uslovi, tj. okolnosti koje treba pritom da se razmotre, obuhvataju cenu datog dobra/usluge, cene i raspoloivost slinih dobara, oekivanja vezana za promenu cene,
prihode potroaa, ukuse i preference potroaa, izdatke reklamiranja i tako dalje.
Koliina proizvoda koju su kupci spremni da kupe, tj, njihova tranja, zavisi od svih
ovih faktora.
Za menadersko odluivanje, prevashodni fokus treba da bude na trinoj tranji.
Trina tranja je agregat tranji pojedinaca, ili linih tranji. Pojedinana tranja je
odreena vrednou koja se moe pripisati pri nabavci i korienju bilo kojeg dobra
ili usluge kao i sposobnosti da se to dobro/usluga nabavi. Obe ove stavke su nune
za efektivnu tranju pojedinaca. Postojanje elje bez kupovne moi moe dovesti do
potrebe ali ne i do tranje.
4.1.1 Zakon potranje
Pretpostavka ponaanja u cilju maksimiziranja prota uzima u obzir da vlasnici
i menaderi poznaju tranju za njihovom robom i uslugama. Funkcija tranje daje
uverenje da postoji merljiva relacija izmeu cene koju rma trai za njen proizvod
i broja jedinica koje je kupac voljan da kupi tokom odreenog vremenskog perioda.
Ekonomisti povezuju ovakvo relacijsko ponaanje kao zakon potranje, koji se nekada naziva prvim fundamentalnim zakonom u ekonomiji. Po deniciji, zakon potranje tvrdi da je traena koliina robe ili usluga u indirektnoj relaciji sa prodajnom
cenom, pri emu vai ceteris paribus (svi ostale determinante tranje su nepromenjene). Simbolino, zakon potranje se moe predstaviti kao:
QD
f(P) i
dQ D
0
dP
(4.1)
to oznaava indirektnu (inverznu) povezanost koliine i cene.

87
4.1.2 Direktna tranja

Postoje dva modela pojedinane tranje. Jedna, poznata u teoriji kao potroako ponaanje, odnosi se na direktnu tranju za proizvodima za linu potronju.
Ovaj model je prigodan za analiziranje pojedinane tranje za dobrima i uslugama
koje direktno zadovoljavaju potrebe potroaa. Vrednost ili vanost nekog dobra ili
usluge, njegova upotrebivost, su primarne determinante direktne tranje. Po ovom
modelu, pojedinci pokuavaju da maksimiziraju ukupnu upotrebivost ili zadovoljstvo koje im prua dobro ili usluga koje oni nabavljaju i konzumiraju. Ovaj proces
optimizacije iziskuje da se potroai fokusiraju na graninu upotrebljivost (koristi
pri zadovoljavanju) pri sticanju dodatnih jedinica nekog datog proizvoda. Karakteristike proizvoda, preference (i ukusi) pojedinaca, kao i sposobnost da se plati su sve
vane determinante direktne tranje.
4.1.3 Izvedena tranja
Dobra i usluge se ponekad pribavljaju s obzirom da su vani inputi u proizvodnji i
distribuciji drugih proizvoda. Raspoloivi kapaciteti inenjera, proizvodnih radnika,
prodavaca, menadera, pravnika, konsultanata, kancelarijskih maina i opreme, proizvodnih objekata i opreme, prirodnih resursa i privrednih letelica sve to su primeri dobara i usluga koje se trae ne radi direktne potronje ve radi njihove upotrebe
pri obezbeivanju drugih usluga i dobara. Njihova tranja je izvedena iz tranje za
proizvodima za ije se obezbeivanje oni koriste. Ona zapravo predstavlja tranju za
inputima a u teoriji se oznaava kao izvedena tranja.
Tranja za hipotekarnim kreditima je primer za ovo. Koliina ovih kredita koja
se trai nije odreena direktno; ona je izvedena iz mnogo fundamentalnije tranje
za reavanjem stambenih pitanja. Isto tako, tranja za avioprevozom do udaljenih
turistikih destinacija nije direktna tranja ve je izvedena iz tranje za rekreacijom
i turizmom uopte.
Tranja za poluproizvodima i uslugama vezanim za proizvodnju je blisko povezana sa tranjom za odgovarajuim nalnim proizvodima. Za proizvode ija tranja je
izvedena a ne direktna, tranja proistie iz njihove vrednosti u proizvodnji i prodaji
ostalih proizvoda. Oni imaju vrednost jer njihovo upoljavanje ima potencijal za generisanje prota. Kljune komponente izvedene tranje su granine koristi i granini
trokovi povezani sa korienjem nekog datog inputa ili faktora proizvodnje. Obim
bilo kojeg korienog dobra ili usluge raste kada su njene granine koristi, izmerene
u smislu rezultujue proizvodnje, vee od graninih trokova pri korienju inputa,
koji se mere u smislu plata, kamata, trokova sirovina ili prateih izdataka. I obratno,
obim bilo kojeg inputa koji se koristi u proizvodnji opada kada su rezultujue granine koristi manje negoli granini trokovi upoljavanja tih inputa. Ukratko reeno,
izvedena tranja je povezana sa protabilnou korienja nekog dobra ili usluge.
88
Bez obzira da li se dobra ili usluge trae od strane pojedinaca radi nalne potronje (direktna tranja) ili u svrhe inputa koji se koristi za obezbeivanje drugih dobara
ili usluga (izvedena tranja), temelji ekonomske analize nude polazite za ispitivanje
karakteristika tranje. Za proizvode koji se koriste u nalnoj potronji, maksimizacija korisnosti, u smislu opisanom od strane teorije ponaanja kupaca, objanjava
osnovu za direktnu tranju. Za inpute, pak, koji se koriste u proizvodnji ostalih proizvoda, maksimizacija prota daje temeljno obrazloenje za izvedenu tranju. Kako
su oba modela tranje zasnovana na konceptu optimalizacije, sutinske zavisnosti
kod direktne i izvedene tranje su u principu iste.
4.1.4 Trina tranja
Iako su izbori pojedinaca osnova teorije tranje, ukupna ili trina tranja jesu
ono to interesuje menadera. Trina tranja za nekim dobrom ili uslugom predstavlja zbir svih pojedinanih tranji. Na primer, razmotrimo trite koje se sastoji od
samo 2 kupca. Krive potranje za ova dva potroaa su opisane na slici 2.1, Ove krive
tranje pokazuju odnos izmeu cene i koliine koja se trai. Kriva tranje potroaa
1 je prikazana u prvom segmentu (D1D1) a ona za potroaa 2 u drugom segmentu
(D2D2). Po ceni od 10 evra, pojedinane koliine koje se trae su 5 i 8 jedinica tog
dobra/usluge. Stoga je ukupna trina tranja (DMDM) 13 jedinica, Trina tranja po
nekoj datoj ceni je zbir pojedinanih koliina traenih po toj ceni.
Graki predstavljeno, kriva trine tranje je horizontalno sumiranje krivih pojedinane tranje. Drugim reima, za bilo koju datu cenu, kriva trine cene je suma
horizontalnih rastojanja sa vertikalne ose do svake krive pojedinane tranje.
Slika 4.1 Kriva trine tranje

89
4.2 Funkcija i kriva trine tranje

Funkcija (trine) tranje za nekim proizvodom je iskaz odnosa izmeu agregirane koliine koje se trai i svih faktora koji utiu na tu koliinu. U funkcionalnoj
formi, funkcija tranje moe se iskazati kao:
Koliina proizvoda X koja

se trai
f ( cene X, cene povezanih dobara,

oekivanja od promene cene, prihoda
= Q x=
potroaa, ukusa i preferenci potroaa,
izdataka oglaavanja, i tako dalje)
(4.2)
Uoptena funkcija tranje izraena u jednaini 4.2 nabraja promenljive koje u optem sluaju utiu na tranju. Za korienje pri menaderskom odluivanju, zavisnost izmeu koliine i svake od promenljivih koje odreuju tranju mora biti jasno
odreena. Da bi ovo ilustrovali, pretpostavimo da funkcija tranje za evropsku autoindustriju ima oblik:
Q = a1P + a2PI + a3I + a4Pop + a5i + a6A
(4.3)
Ova jednaina navodi da je broj novih domaih automobila koji se trae tokom
neke date godine (u milionima primeraka), Q, linearna funkcija prosene cene novih
domaih automobila (u n.j.), ili P; prosene cene za nova uvozna kola (u n.j.), PI; raspoloivih prihoda po domainstvu (u n.j.), I; populacije (u milionima), Pop; prosene
kamatne stope na autokredite (u %), i; i najzad izdataka oglaavanja autoindustrije
(u milionima n.j.), A. lanovi a1,...,a6 se zovu parametrima funkcije tranje. Pretpostavimo da su parametri za ovu funkciju tranje poznati sa izvesnou i da su dati
sledeom jednainom:
Q = -500P + 210Px + 200I + 20.000Pop -1.000.000i + 600A
(4.4)
Jednaina 4.4 navodi da tranja za automobilima pada za 500 za svako 1n.j.- no

poveanje u prosenoj ceni koju odrede evropski proizvoai, a raste za 210 za svako jedinino poveanje u prosenoj ceni ne-evropskih proizvoaa novih luksuznih
kola (Px je ovde isto to i PI u optoj jednaini), koji su primarni substitut za njih;
poveava se za 200 za svako jedinino poveanje u raspoloivom prihodu po domainstvu (I); poveava se za 20.000 za svaki dodatni milion osoba u populaciji (Pop); a
smanjuje se za 1 milion za svaki 1%-tni rast kamatne stope autokredita (i); i najzad ,
poveava se za 600 za svako jedinino poveanje (gde je jedinica 1milion n.j.) utroka
za oglaavanje (A).
90
Da bi se dobila procena tranje u bilo kojoj godini, svaki od parametara u jednaini 4.4 se mnoi vrednou odgovarajue promenljive a zatim se sve zbraja.
4.2.1 Kriva tranje
Funkcija tranje specicira odnos izmeu koliine koja se trai i svih promenljivih koje odreuju tu tranju. Kriva tranje izraava odnos izmeu cene koja se naplauje za neki dati proizvod i koliine u kojoj se trai taj proizvod, pri emu se (analize
radi) sve ostale promenljive smatraju konstantnima. Kriva tranje se esto prikazuje
u obliku graka, a sve promenljive u funkciji tranje, osim cene i koliine samog
proizvoda se ksiraju. Inverzna relacija izmeu cene i traene koliine za odreenu
robu u vremenskim periodima je plan tranje za robom i graki prikaz podataka (sa
cenom na vertikalnoj osi i koliinom na horizontalnoj osi) daje krivu tranje pojedinane robe (vidi Sliku 4.2).
Cena robe X (PX)
(u jedinicama)
Traena koliina robe X (QX)

(u jedinicama)
2,0
1,5
1,0
0,5
1,0
2,0
3,0
4,5
Slika 4.2
Kriva tranje ima negativni nagib, to indicira da pojedinac kupuje vie robe u
vremenskom periodu po manjim cenama (ostali faktori su konstantni). Dva su razloga zato koliina opada kada cena raste:
91
1. Uinak supstitucije - kad cena dobra raste, zameniemo ga sa drugim slinim

dobrom (ako cena elektrine energije kao energenta za grejanje poraste,
zameniemo je sa jeftinijim plinom)
2. Uinak dohodka - ako cena poraste, a dohodak ostane isti, imamo manje
raspoloivog dohodka, pa emo obuzdati potronju.
U funkciji tranje automobila zadatoj jednainom 4.3, na primer, prihodi, populacija, kamatna stopa i izdaci oglaavanja se moraju smatrati konstantnim radi identikovanja zavisnosti cena novih evropskih automobila i koliina u kojima se isti trae
na krivoj tranje.
Inverzna relacija izmeu cene robe i traene koliine u vremenskom periodu se
pripisuje, kao to je ranije navedeno, zakonu potranje. Smenjenje Px vodi ka poveanju u Qx (tako da je nagib negativan) usled navedenih efekata substitucije i prihoda.
4.2.2 Odreivanje krive tranje
Podrazumevajui jednainu 4.4 i gore pomenute pretpostavke. odnos koliine
evropskih automobila koja se trai i njihove cene se izraava kao:
Q = -500P+ 210(50.000)+ 200(45.000)+ 20.000(300 1.000.000(8) + 600(5.000)
= 20.500.000 -500P
(4.5)
Alternativno, kada se cena izrazi u funkciji obima tranje, jednaina 4.4 se moe
ispisati kao:
P = 41.000 - 0,002Q
(4.6)
4.2.3 Odnos izmeu krive tranje i funkcije tranje

Odnos izmeu krive tranje i funkcije tranje je vaan i vredan detaljnijeg razmatranja. Slika 4.3 pokazuje tri krive tranje za automobilima. Svaka kriva je konstruisana na isti nain i izraava jednaine 4.5 i 4.6, te je prikazana na slici 4.3
Pomak u tranji, ili prelazak s jedne krive tranje na drugu, odraava promene
u jednoj ili vie necenovih promenljivih u funkciji tranje nekog datog proizvoda. U
naem primeru, smanjenje kamatne stope na autokredite poveava tranju, jer parametar kamatne stope od -1 milion ukazuje da su tranja i kamatna stopa obrnuto
srazmerni tj., da se menjaju u suprotnim smerovima.
92
Slika 4.3 - Hipotetika kriva tranje za novim evropskim automobilima, pri kamatnim stopama od 6%, 8% i 10%
Uopteno gledano, cela kriva tranje pomaknut e se prema gore ako se poveaju dohodak potroaa, cene supstituta (zamenskog proizvoda) ili se promene ukusi
potroaa, ili ako se smanji cena komplemenata (proizvod koji se troi zajedno sa
proizvodom kojeg potroa inae koristi). U sluaju suprotnih promena, cela kriva
tranje pomakla bi se prema dole.
4.2.4 Determinante trine tranje
Efekat promene cene je opisan pomeranjem od jedne take do druge du neke
date krive tranje. U naem prethodnom primeru, na slici 4.1, pri poveanju cene sa
10 na 15 evra, praenje krive tranje DMDM opisuje smanjenje koliine koja se trai sa
13 na 6 jedinica. Pomeranje du krive tranje kao reakcije na promenu cene dobara
ili usluga se naziva promena koliine koja se trai.
Cena dobara ili usluga nije jedina determinanta tranje. Ipak, pri iscrtavanju krive
tranje, pretpostavlja se da su ostali faktori od uticaja konstantni. Ukoliko se u modelu dozvoli da ovi faktori variraju, kriva tranje e se pomeriti. Takva pomeranja nazivamo promenama tranje. Pomernje nadesno se naziva porast potranje, to znai
da potroai zahtevaju vie dobara ili usluga pri cenama koje su bile ranije. Pomernje
ulevo oznaava smanjenje tranje. Drugim reima, pri istim cenama trai se manje
dobara ili usluga.
93
U trinoj ekonomiji, rme moraju da reaguju na tranju potroaa, Zato je vano

da menaderi razumeju determinante tranje. Neke od vanih determinanti su preference potroaa, nivoi prihoda i cene ostalih dobara.
4.2.5 Trina tranja naspram tranje rme
Do sada se diskusija fokusirala na krivu trine tranje. Ali, sa perspektive menadera, kriva tranje sa kojom se suoava pojedinana rma je najrelevantnija pri
odluivanju o ceni i obimu proizvodnje.
Ukoliko je rma jedini prodavac-ponua, relevantna kriva tranje je onda upravo
kriva trine tranje. U tom sluaju, rma e snositi sve posledice promena u priohodima, preferencama potroaa i cenama ostalih dobara8, Slino tome, politika cena
te rme e imati znaajan uticaj na kupce rminih proizvoda/usluga. U stvarnosti je
malo primera da su rme jedini ponuai dobara ili usluga, U ogromnoj veini sluajeva, neka rma moe opsluivati samo deo ukupnog trita. Shodno tome, kriva
tranje sa kojom se suoava pojedinana rma nije ista kao kriva trine tranje.
Bitna razlika izmeu rmine i trine tranje su dodatni faktori koji utiu na tranju na nivou rme. Moda najvaniji faktor su odluke koje donose konkurenti. Na
primer, sniavanje cene od strane jedne rme e verovatno sniziti prodaju rivalskih
rmi sem ukoliko i te rme ne smanje cene. Slino ovome, neka efektivna reklamna
kampanja moe povisiti rminu prodaju na raun konkurenata.
Druga razlika izmeu rmine i trine tranje je kvantitativan uticaj promena u
ukusima, prihodu i cenama ostalih dobara. Razmotrimo govedinu i svinjetinu kao primere zamenjujue robe (tzv. substituta). Pretpostavimo da jednaina trine tranje
pokazuje da bi 1 cent poveanja po kilogramu u ceni govedine poveao trinu tranju
svinjetine za 1 milion kilograma godinje (1.000 tona). Sada razmotrimo jednainu
tranje za malu mesaru sa 1% trinog uea u prodaji svinjetine. Poto je rmin udeo
na tritu samo deli ukupnog trita, uticaj dodatne prodaje te rme koji nastaje usled
promene cene govedine e biti daleko manji od promene na ukupnom tritu. Drugim
reima, ukoliko se procenjuje jednaina tranje za malu rmu, koecijent koji pokazuje efekat promena u ceni govedine bi bio znatno manji od koecijenta za jednainu
trine tranje. Slino ovome, koecijenti koji pokazuju efekte promena u ukusima i
prihodima bi takoe bili manji negoli oni u jednaini tranje.
Funkcija tranje specicira odnos izmeu koliine koja se nudi i svih promenljivih koje odreuju tu ponudu. Kriva tranje izraava odnos izmeu cene koja se
naplauje za neki dati proizvod i koliine u kojoj se taj proizvod nudi, pri emu se
(analize radi) sve ostale promenljive smatraju konstantnima. Kriva ponude se esto
prikazuje u obliku graka, a sve promenljive u funkciji ponude, osim cene i koliine
samog proizvoda se ksiraju.
8
94
Kao primer moe se navesti naa Elektroprivreda koja je i monopolista na srpskom tritu.
U preostalom delu ovog poglavlja, razmatranje e se fokusirati na krive tranje i

ponude sa kojom se suoava pojedinana rma. Ipak, veina koncepata koji se razmatraju su poednako primenjivi i na krive trinih tranji i ponuda.
4.3 Pojam i funkcija trine ponude

Pojam ponude oznaava koliinu robe ili usluga koje su proizvoai voljni i mogunosti da prodaju u odreenom vremenskom periodu i po odreenim uslovima.
Faktori koji se moraju uzeti u obzir su cena dobara, cena povezanih dobara, tekue
tehnoloko stanje, vremenski uslovi, nivo cena inputa, vladine regulative, i drugo.
Koliina proizvoda koga proizvoai iznose na trite ponuda proizvoda zavisi
od tih inuensera.
Zakon ponude tvrdi da koliina robe ili usluga koja se nudi je u direktnom (pozitivnom) odnosu sa prodajnom cenom, ceteris paribus.
Simbolino, zakon ponude se moe predstaviti kao:
QS
g(P) i
dQ S
!0
dP
(4.7)
to oznaava direktnu povezanost koliine i cene.

Funkcija (trine) ponude nekog proizvoda je iskaz odnosa izmeu koliine koje
se nudi i svih faktora koji utiu na tu koliinu. U funkcionalnoj formi, funkcija ponude moe se iskazati kao:
g (cene X, cene povezanih doKoliina probara, tekue tehnoloko stanje,
izvoda X koja = QX=
cene inputa, vremenski uslovi,
se nudi
vladine regulative, i tako dalje)
(4.8)
Poveanjem cena poveava se ponuda dobara, ako ostale stvari ostaju nepromenjene (slika 4.4a), a smanjenjem cena smanjuje se ponuda dobara, slika (4.4b).
95
Slika 4.4a
Slika 4.4b
Trina ravnotea predstavlja cenovni i koliinski odnos, gde su sile ponude i

tranje u ravnotei. U taki ravnotee (vidi sliku 4.5), koliina koju kupci ele kupiti,
upravno je jednaka koliini koju prodavci ele prodati. Jednostavno reeno, i u ravnotei cene i koliine tee ostati iste, sve dok sve ostale stvari budu jednake
Slika 4.5
96
Radi ilustrovanja, pretpostavimo da funkcija ponude za prethodno razmatrani

primer evropske autoindustrije ima oblik:
Q = b1P + b2PSUV + b3W + b4S + b5E + b6i
(4.9)
Ova jednaina navodi da je broj novih domaih automobila koji se nude tokom
neke date godine (u milionima primeraka), Q, linearna funkcija prosene cene novih
domaih automobila, ili P; prosene cene za SUV vozila, PSUV; prosene cene rada, W;
prosene cene elika, S; prosene cene energije, E; i prosene kamatne stope, i. lanovi b1,...,b6 se zovu parametrima funkcije ponude. Pretpostavimo da su parametri za
ovu funkciju ponude poznati sa izvesnou i da su dati sledeom jednainom:
Q = 2.000P 400PSUV 100.000W 13.750S 125.000E 1.000.000i
(4.10)
Slika 4.6
Na slici 4.6 koja se odnosi na prethodni primer, kombinacija trine ravnotee
cene/koliine daje sliku kombinovanih efekata promena uslova ponude i promene
uslova tranje za automobilima.
97
4.4 Prihodi i funkcija tranje

Kao to smo videli u Poglavlju 2, jedan od pokazatelja uspeha rme je ukupan prihod koji se ostvari prodajom njenih proizvoda. Rangiranje u smislu veliine rme se
najee izvodi po kriterijumu ukupnih prihoda. Slino ovome, rast se esto izraava
u smislu poveanja ukupne prodaje. S obzirom da taj rast odraava sposobnost rme
da zadovolji tranju potroaa, upotreba ukupnih prihoda kao mere uspeha rmi
ima opravdanje.
Prve dve kolone u tabeli 4.1 daju informaciju u vezi tranje sa kojom se suoava
neka rma. Mnoenjem cene i koliine, odreuju se ukupni prihodi povezani sa svakom od tih cena. Ovi podaci su takoe dati u tabeli 4.1. Napomenimo da se ukupan
prihod poveava pri poveanju cene do 1 evra na 5 evra dok se, nasuprot tome, smanjuju kada cena raste preko 6 evra. Ovo nas navodi na zakljuak da mudro odluivanje o ceni iziskuje posedovanje informacija o tranji. U nekim sluajevima vie cene
mogu poveati ukupne prihode, dok u drugim okolnostima poveanje cena moe
imati obrnuti efekat.
Tabela 4.1 takoe pokazuje i granini prihod. Granini prihod se denie kao promena u ukupnom prihodu koji nastaje pri prodaji jedne dodatne jedinice proizvoda/
usluge. Na primer, pri poveanju koliine prodatog sa 4 na 5, ukupni prihod se poveava sa 28 na 30 evra.
Cena ()
Koliina
Ukupni prihod ()
Granini prihod ()
10
9
8
7
6
5
4
3
2
1
1
2
3
4
5
6
7
8
9
10
10
18
24
28
30
30
28
24
18
10
8
6
4
2
0
-2
-4
-6
-8
Tabela 4.1 Ukupni i granini prihod
98
Iz tih razloga, granini ili ekstra (dodatni) prihod koji se pridruuje 5-oj jedinici
prodatog dobra je 2 evra. Uoimo da granini prihod opada kako se koliine poveavaju. Pri koliinama prodatih dobara/usluga veim od 6 jedinica, granini prihodi su
negativni. Objanjenje za ovo dolazi iz obratne srazmernosti izmeu cene i traene
koliine. Da bi se prodale dodatne jedinice, rma mora da redukuje cenu svih prodatih jedinica. Negativni granini prihod znai da novac dobijen od prodaje jedne
dodatne jedinice nije dovoljan da kompenzuje novac koji se izgubi usled toga to se
sve prodate jedinice, tj sav obim prodaje, daje po nioj ceni. Jasno je da rma ne treba
da poveava obim proizvodnje iznad take na kojoj je granini prihod jednak nuli.
Podaci o ukupnom i graninom prihodi u tabeli 4.1 mogu se iscrtati na graku.
Ukoliko dozvolimo mogunost prodaje robe u delovima celobrojnih vrednosti, linija krive e biti glatka linija, poput one na slici 4.4. Ukoliko ne imaemo takasti
grak. Uoimo zavisnost izmeu krivih ukupnog i graninog prihoda, Dok god se
ukupni prihodi poveavaju, granini prihod je pozitivan. Pri maksimalnoj taki krive
ukupnih prihoda, granini prihod je jednak nuli. Preko te take, granini prihod je
negativan.
Slika 4.7 takoe pokazuje zavisnost izmeu krive graninih prihoda i krive tranje. Uoimo da obe krive presecaju osu cena i to u istoj taki. Malim izraunavanjem, lako se pokazuje da za linearni oblik jednaine tranje, vrednost nagiba krive
graninih prihoda je dvostruka vrednost nagiba kod krive tranje. Poto ove dve krive imaju istu taku preseka (sa osom cene), ovo ukazuje da presek krive graninih
prihoda sa osom koliine iznosi tano polovinu vrednosti preseka krive tranje sa
osom koliine.
99
Slika 4.7 Ukupan prihod (TR), granini prihod (MR), i kriva tranje (D)
Jednaina graninih prihoda moe se izvesti iz jednaine tranje. Pretpostavimo
da je jednaina tranje data sa Q=B + apP, gde je ap0. Reavanjem jednaine po ceni,
jednaina tranje postaje
B Q

ap ap
(4.11)
Mnoenjem jednakosti sa koliinom Q dobijamo:

TR PQ
B
Q2
Q
ap
ap
100 MENADERSKA EKONOMIJA
(4.12)
Granini prihod je izvod od TR-a po koliini Q. Tako je:

MR
d(PQ)
dQ
B 2Q

ap
ap
(4.13)
Uoimo da jednaina graninog prihoda ima isti odseak (-B/ap) kao i jednaina
tranje i da je nagib graninih prihoda, 2/ap, dvostruka vrednost nagiba jednaine
tranje, 1/ap. Uoimo, takoe, da je MR=0 pri Q=B/2. Ova taka odgovara maksimalnoj vrednosti funkcije ukupnoh prihoda. Za Q<B/2, granini prihod je pozitivan
a ukupni prihodi se poveavaju. Za Q>B/2, granini prihod je negativan a ukupni
prihodi se smanjuju.
4.5 Elastinost
Zakon tranje kae da e kupci odgovoriti na snienje cene kupovinom vie proizvoda. Meutim on ne govori nita o stepenu pouzdanosti ili odziva potroaa na cenovnu promenu. Doprinos teorije elastinosti lei u injenici da ona ne govori samo
o tome da potroaeva tranja odgovara na promenu cene, ve i o stepenu odzivnosti
potroaa na promenu cene.
Za konstruktivno menadersko odluivanje, rma mora poznavati osetljivost
ili odzivnost tranje na promene u faktorima koji sainjavaju funkciju tranje koja
objanjava promene tranje.
4.5.1 Opti koncept elastinosti
Jedno od merila odzivnosti koje se koristi ne samo u analizi tranje ve i kroz itav
postupak menaderskog odluivanja je elastinost, koja se denie kao procentualna
promena u nekoj zavisnoj promenljivoj, Y, koja nastaje usled 1%-tne promene u vrednosti neke nezavisne promenljive, X. Jednaina za izraunavanje elastinosti je:
Elastinost =
Procentualna promena kod X

Procentualna promena kod Y
(4.14)
Koncept elastinosti prosto povezuje procentualnu promenu kod jedne promenljive sa nekom datom procentualnom promenom kod druge promenljive. Pored toga
to se koristi u analizi tranje, koncept se koristi u nansijama, gde se uticaji promena u prodaji na zaradu, pri razliitim nivoima proizvodnje (tzv. operativni leverid), i razliite nansijske strukture (nansijski leverid), mere preko nekog faktora
TEORIJA I ANALIZA TRANJE I PONUDE 101
elastinosti. Elastinosti se takoe koriste u analizi trokova i proizvodnje da bi se

ocenili efekti promena u inputima na rezultate (autput) kao i efekti koje promene u
autput-u imaju na trokove. Faktori poput cene i oglaavanja koje spadaju u domen
koji rma moe kontrolisati se nazivaju endogene promenljive. Vano je da menadment zna efekte izmena tih promenljivih pri odluivanju. Ostali vani faktori koji
su van opsega moi upravljanja od strane rme, poput prihoda potroaa, cena kod
konkurencije, i npr, vremenskih uslova i optih ekonomsko-politikih kretanja, se
nazivaju egzogenim promenljivima. Efekti promena kod oba tipa uticaja moraju se
podrobno razumeti i sagledati unutar rme ukoliko se eli da rma bude u stanju da
efektivno reaguje na promene u ekonomskom okruenju. Na primer, rma mora da
razume efekte koju na tranju imaju cene i prihodi potroaa da bi odredila eventualnu potrebu za sniavanjem cena kako bi se nadoknadio pad prodaje uzrokovan poslovnom recesijom (padom prihoda). Slino ovome, osetljivost tranje na promene
u obimu oglaavanja mora biti kvantikovana ukoliko se eli da rma pravovremeno
i na pravi nain odreaguje na cenovne ili promene u oglaavanju koje su nastale kod
konkurencije. Odreivanje efekata koje na tranju imaju uticaji koji su pod kontrolom i koji nisu pod kontrolom rme, predstavljaju fokus analize tranje.
4.5.2 Takasta elastinost i luna elastinost
Elastinost moe biti merena na dva razliita naina, preko takaste elastinosti
i lune elastinosti. Takasta elastinost meri elastinost u nekoj datoj taki neke
funkcije. Takasta elastinost se koristi za merenje efekata neke zavisne promenljive
Y pri veoma maloj ili graninoj promeni kod neke nezavisne promenljive X. Iako
koncept takaste elastinosti moe esto dati precizne procene efekata na Y pri veoma malim (manje od 5%) promenama kod X, on se ne koristi za merenje efekata
na Y kod promena veeg obima, jer elastinost obino drugaije varira na razliitim
takama du neke funkcije. Da bi se procenili efekti veih promena kod X, koristi se
koncept lune elastinosti. Luna elastinost meri prosenu elastinost du nekog
zadatog opsega neke funkcije. Ukoliko se malo grko slovo epsilon koristi kao simbol
za takastu elastinost, formula takaste elastinosti se moe napisati kao
Takasta elastinost = H x
% tna promena Y
% tna promena X
'Y/Y
'X/X
'Y X
u
'X Y
(4.15)
lan Y/X u formuli takaste elastinosti je granina zavisnost izmeu Y i X, i

ona pokazuje efekat koji se javlja kod Y pri promeni X u visini od jedne jedinice mere.
Takasta elastinost se odreuje mnoenjem granine zavisnosti sa relativnim veliinama X prema Y, ili srazmerom X/Y u taki koja se analizira.
Takasta elastinost meri procentualni efekat na Y koji se javlja pri procentualnoj
promeni X u nekoj datoj taki neke funkcije. Ukoliko je x=5, 1%-tno poveanje kod
X e dovesti do 5-%-tnog poveanja kod Y, a 1%-smanjenje kod X e dovesti do 5%tnog smanjenja kod Y. Tako, za x>0, Y se menja u istom pozitivnom ili negativnom
smeru kao i X. I obratno, kada je x<0, Y se menja u obratnom smeru od promena
kod X. Na primer, za x=-3, 1%-procentno poveanje kod X e dovesti do 3%-entnog
smanjenja kod Y, a 1%-tno smanjenje kod X e dovesti do 3%-tnog poveanja kod Y.
4.5.3 Takasta i luna cenovna elastinost za tranju
Razmotrimo sada izuzetno male promene u ceni. Kada P tei nuli, lan Q/P
moe se napisati kao dQ/dP, gde je dQ/dP izvod koliine Q po ceni P. U osnovi, dQ/
dP izraava stopu po kojoj e se Q menjati pri veoma malim promenama cene P.
Za linearnu jednainu tranje, dQ/dP je konstanta. Na primer, ukoliko je jednaina
tranje Q = B + apP, tada e izvod dQ/dP biti jednak ap. Zato je stopa promene za
malu promenu cene ista kao i za veliku promenu cene. Time je za linearnu jednainu
tranje dQ/dP=Q/P.
Za male promene cene, poetna i krajnja cena P1 i P2 su priblino iste. Zato bilo
koja od njih moe biti koriena u izraunavanjima bez znaajnijeg efekta na izraunatu elastinost cena. Stoga se jednaina za takastu elastinost moe napisati u
obliku
Hp
dQ P
dP Q
(4.16)
Jednaina 4.16 se koristi za izraunavanje cenovne elastinosti u nekoj datoj taki

na krivi tranje. Na primer, razmotrimo podatke o zavisnosti cena-koliina koji su
korieni u prethodnom delu (tabela 4.1). Ve je odreeno da je dQ/dP=-1. Ukoliko
je cena 6 evra a koliina koja se trai je 5 evra, cenovna elastinost je:
Hp
dQ P
dP Q
1(6/5) 1,20
Drugim reima, za veoma male promene iznad ili ispod cene od 6 evra, procentualna promena u koliini koja se trai je -1,20 puta vea od procentualne promene
u ceni. I ovde znak minus oznaava da postoji obrnuta srazmernost izmeu cene i
koliine (koja se trai).
Takasta elastinost se moe, takoe, izraunati i iz jednaine tranje. Pretpostavimo da je jednaina tranje sledeeg oblika:
QD= 100 - 4P
Poto je zavisnost linearna, dQ/dP je konstanta i jednaka je stopi promene u traenoj koliini QD za svaku jedno-jedininu promenu u ceni P. Napomenimo da se koliina koja se trai menja za 4 jedinice po svakom jedininom poveanju u ceni P. Zato
je dQ/dP= - 4.
Pretpostavimo da je P=10 evra. Zamenjujui ovu vrednost u jednainu tranje dobijamo QD=60. Zato je takasta elastinost pri ceni P=10 evra jednaka
Hcene= - 4 x 10/60 = - 0,67
Tumaenje ovog rezultata je da 1%-tno poveanje u ceni izaziva 0,67%-tno smanjenje u koliini koja se trai.
Razmotrimo sada jedan drugi primer koristei istu jednainu tranje. Pretpostavimo da je cena P = 20 evra, to podrazumeva da je Q=20. Jednaina je linearna, tako da
je dQ/dP = - 4, kao i ranije. Zato je:
Hcene = - 4 x 20/20 = - 4,0
Drugim reima, za cenu P=20 evra, mala promena u ceni dovodi do procentualne promene u koliini koja se trai koja je etiri puta vea od procentualne promene
cene.
Inae, cenovna elastinost moe biti u intervalu od 0 (kompletno neelastina)
do (perfektno elastina) - videti slike 4.8a i 4.8b.
Slika 4.8a - Kriva potpuno neelastine

tranje, cenovna=0
(Kod ovakve tranje, trai se ksan obim bez
obzira na nivo cene)
Slika 4.8b - Kriva savreno elastine

tranje cenovna = -
(Sva proizvodnja se prodaje po nekoj ksiranoj

ceni)
4.5.4 Cenovna elastinost u odnosu na granini prihod

Tabela 4.2 proiruje informacije iz tabele 4.1 o ceni, koliini, ukupnim i graninim
prihodima sa cenovnom elastinou pri svakom nivou cena.
Cena ()
Koliina
Cenovna
elastinost
Ukupni prihod
()
Granini
prihod ()
10
9
8
7
6
5
4
3
2
1
1
2
3
4
5
6
7
8
9
10
-10,00
-4,50
-2,67
-1,75
-1,20
-0,83
-0,57
-0,38
-0,22
-0,10
10
18
24
28
30
30
28
24
18
10
8
6
4
2
0
-2
-4
-6
-8
Tabela 4.2 Cenovna elastinost, ukupni prihod i granini prihod

Uoimo da absolutna vrednost elastinosti postaje manja kako se cena smanjuje.
Pri ceni P=10 evra, elastinost je jednaka -10, a pri ceni P=1 euro, elastinost je jednaka 0,10.
esto je korisno klasikovati zavisnost tranje na bazi cenovne elastinosti. esto
se koristi sledea klasikaciona ema:
Ukoliko je:
onda se za tranju kae da je:
Hcene < -1
Elastina
Hcene = -1
jedinino elastina
-1 Hcene 0
Neelastina
Tako, na osnovu podataka iz tabele 4.2, pri vrednosti cena izmeu 5 i 6 evra, tranja je jedinino elastina jer je cenovna elastinost jednaka -1. Za cene nie od ove
cene, tranja je neelastina. Za vie cene, tranja je elastina.
Inae, svaka linearna funkcija tranje ima razliite elastinosti na raznim takama
krive (videti sliku 4.9).
Slika 4.9 Cenovna elastinost tranje du linearne krive tranje

S druge strane, relacije izmeu elastinosti cene, prosenog, graninog i ukupnog
prihoda prikazane su na donjim slikama 4.10a i 4.10b.
Slika 4.10(a)
kriva tranje i kriva graninih
prihoda
Slika 4.10(b)
Ukupni prihodi
Moe se uoiti da je u intervalu gde je tranja cenovno elastina, granini prihod

pozitivan a ukupni prihod raste sa smanjenjem cene. U neelastinom intervalu je
granini prihod negativan, dok ukupni prihod opada sa smanjenjem cene.
Kako su podaci o ceni i koliinama celobrojni, cenovna elastinost je sraunata
korienjem jednaine lune elastinosti cene:
Hp
Hcenovno
'Q P2 P1
u
'P Q 2 Q 1
(v. tabelu 4.3).

Cena
P
100
90
80
70
60
50
40
30
20
10
Koliina
Q
1
2
3
4
5
6
7
8
9
10
Ukupni prihod
TR=P X Q
100
180
240
280
300
300
280
240
180
100
Granini prihod
MR=TR
Luna elastinost
Ep
80
60
40
20
0
20
40
60
-80
6.33
3.40
2.14
1.44
1
0.69
0.47
0.29
0.16
Tabela 4.3 - Cenovna elastinost i zavisnosti vezane

za prihode: numeriki primer
4.5.5 Formula optimalne cene
Iz praktinih razloga, rme troe enormne resurse da dobijanje aurnih i detaljnih informacija koje se odnose na cenovnu elastinost tranje za njihovim proizvodima. Procene cenovne elastinosti predstavljaju vitalnu informaciju jer ovi podaci, zajedno sa relevantnim informacijama o jedininim trokovima po proizvodu/
usluzi, predstavljaju sutinske inpute za postavljanje cenovne politike koja je saglasna
sa ciljevima maksimizacije vrednosti. Sve ovo proistie iz injenice da postoje relativno jednostavna matematika zavisnost izmeu graninih prihoda, cene i takaste
cenovne elastinosti tranje. Za procenu takaste cenovne elastinosti u bilo kojoj
datoj taki, relevantni granini prihodi mogu biti odreeni na lak nain. Kada se
ova informacija o graninim prihodima iskombinuje sa odgovarajuim podacima o
graninom troku, stvorena je osnova za optimalnu politiku cena, Zavisnost izmeu
graninog prihoda, cene i takaste cenovne elastinosti tranje proizilazi direktno iz
matematike denicije granine zavisnosti. Veza izmeu graninog prihoda, cene i
takaste cenovne elastinosti u obliku jednaine je:

1
MR P 1
Hp
(4.17)
Kako je p<0, broj unutar zagrade u jednaini 4.17 je uvek manji od 1. Ovo znai
da je MR<P, a razmak izmeu MR i P e opadati kako se cenovna elastinost tranje
bude poveavala (u apsolutnim vrednostima). Na primer, kada je P=8 evra a p= - 1,5,
MR = 2,67 evra. Tako, kada je cenovna elastinost relativno niska, optimalna cena je
daleko vea od graninih prihoda. I obratno, za sluaj kada je, na primer, P=8 evra a
p= - 10, MR =7,20 evra. Kada je koliina koja se trai visokoelastina u pogledu cene,
optimalna cena je bliska graninom prihodu.
Dakle, kljuni koncepti su:
Prihodna elastinost9 je procentualna promena u tranji pri 1%-tnoj promeni u prihodima,
Negativna prihodna elastinost ukazuje na manje bitna dobra/usluge, Normalna dobra i usluge su ona sa pozitivnom prihodnom elastinou, Ukoliko je 0 < Hprihoda 1, proizvod se denie kao nunost (hleb, mleko i slino).
Za luksuzne stavke, Hprihoda >1.
4.5.6 Unakrsna elastinost
Tranja je uslovljena, pored ostalog, i cenama ostalih dobara i usluga. Reaktivnost
tj, osetljivost koliine koja se trai na promene u ceni drugih dobara ili usluga se meri
pomou unakrsne elastinosti, koja se denie kao procentualna promena u koliini
koja se trai uzrokovana od strane 1%-tne promene u ceni nekog drugog dobra ili
usluge. Drugim reima, to je:
HC
%'Q x
%'Py
(4.18)
gde je Hc unakrsna elastinost, a x i y predstavljaju dobra ili usluge koja se razmatraju.

Za vee promene u ceni y, koristi se tzv. luna unakrsna elastinost. Luna elastinost se izraunava kao:
HC
Q x,2 Q x,1
Py ,2 Py ,1
Py ,2 Py ,1
Q x,2 Q x,1
(4.19)
gde indeks 1 u promenljivima oznaava poetne cene i koliine a 2 krajnje cene i koliine.
9
Negde se u literaturi kae elastinost prihoda, tj. dohodovna elastinost ali je po autoru bolje prihodna elastinost
Pretpostavimo da tranja za robom x u smislu cene robe y je data sa:

Qx= 100 + 0,5 P y
Ukoliko P y poraste sa 50 n.j. na 100 n.j., koristei jednainu, odreuje se da je Qx
poveano sa 125 na 150 jedinica. Zato je unakrsna cenovna elastinost
HC
150 125 100 50
100 50 150 125
0,27
Tumaenje ovog rezultata je da 1%-tno poveanje u ceni dobra y uzrokuje 0,27%-tno

poveanje u koliini koja se trai za dobro x.
Takaste unakrsne elastinosti su analogne sa takastom elastinou koju smo
ve pomenuli. Za male promene u Py imamo da je:
HC
dQ x Py
dPy Q x
(4.20)
Na osnovu jednaine tranje Qx= 100 + 0,5 P y, izvod dQx/dP y =0,5. Ukoliko je
P y=20 n.j., koliina koja se trai je 110 jedinica. Stoga je takasta unakrsna elastinost
jednaka:
HC
0,5
20
110
0,09
4.5.7 Substituti i komplementarna dobra i usluge

Unakrsne elastinosti se koristi za klasikaciju zavisnosti izmeu razliitih dobara/usluga. Ukoliko je HC>0, poveanje u ceni dobra y izaziva poveanje koliine koja
se trai kod dobra x, pa se za dva proizvoda ili usluge kae da su substituti. Drugim
reima, jedan proizvod se moe koristiti umesto (tj. substituisati) drugim. Pretpostavimo da cena dobra y poraste. Ovo znai da su oportunitetni trokovi y u vezi sa x
poveani. Rezultat je da potroai kupuju manje dobra y a vie dobro x koje je relativno jeftinije. Govedina i svinjetina su primeri substituta. Poveanje cene govedine
obino poveava tranju za svinjetinom , i obratno.
Kada je pak HC<0, dobra ili usluge koje posmatramo su komplementarna dobra
(dobra koja se koriste zajedno). Poveanje u ceni dobra y smanjuje koliinu koja se
trai kod tog proizvoda. Smanjena tranja dobra y uzrokuje onda smanjenu tranju
dobra x. Hleb i puter, kola i gume, i kompjuteri i komjuterski softver su primeri parova dobara koja su komplementarna.
Unakrsna elastinost nije uvek simetrina. Drugim reima, promena u tranji za

dobrom x koja je uzrokovana promenom u ceni dobra y moda nije jednaka promeni
tranje za y koja se javlja kada se promeni cena x. Razmotrimo primer putera i margarina. Jedna studija je odredila da 1%-tno poveanje cene putera izaziva 0,81%-tno
poveanje tranje za margarinom. Ipak, 1%-tno poveanje cene margarina poveava
tranju za puterom za samo 0,67%. Iako su dve elastinosti razliite, uoimo da su
obe pozitivne, to ukazuje da su puter i margarin substituti.
Mnoge velike koorporacije proizvode nekoliko slinih proizvoda. Na primer, Gillete proizvodi brijae i ilete/seiva za brijae, dok Ford prodaje nekoliko konkurentnih tipova automobila. Ukoliko su proizvodi jedne te iste kompanije meusobno povezani po slinosti (trita kome se obraaju), odreivanje cene jednog dobra moe
uticati na tranju preostalih proizvoda. Gillete e verovatno prodavati vie svojih
ileta i seiva ukoliko snizi cenu svojih brijaa. Nasuprot toga, ukoliko se cena jednog
modela kola smanji, opae prodaja onih drugih modela iste kompanije. Informacije
u vezi unakrsne elastinosti mogu pomoi donosiocima odluka u procenjivanju pomenutih uticaja.
Unakrsne elastinosti su takoe korisne u ustanovljavanju mea izmeu delatnosti. Ponekad je teko odrediti koji proizvodi mogu biti ukljueni u okvire neke
delatnosti. Na primer, trebaju li proizvoai kamiona i automobila da budu smatrani
jednom ili dvema delatnostima? Jedna od naina da se iznae odgovor na ovakvo
pitanje je da se posmatraju unakrsne elastinosti. Dobra i usluge sa negativnom ili
malom unakrsnom elastinou se smatraju pripadnicima razliitih delatnosti. Denicija neke delatnosti moda izgleda kao nevana stvar, ali izbor delatnosti moe
imati vane posledice. Na primer, rezultati suenja protiv trust udruivanja nezakonitih monopolistikih dogovora su ponekad odreeni prevashodno denicijom
delatnosti koju prihvati sudsko vee. Drugi primer je denicija neke delatnosti koja
uiva posebne zatite i pomoi, poreske olakice itd.
4.5.8 Determinante cenovne elastinosti
Postoje tri velika uticaja na cenovnu elastinost: (1) obim do kojeg se neko dobro
smatra neophodnou; (2) raspoloivost zamenskih dobara i usluga (substituta) radi
zadovoljavanja neke date potrebe; i (3) srazmera prihoda koji se potroi na proizvod.
Neka relativno konstantna koliina usluge poput elektrosnadbevanja za osvetljavanje
kua e se nabaviti skoro bez obzira na cenu, barem na krae staze i u okviru cenovnih opsega koji se uobiajeno belee. Ne postoji priblian substitut za snadbevanje
elektrinom energijom. Ipak, dobra poput odee se suoavaju sa znaajno veom
konkurencijom, a njihova tranja itekako zavisi od cene. Slino ovome, tranja za
velikim stavkama poput automobila, kua ili skupih putovanja zauzima veliki udeo
prihoda potroaa i bie relativno osetljiva na cenu. Tranja za manje skupim proizvodima, poput bezalkoholnih pia, lmova i slatkia, moe biti relativno neosetljiva
na cenu. Poto zauzimaju mali procenat prihoda, potroai esto smatraju da potraga za nalaenjem mesta gde su oni najjeftiniji prosto nije vredna njihovog vremena
i truda. Shodno tome, elastinost tranje je relativno vea za velike nabavke negoli
male nabavke.
Cenovna elastinost za neku pojedinanu rmu je retko ista kao i za itavu delatnost kojoj ona pripada. U isto monopolskoj situaciji, kriva tranje monopolske
rme je onda takoe i kriva tranje delatnosti, tako da je elastinost tranje sa kojom
se rma suoava na bilo kojem nivou proizvodn je ista kao i elastinost tranje za
delatnost.
Ukoliko sada razmotrimo drugu krajnost potpunu konkurenciju, na primer farme itarica, kriva tranje ove delatnosti ima opadajui nagib: to je nia cena, vea je
koliina penice koja e se traiti. Ipak, kriva tranje sa kojom e se suoavati pojedinani farmer je u sutini horizontalna. Farmer moe prodati bilo koju koliinu ita
po tekuoj ceni, ali ako podigne cenu za i najmanji deli iznad toga, prodaja pada na
nulu. Kriva tranje farmera ita iliti bilo koje rma koja posluje u uslovima pune
konkurencije, je savreno elastina.
Tranja za proizvodnim dobrima i uslugama je indirektna, ili izvedena iz njihove
vrednosti pri upotrebi. Poto je tranja za svim inputima izvedena iz njihove upotrebljivosti u proizvodnji ostalih proizvoda, njihova tranja je izvedena iz tranje za
nalnim proizvodima. Nasuprot terminima nalni proizvod ili potroaka tranja je
termin izvedena tranja koja opisuje tranju za svim proizvodnim dobrima i uslugama. Iako je tranja za proizvodnim dobrima i uslugama povezana sa tranjom za
nalnim proizvodima koji se od njih prave, ova zavisnost nije uvek tako bliska kao
to bi se moglo pomisliti.
4.6 Cenovna elastinost i menadersko odluivanje

Informacije o cenovnoj elastinosti mogu biti veoma korisne za menadere tokom njihovog razmiljanja i odluivanja o visini cena. Ukoliko je tranja neelastina
po trenutnoj ceni, sniavanje cene e dovesti do smanjenja u ukupnim prihodima.
Obratan sluaj je kada se sniava cena nekog proizvoda ili usluge ija je tranja elastina jer bi to dovelo do rasta prihoda10 (uz rast prodaje). Efekat na ukupne prihode
bi bio suprotan kod porasta cene (za proizvod sa elastinom tranjom). Na kraju,
ukoliko je tranja jedinino elastina, promene u cenama ne dovode do promena u
ukupnim prihodima.
10 Ipak, sniavanje cene nije uvek ispravna strategija kada je tranja elastina. Pri odluivanju se mora
uzeti u obzir i uticaj cene na rmine trokove i prote. O strategijama odreivanja cena e biti vie
rei u narednom delu knjige
Rezime poglavlja
Analiza i procena tranje su jedna od najinteresantnijih i najizazovnijih tema i
problematika u menaderskoj ekonomiji. Ovo poglavlje daje bitan iako saet uvod
u nekoliko kljunih koncepata koji su korisni u praktinoj analizi i proceni funkcija
tranje. Kao takav, ovaj materijal nudi konstruktivan prilaz koji je koristan za razumevanje temeljnih ekonomskih uzroka (i zavisnosti) tranje.
Tranja je koliina dobra ili usluge koju kupci ele da nabave i u stanju su da kupe
pod nekim datim ekonomskim okolnostima. Direktna tranja je tranja za proizvodima koji direktno zadovoljavaju elje kupaca. Vrednost nekog dobra ili usluge, njena
korisnost, je primarna determinanta direktne tranje. Tranja za svim inputima je
izvedena tranja i onda je odreena protabilnou korienja razliitih inputa u
cilju proizvodnje.
Funkcija trine tranje za nekim proizvodom je iskaz odnosa izmeu agregirane
koliine koja se trai i svih faktora koji utiu na tu koliinu. Kriva tranje izraava
odnos izmeu cene koja se naplauje i koliine koja se trai, smatrajui pri tom efekte
svih drugih varijabli konstantnim.
Promena u koliini koja se trai je kretanje du neke pojedinane krive tranje.
Pomak u tranji ili prelazak sa jedne krive tranje na drugu, odraava promene u
jednom ili vie necenovnih promenljivih u funkciji tranje za proizvodom. Promene u
tranji mogu biti uslovljeni promenama u ukusima i preferencama, prihodu, i cenama ostalih dobara i usluga.
Pojam ponude oznaava koliinu robe ili usluga koje su proizvoai voljni i mogunosti da prodaju u odreenom vremenskom periodu i po odreenim uslovima.
Trina ravnotea predstavlja cenovni i koliinski odnos, gde su sile ponude i tranje
u ravnotei. U taki ravnotee koliina koju kupci ele kupiti upravno je jednaka koliini koju prodavci ele prodati.
Granini prihod je promena u ukupnim prihodima pri promeni tranje za jednu
jedinicu proizvoda/usluge. Ukupan prihod se poveava ukoliko je granini prihod pozitivan. Granini prihod je jednak nuli kada se dostigne taka maksimalnih ukupnih
prihoda, a ukupni prihodi opadaju kada su granini prihodi negativni. Za sluaj linearne krive tranje, absolutna vrednost nagiba krive graninih prihoda je dvostruko
vea od vrednosti nagiba krive tranje.
Tranja za proizvodom je kritina determinanta protabilnosti, i procene tranje
su kljuna pitanja u praktino svim menaderskim odlukama. Ovaj deo knjige razmatra metode za kvantikovanje i tumaenje zavisnosti vezanih za tranju.
Elastinost je procentualna promena neke zavisne promenljive, Y, koja nastaje iz

1%-tne promene vrednosti neke nezavisne promenljive, X. Takasta elastinost meri
elastinost u odreenoj taki neke funkcije. Luna elastinost meri prosenu elastinost tokom nekog datog opsega neke funkcije.
Faktori poput cena i oglaavanja, koji su pod kontrolom rme se zovu endogene
promenljive, a faktori koji su van kontrole rme poput prihoda potroaa, cena kod
konkurencije i vremena se nazivaju eksogenim promenljivima.
Cenovna elastinost tranje meri odzivnost koliina koje se trae na promene
u ceni proizvoda, drei pri tome konstantnim vrednosti svih ostalih promenljivih u
funkciji tranje. Kod elastine tranje, porast cene e sniziti ukupne prihode a smanjenje cene e poveati ukupne prihode. Jedinina elastinost opisuje situaciju u kojoj
je efekat cenovne promene potpuno kompenzovan efektom promene u koliini koja se
trai. Ukupni prihodi, koji su jednaki cena puta koliina, ostaje konstantan. Kod neelastine tranje, rast cena proizvodi manje nego proporcionalno opadanje u koliini
koja se trai, tako da ukupni prihodi rastu. I obratno, pad cena dovodi do manje nego
proporcionalog poveanja u koliini koja se trai, pa ukupni prihodi opadaju.
Direktna zavisnost izmeu cene nekog proizvoda i tranje za drugim proizvodom
postoji kod svih substituta. Cenovni porast za neki dati proizvod e poveati tranju
za njegovim substitutima; pad cena e pak smanjiti tranju za substitutima. Dobra
koja su obratno srazmerno povezana u smislu cene i koliina se nazivaju komplementa; ona se koriste zajedno a ne jedna umesto drugih. Koncept unakrsne cenovne
elastinosti se koristi da istrai odzivnost tranje za jednim proizvodom na promene
u ceni drugog proizvoda.
Prihodna elastinost tranje meri odzivnost tranje na promene u prihodima,
smatrajui pritom konstantnim efekte svih ostalih promenljivih koje utiu na tranju.
Za ogranieni broj tzv, inferiornih dobara (manje vanjih i manje kvalitetnih dobara/
usluga), tranja pojedinanog potroaa e, po teoriji, opadati kako se prihodi budu
poveavali jer potroai zamenjuju njih sa poeljnijim alternativama. Tranja za takvim proizvodima je kontraciklina, jer zapravo raste tokom recesije a opada tokom
ekonomskih bumova. Mnogi tipini proizvodi ija pojedinana i agregirana tranja je
pozitivno srazmerna sa prihodom, se denie kao normalna dobra/usluge. Za dobra
i usluge za koje vai 0< prihodovno <1 se esto kae da su neciklina normalna dobra, jer
je tranja za njima relatino neuslovljena promenama prihoda. Za dobra i usluge koja
imaju prihodovno >1, kaemo da su ciklina normalna dobra, i njihova tranja je snano
uslovljena promenljivim ekonomskim uslovima.
Koji kljuni sastojci su neophodni za stvaranje ekonomske tranje?

