Odlucivanje U Menadzmentu Knjiga PDF

VISOKA ŠKOLA ZA EKONOMIJU I INFORMATIKU
PRIJEDOR
Akademska 2014/15 godina.
TEORIJA ODLUČIVANJA
Prof. dr Rade Tanjga

Mr Mitja Tanjga
Prijedor, oktobar 2014.

Teorija odlučivanja
Sadržaj
0. Uvod 4
0.1.Teorije i koncepti donošenja odluka 4
0.2. Hotornski efekat 13
0.3. Rekli su o odlučivanju 16
0.4. Definisanje i vrste odluka 17
0.5. Faktori odlučivanja 24
0.6. Faze u procesu odlučivanja 38
0.7. Donosilac odluke i njegove preferencije 57
0.8. Modeli donošenja odluka 70
0.9. Poslovno odlučivanje – Formalni pristup 83
0.9.1. Uvod 83
0.9.2. Opšti oblik zadatka matematičkog programiranja 86
0.9.3. Osnovne pretpostavke modela linearnog programiranja 88
1. Osnove teorije odlučivanja 90
1.2. Pregled razvoja nauke o odlučivanju 91
1.3. Analiza problema odlučivanja 95
1.3.1. Sistemski pristup odlučivanju 97
1.3.2. Opšte karakteristike odluka 98
1.4. Proces odlučivanja 100
1.4.1. Priroda procesa odlučivanja 100
1.4.2. Pojmovi i definicije 104
1.4.3. Tipologija odluka 112
1.5. Faze procesa odlučivanja 114
1.6. Modeli i modeliranje 129
1.6.1. Modeli 129
1.6.2. Vrste modela 131
1.6.3. Modeliranje 131
1.6.4. Modeli odlučivanja 136
1.7. Izbor metoda i tehnika 137
1.8. Primjena modela 142
1.9. Područje odlučivanja 144
2. Analiza odlučivanja 148
2.1. Osnove analize odlučivanja 148
2.1.1. Cilj 148
2.1.2. Uvod u analizu odlučivanja 149
2.1.3. Modeli analize odlučivanja 156
2.1.4. Odlučivanje pri izvjesnosti 159
2.2. Analiza odlučivanja bez uzorkovanja 163
2.1.1. Cilj 163
2.2.2. Analiza odlučivanja bez apriori vjerovatnoća 164
2.2.2.1. MAXIMIN kriterijum 166
2.2.2.2. MINIMAX kriterijum žaljenja 168
2.2.2.3. MAXIMAX kriterijum 171
2.2.2.4. Kriterijum maksimalne vjerodostojnosti 172
2.2.2.5. LAPLACE-ov kriterijum 174
2.2.3. Analiza odlučivanja sa apriori vjerovatnoćama –
Problemi sa dvije raspoložive akcije 176
2.2.3.1. Kriterijum očekivane novčane vrednosti (ONV) 176
2
2.2.3.2. Kriterijum očekivanih žaljenja (Očekivanih gubitaka prilike): 181

2.2.4. Očekivana vrijednost perfektne informacije: OVPI 183
2.2.5. Analiza ravnoteže 185
2.2.5. Analiza odlučivanja sa apriori vjerovatnoćama: Problemi sa više akcija 192
2.2.5.1. Kriterijum očekivane novčane vrijednosti: tabele plaćanja 192
2.2.5.2. Kriterijum očekivanih žaljenja (OŽ): Tabele žaljenja 194
2.3. Analiza odlučivanja sa uzorkovanjem 196
2.3.1. Cilj 196
2.3.2. Uvod 197
2.3.3. Primjena Bajesove teoreme i izbor optimalne strategije 197
2.3.3.1. Prikupljanje novih podataka 198
2.3.3.2. Uslovne vjerovatnoće 199
2.3.3.3. Određivanje optimalne akcije za datu veličinu uzorka 201
2.3.4. Optimalna strategija ili optimalno pravilo odlučivanja 206
2.3.5. Očekivani rizik optimalne strategije 207
2.3.6. Očekivana vrijednost informacije uzorka 209
2.3.7. Očekivana čista dobit od uzorkovanja 210
2.3.8. Optimalni plan uzorkovanja (ili izbor optimalne veličine uzorka) 212
2.4. Drvo odlučivanja i sekvencijalno odlučivanje 214
2.4.1. Cilj 214
2.4.2. Slučaj bez uzorkovanja 215
2.4.3. Uzimanje samo jednog uzorka 218
2.4.4. Sekvencijalni slučaj 222
3. Analiza rizika 226
3.1. Ciljevi 226
3.2. Šta je rizik? 226
3.3. Definicija rizika 227
3.4. Scenario analize rizika 228
3.5. Evaluacija projekata: Tradicionalne metode vs metode analize rizika 240
3.6. Prednosti i ograničenja analize rizika 254
4. Teorija korisnosti 258
4.1. Višeatributivna teorija korisnosti 258
4.1.1. Uvod 259
4.1.2. Korisnost u odlučivanju 261
4.1.3. Osnovni pojmovi 264
4.1.4. Aksiomatski pristup teoriji korisnosti 268
4.1.5. Korisnost i njeno mjerenje 282
4.1.5.1. Očekivana korisnost 282
4.1.5.2. Osobine funkcije korisnosti 287
4.1.5.3. Konstruisanje funkcije korisnosti 289
4.1.5.4. Oblici funkcije korisnosti 294
4.1.6. Neke tipične matematičke funkcije u teoriji korisnosti 298
4.2. Višeatributivna teorija korisnosti 303
4.2.1. Ciljevi 303
4.2.2. Analiza višeatributivnih problema 303
4.2.3. Osnove višeatributivne teorije korisnosti 304
4.2.4. Struktura funkcije korisnosti 306
4.2.5. Metod višeatributivne korisnosti sa aditivnom formom 307
4.2.6. Zaključak 313
5. Ispitna pitanja 316
3
0. Uvod
0.1. Teorije i koncepti donošenja odluka
Izučavanje procesa donošenja odluka predstavlja danas jednu od najpopularnijih

istraživačkih oblasti u menadžmentu i upravljanju uopšte. Budući da je proces donošenja
odluka interdisciplinarnog karaktera, teorijska izučavanja ove oblasti disperzirana su kroz
nekoliko naučnih disciplina, kao što su matematika, statistika, operaciona istraživanja
ekonomija, psihologija i sociologija. Ono što karakteriše izučavanje i razvoj ovih disciplina
jeste konfliktnost rezultata.
I pored toga, izdvojila su se dva teorijska pravca sa stanovišta procesa donošenja odluka.
Jedan od njih označava se kao racionalistički, normativan ili "zatvoren" i usmjeren je ka
propisivanju racionalnih procedura za odlučivanje. Drugi je označen kao bihevioristički,
deskriptivan ili "otvoren", zainteresovan za načine na koje ljudi zaista donose odluke, bilo
da je taj način racionalan ili ne. Iako ima dosta variranja u okvirima ova dva prilaza, mogli
bismo da izdvojimo dvije teorije koje su njihovi najbolji predstavnici. To su teorija firme i
teorija ponašanja firme.
Karakteristika normativne teorije odlučivanja jeste definisanje postupka po kome će

idealno racionalan, super inteligentan pojedinac donositi odluke. Potpuno su zanemareni
problemi na koje pojedinac nailazi prilikom donošenja odluka. Budući da je pretpostavka
ove teorije sposobnost identifikovanja svih mogućih opcija, samim tim je osnovna
karakteristika ovog odlučivanja zatvorenost sistema, deterministički način odlučivanja, kao
i racionalan pristup odlučivanju. Odluke koje su donesene na ovakav način su rutinske
odluke. Odlučivanje sa ovim karakteristikama moguće je izvesti uz pomoć relevantnih
informacija i odgovarajućeg softvera, odnosno uz pomoć određenog matematičkog
modela. Valjanost odluka procjenjuje se na bazi valjanosti pretpostavki o promjenjivim
veličinama u modelu, odnosno od njihovog odražavanja realnog svijeta.
Da bi matematički model vjerno odražavao prirodu problema, potrebno je da se svi
koeficijenti, parametri, funkcija cilja i sistem ograničenja realno prikažu.
Osnovni razlozi za prihvatanje normativne teorije o odlučivanju su:
4
a) Pokazalo se da su pojedinci motivisani da budu efikasni u ostvarivanju

svojih ciljeva, posebno u uslovima kada mogu da uče na bazi svog iskustva. Zbog
toga je logično da proces odlučivanja opisujemo kao proces maksimizacije.
b) Konkurencija favorizuje racionalno ponašanje pojedinaca i organizacija.
Optimalne odluke povećavaju šansu preživljavanja u konkurentskom okruženju, a
samo je mali broj individua koje ostvaruju racionalnost na cijelom tržištu.
Teorija firme kao reprezentativni predstavnik normativne teorije odlučivanja proučava

na koji način firma može da ostvari maksimalan neto-prihod pri datim cijenama i
određenoj funkciji proizvodnje, pod pretpostavkom da firma posluje na tržištu
perfektne konkurencije. Maksimizacija profita postiže se optimalnim miksom inputa i
outputa. Kasniji razvoj teorije firme uključivao je i imperfektna stanja na tržištu
(monopoli i oligopoli) ali uz očuvanje osnovnih teorijskih postavki.
Kritike teorije firme odnosile su se prije svega na pretpostavku o perfektnoj

informisanosti donosioca odluke. Odnosno donosilac odluke poznaje sve alterantive pri
rješavanju određenog problema, ali i ishode primjene svake od opcija. Teoretičari
smatraju da donosilac odluke, s obzirom na nivo znanja o situaciji u kojoj se našao,
odlučuje u uslovima neizvjesnosti, rizika i izvjesnosti, a teorija firme pretpostvalja da
on uvijek odlučuje u uslovima izvjesnosti! Druga kritika odnosi se na utvrđivanje
funkcije cilja preduzeća. Nerealno je uzimanje maksimalnog profita za ciljnu funkciju.
Prije bi se moglo reći da postoji grupa ciljeva.
Deskriptivna teorija nastala je kao pokušaj odgovora na brojna pitanja povezana sa

karakterom realnih situacija odlučivanja. Za razliku od normativne teorije gdje se
propisuje najbolji način za donošenje odluka, deskriptivnu teoriju interesuje kako se
odvija postupak odlučivanja, kako se donosilac odluka ponaša tokom pojedinih faza,
kako prikuplja činjenice, kako uči i mijenja percepciju. Osnovne karakteristike
deskriptivne teorije su da je visoko empirijska, da pripada društvenim naukama koje
izučavaju individualno ponašanje bez pokušaja da ga ocjene, izmjene ili utiču na njega.
U procesu donošenja odluka naglašava se uticaj pojedinaca, kako preko njihove

kulture, ličnih osobina, percepcija i uloga u organizaciji kao determinanti njihovog
ličnog ponašanja, tako i preko njihovog dejstva kao članova određene grupe. Pojedinci
5
su međusobno povezani u formalne i neformalne grupe, u zavisnosti od položaja koji

zauzimaju u organizacionoj strukturi preduzeća, kao i od ličnih afiniteta, pa pripadnost
određenoj grupi predstavlja drugu osnovu njihovog ponašanja u procesu donošenja
odluka.
Teorija ponašanja firme, kao predstavnik biheviorističkog teorijskog pravca procesa

donošenja odluka, polazi od činjenice da je preduzeće suočeno sa nizom ograničenja,
poput neizvjesnosti okruženja i nedovoljnih kapaciteta za obradu informacija. Po ovoj
teoriji preduzeće je adaptivno racionalan sistem sa sljedećim svojstvima:
a) Postoje brojna stanja sistema i preduzeće u bilo kom trenutku preferira

jedno stanje u odnosu na druga;
b) Postoje eksterni izvori smetnji koji se ne mogu kontrolisati;
c) Evidentne su brojne interne varijable odlučivanja, kojima se upravlja u
skladu sa pravilima odlučivanja;
d) Kombinacija eksternih smetnji i varijabli odlučivanja mijenja stanje
sistema. Dakle, ako je definisano neko stanje sistema, tada na bazi eksternih
smetnji i odluka možemo da definišemo novo stanje sistema;
e) Vjerovatnije je korištenje pravila odlučivanja koja su u prošlosti vodila
preferiranom stanju, od pravila odlučivanja koja su rezultirala neželjenom stanju.
Donošenje odluka odvija se postupkom rješavanja niza problema, pri čemu se poštuju tri
principa:
1. Izbjegavanje neizvjesnosti;
2. Održavanje pravila odlučivanja i
3. Korištenje jednostavnih pravila.
Deskriptivna teorija odlučivanja, iako pruža veliki doprinos izučavanju procesa donošenja
odluka, ima brojna ograničenja. Ograničenja se prije svega odnose na činjenicu da ova
teorija previše pažnje usmjerava ka onome što se dešava u realnosti pri donošenju odluka,
a premalo ka tome kako bi trebalo da se odvija taj proces. Teško je definisati cilj koji bi
odražavao multivarijabilnu prirodu ciljeva preduzeća. Tu je i problem nedovoljne pažnje
potrebne za definisanje odgovarajućeg sistema za prikupljanje informacija.
6
Posljednjih godina istraživački napori usmjereni su ka prevazilaženju razlika između

normativne i deskriptivne teorije odlučivanja i uspostavljanju jedinstvene teorije za
izučavanje procesa odlučivanja. Novi teorijski pravac u ovoj oblasti naziva se perspektivna
teorija odlučivanja. Perspektivna teorija odlučivanja usmjerena je ka traženju odgovora na
pitanje šta je potrebno da učini pojedinac da bi napravio bolji izbor. Ona izučava načine
razmišljanja koje pojedinac pri donošenju odluka koristi, ali ne kao idealne, mitske načine
razmišljanja, već one prilagođene stvarnim ljudima.
Razlika između normativnog, deskriptivnog i perspektivnog može se objasniti i preko

kriterijuma ocjene njihove validnosti. Normativni modeli se ocjenjuju na bazi teorijske
adekvatnosti. Deskriptivni modeli ocjenjuju se sa stanovišta empirijske validnosti.
Perspektivni modeli ocjenjuju se sa stanovišta sposobnosti da zaista pomognu u donošenju
kvalitetnih odluka.
Zamislimo sljedeću situaciju:

Firma Borders je druga po veličini knjižara u SAD-u. Ispred nje se nalazi samo firma
Barnes & Noble. U prvom kvartalu 2003. godine cijene akcija ove kompanije su pale je za
više od 30%. ... Još gore od toga, mali profit koji je kompanija ostvarila u tom periodu, a
koji potiče od više od hiljadu Borders and Waldenbooks prodavnica, je u potpunosti
potrošen na sumnjivu investiciju od $4 miliona.
Situacije kao što je ova su za menadžere prava noćna mora. Da bi menadžeri izbjegli
ovakve situacije neophodno je da shvate i razumiju šta je dovelo do toga i zašto se ovakve
neprilike dešavaju.
Na pitanje koji su mogući razlozi za nastale probleme kompanije Borders, vjerovatno bi se

kao odgovori navelo opšte stanje ekonomije SAD-a, kao i potezi povučeni od strane
konkurentskih firmi. Ipak, jedno od prioritetnih mjesta na listi uzročnika lošeg poslovanja
firmi svakako zauzimaju odluke donesene od strane menadžera tih firmi. Ako se ovdje za
trenutak zaustavimo i osvrnemo se na naš život, shvatićemo da su nam se ključne stvari u
životu, bilo dobre ili loše desile kao rezultat odluka koje smo donijeli. Isto važi i za
situaciju u kojoj se našla firma Border. Ovo pravilo važi i u situacijama kada neki spoljni
faktori utiču na rezultate poslovanja preduzeća. Pretpostavimo da je konkurent inovacijom
došao do dijela profitnog kolača kompanije Borders. To je spoljni faktor na koji firma
7
Borders nije mogla da utiče, ali je i dalje neophodno postavljati pitanje zašto menadžeri
ove kompanije nisu došli do iste ili slične inovacije i povećali na taj način svoj profit. Ipak,
ovo pitanje menadžeri ne postavljaju tako često sebi!
Situacija u kojoj se našla kompanija Borders ukazuje na jaku vezu između stanja u kojem
se nalazi kompanija i važnih odluka koje su donijeli menadžeri kompanije. U novembru
uoči pomenutog lošeg perioda za kompaniju Borders, funkciju izvršnog direktora preuzeo
je Phil Pfeffer. Napustio je kompaniju u aprilu (kraj pomenutog kvartala). Ne treba kriviti
samo tadašnjeg izvršnog direktora za loše poslovanje kompanije. Ipak, u trenutku kada je
ovoj kompaniji bio potreban izvršni direktor sa jakim liderskim sposobnostima, Fil se nije
pokazao kao pravo rješenje. Ako cijelu situaciju posmatramo iz drugog ugla vidjećemo da
je veća greška bila samo angažovanje Fila. Treba naglasiti da, prije nego što neko donese
odluku, bilo da se radi o pojedincu ili grupi, mnoge se akcije sprovedu, a sve one imaju
uticaj na to kakav ishod donesene odluke možemo da očekujemo. Odluke su posljednja
karika u dugom lancu akcija, počevši od uočavanja potrebe da se donese neka odluka
(Potreba da se angažuje novi izvršni direktor), preko identifikacije načina donošenja
odluke (na koji način ćemo tražiti potencijalnog izvršnog direktora), zatim uočavanja svih
mogućih odluka (zašto je Fil bolji od Terija za našu kompaniju) i vrednovanja svake od
opcija (Ako izaberemo Fila prije nego Terija koje ćemo probleme imati?). Zaključak je da
su odluke koje smo donijeli jednako dobre kao i proces odlučivanja koji smo primjenili.
Slijedeći tu logiku zaključujemo da se do dobre odluke dolazi dobrim upravljanjem
aktivnostima koje su uključene u proces odlučivanja.
Ljudi na bilo kom nivou u jednoj firmi svakodnevno donose brojne odluke koje utiču na
uspješnost njenog poslovanja. Ako se upitamo ko su zaposleni čije odluke u najvećoj mjeri
utiču na budućnost firme, jedini odgovor jeste menadžment te firme. Iz dana u dan,
menadžeri svake firme diktiraju uslove u kojima ostali zaposleni donose svoje poslovne
odluke. Menadžeri su svjesni svoje odgovornosti da donose dobre odluke. Ipak, svega
nekolicina njih shvata da biti menadžer znači biti donosilac odluka. Nije teško zaključiti da
bi kompanija Border u posmatranom kvartalu ostvarivala bolje rezultate da je angažovala
novog izvršnog direktora. Dobar donosilac odluka nije samo menadžer koji se trudi da
izbjegne nepovoljne situacije za svoju kompaniju, već onaj koji u isto vrijeme povećava
šansu za donošenje dobrih poslovnih odluka koje će poboljšati ukupno poslovanje
preduzeća.
8
Sve aktivnosti koje menadžeri u jednoj kompaniji sprovode sa aspekta donošenja odluka
mogu se podijeliti na tri osnovne aktivnosti:
1. Odluke koje menadžeri donose samostalno.
2. Menadžeri donose odluke u određenj grupi. Na primjer, šef računovodstva

može da bude član tima koji priprema lansiranje novog proizvoda. Iako je njihov
uticaj na donošenje određene odluke u ovom slučaju manji u poređenju sa
individualnim odlučivanjem, oni su ipak odgovorni i za odluku koju donesu u
okviru određene grupe.
3. Delegiranjem prava donošenja odluka na niži sloj menadžmenta, na ostale

zaposlene i davanjem uputstava kako se te odluke donose utiče se na krajnji ishod
odlučivanja na ovom nivou.
Osnovni je cilj menadžera kao donosioca odluka da unaprijedi proces odlučivanja na svim
nivoima u svojoj firmi. Njegov osnovni zadatak jeste omogućavanje da svi donosioci
odluka u firmi donose dobre odluke, odnosno da riješe svaki problem na koji naiđu.
Osnovni zadaci kojima ćemo se baviti su:
1. Zašto (ne) donosimo odluke? Primjer - Kako je Coca-Cola postala lider na

tržištu bezalkoholnih (gaziranih) pića rješavanjem problema povećanja tjelesne
mase prosječnog građanina Amerike (Diet Coca-Cola)?
2. Ko (ili šta) donosi dobre odluke i na koji način ih donosi? Primjer - Na koji
način se definišu kriterijumi po kojima će se izabrati novi CEO kompanije Border?
3. Kolika su ulaganja potrebna za donošenje dobre odluke? Primjer - Ford Motor

Company ima na hiljade potencijalnih dobavljača osnovnih sirovina za
proizvodnju. Da li ova kompanija troši previše vremena i novca da bi izabrala svoje
dobavljače?
9
4. Koje su nam sve opcije na raspolaganju za rješavanje problema na koji smo

naišli? Primjer - Kada je firma Boeing odlučivala o tome gdje da locira svoje
poslovnice odlučivala se samo za velike gradove. Zašto? Šta bi bilo da je
poslovnice premjestila i u neke druge gradove?
5. Koji su mogući ishodi sprovođenja određene odluke? Primjer - Vlada je

pristala da poveća dohodak zaposlenima u jednoj grani na bazi pregovora koje je
imala sa sindikatom te grane. Ipak, ova odluka uticala je na povećanje dohotka
zaposlenima iz ostalih grana, jer će njihovi sindikati zahtijevati to isto.
6. Koje okolnosti će se najvjerovatnije desiti ako se donese određena odluka?

Primjer - Ispostavilo se da Fil nije pravi čovjek za izvršnog direktora kompanije
Border. Zašto oni koji su odlučivali o njegovom angažovanju nisu to uvidjeli
ranije?
7. Koje su negativne i pozitivne strane svake od okolnosti koja bi se desila ako se

određena odluka donese? Primjer - Menadžeri jedne kompanije zabrinuti su da ona
neće biti u mogućnosti da isplaćuje plate zaposlenima, pa odlučuju da ponude
određenu svotu novca starijim radnicina kako bi napustili posao. Na njihovo
iznenađenje, većina zaposlenih pristaje da za datu svotu napusti posao. Da li su
menadžeri mogli da smanje troškove pregovaranjem sa svakim zaposlenim oko
svote za koju bi oni bili spremni da napuste posao?
8. S obzirom na to da svaka akcija koja se sprovodi ima svoje dobre i loše strane,
pitanje je kako doći do odgovarajuće odluke koja ima više prednosti nego mana?
Primjer - Vlasnik kafića odlučuje da poveća profit tako što će produžiti radno
vrijeme. Na njegovo iznenađenje stanovnici okolnih zgrada su odlučili da bojkotuju
zbog ove odluke jer im smeta buka kafića u kasnim večernjim satima. Šta bi
menadžer mogao da uradi kako bi izbjegao ovakve nepredviđene ishode svojih
odluka?
9. Napokon, odluka je donesena. Šta možemo uraditi kao menadžeri da doensenu

doluku sprovedemo i možemo li je uopšte sprovesti? Primjer - Direktor logističkog
10
sektora velike kompanije napokon je odlučio da razvije transportnu mrežu unutar

kompanije. Tek nakon što je donijeo takvu odluku uvidio je da kompanija nije u
stanju da sprovede donesenu odluku. Zašto je tek tada došao do ovog saznanja?
Početkom 1994. godine Džefri P. Bezos (Jeffrey P. Bezos) pročitao je članak u kome se
navodilo da će web svake godine rasti sa stopom od 2.200%. U to vrijeme svega mala
grupa ljudi je znala šta je to internet, ali investicioni menadžer na Vol Stritu (Wall Street)
je vidio njegove nevjerovatne mogućnosti. Iako nije imao nikakvog iskustva u prodaji,
Bezos je napustio svoj dobro plaćeni posao i godinu dana kasnije osnovao firmu
Amazon.com. Danas je Amazon.com najveća firma na svijetu za on-line prodaju knjiga i
muzike.
Prije samog osnivanja firme, Bezos je razmišljao koje od 20 proizvoda, koji su ušli u uži
izbor, da izabere za on-line prodaju. Odlučio se za knjige. Samo mali udio na virtuelnom
tržištu imale su velike knjižare, a ponudu je činilo 3 miliona aktivnih naslova. Iako firma
Amazon.com posluje u virtuelnom svijetu, Bezos je pažljivo donijeo odluku gdje da
smjesti svoj on-line biznis. Sjedište je moralo biti u velikom gradu sa velikim brojem
mladih ljudi koji su se razumjeli u informacionu tehnologiju. Odluka je donesena – sjedište
firme Amazon.com je u Sijetlu (Seattle).
Bezos je donijeo dobru odluku o proizvodima koji će se prodavati na virtuelnom tržištu,

kao i o sjedištu kompanije. Ipak, na početku svog rada kompanija se suočavala sa brojnim
problemima. Unošenje svih potrebnih informacija o knjigama, koje su bile na prodaju, u
bazu firme zahtijevalo je mnogo više fizičkog rada nego što je to na početku bilo planirano.
Sa druge strane, prilikom unošenja informacija o knjigama korišteno je više izvora. Često
se dešavalo da se te informacije ne poklapaju. Problem je rješen tako što je sam
kompjuterski program bio napravljen tako da izabere najbolju informaciju. Ljudi koji su
bili zaposleni u tehničkom sektoru firme bili su suočeni sa izazovom primjene razvijene
kompjuterske tehnologije koja je kupcima prodavala proizvode uz koje je išla i poruka o
iskustvu drugih mušterija. Oko 300 ljudi je beta testiralo sajt (postupak provjere
ispravnosti rada sajta i postojanja eventualnih grešaka u radu – bagova) prije nego što je i
zvanično pušten u rad.
11
Najveća ironija u priči o osnivanju firme Amazon.com jeste činjenica da je Bezos mnoge
poslovne sastanke održavao u kafeu glavnog konkurenta. Bezos je izjavio da nisu bili u
mogućnosti da dovedu poslovne partnere u samu firmu, pa su sastanke održavali u
najbližem kafeu. Ispostavilo se da se radi o kafeu u prodavnici “Barnes and Noble”. Ovo je
najveća knjižara na svijetu. Ipak, menadžment ove knjižare nije na vrijeme uvidio
mogućnosti koje pruža prodaja knjiga preko interneta. Sada je firma Amazon.com njihov
najveći rival.
Da bi osnovali najveću on-line prodavnicu za prodaju knjiga i muzičkih proizvoda, Džef

Bezos i njegove kolege morali su da donesu brojne odluke. Donošenje odluke je izbor iz
skupa od najmanje dvije opcije sa ciljem da se primjenom te opcije pomjerimo iz
postojećeg u željeno stanje. Ako raspolažemo samo sa jednom opcijom onda nema dileme
u vezi sa izborom, a time nema ni problema odlučivanja.
Neke odluke Bezosa, kao što je odluka o tome koje proizvode prodavati putem interneta i
gdje locirati firmu, donesene su nakon detaljnih istraživanja i analiza svih opcija, kao i
sprovođenja cost-benefit analize za svaku opciju. Druge odluke, kao što je odluka o
primjeni nove tehnologije sa ciljem razvoja sajta, zahtijevale su kreativnu analizu
prethodno nedovoljno istraženih ideja.
Odluke se javljaju kao odgovor na problem ili šansu. Možda bi bilo dobro napomenuti da
su u kineskom jeziku riječ problem i riječ šansa ista riječ.
Problem nastaje kao rezultat neslaganja između sadašnjeg i željenog stanja. Predstavlja jaz
između onoga što jeste i onoga što bi trebalo da bude.
Vratimo se na priču o Bezosu. Prilikom unošenja informacija za svaku knjigu, koristio je

brojne izvore. Dešavalo se da se informacije iz različitih izvora za isti proizvod ne
poklapaju. To je bio problem. Šansa sa druge strane predstavlja odstupanje od trenutnih
očekivanja i prepoznavanja potencijala koje pruža bolja situacija, a to nije ni planirano niti
očekivano. Džef Bezos je u interentu video šansu, jer je nudio nov i bolji način za prodaju
knjiga. Tehnologija mu je omogućila da u ponudi ima više proizvoda u odnosu na druge
prodavce knjiga i muzike, ali i da on-line kupovinu učini efikasnijom od klasičnih načina
kupovine.
12
0.2. Hotornski efekat
Godine 1927. menadžment kompanije "Western Electric Company" u Hotornu, Ilinois,

započinje seriju istraživanja kojima su željeli ispitati uticaj nevidljivih, nemjerljivih faktora
u procesu rada na motivisanost i efikasnost radnika i kompanije kao cjeline. Ova
istraživanja je profesor Gauči (Gautschi) sa Bryant koledža smatrao "vjerovatno
najznačajnijim i najuticajnijim istraživanjem koje je ikada obavljeno i oblasti psihologije
rada".
A sada mali istorijski uvod u cijelu priču. Kompanija u Hotornu predstavljala je pomoć u
oblasti proizvodnje neophodnih dijelova za kompanije iz oblasti telekomunikacija - Bell
Systems. Zapošljavala je preko 29 000 muškaraca i žena za proizvodnju telefona, uređaja
za napajanje telefona električnom energijom, telefonskih žica, kablova presvučenih
olovom, kablova za zvonjenje kao i druge telefonske opreme.
Godine 1927. ova kompanija se odlučuje da sprovede istraživanje kako bi pronašla način
da poveća učinak rada. Ono što je kompanija ispitivala jeste mogućnost povećanja
produktivnosti usljed promene osvetljenja, rasporeda pauza kao i drugih uslova rada.
Smatrali su da su za kompaniju izuzetno važna i mala poboljšanja u produktivnosti zbog
dejstva ekonomije obima, budući da se ogromna količina proizvoda prodavala
kompanijama u okviru Bell Systems mreže.
Prvi eksperminet je bio organizovan na grupi u kojoj je bilo šest žena iz sektora za
proizvodnju namotaja. Ove žene su bile dobrovoljci. One su bile premeštene sa svojih
radnih mjesta u manju sobu gdje se moglo eksperimentisati sa promjenama određenih
elemenata njihovog radnog okruženja.
Eksperiment je započet sa promjenama intenziteta svjetlosti u radnom okruženju kako bi se

ispitalo da li to dovodi do povećanja produktivnosti. Dakle, eksperiment je započet u
uslovima istog osvetljenja kakvo je bilo u tom pogonu, zatim se intenzitet svjetla malo po
malo povećavao. Došlo se do zaključka da je sa boljim osvjetljenjem proizvodnja u istom
vremenskom periodu naglo porasla.
13
Nakon ovog eksperimenta uprava fabrike donijela je odluku da se osvjetljenje u radnim

prostorijama fabrika poveća. Ponovo su došli do istih rezultata. Produktivnost se povećala.
Vidjevši da su na dobrom putu da dođu do nekih veoma važnih zaključaka odlučili su da
nastave sa povećanjem intenziteta osvjetljenja radnih prostorija i, naravno, produktivnost je
i dalje rasla. Zatim, da bi bili sigurni da je zaključak validan, odlučiše da naglo smanje
intenzitet osvjetljenja na početni nivo. Međutim, produktivnost je i dalje rasla.
Da li je ovo bio znak da njihova teorija o uticaju većeg intenziteta svjetla u radnim
prostorijama na veću produktivnost rada nije validna? Nisu mogli odmah da odgovore na
ovo pitanje tako da su odlučili da nastave da smanjuju intenzitet osvjetljenja u
prostorijama. Produktivnost je i dalje bila na visokom nivou. Nastavili su sa
zamračivanjem radnih prostorija sve dok radnice u eksperimentalnoj grupi nisu radile u
potpuno tamnoj prostoriji. Tek pri takvim uslovima rada proizvodnja je počela naglo da
opada, jer radnice nisu mogle ništa da vide.
Šta se zapravo desilo?

Na osnovu eksperimenta došlo se do zaključka da intenzitet svjetla nije bio uzrok
povećanja produktivnosti radnika, jer se produktivnost i dalje povećavala nakon kasnije
smanjivanja intenziteta svjetlosti u radnim prostorijama.
Nakon primjene istog eksperimenta koristeći ostale uslove rada (npr. buka) došlo se do
pravog zaključka. Iako su promjene uslova rada imale uticaj na povećanje produktivnosti,
pravi uzročnik povećanja produktivnosti jeste činjenica da spajanje radnika u jednu radnu
prostoriju dovodi do toga da se oni udružuju u jedinstvenu grupu, a ta dinamična grupa je
jedini pravi uzročnik povećanja produktivnosti svakog pojedinačnog člana te grupe.
Da bi bolje shavtili šta se zapravo desilo, posmatrali su pažljivije razlike između dva radna
okruženja i kako razlike koje postoje između njih utiču na rad žena u posmatranom sektoru
proizvodnje. Dok su bile samo par ruku u proizvodnom procesu, radnice su se osjećale
beznačajno. Bile su značajnije povezane sa svega nekoliko radnika koji su radili u
njihovoj blizini. Njihova komunikacija sa šefom je bila na veoma niskom nivou. On (u
razgovoru bi ga uvijek zvali "ON") je za njih bio bič koji ih je tjerao da rade brže i
napornije. Takođe, gotovo da i nije bilo odgovornosti, a ni motivisanosti pojedinaca za
poboljšanje kvaliteta proizvoda. Neko drugi je utvrđivao standarde, a oni su se rukovodili
14
datim instrukcijama. Nije postojalo ništa tokom njihovog radnog dana, zbog čega bi se oni
osjećali ponosno. To je bio samo posao.
Međutim, sve se promijenilo kada je šest žena iz eksperimentalne grupe premješteno sa

njihovih radnih mesta. One su dobile sopstveni radni prostor. Soba je bila mnogo, mnogo
manja. Znale su da na svaku od njih motri po jedan član istraživačkog tima. Sada svaka od
njih nije bila beznačajna osoba u proizvodnom procesu. Ove žene postale su neko.
Budući da su bile organizovane u manje radne grupe, radnicama je olakšana međusobna
komunikacija, a ubrzo su se i sprijateljile. Počele su da se druže i van radnog mjesta,
posjećujući jedna drugu ili rekreirajući se zajedno. Došlo je i do promjene u odnosu
radnica prema njihovom trenutnom šefu. Umjesto da ga se plaše, one su šefa smatrale za
osobu na koju mogu da računaju jer je on znao svakoj od njih ime, a znao je i da ih pohvali
kada bi dobro odradile posao. On je bio osoba kojoj je svaka od radnica mogla da se obrati
ako bi se pojavio neki problem. Rad u grupi doveo je do toga da su žene bile ponosne zbog
posla koji obavljaju. Svi ovi faktori doveli su do poboljšanja radnih učinaka pripadnika
grupe.
Eksperiment u okviru ovog sektora bio je samo jedan u nizu eksperimenata koji su vršeni u
periodu od pet godina. Rezultati Hotornskih eksperimenata su bilježeni i objavljeni u knjizi
koja je imala 600 stranica. Knjigu je objavio pofesor sa Harvardske škole biznisa kao i dva
starija izvršna direktora Western Electric Company iz Hotorna.
Značajnije zapažanje u knjizi jeste ono po kome pojedinac može da razumije pozitivne
efekte ovih eksperimenata jedino ako posmatra svaku grupu uzimajući u obzir socijalni
sistem koji je tamo izražen. Ukratko, nije od značaja bilo koje je poboljšanje uslova rada
dovelo do značajnog rasta produktivnosti. Nije to ni svetlost niti bilo koje druge fizičke
promjene u radnom okruženju, iako su neke od ovih promjena imale određeni pozitivan
uticaj na produktivnost rada. Ono što je primaran uzročnik povećanja produktivnosti rada
jeste formiranje određenog socijalnog sistema kao i njegov uticaj na rad svakog člana
posmatrane grupe. U zaključku knjige o ovoj studiji, autori navode da:
"...radne aktivnosti ove grupe, zajedno sa svim dobrim i lošim stranama, zadovoljstvom i
nezadovoljstvom, treba posmatrati kao dio složenog modela međusobnih veza."
Vremenom je fenomen koji smo objasnili dobio naziv Hotornski efekat.
15
0.3. Rekli su o odlučivanju
1. "Ništa nije teže, a samim tim ni vrednije od toga da si u poziciji da odlučuješ",

Napoleon.
2. "Gospodo, smatram da smo se svi složili oko donesene odluke". Svi prisutni su ćutali.
"Onda", nastavio je gospodin Sloan, "predlažem da odložimo dalju diskusiju do
sljedećeg sastanka kako bi dali sebi vremena da razvijemo neslaganje ili čak shvatimo
šta smo odlučili" (Alfred P. Sloan, Jr., predsjednik i izvršni direktor General Motorsa,
"The Daily Drucker").
3. "Kada donosite odluku, ne slušajte intuiciju. Ona će vas odvesti na pogrešnu

stranu"(Max Bazerman, professor, Harvard Business School).
4. "Ako ne kritikujete najvjerovatnije i ne radite mnogo" (Swanson's Unwritten Rules of

Management", Bill Swanson, CEO of aerospace contractor Raytheon).
5. "Kada neko prvi put utvrđuje svoje odgovornosti, obično se trudi da izbjegne posao
donošenja odluka ili rizik kritikovanja tuđih odluka. Ali tada se stvara novi rizik.
Problemi nisu kao vino ili sir, ne postaju lakši sa godinama."
6. "Rješite ih, brzo ih rješite, pa bilo dobro ili loše. Ako ih rješite loše, rezultati će vas
pogoditi i tada ćete biti u stanju da ih rješite na bolji način." (T.J. Watson, bivši izvršni
direktor IBM-a).
7. "Intelekt sam po sebi neće vas dovesti do pravog izbora niti na pravi put. Morate da
naučite da slušate svoju glavu, ali je još važnije da naučite da slušate svoje srce."(Carly
Fiorina, bivši izvršni direktor Hewlett Packarda)
16
0.4. Definisanje i vrste odluka
U svakodnevnom životu u prilici smo da učestvujemo u donošenju velikog broja odluka.

Polazeći od onih koje su trivijalne i koje donosimo po navici (da li ćemo ovoga jutra otići
na predavanja na predmetu Odlučivanje u menadžmentu ili ćemo nastaviti spavati) i
kojima zbog ne tako značajnog ishoda poklanjamo manje pažnje, do odluka koje
zahtijevaju izvjestan napor za njihovo donošenje. To su složene odluke i njihovim
ostvarenjem dobijamo različito povoljne rezultate. Važno je da shvatimo da dio ovih
odluka prije svega čine one koje ćemo imati prilike da donesemo kao član tima jednog
preduzeća. Donošenje jedne takve odluke imaće određene efekte na poslovanje preduzeća.
Takve odluke donosićemo kao pojedinci ili kao članovi grupe koja je zadužena za
donošenje određene odluke u preduzeću.
Dakle, već smo ukazali na razliku između privatnih i društvenih odluka. Kada bi živjeli
sasvim odvojeno od drugih, poput Robinsona Krusoa, pojedinci bi obitavali u svojim
privatnim svjetovima, koje bi mogli da urede onako kako to jedino oni žele. Pojava drugog
pojedinca u svijetu bilo kog Krusoa znači da taj svijet postaje društveni, pošto se već skup
dva pojedinca koji nisu međusobno izolovani smatra minimalnim društvom. Pojedinci
danas najčešće žive u mnogoljudnim zajednicama, koje po brojnosti znatno prevazilaze
minimalna društva, poput onoga u kome Robinzonu društvo eventualno pravi samo njegov
tradicionalni saputnik Petko. U takvom okruženju mnogi postupci postaju društveni, pa
društva svojim izgledom i funkcionisanjem čine nešto sasvim drugo od privatnih svjetova
nekog pojedinca.
Ipak, bez obzira na to da li su odluke koje donosimo privatne ili poslovne, da li su

jednostavne ili složene, kao i bez obzira na značaj njihovog ishoda, važno je imati na umu
suštinu pojma odluka.
Odluka je izbor iz skupa od najmanje dvije opcije kojima možemo da ostvarimo željeni
cilj. Ako raspolažemo samo sa jednom opcijom onda nema dileme u vezi sa izborom, a
time nema ni problema odlučivanja.
Uspjesi ili promašaji koje postižemo u privatnom i profesionalnom životu su u velikoj

mjeri rezultat odluka koje smo donijeli. Iako je značajan i stohastički član za stanje u
17
kojem se u određenom trenutku nađemo, ipak je njegov uticaj manje značajan od uticaja
naših sopstvenih odluka, te možemo zaključiti da smo na neki način sami odgovorni za
stanje u kome se trenutno nalazimo.
Nakon ovog izlaganja logično bi bilo postaviti pitanje: Kako se donosi dobra odluka?
Valjan odgovor na ovo pitanje možemo dobiti tek nakon preciznijeg određenja pojma
"dobra odluka". Šta je to što se podrazumijeva pod dobrom odlukom?
U literaturi se za preciznije objašnjenje pojma "dobra odluka" koriste dva različita pristupa:
a) "kvalitet" odluke ocjenjuje se na bazi njenog rezultata i
b) odluku ocjenjujemo na osnovu primjenjene procedure izbora.
Ako se opredjelimo za prvi pristup, onda o "kvalitetu" odluke možemo da govorimo ex

post odnosno tek nakon realizacije odabrane opcije. Dakle, da bismo mogli da kažemo da li
je jedna odluka dobra ili loša neophodno je da realizujemo donesenu odluku i dobijemo
informacije o rezultatima sprovedene odluke. Ipak, moramo uvijek imati u vidu da i ovdje
djeluje niz nepredviđenih okolnosti, te da sama odluka nije "zaslužna" za (ne)povoljne
rezultate. Prema tome, ne možemo da donesemo zaključak da jedna odluka koja je davala
povoljne rezultate u jednoj situaciji mora da bude odluka koja će i u budućnosti imati isti
ishod. Dakle, odluku ne bi trebalo da ocjenjujemo kao dobru ili lošu samo na bazi
rezultata.
Po drugom pristupu ocjenjivanje zasnivamo na proceduri koja prethodi samom izboru tj.
ex ante. Odluka je dobra ako su sve faze prije samog čina donošenja odluke detaljno
razrađene. Dakle, ako smo dobro identifikovali problem, definisali zadatke, ako smo dobro
analizirali postojeće stanje i sakupili sve relevantne informacije na bazi kojih možemo da
odredimo koje su to opcije za rješavanje datog problema odnosno ako smo svaku opciju
dobro vrednovali, kažemo da smo donijeli dobru odluku.
Ovaj pristup nas ipak ne lišava paradoksa. Ostaju okolnosti koje ne možemo da predvidimo
i na koje ne možemo da utičemo, tako da i ovdje ishodi djelimično zavise i od okolnosti u
kojima se izabrana opcija sprovodi. I pored toga, ako izaberemo dobru proceduru
donošenja odluka u dugom nizu izbora bićemo zadovoljni postignutim rezultatima, ali nas
ova procedura neće štititi od povremenih neprijatnih iznenađenja.
18
Treba ukazati na vezu između ex ante i ex post postupka. Što je procedura za donošenje
odluka bolja, možemo u dugom nizu izbora da očekujemo povoljnije rezultate.
U zavisnosti od toga da li govorimo o prcesu odlučivanja u užem ili o procesu odlučivanja

u širem smislu razlikuje se i tretman donesene odluke. Ako posmatramo proces
odlučivanja u užem smislu, tada možemo da kažemo da se ovaj proces i završava činom
donošenja odluke. U širem smislu, pored čina donošenja odluke , postoji još pet faza
procesa donošenja odluka.
Dakle, sam čin donošenja odluke jeste važan, zato što na taj način određujemo pravac
djelovanja pojedinca koji će donesenu odluku i realizovati. Međutim, iako se čin donošenja
odluke smatra završnim činom procesa odlučivanja shvaćenog u užem smislu smatramo da
taj čin nije dovoljan i nema svrhu ukoliko se donesena odluka ne realizuje. Ono što se
često dešava jeste situacija gdje pojedinac ili grupa koja je zadužena za donošenje odluka,
ovaj proces i završava samim činom donošenja odluke. Nikada ne krene korak dalje i ne
sprovede odluku, tako da ne možemo znati kakvi su ishodi izabrane opcije. Efikasnost
menadžera jednog poreduzeća ne mjeri se samo kvalitetom izabrane opcije, već i
uspješnošću njene realizacije.
Karakteristike odluke koja je rezultat procesa odlučivanja su sljedeće:

a) nedvosmislenost;
b) preciznost;
c) realnost;
d) jasnost;
e) pravovremenost;
f) objektivnost.
Donošenjem odluke uvijek se rješava neki konflikt, tako da nema odluke koja nema svoje
pozitivne i negativne efekte. U poslovnom odlučivanju, odluka je lijek, odnosno terapija
koju treba primjenjivati. Budući da nema lijeka bez kontraindikacija, tako nema ni odluke
koja realizacijom daje samo pozitivne efekte. Umjeće jednog donosioca odluke jeste da
izabere odluku koja ima više pozitivnih, a manje negativnih efekata od bilo koje druge
odluke.
19
Svaka odluka bi trebala da sadrži:

a) subjekat, objekat, strukturu ili sastav na koji se odluka odnosi;
b) aktivnosti koje treba izvršiti da bi se data odluka realizovala;
c) ciljeve koje treba ostvariti da bi se odluka realizovala;
d) strukturu ograničenja ili limitirajućih faktora;
e) termine i rokove, kao i prostorne, vremenske i druge resurse i
f) sastav materijalno-tehničkog, finansijskog i drugog osiguranja realizacije
odluke.
U literaturi možemo da se sretnemo sa velikim brojem klasifikacija vrsta odluka.

Kada članovi organizacije treba da odluče kako da reaguju na novu šansu ili problem oni
donose neprogramirane odluke. Neprogramirane odluke podrazumijevaju traženje
dodatnih informacija. Budući da donosilac odluka nije bio u situaciji da se do sada susretne
sa takvim problemom odnosno šansom, on nije potpuno siguran kako da reaguje u
novonastaloj situaciji, pa su mu dodatne informacije potrebne kao pomoć radi donošenja
prave odluke.
Majk Kastiljoni (Mike Castiglioni) je menadžer poznatog italijanskog restorana Ciao!.

Najava dolaska konkurenta, poznatog lanca restorana italijanske hrane The Olive Garden,
je veliki problem za Majka; do tada je Ciao! bio jedini restoran italijanske hrane u kraju.
Zaposleni u restoranu Ciao! sada imaju novu mogućnost zaposlenja kada The OLive
Garden da oglas za prijem novih konobarica i konobara.
Čim je saznao da The Olive Garden otvara novi restoran u blizini, Majk je pokušao na sve
moguće načine da sazna što više o svom novom konkurentu - kakva je ponuda hrane za
ručak i za večeru, ali i kakve su cijene jela koje nude, kvalitet hrane i slično. Majk je
posjetio sve restorane The Olive Garden koji se nalaze u bližem regionu kako bi probao
njihovu hranu, posmatrao kakva atmosfera vlada u restoranima, ali i da bi vidio koliki je
broj posjetilaca restorana.
Kao rezultat ovih istraživanja Majk zaključuje da je kvalitet hrane u njegovom restoranu
mnogo bolji, ali da su cijene određenih jela gotovo slične. Ipak, meni konkurenta bio je
bogatiji. Osim toga, The Olive Garden praktikuje supu i salatu uz svako jelo. Majk je
20
odlučio da osvježi meni svog retsorana dodajući tri nova jela koja se nude za ručak i čak
četiri za večeru. Takođe, odlučio je da ponudi specijalnu salatu uz svako jelo, a ona je
posebno bila namjenjena posjetiocima koji vode računa o zdravoj ishrani. Istraživanje, kao
i odluke koje je donijeo omogućile su Majku da riješi problem pojave konkurenta na
uspješan način, a Ciao! je nastavio sa odličnim poslovanjem i pored novog restorana.
Iako su zaposleni često u situaciji da donose neprogramirane odluke, oni su uključeni i u

proces donošenja programiranih odluka, odnosno donose odluke kako bi riješili problem
ili odgovorili na šansu koja se ne javlja prvi put. Da bi mogli da donose programirane
odluke, zaposleni prate određeni program kada god se javi isti ili sličan problem ili šansa.
Piljare razvijaju ovaj program i sa njime upoznaju zaposlene kako bi znali kako da se
ponašaju kada robi koju prodaju istekne rok trajanja. Univerzitet razvija ove programe
kako bi uprave univerzitetskih jedinica znale kako da riješe problem studenata koji nisu u
stanju da završe predviđeni program školovanja.
Kada se u okviru neke organizacije razvije ovakav program, tada se zaposleni upoznaju sa
njim i, kada se nađu u istoj ili sličnoj situaciji, gotovo automatski donose odluke. Oni ne
moraju da prikupljaju dodatne informacije niti da razmišljaju o načinu rješavanja nastalog
problema. Organizaciona pravila su određene vrste programa koje imaju za cilj da
pomognu zaposlenima da donose programirane odluke.
Kada se otvorio novi restoran italijanske hrane, The Olive Garden, Majk se suočio sa
problemom da će određeni broj konobarica i konobara iz njegovog restorana odlučiti da
potraži posao u novom restoranu. Oni su bili zadovoljni sa uslovima koje su imali u
Majkovom restoranu. Ipak, bolje radno vrijeme, kao i određeni benefiti koje im je The
Olive Garden ponudio natjerao je konobarice i konobare da razmisle da pređu u drugi
restoran. Oni su se javili Majku i saopštili mu o čemu razmišljaju, kao i o boljim uslovima
koje im nudi konkurent. Kada je prvi put čuo za ovo, Majk je morao da donese
neprogramiranu odluku. Svaki sljedeći konobar, donosno konobarica sa ovim zahtjevom za
njega je stari problem i tada donosi programiranu odluku. Da bi donijeo neprogramiranu
odluku, morao je da nađe odgovor na sljedeća pitanja: Koliko bi ga koštalo da zaposli novo
osoblje? Koliko je za njega važno da ima osoblje sa iskustvom, ali i osoblje na koje su
mušterije naviknute?
21
Odgovori na ova pitanja upućivali su na odluku da se mora zadržati što više članova
osoblja, tako što će im se ponuditi isti uslovi koje im nudi konkurentski restoran. Dakle,
ova prva odluka bila je neprogramirana. Kada je bilo ko od članova osoblja, nakon
donošenja ove odluke i rješavanja prvog slučaja, došao kod Majka sa zahtjevom za odlazak
iz restorana, Majk je problem rješavao na isti način, tako da je od tada donosio
programirane odluke.
Ovaj primjer pokazuje da donošenje programiranih odluka započinje donošenjem

neprogramirane odluke. Programi, odnosno pravila organizacije štede vrijeme
zaposlenima, jer omogućavaju da odluku donesu automatski, na bazi iskustva koje je neko
iz organizacije imao.
Rutinske odluke su dominantne u procesu odlučivanja za niži nivo menadžmenta

preduzeća, dok su za top menadžment rezervisane nerutinske odluke.
Rutinske odluke mogu se izjednačiti sa programiranim odlukama. Adaptivne odluke su
odluke koje se bave više problemima nego samim zadatkom. Inovativne odluke znače
velike promjene u aktivnostima i usmjerene su na promjenu ciljeva, svrhe i politike
preduzeća. Najčešće su operativne odluke rutinske, a strateške su više inovativne odluke.
S obzirom na važnost odnosno značaj jedne odluke u preduzeću, dijelimo ih na:
a) Strateške odluke, koje spadaju u najvažnije odluke u preduzeću. Njima se određuje

strategija preduzeća u budućnosti. Ovu vrstu odluka donose najviši organi upravljanja u
preduzeću, odnosno top menadžment preduzeća. Strateške odluke su okvir za
donošenje taktičkih odluka. Pogrešna strateška odluka može da ima velike posljedice
na poslovanje preduzeća, pa je i odgovornost donosilaca ovih odluka velika. Zbog toga
nije poželjno služiti se analogijom prilikom donošenja ovih odluka. Od strateških
odluka se očekuje povećanje efektivnosti poslovanja preduzeća.
b) Taktičke odluke se razlikuju od strateških odluka po tome što su one osnova za

realizovanje strateških odluka. Dakle, njihovom realizacijom vrši se operacionalizacija
22
strateških odluka. Od taktičkih odluka se očekuje povećanje efikasnosti poslovanja

preduzeća.
c) Operativne odluke su odluke nižeg reda koje služe za realizaciju taktičkih odluka. To
su u najvećem broju slučajeva rutinske odluke koje se donose na nižem nivou
menadžmenta preduzeća i za rješavanje jednostavnijih problema u situacijama koje se
stalno ponavljaju.
U zavisnosti od toga ko se pojavljuje u ulozi donosioca odluke razlikujemo:
a) Individualne odluke, koje donosi pojedinac na svom radnom mjestu. Ove odluke
razlikuju se po važnosti i značaju, a zavise i od radnog mjesta koje zauzima
pojedinac u ulozi donosioca odluke.
b) Grupne odluke donosi veći broj pojedinaca koji rade na rješavanju nekog
problema. O odlukama upravnog odbora preduzeća možemo da govorimo kao o
grupnim odlukama. Ovo su veoma važne odluke za poslovanje preduzeća.
c) Kolektivne odluke su odluke najvećeg organa upravljanja - skupštine akcionara.

Ovo su odluke koje se tiču upravljanja preduzećem.
Prema nivoima odlučivanja na kojima se donose sve poslovne odluke, možemo da

napravimo podjelu između odluka:
a) najvišeg nivoa menadžmenta (strateške odluke);
b) srednjeg nivoa menadžmenta (taktičke) i
c) najnižeg nivoa menadžmenta (operativne odluke).
23
0.5. Faktori odlučivanja
Budući da je odlučivanje složen proces donošenja mnogobrojnih odluka, on je pod

uticajem brojnih faktora koji utiču na sam proces odlučivanja, a time i na kvalitet
donesenih odluka.
U teoriji postoje razne podjele faktora odlučivanja, ali je u najširoj upotrebi sljedeća
podjela:
a) Ograničenja u odlučivanju;
b) Okolina odlučivanja;
c) Način odlučivanja i okolnosti u kojima se odlučuje;
d) Međusobni odnos različitih odluka;
e) Sposobnost menadžera da donosi odluke i
f) Subjektivni faktori odlučivanja.
Ograničenja u odlučivanju
Ono što svaki donosilac odluka mora sagledati prije nego što donese bilo kakvu odluku
jestu ograničenja sa kojima se suočava. Ograničenja u odlučivanju utiču na prostor u kome
pojedinac može da djeluje u procesu donošenja odluka, ali i na broj alternativa za svaku
odluku.
Neke od prepreka odlučivanja su:
a) Vizija tunela - objašnjenje vizije tunela biće dato kroz primjer. Prvi primjer direktno
objašnjava fenomen "vizije tunela" dok drugi to čini na indirektan način.
Zamislite da ste se našli u dugačkom tunelu. Napomenimo da se radi o tunelu kroz koji
prolaze isključivo vozovi. Hodajući dugo kroz mrak, vaše oči se polako navikavaju na
tamu. Nakon određenog vremena, na kraju tunela nazirete tračak svjetla. Budući da je
sva vaša pažnja bila usmjerena na krajnji cilj, a to je izlazak iz tunela, prva asocijacija
na svjetlo biće da je to kraj tunela i da ćete konačno ugledati svjetlost dana. Međutim,
ono što možete u tom trenutku da zanemarite jeste da to svjetlo može da bude
reflektovano od strane voza koji velikom brzinom ide vama u susret. Kako ste sva
svoja čula, svu svoju pažnju usmjerili na to da što prije izađete iz tunela, zanemarili ste
opasnost koja je možda pred vama.
24
Ako ovu priču premjestimo iz tunela u preduzeće ona može da se ispriča na sljedeći
način. U preduzeću X izvršni direktor je na posljednjem sastanku sa menadžerima
preduzeća zahtijevao od njih da, radi unapređenja poslovanja tog preduzeća, osmisle
novi proizvod odnosno uslugu koja bi ovom preduzeću obezbjedila vodeću ulogu na
tržištu u narednom periodu. Svako od menadžera je, motivisan materijalnim i
nematerijalnim nagradama, smislio šta bi to moglo da bude. Na sastanku na kome je
trebalo prezentovati ideje menadžera, izvršni direktor je zakasnio. Menadžeri su počeli
da pričaju o svojim idejama. Saslušali su jedni druge. Ipak je svako od njih bio vezan
za svoju ideju i smatrao da je upravo ona ta koja može preduzeću da donese prosperitet.
I pored objektivnih faktora koji su neke od ovih ideja kategorisali kao potpuno
neizvodljive, oni su i dalje smatrali da imaju najbolje moguće rješenje. Njihov cilj je
zamaglio realnu sliku tržišta i realnu procjenu ideje prije njenog izbora.
Nakon ove priče ostaje utisak da "vizija tunela" predstavlja ograničenje, samim tim
nešto nepoželjno u našem ponašanju. Ipak, bilo bi dobro da pokažemo da ovaj fenomen
ima veliku primjenu, naročito u sportu. Mi ćemo objasniti ovaj fenomen na primjeru
golfa.
Golf nije igra u kojoj možete da razmišljate o svojim prethodnim promašajima i

pogotcima dok se spremate da udarite svoju sljedeću lopticu - to je igra koja od vas
zahtijeva da u tom trenutku imate potpunu "viziju tunela". "Tunel vizija" vas tjera da
100% usmjerite svoju pažnju na pogodak, a 0% na prošle, sadašnje i buduće prepreke.
Dakle, u ovoj igri morate biti potpuno usmjereni na pogodak, pri čemu potpuno
isključujete buku i druge prepreke koje mogu da utiču na uspješnost udarca.
Možete i sami da koristite vježbu, kako biste shvatili stanje u kojem se nalazi igrač
golfa prije samog udarca. Zamislite da gledate kroz mračan tunel pravo u rupu u koju
treba ubaciti lopticu. Možete da napravite "tunel" i rukama pri čemu sami određujete
vaš cilj. Sve što možete da vidite kroz tunel je rupa - vaš cilj. Tunel vas sprečava da
vidite bilo šta drugo. Dakle, to je jedina stvar na koju se vi fokusirate i ne možete da
primjetite prepreke i smetnje sa strane jer vam tunel to onemogućava. U svijetu sporta,
"vizija tunela" se često koristi za postizanje izvanrednih rezultata sportista. Oni ovaj
fenomen najčešće zovu "fokus".
25
Vratimo se ponovo na vježbu. Sada zamislite da se tunel širi, odnosno možete da

otvarate svoje ruke kojima ste pravili "viziju tunela" sve dok ne vidite cijelu prostoriju
u kojoj se nalazite. Sada možete da vidite i druge ljude i stvari oko sebe, a ne samo vaš
cilj. Odnosno sada niste 100% usredsređeni na cilj i podložni ste drugim uticajima koji
mogu da vas ometu u ostvarenju cilja. Ako se fokusiramo na okolinu (drveće, vodu...)
tamo ćemo i usmjeriti lopticu.
Tajna uspjeha u gotovo svakom sportu je "vizija tunela", a u golfu se ovaj princip
koristi više nego u bilo kom drugom sportu.
b) Prebrzo biranje alternative može da dovede do toga da nismo sagledali sve moguće
opcije za rješavanje problema, zatim da nismo prikupili dovoljno informacija da bismo
mogli da dođemo do mogućih opcija, da smo pogrešno vrednovali alternative koje nam
stoje na raspolaganju itd. Sve ovo može da dovede do toga da smo izabrali pogrešnu
odluku, u smislu da ona neće dovesti do rješavanja problema (opcija za koju smo se
odlučili i nije opcija koja rješava naš problem; ona se nije smjela naći u datom procesu
donošenja odluke kao jedna od mogućih opcija) ili neće riješiti problem na najbolji
mogući nači.
c) Uključivanje favorita - ovo je prije svega ograničenje objektivnog donošenja odluka.