Opiite razliku izmeu direktne i izvedene tranje.
Objasnite obrazloenje svake od promenljivih tranje u jednaini 4.1.
Istaknite razliku izmeu funkcije tranje i krive tranje. Koja je razlika
izmeu promene u koliini koja se trai i pomaku na krivoj tranje?
Navedite proizvode za koje verujete da bi njihova cenovna elastinost
tranje mogla biti pozitivna. Koje greke u analizi i proceni tranje moe
izazvati pogrean zakljuak da je cenovna elastinost tranje pozitivna a
da je ona zapravo negativna?
Opiite kako kuponi za neki mali popust pri kupovini mogu biti korieni
kao efektivno sredtvo za ocenjivanje cenovne elastinosti tranje za svakodnevne namirnice i robe. Zato maloprodajne rme i proizvoai
nude takve kupone umesto jasnog snienja cena?
Opiite prihod, substituciju i ukupne efekte potronje koji nastaju nakon nekog poveanja cene.
Deniite svaki od sledeih termina, navodei verbalno objanjenje i
propratne formule:
- Takasta elastinost
- Luna elastinost
- Cenovna elastinost
- Unakrsna cenovna elastinost
- Prihodna elastinost
Kada je upotreba koncepta lune validna u odnosu na korienje koncepta takaste elastinosti?
Zato je cenovna elastinost tranje obino vea za neku delatnost negoli za pojedinanu rmu u toj delatnosti?
Da li je koncept unakrsne cenovne elastinosti upotrebiv za identikovanje granica neke delatnosti ili trita?
Tranja pojedinanog kupca opada za manje bitna/kvalitetna dobra pri
porastu prihoda jer potroai zamenjuju takva dobra sa poeljnijim alternativama. Da li je za takve proizvode verovatan obrnuto srazmeran
odnos izmeu tranje i (promene) nacionalnog dohotka?
Zadaci za vebu
1. ZADATAK
Jedna izdavaka kua je izdava romana raznih anrova. Konsultanti su
odredili da je tranja za romanima (Qx) data sa sledeom jednainom:
Qx = 12.000 5.000Px +5I + 500Pc
gde je Px cena koju naplauje rma za svoje romane. I je prihod per capita,
a Pc je cena knjiga konkurencije. Koristei ovu informaciju, menaderi
izdavake kue ele da:
A. Odrede koje bi efekte na ukupne prihode imalo poveanje cene
B. Ocene kako bi se prodaja romana promenila tokom perioda rasta prihoda
(makar i sezonskih)
C. Ocene verovatni uticaj sluaja da konkurentni izdavai povise svoje cene
D. Pretpostavimo da su polazne vrednosti za Px , I i Pc redom 5 evra, 10,000
evra i 6 evra.
Reenje
A. Efekat poveanja cene moe se oceniti izraunavanjem takaste cenovne
elastinosti tranje. Zamenom polaznih vrednosti za I i Pc dobija se:
Qx = 12.000 5.000(Px) + 5(10.000) + 500(6)
Ureivanjem ove jednakosti dobijamo: Qx = 65.000 5.000Px.
Uoimo da je dQx/dPx=-5,000. Ako je Px=5 evra, koliina koja se trai je
40.000 knjiga. Korienjem ovog podatka, takasta cenovna elastinost
je data sa
Hcenovno = -5.000 (5/40.000) = -0,625
Kako je tranja neelastina, podizanje cene romana bi povealo ukupne
prihode.
B. Prihodna elastinost odreuje da li je neki proizvod nunost ili luksuz.

Ve je odreeno da je polazna koliina koja se trai pri nekoj datoj visini
cene knjige i prihoda 40.000 knjiga. Iz jednaine tranje izvod dQx/dI= 5.
Tako je prihodna elastinost jednaka
HI = 5 (10.000/40.000) = 1,25
Kako je HI>1, romani su luksuzna roba. Zato, pri porastu prihoda, prodaja
bi trebala da se srazmerno poveava.
Jednaina tranje pokazuje da je dQx/dPc=500. Tako, poto je poznato da
je Hc pozitivno, to znai da se romani i knjige konkurenata mogu smatrati
substitutima. Izraunavanjem Hc dobijamo
Hc = 500 (6,00/40.000) = 0,075
Iz ovoga proizilazi da e 1%-tno poveanje cene drugih knjiga dovesti do
0,075%-tnog poveanja u tranji knjiga izdatih od izdavaa u naem primeru.
2. ZADATAK
Watch doo uvozi i distribuira sportske i modne satove. Od brend
menadera se trai da oceni prodaju linije sportskih satova koristei
sledee podatke o njima:
Mesec
Broj prodatih
sportskih satova
Trokovi oglaavanja
sportskih satova, A
Cena sportskog sata, P
Cena modnog sata, P1
Juli
4.500
10.000
26
50
Avgust
5.500
10.000
24
50
Septembar
4.500
9.200
24
50
Oktobar
3.500
9.200
24
46
Novembar
5.000
9.750
25
50
Decembar
15.000
9.750
20
50
Januar
5.000
8.350
25
50
Februar
4.000
7.850
25
50
Mart
5.500
9.500
25
55
April
6.000
8.500
24
51
Maj
4.000
8.500
26
51
Jun
5.000
8.500
26
57
O brend menadera se posebno trai da oceni relevantne elastinosti

tranje. Treba znati da je za ocenu traenih elastinosti potrebno uzeti
u obzir mesece jedino kada ostali vani faktori u prethodnoj tabeli nisu
promenili. Od vas se trai sledee:
A. Izraunati i objasniti prosenu za trokove oglaavanja lunu elastinost

tranje za sportske i modne satove.
B. Izraunati i objasniti prosenu cenovnu lunu elatinost tranje za
sportske kad je u pitanju cena.
C. Izraunati i objasniti prosenu meucenovnu lunu elatinost tranje
izmeu sportskih i modnih satova.
Reenje:
A. U raunanju uzeti u obzir jedino uzastopne mesece kod kojih je bila
promena u oglaavanju a ne i u promeni cena za oba vrsta sata.
Avgust-Septembar:
'Q A 2 A 1
u
EA
'A Q 2 Q 1
4.500 5.500 9.200 10.000
EA
*
9.200 10.000 4.500 5.500
E A 2,4
Slino, za JanuarFebruar: EA = 3,6
B.
Jul-Avgust: Ep = - 2,5
Novembar-Decembar: Ep = - 2,5
April-Maj: Ep = - 5
Prosek je Ep = - 4, to znai da e 1% poveanja (ili smanjenja) cene
dovesi do 4% poveanja (smanjenja) tranje za robom. Dakle tranja za
sporstkim satovima je elastina to se tie cene.
C.
Septembar-Oktobar:
'Q PX2 PX1
u
EPX
'PX Q 2 Q 1
3.500 4.500
46 50
u
EPX
46 50
3.500 4.5001
EPX 3
Maj-Jun: Epx = 2
Prosek je 2,5>0, pa se obe vrste satova mogu zameniti jedni drugima.
3. ZADATAK
Ocenjeno je da se ukupni prihod od prodaje jedne objavljene knjige dobija jednainom:
TR=120Q 0,1Q3
A. U kom intervalu izlazne koliine robe je tranja elastina?
B. Poetna cena je 70. Da bi se dobio maksimum ukupnog prihoda, da li je
potrebno da se cena povea ili smanji? Objasniti.
4. ZADATAK
U cilju smanjenja zaliha auta Yaris na kraju godine, menader prodaje
je ponudio 2.5% popust na prosenu cenu ovog automobila u avgustu
mesecu. Odgovor kupaca je bio odlian, prodaja je porasla za 10% u
odnosu na nivo iz prethodnog meseca.
A. Izraunati takastu cenovnu elastinost tranje za Toyotu Yaris.
B. Izraunati jedininu cenu koja maksimizira prot ako rma ima
prosenu veleprodajnu cenu od 10.000 i ima granini troak prodaje od
875 po jedinici.
5. ZADATAK
Tokom prole godine Parket doo, vodea rma u proizvodnji parketa,
prodala je 1 milion kvadratnih metara parketa sa prosenom cenom od
7,75 po jedinici (m2). Ove godine se oekuje poveanje prihoda po glavi
stanovnika sa 17.250 na 18.750 s obzirom da je dolo do oporavka trita
od recesije. Bez ikakve promene u ceni direktor marketinga oekuje da
e ove godine prodaja porasti na 1,5 milion jedinica.
A. Izraunati lunu elastinost tranje imajui u vidu iskazani prihod.
B. Uzimajui u obzir poveanje prihoda, direktor marketinga veruje da bi
se tekui obim od 1 milin jedinica mogao odrati sapoveanjem cene od
50% po jedinici. Na temelju ovoga izraunati lunu elastinost tranje
imajui u vidu iskazani prihod.
C. Zadravajui sve isto, da li bi dalje poveanje cena imalo za rezultat vei
ili manji prihod?
6. ZADATAK
A.
B.
C.
D.
E.
Tranja za personalnim raunarima se moe opisati sa sledeim

elastinostima: cenovna elastinost=-5, meu-cenovna elastinost sa
softverom=-4, i elastinost prihoda=2,5. Oznaiti da li je svaki od sledeih
iskaza taan ali netaan, i objasniti svaki odgovor.
Redukcija cene za personalne raunare e poveati i broj traenih jedinica
robe i ukupne prihode prodavca.
Meu-cenovna elastinost oznaava da e 5% smanjenja cene personalnih raunara dovesti do poveanja tranje softvera za 20%.
Tranja za personalnim raunarima je cenovno elastina i kompjuteri su
roba sa normalnom ciklusom.
Pad cena softvera e poveati prihode prodavaca i kompjutera i softvera.
Smanjenje cene od 2% bi bilo neophodno za se prevaziu efekti smanjenja
prihoda od 1%.
7. ZADATAK
A.
B.
C.
D.
Kompanija Kozmetika co nudi kozmetike proizvode i pafeme kroz

vodee prodacnice u zemlji. Menader zaduen za proizvode ove kompanije je skoro poveao cenu popularnom dezodoransu sa 9 na 12 n.j.
s obzirom na poveanje trokova radne snage i materijala. Naalost
mesena prodaja je pala sa 16.200 na 9.000 jedinica. Da bi pokrili gubitke
u prodaji, kompanije je uvela promotivne kupone koji donose smanjenje
nove cene od 5 . tampanje kupona i trokove distribucije su 500 meseno
i to predstavlja znaajno poveanje budeta za tipino oglaavanje od
3.250 meseno. Uprkos dodatnim trokovima, ocenjeno je da je promocija
uspena. U periodu pre nego to je okonana, od ukupne prodaje kuponi
su korieni 40% dok je mesena prodaja porasla za 15.000 jedinica.
Izraunati lunu cenovnu elastinost koja obuhvata inicijalni odgovor na
poveanje cene.
Izraunati efektivno smanjenje cene koje rezultuje iz promocije putem
kupona.
U svetlu smanjenja cene usled promocije putem kupona i uz pretpostavku
da nema promene u cenovnoj elastinosti tranje, izraunati kompanijsku lunu elastinost za oglaavanje.
Zato se tana luna elastinost za oglaavanje moe razlikovati od one
izraunate u C?
O
E
D
V
POSLOVNO I EKONOMSKO
PREDVIANJE
Ogromna veina poslovnih odluka

podrazumeva odreen stepen neizvesnosti menaderi retko kad znaju ishode
svojih odluka i izbora. Jedan od naina
smanjivanja neodreenosti koja je povezana sa odluivanjem je da se odvoje resursi za predvianje. Predvianje ukljuuje prognoziranje buduih ekonomskih
odnosa i ocenjivanje njihovih efekata na
poslovanje rme.
POSLOVNO I EKONOMSKO PREDVIANJE 121
Cilj prognoziranja je razliit. esto je cilj da se predvidi tranja jer menaderi su

zainteresovani da saznaju ukupnu tranju za proizvodom. U drugim okolnostima,
projekcije se mogu usmeriti na izgledni udeo rme na tritu. Ukoliko predvianje
sugerie da rast prodaje postojeih rmi ini uspean prodor rme na trite malo verovatnim, rma se moe usmeriti drugim podrujima u kojima e vriti ekspanziju.
Predvianje takoe moe dati informacije o pravilnom miksu proizvoda. Na krai
rok, odluka o miksu proizvoda je u velikoj meri ograniena rminim postojeim proizvodnim kapacitetima. Ipak, na dui rok, menaderi mogu izgraditi ili modikovati
proizvodne kapacitete. Ipak, ovakve odluke se moraju doneti znatno pre nego proizvodi krenu sa proizvodnih linija. Tano predvianje moe smanjiti neizvesnost koja
prati ovo dugo vodee vreme.
Predvianje je vana menaderska aktivnost. Velike i vane odluke u velikim i srednjim kompanijama su skoro uvek zasnovane na predvianjima nekog tipa. U nekim
sluajevima, predvianje e biti tek neto vie od puke intuitivne procene budunosti,
koju izvode ljudi ukljueni u odluivanje. U drugim okolnostima, pak, predvianje
moe iziskivati hiljade radnih sati i mnogo novca. Ono se moe izvoditi od strane
ekonomista iz same rme, mogu se koristiti usluge specijalizovanih konsultanata ili
se prognoze i predvianja mogu bazirati na informacijama koje daju dravni organi i
ustanove (poput nekih vodei centralnih banaka i slino).
Ovo poglavlje se fokusira na nekim osnovnim tehnikama predvianja. Najpre dolazi razmatranje analize vremenskih serija. Nakon toga dolazi barometarsko predvianje, a u poslednjem delu osnovni principi analize inputa/outputa.
5.1 Kvalitativna analiza

Kvalitativna analiza, koja predstavlja jedan intuitivni pristup procenjivanja, moe
biti korisna ukoliko omoguava sistematsko prikupljanje i organizovanje podataka
dobijenih iz nepristrasnih, na informacijama zasnovanih miljenja. Ipak, kvalitativne
metode mogu davati pristrasne rezultate kada neki dati pojedinci dominiraju procesom predvianja na osnovu svoje reputacije, snage linosti ili strateke pozicije unutar organizacije.
5.1.1 Ekspertsko miljenje
Najei osnovni oblik kvalitativnog analitikog prognoziranja je lino sagledavanje, u kome neka informisana osoba koristi lino ili kompanijsko iskustvo kao osnovu za
dobijanje oekivanja od budunosti, Iako je ovaj pristup, samo po sebi, subjektivan, razumno prosuivanje informisanih pojedinaca esto daje vredna sagledavanja i uvide. Kada
se na informacijama zasnovano miljenje zapravo oslanja na nekoliko pojedinaca, onda
se takav pristup naziva predvianje pomou grupnog konsenzusa. Metod grupnog konPOSLOVNO I EKONOMSKO PREDVIANJE 123
senzusa podrazumeva da nekoliko eksperata moe doi do neke valjane prognoze koja je
nadmonija u odnosu na one koju generiu pojedinci. Direktna interakcija meu ekspertima moe pomoi da se osigura da rezultujua predvianja otelotvoruju sve raspoloive
objektivne i subjektivne informacije.
Iako metod grupnog konsenzusa esto dovodi do predvianja koja oteletvoruju
kolektivnu mudrost i znanje konsultovanih eksperata, ono moe na nepoeljan nain
da bude pod uticajem snage linosti jednog ili vie pojedinaca. Jedan metod koji je povezan sa prethodno iznetim je del metod, koji je osmiljen da prevazie nedostatke
koje smo pomenuli. Kod del metoda, lanovi ekspertske grupe pojedinano dobijaju niz pitanja koja se odnose na problematiku za koju se radi predvianje. Odgovori
eksperata se analiziraju od strane nezavisne osobe, koja onda pokuava da postigne
ili iznae konsenzus dajui povratne informacije lanovima grupe na nain kojim se
spreava direktna identikacija pojedinaca i njihovih stavova. Ovaj metod pomae
ograniavanju problema predvodnika u osnovnom pristupu konsenzusa grupe.
5.1.2 Tehnike ispitivanja
Tehnike ispitivanja, u kojima se na vet nain koriste intervjui ili upitnici poslati
potom/e-mejlom/preko on-line formulara, su vaan alat za predvianja, posebno
za kratkorone projekcije. Osmiljavanje ispitivanja koje e dati nepristrasne i pouzdane informacije je izazovan zadatak. Kada se sprovedu na pravilan nain, ispitivaka
istraivanja mogu menaderima pruiti vredne informacije koje se na drugi nain ne
bi mogle prikupiti. Tokom ispitivanja se, generalno, koriste intervjui ili upitnici poslati potom ili na neki drugi nain dostavljeni (npr. elektronskim putem) u kojima se
rme, vladine agencije i pojedinici mole da iznesu svoje budue planove. To obuhvata, na primer, biznis planove i budete sa praktino svim planiranim izdacima pre
izvoenja stvarnih nabavki ili odluka o proizvodnji. Dravne institucije (ministarstva
i agencije) koje pripremaju formalne budete takoe pruaju bogatstvo informacija
za prognozere. Najzad, kako i pojedinci kao kupci rutinski planiraju izdatke poput
velikih stavki (automobili, nametaj, stanovi, odmori i obrazovanje), ispitivanja u vezi
namera potroaa esto precizno predviaju budua troenja potrone robe.
Informacija iz ispitivanja moe biti bilo ta to je raspoloivo u odreenoj situaciji
prognoziranja, kao kada, na primer, neka rma pokuava da projektuje tranju za
njenim novim proizvodom. Iako ispitivanja ponekad slue kao alternativa za kvantitativne tehnike predvianja, one su vie dodatak a ne zamena za kvantitativnu analizu.
Njihova vrednost proistie iz dva razloga. Prvi razlog je nemerljivi psiholoki element
svojstven najveem delu ekonomskih ponaanja; ispitivanja i ostale kvalitativne metode su posebno podesne za obuhvatanje ovog fenomena. Kao drugi razlog moe se
navesti to da kvantitativni modeli generalno podrazumevaju stalne ukuse potroaa.
Ukoliko se ukusi i sklonosti potroaa zapravo menjaju, podaci iz istraivanja mogu
da sugeriu prirodu i smer takvih promena.
5.1.3 Trini eksperimenti kao nain prikupljanja podataka za predvianja

Jedan od potencijalnih problema sa podacima proisteklim iz ispitivanja-upitnika
je taj da se odgovori na ispitivanje moda ne pretvaraju u stvarno ponaanje potroaa. Drugim reima, potroai ne rade uvek ono to govore da e uiniti. Ova manjkavost se moe delimino prevazii korienjem trinih eksperimenata osmiljenih da
generiu podatke i pre punog uvoenja nekog proizvoda ili potpune primene neke
politike.
Da bi se ostvario trini eksperiment, rma najpre mora odabrati trite koje e
se testirati. To trite se moe sastojati od nekoliko gradova, nekog regiona ili drave,
ili nekog uzorka potroaa denisanog na osnovu lista za slanje (e- i klasine pote).
Jednom kada se trite denie, eksperiment moe ukljuiti brojne odlike. On moe
ukljuiti ocenjivanje percepcije potroaa vezano za neki novi proizvod na testnom
tritu. U drugim sluajevima, mogue je postaviti razliite cene za neki postojei
proizvod i to u razliitim gradovima da bi se ocenila elastinost tranje. Trea mogunost bi bila test reakcije potroaa na novu kampanju reklamiranja.
Pri odabiru testnog trita, menaderi moraju da uzmu u obzir nekoliko bitnih
faktora. Najpre, rma treba da bude u stanju da obradi neku odabranu lokaciju. Ukoliko je podruje testiranja preveliko, moe biti preskupo i teko izvesti eksperiment
i analizirati dobijene podatke. Drugo, itelji testnog trita treba da budu slini tj.
reprezentativan uzorak neke vee, tj. opte populacije (npr. Srbije, EU i slino), po
parametrima starosne raspodele, obrazovanju i prihodima. Ukoliko to ne bi bio sluaj, rezultati koji bi se dobili ne bi bili primenljivi tj., ne bi bili proirivi i na ostala
podruja. Najzad, treba da postoji mogunost obezeivanja reklamiranja koje bi bilo
usmereno samo na one koji se testiraju.
Trini eksperimenti imaju prednost nad upitnicima i ispitivanjima koja se ogleda
u tome da oni odraavaju stvarno ponaanje potroaa, ali ipak, postoje ogranienja.
Jedan od problema je rizik koji prati ova testiranja. U testnim tritima na kojima se
cena poveava, potroai se mogu preusmeriti na proizvode konkurencije. Jednom
kada se eksperiment okona a cene smanje tj. vrate na polazni nivo, moda e ipak
biti teko povratiti ranije potroae. Drugi problem je taj da rma ne moe da kontrolie sve faktore koji utiu na tranju. Rezultati nekih trinih eksperimenata mogu
biti uslovljeni loim vremenskim uslovima, promenljivim ekonosmkim uslovima, ili
taktikama konkurenata. Najzad, poto je veina eksperimenata relativno kratkog trajanja, potroai moda nee biti u potpunosti svesni promena u ceni ili u oglaavanju.
Stoga njihove reakcije mogu podceniti verovatni uticaj tih promena (na due staze).
5.2 Analiza vremenskih serija

Regresiona analiza se, kao to je ranije opisano, moe koristiti za kvantikovanje
zavisnosti izmeu promenljivih. Ipak, ukoliko regresioni model obuhvata veliki broj
nezavisnih promenljivih, tada prikupljanje podataka moe biti problem. Kada promene u nekoj promenljivoj pokazuju prepoznatljive obrasce tokom vremena, analiza vremenskih serija predstavlja alternativni metod za prognoziranje buduih vrednosti.
Fokus analize vremenskih serija je u identikovanju komponenti promene u posmatranim podacima. Tradicionalno su te komponente podeljene u etiri kategorije:
1. Trend
2. Sezonalnost
3. Ciklini obrasci
4. Sluajne uktuacije
Trend je dugorono poveavanje ili smanjivanje neke promenljive. Na primer, vremenska serija broja stanovnika planete pokazuje rastui trend, dok je trend kod brojnosti ugroenih vrsta ivog sveta opadajui. Komponenta sezonalnosti predstavlja
promene koje se javljaju u redovnim vremenskim intervalima, Veliki porast prodaje
zimske opreme u jesen i poetkom zime je jedan od primera sezonalnosti.
Analiza vremenskih serija moe sugerisati da postoje ciklini obrasci, koji se deniu kao trajniji periodi visokih vrednosti nakon kojih slede periodi niih vrednosti.
Poslovni ciklusi spadaju pod ovu kategoriju. Najzad, preostale varijacije u nekoj promenljivoj koje ne potpadaju pod bilo koji prepoznatljivi obrazac su uslovljene sluajnim uktuacijama. Za odreivanje ovih obrazaca se koriste razliiti metodi. Ipak, po
deniciji, promene promenljive koje su uslovljene faktorima sluajnosti nisu predvidive. to je vea komponenta sluajnosti u nekoj vremenskoj seriji, to e manje biti
tano predvianje izvedeno na osnovu tih podataka.
Slika 5.1 Karakteristike vremenskih serija: (a) Dugogodinji trend i cikline varijacije u prodaji enske garderobe; (b): Sezonski obrasci i sluajne uktuacije
Na slici 5.1 prikazano je kako ciklini obrazac prodaje znaajno odstupa od normalnog dugogodinjeg trenda (a), kao i to kako sezonski obrasci, sluajne uktuacije
i ostali uticaji izazivaju odstupanja oko ciklinih obrazaca prodaje (b).
5.2.1 Projekcija trenda
Jedna od najee korienih tehnika predvianja je projekcija trenda. Kao to
samo ime nagovetava, ovaj pristup je zasnovan an pretpostavci da postoji neki uoljivi trend u nekoj vremenskoj seriji podataka. Projekcija trenda moe se takoe koristiti kao polazna taka za identikovanje sezonskih ili ciklinih varijacija.
Tabela 5.1 prikazuje jednu vremensku seriju kvartalnih prodaja neke rme tokom
perioda od tri godine. Ovi podaci e biti korieni za ilustrovanje grake i statistike projekcije trenda a takoe i za opisivanje metoda sezonskih podeavanja u nekoj
prognozi.
Broj perioda
Kvartal
1
2
3
4
5
6
7
8
9
10
11
12
1996 : I
1996 : II
1996 : III
1996 : IV
1997 : I
1997 : II
1997 : III
1997 : IV
1998 : I
1998 : II
1998 : III
1998 : IV
Prodaja
(u milionima)
300
305
315
340
346
352
264
390
397
404
418
445
Tabela 5.1 Hipotetika vremenska serija podataka o prodaji

5.2.2 Grako podeavanje krive podataka
Uoimo da podaci iz tabele pokazuju, generalno gledano, poveavanje prodaje
kvartal za kvartalom. Ipak, neka iskoristiva prognoza obino iziskuje veu preciznost
negoli to je to iskaz generalno poveavanje prodaje. Da bi bilo upotrebivo u predvianju, mora se dobiti numerika ocena poveanja prodaje po kvartalu. Jedan od
naina da se dobije ova ocena je da se podesi neka linija (tj. kriva) koja bi predstavljala
podatke (slino kao kod regresione krive). Na slici 5.2 prava linija je iscrtana kroz
take podataka na takav nain da odraava trend podataka na to je mogue taniji
nain.
Rastui nagib linije odraava poveavanje prodaje tokom vremena, Izraunavanjem nagiba ove linije trenda, mogue je odrediti prosenu stopu porasta po kvartalu. Ova vrednost se moe onda koristiti za izraunavanje prodaje u buduim periodima. Alternativno, produavanjem linije trenda van taaka podataka (npr, nakon
etvrtog kvartala 1998);ocenjena prodaja se moe direktno oitati sa graka. Pretpostavimo da je potrebno predvianje prodaje za trei kvartal 1999-e. Na osnovu
ekstrapolacije podataka za taj period, grak ukazuje da se projekcija prodaje daje na
oko 480 miliona.
Slika 5.2- Grako podeavanje krive za podatake iz vremenske serije
5.2.3 Statistiko podeavanje krive

Jedno od ogranienja grakog podeavanja krive je oigledno preciznost i tanost predvianja zavisi od sposobnosti analitiara da podesi krivu shodno podacima.
Sosticiraniji nain je da se koriste statistike metode za podeavanje podataka za
neku jednainu sa tano odreenom formom. U osnovi, ovo ukljuuje korienje
obinog koncepta metode najmanjih kvadrata koji je ranije opisan u knjizi, a u cilju
ocenjivanja parametara jednaine krive.
5.2.4 Konstantna stopa promene

Pretpostavimo da neki analitiar odreuje da e prognoza biti ostvarena pod pretpostavkom da e postojati konstantna stopa promena prodaje od jednog perioda do
drugog. Drugim reima, rmina prodaja e se menjati za istu veliinu izmeu dva
perioda. Vremenska serija podataka iz tabele 5.1 e se koristiti za ocenjivanje stope
promene. Statistiki, ovo ukljuuje ocenjivanje parametara jednaine:
St = So + bt
(5.1)
gde s oznaava prodaju a t oznaava vremenski period. Dva parametra koje treba
oceniti su S0 i b. Vrednost S0 odgovara preseku ose prodaje (vertikalne ose) sa linijom
na slici 5.2, parametar b je konstantna stopa promene i ona odgovara nagibu linije sa
slike 5.2. Na osnovu podataka iz tabele, jednaina 5.1 je ocenjena kao:
St=281.394 + 12.811t
Tumaenje jednaine je to da je ocenjena stopa porasta prodaje po kvartalu 12.811
milion. Prognoza prodaje za bilo koji budui kvartal, St moe se dobiti zamenjivanjem odgovarajue vrednosti za t. Na primer, ocenjena prodaja za taj kvartal bi bila
281.394 + 12.811(15) iliti 473.560 miliona.
5.2.5 Konstantna procentualna stopa promene
Pretpostavimo sada da neki zaposleni u rmi, zaduen za predvianja, eli da
oceni procentualnu stopu promena u prodaji. Drugim reima, sluaj u kome se pretpostavlja da e se prodaja poveavati za neki konstantan procenat tokom svakog
obraunskog perioda, a ne za apsolutni iznos to je pretpostavka u jednostavnom
linearnom modelu. Ova zavisnost se moe, pretpostavljajui godinji nivo, matematiki izraziti kao:
St = St-1 (1+ g)
ili u optem obliku
St = So (1+ g)t
(5.2)
Parametri iz jednaine 5.2 se, meutim, ne mogu oceniti korienjem obine

metode najmanjih kvadrata. Problem je u tome to su najmanji kvadrati namenjeni
reavanju kod linearnih zavisnosti a 5.2 jednakost je eksponencijalna, Ipak, postoji
jednostavna transformacija jednaine kojom se omoguava korienje obine metode najmanjih kvadrata.
Najpre, naimo prirodni logaritam11 jednaine 5.2. Rezultat je
lnSt
ln S0 (1 g)t
Podsetimo se da je logaritam nekog proizvoda zapravo zbir logaritama inioca tog

proizvoda. Tako prethodni izraz postaje
lnSt
lnS0 ln (1 g)t
Desna strana jednaine se dalje moe pojednostaviti ukoliko se primeni pravilo da je
ln (1 g)t t >ln(1 g)@

Otuda dobijamo
lnSt
lnS0 t >ln(1 g)@
(5.3)
Jednaina (5.3) je linearni oblik jednaine. Ovo se moe videti ukoliko se naprave
sledee zamene, uvoenjem pomonih promenljivih
Yt=ln St,Y0=lnS0, b=ln(1+g)
Na ovaj nain nova jednaina postaje linearna, tj:
Yt=Y0+bt
(5.4)
Parametri jednaine 5.4 se mogu oceniti jednostavnim izraunavanjima pomou

kompjutera. Kljuno je da se uvidi da podaci o prodaji mogu biti prevedeni u logaritamski oblik. Zato e se umesto St, u program unositi lnSt.
11 Prirodni, sa osnovom e ili logaritam sa osnovom 10, svejedno je. Ipak, u ovom delu bie prirodni
logaritam, oznaen kao ln
Broj perioda (t)
Kvartal
Prirodni logaritam lnSt za

prodaju St (u milionima)
1
2
3
4
5
6
7
8
9
10
11
12
1996 : I
1996 : II
1996 : III
1996 : IV
1997 : I
1997 : II
1997 : III
1997 : IV
1998 : I
1998 : II
1998 : III
1998 : IV
5,704
5,720
5,753
5,829
5,847
5,864
5,897
5,966
5,984
6,001
6,036
6,098
Tabela 5.2 Prirodni logaritmi hipotetikih podataka za vremensku seriju

podataka o prodaji
Korienjem obine metode najmanjih kvadrata, ocenjeni parametri jednaine
(5.4), zasnovani na podacima iz tabele 5.2 su
Yt=5,6623 + 0,0353t
Meutim, ovi podaci su dobijeni iz logaritama podataka, Zato, za tumaenje u
smislu orginalnih podataka, oni moraju biti zasnovani na zavisnosti lnS0=Y0=5,6623
i ln(1+g)=b=0,0353, Ukoliko se izvede antilogaritmovanje dobijamo S0=287.810 a
1+g=1,0359, Zamenjivanjem vrednosti za S0 i 1+g nazad u jednainu 5.2 dobijamo
St= 287.810(1,0359)t
gde je 287.810 prodaja u milionima n.j. u periodu 0 (polaznom periodu) a ocenjena stopa rasta, g, je 0,0359 ili 3,59 procenata.
Ukoliko bi se eleli da ocenimo prodaju u nekom buduem kvartalu, odgovarajue vrednosti za t bi se unele u jednainu. Na primer, predviena prodaja u treem kvartalu 1999-e (koji je 15-ti kvaratal od poetka posmatranja) bi bila S15=
287.810(1,0359)15 ili 488,51 milion n.j.
5.2.6 Sezonske varijacije u vremenskih serijama podataka

Sezonske uktuacije u vremenskim serijama podataka nisu retka pojava. Ovo se
posebno odnosi, na primer, na veliko poveanje prodaje u etvrtom kvartalu to je
karakteristino za neke delatnosti. I zaista, neke maloprodajne rme i lanci esto
ostvaruju skoro polovinu svoje prodaje tokom perioda oko Boia i Nove godine.
I poslovne aktivnosti kompanija iz drugih delatnosti takoe imaju svoje sezonske
obrasce prodaje. Naprimer, grejna i rashladna tela se mogu veoma dobro prodavati
tokom zime/leta, zavisno od funkcije koju treba da odrade. Takoe, poznato je da
prodaja stanova generalno opada tokom zime, ali se zato tranja za raunovoama
i revizorima znatno poveava poetkom skalne godine jer se zavravaju godinji
obrauni i zavrni rauni.
Paljivo ispitivanje podataka iz tabele 5.1 ukazuje da poveanja kvartalne prodaje
nisu ujednaeno rasporeena tokom godine. Poveanje iz prvog u drugi kvartal, i iz
etvrtog u odnosu na prvi naredne godine, je manje, dok poveanje tokom etvrtog
kvartala tei da bude stalno vee u odnosu na druge kvartale. Drugim reima, podaci
pokazuju sezonske uktuacije, to se pokazuje isprekidanom linijom na slici 5.3.
Slika 5.3 Sezonske varijacije u podacima vremenske serije

Istaknute sezonske varijacije mogu uzrokovati ozbiljne greke u prognozama

zasnovanim na podacima iz vremenskih serija. Na primer, tabela 5.1 ukazuje da je
stvarna prodaja za etvrti kvartal 1998-e bila 445 miliona n.j. Meutim, ukoliko se
ocenjena jednaina (zavisnosti) iskoristi za predvianje prodaje za taj period (korienjem konstantne stope promene modela), predvieni zbir je 281.394 + 12.811(12),
ili 435,13 miliona n.j. Velika razlika izmeu stvarnih i predvienih prodaja javlja se
usled toga to jednaina ne uzima u obzir skok prodaje koji se javlja u etvrtim kvartalima. Umesto toga, predviena vrednost iz jednaine predstavlja uproseavanje
pojedinanih kvartala. Na ovaj nain, prodaja e biti podcenjena na snanom etvrtom kvartalu, u smislu prodaje. I obratno, predviajua jednaina moe prekomerno
oceniti prodaju u drugim kvartalima.
Tanost predvianja moe se poboljati sezonskim izglaivanjem podataka. Verovatno najee korien metod izglaivanja je pristup srazmera-prema-trendu ratio
to trend). Njegova upotreba moe biti ilustrovana korienjem podataka iz tabele 5.1.
Na osnovu jednaine za predvianje
St= 281,394 + 12,811t
stvarna (tj. ostvarena) i predviena (izraunata) prodaja je prikazana u tabeli 5.3.
Zadnja kolona tabele je srazmera stvarne i predviene prodaje za etvrti kvartal. Ova
srazmera je mera sezonske greke u predvianju.
Godina
Predviena
prodaja u IV
kvartalu
1996
1997
1998
332,64
383,88
435,13
Stvarno ostvarena
prodaja u IV kvartalu
340
390
445
Prosek:
Srazmera stvarnih/
predvienih prodaja
u IV kvartalu
1,022
1,016
1,023
1,020
Tabela 5.3 Sezonsko izglaivanje u kome se koristi metod srazmera-prema-trendu

Kao to se pokazuje, za trogodinji period, prosena prodaja za etvrti kvartal je
bila 102% proseka predviene prodaje za taj kvartal. Faktor 1,02 moe se koristiti
za izglaivanje buduih procena za etvrti kvartal. Na primer, ukoliko je cilj da se
predvidi prodaja za etvrti kvartal 1998-e godine, predviajua jednaina daje ocenu
od 435,13 miliona n.j. Mnoenjem ovog broja sa 1,020 (faktorom izglaivanja), predvianje se poveava na 443,8 miliona, to je blizu stvarno ostvarenoj prodaji od 445
miliona n.j. za taj kvartal. Slina tehnika se moe koristiti da se ostvare umanjujua
izglaivanja za predvienju prodaju u ostalim kvartalima.
Sezonska izglaivanja mogu poboljati predvianja zasnovana na projekciji trenda. Ipak, projekcija trenda i dalje ima odreene nedostatke. Jedna je ta da je prevashodno ograniena na kratkorona predvianja. Ukoliko se trend ekstrapolira znatno
izvan zadnje take raspoloivih podataka, preciznost predvianja brzo opada. Drugo
ogranienje je da faktori poput promena u relativnim cenama i uktuacijama ekonomskog rasta nisu uzeti u obzir. Umesto toga, pristup koji se koristi u projekciji
trenda podrazumeva da se ranije (istorijske) zavisnosti nee menjati.
5.3 Korienje vremenskih serija za predvianje

privrednih i poslovnih ciklusa
5.3.1 Privredni i poslovni ciklusi
Protne i prodajne performanse bilo koje kompanije zavise, u veoj ili manjoj
meri, od zdravlja opte ekonomije. Tokom posebno ozbiljnih ekonomskih padova,
realni BND moe uistinu opadati toko dueg vremena. U sluaju rmi koje koriste
znaajne nansisjke i operativne leveride, razlika od nekoliko procentnih poena u
stopi rasta/pada optih ekonomskih aktivnosti moe predstavljati razliku izmeu
zdrave ekspanzije i stezanja kaia tj. preivljavanja.
Jedan od najvanijih irih ekonomskih pitanja za menadere je poslovni ciklus,
ili ritmiki obrazac usporavanja i ekspanzije koji se uoava u optoj ekonomiji. Ukoliko se posmatra ekonomija SAD-a, kao lidera i na neki nain determinante svetskih
ekonomskih aktivnosti, moe se zapaziti da je, tokom zadnjih nekoliko decenija,
proseno trajanje svakog ciklinog usporavanja/stagnacije oko 11 meseci, ukoliko se
meri period od prethodnog ciklinog vrha do najnie take ili dna naredne poslovne
stagnacije. Proseno trajanje svake od ciklinih ekspanzija je oko 50 meseci, mereno
od prethodnog minimuma do vrha naredne poslovne ekspanzije. Jasno, u zadnjoj
polovini XX veka u SAD-a su dominantni periodi ekonomske ekspanzije, to ukazuje
na generalno zdravu ekonomiju SAD-a. Svetska ekonomija je generalno pratila ova
kretanja.
U javnosti, strunoj i optoj, esto postoje polemike da li je u odreenom momentu stanje ekonomije u bumu, umerenoj ekspanziji, umerenoj stagnaciji ili otrom
padu. Te polemike, zapravo, odraavaju injenicu da uprkos intenzivnom optem interesovanju za ova pitanja, uzroci ekonomskih stagnacija/recesija i ekspanzija ostaju
ponekad misterija. Ipak, na nau sreu, moderne IT tehnologije i rast obima prikupljenih ekonomskih podataka mogu nam dati nadu da to nee biti sluaj u skorijoj
budunosti.
5.3.2 Barometarsko predvianje

Projekcije trenda koriste podatke vremenske serije za predvianje budunosti, i
to na osnovu zavisnosti u prolosti. Meutim, ukoliko ne postoji jasan obrazac zavisnosti u podacima u vremenskoj seriji, onda su ti podaci slabi, ako uopte i imaju
vrednost za predvianje. Alternativni pristup ovome je da se nau neke druge serije
podataka koje su u nekoj korelaciji sa prvom serijom. Stoga, posmatranjem promena
u drugim serijama, mogue je predvideti promene u prvoj. Na primer, pretpostavimo
da prodaja neke drvopreraivake kompanije pokazuje velike godinje uktuacije tokom poslednje decenije tako velike da bilo koja predvianja zasnovana na projekciji trenda prodaje nisu upotrebiva u praktine svrhe. Ali, tokom istog perioda, uoeno
je da su rmini obimi prodaje visoko korelisani sa brojem zapoetih stambenih jedinica. Na ovaj nain, ukoliko se moe predvideti broj zapoetih gradnji stambenih jedinica, ova informacija se moe koristiti za predvianje obima prodaje drvne grae.
Vremenska serija koja je korelisana sa nekim drugim vremenskim serijama se ponekad naziva indikatorom drugih serija. Znaajno vreme i trud je potroen u potrazi
za dobrim indikatorima ekonomskih trendova. Mnogi ekonomski asopisi i publikacije objavljuju podatke o znaajnom broju vremenskih serija. Njih je mogue nai i u
statistikim zavodima.
5.3.3 Vodei indikatori
Ukoliko se dve serije podataka esto poveavaju ili smanjuju u isto vreme, jedna
od njih moe biti smatrana kao koincidentni indikator za drugu seriju. Na primer,
na slici 5.4a, serija 1 je koincidentni indikator serije 2 jer ima njege vrhunce i dna u
istim periodima.
Slika 5.4 Koincidirajui i vodei indikator

Ukoliko se promene u jednoj seriji javljaju konzistentno pre promena u drugim

serijama, onda smo je uoen vodei indikator. Na slici 5.4b, serija 1 se moe smatrati
vodeim indikatorom serije 2 jer se vrhovi i dna serije 1 konzistentno javljaju pre
odgovarajuih vrhova i dna u seriji 2.
Vodei indikatori su od posebnog znaaja u prognoziranju. Kao to metereolozi koriste promene u barometarskom pritisku da predvide vreme, vodei indikatori
se mogu koristiti za predvianje promena u optim ekonomskim uslovima. Shodno
tome, upotreba ovih indikatora se najee naziva barometarsko predvianje,
Vrednost vodeeg indikatora zavisi od nekoliko faktora. Najpre, indikator mora
da bude precizan. Drugim reima, uktuacije moraju da imaju blisku korelaciju sa
uktuacijama u serijama koje treba da predviaju. Pored toga, indikator mora da
omoguava adekvatno vodee vreme. ak i ukoliko su dve serije visoko korelisane,
jedan indikator e biti od slabe korisnosti ukoliko je vodee vreme isuvie kratko. Na
primer, usled vremena koje je potrebno da se pokrene pe za elik, neka serija koja
predvia promene u tranji za elikom, na rok od, recimo, nedelju ili dve unapred ne
bi bila koristan alat predvianja za menadera u kompaniji za preradu i proizvodnju
elika. Trei uslov je da vodee vreme bude relativno konstantno. Ukoliko neka serija
prednjai (ispred pojave promena u drugim serijama) za est meseci u jednim prilikama a u drugim prilikama za dve godine, onda je takav indikator od slabe koristi jer
ne moe da obezbedi upotrebivo predvianje.
Kao etvrta bitna stavka, potrebno je da postoji logiko objanjenje za to kako
jedna serija predvia ponaanje neke druge serije ili vie serija. Ukoliko se proui
dovoljno vremenskih serija, verovatno je da e se uoiti odreena korelacija izmeu nekih od njih. Ipak, ukoliko nema uzrono-posledinih zavisnosti izmeu njih,
istorijski obrazac nee biti neto posebno koristan u predvianju buduih dogaaja
jer ne postoji razlog zbog koga bi se verovalo da e se prethodni obrazac ponoviti i u
budunosti. Na primer, predloeno je da duina suknji predstavlja vodei indikator
berzanskih cena. Preciznije, da krae suknje predviaju vie cene merene prosenim
amerikim Dau Dons indeksom. Pokuano je na vie naina da se objasni ova zavisnost, ali objanjenja nisu bila ubedljiva. Najzad, vrednost i upotrebivost nekog indikatora je uslovljena i trokovima i vremenom potrebnim za prikupljanje potrebnih
podataka. Neke vremenske serije za ije odravanje i praenje je potrebno mnogo
novca i truda zapravo verovatno nisu vredne toga. Slino vai i za sluaj u kome postoji dugo kanjenje pre nego to podaci budu raspoloivi za analizu i primenu, jer
efektivno vodee vreme indikatora moe biti isuvie kratko da bi sam indikator bio
upotrebljiv.
U tabeli 5.4 se navode vodei indikatori i po jedna ekonomska promenljiva za koju
se odreeni indikator koristi za njeno predvianje. Za neke od indikatora, postoji
oigledna veza izmeu dve serije. Jedan primer za to su nove graevinske dozvole i
broj zapoetih stambenih objekata. Kada se izda neka dozvola, to ukazuje na snanu
elju i nameru za gradnjom nove stambene jedinice. Na ovaj nain promene u broju
dozvola trebaju da budu blisko povezane sa promenama u broju zapoetih stambenih
objekata. Jasno je, naravno, da graevinske dozvole predstavljaju vodei indikator jer
graevinari imaju zakonsku obavezu da je pribave pre poetka izgradnje. Slini argumenti se mogu navesti za objanjavanje novih porudbina kao vodeih indikatora
prodaje u sektoru proizvodnje trajnih dobara i kapitalne opreme.
1. Prosena radna
sedmica
Proizvedena roba
2. Nove narudbe
Prodaja robe
3. Nove graevinske
dozvole
Zapoeti stambeni
objekti
4. Promene na
zalihama
Opti ekonomski
uslovi
5. Industrijske cene
materijala
Potroake cene
6. Cene akcija
Opti ekonomski
uslovi
Tabela 5.4
Za neke od indikatora, tee je objasniti korelaciju izmeu dve serije. Razmotrimo
berzanske cene akcija kao prediktor optih ekonomskih kretanja. Istorijski gledano,
indeksi cena akcija su bili relativno precizan prediktor ciklusa poslovnih aktivnosti.
Jedno od moguih objanjenja je da cene akcija odraavaju oekivanja i planove menadera i potroaa, koja e se implementirati u budunosti.
5.3.4 Kompozitni i difuzni indeksi
Iako vremenske serije koje pokazuju promene u cenama akcija mogu donekle da
budu korisne u predvianju optih ekonomskih kretanja, jo uvek nije identikovan
pojedinaan vodei indikator koji bi se pribliio cilju savrene moi predvianja. Pored toga, ak i kada neki indikator korektno predvia varijacije u ekonomskoj aktivnosti, vodee vreme esto pokazuje znaajne uktuacije. Osnovni problem je taj da
podaci iz vremenskih serija sadre sluajne uktuacije koje nisu saglasne sa optim
obrascem podataka.
Jedan od naina da se pobolja barometarsko predvianje je smiljanje jednog
indeksa. Takvi indeksi bi predstavljali jednu vremensku seriju sainjenu od odreenog broja vodeih indikatora. Svrha objedinjavanja i kombinovanja podataka je
izglaivanje sluajnih uktuacija u svakoj od pojedinanih serija (na osnovu kojih
se dobijaju vodei indikatori). U idealnom sluaju, rezultujui indeks bi omoguavao preciznija predvianja. Najee korieni indeksi barometarskih predvianja su
kompozitni indeksi i difuzni indeksi.
Kompozitni indeks predstavlja ponderisani (teinski) prosek pojedinanih indikatora. Teine (ponderi) su zasnovani na predviajuoj sposobnosti svake od serija.
Drugim reima, neka serija koja bolje izvrava zadatak predvianja e dobiti veu
teinu negoli neka manje precizna. Indeks se tumai u smislu procentualnih promena od perioda do perioda. Na primer, najire korieni kompozitni indeks odrava
ameriko Ministarstvo privrede i zasnovan je na 11 vodeih indikatora.
Svakoga meseca gore pomenuto ameriko ministarstvo u svom mesenom izvetaju menja indeks. Mesene oscilacije su od malog znaaja, ali kada se rast indeksa
nekoliko meseci za redom moe tumaiti kao znak poboljavanja optih ekonomskih
uslova, tj, verovatni znak. I obratno, uzastopno opadanje indeksa sugerie da ekonomija slabi.
Istih 11 vodeih indikatora, pomenutih u prethodnom segmentu, takoe se koriste od strane istog amerikog ministarstva za dobijanje jednog difuznog indeksa.
Difuzni indeks meri srazmeru broja pojedinanih vremenskih serija koje se poveavaju iz jednog meseca u drugi u odnosu na ukupan broj serija koje se koriste. Na
primer, ukoliko se 8 indikatora povealo u periodu od juna do jula, difuzni indikator
za juli bi bio 8/11 ili 72,7 procenata. Kada je vrednost ovog indeksa preko 50% tokom
nekoliko meseci zaredom, predvia se poboljanje ekonomskih uslova. Kako se indeks pribliava vrednosti od 100%, to se poveava izglednost takvog optimistinog
predvianja. I obratno, ukoliko je vrednost indeksa manji od 50%, to ukazuje na opadanje ili usporavanje.
Upotreba indeksa poboljava tanost i preciznost barometarskog predvianja,
Ipak, mo predvianja za ovu tehniku je daleko od savrene. Nekoliko puta desilo se
da je gore navedeno Ministarstvo prognoziralo recesiju koja se ipak nije desila. Varijabilnost u vodeim vremenima je takoe jedna od slabosti. Trei problem je da, iako
barometarski pristup signalizira verovatni smer promena u ekonomskim uslovima,
on ipak malo otkriva o veliini takvih promena. Kao takav, on daje samo kvalitativno
predvianje. Na kraju, iako je izvedeno mnogo istraivanja i uloeno mnogo truda u
prouavanje vodeih indikatora za opta ekonomska kretanja, menaderi pojedinanih rmi mogu se suoiti sa tekoama pri identikaciji vodeih indikatora koji daju
precizne prognoze za njihove specine potrebe.
5.3.5 Primer izraunavanja kompozitnih i difuznih indeksa
U maloj tabeli su data tri vodea indikatora za tromeseni period, Prvi mesec
predstavlja bazni period, a trima serijama e biti dodeljene iste teine (isti ponderi ili
znaajnosti). Konstruiimo sada jedan difuzni indeks iz ovih podataka.
Mesec
Vodei indikator I
Vodei indikator II
Vodei indikator III
400
30
100
425
29
110
460
33
135
Reenje
Difuzni indeks se dobija putem odreivanja da li se svaka od serija poveava ili
smanjuje iz meseca u mesec. Za drugi mesec, serije I i III se poveavaju, ali se serija
II smanjuje. Stoga je difuzni indeks za ovaj mesec 66,7 (%), Tokom treeg meseca, sve
serije se poveavaju u poreenju sa mesecom II, Stoga je indeks za taj mesec jednak
100.
Kompozitni indeks se moe sraunati ukoliko se najpre izraunaju procentualne
promene (u odnosu na bazni mesec) za svaku od serija, Procentualne promene tokom
drugog meseca su 6,25% za prvu seriju, -3,33% za drugu seriju, i 10% za treu. Dajui
svakoj od serija istu teinu, prosena procentualna promena je bila 4,31%. Vrednost
kompozitnog indeksa za prvi mesec je proizvoljno postavljena na 100, tako da je indeks za drugi mesec 104,31. Za trei mesec, promene u odnosu na bazni period su
60/400=15%, 3/30=10% i 35/100=35%, redom po serijama. Stoga je prosena promena
20,0 %. A iz toga onda proizilazi da je indeks za taj mesec 120,0.
Vrednosti za dva indeks za svaki od meseci su prikazana u narednoj tabeli, Oba indeksa sugeriu da bi ekonomski uslovi trebali da se poboljaju u narednim mesecima.
Mesec
Difuzni indeks
Kompozitni indeks
100,00
66,70
104,31
100,00
120,00
5.4 Ekonometrijske metode

Ekonometrijske metode koriste ekonomsku teoriju i matematiko statistike alate
za predvianje ekonomskih relacija. One trae od prognozera da kreira eksplicitne
pretpostavke o vezama izmeu varijabli u ekonomskom sistemu koji se posmatra. Sve
to stvara logiku konzistentnost u modelu predvianja i poveava pouzdanost istog.
Druga prednost ekonometrijskih metoda je mogunost poreenja predvianja sa aktuelnim rezultatima i korienje toga za unapreenje modela predvianja.
5.4.1 Modeli sa jednom jednainom

Mnogi menaderski problemi u vezi predvianja mogu se na adekvatan nain
predstaviti sa ekonometrijskim modelima sa jednom jednainom. Prvi korak u razvoju ekonometrijskog modela je izraavanje relevantnih ekonomskih relacija u formi
jednaine. Na primer pri konstruisanju modela za predvianje tranje za digitalnim
fotoaparatima moe se pretpostaviti da tranja za digitalnim fotoapartima (C) je
odreena sa cenom (P), raspoloivim prihodom (I), populacijom (Pop), kamatnim
stopama (i) i trokovima oglaavanja (A). Linearna jednaina koja izraava ovu relaciju je:
C=a0+ a1P+ a2I+ a3Pop+ a4i+ a5A
(5.5)
Sledei korak u ekonometrijskom modeliranju je ocenjivanje parametara sistema,

odnosno vrednosti koecijenata u jednaini (5.5). Najvie koriena tehnika za to je
aplikacija najmanjih kvadrata regresione analize sa podacima ili iz vremenskih serija
ili meu-sekcijskim podacima (paralelni podaci vie jedinica, na primer pojedinci,
porodice, rme, itd.). Kada se ocene koecijenti, predvianje ovim modelom se sastoji u izraunavanju jednaine sa specinim vrednostima nezavisnih varijabli.
5.4.2 Sistemi sa viestrukim jednaina
Kompleksnije relacije meu ekonomskim varijablama nekad zahtevaju sisteme
sa vie jednaina. Varijable koje se odreuju u ovom modelu su endogene (interne),
dok su varijable koje se odreuju izvan egzogene (eksterne). Vrednosti endogenih
varijabli se odreuju modelom i one su ekvivalent zavisnim varijablama u sistemu sa
jednom jednainom. Egzogene i prethodno odreene varijable su ekvivalent nezavisnim varijablama.
Ekonometrijski modeli sa viestrukim jednainama se sastoje od dva osnovna tipa
izraza, identiteta i jednaina koje reektuju pretpostavke o tome kako se varijable
ponaaju jedna sa drugom.
Primer prvog izraza je identitet
S=TR-TC
(5.6)
dok drugu grupu ine jednaine:

St = b0 + b1TRt + u1
(5.7)
Pt = c0 + c1Ct-1 + u2
(5.8)
TRt = St + Pt + Ct
(5.9)
gde je S prodaja optikih soiva, TR je ukupan prihod, P je prodaja memorijskih

kartica, C je prodaja fotoaparata, t je tekui period, t-1 je prethodni period, dok su u1 i
u2 greke (reziduali).
Jednaina 5.9 predstavlja identitet, dok su jednaine 5.7 i 5.8 hipoteze o ponaanju
varijabli i iste sadre stohastike varijable u1 i u2 jer nisu egzaktne. S obzirom da su
stohastiki elementi sluajni i da im je oekivana vrednost nula, oni ne predstavljaju
barijeru za empirijsku ocenu parametara sistema. Ako greke ne bi bile sa sluajnom
raspodelom, ocene parametara bile bi pristrasne i pouzdanost modela za predvianje
bila bi ugroena.
Za predvidajanje sledee godine neophodno je izraziti S, P i TR u funkciji varijabli ije vrednosti su poznate ili pak se mogu oceniti u momentu kada se generie
predvianje. Drugim reima, svaka od endogenih varijabli (St, Pt i TRt) se mora izraziti pomou egzogenih i predeterminisanim varijablama (Ct-1 i Ct).
Zamenom 5.7 i 5.8 u 5.9 dobija se:
TR t
b 0 c 0 c1 C t 1 C t
(1 b0 )
(5.10)
Jednaina 5.10 sada stavlja u relaciju ukupne tekue prihode u odnosu na prodaju
digitalnih fotoaparata u prethodnom i tekuem periodu, Ako se pretpostavi da se Ct-1
moe obezbediti, a da se Ct moe oceniti jednainom 5.5, tada jednaina 5.10 predstavlja model predvianja koji ukljuuje simultane relacije koje su izraene u ovom
pojednostavljenom sistemu sa viestrukim jednainama,
U realnim situacijama, verovatno je da prodaja fotoaparata zavisi od cene, koliine
i kvaliteta soiva, memorije i drugih sastavnih delova. Tada S, P i C, kao i drugi vani
faktori, mogu biti endogene varijable sa ukljuenjem vie relacija u kompleksnim
sistemima sa viestrukim jednainama.
Iznalaenjem vanih i esto raniranih ukljuenih relacija ini predvianje sa sistemima viestrukih jednaina dodatno intrigantnim i izazovnim.
5.5 Ocena pouzdanosti predvianja

Pitanje koje se postavlja pri poreenju stvarnih i predvienih vrednosti je: koliko
su bliske?. Da li se pouzdanost u predvianju ili pak konzistentnost moe transferisati na ostale uzorke i vremenske periode? Ova pitanja se moraju na adekvatan nain
reiti pre implementiranja programa predvianja.
Pouzdanost modela za predvianje prodaje za neku rmu, kao to je to prikazano
modelom graki prikazanim na slici 5.1, moe biti testiran proveravanjem relacije
izmeu prognoziranih i stvarnih podataka za godine izvan perioda za koje je model
predvianja procenjen. Meutim, esto je poeljno testirati model predvianja bez
ekanja da novi podaci budu raspoloivi. U takvim prilikama podaci se mogu podeliti
u dva poduzorka, koji se nazivaju testna grupa i prognozirajua grupa. Prognozer
procenjuje model predvianja koristei podatke iz testne grupe i koristi rezultujui
model da prognozira podatke koji su od interesa u prognozirajuoj grupi. Tada se
moe obaviti poreenje prognoziranih i stvarnih vrednosti kako bi se testirala stabilnost relacije izmeu posmatranih varijabli.
U analiziranja mogunosti modela za prognoziranja od velike vanosti je korelacija izmeu prognoziranih i stvarnih vrednosti. Formula za prosti koecijent
korelacije je sledea:
Vfx
Vf V x
gde je Vfx kovarijansa izmeu prognoziranih, a aktuelnih serija podataka, a Vf i Vx

standardne devijacije uzoraka prognoziranih i aktuelnih serija podataka respektivno.
Uopteno govorei, poeljna je korelacija vea od 0,99 koja bi indicirala da se model
predvianja moe smatrati efektivnim alatom u analizi.
Dalja ocena mogunosti modela prognoziranja se moe uraditi uzimanjem u
obzir mere srednja greka predvianja, koja daje korisnu ocenu prosene greke
prognoziranja modela, koja se rauna na sledei nain:
1 n
(fi x i )
ni1
gde je n broj opservacija u uzorku, fi je prognozirana vrednost a xi korespondirana

aktuelna vrednost. Sa manjom srednjom greku predvianja na uzorku, dobija se
vea tanost modela predvianja.
Rezime poglavlja
Menadersko odluivanje je esto zasnovano na predvianjima buduih dogaaja,
Ovo poglavlje se bavilo istraivanjem nekoliko tehnika za ekonomsko predvianje,
ukljuujui kvalitativnu analizu, analizu i projekcije trenda.
Kvalitativna analiza je intuitivni pristup zakljuivanja vezanih za predvianje koji je koristan kada je zasnovan na nepristrasnim i na informacijama
zasnovanim miljenjima. Lina sagledavanja predstavljaju metod u kome
neki informisani pojedinci koriste lina i organizaciona iskustva kao osnovu
za razvoj oekivanja budunosti. Grupni konsenzus je metod koji se oslanja
na miljenjima nekoliko pojedinaca zasnovanih na informacijama. U del
metodu, odgovori neke grupe eksperata se analiziraju od strane nezavisne
strane radi postizanja koncenzusnog miljenja.
Tehnike ispitivanja u kojima se na vet nain koriste intervjui i upitnici
dostavljeni potom ili elektronskim putem predstavljaju drugi vaan alat za
predvianje, posebno u sluaju kratkoronih projekcija.
Analiza trenda ukljuuje karakterizaciju istorijskih obrazaca neke ekonomeke promenljive a zatim projektovanje ili predvianje njene budue putanje, sve na osnovu prolih iskustava tj. podataka. Trend je dugoroan
obrazac poveavanja ili smanjivanja u ekonomskim podacima. Cikline
uktuacije opisuju ritmike varijacije u ekonomskim serijama koje su uslovljene obrascem ekspanzije ili stagnacije u optoj ekonomiji. Sezonske
varijacije, su ritmiki godinji obrazac u prodaji ili protima, izazvan vremenom, obiajima ili drutvenom praksom. Neredovni ili sluajni uticaji
su nepredvidivi okovi za ekonomski sistem i stopu promena ekonomskih
aktivnosti, koji su izazvani ratovima, trajkovima, prirodnim katastrofama
i slinim.
Poslovni ciklus je ritmiki obrazac stagnacije i ekspanzije koji se moe uoiti
u optoj ekonomiji. Ekonomski indikatori su serije podataka koje na uspean
nain opisuju obrazac projektovane, tekue ili prole ekonomske aktivnosti.
Kompozitni indeks je ponderisani prosek vodeih ili drugih vrsta indikatora.
Zadaci za vebu
1. ZADATAK
Eta co. proizvodi i instalira sisteme za grejanje u komercijalnim objektima. Poslednjih 10 godina prihodi od prodaje su porasli sa 15 miliona
na 55 milion evra.
A. Izraunati stopu rasta prodaje ove rme koristei model konstantnog
rasta na godinjem nivou.
B. Izvesti 5-godinju i 10-godinju prognozu prodaje.
2. ZADATAK
Menader kontrole kvaliteta rme Elektrika doo je zabrinut zbog rasta
jedininog troka rada za proizvodnju prekidaa za struju. Trokovi su
porasli sa 60 na 80 po jedinici za period od 3 godine. Menader misli da bi
poeljno bilo uvesti prekidae od stranog dobavljaa po ceni od 110 n.j.
A. Izraunati stopu rasta jedinice rada rme koristei konstantnu stopu na
kontinuiranom nivou.
B. Predvideti kada e jedinini trokovi rada biti jednaki navedenim
trokovima uvoza.
3. ZADATAK
Na osnovu kvartalnih podataka od 2005:I do 2008:IV Food doo je procenio da se prodaja njihovog proizvoda Smoki light moe projektovati
pomou jednaine:
St=5.000.000 + 100.000t
Stvarni podaci za IV-kvartale su sledei:
2005 5.450.000
2006 5.860.000
2007 6.270.000
2008 6.680.000
A. Projektovati prodaju za prva 3 kvartala 2009.

B. Bez korienja sezonskih ispravki projektovati prodaju za 2009:IV
C. Projektovati sezonski ispravljenu prodaju za 2009:IV
4. ZADATAK
Direktor treba da generie prognozu prodaje za svoj poznati restoran
kako bi ubedio referenta za kredite lokalne banke o potencijalima biznisa. On pretpostavlja da je sledei period za prodaju funkcija od tekueg
prihoda, reklamiranja i reklama konkurentnog restorana.
A. Napisati jednainu koja prognozira prodaju pretpostavljajui da je procenat promene prodaje dva puta vei od procenta promene prihoda i
marketinga, ali je 50% vei i sa obrnutim predznakom od procentualne
promene reklamiranja konkurenta.
B. Koristiti varijable S, Y, A i CA za prodaju, prihod, reklamiranje i reklama
konkurencije respektivno.
C. Tokom tekueg perioda, ukupna prodaja je 500.000, medijana prihoda
po glavi na lokalnom tritu je 71.400, reklamiranje 20.000 a reklama
konkurencije 66.000. U prethodnom periodu podacu su bili 70.000 (prihod), 25.000 (reklamiranje), i 60.000 (reklama konkurenta). Prognozirati prodaju u sledeem periodu.
5. ZADATAK
Za tri vremenska perioda je prosena nedeljna satnica rada 40,44 i 46
asova. Indeks cena materijala je 100,110 i 105 za ta tri perioda. Uzeti
nedelju rada i cene materijala kao vodee indikatore za optu ekonomsku aktivnost.
A. Koristiti ove podatke za kreiranje kompozitnog indeksa za tri vremenska perioda.
B. ta indeks predvia vezano za optu ekonomsku aktivnost u etvrtom
periodu?
O
E
D
VI
PROIZVODNJA I ANALIZA
TROKOVA
Teorija proizvodnje i trokova, zajedno sa tranjom i ponudom, predstavlja

osnovna oblasti menaderske ekonomije.
Menaderi se oslanjaju na menadersku
ekonomiju kada je u pitanju ocena produktivnosti i svih faktora inputa, to ini
analizu proizvodnje jednim od njihovih
najveih izazova. Bez ozbiljne analize trokova ne mogu se doneti odluke o
alokaciji resursa, osvajanje novog proizvoda i kapitalne investicije. U ovom poglavlju je fokus na onim principa teorije
trokova koji su integralni sa nivoima
optimalnih cena i izlaza robe.
PROIZVODNJA I ANALIZA TROKOVA 147
6.1 Funkcija proizvodnje

Proizvodnju moemo denisati kao proces koji odreenu koliinu inputa pretvara u proizvode i usluge. Koliko e taj proces biti uspean zavisi od koliine i kvaliteta resursa te o njihovoj proizvodnosti. Na nivou privrede neke zemlje maksimalna
koliina proizvodnje koja se moe dobiti uz zadane resurse i tehnoloko znanje naziva se granica proizvodnih mogunosti. Ako neko drutvo neekasno koristi svoje
resurse, znai da ih koristi ispod granice proizvodnih mogunosti.
Funkciju proizvodnje moemo prikazati pomou tablice, dijagrama ili pak
jednaine. Bilo koji oblik pokazuje koliku maksimalnu proizvodnju preduzee moe
ostvariti s razliitim kombinacijama proizvodnih faktora u datom vremenskom razdoblju.
Funkciju proizvodnje moemo izraziti kao TP = f( x1, x2, x3,.....xn), gde su x1, x2,x3,.....
xn koliine proizvodnih faktora. Za potrebe ekonomske analize, najee se koriste
samo dva proizvodna faktora: rad (labor L) i kapital (capital C). Ovako pojednostavljenu funkciju moemo napisati kao:
TP = Q=f(L,C)
Kod analize proizvodnje, najee analiziramo promenu koliine proizvodnje na
nain da jedan proizvodni faktor drimo konstantnim, dok se drugi menja. Uzmimo
u analizu koliko e se promeniti koliina proizvodnje ako poveavamo angaman
rada, pod uslovom da se kapital ne menja. Na primer, poveavamo broj angaovanih
radnika od jedan do est, pod uslovom da se stalno radi sa tri maine. Ukupnu proizvodnju kao funkciju rada moemo iskazati na nain:
TP = f (L)
Ukupna proizvodnja se iskazuje u zikim jedinicama, kao to su komadi, kilogrami, hektolitri i tome slino.
Granina proizvodnost rada (ili kapitala) pokazuje kolika je dodatna proizvodnja usled dodatne jedinice rada (ili kapitala). Dakle, pokazuje koliko e se promeniti
ukupna proizvodnja, kad se promeni jedinica uloenog rada (ili kapitala). Graninu
proizvodnost rada moemo iskazati na nain:
a) kada je funkcija proizvodnje diskontinuirana:
b) kada je funkcija proizvodnje kontinuirana:
MPL
'TP
'L
MPL
wTP
wL
Granina proizvodnost kapitala se dobija slino: MPC

Za funkciju proizvodnje po Cobb-Douglasu.
'TP
'C
AC D LE
granina proizvodnost je: MPL
EAC D LE1 i MPC
DAC D1 LE
U analizi proizvodnje su vani prosena proizvodnost rada i elastinost proizvodnje. Prosena proizvodnost rada (ili kapitala) pokazuje koliinu proizvoda po jedinici utroenog rada (ili kapitala). Prosenu proizvodnost rada moemo iskazati na
nain:
APL
TP
i APC
L
TP
C
Jo nam je jedan pokazatelj vrlo vaan za analizu proizvodnje. To je elastinost

proizvodnje, kao mera osetljivosti, odnosno jaine promene jedne varijable u odnosu na drugu sa kojom je u meuzavisnosti. Elastinost proizvodnje meri se sa koecijentom elastinosti kojeg moemo iskazati na sledei nain:
HL
MPL
APL
i HC
MPC
APC
Analizom ukupne proizvodnje, prosene i granine proizvodnosti jednog faktora

proizvodnje, uz konstantno ulaganje ostalih faktora, moemo utvrditi tri stadijuma
proizvodnje.
U prvom stadijumu proizvodnja naglo raste, elastinost je vea od jedan, to znai
da 1% promene faktora proizvodnje izaziva vie od 1% promene proizvodnje. Kad
je elastinost jednaka 1, prosena i granina proizvodnost su jednake i tu je granica izmeu prvog i drugog stadijuma proizvodnje. U prvom stadijumu proizvodnje
moemo zapaziti da dok granina proizvodnost raste, tada proizvodnja raste progresivno, a od take u kojoj granina proizvodnost poinje padati, proizvodnja raste
degresivno. Taka koja odvaja zonu progresivnog od zone degresivnog rasta proizvodnje nazivamo takom ineksije. U ovom stadijumu je nedovoljna iskorienost
jednog faktora proizvodnje (kapitala), pa se logino namee poveavanje broja radnika. Meutim, poveanjem broja radnika dolazi do izraaja zakon opadajuih prinosa. On pokazuje da nakon odreene take ostvarujemo sve manji prinos varijabilnog faktora (rada), ako se ne menja ulog konstantnog faktora (kapitala).
U drugom stadijumu proizvodnje, proizvodnja je i dalje rastua (mada po opadajuoj
stopi), pa se proizvodnja i dalje nastavlja. Elastinost je vea od nule, a manja od jedan,
a prosena i granina proizvodnost su i dalje pozitivne. U taki u kojoj je granina
proizvodnost nula, te elastinost nula, proizvodnja dostie maksimum i tu je granica

izmeu drugog i treeg stadijuma proizvodnje.
U treem stadijumu proizvodnje ukupna proizvodnja pada, a granina proizvodnost
je negativna. Elastinost je takoe negativna i odraava vei pad proizvodnje od uloga
proizvodnog faktora.
Analizom stadijuma proizvodnje moemo zakljuiti da je za proizvoaa najekasnije poslovati u drugom stadijumu proizvodnje. Naime, u prvom stadijumu je granina
proizvodnost kapitala negativna (nedovoljna iskorienost i ekasnost kapitala), u
treem stadijumu je granina proizvodnost rada negativna (vei broj radnika te njihova neekasnost), dok su u drugom stadijumu proizvodnje granine proizvodnosti oba
faktora proizvodnje pozitivne (najoptimalnija kombinacija rada i kapitala).
Ako rma radi sa odreenim nivoom kapitala (npr Y=Y1), tada je relevantna funkcija proizvodnje za rmu u kratkoronom periodu Q = f (X|Y = Y1). Na slici 6.1(a) i 6.1(b)
je prikazan opti koncept kada rma ksira input Y na nivou Y1.
Slika 6.1
Na slici se vidi da kriva ukupne proizvodnje raste kada input X raste. Takoe, MPX
ima maksimum u taki A , gde je nagib krive TPX najvei. APX postie najveu vrednost kada je MPX = APX. U taki C TPX postie maksimum a MPX=0.
Krive ukupne i granine proizvodnje sa slike 6.1 upravo demonstriraju zakon
smanjenja prinosa. Ovaj zakon kae da kad se koliina ulazne varajable poveava,
sa konstantnim ostalim faktorima, rezultujui rast izlaza se vremenom smanjuje.
Proizvodnja ne zahteva samo rad, zemlju i kapital ve i vreme. Da bismo
obrazloili ulogu vremena u proizvodnji, razlikujemo dva razliita razdoblja. Kratki rok deniemo kao razdoblje u kojem preduzea mogu prilagoditi proizvodnju
menjanjem varijabilnih faktora kao to su sirovine i rad, ali ne mogu menjati ksne
faktore kao to je kapital. Dugi rok podrazumeva vreme u kojem se svi faktori mogu
prilagoditi. Recimo, na primeru avio industrije, ako se povea narudba za jo jedan avion, proizvoa aviona moe poveati proizvodnju prekovremenim radom,
zapoljavanjem vie radnika i intezivnijim korienjem svojih pogona. No, ako bi se
potreba za isporukom aviona poveala za neko due razdoblje, proizvoa aviona bi
mogao poveati svoje kapacitete jer za to ima dovoljno vremena.
6.2 Izokvanta proizvodnje

Logino je da e preduzee kombinovati utroke faktora proizvodnje da bi ostvario odreeni stepen proizvodnje. Graki prikazano kriva koja povezuje razliite
kombinacije proizvodnih faktora koje preduzee ekasno upotrebljava da bi ostvarilo
odreeni stepen proizvodnje nazivamo izokvantom.
Naziv izokvanta potie od iso, to oznaava jednako, i quant, to je skraeno od
koliine. Izokvanta je analogna krivi indiferencije. Ekasnost ovde oznaava tehniku
ekasnost, oznaavajui proizvodnju ciljnog nivoa koliine robe sa najmanjim
trokovima.
Rad i kapital su dugorono promenjivi a rmama koje odluuju o optimalnoj
kombinaciji inputa postavlja se pitanje to se dogaa s ukupnom proizvodnjom ako
se jedaninput povea a drugi ostaje ksan i obrnuto. Budui da dodavanje jednog
faktora uz drugi ksni faktor dovodi do sve manjeg dodatnog poveanja nivoa proizvodnje, izokvanta mora postati strmija kako se koristi sve vie kapitala umesto rada,
tj. vodoravnija kad se poveava input rada umjesto kapitala. Dolazi i do opadajuih
graninih prinosa na kapital. Uz ksni rad, granini proizvod kapitala pada kako se
koliina upotrebljenog kapitala poveava.
Slika 6.2a
Slika 6.2b
Na slici 6.2a prikazane su izokvante za termoelektranu sa opremom za gas ili naftu

(mazut). Grejanje se moe proizvoditi sa gasom, ili sa naftom, ili sa kombinacijom.
U ovom primeru, gas i nafta su perfektni substituti i izokvanti za termoelektranu su
prave linije. Na slici 6.2b prikazani su proizvodni procesi u kojima se inputi mogu
substituisati bez ogranienja. Naime, odelo se moe uraditi sa relativno malim radom
(L1) i veom koliinom platna (C1). Isto odelo se moe uraditi i sa manje platna (C2)
i vie rada (L1). Slino sa (C3) i (L3). Zamenljivost platna sa radom u proizvodnji odela
se smanjuje, kao to se vidi da se mora dodavati koliina platna kako bi se zamenila
svaka jedinica smanjenog rada pri pomeranju sa L3 na L1.
6.3 Granina stopa tehnike supstitucije

Kad su oba proizvodna faktora, odnosno inputa, varijabilna razmatra se mogunost
supstitucije jednog inputa drugim. Nagib svake izokvante nam govori koja koliina
jednog inputa se moe zameniti drugim inputom, uz zadravanje konstantnog nivoa
proizvodnje. Nagib izokvante (bez negativnog predznaka) naziva se granina stopa
tehnike supstitucije (MRTS). Ona oznaava koliinu kapitala koja se mora smanjiti
da bi se poveala upotreba rada za jednu jedinicu, uz zadravanje istog nivoa proizvodnje. Kako se pomiemo niz izokvantu MRTS opada. Takav padajui MRTS nam
govori da je produktivnost jednog inputa ograniena. Kako dodajemo sve vie rada i
njime zamenjujemo kapital, produktivnost rada pada. Ako zamenimo rad kapitalom,
produktivnost kapitala e pasti. Proizvodnja zahteva ravnoteu oba inputa.
MRTS se algebarski izraava na sledei nain:
MRTS
'Y
'X
Ako se ukupni diferencijal prvog stepena funkcije proizvodnje izjednai sa nulom, tj:
'Q
'Q
dX
dY 0
'X
'Y
pa s obzirom da je MPX
'MPX
'MPY
dY
dX
'Q
i MPY
'X
'Q
, dobija se da je
'Y
nagib izokvante
to znai da je granina stopa tehnike supstitucije izmeu dva inputa jednaka

odnosu graninih proizvoda ta dva inputa, odnosno nagibu izokvante.
Granina stopa tehnike supstitucije obino se smanjuje kako se iznos substitucije poveava. Na slici 6.2.b, kako rad sve vie i vie zamenjuje platno tako se sve vie
poveava njegov rast. Meutim postoje ekstremni sluajevi kada je nagib izokvanti pozitivan to ukazuje da je opseg moguih zamena inputa ogranien (na primer
upotreba zemljita i rada za proizvodnju itarica).
Izoklina je linija koja povezuje take na razliitim izokvantama koje imaju istu
stopu tehnike supstitucije. Za jedan ili vie stepena proizvodnje (izokvanti) moe se
odrediti jedna ili vie izoklina.
6.4 Granini prihod proizvodnosti i optimalna

uposlenost
Za razumevanje kako se faktori proizvodnje mogu kombinovati za postizanje
maksimalne ekasnosti, neophodno je prei sa analize zike produktivnosti inputa
na proveru njihove ekonomske produktivnosti, ili sposobnosti generisanja neto prihoda.
Granini prihod proizvodnosti predstavlja dodatni neto prihod generisan
upotrebom poslednje jedinice, i jednak je proizvodu granine proizvodnosti i
graninog prihoda proizvoda, tj:
'TR
'X
MRPX
'Q 'TR
*
'X 'Q
MPX * MR Q
Tabela 6.1 ilustruje granini prihod proizvodnosti za jednofaktorski proizvodni

sistem. Tako na primer, ako zapoljavanje dodatnog radnika generie nove dve jedinice proizvoda koji se mogu prodati po 5, tada je MRP=5*2=10.
Jedinice
inputa (X)
Ukupna
proizvodnost X
Granina
proizvodnost X
Granini prihod
proizvodnosti X
(Q)
(MPX=Q)
(MPX*5)
3
7
10
12
13
3
4
3
2
1
15
20
15
10
5
1
2
3
4
5
Posmatrajmo prosti proizvodni sistem u kome je input jedna varijabla, rad (L),
koja se koristi za proizvodnju jednog proizvoda (Q). Da bi prot dostigao maksimum
potrebna je takva proizvodnja u kojoj je granini prihod jednak graninom troku, tj:
MC Q
'TC
'Q
PL
MPL
MR Q
gde je PL cena za L, a MPL granina proizvodnost rada. Reavanjem jednaine po

PL dobija se da je
PL=MRQ*MPL=MRPL
Dakle, da bi distigla maksimalni prot rma e uvek postaviti da je granini
prihod proizvodnosti jednak ceni (graninom troku) svakog inputa. Ako bi
granini prihod proizvodnosti premaio troak inputa, proti se mogu poveati
upoljavanjem dodatnih jedinica. Jedino za MRP=P prot dostie maksimum. Optimalna uposlenost i ekonomska ekasnost se u ekonomiji postie kada rme
upoljavaju resurse na taj nain to izjednaavaju za svaki input njegov granini prihod proizvodnosti sa graninim trokom.
6.5 Prinosi na obim i elastinost nivoa proizvodnje

U dugom roku svi su inputi varijabilni pa rma mora pokuati poveati nivo proizvodnje na najbolji mogui nain. Jedan od naina je taj da se promeni obim proizvodnje proporcionalnim poveanjem svih proizvodnih inputa. Prinos na obim je stopa
kojom nivo proizvodnje raste ako proporcionalno poveamo koliine inputa. Postoje
rastui, konstantni i opadajui prinosi na obim (videti sliku 6. 3).
Rastui prinosi na obim je pojava da se nakon poveanja za odreeni procenat
koliine svih inputa, nivo proizvodnje se poveava za vei procenat. Vei obim proizvodnje omoguuje menaderima i radnicima da se specijaliziraju u svojim zadacima
te da upotrebljavaju vee fabrike i maine. Poznat primer rastuih prinosa je tekua
traka. Rastui prinosi znae da je ekonomski isplativije da proizvodi jedna velika rma
(uz relativno niske trokove) nego mnotvo malih rmi (uz relativno visoke trokove).
Konstantni prinosi na obim je pojavu kad se i nakon poveanja koliine svih
inputa za odreeni procenat i nivo proizvodnje povea za isti procenat. U tom sluaju
veliina rminih pogona ne utie na produktivnost njenih faktora. Neki pogon koji koristi odreeni proizvodni proces moe se lako kopirati, pa dva pogona mogu proizvesti
dvostruko vii nivo proizvodnje.
Opadajui prinosi na obim je kada poveanje inputa za odreeni procenat dovodi do manjeg procenta poveanja nivoa proizvodnje. Takav sluaj odnosi se na rme
koje ve posluju s velikim obimom proizvodnje. Do smanjenja produktivnosti rada i
kapitala dovode tekoe s organizacijom i upravljanje s velikim operacijama. Sluaj
opadajuih prinosa na obim je najee izazvan problemima u koordinaciji radnih zadataka te odravanjem komunikacijskih linija izmeu menadmenta i radnika.
Slika 6.3
Pored grakog predstavljanja prinosa na obim proizvodnje, on se za svaku

proizvodnu funkciju moe tano odrediti putem analize elastinosti izlaza, odnosno proizvedene koliine. Elastinost izlaza HQ denie kao procenat promene izlaza
u odnosu na 1% promene svih inputa i praktino predstavlja ocenu prinosa na obim,
tj:
HQ
'Q /Q

'X/X
gde X oznaava kapital, rad, energiju, itd. Pri tome vai sledee:
Ako je :
Tada je prinos na obim :
HQ > 1
Rastui
HQ = 1
Konstantan
HQ > 1
Opadajui
Takoe, izraunavanje prinosa na obim moe biti jednostavno ako se pretpostavi

da je relacija inputa X,Y, Z u funkciji proizvodnje sledea :
hQ = f(kX, kY, kZ), ili
hQ = knf(X,Y,Z)
pri emu je h proporcionalno poveanje Q kao rezultat od k ili kn poveanja svakog faktora.
6.6 Ocena funkcije proizvodnje

Ukoliko postoji dovoljan broj ulazno/izlaznih opservacija, bez obzira da li se radi
o jednoj rmi u odreenom vremenskom razdoblju, ili o vie rmi privredne grane u odreenom vremenskom momentu, za ocenu parametara funkcija proizvodnje
mogu se koristiti tehnike regresione analize.
Funkcija proizvodnje se najee predstavlja u jednom od sledea dva oblika:
Q = a + bXY + cX2Y + dXY2 eX3Y fXY3,
ili po Cobb-Douglasu :
Q = b0Xb1Yb2
Ova jednaina je matematiki ekvivalentna jednaini
log Q = log b0 + b1 log X + b2 log Y
Izraunavanje prinosa na obim se lako rauna ako se saberu eksponenti stepenih
funkcija ili alternativno sumiranjem ocenjenih koecijenata liearnog logaritamskog
modela. Ako je zbir eksponenata manji od jedan to ukazuje na opadajue prinose,
i obratno, ako je zbir vei od jedan na rastue prinose (videti sliku 6.3). Ako je zbir
jednak jedan, radi se o konstantnom prinosu na obim.
Za odreivanje optimalnog prinosa na obim proizvodnje mogu se koristiti moni
alati linearn og programiranja o kojima e biti rei u poglavlju 7.
6.7 Merenje produktivnosti

Analiza produktivnosti i njeno merenje su veoma vani i za rmu, kao i za celu
privrednu granu i ire. Merama produktivnosti se opisuju relacije izmeu koliine
proizvodnje i vremena utroenog rada u toj proizvodnji. Produktivnost rada se odnosi na relaciju izmeu proizvedene izlazne koliine i vremena radnika utroenog
za izradu tog izlaza. To je racio izlaza i asova rada radnika. Multifaktorna produktivnost meri izlaz u poreenju sa kombinovanim inputom (rad, kapital, i dr.).
Poveanje ili smanjenje produktivnosti se meri tako to se indeksnie serije proizvodnje dele sa indeksnim serijama kommbinovanih inputa.
Za izraunavanje mera produktivnosti za privredne grane sa razliitim izlazima
uzimaju se agregirani razliiti proizvodi u jedan izlaz tako to se ponderiu relativne
promene svakog njih procentom uea u ukupnom izlazu, odnosno prozvodnji.
6.8 Pojam i vrste trokova

Trokovi predstavljaju novani izraz utroka elemenata radnog procesa (proizvodnje ili pruanje usluga). Oni se dobijaju kada se utroci pomnoe s cenama elemenata
radnog procesa. Tako trokovi predstavljaju vrednosni izraz utroaka, pri emu je
utroak izraz za utroene elemente proizvodnje (npr. sati rada radnika, sati korienja
maina, kWh elektrine energije, i sl.).
U analizi proizvodnje videli smo da bi ostvarili odreenu koliinu proizvodnje,
moramo angaovati odreenu koliinu utroaka (inputa). Isto tako smo te utroke
izraavali u naturalnim jedinicama, poput kilograma, komada ili pak litara. U analizi
trokova, svaki od tih utroaka emo ponderirati sa njegovom cenom. Tako dolazimo
do denicije trokova (cost) kao vrednosno izraenih utroaka faktora angaovanih u
procesu stvaranja proizvodnog uinka.
Podruje trokova je izuzetno bitno za poslovanje poduzea, jer svaki nepotrebni
troak smanjuje budue prote. Analizom trokova, poslodavac lake moe doneti
poslovne odluke u cilju maksimiziranja prota.
Uzmimo primer male radionice za proizvodnju testenine. I pre nego to otpone
sa proizvodnjom, preduzee ima nekakve trokove. To su kamate na pozajmljeni
kapital (npr. uzeta maina na kredit), najamnina (za poslovni prostor), zagarantovane plate (minimalne plate radnika) i tome slino. Ti trokovi postoje i kad nema
proizvodnje, odnosno, oni su ksni za bilo koji nivo proizvodnje. Takve trokove
nazivamo ksnim trokovima (xed cost FC). Kad ponemo sa proizvodnjom, pojavljuju se i drugi trokovi, koji se poveavaju kako se poveava ukupna proizvodnja.
To su trokovi sirovina, energenata, rada i tome slino. Na naem primeru, to vie
proizvodimo testenine, vie troimo brana, energije, radnih sati itd. Te trokove nazivamo varijabilnim trokovima (variable cost VC).
Ukupni troak (total cost TC) je najnii novani izdatak potreban da se proizvede
odreena koliina proizvodnje (Q). Sabiranjem ksnog i varijabilnog troka dobijamo ukupni troak:
TC = FC + VC
Podela trokova na ksne i varijabilne vredi samo za analizu trokova u kratkom

roku, u razdoblju o kojem se ovaj proizvodni faktor ne moe, ne isplati ili ne eli
menjati. Za analizu trokova u dugom roku svi su trokovi varijabilni.
Za analizu trokova posebno je vaan granini troak (MC). Granini troak

proizvodnje je dodatni troak proizvodnje jedne dodatne jedinice proizvoda. Dakle,
pokazuje koliko preduzee mora dodatno potroiti da bi proizvelo dodatnu koliinu
proizvoda. Izraunavaju se kao odnos promene ukupnih trokova i promene ukupnog outputa, tj : MC = Promena TC / Promena Q. Granine trokove, moemo
izraunati i iz varijabilnih trokova, tj. MC = F (VC), jer varijabilni troak raste potpuno isto kao ukupni troak, samo to ukupni troak poinje od nule, a varijabilni od
konstantnog nivoa ksnih trokova. Granini trokovi mogu biti vrlo niski (avionska
karta u praznom avionu trokovi su samo cena obroka i pia, a mogu biti i vrlo visoki (prekoraenje kapaciteta u proizvodnji elektrine energije). Empirijska istraivanja
pokazala su da za veinu proizvodnih delatnosti, poljoprivredi i maloprodaji krive
graninih trokova imaju oblik slova U, tj. granini trokovi u poetku opadaju do
take minimuma, a zatim poinju rasti.
Proseni ukupni trokovi (ATC = Average Total Costs) dobijaju se deljenjem
ukupnih trokova (TC) s proizvedenom koliinom (Q) u nekom vremenskom razdoblju, tj: ATC = TC / Q. Nazivaju se jo i jedininim trokovima. Dele se na prosene
ksne trokove (AFC) i prosene varijabilne trokove (AVC)
Inkrementalni trokovi su dodatni trokovi implementiranja menaderskih
odluka. Na primer, trokovi dodatne proizvodne linije ili poveanje broja pravnika
spadaju u iru klasu inkrementalnih trokova. S druge strane, nepovratni (potopljeni) trokovi se odnose na trokove iz prolosti ili trokove koji se moraju platiti
u budunosti kao deo ugovorenih obaveza.
Eksplicitni trokovi su oni nastali plaanjem cena proizvodnih inputa. Ove
trokove evidentira raunovodstvo. Implicitni trokovi obuhvataju oportunitetne
trokove a raunovodstvo ih ne evidentira.
Oportunitetni trokovi (trokovi alternative), dakle, ne predstavljaju nansijsko
raunovodstvene trokove ali se pojavljuju prilikom donoenja odluka. Naime, odluke imaju oportunitetne trokove jer izbor jedne stvari znai rtvovanje neke druge.
Nazivaju se i trokovi alternativne upotrebe novca. Ekonomski gledano oportunitetni troak prilikom svakog izbora predstavlja proputenu vrednost sledee najbolje
alternative.
Na primer, trokovi studiranja predstavljaju ukupne trokove, ali oportunitetni
obuhvataju jo i trokove proputene zarade. Ili pak, oportunitetni troak preduzetnika je proputena plata u preduzeu, pa mu zarada mora biti vea od oportunitetnih trokova. Da bi maksimizirao vrednost rme efektivni menader sagledavati
trokove i sa ove perspektive.
6.9 Kriva kratkoronih trokova

Kriva kratkoronih trokova prikazuje minimalni trokovni uinak promenom obima proizvodnje pogona u datom radnom okruenju. Ove krive izraavaju optimalnu
ili kombinaciju minimalnih trokova inputa u ksnim uslovima proizvodnje. Visina
zarade, kamate, konguracija pogona , i svi ostali uslovi rada su konstantne veliine.
Bilo kakva promena u radnom okruenju dovodi do promene u izgledu krive
kratkoronih trokova. Na primer, opte poveanje visine zarada uzrokuje pomeranje
krive na gore; smanjenjem visine zarada kriva se pomera nanie. Ovakve promene ne
bi trebalo pomeati sa pomeranjima krive tranje usled promene u nivoima proizvodnje. Za postojei pogon, kriva kratkoronih trokova ilustruje minimalne trokove
proizvodnje pri razliitim nivoima autputa pod trenutnim uslovima proizvodnje. Krive
kratkoronih trokova su korisni vodii prilikom donoenja poslovnih odluka.
6.9.1 Kategorije kratkoronih trokova
Na kratkorone trokove utiu i ksni i varijabilni trokovi. Ukupni trokovi
svakog nivoa autputa su suma ukupnih ksnih ( nepromenljivih) i ukupnih varijabilnih trokova. Pomou TC- ukupni trokovi, TFC-ukupni ksni trokovi, TVC- ukupni varijabilni trokovi i Q- koliina proizvoda, mogu se izraunati razliiti jedinini
trokovi na sledei nain:
TC=TFC+TVC; AFC=TFC/Q; AVC=TVC/Q; AC=AFC+AVC;
Granini troak je promena troka koja nastaje sa promenom jedinice proizvodnje. Kako ksni trokovi ne variraju sa promenom jedinice proizvoda, oni ne utiu
na granine trokove. Samo varijabilni trokovi utiu na granine trokove. Stoga
su marginalni trokovi jednaki promeni ukupnih trokova to jest promeni ukupnih
varijabilnih trokova nastalih jedininim poveanjem obima proizvodnje:
MC
'TC
'Q
'TVC
'Q
Na slici 6.4 su prikazane kategorije kratkoronih trokova. Slika 6.4a ukazuje da

je oblik krive ukupnih trokova u potpunosti odreen sa krivom ukupnih varijabilnih
trokova.
Slika 6.4
Nagib obe krive je odreen produktivnou faktora inputa. Na slici 6.4b se vidi da
granini trokovi opadaju do Q1, dok ukupni i proseni varijabilni trokovi opadaju
(rastu) kada su granini trokovi manji (vei).
6.10 Kriva dugoronih trokova

Na dui rok, rma ima potpunu eksibilnost inputa. Svi trokovi u dugom roku
su varijabilni. Kriva trokova u dugom roku pokazuje minimum trokova promenom
obima proizvodnje optimalne veliine pogona u trenutnom radnom okruenju.
6.10.1 Ukupni trokovi proizvodnje na dui rok
Kriva trokova u dugom roku prikazuje input kombinaciju minimalnih trokova
proizvodnje teei idealnoj kombinaciji kratkoronih kretanja trokova. Kao i u
sluaju krive trokova u kratkom roku, visina zarade, kamate, konguracija pogona i
svih drugih uslova proizvodnje su konstantni. Bilo koja promena u radnom okruenju
uzrokuje pomeranje krive dugoronih trokova. Na primer, uvoenje novih proizvoda i primena nove tehnologije uzrokuje pomeranje krive dugoronih trokova nanie
(nii nivoi trokova). Ove se promene ne smeju pomeati sa pomeranjem krive pod
uticajem promena u nivou proizvodnje. Kriva trokova proizvodnje u dugom roku
otkriva informaciju o najniim proseno ostvarenim trokovima u dugom roku kao i
o trokovima koji nastaju dodatnim poveanjem proizvodnje, to je prilino koristan
vodi pri odlukama o planiranju.
Ukoliko cena inputa ne zavisi od nabavne koliine, onda su ukupni trokovi proizvodnje u dugom roku u direktnom odnosu sa funkcijom proizvodnje. Proizvodna
funkcija koja belei konstantni prinos je linearna, i udvostruivanje inputa vodi ka
udvostruivanju autputa. Uz konstantne cene inputa, udvostruivanjem inputa se
udvostruuje ukupni troak rezultujui linearnu funkciju ukupnog troka. Ako proizvodnja ima tendenciju smanjenja prosene protabilnosti, onda se input i ukupni
troak moraju vie nego dvostruko poveati kako bi se ostvarilo dvostruko poveanje
autputa. Ilustrovana funkcija proizvodnje prvo pokazuje poveanje a zatim smanjenje prosene protabilnosti, zajedno sa obuhvaenom kubnom funkcijom trokova,
slika 6.5. Ovde se trokovi proizvodnje proporcionalno manje poveavaju u odnosu na autoput u opsegu poveanja prosenog prota, a vie u sluaju smanjenja
prosenog prota.
Direktni odnos izmeu proizvodnje i funkcija troka zahteva konstantne input
cene. Ukoliko su cene inputa u funkciji autputa, funkcije trokova e se odraziti
na ovaj odnos. Popusti na veliku koliinu mogu smanjiti cenu pojedinanog proizvoda kako obim proizvodnje raste, kao to se trokovi mogu poveati sa potrebom
isplaivanja viih zarada kako bi se privukla dodatna radna snaga pri visokom nivou obima proizvodnje. Funkcija trokova, rme koja je suoena sa konstantnim
prosenim protom a poveanjem cena inputa kako se obim proizvodnje iri, ima
oblik prikazan na slici 6.5. Trokovi rastu vie nego proporcionalno kako se poveava
obim proizvodnje. Smanjenje na koliini daje funkciju troka koja se poveava u opsegu opadanja, kao i u delu poveanja prosene protabilnosti prikazan na slici 6.5.
Ekonomija obima postoji kada se proseni trokovi proizvodnje u dugom roku
smanjuju kako se poveava obim proizvodnje. Usavravanje radne snage esto prua
poveanje ekonomije razmera. U malim rmama, radnici generalno rade nekoliko poslova, to ponekad negativno utie na ekasnost zbog neadekvatne strunosti. Produktivnost radne snage u veim rmama je vea, gde se upoljavaju pojedinci za izvrenje
specinih zadataka. Na taj nain se moe smanjiti cena pojedinanog proizvoda u masovnoj proizvodnji.
Tehniki faktori takoe dovode do ekonomije obima. Masovna proizvodnja doputa
upotrebu visoko specijalizovane opreme, za razliku od prilagodljivijih ali manje ekasnih maina koje se koriste u manjim rmama. Takoe, produktivnost opreme velikog
obima esto premauje njene trokove. Generator od 500.000 kilovati kota znatno
manje nego dva od 250.000 kilovati. Popusti na koliinu utiu na poveanje nansijske
ekonomije kroz nabavku sirovina, opreme i drugih inputa u velikim koliinama. Ove
ekonomije se odraavaju na trokove kapitala da velike rme lako izau na trite i dobiju novana sredstva pri niim kamatama.
Na slici 6.5 je prikazana funkcija proizvodnje sa najpre poveanjem a zatim smanjujem prinosa na obim. Sa poveanjem prinosa na obim ukupni trokovi rastu manje nego
ukupni autput. Sa smanjenjem prinosa na obim ukupni trokovi rastu bre nego ukupni
autput. Funkcije ukupnih trokova su esto u obliku slova U, oznaavajui variranje
prinosa na obim na razliitim nivoima aktivnosti.
Slika 6.5
Pri nekim nivoima obima proizvodnje, ekonomija obima se pravilno iskoristi, proseni trokovi se izravnjuju pa krenu da se poveavaju. Rastui proseni
trokovi pri visokim nivoima obima proizvodnje su esto pripisivani ogranienom
sposobnou menadmenta da koordiniraju velikom organizacijom. Dodatno osoblje je takoe sklono rastu vie nego proporcionalno obimu proizvodnje, opet na taj
nain poveavajui cenu pojedinanog proizvoda. Dananji trend ka malim i srednjim
preduzeima pokazuje da disekonomije obima ograniavaju veliinu rme u mnogim
industrijama. Naime, disekonomija obima nastaje u onom delu gde marginalni troak
raste i vei je od prosenog troka, i najece se javlja onda kada veliina prestaje da
bude prednost i postaje teret.
6.10.2 Dugoroni proseni trokovi
Krive kratkoronih trokova povezuju trokove i autput za neki dati obim
postrojenja. Krive dugoronih trokova identikuju optimalni obim fabrika za svaki
nivo proizvodnje. Krive prosenih dugoronih trokova (eng. LRAC) mogu se smatrati nadgradnjom krivih prosenih kratkoronih trokova (eng. SRAC). Ovaj koncept je ilustrovan na slici 6.6, koja prikazuje krive kratkoronih prosenih trokova
koje predstavljaju 4 razliita obima fabrika. Svaka od 4 fabrike ima interval autputa
proizvodnje na kojem je najekasnija.
Slika 6.6
Fabrika A, na primer, prua sistem najmanjih trokova proizvodnje za autput u intervalu od 0 do Q1 jedinica; fabrika B daje sistem najmanjih trokova za autput u intervalu od Q1 do Q2; fabrika C je najekasnija za veliinu autputa u intervalu Q2 do Q3; a
fabrika D ima proizvodni proces sa najmanjim trokovima za autput iznad Q3.
Puna linija svake krive na slici 6.6 ukazuje na minimalni dugoroni proseni troak
za proizvodnju svakog nivoa autputa, pretpostavljajui samo 4 mogua obima fabrike.
Ovo se moe uoptiti pretpostavljanjem da je mogue postojanje fabrika u vie veliina,
od kojih je svaka samo neto vea od prethodne. Kao to je prikazano na slici 6.6, kriva dugoronih prosenih trokova je onda konstruisana tangenta na svakoj od krivih
kratkoronih prosenih trokova. Na svakoj od taaka dodirivanja, dati obim fabrike
je optimalan; nijedna druga fabrika ne moe proizvoditi pri tom datom nivou autputa
sa tako niskim ukupnim trokovima. Sistemi trokova ilustrovani na slikama prikazuju najpre ekonomiju obima a zatim disekonomiju obima. Nad intervalima autputa
koje daju fabrike A, B i C na slici 6.5, proseni trokovi su opadajui; ovi opadajui
trokovi znae da se ukupni trokovi poveavaju manje od srazmernog poveavanja
sa veliinom autputa. Poto su minimalni trokovi fabrike D vei od onih za fabriku C,
sistem iskazuje disekonomiju obima na ovom visokom nivou autputa.
Proizvodni sistemi koji iskazuju najpre poveavajue, zatim konstantne a na kraju
umanjujue povraaje dovode do krivih dugoronih prosenih trokova koje su oblika latininog slova U, poput onih na slici 6.6. Sa U-krivama dugoronih prosenih
trokova, najekasnija fabrika za svaki nivo autputa uobiajeno ne posluje na taki na
kojoj su kratkoroni proseni trokovi minimalni, to se moe videti na slici 6.5. Kriva
kratkoronih prosenih trokova za fabriku A ima minimum u taki M, ali na tom
nivou autputa, fabrika B je ekasnija; kratkoroni proseni trokovi za fabriku B su
nii. Generalno, kada postoji ekonomija obima, fabrika sa najmanjim trokom nee
raditi sa punim kapacitetom. Pritom, kapacitet se ne odnosi na ziko ogranienje
autputa ve na taku u kojoj su minimizirani kratkoroni proseni trokovi. Samo za
neki dati nivo autputa u kojem su minimizirani dugoroni proseni trokovi (autput
Q* na slikama) postoji optimalno poslovanje fabrike u taki minimuma na njenoj
krivoj kratkoronih prosenih trokova. Na bilo kojem nivou autputa veem od Q*,
preovlauje disekonomija obima, i najekasnija fabrika posluje na nivou autputa koji
je neto vei od kapaciteta.
6.11 Obim minimalne efikasnosti

Brojni konkurentni uesnici i lakoa ulaska na trite su obino vei u delatnostima
sa U-krivama dugoronih prosenih trokova negoli u onima sa L-krivama ili nanie
nagnutim krivama dugoronih prosenih trokova. Sagledavanje konkurentskih implikacija odnosa troak/autput moe se ostvariti razmatranjem koncepta minimalnog
ekasnog obima.
6.11.1 Konkurentske implikacije minimalog ekasnog obima

Minimalni ekasan obim (eng. MES) je nivo obima izlaza pri kojem su minimizovani dugoroni proseni trokovi. Minimalni ekasan obim je na minimalnoj taki
na nekoj U-krivoj dugoronih prosenih trokova (autput Q* na slikama 6.5 i 6.6) i u
uglu neke L-krive dugoronih prosenih trokova. Generalno govorei, konkurencija
je otra kada je MES nizak u odnosu na ukupnu tranju date delatnosti. Ova injenica
proizilazi iz srazmerno niskih barijera za ulazak u pogledu kapitalnih investicija i zahteva za obuenom radnom snagom. Konkurencija moe biti manje otra kada je MES
veliko u odnosu na ukupan autput delatnosti jer barijere za ulazak tee da budu srazmerno visoke a time mogu da ogranie broj potencijalnih konkurenata. Kada se razmatra konkurentni uticaj MES-a, mora da se razmotri veliina date delatnosti. Neke delatnosti su dovoljno velike da omogue postojanje veeg broja efektivnih konkurenata.
U takvim sluajevima, ak i u sluaju da je MES veliko u apsolutnim vrednostima, on
moe biti relativno mali i omoguiti otru konkurenciju.
Kada su trokovni nedostaci fabrika koje rade, i koje su manje od MES veliine,
umerene, retko e postojati neke antikonkurentske posledice. Donekle vii proizvodni
trokovi malih proizvoaa mogu biti prevazieni putem superiornih usluga za klijente i regionalnim lokacijama radi smanjenja trokova transporta i kanjenja isporuka. U takvim sluajevima, znaajne prednosti poslovanja velikog obima imaju mali
ekonomski uticaj. Stoga, efekti MES-a u pogledu barijera za ulazak zavise od veliine
MES-a u odnosu na veliinu tranju date delatnosti i nagiba krive dugoronih prosenih
trokova u taki poslovanja u taki sa vrednou manjoj od veliine MES-a. Oboje se
mora uzeti u obzir.
6.11.2 Trokovi transportovanja i MES
Trokovi transportovanja trokove na terminalima, prevoznike i izdatke skladitenja
povezane sa dopremanjem autputa iz proizvodnih objekata do klijenata. Trokovi na
terminalima ukljuuju izdatke za rukovanje nuno pri istovaru i utovaranju materijala
koji se isporuuje. Kako ovi izdaci nisu zavisni od rastojanja na koje se vri transport,
oni su iste visine za kratke deonice kao i za duge deonice prevoza.
Prevozniki izdaci ukljuuju trokove za opremu, radnu snagu i gorivo a koji su
povezani sa transportom proizvoda na mesto odreene udaljenosti. Ovi trokovi zavise
direktno od rastojanja. Iako su prevozniki trokovi relativno konstantni po preenom
kilometru, oni se umnogome razlikuju od jedne vrste robe do druge. Vie kota transportovanje jedne tone sveeg voa na rastojanje od 500km negoli transport jedne tone
uglja na isto rastojanje. Svee voe dolazi u razliitim veliinama i oblicima i iziskuje
vei prostor za kontejnere po jedinici mere negoli to je to sluaj za proizvod poput uglja. Bilo koji proizvod koji je kvarljiv, lomljiv ili posebno podloan krai (npr. potrona
elektronika, cigarete ili alkohol) ima visoke prevoznike izdatke usled veih trokova
opreme, osiguranja i rukovanja.
Najzad, postoji i skladitna komponenta trokova ransportovanja koja je povezana sa vremenskim elementom koji je ukljuen u transportovano dobro. Vreme
nuno za tranzit je veoma vano jer sporiji vidovi prevoza poput eleznice i bari
odlau prijem prodajnih priliva od klijenata. Iako su izdaci vei kod njih, avio-prevoz
i prevoz kamionima ubrzava isporuku i moe smanjiti ukupne ekonomske trokove
transportovanja dobara do trita.
to se vie autputa proizvede u nekoj datoj fabrici, postaje sve vanije da se roba
dopremi do udaljenih klijenata-kupaca. Ovo dovodi do poveavanja transportnih trokova po prodatoj jedinici proizvoda. Slika 6.7 ilustruje L-krivu dugoronih
prosenih trokova koja odraava prosene proizvodne trokove koji najpre opadaju
a zatim postaju skoro konstantni. Pretpostavljajui relativno umerene trokove na
terminalima i trokove skladitenja, vei prevozniki trokovi dovode do poveavanja
transportnih trokova, po jedinici proizvoda, po nekoj relativno konstantnoj stopi.
Slika 6.7
Pre transportnih trokova, Q*A predstavlja MES veliinu fabrike. Ukljuivanjem
trokova transportovanja, MES veliina fabrike pada na Q*B. Generalno, kako
trokovi transportovanja budu postajali sve vaniji, MES e padati. Kada su transportni trokovi veliki u poreenju sa proizvodnim trokovima kao to je to sluaj
kod mleka, airanih bezalkoholnih pia, peska i cementa ak i manja posrtojenja,
sa relativno neekaasnom proizvodnjom, mogu biti protabilna kada su locirana
blizu vanih trita. Kada su transportni trokovi relativno nebitni kao u sluaju
aluminijuma, elektronskih komponenti, PC kompjutera, i medicinskih instrumenata
trita su nacionalna ili internacionalna po obimu, a ekonomije obima uzrokuju da
se autput proizvodi u svega nekoliko velikih fabrika u svetu.
6.12 Krive uenja

Kod mnogih proizvodnih procesa, proseni trokovi opadaju znaajno kako se
poveavaju kumulativan ukupni autput. Unapreenja u korienju proizvodne opreme i
procedura su vana stavka u ovom procesu, jer smanjuju kart usled defekata i smanjuju
potrebu za radnom snagom jer radnici postaju iskusniji u svojim poslovima.
Kada se znanje sticano kroz proizvodno iskustvo koristi za poboljanje metoda
proizvodnje, za rezultujue opadanje u prosenim trokovima se kae da iskazuje efekte krive uenja date rme. Fenomen krive uenja ili krive iskustva utie na prosene
trokove na nain slian onom kod bilo kojeg tehnikog napretka kojim se unapreuje
proizvodna ekasnost. U oba sluaja postoji pomeraj nadole na krivoj dugoronih
prosenih trokova na svim nivoima autputa. Uenje kroz proizvodno iskustvo dozvoljava rmi da proizvodi autput na ekasniji nain na bilo kom nivou autputa.
Da bi se ovo ilustrovalo, posmatrajmo sliku 6.8a. koja pokazuje hipotetiku krivu
dugoronih prosenih trokova za periode t i t+1. Sa uveavanjem znanja o proizvodnim metodama, znanjem steenim kroz iskustvo proizvodnje Qt jedinica u periodu t,
dugoroni proseni trokovi su opali za svaki nivo autputa u periodu t+1, to znai da
Qt jedinica moe biti proizvedeno tokom perioda t+1 po prosenom troku B a ne po
ranijem troku C. Utede u trokovima krive uenja predstavljaju odseak BC. Ukoliko
se autput poveao sa Qt na Qt+1 izmeu ovih perioda, proseni trokovi e opasti sa C
na A. Ovo opadanje u prosenim trokovima odraava kako efekat krive uenja, BC,
tako i efekat ekonomije obima, AB.
Slika 6.8a
Slika 6.8b
Da bi se izdvojio efekat uenja ili iskustva koji se odraava na prosene trokove,

nuno je paljivo identikovati onaj deo promena prosenih trokova tokom vremena koji je uslovljen nekim drugim faktorima. Jedna od najvanijih pomenutih
promena je efekat ekonomije obima. Kao to se videlo ranije, promena u prosenim
trokovima do koje je dolo u periodima t i t+1 moe da odraava efekte kako uenja
tako i ekonomije obima. Slino ovome, efekti vanih tehnikih dostignua, koji uzrokuju opadajue pomeranje u krivama dugoronih prosenih trokova, moraju biti
izdvojeni i razgranieni da bi se ispitale karakteristike krive uenja. Samo u sluaju
da se obim autputa, tehnologija i cene inputa, zajedno dre konstantnim mogue je
precizno predstaviti zavisnosti krive uenja.
Slika 6.8b opisuje zavisnost krive uenja koja je sugerisana na slici 6.8. Uoimo
da uenje dovodi do drastinog smanjenja prosenih trokova na niskim ukupnim
nivoima proizvodnje, ali generie sve umerenije utede pri veim kumulativnim
nivoima proizvodnje. Ovo odraava injenicu da mnoga unapreenja u proizvodnim metodama postaju brzo opta mesta i nairoko usvojena. Kasnije koristi esto
postaju sve sporije i manje bitne.
6.13 Znaaj ekonomije obima