Postupak donošenja odluka u velikoj mjeri zavisi od toga da li je donosilac odluka
pojedinac ili grupa. Ako je donosilac odluka pojedinac, on će se, pri donošenju
individualnih odluka, rukovoditi ličnim preferencijama. Ako je donosilac odluka grupa,
tada bi trebalo da svaki pojedinac koji ulazi u grupu svoje lične interese prilagodi
interesima grupe koja donosi kolektivnu odluku. Odnosno, ako je u pitanju odluka koju
pojedinac mora da donese u ime organizacije, onda se prevashodno rukovodi svojim
viđenjem i viđenjem ostalih u organizaciji. Međutim, često se dešava da interesi
pojedinaca nisu u saglasnosti sa interesima firme u kojoj rade, te stoga oni podređuju
interese firme svojim interesima.
Pored nabrojanih, najvažnija ograničenja u odlučivanju su:

a) Ograničena sredstva;
b) Ograničene raspoložive informacije i
c) Ograničeno vrijeme.
26
a) Ograničena sredstva
Prije nego što se odluči za neku od opcija u cilju rješavanja problema, svaki donosilac
odluka mora da sagleda kojim sredstvima raspolaže, odnosno da li za primjenu neke od
opcija ima dovoljno sredstava za njenu realizaciju. Raspoloživost sredstava za realizaciju
neke od opcija je element koji bi donosilac odluke trebalo da ugradi još u fazi ocjenjivanja
(evaluacije) alternativa. U svakom slučaju, izbor alternative se vrši po kriterijumu
rješavanja problema, ali i principu prioriteta. Odnosno, pri rješavanju problema, donosilac
odluke će odbaciti sve opcije rješenja problema za koje nema dovoljno sredstava.
b) Dostupne informacije
U situacijama kada ishod akcije zavisi od neizvjesnih događaja, naša prirodna reakcija je
da nastojimo da otklonimo neizvjesnost, odnosno da otkrijemo događaj koji će se stvarno
javiti. Ako je neizvjesnost posljedica našeg neznanja, onda je možemo otkloniti
prikupljanjem relevantnih informacija. Ipak, neizvjesnost je sastavni dio života i svijeta u
kojem živimo, pa se teško može sasvim otkloniti, ali je moguće ublažiti posljedice
djalovanja neizvjesnosti. Što je odluka koju donosimo značajnija, izraženija je naša
sklonost da konačan izbor odložimo i primjenom različitih istraživanja, eksperimenata i
simulacija, prikupimo dodatnu informaciju o budućim događajima.
Najčešće nam dodatne informacije otklanjaju samo dio neizvjesnosti, jer se po pravilu
odnose samo na segmente složenog okruženja. Pored toga, dodatna informacija najčešće
nije savršeno pouzdana, bilo zbog izvora i/ili načina njenog prikupljanja.
Primjer za to je lansiranje novog proizvoda preduzeća. Prije odluke o plasiranju novog
proizvoda, menadžer može da sprovede tržišno istraživanje i da na osnovu dobijenih
informacija ocijeni nivo prodaje datog proizvoda. Ipak, iako rezultati mogu da pokažu
visok nivo tražnje za datim proizvodom, ne isključuje se mogućnost potpunog promašaja
prodaje tog proizvoda ako se on zaista pusti u prodaju. Razlog za to jesu sami rezultati
istraživanja. Dakle, dati nivo tražnje za proizvodom dobijen je na bazi anketa, što ne znači
da se to mora zaista desiti i u realnosti. Istraživanje se vrši na uzorku, pa često ne možemo
biti sigurni da su rezultati, do kojih smo na bazi istraživanja došli, pouzdani. U ovom
slučaju je važno imati reprezentativan uzorak. Ipak, i pored nesavršenosti informacija
27
dobijenih na bazi istraživanja, one su veoma korisne jer na bazi njih korigujemo naša
početna ubjeđenja i donosimo odluku na osnovu revidiranih vjerovatnoća.
Informacija može da bude potpuna (savršena), ali i ne mora da bude takva. Savršene
informacije su one koje sa sigurnošću otkrivaju buduće stanje na tržištu, a uslove rizika
pretvaraju u uslove izvjesnosti. Ono što je problem sa informacijama jeste da mi prije
kupovine ne znamo njen sadržaj. Drugim riječima, mi prvo treba da odlučimo da li
kupujemo informaciju ili ne, a tek kada je budemo kupili, saznaćemo buduće stanje na
tržištu i efekte akcije koju ćemo u datim okolnostima izabrati. Nepouzdana informacija je
svaka informacija čija je pouzdanost manja od 100% i kojom korigujemo početne
vjerovatnoće događaja.
Pribavljanje dopunske informacije sa sobom povlači izvjesne troškove, zbog čega je

neophodno ispitati ekonomsku opravdanost njihove kupovine. U slučaju potpune
informacije cijena mora biti manja od očekivane vrijednosti potpune informacije, a u
slučaju nepotpune informacije cijena mora biti manja od očekivane vrijednosti djelimične
informacije.
Tri su moguća odnosa između vrijednosti dodatne informacije i njene cijene. Taj odnos
može da bude:
b1) Linearan,
b2) Progresivan,
b3) Degresivan.
b1) Linearan odnos između vrijednosti informacije i cijene informacije znači da svaka
dodatna informacija zahtijeva i dodatnu cijenu koju treba platiti za datu informaciju. U
ovoj situaciji prilikom donošenja odluka, donosilac mora da odredi trenutak kada će
zaustaviti priliv dodatnih informacija. Dodatne informacije su veoma korisne, ali, pored
dodatnih troškova, one mogu proces odlučivanja znatno da produže što je u nekim
situacijama nepoželjno. Donosiocu odluke o tome kada da prestane sa kupovinom dodatne
informacije od velike pomoći mogu biti dva ograničenja - raspoloživa sredstva i vrijeme.
28
Slika 0.1. Linearna zavisnost korisnosti i cjene informacija
b2) Progresivan odnos između vrijednosti informacije i cijene ukazuje na činjenicu da u

ovoj situaciji cijena dodatne informacije progresivno raste u odnosu na korisnost koju ona
ima na donošenje konkretne odluke. Donosilac odluke mora da prekine sa kupovinom
dodatnih informacija u situaciji kada cijena dodatne informacije bude veća od vrijednosti
koju ona ima za donosioca odluke. Tada mora da započne preces konkretnog izbora opcije
za rješavanje problema.
OD INFORMACIJA
KORISNOST

Vrijednost
dodatne
informacije
Cijena
dodatne
informacije
Slika 0.2. Progresivna zavisnost korisnosti i cjene informacija
b3) Degresivan odnos između vrijednosti informacije i cijene jeste situacija sa

kupovinom svake dodatne informacije njena cijena opada, ali vrijednost koju ona ima za
29
donosioca odluke raste. To je najčešće situacija gdje donosilac odluke rješava problem koji
je od velike važnosti za njega. U takvim uslovima on teži da smanji neizvjesnost, te je za
njega svaka dodatna odluka od velikog značaja u odnosu na cijenu koju plaća za nju. Ipak,
i u ovakvoj situaciji treba imati mjeru i znati kada prestati sa kupovinom dodatnih
informacija potrebnih za proces donošenja odluka. I ovdje se donosilac odluke može
poslužiti informacijama o raspoloživim sredstvima kao i o vremenu koje ima na
raspoloaganju za donošenje odluke.
OD INFORMACIJA
KORISNOST

Vrijednost
dodatne Cijena
dodatne
informacije
informacije
Slika 0.3. Degresivna zavisnost korisnosti i cjene informacija
c) Raspoloživo vrijeme
Vrijeme je specifičan resurs. Ono se troši nezavisno od naše volje, a u vremenu u kome
živimo "vrijeme je novac"!
Veoma je važno na koji ćemo način da iskoristimo vrijeme koje nam je na raspolaganju.
Vrijeme je važan faktor odlučivanja. Menadžer preduzeća može da donese pogrešnu
odluku ako je donosi na brzinu, jer nema dovoljno vremena za donošenje odluke, a nema
mnogo iskustva u rješavanju problema na koji se odluka odnosi. Isti problem se javlja kada
se odluka donosi u kriznim situacijama, odnosno kada je menadžer u situaciji da mora da
donese odluku. Tada se javljaju sva ograničenja o kojima je već pisano. Postoji mogućnost
da se neka od faza procesa donošenja odluka ne obavi na najbolji mogući način, tako da u
takvim situacijama postoji rizik donošenja pogrešne odluke, odluke koja neće riješiti
problem.
30
I pored toga što nije dobro donositi odluke u kratkom vremenskom roku, one se moraju
donijeti u okviru određenog vremenskog perioda, jer nakon toga gube vrijednost. I najbolja
odluka je loša ako se donese u pogrešnom trenutku. Postoji nekoliko razloga zašto je
vrijeme veoma važan faktor odlučivanja:
1. Neki procesi su prirodno vremenski ograničeni, tako da odluke i poslove vezane za

te procese treba donijeti u tačno određeno vrijeme. Primjer za ovakve procese jeste rad u
poljoprivredi. Ako je problem kako da povećamo prinos našeg žitnog polja, rješićemo ga
izborom najboljeg sjemena. Za to su nam potrebne određene informacije, prije svega o
sjemenu koje je na datom tržištu raspoloživo. Prikupljanje informacija često iziskuje
mnogo vremena, tako da možemo da dođemo u situaciju da smo konačno odredili koje
sjeme daje najveće prinose, ali da smo u mjesecu kada je za sijanje žita kasno. U ovakvoj
situciji bi nam se više isplatilo da smo uzeli prvo sjeme na koje smo naišli u
poljoprivrednoj apoteci, jer bi ono dalo kakav-takav prinos. U našem slučaju mi smo
donijeli odluku koja je najbolja, ali je za njenu realizaciju kasno.
2. Nekada priroda situacije u kojoj se nalazimo zahtijeva od nas da donesemo odluku

što prije možemo. Dakle, u ovoj situaciji mi nemamo vremena da prikupimo relevantne
informacije za donošenje odluke, niti da sve moguće opcije vrednujemo na odgovarajući
način.
3. U slučaju kasnog donošenja odluke postoji mogućnost da odluka potpuno izgubi na

značaju.
Na vrijeme kao faktor odlučivanja utiče i iskustvo koje donosilac odluka ima u procesu
donošenja odluka. U zavisnosti od vremena koje mu stoji na raspolaganju, kao i u
zavisnosti od iskustva koje ima u procesu donošenja odluka, razlikujemo sljedeće vrste
odlučivanja:
31
VRIJEME
Slika 0.4. Vrste odluka u zavisnosti od iskustva i vremena: Matrica raspoloživog vremena i
iskustva
Na bazi matrice raspoloživog vremena i iskustva koje donosilac odluke ima u procesu
donošenja odluka, imamo i različite vrste odlučivanja:
Racionalno odlučivanje je odlučivanje koje donosilac odluke primjenjuje u situaciji kada

nema mnogo iskustva u procesu donošenja odluka, ali zato ima dovoljno raspoloživog
vremena koje mu dozvoljava da sakupi sve relevantne informacije za donošenje odluke, ali
i da pažljivo vrednuje svaku od njih.
Programirano odlučivanje je prisutno u situacijama kada donosilac odluke već ima puno
iskustva u ovom procesu, a ima i dovoljno vremena za donošenje odluka. Programirane
odluke su rutinske odluke, dakle one odluke koje se donose na bazi već ustaljenih
kriterijuma odlučivanja.
Odlučivanje na bazi prosuđivanja se donose u situacijama gdje donosilac odluka ima puno
iskustva, ali nema dovoljno vremena za donošenje odluka. Stoga će se on pri donošenju
odluke potruditi da dati problem poveže sa nekim od prethodnih koje je do tada rješavao,
jer nema vremena da prikupi sve relevantne informacije, niti ima vremena da evaluira
svaku opciju.
Intuitivno odlučivanje je odlučivanje u situaciji gdje donosilac odluke ima malo vremena
na raspolaganju, a nema ni malo ili sasvim malo iskustva u procesu donošenja odluka. U
privatnom životu, kao i u poslovnoj praksi odluke donosimo na osnovu globalnih
32
intuitivnih sudova, tj. sudova koje formiramo na osnovu svih raspoloživih činjenica -
znanja, iskustva i informacija. Često ih nazivamo i zdravim razumom, koji smatramo
pouzdanim vodičem do dobrog izbora. Logika uvijek dobro funkcioniše sve dok su
pretpostavke validne i proces logičke dedukcije tačan. Zdrav razum i logika koju koristimo
mogu nas zavesti i navoditi pogrešnim odlukama, a posebna opasnost se krije upravo u
činjenici da nikada ne uviđamo da su oni pogrešni.
Navodimo primjer i pokušaćemo da ga riješimo "prostom" logikom.

Pretpostavimo da tražimo lokaciju za magacin iz kojeg treba da snabdijevamo dva
potrošača, A i B, koji su međusobno udaljeni 100 km. Pretpostavimo takođe da su troškovi
snabdijevanja jednaki proizvodu transportovane količine proizvoda i dužine transporta, kao
i da dnevna tražnja potrošača A iznosi 50, a potrošača B 100 proizvoda. Nezavisno od
dnevnih potreba, naša logika nam govori da se magacin mora naći na liniji AB. Gdje ga
locirati?
Slika 0.5. Problem lokacije magacina
Prostom logikom dolazimo do zaključka da je magacin najbolje da postavimo tako da

udaljenost magacina od potrošača A bude na 2/3 puta od A (50) do B (100). Drugim
riječima, budući da potrošač B troši dvostruko više od potrošača A, magacin treba locirati
duplo bliže potrošaču B. Ipak, ovaj intuitivni zaključak nije tačan i zbog njega možemo da
imamo nepotrebne troškove kojih nećemo biti ni svjesni.
Ako jedinične troškove transporta obiljeležimo sa t i postavimo magacin pored potrošača

B, tada će ukupni troškovi transporta biti jednaki troškovima snabdijevanja potrošača A, tj:
50 x 100 x t = 5000 t
Ako pomjerimo magacin za jedan kilometar ka potrošaču A, ukupni troškovi bi iznosili:
50 x 99 x t + 100 x 1 x t = 5050t
Približavanjem za dva kilometra bi izazvalo novi porast troškova, tj.:
50 x 98 x t + 2 x 100 x t = 5100t
33
Troškovi intuitivno izabrane lokacije bi tada bili:

2 1
50 x x 100 x t + 100 x x 100 x t = 6660t
3 3
Dakle, na osnovu analize došli smo do zaključka da je najbolja odluka lociranje magacina
pored potrošača B jer svako udaljavanje od te tačke povećava troškove transporta za 50 t
usljed činjenice da svako približavanje potrošaču A za jedan kilometar smanjuje
transportne troškove snabdijevanja potrošača A za 50 t, ali povećava transportne troškove
snadbijevanja potrošača B za 100t, pa je razlika povećanje ukupnih troškova transporta za
50 t.
b) Okolina odlučivanja
Donošenje odluke, a naročito odlučivanje u preduzeću koje je predmet našeg posmatranja,

pod snažnim je uticajem okoline. S obzirom na uslove u kojima se odvija donošenje
odluka, razlikujemo:
b1) Donošenje odluka u stabilnim uslovima i

b2) Donošenje odluka u nestabilnim uslovima.
Osnovne razlike između ove dvije vrste odlučivanja ogledaju se u samom načinu
odlučivanja, prioritetima u odlučivanju, brzini donošenja odluka, stepenu rizika i
neizvjesnosti u odlučivanju, kao i u vjerovatnoći nastupanja očekivanog događaja.
b1) Donošenje odluka u stabilnim uslovima - U stabilnim uslovima promjene su spore, pa

je dominantan oblik odlučivanja centralno odlučivanje. Isto tako lista prioriteta pri
odlučivanju, kako ličnih prioriteta tako i poslovnih, se rijetko mijenja u stabilnim
uslovima. Odluke se u stabilnim uslovima donose sa manjim stepenom rizika i
neizvjesnosti.
b1) Donošenje odluka u nestabilnim uslovima - Sve što je bilo karakteristično za stabilne
uslove odlučivanja, nije za nestabilne. Dakle, ono što se na osnovu gore navedenog
može zaključiti, jeste da je nestabilna okolina ta koja sa sobom nosi velike i snažne
promjene, rizik i neizvjesnost. Pojedinci koji u takvim uslovima donose odluke moraju
34
brzo da reaguju, tako da nemaju niti puno vremena za donošenje odluka, a budući da
promjene sa sobom nose i raskidanje sa prošlošću, sa prethodnim situacijama,
pojedinci nemaju ni previše iskustva kojim bi se mogli rukovoditi u takvim
situacijama.
c) Metode odlučivanja
Jedan od faktora koji u velikoj mjeri utiče na kvalitet poslovnog odlučivanja, posebno u
fazi pripremanja odluka, jeste (ne)sklonost donosioca odluka da koristi savremene
matematičko-statističke metode. Tu se prije svega misli na metode operacionog
istraživanja, linearnog i dinamičnog programiranja, teoriju igara, metode simulacije i druge
metode.
Pri tome je poželjna opreznost i naglašava se da su ovi modeli samo pomoć pri donošenju
odluka, a ne jedini vodič u ovom procesu. Ono što je relevantno jeste da je proces
donošenja odluka nekada veoma složen, a da su modeli kojima se služimo "samo modeli",
odnosno pojednostavljeni prikaz stvarnosti. Na donošenje odluka utiče mnogo faktora, a
neke od njih nismo u mogućnosti ni da kvantifikujemo i stavimo u model. Mada
matematičko-statistički modeli imaju rješenje i za ubacivanje kvalitativnih, nemjerljivih
faktora u model, ipak ostaje onaj stohastičan element realnih pojava, onaj element
neizvjesnosti budućih događaja zbog koga ne možemo sa potpunom pouzdanošću reći da je
odluka donesena na bazi ovih modela najbolja moguća.
d) Sposobnost menadžera
Jedan od najvažnijih faktora odlučivanja u preduzeću svakako je sposobnost menadžera da

donosi kvalitetne odluke. Upravo ova sposobnost menadžera utiče na uspješnost
poslovanja preduzeća.
Sposobnost menadžera da donosi prave odluke zavisi od nekoliko faktora, prije svega od:
znanja i iskustva menadžera, njegove sposobnosti da razumije i shvati problem, kao i
sposobnosti analize i sinteze itd.
35
Što se iskustva menadžera tiče, ono može biti veoma važno prilikom donošenja odluka.
Međutim baziranje odlučivanja samo na iskustvu i osjećajima za situaciju nema veliku
vrijednost kada se menadžer nađe u nepoznatim situacijama.
Pored iskustva, menadžer mora imati i intelekt, ali i podršku zaposlenih u firmi u kojoj
donosi odluke. Dakle, pored svih sposobnosti koje on pokazuje u procesu donošenja
odluka, on mora biti i menadžer-lider, neko koga će svi podržati pri sprovođenju donesene
odluke. Zbog toga je važno uložiti dosta vremena u izgradnju međusobnih veza sa
zaposlenima preduzeća.
John Henry - Boston Red Sox (bezbol) - Početkom 2002. godine John Henry je kupio sa
svojim partnerima klub za 690 miliona dolara. Red Soxi nisu osvojili titulu od 1918.
godine, i to je bilo poznato kao "the most fabled curse in sports" (najpoznatija kletva u
sportu). Henry je shvatio da ukoliko želi da njegov klub bude konkurentan mora da
finansijski ojačati. Na taj način bi klub mogao da se nosi sa New York Yankeesima
(najveći rival i najtrofejniji i najbogatiji klub u bezbolu). Postavili su dodatna sjedišta na
stadionu (koji je bio najstariji u ligi) kako bi povećali kapacitet, a cijena karte je bila
najviša u ligi. I pred toga, rasprodali su svih 81 utakmica koje su igrali kod kuće, što je prvi
put u istoriji ovog kluba. Pored toga, sve domaće utakmice su prenosili na svojoj
kablovskoj mreži koja se plaća. Na taj način su postali drugi finansijski najmoćniji klub sa
127 miliona dolara u toj sezoni (Yankees su imali 184 miliona). Napravili su i
kompjutersku bazu podataka koja prati statistike manje poznatih igrača i preporučuje ih za
kupovinu. Godine 2004. su osvojili titulu, prvi put poslije 1918. godine i 86 godina posta.
Da bi "američki san" bio potpun, u polufinalu su pobijedili velike rivale New York
Yankeese sa 4-3, iako su gubili sa 3-0. U finalu su pobijedili St. Louis Cardinalse sa 4-0
(iste noći je bilo i potpuno pomračenje meseca).
Steven Reinemund - PepsiCo - Kompaniju Pepsi čini više brendova od kojih su

najpoznatiji Pepsi, Gatorade (energetska pića), Tropicana (voćni sokovi) i Frito-Lay (čips,
jedan od najpoznatijih na svijetu). U vrijeme kada se konstantno priča o zdravom životu, u
vrijeme kada se vrlo ozbiljno razmatraju tužbe protiv proizvođača junk-fooda (u prvom
redu McDonald's i Burger King) Pepsi je uspio da iz godine u godinu ostvaruje dvocifreni
rast (17% za prethodnu godinu, dvostruko više od Coca-Cole). Reinemundova politika
zapošljavanja i obučavanja ljudi se smatra jednim od ključnih izvora Pepsijevog uspjeha.
Ti novi ljudi su uspjeli da Pepsi brzo "probiju" na tržište Indije i Kine što je i osnovni izvor
36
rasta kompanije posljednjih godina. Da bi uspjeli u tome Pepsi je pokrenuo veoma

agresivnu kampanju u koju je uključio neke od najpoznatijih svjetskih zvijezda, kao što su
Beyonce Knowles, Britney Spears, Jennifer Lopez, Shakira, David Beckham.
e) Subjektivni faktori odlučivanja
Kvalitet donesene odluke pored objektivnih, zavisi i od nekih subjektivnih faktora. Neki od
njih su:
1) Dobra i objektivna informisanost donosioca odluka - već smo naveli značaj koji
informacije imaju na proces donošenja odluka. Naglasili smo da nedostatak
informacija predstavlja ograničavajući faktor procesa donošenja odluka, ali isto
tako i da pogrešne, nepouzdane informacije nose sa sobom rizik izbora loše odluke
koja neće riješiti problem ili to neće učiniti na pravi način.
2) Obrazovanost - koja predstavlja spoj znanja, naučenog iskustva koje se može

primijeniti u konkretnoj situaciji. Obrazovanost je povezana i sa fondom
informacija koje donosilac odluka ima, ali je od velike važnosti i usko
specijalizovana obrazovanost iz oblasti Teorije odlučivanja.
3) Motivisanost za odlučivanje - donosilac odluke mora da ima viziju kakav će značaj

za njega imati dobra poslovna odluka. To može biti materijalna satisfakcija od
strane preduzeća, ali istraživanja pokazuju da je za menadžera od posebnog značaja
i nematerijalna satisfakcija.
4) Odgovornost za odluke - najbolji primjer kakav uticaj ima (ne)postojanje

odgovornosti za donesene odluke jesu društvena preduzeća. Tu nije postojala
odgovornost za donesene odluke, tako da pojedinci koji su imali ovlaštenja da
donose odluke u ime preduzeća najčešće nisu bili motivisani da utroše previše
vremena na sam proces donošenja dobre i kvalitetne odluke.
37
0.6. Faze u procesu odlučivanja
Odlučivanje bismo mogli definisati na mnogo načina. Ipak, izdvojile su se definicije koje o
odlučivanju govore u užem i u širem smislu. Osnovna razlika između ove dvije definicije
jeste u samom shvatanju odlučivanja.
Ako sada pođemo od našeg shvatanja pojma odlučivanje, najčešće će ono biti vezano za
definiciju odlučivanja u užem smislu. To znači da pod odlučivanjem podrazumijevamo
samo izbor između dvije ili više ponuđenih opcija za rješavanje datog problema. Po
definiciji odlučivanja u širem smislu, izbor između dvije ili više opcija je samo jedna od
faza u procesu donošenja odluka. U nastavku analiziramo posebno sve faze u procesu
donošenja odluka.
Kao što se vidi na grafičkom prikazu procesa odlučivanja, sve faze možemo podijeliti na
one koje prethode trenutku donošenja odluke i one koje slijede nakon toga.
Slika 0.6. Osnovna podjela na faze odlučivanja
Sumaran prikaz faza procesa donošenja odluka je:

1. Identifikacija problema;
2. Definisanje zadataka;
3. Snimanje i analiza postojećeg stanja;
4. Traženje alternativa rješenja problema
5. Donošenje odluke
6. Sprovođenje odluke i kontrola
38
1. Identifikacija problema
Ovo je prva i najvažnija faza procesa odlučivanja. Ova faza se smatra najvažnijom jer ona
determiniše tok ostalih faza procesa odlučivanja. Odnosno, ako smo precizno i kavlitetno
definisali problem onda smo već na “pola puta” do rješenja.
Problem je najlakše definisati kao nepodudaranje između sadašnjeg i željenog stanja neke
pojave. Na osnovu definicije problema, možemo da zaključimo da je za rješenje problema
neophodno preduzeti neke aktivnosti kojima bismo otklonili jaz između sadašnjeg i
željenog stanja posmatrane pojave.
U zavisnosti od toga da li se radi o lakšem ili složenijem problemu, zavisiće i način

rješavanja problema. Lakši problemi u većini slučajeva rješavaju se rutinski i ne iziskuju
dodatna znanja, vrijeme i iskustvo, kao što je to slučaj sa rješavanjem složenijih problema,
naročito onih sa kojima se srećemo prvi put.
Kroz školovanje se od nas traži da riješimo precizno definisane zadatke kako bismo
savladali metodologiju izučavane oblasti. I u praksi se često možemo sresti sa situacijom
gdje se od nas zahtijeva da riješimo precizno definisan problem. Dakle, u takvim
situacijama ne moramo ulagati dodatni napor da bismo definisali sam problem, već je naš
prvi korak ka rješavanju problema primjena već utvrđene metodologije.
Ali, ono što je mnogo realnije jeste susretanje sa problemima koji imaju barem jednu
neodređenu komponentu. Isto tako je čest slučaj da znamo unaprijed i početno i željeno
stanje, ali i više načina za prelazak iz jednog u drugo stanje. Naš zadatak u toj situaciji
jeste kako da odredimo koji je način za rješavanje problema najbolji. Sljedeća česta
situacija jeste ona u kojoj nam je poznato početno stanje, ali nam nije precizno objašnjeno
krajnje, željeno stanje. Primjer za ovu situaciju jesu pregovori koje vaša firma vodi sa npr.
bankom oko dobijanja povoljnog kreditnog aranžmana. Ono što vi sada znate jeste
situacija u kojoj se vaša firma nalazi. Njoj je neophodan taj kredit za otvaranje nove
proizvodne linije. Cilj pregovora za vašu firmu jeste kako samo dobijanje kredita, tako i
dobijanje tog kredita po što povoljnijim uslovima. Dakle, znate neke okosnice željenog
stanja, ali ono nije kristalno jasno. Odnosno, ono će to biti tek po okončanju pregovora.
39
Ipak, vjerovatno je najteža situacija u kojoj čak ni početno stanje problema nije jasno
definisano, niti lako uočljivo. Slabo učenje može da bude problem, ali isto tako može da
bude posljedica mnogo ozbiljnijeg problema, a to je poremećaj u učenju usljed
nepostojanja jasnog cilja obrazovanja ili usljed nesposobnosti da se učenik/student poveže
sa ostalim ljudima u obrazovnoj ustanovi, bilo da su to profesori ili kolege.
Kao što vidimo iz ovog primjera, da bismo riješili problem, neophodno je da ga

definišemo, a ne da odredimo njegove posljedice.
Dakle, činjenica je da taj student nema najbolju prolaznost na ispitima, ali ta činjenica je
samo posljedica, a naš zadatak je da odredimo uzrok problema.
Mnogo se češće dešava da donosioci odluka ne uspijevaju da uoče pravi problem, nego što
ne uspijevaju da riješe problem koji su uočili. Dakle, ostale faze procesa zavise od početne
dijagnoze stanja i ako se definisani problem ne poklopi sa stvarnim problemom, ni rješenje
problema neće dati rezultate.
Za uočavanje problema možemo se poslužiti različitim tehnikama, u zavisnosti od toga da

li se nalazimo u situaciji koja nam je poznata ili se radi o novoj, nama do sada nepoznatoj
situaciji. Prema tome, uočavanje problema može da bude rutinsko, ali se isto tako možemo
poslužiti nekim metodama kakve su statističko-matematičke, zatim tu je i anketiranje itd.
Dakle, sve ove metode daju nam informacionu bazu na osnovu koje možemo da
dijagnosticiramo početno stanje problema.
Kvalitetno definisanje problema ne znači da taj problem treba sagledati sa svih aspekata jer
bi to dovelo do nesporazuma i otežane komunikacije unutar grupe koja rješava problem.
Cilj definisanja problema jeste izlaganje problema u vidu kratkog pitanja koje će
nedvosmisleno ukazivati na uzrok problema i usmjeravati ostale faze procesa odlučivanja
na njegovo rješavanje.
Za objašnjenje određivanja najbolje forme za definisanje problema može nam poslužiti

primjer fotografisanja. Pri fotografisanju biramo mjesto, objekat i okruženje koje želimo da
zabilježimo. Odnosno, želimo da se na slici vide bitni detalji, dok oni nebitni ostaju van
slike. Kvalitet slike u najvećoj mjeri zavisi od vještine rukovanja foto-aparatom, kao i od
njegovog kvaliteta.
40
Na sličan način pristupamo definisanju problema. Neki elementi su bitni pri njegovoj
formulaciji dok druge zanemarujemo. U zavisnosti od toga koliko smo bili uspješni u
izboru važnih elemenata za definisanje problema ući ćemo u njegovu suštinu. U slučaju da
smo loše odabrali važne elemente ili ih je previše, definisanje problema će biti otežano,
odnosno suština će biti zamagljena manje bitnim komponentama problema.
Najčešće greške pri definisanju problema su sljedeće:
a) Previđamo potrebu da problem pažljivo definišemo, odnosno zanemarujemo

činjenicu da se mora posvetiti velika pažnja definisanju problema. Najčešće se žuri sa
prelaskom i obavljanjem ostalih faza procesa odlučivanja, dok se definisanju problema
pridaje mali značaj. Ova greška dovodi do toga da se najčešće i problem loše odredi,
tako da i sve ostale faze daju loše rezultate. Čest slučaj je i da donosilac odluke u
novom problemu vidi elemente nekog problema na čijem je rješavanju već radio te u
stari model problema ne želi da unese nove elemente, jer želi da što prije pređe na
sljedeću fazu odlučivanja. O tome govori i loše iskustvo kompanije IBM.
Kompanija IBM 1958. godine angažovala je Artura Litla (Arthur Little) da ocijeni
tržišne potencijale za dvije fotokopir mašine (model 813 i model 914) koje je u to
vrijeme proizvodila kompanija Haloid (kansije poznata kao Xerox korporacija). U
zaključku opširnog izvještaja Litl je sugerisao odjeljenju za proizvodnju električnih
pisaćih mašina da ne razmatra mogućnost proizvodnje ovih modela. Kao osnovni
razlog naveo je da bi prodaja i održavanje novog proizvoda značajno opteretila
postojeće prodajne kapacitete firme i uslovila porast troškova.
Ubrzo se pokazalo da je formulacijom problema napravljen previd i da se cijela analiza

zasnivala na pretpostavci da je riječ o proizvodu iz postojećeg asortimana, a ne o
potpuno novom proizvodu. Mada su izvjesne greške napravljene i u predviđanjima
buduće tražnje za fotokopir mašinama, ipak je nedovoljno pažnje posvećeno
formulisanju problema jedan od razloga zašto danas nema fotokopir mašina sa logom
IBM-a.
Ken Olson je osnovao kompaniju Digital Equipment Corp. i razvio je u jednu od

vodećih kompanija za proizvodnju velikih kompjutera. Krajem 1970. godine Olson je
41
izjavio “Ne postoji razlog, a ni potreba da ljudi imaju kompjutere u svojim kućama!”
Opisao je prototip Apple Kompjutera kao igračku. Nije bio vizionar, pa je cijenu platila
njegova kompanija. Nije predvidio budućnost razvoja računara, tako da je Digital
Equipment Corp. gotovo izgubila mjesto na tržištu mikrokompjutera. Olson je izbačen
iz kompanije koju je osnovao. Da ironija bude veća, Digital je kupila kompanija
Compaq, vodeći proizvođač mikrokompjutera.
Godine 1972. nekoliko Holivudskih filmskih studija odbilo je novi film režisera
Džordža Lukasa (George Lucas). Smatrali su ovaj niskobudžetni film, koji govori o
životu u ranim šezdesetim godinama, za komercijalno neprihvatljiv. Universal studio
kasnije mijenja mišljenje i film, American Graffiti, ostvaruje najveću zaradu ikada
zapamćenu u filmskoj industriji. I pored velikog uspjeha prvog filma, Universal i ostale
filmske kuće odbile su sljedeće filmsko ostvarenje ovog reditelja. U pitanju je bio film
iz oblasti naučne-fantastike koji je finansiran od strane studija Twentieth Century-Fox,
ali veći dio finansira sam reditelj. Ovaj projekat doveo je do bankrotsva reditelja, ali je
on zadržao sva prava na ovo ostvarenje. Na sreću! Njegov film, Star Wars, postigao je
nevjerovatan uspjeh.
b) Biramo "neadekvatan" okvir problema, odnosno okvir problema ne smije biti ni

preuzak, jer bi to uticalo na zanemaviravenje nekog važnog elementa problema, ali ne
smije biti ni preširok, kako ne bi uticao na loš kvalitet odluke. Primjer za to bila je
kompanije Pepsi-Cola i njena borba sa konkurentskom kompanijom Coca-Cola za
primat na tržištu '80-tih godina, ali i problem "devet tačaka". Ovdje bi bilo dobro
navesti primjer "potonulih investicija". Ovaj fenomen pokazuje da su naši izbori, kako
u privatnom tako i u poslovnom životu, ponekad određeni ranijim pogrešnim
odlukama. U želji da opravdamo prethodne propuste ili poslovne promašaje mi
preduzimamo nove rizične korake, odnosno, za loše uloženim novcem bacamo i onaj
koji se mogao dobro investirati.
Pretpostavimo da je firma X zaposlila informatičara koji, pored zadovoljenih formalnih

uslova i dobrog utiska na intervjuu, u praksi ipak nije ispunio očekivanja. Firma ga
šalje na neke dodatne kurseve, time se izlaže većim troškovima, ali je pravi efekat
ponovo izostao. Ako ste vi menadžer u toj firmi, vaša sljedeća odluka jeste da li da ga
pošaljete na novi kurs. Logika većine menadžera jeste da ga treba poslati i na sljedeći
42
kurs, jer je ipak previše sredstava uloženo u njega da bi se sada odustalo, pa će se

pružiti još jedna šansa nesposobnom informatičaru. Dakle, vaša sljedeća odluka
determinisana je vašim prethodnim pogrešnim odlukama.
Efekat "potonulih investicija" u poslovnom odlučivanju je veoma jak i javlja se zbog
činjenice da je nepopularno priznati grešku i napustiti započeti projekat.
c) Previđamo vezu između posmatranog i ostalih problema - mada odluke donosimo

izolovano, njihovi efekti su međusobno povezani. Zato uvijek moramo posmatrati
kontekst u kojem postavljamo i rješavamo neki problem. Rješenje nekog problema koji
je izolovano posmatran nekada je jedva prihvatljivo u širem kontekstu.
Kao primjer može da nam posluži odluka sportiste da dopingovanjem postigne

vrhunske rezultate na takmičenjima. U užem kontekstu ova odluka je prihvatljiva i
opravdana, ali u širem nije. Sportisti koji se podvrgavaju dopingovanju mogu u poznim
godinama da imaju ozbiljne zdravstvene probleme.
d) Rigorozno se pridržavamo prvobitne definicije problema - kada definišemo problem

na najbolji mogući način, prilikom traženja opcija koje će ga riješiti moramo da se
vratimo na početnu formulaciju problema i da je preispitujemo. Postoji mogućnost da
tokom procesa donošenja odluka promijenimo viđenje problema zato što nekim
njegovim aspektima pridajemo različit značaj. Ako se ne bismo vraćali i revidirali
prvobitnu formulaciju modela, to bi dovelo do izbora inferiornih alternativa kojima se
zadovoljavaju prošle, a ne trenutne potrebe. Isto tako, dinamično okruženje utiče na
promjenu značaja pojedinih elemenata definisanja problema.
Sve navedene greške i propusti koje činimo pri definisanju problema odražavaju našu
nespremnost ili nesposobnost da ispoljimo kreativnost. Često se dešava da nam iskustvo
sugeriše najbolju definiciju i rješenje problema, ali nas navike sputavaju da u nekim
situacijama problemima priđemo na nov način i ponudimo "svježe" definicije koje vode
kreativnim rješenjima.
Albert Ajnštajn je rekao da: ..."je formulacija problema često mnogo značajnija od
njegovog rješenja, koje može uglavnom biti stvar matematičke ili eksperimentalne
43
vještine. Postaviti nova pitanja, nove mogućnosti, posmatrati stara pitanja iz novog ugla,
zahtjeva kreativnu imaginaciju...".
Kreativnost se često prihvata kao individualna karakteristika pojedinca, talenat koji ima
pojedinac i koji se ne može nadomjestiti trudom. Ipak, postoje načini da se podstakne
kreativnost kod pojedinca.
Opšte su prihvaćeni sljedeći načini u podsticanju kreativnosti u definisanju problema:
a) Pitajte druge kako vide rješenje - Razgovor sa prijateljima ukazaće nam na sasvim
drugačiju sliku našeg problema. Stoga je pri donošenju poslovnih odluka korisno čuti
mišljenje kolega, eksperata iz posmatrane ili drugih oblasti jer nam njihove ideje
omogućavaju da problem vidimo u novom svjetlu, da otkrijemo nove mogućnosti i da
ukinemo nepotrebna ograničenja. Isto tako, bilo bi poželjno da jednog saradnika
angažujemo da analizira naš pristup rješavanju problema i kritikuje naš način
razmišljanja. Ako se u ulozi donosioca odluke nalazi grupa, važno je da se obezbedi
njena heterogenost, jer osobe različitog obrazovanja, iskustava i porijekla po pravilu
imaju različit pristup i viđenje problema.
Brainstorming je tehnika za rješavanje problema koja može da bude korištena za

planiranje, identifikovanje rizika, itd. Članovi formirane grupe izlažu svoje ideje, ali
bez mogućnosti verbalnog slaganja ili neslaganja ostalih članova grupe sa
predloženom idejom. Osnovna svrha ove tehnike jeste da sakupi veliki broj ideja kroz
pomaganje ljudima da razmišljaju kreativno i da u potpunosti budu uključeni u ovaj
proces, a da se pri tom ne osjećaju inferiorno i bez mogućnosti da budu izvrgnuti
kritici od strane drugih učesnika.
Svrha sprovođenja brainstorminga

Osnovni cilj brainstorminga jeste da kroz rad u grupi dođemo od odgovarajuće
definicije problema i da donesemo, takođe kroz aktivno učešće svih članova grupe,
najbolji plan za preduzimanje konkretnih akcija za rješavanje posmatranog problema.
44
Šta je neophodno za sprovođenje brainstorminga

1. Problem koji treba riješiti;
2. Grupa koja ima potencijal da radi timski; Veličina grupe se kreće od malih
menadžerskih timova koji broje 5 do 10 članova, pa sve do seoskih udruženja sa
nekoliko stotina članova.
3. Tabla ili druga radna površina koju svi članovi tima mogu lako da vide i, naravno,
marker za pisanje;
4. Predvodnik grupe. Njegov osnovni zadatak jeste da zapiše sve prijedloge
participanata, a ne da iznosi svoje mišljenje, ali isto tako da koristi svoje liderske
sposobnosti kako bi zaveo red, ali i svrhu cijele sesije.
Osnovna pravila
1. Predvodnik grupe zadržava tu ulogu do kraja sesije;
2. Predvodnik grupe traži prijedloge od članova grupe;
3. Nije dozvoljeno kritikovanje nečijeg prijedloga;
4. Svi prijedlozi moraju se zabilježiti na tabli.
Procedura
1. Definisanje problema: Predvodnik tima pita članove šta je po njima problem neke
situacije. Pri tome treba voditi računa da nije dozvoljeno kritikovanje nečijeg
prijedloga. Predvodnik tima mora da napiše sve prijedloge na tablu. Zatim se vrši
grupisanje problema po sličnosti i povezanosti. Nakon toga vrši se sastavljanje
liste problema po principu prioriteta (pri čemu se najvažniji problemi nalaze na
samom vrhu liste).
2. Određivanje cilja, odnosno analizira se situacija suprotna onoj koja predstavlja

problem, odnosno to je rješenje datog problema. Dakle definisanje cilja sesije jeste
definisanje rešenja problema. Zatim treba napisati postavljeni cilj na tablu. Treba
podsjetiti grupu da je cilj onaj koji oni izaberu.
3. Definisanje zadatka (zadatak, za razliku od cilja, je mjerljiv, konačan i ima bazu

podataka). Treba pitati grupu da definiše zadatke. Svi predloženi zadaci moraju biti
na tabli. Opet se napominje da niti jedan prijedlog ne smije biti podvrgnut kritici
45
članova grupe. Zatim se vrši grupisanje zadataka koji su slični ili povezani. Zatim
se napravi lista zadataka po principu prioriteta, pri čemu se na vrhu liste nalaze
najvažniji zadaci. Treba podsjetiti grupu da oni utiču na izbor najvažnijih zadataka.
4. Identifikovanje resursa i ograničenja - članovi grupe sami identifikuju resurse i

ograničenja. I ovo se nalazi na tabli. Zatim se vrši grupisanje i povezivanje po
sličnosti. Naravno, ponovo se pravi lista prioriteta.
5. Identifikovanje strategije - grupa predlaže strategiju rješavanja problema. Svi

prijedlozi nalaze se na tabli i ne smiju biti podvrgnuti kritici ostalih članova grupe.
Postupak je isti. Prvo se vrši grupisanje predloženih strategija po sličnosti i
povezanosti, a nakon toga se pravi lista predloženih strategija po principu prioriteta.
Na samom vrhu liste nalaze se najpoželjnije strategije. Bira se strategija koja se
nalazi na prvom mjestu.
6. Sumaran prikaz na tabli donesenih odluka grupe - problema, cilja, zadataka i

strategije koja je izabrana. Sve su to elementi Plana akcije. Treba napomenuti da
se do ovog plana došlo timskim radom grupe.
Zaključak
Brainstorming je jednostavan. Ali to ne znači da je lak za sprovođenje. Zahtijeva
vježbanje. Neki dijelovi mogu da se usavršavaju kroz društvene igre i ostale tehnike
rada u grupi.
U krajnjem slučaju, kada imamo situaciju gdje problem ne smijemo da podelimo sa
drugima, uvek bi trebalo da razmislimo kako bi tom problemu prišle druge osobe i
kako bi ga rješavale. Prije svega se misli na pojedince čije mišljenje cijenimo, ali i na
osobe koje su afirmisane iz različitih oblasti iako ih lično ne poznajemo, ali ih
poštujemo.
b) Primijeniti analogiju - Jedan od načina da dođemo do prave definicije problema jeste

primjena analogije. Suština zaključivanja primjenom analogije leži u transferu znanja
iz jedne situacije u drugu postupkom preslikavanja.
46
Razmotrimo sljedeći problem. Jedan od vidova borbe protiv kancerogenih oboljenja

jeste i zračenje oboljelog organa. Da bi se uništile kancerogene ćelije ili se barem
usporio njihov rast, jačina zračenja nekada mora da bude toliko velika da bi njeno
razarajuće dejstvo ugrozilo zdrave dijelove organizma kroz koji prolazi. Na prvi pogled
izgleda kao da se suočavamo sa nerješivim problemom. Ovaj problem je riješen
primjenom analogije sa strategijom ratovanja, po kojoj se neprijatelj može savladati
opkoljavanjem i istovremenim napadom sa više strana. Samim tim, umjesto jednog
jakog izvora zračenja koristi se više manjih, čiji pojedinačni intenziteti ne oštećuju
zdravo tkivo, ali zajedno postižu potrebnu jačinu u oboljelom organu.
Vještina primjene analogije kod definisanja i rješavanja problema podrazumijeva da

posjedujemo brojna i raznovrsna znanja i interesovanja. Veliko ograničenje može da
predstavlja selektivno korištenje znanja koje posjedujemo, odnosno mi kada npr.
rešavamo problem iz fizike zanemarujemo znanja iz geografije itd.
Za primjer uzimamo iskustvo kompanije West Coast koja je prije mnogo godina
ostvarila ponovni procvat zahvaljujući kreativnoj postavci problema. U to vrijeme u
luci je postojao veoma jak radnički sindikat koji je štitio prava radnika brojnim
ugovorima, a time vezivao ruke menadžerima, jer oni nisu mogli da uvedu efikasnije
tehnologije za utovar i istovar brodova. Luka je gubila poslove. Menadžeri su odlučili
da u novoj rundi pregovora predlože sindikatu da se odrekne najrestriktivnijih zahtjeva
u zamjenu za povećane zarade i olakšice. Tom sastanku menadžera prisustvovao je
konsultant van grane koji je pitao šta bi menadžeri mogli da ponude radnicima kako bi
oni odustali od svih zahtjeva. Odgovor na ovo pitanje dobijen je nakon obimnih
istraživanja, a podrazumijevao je revolucionarne promjene, ali i enormne uštede.
Ponuda sindikatu bila je takva da je sindikat nije mogao odbiti. Budući da je sindikat
zaista prihvatio ponudu, u narednih nekoliko godina poslovanje luke se sasvim
izmenilo. Prelaskom na skladištenje tereta u kontejnere, vrijeme utovara i istovara se
umjesto danima mjerilo u satima, a nova tehnologija i porast saobraćaja obezbedili su
radnicima lakše i raznovrsnije poslove na dokovima. Prema tome, preporod luke
zavisio je od kreativnog načina rješavanja postojećeg problema.
47
c) Lateralno mišljenje - Jedan od načina da problem sagledamo iz drugog ugla jeste i

prihvatanje sugestije psihologa Eduarda de Bona i primjenjivanje tzv. lateralnog
mišljenja, koje autor suprotstavlja logičkom mišljenju.
Lateralno mišljenje se koristi i u rješavanju poslovnih problema, na šta ukazuje i

sljedeći primjer. Posmatrajmo privatnu ljekarsku ordinaciju u kojoj se ljekar sa
svakim pacijentom zadržava u prosjeku od 30 minuta do 1 časa. Ako ljekar odluči da
zakazuje preglede na svaki sat, on rizikuje da ima mnogo "praznog" vremena,
zadovoljne pacijente, jer nema čekanja, ali i manje prihode. S druge strane, ako
odluči da zakazuje preglede na svakih pola sata, postoji mogućnost da dođe do
zagušenja, gužve u čekaonici, zbog koje će pacijenti biti nezadovoljni tretmanom, pa
i promijeniti ljekara. Mada će se ljekar vjerovatno odlučiti sa prosječno vrijeme
trajanja pregleda, to ne isključuje povremena zagušenja i nervozne pacijente. Kao
riješiti ovaj problem? Umjesto da angažuje jednog kolegu, što bi zadovoljilo potrebe,
ali i značajno povećalo troškove poslovanja, ljekar se može potruditi da vrijeme
čekanja učini psihološki kraćim. U čekaonici sa udobnim foteljama, diskretnom
muzikom i interesantnim časopisima, uz piće koje nam je ponudila ljubazna sestra,
vjerovatno ćemo da zaboravimo da trošimo svoje dragoceno vrijeme i čekanje nam
se može učiniti prijatnim predahom.
d) Posmatrajte problem kao šansu - na samom početku bi bilo interesantno da

istaknemo da su su u kineskom jeziku reč problem i reč šansa iste reči.
Iako smo se do sada bavili problemima u kontekstu prepreke između postojećeg i

željenog stanja neke pojave, moramo biti svjesni da njihovom kreativnom
formulacijom možemo zauzeti aktivan odnos prema njima i pretvoriti ih u šanse. Kao
primjer za to poslužiće nam stanje nakon terorističkog napada 11. septembra 2002.
godine na Njujork i Vašington. Svim svjetskim avio kompanijama znatno je smanjen
promet, broj putnika i samim tim profit. U SAD-u promet je opao za 20%, dvije
evropske kompanije su propale (švajcarska Swissair i belgijska Sabena), a mnogi
prevoznici konstantno su smanjivali broj linija i zaposlenih. Izuzetak je Rajaner
(RyanAir), irski prevoznik koji zadnjih godina povećava promet za 25% godišnje.
48
Kompaniju je 1985. godine osnovao irski biznismen Toni Rajan (Tony Ryan), ali je
1989. godine ona zapala u gubitke i dug od 25 miliona dolara. Tada je Rajan za
direktora izabrao Majkla O'Lirija (Michael O'Leary), koji je prvo predložio stečaj, ali
je ipak odlučio da prije konačne odluke čuje mišljenje Herberta Kelehera (Herbert
Kelleher), Amerikanca irskog porekla, koji je svojevremeno preporodio regionalnu
američku avio kompaniju Southwest Airlines. Keleher je sugerisao da se pokuša sa
znatno nižim cijenama od uobičajenih, uz manji komfor.
Ideja je prihvaćena, tako da danas Rajaner nudi putnicima usluge po cijenama koje su
čak trideset puta niže od konkurentskih (primjera radi, karta na relaciji Frankfurt-
Milano košta svega 10 eura, dok je cijena Lufthanse 272 eura). Niske cijene
uključuju samo let u ekonomskoj klasi, pri čemu nema besplatnih obroka i pića,
rezervacija sjedišta, vraćanja novca ako putnik odustane od leta, hotelskog smeštaja u
slučaju otkazivanja leta, kao ni popusta za stalne putnike. Kuriozitet je i da zaposleni
nemaju uniforme.
Pored ušteda ostvarenih smanjenjem konfora putovanja, kompanija je značajno

smanjila i troškove održavanja, jer cjelokupnu flotu čine avioni tipa Boing 737.
Značajne uštede ostvarene su i u načinu prodaje karata. Karte se ne prodaju preko
agencija, već preko Interneta. Nema ni uobičajenih avionskih karata; zamijenili su ih
ID brojevi koje putnici moraju znati prilikom čekiranja. Kompanija uglavnom koristi
manje aerodrome čije su takse i do deset puta niže u odnosu na vodeće nacionalne
kompanije. Na ovim aerodromima nema gužve, pa je i obrada putnika brža i jeftinija,
a avioni su spremni za poletanje već nakon 25 minuta od trenutka sletanja. Zbog
takve efikasnosti Rajaner je kompanija sa najmanjim vremenom kašnjenja.
Kompanija je svake godine veliki dio profita ulagala u razvoj, tako da se flota od
1997. do 2003. godine povećala za 28 novih aviona, kojima se leti u 54 evropska
grada. Već 2000. godine kompanija je po broju putnika nadmašila irskog
nacionalnog prevoznika Aer Lingus i postala ozbiljna opasnost nacionalnim
kompanijama. Kompanija planira da svake godine ponudu obogati sa jednim novim
evropskim gradom i otvori osam novih evropskih linija.
49
Postoje dva načina na koji avio kompanije mjere svoju efikasnost. Prvi je visina
troškova po avionskom sjedištu i prevezenom kilometru, a tu je Rajaner 30% bolji od
konkurencije. Drugi način mjerenja je odnos broja putnika i broja zaposlenih, u čemu
je ova kompanija za 40% uspješnija od konkurencije.
Drastičnim smanjenjem troškova i cijena Rajaner je već godinama avio kompanija sa

najvećim rastom u Evropi. O'Liri kaže: "To postižemo filozofijom velikih američkih
samoposluga, nabavljamo jeftino na veliko, a prodajemo na malo jeftinije od bilo
koga drugog".
Tako je kompanija u trenutku najveće krize prepoznala šansu, iskoristila pozitivna
iskustva drugih i unaprijedila rad primjenom kreativnih ideja.
2. Definisanje zadataka
Nakon definisanja problema, možemo da pređemo na njegovo rješavanje. Ipak, da se ne

bismo neprijatno iznenadili stanjem u koje će nas dovesti izabrana akcija, prije nego što se
opredijelimo za jednu od njih moramo da znamo gdje želimo da stignemo. Dakle, ako ne
znamo šta želimo da postignemo, nećemo moći ni da procijenimo da li smo to ostvarili.
Zato je važno da pored precizno definisanog problema, odnosno početnog stanja, na isti
način definišemo i željeno stanje.
3. Snimanje i analiza postojećeg stanja
U ovoj fazi utvrđujemo sa čim raspolažemo kako bismo riješili dati problem. Dakle, u ovoj
fazi detaljno analiziramo postojeće stanje tako da dolazimo do informacije o tome sa čim
raspolažemo i šta od onoga sa čime raspolažemo možemo da koristimo u rješavanju
problema. Posmatrano iz drugog ugla, ovo je faza u kojoj utvrđujemo i sopstvena
ograničenja u odlučivanju, jer ono sa čim raspolažemo u procesu donošenja odluka
opredeljuje i opciju za koju ćemo se odlučiti, pa samim tim i način i uspješnost u
rješavanju datog problema. Ograničenja sa druge strane često onemogućavaju postizanje
željenog cilja.
Kada precizno definišemo problem, možemo preći i na njegovo rješavanje. Ipak, da se ne

bismo iznenadili stanjem u koje bi nas dovela izabrana akcija, prije nego što se
50
opredjelimo za jednu od njih, moramo precizno da odredimo gdje želimo da stignemo.