Analiza trokova se ne analizira samo na to koliko se proizvodi ve takoe i na
to koja kombinacija proizvoda se nudi. Prednostima ekasnosti u proizvodnji nekog
datog proizvoda, rme esto uivaju u trokovnim prednostima pri proizvodnji
povezanih proizvoda.
Ekonomija obima se javlja kada su trokovi objedinjene proizvodnje manji nego
trokovi zasebne proizvodnje viestrukih (vrsta) autput. Neka rma e proizvoditi
proizvode koji su komplementarni u smislu da njihova zajednika proizvodnja iziskuje manje trokove negoli da ih rma proizvodi pojedinano. Pretpostavimo nekog
regionalnog avioprevoznika koji nudi redovne letove izmeu parova gradova srednje
veliine i koja oekuje neki viak slobodnih kapaciteta. Takoe, pretpostavimo da
postoji umerena lokalna potranja za uslugama isporuka manjih poiljki i malih paketa. Zahvaljujui postojeim veliinama i oblicima aviona, esto za avio-prevoznika
manje skupo da da prua i putnike i kargo usluge u malim regionalnim tritima
negoli da se specijalizuje samo za putniki prevoz ili kargo usluge. Regionalni avioprevoznici stoga esto pruaju obe usluge. To predstavlja jedan primer ekonomije
obima. Drugi primeri ekonomije obima grupiu se oko obezbeivanja i proizvoda i
usluga. Zapravo, koncept ekonomije obima objanjava zato rme obino proizvode
viestruke vrste proizvoda.
Prouavanje ekonomije obima tera menadment rmi da razmatraju i direktne

i indirektne koristi koje su povezane sa pojedinanim linijama poslovanja. Kada se
razmatraju prihode i trokove povezane sa marketingom i nuenjem usluga rada sa
ekovima (unovavanje itd) ili pak uzajamnim fondovima za novana trita, pokazuje
se pozitivna nula ili se ostvaruju minimalni proti. Ipak, uspene rme poput Meril
Lina i drugih velikih korporacija u segmentu poslovanja sa nansijskim uslugama
pravilno ocenjuju protabilnost njihovih uzajamnih fondova za novana trita u
kontekstu ukupnog poslovanja. Ovi fondovi su bitan nain za dovoenje klijenata za
ogroman niz nansijskih proizvoda i usluga. Time to nude fondove za trita novca
na nekoj atraktivnoj osnovi, kompanije za nansijske usluge ustanovljavaju poslovne
kontakte sa idealnom grupom moguih klijenata za akcije, obaveznice i druge vidove
investicija. Kada se sagledaju kao poslovna alatka ili marketinko sredstvo, uzajamni fondovi za trita novca mogu biti jedan od najprotabilnijih inija proizvoda u
delatnosti pruanja nansijskih usluga.
Ekonomije obima su vane jer dozvoljavaju rmi da preslika superiorne vetine
iz linije nekog datog proizvoda u jedinstvenu prednost pri proizvodnji komplementarnih proizvoda. Efektivna konkurentska strategija esto istie razvijanje ili
proirivanje linija proizvoda koji su povezani sa trenutnim najpopularnijim proizvodima rme, ili podrujima uoene snage.
Na primer, korporacija Pepsiko je dugo bila lider na tritu bezalkoholnih pia.
Tokom vremena, kompanija je postepeno proirila svoju liniju proizvoda koje nudi
ukljuivanjem razliitih brendova obinih i dijetalnih bezalkoholnih pia, Gatorade,
Tropicana, Fritos i Doritos ipsova, Grandma kolaa i druge hrane za uinu. Pepsiko
se danas ne smatra samo proizvoaem bezalkoholnih pia. To je sada kompanija
sa iroko diversikovanom paletom pia i hrane za uinu pri emu vie od polovine
ukupnih trenutnih prota dolazi iz linija proizvoda koji nisu vezani za bezalkoholna pia. Pepsikova strategija proirivanja linije proizvoda na polju bezalkoholnih
pia i obroka za uinu je bila efektivna jer je izvukla koristi od distributivne mree i
marketinke ekspertize koja je ve bila razvijena u rminom poslovanju sa bezalkoholnim piima. U sluaju pepsika, bezalkoholna pia, obroci za uinu i sportski napici su prirodno prigodan i dobar primer toga kako su rme bile u stanju da preuzmu
vetine steene u razvijanju jednog vodeeg proizvoda (bezalkoholna pia) i iskoriste
ih za razvijanje drugih (obroci za uinu, sportski napici).
Koncept ekonomije obima nudi korisne naine za vrednovanje potencijala
postojeih i buduih (moguih) linija poslovanja. On prirodno dovodi do denisanja
onih podruja u kojima rme imaju komparativnu prednost i svoj najvei protni
potencijal.
6.14 Analiza trokovi-obim-profit

Trokovi-obim-prot analiza, koja se ponekad naziva i analiza praga rentabilnosti, predstavlja vanu analitiku tehniku koja se koristi za prouavanje odnosa izmeu
trokova, prihoda i prota. U njoj se koriste kako grake tako i algebarske metode.
Za jednostavne probleme, najbolje je koristiti proste grake metode. U sloenijim
situacijama, poeljnije su analitike metode, koje ponekad mogu ukljuivati programe za rad sa tabelama.
6.13.1 Grakon trokovi-obim-prot
Osnovni grakon trokovi-obim-prot, sastavljen od rminih krivi ukupnih prihoda i rashoda, prikazan je na slici 6.9. Obim autputa se meri na horizontalnoj osi;
prihodi i trokovi su dati na vertikalnoj osi. Fiksni trokovi su konstantni bez obzira
na autput koji se proizvede i iskazani su preko horizontalne linije. Varijabilni trokovi
na svakom od nivoa autputa se mere preko rastojanja izmeu krive ukupnih trokova
i konstantnih ksnih trokova. Kriva ukupnih trokova ukazuje odnos cena/tranja
za rmine proizvode; proti ili gubici na svakom od nivoa autputa su prikazani preko
rastojanja izmeu krive ukupnih prihoda i ukupnih trokova.
U primeru prikazanom na slici 6.9, ksni trokovi od 60.000 n.j. su predstavljeni
jednom horizontalnom linijom. Varijabilni trokovi za radnu snagu i materijale su
1,80 n.j. po jedinici proizvoda, tako da ukupni trokovi rastu za tu vrednost za svaku
dodatnu jedinicu autputa. Ukupni prihod baziran na ceni od 3 n.j. po jedinici proizvoda je prava linija od koordinatnog poetka. Nagib linije ukupnih prihoda je strmiji
negoli onaj za liniju ukupnih trokova. Ispod take praga rentabilnosti, koja se nalazi
u preseku linija ukupnih prihoda i ukupnih trokova, rma trpi gubitke. Iznad te
take, rma poinje da ostvaruje prote. Slika 6.9 pokazuje taku praga rentabilnosti
pri nivou trokova i prihoda prodaje od 150.000 n.j., koja se javlja pri nivou proizvodnje od 50.000 jedinica proizvoda.
6.13.2 Algebarska naliza trokovi-obim-prot
Iako se grakon trokovi-obim-proti moe koristiti za prikazivanje zavisnosti
prota/autputa, algebarske tehnike su obino ekasnije pri analiziranju problema
menaderskih odluivanja u ovom segmentu. Algebra analize trokovi-obim-prot
moe se ilustrovati na sledei nain. Neka je:
P = Cena po prodatoj jedinici proizvoda

Q = Koliina koja se proizvede i proda
TFC = Ukupni ksni trokovi
VC = Proseni varijabilni trokovi
S C = Protni doprinos
Slika 6.9
Na osnovi posmatranja po jedinici proizvoda, protni doprinos je jednak ceni
umanjenoj za prosene varijabilne trokove ( S C P AVC ). Protni doprinos se
moe koristiti za pokrivanje ksnih trokova a zatim za obezbeivanje prota. Ovo
je osnova analize trokovi-obim-prot.
Jedna od korisnih primena analize trokova-obima-prota lei u odreivanju
nivoa aktivnosti praga rentabilnosti. Koliina na praga rentabilnosti je nivo aktivnosti sa nultim protom. Na nivoima praga rentabilnosti, ukupni prihodi (cena x
koliina, tj. P x Q) upravo su jednaki ukupnim trokovima (ukupni ksni trokovi +
proseni varijabilni trokovi x Q, tj. TFC + AVC x Q):
Ukupni prihodi TR = Ukupni trokovi TC

P x Q = TFC + AVC x Q
(P AVC) Q = TFC
Onda sledi da se nivoi koliina na pragu rentabilnosti javljaju kada :
Q praga
rentabi ln osti
TFC
P AVC
TFC
=
SC
Na ovaj nain, nivoi koliina proizvoda pri pragu rentabilnosti se nalaze

deljenjem ukupnih ksnih trokova sa protnim doprinosom po jedinici. U primeru ilustrovanom na slici 6.9 (grak linearne veze trokovi-obim-prot), P=3 nj,
AVC=1,80 n.j. a TFC=60.000.
Protni doprinos je 1,20 n.j.(=3,00 -1,80), a koliina pri pragu rentabilnosti je
60.000
1,20
50.000jedinica proiz.
6.13.3 Ogranienja analize trokovi-obim-prot

Analiza troak-obim-prot pomae objanjavanju odnosa izmeu obima, cena i
trokova. Ona je takoe korisna za denisanje cena, kontrolu trokova i druge nansijske odluke. Ipak, linearna analiza trokova-obima-prota ima i svojih ogranienja
i nedostataka.
Linearna analiza trokova-obima-prota ima jednu slabost u tome da ona podrazumeva prodajne mogunosti rme. Linearni graci trokovi-obim-prot su zasnovani na konstantnim prodajnim cenama. Da bi se prouile protne mogunosti
sa razliitim cenama, potrebno je izraditi itav niz grakona, po jedan za svaku od
nivoa cena. Sa sosticiranim softverom za rad sa tablinim podacima, kreiranje
iroke lepeze grakona trokovi-obim-prot je relativno lako. Korienjem ovakvog
softvera, protne mogunosti za razliite strategije odreivanja cena mogu biti brzo
odreene. Alternativno, za iskazivanje efekata promenljivih cena moe se koristiti
nelinearna analiza trokovi-obim-prot.
Linearna analiza trokovi-obim-prot moe biti dovedena u pitanje osnovnom

pretpostavkom o konstantnim prosenim trokovima. Kako se poveava broj prodatih jedinica proizvoda, postojea fabrika i oprema mogu raditi iznad kapaciteta,
ime se smanjuje ekasnost. Potreba za dodatnim radnicima, duim periodima rada i
prekovremenim satnicama mogu takoe uzrokovati otriji rast varijabilnih trokova.
Ukoliko je nuna neka dodatna (nova) fabrika i/ili oprema, ksni trokovi e takoe
porasti. Takve promene utiu kako na nivo tako i na nagib funkcija trokova.
Iako se linearna trokovi-obim-prot analiza pokazala korisnom za donoenje
menaderskih odluka, mora se paziti da se ona ne primenjuje u sluajevima kada su
naruene osnovne pretpostavke u toj analizi. Poput bilo kojeg alata koji se koristi u
odluivanju, i ova se analiza mora uzeti sa rezervom.
Rezime poglavlja
Analiza proizvodnje i trokova igra kljunu ulogu u veini menaderskih odluka.
Ovo poglavlje nas upoznaje sa konceptima proizvodnje i trokova, pokazuje zavisnosti
izmeu funkcija trokova i proizvodnih funkcija, i istrauje nekoliko pitanja vezanih za
analizu trokova i prozvodnje.
Funkciju proizvodnje moemo prikazati pomou tablice, dijagrama ili pak
jednaine. Bilo koji oblik pokazuje koliku maksimalnu proizvodnju preduzee
moe ostvariti s razliitim kombinacijama proizvodnih faktora u datom vremenskom razdoblju.
Karakteristika prinosa na obim proizvodnog sistema opisuje efekte na
koliinu proizvodnje kada se proporcionalno poveavaju svi inputi.
Ukupna proizvodnja se odnosi na ukupnu izlaznu koliinu produkcionog
sistema. Granina proizvodnja faktora (MPX) predstavlja promenu izlaza
u odnosu na promenu za jednu jedinicu faktora inputa, dok prosena proizvodnja faktora je ukupna proizvodnja podeljena sa brojem jedinica korienog
ili uposlenog faktora.
Zakon smanjenja prinosa ukazuje na injenicu da se sa poveanjem koliine
varijabile inputa, pri konstantnim svim ostalim faktorima, rezultujua stopa
rasta izlaza moe smanjiti.
Izokvanta predstavlja razliite kombinacije inputa koje se mogu ekasno koristiti za proizvodnju odreene koliine izlaza. Ekasnost u uvom sluaju predstavlja tehniku ekasnost, u smislu proizvodnje sa najmanjim trokovima
za ciljani nivo izlaza.
Granina stopa tehnike supstitucije meri iznos inputa koji se mora substituisati drugim u cilju odravanja konstantnog nivoa proizvodnje. Granina
stopa tehnike supstitucije obino se smanjuje kako se iznos substitucije
poveava.
Granini prihod proizvodnosti predstavlja dodatni neto prihod generisan
upotrebom poslednje jedinice, i jednak je proizvodu granine proizvodnosti i
graninog prihoda proizvoda. Za postizanje maksimuma prota neophodno
je da su granini prihod proizvodnosti i granini trokovi jednaki.
Elastinost izlaza, HQ je procenat promene izlaza u odnosu na 1% promene svih
inputa i praktino predstavlja ocenu prinosa na obim. Stepene funkcije proizvodnje
ukazuju na multiplikativne relacije izmeu inputa i izlaza i esto se koriste za ocenu
funkcije proizvodnje.
Pravilna upotreba relevantnih koncepata trokova iziskuje razumevanje odnosa trokovi/autput ili funkcije trokova. Funkcije kratkoronih trokova se
koriste za svakodnevne odluke u poslovanju; funkcije dugoronih trokova
se koriste pri procesu dugoronog planiranja. Kratak rok je period poslovanja
tokom kojeg je raspoloivost najmanje jednog od inputa ksna. Na dui rok,
rma ima potpunu eksibilnost. Fiksni trokovi ne variraju sa obimom autputa i javljaju se u vremenu samo na krai rok. Varijabilni trokovi uktuiu
zajedno sa autputom u vremenu i na krai i na dui rok.
Kriva kratkoronih trokova pokazuje minimalni trokovni uticaj promena
autputa pri nekoj datoj veliini fabrike i za neko dato poslovno okruenje. Kriva dugoronih trokova pokazuje minimalni trokovni uticaj promena autputa za optimalnu veliinu fabrike koja koristi tekuu tehnologiju u postojeem
poslovnom okruenju.
Ekonomije obima proistiu iz proizvodnje i sa tritem povezanih izvora i
uzrokuje to da dugoroni proseni trokovi opadaju.
Kapacitet se odnosi na nivo autputa na kojem su proseni kratkoroni trokovi
minimizovani. Minimalni obim ekasnosti (MES) je nivo autputa na kojem
su minimizirani dugoroni proseni trokovi.
Ekonomije obima sa vie fabrika su trokovne prednosti koje se javljaju
pri poslovanju viestrukih postrojenja u istoj liniji poslovanja ili delatnosti.
Obratno, disekonomije obima sa vie fabrika su trokovne mane (tete) koje
nastaju iz upravljanja viestrukim postrojenjima u istoj liniji poslovanja ili
delatnosti.
Kada se znae steeno iz proizvodnog iskustva koristi za unapreivanje proizvodnih metoda, rezultujue opadanje u prosenom troku odraava efekte
rmine krive uenja. Ekonomije obima postoje kada je troak zajednike
proizvodnje (vie vrsta proizvoda) manji negoli troak zasebne proizvodnje
viestrukih autputa.
Analiza troak-obim-prot, ponekad zvana i analiza praga rentabilnosti,
se koristi za prouavanje odnosa izmeu trokova, prihoda i prota. Koliina
praga rentabilnosti je nivo aktivnosti sa nultim protom.
Analiza proizvodnje i trokova pred menadment postavlja stalne izazove u svim tipovima organizacija. Korienjem koncepata i alata koji su razmatrani u ovom poglavlju, uspeni menaderi su u stanju da efektivno upravljaju trokovima.
Zadaci za vebanje
1. ZADATAK
A.
B.
C.
D.
Odrediti da li sledee funkcije proizvodnje ispoljavaju konstantan, rastui ili

opadajui prinos na obim.
Q = 0,3X + 2,5Y + 50Z
Q = 3A + 5B + 9AB
Q = 3L2 + 4LC + C2
Q = 8L0,2K0,4
2. ZADATAK
Firma je odredila da moe da proizvodi 100 jedinica sa bilo kojom od
sledeih kombinacija:
Kapital
20
16
12
11
9
7
5
Rad
1
2
3
4
6
9
13
A. Odrediti graninu stopu tehnike supstitucije izmeu 3 i 4 jedinice rada.

Koja je stopa izmeu 5 i 7 jedinica kapitala?
B. Da li se granina proizvodnost rada moe odrediti iz ovih podataka? Objasniti.
C. Pretpostavljajui da je konstantan prinos na obim, koja e stopa izlazne
koliine biti proizvedena ako je kapital 24 a rad 6?
3. ZADATAK
Oznaite da li svaki od navedenih kriterijuma utie na pomeranje krive
prosenih trokova u dugom roku navie ili nanie, ili umesto toga utie
na pomeranja udesno ili ulevo. Takoe oznaite da li e svaki od njih imati
rastui, opadajui ili neizvestan efekat na nivo prosenih trokova.
A. Poveanje visine zarade
B. Smanjenje obima proizvodnje
C. Tehnika promena u utedi energije

D. Pad kamatnih stopa
E. Poveanje obrazovanja ili iskustva
4. ZADATAK
Vinarija Car Lazar doo planira da otvori novi pogon za proizvodnju u predelu upe. Na osnovu dobijenih informacija iz raunovodstva, kompanija je
procenila ksne trokove u iznosu od 2.500.000 dinara godinje i prosene
varijabilne trokove u iznosu od AVC=10+0,01Q, pri emu AVC predstavlja prosene varijabilne trokove (u dinarima) a Q obim proizvodnje meren
sanducima autputa godinje.
A. Izraunajte ukupne i prosene ukupne trokove proizvodnje za nastupajuu
godinu za planirani obim proizvodnje 4.000 sanduka.
B. Poveanje produktivnosti radnika usled veeg iskustva i/ili obrazovanja za
vreme obuke je rezultovalo bitno snienje trokova proizvodnje preduzea.
Izraunajte uticaj uenja na ukupni proseni troak ako je stvarni ukupni
troak bio 5.220.000 dinara pri ostvarenom obimu proizvodnje od 5.000
sanduka.
5. ZADATAK
Post Express doo (PE) nudi ekspres dostavu poslovnim klijentima. PE je nedavno odluio da proiri svoje usluge radi boljeg zadovoljenja potreba klijenata. Trenutni obim poslovanja iznosi 2 hiljade paketa nedeljno po ceni od
500 dinara za svaki, pri emu su za sve nivoe autputa proseni varijabilni
trokovi konstantni. Fiksni trokovi iznose 3 miliona nedeljno, a prot u
proseku iznosi jednu treinu prihoda pri svakoj dostavi. Po realizovanom
projektu proirenja poslova, ksni trokovi e se udvostruiti ali e se varijabilni trokovi smanjiti za 25%.
A. Izraunajte promenu u nivou prelomne take rentabilnosti na nedeljnom
nivou usled irenja poslovanja
B. Pod pretpostavkom da obim poslovanja ostaje 2 hiljade paketa nedeljno,
izraunajte promenu stepena leverida koji nastao usled irenja poslovanja.
C. Opet pod pretpostavkom da obim poslovanja ostaje 2 hiljade paketa nedeljno, kako e irenje poslovanja uticati na ostvareni prot na nedeljnom
nivou?
O
E
D
VII
LINEARNO
PROGRAMIRANJE
U ovom poglavlju je ilustrovano kako

se linearno programiranje moe koristiti
za brzo i lako reavanje realistinih problema u poslovnom odluivanju. Radi
se o vrednoj tehnici za reavanje problema maksimiziranja i minimiziranja
pri emu su donosiocu odluka nametnuta ogranienja u obliku nejednakosti.
U narednom tekstu su obraeni graki
i analitiki pristupi za reavanje problema i interpretiranje rezultata.
LINEARNO PROGRAMIRANJE 181
Linearno programiranje (LP) se moe koristiti za iznalaenje najboljih odgovora

na vie pitanja izraenih u obliku funkcionalnih relacija. U fundamentalnom smislu
LP predstavlja direktni razvoj iz osnovne what if pristupa u reavanju problema.
Tradicionalni pristup what if podrazumeva jednostavni unos podataka ili izmena u tabelu i korienje formula i makroa za kompjutersko izraunavanje izlaznih
veliina. Na taj nain menaderi mogu razmatrati razne operativne uslove i njihove
implikacije na promene trokova, prihoda i prota. Meutim vano ogranienje ovog
pristupa je mukotrpno i dugo traenje najboljih odgovora u operativnom i planskom
odluivanju.
Linearno programiranje se moe posmatrati kao izvoenje what if in reverse.
Ono je namenjeno reavanju problema optimalne kombinacije vie varijabli radi
ostvarenja maksimalnog ili minimalnog rezultata uz zadovoljenje postavljenih
ogranienja i/ili zahtjeva. Optimizacija ukljuuje odabir varijabli i odreivanje
njihovih vrednosti. Traeni maksimum ili minimum jest rezultat funkcije cilja ili
funkcije kriterijuma u kojoj se meri doprinos pojedine varijable ukupnom rezultatu
modela. Doprinos pojedine varijable postaje kriterijum njenog odabira u kombinaciji, i moe biti pozitivan ili negativan. Najee je kriterijum odabira ili doprinos
varijable ekonomske prirode: dobit, troak, cena i sl.
Problemi koje moemo reavati LP-om su prvi put prikazani matematikim modelom poetkom 20. veka, a najrairenija metoda za reavanje ovakvih modela objavljena je 1947. godine pod nazivom SIMPLEX postupak (algoritam).
Ukoliko je traeni cilj LP-a kombinacija varijabli za dobivanje najvie vrednosti
funkcije kriterijuma, govorimo o problemu maksimuma. Ovakvi modeli LP-a obino
imaju za cilj maksimum bruto dobiti ili bruto dohotka iz mogueg proizvodnog programa.
Ako modelom LP-a nastojimo odrediti takvu kombinaciju varijabli koja e nam
osigurati najniu vrednost funkcije kriterijuma, radi se o problemu minimuma, npr.
traenje najjeftinije meavine hrane za ivotinje koja e zadovoljiti zahteve za potrebnom koliinom kalorija, vitamina i sl. U problemima minimizacije esto se pojavljuju
i ogranienja tipa vee ili jednako, npr. koliina vitamina u dnevnom obroku mora
biti vea ili jednaka koliini koju trai standard ishrane. Problem minimizacije moe
se jednostavno pretvoriti u problem maksimizacije.
Dakle, s obzirom na cilj, optimalno rjeenje modela u LP-u moe biti ili minimum
ili maksimum funkcije kriterijuma. Zbog toga kod linearnog programiranja pojam
optimalno moramo razlikovati od sluaja do sluaja, premda je optimum uvek ekstrem: maksimum ili minimum funkcije kriterijuma.
7.1. Matematiki model linearnog programiranja

Glavno obeleje modela linearnog programiranja je linearnost odnosa izmeu
resursa (ogranienja) i varijabli u modelu. Zbog toga to pretpostavlja linearnu zavisnost izmeu posmatranih varijabli, ova metoda ima naziv linearno. Iz razloga to
je razvijena primarno zbog rjeavanja problema alokacije ogranienih resursa na
vie konkurentskih delatnosti nekog proizvodnog sistema, metodu nazivamo programiranje. Naime, metoda omoguuje odreivanje optimalnog programa proizvodnje, odnosno programiranje proizvodnje.
Linearnost olakava razumevanje modela i olakava raunske operacije, ali ujedno
oteava kvalitetno modeliranje stvarnih problema. U stvarnosti je, naime, linearnost
vie izuzetak nego pravilo kod veine proizvodnih ili ekonomskih odnosa. Ipak, u
ogranienim intervalima vrednosti pojedinih varijabli, moemo linearnost prihvatiti
kao dobru aproksimaciju stvarnosti.
Primer za razumevanje problema linearnosti moemo nai u funkciji proizvodnje. Ako, na primer pretpostavimo da se odnos koliine proizvoda i koliine
inputa moe iskazati jednainom y=2x (to znai da je za jedan proizvod potrebno potroiti 2 jedinice inputa), to ne znai da e ovaj odnos ostati neprmenjen s
poveanjem obima proizvodnje. Jasno je da e se s poveanjem iskorienja kapaciteta ili poveanjem obima proizvodnje dogoditi promena u izdanosti inputa, pa e u nekom trenutku odnos moda biti y=1,5x ili y=0,1x2. To znai da e
linearni odnos iskazan prvom jednainom vredeti samo u odreenom intervalu
vrednosti y i x.
Matematiki gledano, model linearnog programiranja je sistem m linearnih
jednaina ili nejednaina s n nepoznatih. Reavanje sistema podrazumeva traenje
vrednosti svih n nepoznatih xi, uz uslov da postignemo ekstremnu vrednost posebno
postavljene funkcije cilja ili funkcije kriterijuma, tj:
Maksimizirati linearnu funkciju cilja
n
Max
c x
j j
j 1
uz linearna ogranienja
a x d b ,
ij j
i = 1, 2, ..., m
j 1
xj 0,
j = 1, 2, ..., n
- uslov nenegativnosti
Ili, matrini zapis problema:
maksimizirati Cx
uz ogranienja Ax B
C1

C2

C = .
.

Cn

C = CT = >C1, C2, ..., Cn @,
CT - transponovana matrica C
Matrica C je reda n x 1, a matrica CT reda 1 x n (jedna vrsta, n kolona). C je vektor

koji se sastoji od nekih vrednosti C1,...,Cn) koje predstavljaju ekonomske kategorije
koje se trebaju maksimizirati (npr. prot).
a11 a12 . . . a1n
a21 a22 . . . a2n

.
. . .
. . .
.
am1 am2 . . . amn
uslov: m < n
- koecijenti matrice A su konvertovani pokazatelji (iznos resursa za izradu jedinice proizvoda).
b1

b2

B .
.

bm

matrica ogranienja s realnim komponentama
Svaka jednaina ili nejednaina je model odnosa jednog resursa (ogranienja) i

svih n nepoznatih. Nepoznate su varijable koje mogu poprimati samo nenegativne
vrednosti, dok su vrednosti resursa ili ogranienja zadane kapacitetima ili tehnolokim zahtevima.
Optimizacija sistema se zato svodi na traenje vrednosti za sve varijable xi, i to
takvih koje e dati ekstremnu vrednost funkcije kriterijuma uz sledee uslove:
1. da reenje za svih n varijabli bude pozitivno ili 0 (nenegativno) ili xi 0;
i=1,2,3,...,n
2. da je reenje mogue (izvodljivo), to znai da zahtevi ili ogranienja moraju biti postavljeni tako da omogue bar jednu izvedivu kombinaciju.
Kao to znamo, odgovarajuim raunarskim operacijama reiv je svaki sistem od
n jednaina s n nepoznatih. No, s poveanjem broja nepoznatih i jednaina, uobiajeni naini reavanja su spori i sloeni, a u sluaju nejednakog broja jednaina i nepoznatih, i necelishodni. Algoritmi koji se primenjuju u LP-u omoguuju reavanje vrlo
velikih sistema sa stotinama varijabli (nepoznatih) i isto tako velikim brojem jednaina. Simpleks algoritam dostupan je u mnogim programima za personalne raunare,
a LP modele mogue je reavati i alatima kao to su Excel, Lotus i sl.
7.2 Reavanje problema LP-a grafikom metodom

Mnoge odluke u proizvodnji su kompleksne. Zamislimo problem nalaenja optimalnog miksa outputa za rmu koja proizvodi vie proizvoda i ima ogranienja u
proizvodnim resursima i ostalom inputu. Ovaj problem se moe reiti linearnim programiranjem. Uzmimo da rma proizvodi proizvode X i Y i koristi inpute A, B i C. Za
maksimiziranje prota neophodno je odrediti optimalne koliine svakog proizvoda
koji su podloni ogranienjima nametnutim raspoloivou inputa. Jednaina koja
izraava cilj problema linearnog programiranja se naziva funkcija cilja. Ako je 12 n.j.
pojedinani doprinos protu za X a 9 n.j. za Y, tada je ukupni protni doprinos za
rmu, odnosno funkcija cilja, sledea relacija:
maksimum S = 12QX+9QY
gde QX i QY predstavljaju koliine svakog od proizvedenih proizvoda. Pretpostavimo da je data tabela sa raspoloivim koliinama inputima i njihovo korienje u
proizvodnji X i Y. Iz nje se dobijaju jednaine ogranienja:
Input A: 4QX + 2QY 32

Input B: 1QX + 1QY 10
Input C: 3QY 21
gde je
QX 0 i QY 0
Ova tri ogranienja, zajedno za zahtevom kojim se izbegava negativna proizvodnja, u potpunosti deniu izvodljivi prostor koji je prikazan na slici 7.1. Jedino take
unutar oznaene povrine zadovoljavaju sve postavljene kriterijume.
Slika 7.1
Slika 7.2
Funkcija cilja se moe graki predstaviti u QX i QY kao niz izoprotnih krivih to

je i prikazano na slici 7.2. Svaka kriva izoprota ilustruje moguu kombinaciju X i
Y koja rezultuje sa konstantnim doprinosom ukupnom protu. Na primer, izoprot
linija S=36 predstavlja kombinaciju X i Y koja daje kao rezultat doprinos prota od
36 n.j.; sve output kombinacije na krivoj S=72 daju protni doprinos od 72 n.j., itd.
Opta formula za izoprot linije se dobija iz S= aQX + bQY, gde se raunanjem po QY
dobija da je nagib (koecijent pravca prave linije) jednak a/b.
Taka M (6,4) na graku je indikovana kao optimalno reenje. U toj taki rma
proizvodi 6 jedinica Y i 4 jedinice X, a prot dostie vrednost 108 n.j. Nijedna druga
taka u podruju moguih reenja ne dodiruje tako visoko izoprot linije kao taka
M, koja se nalazi na rubu podruja moguih reenja.
Vano je upamtiti da se optimalno reenje svakog lineranog problema nalazi
na ivinoj taki. Na taj nain, traenje optimalnog reenja se svodi na krajnje take
podruja moguih reenja problema lineranog programiranja.
7.3 Reavanje problema LP-a algebarskim postupkom

Mnogi problemi linearnog programiranja sadre mnogo varijabli i ogranienja
i nisu pogodni za reavanje grakom analizom. Algebarske metode su veoma
praktine za reavanje kompleksnih problema linearnog programiranja uz korienje
odgovarajuih kompjuterskih programa.
Grako rjeenje problema linearnog programiranja slikoviti je prikaz koji
pomae shvatanju modela, no koristan je samo za probleme koji ukljuuju dve varijable (dvodimenzionalni problemi). Ve uvoenje tree dimenzije znatno oteava
postupak, a vie dimenzija bi graki bilo nemogue prikazati. Zato se za sluajeve
s vie od dve varijable koriste razvijene metode reavanja modela LP koje se danas
koriste razni raunarski paketi.
U stvarnim problemima optimizacije susreemo se sa stotinama ili ak hiljadama
varijabli odluivanja, pa je za rjeavanje LP problema potrebno imati ekasan opti
postupak reavanja (algoritam) koji e se implementirati na raunaru. Najpoznatiji i
najvie korieni algoritam za reavanje LP problema je simplex algoritam.
Simplex algoritam je algebarski postupak pretraivanja ekstremnih taaka
podruja moguih LP reenja. Pri tome se redom pretrauju susedne ekstremne
take, a kao sledea ekstremna taka bira se ona koja daje jednako ili bolje reenje
nego prethodna. Simplex algoritam blisko je povezan sa poznatom Gaussovom procedurom eliminacije za reavanje sistema linearnih algebarskih jednaina.
Budui da je originalni LP problem formulisan u obliku nejednaina, simplex
algoritam zahteva njegovo pretvaranje u sistem jednaina jer je isti lake reiti od
sistema nejednaina. Nejednaine tipa manje ili jednako pritom se pretvaraju u
jednaine na taj nain da im se dodaju tzv. varijable rezerve si (engl. slack variables),
i to prvoj nejednaini dodajemo samo varijablu s1, drugoj dodajemo samo s2 itd. Varijable rezerve predstavljaju iznose neiskorienih resursa.
Budui da neiskorieni resursi ne donose dobit, oni se ni ne pojavljuju u funkciji
cilja. Pogledajmo kako izgleda LP model u naem primeru u kojem su nejednaine
zamenjene jednainama:
max: 12QX+9QY
uz ogranienja:
4QX + 2QY +s1 = 32
1QX + 1QY +s2 = 10
3QY +s3 = 21
gde su
QX 0, QY 0, s1 0, s2 0, s3 0
Reavanjem jednaina ogranienja na svakoj rubnoj taki dobijaju se vrednosti za

QX i QY, kao i za s1, s2, i s3. Ukupan protni doprinos na svakoj rubnoj taki se dobija
unoenjem relevantnih vrednosti za QX u QY funkciju cilja (jednaina X.X). Rubno
reenje koje daje maksimalni prot predstavlja optimalno reenje za problem LP.
Ovaj iterativni proces je ustvari simpleks metoda. Kompjuterski programi nalaze
reenja problema na svakoj rubnoj taki. Tu taku sa optimalnim reenjem izoluju u
funkciju cilja. Veoma kompleksni prolemi LP se reavaju simpleks metodom za par
sekundi na personalnom raunaru.
Mada se jedinstveno reenje za ovaj problem dobija kada se bilo koja od dve varijable izjednai sa 0, uobiajeno je da se startuje sa QX = 0 i QY = 0 i da se proveri
poetno reenje. Dobija se da je s1 = 32, s2= 10, i s3 = 21. Na poetku se niti X ili Y
ne proizvode i nema inputa koji se koriste u proizvodnji. Ukupni doprinos protu
u poetnom rubu prostora moguih reenja je 0. Slino se moe proveriti reenje
na drugoj rubnoj taki N (vidi sliku 7.3) gde su QY i s1 jednaki 0. Nakon zamene u
jednainu ogranienja dobija se:
4QX + 2QY + s1 = 32
(4 * QX) + (2 * 0) + 0 = 32
QX = 8
Kada je odreena vrednost QX, metodom zamene dobijaju se i ostale vrednosti:
s2=2, s3=21 i
S= 12QX+9QY = 12*8+9*0 = 96.
Slika 7.3 (Odreivanje nultih vrednosti varijabli na rubovima prostora moguih reenja)
Sledei korak bi bio da dodelimo nulte vrednosti varijablama s1 i s2 kako bi se nale
vrednosti reenja za taku M. Zamenom u jednaine ogranienja dobijaju se vrednosti: QX = 6, QY = 4 i S = 108. Optimalno reenje je u taki M. Ukupni prot od 108
premauje sve prote u bilo kojoj drugoj rubnoj taki prostora moguih reenja.
U optem sluaju sa n varijabli odluivanja i m ogranienja, dodavanjem m varijabli rezerve imaemo ukupno n + m varijabli i m jednaina. Sa n varijabli vie nego
to je jednaina, sistem ima n stepeni slobode u reavanju jednaina. To omoguuje
da se vrednost bilo kojih n varijabli moe izjednaiti s nulom, ime se dobiva sistem
od m jednaina sa m nepoznatih.
Ukoliko su varijable koje se stavljaju na nulu dobro odabrane, taj e sistem imati
jedinstveno reenje za preostalih m varijabli. Takvo se reenje naziva bazino rjeenje,
a varijable reenja nazivaju se bazinim varijablama.
Od velikog broja takvih reenja simplex metoda uzima u obzir samo mogua
bazina reenja (ona koja se nalaze u podruju moguih reenja problema). Svako
mogue bazino reenje odgovara jednoj ekstremnoj taki LP problema.
7.4 Dualni problem

Za svaki problem maksimiziranja u linearnom programiranju postoji simetrini
problem minimiziranja, kao i obratno. Parovi odgovarajuih problema maksimiziranja i minimiziranja su poznati kao primarni i dualni problemi LP. Zbog
simetrinosti izmeu specikacija primarnog i dualnog problema jedan se moe
konstruisati iz drugog tako da reenje jednog problema se moe koristiti za reenje
drugog problema.
Uopteno, za dualni problem originalnog problema (primala) vai sledee:
vrednost dualnog problema jednaka je vrednosti primalnog problema
standardnom problemu maksimuma odgovara u dualu problem minimuma
m
Min
y b
i i
i 1
uz uslov
m
a y t C ,
ij i
j = 1, 2, ..., n
i 1
yi 0,
i = 1, 2, ..., m
Matrini zapis problema je sledei:

minimizirati yB
uz ogranienja yA C
varijable -
Ay C y 0
x (strukturne)
y (dualne)
matrica koecijenata C zamenjuje se u dualu matricom resursa B
y a
t cj / xj
i yiaijxj t cjxj
y cAx t C cX
C cx d y c
ij
j
i
i
a
x
b
/
y
d
j aijxjyi d biyi
y cAx d y cB
i ij
U naem originalnom ili primarnom problemu cilj je bio da se maksimizuje prot

i funkcija cilja je: max: 12QX+9QY .
Cilj dualnog problema je da se minimizuju implicitne vrednosti ili cene u senci
za resurse rme. Ako se sa VA, VB i VC oznae cene u senci za inpute A,B i C respektivno a S * ukupna implicitna vrednost rminih ksnih resursa, tada je dualna
funkcija cilja(dual) sledea:
12
minimizirati S * = 32VA + 10VB + 21VC

uz ogranienja:
4VA + 1VB 12
2VA + 1VB + 3VC 9
Reenju se moe pristupiti kao i kod primarnog problema, dakle dodavanjem rezervnih varijabli lX i lY, uz uslov VA 0, VB 0, VC 0, lX 0, lY 0. Reavanjem se
dolazi da je optimalno reenje za l1 = l2 = 0 a VA =1,5 VB =6 i VC =0. S obzirom da su
A i B ogranienja obavezna, jer su cene u senci pozitivne, sledi da su sA i sB jednake 0,
pa se reavanjem jednaina
4QX + 2QY +sA = 32
1QX + 1QY +sB = 10
dobija QX =6 i QY =4.
12 Naziv cene u senci se koristi iz razloga to se radi o ceni koju je menader voljan da plati za dodatne
jedinice ogranienih resursa
Rezime poglavlja
Linearno programiranje je dokazana tehnika za nalaenje optimalnog reenja
problema odluivanja. Ona je prilagoena reavanju problema koji ukljuuju funkciju cilja, za koju je potrebno nai maksimalnu ili minimalnu vrednost, pri emu je
relevantna funkcija cilja podlee ogranienjima u obliku nejednakosti.
Jednostavniji problemi lineranog programiranja se mogu reiti graki
korienjem metoda relativnog odstojanja, pri emu prostor moguih
reenja predstavlja graku oblast sa reenjima problema.
Jednaina koja izraava cilj problema linearnog programiranja se naziva
funkcija cilja.
Optimalno reenje problema se javlja na preseku funkcije cilja i rubne take
prostora moguih reenja.
Rezervne varijable predstavljaju iznose za koje su premaeni uslovi ogranienja. U sluaju ogranienja sa , rezervne varijable se koriste da
poveaju levu stranu da bi bila jednaka desnoj straniuslova ogranienja. U
sluaju situacija je obrnuta, ove varijable slue za smanjenje leve strane
ogranienja.
Simplex metoda je iterativna metoda reavanja problema linearnog programiranja. Ovim postupkom se nalaze vrednosti (najbolje kompjuterskim
programima) za sve varijable u svakoj rubnoj taki, pa se izoluje ona taka
sa optimalnim reenjem kada je u pitanju funkcija cilja.
Za svaki problem nalaenja maksimuma u lineranom programiranu postoji simetrini problem minimiziranja. Ovaj par problema koji se odnosi na
nalaenje maksimuma i minimuma su poznati kao osnovni (primarni) i dualni problem linearnog programiranja.
Zadaci za vebu
1. ZADATAK
Neko preduzee proizvodi dve vrste proizvoda A i B, na dve grupe maina,
1 S i 2 S Dnevni su kapaciteti i karakteristike maina dati u tabeli:
Vreme potrebno za proizvodnju jedinice proizvoda
M1
M2
0,5
0,2
0,4
0,2
Dnevni kapaciteti
(u satima)
16
20
Dobit je po jedinici proizvoda A 200 din, a po jedinici proizvoda B, 150

din. Sastaviti linearni model dnevne proizvodnje koja e osigurati maksimalnu dobit.
2. ZADATAK
U jednom se pogonu proizvode dva proizvoda na tri grupe maina.
Za posmatrani vremenski period potrebno je doneti odluku koja e se
koliina prvog i drugog proizvoda proizvesti u tom pogonu. Ogranienja
su realizacije programa proizvodnje, kapaciteti raspoloivih strojeva i
mogunost plasmana proizvoda na trite. Tehnoloki uslovi proizvodnje
dati su tablicom:
Vreme potrebno za proizvodnju jedinice
proizvoda
Raspoloivi
kapacitet maina
M1
30.000
M2
8.000
M3
14.400
Analizom trita procenjeno je da se u posmatranom vremenskom periodu ne moe prodati vie od 3500 jedinica prvog proizvoda i 4000 jedinica
drugog proizvoda. Cilj je doneti odluku kojom e se ostvariti maksimalna
dobit, ako je ona za prvi proizvod 15 din, a za drugi 10 din po jedinici
proizvoda. Sastavite linearni model proizvodnje za posmatrani period.
3. ZADATAK
Investitor raspolae sa 100.000 evra koje moe uloiti u vladine obveznice,
penzone fondove i akcije na tritu, od kojih je prihod, redom, 8%, 13% i
15% godinje.
Njegova strategija zahteva da ukupna svota uloena u fondove i akcije ne
prelazi svotu uloenu u vladine obveznice. Koliko i u ta treba uloiti u
cilju maksimiziranja prihoda? Sastavite linearni program.
4. ZADATAK
Jedan lanac restorana eli proiriti svoju delatnost otvarajui nove kapacitete. Firma ima dva tipa restorana, fast food i klasian tip. Da bi se otvorio jedan novi restoran tipa fast food, potrebno je 100.000 evra i 5 novih
radnika, a oekivani godinji prihod iznosi 200.000 evra. Da bi se otvorio
jedan novi restoran klasinog tipa, potrebno je 150.000 evra i 15 novih
radnika, a oekivani godinji prihod iznosi 500.000.
Firma ima na raspolaganju 2.500.000 evra kapitala. Strategija poslovanja zahteva da se ne uzima vie od 210 novih radnika godinje. Takoe,
odreeni zakoni zahtevaju da broj novih restorana ne bude vei od 20.
Sastaviti linearni program irenja preduzea koji e osigurati maksimalni
oekivani godinji prihod.
O
E
D
VIII
PRAKSE U POLITICI
CENA
U ovom poglavlju obraeni su standardne prakse u politici cena i ilustrovane su vrednosti istih, kao praktinih
naina u odreivanju cena kojima se
maksimizira prot pri irokom spektru
uslova koji karakteriu tranju i trokove.
PRAKSE U POLITICI CENA 197
8.1 Pojam cene

Cena predstavlja novano izraavanje nominalnih odnosa ponude i tranje. Ona
pripada i mikroekonomskom i makroekonomskog domenu. Preko prodajne ili nabavne trine cene meri se i odmerava uspenost ili neuspenost poteza ili odluka
menadera. Samo odreenje pojma cene, predstavlja sloen teorijsko-metodoloki
problem. U tom pogledu, nastale su brojne ekonomske teorije.
Teorija radne vrednosti - prema njoj cena svake robe primarno je odreena kvantitetom i kvalitetom utroenog minulog i ivog rada, objektivno utroenih faktora
proizvodnje (kapitala i rada) u njenom stvaranju, tj. samom vrednou robe. Izmeu
cene i vrednosti robe ne postoji unapred data identinost. Posredstvom trinog mehanizma dolazi do stalnog veeg ili manjeg odstupanja cena roba od vrednosti tih
roba. Takva razmena naziva se neekvivalentna razmena.
Teorija granine korisnosti - prema njoj vrednost i cenu date robe ne odreuju
objektivno utroeni faktori proizvodnje nego subjektivno vrednovanje od strane kupaca - potroaa. Oni e manje vrednovati robu koje ima u izobilju od robe u kojoj
se oskudeva. Takvo potroako vrednovanje automatski se prenosi na visinu tekuih
trinih cena takvih roba.
Sinteza teorije vrednosti i korisnosti - prema njoj cena neke robe istovremeno
zavisi i od veliine trokova faktora proizvodnje (kapitala i rada), generisanih u procesu njenog stvaranja, kao i od njene stvarne granine korisnosti.
8.2 Mara u odreivanju cena

Prakse odreivanja cena nekada izgledaju udno. Dok sobe u prvorazrednim
hotelima u Londonu, Tokiju ili Parizu dostiu 300-500 evra za noenje, poneki od
svetskih lanaca zna da ponudi cenu noenja od esdesetak evra za noenje i to na
prometnom mestu, jednom od najprometnijih svetskih aerodroma. Jedan od osnivaa poznatog svetskog lanca hotela je imao uzreicu da je porodini odmor zanimljiviji i ostaje drai u pamenju kada cene paket aranmana padnu za 70%. Ukoliko
se, na primer, aviokarte ili hotelske sobe rezerviu unapred i preko interneta, cene
mogu dostii neverovatno male iznose. Tako je nekada aviokarta od Pariza do June
Amerike ista ili povoljnija po ceni negoli aviokarta Pariz-Beograd, a hotelske sobe u
prestinim lancima dostiu cene od 100-nak evra za vikend. O emu se dakle radi?
Gore pomenuti primeri odreivanja hotelskih cena ne predstavljaju suludu trku

za nuenjem to povoljnije cene radi osvajanja to veeg udela na tritu, ve otroumno korienje prednosti savremenih IT tehnologija. Bilo koja no tokom koje
hotelska soba ostane prazna za hotel predstavlja izgubljeni prihod, a poto su hotelski trokovi u velikoj meri ksni trokovi (grejanje, osvetljenje, odravanje, osoblje
itd.), izgubljeni prihodi se direktno pretvaraju u izgubljene prote. Cena noenja od
59$ moda ne pokriva ksne trokove, ali doprinosi protu znatno vie u poreenju
sa praznom sobom. Segmentisanjem trita, hoteli su u stanju da naplate maksimalan iznos koje trite moe da iznese tokom radnih dana i tokom vikenda. Na
slian nain, hotelski marketing dobija zamah za kongresni turizam, posebno kada
se kongresi odravaju tokom uobiajeno mrtve sezone (hotelsko poslovanje je, generalno gledano, izrazito sezonskog karaktera). Da li ste se nekada zapitali zato se,
na primer, kongresi odravaju u vreme zime ili jeseni (Beograd je takoe poeo da
izgrauje kongresni turizam i tzv. turizam dogaaja). Ovo poglavlje istrauje opte i
najee prakse odreivanja i denisanja cena i ilustruje njihovu vrednost kao praktinog sredstva za ostvarivanje cena kojima se maksimizira prot i to pod irokom
raznolikou uslova tranje i trokova.
Odreivanje cena po principu mare je najee korien metod odreivanja cena
dobara i usluga.Zahvaljujui popularnosti ove tehnike, ona iziskuje da menaderi u
potpunosti razumeju obrazloenje i pozadinu odreivanja cene po principu mari. Kada se ovo obrazloenje sagleda i shvati, metodi odreivanja cena po principu
mare se mogu smatrati praktinim sredstvima za postizanje optimalnih cena i to u
arolikim uslovima tranje i trokova.
8.2.1 Procedura odreivanja cene
Osmiljavanje praksi odreivanja cena za protabilne segmente trita je dostiglo nivo umetnosti sa pojavom interneta i korienjem naprednih IT tehnologija.
Uzmimo jedan primer zato vodei asopisi nude znatne popuste za studente (ili
pak penzionere) a ne i za zaposlene? Zato se specijalizovane robe i usluge daju uz
popust kolama a ne i bankama i slinim institucijama koje predstavljaju bogatstvo?
Ovo sigurno nije jer dostavljanje asopisa kota manje pri dostavi studenata, a nije i
gest dobre volje i ovekoljublja; razlog je taj to studenti nisu u stanju ili nisu voljni da
plate punu, tj. standardnu cenu. ak i sa 50% snienom cenom, studentska cena premauje granine trokove i u znaajnoj meri doprinosi ostvarivanju prota. Slino
tome, penzioneri i uopte starije osobe esto dobijaju popuste u hotelima (10-15%)
i takoe znaajno doprinose sticanju prota. Kao suprotan primer prethodno navedenom mogu se navesti relativno visoke cene grickalica i zanimacija u bioskopima,
sportskim dvoranama, ili pak cene odee u vrhuncu sezone takve cene odraavaju
injenicu da kupci mogu biti neosetljivi na cenovne promene na odreenim mestima
i u odreena doba godine.
Regularne cene, diskonti, rabati i promocije pomou kupona su mehanizmi odreivanja cena koji se koriste da se ispita irina i dubina tranje kupaca i da se maksimizira protabilnost. Iako maksimizacija prota iziskuje da cene budu postavljene tako
da granini prihodi budu izjednaeni sa graninim trokovima, ovaj uslov nije nuan
ukoliko se eli postii optimalna cena. Korienjem samo informacija o graninim
trokovima i takastoj elastinosti tranje, izraunavanje cena kojima se maksimizira
prot postaje lako i brzo. Mnoge rme koje koriste politiku optimalne cene koriste
cene kojima se prokrivaju direktni trokovi uveani za procenat mare radi protnog doprinosa. Prakse odreivanja cena sa eksibilnim marama koje odraavaju
razlike u graninim trokovima i elastinostima tranje predstavljaju ekasan metod
za osiguravanje da granini prihod=graninom troku (tj. MR=MC) za svaku liniju
proizvoda ili usluga koje se prodaju. Slino, odreivanje cena u udarnim periodima
godine i za vansezonu, cenovna diskriminacija, i prakse objedinjenog odreivanja
cena proizvoda su ekasni naini za poslovanje pri kojem e se za svakog kupca ili
potroaku grupu i klasu proizvoda obezbediti da je MR=MC.
8.2.2 Mara na trokove
U jednom konvencionalnom pristupu, neka data rma ocenjuje prosene varijabilne trokove proizvodnje i plasmana nekog datog proizvoda, uveava ga za varijabilne reijske trokove a zatim dodaje i procenat mare, ili protnu marginu. Varijabilni reijski trokovi se obino alociraju meu proizvodima po principu prosenih
varijabilnih trokova. Na primer, ukoliko su ukupni varijabilni reijski trokovi projektovani na 1,3 miliona n.j. godinje a varijabilni trokovi za planiranu proizvodnju
iznose 1 milion n.j. onda su varijabilne reije alocirane po pojedinanom proizvodu
u visini od 130% varijabilnog troka. Ukoliko se proseni varijabilni troak nekog
proizvoda proceni, recimo, na 1 n.j., onda e rma dodati 130% varijabilnih trokova,
iliti 1.30 n.j. za varijabilne reije, ime se dolazi do u potpunosti alociranih trokova
od 2.30 n.j. Na ovu brojku rma moe dodati i 30% mare na raun prota, ili 0.69
n.j., da bi se dolo do krajnje cene od 2.99 n.j. po jedinici proizvoda.
Mara na trokove je protna margina za neki pojedinani proizvod ili liniju
proizvoda koja se izraava u procentima jedininog troka (troka po jedinici proizvoda). Mara po trokovima, ili skraeno cost-plus, su zadati preko formule:
Mara na trokove = (Cena Trokovi) / Trokovi
(8.1)
Brojilac u ovom izrazu, koji se naziva protna margina, se meri putem razlike
izmeu cene i troka. U primeru koji smo ranije naveli, 30% mare na trokove se
izraunava kao
Mara na trokove = (Cena Trokovi) / Trokovi
= (2.99 2.30) /2.30
= 0.30 ili 30%
Reavanjem jednaine 8.1 po ceni dobijamo izraz kojim se odreuje cena u costplus sistemu odreivanja cena (trokovi plus procenat zarade), tj:
Cena = Trokovi (1 + Mara na trokove)
(8.2)
Nadovezujui se na prethodni primer, prodajna cena proizvoda se nalazi po sledeem postupku

Cena = Trokovi (1 + Mara na trokove)
=2.30 *1.30 = 2.99
8.2.3 Mara od cene
Protne margine, ili mare, se ponekad izraunavaju kao procenat od cene umesto procenat na trokove. Mara od cene je protna margina za neki pojedinani
proizvod ili liniju proizvoda koja se izraava kao procenat od cene a ne kao jedinini
troak u formuli mare na trokove. Ovaj alternativan vid iskazivanja protne margine moe se ilustrovati preko formule za maru od cene:
Mara od cene = (Cena Trokovi) / Cena
(8.3)
Protna margina je brojilac u ovoj formuli za maru na cenu, kao i kod formule
mare na trokove. Ipak, jedinini trokovi su zamenjeni cenom u imeniocu.
Formule za maru na trokove i maru od cene su prosto alternativni naini iskazivanja relativne veliine protnih margina. Za izraunavanje jedne mare preko
druge koriste se sledee proste jednakosti:
Mara na trokove = Mara od cene / (1- Mara od cene)
(8.4)
Mara od cene = Mara na trokove / (1 + Mara na trokove)
(8.5)
i
Stoga, 30% mare na trokove u prethodnom primeru je ekvivalentno sa 23%
mare od cene:
Mara od cene = 0.3 / (1 + 0.3) = 0.23 ili 23%

Dolazimo dakle do raunice da jedan komad proizvoda ima troak od 2.30, n.j., ili
maru od 0.69 n.j., i cenu od 2.99 n.j. sa 30% mare na trokove i 23% mare od cene.
Ovo ilustruje vanost toga da se bude dosledan u izboru trokova ili cena kao osnove
za uporeivanje mari meu razliitim proizvodima ili razliitim prodavcima.
Odreivanje cena na bazi mari se ponekad kritikuje od strane strune javnosti
kao naivan metod odreivanja cena zasnovan iskljuivo na razmatranju trokova i
pri tome pogrenih trokova. Neko ko koristi ovu tehniku moe zanemariti uslove
tranje, isticati potpuno alocirane raunovodstvene trokove a ne granine trokove, i doi do neoptimalnih odluka o cenama. Ipak, kategoriko odbijanje jedne tako
popularne i uspene prakse odreivanja cena bi bilo oigledno pogreno. Iako neodgovarajua primena formula mari moe dovesti i dovodi do neoptimalnih odluka o
ceni, uspene rme koriste ovaj metod na nain koji je saglasan sa maksimizacijom
prota. Odreivanje cene na osnovu mari se moe smatrati ekasnim praktinim
pristupom za denisanje optimalnih cena.
8.2.4 Uloga trokova u odreivanju cene na principu mari
Iako se u odreivanju cene po principu mare koriste razni koncepti trokova,

veina rmi koristi standardni ili koncept potpuno alociranih trokova. Potpuno alocirani trokovi se odreuju time to se najpre procenjuju direktni trokovi po jedinici
proizvoda/usluge, a zatim alociraju rmini oekivani indirektni izdaci, ili reije, pretpostavljajui neki optimalan ili standardan nivo proizvodnje. Cena se onda zasniva
na standardnim trokovima po jedinici, bez obzira na kratkorone varijacije u stvarnim jedininim trokovima.
Naalost, korienje koncepta standardnih trokova moe dovesti do nekoliko
problema. Ponekad, rme ne uspevaju da podese istorijski zabeleene trokove tako
da odraavaju nedavne ili oekivane promene u cenama. Takoe, raunovodstveni
trokovi mogu da ne odraavaju stvarne ekonomske trokove. Na primer, potpuno
alocirani trokovi mogu biti odgovarajui kada neka rma radi punim kapacitetom.
Tokom vrnog perioda, kada se kapaciteti pogona potpuno koriste, potrebno je proirenje radi poveanja proizvodnje. Pod takvim okolnostima, poveanje proizvodnje
iziskuje poveanje u svim izdacima za pogone, opremu, radnu snagu, materijal i druge izdatke. Ipak, ukoliko rma ima viak kapaciteta, tokom nevrnih perioda, samo
oni trokovi koji zaista nastaju pri proizvodnji inkrementalni trokovi po jedinici
trebaju da formiraju osnovu za denisanje cena.
Uspene rme koje koriste odreivanje cena na principu mari koriste potpuno
alocirane trokove pod normalnim okolnostima ali nude cenovne popuste ili prihvataju nie mare tokom nevrnih perioda kada postoje vikovi kapaciteta. U nekim
sluajevima, proizvodi proizvedeni tokom van-vrnnih perioda su znatno jeftiniji
negoli proizvodi proizvedeni tokom vrnih perioda. Kada ksni trokovi predstavljaju znaajan udeo ukupnih trokova proizvodnje, popusti od 30 do 50% za proizvode
tokom vanvrnih perioda mogu biti esto opravdani na osnovu niih trokova.
Primer za ovo su popusti za gledanje bioskopskih i pozorinih predstava u prepodnevnim i popodnevnim satima. Osim izdataka za ienje, koji variraju od broja
posetilaca, veina drugih izdataka u bioskopima je ksna po svojoj prirodi. Kao rezultat toga, prihodi dobijeni od dodatnih posetilaca tokom van-vrnih perioda mogu
znaajno poveati prot bioskopa. Kada pritom posetioci kupuju i slatkie po redovnim cenama, grickalice i pia, jo nie cene ulaznica mogu biti opravdane. I obratno,
za petak i subotu uvee kada su, nekada u 70-im i 80-im godinama XX veka, bioskopi
bili sasvim ispunjeni, malo poveanje u broju posetilaca bi iziskivalo skupo proirenje objekata. Cene ulaznica tokom ovih vrnih perioda odraava potpuno alocirane
trokove. Na slian nain su lanci fast-food hrane poput MekDonaldsa, Burger Kinga
i slinih poveali protabilnost u znaajnoj meri time to su uveli menije za doruak.
Ukoliko su ksni restoranski trokovi pokriveni zaradom tokom veera i rukova,
ak i promotivne cene obroka za doruak mogu znaajno doprinositi masi prota.
8.2.5 Uloga tranje u odreivanju cena po principu mari
Uspene kompanije diferenciraju mare shodno varijacijama u elastinosti tranje

nekog datog proizvoda. Autoproizvoai esto nude rabate ili pakete posebne opreme za modele koji se sporije tj. slabije prodaju. Slino njima, aviokompanije podstiu
razliite eme cena za putnike koji putuju poslom ili radi odmora. Avioprevoznika i
autoindustrija su samo dva primera sektora u kojima otra konkurencija iziskuje paljivo uvaavanje faktora trannje i ponude u praksama pri odreivanju visina cena.
Pri proizvodnji i distribuciji mnogih roba i usluga, uspene rme brzo prilagoavaju
cene shodno razliitim uslovima koji vladaju na tritima.
Istraivanjem mari koje primenjuje jedan uspean svetski lanac maloprodajnih
prodavnica daje interesantne dokaze da okolnosti koje vae za tranju igraju vanu
ulogu u cost-plus odreivanju cena.
Vrsta proizvoda
Hleb obian
Hleb brendiran
itne pahuljice (suve)
Meavina za torte
Kafa
Suhomesnati proizvodi
Sitni kolai
Delikatesni proizvodi
Svee voe u sezoni
Svee voe van sezone
Svee povre u sezoni
Svee povre van sezone
Mlevena govedina
Sladoled
Praak za pranje vea
Mleko
Lekovi bez lekarskog recepta
Proizvodi od testa
Hrana za kune ljubimce
Grickalice
Bezalkoholna pia
Zaini
Supa
Mesni odrezak
Toalet papir
Pasta za zube
Mara na trokove (%)

05
30 40
5 15
15 20
0 10
20 45
20 30
35 45
40 50
15 20
40 50
15 20
0 10
15 20
5 10
05
33 55
20 30
15 20
20 25
0 10
30 60
0 15
15 35
10 15
15 20
Mara od cene (%)

05
23 29
5 13
13 17
09
17 31
17 23
26 31
29 33
13 17
29 33
13 17
09
13 17
59
05
26 35
17 23
13 17
17 20
09
23 38
0 13
13 26
9 13
13 17
Tabela 8.1 Tipine mare na trokove i mare od cene za razliite proizvode.13

Moe se izvesti zakljuak da je cenovna osetljivost stavka od primarne vanosti pri
razmatranju visine mari. Osnovne namirnice i potreptine poput hleba, kafe, mlevenog mesa, mleka i supe su visoko cenovno osetljive i zato im se pridruuju relativno
niske mare. Proizvodi sa visokim marama tee da budu manje cenovno osetljivi.
Uoimo u tabeli irok opseg mari koje se primenjuju na razliite vrste proizvoda.
0-10% mare na trokove mlevenog mesa, na primer, je znaajno nie od 15-35%
mare za biftek. Hamburger je relativno jeftino meso sa prilinom privlanou za
porodice, studente i ljude sa niim primanjima kod kojih je cenovna osetljivost visoka. Nasuprot tome, relativno skupo meso od goveeg buta, restoranskih bifteka i
slinog su privlane za visokoplatene grupe sa niom cenovnom osetljivou.
13 Izvor: Hirschey, Mark - Fundamentals of Managerial Economics
Takoe je interesantno videti kako sezonski faktori utiu na tranju proizvoda u

maloprodajnim prodavnicama, a za primer uzmimo voe i povre. Kada je sezona
nekog voa ili povra, a visok kvalitet sveeg proizvoda indukuje visoku zainteresovanost potroaa, to se na kraju odraava i u visokim marama. Tranja potroaa
se smanjuje za visokoskupe/nekvalitetnije svee voe i povre kada mu nije sezona,
ime se smanjuju mare za te stavke. Pored sezonskih faktora koji utiu na mare
tokom godine, i neke trine sile takoe utiu na mare unutar neke klase proizvoda. Za itarice koje se koriste za doruak, na primer, mara na trokove za veoma popularni korn-eks dostie u razvijenim zemljama EU i SAD samo 5-6%, pri
emu se meu vodeim kompanijama vodi borba oko preimustva njihovih brendova. Raspoloivost supstituta jasno utie na visinu mari. Neki proizvod iz iste klase
proizvoda koji nema mnogo supstituta ili oni nisu ire prisutni moe imati maru na
trokove od 15-20%.
Interesantno je pomenuti da meu arenolikim mnotvom stavki koje se nude
u tipinim maloprodajnim prodavnicama, najvee mare imaju zaini. Oigledno,
tranja potroaa za retkim i specinim zainima (koji se retko koriste) je potpuno
neosetljiva na visinu cene. I zaista, teko da se neko moe prisetiti popusta ili posebne
akcijske ponude koja je vaila za zaine. Primer iz tabele 8.1 daje bitan uvid u to kako
se mogu koristiti pravila za odreivanje ekasne politike cena. Jasno je da koncept
cenovne elastinosti igra kljunu ulogu u rminim odlukama o visini cena. Da bi se
dalje razraivale ove odluke, neophodno je osmisliti metod za odreivanje optimalne
mare u praktinim politikama cena.
8.3 Odreivanje cena principom mari i maksimizacija

profita
Postoji prosta obrnuta srazmernost izmeu optimalne mare i cenovne osetljivosti tranje. Optimalna mara je velika kada je bazna cenovna elastinost tranje
niska; optimalna mara je niska kada je bazna cenovna elastinost tranje visoka.
8.3.1 Optimalna mara na trokove
Podsetimo se da, za neki dati proizvod ili uslugu, postoji direktna srazmernost
meu graninim prihodom, cenovnom elastinou tranje i cene kojom se maksimizira prot. Ova srazmernost se izraava sledeom formulom
1
MR P 1
Hcenovna
(8.6)
Da bi se maksimizirao prot, neka rma mora da posluje na nivou aktivnosti na

kojem su granini prihodi izjednaeni sa graninim trokovima. Poto su granini
prihodi uvek jednaki desnoj strani u jednaini 8.6 na nivou proizvodnje kojim se
maksimizira prot, sledi:
MR = MC
1
P1
MC
Hcenovna
(8.7)
1
P MC
1 1
Hcenovna
(8.8)
ili
Jednaina 8.8 daje formulu za cenu kojom se maksimizira prot za bilo koji proizvod, u smislu njene cenovne elastinosti tranje. Ova jednaina navodi da se cena za
maksimiziranje prota dobija mnoenjem graninog troka lanom:
1 1
Hcenovna
Da bi se dobila formula optimalne mare na trokove, prisetimo se iz jednaine

8.2 da je cena ustanovljena cost-plus metodom jednaka troku pomnoenom izrazom (1+ Mara na trokove). Jednaina 8.7 podrazumeva da je granini troak
odgovarajua osnova trokova za cost-plus odreivanje cene i da:
MC*(1+Mara na trokove) = MC*
1 1
Hcenovna
Deljenjem obe strane ovog izraza sa MC i oduzimanjem jedinice dobija se izraz:
Mara na trokove =
1 1
Hcenovna
-1
Nakon pojednostavljivanja, formula optimalne mare na trokove, ili mare na

trokove pri maksimiziranju prota, moe se napisati kao
Optimalna mara na trokove = OMC* =
1
(8.9)
Hcenovna 1
Formula optimalne mare na trokove moe biti ilustrovana preko jednostavnog primera. Zamislimo nekog vodeeg katalokog prodavca svakodnevne odee
i sportske opreme koji eli da ponudi kone sandale za svakodnevno korienje.
Neka taj prodavac plaa velikoprodajnu cenu od 25 n.j. po paru tih sandala a prodaje
ih po redovnoj katalokoj ceni od 75 n.j. Ova uobiajena protna margina od 50 n.j.
podrazumeva standardnu maru na trokove od 199% jer je
Mara na trokove
= (Cena Trokovi) / Trokovi

=(75 25)/25
= 2 ili 199%
U nekoj predsezonskoj prodaji, kataloki prodavac nudi diskontovanu cenu za

rane kupce od 70 n.j. za par sandala i uoio je umereni porast nedeljne prodaje
sa 275 pari na 305 pari. Ovo smanjenje od 5 n.j. u odnosu na redovnu cenu od 75
n.j. predstavlja blago smanjenje cene od 6.7%. Korienjem formule lune cenovne
elastinosti, luna cenovna elastinost tranje za sandalama iz ovog primera je
Ecenovna
Q 2 Q 1 P2 P1
u
P2 P1 Q 2 Q 1
305 275 70 75
u
70 75 305 275
1.5
U odsustvu dodatnih dokaza, luna cenovna elastinost tranje Ecenovna=-1.5

je najbolja procena trenutne takaste cenovne elastinosti tranje. Korienjem
jednaine 8.9, 75 n.j. za redovnu kataloku cenu odraava optimalnu maru na
trokove od 199% jer
Optimalna mara na trokove =
1
Hcenovna 1
= -1 / (-1,5 +1)
= 2,0 ili 199%.
8.3.2 Optimalna mara od cene

Kao to postoji prosta obrnuta srazmernost izmeu cenovne osetljivosti nekog
proizvoda i optimalne mare na troak, tako takoe postoji i prosta obrnuta srazmernost izmeu cenovne osetljivosti i optimalne mare od cene. Mara od cene pri
maksimiziranju prota se lako odreuje korienjem relacija koje smo ranije izveli.
Deljenjem jednaine 8.7 sa P (cenom) dobijamo izraz:
MP
P
1
1
Hcenovna
Oduzimanjem 1 sa obe strane ove jednakosti i pojednostavljivanjem dobijamo
MC P
P
1
Hcenovna
A zatim mnoenjem obe strane izraza sa -1 dobijamo
P MC
P
1
Hcenovna
(8.10)
Uoimo da leva strana jednaine 8.10 predstavlja izraz za maru od cene. Tako,
formula optimalne mare od cene postaje
Optimalna mara od cene = OMP* =
1
Hcenovna
(8.11)
Formula optimalne mare od cene moe se ilustrovati ukoliko nastavimo da koristimo prethodni primer sa katalokim prodavcem i njegovom optimalnom politikom
cena za kone sandale. Ako pogledamo u taj primer, prisetiemo se da je kataloki
prodavac plaao velikoprodajnu cenu od 25 n.j. za par sandala, a prodavao ih po redovnoj katalokoj ceni od 75 n.j., a da je luna cenovna elastinost Ecenovna= -1.5 bila
najbolja procena trenutne takaste cenovne elastinosti tranje. Ova tipina protna
margina od 50 n.j. podrazumeva standardnu maru od cene od 66.7% jer je
Mara od cene = (Cena Trokovi) / Cena =
=(75-25)/75
= 0,667 ili 66.7%
Ukoliko se i ovde moe pretpostaviti da je luna cenovna elastinost tranje,

Ecenovna=-1.5 najbolja raspoloiva procena tekue takaste cenovne elastinosti tranje, redovna kataloka cena od 75 n.j. odraava optimalnu maru od cene jer je
Optimalna mara od cene =
1
Hcenovna
= 0.667 ili 66.7%

Tabela 8.2 pokazuje optimalne mare na granine trokove i od cene za proizvode
sa varirajuom cenovnom elastinou tranje. Kao to se iz tabele moe videti, to
je elastinija tranja za nekim proizvodom, vea je njena cenovna osetljivost a manja
je optimalna margina. Proizvodi sa relativno manje elastinom tranjom imaju vee
optimalne mare. U primeru maloprodajne prodavnice (sa tabelom mari po vrstama
proizvoda), veoma niske mare su u skladu sa visokom cenovnom elastinou tranje za mlekom. Tranja za voem i povrem tokom njihove glavne sezone je znaajno manje cenovno osetljiva, i shodno tome vie mare za ove proizvode odraavaju
njihovu niu cenovnu elastinost tranje.
8.3.3 Primer optimalne mare
Upotreba formula optimalnih mari moe biti dodatno ilustrovana razmatranjem
sluaja nekog hipotetikog butika u nekom trnom centru. Pri denisanju njegove
prvobitne cene od 36 n.j. za novu letnju liniju odee, butik je dodao 50% mare na
trokove. Trokovi su procenjeni na 24 n.j. po svakom komadu odee: 12 n.j. za nabavnu cenu, plus 6 n.j. za alocirane varijabilne reijske trokove, plus alocirani ksni
reijski trokovi od 6 n.j. Potroai su veoma dobro reagovali pa kada je butik povisio
cenu sa 36 n.j. na 39 n.j. po komadu odee, prodaja je pala samo sa 54 na 46 komada
odee. Da li je inicijalna cena od 36 n.j. bila optimalna? Da li je nova cena od 39 n.j.
podoptimalna? Ukoliko je to sluaj, koja je optimalna cena?
Cenovna elastinost tranje
Optimalna nara na granine

trokove (u %)
Optimalna mara od cene (u %)
cenovna
1
Hcenovna 1
1
Hcenovna
-1,5
-2,0
-2,5
-5,0
-10,0
-25,0
199,0
100,0
66,7
25,0
11,1
4,2
66,7
50,0
40,0
20,0
10,0
4,0
Tabela 8.2- Optimalna mara na granine trokove i od cene pri razliitim

nivoima cenovne elastinosti tranje
Na prvi pogled, politika cena butika iz primera izgleda sasvim neodgovarajua.

Uvek je nepravilno posmatrati alocirane ksne trokove pri denisanju cena za bilo
koju robu ili uslugu; samo granini ili inkrementalni trokovi trebaju da se razmatraju. Ipak, ukoliko se podeava i prilikama prilagoava veliina mari na trokove ili
od cene, butik iz primera moe implicitno da kompenzuje neodgovarajuu upotrebu potpuno alociranih trokova. Nuno je da se paljivo izanaliziraju obe kategorije
trokova koji se ukljuuju u izraunavanja a da se procentualna visina mari odredi
pre ocenjivanja neke date prakse odreivanja cena.
Da bi se odredila optimalna mara za butik, nuno je sraunati jednu ocenu takaste cenovne elastinosti tranje i relevantnih graninih trokova, a zatim primeniti
formulu optimalne mare. Butikovi standardni trokovi po posmatranom komadu
odee iznose 12 n.j. nabavnih trokova (nabavne cene), uveenih sa 6 n.j. alociranih
varijabilnih trokova i 6.n.j. ksnih reijskih trokova. Ipak, za namene odreivanja cene, samo e 12 n.j. nabavnih trokova uveanih za 6n.j. alociranih varijabilnih
reijskih trokova biti smatrano relevantnim. Tako, relevantni granini trokovi za
namene odreivanja cena iznose 18 n.j. po komadu odee. Alocirani ksni reijski
trokovi od 6 n.j. su nebitni za namene odreivanja cene jer su ksni reijski trokovi
nezavisni od obima prodaje date odee.
Poveanje cene od 3n.j. na 39n.j. predstavlja umeren 7.7%-tni porast cene. Korienjem formule lune cenovne elastinosti cene, implicitna luna cenovna elastinost tranje za butikovim aktuelnim komadom odee je :
Ecenovna
Q 2 Q1
P P
u 2
P2 P1
Q 2 Q1
46 54
39nj 36nj
u
39nj 36nj
46 54
2
Moe se pretpostaviti da je luna cenovna elastinost tranje cenovna= - 2 najbolja raspoloiva procena trenutne cenovne elastinosti tranje, a da cena do 36 n.j.
odraava optimalnu maru od 100% na relevantne granine trokove od 18n.j. jer je
Optimalna mara na trokove =
1
Hcenovna 1
1
2 1
=1 ili 100%
Na slian nain, cena u visini od 36n.j. odraava optimalnu maru od cene jer je
Optimalna mara od cene =
1
Hcenovna
1
2
= 0.50 ili 50%

Butikova stvarna mara na relevantne granine trokove po komadu aktuelne
odee je optimalnih 100%, jer je:
Mara na trokove
36 18
18
= 1 (ili 100%)
Slino ovome, butikova mara od cene je optimalnih 50%, jer je:

36 18
36
= 0,5 (ili 50%)
Mara od cene =
Stoga, polazna cena koju je butik odredio za aktuelni komad odee od 36nj. predstavlja optimalnu cenu, a naknadno poveanje cene od 3nj. bi trebalo da se opozove.
Ovaj jednostavan primer omoguava da se naui jedna vana lekcija. Uprkos nepravilnom razmatranju ksnih reijskih trokova i mare u visini koja najpre moe
izgledati neprikladna, politika cena naeg butika je u potpunosti usklaena sa ponaanjem usmerenim na maksimiziranje prota jer je krajnji rezultat jedna ekasna politika cena. Usled preovlaivanja poslovnih praksi odreivanja cena po principu mare, vano je da ove tehnike odreivanja cena budu paljivo analizirane pre nego to se
cene odrede na nekom podoptimalnom nivou. Rairena upotreba metoda mari pri
odreivanju cena kod visokouspenih rmi sugerie da se metod najee koristi na
naine koji su usaglaeni sa maksimiziranjem prota. Daleko od toga da bude samo
praktino pravilo-smernica u praksi, ove prakse odreivanja cena na osnovu mari
omoguavaju rmama da dostignu optimalne cene i to na ekasan nain.
8.4 Cenovna diskriminacija

Kod postojana viestrukih trita ili grupacija potroaa, postoji potencijal za
poboljavanje prota time to bi se naplaivale razliite cene i mare za svaki od
relevantnih trinih segmenata. Segmentacija trita je vana injenica od ivotne
vanosti za rme koje posluju u domenu avioprevoza, zabave, hotelijerstva, medicinskih, pravnih i profesionalnih usluga. Firme koje nude zika dobra ili usluge takoje
esto segmentiraju njihova trita na velikoprodajna i maloprodajna a takoe prave
razliku izmeu poslovnih, obrazovnih, neprotnih i dravnih klijenata.
8.4.1 Preduslovi za protabilnu cenovnu diskriminaciju
Cenovna diskriminacija se javlja kada se razliitim klasama klijenata naplauju
razliite mare za isti proizvod. Cenovna diskriminacija se javlja i kada se razliitim
klijentima naplauju iste cene uprkos razlikama u baznim trokovima, i kada razlike u
ceni ne odraavaju razlike u trokovima.
Da bi cenovna diskriminacija bila protabilna, na razliitim podtritima moraju
da postoje razliite cenovne elastinosti tranje. Ukoliko se meu podtritima ne razlikuju cenovne elastinosti tranje, nema svrhe segmentisati trita. Pri identinim
cenovnim elastinostima i identinim graninim trokovima, politike odreivanja
cena za maksimiziranje prota iziskuje da se iste cene i iste mare koriste na svim segmentima trita. Segment trita, ili trini segment, je odeljak ili deli opteg trita
koji poseduje jedinstvene karakteristike tranje ili trokova. Na primer, velikoprodajni
kupci koji kupuju velike koliine, su upoznati sa karakteristikama i trokovima proizvoda, a takoe su dobro informisani i oko raspoloivih alternativa nekom datom proizvodu/usluzi. Velikoprodajni kupci su visoko cenovno osetljivi. I obratno, maloprodajni
kupci tee da kupuju u manjim koliinama, a ponekad su loe informisani oko trokova
i karakteristika proizvoda, i esto zanemaruju raspoloive alternative za njega. Gledani
kao grupa, maloprodajni kupci su esto manje cenovno osetljivi negoli velikoprodajni
kupci. Stoga mare koje se naplauju maloprodajnim kupcima obino premauju one
koje se naplauju velikoprodajnim kupcima.
Da bi cenovna diskriminacija bila protabilna, rma mora da bude u stanju da
ekasno identikuje relevantna podtrita i spreava transfere (preprodaje) meu
tritima. Moraju se prikupiti i nadgledati detaljnije informacije koje se odnose na
navike potroaa, preference vezane za proizvod i cenovnu osetljivost. Poednako
vana stvar je i da rma koja primenjuje cenovnu diskriminaciju mora biti u stanju
da nadgleda i prati obrasce kupovanja od strane potroaa radi spreavanja preprodaje meu podgrupama kupaca. Visokoprotabilna trina segmentacija na
velikoprodajne i maloprodajne kupce moe efektivno da se potkopava ukoliko su
maloprodajni kupci u prilici da dobijaju popuste kod za to voljnih prodavaca na
veliko. Slino prethodnom, cenovna diskriminacija meu kupcima u razliitim delovima zemlje moe biti potkopana ukoliko su klijenti u mogunosti da dobra kupljena na konkurentnom i povoljnom lokalnom tritu preprodaju na teritorijama
sa visokom protnom marginom i marom.
8.4.2 Uloga potroaevog vika
Bazni motiv za cenovnu diskriminaciju moe se sagledati i razumeti korienjem
koncepta vika koji dobijaju potroai- tzv. potroaevog vika. Potroaev viak je
vrednost pribavljenih dobara i usluga koja prelazi preko iznosa koji je plaen prodavcima. Da bi ilustrovali ovo, razmotrimo sliku 8.1, na kojoj je prikazana kombinacija ravnotene cene/obima proizvodnje P* i Q*. Ukupna vrednost proizvodnje
za kupce je zadata preko povrine ispod krive tranje, tj. povrine podruja 0ABQ*.
Poto su ukupni prihodi koji se isplauju proizvoaima jednaki ceni pomnoenoj
koliini, ona je jednaka povrini 0P*BQ*, a pritom podruje P*AB predstvalja vrednost proizvodnje iznad iznosa koji je plaen proizvoaima- tj. ono predstavlja
potroaev viak.
Na primer, ukoliko je neki dati kupac voljan da plati 199 n.j za neki dati proizvod ali
je u mogunosti da dobije povoljnu cenu od 150 n.j., on uiva u 50 n.j. potroaevog
vika. Ukoliko neki drugi kupac vrednuje isti proizvod sa samo 150 n.j. (toliko je
spreman da plati), on nee uivati u potroaevom viku pri kupovini proizvoda po
ceni od 150 n.j.
Potroaki viak nastaje usled toga to razliiti potroai daju razliitu vrednost
dobrima i uslugama. Potroai koji dodeljuju relativno visoku vrednost nekome
proizvodu bie spremni i platie relativno visoke cene; potroai koji dodeljuju relativno nisku vrednost nekome proizvodu bie voljni da plaaju samo po niskim cenama. Ukoliko se na slici 8.1 kreemo od take A nanie po krivoj trinih margina, na
tritu se javljaju potroai koji dodeljuju sve nie granine vrednosti proizvodu. Pri
niskim cenama, i potroai sa visokom vrednou i niskom vrednou postaju kupci;
pri visokim cenama, samo potroai koji dodeljuju relativno visoku vrednost nekom
proizvodu/usluzi postaju kupci. Kada vrednost nekog proizvoda znaajno varira
meu razliitim grupama potroaa, javlja se motivacija za cenovnu diskriminaciju.
Naplaivanjem viih cena potroaima sa viom graninom vrednou potronje,
prihodi e se poveati bez uticaja tj. promena trokova. Prodavci sa sposobnou da
variraju cene shodno vrednosti koju potroai dodeljuju nekom datom proizvodu
su u stanju da zahvate barem deo vrednosti koju predstavlja potroaki viak. Takva
cenovna diskriminacija e uvek poveavati prote jer omoguava rmi da povea
ukupne prihode bez poveavanja trokova. Neka rma koja je precizna u njenoj cenovnoj diskriminaciji uvek naplauje maksimum koji je mogue naplatiti na svakom
od trinih segmenata. Cenovna diskriminacija je naplaivanje u meri koliko trite
omoguava i moe da podnese.
Slika 8.1- Potroaki viak

Potroaev viak je prikazan pomou povri AP*B i predstavlja vrednost robe za
potroae iznad iznosa koji plaaju proizvoaima
Najzad, vano se shvatiti da cenovna diskriminacija ne nosi sa sobom neku zlobnu
konotaciju u moralnom smislu. U nekim okolnostima, cenovna diskriminacija dovodi do niih cena za odreene grupe potroaa i omoguava iru dostupnost dobara
i usluga. Primer za to, sa kojim se moemo susresti i u kraju u kom ivimo je nia
cena ianja za penzionere, ili povoljnije kreditne stope za mlade brane parove. Isto
tako, preduzee za javni prevoz moe naplaivati nie cene starijim osobama i hendikepiranima, ili uopte ne naplaivati nekim kategorijama. U tom smislu radi se o
tzv. pozitivnoj diskriminaciji, jer je ona u korist starijih i hendikepiranih a nautrb
ostalih kategorija koji plaaju punu cenu. Meutim, ovakav vid cenovne diskriminacije omoguava starijima i hendikepiranima veu dostupnost i mogunost korienja javnog prevoza. Zahvaljujui ovome, tj. inkrementalnim prihodima dobijenim
od starijih i hendikepiranih, preduzee za javni prevoz moe otvoriti linije koje ne bi
mogla da odrava samo od prihoda korisnika koji plaaju punu cenu, a postoji mogunost da bi preduzee dobijalo znaajne subvencije ili poreske olakice.
Formalnije posmatrano, za diskretne promene u prodaji (Q), potroaki viak se
moe aproksimativno izraunati kao:
n
CS
(P 'Q) P Q
i
i 1
(8.12)
gde Qn predstavlja koliinu traenu od strane individue i po trinoj ceni P. Iz

jednaine se vidi da je sa manjim Q bolja aproksimacija povrine potroakog vika
(vidi sliku 8.1).
8.4.3 Stepeni cenovne diskriminacije

Obim u kome neka rma moe da angauje u cenovnoj diskriminaciji se deli na
tri velike kategorije. Pod prvostepenom cenovnom diskriminacijom, rma izvlai
maksimum od svakog potroaa koji je voljan da plati za njene proizvode. Svaka jedinica proizvoda/usluge se naplauje odvojeno po ceni koja se iskazuje du krive
tranje svakog od proizvoda. Takva cenovna preciznost je retka jer ona iziskuje da
prodavci znaju maksimalnu cenu koju je svaki pojedinani kupac voljan da plati za
svaku proizvedenu jedinicu. Odluke tj. motivi kupovine se takoe moraju paljivo
nadzirati i pratiti radi spreavanja eventualne preprodaje. Iako prvostepena diskriminacija nije rairena, za nju postoji potencijal na svakom od trita na kome su
uobiajeni popusti na istaknutu cenu a krajnja, efektivna cena je stvar pregovora i
cenjkanja izmeu kupaca i prodavaca. Kada prodavci poseduju znaajnu koliinu
trine moi, potroake nabavke velikih stavki poput bele tehnike, automobila,
stanova ili profesionalni (kompanijskih usluga) sve redom imaju potencijal za postojanje prvostepene cenovne diskriminacije.
Drugostepena cenovna diskriminacija, ee korieni tip cenovne diskriminacije, ukljuuje denisanje cena na osnovu koliina koje se kupuju. Cene za veu
koliinu (paket, gajbu ili vee pakovanje) se obino deniu sa viim cenama i
marama koje se naplauju za prvu jedinicu ili blok proizvoda, a onda sa sve veim
popustima koji se nude za vee koliine. Koliinski popusti koji dovode do niih
mari za velike u odnosu na male kupce su est nain diskriminacije u ceni izmeu
velikoprodajnih i maloprodajnih klijenata. Npr. neki izdava moe naplaivati punu
cenu pri pojedinanoj kupovini knjiga ali ponuditi popuste od 40 do 50% za nabavku
vie od 20 knjiga. Javna preduzea, poput elektroprivreda-elektrodistribucija, gasnih
kompanija i vodovoda, takoe esto naplauju blok tarife koje su diskriminatorne.
Potroai plaaju relativno visoke mare za segment stanovnitva, dok komercijalni
i industrijski korisnici plaaju relativno niske mare. Kancelarijska oprema poput
kopir-maina i serverskih raunara su dodatni primeri proizvoda za koje se praktikuje drugostepena cenovna diskriminacija, posebno kada se radi o lizingu ili tajmering principu korienja tih ureaja.
Najzastupljeniji oblik cenovne diskriminacije, treestepena cenovna diskriminacija, je fenomen koji nastaje kada neka rma odvaja svoje klijente u nekoliko klasa
ili denie nekoliko grupa cena za svaku od klasa klijenata. Klasikacija klijenata
moe biti zasnovana na protnom i neprotnom statusu, regionalnoj lokaciji ili starosnoj dobi klijenata. Veliki svetski izdavai redovno nude obrazovne popuste koji
mogu premaivati i 30-40% od redovnih, istaknutih cena. Ti megaizdavai su eljni da
prodru u segment populacije koja se koluje pod pretpostavkom da e ta populacija
kasnije u budunosti postati njihova verna klijentela. Autokompanije, proizvoai
PC-eva, i ostali su takoe esto zastupljeni u ulozi donatora i ponuaa velikih popusta obrazovnim ustanovama, kao deo njihove sveobuhvatne marketinke strategije. Mnoge bolnice u svetu takoe nude razne popuste za razliite grupe pacijenata.
Ukoliko se nezaposlenim pacijentima i pacijentima bez zdravstvenog osiguranja

naplauju samo iznosi koji bi oni obino mogli da priute sebi, dotle se pacijentima
koji su zaposleni i sa punim osiguranjem naplauju maksimalno mogue tarife, ime
bolnice vre cenovnu diskriminaciju u korist nezaposlenih a protiv zaposlenih.
Raireni popusti za starije osobe takoe predstavljaju cenovnu diskriminaciju u korist starijih klijenata ali protiv mlaih.
Prirodno je da neko moe uzeti u obzir i kombinovanu drugostepenu i
treestepenu cenovnu diskriminaciju, gde cene variraju sa kupljenom koliinom
robe, ali takoe variraju i sa drugim karakteristikama pojedinanih kupaca. Na slici 8.2 je prikazana kriva pojedinanih tranji za diskretne proizvode. Ona oslikava
sluaj gde cena rezervisana za pojedinane sluajeve, ili granina spremnost da se
plati (WTP) za robu, opada sa kupljenom koliinom robe. Cenovni plan B (horizontalna linija) je uniformni tip cena koji se koristi u treestepenoj cenovnoj diskriminaciji. Kao to je prikazano na tom nivou pojedinci kupuju 6 jedinica robe i potroa
dobija potroaki viak koji je jednak povrini D + , dok rma ostvarjuje prihod
jednak povrini J. Suprotno, cenovni plan A karakterie drugostepenu cenovnu diskriminaciju pojedinac jednako uzima 6 jedinica, ali u ovom sluaju cenovni plan
izdvaja deo potroakog vika i trensferie ga u rmu pa imamo da pojedinac dobija
potroaki viak dok rma dobija + J.
Slika 8.2
Prvostepena cenovna diskriminacija e biti ostvarena ako rma moe da izdvoji
celokupnu spremnost za plaanje. na primer ako zna pojedinanu funkciju tranje
ona moe da ponudi pojedincu 6 jedinica po principu uzmi ili ostavi za plaanje od
D + + J, i u tom sluaju e rma zaraditi prihod od + J dok e potroa dobiti nulu
kao potroaki viak. Meutim, retka je situacija da je rma u takoj privilegovanoj
poziciji, tj. da zna pojedinane funkcije tranje. Takoe, u praksi prvostepena cenovna diskriminacija esto nije podesna pa otuda o njoj nee biti dalje diskutovano.
8.4.4 Primer diskriminacije cena

Diskriminacija cena je protabilna strategija jer omoguuje preduzeu da povea
svoju dobit bez poveavanja trokova. Ona predstavlja ekasno sredstvo poveanja
prota jer omoguuje preduzeu da to vie izjednai granine prihode sa graninim
trokovima. Preduzee koje moe da segmentuje svoje trite, maksimizira prot
radei u taki ravnotee graninih trokova i graninih prihoda u svakom trinom
segmentu. Detaljno opisan primer e pomoi u ilustrovanju ovog procesa.
8.4.4.1 Odreivanje cene/rezultat
Pretpostavimo da SportPro univerzitet eli da smanji decit u radu odseka za
sport i povea broj prisutnih studenata na sportskim utakmicama. Kako bi se postigli
ovi ciljevi, razmotrena je nova dvodelna tarifa za sezonske ulaznice.
Odsek je sproveo analizu trita i predloio sledee odnose tranje i graninog
prihoda:
Tranja trinog segmenta - Populacija
Tranja trinog segmenta Studenti
Ppopulacija = 225 - 0,005 Qpopulacija
Pstudenti = 125 - 0,00125 Qstudenti
MRpopulacija = TRpopulacija/ Qpopulacija
MRstudenti = TRstudenti/ Qstudenti
= 225 - 0,01Qpopulacija
= 125 - 0,0025 Qstudenti
Iz datih krivih trine tranje i graninih prihoda jasno se vidi da je opta populacija spremna da plati viu cenu u odnosu na studente. Opta populacija je spremna
da plati do 225 n.j za karte, preko koje ne postoji tranja. Studenti su voljni da uu na
trite samo u sluaju kada je cena ispod 125 n.j.
Tokom poslednjih godina, budet sportskog programa je iznosio 1,5 miliona n.j.
godinje. Budet je pokrivao ksnu platu, angamane, osiguranje i trokove odravanja
objekata. Pored ovih ksnih trokova, univerzitet je preuzimao na sebe varijabilne
trokove izdavanja ulaznica, ienja prostorija kao i trokove izrade zatitnih futrola
za ulaznice od 25 n.j. po sezoni. Ostvareni su ukupni i granini trokovi
TC = 1.500.000 + 25Q
MC = TC / Q = 25
Koja je to onda optimalna cena i koliina ulaznica za utakmicu za svako trite,

pod pretpostavkom da X usvoji novu politiku formiranja cene ulaznica sa popustom
za studente? Kako bi dali odgovor na ovo pitanje, moramo shvatiti da zato to je MC
= 25 n.j, decit u radu odseka za sport se minimizira uspostavljanjem MR = MC = 25
n.j. u svakom trinom segmentu i reavanjem Q. Ovo je takoe strategija maksimizacije prota sportskog programa. Stoga je
Tranja trinog segmenta Populacija
MRpopulacija = MC
225 0,01 Qpopulacija = 25
Qpopulacija = 20.000
i
Ppopulacija = 225 0,005 (20.000)
= 125
Tranja trinog segmenta Studenti
MRstudenti = MC
125 0,0025 Qstudenti = 25
Qstudenti = 40.000
i
Pstudenti = 125 n.j 0,00125 (40.000)
= 75
Na kraju, ostvareni ukupni sucit (prot) sportskog programa je:
Ostvareni Sucit (Prot) = TRpopulacija + TRstudenti TC
= 125 (20.000) + 75 (40.000) 1.500.000 25 (60.000)
= 2,5 miliona
Da rezimiramo, optimalna kombinacija cena/rezultat sa diskriminacijskom cenom
je 20.000 po jedinici prodaje optoj popullaciji, po ceni od 125 n.j a 40.000 po jedinici
prodaje studentima po ceni od 75 n.j. Ovakvom praksom formiranja dvodelne tarife
ostvaruje se optimalni sucit (prot) od 2,5 miliona n.j.
8.4.4.2 Poreenje sa alternativnom uniformno odreenom cenom

Da bi izmerili implikaciju ove nove prakse uvoenja dvodelne tarife, potrebno je
uporediti ostvarene visine cene/rezultata i sucita sa onim koje bi X univerzitet ostvario ukoliko bi zadrao svoju trenutnu politiku uniformnog odreivanja cena.
Da su se ulaznice nudile studentima i optoj populaciji po istoj ceni, onda bi ukupna tranja bila jednaka zbiru studenata plus tranji opte populacije. Krive trine
tranje studenata i opte populacije su
Qpopulacija = 45.000 199Ppopulacija
i
Qstudenti = 100.000 800Pstudenti
Pod pretpostavkom da je Ppopulacija = Pstudenti, ukupna tranja (QT) je jednaka
QT = Qpopulacija + Qstudenti
= 145.000 1.000P
i
P = 145 0,001Q
iz ega proizilazi da je
MR = TR / Q = 145 0,002Q
Ove krive agregatne tranje student-plus-opta-populacija trita i graninog
prihoda su samo za cene ispod 125 n.j, nivo pri kome e i studenti i opta populacija kupiti ulaznice. Pri ceni iznad 125 n.j, samo e populacija koja nisu studenti
kupiti ulaznice, a kriva javne tranje Pp = 225 0,005 Qp predstavlja i ukupnu trinu
tranju. Ovo uzrokuje krivu tranje sa negativnim nagibom pri ceni od 125 n.j., kako
je prikazano na Slici 8.3.
Uniformna cena sezonske ulaznice koja maksimizira sucit (ili prot) je odreena
uspostavljanjem MR = MC za ukupno trite i reava Q:
MR = MC
145 n.j. 0,002 n.j. Q = 25 n.j.
0,002 n.j.Q = 120 n.j.
Q = 60.000
P = 145 n.j. 0,001 n.j. (60.000)
= 85 n.j.
i
Qpopulacij= 45.000 199 (85 n.j.)

= 28.000
Qstudent i= 100.000 800 (85 n.j)
= 32.000
Ostvareni sucit (prot) = TR TC
= 85 n.j (60.000) 1.500.000 n.j 25 n.j (60.000)
= 2,1 milion
Obratite panju da je ukupan broj prodatih ulaznica 60.000 i u sluaju politike
dvodelne tarife i uniformnog odreivanja cena. To je zato to je granina cena ulaznice ista u oba provedena scenarija. Politika odreivanja cene ulaznica sa popustom
za studente poveava broj studenata prisutnih na utakmicama sa 32.000 na 40.000
i maksimizira sucit sportskog programa na 2,5 miliona n.j. ( a ne 2,1 milion n.j.).
Sa gledita X univerziteta, to je svakako bolja politika odreivanja cena. Meutim,
takva diskriminacija cena stvara i pobednike i gubitnike. Pobednici, nakon usvajanja popusta za studente, su studenti i X univerzitet. Gubitnici su populacija opte
javnosti, koji plaaju viu cenu za ulaznice ili su iskljueni iz trita.
8.4.4.3 Graki prikaz
Problem SportPro univerziteta u formiranju cena i koncept diskriminacije cena se
moe graki prikazati. Slika 8.3 prikazuje krivu tranje opte populacije u delu (a) i
studenata u delu (b). Kriva agregatne tranje u delu (c) predstavlja horizontalnu sumu
traene koliine pri svakoj ceni u ovim segmentima trita (populacija,studenti).
Pridruena kriva graninih prihoda, MRp+S, ima slinu interpretaciju. Na primer,
granini prihod je 25 n.j. pri nivou poseenosti 20.000 u tritu populacije a 25 n.j. pri
nivou poseenosti od 40.000 u tritu studenata. Dakle, jedna taka na krivi ukupnih
graninih prihoda predstavlja rezultat od 60.000 jedinica i granini prihod od 25 n.j..
Sa gledita trokova, nije bitno da li su ulaznice prodate populaciji ili studentima. Nepromenjena kriva graninih trokova MC = 25 n.j. je primenjena u svakom tritu.
Reavanje ovog problema odreivanja cena graki je proces iz dva dela. Prvo se
mora odrediti ukupni nivo rezultata za maksimiziranje prota, a onda se taj rezultat
mora alocirati u segmentima trita. Do maksimizacije prota dolazi u nivou agregatnog rezultata, pri kome su granini prihodi i granini trokovi u ravnotei. Slika 8.3
(c) prikazuje maksimizaciju prota od prodaje 60.000 ulaznica, pri emu i granini
trokovi i granini prihodi iznose 25 n.j.. Tana alokacija ukupnog rezultata izmeu
dva segmenta trita se graki odreuje iscrtavanjem horizontalne linije
Slika 8.3 Diskriminacija cene za isti proizvod plasiran na dva trita

(Diskriminacija cena rezultuje u viim cenama u segmentima trita sa niom
cenovnom elastinou (opta populacija- P) i niim cenama u segmentima trita
sa visokom cenovnom elastinou (studenti-S).
Slovo D na graku oznaava tranju koja oznaava da je iznos graninih trokova
u svakom segmentu 25 n.j. pri naznaenoj vrednosti agregatnog rezultata. Presek ove
horizontalne linije sa krivom graninih prihoda u svakom segmentu oznaava optimalnu raspodelu prodajne i cenovne strukture. U ovom sluaju se prot maksimizira
pri nivou poseenosti (rezultat) od 60.000, prodaje 20.000 ulaznica javnosti po ceni
od 125 n.j. i 40.000 ulaznica studentima po ceni od 75 n.j..
8.5 Strategije odreivanje cena za viestruke jedinice

kupljenih proizvoda
Kada proizvodi imaju razliite vrednosti za razliite potroae, proti se ponekad
mogu poboljati korienjem strategija odreivanja cena za viestruke jedinice
(proizvoda). Sa viejedininim odreivanjem cena, svi potroai se obino suoavaju
sa istom emom odreivanja cena, ali je cena koju plaaju odreena preko vrednosti
koju potroai dodeljuju ukupno kupljenoj koliini proizvoda/usluga. Za razliku od
odreivanja cene za jednu jedinicu proizvoda, kod kojeg se svim potroaima naplauje
jedinina cena kojom se postie MR=MC (granini prihodi=graninim trokovima),
viejedinino odreivanje cena moe dovesti do odreene meavine naplaivanja
po jedinici i paualne sume.Poput cenovne diskriminacije, viejedinine strategije odreivanja cena su se pokazale kao efektivan nain za izvlaenje potroakih
vikova na korist proizvoaa.
8.5.1 Dvodelno odreivanje cena
Sportski klubovi, odmaralita koja posluju po principu tajm-eringa, golf-tereni i
iroka raznolikost organizacija koje posluju po principu lanstva nude dobra i usluge
korienjem dvodelnog odreivanja cene. Rairena tehnika dvodelnog odreivanja
cene sastoji od naplaivanja svim klijentima nekog ksnog lanstva na mesenom
ili godinjem nivou, uveanog za tarifu korienja po jedinici. Generalno, neka rma moe poboljati prote naplaivanjem svakom klijentu tarife po jedinici koja je
jednaka graninom troku, a pored toga i neke ksne tarife koja je jednaka veliini
potroakog vika koji se generie pri toj tari po jedinici.
U sluaju lanstva u nekom golf-klubu, na primer, dvodelno naplaivanje cene
sastoji se od velike tarife za doivotno lanstvo uveane za odravanje terena pri
svakom korienju golf terena. Da bi ilustrovali kako se praksa dvodelnog odreivanja
cene moe pokazati protabilnom, pretpostavimo da kriva tranje nekog pasioniranog golfera i kriva graninih prihoda moe biti napisana u obliku
P = 100 1Q
MR= TR/Q = 100 2Q
gde P oznaava cenu po jednoj partiji golfa, a Q je broj pratija koje se odigraju
tokom jedne kalendarske godine. Radi jednostavnosti, pretpostaviemo takoe da
su granini trokovi jedne partije golfa 20n.j., a da su ksni trokovi ravni nuli. Time
dobijamo sledee relacije ukupnih i graninih trokova:
TC = 20n.j.Q
MC =TC/Q = 20n.j.
Kao to se moe videti na slici 8.3(a), cena po jednoj jedinici proizvoda pri maksimiziranju prota za neki monopolistiki golf klub se moe nai postavljanjem da je
MR=MC, gde je
MR = MC
100 2Q = 20
2Q = 80
Q = 40
Pri koliini od 40 kojom se maksimizira prot, optimalna cena po pojedinanoj
jedinici je 60n.j. a ukupan prot je jednak 1.600n.j. jer je
P = 100 1(40)
= 60
S =TR TC
= 60(40) 20(40)
= 1.600
Uoimo sa slike 8.4(a) da je vrednost potroakog vika pri standardnoj ceni po

jedinici proizvoda jednaka povrini ispod krive tranje koja lei iznad cene od 60 n.j.
kojom se maksimizira prot.
Kada vrednost proizvoda varira shodno koliini proizvoda koja se kupi, proti mogu biti poboljani postavljanjem da cena bude jednaka graninom troku,
uveanom za tarifu koja je jednaka potroakom viku pri tom nivou aktivnosti.
Slika 8.4 Monopolsko odreivanje cene po jedinici

nasuprot dvodelnom odreivanju cene
Poto je povrina tog trougla jednaka jednoj polovini vrednosti osnovice
pomnoene visinom, vrednost potroakog vika je jednaka
Potroaki viak
1
>40 u 100 60 @
2
= 800
Reima iskazano, ovo znai da pri ceni za jednu jedinicu u visini od 60n.j., pasionirani igra golfa e odabrati da odigra 40 partija golfa, to e dovesti do ukupnih
prihoda od 2.400 i ukupan prot od 1.600 za golf-klub. injenica da potroaki viak
iznosi 800 znai da je pasionirani igra golfa spreman da plati dodatnih 800 da odigra
ovih 40 partija golfa. To je iznos koji prelazi plaenih 2.400. Pasionirani golf igra je
dobio dobru cenu za igranje golfa.
Alternativno, za naplaivanje cene po pojedinanoj jedinici u visini od 60n.j.
po partiji golfa, razmotrimo ono to bi moglo da se zaradi korienjem dvodelne
eme odreivanja cene. Radi maksimiziranja prota, golf-klub bi mogao da odabere
naplaivanje cene po jedinici (partiji golfa) koja bi bila jednaka graninom troku,
uveanu za neku ksiranu tarifu koja je jednaka veliini potroakog vika koji svaki
od klijenata dobija pri toj ceni. Zapamtimo, sa slike 8.4, da je vrednost potroakog
vika jednaka podruju ispod krive tranje koja lei iznad cene po jedinici. Kada se
postavi da je cena po jedinici (partiji golfa) jednaka graninom troku, P=20n.j. i
Q=80 jer je
P = MC
100 1Q = 20
Q = 80
Pri ceni po jedinici u visini od 20n.j. i nivou autputa od 80, vrednost potroakog
vika je jednaka
Potroaki viak
1
>80 u 100 20 @
2
= 3.199
Na ovaj nain, 3.199 n.j. je maksimalna tarifa za lanstvo koji bi dati pasionirani
igra golfa platio za igranje 80 partija golfa tokom kalendarske godine ukoliko se
po partiji golfa naplauje dodatna umerena taksa od 20n.j. za odravanje terena. Sledi da dvodelna ema odreivanja cene pri maksimiziranju prota koja e se
naplatiti svakom od igraa predstavlja tarifu za godinje lanstvo u visini od 3.199
uveanu za 20 po odigranoj partiji golfa. Ukupni prihodi golf kluba u visini od 4.800
predstavljaju punu vrednost dobijenu od igranja 80 partija golfa tokom godine dana,
pokrivenih graninih trokova od 1.600=(20 x 80), i rezultira do prota u visini od
3.199 n.j. za golf klub.
Tokom razmatranja primera naeg golf-kluba, implicitno smo pretpostavljali da
prodavac (golf klub) mora da uiva odreenu trinu mo da bi bio u poziciji da uvodi
bilo koju dvodelnu emu odreivanja cene. U suprotnom, konkurencija bi mogla da
podkree veliinu godinje lanarine, a cene po jedinici (partiji) bi teile graninim

trokovima. Stoga, nije iznenaujue da visoke lanarine za golf-klubove tee da
budu najzastupljenije u gusto-naseljenim urbanim podrujima gde pogodno locirani
golf-klubovi mogu biti veoma traeni usled decitarnosti ponude. U perifernim ili
ruralnim podrujima, gde ogranienja vezana za lokaciju ili izgradnju novih golfterene ne postoje ili su mnogo manja, visoki iznosi za godinje lanstvo tee da budu
relativno retka pojava.
8.5.2 Odreivanje cena za paket proizvoda
Drugi nain na koji rme sa trinom moi mogu poboljati prote je korienje
jedne varijante dvodelnog odreivanja cene koja se naziva odreivanje cene za paket proizvoda ili usluga. Ako ste ikada, u nekome od hipermarketa, kupovali pakovanje od 12 aica bezalkoholnih pia, godinju pretplatu na asopise ili neke usluge,
ili koristili akciju dva po ceni jednog, iskusili ste iz prve ruke ta znai koncept
odreivanja cene za paket proizvoda ili usluga. Ukoliko postoji znaajan potroaki
viak, proti se mogu poboljati ukoliko se proizvodi nabavljaju zajedno kao jedan
paket odnosno objedinjena vea koliina dobara ili usluga. Paketi mogu biti neki
pojedinaan proizvod, poput bezalkoholnih pia ili knjigovodstvenih usluga, ili se
mogu sastojati od blisko povezanih dobara i usluga. Na primer, autoproizvoai
mogu nuditi luksuzne pakete dodatne opreme koja se sastoji od opcione opreme za
nova kola poput servoupravljaa, servokonica, automatskog menjaa, zatamljenih
stakala itd. Slino ovome, prodavci automobila esto nude pakete usluga, poput
promene ulja, promene transmisione tenosti, ispiranja i pranja i nog podeavanja
motora po nekoj specijalnoj ceni za paket usluga. U sluaju pojedinanog proizvoda koji se prodaje u paketu od vie jedinica istog, optimalna cena za paket se dobija na nain slian izraunavanju optimalne dvodelne cene koje je opisano na slici
8.4. Kao i u sluaju dvodelnog odreivanja cene, optimalni nivo autputa se odreuje
postavljanjem cene tako da bude jednaka ukupnoj povrini iznad krive tranje u toj
taki. Na slici 8.4(b), na primer, optimalna cena paketa u visini od 4.800 ukljuuje
ukupnu vrednost potroakog vika generisanoj pri pojedinanoj ceni po jedinici (ili
3.199), uveanu za ukupne trokove (ili 1.600).
Optimalno odreivanje cene povezanih ali ne i identinih proizvoda se izvodi
na analogan nain. I opet, ukupni iznos koji se naplauje jednak je vrednosti ukupne povrine iznad krive tranje pri nekom optimalnom nivou autputa, pri emu
se autput denie kao paket povezanih dobara ili usluga. Kao i u sluaju dvodelnog odreivanja cene, optimalni nivo autputa se odreuje postavljanjem cene tako
da bude jednaka graninim trokovima i reavanjem po koliini (veliini autputa).
Zatim, optimalna paketna cena je prosto paualna veliina koja je jednaka ukupnoj povrini iznad krive tranje na tom nivou aktivnosti. U sluaju povezanih ali
neidentinih proizvoda, paketno odreivanje cene se takoe ponekad koristi jer rme
nisu u stanju da precizno odrede koliine koje su razliiti potroai voljni da plate za
razliite proizvode. Ukoliko menaderi imaju precizne informacije o vrednosti koju
svaki pojedinani potroa dodeljuje svakom pojedinanom proizvodu, rma moe
stei jo vee prote, putem preciznog vezivanja naplaivane cene za vrednost koju
proizvodu dodeljuje svaki od potroaa.
8.6 Definisanje cena za vie proizvoda

Teko je zamisliti da neka rma ne proizvodi vie razliitih proizvoda. Skoro sve kompanije proizvode viestruke modele, stilove, ili veliine autputa, a svaka od ovih varijacija moe predstavljati odvojeni proizvod pri odreivanju cene.
Iako odreivanje cena za viestruke proizvode iziskuje neku osnovnu analizu kao
i u sluaju pojedinanog proizvoda, analiza je zakomplikovana meuzavisnostima
proizvodnje i tranje.
8.6.1 Meuzavisnosti tranje
Meuzavisnosti tranje nastaju usled konkurencije ili komplementarnosti izmeu
razliitih proizvoda ili linija proizvoda. Ukoliko su proizvodi meuzavisni, bilo kao
substituti bilo kao komplementarna dobra, promena u ceni jednog utie na tranju
drugog. Odluke pri odreivanju cena viestrukih proizvoda moraju da odraavaju
takve uticaje. U sluaju rme sa dva proizvoda, funkcije graninih prihoda za svaki
proizvod se mogu ispisati kao
MR A
MR B
'TR
'Q A
'TR A 'TR B