Drugim riječima, ako ne znamo šta želimo da postignemo, nećemo moći ni da procjenimo
da li smo to ostvarili.
U odlučivanju u menadžmentu razlikujemo dvije vrste ciljeva:

a) ciljeve odluke i
b) ciljeve organizacije.
Ciljevi odluke formiraju osnovu za evaluaciju alternativa u svakom konkretnom izboru. To

su kriterijumi na osnovu kojih ocjenjujemo i međusobno poredimo opcije. U
menadžerskim odlukama relevantni kriterijumi mogu se definisati na sljedeći način. Za
menadžera nabavke, čiji je jedini cilj da obezbedi konstantan priliv sirovina i repro
materijala kako bi se obezbjedila neometana proizvodnja, jeste da izabere dobavljača po
osnovu sljedećih karakteristika - kvaliteta robe, pouzdanosti, cijene, načina plaćanja i sl.
Ciljevi organizacije- unutar organizacije kao složenog sistema, definišemo veliki broj
ciljeva koji se međusobno razlikuju po brojnim karakteristikama. Značaj cilja je određen
mjestom na hijerarhijskoj ljestvici. Postoje primarni, strateški i operativni ciljevi.
Primarni ciljevi se nalaze na vrhu "piramide" ciljeva i determinišu okvir u kojem ćemo da
donosimo sve poslovne odluke u organizaciji. U privrednom sektoru primaran cilj može da
bude opstanak na tržištu, ali i zauzimanje liderske pozicije u grani.
Strateški ciljevi su ciljevi na osnovu kojih organizacija dugoročno usmjerava sve svoje
potencijale ka ostvarenju primarnog cilja. Ako je npr. primaran cilj opstanak preduzeća,
onda su adekvatni strateški ciljevi održavanje kvaliteta proizvoda uz smanjenje
proizvodnih troškova za nisko-tehnološke grane, ali i prihvatanje inovacija, promjena
tehnologije i proizvodnih programa u granama sa visokom tehnologijom. Ukoliko je
primaran cilj zauzimanje liderske pozicije u grani, onda su strateški ciljevi istraživački
razvoj, kreiranje novih proizvoda, novih tehnologija i sl.
Operativni ciljevi omogućavaju operacionalizaciju strateških ciljeva i definisani su tako da

predstavljaju osnovu odlučivanja u kratkom roku.
51
Iskustvo pokazuje da su najčešće greške kod definisanja ciljeva sljedeće:
a) Formiranje nepotpunih ili neodgovarajućih lista ciljeva usljed uvjerenja da u

potpunosti znamo šta želimo. Stoga biramo alternativu koja, po našem mišljenju,
rješava problem i kompletnu pažnju i energiju usredsređujemo na njenu realizaciju.
Tada možemo da napravimo dva propusta: ako su u pitanju složene alternative,
ocjenjujemo ih na osnovu više kriterijuma i može nam se dogoditi da pažnju
fokusiramo na preusku listu ciljeva, koji najčešće i nisu najvažniji, a previdimo
neke bitne aspekte alternative, te će i ishod izabrane opcije biti loš; drugi previd
jeste taj da umjesto vlastitih ostvarujemo tuđe ciljeve (roditelji utiču na izbor
profesije svoje djece, društvo u kojem živimo određuje standarde uspjeha itd).
Neke od ovih ciljeva usvojićemo tokom vremena kao vlastite, ali ako njihova
realizacija ne donese očekivane efekte, suočićemo se sa neprijatnom istinom da
smo sve vrijeme i napor uložili u pogrešnom smjeru.
b) Dajemo prioritet mjerljivm ciljevima - kvantitativni ciljevi imaju dvije prednosti:

omogućavaju lako međusobno poređenje alternativa i nakon realizacije izabrane
akcije možemo precizno da odredimo stepen njihovog pojedinačnog ostvarenja.
Ipak, važno je imati na umu da lako dostupni i mjerljivi podaci nisu uvijek i oni
koji najbolje oslikavaju suštinu problema.
4. Traženje alternativa rješenja problema
Alternative predstavljaju sredstvo kojim, polazeći od početnog stanja, nastojimo da

realizujemo željeno stanje. Budući da se željeno stanje može realizovati primjenom
različitih akcija, naš zadatak je da ih identifikujemo i odredimo najbolju.
Po kriterijumu dostupnosti ili raspoloživosti razlikujemo četiri grupe alternativa:
a) Unaprijed date gdje već prije početka procesa odlučivanja raspolažemo sa jasno
definisanim skupom alternativa iz kojeg vršimo izbor. Primjer za to su učesnici na
svim vrstama konkursa.
52
b) Ponuđene ili otkrivene gde su alternative precizno formulisane i postoje u

okruženju, ali mi treba da ih otkrijemo. Primjer za to može da bude kupovina stana,
konkursa za posao itd.
c) Modifikovane postoje kada potpuno formirane opcije korigujemo kako bismo ih

prilagodili potrebama posmatrane odluke. Primjer za to su ankete koje su ranije
rađene, ali za potrebe novog istraživanja prilagođavamo njihov sadržaj,
modifikujemo ga.
d) Naručene postoje u slučajevima kada namjenski formulišemo alternativu kojom

ćemo da riješimo problem. Primjer za to je lansiranje novog proizvoda praćeno
marketinškom kampanjom za koju se specijalno kreiraju televizijski spotovi,
novinske reklame itd.
5. Donošenje odluke
U ovoj fazi vrši se izbor najpovoljnije opcije za rješenje posmatranog problema, odnosno
ovo je faza donošenja odluke.
Konačan izbor u praksi najčešće donosimo na osnovu globalnih intuitivnih sudova,

formiranih na osnovu našeg cjelokupnog znanja, iskustva i raspoloživih informacija.
Mada nas često vode ka pravim izborima, globalni sudovi ponekad nisu pouzdana osnova
za odlučivanje. Osnovni problem predstavljaju pogrešne logičke pretpostavke koje djeluju
prihvatljivo i čiju osnovanost po pravilu ne provjeravamo.
Nezaobilaznu komponentu predstavlja i intuicija. Zasnovana na akumuliranom iskustvu

ona predstavlja "prećutno znanje", predosjećanje ili razumijevanje situacije bez svjesnog
analitičkog mišljenja. Njen dominantan uticaj na kvalitet odluke je u fazi formulisanja
problema, otkrivanja alternative i izboru relevantnih informacija.
Intuitivno donošenje odluka ima mnogo prednosti. Očigledna prednost jeste ta da je ovaj
način donošenja odluke izuzetno brz – emocionalna reakcija može da bude trenutna i da
direktno dovede do odluke. Ako treba da donesete odluku da li da kupite sladoled od
53
čokolade ili vanile, beskorisno je utvrđivanje prednosti i mana ove dvije vrste sladoleda.
Emocionalna reakcija “Čokolada-njam!” daće brzu i pravu odluku. Sljedeća prednost
donošenja odluke na bazi intuicije je ta što nam ovako donesena odluka omogućava da
znamo šta zaista želimo. Realizacija ovako donesene odluke omogućiće nam da ostvarimo
cilj koji nam je jako važan. I konačno, odluke donesene na bazi intuicije se odmah
sprovode. Pozitivan stav prema ovim odlukama motiviše donosioce da ih što prije
sprovedu u djelo.
Ipak, važno je istaći i nedostatke donošenja odluka na bazi intuicije. Nekada jak pozitivan
stav prema nekoj od opcija onemogućava dobru procjenu ostalih alternativa. Kupovina
sladoleda od čokolade samo zbog toga što smo ljubitelji čokolade ne daje nam prostora da
se odlučimo za kupovinu manje kaloričnog i, samim tim, zdravijeg sladoleda npr. od
vanile. Ako smo zavisnici brze hrane (pica) ili određene marke odjeće (Max Mara) stanje
naše svijesti i naše emocije ne dozvoljavaju nam da procijenimo druge modne marke ili
izbor zdravije hrane.
Sa druge strane, odluke donesene na bazi intuicije često su donijete na osnovu pogrešnih ili
nevažnih informacija. Ako ste zaduženi za kadrovsku politiku u vašem preduzeću, jedna od
odluka jeste i koga zaposliti na određeno radno mjesto. Ako imate određene predrasude
prema ljudima određenog pola, rase ili etničke pripadnosti, tada će vas vaša intuicija
naterati da ne uzimate u obzir ljude prema kojima gajite predrasude iako imaju bolje
kvalifikacije za obavljanje tog posla od drugih. Teško je odrediti kada intuicija koristi
nevažne i netačne informacije.
Konačno, jako je teško donositi odluku i rukovoditi se samo intuicijom kada donosimo
odluku u grupi. Ako se ostatak grupe ne slaže sa vašom odlukom, tada teško da možete da
dokažete da je njihova intuicija lošija od vaše. U grupi se odluke često donose
koncenzusom, a za to je potreban više analitički pristup od jednostavnih izražavanja
osjećanja.
Značajne poslovne odluke moraju se zasnivati i na primjeni modela. Model predstavlja

pojednostavljenu sliku problema, ali njegova analiza omogućava lakše razumijevanje
kritičnih komopnenti i praćenje njihovih međusobnih veza. Model je posebno važan u
situacijama kada vjerno oslikava suštinu problema i istovremeno je jednostavan za
54
upotrebu. Ipak rješenje koje dobijemo primjenom modela, moramo da prihvatimo sa

određenom rezervom, pri čemu vodimo računa o rigoroznosti polaznih pretpostavki, kao i
o pouzdanosti raspoloživih podataka.
Eksperti iz oblasti donošenja odluka predlažu mnogo sistematičniji pristup, baziran na

modelima i obračunima, pri donošenju odluka. Prije svega, ovdje je riječ o šest faza
procesa donošenja odluka pomenutih na samom početku.
Nakon sprovođenja svih šest faza, možemo da budemo sigurni da smo donijeli odluku koja
ima najveću vrijednost u odnosu na postavljene kriterijume i koja je bazirana na
prorčunima a ne na osjećanjima.
Mnogi ljudi se suprotstavljaju ovom načinu donošenja odluka smatrajući da ljudi nisu
roboti i da mnoge odluke u životu ne mogu da budu rezultat matematičkih proračuna. Ipak,
još uvijek nije dokazano da primjena šest faza u procesu odlučivanja daje rezultate koji
potpuno isključuju emocije.
I ovdje ćemo istaći prednosti i mane primjene formalnih modela odlučivanja. Kao prvo,
obezbeđeno je isključivanje nevažnih opcija. Kao drugo, u mogućnosti smo da odredimo
kako svaka opcija doprinosi ostvarenju određenih ciljeva. Kao treće, proces donošenja
odluke je otvoren proces koji daje donosiocima odluka, ali i svim učesnicima u donošenju
odluka u grupi da izvrše reviziju cijelog procesa, pa i same odluke.
Međutim, donošenje odluka na ovaj način može da bude mnogo teže i manje efikasno nego
što to naučnici navode. Pretpostavimo da opet imamo studenta koji se dvoumi između
studiranja filozofije i informatike. Student je odlučio da na klasičan način dođe do odluke.
Odredio je sve relevantne kriterijume za ocjenu ovih opcija – koliko ga interesuje
filozofija, a koliko informatika sa jedne strane, a sa druge strane koji mu od ova dva
predmeta pruža blistaviju karijeru. Zatim pristupi rangiranju kriterijuma i kvantifikovanju
opcija na bazi njih. Nakon toga došao je do rezultata da je studiranje filozofije npr. bolje od
studiranja informatike. Ali, šta će se desiti ako se nakon izbora odluke javi reakcja kod
studenta “Ja to ne želim da uradim!” Ovakva reakcija studenta ne znači da je on
iracionalan, već da numeričko vrednovanje alternativa ne odražava ono do čega je njemu
zaista stalo. Čovjek je bacao novčić da bi se odlučio između dvije opcije. Glava je bila
jedna opcija, a pismo druga. Kada je novčić bačen i kada se pokazalo pismo, čovjekova
55
reakcija je bila takva da je znao da treba da izabere opciju koja je predstavljena pismom.
Čovjek je iskoristio informaciju na bazi svojih osjećanja i donijeo odluku.
Istraživanja isto tako pokazuju da proračuni mogu da budu inferiorni u odnosu na intuiciju
prilikom prosuđivanja. Naučnici Vilson i Skuler (Wilson and Schooler, 1991) sproveli su
istraživanje koje je dokazalo da postoje oblasti u kojima je efikasnije koristiti intuitivno
donošenje odluka od analitičkog. Ispitanici su bili studenti, a predmet istraživanja bio je
način na koji su se oni odlučivali za određenog proizvođača džema od jagode i za predmete
na studijama. Odgovori su ukazivali da su oni ove odluke donosili uglavnom na bazi
intuicije, a manje na bazi analize. Sa druge strane Lajberman (Lieberman, 2000) navodi da
je intuicija bazirana na nesvjesnom procesu učenja i da može da se pomiješa sa
jednostavnim učenjem.
Mada rezultati ukazuju na značajnu superiornost odluka zasnovanim na primjeni modela, u

odnosu na odluke bazirane na globalnim intuitivnim sudovima, ovaj metod odlučivanja je
u praksi još uvijek u maloj mjeri prisutan.
6. Sprovođenje odluke i kontrola
Realizacija znači kretanje u akciju - uraditi ono za šta smo se odlučili. Pri tom treba voditi
računa o sljedećim pitanjima:
- Šta je to što sada možemo da uradimo kako bismo realizovali našu odluku?
- Šta je to što možemo i kasnije da uradimo da bi došlo do realizacije donesene
odluke?
Napomenimo da mnogi problemi i dalje ostaju nerješeni i nakon donesene odluke o

njenom rješavanju zbog toga što se donosilac odluke ne odlučuje na ovaj korak, ne
preuzima inicijativu za implementaciju donesene odluke.
Odluka koju ste donijeli u fazi četiri bila je najbolja alternativa u datom trenutku. To ne
znači da daljim sakupljanjem podataka o sebi i o okruženju u kome se nalazite nećete naići
na odluku koja predstavlja bolje rješenje od prvobitnog,
56
Možda ćete u ovoj fazi otkriti da je neophodno da promijenite svoju odluku ili da ipak kao
krajnje uzmete alternativno rješenje. Ipak, ako ste u potpunosti realizovali i prvu i četvrtu
fazu ove promjene su gotovo beznačajne.
Plan najčešće nije potpun, tako da revizija smanjuje rizik od izbora loše alternative.
Revizija odabrane alternative je neophodna radi realizacije dva cilja:
a) identifikacija jakih i slabih strana realizovanja donesene odluke i
b) identifikovanje boljih metoda za rješavanje problema u budućnosti.
0.7. Donosilac odluke i njegove preferencije
Budući da se normativna teorija donošenja odluka bavi idealima i principima dobrog i

racionalnog odlučivanja, njena osnovna pretpostavka jeste savršeno racionalan pojedinac u
ulozi donosioca odluka koji uvijek zna šta hoće i nastoji da to realizuje. Iako se ciljevi,
koje pojedinci po ovoj teoriji postavljaju, međusobno razlikuju po formulaciji, sadržini,
složenosti i značaju, svi oni imaju zajednički element. To je želja pojedinaca, koji se
pojavljuju u ulozi donosioca odluka, da smanje ili izbjegnu gubitke, odnosno da povećaju
dobitke (u materijalnom, emocionlanom ili nekom drugom smislu). Dakle, racionalan
donosilac odluke se u svojim izborima rukovodi principom maksimizacije lične korisnosti.
Naravno, u realnom životu postoje odstupanja od ovog "ideala", naročito ako se odluke
donose iz navike, brzopleto, nepromišljeno i hirovito. Ipak, uočena je pravilnost u rastu
pažnje koju posvećujemo donošenju neke odluke, što je ishod te odluke značajniji za nas.
Sve opcije koje nam stoje na raspolaganju procjenjujemo na bazi subjektivnih kriterijuma.
Dakle, na bazi naših želja, interesa, uvjerenja, moralnih principa, ukusa i sl. Na bazi manje
ili više saglasnih ili nesaglasnih uticaja svih ovih faktora formiraju se individualne
preferencije svakoga od nas. Na osnovu preferencija mi gradimo naš stav prema datim
opcijama za rješavanje nekog problema i opredjeljujemo se za jednu od opcija.
Međutim, kada opcije poredimo po malom broju kriterijuma, preferencije se određuju

relativno lako, jer odlučujemo u uslovima izvjesnosti. Primjer za to jeste izbor jutarnje
garderobe i pored velikog broja opcija. Ali, važne odluke, kakve su izbor profesije ili
mjesta u kome ćemo živjeti, predstavljaju izbore između složenih opcija, koje vrednujemo
57
na bazi više karakteristika. Tada je određivanje preferencija složen posao, dugotrajan,

praćen dilemama i neodlučnošću.
Relacije preferencije i indiferencije
Pretpostavimo da raspolažemo sa skupom opcija koje imaju samo jedan poznat ishod.
Samim tim preferencije između opcija određujemo na bazi preferencija između njihovih
ishoda. U opštem slučaju opcije koje nam stoje na raspolaganju možemo da obilježavamo
sa Ai, i = 1, 2, 3, ..., m, ali ih ovde zbog jednostavnosti izlaganja obilježavamo sa: A1 = x,
A2 = y, A3 = z,..., Ai = v,..., Am = w. Sada možemo da definišemo relacije preferencije i
indiferencije.
Ako prilikom poređenja dve opcije, x i y, smatramo da je opcija x bolja od opcije y, onda
kažemo da je x (strogo) preferirano u odnosu na y, a pišemo
xPy
Dakle, ako zaista možemo da biramo, uvijek ćemo izabrati opciju x, odnosno, bićemo
razočarani prihvatanjem opcije y.
Ako smatramo da je opcija x jednako dobra kao i opcija y, kažemo da smo indiferentni
između x i y, ili:
xIy
Prilikom izbora između ove dvije opcije podjednako smo zadovoljni ma koju da
izaberemo. Treba ipak naglasiti da smo indiferentni prema izboru između ove dvije opcije,
a ne uopšte prema izboru - odnosno nismo ravnodušni prema tome da li će izbor uopšte da
bude sproveden ili ne.
U literaturi se relacija stroge preferencije između opcija x i y obilježava i sa x y, dok se
relacija indiferentnosti obeležava sa x~y.
Uslovi racionalnosti
Da bismo mogli da donesemo racionalnu odluku, neophodno je da naše preferencije ispune

nekoliko uslova. Ovi uslovi nazivaju se uslovima racionalnosti ili uslovima logičke
konzistentnosti, a formalno se izražavaju u vidu sljedećih aksioma:
Asimetričnost
Za bilo koje dvije alternative, x i y, važi:
58
a) Ako je xPy, onda nije yPx.

Kao neposredna posljedica ove dvije relacije, dobijaju se sljedeće osobine:
b) Ako je xPy, onda nije xIy i
c) Ako je xIy, onda nije xPy, niti yPx.
Dakle, ako više volimo da igramo košarku od fudbala, ne možemo da istovremeno volimo
da igramo i košarku i fudbal. Sa druge strane, ako više volimo da gledamo komedije od
horor-filmova, ne možemo da budemo indiferentni između ova dva žanra. Nadalje, ako
podjednako volimo plavu i bijelu boju, onda ne možemo da istovremeno preferiramo neku
od ovih boja.
Da bismo pojednostavili postupak odlučivanja, pretpostavićemo da se trenutak izbora
akcije i trenutak njene realizacije međusobno poklapaju. Razlog ove pretpostavke je
izbjegavanje eventualnih promjena u preferencijama pojedinca. Odnosno, ako u trenutku
izbora akcije preferiramo akciju x u odnosu na y, pa prema tome i izaberemo akciju x, tada
pretpostavljamo da je i u trenutku realizacije izabrane akcije, akcija x i dalje preferirana
akcija.
Međutim, ova pretpostavka ne znači da pri ponovnom izboru važi isti odnos između datih
akcija, odnosno ne znači da je i pri novom izboru akcija x preferirana u odnosu na akciju y.
Mali je broj alternativa kod kojih se uvijek i bezuslovno opredjeljujemo za jednu od njih.
To su tzv. striktne ili bezuslovne preferencije koje su po pravilu određene etičkim
principima, religijom, zdravstvenim razlozima i sl. Naše preferencije se u većini slučajeva
formiraju pod uticajem brojnih faktora i njihovih različitih kombinacija, pa ih karakterišu
fleksibilnost tj. relativna nestabilnost, kao i tendencija promjene u toku vremena. Primjuer
za to je takođe jutarnja garderoba. Ovoga jutra smo se odlučili za odijelo zbog važnog
sastanka, a već sutra za trenerku, jer ne idemo na posao, već odlazimo na rekreaciju.
Kompletnost
Za bilo koje dvije alternative x i y, ili x preferiramo u odnosu na y ili y preferiramo u
odnosu na x, ili smo indiferentni između njih, odnosno
xPy ili yPx ili xIy
Dakle, po uslovu kompletnosti, nezavisno od sličnosti i razlika među opcijama koje
biramo, uvijek smo u stanju da odredimo svoje preferencije. Racionalno odlučivanje
isključuje neodlučnost. To znači da ne može da se dogodi da niti x smatramo boljom
59
opcijom u odnosu na y, niti y smatramo boljom opcijom u odnosu na x, niti ih smatramo za

podjednako dobre opcije.
Ipak, neodlučnost je dio realnosti, naročito u situacijama kada biramo između dvije veoma
povoljne opcije (Da li želimo da odemo na koncert omiljene grupe ili na utakmicu
omiljenog tima) ili dvije nepovoljne opcije. Neodlučnost se javlja i u situacijama gdje
postoji velika razlika među opcijama, te ih ocjenjujemo na bazi potpuno suprotnih
kriterijuma ( da li ćete promijeniti frizuru ili ćete ovoga ljeta otići u inostranstvo na
ljetovanje?).
Pri tome, naglašavamo da neodlučnost nije isto što i svjesno dolaganje odluke.
Neodlučnost ukazuje na činjenicu da smo donijeli odluku svjesno da preispitamo
preferencije, kako ne bi donijeli odluku na brzinu i na taj način rizikovali da pogrešimo i
izaberemo neoptimalnu opciju. U toj situaciji neodlučnost je racionalan izbor. Svjesno
odlaganje odluke jeste situacija kada se svjesno opredjeljujemo da ne radimo ništa, već
problem prepustimo vremenu ili sudbini. Uslov kompletnosti ne dopušta posljednju
situaciju, jer kao racionalni pojedinci moramo aktivno da učestvujemo u donošenju i
realizovanju odluka koje imaju svoje ishode za koje smo takođe mi odgovorni.
Tranzitivnost
Za bilo koje tri opcije x, y i z važi:
a) ako x preferiramo u odnosu na y i y preferiramo u odnosu na z, onda x preferiramo
u odnosu na z, (tj. ako xPy i yPz, onda xPz);
b) ako smo indiferentni između x i y, i indiferentni smo između y i z, onda smo
indiferentni između x i z (tj. ako xIy i yIz, onda xIz).
Kao neposredne posljedice ovih relacija, dobijaju se sljedeće osobine:
c) ako x preferiramo u odnosu na y i indiferentni smo između x i z onda z preferiramo
u odnosu na y (tj. ako xPy i xIz, onda zPy);
d) ako x preferiramo u odnosu na y i indiferentni smo između y i z, onda x
preferiramo u odnosu na z (tj. ako xPy i yIz, onda xPz).
Ovaj uslov je po pravilu zadovoljen ako opcije rangiramo po malom broju kriterijuma.
Preferencije na osnovu kojih ne možemo da odaberemo "najbolju opciju" su kružne ili
ciklične preferencije. Kako provesti nedjeljno popodne. Na raspolaganju vam stoje tri
60
opcije - sve tri se odnose na posjetu prijatelju A, B ili C. Sve tri osobe su Vam drage i sa
svakom od njih biste se podjednako dobro proveli - sa prvom biste gledali veoma važnu
utakmicu (modnu reviju). Prijatelj B ne želi da gleda utakmicu, ne poznaje ni prijatelja A
niti prijatelja C, ali sa njim biste mogli da odete do primorja, što takođe preferirate za
nedeljno popodne. Ostaje prijatelj C koji ne želi da ide na primorje, nije veliki ljubitelj
sporta, ali ima karte za koncert grupe čiji ste fan. Ovo je situacija u kojoj je svaka opcija
bolja u odnosu na prethodnu, tako da je teško opredijeliti se za jednu od njih. Samim tim,
kružne preferencije ne mogu se smatrati racionalnim izborom.
Neracionalnost odluka zasnovanih na kružnim preferencijama (xPy i yPz i zPx) se u

ekonomiji često ilustruje tzv. novčanom pumpom.
Primjer novčane pumpe ilustrujemo na sljedeći način. Ako pretpostavimo da imamo
kružne preferencije, ali da u datom trenutku posjedujemo opciju y. Budući da preferiramo
opciju x u odnosu na y, mi ćemo dati određenu sumu novca da bismo zamijenili opciju y za
opciju x. Kada dobijemo opciju x, postoji opcija z koju u datom trenutku smatramo boljom
u odnosu na opciju x, pa ćemo biti spremni da uložimo određenu svotu novca kako bismo
zamijenili opciju x za opciju z. Ipak opcija y je preferirana opcija u odnosu na opciju z,
tako da opet izdavajmo određenu sumu novca kako bismo došli u prvobitan položaj,
zamjenjujući opciju z za opciju y.
Uslov tranzitivnosti je predmet čestih polemika i osporavanja, a posebnu pažnju privlači

uslov tzv. tranzitivnost relacije indiferencije: ako x smatramo jednako dobrim kao i y, i y
smatramo jednako dobrim kao i z, onda moramo i x da smatramo jednako dobrim kao i z.
Smatra se da u realnosti ovaj zahtjev često nismo u stanju da ispunimo. Kritika ovog
uslova potkrepljena je primjerima koji ukazuju na ograničenja naših čula ukusa, mirisa,
sluha i sl.
Primjer za to je niz šoljica kafe koje se međusobno razlikuju po tome što svaka naredna
ima zrno više šećera u sebi. Tačno je da ćemo biti indiferentni između dvije susjedne
šoljice kafe, jer naše čulo ukusa teško da može da registruje dodatno zrno šećera. Ali isto
tako, teško da ćemo jednako vrednovati prvu i posljednju šoljicu kafe, naročito ako se radi
o većem broju šoljica, jer će prva kafa biti bliža gorkoj kafi, a posljednja slatkoj.
61
Ovaj, a i drugi primjeri ukazuju na razliku između savršeno racionalnog donosioca odluke
normativne teorije i običnog čovjeka, te se rezultati normativne teorije često smatraju
neupotrebljivim.
Uslovi asimetričnosti, kompletnosti i tranzitivnosti preferencija predstavljaju osnovne

pretpostavke racionalnog odlučivanja, te ako su onei zadovoljeni u stanju smo da opcije
poredimo po parovima i da na osnovu utvrđenih relacija formiramo njihovu rang-listu po
prioritetu, odnosno da ih poređamo od najpovoljnije do najnepovoljnije (ili obratno). Na taj
način je obezbeđena objektivna osnova za racionalan izbor.
Procedura formiranja rang-liste
Pretpostavimo da biramo jednu od šest raspoloživih alternativa: a, b, c, d, e, f. Poredeći ih

odredili smo sljedeće relacije preferencije i indiferencije:
aPb, bIc, cId, dPe, ePf
Pod pretpostavkom da smo zadovoljili uslove racionalnosti, na osnovu ovih relacija
možemo da formiramo rang-listu alternativa po prioritetu:
Rang Alternative
1 a
2 b, c, d
3 e
4 f
Rang-lista u potpunosti prikazuje strukturu naših preferencija prema posmatranim

alternativama. Dakle, na prvom mjestu nalazi se opcija a, drugo mjesto ravnopravno dijele
opcije b, c i d, na trećem mjestu nalazi se opcija e, a na posljednjem opcija f. Jasno je da
ćemo pri donošenju odluke uvijek izabrati opciju a, jer ona maksimizira našu ciljnu
funkciju.
Važna karakteristika rang-liste jeste da ona otkriva samo redoslijed alternativa po principu
prioriteta, ali ne i koliku nam dobrobit pruža svaka od datih opcija. Budući da se lične
preferencije formiraju na bazi subjektivnih faktora, rang liste istih opcija pojedinaca će se
manje-više razlikovati. Dakle, ne možemo da poredimo rang-liste na bazi ovih razlika, niti
da na osnovu njih zaključimo koja je osoba racionalnija. Ovakva poređenja zahtijevaju
62
nad-individualne kriterijume racionalnog odlučivanja, a takvi u teoriji odlučivanja ne

postoje.
Ipak, možemo da kažemo da je jedna osoba racionalna ukoliko su njene odluke izraz ličnih
preferencija koje zadovoljavaju uslov asimetričnosti, kompletnosti i tranzitivnosti.
Sve o čemu smo do sada govorili možemo da primjenimo i u oblasti ekonomije, koja je
predmet našeg ponašanja. Budući da je predmet našeg interesovanja kupac, analiziraćemo
preferencije potrošača i na taj način pokušali da identifikujemo njihovu logiku odlučivanja.
Dakle u daljem tekstu pretpostavka je da su donosioci odluka potrošači, a objekti izbora
potrošača potrošačke korpe dobara.
Ako izbor potrošača analiziramo na najopštijem nivou, tada ne bismo željeli samo potpun
spisak dobara koja će potrošač možda trošiti, već i opis toga kada, gdje i u kojim
okolnostima će ta dobra biti na raspolaganju potrošačima. Isto tako, ljude interesuje koliko
će hrane imati sutra, kao što ih interesuje koliko hrane imaju danas. Važno je da shvatimo
da kišobran onda kada pada kiša predstavlja sasvim drugačije dobro od kišobrana kada sija
sunce.
Ako svoju pažnju usmjerimo na jednostavan problem izbora, relevantna dobra su obično i
dosta očigledna. Ovdje važi pretpostavka da postoje samo dva dobra, odnosno jedno od
njih nazivamo "sva druga dobra". Na ovaj način možemo da razmatramo izbore potrošnje
koji obuhvataju mnogo dobara, a da opet ostanemo u dvodimenzionalnom prostoru.
Dakle pretpostavka je da se naša potrošačka korpa sastoji od samo dva dobra, pri čemu je
X1 količina jednog, a X2 količina drugog dobra. Na taj način je cjelokupna potrošačka
korpa označena sa (x1, x2) ili X.
Ako su date bilo koje dvije potrošačke korpe (x1, x2) i (y1, y2), potrošač može da ih poređa
po važnosti kako on to želi. Odnosno, on može da kaže da je jedna od ove dvije potrošačke
korpe striktno bolja od ove druge ili može da se odluči da bude indiferentan između ove
dvije potrošačke korpe.
Da bi utvrdili da li potrošač preferira jednu korpu dobara u odnosu na drugu korpu dobara,
posmatraćemo kako se on ponaša u situacijama izbora kada su uključene dvije korpe
dobara. Ako on ili ona uvijek bira korpu (x1, x2) kada i (y1, y2) stoji na raspolaganju, onda
63
je prirodno reći da ovaj potrošač preferira (x1, x2) u odnosu na (y1, y2). I pišemo (x1, x2) P
(y1, y2) ili (x1, x2) (y1, y2).
Ako je potrošač podjednako zadovoljan prema sopstvenim preferencijama, bilo da troši

korpu dobara (x1, x2) ili drugu korpu dobara (x1, x2), tada kažemo da je on indiferentan
između te dvije korpe dobara i pišemo (x1, x2) I (y1, y2) ili (x1, x2) ~ (y1, y2).
Ako potrošač preferira ili je indiferentan u izboru između dvije korpe dobara, onda kažemo
da taj potrošač slabo preferira (x1, x2) u odnosu na korpu dobara (y1, y2) i pišemo
(x1, x2) (y1, y2).
Preferencije potrošača, pod pretpostavkom da imamo korpu dobara koja se sastoji od samo
dva dobra, pri čemu je drugo dobro predstavljeno kao "ostala" dobra, mogu se predstaviti i
grafički.
Nacrtajmo grafik, gdje apscisa predstavlja potrošnju dobra x1, a ordinata potrošnju dobra
x2. Korpe dobara prema kojima je potrošač indiferentan u poređenju sa datom korpom
dobara (x1, x2) obrazuju krivu indiferencije. Dakle, ako se krećemo duž ove krive, imamo
korpu dobara koja ima različitu količinu dobara x1 i x2, ali smo potpuno zadovoljni ma
koju od njih da izaberemo. Dakle, ako pojednostavimo primjer i kažemo da je x1 količina
soka od jabuke, a x2 količina soka od ananasa, a mi podjednako volimo i sok od jabuke i
sok od ananasa, data kriva indiferencije nam pokazuje različite kombinacije količina soka
od jabuke i od ananasa u okviru potrošačke korpe, ali je nivo korisnosti koji ostvarujemo
kupovinom bilo koje korpe dobara koja se nalazi na datoj krivoj indiferencije isti.
64
Slika 0.7. Kriva indiferencije
Ono što je loša strana korištenja krivih indiferencije jeste činjenica da one pokazuju korpe
dobara koje potrošači doživljavaju kao indiferentne jedne prema drugoj - one ne pokazuju
koje su korpe dobara bolje, a koje lošije.
Važna osobina krivih indiferencije jeste ta da krive koje predstavljaju različite nivoe
preferencije ne mogu da se sjeku.
Slika 0.8. Priesjecište krivih indiferencije: korpa dobara z
Ako važi pretpostavka da je jedna korpa dobara, na primjer X, striktno preferirana u

odnosu na korpu dobara Y, tada se one predstavljaju sa dvije različite krive indiferencije.
Međutim ako bi se one sjekle, tada bi njihova presječna tačka bila korpa dobara Z. Budući
da se korpa dobara Z nalazi i na krivoj indiferencije koja predstavlja korpu dobara X i na
krivoj indiferencije koja predstavlja korpu dobara Y, važilo bi: X~Z i Y~Z pa je na osnovu
aksioma tranzitivnosti i X~Y, što nije bila polazna pretpostavka da je X P Y.
Savršeni supstituti
Dva dobra su savršeni supstituti ako je potrošač spreman da zamijeni jedno dobro drugim
po konstantnoj stopi.
65
x2
x1
Slika 0.9. Savršeni supstituti
Pretpostavimo da razmatramo izbor između plavih i crvenih olovaka i da potrošač, čiji

izbor posmatramo, voli olovke, ali mu uopšte nije važna boja. Ako izaberemo potrošačku
korpu sastavljenu od plavih i crvenih olovaka (10,10). Tada je potrošačka korpa sastavljena
od 20 olovaka za ovog potrošača isto tako dobra kao i korpa (10, 10). Matematički rečeno,
bilo koja potrošačka korpa (x1, x2) ako je x1 + x2 = 20 nalaziće se na krivoj indiferencije
koja prolazi kroz korpu dobara (10,10). Nagib krive indiferencije korpe dobara koje su
savršeni supstituti je -1. Ako smo u tački korpe dobara (10, 10) i povećamo količinu prvog
dobra za 1, da bismo ostali na istoj krivoj indiferencije moramo da smanjimo količinu
drugog dobra za 1.
Savršeni komplementi
Savršeni komplementi su dobra koja se uvijek troše zajedno sa određenim fiksnim
proporcijama. Dakle, na izvjestan način ova dobra dopunjavaju jedna druga. Primjer za to
jesu lijeva i desna cipela. Potrošač nema nikakvu korist ako kupi samo lijevu cipelu, jer ih
uvijek nosi zajedno.
66
x2
x1
Slika 0.10. Savršeni komplementi
Kriva indiferencije za savršene komplemente je u obliku slova L, pri čemu se vrh ove krive
nalazi u tački gdje su fiksne proporcije koje omogućavaju trošenje ova dva dobra
istovremeno. Dakle, to je tačka gdje je npr. izjednačen broj lijevih i desnih cipela. Ako je
na apscisi predstavljen broj lijevih cipela, a na ordinati broj desnih cipela, tada, ukoliko se
nabavi jedna lijeva cipela više, ona potrošaču ne donosi nikakvu ekstra korist, pa je
potrošač ravnodušan u odnosu na prethodnu poziciju. Ako bi se povećao istovremeno i broj
lijevih i broj desnih cipela, tada se u određenoj proporciji povećava korisnost potrošača, a
to se predstavlja krivom indiferencije koja ide nagore i udesno.
Važna činjenica kod komplementarnih dobara jeste ta da potrošač preferira da troši dobra u
fiksnim količinama, a ne nužno u proporciji jedan-za-jedan. Primjer je potrošač koji
preferira dvije kašike šećera u jednoj šolji kafe. Ako potrošač ne koristi šećer u druge
svrhe, možemo da konstatujemo da će kriva indiferentnosti i dalje biti u obliku slova L.
Ako potrošač ima tri kašike šećera i jednu šolju kafe, njegova korisnost je ista, jer će on i
dalje koristiti samo dvije kašike šećera, a jedna će ostati neiskorišćena. Tek ako potrošač
ima dvije šolje kafe i četiri kašike šećera on će povećati svoju ukupnu korisnost te će
njegova kriva indiferencije biti iznad prve krive indiferencije. Vrh ovih krivih je
proporcionalan odnos trošenja karakterističnih savršenih komplementarnih dobara, za dati
nivo korisnosti.
67
Neželjena dobra
Neželjeno dobro je roba koja se potrošaču ne dopada. Ako pretpostavimo da je data korpa
dobara sastavljena iz određene količine graška i sladoleda. Potrošač ne voli grašak, ali zato
voli sladoled. Ipak, pretpostavimo da postoji određena razmjena između graška i sladoleda.
Odnosno, postojala bi izvjesna količina sladoleda za potrošača kao nadoknada za kupljeni
grašak.
Slika 0.11. Neželjena dobra
Kako izgleda kriva indiferentnosti potrošača u slučaju neželjenog dobra, ako imamo korpu
dobara (x1, x2) koja se sastoji od izvjesne količine graška i sladoleda? Ako damo potrošaču
više graška, da bismo ga zadržali na istoj krivoj indiferencije, onda mu moramo ponuditi
veću količinu sladoleda, kao nadoknadu za veću količinu graška. Stoga je nagib krivih
indiferencije u ovom slučaju pozitivan. Ako je na apscisi predstavljena količina sladoleda,
a na ordinati količina graška, tada je smjer povećanja preferencija nadjole i udesno,
odnosno prema smjeru opadajuće potrošnje graška, a povećane potrošnje sladoleda.
Neutralna dobra
Neutralno dobro je ono dobro za koje potrošač nije zainteresovan na ovaj ili onaj način. Šta
se dešava ako je potrošač neutralan u vezi sa graškom? Tada je kriva indiferentnosti za
ovog potrošača vertikalna linija. Odnosno, njega interesuje samo određena količina
sladoleda da bi imao određenu korisnost, tako da može da pređe na viši nivo korisnosti
jedino ako poveća količinu sladoleda, bez obzira na povećanje ili smanjenje količine
graška.
68
Slika 0.12. Neutralna dobra
Granična stopa supstistucije

Veoma je važno da ukažemo na činjenicu da je nagib krive indiferentnosti poznat još i kao
granična stopa supstitucije. To je stopa po kojoj je potrošač spreman da zamijeni jedno
dobro drugim u datoj potrošačkoj korpi, a da nivo njegove korisnosti ostane isti. Ako
pretpostavimo da potrošač uzima nešto malo više dobra 1, Δx1. Da bi ostao na istoj krivi
indiferencije, on mora da ima dobra 2 u mjeri Δx2. Dakle odnos Δx2 / Δx1 je stopa po kojoj
je potrošač spreman da zamijeni dobro 2 za dobro 1. Ako se radi o veoma malim
promjenama dobra 1 i dobra 2, tada su te promjene granične i stoga ostaje naziv granična
stopa supstitucije. U uobičajenim situacijama GSS je negativan broj.
Slika 0.13. Granična stopa supstitucije
69
Ordinalna funkcija korisnosti

Umjesto rang-listom, preferencije se mogu izraziti i na drugi način. Svakoj preferenciji
možemo da pridružimo jedan broj koji odražava relativan značaj ili korisnost koju nam
opcija pruža; korisnost opcije obilježavamo sa u. Po logici, veći broj pridružujemo opciji
koja je na vrhu rang-liste. U prethodnom primjeru, to možemo da napišemo na sljedeći
način:
Opcija Korisnost u
a 4
b, c, d 3
e 2
f 1
Dakle, važi za bilo koje dvije opcije:

a) u(x) > u(y) ako je x P y;
b) u(x) = u(y) ako je x I y.
Dakle ako opciju x preferiramo u odnosu na y, onda opciji x pridružujemo veći broj. Ako
su opcije x i y jednako dobre, tada im pripisujemo jednake numeričke vrijednosti.
0.8. Modeli donošenja odluka
Jedna od faza u procesu donošenja odluke pripada i formiranju modela za probleme koji se
rješavaju. Većina autora u faze procesa donošenja odluke ubraja i fazu formiranja modela,
odnosno fazu modeliranja. Pri tome broj i vrsta ostalih faza variraju od slučaja do slučaja.
Samim tim moramo biti svJesni značaja koji se pridaje formiranju modela od strane onih
koji se bave problemima odlučivanja.
Riječ model se u savremenom svijetu koristi gotovo svakodnevno. Najčešće se pod

modelom podrazumijeva apstrakcija nečega za šta mi vjerujemo da postoji kao dio
realnosti. Mogli bismo model da shvatimo kao pojednostvaljenu sliku stvarnosti. Ključna
aktivnost svake naučne metode jeste kreiranje modela.
Možda je interesantno da navedemo činjenicu da su prvi modeli po pisanim dokazima

nastali još u vavilonskoj civilizaciji, početkom 750. godine prije nove ere. Naravno, riječ je
70
o astronomskim modelima, koje su potom preuzeli i usavršili velikani grčke civilizacije,

uvodeći u njih razne matematičke procedure kojima su opisivali kretanje planeta
(Aristotel). Nakon toga razvijeni su različiti matematički modeli koji se koriste kao
sredstvo za opis, objašnjavanje, predviđanje i upravljanje pojavama u realnom svijetu, te su
sintetska apstrakcija realnosti. Oni mogu da budu veoma jednostavni, ali i izuzetno složeni
matematički modeli, a ono što im je zajedničko jeste činjenica da nikada ne mogu da budu
potpuno vijerna slika realnosti. Modeli moraju da obuhvataju samo bitne osobine pojave
koju predstavljaju, a da pri tom ne zanemare čitav niz detalja te iste pojave.
Pri tome se ističu sljedeće bitne koristi od korištenja modela:

1. Modeli omogućavaju analizu i eksperimentisanje sa složenim problemima;
2. Obezbeđuju ekonomisanje resursima koji se koriste za analizu date pojave;
3. Vrijeme za analizu date pojave se značajno smanjuje i
4. Obezbeđuje se koncentrisanje na bitne karakteristike pojave.
Prilikom konstruisanja modela može se lako desiti da neka bitna osobina pojave koja se
ispituje bude zanemarena, pa bi tada slika jednog takvog problema bila više “iskrivljena u
ogledalu” nego što je to stvarno dozvoljeno. Stoga je ova faza procesa donošenja odluke
veoma važna i predstavlja kritičnu tačku ovog procesa, te treba biti oprezan. Onog trenutka
kada se uspješno pređe faza modeliranja, drastično se smanjuje i rizik donošenja odluke.
I pored svih navedenih aspekata objašnjavanja suštine problema, zaboravili smo da
navedemo bitnu komponentu modela.
Model se najčešće pravi radi rješavanja realnih problema koji u svojoj suštini predstavljaju
želju za postizanjem cilja, odnosno ciljeva. Zbog toga se za problem koji se rješava može
napisati jedna ili veći broj funkcija sljedećeg tipa:
K = F(x1, x2, …; y1, y2, …, yq)
gdje je K mjera tog cilja, odnosno kriterijuma. Takva funkcija naziva se još i
kriterijumskom funkcijom cilja. Osnovni zadatak donosioca odluke jeste da predvidi
vrijednost promjenljivih y, a potom da odredi vrijednost promjenljivih x tako da funkcija
cilja dostigne svoj eksterm (u slučaju optimizacije) ili neku zadovoljavajuću vrijednost
(kod zadovoljavajućeg pristupa).
71
Vrste modela
Imajući u vidu vrlo široku definiciju modela (pojednostavljena slika stvarnosti), sasvim je
razumljivo da je do sada razvijen ogroman broj različitih modela. Stoga je njihova konačna
sistematizacija praktično nemoguća.
Možemo navesti dvije osnovne podjele svih modela.
Prva podjela prati osnovna razmišljanja koja nastaju u procesu formiranja. U osnovi se
dijele na upravljačke modele i modele odlučivanja.
Po drugoj podjeli, modeli se klasifikuju na osnovu osam kriterijuma:

1. Funkcija (deskriptivni, prediktivni, normativni modeli);
2. Struktura (ikonički, analogni, simbolički modeli);
3. Stepen slučajnosti (deterministički, rizik, neizvjesnost, konflikt);
4. Vremenska zavisnost (statički, dinamički);
5. Opštost (specijalizovani, opšti);
6. Stepen kvalifikacije (kvalitativni, kvantitativni);
7. Dimenzionalnsot (dvodimenzionalni, višedimenzionalni) i
8. Zatvorenost (zatvoreni, otvoreni).
Dakle, pri formiranju nekog modela polazi se od realnog problema za čije potrebe se
model i formira. Taj realni problem bi trebao da bude:
1. Primjetljiv, odnosno takav da se mogu uočiti i razumjeti njegove osnovne osobine i
efekti. Za pomenute osobine moraju se u modelu realnog problema pronaći
mogućnosti predviđanja tih osobina u budućnosti.
2. Mjerljiv, odnosno za uočene osnovne osobine mora se obezbediti mogućnost
njihovog, što je moguće tačnijeg, mjerenja.
3. Sistematski, odnosno za posmatranu realnost mora postojati kompleksna simultana
interakcija između skupa uzoraka, koji definišu realni problem i skupa efekata koji
ga karakterišu.
Nakon definisanja problema vrši se formiranje i klasifikovanje skupa uzoraka

(karakterističnih za posmatrani problem), skupa stanja sistema i skupa kriterijuma kao
jednog od ključnih elemenata procesa modeliranja.
72
Nakon toga, na osnovu svega što je prethodilo, vrši se predviđanje skupa stanja realnog
sistema, da bi se ono zatim uporedilo sa stanjem realnosti. Sasvim je jasno da na osnovu
modela ne možemo nikada da dobijemo rezultate potpuno iste sa onima koje ćemo kasnije
dobiti u realnosti. Ipak okvirna predviđanja kretanja nekih osnovnih pojava u realnosti su
moguća primjenom modela. Na bazi statističkih testova možemo da ispitamo da li su
odstupanja rezultata dobijenih na bazi modela i onih koji su rezultat realnog kretanja
pojava velika, jer ako jesu, tada naš model nije dobro postavljen, odnosno na osnovu
modela ne možemo sa potpunom jasnoćom da kažemo kako će se ta pojava kretati u
budućnosti. Ukoliko nakon statističkih testova dobijeni odgovor ukazuje na to da model
nije dobar za predviđanje, sljedeći korak jeste revizija polaznih hipoteza sve dok se ne
dobije model koji možemo prihvatiti.
Kada je reč o formiranju matematičkih modela, suština procesa je ista, naravno, uz izvjesne
specifičnosti. Postupak izrade matematičkih modela je sljedeći:
1. Definicija ciljeva u skladu sa zadatim vremenskim i troškovnim
ograničenjima;
2. Planiranje istraživanja sa vremenskim planom, planom angažovanja kadrova
i planom troškova;
3. Formulacija problema kao ključna faza procesa modeliranja. Ovdje bi bilo
važno da istaknemo da bi problem trebalo podijeliti na određeni broj manjih
problema, a nakon toga utvrditi kriterijume u odnosu na koje će se mjeriti
efektivnost rješenja;
4. Gradnja konkretnog modela;
5. Izbor metode rješavanja, odnosno određivanje numeričkog ili analitičkog
načina rješavanja modela;
6. Programiranje i testiranje, jer su realni problemi takvih dimenzija da ih je
nemoguće rješavati ručnim putem;
7. Prikupljanje podataka, kako za testiranje programa u prethodnoj fazi, tako i
za praktičnu primjenu modela u fazi implementacije;
8. Validacija, koja se vezuje za provjeru slaganja rezultata modela sa realnim
sistemom, pri čemu se vrši provjera konzistentnosti, osjetljivosti i
primjenjivosti modela u praksi;
9. Implementacija, odnosno uvođenje modela u praktičnu primjenu.
73
Tabela odlučivanja je standardni način prikazivanja problema izbora u uslovima

neizvjesnosti. U njoj su sadržani elementi odluke.
Tabela 0.1: Tabela odlučivanja I

Akcija Događaj
S1 S2 ... Sj ... Sn
A1 v11 v12 ... v1j ... v1n
A2 v21 v22 ... v2j ... v2n
... ... ... ... ... ... ...
Ai vi1 vi2 ... vij ... vin
... ... ... ... ... ... ...
Am vm1 vm2 ... vmj ... vmn
U redovima tabele odlučivanja prikazane su pojedine akcije, među kojima biramo Ai,
i=1,2,...,m. Kolone odgovaraju mogućim događajima u kojima se akcije sprovode, Sj, j=1,
2, ..., n. U presjecima odgovarajuće kolone i odgovarajućeg reda nalaze se ishodi akcija vij,
i=1, 2, ..., m, j= 1, 2, ..., n. Za svaku kombinaciju akcija i događaja postoji tačno jedan
ishod.
Pravilna konstrukcija tabele odlučivanja podrazumijeva:
a) da je skup akcija kompletan (analizom smo obuhvatili sve raspoložive

alternative);
b) da je skup događaja kompletan (mora da se javi jedan od datih događaja) i

da se događaji među sobom isključuju ( pojava jednog događaja automatski
isključuje pojavu drugih događaja);
c) da su ishodi akcija izraženi u numeričkim vrijednostima pokazatlja uspjeha

(vij, i=1, 2, ...,m i j=1, 2, ...,n), ili u korisnostima (kao što je prikazano u
tabeli 0.2, obilježja uij, i=1,2,...,m, j=1,2,...,n)
74
Tabela 0.2: Tabela odlučivanja II

Akcija Događaj
S1 S2 ... Sj ... Sn
A1 u11 u12 ... u1j ... u1n
A2 u21 u22 ... u2j ... u2n
... ... ... ... ... ... ...
Ai ui1 ui2 ... uij ... uin
... ... ... ... ... ... ...
Am um1 um2 ... umj ... umn
Akcije (alternative, opcije)
Kompletnost skupa akcija podrazumijeva da su otkrivene, odnosno formulisane sve

moguće akcije (alternative) koje nam u konkretnom slučaju stoje na raspolaganju,
uključujući i optimalnu akciju.
Ranije je spomenuto da se sve alternative, po kriterijumu dostupnosti ili raspoloživosti,
mogu se podijeliti u četiri grupe, i to:
a) Unaprijed date gdje već prije početka procesa odlučivanja raspolažemo sa jasno
definisanim skupom alternativa iz kojeg vršimo izbor. Primjer za to su učesnici na
svim vrstama konkursa.
b) Ponuđene ili otkrivene gdje su alternative precizno formulisane i postoje u

okruženju, ali mi treba da ih otkrijemo. Primjer za to može da bude kupovina stana,
konkursa za posao itd.
c) Modifikovane postoje kada potpuno formirane opcije korigujemo kako bismo ih

prilagodili potrebama posmatrane odluke. Primjer za to su ankete koje su ranije
rađene, ali za potrebe novog istraživanja prilagođavamo njihov sadržaj,
modifikujemo ga.
d) Naručene postoje u slučajevima kada namjenski formulišemo alternativu kojom

ćemo da riješimo problem. Primjer za to je lansiranje novog proizvoda praćeno
marketinškom kampanjom za koju se specijalno kreiraju televizijski spotovi,
novinske reklame itd.
75
U nekim slučajevima dešava se da nemamo na raspolaganju dovoljno vremena, te se prije

svega koristimo intuicijom da bismo došli do raspoloživih akcija za konkretan problem.
Nekada je dobro da koristimo kreativne metode dolaženja do akcija. Jedna od tehnika za
podsticanje kreativnog dolaženja kako do odgovarajućih akcija problema, tako i do
optimalne akcije, pa samim tim i rešenja problema jeste i brainstorming. Ovu tehniku
predložio je Ozborn 1957. godine u namjeri da podstakne generisanje ideja i kreativnost
menadžera u oblasti marketinga. Suština ove tehnike jeste primjena tzv. principa
suspendovanog suda. U suštini, postupak brainstorminga mogli bismo da sažmemo na
dvije faze.
U prvoj fazi članovi se podstiču da predlože što veći broj mogućih rješenja. Da bi tehnika
dala dobre rezultate, potrebno je da svi članovi grupe zanemare sve subjektivne i
objektivne razloge zbog kojih ne bi izložili svoje predloge. Prije svega, misli se na osjećaj
inferiornosti, kojih ih sputava da ne iznesu svoje mišljenje. Isto tako, važno je da pojedinci
budu objektivni pri izboru ideje i da shvate da za svaku alternativu postoje određena realna
ograničenja koja bi onemogućila njenu realizaciju. Važno je da za vrijeme rada grupe
postoji takmičarski duh među članovima. Cilj prve faze jeste da se formira što bogatija
lista mogućih opcija za dati problem. Nakon toga prelazi se na drugu fazu.
U drugoj fazi pojedinci u grupi imaju zadatak da razrade postojeće alternative. Ovdje su
naročitno bitni koncentracija i kreativnost pojedinaca. Nakon toga vrši se klasifikacija
opcioja po principu orginalnosti, ali i mogućnosti realne primjene. Ukoliko nema
saglasnosti oko toga koja je opcija optimalna, izbor određene opcije vrši se glasanjem. I
pored velike želje i volje, neophodno je da članovi grupe prethodno budu obučeni za rad u
grupi, kako bi brainstorming pokazao dobre rezultate.
Ipak, istraživanja su pokazala da ova tehnika ima određena ograničenja:

a) Već u prvoj fazi, odnosno fazi generisanja opcija, primjećeno je da su članovi
grupe skloni da posmatraju problem samo sa jedne strane. Najčešće zbog preuskog
definisanja problema, oni uključuju suvišna ograničenja prilikom pronalaženja
mogućih opcija, te se i ovdje gubi kako na kreativnosti, tako i na kvalitetu
predloženih opcija.
76
b) I ovdje postoji mogućnost da lideri grupe izlože predloge koji će kasnije biti i
podržani od strane ostalih pojedinaca u grupi. Dakle, nije važno da li je opcija
dobra ili ne, već se svaka opcija na indirektan način vezuje za posjedinca koji je
predložio, pa se može desiti da pojedinci glasaju za pojedinca, a ne za
najkvalitetniju opciju.
Događaji
Kada izaberemo jednu akciju i započnemo proces njene realizacije, mi ne možemo da

budemo sasvim sigurni kakav će biti njen ishod. Razlog za to je okruženje koje može da
bude veoma složeno i nepredvidivo.
Neophodno je identifikovati one faktore odnosno njihove kombinacije koji utiču na ishode
posmatranih akcija, a koji se mogu javiti u fazi realizacije ovih akcija. Te relevantne
okolnosti nazivaju se događajuma.
Dakle događaji predstavljaju efekte koje odgovarajući faktor neke akcije ima na ishod te
akcije.
Primjer za to jeste fabrika zimske opreme. Na prodaju zimske opreme utiče količina
snijega koji padne. Ako količinu snijega mjerimo debljinom snježnog pokrivača, onda ovaj
faktor možemo da podjelimo u nekoliko različitih intervala. U okviru svakog intervala
efekti snježnog pokrivača na prodaju zimske opreme su isti, ali među različitim intervalima
imaju različite uticaje na prodaju opreme. Osim numeričke određenosti intervala, njih
možemo i verbalno opisati kao intervale "niskog nivoa snježnog pokrivača", "srednjeg
nivoa snježnog pokrivača" i "visokog nivoa snježnog pokrivača".
Ukoliko na ishode neke akcije utiče više faktora, tada možemo da odredimo i kombinacije
njihovih zajedničkih uticaja na ishode akcija.
Važno je, dakle, da se svi događaju jasno identifikuju i da preciziramo samo one događaje
koji se realni, odnosno koji se mogu javiti u realnosti.
77
Ishodi akcija
Ishode akcija možemo da prikazujemo na mnogo načina. Jedan od njih jeste sljedeći:
1. Primarni rezultati - ishode akcija izražavamo u operativnom iznosu, odnosno
u jedinici mjere u kojoj je i tradicionalno bila izražena.
2. Surogati - rezultate akcija prikazujemo u jedinicama mjere izabranih
pokazatelja uspjeha.
3. Ocjenjeni rezultati - ishode ocjenjujemo sa aspekta preferencije i izražavamo
naše zadovoljstvo postignutim rezultatima; numerički su prikazani u jedinicama
korisnosti.
Budući da racionalno ponašanje podrazumijeva izbor akcije koja maksimizira našu dobit,
onda bi ishode akcija trebalo da poredimo po stepenu satisfakcije koji nam pružaju,
odnosno, na osnovu ocjenjenih rezultata. Najčešće se izražavamo u pokazateljima
poslovnog uspjeha. Oni su najčešće dati u novčanom izrazu, jer nas najčešće interesuje
maksimalan iznos profita ili minimalan iznos troškova. Ipak, ne možemo sve ishode da
izrazimo u novčanim izrazima, jer nekada to nije moguće, a nekada nije ni prikladno.
Primjer za to su ishodi koje ne možemo da izmjerimo, već samo kvalitativno da iskažemo.
Dakle, veoma je važno da izaberemo onaj pokazatelj uspjeha koji će realno da predstavi
stepen realizacije postavljenog cilja.
Isto tako, rezultati akcija mogu da budu veom složeni, te ih umjesto jednom vrijednošću,
možemo prikazati skupom vrijednosti izabranih pokazatelja.
Uslovi izvjesnosti, neizvjesnosti i rizika
Naveli smo da je za pravilnu formulaciju modela neophodno da imamo kompletan skup

mogućih događaja, ali da taj skup uključuje događaje koji se među sobom isključuju. Pri
tome je ostao zanemaren jedan veoma važan element, a to je vjerovatnoća javljanja
pojedinačnog događaja. Uzimajući u obzir i ovaj kriterijum, možemo da kažemo da odluke
donosimo u:
a) uslovima izvjesnosti;
b) uslovima (potpune) neizvjesnosti i
c) uslovima rizika.
78
Odlučivanje u uslovima izvjesnosti
Ako unaprijed znamo sve karakteristike okruženja u kojem ćemo sprovoditi određenu
akciju, kažemo da odlučujemo u uslovima izvjesnosti. To znači da u ovoj situaciji možemo
da odredimo buduće događaje, ali jedan od njih ima vjerovatnoću javljanja jednaku
jedinici.
Tabela 0.3: Tabela odlučivanja III