'Q A
'Q A
(8.13)
'TR
'Q B
'TR B 'TR A

'Q B
'Q B
(8.14)
Prvi lan sa desne strane jednaine predstavlja granini prihod koji je direktno
pridruen svakom od proizvoda. Drugi lan opisuje indirektne granine prihode
povezane sa svakim od proizvoda i ukazuje na promene u prihodima koji nastaju
usled promene obima prodaje alternativnog proizvoda. Na primer, TRB/QA u
jednaini 8.12 pokazuje efekat koji na prihode od proizvoda B ima dodatna prodata
jedinica proizvoda A. I slino ovome, TR A/QB u jednaini 8.13 pokazuje efekat
koji na prihode od proizvoda A ima dodatna prodata jedinica proizvoda B.
lanovi ukrtenih graninih prihoda koji odraavaju meupovezanosti tranje
mogu biti pozitivni ili negativni. Za komplementarne proizvode, neto efekat je pozitivan jer poveanje prodaje jednog proizvoda dovodi do poveanja prihoda (prodaje)
od drugog. Za zamenske proizvode (substitute), poveana prodaja jednog proizvoda
smanjuje tranju za drugim, a lan ukrtenih graninih prihoda je negativan. Precizno odreivanje cene u sluaju viestrukih proizvoda iziskuje kompletnu analizu
efekata odluka o visini cena. Ovo esto znai da optimalno odreivanje cena iziskuje
primenu inkrementalne analize da bi se osiguralo da budu obuhvaene sveobuhvatne
posledice cenovnih odluka.
8.6.2 Meuzavisnosti proizvodnje
Iako su mnogi proizvodi povezani jedni sa drugima preko relacija tranje, neki
proizvodi su povezani u smislu proizvodnog procesa. Nusproizvod (uzgredni proizvod) je bilo koji autput koji se uobiajeno proizvodi kao direktan rezultat poveanja u
proizvodnji nekog drugog autputa. Iako je uobiajeno da se pomisli da nusproizvodi
nastaju samo iz procesa zike proizvodnje, oni nastaju i u procesu pruanja usluga.
Jedan od primarnih razloga zato su vrhunske raunovodstvene rme postale vodea
sila u segmentu menadment informacionih sistema (MIS) je taj da informacije generisane u procesu revizije imaju prirodne posledice (i primene) u MIS-u, i obratno.
Na ovaj nain, revizorske i konsultantske usluge predstavljaju zdruene proizvode
koji se proizvode u promenljivim srazmerama. Troak pruanja bilo koje od tih usluga zavisi uveliko od obima u kojoj je druga usluga pruena. Zahvaljujui ekasnostima zdruene proizvodnje, rairen je sluaj da klijenti neke raunovodstvene rme
postaju takoe i klijenti za MIS konsalting.
Viestruki proizvodi se proizvode u promenljivim srazmerama za irok opseg
dobara i usluga. U procesu ranisanja sirove nafte, proizvode se benzin, dizel, loulje i drugi proizvodi, u promenljivim srazmerama (zavisno od kvaliteta sirove
nafte i tehnolokog procesa). Troak i raspoloivost bilo kojeg pojedinanog nusproizvoda zavisi od tranje za preostalim proizvodima. Nusproizvodi su ponekad,
takoe, i neeljena ili neizbena posledica proizvodnje odreenih dobara. Kada
se proizvodi drvena graa, takoe nastajaju opiljci i otpadna kora, koji se onda koriste za batenske namene ili za proizvodnju papira. Pri proizvodnji papira, preostale
hemikalije i zagaene vode nastale u procesu prerade moraju da budu tehnoloki
preraene i preiene ili reciklirane. I zaista, esto se zapravo moe zakljuiti da
je zagaenje nuan nusproizvod mnogih proizvodnjih procesa. Kako je zagaenje,
po samoj svojoj deniciji, loe sa tetnih drutvenim posledicama umesto da bude
dobro sa drutveno korisnom vrednou, proizvodni procesi esto iziskuju izmene
i modernizacije da bi se minimizirao ovakav tip negativnih zdruenih proizvoda.
Meuzavisnosti proizvodnje su ponekad tako snane da stepen zdruenosti u
proizvodnji ostaje relativno konstantan. Na primer, mnogi poljoprivredni proizvodi
se zdrueno proizvode u nekoj ksiranoj srazmeri. ito i slama, meso i stona koa,
mleko i puter se svi redom proizvode u relativno ksnim proporcijama. U rudarstvu,
zlato i bakar, srebro i olovo, i drugi plemeniti metali i minerali se esto proizvode
zdrueno u ksnim srazmerama. Odgovarajue cenovne i odluke o proizvodnji takvih
proizvoda su mogue jedino ukoliko se u njima odraavaju takve meuzavisnosti
datih proizvoda.
8.6.3 Zdrueni proizvodi koji se proizvode u promenljivim srazmerama
Firme esto mogu varirati srazmere u kojima se proizvode zdrueni proizvodi. ak
i klasian primer ksnih srazmera zdruene proizvodnje mesa i koe vai samo na
krae periode: sitnija ili krupnija stoka moe biti uzgajana da daje razliite srazmere
ova dva proizvoda. Kada se srazmere zdruenog autputa mogu varirati, mogue je
konstruisati odvojene zavisnosti graninih trokova za svaki od proizvoda.
Granini troak bilo kojeg od zdruenih proizvoda koji se proizvode u promenljivim proporcijama je jednak poveanju ukupnih trokova koje je povezano sa
poveanjem autputa za jednu jedinicu tog proizvoda, drei konstantnom proizvedenu koliinu drugog zdruenog proizvoda. Odreivanje optimalne cene /autputa za
zdruene proizvode u ovom sluaju iziskuje istovremeno reavanje relacija graninih
trokova i graninih prihoda. Firma maksimizira prot poslovanjem na nivou autputa na kojem granini troak proizvodnje svakog od zdruenih proizvoda biva jednak
graninom prihodu koji on stvara. Kombinacija zdruenih proizvoda A i B, kojom
se maksimizira prot, na primer, javlja se na nivou autputa na kojem je MRA=MCB
i MRB=MCB.
Vano je napomenuti, ipak, da iako je mogue da se odrede zasebni granini
trokovi dobara koja se proizvode u promenljivim srazmerama, nemogue je odrediti njihove individualne prosene trokove. Ovo je usled toga to zajedniki trokovi
predstavljaju izdatke koji su nuni za proizvodnju nekog zdruenog proizvoda.
Zajedniki trokovi proizvodnje trokovi sirovina i opreme, izdaci za menadment,
i ostali reijski trokovi ne mogu biti alocirani svakom od pojedinanih nus-proizvoda na bilo kojoj ekonomski zasnovanoj bazi. Samo trokovi koji se mogu odvojeno
identikovati sa nekim specinim nus-proizvodom mogu biti alocirani. Na primer,
trokovi tavljenja za kou i trokovi hlaenja za meso su odvojeno identikujui
trokovi za svaki od nus-proizvoda iz naeg primera. Trokovi hranjenja stoke su
zajedniki i ne mogu biti alocirani rasporeivanjem na proizvodnju mesa i koe. Bilo
koje alociranje zajednikih trokova bi bilo pogreno i proizvoljno.
8.6.4 Zdrueni proizvodi koji se proizvode u ksnim srazmerama
Jedan interesantan sluaj zdruene proizvodnje je onaj za nus-proizvode koji se
proizvode u ksnim srazmerama. Proizvodi koji se moraju proizvoditi u ksnim
srazmera trebalo bi da se posmatraju kao paketni ili objedinjeni autput. Kada se nusproizvodi zdrueno proizvode u ksnim srazmerama, svi trokovi su zajedniki, i ne
postoji ekonomski smislen metod alokacije trokova. Odreivanje optimalne cene/
autputa za autput koji se proizvodi u ksnim srazmerama iziskuje analizu relacija
izmeu graninog prihoda i graninog troka za objedinjeni paketni autput. Dok god
je zbir graninih prihoda koji se dobijaju od svih nus-proizvoda vei negoli granini
trokovi proizvodnje, rma ostvaruje koristi prilikom proirivanja autputa.
Slika 8.5 ilustruje problem odreivanja cene za dva proizvoda koji se proizvode
u ksnim srazmerama. Na slici su prikazane krive tranje i graninih prihoda za
svaki od nus-proizvoda kao i kriva graninog troka za proizvodnju objedinjenog
autput paketa. Vertikalnim zbrajanjem dve krive graninih trokova dolazi se do
ukupnih graninih prihoda koje generiu oba nus-proizvoda. Krive graninih prihoda se zbrajaju vertikalno jer svaka jedinica autputa dovodi do prihoda koji nastaju
iz prodaje oba nus-proizvoda. Presekom krive ukupnih graninih prihoda MRT sa
krivom graninog troka dolazi se do nivoa autputa kojim se maksimizira prot.
Optimalna cena za svaki od nus-proizvoda se odreuje preko preseka vertikalne
linije, na nivou autputa kojim se maksimizira prot, sa krivom tranje svakog od
nusproizvoda. Q1 predstavlja optimalnu koliinu autput paketa koji e se proizvesti,
a PA i PB su cene koje e se naplaivati za svaki od nusproizvoda.
Uoimo da se kriva MRT sa slike 8.5 poklapa sa krivom graninog prihoda za
proizvod B na svim obimima autputa veim od Q2. Ovo je usled toga to MR A postaje
negativno u toj taki, a rma ne bi prodavala vie nekoli koliinu proizvoda A koja
je zastupljena u autput paketu Q2. Ukupni prihod koji se generie od proizvoda A je
maksimiziran na autputu Q2; prodaja bilo koje vee koliine proizvoda A bi smanjila
prihode i prote.
Slika 8.5 Optimalno odreivanje cena za zdruene proizvode koji se proizvode u

ksnim srazmerama
(Kod zdruenih proizvoda koji se proizvode u ksnim srazmerama, optimalni nivo
aktivnosti se javlja u nekoj taki u kojoj su granini prihodi dobijeni iz oba nus-proizvoda (MRT) jednaki graninom troku proizvodnje)
Ukoliko se kriva graninih trokova za autput paket see sa krivom ukupnih
graninih prihoda s desne strane Q2, maksimiziranje prota iziskuje da rma podigne nivo autputa do te take preseka. U toj taki, proizvod B mora imati cenu koja
je indikovana njegovim krivama tranje i graninih prihoda. Poto prodaja proizvoda
B nudi jedinu motivaciju za proizvodnju iznad nivoa Q2, granini prihodi koje stvara
prodaja proizvoda B mora biti dovoljna da pokrije granine trokove proizvodnje
itavog autput paketa. U ovom sluaju, maksimiziranje prota iziskuje da MRB=MC.
Iznad nivoa autputa Q2, granini troak proizvoda A je nula; proizvod A je neizbean
nusproizvod proizvodnje proizvoda B. Iznad nivoa Q2, cena proizvoda A se denie
u cilju makrimiziranja prota tako da MR A=MC A=0. Ova situacija pri odreivanju
cena je ilustrovana na slici 8.6, koja pokazuje iste krive tranje i graninih prihoda
sa slike 8.5, zajedno sa novom krivom graninih trokova. Optimalna obim autputa
je Q3, i on je odreen presekom krive graninog troka i krive ukupnih graninih
prihoda.
Proizvod B se prodaje u koliini koja je iskazana preko autput paketa Q3 i po ceni

PB. Koliina prodaje proizvoda A je limitirana na koliinu u autputu Q2 i po ceni PA.
Viak koliine proizvedenih proizvoda A, prikazan kao Q3-Q2, mora biti uniten ili na
drugi nain dran van trita tako da njegova cena i ukupni prihodi ne budu sputeni
ispod onog indikovanog u Q2.
Slika 8.6 Optimalno odreivanje cena za zdruene proizvode koji se proizvode u

ksnim srazmerama sa vikom proizvodenje jednog od njih.
Kada cela proizvodnja nus-proizvoda A ne moe biti prodata po ceni koja
generie pozitivan granini prihod, njegova prodaja e biti limitirana do take u
kojoj je MR A=0. Viak proizvodnje, koji se iskazuje kao Q3-Q2, e biti uniten ili na
drugi nain dran van prodaje
Zdrueni autput, koji se ponekad unitava ili na neki drugi nain dri van prometa, moe se videti na primeru sa rezanim ananasom i sokom od ananasa; sok se dobija
kao nusproizvod tokom guljenja i rezanja ananasa. Pre nekoliko godina, u SAD-a je
proizvedena prekomerna koliina soka od ananasa i umesto da se stavi u promet i
time snize cene tog soka, viak je uniten. Uviajui mogunost za ostvarivanje prota, neki od velikih proizvoaa su se obimno reklamirali ne bi li podigli krivu tranje
za ananas sokom. Stvoreni su i neki novi proizvodi, poput ananas-grejfrut soka, da bi
se podspeila tranja za nusproduktom (koji bi se inae unitio). Oprema za rezanje
je takoe unapreena tako da se smanji koliina soka. Danas je situacija takva da se
proizvodi malo, ako se proizvodi imalo, vika ananas soka. Na sline naine, rme
u mnogim sektorima su otkrile nove i korisne naine upotrebe ranije odbacivanih
nusprodukata.
8.6.5 Primer odreivanja cena zdruenih proizvoda

Graki pristup nudi korisni uvod u reavanje problema odreivanja cena
zdruenih proizvoda, ali mnogi problemi iz realnog sveta iziskuju detaljnije analitike
pristupe i postupke. Jedan primer odluka o ceni/obimu autputa za dva proizvoda koji
se proizvode u ksnim srazmerama e pomoi razjanjavanju tehnike.
8.6.5.1 Zdrueni proizvodi bez vika nusproizvoda
Vancouver Paper Company, sa seditem u Vankuveru, Britanska Kolumbija,
proizvodi roto-papir i materijal za ambalau u ksnom 1: 1 odnosu, to bi znailo 1
tona materijala za ambalau po 1 toni roto-papira. Ova dva proizvoda, A (roto-papir)
i B (materijal za ambalau), se proizvode u jednakim koliinama jer se proizvodnjom
roto-papira dobija viak nusproizvoda koji je koristan samo u proizvodnji materijala
za ambalau nieg kvaliteta. Ukupni i granini trokovi se mogu predstaviti
TC = 2.000.000 + 50 Q + 0,01 Q2
MC = TC / Q = 50 + 0,02 Q
pri emu je Q kombinovani paket autputa koga ini po jedna tona proizvoda A
i proizvoda B. Krive trenutnih uslova trita, tranje i graninih prihoda za svaki
proizvod su date kako sledi:
Roto-papir
Materijal za ambalau
PA = 400 0,01 QA
PB = 350 0,015 QB
MR A = TR A / QA = 400 0,02 QA
MRB = TRB / QB = 350 0,03 QB
Svakom proizvedenom jedinicom Q, preduzee dobije po jednu jedinicu proizvoda A i proizvoda B za plasman potroaima. Ostvareni prihod iz proizvodnje i
prodaje jedne jedinice Q predstavlja skup prihoda ostvarenih prodajom jedne jedinice proizvoda A plus jedne jedinice proizvoda B. Zato je ukupni ostvareni prihod
samo suma ostvarenih prihoda proizvoda A i B:
TR = TR A + TRB
= PAQA + PBQB
Zamenom dobijenih vrednosti za PA i PB u funkciji ukupnih prihoda ,dobijamo
TR = ( 400 0,01QA)QA + (350 0,015QB)QB
= 400QA 0,01QA2 + 350QB 0,015Q2B
jer se jedinica proizvoda A i jedinica proizvoda B sadri u svakoj jedinici Q, QA

= QB = Q. Zamena vrednosti Q za QA i QB omoguuje razvoj ukupnog ostvarenog
prihoda izraenog kroz Q, jedinici proizvodnje:
TR = 400Q 0,01Q2 + 350Q 0,015Q2
= 750Q 0,025Q2
Ovo je funkcija ukupnog prihoda pod pretpostavkom da su se prodale sve koliine
proizvedenih proizvoda A i B. Pod pretpostavkom da ni jedan od proizvoda nije
kartiran ili povuen sa trita. Ovo je odgovarajua funkcija ukupnog prihoda, kako
je prikazano na slici 8.5, ako su granini prihodi oba proizvoda pozitivni u zoni maksimizacije prota. U tom sluaju se ostvarenim prihodima oba proizvoda pokrivaju
granini trokovi.
Nivo maksimiziranja prota je odreen uspostavljanjem MR = MC i reavanjem Q:
MR = MC
750 0,05Q = 50 + 0,02Q
0,07Q = 700
Q = 10.000 jedinica
Pri nivou aktivnosti od 10.000 jedinica, granini prihodi oba proizvoda imaju
pozitivnu vrednost:
MRA = 400 0,02QA
= 400 0,02 (10.000)
= 199 ( pri 10.000 jedinica)
MRB = 350 0,03QB

= 350 0,03 (10.000)
= 50 ( pri 10.000 jedinica)
Svaki proizvod ima pozitivan doprinos u smislu pokrivanja graninih trokova

proizvodnje, pri emu je
MC = 50 + 0,02Q
= 50 + 0,02 (10.000)
= 250
Ne postoji potreba za poveanjem ili smanjenjem proizvodnje, jer je MR = MR A + MRB =
MC = 250, i svaki proizvod ostvaruje pozitivne granine prihode.
Cene za svaki proizvod i ukupni prot kompanije se mogu izraunati iz funkcija
tranje i ukupnog prota:
PA = 400 0,01QA
= 400 0,01 (10.000)
= 300
PB = 350 0,015QB
= 350 0,015 (10.000)
= 199
i
= PAQA + PBQB TC
= 300 (10.000) + 199 (10.000) 2.000.000
= 50 (10.000) 0,01 (10.0002)
= 1.500.000
Kompanija bi trebala proizvoditi 10.000 jedinica autputa i prodavati ostvarenih
10.000 jedinica proizvoda A po ceni od 300n.j. po toni, i 10.000 jedinica proizvoda B
po ceni od 199n.j. po toni. Pri ovakvom nivou aktivnosti ostvaren je optimalni ukupni prot od 1.5 miliona n.j.
8.6.5.2 Zdruena proizvodnja sa vikom nusproizvoda (otpad)
Odreivanje nivoa aktivnosti pri kome se maksimizira prot e biti samo malo
sloenije ukoliko opadanje tranje bilo za proizvodom A ili B uzrokuje negativnu
vrednost graninog prihoda jednog proizvoda kada su se svi proizvodi prodali na
tritu.
Pretpostavimo da ekonomska recesija bude uzrok dramatinog pada tranje za
proizvodom B ( ambalaa za pakovanje), dok su tranja za proizvodom A (roto-papir)
i stanje graninih trokova stabilni. Pretpostavimo da je odnos tranje i graninog
prihoda za proizvod B
P B = 290 0,02QB
MR B = TRB/QB = 290 0,04QB
Da bi se sada prodalo 10.000 jedinica proizvoda B, nuno bi bilo dramatino
smanjiti cenu na 90n.j. po toni [= 290n.j. 0,02n.j.(10.000)]. Meutim, ova cena kao
i nivo aktivnosti su manji od optimalnih.
Da bi se videlo zato je to tako, potrebno je ponovo izraunati nivo aktivnosti pri
kome se maksimizira prot, pod pretpostavkom da je sav proizvod prodat. Nova
kriva graninog prihoda za Q je
MR = MR A + MRB
= 400 0,02QA + 290 0,04QB
= 690 0,06Q
Ako je prodat sav proizvedeni autput, nivo maksimizacije prota je odreen uspostavljanjem MR = MC i reavanjem vrednosti Q:
MR = MC
690 0,06Q = 50 + 0,02Q
0,08Q = 640
Q = 8.000
Pri vrednosti Q = 8.000, suma graninih prihoda dobijenih i iz nusproizvoda i
graninog troka proizvodnje kombinovanog autput paketa iznosi 210n.j., jer je
MR = 690 0,06Q
MC = 50 + 0,02Q
= 690 0,06 (8.000)
= 50 + 0,02 (8.000=
= 210
= 210
Meutim, granini prihod za proizvod B nema vie pozitivnu vrednost:

MRA = 400 0,02QA
MRB = 290 0,04QB
= 400 0,02 (8.000)
= 290 0,04 (8.000)
= 240
= 30
Iako je MR = MC = 210n.j., granini prihod proizvoda B ima negativnu vrednost

pri nivou aktivnosti Q =8.000. Ovo znai da neophodno smanjenje cene kako bi se
prodala i poslednja jedinica proizvoda B uzrokuje smanjenje ukupnog prihoda za
30n.j.. Umesto da proda proizvod B pod tako nepovoljnim uslovima kompanija bi
ga radije povukla sa trita. U stvari, kompanija bi radije proizvela i prodala vie od
8.000 jedinica proizvoda A jer je MR A > MC pri nivou aktivnosti 8.000. Za kompaniju
bi bilo protabilno da proiri proizvodnju Q samo da povea prodaju proizvoda A,
ak iako bi to unitilo ili povuklo sa trita neizbeno dodatu proizvodnju proizvoda
B.
U tim uslovima je izjednaen granini prihod proizvoda A, jedinog prodatog
proizvoda sa marom, sa graninim trokom proizvodnje kako bi se odredio nivo
aktivnosti maksimiziranja prota:
MR A = MC
400 0,02Q = 50 + 0,02Q
0,04Q = 350
Q = 8.750 jedinica
Pod ovim okolnostima, kompanija bi trebalo da proizvede 8.750 jedinica Q = QA = QB.

S obzirom da se ovaj nivo aktivnosti zasniva na pretpostavci da je samo proizvod A prodat
sa marom i da granini prihod proizvoda A pokriva sve granine trokove proizvodnje,
vrednost efektivnog graninog troka proizvoda B je nula. Sve dok je proizvodnja dovoljna
da obezbedi 8.750 jedinica proizvoda A, proizvodie se i 8.750 jedinica proizvoda B bez
dodatnih trokova.
Kako za proizvod B ne postoje efektivni granini trokovi, njegov doprinos u
poveanju prota preduzea se uspostavlja izjednaavanjem graninog prihoda sa
nulom ( njegov efektivni granini troak):
MRB = MCB
290 0,04QB = 0
0,04QB = 290
QB = 7.250
Budui da je ukupno 8.750 jedinica Q potrebno proizvesti, samo e 7.250 jedinica
proizvoda B biti prodato. Ostalih 1.500 jedinica QB se mora ili unititi ili povui sa
trita.
Optimalne cene i maksimalni ukupni prot za kompaniju e biti:
PA = 400 0,01QA
PB = 290 0,02QB
= 400 0,01 (8.750)
= 290 0,02 (7.250)
= 312,50
= 145
= PAQA + PBQB TC
= 312,50(8.750) + 145(7.250) 2.000.000
= 50(8.750) 0,01(8.7502)
= 582.500
Nijedna druga kombinacija cena/autput nema potencijal da stvori tako veliki
prot kompaniji.
8.7 Transferno odreivanje cena

Proirivanja trita ostvarena poboljanjima u komunikacijama i transportu, kao
i uklanjanju trgovinskih barijera, su dovela do nastanka velikih rmi sa vie sektora
unutar njih, koje su internacionalne po mestu poslovanja. Izazov za mnoge velike
korporacije lei negde u blizini potrebe za odgovarajuom cenom za transfer dobara
ili usluga meu sektorima unutar kompanije.
8.7.1 Problem transfernog odreivanja cene
Problem transfernog odreivanja cene nastaje usled tekoa uspostavljanja protabilnih odnosa meu sektorima jedne te iste kompanije kada svaka od poslovnih jedinica u organizacionoj strukturi odrava vertikalne odnose sa preostalim sektorima.
Vertikalna povezanost je ona kada autput iz jednog sektora ili kompanije predstavlja
input za drugi/u. Vertikalna integracija se javlja kada jedna te ista kompanija kontrolie
razliite karike u proizvodnom lancu od osnovnih inputa do nalnog proizvoda. Na
primer, kompanija Media Powerhouse AOL-Time Warner Inc., je vertikalno integrisana korporacija jer ona poseduje AOL, koji je internet provajder, i kablovske TV
sisteme, kao i brojne programske sadraje u lmskoj zabavi (npr. warner Bros) i TV
produkciji (npr. HBO, CNN9, to se najee naziva provajderom sadraja. Vertikalno
integrisane kompanije na ovom polju poslovanja poseduju i rukovode distributivnom
mreom i programskim sadrajima koje prodaju preko te mree.
Da bi se izborile sa problemima koordinisanja preduzea tako velikog obima i
delokruga a koje je vertikalno integrisano, obino se ustanovljavaju zasebni protni
centri za svaki od vanih proizvoda ili linija proizvoda. Uprkos oiglednim prednostima, ova centralizacija ima i potencijal za stvaranje problema. Najkritiniji od
ovih je problem transfernog odreivanja cene, ili odreivanje cene meuproizvoda
koji se transferiu izmeu sektora iste rme. Radi maksimiziranja prota za vertikalno integrisanu rmu, od sutinskog znaaja je da protna margina ili mara bude
naplaivana samo na nalnom stadijumu proizvodnje. Svi meuproizvodi koji se interno transferiu moraju se transferisati po graninim trokovima.
8.7.2 Transferno odreivanje cena za proizvode bez spoljnih trita
Posmatrajmo neku rmu izdeljenu na sektore kao na odreeni tip internog trita.
Poput spoljanjih trita, interna trita rmi izdeljenih na sektore ili protne centre
deluju shodno zakonima ponude i potranje. Ponuda dolazi od razliitih dobavljaa
odozgo koji zadovoljavaju tranju korisnika nanie (u lancu). Dobra i usluge moraju se transferisati i naplaivati po ceni na svakom koraku du lanca od sirovina do
nalnih proizvoda.
Radi jednostavnosti, razmatrajmo problem sa kojim se suoava jedna vertikalno

integrisana rma koja ima razliite sektore u razliitim takama du raznoraznih
koraka proizvodnog procesa, i pretpostavimo na momenat da za meu sektorima
transferisane inpute ne postoji spoljanje trite (van rme). Ukoliko je svaki zaseban sektor ustrojen kao protni centar koji e njegovim zaposlenima da prui podsticaje za ekasnost (i unutranje nadmetanje), moe nastati problem transfernog
odreivanja cene. Pretpostavimo da svaki sektor koji neto prodaje dodaje maru na
njegove granine trokove za inpute koje prodaje drugim sektorima. Svaki sektor koji
kupuje bi onda izvlaio njegove granine prihode od autputa tako da bude jednaka
graninom troku inputa tog sektora. Ovaj proces bi doveo na kraju do graninog
troka koji bi za poslednjeg korisnika nagore (u strukturi) koji bi premaivao zbir
svih graninih trokova za svaki transferiui sektor. Sve mare naplaene od strane
svakog transferiueg sektora ubacuju rascep izmeu rminih stvarnih graninih
trokova proizvodnje i graninog troka za poslednjeg ili krajnjeg gornjeg korisnika u lancu. Usled toga, krajnji gornji korisnik bi kupovao manje od optimalne
koliine inputa i proizvodio manje od nivoa autputa kojim se maksimizira prot.
Na primer, bilo bi neekasno ukoliko bi AOL, veliki provajder internet usluga,
plaao od iznosa graninog troka programskih sadraja koje proizvode njegove sopstvene lijale. Ukoliko bi svaka od lijala dodavala maru na granini troak programskih sadraja koje prodaje matinoj kompaniji, AOL bi kupovao manje od koliine
njegovih sopstvenih programskih sadraja kojom se maksimizira prot. Zapravo,
AOL bi bio podstaknut da kupuje programske sadraje od drugih snadbevaa dok
god bi cena na spoljanjem tritu bila manja od interne transferne cene. Takav jedan
podsticaj bi doveo do izuzetne neekasnosti, posebno ukoliko bi cena na spoljanjem
tritu bila manja od transferne cene ali vea od graninog troka programskih
sadraja koje proizvode AO-ove lijale.
S druge strane, efektivan sistem transfernog odreivanja cene dovodi do nivoa
aktivnosti u svakom od sektora koji je u skladu sa maksimizacijom prota na nivou
celokupnog preduzea. Ovo zapaanje dovodi do najbazinijeg pravila za optimalno
transferno odreivanje cena: Kada transferisani proizvodi ne mogu da budu prodati
na spoljnjem tritu, granini troak sektora koji transferie je optimalna transferna
cena. Jedan od praktinih naina osiguravanja da optimalna koliina inputa bude
transferisana po nekoj optimalnoj transfernoj ceni je da se informiu sektori-kupci da
e kriva graninog troka sektora-prodavaca biti tretirana kao ema ponude. Alternativno, sektori-prodavci mogu biti informisani o krivoj tranje ili graninih prihoda
sektora-kupca i pritom im se saoptiti da koriste ovu informaciju pri odreivanju
koliine koju isporuuju. U bilo kojem od ovih sluajeva, svaki sektor bi dobrovoljno
odabrao da transferie neku optimalnu koliinu inputa i to po optimalnoj transfernoj
ceni.
8.7.3 Transferno odreivanje cene sa savreno konkurentnim

spoljanjim tritima
Problem transfernog odreivanja je samo malo sloeniji kada se transferisani inputi mogu prodavati na spoljanjim tritima.Kada transferisani inputi mogu biti
prodati na savreno konkurentnom spoljanjem tritu, cena na spoljanjem tritu
predstavlja oportuni troak internog angaovanja takvih inputa. Kao takva, nikada se
ne bi isplatilo da se inputi koriste interno sem u sluaju da njihova vrednost za rmu
bude barem toliko velika koliko i njihova vrednost za ostale inioce na spoljanjem
tritu. Ovo zapaanje dovodi nas do drugog kljunog pravila za optimalno transferno odreivanje cena: Kada transferisani proizvodi mogu biti prodati na savreno
konkurentnim spoljanjim tritima, cena na spoljanjem tritu je optimalna transferna cena. Ukoliko dobavljai pozicionirani nagore ele da snadbevaju u obimu
veem negoli to korisnici koji su nanie ele da angauju po nekoj savreno
konkurentnoj ceni, prekomerni input moe biti prodat na spoljanjem tritu. Ukoliko, pak, korisnici pozicionirani nanie ele da angauju vie inputa negoli to
to dobavljai pozicionirani navie ele da im prue, prekomerna tranja za inputom moe se zadovoljiti kroz nabavke na spoljanjem tritu. U bilo kojem od ovih
sluajeva, neka optimalna koliina inputa se interno transferie.
Naravno, teko je zamisliti zato bi se neka rma vertikalno integrisala ukoliko bi svi inputi mogli biti nabavljeni na savreno konkurentnim tritima. Ni jedan MekDonalds, na primer, nema neke obimnije poljoprivredne aktivnosti radi
obezbeivanja stabilnog snadbevanja namirnicama koje koristi u svojim restoranima. Brano i meso za hamburgere mogu se oboje nabaviti po cenama koje su skoro
jednake graninom troku na savreno konkurentnim tritima inputa. S druge
strane, ukoliko je neko trite inputa obino konkurentno ali ispunjeno periodima
nestaice, moe se isplatiti da se odravaju odreeni kapaciteti za proizvodnju inputa. Na primer, ExxonMobil Corp. ima znaajne proizvodne pogone koji snabdevaju rairenu mreu ove kompanije sa benzinom, naftom i naftnim proizvodima.
Ovi proizvodni pogoni nude kompaniji ExxonMobil odreenu zatitu od pretnji
zaustavljanja snadbevanja. ExxonMobil je, dakle, primer vertikalno integrisane
rme sa inputima koji se nude na tritima koja su obino, ali ne i uvek, savreno
konkurentna.
8.7.4 Transferno odreivanje cena sa nesavreno konkurentnim
spoljnim tritima
Tipini sluaj vertikalne integracije ukljuuje rme sa inputima koji mogu biti
transferisani interno ili prodati na spoljnim tritima koja nisu savreno konkurentna. I opet, nikada se ne isplati koristiti inpute interno sem ukoliko njihova vrednost
za rmu nije barem onoliko velika kolika je njihova vrednost na spoljanjem tritu.
Ova opservacija nad dovodi do treeg i krajnjeg temeljnog pravila za optimalno transferno odreivanje cena: Kada se transferisani proizvodi mogu prodati na nesavreno
konkurentnim spoljanjim tritima, optimalna transferna cena ujednaava granini
troak odseka koji transferie i granini prihod koji se dobija iz objedinjenih internih
i spoljnih trita. Drugim reima, kada inputi mogu biti prodati na nesavreno
konkurentnim spoljnim tritima, interna tranja za inputom mora odraavati
mogunost ponude inputa spoljnjem tritu po ceni koja premauje granini troak.
Ukoliko dobavljai koji su nagore ele da ponude vie inputa negoli to kupci koji
su nadole ele da angauju u uslovima kada je za inpute MC=MR sa objedinjenog
trita (internog i spoljnjeg), viak ponude se moe prodati na spoljnjem tritu.
Ukoliko korisnici nadole ele da angauju inputa vie negoli to dobavljai koji su
navie ele da ponude, u sluaju kada je MC=MR, viak interne tranje moe biti
zadovoljen pomou dodatnih nabavki na spoljanjem tritu. U oba sluaja, interno
se transferie neka optimalna koliina inputa.
8.7.5 Opti primer odreivanja transferne cene
Iako koncept odreivanja transferne cene moe biti predstavljen konceptualno
kroz upotrebu grake analize, veina primena u stvarnom svetu je sloena i mora
se reavati algebarski. Iz ovih razloga, veoma e biti korisno da razmotrimo jedan
detaljan numeriki primer.
8.7.5.1 Maksimizacija prota za jednu integrisanu rmu
AutoDel doo je mali proizvoa dodatne opreme za automobile. Krive tranje i
graninih prihoda za ovu rmu su
P = 100 0,001Q
MR = TR/Q = 100 0,002Q
Funkcije relevantnih ukupnih trokova, graninog troka i funkcije prota su
TC = 312.500 + 25Q + 0,0015Q2
MC = TC/Q = 25 + 0,003 Q
S= TR TC
= 100Q 0,001 Q2 312.500 25Q 0,0015Q2
= - 0,0025Q2 + 75Q 312.500
Maksimizacija prota se ostvaruje u taki gde je MR=MC, tako da je optimalni

nivo autputa
MR = MC
100 0,002Q = 25 + 0,003Q
75= 0,005Q
Q=15.000
Ovo dalje dovodi do
P = 100 0,001(15.000)
= 85
S = TR TC
= - 0,0025(15.0002) + 75(15.000) 312.500
= 250.000
Stoga, kombinacija optimalne cene i optimalnog opima autputa je 85n.j. i 15.000

jedinica za ovu integrisanu rmu, a prot iznosi 250.000n.j. Da bi bile optimalne,
transferne cene moraju obezbediti nivo poslovanja na tim visinama.
8.7.5.2 Odreivanje transfernih cena bez spoljanjeg trita
Razmotrimo kako se situacija menja ukoliko bi se rma reorganizovala u nekoliko protnih centara sektora za proizvodnju i distribuciju, a da pritom za interno
transferisani proizvod ne postoji spoljanje trite. Kriva tranje sa kojom se suoava
distributivni sektor je upravo ista kao kriva tranje za rminim autputom. Iako je
funkcija ukupnih trokova rme neizmenjena, ona se moe razlaniti na trokove
proizvodnje i distribucije.
Pretpostavimo da neko takvo raslanjivanje dovodi do sledeih funkcija po sektorima:
TCproizvodni = 250.000 + 20Q + 0,001Q2
MCproizvodni = TCproizvodni/Q = 20 + 0,002Q
i
TCdistr = 62.500 + 5Q + 0,0005Q2
MCdistr = TCdistr/Q = 5 + 0,001Q
Sa poslovanjem po sektorima, funkcije ukupnih i graninih trokova za rmu su
TC = TCproizvodni + TCdistr
MC = MCproizvodni + MCdistr
i upravo su iste kao i ranije.
Da bi pokazali dobijanje nekog odgovarajueg nivoa aktivnosti, neto granini prihod za distributivni sektor se postavlja tako da bude jednak graninom troku sektora proizvodnje:
MR MCdistr = MCproizvodni
100 0,002Q -5 0,001Q = 20 + 0,002Q
75 = 0,005Q
Q=15.000
Nivo autputa od 15.000 jedinica ostaje optimalan za maksimizaciju prota.
Ukoliko distributivni sektor odreuje koliinu koju e naruiti kretanjem po krivoj
graninog prihoda, a proizvodni sektor odreuje autput isporuka du njegove krive
graninog troka, onda e transferna cena bez postojanja spoljnjeg trita (svojevrsna klirinka cena) biti cena koja nastaje kada je MR-MCdistr=MCproizvodni. Pri 15.000
jedinica autputa, optimalna transferna cena je
PT= MCproizvodni
= 20 + 0,002(15.000)
= 50n.j
Pri transfernoj ceni u visini od PT=50n.j., koliina koja se isporuuje od strane
proiozvodnog sektora iznosi 15,000 jedinica. To je upravo ista koliina koja se
potrauje od strane sektora distribucije pri PT=50n.j., jer
MR MCdistr = PT
100 0,002Q 5 0,001Q= 50
45=0,003Q
Q=15.000
Pri transfernoj ceni PT > 50n.j., sektor distribucije e prihvatati manje jedinica
autputa negoli je proizvodni sektor spreman da isporui. Ukoliko je PT < 50n.j., sektor distribucije e traiti nabavku vie jedinica negoli je sektor proizvodnje spreman
da proizvede. Samo transferna cena od 50n.j. odrava tranju i ponudu u ravnotei
na rminom unutranjem tritu.
8.7.5.3 Konkurentno spoljanje trite sa vikom interne tranje
Da bi se razmotrili efekti nekog spoljanjeg trita na transferisani proizvod, pretpostavimo da je kompanija u stanju da kupi neograniene koliine nekog uporedivog
proizvoda od strane stranog dobavljaa po ceni od 35n.j. Proizvod koji isporuuje
strani proizvoa zadovoljava potpuno iste specikaacije kao i onaj proizveden od

strane matine kompanije Autodel. Poto praktino neograniena koliina moe biti
nabavljena po ceni od 35n.j., za transferisani proizvod postoji savreno konkurentno
spoljanje trite, a optimalna transferna cena jednaka je ceni na spoljnjem tritu.
Za PT=35n.j., koliina koja se trai od strane sektora distribucije je
MR MCdistr = PT
100 0,002Q 5 0,001Q = 35
Q=20.000
dok je koliina koju isporuuje sektor proizvodnje jednaka
PT=MCproizvodni
35=20+0,002Q
Q=7.500
U sluaju vika interne tranje, sektor distribucije e nabaviti svih 7.500 jedinica koje proizvodi sektor proizvodnje a nabavie i dodatnih 12.500 jedicica od stranog dobavljaa. Cenovni uticaj za potroae i uticaj na prot kompanije AutoDel je
dramatian. Cena za domae potroae i ukupni proti se sada izraunavaju kao
P = 100 0,001(20.000) = 80
a
S = TR-TCproizvodni TCstrani-TCdistr
=100(20.000) 0,001(20.0002) 250.000 20(7.500) -0,001(7.5002) - 35(12.500)-62.500 -5(20.000) 0,0005(20.0002)
= 343.750
Domai klijenti kompanije AutoDel doo imaju koristi od uveane raspoloivosti

dobara koje ona proizvodi, jer je obim autputa povean sa 15.000 na 20.000 jedinica, i
sniene cene, sa 85n.j. na 80n.j. po jedinici proizvoda. Mogunost dobavljanja dobara
po ceni od 35n.j. po jedinici, od stranog dobavljaa dovodi do koristi za kompaniju
jer prot raste sa 250.000n.j. na 343.750n.j. Firma sada proizvodi samo 7.500 jedinica
koje prodaje klijentima i postala je vie distributer negoli integrisani proizvoa i
distributer. Kompanija AutoDel je bila u stanju da ostvari rast poslovanja i prota
fokusiranjem poslovnih napora na distribuciju, u kojoj ona uiva u komparativnim
prednostima.
8.7.5.4 Konkurentno spoljanje trite sa vikom unutranje ponude

Interesantno je uporediti rezultate prethodnog primera sa onima koji se ostvaruju
u neto drugaijim okolnostima. Na primer, pretpostavimo da je kompanija AutoDel
u stanju da proda neogranienu koliinu njenih dobara nekom stranom distributeru i to po ceni od 80n.j. Radi jednostavnosti, pretpostavimo da prodaja na novom
tritu nee uticati na sposobnost prodaje postojeim domaim klijentima i da to
trite moe biti snadbevano pod istim trokovima kao i ranije. Ukoliko je PT=80n.j.,
koliina koja se trai od strane sektora distribucije je
MR MCdistr =PT
100 0,002Q 5 0,001Q =80
15 = 0,003Q
a pritom su koliine koje isporuuje sektor proizvodnje jednake
PT=MCproizvodni
80=20 +0,002Q
60 = 0,002Q
Q=30.000
U ovom sluaju u kome postoji viak unutranje ponude, sektor distribucije e
nabaviti svih 5.000 jedinica koje se trae interno, dok e sektor proizvodnje ponuditi
dodatnih 25.000 jedinica novom stranom distributeru. I opet, uticaj na cene i uticaj
na prot za kompaniju Autodel e biti dramatian. Cena za domaekupce i ukupni
proti su sada sledei:
P=100 0,001(5.000)=95
a

S =TRdomai + TRstrani - Tproizvodni - TCdistr
=100(5.000) 0,001(5.0002) +80(25.000) 250.000 -20(30.000) 0,001(30.0002) 62.500 5(5.000)-0,0005(5.0002)
= 625.000
Pod ovim scenarijem, domae trite za kompaniju AutoDel e se smanjiti sa prvobitnih 15.000 jedinica na 5.000 jedinica proizvoda, a cene e porasti sa 85n.j. na 95n.j.
po jedinici. U isto vreme, strani kupci e imati koristi od poveanja raspoloivosti
dobara, sa 25.000 u poreenju sa ranijih 0 jedinica, i atraktivne cene od 80n.j.
Mogunost prodaje po ceni od 80n.j. nekom stranom distributeru donee koristi za
kompaniju Bartler&Sans, jer e proti porasti sa 250.000 na 625.000n.j. Kompanija
sada distribuira samo 5.000 jedinica od ukupno 30.000 koje prodaje klijentima i sada
je mnogo vie proizvoa negoli distributer. Naglaskom na proizvodnju, kompanija
ostvaruje poslovni rast i rast prota fokusiranjem na ono to radi najbolje.
8.8 Zanimljivosti u praksama odreivanja cena

Kao to ovo poglavlje ilustruje, ekonomsko rezonovanje je moan alat koji se moe
koristiti za razumevanje i poboljavanje praksi odreivanja cena. Na primer, popularne metode odreivanja cena na principu mari moe se smatrati jednim ekasnim
empirijskim pristupom usmerenim ka postavljanju cena kojima se maksimizira profit. Slino tome, metodi odreivanja cena viestrukim proizvodima, poput dvodelnog
odreivanja cena i zdruenog odreivanja cena, su ekasni naini za zahvatanje dodatnih prota kada vrednost dobara i usluga varira od jednog potroaa do drugog.
Ipak, bila bi zabluda da se pomisli da nema jo zanimljivih misterija u praksama odreivanja cena. Na primer, bez sumlje ste primetili popularnost neega to
se moe nazvati raspareni brojevi cena od 699 dinara je mnogo ea od cene od
700 dinara. Cena od 999 dinara je daleko ea od cene od 1.000 dinara. Razlog za
to je jer je potroau stvara privid da je dobio neki popust. Cena od 1.000 dinara
izgleda mnogo skuplja od 999 dinara. U emu je psiholoko objanjenje ovoga? Da li
je objanjenje moda u nainu na koji mi obraujemo informacije? Do danas, ipak,
nema konanog i usaglaenog odgovora na ovo pitanje.
Jedno inovativno objanjenje za popularnost ovakvog ispisivanja cena je da itaoci
u ogromnoj veini indoevropskih jezika, obrauju pisani materijal sleva nadesno.
Kao rezultat toga, prva cifra koja se obrauje u trenutku kada potroa ugleda cenu
od 699 dinara je cifra 6 a ne vii broj 7 koji bi se registrovao pri susretu sa cenom
od 700 dinara. Zato, u mnogim zemljama, pa i naoj cena od 699n.j. izgleda mnogo
manje od 700 n.j.
Drugi zanimljiv primer je onaj pri kupovini goriva za automobile. Vozai su gotovo svuda u svetu veoma osetljivi ak i na minimalne razlike u ceni, i spremni su
da voze i desetinama kilometara samo zbog delia razlike. Istovremeno, mnogi od
njih e bez razliljanja, tokom pauze na pumpi za gorivo potroiti nezanemarljiva
sredstva za neko bezalkoholno pie ili grickalice. Za ovakvo ponaanje nema jednostavnog odgovora!
Ukratko, ekonomsko rezonovanje je dugo oprobavan i efektivan nain za razumevanje prakse odreivanja cena i za osmiljavanje unapreenja u praksama odreivanja
cena individualnih rmi. U isto vreme, relevantnost doprinosa psihologije i drugih
drutvenih i prirodnih nauka ne treba zanemarivati. Tekue osmiljavanje efektivnih praksi odreivanja cena izvlai koristi iz saznanja koja dolaze iz raznoraznih
podruja.
Rezime poglavlja
Ovo poglavlje istrauje jedan broj popularnih praksi odreivanja cena. Postaje
oigledno da, kada se proue na temeljit i detaljan nain, metodi koji se najee koriste od strane uspenih rmi odraavaju paljivo shvatanje upotrebe granine analize za nalaenje cena kojima se maksimizira prot.
Mnoge rme deniu optimalne politike cena korienjem tehnike koja se
naziva odreivanje cena preko mari, u kojoj se cene deniu tako da
pokrivaju sve direktne trokove uveane za neku procentualnu maru radi
doprinosa protu. Prakse eksibilnih mari pri odreivanju cena tako
da se uvaavaju razlike u graninim trokovima i elastinostima tranje
sainjavaju efektivan metod osiguravanja da MR=MC.
Mara na trokove je protna margina za neki pojedinani proizvod ili
liniju proizvoda koja se izraava u procentima jedininog troka. Brojilac ovog izraza, koji se naziva protna margina, je razlika izmeu cene i
troka. Mara od cene je protna margina za neki pojedinani proizvod ili
liniju proizvoda koja se izraava u procentima od cene, a ne od jedininih
trokova.
Tokom vrnih perioda, pogoni se u potpunosti koriste. Firma ima viak kapaciteta tokom van-vrnog perioda. Uspene rme koje koriste mare pri
denisanju cene uobiajeno baziraju cene na potpuno alociranim trokovima
pod normalnim okolnostima ali nude popuste ili prihvataju nie mare
tokom van-vrnih perioda kada postoji znaajan viak kapaciteta.
Formula optimalne mare na trokove je OMC*=-1/(cenovna+1). Formula
optimalne mare od cene je OMP*= -1/cenovna. Bilo koja od ovih formula se
moe koristiti za nalaenje cena kojima se maksimizira prot i to samo na
osnovu informacije o graninom troku i cenovne elastinosti tranje.
Cenovna diskriminacija se javlja kada se razliitim segmentima trita
naplauju razliite mare za isti proizvod. Trini segmenat je deo ili
iseak opteg trita sa sutinski razliitim ili jedinstvenim karakteristikama tranje ili trokova. Cenovna diskriminacija je oigleda kada god se
pojedinanim potroaima naplauju razliite cene, ili kada cenovne razlike nisu srazmerne trokovnim odstupanjima. Preko cenovne diskriminacije, prodavci su u stanju da poveaju prote putem prisvajanja potroakog
vika. Potroaki viak je vrednost kupljenih dobara ili usluga koja je iznad
i preko iznosa koji je isplaen prodavcu.
Obim u kojoj se neka rma angauje u cenovnoj diskriminaciji se klasikuje

u tri velike kategorije. Pod prvostepenom cenovnom diskriminacijom, rma izvlai svakom potroau maksimalni iznos koji je on spreman da plati.
Svaka jedinica proizvoda se naplauje odvojeno po ceni koja se nalazi na krivi tranje svakog datog proizvoda. Drugostepena cenovna diskriminacija
ukljuuje postavljanje cena na osnovu kupljenih koliina. Koliinski popusti
koji dovode do niih mari za velike u odnosu na male klijente su opte zastupljeni naini za sprovoenje drugostepene cenovne diskriminacije. Najee
zapaan vid cenovne diskriminacije, treestepena cenovna diskriminacija,
nastaje kada neka rma deli svoje klijente na nekoliko klasa i razrezuje cene
za svaju od klasa klijenata.
Strategije odreivanja cena za viestruke (koliine) proizvoda (tj.viestruke
jedinice) su se takoe pokazale kao efektivni naini za izvlaenje potroakog
vika a na korist proizvoaa. Generalno, neka rma moe poboljati profite korienjem dvodelnog odreivanja cene koje e obuhvatati tarifu po
jedinici koja e biti jednaka graninom troku, uveanom za neku ksnu
tarifu koja je jednaka veliini potroakog vika koji se stvara pri toj tari po
jedinici.Ukoliko ste ikada kupili paket od 12 vaka ili paket bezalkoholnih
pia, uzeli godinju pretplatu i slino, iz prve ruke ste iskusili koncept paketnog odreivanja cene. Kao i u sluaju dvodelnog odreivanja cene, optimalni nivo autputa se odreuje izjednaavanjem cene i graninih trokova
i reavanjem izraza po koliini. Otuda, optimalna cena za paket proizvoda
je prosto neka paualna suma koja je jednaka ukupnoj povrini iznad krive
tranje u toj taki.
Nusproizvod je bilo koji autput koji se uobiajeno javlja kao direktan rezultat poveanja u proizvodnji nekog drugog autputa. Maksimizacija prota
iziskuje da granini prihod bude izjednaen sa graninim trokom za svaki
od nusproizvoda. Iako je mogue odrediti granine trokove nusproizvoda
koji nastaju u varijabilnim srazmerama, to nije mogue uiniti za nusproizvode koji se proizvode u nekim sknim srazmerama. Zajedniki trokovi, ili
izdaci koji su nuni za proizvodnju nekog zdruenog proizvoda, ne mogu biti
alocirani po bilo kojem ekonomski smislenom osnovu.
Vertikalna povezanost je ona koja se javlja kada autput iz jednog sektora
ili kompanije predstavlja input za drugi sektor/kompaniju. Vertikalna integracija se javlja kada jedna te ista kompanija kontrolie razliite karike
u proizvodnom lancu od osnovnih inputa do nalnog autputa. Odreivanje
transferne cene se bavi sa problemom odreivanja meuproizvoda (poluproizvoda) koji se transferiu meu sektorima vertikalno integrisanih rmi. Kada
transferisani proizvodi ne mogu biti prodati na konkurentnom spoljanjem

tritu, granini troak sektora koji transferie je optimalna transferna cena.
Kada, pak, transferisani proizvodi mogu biti prodati na savreno konkurentnim spoljanjim tritima, cena spoljanjeg trita je optimalna transferna cena. Trei sluaj, kada transferisani proizvodi mogu biti prodati na
nesavreno konkurentnim spoljanjim tritima, optimalna transferna cena
izjednaava granini troak sektora koji transferie sa graninim prihodom
koji se dobija od objedinjenih internih i spoljnih trita.
Kroz ovo poglavlje, pokazalo se da ekasne prakse odreivanja cene iziskuju
paljivu analizu graninih prihoda i graninih trokova za svaki relevantan proizvod
ili liniju proizvoda. Empirijsko pravilo iz praksi odreivanja cena koju koriste uspene
rme moe biti usaglaeno sa ponaanjem usmerenim na maksimiziranje prota samo
ukoliko informacije o koristima i trokovima (tetama) pravilno sagledaju i razumeju.
Ove prakse poseduju ogromnu vrednost pri procesu menaderskog odluivanja.
Zadaci za vebu
1. ZADATAK
Firma Control doo nudi proveru sistema za hlaenje motora na vie
mesta u Srbiji. Firma je skoro uvela pravila za uporeivanje sa najniom
cenom koja se oglaava od strane konkurenata. Rezultat toga je bio da je
Control doo bio prinuen da smanji prosenu cenu usluge za 5%, ali je
zato dobijeno poveanje broja klijenata za 15%. Za to vreme su granini
rokovi bili stabilni sa 1.500 dinara po poslu.
A. Izraunati takastu elastinost tranje za uslugama provere hlaenja
B. Izraunati optimalnu cenu i maru na trokove
2. ZADATAK
Firma Tehnoelectric doo proizvodi elektrine prekidae ija je prodaja
konstantno rasla prethodnih pet godina. Takoe, usled primene usvojenog
programa za proirenje kapaciteta, godinji kapaciteti sada iznose 500.000
jedinica. Prognoza je da e proizvodnja i prodaja za sledeu godinu biti
400.000 jedinica, a standardni trokovi proizvodnje su procenjeni na 150
dinara po jedinici (za materijal 60, direktni i indirektni rad 100, i ksni
trokovi 30). Pored trokova proizvodnje, dodaju se i ksni trokovi prodaje od 15 i varijabilni trokove popravki u garntnom roku od 12 din.po
jedinici. Trenutno Tehnoelectric dobija 200 din. po jedinici od kupaca, i
oekuje da e zadrati tu cenu u sledeoj godini.
Nakon ovih projekcija rma je dobila zahtev za nabavku velikog broja
prekidaa od strane jedne robne kue, i to:
Ponuda 1: Kupovina 80.000 jedinica po 146 din. po jedinici i sa davanjem opte garancije,
Ponuda 2: Kupovina 120.000 jedinica po 140 din. po jedinici i bez
davanjem opte garancije,
A. Oceniti inkrementalni neto prihod za svaku od ponuda
B. Koje faktore rma treba da uzme u obzir pri odluci koju ponudu da prihvati?
C. Koju ponudu treba da prihvati? Zato?
3. ZADATAK
Firma MobilPro doo proizvodi dodatnu opremu za mobilne telefone.
Kona futrola rmu kota 10 evra (rad i materijal). Tranja i granini
prihod za ovaj proizvod su:
PV = 15.000 5QV (velikoprodaja)
MRV = TRV/QV = 15.000 10QV
PM = 50 20QM (maloprodaja)
MRM = TRM/QM = 50.000 40QM
A. Ako se pretpostavi da rma moe imati cenovnu diskriminaciju izmeu
dva tipa kupaca, izraunati cenu koja maksimizira prot, i nivoe kontribucije prota.
B. Izraunati takastu cenovnu elastinost za svaki tip kupca na nivou
aktivnosti datim u A. Da li su razlike u elastinostima konzistentne sa
vaim preporuenim cenovnim razlikama u A. Zato?
O
E
D
IX
ANALIZA RIZIKA
I
ODLUIVANJE
U ovom poglavlju su dati uvod

u ekvivalente izvesnosti, diskontovane stope sa podeenim rizicima,
simulacija i tehnike teorije igara kao
praktini naini za rad na ovoj tematici. Isti predstavljaju efektivne alate za
donoenje odluka u uslovima postojanja rizika i neizvesnosti.
ANALIZA RIZIKA I ODLUIVANJE 253
9.1 Koncept rizika i neizvesnosti

Mnoge odluke menadera se donose u uslovima postojanja rizika i neizvesnosti.
Ekonomski rizik je mogunost za gubitak jer nisu poznati sve mogui ishodi i njihove
verovatnoe deavanja. Rizik je izloenost neizvestosti, ili bolje reeno neizvesnost
budueg ishoda. Njega na taj nain ine dve komponente: neizvesnost i izloenost toj
neizvesnosti. Neizvesnost je stanje kada ne postoji znanje o tome da li je neka pretpostavka istinita ili ne, ili kada postoji nepotpuno poznavanje pretpostavki u vezi s
nekom pojavom. Neizvesnost postoji kada se ishodi menaderskih odluka ne mogu
predvideti sa absolutnom tanou, ali su mogunosti i njihove verovatnoe poznate.
Pod rizikom se obino podrazumeva opasnost od gubitka. U inenjerstvu se rizik
denie kao (verovatnoa incidenta)*(gubitak uzrokovan tim incidentom). S druge strane,
nansijska teorija tretira rizik kao devijaciju neoekivanih ishoda usled kolebanja nansijskih promenljivih. Uzmimo za primer trini rizik koji nastaje kao rezultat promena
cena hartija od vrednosti na nansijskim tritima. On se moe podeliti na dva osnovna
dela. Prvi deo rizika je vezan za smer kretanja nansijskih promenljivih, npr. kretanje
cene akcija, kamatnih stopa, deviznih kurseva i cena roba. Drugi deo rizika ne zavisi
direktno od smera kretanja nansijskih promenljivih, odnosno u pitanju je nelinearni
rizik i izloenost heding pozicijama ili poveanoj volatilnosti.
U uslovima neizvesnosti mogue su neformalne odluke menadera. Iskustvo, pronicljivost i mudrost omoguavaju menaderima da pronau strategiju za minimiziranje
rizika od nepostizanja poslovnih ciljeva. Mada srea i dalje igra ulogu u krajnjem uspehu, menaderi se mogu na efektivan nain boriti sa ambijentom neizvesnih odluka
tako to e limitirati obim pojedinanih projekata i to e razviti plan za nepredviene
sluajeve za postupanje u sluaju neuspeha.
Kada su nivo rizika i stav prema izloenosti rizicima poznati, efekti neizvesnosti se
mogu direktno reektovati na osnovni model vrednovanja preduzea. Za menadere
naklonjene preuzimanju rizika, vrednost rizinog toka uplata je vei nego kod izvesnog
toka, pa primenom faktora ispravki ekvivalenta izvesnosti e dovesti do poveanja vrednosti oekivanih povraaja investicija. Radi se dakle o konvertovanju rizinog novca u
sumu ekvivalenata izvesnosti.
Drugi metod koji se koristi da reektuje neizvesnost u osnovnom modelu vrednovanja je pristup diskontnih stopa ispravki rizika. U ovoj tehnici interesna stopa koja
se koristi u imeniocu osnovnog modela vrednovanja zavisi od nivoa rizika. Za donosioce odluka koji su visoko naklonjeni riziku implementiraju se vie diskontne stope;
za donosioce odluka koji su manje naklonjeni riziku implementiraju se nie diskontne stope. Pomou ove tehnike diskauntovani tok oekivanog prota odraava razlike
usled rizika i postaje direktno uporediv.
9.2 Opte kategorije rizika

Poslovni rizik je mogunost gubitka koja je vezana za datu menadersku odluku.
Takvi gubici su normalni nusproizvod nepredvidive varijacije u uslovima tranje
proizvoda i trokova. Sa poslovnim rizikom se mora na efektivan nain boriti,
meutim on se retko moe eliminisati.
U uslovima globalnog konkurentnog okruenja menaderi se suoavaju sa
raznovrsnim rizicima. Neki od najznaajnijih rizika o kojima menaderi najvie brinu
su su pored trinih rizika, kreditni rizici i poslovni/operativni rizici. Trini rizik
predstavlja nansijski rizik neizvesnosti budue trine vrednosti portfelja investicionih sredstava i/ili obaveza. Rizik portfelja hartija od vrednosti se sastoji od sistemskog rizika s jedne strane i nesistematskog (specinog) rizika. Sistematski rizik se
odnosi na rizik zajedniki za sve hartije od vrednosti, tj, trini rizik. Specini rizik
je rizik koji se odnosi na individualno sredstvo (investicionu hartiju od vrednosti) i
predstavlja onaj deo ukupnog rizika koji se moe smanjiti prostom diverzikacijom
portfelja, tj, investiranjem u vei broj razliitih hartija od vrednosti.
Kreditni rizik je rizik da e druga strana biti u nemogunosti da ispuni svoje
ugovorne obaveze. Veliki broj kompanija je izgubio velika sredstva jer druga strana
ili nije mogla ili nije htela da obezbedi sirovine, prostor za rentiranje ili nansiranje po dogovorenim cenama. Kod nansijskih organizacija je u pitanju mogunost
da kreditni dunik nee moi ili hteti da otplati glavnicu kredita, kamate ili oboje,
zbog ega e kreditor pretrpeti gubitak. S obzirom da postoji mnogo vrsta dunika,
od individua do vlada, kao i da postoje razliite obaveze, od kredita do derivata,
kreditni rizika se javlja u vie formi. Uprkos inovacijama u podruju nansijskih
usluga, kreditni rizik je jo najznaajniji pojedinani uzrok steaja banaka. Razlog
je u tome to se vie od 80% bilansa banke u principu odnosi na ovaj vid upravljanja rizicima. U svom irem smislu kreditni rizik oznaava i rizik od smanjenja
kreditnog rejtinga dunika ili izdavaoca hartija od vrednosti, pri emu se poveava
verovatnoa neplaanja i/ili gubitka uloenog novca. Izloenost kreditnom riziku se
u savremenom poslovanju meri procenom oekivanog gubitka po odreenoj investiciji na osnovi kvantitativne analize.
Kao i drugi investitori, kompanije moraju takoe da razmatraju rizik likvidnosti,
odnosno potekoe da se prodaju sredstva ili pak da se investicije ne mogu transferisati po poeljnim cenama pod tipinim trinim uslovima. Na taj nain se stvara
mogunost da kompanija nee biti u stanju da raspoloivim novanim sredstvima
podmiri dospele obaveze prema svojim poveriocima.
Operativni rizici su rizici gubitka koji nastaje usled neadekvatnosti odnosno
manjkavosti poslovnih procesa kompanije, njenih ljudskog resursa, sistema podrke
ili usled spoljnih uticaja. Operativni rizik dolazi do izraaja i zbog sve veeg korienja
informacione tehnologije i automatizacije u poslovanju, uvoenja sloenih hartija od
vrednosti, i dr.
Inacioni rizik je opasnost da opte poveanje cena moe ugrozi realne ekonomske vrednosti korporativnih ugovora koji ukljuuju iznose koji treba da budu plaeni
u produenom vremenskom roku. Lizing, rentiranje, i dr, su neki primeri poslovnih
ugovora koji su podloni inacionom riziku. Kamatni rizik predstavlja rizik da e
usled pada kamatnih stopa doi do poveanja vrednosti svih ugovora koji ukljuuju
ksne iznose za plaanje u produenom vremenskom roku. Obrnuto, poveanje kamatnih stopa e smanjiti vrednost svakog ugovora gde su plaanja sa ksnom kamatom i glavnicom.
Od specinih rizika koji su vani u globalnom poslovanju kompanija pomenima valutni rizik i rizik zemlje. Valutni rizik se javlja usled promena kurseva izmeu
domae valute i ostalih valuta. On moe, zbog nepovoljnog kretanja kursa, da prouzrokuje gubitke za kompaniju. Otuda je poznavanje valutnih rizika i predvianje
moguih uticaja/izloenosti izuzetno vano radi utvrivanja i provoenja poslovne
politike svakog subjekta koji posluje na meunarodnom tritu ili obavlja devizne
poslove. Rizik zemlje oznaava verovatnou da e promene u poslovnom okruenju
negativno uticati na operativne prote ili vrednost sredstava u odreenoj dravi. U
pitanju je celokupni rizik sa kojim se suoava kompanija, odnosno investitor u konkretnoj dravi, tj, ne samo rizik politikih promena, ve i rizik koji je povezan sa pojavom trajkova, pobuna, itd.
9.3 Koncepti verovatnoa

Za razmatranje razliitih metoda analize rizika vano je razumevanje koncepata verovatnoe. Verovatnoa nekog dogaaja predstavlja mogunost da e se taj
dogaaj ostvariti. Ako bi se popiu svi dogaaji ili ishodi, i ako se svakom od njih
dodeli verovatnoa, ova lista se naziva distribucija verovatnoe. Pretpostavimo na
primer da je direktor prodaje uoio da sa 70% anse kupac e naruiti odreenu robu
a sa 30% da nee. Sledea tabela 9.1 predstavlja raspodelu verovatnoe koja opisuje
ovu situaciju.
Dogaaj
Verovatnoa deavanja
Narudba primljena
0,7=70%
Narudba nije primljena
0,3=30%
Total
1,0=100%
Tabela 9.1
U ovom prostom primeru rizik se oitava sa raspodele verovatnoe kao 30% anse
da preduzee ne primi narudbu. Meutim, za adekvatno ukljuivanje rizika u proces donoenja odluka obino je neophodna optija mera izmeu rizika i raspodele
verovatnoe. Posmatrajmo sledeu tabelu, tzv, matricu isplativosti gde preduzee
ima mogunost da izabere jedan od dva investiciona projekta sa razliitim protima
pri emu je investicioni troak za svaki od njih 10.000.
Stanje ekonomije
Proti
Projekat A
Projekat B
1.Recesija
4.000
2.Normalna
5.000
5.000
3.Bum
6.000
12.000
Tabela 9.2
Kako izabrati najbolji projekat? Za tako neto je potrebno poznavanje verovatnoa
za sva tri navedena stanja ekonomije. Ako bi se iste mogle oceniti, tada bi bilo mogue
odrediti oekivane prote i promenljivost prota za svaki projekat. Sa ovim merama
je mogue oceniti svaki projekat u smislu oekivanog prinosa investicija i rizika, gde
se rizik meri odstupanjem prota od oekivanih vrednosti.
ta bi bila oekivana vrednost? To je oekivani rezultat iz matrice isplativosti i
raspodele verovatnoe, odnosno u pitanju je ponderisana prosena isplativost, gde
su ponderi denisani sa raspodelom verovatnoa. Formula za oekivani prot je:
n
Oekivani prot = E(S) =
S up
i
i 1
(9.1)
gde je i prot i-og ishoda, pi je verovatnoa da e se ishod i desiti, a n je broj

moguih ishoda ili stanja. Ako su u naem primeru verovatnoe p1=0,2, p2=0,2 i
p3=0,2 respektivno, tada primenom relacije za oekivani prot dobijama da je:
E(SA) = 4.000(0,2) + 5.000(0,6) + 6.000(0,2) = 5.000
i
E(SB) = 5.400
Dakle, projekat B ima vei oekivani prinos i veu disperziju u prinosima (rizik)
nego prejekat A. Slika 9.1 prikazuje grak raspodele verovatnoe projekata A i B.
Uopteno, to je ua raspodela verovatnoe to je vie verovatno da e stvarni ishodi
biti blii oekivanim vrednostima. I obrnuto, to je ira raspodela verovatnoe to je
manje verovatno da e stvarni ishodi biti blii oekivanim vrednostima. Po tome dati
prot projekta A je sa veom verovatnoom blii njegovoj oekivanoj vrednosti nego
to je to sluaj kod projekta B.
Slika 9.1
9.3.1 Merenje apsolutnog rizika
Uobiajena merenja rizika koja zadovoljavaju veinu ciljeva su zasnovana na konstataciji da uske raspodele verovatnoa impliciraju manji rizik s obzirom na manje
anse da dati ishodi se razlikuju mnogo od oekivanih vrednosti. Tako gledano, projekat A u naem primeru je manje rizian nego projekat B.
Standardna devijacija, koju obeleavamo V (sigma), predstavlja popularnu i korisnu meru apsolutnog rizika. Apsolutni rizik je desperzija moguih dobitaka. Ako je
manja standardna devijacija, tanja je distribucija verovatnoa i manji je rizik u apsolutnom smislu. Ona se izraunava kao kvadratni koren varijanse:
n
Varijansa = V =
2
(S
i 1
E(Si ))2 upi
(9.2)
V2
Standardna devijacija = V =
Radi ilustracije VA= 400.000 = 632,46 i VB= 3.826,23. S obzirom da je VB > VB

zakljuak je da je projekat B riziniji od projekta A.
9.3.2 Merenje relativnog rizika
Ponekad se javljaju problemi kada se za merenje rizika koristi standardna devijacija. Ako je investicioni projekat relativno skup i ima veliki oekivani cash ow, on
moe imati veliku standardnu devijaciju prinosa iako nije istinski riziniji od manjeg
projekta.
Popularni metod za odreivanje relativnog rizika je izraunavanje koecijenta
varijacije:
Koecijent varijacije = X =
V
E (S )
(9.3)
Uopteno, kod poreenja alternativa za odluivanje sa trokovima i dobicima koji

nisu aproksimativno iste veliine, koecijent varijacije meri bolje relativni rizik nego
to to ina standardna devijacija.
9.3.3 Ostala merenja rizika
Merenja rizika sa standardnom devijacijom i koecijentom varijacije su zasnovana
na ukupnoj varijabilnosti prinosa. U nekim sluajevima ukupni varijabilitet precenjuje njegov rizik. To se deava zbog toga to se projekti sa prinosima koji nisu perfektno
korelirani mogu kombinovati, i varijabilitet rezultujueg portfelja investicionih projekata je manji nego suma rizika individualnih projekata. Najnoviji radovi na ovoj
tematici u nansijama zasnovani su na ideji da se rizik projekta treba meriti u odnosu
na njegov doprinos u ukupnoj varijaciji prinosa za portfelj sredstava preduzea.
Doprinos pojedinanog investicionog projekta ukupnoj varijaciji portfelja sredstava preduzea meri se konceptom beta. Beta je mera sistematskog varijabiliteta ili
kovarijanse prinosa jednog sredstva u odnosu na prinose ostalih sredstava.
U modelu CAPM koji proizlazi iz Markowitzeve savremene teorije portfelja i pri
tome uzima za pretpostavku da je oekivani prinos na odreeno sredstvo (i), E(ri)
funkcija sledeih promenljivi: nerizinog prinosa (rf ), oekivanog (prosenog) prino260 MENADERSKA EKONOMIJA
sa na tritu E(rm) i korelacije izmeu hartije od vrednosti i trita, to je prikazano

sledeom formulom:
E (ri )
E
r f E ( E (rm ) r f )
U i ,mV i
Vm
(9.4)
(beta - osetljivost prinosa sredstva na prinos trita)
i,m koecijent korelacije izmeu sredstva (i) i trita

i - standardna devijacija sredstva (i)
m - standardna devijacija trita (m)
pri tome je razlika E (rm ) r f poznata pod imenom trini ili rizini premijum.
Vee vrednosti beta za investiciona sredstva oznaavaju veu volatilnost (peomenljivost, nestalnost) i na taj nain su rizinija, ali zauzvrat potencijalno mogu doneti
vee prinose; manje beta oznaavaju manji rizik ali u isto vreme i manji prinos.
9.4 Standardni normalni koncept

Menaderi esto ocenjuju sve mogunosti isplativosti investicionog projekta
kako bi sainili opseg optimistikih i pesimistikih scenarija. Kada se to uradi, rizici
odreenih odluka se mogu okarakterisati raspodelom moguih ishoda. Standardni normalni koncept predstavlja intuitivne i praktine naine za ocenu disperzije
moguih ishoda u smislu merenja oekivane vrednosti i standardne devijacije.
9.4.1 Normalna raspodela
Relacije izmeu rizika, standardne devijacije i koecijenta varijacije se mogu
objasniti razmatranjem karakteristika normalne raspodele (v.sl. 9.2). Normalna
raspodela ima simetrinu disperziju oko srednje vrednosti ili oekivane vrednosti.
Ako je raspodela verovatnoa normalna, stvarne vrednosti e leati u intervalu 1
standardne devijacije od srednje vrednosti u priblino 68% sluajeva, 2 standardne
devijacije za priblino 95 %, i sa verovatnoom veom od 99% stvarne vrednosti e
leati u intervalu 3 standardne devijacije od srednje vrednosti,
Slika 9.2
Svaka raspodela trokova, prihoda ili prota se moe transformisati ili standardizovati sa sledeom formulom:
xP
V
(9.5)
gde je z standardna varijabla, x je ishod koji se posmatra, a i V su srednja vrednost i standardna devijacija. Standardizovana varijabla ima srednju vrednost 0 a
standardnu devijaciju 1.
9.5 Teorija korisnosti i analiza rizika

Teorija ponaanja potroaa jedan je od osnovnih segmenata mikro-ekonomije
ali i ekonomije kao nauke u celini. Teorija ponaanja potroaa izuava ponaanje
subjekata na tritu u njihovim nastojanjima da maksimiziraju zadovoljstvo prilikom
njihova izbora izmeu razliitih korpi potrone robe.
9.5.1 Pojam korisnosti

Korisnost nekog dobra oznaava zadovoljstvo koje kupac ostvaruje upotrebom/
troenjem toga dobra. U svojim ponaanjima kupci nastoje maksimizirati zadovoljstvo/korisnost to znai da nastoje kupiti onu korpu dobara koju najvie cene/vole.
Pitanje maksimizacije korisnosti nas dovodi do prvog problema u deniciji

ravnotenog ponaanja potroaa. Kako znati da je kupac odabrao onu korpu dobara
koja mu donosi najvee zadovoljstvo a da pri tom nije mogao ostvariti vee zadovoljstvo kupivi neku drugu korpu dobara? Da bi se to saznalo, potrebno je meriti
zadovoljstvo razliitih korpi dobara. Kako meriti zadovoljstvo ili korisnost kada znamo da je zadovoljstvo individualna osobina i spoznaja svakog pojedinca? Nemamo
svi zajednike elje i ukuse. U modernoj ekonomiji zasad postoji samo ordinalno
merenje korisnosti. Prema ordinalnoj teoriji, zadovoljstvo ili korisnost nekog dobra
meri se jedinicama korisnosti ili jutilima. Jutili su mera subjektivnog zadovoljstva
koje pojedinac pridaje nekom dobru.
Na primer, kupovina prvog sendvia za nekog donosi 10 jedinica korisnosti, druge
8, tree 5 i tako dalje. Dakle, jutili nisu matematike ve subjektivne vrednosti koje
pojedinac pridaje nekom dobru i na taj nain rangira dobra (ordinalna teorija se upravo na tome bazira, rangiranjem dobara na temelju nekih subjektivnih mera - jutila,
korpa A je bolja od korpe B jer nam daje vie jutila - zadovoljstva).
Iz teorije ordinalne korisnosti izvodi se pojam ukupne i granine korisnosti,
Ukupna korisnost je ukupno zadovoljstvo koje pojedinac ostvaruje potrebom/
troenjem nekog dobra ili korpe dobara. Dodatna ili granina korisnost izvodi se
iz ukupne korisnost i predstavlja razliku izmeu ukupne korisnosti prethodne i naredne koliine potronje (videti sl.9.3).
Slika 9.3
Pojam korisnosti prvi je u drutvene elatnosti uveo engleski lozof Jeremy

Bentham, dok su pravu primjenu korisnosti za objanjenje ponaanja potroaa
dali neoklasini ekonomisti, poevi od Williama Stanley Jevonsa do A. Marshalla.
Cilj svakog potroaa je da za svoja oskudna sredstva ostvari najveu korisnost,
odnosno ostvari najvee zadovoljstvo. Svoje najvee zadovoljstvo potroa e postii
u taki u kojoj je granina korisnost poslednje utroene jedinice za jedan proizvod
jednaka graninoj korisnosti poslednje utroene novane jedinice za bilo koji drugi
proizvod.
Osnovni uslov potroaeve ravnotee moemo saeto izraziti pomou granine
korisnosti (MU) i cena (P) razliitih dobara na sledei nain:
MU dobra1
P1
MU dobra2
P2
... MU na 1 n.j. dohodka
(9.6)
Jo je Adam Smith, razmiljajui o korisnosti iznio razmiljanje koje je nazvao paradoks vrednosti. Naime, nita nije korisnije od vode. Bez nje ne bi bilo
ivota na zemlji. Pa ipak, pogotovo u Smithovo vrijeme, se rijetko za to kupovala.
Kao suprotnost tome, dijamant ima retko kakvu upotrebnu vrednost, a ipak ljudi
plaaju za njih visoku cenu. Smith je to objanjavao ponudom i potranjom, da se
ponuda i potranja seku na vrlo niskoj razini, dok se kod dijamanata seku vrlo visoko. Meutim, na odgovor se moralo saekati Smithove naslednike. Oni su doli do
spoznaje da korisnost nije ta koja odreuje cenu vode, ve njena granina korisnost,
odnosno korisnost poslednje ae vode. Naime kad je ovjek jako edan, prva aa
vode vredi daleko vie od dijamanta, jer vredi ivot, meutim posljednja aa vode
vredi jako malo i znatno manje od poslednjeg dijamanta.
9.5.2 Geometrijska analiza ravnotee potroaa
Vilfredo Pareto, neoklasini ekonomist, pokazao je da se svi vani elementi teorije

tranje mogu analizirati bez pojma korisnosti. Pareto je razvio teoriju indiferentnosti. Prema ovoj teoriji, potroa je ravnoduan u izboru kombinacija proizvoda,
ako mu svaka od tih kombinacija daje isti stupanj zadovoljstva. Kriva koja povezuje
razliite kombinacije proizvoda X i Y koje potroau pruaju isto zadovoljstvo naziva
se kriva indiferencije.
Niz izvedenih krivih indiferencije naziva se mapom indiferencije. Iz mape indiferencije (v.sliku 9.4a) uoava se kako sve take na odreenoj krivi indiferencije
oznaavaju isti nivo korisnosti, te da su nivoi korisnosti vei na onim krivama koje su
udaljenije od ishodita.
Slika 9.4a
Slika 9.4b
Krive indiferencije imaju sledea svojstva:

Opadaju sleva udesno, to znai da potroa mora smanjivati potronju
proizvoda Y kada poveava potronju proizvoda X da bi se zadrao na istoj
krivoj indiferencije. Odnos u kojem se jedan proizvod zamenjuje drugim
naziva se granina stopa supstitucije. Graninu stopu supstitucije (MRS)
matematiki moemo pisati MRS = -'Y/'X, gde brojilac oznaava onu
koliinu proizvoda Y koje se potroa odrie, a imenilac koliinu proizvoda
koju e sebi priutiti na raun odricanja neke koliine proizvoda Y.
Konveksne su u odnosu na ishodite, to znai da se granina stopa supstitucije sve vie smanjuje kako se pomiemo udesno, odnosno opadanje
sljeva udesno pokazuje kako se smanjuje potronja proizvoda Y, a poveava
potronja proizvoda X.
Krive indiferencije se nikada ne seku. U sluaju da se krive indiferencije
seku, to bi znailo da smanjena potronja koliine proizvoda X ili Y, ili i
proizvoda X i proizvoda Y, osigurava isti ili vei stepen korisnosti, to je
nelogino.
Krive indiferencije pokazuju u kojem je odnosu potroa spreman zameniti potronju jednog proizvoda drugim. Meutim njegov izbor ograniava
razina dohotka i cene proizvoda koje kupuje. Izdaci potroaa na kupovinu
proizvoda X i Y ne mogu biti vei od njegovog nominalnog dohotka.
Ako pretpostavimo da potroa u celini svoj novani dohodak utroi na
kupovinu, tada budetsko ogranienje izgleda ovako:
I = PX QX + PYQY
(9.7)
gde je I dohodak a PX, PY, QX, QY cene i koliine proizvoda X i Y respektivno. Povezivanjem svih kombinacija proizvoda X i Y, koje potroa moe kupiti uz poznati
dohodak i cene dobijemo budetsku liniju ili budetski pravac.
Potroa je u ravnotei kada uz dani dohodak i cijene proizvoda postie maksimalno zadovoljstvo od uinjenih izdataka. Graki gledano, potroa e maksimirati svoje zadovoljstvo u taki u kojoj budetski pravac dodiruje krivu indiferencije
(v.sliku 9.4b).
Uslov potroaeve ravnotee je da se odnos graninih korisnosti izjednai s relativnim odnosom cena dvaju proizvoda, tj:
MU X
MU Y
PX
PY
(9.8)
9.5.3 Rizici i korisnost

Najuticajnija i najire prihvaena teorija za individualno donoenje odluka u uslovima neizvesnosti je tzv. model oekivane korisnosti. Ovaj model se moe posmatrati
na dva naina, i to:
(i) kao pozitivni ekonomski model koji opisuje kako se ljudi u stvari ponaaju
(ii) kao propisani model koji propisuje kako ljudi treba da evaluiraju alternative ako ele da njihove odluke budu racionalne
Osnova za mnoge modele odluivanja u menaderskoj ekonomiji je pretpostavka
averzije prema riziku. S obzirom da se radi o krucijelnoj pretpostavki, vano bi bilo
razmotriti stavove oko rizika i diskutovati zato se u principu drati averzije prema
riziku.
U teoriji su prisutna tri stava prema riziku: averzija, indiferentnost i sklonost.
Averzija prema riziku je karakteristika osoba koje ele da izbegnu ili minimiziraju
rizike. Neutralnost prema riziku je karakteristika donosioca odluka koji su fokusirani na oekivane prinose i ignoriu disperziju prinosa (rizik). Sklonost ka riziku
je karakteristika donosioca odluka koji preferiraju rizik, Prilikom izbora izmeu
rizinijeg i manje rizinog investiranja sa identinim oekivanim monetarnim prinosima, osoba koja ima averziju prema riziku e izabrati manje rizinu investiciju a
osoba sklona riziku obrnuto. Osoba koja je neutralna prema riziku je indeferentna
prilikom selekcije. U veini sluajeva menaderi nemaju sklonost ka riziku, posebno
u situacijama kada su vei iznosi novca u pitanju.
Kada je u pitanju odnos novca i njegove korisnosti onda je u sreditu averzije

prema riziku namera da se smanji granina korisnost ili upotrebljivost novca. Ako
neko ko nema novca dobije 5.000, to e sigurno odmah zadovoljiti njegove potrebe.
Ako ista osoba dobije sledeih 5.000, to e mu sigurno biti od koristi, ali drugih 5.000
nije toliko neophodna kao prvih 5.000. Na taj nain je vrednost (ili korisnost) druge
(ili granine) sume manja nego korisnost prve sume, itd.
Slika 9.4 prikazuje relaciju izmeu novca i njegove korisnosti. Korisnost je merena u jedinicama vrednosti ili zadovoljstva.
(Slika 9.4)
Korisnost takoe predstavlja koncept kojim se iskazuje stepen zadovoljstva to
ga menader ili investitor ima od ulaganja u neki oblik imovine (u odreeni portfelj). Svaki investitor je razliit i ima razliitu korisnost od istog ulaganja, Investitoru
mogu razliite kombinacije rizika i prinosa biti jednako privlane. Kada se u koordinatni sistem unesu take koje oznaavaju takve izbore investitora njihovim spajanjem dobije se kriva indiferencije (krive koje prikazuju jednako poeljne take odnosa
prinosa i rizika za investitora). Na ovaj nain dobivena funkcija naziva se funkcija
korisnosti.
Racionalni investitor e izabrati onaj portfelj koji za njega ima najviu funkciju korisnosti. Iznos prinosa koji oekuje investitor je kriterijum prema kojem uporeivati
i vriti izbor izmeu dve ili vie investicija. Ukoliko se sa W oznai ishod (wealthbogatstvo), sa U(W), vrednost tog ishoda, a sa P(W) verovatnoa nastupa poeljnog
ishoda, oekivana vrednost funkcije korisnosti E(U), bie:
E(U)
U(W) P(W)
W
(9.9)
Investitor se ponaa racionalno ukoliko uvek izabere opciju koja mu nudi vie, a
ukoliko mu dve opcije nude isto, bira onu koja je manje rizina. Kod kreiranja portfelja koji ima vie od dve mogunosti ulaganja u rizinu imovinu, raspoloive investicijske mogunosti se graki mogu predoiti na slici 6.2.
Po savremenoj teoriji portfelja serija optimalnih portfelja koji formiraju ekasni obod (ekasna granica -videti sliku 9.5) dobija se reavanjem odgovarajueg
matematikog modela.
Slika 9.5
Portfelji na ekasnoj granici dominiraju svim ostalim kombinacijama hartija od

vrednosti, jer imaju viu stopu prinosa uz istu ili niu stopu rizika odnosno standardnu devijaciju (varijansu) u odnosu na ostale portfelje. Utvreno je da investitori biraju portfelje koje se nalaze u ekasnom obodu skupa jer isti dominiraju nad drugim
portfeljima iz skupa mogunosti ulaganja u rizinu imovinu.
9.6 Podeavanje valuacionog modela sa rizicima

Ako odluke menadera imaju efekat na nivo rizika preduzea, onda je vrednost
rme ugroena. Za podeavanje osnovnog valuacionog modela za donoenje odluka
u uslovima neizvesnosti koriste se dva glavna metoda.
Osnovni valuacioni model
Osnovni valuacioni model iz poglavlja 1 (formula 1.1) je:
PV S
Si
1 r
i 1
Ovaj model tvrdi da je vrednost rme jednaka diskontovanoj sadanjoj vrednosti

buduih prota. U uslovima sigurnosti brojilac je prot a imenilac je ispravka vremenske vrednosti koristei nerizini iznos prinosa i. Nakon ispravke vremenske vrednosti,
proti koji se ostvaruju iz raznih projekata su tano i u potpunosti uporedivi.
U uslovima neizvesnosti, proti u gornjoj formuli su jednaki oekivanim vrednostima prota za vreme svakog budueg perioda jer je oekivana vrednost najbolja
ocena iznosa koji e se zaraditi za vreme bilo kog perioda. Meutim, s obzirom da se
proti ne mogu predvideti sa apsolutnom preciznou, mora se ukljuiti izvesna varijabilnost. Ako se preduzee mora odluiti izmeu dve alternativne metode poslovanja, jedna sa visokim oekivanim protima i visokim rizicima, i druga sa manjim
oekivanim protima i manjim rizicima, morale bi biti na raspolaganju odreene
tehnike kako bi se uinilo da alternativne investicije budu uporedive. U najmanju
ruku primenjuju se dva metoda za navedena podeavanja. U cilju uraunavanja rizika, u prvom se koriguje oekivani prot a u drugom se uveava kamatna stopa. Bilo
koji od ovih metoda se moe koristiti kako bi se osiguralo da su donete odluke koje
uveavaju vrednosti.
9.6.1 Ispravka sa ekvivalentom izvesnosti
Ekvivalent izvesnosti je metod ispravke brojioca u osnovnom valuacionom modelu radi ukljuivanja rizika. U ovom pristupu donosioci odluka specikuju odreenu
sumu koju smatraju uporedivu sa oekivanom vrednou rizine investicione alternative.
Pogledajmo sledei primer:

Pretpostavimo da se eli investirati 100.000 i ako je projekat uspean dobie se
1.000.000 a ako nije uspean ne dobija se nita. Ako je verovatnoa uspeha 0,5
tada je investitorova oekivana isplativost 500.000 (=0,5*1.000.000+0,5*0),
Ako se ne investira, zadrava se 100.000.
Ako se bude indiferentan izmeu navedene dve alternative, to znai da 100.000
predstavlja ekvivalent izvesnosti za rizini oekivanu prinos od 500.000. Drugim reima, isvestan ili nerizini iznos od 100.000 obezbeuje istu korisnost kao i 50/50
ansi da se zaradi 1.000.000 ili 0.
Svaki sigurni evro je vredan pet puta vie od svakog rizinog evra oekivanog
prinosa, ili obrnuto, rizini evro oekivanog prinosa vredi 20 centi u smislu sigurnih
evra.
Ako je ekvivalent izvesnosti manji od oekivane vrednosti to ukazuje na averziju
prema riziku, a ako je vei od oekivane vrednosti to ukazuje na sklonost prema
riziku.
Svaki oekivani rizini iznos se moe konvertovati u sumu ekvivalenata izvesnosti
koristei faktor ispravke ekvivalenta izvesnosti (). Ovaj koecijent se rauna na
sledei nain:
D=
suma ekvivalenata izvesnosti

oekivani rizini iznos
U naem primeru je = 0,2 = 100.000/500.000 to znai da cena jednog evra

kod rizinog oekivanog prinosa iznosi 20 centi,
Za menadere su korisne sledee opte relacije koje im omoguuju korienje
faktora ispravke ekvivalenta izvesnosti za potrebe analize rizika:
Ako
Oznaava
<1
Averzija prema riziku
=1
Indiferentnost prema riziku
>1
Sklonost ka riziku
Osnovni valuacioni model (vidi 1.1) se moe konverovati u model sa podeavanjem rizika koji eksplicitno ukljuuje rizike, i to:
PV S
D * E(Si )
1 r
(9.10)
i 1
gde su oekivani budui proti konvertovani u njihove ekvivalente izvesnosti *E(Si)

i diskonovane nerizinom stopom r kako bi se dobila sadanja vrednost projekta rme sa
ispravkom koja ukljuje rizik.
Menaderi bi za korienje gore navedene relacije trebali da ocene -e za razliite
investicione prilike. U mnogim sluajevima mogu biti od koristi evidencije o prethodnim investicionim odlukama kao pomo u odreivanju odgovarajuih faktora
ispravke ekvivalenta izvesnosti.
9.6.2 Ispravka diskontne stope ukljuivanjem rizika
Drugi metod za ukljuivanje rizika u donoenju odluka je da se diskontne stope
isprave ukljuivanjem rizika. Pretpostavimo da je investitor indeferentan prema nerizinom sredstvu sa sigurnih 5% prinosa, srednje rizinom sredstvu sa 10% prinosa
i veoma rizinom sredstvi sa 15% prinosa. Sa rastom rizika zahteva se vei prinos
na investiciji kako bi se kompenzirao dodatni rizik. Treba istai da je zahtevana premija rizika direktno povezana sa nivoom rizika prisutnog kod odreene investicije.
Osnovni valuacioni model se moe adaptirati podeavanjem diskontne stope i:
PV S
E(Si )
1 r
i 1
gde je je r ispravljena diskontna stopa ukljuivanjem rizika. Ona je zbir nerizine

stope prinosa (rF) i zahtevane premije rizika (rP), tj:
r = rF + rP
(9.11)
Posmatrajmo primer preduzea P&C koja razmilja da kupi jedan od dva sistema
za upravljanje bazom podataka (DBMS) koje nudi rma Icon doo. Sistem A je specijalno dizajniran za postojei softverski sistem preduzea P&C i ne moe se koristiti
za softver drugih provajdera, dok je sistem B kompatibilan sa mnogim softverskim
sistemima ukljuujui softver P&C i drugih provajdera softvera. Oekivana investicija je 500.000 za obe alternative. Oekivana godinja uteda (priliv novca) za 5 godina
je 175.000 godinje za sistem A i 185.000 za sistem B, Standardna devijacija za A i B
je 10.000 i 15.000 respektivno, S obzirom na razlike u pogledu rizika, menadment
P&C je odluio da proceni sistem A sa 10% troka kapitala i sistem B sa 15% troka
kapitala.
Vrednost svakog od sistema sa ukljuenim rizicima je:

5
Vrednost A
175.000
500.000 163.390
1,10 i
185.000
500.000 120.157
1,15 i
i 1
Vrednost B
i 1
S obzirom da je vrednost sistema A sa ukljuenim rizikom vea nego B, jasno je da

P&C treba da izabere A. Ovaj izbor maksimizira vrednost preduzea.
9.7 Drvo odluivanja i kompjuterska simulacija

Drvo odluivanja koje prati sekvencijalnu prirodu procesa u donoenju odluka
predstavlja logian okvir za analizu odluivanja u uslovima neizvesnosti. Kada postoji veliki nivo neizvesnosti i podaci nisu uvek na raspolaganju, tada kompjuterska
simulacija esto daje osnovu za razumne pretpostavke. Ove tehnike danas predstavljaju veoma korisne i praktine naine za ocenu rizika i efektivno donoenje menaderskih odluka.
9.7.1 Drvo odluivanja
Drvo odluivanja je proces u sekvencijalnom donoenju odluka. Ono je zamiljeno za analiziranje problema u odluivanju koji ukljuuju seriju izbornih alternativa koja su ograniena prethodnim odlukama. Drvo odluivanja ilustruje kompletan
opseg buduih mogunosti i njihovih odgovarajuih verovatnoa u smislu logikog
napredka od inicijalne take odluivanja, kroz svaku narednu alternativu u odluivanju, do krajnjeg ishoda. Take odluivanja su instance gde menadment mora
uraditi selekciju izmeu nekoliko izbornih alternativa. Sluajni ishodi su su mogui
ishodi svake sledee take oduivanja.
Drvo odluivanja je iroko zastupljeno jer se mnoge vane odluke donose po fazama. Na primer farmaceutska kua koja eli proiri trite za svoj generiki lek moe
preuzeti sledee korake:
Utroiti 100.000 n.j. u istraivanje uslova snabdevanja i tranje u industriji
generikih lekova
Ako su rezultati ispitivanja pozitivni, utroiti 2 miliona na pilot fabriku za
istraivanje proizvodnih metoda
U zavisnosti od procene trokova i mogue tranje, ili obustaviti projekat,

napraviti veliku fabriku ili sagraditi malu fabriku.
Odluke se donose u fazama, naredno odluivanje zavisi od prethodnog zakljuivanja. Sekvenca ishoda se moe mapirati radi vizuelnog prikazivanja grana drveta
otuda termin drvo odluivanja.
Na slici 9.6 je ilustrovana metoda drveta odluivanja na primeru farmaceutske
kompanije. Pretpostavimo da je preduzee izvrilo analizu tranje i snabdevanja i
da je zakljuak da treba razviti kompletne proizvodne objekte. Moe biti izgraena
ili velika ili mala fabrika. Verovatnoe tranje su 50%, 30% i 20% za veliku, srednju i
malu tranju respektivno.
U zavisnosti od aktuelne tranje, sadanja vrednost neto novanih tokova dosee od
8,8 do 1,4 miliona za veliku fabriku, i od 2,6 miliona do 1,4 miliona za malu fabriku.
(Slika 9.6)
Uporeivanjem oekivanih neto sadanjih vrednosti za oba sluaja (velika i mala
fabrika), zakljuujemo da je manja fabrika manje rizina na osnovu irine opsega
moguih vrednosti neto sadanje vrednosti. S obzirom na razliku u investicionim
zahtevima za svaku od fabrika moe se izvriti alternativno merenje relativnog rizika
pomou koecijenata varijacije za obe oekivane vrednosti. Koecijenti varijacije za
veliku i malu fabriku su 4,3 i 1,514) to ponovo ukazuje na vei rizik za veu fabriku
od manje fabrike.
14
Koristei relaciju 14.6, standardna devijacije za veliku i malu fabriku su 3,155 milliona i 458.260,
Deljenjem ovih vrednosti sa oekivanim prinosima dobijaju se vrednosti za koecijente varijacije
Ove karakteristike za rizike i oekivane vrednosti se mogu unkljuiti u proces

donoenja odluka na razne naine. Dodeljivanjem vrednosti korisnosti za tokove
novca datih u koloni (4), u koloni bi imali oekivane korisnosti pa bi preduzee moglo da izabere veliinu fabrike koja daje najveu oekivanu korisnost. Alternativno,
sadanja vrednost u koloni 4 se moe korigovati koristei metode ekvivalent izvesnosti ili diskontne stope ispravljene sa rizicima. U tom sluaju bi optimalan izbor
bio fabrika koja nudi najveu sadanju vrednost korigovanu za rizike.
9.7.2 Kompjuterska simulacija i analiza senzitiviteta
Druga tehnika koja je zamiljen da pomogne menaderima u donoenju odluka u
uslovima neizvesnosti je tehnika kompjuterske simulacije. Ista ukljuuje korienje
sosticiranog softvera za kreiranje irokog spektra scenarija za donoenje odluka.
Ove simulacije ilustruju iroki opseg moguih ishoda u cilju asistiranja menaderima
u proceni moguih i verovatnih konsekvenci razliitih alternativa u odluivanju.
Postavljaju se hipotetika pitanja ta ako? na koje se daju odgovori na bazi merljivih
razlika u potpornim pretpostavkama, kao i precizna zakljuivanja koja se odnose na
poeljnost razliitih izbora na osnovu detaljnih podataka o verovatnoama.
Kompjuterska simulacija zahteva ocene raspodela verovatnoa za mnoge varijable kao to su investicioni trokovi, jedinice prodaje, ulazne cene i ivotni vek sredstva. Kompletna simulacija je u nekim sluajevima skupa, meutim kada rma treda
da odlui da li da prihvati ili ne milionske investicione trokove, onda ista moe biti
veoma korisna jer obezbeuje vredne informacije koje opravdaju troak njene upotrebe.
Nekada se koristite simulacije u ogranienom obliku i to za ishode projekata ili
strategija. Naime, umesto korienja kompletnih raspodela verovatnoa za svaku od
varijabli koja je ukljuena u problem, rezultati se simuliraju na osnovu najbolja-procene za svaku od varijabli. Tada se uzimaju u obzir promene na vrednostima svake
varijable u cilju sagledavanja efekata takvih promena na prinosima projekta.
Tipino za projekte je da su prinosi veoma senzitivni u odnosu na neke varijable a
manje na druge. Panja se tada fokusira na varijable od kojih je protabilnost najvie
senzitivna. Ova tehnika, poznata kao analiza senzitiviteta ili osetljivosti, je manje
skupa i zahteva manje vremena od kompletne kompjuterske simulacije, ali u isto
vreme obezbeuje vane podatke za potrebe donoenja odluka.
Radi ilustracije kompjuterske simulacije uzmimo za primer evaluaciju novog projekta rme Steel doo. Tani trokovi nisu poznati ali se oekuju da budu oko X
miliona. Ako ne bude problema u izgradnji objekta projekat e kotati X1 miliona.
Meutim, neoekivana serija dogaaja kao to su trajkovi, vei materijalni trokovi
nego to je projektovano, i/ili tehniki problemi mogu dovesti do neophodnih investicionih trokova od X2 miliona. Prihodi od novog objekta zavise od rasta regonalnog prihoda i izgradnje, konkurencije, konkurencije, razvoja u metalurgiji, uvoznih
kvota i tarifa za elik, i dr. Operativni trokovi zavise od ekasnosti proizvodnje,
trokova sirovog materijala, kao i trenda u platama radnika. S obzirom da su operativni prihod i operativni trokovi neozvesni, ne mogu se predvideti godinji proti.
Ako se pretpostavi da se za svaku vaniju kategoriju prihoda i trokova mogu razviti
raspodele verovatnoa, onda bi se mogao napraviti program koji simulira mustru
(model) buduih dogaaja. Kompjuterska simulacija ne sluajan nain iz svake relevantne raspodele selektuje nivoe prihoda trokova i koristi te informacije za ocenu
buduih prota, neto sadanjih vrednosti, ili stope prinosa investicije. Ovaj se proces
ponavlja mnogo puta kako bi se identikovala centralna tendencija projektovanih
prinosa njihovih oekivanih vrednosti. Na kraju simulacije se crtaju i analiziraju
modeli uestanosti i opseg buduih prihoda (vidi sl. 9.7 i 9.8).
Slika 9.7
Pored toga to su oigledno najinteresantniji oekivane budue vrednosti, takoe

je vaan opseg moguih ishoda kao indikatora rizika. Slika 9.8 ilustruje distribuciju
frekvencija stopa prinosa generisanu simulacijom dva laternativna projekta X i Y,
gde svaki od njih ima oekivane trokove od 20 miliona. Oekivana stopa prinosa
na projektu X i Y je 15% i 20% respektivno. Meutim, ovo su samo prosene stope
prinosa dobijene kompjuterskom simulacijom. Opseg simuliranih prinosa je izmeu
-10% i 45% za investiciju Y, i od 5% do 25% za investiciju X. Standardna devijacija je
4% i 12%. Na osnovu ovih informacija dobija se da je koecijent varijacije za X 0,267,
a za Y 0,60 to ukazuje da je investicija Y rizinija u odnosu na X. O dluka o tome
koju investiciju izabrati moe biti doneta i na osnovu oekivane korisnosti ili na bazi
odreivanja sadanje vrednosti koja ukljuuje ili ekvivalente izvesnosti ili diskontovane stope korigovanim za rizike.
Slika 9.8
Nekada se koriste i simulacije u ogranienom obliku, i to za ishode projekata ili
strategija. Naime, umesto korienja kompletnih raspodela verovatnoa za svaku od
varijabli koja je ukljuena u problem, rezultati se simuliraju na osnovu najbolja-procene za svaku od varijabli. Tada se uzimaju u obzir promene na vrednostima svake
varijable u cilju sagledavanja efekata takvih promena na prinosima projekta.
Tipino za projekte je da su prinosi veoma senzitivni u odnosu na neke varijable a
manje na druge. Panja se tada fokusira na varijable od kojih je protabilnost najvie
senzitivna. Ova tehnika, poznata kao analiza senzitiviteta ili osetljivosti, je manje
skupa i zahteva manje vremena od kompletne kompjuterske simulacije, ali u isto
vreme obezbeuje vane podatke za potrebe donoenja odluka.
Analiza senzitiviteta predstavlja posmatranje promene vrednosti, odnosno

trokove investicionog projekta (P), ukoliko doe do male promene varijabli, odnosno odreenog faktora rizika (f ). Glavni faktori rizika su: valutni kursevi, kamatne
stope, trini indeksi, cene roba, volatilnost, i sl. koji su ukljueni u dati problem.
Osetljivost se moe meriti relativnom promenom vrednosti projekta (P) prilikom
male promene faktora rizika ( H ), deljeno sa promenom u faktoru rizika, tako da je:
Osetljivost
P(f H) P(f )
H
(9.15)
Merenje rizika sa osetljivou daje dobre aproksimacije za vrednost investicionog

projekta u sluaju malih promena faktora rizika. Ukoliko su promene u faktorima
rizika velike, kao to je to sluaj prilikom recesija i nansijskih kriza, linearna mera
osetljivosti ne daje zadovoljavajue rezultate i potrebno ju je izbegavati.
9.8 Maksimin i minimaks pravila u odluivanju

Jedan od standarda u odluivanju koji je pogodan za donoenje odluka u uslovima
neizvesnosti je maksimin kriterijum. Po ovom kriterijumu donosilac odluke treba
da izabere onu alternativu koja obezbeuje najvie od najgorih moguih ishoda. To
se postie tako to se nae najloiji mogui (minimum) ishod za svaku alternativu u
odluivanju da bi se zatim izabrala opcija iji najloiji ishod donosi najveu (maksimum) isplativost. Ovaj kriterijum daje instrukcije da se maksimizira najmanje
mogui ishod. Oigledeno je da se radi o pravilu koje koriste pesimistiki donosioci
odluka koji ele da donose konzervativne odluke.
Za ilustraciju uzmimo tabelu 9.3 koja pokazuje nedeljnu protnu isplativost
alternativne cenovne strategije za benzin od strane jedne benzinske pumpe. Pretpostavimo da je ta pumpa upravo saznala za 3% smanjenje velikoprodajne cene benzina. Ako bi smanjila postojeu cenu za 3% za litar, njen nedeljni prot e zavisiti od
reakcije, ako do nje doe, najblieg konkurenta. U primeru je 2.500 najloiji mogui
ishod nakon smanjenja cene, meutim ishod od 1.000 je mogu ako pumpa zadri
postojeu cenu. Maksimum kriterijum zahteva da pumpa smanji cenu jer minimalni
mogui ishod koji proizilazi iz mogue odluke je vei od minimuma 1.000 isplativosti
koja je mogua ako se zadri postojea cena.
Matrica nedeljne profitne isplativosti

Osobna stanja
Konkurent
snizio cenu
Osobna
stanja
Alternative u odluivanju
Konkurent
zadrao cenu
Smanjiti cenu
2.500
3.000
Zadrati tekuu cenu
1.000
5.000
Matrica gubitka prilike

Osobna stanja
Konkurent
snizio cenu
Osobna
stanja
0 (=2.500-2.500)
2.000 (=5.000-3.000)
1.500 (=2,500-1.000)
0 (=5.000-5.000)
Smanjiti cenu
Zadrati tekuu cenu
Konkurent
zadrao cenu
Tabela 9.3
Mada maksimin kriterijum ima nedostatke jer se fokusira na najpesimistiniji
ishod za svaku alternativu u odluivanju, ne bi trebalo da se odbaci kao naivan i
nesosticirani metod. Maksimin kriterijum implicitno pretpostavlja veoma jaku
averziju prema riziku i primenljiv je za odluke koje ukljuuju mogue katastrone
ishode.
Drugi korisni kreiterijum za odluivanje se fokusra na gubitak prilike vezano za
odluku a ne na njegov najloiji ishod. Pravilo odluivanja, poznato kao minimaks
kriterijum nalae da donosilac odluke treba da minimizira maksimalno mogue
aljenje (gubitak prilike) vezano za pogrenu odluku posle tog dela. Ovaj kriterijum
nalae da se minimizira razlika izmeu moguih ishoda i najboljeg ishoda za svako
osobno stanje. U teoriji igara gubitak prilike se denie kao razlika izmeu date
isplativosti i najvee mogue isplativosti za rezultujue osobno stanje. Gubici prilika
koji nastaju zbog toga to se prinosi ustvari dobijaju u uslovima neizvesnosti su esto
manji nego maksimalni prinos koji bi bio verovatan kada bi se pre toga imala perfektna obavetenost ili znanje.
U drugom delu Tabele 9.3 data je matrica gubitka prilike vezano za problem pumpe iz naeg primera. Uraena je nalaenjem maksimalne isplativosti za odreeno osobno stanje da bi se nakon toga od tog iznosa oduzimale isplativosti koje su rezultat
raznih alternativa u odluivanju. Maksimalno aljenje u ovom primeru je ogranieno
na gubitak od 1.500 koji nastaje kada konkurent snizi tekuu cenu. Ako bi pumpa
smanjila svoju , tada bi gubitak za pumpu bio 2.000, to je 500 vie.
9.9 Cena neizvesnosti

Neizbean gubitak prilike je troak koji se odnosi na neizvesnost. Otuda oekivani
gubitak prilike vezano za odluku predstavlja meru oekivanog monetarnog dobitka
po izbacivanju svih neizvesnosti o buduim dogaajima. Iz matrice gubitka prilike ili
regret moe se meriti minilani oekivani gubitak prilike. Iz matrice isplativosti cena
neizvesnosti se meri kao razlika izmeu oekivane isplativosti u vezi sa donoenjem
korektne alternative u svim osobnim stanjima (koje e biti poznata nakon dela) i
najvee oekivane isplativosti koje se moe dobiti od svih alternativa u odluivanju.
Cena ili troak neizvesnosti je neizbean ekonomski gubitak zbog rizika, Koristei
ovaj koncept mogue je proceniti vrednost dobijanja dodatnih informacija pre izbora
neke od alternativa u odluivanju.
Prethodni primer sa pumpom moe ilustrovati kako se koristi gubitak prilike.
Na osnovu podataka iz tabele mogu se izraunati oekivani gubici prilike za svaku
alternativu u odluivanju (v.Tabelu 9.4). Pretpostavka je da je 50% verovatnoa da
e konkurent sniziti cenu. Minimalni oekivani troak prilike je 750 i on predstavlja
cenu koju pumpa plaa za razreenje sumnje oko cenovne politike konkurenta. Za
ovu rmu je bolje da eliminie ovu neizvesnost ako bi mogla da plati informaciju za
manje od 750.
Osobno stanje
Konkurent sniava cenu

Konkurent zadrava cenu
Iz matrice gubitka
Smanjiti cenu
Zadrati cenu
Verovatnoa
Gubitak
Oekivani
Verovatnoa
Gubitak
Oekivani
stanja
prilike gubitak prilike
stanja
(1)
(2)
(3)=(1)*(2)
(1)
(2)
(3)=(1)*(2)
0,5
0,5
1.500
750
0,5
2.000
1.000
0,5
1.000
750
Cena neizvesnosti = minimalni oekivani gubitak prilike = 1.000
Osobno stanje
Konkurent sniava cenu

Konkurent zadrava cenu
Iz matrice isplativosti
Smanjiti cenu
Zadrati cenu
Verovatnoa
Gubitak
Oekivani
Verovatnoa
Gubitak
Oekivani
stanja
stanja
(1)
(2)
(3)=(1)*(2)
(1)
(2)
(3)=(1)*(2)
0,5
2.500
1.250
0,5
1.000
500
0,5
3.000
1.500
0,5
5.000
2.500
2.750
3.000
Oekivana vrednost korektne odluke nakon dela = 2.500*0,5+5.000*0,5 = 3.750

Cena neizvesnosti = Oekivana vrednost korektne odluke - Oekivana vrednost najbolje alternative = 3.750-3.000=750
Tabela 9.4
Firme esto preduzimaju korake u cilju reduciranja neizvesnosti razliitih alternativa pre donoenja neopozivih odluka. Na primer, preduzee koje proizvodi hranu e
izvriti iroka marketinka ispitivanja u odreenim podrujima kako bi dobili bolju
procenu potencijala za prodaju pre nego to krene da uvodi novi proizvod. Slino,
konkurencija esto najavlje promene cena pre njihovog uvoenja kako bi otkrili
reakciju rivala.
9.10 Teorija igara u analizi rizika

Postoji oigledna paralela izmeu konkurentnih igara i situacija u stratekom biznisu. U partiji aha dva igrau vuku poteze u sekvenci. Nakon to vidi potez prvog
igraa, drugi igra vue protiv potez. Tada prvi igra, imajui u vidu prva dva poteza,
vue trei, itd.
Uporedimo ovo sa poslovnom situacijom kada dve benzinske pumpe konkuriu
jedna drugoj kroz strateku politiku cena (igrai su u ovom sluaju pumpa A i B).
Pretpostavimo da pumpa A kree sa implementiranjem nove cenovne politike.
Imajui u vidu odluku pumpe A, pumpa B odluuje ta uraditi sa svojim cenama.
Nakon odgovora B, A moe revidirati svoju cenovnu politiku, itd. Cilj i A i B u ovoj
igri je da se maksimizira vlastiti prot. Da bi uspeli u tome, moraju u kontinuitetu
delovati i povratno delovati protiv konkurenta na tritu, kao i preduprediti odgovore konkurenta prilikom donoenja odluka.
U neizvesnom ekonomskom okruenju maksimiziranje vrednosti se postiu
korienjem korigovanih valuacionih modela sa rizicima koji su opisani u ovom
poglavlju. U izvesnm okolnostima, posebno gde je okruenje odluivanja pre neprijateljski raspoloeno nego neutralno, i kada postoji ekstremna neizvesnost, mogu biti
podesni ostali kriterijumi teorije igara.
Teorija igara datira iz 1940-ih godina kada su matematiar John von Neuman i
ekonomista Oskar Morgenstern odluili da njihovu vetinu u igranju karata iskoriste
za optu teoriju o donoenju odluka u uslovima neizvesnosti. Oni su ustanovili da
odluke kada blerati, kada izai i kada ostati u istoj poziciji nije jedino relevantno u
igranju karata ve i uslovima agresivne konkurencije na tritu. Pravila koja su njih
dvojica razvila su postala veoma relevantna u analizi ponaanja konkurenata.
U polju teorije igara nekoliko klasinih igara se rutinski koristi radi ilustracije
raznih koncepata. Pomenuemo neke od njih: Dilema zatvorenika, Lov na jelena,
Borba branog para, i dr.
9.10.1 Dilema zatvorenika