Akcija Događaj
S1 S2 ... Sj ... Sn
A1 u11 u12 ... u1j ... u1n
A2 u21 u22 ... u2j ... u2n
... ... ... ... ... ... ...
... ... ... ... ... ... ...
Vjerovatnoća 1 0 0 0 0 0
Dakle, na osnovu slike vidimo da je pojava događaja S1 izvjesna, odnosno da izbor

odgovarajuće akcije zavisi od poređenja ishoda odgovarajućih akcija pri ostvarenju
događaja S1.
Ipak, odlučivanje u uslovima izvjesnosti nekada može da bude veoma složeno, tako da u
tim situacijama možemo da koristimo različite metode i tehnike operacionih istraživanja
(npr. linearno programiranje).
Odlučivanje u uslovima neizvjesnosti
Ovo odlučivanje javlja se u uslovima neizvjesnosti koje karakteriše mogućnost određivanja

budućih događaja, ali ne i njihovu vjerovatnoću. Ovakve situacije su za donosioca odluke
nepovoljne, ali su nekada neizbježne. Neizvjesnost je nešto na šta donosioci odluka
računaju kada se nađu u nekoj novoj situaciji, kada rješavaju problem koji do tada nisu
rješavali (lansiranje novog proizvoda, otvaranje nove linije proizvodnje, uvođenje nove
tehnologije itd.). U ovim i sličnim situacijama nelogično bi bilo da se pripisuju određene
vjerovatnoće mogućim događajima, pa se odlučivanje obavlja u uslovima potpunog
neznanja i neizvjesnosti.
79
Odlučivanje u uslovima rizika
Ovo odlučivanje naziva se još i odlučivanje u uslovima mjerljive izvjesnosti. Ono se nalazi
između dvije krajnosti, između izvjesnosti i neizvjesnosti. Ono što ga karakteriše jeste da
su i ovdje poznati mogući budući događaji, ali i vjerovatnoće ostvarivanja određenog
događaja, Za razliku od odlučivanja u uslovima izvjesnosti, ovdje ostvarivanje nekog
događaja nosi sa sobom određeni rizik iskazan u vjerovatnoći njegovog ostvarenja koja je
manja od 1.
Dakle, ovdje je važno imati na umu sljedeće:
a) Događaje smo definisali tako da se oni međusobno isključuju, odnosno
vjerovatnoća da će se dva ili više događaja realizovati istovremeno jednaka je nuli.
b) Analizom obuhvatamo sve moguće događaje, tako da je izvjesno da će se jedan od
njih javiti. Zbir pojedinačnih vjerovatnoća događaja jednak je jedinici.
Tavela 0.4: Tabelaran prikaz odlučivanja u uslovima rizika

Akcija Događaj
S1 S2 ... Sj ... Sn
A1 u11 u12 ... u1j ... u1n
A2 u21 u22 ... u2j ... u2n
... ... ... ... ... ... ...
... ... ... ... ... ... ...
Vjerovatnoća p1 p2 … pj … pn
Dominantne i dominirane akcije
Pretpostavimo da žurite na predavanja. Da biste stigli možete da koristite autobusku liniju

koja podrazumijeva da autobus prolazi pored vaše zgrade i staje ispred zgrade fakulteta.
Autobus kasni, pa vam ostaje mogućnost prevoza taksijem. Ipak, ni ova mogućnost nije
sigurna zbog mogućnosti saobraćajne gužve.
Tabela 0.5: Problem prevoza I

Akcija Događaj
Zastoj (S1) Nema zastoja (S2)
A1 – prevoz taksijem kasnite stižete na vrijeme
A2 – bez prevoza taksijem kasnite kasnite
80
Ono što možemo da zaključimo na bazi tabele jeste da je ishod druge akcije siguran, a da
ishod prve zavisi od događaja koji će se realizovati. Budući da je druga akcija za nas
neprihvatljiva jer nam ni u jednom slučaju ne omogućava da stigmeno na predavanja na
vrijeme, nju isključujemo, a u obzir uzimamo samo onu akciju čiji su ishodi u svim
okolnostima jednako dobri, a barem jedan bolji u odnosu na ostale akcije. Tu akciju
nazivamo dominantnom akcijom, a sve ostale dominiranim akcijama.
Možemo da primjetimo da eliminacijom druge akcije ostaje samo prva, pa ne možemo da

vršimo proces odlučivanja, ako nam već sve ukazuje na to koje je naše optimalno rješenje.
Ishod dominantne akcije zavisi od okolnosti na koje ne možemo da utičemo svojom
odlukom.
Dakle, da bi problem odlučivanja postojao, neophodno je ne samo da imamo mogućnost

izbora između barem dvije opcije, već i da jedna od njih ne dominira nad drugom.
Problemi formiranja tabele odlučivanja
Iako djeluje veoma jednostavno konstruisanje tabele odlučivanja, u praksi nailazimo na

brojne probleme koji se, prije svega odnose na precizno definisanje akcija, događaja i
ishoda.
Kao prvi problem navodi se problem pri formulisanju akcija. Na osnovu prethodnog
primjera možemo da uočimo da su akcije previše uopšteno date. Uvijek kada za to postoji
mogućnost, ove akcije bi trebalo raščlaniti na veći broj akcija. Drugu akciju (bez taksija)
možemo raščlaniti na sljedeće akcije: nastavljate da čekate autobus; idete pješice; idete
svojim kolima itd. Sa druge strane prvu akciju možemo da raščlanimo na akcije koje
objašnjavaju vožnju različitim taksi-agencijama. Treba napomenuti da je ovo
raščlanjivanje opravdano jedino u situacijama kada postoje relevantne razlike među
ishodima svake od ovih akcija.
Drugi problem jeste definisanje okolnosti. I ovdje su one date veoma uopšteno, te okolnost
zastoj možemo da raščlanimo na podokolnosti koje će biti predstavljene u vidu zastoja
iskazanog vremenom čekanja (sve u obliku intervala – do 10 minuta, od 10 do 30 minuta,
81
preko 30 minuta). I ovdje važi pravilo da okolnosti raščlanjujemo na događaje koji

uslovljavaju razlike u ishodima posmatranih akcija.
Formulacija ishoda zahtjeva numeričko izražavanje. Umjesto konstatacije da kasnimo,

trebali bismo da procjenimo koliko kasnimo.
Izražavanje ishoda akcija prevashodno zavisi od našeg primarnog cilja.
Sve što smo do sada naveli možemo da predstavimo tabelom 0.6.
Tabela 0.6: Problem prevoza II

Akcija Događaj (zastoj u saobraćaju)
do 10 min. od 10 do 30 min. preko 30 min.
S1 S2 S3
A1 – prevoz taksijem 0 16 25
A2 – bez prevoza taksijem 20 20 20
Dakle, ova tabela razlikuje se od prethodne po tome što ona sadrži:
1. precizno definisane alternative između kojih vršimo izbor,

2. okolnosti su precizno definisane i međusobno jasno razgraničene,
3. ishodi su u vidu numeričkih vrijednosti.
Budući da nema iskazanih vjerovatnoća u tabeli, a da niti jedna akcija nije izvjesna,
kažemo da je ovo slučaj odlučivanja u uslovima neizjvesnosti.
Drvo odlučivanja
Pored tabelarnog načina prikazivanja, probleme izbora možemo prikazati i grafičkim

putem uz pomoć tzv. drveta odlučivanja.
Drvo odlučivanja konstruiše se s lijeva na desno i sastoji se od dvije vrste čvorova i dvije
vrste grana. Prvi čvor jeste čvor odluke, a grane koje polaze iz ovog čvora jesu grane
mogućih akcija. Na krajevima ovih grana nalaze se čvorovi događaja koji se dalje račvaju
na grane mogućih događaja. Na krajevima ovih grana nalaze se ishodi događaja, koji su
proizvod izabrane akcije i okolnosti koju ne možemo da kontrolišemo.
82
Prednosti primjene drveta odlučivanja ogledaju se u sljedećem:
a) kada vršimo izbor akcija na koje utiče veliki broj spoljašnjih faktora, jer tada
imamo veliki broj komplikovano formulisanih događaja koji otežavaju kako
razumijevanje problema, tako i preglednost tabele;
b) u uslovima rizika gdje vjerovatnoće pojedinih akcija zavise od preduzete akcije;
c) Kod tzv. sekvencijalnog odlučivanja.
0.9. Poslovno odlučivanje – Formalni pristup
0.9.1. Uvod
Veliki broj privrednih aktivnosti se ostvaruje u uslovima ograničenog iznosa resursa, koji
se na različite načine mogu koristiti za ostvarivanje postavljenog cilja. Iz niza mogućih
načina (programa) korištenja raspoloživih resursa ekonomski subjekti su veoma
zainteresovani da odaberu onaj najpovoljniji, onaj za koji će se ostvariti najveća moguća
efikasnost ukupnih aktivnosti. Zbog toga optimizacija ekonomskih aktivnosti zauzima
centralno mjesto u okviru ekonomske analize i matematičkog modeliranja ekonomskih
problema. Jedna od matematičkih metoda optimizacije, koja je tokom ovog vijeka
doživjela punu afirmaciju, teorijsku razradu i široku primjenu jeste linearno programiranje.
Problem linearnog programiranja konceptualno je postavljen prije II svjetskog rata od

strane poznatog sovjetskog matematičara Kolmogorova, čiji se poznati rad “Matematičke
metode organizacije i planiranja proizvodnje” iz 1939.g., smatra začetkom ubrzanog
razvoja ovog modela, kao i ekonomsko-matematičkih modela uopšte. Prvu značajniju
primjenu linearnog programiranja u rješavanju problema dijetalne ishrane predstavio je
Stigler 1945. godine. Međutim, glavni doprinos teorijskom razvoju i širenju mogućnosti
primjene linearnog programiranja dao je George Dantzig, koji je 1947. godine razvio opšti
algoritam rješavanja modela linearnog programiranja, koji je poznat kao simpleks metod.
On je pokazao da se čitav niz problema koji se odnose na optimizaciju ljudskih aktivnosti u
uslovima ograničenog iznosa resursa mogu predstaviti odgovarajućim jednačinama
83
odnosno nejednačinama. Iako je početna postavka i rješavanje modela, predstavljena od

strane G. Dantzig-a, bila vezana prevashodno za optimizaciju vojnih aktivnosti, kasniji
razvoj linearnog programiranja omogućio je rješavanje čitavog niza ekonomskih problema
iz domena makroekonomije i mikroekonomije. Brojni su poznati naučnici iz posljeratnog
perioda koji su dali veliki doprinos razvoju linearnog programiranja i njegovoj primjeni
(Kupmans, Belman, Ford, Fulkerson, Čarns, itd.).
Linearno programiranje predstavlja model koji se veoma uspješno koristi za rješavanje

velikog broja praktičnih problema na nivou preduzeća. Najčešći poslovni problemi koji se
u okviru preduzeća rješavaju korištenjem ovog modela su:
 Proizvodno planiranje. Osnovni cilj primjene modela linearnog programiranja u

domenu proizvodnog planiranja jeste optimizacija proizvodnje, odnosno određivanje
optimalnog programa proizvodnje. U uslovima ograničenog iznosa resursa (sirovina,
radne snage, mašina, finansijskih sredstava, itd.) proizvodno preduzeće može
proizvoditi različite količine proizvoda iz sopstvenog asortimana. U namjeri da
maksimizira ukupan rezultat svoga poslovanja, koji je najčešće izražen visinom
ostvarenog profita, preduzeće je veoma zainteresovano da iskoristi resurse sa kojima u
određenom periodu raspolaže na najbolji mogući (optimalan) način. Prevođenjem
osnovnog cilja poslovanja na odgovarajuću funkciju cilja i način korišćenja i iznos
raspoloživih resursa na odgovarajući sistem ograničenja, rješavanjem pogodno defini-
sanog modela linearnog programiranja dolazi se do preciznih podataka o optimalnom
nivou proizvodnje pojedinih proizvoda.
 Planiranje investicija. U uslovima ograničenog iznosa investicionih sredstava,

korištenjem linearnog programiranja može se odrediti optimalan nivo ulaganja u
pojedine hartije od vrijednosti, kao i druge vrste investicija. Optimizacija portfolija,
odnosno optimalno planiranje ulaganja u hartije od vrijednosti, u uslovima razvijenog
finansijskog tržišta, predstavlja problem koji se postavlja u okviru poslovanja
finansijskih institucija, banaka, investicionih fondova, osiguravajućih kompanija, i sl.
Modeliranje i rješavanje problema optimizacije portfolija korištenjem linearnog
programiranja može biti realizovano na različite načine, zavisno od toga koji se od
poznatih kriterijuma efikasnosti ulaganja u hartije od vrijednosti koristi. Tako, na
primjer, funkcija cilja pogodno definisanog modela linearnog programiranja za
84
optimizaciju portfolija može izražavati zahtjev za maksimizacijom ukupnog prinosa na

investirana sredstva, kao i zahtjev za minimizacijom rizika.
 Planiranje transporta robe. Transport robe od određenog broja proizvođača do

određenog broja potrošača, u uslovima njihove teritorijalne razdvojenosti, izaziva
obično velike troškove distribucije i prevoza. Zbog toga, minimizacija ovih troškova
predstavlja jedan od uslova efikasne organizacije i finansijskog uspjeha poslovanja
velikog broja privrednih preduzeća. Ovaj zahtjev, s obzirom na direktni uticaj
transportnih troškova na cijenu proizvoda, predstavlja interes i proizvodnih i prometnih
preduzeća, kao i krajnjih potrošača. Ukoliko se kao osnovni zahtjev optimizacije
transporta robe postavi minimizacija ukupnih troškova prevoza, tada se ovaj problem
može veoma efikasno modelirati i rješavati korišćenjem modela linearnog programi-
ranja. Na taj način funkcija cilja pogodno definisanog modela izražavala bi ukupne
troškove prevoza robe, dok bi sistem ograničenja izražavao ograničeni iznos ponude
homogene vrste robe različitih proizvođača (ponuđača), odnosno iznos tražnje
pojedinih odredišta (potrošača). Ovaj specifičan problem linearnog programiranja, koji
se naziva transportni problem, rješava se korištenjem različitih metoda na način sličan
opštem algoritmu rješavanja modela linearnog programiranja.
 Optimalno raspoređivanje kadrova. U proizvodnim preduzećima, preduzećima iz

domena usluga, transportnim preduzećima, bolnicama, itd, veoma često se postavlja
zahtjev za određivanjem optimalnog rasporeda izvršilaca (kadrova, radnika) za
obavljanje različitih poslova. U uslovima razvijene specijalizacije brojnih izvršilaca za
obavljanje pojedinih poslova i njihove smjenjivosti, postavlja se veoma često pitanje
kako napraviti takav raspored za obavljanje određenog broja poslova za koji će se
ostvariti maksimalna efikasnost u radu. Pri tome efikasnost može biti izražena kroz
zahtjev za minimizacijom ukupnog vremena rada, minimizacijom troškova,
maksimizacijom profita, i sl. Ovaj problem, koji se rješava primjenom specijalnog
oblika modela linearnog programiranja, obično se predstavlja tzv. modelom asignacije,
odnosno modelom raspoređivanja.
Očigledno, model linearnog programiranja se koristi za optimizaciju poslovnih aktivnosti

na nivou preduzeća, kao i ljudskih aktivnosti uopšte. Kako glavni problem koji se
korištenjem ovog modela rješava jeste zahtjev za određivanjem optimalnog programa
85
korištenja ograničenog iznosa resursa, to model linearnog programiranja predstavlja

specijalan oblik modela matematičkog programiranja kao osnovnog oblika zadatka
optimizacije. Zbog toga ćemo predstaviti osnovne karakteristike zadatka matematičkog
programiranja.
0.9.2. Opšti oblik zadatka matematičkog programiranja
Matematičko programiranje predstavlja oblast matematike čiji je predmet razmatranja

teorijski i numerički postupak određivanja ekstremne vrijednosti funkcija više
promjenjivih, u kojima postoje ograničenja mogućih vrijednosti promjenjivih. Za razliku
od klasične matematičke analize, u okviru koje se ispituju uslovi za određivanje
ekstremnih vrijednosti realnih funkcija, osnovni predmet modela matematičkog
programiranja je, dakle, aktivno razmatranje ograničavajućih uslova predstavljenih u vidu
mogućih vrijednosti promjenjivih. Ovakav karakter matematičko programiranje čini veoma
pogodnim za modeliranje različitih ekonomskih aktivnosti koje se realizuju u uslovima
ograničenih resursa.
S obzirom na navedene karakteristike, opšti oblik modela matematičkog programiranja

možemo predstaviti u obliku zahtjeva za određivanjem vrijednosti promjenjivih x1, x2,…,
xn,
koje zadovoljavaju m nejednačina i jednačina oblika
g i  x1 , x 2 , ... , x n  , ,  bi i 1, ... , m (1.1)

i za koje se ostvaruje maksimalna ili minimalna vrijednost funkcije
z  f  x1 , x 2 , ... , x n  (1.2)
Uslove (1.1) nazivamo sistemom ograničenja, dok funkcija (1.2) predstavlja funkciju cilja
modela matematičkog programiranja. U ovako predstavljenom modelu pretpostavljamo da
su funkcije gi i f poznate, dok vrijednosti bi predstavljaju zadata ograničenja. U svakom od
ograničenja pojavljuje se ili jednačina ili jedan od dva oblika nejednačina. Generalno, ne
postoji veza između veličina m i n, tj. između broja ograničenja i broja promjenjivih. Osim
navedenih ograničenja, u osnovnom obliku modela matematičkog programiranja mogu se
postavljati dodatni uslovi za vrijednosti promjenjivih (nenegativnost, cjelobrojnost, i sl.).
86
Ukoliko su u sistemu ograničenja (1.1) svi uslovi predstavljeni u vidu jednačina, takav
oblik problema predstavlja klasičan problem optimizacije. Takav oblik zadatka, u uslovima
kada je m<n i kada su funkcije gi i f neprekidne i diferencijabilne, može se rješavati
klasičnim metodima zasnovanim na diferencijalnom računu. Takav oblik problema, zbog
toga ne predstavlja posebno interesantan slučaj sa aspektra rješavanja zadataka
matematičkog programiranja.
Ukoliko sistem ograničenja (1.1) i odgovarajuću funkciju cilja predstavimo u razvijenom

obliku, model matematičkog programiranja je
(max) z  f  x1 , x 2 , ... , x n 
g1 ( x)  g 1  x1 , x 2 , ... , x n   b1
g 2 ( x)  g 2  x1 , x 2 , ... , x n   b2 (1.3)
 
g m ( x)  g m  x1 , x 2 , ... , x n   bm
gdje smo pretpostavili određivanje maksimalne vrijednosti funkcije cilja z, u uslovima
kada su sva ograničenja predstavljena nejednačinama sa znakom .
Sve vrijednosti promjenjivih x=(x1, x2,…, xn) za koje su zadovoljene sve nejednačine
sistema ograničenja obrazuju tzv. skup dopustivih ili mogućih rješenja modela (1.3). Cilj
rješavanja zadatka matematičkog programiranja jeste određivanje one kombinacije
vrijednosti promjenjivih iz skupa mogućih rješenja za koje funkcija cilja ostvaruje
ekstremnu vrijednost. Takvo rješenje, koje obilježavamo sa x* = (x1*, x2*,…, xn*),
predstavlja optimalno rješenje zadatka matematičkog programiranja.
Ukoliko je u modelu matematičkog programiranja (1.3) makar jedna od funkcija gi ili f

nelinearna, takav oblik modela predstavlja nelinearno programiranje. Suprotno, ukoliko su
sve funkcije sistema ograničenja i funkcija cilja modela (1.3) linearne (i ukoliko
pretpostavimo da su promjenjive nenegativne veličine), takav oblik modela predstavlje
model linearnog programiranja.
87
0.9.3. Osnovne pretpostavke modela linearnog programiranja
Model linearnog programiranja, bez obzira o kom obliku problema se radi (problemu
maksimuma ili problemu minimuma), karakterišu neke zajedničke osobine – odnosno
postoji određeni broj pretpostavki koje moraju biti zadovoljene da bi određeni model
predstavljao model linearnog programiranja. Navešćemo samo osnovne pretpostavke
modela linearnog programiranja i objasniti njihovo značenje :
1. Linearnost. Pretpostavka linearnosti podrazumijeva postojanje linearnih zavisnosti

između promjenjivih u zadatku linearnog programiranja. Ova pretpostavka zadovoljena je
tako što su funkcija cilja i ograničavajući uslovi u modelu linearnog programiranja izraženi
linearnim funkcijama. Kao posljedica linearnosti u modelu linearnog programiranja
zadovoljene su takođe dvije osnovne pretpostavke i to: proporcionalnost i aditivnost.
Proporcionalnost podrazumijeva postojanje proporcionalnog odnosa u modelu linearnog
programiranja između inputa i outputa. Tako, na primjer, ukoliko je za proizvodnju jedne
jedinice nekog proizvoda neophodno utrošiti 5 jedinica određenog resursa, onda će za
proizvodnju 10 jedinica tog proizvoda biti neophodno utrošiti 50 jedinica posmatranog
resursa. Osobina aditivnosti podrazumijeva da se ukupna vrijednost funkcije cilja ili
pojedinih ograničenja može dobiti kao zbir vrijednosti pojedinih aktivnosti koje
predstavljaju sastavne elemente modela linearnog programiranja. Tako, na primjer, ukoliko
funkcija cilja pokazuje ukupan profit određenog preduzeća koji se ostvaruje od
proizvodnje određenih proizvoda, onda se ukupan profit određuje kao suma profita
ostvarenih od pojedinih proizvoda. Osobina aditivnosti primjenjuje se i na ograničavajuće
uslove modela linearnog programiranja - ukupni utrošci određenog resursa u proizvodnji
određuju se kao suma utrošaka pojedinih aktivnosti (proizvoda).
2. Izvjesnost. Svi parametri modela linearnog programiranja su unaprijed jednoznačno

određeni, što znači da su koeficijenti funkcije cilja i sistema ograničenja deterministički
određeni i ne mijenjaju se u toku rješavanja modela. S obzirom na ovu osobinu, model
linearnog programiranja smatramo determinističkim modelom.
3. Djeljivost. Ova pretpostavka podrazumijeva da promjenljive u modelu linearnog

programiranja ne moraju biti cijeli brojevi. Prema tome, u opštem obliku modela linearnog
programiranja ne postavlja se tzv. uslov cjelobrojnosti rješenja, što znači da vrijednosti
88
promjenjivih mogu biti izražene i u obliku decimalnih brojeva. Ukoliko se, međutim, iz
određenih razloga zahtijeva cjelobrojnost promjenjivih, onda je u pitanju specijalan oblik
zadatka - model cjelobrojnog linearnog programiranja - o kome će takođe biti riječi u
okviru narednih razmatranja.
4. Nenegativnost. Uslov nenegativnosti promjenjivih predstavlja jednu od osnovnih

pretpostavki modela linearnog programiranja. Ova pretpostavka ima svoj metodološki i
suštinski (ekonomski) značaj. Naime, kako opšti algoritam rješavanja modela linearnog
programiranja predstavlja simpleks metod, to je za primjenu ovog metoda neophodno
zadovoljenje uslova nenegativnosti promjenjivih, što čini metodološki aspekt uslova
nenegativnosti promjenjivih. S druge strane, kako promjenjive u modelu linearnog
programiranja koji se koristi za određene ekonomske analize predstavljaju određene
ekonomske veličine, jasno je da one ne mogu biti negativne. Jasno je, na primjer, da
ukoliko korištenjem modela linearnog programiranja želimo da odredimo optimalan
program proizvodnje nekog preduzeća, promjenjive modela pokazuju vrijednost (količinu)
proizvodnje određenih proizvoda, koja ne može biti negativna. Zbog toga uslov
nenegativnosti, pored funkcije cilja i sistema ograničenja (predstavljenih u vidu
nejednačina i jednačina), predstavlja jedan od osnovnih elemenata modela linearnog
programiranja.
89
1. Osnove teorije odlučivanja
Ciljevi
Cilj je da se kroz pregled nauke o odlučivanju i kroz kraću analizu problema odlučivanja
omogući lakše savladavanje osnova teorije odlučivanja. Uz objašnjenja su navedeni i svi
neophodni pojmovi i definicije potrebni za uspješno praćenje teksta kasnijih poglavlja, a
potom je data opširna analiza prirode procesa odlučivanja, odnosno donošenja odluka. Vrlo
detaljno se govori o modelima i modeliranju uopšte, kao i o izboru odgovarajućih metoda i
tehnika za rješavanje problema, koji su prethodno modelirani, dok se fragmentarno ukazuje
i na neke probleme pri primjeni modela. Na kraju su data i tipična područja u kojima se
teorija odlučivanja može uspješno primjenjivati.
Zadaci:
a) Upoznavanje istorije i razvojnog puta teorije odlučivanja kao nauke,
b) Upoznavanje fenomena odlučivanja, kroz analizu odlučivanja,
c) Upoznavanje različitih pristupa definisanju problema odlučivanja,
d) Upoznavanje sa tipičnim (opštim) fazama odlučivanja,
e) Upoznavanje sa modelima, procesom modeliranja i primjeni modela,
f) Izbor metoda i tehnika za rješavanje proglema odlučivanja,
g) Upoznavanje tipičnih područja primjene teorije odlučivanja.
Ključne riječi: Teorija odlučivanja; Naučna organizacija rada; Upravljanje; Korisnost;

Okruženje; Kvantitativna analiza; Aproksimativna racionalnost; Analiza problema
odlučivanja; Odluka; Sistemski pristup odlučivanju; Važnost odluke; Vrijeme i troškovi
(vezani za donošenje odluke); Stepen složenosti odluke; Proces odlučivanja;
Decizionistička teorija organizacije; Konfliktnost kriterijuma; Alternativa; Premisa
odlučivanja; Sprovođenje odluke; Tehnike, pravila i vještine odlučivanja; Donosilac
odluke; Priprema odlučivanja; Strateške i taktičke odluke; Strategija; Stanje prirode
(okolnosti); Uslovni izlaz (jedne akcije); Tabele plaćanja i žaljenja; Programirane i
neprogramirane odluke, Rutinske, kreativne i pregovaračke odluke; Preduzimačke,
adaptivne i odluke planiranja; Faze procesa odlučivanja; Odlučivanje grupe i pojedinaca;
Modeli i modeliranje; Katalog nekih metoda i tehnika u teoriji odlučivanja; Primjena
90
modela; Područje modeliranja; Organizaciono odlučivanje; Metaorganizaciono

odlučivanje.
1.2. Pregled razvoja nauke o odlučivanju
Ljudi su se oduvijek bavili odlučivanjem, pa je onda i sasvim logično da su uvijek

pokušavali i da proučavaju proces odlučivanja. Ipak, neposredno izučavanje počinje
relativno kasno, negdje tridesetih godina 20. vijeka.
Prije toga su vršene određene analize odlučivanja pri rješavanju različitih tehničkih
problema, dok su neke analize rađene i u sociologiji. Međutim, sve je to bilo u krajnje
rudimentarnoj formi, bez učešća pravih specijalista za odlučivanje, znači isključivo u
oblasti matičnih disciplina. Pomoć su, pri tome, pružala znanja iz matematike i ekonomije
uz ključnu pretpostavku da donosilac odluke reaguje na potpuno predvidljiv način, pa je
zbog toga potrebno imati na raspolaganju samo određeni skup pravila, koja, ako se slijede,
sigurno vode ka dobroj odluci. Naravno, takve pretpostavke, uz činjenicu da u situacijama
odlučivanja po pravilu ne raspolažemo pravim podacima i informacijama, ne predstavljaju
nikakvu garanciju izbora najbolje odluke.
Zbog tih činjenica je dugo vladalo mišljenje da je odlučivanje prije svega socijalna, a ne
tehnička aktivnost.
Prije 1930. godine najveći dio interesa u odlučivanju bio je akademskog karaktera, što je
rezultovalo u razlici praktičnih potreba donosilaca odluke i teorije koja je do tada bila
razvijena.
Približavanje ta dva, do tada tako različita, interesa počelo je poslije I svjetskog rata,
uglavnom iz sljedećih razloga:
1. Pojave naučne organizacije rada (upravljanja), te radova Fayola, Gilberthesa i naročito

Taylora, bez obzira što se razvijena teorija odlučivanja isključivo odnosila na
proizvodne probleme.
2. Donosioci odluka su počeli da u većoj mjeri izučavaju sociologiju, a naročito

bihevioristički aspekt odlučivanja.
91
3. I ekonomisti su, takođe, počeli u većoj mjeri da uključuju svoje ideje u odlučivanje.
4. Pojave teorije igara, koja daje nove okvire za provjeru odluka, kao i otkrivanje mjera
korisnosti koje predstavljaju ekonomske nivoe ljudskih želja za različite potrebe.
5. Najveća pokretačka snaga u razvoju teorije odlučivanja došla je svakako, razvojem

niza metoda koje su kasnije postale poznate kao metode operacionih istraživanja, gdje
su se na interdisciplinarni način našla na okupu moćna znanja iz matematike, statistike,
ekonomije, prirodnih nauka i sl.
Do 1960. godine su i naučnici, koji su se bavili odlučivanjem imali prvenstveni interes u

učenju i razvijanju novih metoda i tehnika u cilju dobijanja optimalnih rješenja , najčešće,
operativnih problema. Tada se javljaju i prva profesionalna udruženja u svijetu kao što je
ORSA (Operations Research Society of America) i TIMS (The Institute of Management
Science). Na području bivše Jugoslavije takvih udruženja nema ali se već 1953. godine
pojavila prva knjiga iz oblasti operacionih istraživanja: Kraut B, Operativno istraživanje –
nauka o ratovodstvu i privredi.
Do 1960. godine ni akademske institucije nisu poklanjale dovoljno pažnje nauci o

odlučivanju. Tada je samo šest univerziteta pružalo formalne programe obrazovanja u ovoj
oblasti. Već 1966. godine taj broj penje se na 37. Takav razvoj situacije je, naravno,
donijeo niz pozitivnih rezultata, naročiti u oblasti upravljanja, od kojih se ističu samo dva.
Najprije je obezbjeđena specijalna pokretačka snaga u korištenju ogromne analitičke snage
računarske tehnologije, kroz razvoj tzv. menadžmenet informacionih sistema, a potom je
obezbjeđen i poseban uticaj obrazovanih specijalista u poslovima upravljanja, što je
vjerovatno i najznačajniji rezultat nastalih promjena.
Ipak, u jednom takvom razvoju pojavili su se i neki negativni aspekti. Još uvijek se većina
naučnika u oblasti odlučivanja bavila teorijskim istraživanjima sa relativno malim
mogućnostima primjene svojih rezultata na realnim problemima. Sa druge strane većina
praktičara je bila prinuđena da svoje probleme, naročito u fazi modeliranja,
pojednostavnjuje, kako bi ih mogla riješiti metodama kojima se raspolagalo.
92
U fazi razvoja nauke o odlučivanju, koja je nastupila poslije 1970. godine, ističu se neke
specifičnosti kao što su:
1. Pragmatski pristup u izučavanju pravih vrijednosti, uloge i ograničenja teorije
odlučivanja.
2. Veliki naglasak na izučavanju i analizi okruženja, u okviru koga se vrši odlučivanje.
3. Pridaje se veći značaj dobijanju zadovoljavajućih rješenja za izvjesne (teže) probleme
nego traženju optimalnih rješenja.
4. Ulažu se maksimalni napori za što bolju integraciju kvantitativne analize sa analizama
ponašanja i okruženja u rješavanju problema.
5. Informatičke tehnologije se sve više i bolje koriste u cilju dobijanja heurističkih
rješenja, naročito kod loše strukturiranih upravljačkih problema.
Navodeći ove specifičnosti jednog perioda razvoja teorije odlučivanja, posebna pažnja se
ukazuje na značaj izučavanja uticaja okruženja na proces donošenja odluka. Naime, jedan
od osnovnih ljudskih problema je zadovoljenje praktično neograničenih sopstvenih želja i
potreba u uslovima raspolaganja ograničenim brojem, vrstom i količinom resursa. Krajnje
uprošteno govoreći, taj se problem može riješiti na dva načina:
1. Povećanjem raspoloživih resursa, čime se automatski povećava i stepen zadovoljenja
ljudskih potreba, što je tipični pristup opšte filozofije zapadnih kultura i civilizacija.
2. Ograničavanjem individualnih želja i potreba, čime postojeći resursi postaju uglavnom
dovoljni za njihovo zadovoljavanje. Ovaj pristup je tipičan i izuzetno dugo praktikovan
u zemljama tzv. istočne civilizacije, odnosno kulture.
Sasvim je očigledno da pristup donošenja odluka, u ova dva slučaja, mora biti različit i da
svaki donosilac odluka mora voditi računa o okolini koja ga okružuje. Zbog toga se ne bez
razloga kaže da je donosilac odluke onaj koji želi da dostigne „aproksimativnu“
racionalnost u cilju maksimiziranja zadovoljenja organizacionih ciljeva unutar datog skupa
ograničenja.
Imajući u vidu upravo tu aproksimativnu racionalnost i većina velikih korporacija u

razvijenim zamljama ima posebna odjeljenja koja se bave primjenom i razvojem metoda i
tehnika u procesu odlučivanja.Tako je Tarban, još 1972. godine ustanovio da se skoro 50%
vrhunskih menadžera iz 107 najvećih korporacija SAD, „strogo oslanja“ na preporuke
pomenutih odjeljenja prilikom donošenja svih vrsta odluka.
93
U zadnjoj dekadi prošlog vijeka naglo se razvija tzv. Višekriterijumsko odlučivanje

(VKO), kao dalji korak u sve većoj primjeni kvantitativnih metoda u rješavanju realnih
problema. Inače VKO se odnosi na slučaj kada se donošenje odluka vrši u prisustvu većeg
broja, najčešće konfliktnih, kriterijuma. VKO se može, šire posmatrano, podijeliti u dvije
veće kategorije:
1. Višeatributivno odlučivanje (VAO) i
2. Višeciljno odlučivanje (VCO).
U okviru pristupa VCO razvija se i posebno značajno tzv. ciljno programiranje, koje
predstavlja adaptiranu verziju linearnog programiranja za nalaženje zadovoljavajućeg
dopustivog rješenja u prisustvu više funkcija cilja koje mogu biti različitog značaja.
Razvoj matematičko-analitičke osnove za rješavanje problema u odlasti odlučivanja sve
više je omogućavao primjenu različitih metoda u realnim situacijama (problemima), koji
po pravilu spadaju u tzv. velike sisteme. Pristupi razvijeni za rješavanje velikih
matematičkih programa (koji opisuju velike sisteme), mogu se podijeliti u dvije osnovne
klase: direktne metode, gdje se postojeći algoritmi primjenjuju na specijalne klase
problema i dekompozicione tehnike, gdje se originalni (veliki) sistemi dekomponuju na
podsisteme, od kojih svaki predstavlja malji, nezavisni podproblem, koji se potom riješava.
Analizirajući probleme odlučivanja sa drugog, nekvantitativnog, aspekta, tj. smatrajući da
svaka odluka u najvećoj mjeri zavisi od preferenci (prednosti) koje donosilac odluke daje
pojedinim situacijama, sa puno uspjeha se u teoriju odlučivanja uključuje i tzv. teorija
korisnosti.
U slučajevima kada problem nije moguće analitički riješiti (iz bilo kog razloga), sve više se
koriste tehnike simulacije, čiji se burni razvoj i primjena praktično poklapaju sa razvojem
informacionih tehnologija.
Međusobne veze odlučivanja i dinamike sistema, sa posebnom analizom mjesta i uloge
donosilaca odluke, dali su u svojoj knjizi Eden i Harris (1975). Najveću pažnju su pritom
posvetili modeliranju dinamike sistema.
Posebna pažnja, od niza autora poklanja se i poklanja primjeni informacionih i računarskih
sistema i tehnologija kao infrastrukturnoj podršci odlučivanju.
94
Kako se odluka donosi danas da bi važila sutra, jedna od ključnih pretpostavki kvalitetnog
odlučivanja je predvidjeti, odnosno, prognozirati budućnost. Niz autora bavi se ovom
tangentnom oblašću za teoriju odlučivanja.
Za oprativno odlučivanje u složenim sistemima, projektantska ekipa General Electric

Company (SAD) je još 1957. godine razvila tehniku tabela odlučivanja kao zamjenu za
blok dijagrame. Tabele odlučivanja su široko prihvaćene kao vrlo jednostavno sredstvo
pomoću koga se mogu razvijati i dokumentovati različiti poslovni postupci.
1.3. Analiza problema odlučivanja
Analiza problema odlučivanja je realtivno nova oblast u teoriji odlučivanja i predstavlja

filozofiju koja omogućava da se sistematski i formalno priđe problemima odlučivanja, a
istovremeno pruži i praktičan prilaz problemu korištenjem potrebnih koncepata. Drugim
riječima, to je prilaz koji koristi svoj skup logičkih aksioma, metodologija i detaljnih
procedura, koje omogućavaju sistemsku analizu kompleksnih problema odlučivanja.
Analiza problema odlučivanja je oduvjek bila, često i nesvjesno, jedan od osnovnih

zadataka u aktivnostima svakog ljudskog bića, ljudi su uvijek željeli da taj zadatak ostvare
na najefikasniji način.
Analiza problema odlučivanja je formalizovani proces povećavanja ljudskog razumijevanja

i upravljanja u uslovima datog okruženja. Zbog toga, svako novo otkriće u ljudskim
saznanjima ili nauci ima potencijalnu praktičnu primjenu i u analizi odlučivanja.
U svakoj diskusiji o problematici odlučivanja, pažnja je, po pravilu, usredsređena na tri

pojma i to na:
1. Proces odlučivanja,
2. Donosioca odluke,
3. Odluku.
Kad se kaže da jedna osoba donosi odluku to može da znači:

1. Da je ta osoba započela seriju reakcija (ponašanja) u cilju favorizovanja nečega ili
95
2. Da je ta osoba riješila da izvede (uradi) izvjesnu akciju, za koju nema nikakve sumnje
da je treba uraditi. Ipak, najčešće korištenje termina odlučivanje znači:
3. Napraviti procjenu u odnosu na ono što treba uraditi u izvjesnim situacijama, ali tek
poslije pažljivog razmatrnja svih raspoloživih alternativnih akcija.
U svojoj analizi: „šta je odluka?“, Eilon naglašava da većina definicija odluke indicira da
„donosilac odluke raspolaže sa nekoliko alternativa i da njegov izbor podrazumijeva
upoređivanje tih alternativa i evaluaciju njihovih posljedica“.
Ovdje će se pod odlukom podrazumijevati „intelektualni rezultat“, u jednom tekućem

procesu evaluacije alternativa koji se sprovodi radi postizanja određenog cilja, u kome
očekivanja od specifične akcije primoravaju donosioca odluke da izabere akciju koja
najvjerovatnije rezultuje postizanju već pomenutog cilja.
Analiza problema odlučivanja se u upravljačkim situacijama pojedinih preduzeća u suštini

ne razlikuje od odlučivanja pojedinca, s tim što donosilac odluke u ovom slučaju želi da
postigne (dostigne) ciljeve organizacije za koju radi. Naravno, i posljedice tog odlučivanja
po pravilu imaju dalekosežniji značaj i uticaj. Imajući u vidu značaj donošenja odluka baš
sa tog aspekta, mnogi vodeći autori iz oblasti teorije upravljanja (naročito velikih sistema)
praktično poistovjećuju odlučivanje sa upravljanjem. Zbog toga, a imajući u vidu želju da
se racionalnost odlučivanja što više poveća, velika pažnja se u danjašnje vrijeme posvećuje
razvoju metoda i tehnika, koje obezbjeđuju stvarne informacije o okruženju, odnosno, o
posljedicama izbora pojedinih alternativnih akcija.
Na taj se način nauka o odlučivanju (teorija odlučivanja) razvijala i razvija kao proces koji,
koristeći naučne metode i sistemska istraživanja, pomaže donosiocu odluke u određivanju
izbora optimalne akcije. Pri tome se ipak treba voditi računa da teorija odlučivanja ne
može u potpunosti zamijeniti pristup tzv. intuitivnog odlučivanja. Svaki donosilac odluke,
koji bilo da zna ili ne zna teoriju odlučivanja, uobičajeno sebi zadržava pravo nekog
stepena ličnog prosuđivanja u odlučivanju. Teorija odlučivanja treba da mu pomogne da
njegovo prosuđivanje bude što uspješnije.
96
1.3.1. Sistemski pristup odlučivanju
Kako je već napomenuto, srž nauke o odlučivanju je sistemska analiza koja u svojoj
metodologiji koristi sistemski pristup i naučnu metodu.
Polazeći od poznate, vrlo uopštene, definicije sistema (cjelina sastavljena od skupa
dijelova sa određenim vezama između tih dijelova i njihovim atributima, koji služe za
zadovoljenje neke funkcije) mnogi autori krajnje uprošteno pod organizacijom
podrazumijevaju sistem čovjek-mašina, sa specijalnim osobinama zbog psihološke i
sociološke prirode čovjeka. Naravno, tako definisana organizacija je dio jednog većeg
sistema u okviru socijalnog okruženja.
Nauka o odlučivanju (kako će se tretirati ovdje) bavi se rješavanjem problema od najvećeg

interesa za organizaciju kao cjelinu (ili neke od njenih dijelova). Kako su ti problemi po
pravilu složeni, neophodno je najprije izvršiti svestranu analizu sa aspekta njihovog uticaja
na organizaciju i okruženje, a potom primjeniti nauku o odlučivanju u sistemskom
kontekstu. Na taj način se često otkrivaju novi skriveni problemi, koji značajno utiču na
valjanost rješenja originalnog problema. Nauku o odlučivanju zbog toga treba kontinualno
primjenjivati, odnosno, sve je to razlog, što svaka značajnija sistemska analiza zahtijeva
primjenu odgovarajućih metoda i tehnika nauke o odlučivanju.
Većina metoda odlučivanja, naročito savremenijih, služi za nalaženje optimalne odluke, tj.
najbolje odluke u uslovima djelovanja različitih ograničenja iz okruženja odlučivanja. Ako
je ta odluka najbolja za organizaciju kao cjelinu, onda je riječ o globalnom optimumu, a
ako se pak odnosi na jedan, ili veći broj dijelova organizacije, najčešće se naziva
podoptimalnom odlukom.
Dalji dio izlaganja biće posvećen tzv. Normativnom (formalnom) pristupu odlučivanju u
kome preovladavaju kvantitativne metode. Njega čine:
1. Definisanje sistema (ili problema) i njegovih parametara.
2. Utvrđivnje kriterijuma odlučivanja, odnosno ciljeva koji se žele postići.
3. Formulisanje veza između parametara i kriterijuma, tj. modela.
4. Generisanje alternativa (odnosno akcija) najčešće promjenom vrijednosti
parametara.
5. Izbor akcije koja najviše zadovoljava postavljene kriterijume.
97
Od navedenih koraka posebno se ističe značaj utvrđivanja, odnosno definisanja kriterijuma

odlučivanja, tj. ciljeva koje pojedinac ili organizacija postavljaju sebi. Ranije je tipičan cilj
većine poslovnih organizacija bio maksimalni profit, vjerovatno zbog tada važećih
ekonimskih teorija, kao i činjenice da je od metoda i tehnika, koje su taj profit
ekstremizirale, na raspolaganju bila samo metoda linearnog programiranja. Danas je
ustanovljeno da postoji veći broj ciljeva o kojima svaka poslovna organizacija mora voditi
računa:
- Organizaciona efikasnost,
- Visoka produktivnost,
- Maksimizacija profita/dohotka,
- Organizaciona stabilnost,
- Dobrobit zaposlenih,
- Rast organizacije,
- Osvajanje „novih“ tehnologija,
- Socijalno blagostanje itd.
pa je zbog toga dramatično povećan i broj i način rješavanja zadovoljenja tako postavljenih
ciljeva.
1.3.2. Opšte karakteristike odluka
Odluke se donose na različite načine: nekad je riječ o vrlo jednostanim procesima, a

ponekad je, da bi uopšte bile donijete, neophodno vršiti izuzezno složene analize. Bez
obzira na načine donošenja, svaka odluka ima svoje opšte karakteristike vezane za
posmatrani problem odlučivanja. Riječ je o tri međuzavisne i relevantne karakteristike
(Slika 1.1):
- Važnost odluke
- Vrijeme i troškovi (vezani za donošenje odluke) i
- Stepen složenosti.
Sve odluke nemaju istu važnost, a i posljedice primjene donijetih odluka pri rješavanju
različitih ekonomskih, tehnoloških, socijalnih i sličnih problema, sasvim sigurno nemaju
uvijek istu težinu. Upravo zbog toga i načini donošanja odluka (pripreme za odlučivanje)
se razlikuju od slučaja do slučaja, kao i metode koje se tom prilikom koriste. To pogotovo
98
važi za situacije kada se pretpostavlja da će se posljedice donijetih odluka protezati u

dužem vremenskom periodu.
Vrijeme i troškovi su kao karakteristike svake odluke, a pogotovo poslovne, izuzetno

značajni. Odluke se moraju donositi na vrijeme, a period njihovog pripremanja i donošenja
ne smije biti neracionalno dug. Slične konstatacije se odnose i na troškove. Vrijednost
odluke svakako ne smije biti manja od troškova nastalih pri njenom donošenju, ali sa
ključnom napomenom da je cijena pogrešne odluke ipak najveća.
Slika 1.1. Karakteristike odluka
Stepen složenosti svake odluke raste, ako je za njeno donošenje potrebno:

- Razmotriti veći broj varijabli (bitnih za problem),
- Operisati sa strogo zavisnim ili sekvencijalnim varijablama i
- Koristiti nekompletne i nepouzdane podatke koji opisuju varijable.
O svakoj od navedenih opštih karakteristika odluke, kao i faktora koji čine pojedine
karakteristike biće riječi u daljem tekstu.
99
1.4. Proces odlučivanja
Ovdje će se izložiti priroda procesa odlučivanja, a na neke probleme koji se pojavljuju pri
odlučivanju ukazano je kroz nekoliko opštih primjera.
1.4.1. Priroda procesa odlučivanja
Na početku je potrebno dati odgovor na pitanje da li je odlučivanje uopšte proces. Polazeći

od definicije da je proces skup akcija ili operacija koje se vode nekom kraju, poslije ovog
poglavlja će biti jasno da opšti proces postoji. Taj se proces može opisati i koristiti kao
model odlučivanja, a sva istraživanja sugerišu da postoji opšti proces kojim pojedinci ili
grupe rješavaju svoje probleme, tj. donose odluke.
Međutim, na ovom mjestu treba naglasiti da se između rješavanja problema i donošenja

odluke ne smije staviti znak jednakosti. Sličnost, odnosno povezanost ta dva procesa
naravno postoju, ali i razlike. Ta dva pojma nisu sinonimi iako odlučivanje (često)
podrazumijeva rješavanje problema, a rješavanje problema (često) vodi ka nekoj odluci.
„Proces izbora određene akcije iz skupa alternativa može konstituisati problem i (možda)
odluke mogu biti krajnji rezultat procesa rješavanja problema... Problemi mogu rezultirati
iz pokušaja da se dostignu ciljevi organizacije... Ali rješenje samo po sebi ne dostiže te
ciljeve. Odluka koja rezultuje iz tog rješenja je ta, koja vodi dostizanju postavljenih
ciljeva... Bez odluke, rješenje problema može biti bezvrijedno. Zbog toga, rješavanje
problema i odlučivanje ’idu’ zajedno, ruku pod ruku“
Kao i samo upravljanje, tako je i odlučivanje generički proces, koji se može primijeniti na
sve forme organizovanih aktivnosti, a koristi se (svjesno ili nesvjesno) vjekovima. Zbog
toga se upravljačko odlučivanje i izučava, ne samo u velikim poslovnim sistemima (kao
posljedica težnje za što efikasnijim poslovnim rezultatima), već i u oblicima sistema
obrazovanja (najčešće menadžerskim, organizaciono-poslovnim fakultetima). Zbog toga se
smatra da „proces upravljačkog odlučivanja predstavlja i zajedničku fabriku za
proizvodnju upravljača“ (na svim nivoima).
100
Većina ljudskih, i svaka inženjerska aktivnost u svojoj osnovi, na direktan ili indirektan
način, imaju neke svoje ekonomske ciljeve. Ostvarivanje tih aktivnosti je direktno
povezano sa donošenjem niza određenih odluka.
Ovakva tvrdnja, kojoj se teško šta može zamjeriti, kao direktnu posljedicu ima pojavu tzv.
decizionističke teorije organizacije, po kojoj se između pojmova teorije odlučivanja i
teorije organizacije može staviti znak jednakosti. Ovakav pristup, jedan dio značajnih
autora, ipak smatra neprikladnim, odnosno, u najmanju ruku preuranjenim, jer je još uvijek
čitav niz organizacionih fenomena daleko od mogućnosti neophodne kvantifikacije.
Međutim, Tersine (1985) je upravljanje proizvodnjom, odnosno operacijama, upravo sveo

na problem donošenja niza odluka, pri čemu je vrlo precizno definisao nivoe proizvodno-
operativnog odlučivanja (Slika 1.2)
Dakle, Tersine, ovaj segment organizacione teorije stvarno vrlo uspješno svodi na
probleme odlučivanja. Ipak i on u svom pristupu zaobilazi odluke tipa „ko“ treba da
upravlja, vjerovatno zbog toga što je u tom dijelu nešto teže primijeniti naučnu teoriju
odlučivanja.
Već ovaj primjer ukazuje na teškoće koje se javljaju prilikom odlučivanja u realnim
sistemima. Najčešće te teškoće nastaju zbog izuzetne složenosti pojedinih segmenata
odlučivanja. U prethodnom primjeru ljudski faktor (ko upravlja) nije analiziran,
najvjerovatnije zbog toga što na njega autor nije želio da primjeni sličan analitički aparat
(što je inače vrlo uspješno uradio u ostalim segmentima).
Slika 1.2. Nivoi proizvodno-operativnog odlučivanja

101
Mora (1980) ukazuje na još jednu vrstu problema koji se javljaju pri odlučivanju. Naime,
većina realnih problema odlučivanja zahtijeva rješavanje niza situacija koje su po pravilu
konfliktne. Za ilustraciju navodi se primjer gdje je u izboru proizvodnog programa
potrebno donijeti odluku o izboru asortimana, i to samo u smislu izbora užeg ili šireg
asortimana.
Uži asortiman ima neke prednosti i nedostatke:
Prednosti:
a) Veća produktivnost rada,
b) Bolji kvalitet proizvoda,
c) Sniženje promjenjivih troškova,
d) Kraći rokovi isporuke,
Nedostaci:
a) Veći fiksni troškovi,
b) Veći problemi plasmana,
c) Manja elastičnost kapaciteta,
d) Manji stepen kompletnosti ponude.
U slučaju šireg asortimana prethodne prednosti i nedostaci samo mijenjaju mjesto, i to sa

suprotnim tvrđenjima (Slika 1.3). Dakle, donosilac odluke treba da dođe do rješenja a da
pri tome vodi računa o osam (što i nije veliki broj) konfliktnih kriterijuma i to u situaciji
kada može da bira između samo dvije alternative.
O značaju odlučivanja u (uspješnom) upravljanju poslovnim, organizacionim i ostalim

sistemima su govorili i pisali mnogi autori. Konstatovano je, između ostalog, da je
odlučivanje samo jedan od mnogobrojnih zadataka svakog izvršnog rukovodioca (ono mu,
šta više oduzima vjerovatno najmanji dio njegovog raspoloživog vremena). Međutim,
donošenje odluka je potpuno specifičan izvršni zadatak. Efikasan ili efektivan donosilac
odluke ili izvršni rukovodilac, donosi takve odluke na sistematičan način sa jasno
definisanim elementima, najčešće koristeći različite procedure, po čemu se i razlikuje od
ostalih članova organizacije.
102
Ističe se, osim toga, da se ’posao’ donošenja pravih odluka za prave probleme na svim
nivoima (najvišem, srednjem ili niskom, pa čak i na nivou radnih mjesta) ne može
usporediti ni sa jednim drugim poslom u bilo kom poslovnom sistemu. Zbog toga se
Cornell (1980) i zalaže za konstituisanje specifičnih ’škola mišljenja’ koje bi u centar svog
istraživanja, izučavanja i uopšte razmišljanja postavile upravljačko (menadžment)
odlučivanje.
Iznijeti problemi, koji su inače realnost prirode svakog procesa odlučivanja, ni izdaleka
nisu jedini. Ponekad je problem odlučivanja moguće u potpunosti čak i matematički
definisati, ali, recimo, nelinearnost kriterijumskih funkcija i ograničenja onemogućavaju
istu matematiku da ih riješi.
Slika 1.3. Konfliktnost odlučivanja
103
Zbog svega što je rečeno, danas se smatra (zbog prirode procesa) da se problemi
odlučivanja u realnim poslovnim (organizacionim) sistemima rješavaju:
- Na bazi kvantitativnih analiza uz sve veće korištenje najšireg spektra savremenih

informacionih sistema i
- Na bazi nekih drugih kriterijuma ili principa.
Prednost se u većini slučajeva daje prvom od navedenih principa jer se pokazalo, i u

praksi, da primjena kvantitativnih analiza kao moćan analitički aparat drastično smanjuje
rizik od pogrešnih odluka.
Naravno, zalaganje za ovakav pristup ne isključuje potrebu za povremenim odlučivanjem i

na bazi raznih drugih principa iz prakse, na osnovu iskustva, intuicije i sl. Međutim, oprez
u ovom slučaju mora biti neuporedivo veći.
1.4.2. Pojmovi i definicije
U prethodnom tekstu, kada se govorilo o pregledu razvoja nauke o odlučivanju, jedan dio
pojmova i definicija je već naznačen, a neki su čak i objašnjeni. Ovdje će se pokušati
definisati i objasniti i ostali pojmovi s kojima se susrećemo u teoriji odlučivanja.
Smatra se (Rubinstein) da je teorija odlučivanja postala važna naučna disciplina, posebno

interesantna za zaposlene u mnogim oblastima: ekonomiji, inženjerskim naukama, politici,
medicini, pravu, itd. I da u sebe uključuje ljudska opažanja, osjećaje i logiku. Opažanja
omogućuju prevođenje podsticaja (pobuda) okoline u apstraktne modele, osjećaji nas vode
izboru pravih vrijednosti i odgovarajućih kriterijuma, a logika upućuje na racionalni proces
izbora akcije (alternative) u cilju realizovanja naših ciljeva, odnosno kriterijuma. Teorija
odličivanja obezbjeđuje okvir za djelovanje, koji dozvoljava doprinos sva tri pomenuta
aspekta ljudskog saznanja.
Lee i More, smatraju da je osnovni cilj analize odlučivanja pomoć donosiocu odluke u
nalaženju najboljeg dozvoljivog rješenja nekog problema (koji zahtijeva odlučivanje) uz
sistemsku analizu većeg broja alternativa koje stoje na raspolaganju.
104
Ključni element odlučivanja je izbor, a izbor prethodi svim akcijama. Ovo ukazuje na to da
bez obzira što u matematičkoj teoriji odlučivanja postoje precizne i tačne definicije,
odlučivanje se zaista može definisati kao izbor između određenog broja alternativa.
Matematička teorija odlučivanja pomenuti izbor između određenog broja alternativa vrši
na optimalan način.
S druge strane Simon smatra ljudski izbor procesom zaključivanja iz premisa, pa na taj
način premisa odlučivanja postaje ključna u teoriji odlučivanja. Kirsch proširuje taj aspekt
uvodeći dva tipa modela odlučivanja: zatvoreni i otvoreni. Kod zatvorenih modela su
poznate i date premise odlučivanja, dok je kod otvorenih modela neophodno sprovesti
istraživanje radi utvrđivanja njihovog porijekla i karaktera.
Veći broj autora pod odlučivanjem podrazumijeva proces vrlo srodan procesu rješavanja
problema. Tako Kickert ukazuje da je odlučivanje određivanje onoga što treba uraditi, a
ultimativni cilj svakog odlučivanja je izvršenje neke akcije. Nutt je blizak ovom
razmišljanju kada skreće pažnju da je odlučivanje proces izbora specifične alternative
(akcije) za primjenu. Tome se pridružuju Mintzberg i ostali isticanjem da je odlučivanje
specifična obaveza za akcijom. Posljednje definicije očigledno obavezuju na kontrolu
izvršenja izabrane akcije, jer se smatra da se odlučivanje ne završava izborom optimalne
akcije.
Rowe podvlači da je odlučivanje samo prvi korak u dostizanju rezultata, a da je daleko

najčešće sprovođenje odluke mnogo kompleksniji dio posla. Braverman smatra da svaki
racionalni donosilac odluke želi da izabere takvu akciju koja će rezultovati optimalnim
rezultatima, naravno u uslovima nekih kriterijuma optimizacije. Takođe smatra da u
uobičajenim situacijama odlučivanja posljedice bilo koje akcije zavise od niza faktora koji
su van moći uticaja donosioca odluke.
Wroom i Jafo vide odlučivanje kao socijalni proces sa elementima procesa koji se mogu
predstaviti u obliku niza događaja koji se dešavaju između ljudi, nego događaja koje se
zbivaju unutar ljudi. Kada se problem odlučuvanja desi unutar jedne organizacije, smatraju
da postoji veći broj tipičnih alternativa socijalnih mehanizama koji stoje na raspolaganju u
cilju izbora rješenja.
105
U svojoj studiji Stagner najprije ističe značaj i kompleksnost problema odlučivanja na

nivou većih organizacionih jedinica, a potom i neophodnost sprovođenja specifičnih
istraživanja vezanih za problem o kome se odlučuje. Najčešći rezultat takvih istraživanja je
da odlučivanje predstavlja kompromis niza komponenti.
Eden i Haris definišu odluku kao akciju koja pokušava da uvede upravljanje u različitim
situacijama, tj. kao reakciju na informacije, odnosno podsticaje iz okoline. Zbog toga
smatraju da je odlučivanje proces upravljanja transformacijom podataka u informaciju (jer
je informacija o sistemu ono što određuje način promjene tog sistema primjenom izabrane
odluke).
Mora pod odlučivanjem podrazumijeva sve aktivnosti oko izbora jedne između raznih
mogućnosti.
Iz navedenih definicija, odnosno iz stava većine autora proizlazi da je
odlučivanje izbor između mogućih alternativa aktivnosti.
Taj izbor je moguće napraviti na razne načine koristći:

1. Tehnike odlučivanja – koje koriste skup detalja ili metoda, odnosno procedura
ključnih za stručna rješavanja problema u procesu odlučivanja, kao što su
dijagnostičke tehnike, linearno programiranje, simulacione tehnike itd.
2. Pravila odlučivanja – koja se definišu, kao prethodno određeni vodiči ili testovi za
prosuđivanje („izaberi proizvod čija je cijena po jedinici težine najmanja“).
3. Vještine odlučivanja – koje se definišu kao sposobnost efektivnog korištenja
nečijeg znanja u rješavanju problema.
Izbor pojedinih odluka vrši donosilac odluke (DO). S obzirom na to da se odluke donose
na svim nivoima organizacije (i ne samo u njima) može se postaviti pitanje, ko se uopšte
može nazvati donosiocem odluke.
Odgovor je relativno jednostavan – svako ko radi u poslovnom okruženju (naravno u onom

dijelu za koji snosi i punu odgovornost). Pri tome to može biti pojedinac (od direktora ili
menadžera do pojedinog izbršioca na radnom mjestu) ili grupa ljudi (razni kolegijumi,
ovlaštene grupe eksperata itd).
106
Po istraživanju Moodya iz 1983. godine, došlo se do zaključka, da je većina donosilaca

odluke (pojedinaca) u toj mjeri predvidljiva u svom pristupu pri rješavanju problema, da se
mogu svrstati u nekoliko kategorija:
- Ekonomski DO, čiji je interes samo u onom što je korisno i praktično,
- Estetičari, čije najviše vrijednosti leže u harmoniji i individualnosti, pompi i moći,
- Teoretičari, zainteresovani su za otkrivanje istine, često za svoje sopstvene ciljeve
(koristi),
- Socijalni DO vole ljude, pitaju ih za mišljenje, nesebični su i simpatični,
- Politički DO, prvenstveno su zainteresovani za moć i uticaj,
- Religiozni (?), čije se najviše vrijednosti kreću spiritualnim međama.
U odnosu na donosioce odluke pri odlučivanju postoji jedna grupa ljudi, najčešće u sjenci,
a koja vrši tzv. pripremu odlučivanja, tj. sve ono što prethodi samom činu neposrednog
odlučivanja. Oni se najčešće nazivaju analitičarima i od njih se očekuje da problem riješe.
Zbog toga moraju biti osposobljeni da najprije uočavaju karakteristike problema, a potom
da vrše njegovo modeliranje i rješavanje korištenjem odgovarajućih metoda i tehnika.
Kako je riječ o ne malim zahtjevima, očgledno je da analitičari moraju biti vrhunski
eksperti. Pored toga moraju biti u stanju da rezultate svog rada prezentuju donosiocima
odluke na neposredan i jasan način. Idealan slučaj, kada isti problem, u interaktivnom radu,
zajedno rješavaju analitičar i donosilac odluke i kada u njihovim međusobnim odnosima
vlada puno povjerenje.
Donošenjem odluke sigurno se želi postići neki cilj. Cilj je željeno stanje sistema, željeni
izlaz ili željeni podskup u prostoru stanja sistema, odnosno izlaza, a najčešće se iskazuje
funkcijom cilja. On se ostvaruje kod realnih sistema u uslovima različitih ograničenja,
koja su posljedica prirode sistema, ograničenosti resursa, tehničkih i tehnoloških
karakteristika mašine, bioloških granica, mogućnosti čovjeka u sistemu čovjek – mašina,
itd. Skup ograničenja, odnosno limitirajućih faktora, najčešće se definiše sistemom
jednačina i/ili nejednačina u kojima figurišu iste nepoznate komponente vektora rješenja,
kao i u funkciji cilja.
107
Odluke mogu biti:

- Strateške – i one su značajnije i sa dugoročnijim posljedicama. Najčešće se odnose na
planiranje i programiranje razvoja, a osnovni kriterijum njihovog vrednovanja je
efektivnost (djelotvornost) sistema. Treba da ih donose najviše poslovno rukovodstvo
ili organi, zakonom ovlašteni za to. I upravo na ovom mjestu dolazi do najvećih razlika
u organizaciji odlučivanja, kod različitih društveno ekonomskih sistema.
- Taktičke – obezbjeđuju realizaciju strateških odluka, dok je osnovni kriterijum
njihovog vrednovanja efikasnost (uspješnost) sistema. Najčešće ih donosi ’srednje’
rukovodstvo, a odnose se u najvećem broju slučajeva na osnovne administrativne
centre odgovornosti u posmatranoj organizaciji.
Operativno rukovodstvo (najčešće u tehničkoj sferi) donosi svakodnevne odluke, čime se

obezbjeđuje osnova za realizaciju obaveza i promjena iniciranih na višim nivoima
odlučivanja. Ova, manje više klasična hijerarhija odluka (ili odlučivanja) prikazana je na
slici 1.4. U zavisnosti od društveno-ekonomskog okruženja, ova šema može imati svoje
različite varijante.
Slika 1.4. Vrste odluka
108
Uticaj vremena kao faktora pri odlučivanju, o čemu je već bilo govora, najbolje se može
sagledati sa slike 1.5, gdje su najprije navedena prosječna raspoloživa vremena za
donošenje strateških i operativnih odluka, a potom procjena (na osnovu trenda) koliko će ta
vremena iznositi u bližoj i daljoj budućnosti.
Godine
Mjeseci
Dani
Strateške odluke
Sati
Operativne odluke
Minuti
1980 1985 1990 1995 2000

Godine
Slika 1.5. Vremenska komponenta različitih vrsta odluka
U klasičnoj teoriji odlučivanja modeli odlučivanja se najčešće prikazuju kao skup vektora
akcija i stanja prirode. Pod akcijom (alternativom) se podrazumijeva ono što donosiocu
odluke stoji na raspolaganju kao mogućnost izbora prilikom odlučivanja. Skup takvih
akcija se često naziva i strategijom).
Posljedice izbora bilo koje akcije koju preduzima donosilac odluke, su zavisne od niza
faktora na koje sam donosilac odluke ne može da utiče. Ti faktori se uopšteno nazivaju
stanjem prirode (ili okolnostima), odnosno predstavljaju stanje komponenti sistema
109
odlučivanja. Za većinu odluka broj kombinacija svih mogućih faktora koji utiču na
posljedice jedne akcije, može biti izuzetno veliki, pa je neophodno posmatrati, odnosno
uzeti u obzir samo faktore za koje se smatra da su značajni.
Izbor jedne akcije je, najčešće, baziran na posljedicama koje donosilac odluke očekuje od
te akcije. Te posljedice, odnosno izlaz iz procesa odlučivanja, zavise od specifičnog stanja
prirode problema i nazivaju se uslovnim izlazom jedne akcije. Za potrebe odlučivanja se
njegove vrijednosti izražavaju nekim kvantitativnim mjerama, od kojih je najčešća novac.
Matrica, koja povezuje uslovne izlaze raspoloživih akcija u zavisnosti od stanja prirode
naziva se tabelom plaćanja.
Primjer 1.1.
Trgovac sitnom tehničkom robom ima mogućnost da nabavi 4 ista uređaja po cijeni od 100
KM/kom. Trgovac očekuje da ih kasnije proda po cijeni od 200 KM/kom, i postavlja sebi
pitanje da li da uopšte uđe u taj posao?
U ovakvim situacijama odlučivanja je potrebno najprije definisati:
1. Akcije, u ovom slučaju postoje dvije:
a1 – ući u posao i
a2 – odbiti posao,
2. Stanja prirode, koja u ovom primjeru nisu ništa drugo nego potražnja za uređajima
od strane potencijalnih kupaca.
Ako se stanja prirode obilježe sa sj (j=1,2,3,4) za ovaj problem odlučivanja se sada lako
može formirati sljedeća tabela plaćanja (Tabela 1.1):
Tabela 1.1: Tabela plaćanja
Stanja prirode
Akcije
s0 s1 s2 s3 s4
a1 -400 -200 0 200 400
a2 0 0 0 0 0
110
Uslovni izlazi za akciju a1 (jer je samo ona praktično interesantna) kreću se, u zavisnosti od
potražnje, do gubitka od 400 KM do dobiti od 400 KM.
Umjesto tabele plaćanja, svaki problem odlučivanja se može iskazati i odgovarajućom
funkcijom plaćanja, koja za ovaj primjer glasi:
P1 = - 400 + 200 xi, xi =0,1,2,3,4
P2 = 0
(ovm prilikom se ne daje odgovor na pitanje, da li trgovac treba da uđe u posao, jer je
svrha primjera samo da objasni način formiranja tabele plaćanja).
Česta je praksa da se posljedice neke akcije za dato stanje izražavaju preko gubitka prilike
ili žaljenja. Žaljenje se definiše kao apsolutna vrijednost razlike plaćanja, koje se posmatra
za izabrano stanje, i plaćanja, koje se prethodno dobije za najbolju akciju.
Primjer 1.2.
Tabelu plaćanja iz primjera 1.1 transformisati u tabelu žaljenja
Tabela 1.2: Tabela žaljenja
Stanja prirode
Akcije
s0 s1 s2 s3 s4
a1 400 200 0 0 0
a2 0 0 0 400 200
Očigledno je da će žaljenje za optimalnu akciju, za dato stanje, biti nula. Za bilo koju
drugu akciju žaljenje će imati neku pozitivnu vrijednost. Tako, na primjer, Ž(s0,a1) = 400
znači da donosilac odluke žali za potrošenih 400 KM, a Ž(s4,a2) = 400 znači da on žali za
propuštenih 400 KM potencijalne zarade. Žaljenje nikad nije negativno i to mu je još jedna
zgodna matematička osobina.
Tabela žaljenja se naravno može iskazati kao funkcija i tada dobija naziv funkcija žaljenja.
U već navedenoj, klasičnoj teoriji odlučivanja smatra se da postoje tri vrste odlučivanja:
1. Odlučivanje pri izvjesnosti – slučaj kada su sve činjenice vezane za stanja prirode
(problema) poznate,
111
2. Odlučivanje pri riziku – slučaj kada je stanje prirode nepoznato, ali postoji objektivna
ili empirijska evidencija o njemu, koja donosiocu odluke omogućava da različitim
stanjima prorode dodijeli odgovarajuće vjerovatnoće nastupanja.
3. Odlučivanje pri neizvjesnosti – slučaj kada je stanje prirode nepoznato i kada su
nepoznate sve informacije na osnovu kojih bi se mogle dodijeliti (odrediti)
vjerovatnoće nastupanja pojedinih stanja.
1.4.3. Tipologija odluka
Razni eksperti iz oblasti odlučivanja na različite načine i vrše njihovu klasifikaciju. Potreba
za klasifikacijom je uglavnom neophodna kako bi se sam proces odlučivanja bolje shvatio i
objasnio.
Jedna od najpoznatijih klasifikacija je ona koju je dao Simon, kada je napravio razliku
između programiranih i neprogramiranih odluka. Po njemu, programirane odluke su
rutinske, stalno se ponavljaju i može se definisati procedura koju treba koristiti za njihovo
donošenje. Neprogramirane odluke su nove (nesvakodnevne), nestrukturirane i značajne.
Ne postoje metode za koje se unaprijed zna da mogu biti korištene, jer i odluke su nove.
Takođe je najčešće nepoznata i precizna priroda i struktura problema, koja je po pravilu
složena, pa je zbog toga i toliko značajno raspolagati sa što je moguće korektnijim
postupkom donošenja odluka. Drucker programiranim odlukama dodaje atribut
„generičkih“, a neprogramiranim atribut „jedinstvenosti“.
Delbecq odluke vidi kao:

1. Rutinske: Organizacija, odnosno grupa se slaže oko željenog cilja, a tehnologija
postoji da bi se taj cilj postigao.
2. Kreativne: Ne postoji saglasnost oko korištenja odgovarajuće metode za rad na
problemu, što često vodi u odsutnost posjedovanja strategije dolaska do rješenja.
3. Pregovaračke: Zbog razlika u normama, vrijednostima (kriterijumima) ili interesima,
suprostavljene strane se međusobno konfrontiraju, pri čemu se biraju ili srednja ili neka
druga rješenja.
Harrison ističe dvije „dimenzije“ odluka: 1) da li pripadaju srednjim rješenjima ili

ekstremnim i 2) da li je odluka bitna za osnovnu misiju koju ima posmatrana organizacija.
112
Mintzberg odluke razvrstava u tri kategorije:

1. Preduzimačke: Okolina odlučivanja je okarakterisana visokim stepenom izvjesnosti.
Izbori (odluka) su motivisani vrlo aktivnim razmatranjima i orijentisani su u pravcu
dugoročnog rasta.
2. Adaptivne: Okolina odlučivanja je takođe okarakterisana visokim stepenom
izvjesnosti, ali su izbori motivisani kratkoročnim ciljevima.
3. Odluke planiranja: Okolina odlučivanja je puna rizika, izbori se vrše na bazi
najpotpunijih razmatranja, a orijentisani su na dugoročne periode.
Harrison navodi da postoje četiri osnovne strategije kojima se može doći do svih, gore
navedenih vrsta odluka.
1. Proračunske strategije: Postoji razumna izvjesnost u uzročno-posljedičnim vezama i
stroge preferencije prema budućim rezultatima.
2. Strategije na bazi procjena: Preferencije prema budućim rezultatima su i ovdje vrlo
jake, ali su uzročno-posljedične veze krajnje neizvjesne.
3. Kompromisne strategije: Postoji prilična izvjesnost u uzročno-posljedičnim vezama,
ali su preferencije prema razultatima manje izražene.
4. Inspiracione strategije: Ove strategije se odnose na situacije kada su preferencije
prema rezultatima slabije izražene, a u uzročno-posljedičnim vezama postoji značajna
neizvjesnost.
Na kraju ove analize o najpoznatijim tipologijama odluka, potrebno je naglasiti da su

korištene reference uglavnom starijeg datuma. Međutim, navedene tipologije su i danas
aktuelne i mnogi današnji autori se pozivaju na njih. Uostalom, za svoju analizu vrsta
odluka (kao i za pridruženi model procesu odlučivanja) Simon je svojevremeno dobio
Nobelovu nagradu.
113
1.5. Faze procesa odlučivanja
Analizirajući brojnu literaturu iz teorije odlučivanja, može se doći do zaključka da većina

autora na različit način definiše broj i obim faza koje čine proces odlučivanja. Naravno, svi
oni imaju neke zajedničke (ključne) faze.
Po Lee-u i Mooree-u, proces odlučivanja se sastoji iz četiri osnovne faze (Slika 1.6). U
prvoj fazi problem treba formulisati što je moguće korektnije, jer poznata je istina da je
dobro definisan problem upola riješen. Međutim, kako je to po pravilu najdelikatniji dio
rješavanja problema, nije rijedak slučaj da se proces formulisanja problema proteže čak i
do faze dobijanja rješenja. Naravno, to znači da je problem koji se rješava takve prirode da
je podložan stalnim modifikacijama i redefinisanjima. Svaka procedura formulisanja
problema uobičajeno se sastoji iz sljedećih elemenata:
1. Period orijentisanja, kada donosilac odluke treba da stekne opštu sliku o problemu.
2. Definisanje komponenti problema, kao što su:
a. Donosilac odluke mora posjedovati autoritet za pokretanje, modifikovanje i

određivanje politike upravljanja sistemom ili organizacijom,
b. Kriterijumi odlučivanja čije određivanje možda predstavlja najvažniji faktor u

analizi odlučivanja. Svaki donosilac odluke mora raspolagati određenim
skupom kriterijuma koje želi da zadovolji u cilju rješavanja problema. Najčešće
donosilac odluke razmatra dvije vrste kriterijuma:
i. One koji su već dostignuti i koje treba zadržati na istom nivou i
ii. One koje treba dostići sa većim nivoom od već ostvarenog.
c. Okruženje, kao što su ekonomski sistem, način upravljanja i poslovanja,
kadrovi, sve vrste resursa, ekološka politika...
d. Alternativne akcije koje donosiocu odluke stoje na raspolaganju. Ako one ne

postoje nema ni problema odlučivanja.
114
Slika 1.6. Proces odlučivanja
U drugoj fazi, za formulisani problem treba kreirati odgovarajući model, što takođe
predstavlja važnu i ujedno vrlo kritičnu fazu naučnog odlučivanja. Razvijanje modela
omogućava analizu razumijevanja problema koji se rješava, sa svim njegovim logičkim
115
vezama, kompleksnošću, specifičnim karakteristikama i mogućim neizvjesnostima.

Najčešće, u fazi rješavanja modela, dolazi da trenutaka kada se model mora modifikovati.
Kada je model definisan u sljedećoj se fazi traži (optimalno) rješenje, tj. one varijable
odlučivanja koje optimiziraju date kriterijume (ciljeve) odlučivanja. Ponekad, optimalno
rješenje nije moguće odrediti analitičkim putem, već se traži tzv. aproksimativni optimum,
najčešće nekom numeričkom procedurom koja se obično sastoji iz sljedećih osnovnih
koraka:
- Dodijeljivanje nekih vrijednosti varijablama odlučivanja u modelu,
- Upoređivanje rješenja modela,
- Određivanje skupa vrijednosti varijabli odlučivanja koje dostižu najbolje rješenje.
U slučajevima kada rješenje nije moguće dobiti analitičkim ni numeričkim putem, najčešće
se koristi simulacija.
Posljednja faza procesa odlučivanja najčešće zahtijeva prevođenje rješenja, dobijenog u

trećoj fazi, u skup upravljačkih politika ili operativnih procedura koje operativni menadžeri
lako mogu primjeniti. U ovoj fazi je važno istaći i nužnost uvođenja i sprovođenja
kontrolnog procesa, koji bi uvijek bio u stanju da ažurira razvijeni model.
Po Rowe-u, model odlučivanja u stvari pretpostavlja da donosilac odluke treba samo da

odgovori na seriju pritisaka (Slika 1.7)
116
Slika 1.7. Proces odlučivanja
Model se može proširiti tako da se ponašanje grupe (ili cijele organizacije) posmatra kao
skup jednog broja interaktivnih varijabli kao što su:
- Članovi (grupe) sa svojim stavovima, znanjima, vještinama i sposobnostima,

- Zadaci koji opisuju prirodu posla sa varijablama koje se na njega odnose,
- Struktura koja između ostalog definiše i interne kontrole organizacionog podsistema,
- Rukovodilac, sa svojim vještinama, sposobnostima i ostalim ličnim karakteristikama,
- Okruženje, sa brojnim varijablama većih organiracionih sistema i društva kao cjeline.
Kada donosilac odluke treba da riješi neki problem, model dat na slici 1.8. se može
iskoristiti radi opisivanja njegovog ponašanja i odgovora na taj problem. Mada model sa
slike 1.8. daje pojednostavljeni opis sprovođenja odluka, on ipak predstavlja činjenicu da
se odlučivanje sastoji od jednog broja faza i da u sebe uključuje više nego samo izbor
između pojedinih alternativa. On pokazuje da dvije vrste faktora, tj. ponašanje i analitički
faktori moraju biti uključeni i razmatrani u cilju usaglašavanja sa konkretnim opisom
odlučivanja.
117
Slika 1.8. Faze procesa odlučivanja
118
Iako model odlučivanja treba da obuhvati racionalne aspekte i aspekte ponašanja u

odlučivanju, ovakav model često ne objašnjava šta se dešava u stvarnom odlučivanju. Na
primjer on pretpostavlja da se racionalni izbor može napraviti između konfliktnih
vrijednosti i da je problem rješavanja u stvari problem redosljeda. On takođe sugeriše da
donosilac odluke može rangirati sve skupove posljedica. Naravno, ljudsko biće nikad ne
može riješiti probleme na potpuno racionalna način.
Postoji sve više saznanja, da su faktori ponašanja možda značajniji od analitičkih, u poslu
donošenja odluka. Zbog toga je dužnost svakog rukovodioca da adekvatno uravnoteži ova
razmatranja i da ne padne u zamku mišljenja da će ga jedino posjedovanje prave
informacije ili prave analize dovesti do dobre odluke.
Iz ovoga proizlazi da, bez obzira na strogo kvantitativnu orijentaciju, u pojedinim

situacijama (fazama) odlučivanja ne treba bježati ni od neanalitičkog načina donošenja
odluka. Posmatrajući odlučivanje kao socijalni problem, Wroom i Jago, najprije prave
razliku između problema (odlučivanja) grupe i pojedinca. Ako rješenje dobijeno iz procesa
odlučivanja ima potencijalne efekte na sve neposredno potčinjene ili na neki njihov
podskup, riječ je o problemu grupe. Ako pak, rješenje utiče samo na jednog potčinjenog
radi se o problemu pojedinca.
Potom, isti autori, na tabelarni način prikazuju proces odlučivanja za oba tipa problema.
Svaki proces je predstavljen simbolom:
A – se odnosi na autokratske,
K – se odnosi na konsultativne,
G – se odnosi na grupne,
D – se odnosi na delegatske,
procese (odlučivanja). Svaki od procesa ima svoje varijante, obilježene rimskim brojevima.
Alternativni procesi navedeni u tebeli 1.3. mogu se koristiti na normativni ili na
deskriptivni način.
119
Tabela 1.3: Procesi odlučivanja
Problemi pojedinaca Problemi grupa
Vi rješavate problem ili odlučujete sami, Vi rješavate problem ili odlučujete sami,
AI koristeći raspoložive informacije u AI koristeći raspoložive informacije u
datom trenutku datom trenutku
Vi dobijate bili koju informaciju od Vi dobijate bili koju informaciju od

potčinjenog, a potom odlučujete o potčinjenog, a potom odlučujete o
rješenju sami. Možete, ali ne morate, rješenju sami. Možete, ali ne morate,
obatijestiti potčinjenog o problemu obatijestiti potčinjenog o problemu
prilikom prikupljanja informacija. Uloga prilikom prikupljanja informacija. Uloga
AII AII
koju igra potčinjeni u odlučivanju je, koju igra potčinjeni u odlučivanju je,
jasno, samo u obezbjeđivanju specifične jasno, samo u obezbjeđivanju specifične
informacije koju potražujete, a ne u informacije koju potražujete, a ne u
generisanju ili procjeni alternativnih generisanju ili procjeni alternativnih
rješenja. rješenja.
Vi dijelite problem sa odgovarajućim

Vi dijelite problem sa odgovarajućim potčinjenim primajući njegove ideje i
potčinjenim primajući njegove ideje i sugestije, a da pritom potčinjeni ne
KI sugestije. Potom sami donosite odluku. KI pradstavljaju grupu. Potom sami
Ta odluka može, ali ne mora biti donijeta donosite odluku. Ta odluka može, ali ne
pod uticajem vašeg potčinjenog. mora biti donijeta pod uticajem vašuh
potčinjenih.
Vi dijelite problem sa odgovarajućim

potčinjenim, zajedno analizirate problem
Vi dijelite problem sa sa vašim
i dolazite do uzajamno zadovoljavajućeg
potčinjenim na sastanku grupe. Na tom
rjašenja u atmosferislobodne i ostvarene
sastanku vi dobijate njihove ideje i
GI razmjene informacija i ideja. Obojica KII
sugestije. Potom sami donosite odluku,
učestvujete u rješavanju problema, sa
koja može, ali ne mora, biti donijeta pod
odgovarajućim doprinosom svakog, koji
uticajem vaših potčinjenih.
zavisi od znanja, a ne formalnog
autoriteta.
Vi dijelite problem sa vašim potčinjenim

koji predstavljaju grupu. Zajedno
generišete i procijenjujete alternative i
Vi delegirate problem jednom od vaših
pokušavate da rješenje dobijete
potčinjenih, obezbjeđujući ga sa bilo
koncenzusom. Vaša uloga je više uloga
kojom relevantnom informacijom kojom
presjedavajućeg, koordinatora diskusije,
DI raspolažete. Potom mu dodijeljujete GI
koji vodi računa o problemu i pazi da se
odgovornost za rješavanje tog problema.
diskutuje o bitnim elementima. Ne
Bilo koje rješenje da dobije ta osoba
smijete uticati na grupu da prihvati vaše
mora imati vašu podršku.
rješenje i morate biti spremni da
prihvatite i primjenite bilo koje rješenje
koje ima podršku cijele grupe.
120
U formalnoj upotrebi oni konstituišu diskretne alternative koje stoje na raspolaganju upravi
ili donosiocu odluke, koji su po svoj prilici motivisani da izaberu alternativu koja ima
najveću vjerovatnoću da ostvari efektivne rezultate.
Marjanović, poslije analize izvjesnog broja raznih procesa odlučivanja, zaključuje da taj
proces ne može biti univerzalan, već da se mora formirati od slučaja do slučaja odlučivanja
(Slika 1.9).
Razloge za to nalazi u:
- Različitom stepenu opravdanosti potreba,
- Različitim ciljevima,
- Različitim mogućnostima,
- Različitom stepenu i načinu međusobnog prigagođavanja potreba i mogućnosti.
Zatim isti autor zapaža da postoje različite varijante oblika procesa odlučivanja i usvaja da
proces donošenja odluke treba proučavati po sljedećim fazama:
- A – postavljanje ciljeva koje treba postići odlukom,
- B – određivanje rezultata koje treba ostvariti,
- C – definisanje problema koje treba riješiti,
- D – podaci i informacije potrebni za odlučivanje,
- E – analiza podataka,
- F – predviđanje,
- G – formiranje rješenja,
- H – formiranje odluke.
Šema procesa donošenja odluka sa navedenim fazama prikazana je na slici 1.9.
Mora, međutim, smatra da „svaka odluka, kao rezultat analize stanja iz prošlosti (kroz bazu
podataka) i koja je usmjerena na postizanje nekog cilja, nosi u sebi posljedice koje će biti
poznate tek u budućnosti“. Svaka odluka je zbog toga veza između prošlosti i budućnosti
(Slika 1.10).
121
122
Slika 1.10. Vremenska dimenzija odlučivanja
Simon navodi tri faze odlučivanja:
1. Obavještavanje: o problemu za koji treba donijeti odluku. U ovoj fazi se istražuje

okruženje, prikupljaju i obrađuju podaci i vrše ostala potrebna istraživanja radi
identifikacije problema.
2. Projektovanje: u smislu određivanja i analize mogućih alternativa ili akcija. To
podrazumijeva proces razumijevanja problema, generisanja rješenja na dozvoljivost.
3. Izbor: određene akcije iz skupa raspoloživih. U toj fazi Simon je podrazumijevao i
primjenu, a zbog svog značaja ona je kasnije izdvojena kao posebna (četvrta) faza
svakog procesa odlučivanja.
Ovom modelu Simon je dodao i doprinose ostalih naučnih disciplina koje u pojedinim
fazama odlučivanja igraju značajnu ulogu: menadžment informacioni sistemi (MIS),
elektronska obrada podataka (EOP), menadžment teorije (MT) i operaciona istraživanja
(OI). Svemu tome Sprague dodaje i naglašava ulogu koju u savremenim procesima
odlučivanja imaju tzv. sistemi za podršku odlučivanju (SPO), za koje smatra da su do sada
najpotpunija pomoć donosiocima odluka (Slika 1.11).
123
Iz svega što je do sada rečeno o procesu donošenja odluka, jasno se vidi da različiti autori
ovom problemu prilaze na različite načine. Bez pretenzija da se sljedećim pristupom iskaže
i posljednja riječ u definisanju faza procesa odlučivanja, Čupić i ostali ipak smatraju da je
broj i značaj sljedećih faza najpotpuniji:
1. Evidentiranje problema – u prvoj fazi se očigledno prodrazumijeva da postoji veći

broj problema, za koje se mora donijeti neka odluka.
2. Rangiranje problema – dolazi u obzir u situacijama kada je očigledno da svi problemi

ne mogu biti rješavani u istom vremenskom periodu. Pri tome se misli na sve vrste
rangiranja, počevši od intuitivng do korištenja vrlo komplikovanih metoda
višekriterijumske analize.
3. Definicija problema – predstavlja jednu od najvažnijih faza procesa odlučivanja.

Njome treba da se obezbjede svi elementi neophodni za kasniju fazu gradnje
124
(formiranja) modela. Pomenuti elementi se sigurno razlikuju od problema do problema,

ali oni najbitniji su:
a. Dekompozicija problema,
b. Nivo detaljisanja u kojem će problem biti rješavan,
c. Kriterijumi u odnosu na koje će se mjeriti efektivnost rješenja.
4. Sakupljanje činjenica, odnosno formiranje baze relevantnih podataka za definisani

problem. Ako za posmatrani problem takva baza podataka ne postoji, do nje je
potrebno doći pažljivo planirajući odgovarajuće istraživanje.
5. Predviđanje budućnosti – zbog činjenice sa će danas donijeta odluka biti realizovana

(sa svim posljedicama) u nekom budućem okruženju. Ovu fazu procesa odlučivanja
mnogi autori jednostavno izostavljaju, ili zbog činjenice da se sama po sebi
podrazumijeva ili je pripajaju narednoj fazi, pogotovo ako je riječ o tzv. prediktivnim
modelima.
6. Formiranje modela, kada se za konkretni problem definišu interakcije između

kontrolabilnih i nekontrolabilnih varijabli, kao i odgovarajući kriterijumi efektivnosti
rješenja.
7. Rješavanje problema (modela) – prije svega se misli na određivanje numeričkog ili

analitičkog načina rješavanja problema (modela). Na ovom mjestu je posebno važno
naglasiti da rješavanju problema (odgovarajućim metodama i tehnikama) treba prići na
taj način da se obezbjedi dobijanje odgovarajućeg broja alternativnih rješenja, kako bi
jedna od osnovnih pretpostavki iz definicije odlučivanja bila zadovoljena.
8. Vrednovanje rezultata se odnosi na provjeru slaganja dobijenih rezultata (primjenom

odgovarajućih metoda i tehnika na razvijene modele) sa očekivanim rezultatima realnih
sistema.
9. Donošenje odluke – nema odluke, odluka se, naravno, donosi kada dobijene rezultate
iz jedne od alternativa možemo prihvatiti, dok u suprotnomslučaju ili se problem ovom
metodologijom ne može riješiti ili se vraćamo na neku od prthodnih faza, na određene
125
korekcije i dopune. Mada se praktično u svim fazama može lako pogrešiti, ipak su
najčešće i najtipičnije greške u fazi modeliranja.
10. Kontrola izvršenja – kada se odluka (na osnovu dobijenih rješenja) donese, posebna
pažnja se mora posvetiti kontroli njenog izvršenja.
11. Analiza posljedica izvršenja odluke – sada je riječ o konkretnim posljedicama na

realni problem, kada te posljedice mogu biti ne samo loše nego i neispravljive. I tada,
naravno, treba vršiti određene analize kako se iste greške ne bi ponavljale u nekoj
sličnoj situaciji.
126
EVIDENTIRANJE
PROBLEMA
RANGIRANJE
PROBLEMA
DEFINISANJE
ILI
PROBLEMA
SAKUPLJANJE
ILI
ČINJENICA
PREDVIĐANJE
BUDUĆNOSTI
FORMIRANJE
ILI
MODELA
RJEŠAVANJE PROBLEMA –
MODELA
ODGOVARAJUĆIM
METODAMA I TEHNIKAMA
VREDNOVANJE
REZULTATA
DONOŠENJE NEMA
ODLUKE ODLUKE
KONTROLA
IZVRŠENJA
ANALIZA
POSLJEDICA
127
Na slici 1.12, manji okvir, koji obuhvata tri faze (predviđanje, formiranje modela i
rješavanje) ukazuje da ih mnogi autori u stvari i ne razdvajaju. Ovdje je to ipak učinjeno,
jer se time ukazuje na neke bitne karakteristike procesa odlučivanja. Povratna sprega, od
situacije kada odluku nismo u stanju da donesemo, naravno može da ide i do svake
pojedinačne faze iz ovog okvira.
Za ovako definisani proces odlučivanja lako je uočiti da se iz domena činjenica, tj.

stvarnog okruženja, kroz faze predviđavnja i modeliranja premještamo u buduće okruženje,
da bi donijetu odluku (prethodno riješenu i vrednovanu) verifikovali u sadašnjem vremenu.
Šematski prikaz navedene vremenske dimenzije procesa odlučivanja kroz sintetizovane
faze procesa prikazan je na slici 1.13.
Slika 1.13. Vremenska komponenta odlučivanja
128
1.6. Modeli i modeliranje
Jedna od faza u procesu donošanja odluke pripada i formiranju modela za probleme koji se
rješavaju. Ako se malo bolje pogleda kratak pregled o tome šta pojedini autori
podrazumijevaju pod procesom donošenja odluke, lako će se uočiti da svi ti procesi sadrže
fazu formiranja modela, odnosno modeliranja. Pri tome vrsta i broj ostalih faza variraju od
slučaja do slučaja. Takva jedna činjenica nedvosmisleno ukazuje na značaj koji se
formiranju modela pridaje od strane nojh koji se bave problemima odlučivanja.
1.6.1. Modeli
Riječ model se u savremenom svijetu koristi praktično svakodnevno. Najčešće se pod tim
podrazumijeva apstrakcija nečeg za šta mi vjerujemo da postoji kao dio realnosti. Nije
neophodno da bude izražen u eksplicitnoj formi, međutim, upravo ta forma (ukoliko je
moguće do nje doći) može imati značajan (presudan) udio u boljem odlučivanju. I naravno
ne samo u odlučivanju. Rivet ukazuje da su svi naučnici saglasni da je ključna aktivnost
svake naučne metode kreiranje modela.
Rivet posebno ukazuje da se prapočeci modeliranja, za koje postoje pisani dokazi, mogu
naći još u vavilonskoj civilizaciji (početkom 750. godine prije nove ere). Naravno riječ je o
astronomskim modelima, koje su potom preuzeli i usavršili velikani grčke civilizacije,
uvodeći u njih razne mehaničke procedure kojima su opisivali kretanje planeta (Aristotel).
Modeli su veoma široko korišteno sredstvo za opis, objašnjenje, predviđanje i upravljanje

pojavama u realnom svijetu i predstavljaju sintetsku apstrakciju realnosti. Spektar njihove
složenosti se kreće od vrlo jednostavnih do izuzetno složenih matematičkih modela, a
zajednička karakteristika im je da nikada ne mogu biti potpuno vijerna slika realnosti (slika
u ogledalu). Modeli moraju obuhvatiti samo bitne osobine pojave koju predstavljaju, a da
pri tome zanemare čitav niz detalja te iste pojave. Saznajna vrijednost modela je bazirana
na činjenici, da je rijetko potrebno znati sve o nekoj pojavi, već jedino veličine koje su
bitne za dati nivo apstrakcije u analizi date pojave.
U tom smislu se ističu koristi od upotrebe modela:
1. Omogućavaju analizu i eksperimentisanje sa složenim problemima.
129
2. Obezbjeđuju ekonomisanje resursima koji se koriste za analizu date pojave.

3. Vrijeme za analizu date pojave se značajno smanjuje.
4. Obezbjeđuje se koncentracija na bitne karakteristike pojave.
Koliko su navedeni elementi o značaju korištenja modela bitni za procese odlučivanja nije
ni potrebno naglašavati.
Naravno, pri formulisanju odgovarajićih modela lako se može dogoditi da se ispusti neka
od bitnih karakteristika pojave koja se njime opisuje, pa bi onda slika jednog takvog
problema bila „iskrivljenija u ogledalu“ nego što je to dozvoljeno. Zbog toga, faza
modeliranja u procesu odlučivanja i predstavlja kritičnu tačku sa kojom treba biti izuzetno
oprezan. Onog momenta kada se ta faza procesa odlučivanja uspiješno pređe, drastično se
smanjuje rizik donošenja pogrešne odluke.
Zbog toga Rivett ide korak dalje u definisanju modela. Naime, on smatra, da su model,
odnosno hipoteze, „skup logičkih relacija, bilo kvalitativnih bilo kvantitativnih, koje će
zajedno povezati relevantne karakteristike stvarnosti bitne za problem koji se rješava“. Ta
logička relacija se simbolički može iskazati kao:
f(x1, x2,..., xm; y1, y2,..., yn) (1.1)
gdje su varijable x kontrolabilni faktori, a varijable y nekontrolabilni faktori. Na ovom
mjestu još jedanput treba naglasiti, da gornji iskaz ne mora po pravilu da bude
matematička formula (i ako to na prvi pogled tako izgleda).
Kontrolabilni faktori su oni kojima se može na različitim nivoima upravljati, dok postoje
dvije vrste nekontrolabilnih faktora. Jedni su takvi zbog svoje prirode (njima se, naime, ne
može upravljati ni na koji način ), dok su drugi u suštini kontrolabilni, ali ne od onih koji
njima treba da upravljaju, već od tzv. oponenata (protivnika). Iz različitih definicija kojima
je model ovdje opisan, a imajući na umu i osnove teorije upravljanja, jasno je da je bitna
komponenta modela još uvijek izostavljena.
Modeli se, naime, najčešće prave (definišu, konstruišu) radi rješavanja nekih realnih
problema koji u svojoj suštini najvjerovatnije predstavljaju želju za postizanjem
(dostizanjem) nekog cilja, odnosno ciljeva. Zbog toga se za problem koji se rješava može
napisati jedna ili možda veći broj funkcija sljedećeg tipa:
130
K = F(x1, x2,..., xp; y1, y2,..., yq) (1.2)

gdje je K mjera tog cilja, odnosno kriterijuma. Takva funkcija se s toga i naziva
kriterijumskom funkcijom ili funkcijom odlučivanja. Zadatak donosioca odluke je da
predvidi vrijednosti varijabli y, a potom da izabere (odredi) vrijednosti varijabli x, tako da
funkcija kriterijuma ili dostigne svoj ekstrem (u slučaju optimizacije) ili neku
zadovoljavajuću vrijednost (u slučajevima tzv. zadovoljavajućeg pristupa).
1.6.2. Vrste modela
Imajući na umu vrlo široku definiciju modela (aproksimacija realnog svijeta) sasvim je
razumljivo da je do sada razvijen i ogroman broj različitih modela. Zbog toga je i njihova
konačna sistematizacija praktično nemoguća, a za naše potrebe opredijelili smo se za dvije
najkompletnije podjele.
Star svojim drvetom modela u stvari slijedi osnovna razmišljanja koja nastaju u procesu
formiranja modela. Po njemu „nije odviše bitno kojom se granom drveta krećemo, već je
mnogo značajnije da na svakoj grani, odnosno na svakom nivou te grane, vršimo aktivnost
poznatu pod imenom analize odlučivanja“ (Slika 1.14).
Petrić i drugi klasifikuju modele prema šest, a Tersine prema osam osnovnih
karakteristika (Tabela 1.4).
1.6.3. Modeliranje
Kod uobičajenog načina formiranja modela, po Rivettu, polazi se od realnog problema za

čije se potrebe model i formira. Taj realni problem bi trebalo da bude:
1. Primjetljiv, tj. mora biti takav da se mogu u očiti i razumjeti njegove osnovne osobine
i efekti. Za pomenute osobine moraju se u modelu realnog problema pronaći
mogućnosti predviđanja tih osobina u budućnosti.
2. Mjerljiv, tj. za uočene osnovne osobine mora se obezbjediti mogućnost njihovog što je
moguće tačnijeg mjerenja.
3. Sistemski, tj. za posmatranu realnost mora postojati kompleksna simultana interakcija
između skupa uzroka, koji definišu realni problem, i skupa efekata koji ga karakterišu.
131
Subjektivni Objektivni
Konkretni Apstraktni
Bayes-ovske
Intuitivni
ocjene
Kvalitativni, Kvantitativni u obliku, formi Kvantitativni; različite skale

verbalni i dimenziji mjerenja
Mišljenje Simulacija Analitički Simulacija
Mišljenje Normativni Deskriptivni Normativni Deskriptivni
Mišljenje Iterativni Iterativni Iterativni Direktni
Statički ili Statički ili Statički ili

Dinamički Dinamički
dinamički dinamički dinamički
Statički modeli Modeli planiranja

(primjena) (primjena)
Računar Računar
Uprvljački modeli Primjena Primjena
Slika 1.14. Drvo modela (upravljanja i odlučivanja)
132
Tabela 1.4: Karakteristike modela
Redni Karakteristike
Modeli
broj modela
- Deskriptivni (mape, šeme, završni računi)
Prediktivni (simulacioni, regresioni, modeli simultanih

1 FUNKCIJE
jednačina, PERT, redovi čekanja
Normativni (LP modeli, modeli matematičkog
programiranja)
Ikonički (modeli atoma, hidrograđevinskih objekata)
Analogni (graf sistema, PERT mreže, modeliranje na

2 STRUKTURA
analognom računaru)
Simbolički (simulacioni modeli, modeli matematičkog
programiranja)
Deterministički - izvjesnost (vjerovatnoće nastupanja
stanja prirode su 1)
Rizik (nepoznata stanja, ali poznate vjerovatnoće
STEPEN nastupanja stanja)
3
SLUČAJNOSTI
Neizvjesnost (nepoznata buduća stanja, nepoznate
vjerovatnoće njihovog nastupanja)
Konflikt (modeli planiranja i predviđanja, igre)
Statički (relacije između objekata nezavisne su od
VREMENSKA vremena)
4
ZAVISNOST
Dinamički (postoji vremenska zavisnost varijabli)
Specijalizovani (za specifične probleme)

5 OPŠTOST
Opšti (linearno programiranje, redovi čekanja)
Kvalitativni (izražavaju se formalnim jezicima, a rezultati

su im numerički)
Kvantitativni (koriste formalni matematički jezik -
relacije)
Statistički (regresioni, redovi čekanja Markovljevi
a
STEPEN lanci i sl.)
6
KVALIFIKACIJE
b Oprimizacioni (izbor najbolje alternative)
Heuristički (rješenja zadovoljavaju iskustvo, ne

c
moraju biti optimalni)
Simulacioni (eksperimentisanje na računarskom
d
modelu)
Dvodimenzionalni
7 DIMENZIONALNOST
Višedimenzionalni
Zatvoreni
8 ZATVORENOST
Otvoreni
133
Poslije definisanja realnog problema vrši se formiranje i klasifikovanje skupa uzroka

(karakterističnih za posmatrani problem), skupa stanja sistema (sistemi koji se modeliraju
najčešće su kontinualni, ali se mogu ponašati i kao step funkcije) i skupa kriterijuma kao
jednog od ključnih elemenata procesa modeliranja.
Navedena tri skupa su ulazni elementi faze povezivanja hipoteza, pod kojima se najčešće
podrazumijeva skup kvalitativnih logičkih iskaza, odvojenih, najčešće u početnoj fazi, od
kvantitativne analize podataka (mada ponekad mogu biti i direktna posljedica takve
analize).
Potom se na osnovu svega što je prethodilo, vrši predviđanje skupa stanja realnog sistema,
da bi se ono zatim usporedilo sa stanjem realnosti. Sasvim je izvjesno da to predviđanje
nikad ne može biti u tačnoj korespodenciji sa realnošću, pa je u ovoj fazi zbog toga vrlo
značajno korištenje statističkih metoda testiranja hipoteza.
Ako razlike nisu takve da zahtijevaju neprihvatanje osnovnih hipoteza, mora se sprovesti
test zadovoljenja skupa kriterijuma, da bi se vidjelo kako će eventualno izabrana akcija
uticati i poboljšati stepen zadovoljenja (postizanja) kriterijuma. Ukoliko razlike nisu
prihvatljive vrši se revizija osnovnih hipoteza i faze se ponavljaju do konačnog prihvatanja
adekvatnih akcija (alternativa).
Navedeni proces modeliranja dat je na slici 1.15.
Drugi, brojni autori iz ove oblasti u svojim viđenjima procesa modeliranja dodaju, odnosno
oduzimaju pojedine faze, ili najčešće samo neke elemente samih faza, dajući određene
doprinose u iskazivanju onog što je ovom prilikom možda i neprecizno definisano. Ipak, te
izmjene ni najmanje ne umanjuju opštost, korektnost i značaj iznijetog i objašnjenog
procesa modeliranja, a ostali pristupi se ostavljaju zainteresovanim čitaocima za dublje
analize.
134
Realnost Klasifikacija skupa

uzroka
Klasifikacija skupa stanja

sistema
Skup kriterijuma Povezivanje hipoteza Revizija hipoteza
Predviđanje stanja iz
uzroka
Uspoređivanje sa
realnošću
Klasifikacija skupa stanja
sistema
NE
DA
Da li se poređenjem hipoteze
mogu dopuniti?
NE
Prihvatljiv?
DA
Prihvatljivo Nije prihvatljivo
Akcija Kontrolisati realnost
Slika 1.15. Proces modeliranja
135
Kada je riječ o formiranju matematičkih modela, suština procesa je ista uz izvjesne

specifičnosti:
1. Definicija ciljeva u skladu sa zadatim vremenskim i troškovima ograničenja.
2. Planiranje istraživanja sa vremenskim planom, planom angažovanja kadrova i
planom troškova.
3. Formulacija problema, kao ključna faza procesa modeliranja. U nizu elemenata o
kojima se ovom prilikom mora vodoti računa, posebno se ističe značaj dekompozicije
problema (na određeni manji broj problema) i problema utvrđivanja kriterijuma u
odnosu na koji će se mjeriti efektivnost rješenja.
4. Gradnja konkretnog modela, kao interakcije kontrolabilnih i nekontrolabilnih
varijabli, s jeden strane i kriterijuma efektivnosti rješenja, s druge strane.
5. Izbor metode rješavanja, tj. određivanje numeričkog ili analitičkog načina rješavanja
modela (poglavlje 1.7).
6. Programiranje i testiranje, jer su realni problemi takvih dimenzija da ih je nemoguće
rješavati ručnim putem.
7. Prikupljanje podataka, i to kako za testiranje programa razvijenih u prethoj fazi, tako
i za praktičnu primjenu modela u fazi implementacije.
8. Validacija, koja se vezuje za provjeru slaganja rezultata modela sa realnim sistemom
pri čemu se vrši provjera konzistentnosti, osjetljivosti i primjenjivosti modela u praksi.
9. Implementacija, tj. uvođenje modela u praktičnu primjenu.
1.6.4. Modeli odlučivanja
Sve što je rečeno o modelima, vrstama modela i procesu modeliranja je, naravno, prisutno i
kod modela odlučivanja. Zbog toga se u ovom poglavlju neće ponavljati.
Skreće se pažnja samo na jednu specifičnu vrstu modela odlučivanja, i to samo zbog toga
što većina onih koji nešto znaju o teoriji odlučivanja, praktično je cijelu identifikuju sa tim
modelima.
U klasičnoj teoriji odlučivanja, modeli se najčešće prikazuju kao skup vektora:

- alretnativa (akcija ili strategija) a,
- mogućih okolnosti (ili stanja prirode) s.
136
Izbor određene akcije ai, (i=1,2,..., m), u datim okolnostima sj, j=1,2,..., n) obezbjeđuje
određene efekte eij.
Matrica sadrži mxn rješenja sa raznim stepenom efikasnosti, od kojih treba izabrati ono
koje je optimalno. Izbor takvog rješenja se naravno vrši odgovarajućim metodama i
tehnikama.
Tako definisan model se najčešće prikazuje tzv. matricom efikasnosti (Tabela 1.5).
Tabela 1.5: Matrica efikasnosti
Moguće okolnosti
Alternative
s1 s2 ... sn
a1 e11 e12 ... e1n
a2 e21 e22 ... e2n
. . . ... .
. . . ... .
. . . ... .
am em1 em2 ... emn
1.7. Izbor metoda i tehnika
U prethodnom poglavlju je o rješavanju formulisanih problema rečeno da se to najčešće

radi korištenjem odgovarajućih metoda i tehnika. U literaturi se pojmovi metoda i tehnika
često zamijenjuju iako se oni međusobno razlikuju.
Pod metodom se podrazumijeva skup pravila u izvođenju ili obavljanju nekog posla, čija
primjena omogućava ostvarenje određenog cilja. Pod tehnikom se podrazumijeva skup
pravila u izvođenju ili obavljanju nekog posla, naročito s obzirom na upotrebu tehničkih
sredstava.
Za potrebe rješavanja različitih modela (problema) odlučivanja razvijen je izuzetno veliki

broj metoda i tehnika. Većinu njih (naročito optimizacionih) na vrlo pregledan način
sistematizovali su Dunn i Ramsing u knjizi „Management Science (A Practical Approach
to Decision Making)“.
137
Prva faza u izboru metoda i tehnika je definisanje njegovih koraka. Po navedenim autorima
to su (Slika 1.16):
- identifikovanje ključnog donosioca odluke,

- određivanje kriterijuma rješenja problema,
- specificiranje problema,
- identifikovanje korisnih podataka,
- izbor kataloga primjenjivih metoda ili tehnika sa kriterijumima izbora,
- predstavljanje inicijalnog modela upravljaču,
- prikupljanje primarnih podataka,
- razvoj modela za testiranje,
- predstavljanje rezultata upravljaču i
- provjera i ako je potrebna i ispravka modela.
Pomenuti koraci su grafički prikazani na slici 1.16. (Ovdje se pod upravlječem

podrazumijeva donosilac odluka, tj. razni nivoi rukovodstva, itd.).
U prvom koraku se vrši identifikovanje ključnog donosioca odluke, njegovih znanja o

metodama i tehnikama, kao i njegovog odnosa prema analitičarima, tj. onima koji su
zaduženi za rješavanje problema. Taj odnos, mora biti odnos punog povjerenja, a direktno
zavisi od tipa organizacije.
Potom se (korak 2) određuju kriterijumi za rješavanje problema, tj. donosilac odluke mora
tačno znati šta želi da postigne i kakve su mu informacije za to potrebne.
U koraku 3 se vrši definisanje (specificiranje) problema, tj. sagledavaju se svi parametri

vezani za problem u jednom vremenskom periodu. Traži se informacija o pretpostavkama
problema, ograničenjima odluke, vremenskom kriterijumu i kriterijumu plaćanja. Postupak
specificiranja problema se daje kroz jedan upitnik (tabela 1.6). Odgovori na pitanja iz
upitnika (makar on i ne bio potpun) kompletiraju našu predstavu o problemu, čime se
ispunjavaju osnovni uslovi za dobro definisanje problema.
138
U četvrtom koraku se ispituje korisnost raspoloživih podataka. Podaci koji će se koristiti

ne smiju biti površno prikupljeni ili pogrešno izmjereni, već moraju biti reprezentativni i
kompetentni (tačni i ažurni).
Identifikovanje ključnog
donosioca odluke
Identifikovanje
Specificiranje problema i
kriterijuma za izbor
kriterijuma
modela
Izbor početnih podataka
Definisanje upravljačkog
Izbor kataloga tehnika Izbor najboljeg rješenja
zadatka
NE
Razvijanje modela
Da li postojeći model zadovoljava

Rezultati
potrebe onih koji upravljaju?
DA
Primjena modela
Slika 1.16. Koraci u izboru metoda ili tehnika
139
Tabela 1.6: Upitnik za postupak specificiranja problema
I Pretpostavke
1. Koje pretpostavke se mogu učiniti o problemu?
2. Koje pretpostavke najviše ograničavaju?
3. Šta je baza svake pretpostavke?
4. Da li su pretpostavke kompletne?
5. Da li neko drugi može revidirati pretpostavke?
6. Koje su varijable uključene?
II Ograničenja odluka
1. Da lu su neke specifične akcije već ranije identifikovane?
Ako jesu, da li će oni koji upravljaju prihvatiti dodatne akcije?
2. Šta su stvaran (zakonska) ograničenja?
3. Da li postoji više od jednog donosioca odluke?
4. Da li će odluka kao rezultat dati promjenu politike?
5. Šta su specifični kriterijumi donosioca odluke?
III Vremenski okvir
1. Koji je posljednji momenat kada se odluka mora donijeti?
2. Šta je krajnji rok svakog stanja razvoja?
3. Da li postoje bilo koje praznine u vremenskom horizontu?
4. Šta je vremenski horizonz problema (opseg vremena u kom se vrši posmatranje?)

IV Uključivanje upravljača
1. Da li su ostali upravljači uključeni u problem?
2. Ko su oni i koja je njihova uloga u problemu?
3. Ko su glavni zagovornici, odnosno protivnici korištenja teorije odlučivanja
(upravljanja) u rješavanju problema?
4. Kakva je kvantitativna podloga najznačajnijih upravljača?
5. Koji su upravljački problemi pogodni za rješavanje?
V Kriterijumi plaćanja (finansijski aspekt)
1. Koji kriterijum koristi donosilac odluke pri odlučivanju?
2. Koji su prioriteti svakog odlučivanja?
3. Može li se neki kriterijum žrtvovati, ako je potrebno?
140
Sljedeći korak je izbor kataloga primjenjivih tehnika, čiji je primjer dat u tabeli 1.7. za
jednu grupu problema. Na izbor utiče veći broj faktora, kao što su: kriterijumi, vrsta
raspoloživih podataka, vremenski period, raspoloživi računari, (uključeni) donosioci
odluka, pretpostavke problema, analiza posljedica primjene rješenja i ukupni troškovi
korištenja pojedinih tehnika.
Tabela 1.7: Primjena određenih kvantitativnih tehnika
PROBLEM ODGOVARAJUĆE TEHNIKE
Linearno programiranje
Alokacija resursa sa Cjelobrojno programiranje

odgovarajućim aktivnostima
Transportni metod
Transportni metod sa međustanicama
Mrežni modeli
Sekvencijalno
PERT
raspoređivanje događaja
Dinamičko programiranje
Ekonomski model količina
Upravljanje zalihama
Dinamičko programiranje
Modeli radova čekanja
Planiranje servisnih usluga
Simulacija
Analiza odlučivanja
Simulacija
Planiranje u neizvjesnosti
Teorija igara
Markovljeva analiza
Problemi odlučivanja Analiza odlučivanja
Analitičar mora voditi računa da pri izboru tehnike eliminiše one koje ne vode željenom
cilju. Svaka tehnika, za koju se smatra da je primjenjiva, mora biti procijenjena bez ikakvih
pristrasnosti. Ako se ne nađe tehnika koja direktno vodi rješavanju problemske situacije,
ispituju se tehnike koje su po svom pristupu najbliže uspješnom rješavanju problema.
Zatim treba pregledati pretpostavke tehnika. Ako se pretpostavke mogu prilagoditi
141
konkretnoj problemskoj situaciji, bez dodatnih značajnih netačnosti, tada se tehnika može
primjeniti u specifičnoj formi.
U šestom koraku se vrši poređenje primjenjivih tehnika sa kriterijumom izbora u

slučajevima kada se isti problem može rješavati većim brojem tehnika. Pri tome se mora
raspolagati katalozima primjenjivih tehnika, listama kriterijuma izbora i prioritetima među
tim kriterijumima. Poređenje se u ovom koraku vrši na različite načine, pri čemu se ovdje,
kao mogućnost, samo navodi korištenje tzv. koeficijenata efikasnosti izbora.
U sljedećim koracima se vrši upoznavanje donosioca odluke sa početnim modelom, njegov

razvoj, u slučaju prihvatanja, za potrebe testiranja, prihvatanje dobijenih rezultata poslije
testiranja i konačna provjera, odnosno ispravka modela (ako je potrebno). Na slici 1.16.
kraj algoritma čini primjena modela, što je problem za sebe.
1.8. Primjena modela
U različitim organizacijama su različiti i načini primjene upravljačkih tehnika. Neki

donosioci odluka primjenjuju upravljačke tehnika ne obraćajući mnogo pažnje na vrlo
kritičan element – ljudsku komponentu (analitičara). Analitičar nije imun na greške, a
zadatak mu je da sagleda svu zamršenost upravljačkih tehnika. Nekada će mu samo
iskustvo smetati da problem sagleda onako kako donosiocu odluke odgovara.
Primjena modela je uspješna ako donosilac odluke koristi model pri odlučivanju i ako mu
model daje korisne informacije. Upravljački model treba da povećava efikasnost
odlučivanja.
Svi elementi sistema primjene modela su značajni za uspješnu primjenu. To su: problem,
donosilac odluke, organizaciono okruženje, analitičar i model (Slika 1.17). Ako bilo koji
element nije u skladu sa ciljem, primjena modela neće dati optimalno rješenje.
Prije početka stvaranja sistema primjene modela potrebno je specificirati problem. Treba
znati paramtere problema, značajne varijable i odnose između varijabli. Drugim riječima,
potrebno je imati dovoljno znanja o problemu da bi se stvorio model koji će ga najbolje
riješiti.
142
Analitičar
Model Problem
Uspješna primjena
modela
Organizaciono
Donosilac odluke
okruženje
Slika 1.17. Komponente sistema primjene modela
Mnoga pravila, koja inače nisu prikazana u ovom poglavlju, analiziraju odnos analitičara i
upravljača. Njihove uloge su važne, ali je neophodno i da uvažavaju uloge i sposobnosti
drugih osoba uključenih u sistem. U zavisnosti od važnosti odluke, savremena tendencija je
organizovanje odlučivanja preko različitih vrsta tzv. komiteta, kada više ljudi daje svoje
mišljenje pri odlučivanju. Na taj način, odluku kreira veći broj, po pravilu, zainteresovanih,
a time i više motivisanih ljudi.
Uspješna primjena modela zavisi od kombinacije elemenata u implementacionom sistemu

(Slika 1.18). Slika 1.18. je samo opšta postavka faktora primjene modela. Uvijek, kada to
bude potrebno, pojaviće se i određene varijacije primjene modela. Međutim, ako se
elementi ovog sistema ignorišu, vjerovatnoća za uspješnu primjenu modela se smanjuje.
Za detaljnija upoznavanja sa faktorima primjene modela, karakteristikama problema,

tipovima donosilaca odluke, organizacionim pravilima primjene modela, pravilima za
razvoj modela, kao i sa nekim realizovanim primjenama različitih vrsta modela može se
143
koristiti knjiga Dunn R.A, K.D, Ramsing, Management Science: A Practical Approach to
Decision Making. McMillan Publ.Co.Inc, New York, 1981.
Slika 1.18. Faktori primjene modela
1.9. Područje odlučivanja
Odlučivanje se, kao ljudska aktivnost, uobičajeno odigrava na nekoloko nivoa. Prvo i
osnovno odlučivanje je na nivou pojedinaca (individua), zatim slijedi grupno,
organizaciono i globalno (ili metaorganizaciono) odlučivanje.
Na prvom se nivou donose odluke na nivou pojedinaca i one imaju neke zajednikče
karakteristike. Jasno je, međutim, da će se u zavisnosti od nivoa obrazovanja, iskustva i
stečenih vještina u odlučivanju, različiti donosioci odluka u istim situacijama (problemima
odlučivanja) ponašati različito.
Ungson i Braunstein daju rezultate jedne studije u kojoj se navode razlozi zbog kojih se
odluke koje donose pojedinci, ponekad značajnu razlikuju od onoga što sugeriše
normativna teorija odlučivanja:
144
1. Čovjek često ’precjenjuje’ niske vjerovatnoće (nastupanja nekih događaja), a takođe

’podcjenjuje’ visoke vjerovatnoće.
2. Pojedinci su često ’neosjetljivi’ na veličinu uzorka njihovih opservacija.
3. Pojedinci podešavaju svoje prve aproksimacije procjeni na bazi dodatnih evidencija
(istraživanja).
4. Pojedinci često precjenjuju svoju sposobnost procjenjivanja vjerovatnoća (nastupanja)
neizvjesnog događaja.
5. Pojedinci teže precjenjivanju vjerovatnoća događaja koji se aktuelno zbivaju, isto kao i
u situacijama kada oni ili neko drugi treba da procijeni prošle događaje.
6. Pojedincima je značajno lakše da uspoređuju parove elternativa, nego da se
uspoređivanje vrši na skupu svih alternativa.
7. Pojedinci teže da minimizaraju pouzdanost eksplicitnih instrumentarija i ostalih
numeričkih procedura.
8. Pojedinci često prave izbor koji je nekonzistentan i netranzitivan.
9. Pojedinci se često ponašaju tako da prosto odbijaju da prihvate predloge analitičara
odlučivanja, čak i u situacijama kada su kriterijumske funkcije dobro definisane (i
najčešće potvrđene od njih samih).
Tversky zato ukazuje na vrlo značajnu težnju većine individualnih donosilaca odluka da
koriste pojednostavljene sekvencijalne procese eliminacije alternativa zbog kojih se po
Alexisu i Wilsonu takvo odlučivanje u stvari svodi na rješavanje problema – bilo ličnih,
radnih ili socijalnih.
U kompleksnim društvenim sredinama, kakva je je inače većina savremenih, pojedinci su

po pravilu i članovi različitih grupa, organizovanih radi zadovoljenja različitih potreba.
Swap zbog toga ukazuje da procesi unutar jedne grupe ne mogu biti prosto proširenje ili
elaborisanje procesa koji karakterišu ponašanje pojedinaca. Pojedinci u grupi čine novi
entitet, sa svojom sopstvenom dinamikom i kompleksnošću i njihove odluke se ne mogu
predvidjeti samo na bazi poznavanja znanja s kojim raspolažu članovi grupe. Prednosti
grupnog odlučivanja po Dunnu leže u lakšem sagledavanju problema, tj. u lakšem
otkrivanju uzroka posljedica i kompleksnih veza; većem broju sugestija, prijedloga i
dokumenata (sa kojim se problem bolje sagledava); lakšoj mogućnosti dolaska do
reprezentativnih alternativa; odluci, koja će najvjerovatnije više pogodovati društvu ili
145
organizaciji kao cjelini, itd. Grupno odlučivanje, naravno, ima i svoje nedostatke od kojih
su najveći sporost u odlučivanju, prirodna nesklonost grupe ka inicijativi (grupa po pravilu
teži da reaguje i odgovara, a ne da kreira i inicira akcije) i teškoće oko definisanja
strategija, procedura pa i dokumenata koji će se koristiti.
Organizaciono odlučivanje je predmet izučavanja velikog broja izuzetno renomiranih

autora u oblasti upravljanja. Pristupi toj vrsti odlučivanja se razlikuju u zavisnosti od
društveno ekonomskog okruženja, ali se većina autora ipak slaže da se mnoge osobine
individualnog mogu naći i kod organizacionog odlučivanja. Dodatni problem kod
organizacionog odlučivanja leži u činjenici da su problemi odlučivanja u organizaciji po
pravilu slabo struktirirani. Po Harrisonu neke od osnovnih karakteristika organizacionog
odlučivanja su:
1. Organizacije ekstenzivno koriste programirane odluke koje podrazumijevaju relativno
dobro strukturirane forme pretraživanja.
2. Organizacije često koriste, pored kompleksnih analitičkih procedura za rješavanje
problema iz oblasti odlučivanja i jednostavno „pravilo palca“ (grb-pismo).
3. Primjena pravila palca, naravno zavisi od složenosti, jedinstvenosti i značaja odluke
koju treba donijeti.
4. Organizacije donose odluke koje su ograničene i pristrasne zbog tzv. lokalne
racionalnosti. Naime, njihove odluke su često za data ograničenja optimalne, ako se
posmatraju sa njihovog aspekta, ali su najvjerovatnije podoptimalne ako se ima u vidu
šire okruženje.
5. Organizacije učestvuju u direktnom traženju relevantnih alternativa. Izbor pravila
odlučivanja i strategija je ograničen željom za minimizacijom neizvjesnosti.
6. Organizacije uče, jer su otvoreni sistem, adaptivan prema okolini.
U oblasti organizacionog odlučivanja se svakodnevno vrše brojna istraživanja, ali razultati

tih istraživanja još uvijek nisu sistematizovani u konzistentan skup preporuka (teorija) koje
bi bile stavljene na raspolaganje donosiocima odluka. Međutim, neki od rezultata su vrlo
interesantni, pošto ukazuju na razloge zbog kojih je skoro i nemoguće doći do takve
teorije. Recimo, uočeno je da donosioci odluka uvijek teže da dođu do što je moguće više
informacija o posmatranom problemu odlučivanja, a da ih potom „ignorišu“, ili
jednostavno ne koriste! Zatim, većina organizacija, naročito onih složenih ima u svom
146
sastavu snažne ekipe eksperata za problematiku odlučivanja, tzv. analitičara odlučivanja,

ali se njihove preporuke, pogotovo ako zagovaraju veće promjene, po pravilu ne usvajaju,
itd. Naravno, nijedan od ovih problema ni jednog momenta, čak ni kod tako orijentisanih
donosilaca odluka ne dovodi u sumnju potrebu za izučavanjem problematike iz teorije
odlučivanja.
Metaorganizaciono odlučivanje je korak dalje u mogućoj primjeni teorije odlučivanja.

Na tom nivou se posmatra ukupnost svih organizacija (jedne zemlje) kao sistem preduzeća
i on je, naravno, različit od zemlje do zemlje. Po Bernthalu odluke koje se donose na tom
nivou orijentisane su ka:
1. Opštoj dobrobiti potrošača,
2. Alokaciji resursa,
3. Proizvodnji i distribuciji dobara i usluga.
Odluke se donose i na nivou cjelokupnog društva, a njihov osnovni cilj je zadovoljenje

socijalnog blagostanja građana sa posebnim akcentom na dobrom životu, kulturi,
civilizaciji, redu i pravdi.
Iz ovog kratkog pregleda je očigledno da je područje primjene teorije odlučivanja izuzetno

široko, od individualnog do metaorganizacionog. Ovdje je naglasak stvaljen na odlučivanje
pojedinca, kao osnovi nakon koje je značajno lakše upustiti se u ostale mnogo složenije
oblike, forme i područja odlučivanja.
147
2. Analiza odlučivanja
2.1. Osnove analize odlučivanja
2.1.1. Cilj
Analiza odlučivanja obezbjeđuje logički okvir za definisanje raspoloživih alternativa

odlučivanja i izbor najbolje akcije, razmatrajući sve faktore koji ih se tiču. Najčešći od tih
faktora odnose se na rizik i neizvjesnost. Primjenjujući tehniku analize odlučivanja,
donosioci odluke mogu procijeniti rizik i neizvjesnost, koristeći pri tom vlastita uvjerenja,
informacije i procjene. Ovdje ćemo razmotriti kako odrediti (pobrojati) alternative
odlučivanja, kako procijeniti rizik sa faktorima koji na njega utiču i kako izabrati najbolju
akciju. Posebna pažnja biće posvećena sljedećim pitanjima:
a) Osnovni elementi analize odlučivanja kao što su strukturiranje i graničenje problema
(definicija problema), analiza neizvjesnosti, procjena rizika (na osnovu preferencija
donosioca odluke) i izbor najbolje akcije;
b) Razni modeli analize odlučivanja u cilju izbora najbolje akcije pri analizi različitih
poslovnih okruženja;
c) Procedura određivanja cijene prikupljanja dodatnih informacija;
d) Praktične metode procjene vjerovatnoća stanja na osnovu ličnih uvjerenja (saznanja),
informacija i procjena donosioca odluke;
e) Hipotetički slučaj odlučivanja pri izvjesnosti.
Ciljevi:
a) Usvojiti znanja o vrstama i izboru modela odlučivanja za posmatrano poslovno
okruženje; modelirati to poslovno okruženje i primjeniti odgovarajuću tehniku za izbor
najbolje akcije;
b) Razviti sposobnost korištenja obrađenih tehnika u cilju izbora najbolje odluke u
situacijama izvjesnosti i rizika;
c) Razviti sposobnost prikupljanja i vođenja evidencije potrebnih podataka.
Ključne riječi: Izvjesnost, rizik, očekivani efekti (vrijednosti) izbora, očekivana plaćanja,
očekivana žaljenja, analiza neizvjesnosti, korisnost ili funkcija preferencija, drvo
odlučivanja, višeetapna analiza odlučivanja, kriterijum očekivane novčane vrijednosti
(ONV), kriterijum očekivanih gubitaka (OG).
148
2.1.2. Uvod u analizu odlučivanja
Okruženje u kome donosilac odluke odlučuje po pravilu je izuzetno kompleksno i

dinamično i to nezavisno od toga da li se radi i poslovnom odlučivanju na srednjem ili
najvišem nivou, odnosno o društveno-političkom odlučivanju.Osnovni razlog te složenosti
leži u činjenici što je izuzetno teško razumjeti i shvatiti prirodu i okolnosti odigravanja
faktora koji utiču na sve alternative odlučivanja za posmatrani problem. Ti faktori mogu
biti ekonomski, kulturološki, institucionalni, socijalni, tehnički i faktori okruženja. Njih je
teško prebrojati i predvidjeti, šta više, teško je procijeniti vjerovatnoće njihovog
odigravanja. Analiza odlučivanja daje okvir za rješavanje problema odlučivanja
sistematskim logičnim uravnoteženjem svih faktora koji utiču na odluku.
Primjer:
Odjeljenja za marketing i prodaju jednog nacionalno poznatog preduzeća dobila su zadatak
da razrade i definišu strategiju distribucije njihovog novog proizvoda. Pošto je proizvod
nov, uprava nije sigurna da li je početnu distribuciju pametno organizovati na nacionalnoj
ili regionalnoj osnovi. Izbor odluke očigledno zavisi od potražnje i prodaje proizvoda. No,
kako je riječ o potpuno novom proizvodu uprava je odlučila da angažuje dva poznata i
provjerena analitičara i zatražila njihovo mišljenje. Jedan od njih je veoma optimističan u
pogledu potražnje za jednim takvim proizvodom i zbog toga savjetuje upravu da i početnu
distribuciju odmah započne po cijeloj zemlji. Drugi angažovani analitičar ne dijeli
optimizam svog kolege i zbog opreza savjetuje upravu da se u prvoj godini proizvodnje
distribucija obavi samo na regionalnoj bazi. Ako se pokaže da postoji opravdanost
lansiranja jednog takvog proizvoda na bazi regionalne potražnje, tada je u drugoj godini
potrebno krenuti sa distribucijom na cijelom tržištu. Radi lakše analize pretpostavimo da je
potražnja za proizvodom ili velika ili mala, i to bilo na nacionalnoj bilo na regionalnoj
osnovi. Sasvim je izvjesno da se potražnja proizvoda ne može predvidjeti sa izvjesnošću.
Jedino što se može razumjeti jeste priroda potražnje. Takođe je moguće učiniti pokušaj da
se procijeni nivo potražnje (nizak ili visok) zajedno sa odgovarajućim vjerovatnoćama.
Koristeći terminologiju teorije vjerovatnoće nivo potražnje se naziva događajem, dok se u
teoriji odlučivanja on naziva stanjem (prirodom).
Pretpostavimo dalje da je uprava usvojima dvogodišnji period kao period planiranja, kao i
da su alternative odlučivanja nacionalna, odnosno, regionalna distribucija. Nizak i visok
149
nivo potražnje su usvojeni za dva stanja koja odgovaraju izabranima odlukama

(alternativama). Za drugu godinu distribucije takođe su usvojene izvjesne pretpostavke:
Ako je regionalna potražnja u prvoj godini visoka tada će se u drugoj godini nastaviti
distribucija na nacionalnoj ili regionalnoj osnovi, a ako je potražnja mala tada će se
distribucija ili nastaviti na regionalnoj osnovi ili će se proizvod povući sa tržišta. Tako
definisane alternative odlučivanja i stanja, koje stoje upravi na raspolaganju za dvogodišnji
period planiranja, mogu se iskazati u obliku drveta odlučivanja (Slika 2.1.1.). Pod drvetom
odlučivanja se inače podrazumijeva skup povezanih grana, gdje svaka grana predstavlja ili
alternativu odlučivanja ili stanje. Po uobičajenoj konvenciji čvor iskazan kvadratom
predstavlja alternativu odlučivanja (čvor odlučivanja), a kružić predstavlja stanje (čvor
mogućnosti). Obilježavanje svih mogućih alternativa odlučivanja, svih mogućih stanja i
definisanje (crtanje) drveta odlučivanja naziva se strukturiranjem problema.
Poslije ovako usvojenih pretpostavki, upravi preostaje da donese odluku: ili će sa

distribucijom odmah otpočeti na nacionalnoj osnovi ili će se u prvoj godini ona odvijati
samo regionalno, a potom u slučaju visoke potražnjei na cijeloj teritoriji. Kao odgovorni
donosilac odluke, uprava (a ne analitičari odlučivanja) želi da donese najbolju odluku. U
tom cilju ona mora biti sposobna da napravi razliku ne samo između dobrog i lošeg
poslovnog rezultata, već i između dobre i loše poslovne odluke. Dobri poslovni rezultati su
oni koji odgovaraju upravi, a dobre poslovne odluke su one koje su bazirane na
informaciji, ocjeni i preferencijama same uprave. Uprava mora da: predvidi dobar poslovni
rezultat, napravi razliku između dobrih i loših poslovnih rezultata i potom da izabete
najbolju poslovnu odluku. Šta se podrazumijeva pod dobrom poslovnom odlukom i na koji
način izabrati najbolju od raspoloživih alternativa odlučivanja? Analiza odlučivanja
obezbjeđuje sistematsku i konzistentnu proceduru u cilju davanja odgovora na postavljena
pitanja.
150
Slika 2.1.1. Drvo odlučivanja za primjer donošenja odluke o regionalnoj ili nacionalnoj
distribuciji novog proizvoda
Razmotrimo sada drvo odlučivanja prikazano na slici 2.1.1. Ono se može učiniti
kompleksnijim proširujući period planiranja i uvodeći u analizu ostale moguće alternative
odlučivanja i stanja (prirode). Ipak i ovako definisano, drvo odlučivanja predstavlja realni
problem odlučivanja kojim se može upravljati u smislu nalaženja optimalne strategije. Bilo
koje dodatne alternative odlučivanja ili stanja, koje mogu uticati na optimalni izbor akcije,
uvijek se mogu pridodati drvetu odlučivanja, a njihov uticaj se bez ikakvih problema može
analizirati. Međutim, uvijek je bolje (iz edukativnih, a u ovom slučaju i metodoloških
razloga) najprije razmotriti jednostavniji (ali svakako realni) primjer, a potom sprovesti
151
„šta-ako“ analizu ovođenjem dodatnih pretpostavki i analizirati njihov uticaj na optimalnu

odluku. Ovaj način analize su u uobičajenoj terminologiji naziva graničenjem problema.
U daljoj analizi problema pred kojim se nalazi, uprava mora razmotriti nekoliko izuzetno
značajnih aspekata problema. Naime, uprava ima kontrolu nad izborom svojih akcija kao
što su nacionalna, odnosno regionalna distribucija itd, ali zato nema nikakvu kontrolu nad
stanjima kao što su visoka ili niska potražnja za proizvodom na tržištu. S druge strane će
izvjesni faktori (cijene, ukus potrošača, njihove preferencije, dostupnost proizvoda itd.)
svakako uticati na potražnju, a po svojoj prirodi su manje ili više neizvjesni. Zbog toga će i
potražnja za proizvodom biti neizvjesna. Uprava procjenjuje da je potražnja ili niska ili
visoka. Na osnovu tih procjena može se zaključiti da postoje samo dva moguća stanja.
Koje od njih će se vjerovatnije odigrati? Kao što je poznato, vjerovatnoće niske ili visoke
potražnje će odrediti koliko je vjerovatno da se neko od tih stanja odigra. Zato uprava mora
procijeniti vjetovatnoće nastupanja niske i visoke potražnje. Ovaj tip (dio) analize naziva
se šifrovanjem neizvjesnosti ili analizom neizvjesnosti. Analiza neizvjesnosti, uopšteno
govoreći, predstavlja dodjeljivanje vjerovatnoća svim stanjima koja se odnose na
posmatrani problem. Vjerovatnoće moraju da odražavaju vjerovanja, informacije i ocjene
donosioca odluke. Zbog toga su subjektivne i predstavljaju stanje (ili nivo) znanja
donosioca odluke. U posmatranom primjeru pretpostavimo da uprava procjenjuje
vjerovatnoće niske i visoke potražnje u prvoj godini kao 0,4 i 0,6 respektivno. Na sličan
način pretpostavimo da ako je u prvoj godini potražnja mala, dodjeljena vjerovatnoća niske
potražnje će u drugoj godini iznositi 0,7. S druge strane, ako je potražnja u prvoj godini
visoka, tada je uprava riješila da vjerovatnoći visoke potražnje u drugoj godini dodijeli
vrijednost 0,8.
Napokon uprava mora procijeniti i posljedice koje nastaju izborom pojedinih akcija. Te
posljedice potpuno opisuju uticaj (implikacije) izabranih akcija od strane donosioca odluke
pri različitim stanjima, a koje se odnose na problem. U terminologiji odlučivanja te
podljedice se uobičajeno nazivaju plaćanjima. Pretpostavimo da uprava procjenjuje profit
od nacionalne distribucije u prvoj godini od 10.000.000 KM ako je potražnja visoka i
gubitak od 4.000.000 KM ukoliko je potražnja niska. S druge strane, ako se distribucija
organizuje na regionalnoj osnovi profit će iznositi 3.000.000 KM ako je potražnja visoka, a
gubitak 2.000.000 KM ako je potražnja niska. Na sličan način pretpostavimo da se za
drugu godinu profit procjenjuje na 10.000.000 KM ako je potražnja visoka, a gubitak na
152
4.000.000 za nisku potražnju, ako je potražnja u prvoj godini bila visoka a distribucija
nacionalna; odnosno profit od 3.000.000 KM za visoku potražnju i gubitak od 2.000.000
KM za nisku potražnju ako je ona u prvoj godini niska pri regionalnoj distribuciji. Slika
2.1.2. opisuje ova plaćanja, kao i vjerovatnoće nastupanja pojedinih stanja.
Niska NP
potražnja - 4.000.000
(NP)
Nacionalna - 4.000.000 VP
distribucija 10.000.000
0,4
(ND)
Visoka NP
potražnja - 4.000.000
(VP)
10.000.000 VP
0,6 10.000.000
NP
- 2.000.000
RD 0,7
VP
3.000.000
NP 0,3
- 2.000.000
0,4 NP
Odustajanje od 0
proizvodnje 0,7
VP
0,3 0
NP - 4.000.000
Regionalna ND 0,2
distribucija
(RD)
VP 10.000.000
VP 0,8
3.000.000
0,6
NP - 2.000.000
RD 0,2
VP 3.000.000
0,8
Slika 2.1.2. Drvo odlučivanja za primjer donošenja odluke o regionalnoj ili nacionalnoj
distribuciji novog proizvoda – proširenje sa analizom neizvjesnosti i plaćanjima
Uprava je sada u stanju da najprije usporedi različite alternative sa aspekta plaćanja i

vjerovatnoća nastupanja, a potom i odredi najbolju akciju. Međutim, kao i u mnogim
sličnim situacijama, uprava se može izložiti rizičnom stavu prema posljedicama. Na
153
primjer, u slučaju izbora između dobitka 1 KM sa izvjesnošću i dobitka 5 KM ako se

pojavi grb ili 0 KM ako se pojavi pismo pri bacanju novčića (Slika 2.1.3) većina
donosilaca odluke će izabrati drugu alternativu (kocku, lutriju) pošto je očekivana novčana
vrijednost njenog ishoda veća. S druge strane, pri izboru između dobitka od 1.000.000 KM
sa izvjesnošću i dobitka od 5.000.000 KM ako se pojavi grb ili 0 KM pri pojavi pisma pri
bacanju novčića, većina donosilaca odluke će izabrati prvu mogućnost, bez obzira što mu
druga alternativa (lutrije) i ovog puta donosi veću očekivanu novčanu vrijednost. Ipak u
situacijama koje mu drugi slučaj donosi kao mogućnosti, većina donosilaca odluke će lako
shvatiti da su posljedice značajno rizične i shodno tome većina će se prikloniti alternativi
izvjesnosti. Drugim riječima, oni će uvijek željeti da izbjegnu rizične posljedice.
U takvim situacijama kriterijum očekivane novčane vrijednosti ishoda ne može biti

kriterijum za izbor najbolje akcije. Pošto odluka ipak mora biti donijeta, potreban nam je
okvir kojim će se eliminisati (ili bar značajno ublažiti) uobičajena psihologija ponašanja
donosioca odluke. Teorija korisnosti ili preferencija upravo pruža takve okvire i o njoj će
se posebno govoriti. Saglasno toj teoriji, donosilac odluke dodjeljuje svoje vrijednosti
preferencija ili koristi svim posljedicama, računa očekivanu korisnost i bira akciju za koju
je ona najveća. Ovakav kriterijum izbora najbolje akcije naziva se kriterijumom očekivanih
korisnosti.
Slika 2.1.3. Analiza dobitka pri bacanju novčića
154
Ako se donosilac odluke ne izlaže rizičnom ponašanju prema posljedicama, tada može
izračunati očekivane novčane vrijednosti ishoda svake akcije i izabrati onu za koju je ta
vrijednost maksimalna (naravno za slučajeve gdje se posljedice mogu iskazati
odgovarajućim profitima, odnosno gubicima). Taj kriterijum se uobičajeno naziva
kriterijumom očekivane novčane vrijednosti. U posmatramom primjeru ako se uprava
ne izlaže rizičnom ponašanju prema posljedicama tade može naći očekivane novčane
vrijednosti za svaku alternativu odlučivanja (koja odgovara svakom čvoru odlučivanja) i
izabrati akciju za koju očekivana vrijednost ima maksimalnu vrijednost. S druge strane,
ako je uprava sklona rizičnom ponašanju (izbjegavajući gubitak od 4.000.000 KM) tada
može naći očekivanu korisnost za svaku alternativu odlučivanja i izabrati najbolju akciju
za koju je očekivana korisnost maksimalna.
Problem se može proširiti. Kao što je već pokazano u ovom primjeru, posljedice izbora
pojedinih alternativa odlučivanja u mnogim problemima se mogu razlikovati u različitim
vremenskim periodima. Ponekad donosioci odluke mogu u početnom prediodu namjerno
prihvatiti manje (dobitke) kako bi poslije dužeg vremena ostvarili veće. U takvim je
slučajevima neophodno ustanoviti tzv. strukturu vremenskih preferencija. Uobičajeno, to
se čini računajući sadašnju vrijednost posljedica, zatim sa primjenjuje kriterijum
očekivanih novčanih vrijednosti ili kriterijum očekivanih korisnosti za nalaženje najbolje
akcije. Taj postupak se naziva vrednosnom analizom vremenskih preferencija. U
posmatranom primjeru, ako uprava želi da je sprovede mora odrediti sadašnju vrijednost
posljedica i potom primjeniti neki od kriterijuma za izbor najbolje akcije.
Na kraju se može reći da analizu odlučivanja čine sistematsko strukturiranje, graničenje,

određivanje neizvjesnosti i rizika i izbor najbolje akcije. Analiza obezbjeđuje i praktičan
metod za prikupljanje dodatnih informacija u cilju smanjivanja neizvjesnosti vezanih za
problem i nalaženje optimalne strategije u svjetlu tih novih informacija. Takođe se može
odrediti i koliko bi stajalo (do posljednje marke) prikupljanje perfektne informacije (koja
bi eliminisala neizvjesnost) i da li je njeno prikupljanje ekonomski opravdano.
Navedeni osnovni elementi analize odlučivanja mogu se opisati i prikazati grafički (Slika
2.1.4.)
155
Slika 2.1.4. Osnovni elementi analize odlučivanja.
Kao što je već naglašeno važan aspekt pristupa analize odlučivanja je da donosilac odluke
bira najbolju akciju koja je konzistentna sa njegovim ličnim vjerovanjima, ocjenama i
preferencijama. Pristup analizi odlučivanja ne predstavlja deskriptivnu teoriju aktuelnog
ponašanja, niti pozitivnu teoriju za fiktivna inteligentna ljudska bića, već plan koji
propisuje (preskriptivni projekat) kako pomoći donosiocu odluke da razmišlja i radi, samo
nešto malo sistematičnije nego što uobičajeno čini.
2.1.3. Modeli analize odlučivanja
Kako je već navedeno, pristup analize odlučivanja sastoji se od nekoliko koraka:
Korak 1: Strukturiranje problema: Nabrajanje svih mogućih alternativa odlučivanja,

stanja i određivanje plaćanja.
Korak 2: Analiza neizvjesnosti: Dodjeljivanje vjerovatnoća svim mogućim stanjima.

156
Korak 3: Analiza korisnosti ili preferencija: Dodjeljivanje preferencija za rizične

posljedice.
Korak 4: Izbor optimalne akcije: Izbor se vrši na osnovu kriterijuma očekivane

novčane vrijednosti ili kriterijuma očekivane korsinosti.
Korak 5: Prikupljanje novih informacija (evidencija): Prikupljanje dodatnih

informacija iz odgovarajućih uzoraka radi smanjenja neizvjesnosti i izbor
najbolje akcije u svjetlu novih informacija.
Ukoliko se donosilac odluke ne izlaže rizičnom ponašanju prema posljedicama, izbor

najbolje odluke treba da slijedi korake 1, 2 i 4. Taj proces modeliranja se u uobičajenoj
terminologiji naziva analizom odlučivanja sa apriori vjerovatnoćama (nastupanja stanja
prirode).
S druge strane, ako se donosilac odluke izlaže rizičnom ponašanju prema posljedicama, u
izboru najbolje odluke treba da slijedi korake 1, 2, 3 i 4. Tada se proces modeliranja naziva
analizom odlučivanja sa korisnostima.
Na sličan način, ukoliko se donosilac odluke upusti u proces prikupljanja dodatnih

informacija u cilju smanjivanja neizvjesnosti, najbolju akciju u svjetlu novih informacija će
odrediti koraci 1, 2, 4 i 5. Taj postupak se naziva analizom odlučivanja sa
uzorkovanjem.
Ukoliko donosilac odluke ne raspolaže mogućnošću dodjeljivanja apriori vjerovatnoća

stanjima prirode, izbor najbolje akcije će moći da obavi korištenjem jednog broja metoda
koje mu stoje na raspolaganju. U takvim situacijama proces se obično naziva analizom
odlučivanja bez apriori vjerovatnoća. Pri rješavanju mnogih problema odlučivanja čest
je slučaj da početno razmatrane akcije kreiraju novi skup alternativa odlučivanja (primjer
predstavljen na slici 2.1.1). Ukoliko se proizvod distribuira regionalno i ukoliko je
potražnja za njim visoka, tada uprava mora odlučiti da li će se distribucija nastaviti na
nacionalnoj ili regionalnoj osnovi. Takva situacija je inače izuzetno česta u mnogim
realnim situacijama poslovnog i ekonomskog odlučivanja. Optimalna strategija za ovu
157
vrstu problema sigurno ne može biti jednostrana (ne može se donijeti samo jedna odluka za
cijeli problem). U takvim situacijama se moraju donijeti čitave serije odluka, a njihovo
identifikovanje i odgovarajuća analiza uobičajeno se nazivaju modelima višeetapne
analize odlučivanja ili drvetom odlučivanja.
Plaćanja se, kao ekonomski izraz posljedica izbora pojedinih alternativa pri odigravanju
svih mogućih stanja, najčešće iskazuju tabelarno tzv. tabelama plaćanja. Plaćanje kao
izabrana mjera (jedinica) u analizi odlučivanja može, u zavisnosti od problema,
predstavljati profit (dobitak) ili troškove (gubitak). Termin očigledno nije najsretnije
izabran, ali je postao uobičajen. Takođe je potrebno naglasiti da alternative odlučivanja
koje odgovaraju posmatranom problemu odlučivanja moraju biti nezavisne, a da sva stanja
(koja takođe odgovaraju posmatranom problemu odlučivanja) moraju biti međusobno
nezavisna i konačna (prebrojiva).
Neka su:
ai : akcija i
sj : stanje j
Pretpostavimo da za dati problem raspolažemo sa n alternativa odlučivanja i m stanja. Tada

a1, a2,..., an predstavlja sve akcije, a s1, s2,..., sm predstavljaju sva stanja. Ako se dalje
plaćanje akcije ai za stanje sj definiše sa pij = p(ai, sj), tada se plaćanje svih akcija za sva
stanja može tabelarno prikazati (Tabela 2.1.1) Takva tabela se zbog toga i naziva tabelom
plaćanja.
Tablea 2.1.1: Tabela plaćanja – opšti slučaj

Stanja
Akcije
s1 s2 * * * sj * * * sm
a1 p11 p12 p1j p1m
a2 p21 p22 p2j p2m
*
*
*
ai pi1 pi2 pij pim
*
*
*
an pn1 pn2 pnj pnm
158
Ista vrsta informacija se može opisati i drvetom odlučivanja (Slika 2.1.5)
Slika 2.1.5. Drvo odlučivanja – opšti slučaj
2.1.4. Odlučivanje pri izvjesnosti
Izvjesnost je definisana kao slučaj kada su poznate sve činjenice vezane za stanja prirode
problema. Znači, kada postoji samo jedno stanje (ili veći broj poznatih stanja, od kojih se
sa punom sigurnošću zna koje će se odigrati) radi se o problemu odlučivanja pri
izvjesnosti. Matrica efikasnosti (tabela plaćanja) tada je data tabelom 2.1.2.
Tabela 2.1.2: Odlučivanje pri izvjesnosti
Stanja
Akcije
sj
a1 e1j
a2 e2j
* *
* *
* *
an enj
I u ovakvim situacijama odlučivanje postoji (mada se na prvi pogled može učiniti i da ga

nema), jer se raspolaže većim brojem akcija (alternativa) od kojih treba izabrati najbolju,
po nekom kriterijumu.Većih problema u rješavanju ovakvih zadataka odlučivanja i nema.
159
Međutim, ukazaćemo ipak na jedan od njih, koji se odnosi na probleme sa većim

dimenzijama kada broj kombinacija, koje treba pretražiti prilikom izbora najbolje akcije,
postaje enormno velik.
Primjer
U tipičnoj proizvodnoj situaciji (naravno, pojednostavljenoj i po dimenzijama i po svojoj

suštini), potrebno je donijeti odluku kojim redoslijedom na dvije mašine (M1 i M2) treba
rasporediti izradu dva predmeta (P1 i P2). Predmeti se inače mogu obraditi na dvije mašine
ali sa različitim vremenima izrade (u minutama).
Tabela 2.1.3: Tabela plaćanja za primjer izrade dva proizvoda na dvije mašine
Proizvodi
Mašine
P1 P2
M1 7 10
M2 12 9
Očigledno je da su moguće dvije akcije (2! = 2) i da su one date u tabeli 2.1.4.
Tabela 2.1.4: Broj mogućih akcija za primjer izrade dva proizvoda na dvije mašine
Ukupno
Akcija Kombinacija Stanje
vrijeme
a1 P1M1; P2M2 7+9 16
a2 P2M1; P1M2 10+12 22
Ako se za kriterijum odlučivanja izabere minimalno ukupno vrijeme izrade oba predmeta
(posla kao cjeline), jasno je da kao najbolju alternativu treba izabrati akciju a1, tj:
P1  M1 i P2  M2.
160
Primjer
Svaka prodavnica, bilo koje vrste robe, susreće se sa problemom koju količinu pojedinih
vrsta robe treba naručiti (akcije) u cilju zadovoljenja potražnje kupaca (stanje prirode).
Sigurno da je ta potražnja nepoznata s jedne strane, a sasvim je logična i želja svakog
dobrog vlasnika, s druge strane, da naruči količinu robe koja će najprije obezbjediti
očekivanu potražnju kupaca, a potom i maksimizirati prihod njegove prodavnice.
Zbog toga dotični vlasnik mora na neki način doći do podataka o vjerovatnoći potražnje za
pojedinim artiklima od strane kupaca.
Zato je za samo jedan artikal odlučio da napravi evidenciju potražnje u periodu od mjesec
dana. Kao oprezan čovjek izabrani mjesec nije uzeo iz vremena godišnjih odmora, kada je
potražnja sigurno manja. Podaci o broju potraživanih artikala, broju dana kada je kupljen
određeni broj tih artikala, kao i izračunate relativne frekvencije sređeni su tabelarno
(Tabela 2.1.5).
Tabela 2.1.5: Podaci o potražnji proizvoda
Relativna
Potraživani
Dani (f) frekvencija
artikal
(f/f)
<10 0 0,00
11 3 0,10
12 12 0,40
13 9 0,30
14 6 0,20
>14 0 0,00
Ukupno 30 1,00
Pretpostavljajući da relativne frekvencije, bazirane na uzorku od 30 dana, adekvatno

reprezentuju vjerovatnoće potražnje bilo kog broja artikala za bilo koji dan, prodavac će
biti u stanju da odredi najbolji broj artikala koje treba da nabavlja. Pri tom određivanju
vodiće, naravno, računa i o ekonomskim posljedicama svake donijete odluke.
161
Ako se pretpostavi da se posmatrani artikal nabavlja po cijeni od 100 KM/kom, a prodaje

po cijeni od 120 KM/kom, tada se može formirati tabela plaćanja 2.1.6 (u ovom slučaju se
zaista ne radi samo o plaćanju, ali naziv je univerzalan i tradicionalan).
Kao što je već rečeno akcije ai, i=1,2,3,4, predstavljaju broj nabavljenih artikala (11, 12,
13, i 14 respektivno), a stanja prirode su sj, j=1,2,3,4 broj kupljenih artikala (na osnovu
evidencije) i on iznosi 11, 13, 13 i 14 respektivno.
Plaćanja u tabeli 2.1.6. dobijena su na jednostavan način. Na primjer:
P42 (=P(a4, s2) = 12*120 – 14*100 = 40 KM, itd.
(Napomena: Plaćanja P(aisj) se često nazivaju i uslovnim plaćanjem akcije ai za dato

stanje sj).
Tabela 2.1.6: Tabela plaćanja za primjer nabavke artikala ta prodavnicu
Akcije
Vjerovatnoća Stanja
stanja V(sj) sj
a1 (11) a2 (12) a3 (13) a4 (14)
0,10 s1 220 120 20 -80
0,40 s2 220 240 140 40
0.3 s3 220 240 260 160
0,20 s4 220 240 260 280
Primjer analize odlučivanja, se naravno, može riješiti koristeći i žaljenje umjesto plaćanja,
pri čemu je najprije potrebno tabelu plaćanja transformisati u tabelu žaljenja 2.1.7.
162
Tabela 2,.17: Tabela žaljenja za primjer nabavke artikala ta prodavnicu
Akcije
Vjerovatnoća Stanja
stanja V(sj) sj
a1 (11) a2 (12) a3 (13) a4 (14)
0,10 s1 0 100 200 300
0,40 s2 20 0 100 200
0.3 s3 40 20 0 100
0,20 s4 60 40 20 0
2.2. Analiza odlučivanja bez uzorkovanja
2.1.1. Cilj
Analiza odlučivanja obezbjeđuje logički okvir za definisanje raspoloživih alternativa

odlučivanja i izbor najbolje akcije, razmatrajući sve faktore koji ih se tiču. Najčešći od tih
faktora odnose se na rizik i neizvjesnost. Primjenjujući tehniku analize odlučivanja,
donosioci odluke mogu procijeniti rizik i neizvjesnost, koristeći pri tom vlastita uvjerenja,
informacije i procjene. Ovdje ćemo razmotriti kako odrediti (pobrojati) alternative
odlučivanja, kako procijeniti rizik sa faktorima koji na njega utiču i kako izabrati najbolju
akciju. Posebna pažnja biće posvećena sljedećim pitanjima:
f) Osnovni elementi analize odlučivanja kao što su strukturiranje i graničenje problema
(definicija problema), analiza neizvjesnosti, procjena rizika (na osnovu preferencija
donosioca odluke) i izbor najbolje akcije;
g) Razni modeli analize odlučivanja u cilju izbora najbolje akcije pri analizi različitih
poslovnih okruženja;
h) Procedura određivanja cijene prikupljanja dodatnih informacija;
i) Praktične metode procjene vjerovatnoća stanja (prirode) na osnovu ličnih uvjerenja
(saznanja), informacija i procjena donosioca odluke;
j) Slučaj odlučivanja bez uzorkovanja.
163
Ciljevi:
d) Usvojiti znanja o vrstama i izboru modela odlučivanja za posmatrano poslovno

okruženje; modelirati to poslovno okruženje i primjeniti odgovarajuću tehniku za izbor
najbolje akcije;
e) Razviti sposobnost korištenja obrađenih tehnika u cilju izbora najbolje odluke u
situacijama izvjesnosti i rizika;
f) Razviti sposobnost procjene vjerovatnoće stanja (prirode) koristeći različite tehnike.
Ključne riječi: Analiza neizvjesnosti, korisnost ili funkcija preferencija, drvo odlučivanja,
višeetapna analiza odlučivanja, kriterijum očekivane novčane vrijednosti (ONV),
kriterijum očekivanih gubitaka (OG), očekivana vrijednost perfektne informacije (OVPI),
analiza ravnoteže, inkrementalna analiza, procjena lutrije (situacija izbora sa nezavisnim
ishodima), direktna procjena, tehnika procjene pet tačaka.
2.2.2. Analiza odlučivanja bez apriori vjerovatnoća
U slučaju kada donosilac odluke nije u mogućnosti da pojedinim stanjima dodijeli

odgovarajuće vjerovatnoće, za izbor najbolje akcije mu stoji na raspolaganju izvjestan broj
prikladnih metoda. Metode koje ćemo razmotriti biće pradstavljene na istom primjeru –
problemu novogodišnje jelke.
Problem novogodišnje jelke
Preduzeće za distribuciju cvijeća (PDC) je zainteresovano da pred nastupajuće

novogodišnje praznike obezbjedi dovoljnu količinu jelki, bez obzira što nije u stanju da
tačno predvidi njihovu potražnju. Ipak se, na osnovu iskustva iz prethodnih godina,
ocjenjuje da će ovogodišnja potražnja iznositi između 8 i 12 komada. Jelka se nabavlja po
cijeni od 15 KM, a prodaje za 40 KM. Svaka jelka neprodata prije Nove godine, biće
kasnije prodata za 5 KM i uprava vjeruje da će po toj cijeni rasprodati sve što joj preostane.
S obzirom na ćudljivost tržišta uprava nije u stanju da potražnji dodijeli odgovarajuće
raspodjele vjerovatnoća. Odluka o količini nabavljenih jelki mora ipak biti donijeta na
vrijeme. Koliko jelki treba kupiti?
164
Potražnja jelki može biti bilo gdje u rasponu između 8 i 12. Kako je tačna vrijednost
nepoznata, potražnja za novogodišnjim jelkama je 8, 9, 10, 11 ili 12. To će ujedno
predstavljati i stanja prirode za posmatrani problem. Obilježimo prvo stanje koje odgovara
potražnji od 8 jelki sa s1, drugo stanje koje odgovara potražnji od 9 jelki sa s2,..., i peto
stanje koje odgovara potražnji od 12 jelki sa s5.
Sa tako definisanom potražnjom, uprava može nabaviti 8, 9, 10, 11 ili 12 jelki i te količine
nabavljenih jelki će predstavljati raspoložive akcije koje upravi stoje na raspolaganju. Prvu
moguću akciju (nabavku 8 jelki) obilježimo sa a1, drugu (nabavka 9 jelki) sa a2,..., a petu
akciju (nabavka 12 jelki) sa a5. Zadatak uprave je da izabere najbolju akciju. Svaka od
raspoloživih akcija je međusobno različita po ekonomskim posljedicama njenog izbora za
profit posla oko nabavke novogodišnjih jelki. Zbog toga je upravo i potrebno unaprijed
izračunati sve moguće ekonomske posljedice izbora pojedinih akcija.
Razmotrimo akciju a1, tj. izbor nabavke 8 jelki. Svaka jelka košta 15 KM. Tako nabavljenu
jelku preduzeće će pokušati da proda za 40 KM prije Nove godine, odnosno za 5 KM
poslije. Na taj način, ako je potražnja prije Nove godine 8 jelki onda će profit preduzeća
iznositi 200 KM (=8*40-8*15). Ako je potražnja veća, recimo 9 jelki preduzeće će i dalje
moći da proda samo ono što je nabavilo, tj. 8 jelki i profit će biti isti kao i u prethodnom
slučaju. Pretpostavimo nadaljeda je uprava odlučila da nabavi 9 jelki (akcija a2). Ako je
potražnja prije Nove godine 8 jelki, tada će preduzeće biti u stanju da proda samo tih 8
jelki, a ostvaren prihod iznoziće 8*40. Preostala 1 jelka će naknadno biti prodata za 5 KM i
to će donijeti dodatni prihof od 1*5. Cijena početne nabavke od 9 jelki je preduzeće koštala
9*15 KM. Na taj način će ukupni profit od izabrane akcije nabavke 9 jelki iznositi 190 KM
(=8*40+1*5-9*15). Ako je potražnja za jelkama iznosila 9 komada tada će preduzeće
ostvariti ukupan profit 225 KM (=9*40-9*15). Isti će profit naravno ostati i u slučajevima
potražnje 10, 11 ili 12 jelki. Na sličan način se mogu odrediti i sve ostale posljedice izbora
pojedinih akcija. Taj proračun je prikazan u tabeli 2.2.1.
165
Tabela 2.2.1: Tabela plaćanja za problem novogodišnjih jelki
Stanja (potraživanja)
Akcije
s3: 10 s4: 11 s5: 12
s1: 8 jelki s2: 9 jelki
jelki jelki jelki
a1: Nabavka 8 jelki 200 200 200 200 200
a2: Nabavka 9 jelki 190 225 225 225 225
a3: Nabavka 10 jelki 180 215 250 250 250
a4: Nabavka 11 jelki 170 205 240 275 275
a5: Nabavka 12 jelki 160 195 230 265 300
Na osnovu ovako postavljene tabele plaćanja, kao neposredna pomoć donosiocu odluke u
izboru najbolje akcije mogu poslužiti: metoda maximin, minimax metoda žaljenja, metoda
maximin, princip maksimalne vjerodostojnosti i metoda Laplaseovog (Laplace)
kriterijuma.
2.2.2.1. MAXIMIN kriterijum
MAXIMIN kriterijum ili kriterijum pesimizma, pretpostavlja najprije, traženje najgore

posljedice koja se može desiti donosiocu odluke za svaku od raspoloživih alternativa, a
potom izbor akcije za koju je najgora posljedica najpovoljnija za donosioca odluke. Za
posmatrani problem to praktično znači da je potrebno za sve alternative najprije naći
minimalne vrijednosti profita, a zatim u odnosu na njih izabrati akciju sa maksimalnim
profitom (najpovoljniju). Takav pristup odlučivanju je bio razlog i za ime ovog kriterijuma
(maximin), a kako se pri njegovom sprovođenju u stvari nikad ne može desiti gora situacija
od one koju sam donosilac odluke (DO) izabere, jasno je porijeklo i drugog poznatog
imena ovog kriterijuma (pesimizam).
MAXIMIN kriterijum – Definicija:
Izabrati akciju za koju je minimalni profit (po alternativama) maksimalan.
166
Koristeći uobičajenu notaciju, potrebno je naći vrijednost koja zadovoljava:
maximin {p(ai,sj)} = maximin {pij}

ai sj ai sj
Akcija koja odgovara toj vrijednosti naziva se maximin akcija. Za svaku akciju ai se bira
minimalni profit pij, tj. min{pij}, a potom se nalazi maksimalna vrijednost od tih
minimalnih profita. Akcija koja odgovara toj maksimalnoj vrijednosti se potom bira kao
najbolja.
Za primjer problema novogodišnje jelke, ako uprava nabavi 8 jelki (akcija a1) u najgorem
slučaju će zaraditi 200 KM, ako nabavi 9 jelki najmanji profit će, nezavisno od stanja koje
se odigra, iznositi 190 KM. Na sličan način mogu se odrediti minimalni profiti za sve
ostale akcije. Proračun je prikazan tabelom 2.2.2.
Tabela 2.2.2: Tabela minimalnih profita za problem novogodišnje jelke
Akcije Minimalni profiti
a1: Nabavka 8 jelki 200

Slijedeći logiku maximin kriterijuma uprava preduzeća će naručiti 8 jelki kao

najbezbjedniju akciju. Naime izborom neke druge akcije, a pod pretpostavkom da se
odigraju neka druga, povoljnija stanja, uprava bi mogla ostvariti i veći profit. Njihov
pristup poslovanju je oprezan i zbog toga biraju akciju koja će im donijeti barem najveći
od svih minimalno raspoloživih profita (garantovani profit). Kako izbor pojedine akcije u
mnogome zavisi od vrste i ponašanja pojedinih donosilaca odluke očigledno je da se
izborom maximin kriterijuma uprava ovog preduzeća legitimisala kao “pesimistična”.
U mnogim realnim problemima odlučivanja vrijednosti u tabeli plaćanja neće biti izražene
kroz profite, već preko troškova. Da li je u takvim problemima moguće primjeniti maximin
kriterijum? Najgora posljedica koja se može desiti donosiocu odluke pri analizi akcije su
167
maksimalni troškovi. Zbog toga on mora da odredi maksimalne troškove za svaku akciju i
da potom izabere najbolju akciju za koju je maksimalni trošak minimalan. Takav pristup se
uobičajeno naziva minimax kriterijumom. U principu su oba kriterijuma maximin i
minimax ekvivalentni, tj. pesimistični.
2.2.2.2. MINIMAX kriterijum žaljenja
Minimax kriterijum žaljenja je definisao Leonard Savaž (Leonard Savage) kao dopunu i
poboljšanje u odnosu na maximin kriterijum. Ovdje se sugeriše da donosilac odluke treba
da razmatra raspoložive alternative odlučivanja u svjetlu onoga što se može dogoditi kao
povratno dejstvo ukoliko neko od mogućih stanja nadjača preostala. Na taj način donosilac
odluke zna koju akciju može izabrati ukoliko se to stanje zaista i odigra. Ako donosilac
odluke ne izabere tu akciju onda će se po terminologiji Savažea “sresti sa žaljenjem”.
Jednostavno rečeno, žaljenje je propušteni profit zbog neizbora najbolje akcije u slučaju
odigravanja pojedinog stanja. Upravo zbog toga, mnogi autori žaljenje nazivaju i gubitkom
prilike. Ovdje ćemo žaljenje obilježavati sa žij ukoliko donosilac odluke izabere akciju ai,
prilikom odigravanja stanja sj. Sugeriše se da donosilac odluke treba da nađe žaljenja za
sve raspoložive alternative odlučivanja i stanja prirode, a da potom izabere akciju koja
obezbjeđuje minimum maksimalnih žaljenja. Zbog toga se i cijeli kriterijum naziva
minimax kriterijumom.
MINIMAX kriterijum žaljenja – Definicija:
Izabrati akciju za koju je maksimalno žaljenje minimalno.
minimax {žij}
ai sj
Akcija koja odgovara toj vrijednosti naziva se minimax akcijom žaljenja. Za posmatrani
primjer novogodišnje jelke analizu ćemo započeti razmatrajući slučaj potražnje 8 jelki.
Tada uprava može takođe naručiti 8 jelki (akcija a1) pošto ona ujedno donosi i najveći
profit. Zbog toga je i žaljenje jednako 0 KM. Ako pak uprava izabere akcije a2, a3, a4 i a5
168
tada će žaljenje iznositi 10, 20, 30 i 40 KM respektivno. Slijedeći istu logiku, ako je
potražnja 9 jelki, tada je žaljenje 25 KM (=225-200) ukoliko se nabavi 8 jelki, itd. Cijeli
proračuna je sistematizovan i dat u tabeli 2.2.3.
Tabela 2.2.3: Tabela žaljenja ili gubitka prilike za problem novogodišnje jelke
Akcije s3: 10 s4: 11 s5: 12
s1: 8 jelki s2: 9 jelki
jelki jelki jelki
a1: Nabavka 8 jelki 0 25 50 75 100
a2: Nabavka 9 jelki 10 0 25 50 75
a3: Nabavka 10 jelki 20 10 0 25 50
a4: Nabavka 11 jelki 30 20 10 0 25
a5: Nabavka 12 jelki 40 30 20 10 0
Postoji još jedan jednostavan način za nalaženje žaljenja. Najprije se nađu maksimalni
profiti za svako stanje – sa Mj će se obilježiti maksimalni profit za stanje sj. Ako donosilac
odluke izabere akciju ai a odigra se stanje sj tada se žaljenje žij može odrediti iz:
žij = Mj - pij
gdje je pij plaćanje (profit) koje se ostvaruje ako donosilac odluke izabere akciju ai a odigra
se stanje sj. U posljednjem redu tabele 2.2.4. date su vrijednosti za Mj za svako stanje sj.
Tabela 2.2.4: Proširena tabela plaćanja za problem novogodišnje jelke
Akcije
s1: 8 jelki s2: 9 jelki s3: 10 jelki s4: 11 jelki s5: 12 jelki
a1: Nabavka 8 jelki 200 200 200 200 200
a2: Nabavka 9 jelki 190 225 225 225 225
a3: Nabavka 10 jelki 180 215 250 250 250
a4: Nabavka 11 jelki 170 205 240 275 275
a5: Nabavka 12 jelki 160 195 230 265 300
Mj: max profit 200 225 250 275 300
Sada se žaljenje ili gubitak prilike žij (ako donosilac odluke izabere akciju a1, a pritom se
desi stanje s1 može izračunati iz:
ž11 = 200 – 200 = 0 KM
169
Na sličan način se mogu izračunati i ostale vrijednosti i sve su već nevedene u tabeli 2.2.3.
Na njih je sad potrebo primjeniti minimax kriterijumžaljenja radi nalaženja najbolje akcije.
Najprije se nalazi najgore žaljenje koje se može dogoditi pod svakom od raspoloživih
akcija, a potom se bira akcija čije je najgore žaljenje najpovoljnije za donosioca odluke.
Slijedeći taj princip određena su maksimalna moguća žaljenja za sve akcije i prikazana u
tabeli 2.2.5.
Primjenjujući minimax kriterijum žaljenja moguće je izabrati akciju koja obezbjeđuje

minimum maksimalnih žaljenja. Na osnovu vrijednosti iz tabele 2.2.5. uprava će se lako
odlučiti za akciju a4, tj. nabaviće pred Novu godinu 11 jelki. Na osnovu ovog rezultata
može se uočiti da minimax kriterijum žaljenja ima uravnoteženiji pristup odlučivanju u
odnosu na maximin kriterijum, jer ne polazi od pretjerane opreznosti, što često može imati
neprijatne posljedice. Naime veoma često nije tačno da iste razlike između dva plaćanja
(profita) predstavljaju iste iznose žaljenja na različitim nivoima (plaćanja). Tako žaljenje,
idući od plaćanja 275 KM ka plaćanju od 250 KM, ne mora biti isto kao kad idemo od 50
KM ka 25 KM. Ako je to tačno, onda donosilac odluke ima averzije prema riziku i u tom
slučaju treba najprije da definiše svoju relevantnu funkciju korisnosti, a potom da zamijeni
pristup plaćanja sa korisnostima u cilju izbora najbolje akcije.
Tabela 2.2.5: Maksimalna moguća žaljenja za problem novogodišnje jelke
Maksimalna
Akcije
žaljenja
170
Primjena minimax kriterijuma žaljenja može primorati donosioca odluke da izabere i neku
drugu akciju, ukoliko mu jedna ili više akcija iz bilo kog razloga iznenada ne budu više
stajale na raspolaganju. Zbog toga donosilac odluke mora biti oprezan pri primjeni
minimax kriterijuma žaljenja.
2.2.2.3. MAXIMAX kriterijum
Za objašnjeni maximin kriterijum rečeno je da se često naziva i kriterijumom pesimizma,

koji ne predstavlja, uopšteno govoreći, dobar kriterijum. Ako se donosilac odluka ponaša
izrazito optimistički prema odigravanju povoljnih stanja, tada mu se, kao suprotnost
kriterijumu pesimizma može preporučiti primjena kriterijuma optimizma. Taj kriterijum
sugeriše da donosilac odluke treba da izabere akciju gdje je maksimum profita
maksimalan. Zato donosilac odluke najprije za svaku raspoloživu akciju određuje najbolje
ili najveće profite, a potom bira akciju koja obezbjeđuje maksimum tih maksimalnih
vrijednosti. Zbog toga se i kriterijum naziva maximax kriterijumom.
MAXIMAX kriterijum – Definicija:

Izabrati akciju za koju je maksimalni profit maksimalan.
maximax {pij}
ai sj
Akcija koja odgovara toj vrijednosti naziva se maximax akcijom. U primjeru naovgodišnjih
jelki uprava, ako se rukovodi ovim kriterijumom, najprije određuje maksimalni profit za
svaku akciju koja se može odigrati u uslovima različitih stanja, isazanih tabelom 2.2.6.
Potom ih uprava upoređuje i bira akciju koja obezbjeđuje maksimalan profit – 300 KM, a
to odgovara odluci o nabavci 12 jelki.
171
Tabela 2.2.6: Maksimalni profiti za problem novogodišnjih jelki
Akcije Maksimalni profiti

Ovaj kriterijum, kao kontrast maximin kriterijumu, predstavlja optimističko ponašanje,

odnosno optimistički odnos donosioca odluke prema procesu odlučivanja. Slijedeći taj
kriterijum uvijek se očekuje odigravanje najpovoljnijeg stanja. Nekritička primjena ovog
kriterijuma zbog toga može biti vrlo opasna. Minimax kriterijum žaljenja bira akciju koja
nije isključivo ni pesimistička ni optimistička, pa je zbog toga ovaj kriterijum značajno
uravnoteženiji.
2.2.2.4. Kriterijum maksimalne vjerodostojnosti
Kriterijum maksimalne vjerodostojnosti podrazumijeva da donosilac odluke dodjeljuje

vjerovatnoće nastupanja svim stanjima i nalazi stanje sa maksimalnom vjerovatnoćom.
Donosilac odluke zatim upoređuje plaćanja svih raspoloživih akcija u odnosu na stanje sa
maksimalnom vjerovatnoćom i bira akciju sa najpovoljnijim plaćanjem (profitom).
Kriterijum maksimalne vjerodostojnosti – Definicija:
Izabrati akciju za koju je profit maksimalan, gdje ta akcija mora da odgovara stanju
koje ima maksimalnu vjerovatnoću odigravanja.
max {pij*}
ai
172
gdje stanje sj* predstavlja stanje koje ima maksimalnu vjerovatnoću odigravanja. Akcija
koja odgovara toj vrijednosti je akcija maksimalne vjerodostojnosti.
Pretpostavimo da u posmattranom primjeru uprava dodijeli sljedeće vjerovatnoće

nastupanja pojedinim stanjima: V(s1) = 0,10; V(s2) = 0,15; V(s3) = 0,30; V(s4) = 0,35;
V(s5) = 0,10. Saglasno tim procjenama stanje s4 (potražnja 11 jelki) je najvjerovatnije
stanje za odigravanje. Zbog toga će uprava uporediti profite {pij} koji odgovaraju tom
stanju (Tabela 2.2.7).
Maksimalna vrijednost profita je 275 KM i odgovara akciji a4, tj. Nabavci 11 jelki.
Koristeći ovaj kriterijum za izbornajbolje akcije donosilac odluke se oslanja na
najvjerovatnije stanje i u svjetlu te informacije pokušava da izabere akciju koja će mu
obezbjediti najpoželjnije posljedice. Ukoliko su vjerovatnoće nastupanja dva ili više stanja
iste tada bira akciju koja ima maksimalni profit. Kriterijum maksimalne vjerodostojnosti
zbog jednostavnosti primjene ima svoje praktične prednosti u odnosu na neke druge
konceptualno superiornije i pouzdanije metode.
Tabela 2.2.7: Najvjerovatniji profiti
Akcije Profiti  s4
173
2.2.2.5. LAPLACE-ov kriterijum
LaPlace-ov kriterijum polazi od pretpostavke da se ako donosilac odluke ne vodi računa o

vjerovatnoćama odigravanja pojedinih stanja, može prema njima ponašati kao da će se
odigrati sa podjednakim vjerovatnoćom. Zbog toga, za slučaj postojanja m stanja s1, s2,…,
sm, slijedeći LaPlace-ov kriterijum donosilac odluke može pretpostaviti da će se akcija
odigrati sa podjednakim vjerovatnoćama i potom im dodijeliti sljedeće vjerovatnoće:
V(s1) = 1/m, V(s2) = 1/m,…, V(sm) = 1/m
Sa ovako dodijeljenim vjerovatnoćama moguće je izračunati očekivanu novčanu vrijednost

i potom izabrati akciju primjenjujući kriterijum očekivane novčane vrijednosti. Za slučaj
da su plaćanja izražena profitima, mogu se najprije izračunati očekivani profiti za sve
raspoložive akcije i onda izabrati akcija koja obezbjeđuje maksimum od tih očekivanih
profita.
LaPlace-ov kriterijum – Definicija
Izabrati akciju za koju je očekivani profit maksimalan.
Simbolično, potrebno je naći vrijednost koja zadovoljava:


max pi 
ai
m
gdje je pi očekivani profit od akcije ai, pi   pij * V ( s j ) . Akcija koja odgovara ovoj
j 1
vrijednosti je najbolja akcija, gdje je pij odgovarajuće plaćanje.
Razmotrimo ponovo problem novogodišnjih jelki. Kako u njemu postoji 5 stanja,

odgovarajuće vjerovatnoće njihovih nastupanja će iznositi:
V(s1) = V(s2) = V(s3) = V(s4) = V(s5) = 1/5
Ako uprava nabavi 9 jelki, tada se očekivani profit od te akcije može izračunati po:
174
p 2 = 190*(1/5)+225*(1/5)+ 225*(1/5)+ 225*(1/5)+ 225*(1/5)= 218
Na sličan način mogu se izračunati i očekivani profiti za preostale akcije, što je pokazano
tabelom 2.2.8. Saglasno LaPlace-ovom kriterijumu upravi sada nije teško da odredi
najbolju akciju nabavke, u ovom slučaju 11 jelki. Kao i u minimax kriterijumu žaljenja,
ako se donosilac odluke prema riziku odnosi sa averzijom, plaćanja (profite) treba odrediti
koristeći funkciju korisnosti donosioca odluke umjesto direktnog korištenja brojčanih
iznosa profita.
Tabela 2.2.8: Očekivani profiti
Akcije Očekivani profiti

a3: Nabavka 10
229
jelki
a4: Nabavka 11
233
jelki
a5: Nabavka 12
230
jelki
Do sada je objašnjeno nekoliko kriterijuma za izbor najbolje akcije. Izbor najprihvatljivijeg

kriterijuma svakako zavisi od osobina i ponašanja donosioca odluke. Ako je ekstremno
pesimističan, svakako će mu odgovarati maximin kriterijum, ali ako je nepopravljivi
optimista sigurno će izabrati maximax kriterijum. Ipak, minimax kriterijum žaljenja,
kriterijum maksimalne vjerodostojnosti i LaPlace-ov kriterijum unose u procese
odlučivanja nove informacije vrijedne pažnje svakog odgovornog donosioca odluke. Zbog
tih svojih vrijednosti ovi se kriterijumi izučavaju, ne samo u ovoj vrsti rekstova, već i u
nekim drugim oblastima, ako što su investicije, finansije i slično. Ako ništa drugo, ono bar
predstavljaju dobru početnu osnovu za primjenu nekih drugih pristupa u analizi
posmatranih problema.
175
2.2.3. Analiza odlučivanja sa apriori vjerovatnoćama – Problemi sa dvije raspoložive

akcije
U prethodnom poglavlju su razmatrani različiti načini izbora optimalne odluke u

situacijama kada su apriori vjerovatnoće bile nepoznate donosiocu odluke. U ovom
poglavlju će se uvesti apriori vjerovatnoća. Koristeći uobičajenu terminologiju, ta analiza
se naziva analizom odlučivanja sa apriori vjerovatnoćama, a često se susreću i nazivi
jednoetapna analiza odlučivanja, odnosno odlučivanje pri riziku, koji se u odnosu na
slučaj sa nepoznatim vjerovatnoćama znatno češće pojavljuju u realnoj praksi odlučivanja.
U ovom poglavlju će se započeti slučajem sa dvije raspoložive akcije, koji će se kasnije
proširiti na opšti slučaj.
2.2.3.1. Kriterijum očekivane novčane vrednosti (ONV)
Razmotrimo sljedeći primjer: uprava odjeljenja za marketinška istraživanja razmatra dvije

moguće situacije vezane za jedan novi proizvod: predstaviti proizvod tržištu ili ne.
Nekoliko bitnih faktora utiču na opcije. Pretpostavimo da uprava razmatra samo potražnju
i da samo u njenom svjetlu želi da uporedi dvije alternative odlučivanja. Potražnja ne može
da se predvidi sa izvjesnošću i zbog toga je uprava razmatra kao nisku, najvjerovatniju i
visoku. Navedena tri stanja će zbog toga biti obilježena sa s1, s2 i s3, respektivno. Takođe
obilježimo akcije sa a1 („predstviti novi proizvod“) i a2 („ne predstaviti novi proizvod“).
Slika 2.2.1. opisuje odnos akcija i stanja za posmatrani problem.
Slika 2.2.1. Drvo odlučivanja sa akcijama i stanjima
Na upravi je da odredi plaćanja i da definiše apriori vjerovatnoće. Plaćanja su i ovom

prilikom direktna posljedica izbora pojedinih akcija pod uslovima odigravanja određenih
stanja. Pretpostavimo da uprava ako predstavi novi proizvod (a1) očekuje profit od -
176
2.000.000 KM za s1, 1.500.000 KM za s2 i 4.000.000 KM za s3. U slučaju da tržištu ne

predstavi novi proizvod, profit je uvijek jednak nuli, nezavisno od stanja. Poslije brižljive
analize upava je riješila da pojedinim stanjima dodijeli sljedeće vjerovatnoće nastupanja:
V(s1) = 0,25; V(s2) = 0,50 i V(s3) = 0,25. Tako dodijeljene vjerovatnoće u stvari
predstavljaju ubjeđenja, znanja i procjene koje uprava ima o posmatranom problemu
(proizvodu). Zbog toga su one subjektivne ili apriori vjerovatnoće. Slika 2.2.2. uvodi
plaćanja i apriori vjerovatnoće u prethodno drvo odlučivanja (plaćanja).
Slika 2.2.2. Drvo odlučivanja sa akcijama, stanjima, plaćanjima i apriori vjerovatnoćama
Ista vrsta informacija se može prikazati i tabelarno (tabela 2.2.9)
Tabela 2.2.9: Tabela plaćanja (profita)

Potražnja
Akcije s1: Niska s2: Najvjerovatnija s3: Visoka
0,25 0,5 0,25
a1 -2.000.000 1.500.000 4.000.000
a2 190 225 225
Možemo dalje pretpostaviti da je u analizi modela analize odlučivanja sa apriori

vjerovatnoćama, donosilac odluke neutralan u odnosu na rizik i da zbog toga može
primjeniti kriterijum očekivane novčane vrijednostiu izboru najbolje odluke. Ako je
donosilac odluke stvarno neutralan u odnosu na rizik, onda svakako izbjegava bilo kakvo
rizično ponašanje prema posljedicama i shodno tome on prosto „traži najvjerovatnije
vrijednosti“ za svaku akciju za datu neizvjesnost opisanu raspodjelom apriori vjerovatnoća
pojedinih stanja. Očekivana vrijednost, s druge strane, po definiciji, reflektuje
najvjerovatnije vrijednosti. Zbog toga donosilac odluke može računati očekivane
vrijednosti za svaku akciju i potom birati akciju čija je očekivana vrijednost najpovoljnija
177
za njega. Očekivana vrijednost se inače uobičajeno naziva očekivanom novčanom

vrijednošću i može se definisati na sljedeći način:
Definicija: Očekivana novčana vrijednost akcije a1, ONV(a1):
Ako je promjenjiva stanja s diskretnim vrijednostima i ako uzima vrijednosti s1, s2,...,
sm sa raspodjelom apriori vjerovatnoća V(s1), V(s2),..., V(sm), tada se očekivana
novčana vrijednost akcije ai, obilježena sa ONV(ai) može definisati kao:
m
ONV (a i )   pijV ( s j )
j 1
gdje je pij plaćanje ako donosilac odluke izabere akciju ai a odigra (realizuje) se stanje sj.
Na osnovu ove definicije i na obješnjen način, donosilac odluke bira akciju za koju je
očekivana novčana vrijednost optimalna. Sam kriterijum se naziva kriterijumom očekivane
novčane vrijednosti ili ONV kriterijum.
ONV kriterijum: Slučaj profita:
Izabrati akciju za koju je očekivana novčana vrijednost maksimalna, tj. izabrati

akciju ak ako je:
ONV (a k )  max  ONV(ai ) 

ai
ONV kriterijum: Slučaj troškova:
Izabrati akciju za koju je očekivana novčana vrijednost minimalna, tj. izabrati akciju
ako je:
ONV (a k )  min  ONV(ai ) 

ai
gdje je ONV(ai) očekivana novčana vrijednost akcije ai.
178
Na ovom mjestu potrebo je posebno naglasiti da je kriterijum očekivane novčane

vrijednosti moguće primjeniti samo u slučajevima kada je donosilac odluke neutralan u
odnosu na rizik. Moguće je zapaziti da se i za profite i za troškove koristi ista oznaka
ONV(ai) za predstavljanje očekivanih novčanih vrijednosti.
Sada ćemo primjeniti ONV kriterijum na posmatrani problem. Potrebne brojčane

vrijednosti za ONV(ai) se mogu izračunati iz:
ONV(a1) = -2.000.000*0,25 + 1.500.000*0,50 + 4.000.000*0,25 = 1.250.000
Na sličan način je:
ONV(a2) = 0*0,25 + 0*0,25 = 0
Kako je ONV(a1) > ONV(a2), jasno je da će donosilac odluke izabrati akciju a1 kao
povoljniju, tj. odlučiće se da novi proizvod predstavi tržištu. Odluka je očekivana, jer je
sasvim logično da bude konzistentna sa procjenama i informacijama (znanjima) donosioca
odluke, jer je upravo on na bazi tih istih procjena i informacija dodijelio odgovarajuće
apriori vjerovatnoće pojedinim stanjima prirode. Neki drugi donosilac odluke, raspolažući
nekim drugim procjenama i informacijama, može izabrati drugu akciju, a2 kao najbolju.
Primjena ONV kriterijuma:
Kako se iz prethodnog primjera može zaključiti primjena ONV kriterijuma je jednoznačna

i podrazumijeva nekoliko koraka:
Korak 1: Određivanje alternativa odlučivanja a1 i a2 i svih mogućih stanja sj,
Korak 2: Određivanje plaćanja,
Korak 3: Dodjeljivanje apriori vjerovatnoća V(sj) svim stanjima,
Korak 4: Računanje očekivane novčane vrijednosti, ONV(a1) i ONV(a2),
Korak 5: Primjena ONV kriterijuma i izbor optimalne akcije.
Primjer 2.2.1.
Uprava jednog preduzeća je zatražila od proizvodnog odjeljenja da razmotri mogućnost

izgradnje novih kapaciteta za proizvodnju novih proizvoda. Uprava odjeljenja je odlučila
da razmotri samo dvije mogućnosti: izgradnju male, odnosno velike fabrike. Odlučeno je
179
da planski period (za razmatranje) bude pet godina. Na taj način odluka o izgradnji velike,
odnosno male fabrije mora zadovoljiti očekivanu potražnju za narednih pet godina. Uprava
je rakođe odlučila da razmatra samo faktor potražnje, jer smatra da je on najbitniji u izboru
odluke velika, odnosno mala fabrika. Po njima ta potražnja može biti pesimistička,
najvjerovatnija i optimistička. Poslije pažljivog razmatranja uprava je odlučila da dodijeli
vjerovatnoće od 0,30; 0,40 i 0,30 za optimističku, najvjerovatniju i pesimističku potražnju,
respektivno. Uprava je od odjeljenja za marketinška istraživanjazatražila procjenu
trenutnih tržišnih vrijednosti za novčane tokove (prihodi umanjeni za operativne troškove)
koji odgovaraju izgradnji velike, odnosno male fabrike za tri različita nivoa potražnje.
Poslije sprovedenog itraživanja procjena glasi: Ako se izabere akcija izgradnje velike
fabrike, vrijednosti novčanih tokova će za slučaj optimističke potražnje iznositi 8.000.000
KM; za najvjerovatniju potražnju taj iznos je 4.500.000 KM; a za pesimističku potražnju
iznosi 1.500.000 KM. U slučaju izbora izgradnje male fabrike te vrijednosti iznose
3.000.000 KM; 2.500.000 KM i 1.500.000 KM, respektivno u odnosu na potražnju. Uprava
proizvodnog odjeljenja procjenjuje troškove izgradnje velike fabrike na 5.000.000 KM,
odnosno na 2.000.000 KM ako se odluče za izgradnju male fabrike. Na osnovu iznijetih
procijenjenih vrijednosti, potrebno je upravi preduzeća predložiti najbolje rješenje.
Sasvim je očigledno da na raspolaganju stoje dvije akcije a1 – izgradnja velike fabrike i a2
– izgradnja male fabrike. Tri nivoa potražnje predstavljaju stanja: s1 – optimistička
potražnja; s2 – najvjerovatnija potražnja i s3 – pesimistička potražnja. Uprava je procijenila
apriori vjerovatnoće nastupanja pojedinih stanja i ona iznose: V(s1) = 0,30; V(s2) = 0,40;
V(s3) = 0,30. Oduzimajući troškove izgradnje (5.000.000 KM i 2.000.000 KM) od
trenutnih vrijednosti novčanih tokova za akcija a1 i a2 za različita stanja, moguće je dobiti
neto trenutne vrijednosti (Slika 2.2.3).
180
s1
3.000.000
0,30
a1 s2
-500.000
0,40
s3
-3.500.000
0,30
s1
1.000.000
0,30
a2 s2
500.000
0,40
s3
-500.000
0,30
Slika 2.2.3. Drvo odlučivanja za problem izgradnje male ili velike fabrike
Kako je pretpostavljeno da je uprava neutralna na rizik, ona može primjeniti ONV

kriterijum i naći optimalnu akciju. Zbog toga je:
ONV(a1) = 3.000.000 * 0,30 – 500.000 * 0,40 – 3.500.000 * 0,30 = -3.500.000 i
ONV(a2) = 1.000.000 * 0,30 + 500.000 * 0,40 – 500.000 *0,30 = 350.000
Primjenjujući ONV kriterijum uprava će svakako izabrati akcijua a2, tj, izgradnju male
fabrike.
2.2.3.2. Kriterijum očekivanih žaljenja (Očekivanih gubitaka prilike)
Izbor najbolje akcije za probleme sa dvije raslopožive akcije može se izvršiti računajući
očekivana žaljenja svake akcije a potom birajući akciju za koju je očekivano žaljenje
minimalno. Ovaj pristup odlučivanju se naziva kriterijumom očekivanih žaljenja ili OŽ
kriterijumom. Najprije definišimo očekivani gubitak, odnosno očekivano žaljenje akcije
ai.
Definicija: Očekivano žaljenje akcije ai, OŽ(ai):

Ako su promjenjive stanja s diskretne i uzimaju vrijednosti s1, s2,..., sm, sa apriori
vjerovatnoćama V(s1), V(s2),..., V(sm), respektivno i ako su žij žaljenja (ili gubitak prilike)
181
akcije ai za dato stanje sj tada se očekivano žaljenje akcije ai,obilježeno sa OŽ(ai), može
izračunati kao:
m
OŽ(a i )   ž ij * V ( s j )
j 1
OŽ kriterijum:
Izabrati akciju za koju je očekivano žaljenje minimalno, tj, izabrati akcija ak ako je:
OŽ (ak )  min OŽ (a )

ai
j
ai
gdje je OŽ(ai) očekivano žaljenje ili očekivani gubitak prilike za akciju ai.
Očekivana žaljenja za posmatrani primjer (predstavljanja ili nepredstavljanja novog
proizvoda) data su u tabeli 2.2.10.
Tabela 2.2.10: Tabela žaljenja za primjer predstavljanja ili ne novog proizvoda
Stanja
Akcije s1: Niska s2: Najvjerovatnija s3: Visoka
0,25 0,5 0,25
a1 2.000.000 0 0
a2 0 1.500.000 4.000.000
Koristeći podatke iz gornje tabele moguće je izračunati očekivana žaljenja za obe akcije:
OŽ(a1) = 2.000.000 * 0,25 + 0 * 0,25 = 500.000
OŽ(a2) = 0 * 0,25 + 1.500.000 * 0,50 + 4.000.000 * 0,25 = 1.750.000
Kako je OŽ(a1) < OŽ(a2) uprava će izabrati akciju a1, tj. treba da predstavi tržištu novi
proizvod. Naravno, ista optimalna odluka je dobijena i primjenom ONV kriterijuma (što je
lako matematički pokazati). Odluka dobijena primjenom kriterijuma očekivanog žaljenja
mora biti konzistentna sa procjenama i znanjima donosioca odluke.
Razlog za korištenje kriterijuma očekivanog žaljenja (i pored toga što daje isti rezultat kao
i kriterijum očekivanih novčanih vrijednosti)leži u činjenici da njegova primjena
omogućava određivanje tačnog iznosa koji je potrebno platiti radi prikupljanja dodatnih
informacija u cilju smanjivanja neizvjesnosti u posmatranom problemu. Kao što je već
182
rečeno, to je veoma značajan koncept koji snabdijeva donosioca odluke značajnim

instrumentom za evaluaciju procjene da li je uopšte potrebno prići prikupljanju dodatnih
informacija. U daljem tekstu dat je način kako je do tog instrumenta moguće doći.
2.2.4. Očekivana vrijednost perfektne informacije: OVPI
Pretpostavimo da uprava (iz prethodnog primjera) as sigurnošću zna da će se u momentu

odlučivanja odigrati stanje s1. Koju bi akciju tada izabrala uprava? Očigledno a2 jer donosi
najveći profit. S druge strane, ako se zna da će se odigrati stanje s2, uprava će izabrati
akciju a1, a ako je poznato da će se desiti stanje s3 tada je izbor akcije a1 očigledan. Na taj
način birajući odluku, uprava će realizovati profit od 0 KM; 1.500.000 KM i 4.000.000
KM, respektivno. Međutim, stanja s1, s2 i s3 se odigravaju u stvarnosti sa vjerovatnoćama
0,25; 0,50 i 0,25, respektivno. Zbog toga uprava nalazi u prosjeku vrijednost: 0 * 0,25 +
1.500.000 * 0,50 + 4.000.000 * 0,25 = 1.750.000 KM ako u momentu odlučivanja zna koje
će se stanje odigrati. Ta mjera predstavlja najbolje što uprava može učiniti za stanje koje se
može odigrati. Drugim riječima 1.750.000 KM je prosječan iznos, koji uprava može
realizovati za datu perfektnu informaciju u momentu odlučivanja. S druge strane, ako ne
raspolaže sa takvom informacijom u momentu odlučivanja, uprava može izabrati akciju a1
primjenjujući ONV kriterijum i ostavriti 1.250.000 KM u prosjeku, što predstavlja
očekivanu novčanu vrijednost akcije a1. Razlika između 1.750.000 KM – 1.250.000 KM =
500.000 KM se može koristiti kao cijena neraspolaganja perfektnom informacijom. To
je ujedno iznos koji uprava može potrošiti u cilju pribavljanja dodatnih informacija radi
smanjivanja neizvjesnosti. Pojedini autori ovaj iznos nazivaju i cijenom neizvjesnosti, a u
ovom tekstu će se koristiti termin očekivana vrijednost perfektne informacije, tj. OVPI. Za
posmatrani primjer ona iznosi:
OVPI = 1.750.000 – 1.250.000 = 500.000
S druge strane, očekivano žaljenje najbolje akcije a1 u posmatranom primjeru je takođe
500.000 KM, i to je vrijednost koja je jednaka vrijednosti OVPI. Ne radi se ni o kakvoj
koincidenciji, već o činjenici koju je matematički izuzetno lako pokazati. Zbog toga ćemo
od sada OVPI definisati upravo na taj način.
Definicija: Očekivana vrijednost perfektne informacije, OVPI:
OVPI  Očekivano žaljenje najbolje akcije.

183
Na taj način, primjenjujući kriterijum očekivanog žaljenja u izboru najbolje akcije u stanju
smo da nađemo i očekivanu vrijednost perfektne informacije.
Primjena kriterijuma očekivanog žaljenja
U primjeni kriterijuma očekivanog žaljenja postoji nekoliko koraka:

Korak 1: Odrediti alternative odličivanja a1 i a2 i sva moguća stanja sj (j=1,2,..., m);
Korak 2: Odrediti sva žaljenja tj. sve gubitke prilike;
Korak 3: Dodijeliti apriori vjerovatnoće V(sj) svim stanjima;
Korak 4: Izračunati očekivana žaljenja OŽ(a1) i OŽ(a2);
Korak 5: Primjeniti kriterijum očekivanog žaljenja i izabrati optimalnu akciju;
Korak 6: OVPI = OŽ najbolje akcije.
Primjer 2.2.2
Razmotrićemo primjer 2.2.1. i na njemu primjeniti kriterijum očekivanog žaljenja za izbor

optimalne akcije. Tabela plaćanja (neto trenutne vrijednosti novčanih tokova) se može
prikazati tabelom 2.2.11.
Tabela 2.2.11: Neto trenutne vrijednosti novčanih tokova
Stanja
Akcije s1 s2 s3
0,30 0,40 0,30
a1 3.000.000 - 500.000 - 3.500.000
a2 3.000.000 500.000 - 500.000
Koristeći već poznatu definiciju mogu se odrediti žaljenja za obe akcije a1 i a2 za sva tri
posmatrana stanja (Tabela 2.2.12).
184
Tabela 2.2.12. Žaljenja
Stanja
Akcije s1 s2 s3
0,30 0,40 0,30
a1 0 1.000.000 3.000.000
a2 2.000.000 0 0
Sada je moguće izračunati vrijednosti za OŽ(a1) i OŽ(a2):

OŽ(a1) = 0 * 0,30 + 1.000.000 * 0,40 + 3.000.000 * 0,30 = 1.300.000 i
OŽ(a2) = 2.000.000 * 0,30 + 0 * 0,40 + 0 * 0,30 = 600.000
Primjenjujući kriterijum očekivanog žaljenja nije teško odlučiti se za akciju a2 kao
najbolju, tj. predložiti izgradnju male fabrike. Šta više, uprava sada ima i informaciju
koliko maksimalno može sebi dozvoliti da potroši u cilju pribavljanja informacija koje će
smanjiti neizvjesnost: OVPI = OŽ(a2) = 600.000 KM.
2.2.5. Analiza ravnoteže
Primjena kriterijuma očekivane novčane vrijednosti, kao i kriterijuma očekivanog žaljenja

je jednostavna. Ono što nije tako jednostavno je određivanje vrijednosti u tabelama
plaćanja, odnosno žaljenja. Broj proračuna će se svakako povećati sa povećanjem broja
stanja prirode. Ako su funkcije profita linearne, postupak se pojednostavnjuje tzv.
analizom ravnoteže i za njeno objašnjenje poslužiće sljedeći primjer.
Primjer 2.2.3.
Pretpostavimo da upravnik proizvodnje jednog preduzeća razmatra mogućnost nabavke

XB11 komponenti radi njhovog korištenja u sopstvenim proizvodima. Komponente dolaze
u pakovanju od 1000 komada. Od svojih službenika je dobio sljedeće informacije:
Snabdjevač: XYZ preduzeće
Komponenta: XB11
185
Datum: 7.oktobar 2006. Godine

Zarada (očekivani profit) od dobre komponente: = 1,50 KM
Nabavna cijena: 0,50 KM
Cijena pregleda pakovanja komponenti: = 50 KM.
XYZ preduzeće ne prodaje komponente pojedinačno već samo u pakovanju od 1000

komada. Uprava se izlaže gubitku od 0,50 KM ako je komponenta neispravna, odnosno
zarađuje 1,50 KM ako je ispravna. Iskustva koja se odnose na nabavku sličnih pakovanja
ukazuju da se procenat škarta (defektnih komada) kreće u iznosima od 10%, 20%, 30%,
40%, 50%, 60%, 70%, 80%, do svih 90%. Tako definisanim stanjima prirode (pojava
određenog procenta škarta), iprava dodjeljuje sljedeće apriori vjerovatnoće: 0,10; 0,20;
0,35; 0,15; 0,10; 0,06; 0,02; 0,01; i 0,01, respektivno.
Problem glasi: Da li je poželjno nabaviti pakovanje od 1000 komponenti ili ne?
U ovako definisanom problemu očigledno je da postoje dvije alternative odlučivanja:
naručiti i nenaručiti pakovanje komponenti. Umjesto njihovog uobičajenog označavanja
kao do sada sa a1 i a2, sada ćemo to učiniti na sljedeći način:
Najprije ćemo odrediti funkcije profita i potom funkciju profita koja ima veći nagib u
odnosu na x osu obilježiti sa a1; dok je druga automatski obilježena sa a2.
Određujemo funkcije profita:

Neka je s procenat defektnih komponenti u pakovanju. Ako se ne naručuje pakovanje
komponenti, tada je naravno profit jednak nuli, bez obzira na moguća odigravanja bilo kog
stanja. Zbog toga je:
Funkcija profita akcije nenaručivanja = 0 KM.
Funkcija profita je različita kada se donosilac odluke odluči da izvrši narudžbinu. Na
svakoj dobroj komponenti on ostvari profit od 1,50 KM, a na svakoj defektnoj se izlaže
gubitku od 0,50 KM. Cijena pregleda svih komponenti po pakovanju iznosi 50,00 KM.
Zbog toga, ako naruči pakovanje komponenti:
Profit = 1000 * (1-s) * 1,50 = 1.500 – 1.500 * s
Gubitak = 1000 * s * 0,50 = 500 * s
Troškovi pregleda = 50 KM.
Na osnovu ovoga moguće je formirati funkciju profita ako se izabere akcija naručivanja
pakovanja komponenti:
Funkcija profita akcije naručivanja = 1.500 – 1.500 *s – 500 * s – 50 = 1.450 – 2.000 *s
186
Očigledno je da su obe funkcije (naručivanja i nenaručivanja) linearne. Nagib funkcije

profita nenaručivanja je 0, a za slučaj naručivanja je -2000. Veći je nagib funkcije profita
nenaručivanja i zbog toga će se ona obilježiti sa a1, a funkcija profita naručivanja sa a2.
Ako se funkcije profita od a1 i a2 obilježe sa p(a1,s) i p)a2,s) respektivno, tada je:
p(a1,s) = 0
p(a2,s) = 1.450 – 2.000 *s
Grafički prikaz ove dvije funkcije profita dat je na slici 2.2.4.
1.450
p(a2,s)=1.450-2.000*s
p(a1,s)=0
0,5 0,725 1,0 s
Slika 2.2.4. Grafički prikaz funkcija profita
Vrijednost od s, za koju su profiti dvije akcije jednaki, naziva se vrijednošću ravnoteže. U

toj tački (tačka ravnoteže) je donosilac odluke indiferentan prema izboru između dvije
akcije. Označimo je sa sr, a u primjeru koji se analizira njena vrijednost se može dobiti iz:
1.450 – 2.000 * sr = 0
Sr = 1.450/2.000 = 0,725
Za vrijednost 0,725 uprava proizvodnje je indiferentna između akcija a1 i a2. Za bilo koju
vrijednost s manju od 0,725 upravi je bolje da nabavi pakovanje komponenti, a za bilo koju
vrijednost s veću od 0,725 bolje je ne naručivati pakovanje komponenti.
Za opšti slučaj problema odlučivanja sa dvije akcije označimo dvije funkcije profita p(a1,s),
i=1,2 sa:
p(a1,s) = c1 + d1 s
p(a2,s) = c2 + d2 s
tako da je d1 >d2. Lako se može uočiti da se vrijednost ravnotežne tačke sr dobija iz:
187
sr = (c2 – c1)/(d1 – d2)
Za razmatrani primjer vidi se da je c1 = 0, d1 = 0, c2 = 1.450 i d2 = - 2.000.

Zbog toga je sr = 0,725.
Poslije ovog proračuna, potrebno je izabrati optimalnu akciju između a1 i a2. To se može
učiniti računajući očekivanu novčanu vrijednost za a1 i a2 i potom primjenjujući ONV
kriterijum. Šta više, ako je funkcija linearna kao Y = a + bX, tada se očekivana vrijednost
od Y, O(Y) može dobiti iz:
O(Y) = a + b O(X)
Ta činjenica se i dalje može koristiti. Potrebno je izračunati ONV (a1) i ONV(a2) direktno
iz linearnih funkcija profita p(a1,s) i p(a2,s):
ONV(a1) = c1 + d1 O(s)
ONV(a2) = c2 + d2 O(s)
gdje je O(s) očekivana vrijednost s i d1 > d2. Može se naći
m
O( s)   s * p( s j )
j 1
Primjenjujući ONV kriterijum, bira se akcija a1 ako je ONV(a1) > ONV(a2), ili ako je:
c1 + d1 O(s) > c2 + d2 O(s)
Sređujući gornju nejednakost dobija se:
(d1 – d2) * O(s) > c2 – c1 ili O(s) > (c2 – c1)/(d1 – d2)
Veličina na desnoj strani jenednačine predstavlja vrijednost ravnoteže, sr. Zbog toga
biramo a1 ako je:
O(s) > sr
Na sličan način, može se pokazati da je akcija a2 optimalna ako je O(s) < sr i da će

donosilac odluke biti indiferentan između a1 i a2 ako je O(s) 0 sr. Ovaj proces izbora
optimalne akcije naziva se analizom ravnoteže.
Kriterijum analize ravnoteže: Diskretne promjenjive stanja:
Funkcija profita od a1 i a2, p(a1,s) i p(a2,s) mogu se definisati kao:
p(a1,s) = c1 + d1 s
188
p(a2,s) = c2 + d2 s
tako da je d1 > d2. Pretpostavimo da je donosilac odluke dodijelio apriori vjerovatnoće

V(s1), V(s2),..., V(sm) stanjima s1, s2,..., sm. Tada treba:
Izabrati a1 ako je O(s) > sr
Izabrati a2 ako je O(s) < sr
m
gdje je O(s) =  j 1
s*V(sj) i sr = (c2 – c1)/(d1 – d2)
Izvedena analiza sad će biti primjenjena na posmatranom primjeru u cilju određivanja

optimalne akcije. Poznato je da je:
sr = 1.450/2.000 = 0,725
Dvije funkcije profita, p(a1,s) i p(a2,s) već su obilježene tako da je d1 > d2. Tabela 2.2.13
opisuje stanja i apriori vjerovatnoće koje su dodijeljene od strane uprave. Na osnovu
m
jednačine O(s) =  j 1
s*p(sj), lako je uočiti da se vrijednost za O(s) može naći u tabeli
2.2.13. u presjeku posljednjeg reda i posljednje kolone: O(s) = 0,322.
Tabela 2.2.13: Proračun vrijednosti O(s)

s=sj sj V(sj) sjV(sj)
s1 0,10 0,10 0,010
s2 0,20 0,20 0,040
s3 0,30 0,35 0,105
s4 0,40 0,15 0,060
s5 0,50 0,10 0,050
s6 0,60 0,06 0,036
s7 0,70 0,02 0,014
s8 0,80 0,01 0,008
s9 0,90 0,01 0,009
Ukupno 1,00 0,332
Upoređujući vrijednost O(s) sa sr očigledno je da je O(s) < sr. Zbog toga uprava mora
izabrati akciju a2, tj. treba da naruči pakovanje od 1.000 komponenti.
189
Primjena analize ravnoteže
Korak 1: Obilježe se funkcije profita sa

p(a1,s) = c1 + d1 s
d1 > d2
p(a2,s) = c2 + d2 s
Funkcije profita moraju biti linearne.
Korak 2: Nađe se vrijednost ravnoteže sr iz:

sr = (c2 – c1)/(d1 – d2)
Korak 3: Izračuna se očekivana vrijednost za O(s) iz:

m
O(s) = 
j 1
s*V(sj)
Korak 4: Bira se a1 ako je O(s) > sr, ili a2 ako je O(s) < sr, a ako je O(s) = sr tada je
donosilac odluke indiferentan prama akcijama a1 i a2.
Potrebno je naglasiti da analiza ravnoteže jednostavno obezbjeđuje izbor optimalne akcije,
ali ne pruža nikakvu pomoć u određivanju očekivane vrijednosti perfektne informacije.
Ipak, vrijednost za OVPI se može direktno naći ako nam je poznata funkcija žaljenja
(gubitka prilike) od potimalne akcije. Ako sa ž(a1,s) i ž(a2,s) obilježimo funkcije žaljenja
od a1 i a2, tada se može pokazati da je:
U našem primjeru vrijednosti su d1 =0, d2 = - 2.000 i sr = 0,725. Ako se po uvrsti u gornje

izraze dobija se
190
Ako je akcija a1 određena kao optimalna akcija primjenom analize ravnoteže, tada će se
ž(a1,s) koristiti za nalaženje OŽ(a1). Ta vrijednost će odgovarati očekivanoj vrijednosti
perfektne informacije. Ako je pak a2 najbolja akcija, tada će se ž(a2,s) koristiti za nalaženje
OŽ(a2) i OVPI. U primjeru koji se razmatra najbolja je akcija a2 i saglasno prethodnim
jednačinama biće
OVPI = OŽ(a2) = 
s  0 , 725
0 * V (s)  
s  0 , 725|
2000( s  0,725)V ( s )  2000  (s  0,725)V ( s) 
s  0 , 725
= [2.000(0,80-0,725)(0,01)+(0,90-0,725)(0,01)] = 5,00
Zbog toga upravnik proizvodnje ne treba da plati više od 5 Km za prikupljanje dodatnih

informacija u cilju boljeg saznanja o prirodi stanja vezanih za posmatrani problem.
Koju proceduru koristiti
Do sada je objašnjeno nekoliko procedura koje se mogu koristiti pri izboru najbolje akcije
za probleme odlučivanja sa dvije raspoložive akcije:
A) ONV kriterijum: Tabela plaćanja ili troškova
B) OŽ kriterijum: Tabela žaljenja
C) Analiza ravnoteže.
Sve navedene procedure vode izboru iste optimalne akcije. Način na koji se dolazi do
optimalne akcije je različit. U cilju primjene procedure A) i B) potrebno je najprije
pripremiti tabele profita, troškova ili žaljenja, što nije slučaj ako se koristi analiza
ravnoteže, koja zahtijeva linearne funkcije profita ili žaljenja. Primjena OŽ kriterijuma će
pored izbora optimalne odluke definisati i veličinu očekivane vrijednosti perfektne
informacije. Zbog toga donosilac odluke mora sam analizirati pretpostavke i prednosti u
primjeni pojedinih metoda, prije nego ih primjeni. Od navedenih metoda analiza ravnoteže
je vjerovatno najjednostavnija za određivanje optimalne akcije.
191
2.2.5. Analiza odlučivanja sa apriori vjerovatnoćama: Problemi sa više akcija
Kriterijumi očekivane novčane vrijednosti i očekivanog žaljenja mogu se primjeniti za

određivanje najbolje akcije i u slučajevima problema odlučivanja sa većim brojem
raspoloživih akcija. Jedina razlika u odnosu na prethodni slučaj je u obimu računanja. Da
bi se primjenila procedura, bilo ONV kriterijum, bilo OŽ kriterijum, najprije je potrebno
pripremiti odgovarajuće tabele. Umjesto analize ravnoteže, za probleme sa više akcija
koristi se inkrementalna analiza. I ovog puta ćemo pretpostaviti da je donosilac odluke
neutralan prema riziku, što će omogućiti primjenu ONV i OŽ kriterijuma. Na početku
ćemo pokazati način formiranja tabela plaćanja (profita ili gubitaka).
2.2.5.1. Kriterijum očekivane novčane vrijednosti: tabele plaćanja
Za objašnjenje ovog dijela koristićemo modifikovani, već korišten, primjer problema

novogodišnje jelke. Dodatak se odnosi na procjenu donosioca odluke o vrijednostima
apriori vjerovatnoća koje je moguće dodijeliti stanjima, tj. potražnji od 8 (s1), 9 (s2), 10
(s3), 11 (s4) i 12 (s5) jelki (Tabela 2.2.14).
Tabela 2.2.14: Apriori vjerovatnoće za problem novogodišnjih jelki
s = sj s1 s2 s3 s4 s5
V(sj) 0,10 0,20 0,30 0,30 0,10
Tabela 2.2.14-a: Tabela plaćanja (profita) za problem novogodišnjih jelki
Akcije
s1: 0,10 s2: 0,20 s3: 0,30 s4: 0,30 s5: 0,10
a1: Nabavka 8 jelki 200 200 200 200 200
a2: Nabavka 9 jelki 190 225 225 225 225
a3: Nabavka 10 jelki 180 215 250 250 250
a4: Nabavka 11 jelki 170 205 240 275 275
a5: Nabavka 12 jelki 160 195 230 265 300
192
Za određivanja optimalne akcije uprava treba prije svega izračuna ONV(ai) za svaku akciju
ai i potom primjeni ONV kriterijum. ONV za svaku akciju se može naći iz:
ONV(a1) = 200*0,10+200*0,20+200*0,30+200*0,30+200*0,10 = 200,00
ONV(a2) = 190*0,10+225*0,20+225*0,30+225*0,30+225*0,10 = 221,50 itd.
Na sličan način mogu se odrediti očekivane novčane vrijednosti i ostalih akcija (Tabela
2.2.15)
Tabela 2.2.15: Očekivane novčane vrijednosti za problem novogodišnjih jelki

ai ONV(ai)
a1 200,00
a2 221,50
a3 236,00
a4 240,00
a5 233,50
Kriterijum očekivanih novčanih vrijednosti isti je kao i u slučaju problema sa dvije akcije,
jedino je ovom prilikom broj akcija veći od dva. Zbog toga se bira akcija ak za koju je
ONV(ak) maksimalno, a za posmatrani primjer na osnovu proračuna iz tabele 2.2.15 je
očigledno da je a4 optimalna akcija. Ovako izabrana akcija mora, naravno, biti
konzistentna sa procjenama i znanjima donosioca odluke.
Primjena ONV kriterijuma: Problemi sa više akcija
Potrebni koraci u primjeni ONV kriterijuma za nalaženje optimalne odluke u problemu sa

više akcija su slični koracima za probleme sa dvije akcije.
Korak 1: Prebrojati sve raspoložive alternative odlučivanja ai (i=1,2,...,n) i sva
moguća stanja sj (j=1,2,...,n);
Korak 2: Odrediti profite ili troškove pij za svaku akciju ai i stanje sj;
Korak 3: Dodijeliti apriori vjerovatnoće V(sj) svakom stanju sj;
Korak 4: Izračunati ONV(ai) za svaku akciju ai;
193
Korak 5: Ako su plaćanja predstavljena profitima tada treba izabrati akciju čija ONV
ima maksimalnu vrijednost od svih ONV dobijenih u koraku 4. Ako su pak
plaćanja predstavljena troškovima tada treba izabrati akciju čija ONV ima
minimalnu vrijednost od svih ONV dobijenih u koraku 4.
2.2.5.2. Kriterijum očekivanih žaljenja (OŽ): Tabele žaljenja
Kao i u slučaju problema sa dvije akcije, moguće je naći žaljenja za svaku akciju pod
uslovima odigravanja pojedinih stanja i potom izračunati očekivana žaljenja svake akcije.
Tada se može izabrati akcija za koju je OŽ minimalno. Žaljenja za naš problem su data u
tabeli 2.2.16.
Tabela 2.2.16: Tabela žaljenja (ili gubitaka prilike) za problem novogodišnjih jelki
Akcije
s1: 0,10 s2: 0,20 s3: 0,30 s4: 0,30 s5: 0,10
a1: Nabavka 8 jelki 0 25 50 75 100
a2: Nabavka 9 jelki 10 0 25 50 75
a3: Nabavka 10 jelki 20 10 0 25 50
a4: Nabavka 11 jelki 30 20 10 0 25
a5: Nabavka 12 jelki 40 30 20 10 0
Na sličan način mogu se izračunati i očekivana žaljenja za sve preostale akcije, a njihove
brojne vrijednosti su navedene u tabeli 2.2.17.
Tabela 2.2.17: Očekivana žaljenja za problem novogodišnjih jelki
ai OŽ(ai)
a1 52,50
a2 31,00
a3 16,50
a4 12,50
a5 19,00
194
Primjenjujući OŽ kriterijum očigledno je da je a4 optimalna akcija, tj. potrebno je naručiti

pred Novu godinu 11 jelki.
Korištenje ovog kriterijuma nam omogućava i nalaženje brojne vrijednosti za očekivanu
vrijednost perfektne informacije. Po definiciji OVPI je jednako OŽ najbolje akcije. Zbog
toga je za posmatrani primjer OVPI = 12,50 KM, i to predstavlja maksimalnu vrijednost
koju uprava smije da plati u cilju pribavljanja dodatnih informacija, a radi smanjivanja
neizvjesnosti koja postoji u problemu.
Primjena OŽ kriterijuma: Problemi sa više akcija
Korak 1: Prebrojati sve raspoložive alternative odlučivanja ai (i=1,2,...,n) i sva

moguća stanja sj (j=1,2,...,n);
Korak 2: Odrediti žaljenja (gubitke prilike) žij za svaku akciju ai i stanje sj;
Korak 3: Dodijeliti apriori vjerovatnoće V(sj) svakom stanju sj;
Korak 4: Odrediti OŽ(ai) za svaku akciju ai;
Korak 5: Izabrati akciju čije je OŽ minimalno u odnosu na sva žaljenja dobijena u

koraku 4.
Korak 6: OVPI = OŽ najbolje akcije izabrane u koraku 5.
Očigledno je da se za dobijanje optimalne akcije, u problemima sa više akcija može

koristiti ili ONV ili OŽ kriterijum. Ipak, koristeći OŽ kriterijum automatski se dobija i
vrijednost OVPI, pa je jasno da je primjena OŽ kriterijuma poželjnija.
195
2.3. Analiza odlučivanja sa uzorkovanjem
2.3.1. Cilj
Ciljevi ovog poglavlja su:

1. Uvođenje različitih metoda za prikupljanje podataka iz uzorka i objašnjenje načina
dobijanja uslovne vjerovatnoće informacije uzorka za data različita stanja koja se
odnose na posmatrani problem.
2. Objašnjenje dobijanja aposteriorne vjerovatnoće, korištenjem Bajesove (Bayes)
fomrule.
3. Objašnjenje korištenja aposteriorne vjerovatnoće u cilju nalaženja očekivanih žaljenja i
određivanje najbolje akcije za datu informaciju uzorkovanja.
4. Uvođenje koncepta vrijednosti informacije uzorka i objašnjenje njenog korištenja za
nalaženje najboljeg plana uzorkovanja radi prikupljanja novih evidencija – podataka.
Zadaci:
1. Usvajanje znanja i vještina prikupljanja podataka iz uzorka i dobijanja uslovne
vjerovatnoće informacije uzorka za data različita stanja koja se odnose na problem.
2. Usvajanje znanja i vještina primjene Bajesove formule u cilju nalaženja aposteriornih
vjerovatnoća.
3. Usvajanje vještina nalaženja i korištenja očekivane vrijednosti informacije uzorka,
zajedno sa troškovima uzorkovanja, za nalaženje optimalnog plana uzorkovanja.
4. Usvajanje znanja i vještina izbora modela analize odlučivanja sa uzorkovanjem u cilju
ostvaribanja efektivnog upravljačkog odlučivanja za posmatrane poslovne probleme.
Ključne riječi: Nova evidencija ili informacija uzorkovanja; Bajesova formula;

Aposteriorne ili revidirane vjerovatnoće; Očekivano žaljenje od ai za datu informaciju
uzorka Xk; Optimalna strategija; Očekivani rizik optimalne strategije; Očekivana
vrijednost informacije uzorka (OVIU); Troškovi uzorkovanja; Očekivana čista dobit od
uzorkovanja; Ukupni rizik optimalne strategije; Optimalna veličina uzorka; Binomno
uzorkovanje; Normalno uzorkovanje.
196
2.3.2. Uvod
Do sada je objašnjeno nekoliko praktičnih metoda koje se mogu koristiti za nalaženje

optimalne odluke u slučajevima kada raspolažemo apriori vjerovatnoćama. One su tada
izražavale vjerovanja (ubjeđenja), informacije (znanje) i procjene (ocjene) specifičnog
donosioca odluke. Ukoliko donosilac odluke želi da dođe do novih podataka u cilju boljeg
sagledavanja problema (o zbivanjima stanja prirode) prije nego što donese odluku, u
prethodnom je poglavlju samo ukratko naznačeno da analiza odlučivanja obezbjeđuje
logičnu proceduru za prikupljanje podataka i njihovu obradu zajedno sa njegovim
vjerovanjima i informacijama. U ovom poglavlju su objašnjene tehnike prikupljanja novih
podataka, mogućnosti njihovog inkorporiranja u vjerovanja i informacije donosioca odluke
i način izbora optimalne akcije u svjetlu novih informacija ili tzv. Informacija uzorkovanja.
Procedura inkorkoriranja informacije uzorkovanja sa vjerovanjima i procjenama donosioca
odluke zahtijeva primjenu Bajesove formule u cilju dobijanja aposteriornih vjerovatnoća.
Tada donosilac odluke može računati očekivane novčane vrijednosti ili očekivana žaljenja
u cilju određivanja optimalne akcije. Logično je očekivati da će izbor te akcije biti pod
značajnim uticajem informacije uzorka i najboljeg plana uzorkovanja u cilju prikupljanja
informacije uzorkovanja. Koncept vrijednosti informacije uzorka je sličan onom o
očekivanoj vrijednosti perfektne informacije (OVPI). Izuzetno je koristan i obezbjeđuje
mjeru kojom se dolazi di zaključka da li je prikupljanje novih podataka požeželjno za
posmatrani proces odlučivanja. Cjelokupna analiza izbora optimalne odluke u svjetlu novih
informacija se uobičajeno naziva analizom odlučivanja sa uzorkovanjem.
2.3.3. Primjena Bajesove teoreme i izbor optimalne strategije
Pretpostavimo primjer uvođenja novog proizvoda sa odgovarajućom potražnjom koji je bio

diskutovan u prethodnom poglavlju. Primjer ima dvije alternative odlučivanja, a1
(uvođenje proizvoda) i a2 (odustajanje od novog proizvoda) i tri stanja, s1 (niska potražnja
za novim proizvodom), s2 (srednja potražnja) i s3 (visoka potražnja). Uprava je dodijelila
sljedeće apriori vjerovatnoće tim stanjima: V(s1) = 0,25; V(s2) = 0,50; V(s3) = 0,25.
Koristeći te vrijednosti moguće je izračunati očekivane novčane vrijednosti, primjeniti
ONV kriterijum i naći da uprava treba da uvede (na tržište) novi proizvod. U prethodnom
poglavlju je takođe primjenjen i OŽ kriterijum u iste svrhe. Tabela 2.3.1. opisuje analizu i
primjenu OŽ kriterijuma.
197
Tabela 2.3.1: Očekivana žaljenja
Stanja
Akcije s1 s2 s3 OŽ(ai)
0,25 0,50 0,25
a1 2.000.00. 0 0 500.000
a2 0 1.500.000 4.000.000 1.750.000
Pretpostavimo da uprava, prije nego što izabere odluku, želi da prikupi nove podatke i
ispita kako će oni uticati na apriori vjerovatnoće, kao ključne veličine pri izboru optimalne
odluke. Naravno, u te svrhe će i ovog puta poslužiti analiza odlučivanja. Indikativno je da
vrijednost za OVPI od 500.000 KM takođe ukazuje na mogućnost da se taj iznos (koji nije
mali) može utrošiti za prikupljanje novih podataka pomoću kojih će se izvršiti revizija
apriori vjerovatnoća i odrediti nova optimalna strategija. Kako uprava može doći do novih
podataka?
2.3.3.1. Prikupljanje novih podataka
Novi podaci ili informacije mogu biti prikupljeni korištenjem odgovarajućih naučnih
procesa. Pri njihovom prikupljanju ne smije biti pristrasnosti, a greška pri mjerenju mora
biti manimalna (u idealnom slučaju se pretpostavlja da takvih grešaka i nema). Postoji više
načina koji mogu dovesti do pogrešnog prikupljanja ili mjerenja opservacija. Moramo biti
izuzetno oprezni da ne bi došlo do greške. Uopšteno govoreći, novi podaci mogu biti
prikupljeni praveći odgovarajuće marketinško istraživanje ili uzimajući slučajan uzorak. Za
posmatrani primjer, sprovodeći istraživanje odgovarajućih uzoraka u cilju prikupljanja
novih podataka može biti idealno. Sa druge strane, ako se razmatra problem nabavke ili
nenabavke pakovanja od 1000 XB11 komponenti, idealannačin prikupljanja podataka je
uzimanje slučajnog uzorka od n komponenti, gdje n može biti bilo kojja cjelobrojna
vrijednost od o do 1000.
Ovdje ćemo analizirati već uvedeni primjer i na njemu objasniti kako treba prići
prikupljanju novih podataka. Oni treba da pomognu upravi da bolje sagleda prirodu
198
potražnje novog proizvoda. Koliko će jedinica novog proizvoda biti prodato? Ta vrsta
informacije je od izuzetnog značaja za svaku upravu, jer bi mogla da zamijeni realizovanje
događaja, da li je potražnja za novim proizvodom mala (stanje s1), srednja (s2) ili visoka
(s3). Za kojim podacima uprava treba da traga? Da li podatke treba prikupljati na
nacionalnom ili regionalnom nivou?
Na osnovu iskustva uprava može izabrati dva ili tri regiona i iz njih izabrati slučajan
uzorak, ali uprava može izabrati slučajan uzorak i na nacionalnoj osnovi. Nekoliko
procedura je moguće koristiti ua izbor slučajnog uzorka. Pretpostavimo da je uprava
odlučila da izabere slučajan uzorak iz tri regiona. Postoje dva načina da se to uradi. Uprava
može organizovati rad potrošačkih panel grupa u regionima i svim članovima grupa poslati
proizvod. Drugi način je da se poštom proizvodi pošalju slučajno izabranim potrošačima u
tim regionima. Za naš primjer pretpostavimo da se uprava odlučila za rad panel grupa.
Članovi panel grupe su nakon pažljivog ispitivanja karakteristika novog proizvoda,

obezbjedili nove informacije koje se odnose na mogućnosti prodaje novog proizvoda kao:
slabe, srednje ili visoke. To su informacije koje su članovi potrošačkih panel grupa u stanju
da pruže upravi preduzeća. Uprava svakako želi da ih maksimalno iskoristi u cilju
odlučivanja da li da novi proizvod pusti na tržište. Dobijeni podaci su kvalitativne prirode.
Međutim, očigledno je, ukoliko se pretpostavi da je prodaja visoka (na osnovu mišljenja
članova grupe), stanje visoke potražnje (s3) će biti vjerovatnije od stanja s1 i s2. Na sličan
način, ako je prodaja slaba tada je vjerovatnije da se realizuje stanje niske potražnje (s1)
neogo stanja s2 i s3. Ova vrsta informacija i relevantni podaci mogu se iskoristiti za
utvrđivanje uslovnih vjerovatnoća (u odnosu na mišljenje grupe) slabe, srednje i visoke
prodaje za data stanja s1, s2 ili s3, respektivno.
2.3.3.2. Uslovne vjerovatnoće
Obilježimo moguće informacije dobijene od potrošača, za slabom, srednjom, odnosno

velikom prodajom novog proizvoda sa X1, X2 i X3, respektivno. Već je napomenuto da X1
indicira vjerovatnije realitovanje stanja s1 u odnosu na s2 ili s3. Slično, X3 ukazuje da je
realizovanje stanja s3 vjerovatnije od odigravanja stanja s1 ili s2. Pretpostavima da je
V(Xs1) uslovna vjerovatnoća slabe prodaje (X1) za dato stanje slabe potražnje s1. Slično,
V(X2s1) i V(X3s1) predstavljaju uslovne vjerovatnoće srednje i velike prodaje za slučaj
199
stanja slabe potražnje za novim proizvodom. Ovo dalje implicira da je V(X1s1) >
V(X3s1). Šta više, kako su X1, X2 i X3 uzajamno isključivi (disjunktni) i čine potpun
sistem događaja, slijedi da je:
V(X1s1)  0, V(X2s1)  0, V(X3s1)  0
(2.3.1)
V(X1s1) + V(X2s1) + V(X3s1) = 1
Zbog toga je, V(Xksj) raspodjela vjerovatnoća. Slično, za ostale slučajeve posmatranog
primjera imamo:
V(Xks2)  0, k =1,2,3.
V(X1s2) + V(X2s2) + V(X3s2) = 1
(2.3.2)
V(Xks3)  0, k =1,2,3.
V(X1s3) + V(X2s3) + V(X3s3) = 1
Pretpostavimo da je odjeljenje za marketing pasmatranog preduzeća odredilo te uslovne
vjerovatnoće i da su one prikazane u tabeli 2.3.2.
Tabela 2.3.2: Uslovne vjerovatnoće V(Xksj)
Informacija Stanja
uzorka s1 s2 s3
x1 0,80 0,20 0,10
x2 0,10 0,60 0,30
x3 0,10 0,20 0,60
Ukupno 1,00 1,00 1,00
Lako je uočiti da su uslovi (2.3.1) i (2.3.2) zadovoljeni. Informacije navedene u tabeli