Dve osobe su uhapene pod sumnjom da su opljakali banku. Ukraden novac nije
pronaen a i dokazi protiv njih su slabi. Meutim postoji dovoljno dokaza da se osudi
svaki od njih za zloupotrebu korienja oruja. Zatvorenici su u odvojenim elijama
i ne mogu komunicirati. Zatraeno je da istovremeno izaberi jednu od dve opcije
priznati ili ne priznati umeanost u pljaki.
U ovoj klasinoj igri oba zatvorenika biraju izmeu priznati (C) i ne priznati (NC).
U simultanoj verziji svaki od njih mora izabrati strategiju bez bilo kakve informacije
o strategiji koju je izabrao drugi zatvorenik. Matrica isplativosti (dobitka) koja korespondira razliitim kombinacijama strategija je data u donjoj tabeli, pri emu su
brojevi koji oznaavaju dobitke uzeti neobavezno radi ilustracije:
Zatvorenik 2
Zatvorenik 1
NC
10, 10
150, 0
NC
0, 150
100, 100
Tabela 9.5
Zatvorenicima je reeno da e ako priznaju, tuba za oruje biti povuena. Takoe

im je reeno da ako jedan zatvorenik prizna a drugi ne, tada e onaj koji prizna biti
osloboen zbog kooperativnosti pri emu bi drugi bio osuen i za pljaku i za oruje.
U sluaju da oba priznaju, obojica e biti optueni za pljaku. Ako neki od zatvorenika izabere C a drugi NC, tada prvi dobija 150 (to oznaava slobodu i ukradeni novac) dok drugi dobija 0.
Glavna karakteristika ove igre je da svaki od igraa ima dominantnu strategiju, a
to je priznati, i da nije racionalno izabrati dominiranu strategiju (ne priznati). Dominantna strategija je takva strategija koja daje najvei dobitak bez obzira na strategiju
koju je izabrao protivnik. Dominirana strategija je takva strategija za koju je bolje
uzeti bilo koju drugu strategiju kao odgovor na ma koju moguu strategiju rivala.
injenica da svaki od zatvorenika bira opciju priznati je iznenaujua, meutim
sline primere imamo i u biznisu. Na primer, zato je mnogo rmi, npr. u avioindustriji, prinueno da ima nie cene iako trite moe da podri vee cene. Igra je ovde
nie cene ili vie cene. Kao i kod dileme zatvorenika, politika niskih cena je dominatna strategija za svaku aviormu,
Treba znati da u teoriji igara termini najvie ili optimal ne znae uvek i dobro. Dolazimo do pojma ravnotee (equilibrium) u igri jer e racionalni igra uvek
igrati najbolje predviajui poteze oponenta. Kod zatvorenika je to strateka kombinacija (priznati, priznati). Koncept ravnotee je centralni u teoriji igara. On nastaje
kada svaki igra koristi strategiju koja mu daje optimalni dobitak pri datim strategijama oponenata. Razumevanje i primena ideje equilibriuma u igrama je ono to
omoguava donoenje pravih stratekih izbora u svakoj situaciji.
U sekvencijalnoj verziji zatvorenici vuku poteze jedan za drugim a ne istovremeno
(simultano). Zatvorenik br.2 vidi akciju zatvorenika br.1 i onda bira priznati ili ne
priznati. Drvo igre je sledee:
Slika 9.9
Primetimo da je ishod isti kao i u simultanom sluaju.
9.10.2 Koncept Nash ekvilibriuma
Posmatrajmo sluaj kada igrai imaju na raspolaganju samo jednu strategiju (igra
sa prostom strategijom) za razliku od sluaja kada igrai biraju meovite strategije sa
odgovarajuim verovatnoama (igre sa meovitim strategijama). Na ekvilibrium je
takav ishod igre kada izabrana strategija svakog igraa predstavlja najbolji odgovor
na izabrane strategije ostalih igraa.
Matematiki gledano, pretpostavimo da postoji m igraa pri emu svaki od njih
(i=1,,,m) sa skupom strategija Si od kojih mora izabrati strategiju si. U primeru zatvorenika S1 = S2 = (NC,C). Dobitak za igraa i, Ui , zavisi od izbora strategija svih
igraa, tj, Ui (s1 ,,,,, sm), i ako je
Ui (s1* ,,,,, si*,,,, sm*) >= Ui (s1* ,,,,, si,,,,sm*)

tada strategija (s1* ,,, sm*) predstavlja Nash ekvilibrium. To bi znailo da ako svaki
drugi igra j izabere strategiju sj* , izbor si* daje igrau i dobit koja je u najmanju ruku
ista kao i da je izabrao bilo koju drugu strategiju si Si . U prethodnom primeru,
(C,C) predstavlja Nash ekvilibrium.
U praksi meutim postoje sluajevi kada igrai imaju vie Nash ekvilibriuma to
predstavlja ogranienje ovog koncepta, U realnom svetu esto reenje za ovakav
problem predstavlja komunikacija, ak i sa protivnikom.
Sukcesivno eleminisanje dominiranih strategija - esto igrai nemaju jasnu
dominantnu strategiju to onemoguava lako nalaenje igraevog ekvilibriuma.
U takvim sluajevima igra moe koristiti strategiju sukcesivnog eleminisanja
dominiranih strategija. U pitanju je proces u kome igra eliminie sve strategije
koje su dominirane od strane drugih raspoloivih strategija koje igra moe usvojiti. Za ilustraciju posmatrajmo marketiku igru izmeu Pivare A i Pivare B koje
planiraju da utroe ili proseni ili veliki iznos za marketing.
Pivara B
Pivara A
Prosean
Veliki
Prosean
80, 60
10, 100
Veliki
50, 10
40, 30
Tabela 9.6
Iz tabele 9.6 se vidi da je za Pivaru B dominantna strategija veliki budet, dok je
dominirana strategija prosean budet. S druge strane Pivara A nema dominantnu
strategiju jer bi ona trebala da ima najvei dobitak bez obzira na poteze konkurenta.
Stoga bi se od Pivare A pri sainjavanju najbolje strategije zahtevalo da koristi sukcesivno eliminisanje dominiranih strategija.
Menadment Pivare A moe zakljuiti da je za Pivaru B proseni budet dominirana strategija, to oznaava da tu strategiju Pivara B nee koristiti bez obzira ta uradi
Pivara A, pa je moe izbaciti iz razmatranja. Nova revidirana matrica isplativosti je:
Pivara A
Prosean
Veliki
Tabela 9.7
Pivara B
Veliki
10, 100
40, 30
Kooperacija Kad igrai komuniciraju, onda se ponekad otklanjaju prirodne

prepreke koje onemoguuju igrae da ostvare vee dobitke. Na primer, ako dve kompanije imaju dominantnu strategiju pa prizvode vie od plana (ovakav primer se
moe tretirati kao dilema zatvorenika) i ako obe odlue da budu kooperativne, onda
e podeliti prot. Meutim u dananje vreme kada su rme na konkurentnom tritu
i prot e biti manji. Ako neka od kompanija odstupa, tada e ona poveati svoj prot
na raun druge kompanije.
9.10.3 Reenja za meovite strategije
U nekim igrama sa prostom strategijom ne postoji Nash equilibrium. Tabela 9.8

ilustruje ovu injenicu. Naime, nema poklapanja, jer koju god strategiju igrai izaberu, najmanje jedan od njih je podstaknut da odstupi. Za svaki par strategija najmanje jedna od izabranih strategija nije najbolji odgovor na strategiju oponenta. Da
bi to shvatili, pretpostavimo da je izabran par (A1,B1). Tada e B pre radije prei na
B2. Ako je (A1,B2) izabrana, tada A preferira A2. Slino je i za (A2,B2),
A strategije
B strategije
B1
B2
70, 30
30, 70
50, 50
100, 0
A1
A2
Tabela 9.8
Ovaj primer pokazuje da su igrai verovatno neizvesni u smislu koju strategiju

e izabrati, to dovodi do ukljuenja mogunosti da se strategije na sluajan nain
biraju. Naime, mogu se uzeti verovatnoe koje bi ukazivale na neizvesnost za svakog
igraa ta e protivnik uraditi.
Po deniciji, ako i-ti igra ima na izboru ni strategija tada je meana strategija za
i
i
tog igraa raspodela verovatnoa pi = ( p1i ,,, pn ) gde je p j verovatnoa da i-ti igra
n
igra svoju j-tu strategiju. Pri tome je p ij 1 . Problem za i-og igraa se tada svodi na
j 1
i
nalaenje verovatnoa pi = ( p1i , ,, pn ) kako bi se maksimizirala njegova/njena oekivana
korisnost ili oekivani prinos.
i
Neka je p verovatnoa da e igra A igrati strategiju A1 i 1-p da e igrati strategiju

A2. Slino, neka q i 1-q oznaavaju verovatnoe da e igra B igrati strategiju B1 i B2
respektivno. Uzmimo zatim da je oekivana korisnost dobitaka UA(p,q). Tada je u
primeru potrebno nai maksimum za q. Problem za A je da koristi p za maksimalni

prinos. Treba treba primetiti da je p pod kontrolom A ali ne i q, o ijoj vrednost A
moe da nagaa.
UA(p,q) = 70pq + 30p(1-q) + 50(1-p)q + 100(1-p)(1-q)
= (100-50q) + (90q-70)p
Iz gornje jednaine imamo sledee:
ako je 90q - 70 > 0 tada je p=1 optimalni izbor za A
ako je 90q - 70 < 0 tada je p = 0 optimalni izbor za A
ako je 90q - 70 = 0 tada bilo koje p e odgovarati
Optimalna vrednost za q je 7/9. Slina analiza moe se uraditi i za B. Koristei
gornju matricu dobitaka, dobijamo da je:
UB(p,q)=(100-70p)+(90p-50)q
ako je 90p - 50 > 0 tada je q=1 optimalni izbor za B
ako je 90p - 50 < 0 tada je q = 0 optimalni izbor za B
ako je 90p - 50 = 0 tada bilo koje q e odgovarati
Dakle p = 5/9 je kritina vrednost koja odreuje izbor q od strane igraa B.
Po deniciji, izbori kod meovitih strategija konstituiu Nash ekvilibrium ako je
izbor strategije svakog igraa najbolji odgovor u odnosu na izbor strategija svih ostalih igraa. U sluaju dva igraa A i B i dve strategije, da bi odreeni izbor verovatnoa
(p*,q*) bio Nash ekvilibrium, mora biti
UA(p*,q*) t UA(p,q*) za svako p z p* i
UB(p*,q*) t UB(p*,q) za svako q z q*
U naem primeru to je (5/9,7/9). Denicija je slina i u optem sluaju od m igraa
kada svaki igra i ima ni strategija.
Rezime poglavlja
Analiza rizika igra integralnu ulogu u procesu osluivanja za veinu poslovnih
problema. U ovom poglavlju su denisani koncepti ekonomskog rizika i ilustrovano
je kako se isti primenjuju u procesu donoenja menaderskih odluka.
Ekonomski rizik je mogunost gubitka usled injenice da su svi mogui
ishodi i njihove verovatnoe ostvarivanja nepoznati. Neizvesnost postoji
tamo gde se mogu sa apsolutnom tanou predvideti ishodi menaderskih
odluka, ali su poznate sve mogunosti i njihove verovatnoe.
Poslovni rizik predstavlja mogunost gubitka koji je vezan sa datom
menaderskom odlukom.
Apsolutni rizik je ukupna disperzija moguih dobitaka. Ako je manja
standardna devijacija, tada je raspodela verovatnoa ua a rizik je manji
u apsolutnom smislu. Relativni rizik je varijacija kod moguih prinosa
pri uporeivanju sa oekivanim iznosima dobitaka. Beta je mera sistemskog varijabiliteta ili kovarijansaprinosa jednog sredstva u odnosu na
prinose ostalih sredstava.
Odbojnost prema riziku je karakteristika onih osoba koje ele da izbegnu ili minimizuju rizike. Neutralan stav prema rizicima karakterie
one donosioce odluka koji se fokusiraju na oekivane prinose i ne obaziru
se disperziju prinosa (rizik). Traenje rizika je karakteristika donosioca
odluka koji preferiraju rizike. U sri odbojnosti prema riziku je namera
da se smanji granina korisnost, gde dodatna poveanja novca uvek
donose manja pveanja granine korisnosti.
Kod pristupa sa ekvivalentom izvesnosti, donosioci odluka specikuju
izvesnu sumu za koju cene da je uporediva sa oekivanom vrednou
rizine investicione alternative. Svaki oekivani rizini iznos se moe
konvertovati u sumu ekvivalenata izvesnosti koristei faktor ispravke
ekvivalenata izvesnosti (alfa), koji se izraunava kao kolinik sume izvesnosti i oekivanog rizinog iznosa, gde oba iznosa daju isti nivo korisnosti. Valuacioni model ispravljen sa rizicima odraava i vremenske
vrednosti i aspekte rizika.
Diskontna stopa ispravljena rizicima k je suma nerizinih stopa prinosa,
R F, plus zahtevani premijum rizika, R P. Razlika izmeu oekivane stope
prinosa na rizinom investicionom sredstvu i stope prinosa na nerizinom
sredstvu predstavlja premijum rizika na rizinom sredstvu.
Drvo odluivanja predstavlja mapu procesa sekvencijalnog donoenja

odluka. Drvo odluivanja se kreira za analizu problema odluivanja
koji ukljuuju niz izbornih alternativa koje predstavljaju mapu procesa sekvencijalnog donoenja odluka. Take odluivanja predstavljaju
sluajeve kada menadment mora izvriti izbor od vie alternativa.
Sluajni ishodi su mogui ishodi nakon svake take oduivanja.
Kompjuterska simulacija ukljuuje korienje kompjuterskog softvera
u cilju kreiranja irokog spektra scenarija ishoda odluka. Analiza osetljivosti se fokusira na one varijable koje najdirektnije utiu na ishode
odluka, i ona je jeftinija i manje zahteva vremena nego to je to sluaj sa
kompjuterskom simulacijom.
Postoji oigledna paralela izmeu konkurentnih igara i situacija u
stratekom biznisu. Teorija igara predstavlja korisni okvir za donoenje
odluka pri velikim neizvesnostima. U standarde odluivanja teorije igara
spadaju maksimin kriterijum, koji kae da donosilac odluka treba da
selektuje onu alternativu koja daje najvie od najloijih ishoda. Minimaks kriterijum kae da donosilac odluka treba da minimizuje maksimalnu moguu proputenu priliku vezano za pogrenu odluku nakon
injeninog stanja.
Zadaci za vebanje
1. ZADATAK
Auto Co je evopski proizvoa i distributer delova za automobilsku
industriju. Trenutno kompanije nansira program kapitalnog investiranja u cilju smanjenja proizvodnih trokova i na taj nain se odbrani od napada jeftinije konkurencije iz Kine. Auto co raspolae
sa ogranienim kapitalom i mora paljivo izmeriti rizike i potencijalne dobiti sa alternativnim investiranjima. Kompanija naroito trai
merenje prednosti i nedostataka novog investicionog projekta X, u
pogledu druga dva skoro prihvaena projekta Y i Z:
Godina
Projekat X
Projekat Y
Projakat Z
1991
1992
1993
1994
1995
1996
1997
1998
1999
2010
10.000
10.000
10.000
10.000
10.000
10.000
10.000
10.000
10.000
10.000
20.000
18.000
16.000
14.000
12.000
10.000
8.000
6.000
4.000
2.000
0
2,500
5,000
7,500
10,000
12,500
15,000
17,500
20,000
22,500
91.131
60.000
79.130
50.000
PV novanog toka
Investicija u 1990g,
Oekivani novani tokovi po godinama

A. Koristei nerizini iznos od 5% izraunati sadanju vrednost oekivanih
novanih tokova za 10 godina ivota projekta X,
B. Izraunati minimalni faktor ispravke ekvivalenta izvesnosti za svaki od
projekata koji bi opravdao investiranje u njih,
C. Pretpostavimo da je menadment Auta Co odbojan prema riziku i da
koristi metod ekvivelenata izvesnosti u donoenju odluka. Da li je projekat X atraktivniji od Y i Z?
D. Da kompanija nije elela da investira vie od 60.000 u projekat Y niti vie
od 50.000 u projekat Z, da li bi bio preduzet projekat X?
Reenje:
A.
B.
PV= 77.217
D=
(Izvesni iznos)
(oekivani rizini iznos)
X =
60.000
=0,777
77.217
Y =
60.000
=0,658
91.131
Z =
50.000
=0,632
79.130
Ovo znai da bi svaki rizini evro oekivanog prota iz projekta X

morao vredeti najmanje 0,777 u izvesnim evrima kako bi opravdao
investiciju. Kod projekata Y i Z je to 0,658 i 0,632 respektivno.
C. Imajui u vidu menadmentovu averziju prema riziku, najmanje atraktivna investicija je projekat X jer on ima najveu cenu na svaki rizini
evro oekivanog novanog toka. Pri usvajanju projekata Y i Z, Auto
Co je implicitno pokazao da je spreman da plati izmeu 0,632 (projekat
Z) i 0,658 (projekat Y) za svaki oekivani evro novanog toka.
D. Ne
2. ZADATAK
Proizvoa kompjutera Laptop Pro razmilja da zameni zastarele laptop raunare sa dva inovirana dela opreme. Alternativa A zahteva investiciju od 25.373 , dok alternativa B zahteva investicioni troak od 24.100
n.j. Sledea tabela koja prikazuje tok novca (utede trokova) bie generisana svake godine u 4-godinjem ivotu komjutera:
Verovatnoa
Tok novca
Alternativa A
0,18
0,64
0,18
5.000
10.000
15.000
Alternativa B
0,125
0,75
0,125
8.000
10.000
12.000
A. Izraunati oekivani tok novca za svaku investicionu alternativu,

B. Izraunati standardnu devijaciju toka novca (rizik) za svaku investicionu
alternativu,
C. Firma e koristiti diskontnu stopu od 12% za svaki tok novca sa veim
stepenom disperzije i stopu od 10% za manje rizine tokove novca.
Izraunati neto sadanju vrednost za svaku od investicija, Koju alternativu treba uzeti?
3. ZADATAK
Tex-Mex je rastui lanac restorana u Meksiku. Kompanija ima ogranieni
kapital za ekspanziju i otuda mora paljivo meriti raspoloive alternative. Trenutno kompanija razmilja o otvaranju restorana u dva grada.
Po Projekcijama za grad 1 je gdinji prot 100.000 odnosno 199.000 n.j.
za neuspeh ili uspeh respektivno. Za grad 2 je iznos 60.000 odnosno
240.000 respektivno. U oba sluaja verovatnoe za uspeh i neuspeh je
po 50%,
Takoe po projekcijama za svaki restoran je potreban kapitalni troak
od 700.000, plus trokovi kupovine zemljita koji iznose 500.000 i 1 milion za grad 1 i grad 2 respektivno. Kompanija koristi 10% prinose na
nerizine obveznice drave za kalkulaciju nerizinih godinjih oportunitivnih trokova investicionog kapitala,
A. Izraunati oekivanu vrednost, standardnu devijaciju i koecijent varijacije za svaki od prota restorana,
B. Izraunati minimalni faktor ispravke ekvivalenta izvesnosti za tokove
novca restorana koji bi opravdao investiciju u svaki od restorana,
C. Ako se pretpostavi da je menadment Tex-Mex odbojan prema riziku
i da koristi metod ekvivalenta izvesnosti, koji je restoran atraktivniji?
Zato?
4. ZADATAK
IT-Star analizira nabavku nove elektronske komponente za svoj
sistem. Dobavlja Alfa co. snabdeva sve vreme kompaniju sa elektronskim komponentama i IT Star je zadovoljan sa njihovim performansama. Meutim, Beta co, rma koja je marketinki agresivna na tritu,
dostavila je svoju ponudu od 120.000 n.j. Cena Alpha co, sistema je
160.000.
Dodatno Beta nudi garanciju za povrat novca, to znai da ako bude ispod kvaliteta Alfa sistema, IT-Star moe vratiti proizvod uz refundaciju
celokupnog iznosa. Meutim, ako se proizvod mora vratiti, IT-Star e
pretrpeti tetu od 60.000.
A. Nacrtati drvo odluivanja za ovaj problem i odrediti maksimalnu
verovatnou da bi IT-Star mogao da odredi odbacivanje Beta sistema
pre nego to bi to odbacilo rminu ponudu, pretpostavljajui da se to
odluuje na bazi minimiziranja oekivanih trokova.
B. Pretpostavimo da IT-Star dodeljuje 50% verovatnoe da e se Beta sistem
odbaciti. Da li bi IT-Star bio voljan da plati 15.000 za menicu osiguranja
koja bi mogla da se naplati na 60.000 u sluaju da Beta ne proe proveru
kvaliteta? Objasniti.
5. ZADATAK
Stela wash doo proizvodi i distribuira maine za pranje rublja. Kompanija planira da izvri inovaciju na maini, meutim odgovor trita na
tu inovaciju e zavisiti od poteza konkurencije ako ga bude bilo. Kontrolor kompanije je projektovao sledee prote (dobitke) koji su rezultat
navedene inovacije:
Konkurencija
e inovirati
Konkurencija
nee inovirati
Uradi inovaciju
Nemoj da radi inovaciju
1.000.000
800.000
1.500.000
2.000.000
A. Koju bi alternativu trebala da izabere Stela wash ako primeni maxmin

kriterijum? Objasniti.
B. Izraunati matricu gubitka prilike.
C. Koju bi alternativu trebala da izabere Stela wash ako primeni minimax
kriterijum? Objasniti.
O
E
D
X
INFORMATIKA PODRKA
U
MENADERSKOJ EKONOMIJI
INFORMATIKA PODRKA U MENADERSKOJ EKONOMIJI 293
Modeli u staroj ekonomiji se uglavnom baziraju na nansijskom kapitalu i protu u nekom kratkom periodu to je od velike vanosti za menadment preduzea.
Meutim, kada je re o modelu nove ekonomije, mora se znati da isti uzima u obzir
ne samo prot ve i nematerijalna sredstva preduzea, kao sto su znanja, tako da se
moe rei da je u osnovi takvog modela optimalna kombinacija materijalnih i nematerijalnih sredstava preduzea. Dakle, menadment rmi koje se ukljuuju u novu
svetsku ekonomiju sve vie fokusira panju na mogunost kreiranja dugoronih
vrednosti za rmu, to je od velike vanosti za akcionare, kao i na sticanje odnosno
poveanje prota kada bi se posmatralo kratkorono.
ta su to dugorone vrednosti za rmu. To su konstantne inovacije, vea panja
koja se poklanja klijentu to treba da rezultira zadravanjem postojeih i sticanju
novih klijenata, zatim poveanjem vrednosti sopstvenih kadrova putem konstantne
obuke, dalje poveanjem vrednosti kada je u pitanju organizacija preduzea kroz
poboljanje poslovnih procesa, i isto tako primenom organizacionih modela koji bi
reektovali novu poslovnu strategiju preduzea i omogucili zadobijanja prednosti na
tristu u odnosu na konkurenciju.
10.1 Uloge menadera u novoj ekonomiji

Danas su u modernom svetu a i u zemljama u tranziciji sve vie u upotrebi novi kolaborativni modeli najnovih tehnologija (elektronsko poslovanje odnosno e-business,
na pr.) i nove ekonomije. Isti imaju veliki uticaj na preduzea, na njegov manadment
i donoenje efektivnih poslovnih odluka.
Za podrku migraciji preduzeca u novu ekonomiju i nove tehnologije, vodei direktori danas irom sveta unapreuju svoje nansijske funkcije koje se tiu strukture procesa, sistema i znanja. Ide se ka tome da se poveu nove forme poslovanja,
ukljuujui i virtuelno poslovanje, i nansisjkih operacija sa naprednim analitikim
postupcima kako bi se podaci pretvorili u informacije i znanje a u cilju njihovog
korienja u tzv. proirenom preduzecu. Horizontalnim povezivanjem nansijkih
procesa i sistema preduzea sa istim od strane partnera, i jakom integracijom vertikalno radi kvalitetne podrke funkciji odluivanja i komunikacije, novi tip softverskih
aplikacija kao to je SAP R/3 i njegova nova generacija mySAP, predstavlja upravo
soluciju koja omoguava nansijskom kadru da bude vana karika u ukljuivanju
preduzea u novu ekonomiju (vidi sliku 1).
Od takozvanih ERP softverskih paketa (paketi za upravljanjem resursima preduzeca) izdvojimo SAP ERP, Oracle, SAS i Microsoft solutions. Od njih je SAP
na prvom mestu po funkcionalnostima, ekspertizi i zastupljenosti meu najveim
rmama u svetu. SAP radi samo i jedino poslovne aplikacije, i omoguuje kolaboraciju, integraciju i povezivanje poslovnih procesa putem najsavremenijih tehnologija. Kroz integraciju sistema, nansijski menaderi dobijaju uniciranu sliku
svih nansijskih i poslovnih aktivnosti, i sa time mogunost da u potpunosti meri i
upravljaju rizicima, protom, i performansama ne samo internih funkcija vec kompletnog poslovnog sistema. SAP reenja su postala najbolja svetska praksa i predstavljaju standarde kako se vodi poslovanje za razne industrijske grane.
Slika 10.1 Integracija nansijskih procesa i sistema horizontalno kroz proireno

preduzee i vertikalno izmeu upravljakih nivoa
10.2 Znaaj progresivnih analiza i integrisanih

procesa strategijskog upravljanja preduzeem
Koriem softverskih aplikacija za analize, nansijski direktor moe analizirati
razliku izmeu na primer oekivanja deoniara i investitora u odnosu na postojee
srednjorone ili dugorone planove menadmenta preduzea. Koristei mogunosti
modeliranja i simulacija on moe oceniti uticaj odreenih promena na tristu kao i
internih aktivnosti, i analizirati kako pokriti tu vrednosnu razliku. Softverske aplikacije za strategijsko upravljanje (SEM Strategic Enterprise Management) kao to
je na primer SEM, koji predstavlja sastavni deo SAP nansijskog modula, pokrivaju
kompletan strategiski proces upravljanja preduzeem, tj: stratesku analizu, deniciju
strategije i njeno dekompoziciju na strategijske ciljeve, alociranje resursa i budet,
nansijsku konsolidacija, praenje kljunih indikatora poslovanja i izvetavanje investitorima.
Povezivanjem sa analizom kadrovske evidencije i dodavanjem poslovnih analiza
iz analitika (nansijska analiza, analiza relacija sa kupcima, analize lanca prodaje, na
primer), softverske aplikacije za strategijsko upravljanje preduzeem proiruju domen sa strategijskog na operativni nivo. Sa ovim aplikacijama sada je mogue kontrolisati i optimizirati operativne procese zahvaljujuci detaljnim slikama koje se dobijaju o kupcima, zaposlenim radnicima, proizvodima i poslovnima partnerima. Na
ovaj nain menaderima je omogueno da prate modele kupovine od strane kupaca,
zatim da analiziraju protabilnost po kupcu i njegovo ivotno vreme sa nansijskog
aspekta, i poveu te informacije sa proizvodom u cilju optimizacije upravljanja lancem prodaje, razvojnih aktivnosti na proizvodu, i upravljanja kadrovima.
Ogromnu vrednost za nansijskog menadera i njegov tim predstavlja cinjenica
da SEM takoe omoguava izraunavanja i automatsku konsolidaciju tzv. aktivnih
budeta (planova). Naime, danas se moe rei da u modernoj novoj ekonomiji ksni
budeti vie ne funkcioniu. Statiki instrumenti koji ograniavaju biznis na neto
sto je razmiljanje menadmenta o proloj godini ne mogu biti efektivni u globalnoj
ekonomiji sa rapidnim izmenama trinih uslova i brzom konkurencijom. Ali aktivna, na primer mesena, predvianja i budeti fokusiraju menadere na trenutne i
budue realnosti. Kroz mesena predvianja menaderi razmiljaju o budunosti. Za
preduzee u celini time je omogueno da se dobiju realistika oekivanja za prihode i
trokove, ime se najviem menadmentu omoguava da adekvatno reaguje pre nego
to nansijski podaci odu u crveno.
10.3 Koje sve oblasti pokrivaju savremeni

ERP i BI paketi
ERP paketi omoguuju integraciju poslovnih procesa preduzea (vidi sliku 10.1).
Vrlo vaan moment je ostvarivanje veza sa kupcima preduzea to se ogleda kroz planiranje, ugovore, narudbe, isporuke i podrku. Sve to po pravilu pokriva modul za upravljanje odnosima sa kupcima ili CRM (Customer Relationship Management) modul
ERP paketa. Nakon toga dolazi planiranje i upravljanje lancom nabavke i proizvodnje,
korienjem modula SCM (Supply Chain Management). Finansijski moduli po pravilu
pokrivaju nansijsko-raunovodstvene poslove, obraun trokovnih i protnih centara, analize trokova proizvoda i usluga, analize protabilnosti, i sl. Modul HR (Human
Resources) obuhvata kadrove i plate. Kada je u pitanju upravljanje ivotnim ciklusom
proizvoda onda na primer PLM integrie sve uesnike u procesu razvoja: dizajnere,
dobavljae, proizvoae i kupce. Na taj nain inenjering nije vie linearan ve trodimenzionalan lanac u kome su uesnici sa jasnim zajednikim ciljem.
Moduli tipa poslovne inteligencije (BI-Business Intelligence), omoguuju razna izvetavanja i analize podataka kao i snabdevanje sa velikim brojem informacija
raspoloivim u novoj ekonomiji, i sa pretvaranjem istih u pravo znanje za odluke
i akcije. Oni omoguuju implementaciju metrika za kljune indikatore poslovanja,
okvire za optimizaciju poslovnih operacija, stavljanje strategije u akciju i brze izmene
iste kako bi se odgovorilo zahtevima trita, kao i analizu i optimizaciju poslovanja
bazirano na uniciranim poslovnim modelima.
Sve grane industrije nisu jednake a to znai ni poslovna reenja. Razne privredne
grane trae razne solucije i to je neto po emu velike ERP kompanije prednjae sa
specinim solucijama za vie od 20 grana industrije. Pomenimo tako na primer
telekomunikacije, hemijsku i farmaceutsku industriju, energetiku i naftnu industriju,
osiguranje, bankarstvo, medije, zdravstvo, trgovinu, javni sektor, i dr.
ERP solucije su otvorena i eksibilna, podravaju baze podataka, aplikacije, operativne sisteme i hardverske platforme veine poznatih svetskih dobavljaa. Ona po
pravilu odgovaraju svakoj organizaciji, od holding organizacija do srednjih i malih
rmi.
10.4 Upravljanje budunou

Posao upravljanja budunou se sastoji od vie vrsta aktivnosti: predvianje,
upravljanje rizicima, donoenje odluka i planiranje (videti sliku 10.2). Posao nije lak,
jer ne postoji denitni metod koji omoguava da se tano oceni znatan deo neizvesnosti koji prati budunost. Kao to Makridakis (1997) tvrdi, ljudi su retko iznenaeni
sa onim to se dogodilo. Nakon dogaanja, oni veruju da znaju ta se dogodilo i mogu
objasniti razloge sa apsolutnom izvesnou. Nije teko biti neoprezan, meutim, veliki izazov je da se razvije tano predvianje o buduim dogaajima od znaaja za
rmu a ujje vreme i kosenvence nisu jo poznati.
Slika 10.2
Slika pokazuje relacije izmeu raznih aktivnosti i kako uzajamno deluju jedna sa
drugom:
Predvianje
Nepristrasna najbolja ocena ta e se desiti zajedno sa

ocenama neizvesnosti
Upravljanje rizicima
Merenje uticaja nekontrolisanih dogaaja u budunosti
Donoenje odluka
Istraivanje kako e razliite odluke uticati na plan.

Proces je sastavni deo odluivanja
Planiranje
ta e se desiti, sa regulisanjem neophodnih resursa. Vie

nivoa planiranja: strateko, taktiko i operativno
Postavlja se pitanje koje alate mogu koristiti u upravljanju, odnosno koja su to informaciona reenja kao podrka za upravljanje sa budunou? Za predvianje
to su pre svega reenja SAS, i to kada su u pitanju pre svega kvantitativne metode.
Uopte, tehnologije za podrku predvianju mogu na taan nain da analiziraju i
predvide procese koji uestvuju u vremenu kako bi se na efektivan nain planirala
budunost. Faktori koji utiu na poslovanje, kao to su ekonomija, trini uslovi, demograja kupaca, marketing aktivnosti, i drugo mogu se identikovati, kvantikovati i ukljuiti u procese predvianja u cilju dobijanja najboljih rezultata.
Slika 10.3 (Forecast Server)

Programi za predvianje kao to je SAS Forecast Server (vidi sliku) generiu
brzo i automatski veliki broj statistiki prognoziranih podataka visokog kvaliteta,
omoguavajui menaderima rmi da na efektivan nain planiraju budunost.
Kada je u pitanju upravljanje rizicima, na tritu postoji vie reenja za kreiranje, administriranje i integraciju centralne baze podataka sa svim rizicima koja su
od pomoi menaderima za ocenu i upravljanje rizicima. Takoe postoje softverska
reenja, kao to je SAS/ETS, koji omoguavaju kreiranje modela rizika koji se mogu
primenjivati za kompleksne modele. Ista se odlikuju integrisanim upravljanjem podataka, jakim analitikama predvianja, user-friendly izvetavanjem, kao i transparentnim okruenjem koji omoguava upravljanje celokupnim procesom od identikovanja rizika, to merenja, otklanjanja ili ublaavanja rizika i monitoringom na
stalnoj osnovi. Na slici je dat primer reenja SAP Treassury.
Slika 10.4 - Proces upravljanja rizikom
Za donoenje poslovnih odluka menaderima su od velike koristi reenja operativnih istraivanja i upravljanja koja omoguavaju neophodna znanja za odgovore na kompleksna pitanja koja se javljaju svakog dana (Business Objects, Cognos, SAS, i dr.).
Slika 10.5 - od podatka do dashboarda (SAP i SAS)

Softveri za poslovnu inteligenciju (BI) se odlikuju jednostavnim ali snanim

reenjima koja integriu analitiku i integraciju podataka u cilju to ekasnijeg
donoenja poslovnih odluka. Od podatka iz tzv. back-oce sistema (ERP ili drugi) se
u nekoliko sekundi dolazi do table (dashboarda videti sliku) sa svim neophodnim
pokazateljima neophodnim za donoenje pravromenih i ispravnih odluka.
Za planiranje, kako operativno tako i taktiko, postoje dedicirani sistemi kao
podrka menaderima. Konkretno, kada je u pitanju operativno planiranje, za to
su zadueni ERP sistemi. U stratekom planiranju izdvaja se SEM, kao i SAS-ov
CPM (Corporate Peformance Management) koji se odnose na kreiranje strategije i
prilagoavanje kompletnih resursa organizacije za efektivno izvrenje iste, odnosno
stavljanje strategije u akciju.
10.5 Zato su menaderima potrebna moderna

informaciona reenja za donoenje odluka
Savremena ERP i BI reenja kreiraju okruenje koje daje podrku menaderima za
donoenje efektivnih odluka koje su od izuzetne vanosti u novoj ekonomiji. I kao sto
je reeno, specicum najpoznatijih ERP i BI sistema kao to je SAP je ugraeni knowhow poslovanja preduzea.
Na osnovu ispitivanja koje je uradila svetska konsultantska rma Accenture u Centralnoj Evropi, meu tri glavna razloga za investiranje u ove sisteme koje oznaavaju
menaderi kompanija, ubrajaju se poveanje kvaliteta i dostupnosti informacija,
poboljanja poslovnih procesa, i podrka odluivanju. U isto tako vane razloge treba nabrojati smanjenje trokova i poveanje produktivnosti kroz poveanje prodaje,
smanjenje zaliha, bru reakciju prema kupcu, kroz bolje shvatanje to se kod kupca
dogaa, i sl. Kod velikih holding kompanija jedan od kljunih faktora je i standardizacija IT platforme u okviru kompanije. Dodatno, mogu se parafrazirati odreeni
vrhunski svetski direktori koji su nedavno rekli: nisu u pitanju softverski paketi. To je
nain kako treba poslovati. Takoe, veina menadera danas u svetu vidi investiciju
u ove sisteme, kao inicijative pre svega poslovnu a tek onda tehnoloku. U ulogama
glavnih sponzora projekata implementacije na osnovu rezultata navedene studije su
bili ili generalni direktori ili zajedno nansijski i IT direktori. Skoro svi menaderi
smatraju da je su i ERP i BI sistemi neophodni i da pomau realizaciji strategije rme i
upravljanju njenim resursima.
S obzirom da je primarna uloga menaderske ekonomije donoenje optimalizovanih odluka pri ogranienjima, navedena informatika reenja su od velike koristi
donosiocima odluka. Primena principa menaderske ekonomije uz pomo adekvatnih
alata e pomoi menaderima da osiguraju da resursi budu alocirani ekasno unutar
rme, a da rma pravilno reaguje na promene u ekonomskom okruenju.
LITERATURA
1.
Baye, Michaeel: Managerial Economics and Business Strategy, Irwin Professional Pub, 2005.
2.
Crouhy, Michael, Galai Dan, Mark Robert: Risk Management, New York,
McGraw Hill, 2001.
3.
Cvetinovic, Milivoje: Upravljanje rizicima u nansijskom poslovanju,

Singidunum, 2008.
4.
Cvetinovic, Milivoje: Nova ekonomija i ERP sistemi, Ekonomska politika,

2002.
5.
Dobbs, Ian: Managerial Economics, Oxford University Press, 2000.
6.
Hennie van Greunibg, Sonja Brajovi Bratanovi: Analiza i upravljanje

bankovnim rizicima, Mate, 2006.
7.
Hirschey, Mark: Fundamentals of Managerial Economics, South-Western

Pub, June 2005.
8.
Jorion, Philippe: Value at Risk, The New Benchmark for Managing Financial Risk, New York, McGraw Hill, 2001.
9.
Marrison, Chris: The Fundamentals of Risk Measurement, New York,

McGraw Hill, 2002.
10. McKenzie, Richard and Lee, R. Qwight: Microeconomics for MBAs, Cambridge University Press, 2006.
11. Petersen, H.Craig, Lewis W.Cris: Managerial Economics, Prentice Hall,
1999.
12. Png, Ivan: Managerial Economics, Blackwell Publishers Inc, 2002.
13. Webster,Thomas: Managerial Economics, Elsevier, 2003.
PRILOG - STATISTIKE TABLICE
Studentova raspodela
Nivo znaajnosti D
X
0,4
0,25
0,1
0,05
0,025
0,01
0,005
0,0025
0,001
0,0005
0,325
1,000
3,078
6,314
12,706
31,821
63,656
127,321
318,289
636,578
0,289
0,816
1,886
2,920
4,303
6,965
9,925
14,089
22,328
31,600
0,277
0,765
1,638
2,353
3,182
4,541
5,841
7,453
10,214
12,924
0,271
0,741
1,533
2,132
2,776
3,747
4,604
5,598
7,173
8,610
0,267
0,727
1,476
2,015
2,571
3,365
4,032
4,773
5,894
6,869
0,265
0,718
1,440
1,943
2,447
3,143
3,707
4,317
5,208
5,959
0,263
0,711
1,415
1,895
2,365
2,998
3,499
4,029
4,785
5,408
0,262
0,706
1,397
1,860
2,306
2,896
3,355
3,833
4,501
5,041
0,261
0,703
1,383
1,833
2,262
2,821
3,250
3,690
4,297
4,781
10
0,260
0,700
1,372
1,812
2,228
2,764
3,169
3,581
4,144
4,587
11
0,260
0,697
1,363
1,796
2,201
2,718
3,106
3,497
4,025
4,437
12
0,259
0,695
1,356
1,782
2,179
2,681
3,055
3,428
3,930
4,318
13
0,259
0,694
1,350
1,771
2,160
2,650
3,012
3,372
3,852
4,221
14
0,258
0,692
1,345
1,761
2,145
2,624
2,977
3,326
3,787
4,140
15
0,258
0,691
1,341
1,753
2,131
2,602
2,947
3,286
3,733
4,073
16
0,258
0,690
1,337
1,746
2,120
2,583
2,921
3,252
3,686
4,015
17
0,257
0,689
1,333
1,740
2,110
2,567
2,898
3,222
3,646
3,965
18
0,257
0,688
1,330
1,734
2,101
2,552
2,878
3,197
3,610
3,922
19
0,257
0,688
1,328
1,729
2,093
2,539
2,861
3,174
3,579
3,883
20
0,257
0,687
1,325
1,725
2,086
2,528
2,845
3,153
3,552
3,850
21
0,257
0,686
1,323
1,721
2,080
2,518
2,831
3,135
3,527
3,819
22
0,256
0,686
1,321
1,717
2,074
2,508
2,819
3,119
3,505
3,792
23
0,256
0,685
1,319
1,714
2,069
2,500
2,807
3,104
3,485
3,768
24
0,256
0,685
1,318
1,711
2,064
2,492
2,797
3,091
3,467
3,745
25
0,256
0,684
1,316
1,708
2,060
2,485
2,787
3,078
3,450
3,725
26
0,256
0,684
1,315
1,706
2,056
2,479
2,779
3,067
3,435
3,707
27
0,256
0,684
1,314
1,703
2,052
2,473
2,771
3,057
3,421
3,689
28
0,256
0,683
1,313
1,701
2,048
2,467
2,763
3,047
3,408
3,674
29
0,256
0,683
1,311
1,699
2,045
2,462
2,756
3,038
3,396
3,660
30
0,256
0,683
1,310
1,697
2,042
2,457
2,750
3,030
3,385
3,646
40
0,255
0,681
1,303
1,684
2,021
2,423
2,704
2,971
3,307
3,551
60
0,254
0,679
1,296
1,671
2,000
2,390
2,660
2,915
3,232
3,460
120
0,254
0,677
1,289
1,658
1,980
2,358
2,617
2,860
3,160
3,373
0,253
0,674
1,282
1,645
1,960
2,326
2,576
2,807
3,090
3,291
Standardna normalna (z) raspodela
PRILOG 305
F raspodela
D = .
Stepeni slobode (df1)
(df2)
10
12
15
20
24
30
40
60
120
4052 4999 5404 5624 5764 5859 5928 5981 6022 6056 6107 6157 6209 6234 6260 6286 6313 6340 6366
98,5 99,0 99,2 99,3 99,3 99,3 99,4 99,4 99,4 99,4 99,4 99,4 99,4 99,5 99,5 99,5 99,5 99,5 99,5
34,1 30,8 29,5 28,7 28,2 27,9 27,7 27,5 27,3 27,2 27,1 26,9 26,7 26,6 26,5 26,4 26,3 26,2 26,1
21,2 18,0 16,7 16,0 15,5 15,2 15,0 14,8 14,7 14,5 14,4 14,2 14,0 13,9 13,8 13,7 13,7 13,6 13,5
16,3 13,3 12,1 11,4 11,0 10,7 10,5 10,3 10,2 10,1 9,89 9,72 9,55 9,47 9,38 9,29 9,20 9,11 9,02
13,7 10,9 9,78 9,15 8,75 8,47 8,26 8,10 7,98 7,87 7,72 7,56 7,40 7,31 7,23 7,14 7,06 6,97 6,88
12,2 9,55 8,45 7,85 7,46 7,19 6,99 6,84 6,72 6,62 6,47 6,31 6,16 6,07 5,99 5,91 5,82 5,74 5,65
11,3 8,65 7,59 7,01 6,63 6,37 6,18 6,03 5,91 5,81 5,67 5,52 5,36 5,28 5,20 5,12 5,03 4,95 4,86
10,6 8,02 6,99 6,42 6,06 5,80 5,61 5,47 5,35 5,26 5,11 4,96 4,81 4,73 4,65 4,57 4,48 4,40 4,31
10
10,0 7,56 6,55 5,99 5,64 5,39 5,20 5,06 4,94 4,85 4,71 4,56 4,41 4,33 4,25 4,17 4,08 4,00 3,91
11
9,65 7,21 6,22 5,67 5,32 5,07 4,89 4,74 4,63 4,54 4,40 4,25 4,10 4,02 3,94 3,86 3,78 3,69 3,60
12
9,33 6,93 5,95 5,41 5,06 4,82 4,64 4,50 4,39 4,30 4,16 4,01 3,86 3,78 3,70 3,62 3,54 3,45 3,36
13
9,07 6,70 5,74 5,21 4,86 4,62 4,44 4,30 4,19 4,10 3,96 3,82 3,66 3,59 3,51 3,43 3,34 3,25 3,17
14
8,86 6,51 5,56 5,04 4,69 4,46 4,28 4,14 4,03 3,94 3,80 3,66 3,51 3,43 3,35 3,27 3,18 3,09 3,00
15
8,68 6,36 5,42 4,89 4,56 4,32 4,14 4,00 3,89 3,80 3,67 3,52 3,37 3,29 3,21 3,13 3,05 2,96 2,87
16
8,53 6,23 5,29 4,77 4,44 4,20 4,03 3,89 3,78 3,69 3,55 3,41 3,26 3,18 3,10 3,02 2,93 2,84 2,75
17
8,40 6,11 5,19 4,67 4,34 4,10 3,93 3,79 3,68 3,59 3,46 3,31 3,16 3,08 3,00 2,92 2,83 2,75 2,65
18
8,29 6,01 5,09 4,58 4,25 4,01 3,84 3,71 3,60 3,51 3,37 3,23 3,08 3,00 2,92 2,84 2,75 2,66 2,57
19
8,18 5,93 5,01 4,50 4,17 3,94 3,77 3,63 3,52 3,43 3,30 3,15 3,00 2,92 2,84 2,76 2,67 2,58 2,49
20
8,10 5,85 4,94 4,43 4,10 3,87 3,70 3,56 3,46 3,37 3,23 3,09 2,94 2,86 2,78 2,69 2,61 2,52 2,42
21
8,02 5,78 4,87 4,37 4,04 3,81 3,64 3,51 3,40 3,31 3,17 3,03 2,88 2,80 2,72 2,64 2,55 2,46 2,36
22
7,95 5,72 4,82 4,31 3,99 3,76 3,59 3,45 3,35 3,26 3,12 2,98 2,83 2,75 2,67 2,58 2,50 2,40 2,31
23
7,88 5,66 4,76 4,26 3,94 3,71 3,54 3,41 3,30 3,21 3,07 2,93 2,78 2,70 2,62 2,54 2,45 2,35 2,26
24
7,82 5,61 4,72 4,22 3,90 3,67 3,50 3,36 3,26 3,17 3,03 2,89 2,74 2,66 2,58 2,49 2,40 2,31 2,21
25
7,77 5,57 4,68 4,18 3,85 3,63 3,46 3,32 3,22 3,13 2,99 2,85 2,70 2,62 2,54 2,45 2,36 2,27 2,17
26
7,72 5,53 4,64 4,14 3,82 3,59 3,42 3,29 3,18 3,09 2,96 2,81 2,66 2,58 2,50 2,42 2,33 2,23 2,13
27
7,68 5,49 4,60 4,11 3,78 3,56 3,39 3,26 3,15 3,06 2,93 2,78 2,63 2,55 2,47 2,38 2,29 2,20 2,10
28
7,64 5,45 4,57 4,07 3,75 3,53 3,36 3,23 3,12 3,03 2,90 2,75 2,60 2,52 2,44 2,35 2,26 2,17 2,06
29
7,60 5,42 4,54 4,04 3,73 3,50 3,33 3,20 3,09 3,00 2,87 2,73 2,57 2,49 2,41 2,33 2,23 2,14 2,03
30
7,56 5,39 4,51 4,02 3,70 3,47 3,30 3,17 3,07 2,98 2,84 2,70 2,55 2,47 2,39 2,30 2,21 2,11 2,01
40
7,31 5,18 4,31 3,83 3,51 3,29 3,12 2,99 2,89 2,80 2,66 2,52 2,37 2,29 2,20 2,11 2,02 1,92 1,80
60
7,08 4,98 4,13 3,65 3,34 3,12 2,95 2,82 2,72 2,63 2,50 2,35 2,20 2,12 2,03 1,94 1,84 1,73 1,60
120 6,85 4,79 3,95 3,48 3,17 2,96 2,79 2,66 2,56 2,47 2,34 2,19 2,03 1,95 1,86 1,76 1,66 1,53 1,38
f
6,64 4,61 3,78 3,32 3,02 2,80 2,64 2,51 2,41 2,32 2,18 2,04 1,88 1,79 1,70 1,59 1,47 1,32 1,00
F raspodela
D = .
Stepeni slobode (df1)
1
10
12
15
20
24
30
40
60
120
161
199
216
225
230
234
237
239
241
242
244
246
248
249
250
251
252
253
254
18,5 19,0 19,2 19,2 19,3 19,3 19,4 19,4 19,4 19,4 19,4 19,4 19,4 19,5 19,5 19,5 19,5 19,5 19,5
10,1 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,74 8,70 8,66 8,64 8,62 8,59 8,57 8,55 8,53
7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,91 5,86 5,80 5,77 5,75 5,72 5,69 5,66 5,63
6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,68 4,62 4,56 4,53 4,50 4,46 4,43 4,40 4,37
5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,00 3,94 3,87 3,84 3,81 3,77 3,74 3,70 3,67
5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,57 3,51 3,44 3,41 3,38 3,34 3,30 3,27 3,23
5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,28 3,22 3,15 3,12 3,08 3,04 3,01 2,97 2,93
5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,07 3,01 2,94 2,90 2,86 2,83 2,79 2,75 2,71
10
4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,91 2,85 2,77 2,74 2,70 2,66 2,62 2,58 2,54
11
4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,79 2,72 2,65 2,61 2,57 2,53 2,49 2,45 2,40
12
4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,69 2,62 2,54 2,51 2,47 2,43 2,38 2,34 2,30
13
4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,60 2,53 2,46 2,42 2,38 2,34 2,30 2,25 2,21
14
4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,53 2,46 2,39 2,35 2,31 2,27 2,22 2,18 2,13
15
4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,48 2,40 2,33 2,29 2,25 2,20 2,16 2,11 2,07
16
4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,42 2,35 2,28 2,24 2,19 2,15 2,11 2,06 2,01
17
4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,38 2,31 2,23 2,19 2,15 2,10 2,06 2,01 1,96
18
4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,34 2,27 2,19 2,15 2,11 2,06 2,02 1,97 1,92
19
4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,31 2,23 2,16 2,11 2,07 2,03 1,98 1,93 1,88
20
4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,28 2,20 2,12 2,08 2,04 1,99 1,95 1,90 1,84
21
4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,25 2,18 2,10 2,05 2,01 1,96 1,92 1,87 1,81
22
4,30 3,44 3,05 2,82 2,66 2,55 2,46 2,40 2,34 2,30 2,23 2,15 2,07 2,03 1,98 1,94 1,89 1,84 1,78
23
4,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,32 2,27 2,20 2,13 2,05 2,01 1,96 1,91 1,86 1,81 1,76
24
4,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,30 2,25 2,18 2,11 2,03 1,98 1,94 1,89 1,84 1,79 1,73
25
4,24 3,39 2,99 2,76 2,60 2,49 2,40 2,34 2,28 2,24 2,16 2,09 2,01 1,96 1,92 1,87 1,82 1,77 1,71
26
4,23 3,37 2,98 2,74 2,59 2,47 2,39 2,32 2,27 2,22 2,15 2,07 1,99 1,95 1,90 1,85 1,80 1,75 1,69
27
4,21 3,35 2,96 2,73 2,57 2,46 2,37 2,31 2,25 2,20 2,13 2,06 1,97 1,93 1,88 1,84 1,79 1,73 1,67
28
4,20 3,34 2,95 2,71 2,56 2,45 2,36 2,29 2,24 2,19 2,12 2,04 1,96 1,91 1,87 1,82 1,77 1,71 1,65
29
4,18 3,33 2,93 2,70 2,55 2,43 2,35 2,28 2,22 2,18 2,10 2,03 1,94 1,90 1,85 1,81 1,75 1,70 1,64
30
4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,09 2,01 1,93 1,89 1,84 1,79 1,74 1,68 1,62
40
4,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,08 2,00 1,92 1,84 1,79 1,74 1,69 1,64 1,58 1,51
60
4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,92 1,84 1,75 1,70 1,65 1,59 1,53 1,47 1,39
120
3,92 3,07 2,68 2,45 2,29 2,18 2,09 2,02 1,96 1,91 1,83 1,75 1,66 1,61 1,55 1,50 1,43 1,35 1,25
3,84 3,00 2,60 2,37 2,21 2,10 2,01 1,94 1,88 1,83 1,75 1,67 1,57 1,52 1,46 1,39 1,32 1,22 1,00
(df2)
PRILOG 307
F raspodela
D = .
Odlukom Senata Univerziteta Singidunum, Beogrd, broj 636/08 od

12.06.2008, ovaj udbenik je odobren kao osnovno nastavno sredstvo na
studijskim programima koji se realizuju na integrisanim studijama Univerziteta
Singidunum.
CIP -

,

US - Menadžerska Ekonomija PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

US - Menadžerska Ekonomija PDF

Uploaded by

Copyright:

Available Formats

UNIVERZITET SINGIDUNUM

Prof. dr Milivoje Cvetinovi

1. UVOD U MENADERSKU EKONOMIJU

2. OSNOVNE EKONOMSKE I MATEMATIKE RELACIJE

3. MENADERSKE PRIMENE STATISTIKE ANALIZE I ANALIZE

3.5 Regresiona analiza

4. TEORIJA I ANALIZA TRANJE I PONUDE

5. POSLOVNO I EKONOMSKO PREDVIANJE

6. PROIZVODNJA I ANALIZA TROKOVA

6.9 Kriva kratkoronih trokova

8. PRAKSE U POLITICI CENA

9. ANALIZA RIZIKA I ODLUIVANJE

9.4 Standardni normalni koncept

10. INFORMATIKA PODRKA U MENADERSKOJ EKONOMIJI

Knjiga je napisana sa namerom da

UVOD U MENADERSKU EKONOMIJU

1.1 Tematika knjige

Njegovih postojeih redovnih nadoknada i bonusa, i onih potencijalnih (u budunosti).

UVOD U MENADERSKU EKONOMIJU

Ovo poglavlje postavlja temelje za razvoj vetina menaderske ekonomije. Najpre,

1.2 Kruni tok ekonomskih aktivnosti

eng. principal-agent problem ili agency problem.

Slika 1-1 Kruni tok ekonomskih aktivnosti

1.3 Priroda firme i opravdanje za njeno postojanje i rad

UVOD U MENADERSKU EKONOMIJU

1.4 Cilj firme

gde je t prot u vremenskom periodu t, a r je odgovarajua diskontna stopa koja

1.5 Maksimiziranje nasuprot zadovoljavanju ciljeva

cilj nije u potpunosti realan. Na primer, pretpostavimo da postoje dve rme, A i B,

1.6 Problem sukoba interesa

nain da menaderi izvuku korist iz ovakvog aranmana je da ceba akcija poraste

1.7 Odluivanje pod ogranienjima

1.8 Koncept ekonomskog profita

Umanjeno za: Troak prodatih dobara

Neto raunovodstveni prot

Ovaj raunovodstveni ili poslovni prot je ono to se prikazuje u publikacijama

Umanjeno za: Troak prodatih dobara

Umanjeno za: Eksplicitni trokovi:

Neto raunovodstveni prot

Umanjeno za: Implicitne trokove:

1.9 Profit u trinom sistemu

1.10 Razliiti pokazatelji ekonomskog profita

UVOD U MENADERSKU EKONOMIJU

1.11 Teorije koje objanjavaju profit

modernizacije. Na primer, inovativna teorija prota sugerie da je Majkrosoft sticao

1.12 Ekonomija i odluivanje

UVOD U MENADERSKU EKONOMIJU

Primarna uloga menaderskih ekonomista je ocenjivanje posledica alternativnih

1.13 Doprinos kvantitativnih tehnika u menaderskoj

UVOD U MENADERSKU EKONOMIJU

Menaderska ekonomija, kao to je

OSNOVNE EKONOMSKE I MATEMATIKE RELACIJE

2.1 Matematike metode izraavanja ekonomskih i

Efektivno donoenje menaderskih odluka je ustvari proces nalaenja najboljih

Jednaina (2.1) govori da je ukupni prihod funkcija od proizvedene koliine

gde je P - predstavlja cenu po kojoj je koliina Q prodata.

Ako se posmatra opta forma linearne funkcije, y = f(x)=a+bx, odnosno u sluaju

Izjednaavanjem prvog izvoda sa nulom dobija se Q=2, pa s obzirom da je:

sledi da u taki Q=2 funkcija ima maksimum, tj. S = 20n.j.

2.2 Granina analiza i donoenje odluka

gde je: S prot, a Q koliina.

Sledei primer, koji ukazuje na znaaj granine analize u analizi ekonomskog

2.3 Praktina primena granine analize

log a b u log P c u log A d u log I