2.3.2. mogu se iskazati i u formi drveta događaja prikazanom na slici 2.3.1.
Apriori vjerovatnoće su obilježene sa V(sj), a uslovne vjerovatnoće sa V(Xksj). Sada
donosilac odluke mora da primjeni Bajesovu teoremu u cilju određivanja aposteriornih
vjerovatnoća koje ćemo obilježiti sa V(sjXk). One se često nazivaju i revidiranim
vjerovatnoćama. Aposteriorne vjerovatnoće će zavisiti od informacije uzorka Xk, što je već
indicirano njihovom osobinom uslovnosti. Tako će dvije informacije uzorka Xk i Xi,
uopšteno govoreći, generisati dvije različite vrijednosti aposteriornih vjerovatnoća
V(sjXk) i V(sjXi). Kao što je već rečeno, uprava mora odrediti očekivana žaljenja za
200
svaku akciju koristeći te aposteriorne vjerovatnoće i potom primijeniti kriterijum

očekivanih žaljenja radi određivanja najbolje akcije.
Očogledno je da ovakav način dolaska do vrijednosti uslovnih vjerovatnoća zahtijeva
organizovanje specifičnog eksperimanta, a to iziskuje posebne troškove. U konačnoj
analizi o toj činjenici svakako treba voditi računa.
Slika 2.3.1 Drvo događaja koje opisuje V(sj) i V(Xksj)
2.3.3.3. Određivanje optimalne akcije za datu veličinu uzorka
Rezultati uzorkovanja X1, X2 i X3 su međusobno nezavisni. Uprava dobija aposteriori

vjerovatnoće, V(sjXk) za j,k=1,2,3 i određuje najbolju akciju u svjetlu Xk, primjenjujući
OŽ kriterijum (naravno da je moguće u iste svrhe primjeniti i ONV kriterijum).
Korištenjem žaljenja moguće je naći mjeru koja opisuje vrijednost informacije uzorka, što
je značajna prednost. Zato će se u ovom tekstu i koristiti pristup žaljenja.
Do sada smo imali:
V(sj) - Apriori vjerovatnoće od sj;
201
V(Xksj) - Uslovne vjerovatnoće od Xk za dato sj;

V(sjXk) - Aposteriorne vjerovatnoće od sj za dato Xk; j,k=01,2,3
Pretpostavimo da donosilac odluke posmatra X1. Sada on treba da odredi aposteriornu
vjerovatnoću V(sjX1), da izračuna očekivana žaljenja koristeći te aposteriorne
vjerovatnoće i na kraju da primijeni OŽ kriterijum radi nalaženja najbolje akcije. Na sličan
način on treba da nađe optimalnu akciju za svako Xk koje se može posmatrati kao rezultat
uzorkovanja.
Optimalna akcija ako je X1 dobijeno kao rezultet uzorkovanja
Aposteriorne vjerovatnoće se mogu dobiti korištenjem Bajesove teoreme koja u opštem

slučaju glasi:
V(s j ) * V ( X | s j )
V (s j | X )  n
 V(s ) *V ( X | s
j 1
j j )
Pretpostavimo da donoslilac odluke posmatra X1. Tada se aposteriorne vjerovatnoće

V(s1|X1), V(s2|X1) i V(s3|X1) mogu dobiti korištenjem gore navedene Bajesove teoreme:
V(s1 ) * V ( X 1 | s1 )
V ( s1 | X 1 ) 
[V(s1 ) * V ( X 1 | s1 )  V(s 2 ) * V ( X 1 | s 2 )  V(s 3 ) * V ( X 1 | s3 )]
Zamjenjujući odgovarajuće brojčane vrijednosti iz tabela 2.3.1. i 2.3.2. za V(s1X1) dobija

se:
V(s1X1) = (0,25*0,80)/[0,25*0,80+0,50*0,2+0,25*0,10] = 0,6154
Na sličan načinse dobijaju i sljedeće vrijednosti:

V(s 2 ) * V ( X 1 | s 2 )
V (s2 | X 1 )  =
= (0,50*0,20)/[0,25*0,80+0,50*0,20+0,25*0,10] = 0,3077
V(s 3 ) * V ( X 1 | s3 )
V ( s3 | X 1 )  =
= (0,25*0,10)/[0,25*0,80+0,50*0,20+0,25*0,10] = 0,0769
202
Gornji proračun aposteriornih vjerovatnoća se najčešće prikazuje u tabelarnoj fomi (tabela

2.3.3).
Tabela 2.3.3: Računanje aposteriornih vjerovatnoća V(sj|X1)
(1) (2) (3) (4) (5)
Apriori Uslovne Zajedničke Aposteriorne

Stanja
vjerovatnoće vjerovatnoće vjerovatnoće vjerovatnoće
sj V(sj) V(X1|sj) V(sj)V(X1|sj) V(sj|X1)
s1 0,25 0,80 0,25*0,80=0,200 0,200/0,325=0,6154
s2 0,50 0,20 0,50*0,20=0,100 0,100/0,325=0,3077
s3 0,25 0,10 0,25*0,10=0,025 0,025/0,325=0,0769
Ukupno 1,00 - 0,325 1,0000
Saglasno vjerovanjima i procjenama uprave, apriori vjerovatnoća realizovanja stanja s1

(niska potražnja) je 0,25. Istraživanje tržišta je pokazalo da će prodaja proizvoda biti slaba,
pa uprava misli da vjerovatnoća stanja s1 mora biti veća. Primjenom Bajesove teoreme to
mišljenje je potvrđeno i aposteriorna vjerovatnoća stanja s1 ukoliko se realizuje X1 iznosi
0,6154. Na sličan način se može pokazati da bi vjerovatnoća stanja s3 (visoka potražnja)
trebalo da je manja od 0,25 ako istraživanje tržišta predvidi slabu prodaju. Primjena
Bajesove teoreme je to i dokazala, naime aposteriorna vjerovatnoća s3 ako se odigra X1 je
0,0796. Kao što je već napomenuto, korištenjem Bajesove teoreme informacija uzorka
utiče i revidira vrijednosti apriori vjerovatnoća.
Sada donosilac odluke treba da iskoristi aposteriorne vjerovatnoće V(sj|X1) za nalaženje

očekivanih žaljenja od a1 i a2 sa OŽ(a1|X1) i OŽ(a2|X1), respektivno. Računanje očekivanih
žaljenja je isto kao i procedura koja je opisana u prethodnom poglavlju, jedina je razlika da
se koristi aposteriorna vjerovatnoća za dato X1 umjesto apriori vjerovatnoća. Upravo zbog
toga se i u oznaci za žaljenje koristi uslovan veza: OŽ(a1|X1). Uopšteno, očekivano žaljenje
može se definisati na sljedeći način:
203
Definicija 2.3.1: Očekivano žaljenje akcije a1 poslije dobijenog Xk je:

m
OŽ (a j | X k )   ž (a j , s j ) * V ( s j | X k )
j 1
Koristeći vrijednosti za žaljenja iz tabele 2.3.1. i definiciju za dobijanje Xk donosilac

odluke može naći:
3
OŽ (a1 | X 1 )   ž (a1 , s j ) * V ( s j | X 1 ) =
j 1
= 2.000.000*0,6154+0*0,3077+0*0,0769=1.230.800
3
OŽ (a 2 | X 1 )   ž (a 2 , s j ) * V ( s j | X 1 ) =
j 1
=0*0,6154+1.500.00*0,3077+4.000.000*0,0769=769.150
Očigledno je da je OŽ(a1|X1) > OŽ(a2|X1). Zbog toga, uprava treba da izabere a2. Tj. novi
proizvod ne treba pustiti na tržište, ako marketinško istraživanje najavi slabu prodaju. Na
taj način smo našli optimalnu akciju ako se prethodno realizuje X1. Međutim, sasvim je
moguće da se realizuje rezultat X2. Koja akcija je optimalna u tom slučaju? Da bi se dobio
odgovor na to pitanje, prethodno objašnjeni proces treba ponoviti.
Optimalna akcija ako je X2 dobijeno kao rezultat uzorkovanja
I u ovom slučaju treba najprije primjenoti Bajesovu teoremu radi određivanja aposteriornih
vjerovatnoća, a potom odrediti očekivana žaljenja za svaku akciju, da bi se na kraju
primjenom OŽ kriterijumai izabrala optimalna akcija.
V(s1 ) * V ( X 2 | s1 )
V ( s1 | X 2 )  =
= (0,25*0,10)/[0,25*0,10+0,50*0,60+0,25*0,30] = 0,0625
V(s 2 ) * V ( X 2 | s 2 )
V (s2 | X 2 )  =
= (0,50*0,60)/[0,25*0,10+0,50*0,60+0,25*0,30] = 0,7500
V(s 3 ) * V ( X 2 | s3 )
V ( s3 | X 2 )  =
= (0,25*0,30)/[0,25*0,10+0,50*0,60+0,25*0,30] = 0,1875
204
Kao i u prethodnom slučaju izračunavanje paosteriornih vjerovatnoća može se prikazati u

tabelarnoj formi (Tabela 2.3.4)
(1) (2) (3) (4) (5)

Stanja
s1 0,25 0,10 0,25*0,10=0,025 0,025/0,400=0,0625
s2 0,50 0,60 0,50*0,60=0,300 0,300/0,400=0,7500
s3 0,25 0,30 0,25*0,30=0,075 0,075/0,400=0,1875
Ukupno 1,00 - 0,400 1,0000
Dobijene vrijednosti aposteriornih vjerovatnoća se sada mogu iskoristiti za izračunavanje

očekivanih žaljenja OŽ(ai|X2):
3
OŽ (a1 | X 2 )   ž (a1 , s j ) * V ( s j | X 2 ) =
j 1
= 2.000.000*0,0625+0*0,7500+0*0,1875=1.250.800
3
OŽ (a 2 | X 2 )   ž (a 2 , s j ) * V ( s j | X 2 ) =
j 1
= 0*0,0625+1.500.000*0,7500+4.000.000*0,1875=1.875.800
Primjenjujući kriterijum očekivanih žaljenja, lako je uočiti da uprava treba da izabere

akciju a1. Znači, ako marketinško istraživanje ukaže da će prodaja novog proizvoda biti
srednja, uprava treba da ponudi tržištu novi proizvod.
Optimalna akcija ako je X3 dobijeno kao rezultat uzorkovanja
Do sada je pokazano kako se bira optimalna akcija ako prethodna istraživanja pokažu das u
rezultati uzorkovanja X1 i X2. Rezultat, koji članovi panel grupe mogu takođe da najave,
može biti i X3. Ovog puta je dat cijeli proračun samo u tabelarnoj formi.
205
(1) (2) (3) (4) (5)

Stanja
s1 0,25 0,10 0,25*0,10=0,025 0,025/0,275=0,0909
s2 0,50 0,20 0,50*0,20=0,100 0,100/0,275=0,3636
s3 0,25 0,60 0,25*0,60=0,150 0,150/0,275=0,5455
Ukupno 1,00 - 0,275 1,0000
Očekivana žaljenja OŽ(a1|X3) i OŽ(a2|X3) će se potom dobiti iz:

3
OŽ (a1 | X 3 )   ž (a1 , s j ) * V ( s j | X 3 ) =
j 1
= 2.000.000*0,0909+0*0,3636+0*0,5455=181.800
3
OŽ (a 2 | X 3 )   ž (a 2 , s j ) * V ( s j | X 3 ) =
j 1
= 0*0,0909+1.500.000*0,3636+4.000.000*0,5455=2.727.400
Upoređujući dobijene brojne vrijednosti, uprava treba da predstavi tržištu novi proizvod
ukoliko marketing najavi visoku prodaju. Ovim su svi rezultati marketinškog istraživanja
(X1, X2 i X3) obrađeni i na osnovu dobijenih rezultata sugerisan je izbor odgovarajućih
optimalnih odluka. Tako definisana strategija se naziva optimalnom strategijom ili
optimalnim pravilom odlučivanja.
2.3.4. Optimalna strategija ili optimalno pravilo odlučivanja
Prethodno opisana analiza definiše način kojim donosilac odluke dolazi do optimalne
odluke u zavisnosti od rezultata eksperimenta preduzima u cilju boljeg sagledavanja
prirode stanja (X1, X2 ili X3 za posmatrani primjer). Prema tome, ako je predviđena slaba
prodaja (na osnovu rezultata marketinškog istraživanja), proizvod ne treba lansirati na
206
tržište. S druge strane, ako je predviđanje prodaje srednje ili visoko, optimalna je odluka da
novi proizvod treba lansirati na tržište. Na simboličan način ta se strategija može izraziti
kao:
a1 za X  X1

PO * ( x)  a 2 za X  X 2 (2.3.3)
a za X  X
 1 3
Tako definisana funkcija se naziva optimalnim pravilom odlučivanja (PO) ili

optimalnom strategijom. Optimalno pravilo odlučivanja povezuje svaki rezultat
eksperimenta (istraživanja ili uzorkovanja X) sa odgovarajućom akcijom, kao što je
prikazano na slici 2.3.2. Uopšte, svaki rezultet preduzetog eksperimenta Xk se može
povezati sa jednom akcijom ai i definisati odgovarajuće pravilo odlučivanja.
Slika 2.3.2. Oprimalno pravilo odlučivanja
2.3.5. Očekivani rizik optimalne strategije
Saglasno optimalnoj strategiji iz posmatranog primjera, uprava lansira novi proizvod uvijek
kada je na osnovu istraživanja procijenjena srednja ili visoka prodaja, a kada je prodaja
procijenjena kao slaba, proizvod se ne lansira. Ipak slaba prodaja X1 se realizuje sa
vjerovatnoćom V(X1) koja iznosi:
V(X1)=V(s1)V(X1|s1)+V(s2)V(X1|s2)+V(s3)V(X1|s3)=0,25*0,80+0,50*0,20+0,25*0,10
=0,325
207
Ovu vrijednost smo već dobili u posljednjem redu i koloni (4) tabele 2.3.3. Na sličan način
se mogu naći vrijednosti za V(X2) i V(X3), kao 0,400 i 0,275, što se može uočiti iz kolona
(4) u tabelama 2.3.4. i 2.3.5, respektivno. Takođe je poznato da uprava bira a2 i realizuje
očekivano žaljenje od 769.150 KM uvijek kada se realizuje X1. Na sličan način uprava
uvijek bira a1 i ostvaruje očekivano žaljenje od 125.000 ili 181.800, respektivno, kada se
realizuju X2 ili X3. Kako su vjerovatnoće X1, X2 i X3 redom, 0,325, 0,400 i 0,275,
donosilac odluke može naći očekivano žaljenje optimalne strategije PO* kao:
OŽ(PO*,n) = 769,150*0,325 + 125.000*0,400 + 181.800*0,275 = 349.968,75 KM
Ta veličina se naziva očekivanim rizikom optimalne strategije i obilježava se sa
OR(OP*,n), gdje ne n veličina uzorka.
Definicija 2.3.2. Očekivani rizik optimalne strategije OR(PO*,n) je:
OR(PO*, n)  OŽ(PO*, n)   OŽ(a i * | X k )V ( X k )
gdje je OŽ(ai*,Xk) očekivano žaljenje najbolje akcije ai. Izračunavanje ovih vrijednosti za
posmatrani primjer dato je u tabeli 2.3.6.
Tabela 2.3.6: Računanje očekivanog rizika OR(OP*,n)

Optimalna
Informacija
strategija OŽ(ai|Xk) V(Xk) OR(PO*,n)
uzorka X
PO*
X1 a2 769150,00 0,325 249973,75
X2 a1 125000,00 0,400 50000,00
X3 a1 181800,00 0,275 49995,00
Ukupno - - 1,000 349968,75
Potrebo je uočiti da je u prethodnu definiciju uključena veličina n u oznaci OR)PO*,n).

Razlog za to je, što OR(PO*,n) zavisi od veličine uzorka n. U našem primjeru veličina
uzorka je broj potrošača u potrošačkoj radnoj grupi. Što je veća vrijednost n više podataka
se može uočiti i saglasno tome ćemo imati više informacija koje nam mogu pomoći u
izboru bolje odluke. To implicira da je moguće OR(PO*,n) učiniti manjim, ako se n
povećava. U cilju pokazivanja te zavisnosti, veličina n je uključena u izraz za OR(PO*,n).
208
2.3.6. Očekivana vrijednost informacije uzorka
Koristeći prethodnu analizu pokazano je da uprava treba da izabere a2 ako se realizuje X1, i
a1 ako se realizuju X2 i X3. Ako se nastavi ova analiza pokazuje se (tabela 2.3.6) da su u
prosjeku očekivana žaljenja 349.968,75 KM, što je definisano sa OR(PO*,n). Može se
postaviti pitanje da li uopšte postoji neka prednost pri odlučivanju ako se donosilac odluke
odluči da pristupi prikupljanju dodatnih informacija.
Bez korištenja bilo kakvih informacija uzorkovanja poznato je da donosilac odluke treba da
izabere a1, tj. novi proizvod treba lansirati na tržište. Ožekivano žaljenje od a1 bazirano
samo na apriori informacijama iznosi 500.000 KM. Ta vrijednost indicira da donosilac
odluke može platiti do 500.000 KM za pribavljanje informacija uzorkovanja u cilju
smanjivanja neizvjesnosti koja se odnosi na realizovanje stanja s1, s2 ili s3. Analiza sa
informacijom uzorkovanja pokazuje da donosilac odluke treba da izabere optimalnu
strategiju PO*, kako je definisano jednačinom 2.3.3. Očekivani rizik OR(PO*,n), je jednak
349.968,75 KM i ta veličina indicira konačnu redukciju u očekivanom žaljenju od 500.000
KM prije uzorkovanja na 349.968,75 KM poslije uzorkovanja. Tazlika između ove dvije
vrijednosti od 151.031,25 može se smatrati zaradom koja je proistekla iz informacije
uzorkovanja. Ta se veličina zato i naziva očekivanom vrijednosti informacije uzorka i
obilježava se sa OVIU(n).
Definicija 2.3.3. Očekivana vrijednost informacije uzorka, OVIU)n) je:
OVIU(n) = (Očekivano žaljenje najbolje akcije, sa apriori vjerovatnoćama)

– Očekivani rizik optimalne strategije) = OVPI – OR(PO*,n)
Koncept očekivane vrijednosti informacije uzorka je veoma koristan, jer obezbjeđuje
mjeru koja indicira da li uopšte postoji bilo kakva korist (dobit) prilikom sticanja
informacija iz uzorkovanja. Takođe, obezbjeđuje mjeru koliko tačno treba platiti troškove
uzorkovanja. Kao i u slučaju OR(PO*,n) vrijednost OVIU(n) zavisi od veličine uzorka n.
Kao što je već rečeno, vrijednost za OR(PO*,n) može opadati dok veličina uzorka n raste.
S druge strane, vrijednost za OVIU(n) će rasti i težiti veličini OVPI, sve dok se n
povećava.
209
2.3.7. Očekivana čista dobit od uzorkovanja
Iz svakog uzorka koji se napravi u cilju boljeg sagledavanja problema koji se rješava,
svakako će se dobiti informacije čija je vrijednost definisana sa OVPI. Međutim, sam
proces prikupljanja i obrade novih podataka ima svoju cijenu. Zbog toga je potrebno
napraviti dodatnu analizu u cilju sagledavanja da li će uzorkovanje odezbjediti tzv. Čistu
dobit. Mjera koja predstavlja rezultat takve analize naziva se očekivanom čistom dobiti
od uzorkovanja.
Pretpostavimo da nas process prikupljanja podataka od potrošačke panel grupe, kao i

njihova analiza košta 100.00. Da li ćemo iz tako prikupljenih i analiziranih podataka izvući
korist vrijednu 100.000 KM? Odgovor zavisi od veličine očekivane vrijednosti informacije
uzorkovanja, OVIU(n). Kao što je poznato, OVIU(n) ne uključuje u svoju veličinu
troškove prikupljanja i analiziranja novih podataka. Ipak ona nam daje vrijednost
informacije uzorkovanja. Zbog toga je logično očekivati da razlika između OVIU(n) i
troškova prikupljanja i analiziranja novih podataka, treba da ukaže da li iz informacije
uzorkovanja možemo očekivati čistu dobit ili ne. Za posmatrani primjer, OVIU(n) iznosi
150.031,25 KM. Kako troškovi uzorkovanja iznose 100.000 KM, razlika od 50.031,25 KM
predstavlja očekivanu čistu dobit od informacije uzorkovanja, koja se uobičajeno
obilježava sa OČDU(n). U opštem slučaju se očekivana čista dobit od uzorkovanja može
definisati na sljedeći način:
Definicija 2.3.4. Očekivana čista dobit od uzorkovanja, OČDU(n) je:
OČDU(n) = OVIU(n) – (Troškovi uzorkovanja) = OVIU(n) – T(n)

gdje T(n) predstavlja troškove uzorkovanja sa n opservacija.
Kao i u slučaju OVIU(n), očekivana čista dobit od uzorkovanja takođe zavisi od veličine
uzorka.
Odluka o preduzimanju uzorkovanja
U dosadašnjoj analizi je pokazano kako se može doći do optimalne strategije, OR(PO*,n),

OVIU(n) i OČDU(n) iz uzorka kji se analizira. Sada smo u mogućnosti da odlučimo, da li
210
ćemo uopšte preduzeti uzorkovanje u cilju dobijanja novih informacija. Očigledno je da je

uzorkovanje poželjno, ako je OČDU(n) za posmatrani uzorak veća ili jednaka nuli. S druge
strane, process uzorkovanja ne treba sprovoditi ako je OČDU(n) manja od nule.
U našem primjeru, vrijednost za OČDU(n) iznosi 50.031,25 KM, pa je više nego očigledno
da uprava treba da pristupi prikupljanju i analizi dodatnih informacija. Onog momenta
kada je informacija prikupljena, postupak određivanja optimalne strategije je poznat.
Naime, uprava neće na tržište pustiti novi proizvod ako informacija dobijena iz
uzorkovanja indicira slabu prodaju, odnosno novi proizvod će biti lansiran na tržište ako
informacija iz uzorkovanja indicira srednju ili visoku prodaju. Tako određena optimalna
strategija se može izraziti već iskazanim pravilom odlučivanja PO*(X) kao:
a1 za X  X1

PO * ( x)  a 2 za X  X 2
a za X  X
 3 3
Do sada opisana analiza se može prikazati i na tabelaran način, koristeći jedinstvenu tabelu
(Tabela 2.3.7). Takva tabela, koja obezbjeđuje informacije o optimalnoj strategiji, PO*,
OR(PO*,n), OVIU(n) i OČDU(n) za posmatrani uzorak naziva se uobičajeno proširenom
ili ekstenzivnom tabelom.
Analiza odlučivanja sa uzorkovanjem podrazumijeva najprije prikupljanje novih evidencija

preko novih podataka, a potom optimalno ponašanjeu svjetlu tako prikupljenih informacija.
Konkretno govoreći, prvo se prikupe novi podaci i odrede uslovne vjerovatnoće, a zatim se
korištenjem Bajesove formule odrede aposteriorne vjerovatnoće i izračunaju očekivana
žaljenja u odnosu na tako određene vrijednosti aposteriornih vjerovatnoća. Kriterijum
očekivanog žaljenja treba primjeniti na kraju i naći optimalnu akciju u svijetlu tako
prokupljenih informacija. Opisana procedura definiše način određivanja optimalne
strategije, kao i ostale važne mjere: OR(PO*,n), OVIU(n) i OČDU(n) koje su u direktnoj
vezi sa veličinom posmatranog uzorka n. U literaturi se ova analiza naziva analizom
ekstenzivne forme.
211
Tabela 2.3.7: Proširena (ekstenzivna) tabela

Apriori
Stanje Uslovne vjerovatnoće Zajedničke vjerovatnoće
vjerovatnoće V(sj)
sj V(sj) X1 X2 X3 X1 X2 X3
s1 0,25 0,80 0,10 0,10 0,2000 0,0250 0,0250 0,25

s2 0,50 0,20 0,60 0,20 0,1000 0,3000 0,1000 0,50
s3 0,25 0,10 0,30 0,60 0,0250 0,0750 0,1500 0,25
V(Xk) 0,3250 0,4000 0,2750 1,00
V(s1|Xk) 0,6154 0,6250 0,0909
V(s2|Xk) 0,3077 0,7500 0,3636

V(s3|Xk) 0,0769 0,1875 0,5455
sj V(sj) a1 a2 a1 a2 a1 a2 a1 a2
s1 0,25 2000000 0 1230800 125000 181800
s2 0,50 0 1500000 OŽ(ai|Xk)

s3 0,25 0 4000000 769150 1875000 2724000
OŽ(ai) 500000 1750000 PO* a2 a1
a1
OVPI = 500000 OR(PO*,n) = 769150*0,325 +
T(n) = 100000 125000*0,400 + 181800*0,275 =
349968,75 OVIU(n) = 500000 - 349968,75 = 150031,25
OČDU(n) = 150031,25 - 100000 = 50031,25
2.3.8. Optimalni plan uzorkovanja (ili izbor optimalne veličine uzorka)
Do sada je objašnjen način izbora optimalne strategije, ako donosilac odluke odluči da
preduzme uzorkovanje sa dvije moguće opservacije. Već je napomenuto da je vrijednost
veličine uzorka izabrana proizvoljno. Ako upravnik izabere uzorkovanje sa tri opservacije,
tj. ako je n = 3, tada postupiti na isti način. Pitanje koje se logično nameće je da li postoji
bilo koja optimalna vrijednost za n?
Pitanje određivanja optimalne veličine uzorka zavisi od OČDU(n). Kao što je već rečeno,
uzorkovanje se može preduzeti kada je OČDU(n) > 0. Sa povećanjem veličine uzorka,
može se uočiti da OČDU(n) najprije raste, a potom, poslije određene vrijednosti n, opada.
To ponašanje očekivane čiste dobiti od uzorkovanja (OČDU) zavisi od ponašanja
očekivanog rizika optimalne strategije – OR(PO*,n), troškova uzorkovanja – T(n) i
očekivane vrijednosti informacije uzorka – OVIU(n). U stvari, može se uočiti da
OR(PO*,n) opada ako se n povećava. S druge strane, vrijednost troškova uzorkovanja T(n)
raste sa porastom n. Zbog toga se smanjenje očekivanog rizika optimalne strategije -
212
OR(PO*,n) može postići jedino stalnim povećanjem troškova uzorkovanja. Mora se naći
ravnotežna tačka između tih konfliktnih uticaja u određivanju optimalne veličine uzorka.
Troškovi uzorkovanja se najšešće mogu izraziti sa:

T(n) = tf +n*tp
gdje tf predstavlja fiksne troškove uzorkovanja a tp promjenjive troškove uzorkovanja.
Za dati uzorak n, može se naći optimalna strategija PO* i potom očekivani rizik
OR(PO*,n). Dodajući OR(PO*,n) na T(n) dobije se ukupni rizik za PO* za datu veličinu
uzorka n. Ako taj ukupni rizik od PO* obilježimo sa UR(PO*,n), tada je:
UR(PO*,n) = OR(PO*,n) + T(n) = OR(PO*,n) + tf +ntp
Kada n raste očekivani rizik OR(PO*,n) će opadati a troškovi uzorkovanja T(n) rasti. To
ukazuje da će ukupni rizik UR(PO*,n) u početku opadati, a počeće da raste poslije izvjesne
vrijednosti, koja se može obilježiti sa n*. U toj tački je ukupni rizik minimalan i zbog toga
je logično izabrati tu vrijednost kao optimalnu veličinu uzorka (Slika 2.3.3).
Slika 2.3.3. Zavisnost ukupnog rizika optimalne strategije UR(PO*,n) od veličine uzorka n.
213
2.4. Drvo odlučivanja i sekvencijalno odlučivanje
2.4.1. Cilj
Tipičan problem u analizi odlučivanja odnosio se na nepoznata stanja prirode, tj. na faktore
u problemu odlučivanja na koje donosilac odluke nije imao nikakav uticaj. Zbog toga je
sav napor učesnika u procesu odlučivanja bio usmjeren ka definisanju načina dodijeljivanja
vjerovatnoća nastupanja pojedinih stanja prirode. Naravno, to je rezultovalo određenim
rješenjima, koja su vrlo detaljno prethodno obrađena.
Međutim, problem odlučivanja se može proširiti uvođenjem tzv. sekvencijalnog

odlučivanja:
koje predstavlja takvu potencijalnu situaciju, za koju donosilac odluke može

odložiti donošenje odluke (izbor akcija iz skupa alternativnih akcija) u cilju
dobijanja dodatnih informacija o stanjima prirode, i to može činiti
beskonačno dugo.
Naravno, ova beskonačnost odlaganja donošenja odluke je figurativne prirode, a ima za cilj
samo težnju za prikupljanjem novih i novih informacija. Ta osobina se sve više potencira
sa porastom značaja odluke koja se donosi i naročito (ekonomskih) posljedica koje odluka
treba da izazove u budućnosti.
Za modeliranje problema sekvencijalnog odlučivanja najčešće se koristi tehnika tzv. drveta

odlučivanja. Međutim, na početku ovog poglavlja će tehnika drveta odlučivanja
predstavljati samo grafičku interpretaciju aposteriorne analize. Time će biti napravljen
uvod u njeno korištenje za probleme sekvencijalnog odlučivanja.
Tom prilikom će biti naveden i jedan ekonomski kriterijum zaustavljanja beskonačnosti u

procesu sekvencijalnog donošenja odluka.
Da bi se to postiglo posmatraće se tri slučaja:
- Bez uzorkovanja,
- Uzimanje samo jednog uzorka i
- Sekvencijalni slučaj.
214
Zadaci:
a) Ovladavanje vještinama primjene metode analize odlučivanja (sve njene varijante) uz

„grafičku“ pomoć drveta adlučivanja,
b) Razvoj sposobnosti lakše analize problema koji se rješava, tj. odnosno lakše obavljanje
tzv. Strukturiranje problema.
Ključne riječi: Drvo odlučivanja; Sekvencijalno odlučivanje; Uzorkovanje; Pravilo

zaustavljanja; Strukturiranje problema; Donosilac odluke.
2.4.2. Slučaj bez uzorkovanja
Za slučaj bez uzorkovanja, tehnika drveta odlučivanja nije ništa drugo do lijepa grafička
interpretacija aposteriorne analize. Zbog toga će i objašnjenje tehnike biti urađeno odmah
kroz primjer, dok će se kao varijable koristiti samo žaljenja.
Primjer 2.4.1.
Razmatra se problem kontrole kvaliteta. Naime, u serijskoj proizvodnji, uvijek se postavlja

pitanje problema kontrole kvaliteta proizvedenih artikala. Za potrebe objašnjenja suštine
ove materije realni problem kontrole kvaliteta će biti reduciran na mnogo jednostavniji
slučaj:
Pretpostavlja se, da određeni proizvođač proizvodi jedan artikal u seriji od 2000 jedinica.
Pred njega se postavlja pitanje da li da izvrši 100% kontrolu svih proizvedenih jedinica ili
da proizvodnju prihvati bez ikakve kontrole. Pri tome on raspolaže sljedećim podacima:
- Cijena kontrole jednog proizvoda iznosi 1 KM,
- Cijena zamjene jednog proizvoda (u slučaju da se proizvodnja prihvati bez kontrole i
artikli pošalju kupcima( iznosi 15 KM/kom.
Već ovaj posljednji podatak ukazuje na mogućnost da proizvedeni artikli budu defektni, pa
je zbog toga, jedan duži period, praćena i analizirana pojava škarta u proizvodnji. Na
osnovu te evidencije je ustanovljeno da se u 70% slučajeva javlja 4% škarta, u 20%
slučajeva 7% škarta i u 10% slučajeva 10% škarta.
215
Da bi se dobio odgovor na postavljeno pitanje potrebno je najprije definisati akcije i stanja

prirode ovog problema. Akcije su:
- a1 - 100% kontrola i
- a2 - slučaj bez kontrole.
Stanja prirode definisana su procentom škarta koji se javlja u svakoj seriji i ona glase:
- s1 = 0,04 - 4% škarta
- s2 = 0,07 - 7% škarta
- s3 = 0,10 - 10% škarta
Nije poznato koje će se stanje prirode odigrati, ali na osnovu objektivnih evidencija, koje
su vođene i analizirane, utvrđeno je da su vjerovatnoće nastupanja pojedinih stanja
sljedeće:
- V(s1) = 0,70
- V(s2) = 0,20
- V(s3) = 0,10
Za datu tabelu žaljenja (Tabela 2.4.1) predstaviti dati problem drvetom odlučivanja. Drvo
odlučivanja za ovaj problem dato je na slici 2.4.1.
U njemu se donosilac odluke nalazi u prvom čvoru (tački) grananja, koji se po uobičajenoj
konvenciji označava kvadratom, a naziva se čvorom odlučivanja. Tu donosilac odluke
treba da izvrši izbor između akcija a1 i a2, predstavljenih tzv. Granama (linijama, dužima ili
slično) na čijim se krajevima nalaze čvorovi mogućnosti (obilježeni krugom). Mogućnosti
se naravno odnose (za obe akcije) na odigravanja nepoznatih stanjaprirode sj, j=1,2,3, zbog
čega se iz tih čvorova i granaju grane. Na krajevima tih grana nalaze se vrijednosti žaljenja,
koji rezultuju iz svake moguće kombinacije akcije i stanja prirode, a iznad samih grana
(apriori) vjerovatnoće nastupanja odgovarajućih stanja prirode.
216
Tabela 2.4.1: Tabela žaljenja
sj Vo(sj) a1 a2
0,02 0,15 100 0
0,50 0,65 0 0
0,90 0,20 0 200
Očekivana vrijednost 15 40
Slika 2.4.1. Drvo odlučivanja
Samo izračunavanje se vrši potom u povratnom hodu, tj. s desna u lijevo. Za svaki čvor
mogućnosti izračuna se vrijednost korištenja (očekivanog žaljenja) baš tog čvora,
sumirajući proizvode žaljenja i apriori vjerovatnoća. Po dobijanju očekivanih vrijednosti za
svaki čvor mogućnosti, donosilac odluke bira akciju (s lijeva u desno) sa manjim
očekivanim žaljenjem, a sve preostale jednostavno precrta.
217
2.4.3. Uzimanje samo jednog uzorka
Prelazna etapa ka sekvencijalnom problemu odlučivanja, predstavlja mogućnost donosioca

odluke da u cilju pribavljanja dodatnih informacijaobavi samo jedan eksperiment. Kako je
i ovaj problem obrađen prethodno, sva obješnjenja će biti data kroz primjere.
Primjer 2.4.2.
Za problem kao u primjeru 2.4.1. i sa mogućnošću samo jednog uzorkovanja na uzorku

veličine n=1, čiji troškovi uzorkovanja iznose Tu = 8 KM, nacrtati drvo odlučivanja i
izabrati najbolju akciju. Polazna osnova gornjeg drveta odlučivanja je ista kao na slici
2.4.1. (Primjer 2.4.1). Međutim, pored dvije konačne akcije (a1 i a2), u ovoj situaciji postoji
i mogućnost obavljanja eksperimenta, što predstavlja treću granu (u1) novog drveta
odlučivanja (Slika 2.4.2). Iako se proračun vrši tek kad se drvo kompletira, već sada se sa
sigurnošću može reći da se akcija a2 može odbaciti (precrtati) jer je lošija od a1. Što se tiče
odnosa između a1 i u1, jedino što se zna jeste da troškovi uzorkovanja (Tu = 8 KM) ne
prevazilaze očekivanu vrijednost akcije a1, što predstavlja i jedini kriterijum za
sprovođenje uzorkovanja.
Zbog toga se analiza nastavlja granom u1 i tada nailazimo na prvi čvor mogućnosti. Na tom
mjestu mogućnosti su uslovljene rezultatom uzorkovanja, koji u ovom primjeru glasi: X =
0 ili X = 1 defektni proizvod. Zbog toga iz čvora izlaze dvije grane kojima treba dodijeliti
marginalne vjerovatnoće nastupanja odgovarajućeg rezultata uzorkovanja za sva stanja
prirode.
Na krajevima tih grana se nalaze novi (sljedeći) čvorovi odlučivanja gdje se vrši izbor
između akcija a1 i a2 (novo uzorkovanje se u ovom primjeru ne dozvoljava). Izbor akcije je
(na ovom nivou) uslovljen prethodno sprovedenim uzorkovanjem, tako da se očekivane
vrijednosti žaljenja pojedinih akcija dobijaju korištenjem aposteriori vjerovatnoća
nastupanja pojedinih stanja. Na završecima grana, koje predstavljaju mogućnosti
nastupanja nepoznatih stanja prirode, nalaze se naravno žaljenja (iz tabele 2.4.1 primjera
2.4.1)
218
Potrebne vrijednosti za odlučivanje izračunate su tehnikom aposteriorne analize i

predstavljene tabelama 2.4.2. i 2.4.3.
Sa izračunatim vrijednostima iz tabela, moguće je sad unazad krenuti i popuniti drvo
odlučivanja ključnim veličinama. Najprije se posmatra grana X = 0. Očekivana vrijednost
žaljenja akcije a1 je 29,88, a akcije a2, 8,12. Kao bolja bira se akcija a2 i i njena vrijednost
očekivanog žaljenja prenosi u odgovarajući čvor mogućnosti (akcija a1 se precrta). Slično
se postupa i sa granom X = 1 gdje se kao najbolja dobija akcija a1, sa očekivanim
žaljenjem od 0,59.
Dalje, idući s desna u lijevo dolazi se do sljedećeg čvora mogućnosti. Na tom mjestu
priroda problema bira rezultat uzorka, bilo X = 0 bilo X = 1. Kako donosilac odluke, prije
uzimanja uzorka, ne zna koji će se rezultat dobiti, treba da izračuna vjerovatnoću svakog
mogućeg rezultata. Marginalna vjerovatnoća uzorka je suma zajedničkih vjerovatnoća
određenih i iskazanih u prethodnim tabelama; V(X=0)=0,492 i V(X=1)=0,508. Ocjenjujući
akciju u1 prije nego što je stigao u prvi čvor mogućnosti, donosilac odluke mora dodijeliti
tom čvoru očekivanu vrijednost. Ona se računa na osnovu marginalnih vjerovatnoća
svakog rezultata uzorka i ekonomskih posljedica, tj. vrijednosti dodijeljenih sljedećim
čvorovima odlučivanja:
(8,12)*(0,4940)+(0,59)*(0,5080) = 4,2948
Vrijednost od 4,2948 se potom dodijeljuje čvoru mogućnosti na kraju grane u1. Na tu

vrijednost se moraju dodati troškovi uzorkovanja Tu = 8 što ukupno iznosi za akciju u1
12,2948.
219
Slika 2.4.2. Drvo odlučivanja
220
Sada donosilac odluke ima sve elemente za izbor između a1 i u1 (a2 je već ranije precrtao).
Naravno, on bira uzorkovanje jer je O[Ž(u1)] = 12,29 < 15 = O[Ž(a1)].
Tabela 2.4.2: X = 0
Tabela žaljenja
sj V0(sj) V(X=0|sj) V(Xsj) V1(sj)
a1 a2
0,02 0,15 0,98 0,1470 0,2988 100 0
0,50 0,65 0,50 0,3250 0,6606 0 0
0,90 0,20 0,10 0,0200 0,0406 0 200

1,00 - 0,4920 1,0000 28,88 8,12
Tabela 2.4.3: X = 1
Tabela žaljenja
sj V0(sj) V(X=0|sj) V(Xsj) V1(sj)
a1 a2
0,02 0,15 0,02 0,0030 0,0059 100 0
0,50 0,65 0,50 0,3250 0,6398 0 0

0,90 0,20 0,90 0,1800 0,3543 0 200
1,00 - 0,5080 1,0000 0,59 70,86
Konačno rješenje ovog problema glasi:

Obavezno sprovesti uzorkovanje u1 i ako rezultat je X = 0 izabrati akciju a2, a ako je
rezultat X = 1, izabrati akciju a1. (Slika 2.4.3).
Slika 2.4.3. Kondenzovano drvo odlučivanja
221
2.4.4. Sekvencijalni slučaj
Postoje situacije (više ili manje opravdane) kada se donosilac odluke ne može zadovoljiti
rezultatima dobijenim proračunima na osnovu samo jednog eksperimenta. Tada se
pribjegava preduzimanju novih eksperimenata, sve u cilju zadovoljenja potreba donosioca
odluke za relevantnim informacijama. Po pravilu je riječ o novim procesima uzorkovanja
(jedan za drugim – sekvencijalno), pri čemu veličina uzorka ne mora u svim slučajevima
da bude ista.
Međutim, pri uzimanju novih uzoraka, mora se voditi računa o vrijednostima informacija
koje se iz njih dobijaju, kao i o troškovima samog uzorkovanja.
Primjer 2.4.3.
U ovom primjeru je potrebno proširiti problem mogućnošću uzimanja novih uzoraka

(veličine n=1) sa istim vrijednostima troškova.
Kako je u ovakvim situacijama odlučivanja ostavljena, teorijski, mogućnost uzorkovanja
do beskonačnosti, potrebno je najprije definisati tzv. pravilo zaustavljanja da bi se,
praktično, ta beskonačnost eliminisala. Kriterijum, koji će ovdje biti korišten, je
ekonomske prirode i krajnje je razumljiv u svojoj osnovnoj ideji.
Naime, pri formiranju drveta odlučivanja stalno se upoređuju očekivane vrijednosti
plaćanja ili žaljenja konačnih akcija sa troškovima uzorkovanja. Uzorkovanje ne treba ni
vršiti ukoliko se nađe na bilo kom dijelu drveta odlučivanja akcija čija su očekivana
žaljenja ili plaćanja manja od troškova uzorkovanja. Time se grananje na tom dijelu drveta
zaustavlja i prelazi se na ispitivanje ostalih dijelova, koje traje sve do potpunog blokiranja
svih grananja, a na osnovu pomenutog kriterijuma.
Drvo odlučivanja za primjer 2.4.3, dato je na slici 2.4.4. U odnosu na prethodnu sliku
(2.4.3) ova je nešto pojednostavljenija, pa svi čvorovi mogućnosti i nisu prikazani.
Međutim, proširenje problema, sa mogućnošću novih uzorkovanja, vidi se poslije čvorova
odlučivanja na nivou 2. Naime, pored konačnih akcija a1 i a2 (na obe grane) uvedena je
mogućnost uzimanja po jednog uzorka veličine n=1 (sa troškovima Tu=8).
Kako su već poznati rezultati iz primjera, odmah je moguće zaključiti da je po donjoj grani
dalje uzorkovanje besmisleno jer je O[Ž(a1)] = 0,59 < 8 = Tu. Kod gornje grane to nije
222
slučaj, mada se intuitivno može pretpostavitida i tu ne treba preduzimati uzorkovanje, jer

su njegovi troškovi tek nešto malo manji od očekivanog žaljenja akcije aa (O[Ž(a2)]=8,12).
Međutim, kako je pravilo zaustavljanja već definisano ono će biti i poštovano, pa će u tom
čvoru odlučivanja pored a1 i a2 figurisati i akcija novog uzorkovanja. Kako je riječ o
uzorku veličine n=1 i ovdje će postojati dva moguća rezultata uzorkovanja: X2=0 i X2=1
(indeks 2 se odnosi na drugi uzorak). Po novim granama, koje se formiraju na osnovu X2,
iz čvora mogućnosti nivoa 2, potrebno je sprovesti novu aposteriornu analizu čiji se
rezultati daju u tabelarnoj formi (tabele 2.4.4. i 2.4.5). Time se dolazi do čvorova
odlučivanja na nivou 3, gdje je po obe grane moguće birati između a1 i a2 i nekog novog
uzorkovanja za koje se zna veličina uzorka (n=1) i troškovi (Tu=8).
Za tu aposteriornu analizu (za razliku od prethodnih) karakterističan je jedan važan

momenat. Naime, njene apriori (ulazne) vjerovatnoće nisu ništa drugo do aposteriorne
vjerovatnoće nastupanja stanja prethodnog nivoa odlučivanja. Nove aposteriorne
vjerovatnoće, sada obilježene sa V2(S), dobijaju se ponovo korištenjem Bajesove formule.
Upoređujući sada dobijene rezultete, vidi se da je po obe grane (X2 = 0 i X2 = 1)
uzorkovanje nepotrebno jer je:
 na gornjoj grani (O[Ž(a2)] = 1,32 < 8 = Tu, a
 na donjoj grani (O[Ž(a1) ]= 1,61 < 8 = Tu.
Time se sakvencijalna procedura završava, jer je za svaki mogući rezultat uzorkovanja

jedna od raspoloživih akcija uvijek povoljnjia od onih koje bi se dobile novim
uzorkovanjem.
Slika 2.4.4. Drvo odlučivanja za primjer 2.4.3.

223
Povratnim hodom se sada problem konačno rješava. Za nivo odlučivanja 3 upisuju se

vrijednosti očekivanih žaljenja najboljih akcija, a to su 1,32 (od akcije a2) i 1,61 (od akcije
a1).
Tabela 2.4.4: X2=0 za X1=0

Tabela žaljenja
sj V1(sj) V(X2=0|sj) V(X2sj) V2(sj)
a1 a2
0,02 0,2988 0,98 0,2928 0,4668 100 0
0,50 0,6606 0,50 0,3303 0,5266 0 0

0,90 0,0406 0,10 0,0041 0,0066 0 200
1,0000  0,6272 1,0000 46,68 1,32
Tabela 2.4.5: X2=1 za X1=0

Tabela žaljenja
sj V1(sj) V(X2=1|sj) V(X2sj) V2(sj)
a1 a2
0,02 0,2988 0,02 0,0060 0,0161 100 0

0,50 0,6606 0,50 0,3303 0,8860 0 0
0,90 0,0406 0,90 0,0365 0,0979 0 200
1,0000  0,3728 1,0000 1,61 19,58
Vrijednost u čvoru mogućnosti nivoa 2 mora biti očekivano žaljenje za taj čvor, koji uzima
u obzir oba moguća rezultata uzorkovanja sa vjerovatnoćom njihovog nastupanja
(marginalne vjerovatnoće iz tabela 2.4.4. i 2.4.5), tj.:
(1,32)*(0,6272) + (1,61)*(0,3728) = 1,4288
Na tu vrijednost se dodaju troškovi tog uzorkovanja (što ukupno iznosi 9,4288), pa

donosilac odluke bira:
 po grani X1 = 0 između a1 (29,99), a2 (8,12) i uzorkovanja (9,4288),
 po grani X1 = 1, već od ranije je izabrana akcija a1 (sa O[Ž(a1)] = 0,59).
U čvoru mogućnosti (nivo 1) očekivana je vrijednost sada:

(8,12)*(0,492) + (0,59)*(0,508) = 4,2948,
Odnosno, sa troškovima uzorkovanja 12,2948.
224
Konačno u prvom čvoru adlučivanja donosilac odluke bira između:

 a1 sa O[Ž(a1)] = 15,
 a2 sa O[Ž(a2)] = 40
 uzorkovanja 12,2948.
Rješenje problema odlučivanja sada glasi:

Uzeti jedanput uzorak veličine 1: Ako je X1 = 0 izabrati akciju a2, a ako je X1 = 1 izabrati
akciju a1.
Grafički, to rješenje se može prikazati kroz kondenzovano drvo odlučivanja (slika 2.4.5).
Slika 2.4.5. Kondenzovano drvo odlučivanja za primjer 2.4.3.
225
3. Analiza rizika
3.1. Ciljevi
U ovom poglavlju se u problematiku odlučivanja, kao metod uvodi pristup analize rizika.
Posebno je objašnjeno kako treba:
a) istaživati prirodu neizvjesnosti, koja okružuje sve relevantne varijable koje se odnose
na projekat,
b) dodijeliti raspodjele vjerovatnoća kriterijumskim varijablama sa kojima se vrši
evaluacija projekta i
c) izvršiti evaluaciju projekta, koristeći raspodjele vjerovatnoća kriterijumskih
varijabli.
Zadaci:
a) usvojiti znanja i razviti sposobnosti primjene analize rizika u evaluaciji projekata,
b) razumjeti slabosti i dobre strane analize rizika u poređenju sa ostalim metodama koje
se koriste za evaluaciju projekata.
Ključne riječi: Rizik; Subjektivna vjwerovatnoća; Objektivna vjerovatnoća; Neizvjesnost;

Donosilac odluke; Analiza ritika; Metoda procjene pet tačaka; 25 % (prvi kvartil), 50%
(medijana ili drugi kvartil) i 75% (treći kvartil); Raspodjela vjerovatnoća; Kumulativna
raspodjela vjerovatnoća; Delfi metoda: Monte Carlo simulacija; Očekivana novčana
vrijednost.
3.2. Šta je rizik?
Svako od nas je u svakodnevnom životu konstantno izložen riziku. Uvijek želimo da ga

izbjegnemojer su, skoro po pravilu, njegove posljedice nepovoljne po nas. Pretpostavimo,
na primjer, da rukovodilac projekta želi da evaluira projekat koji vodi na bazi ekonomske
mjere povraćaja (EMP) sredstava. Poznato je da u većini realnih poslovnih situacija, EMP
projekta zavisi od nekoliko faktora, koji se interaktivno odigravaju u uslovima
neizvjesnosti, zbog čega je skoro nemoguće predvidjeti koja će se od vrijednosti stanja
prirode odigrati. Rukovodilac projekta ne može sebi da dozvoli izbor takvih resursa
projekta koji vode negativnoj vrijednosti EMP ili koje mogu firmu za koju radi izložiti
226
finansijskoj opasnosti. Zbog toga on mora da prostudira vjerovatnoću odigravanja

ekonomske mjere povraćaja i potom evaluira projekat.
Zbog toga je analiza rizika uvijek povezana sa negativnim rezultatima i posljedicama.
Donosilac odluke mora proučavati kakav će biti rezultat i kako će biti povezan sa ostalim u
cilju mogućnosti određivanja vjerovatnoće njegovog nastupanja. Potom se mogu evaluirati
projekti, odnosno alternative odlučivanja i izabrati najbolja akcija. Analiza rizika pruža
donosiocu odluke logički okvir koji mu omogućava izbor najbolje akcije.
3.3. Definicija rizika
Veoma je teško definisati rizik kao pojavu (strogo statistička definicija je inače već data u
poglavlju 2). Willett je 1901. Godine definisano rizik kao „objektiviziranu neizvjesnost
koja se po pravilu odigrava kao zbivanje nepoželjnog događaja“. Knight opet rizik naziva
„mjerljivom neizvjesnošću“, a Denenburg ga definiše kao „neizvjesnost gubitka“, odnosno
žaljenja. Sve navedene definicje se slažu u jednom aspektu rizika, koji se zove
neizvjesnost. Ipak je očigledno da postoji razlika u mišljenju kako neizvjesnost treba
mjeriti. Kako je već pokazano i ranije neizvjesnost se može procijeniti ne samo
„objektivnim“, već i „subjektivnim“ vjerovatnoćama. Pošto većina poslovnih i ostalih
realnih problema zahtijeva subjektivne „ulaze“ donosioca odluka, kao što su vjerovanja
(ubjeđenja), akumulirano iskustvo, procjene i preferencije rizika se mogu dodijeliti i
subjektivno. Nadalje, različiti donosioci odluka se mogu različito odnositi prema riziku.
Zbog toga procjena rizika može biti subjektivna ili lična (od donosioca odluke). Takođe, za
većinu situacija odlučivanja „objektivni“ podaci i ne moraju biti na raspolaganju, dok
donosilac odluke uvijek raspolaže sopstvenim vjerovanjima i akumuliranim iskustvom.
Kako evaluacija ili odluka moraju biti donijeti, i navedeni subjektivni ulazi će svakako biti
dobrodošli, samo treba znati kako ih formalno uklopiti u proces odlučivanja.
Na osnovu onog što je do sada rečeno, može se reći da rizik podrazumijeva dvije osnovne
komponente:
a) neželjeni gubitak ili posljedicu i
b) neizvjesnost odigravanja posljedica.
Zbog toga je logično u definiciju rizika uključiti obe navedene komponente, a isključiti
„objektivno“ ili „subjektivno“ mjerenje rizika. Zato rizik definišemo kao:
227
Definicija 3.1 – Rizik
Rizik je mogućnost realizacije neželjene posljedice nekog događaja.
Uzročni događaj može biti jednostavni rezultat ili neka kombinacija većeg broja rezultata.
Posljedice mogu imati uticaja na pojedinca, grupu, posao, instituciju ili društvo kao cjelinu.
Navedena definicija rizika ih sve obuhvata. Kako posljedice jedinstveno zavise od
odigravanja rezultata (izlaza), rizik se može procijeniti dodjeljivanjem vjerovatnoća
odigravanjima tih rezultata.
Donosilac odluke mora sistematski istraživati sve faktore koji utiču na rezultete pri dodjeli
vjerovatnoća. Na primjer, pri evaluaciji projekta na osnovu ekonomske analize mjere
povraćaja, donosilac odluke mora uzeti u razmatranje veći broj faktora, kao što su tročkovi
rada i materijala, cijene, porezi, socijalni uticaji i problemi čovjekove okoline. U većini
realnih problema ti faktori podrazumijevaju neizvjesnost. Zbog toga se moraju tretirati kao
slučajne varijable kojima treba dodjeljivati raspodjele vjerovatnoća. Njih koristeći moguće
je odrediti raspodjelu vjerovatnoća ekonomske mjere povraćaja. Ta raspodjela će
odezbjediti detaljnu informaciju koja se odnosi na neizvjesnost uključenu u ekonomsku
mjeru povraćaja. Moguće je takođe, naći vjerovatnoću da će EMP biti veća (ili ne) od neke
unaprijed definisane vrijednosti. Te vjerovatnoće će opisati rizike i obezbjediće efektivni
alat za evaluaciju projekta. Navedena cjelokupna analiza se uobičajeno naziva analizom
rizika.
3.4. Scenario analize rizika
Kao što je već rečeno analiza rizika će se prvenstveno baviti neizvjesnošću koja postoji u
posmatranom problemu. Ona obezbjeđuje logičku kvantitativnu proceduru u procjeni
neizvjesnosti i evaluaciji projekata. Ta procedura daje efektivni alat za inkorporiranje
subjektivnih vjerovanja, informacija i procjena pri ocjeni neizvjesnosti. Slika 3.1. opisuje
osnovne elemente za sprovođenje analize rizika.
228
Slika 3.1. Pristup analize rizika
229
U narednom dijelu ovog poglavlja je data analiza svih elemenata u pomenutoj slici.
Kriterijum i relevantne varijable
Rizik koji postoji u svakom projektu mjeri se vjerovatnoćom zbivanja neželjenog

događaja. Na bazi te vjerovatnoće vrši se evaluacija projekta. Na primjer, ako se avaluacija
projekta vrši na osnovu ekonamske mjere povraćaja, neželjeni događaj se može definisati
za sve slučajeve kad je EMP < 30%. Na sličan način pri evaluaciji troškova izrade projekta
neželjeni događaj može biti prevazilaženje cijene od 5.500.000 KM. EMP ili troškovi
izrade pri evaluaciji projekta se u uobičajenoj terminologiju nazivaju kriterijumskim
varijablama. Mi koristimo te varijable i određujemo njihove raspodjele vjerovatnoća radi
evaluacije posmatranih projekata. Trenutna vrijednost, ekonomski gubici kao posljedica
zemljotresa, ili zarada po akciji samo su neki primjeri kriterijumskih verijablisa kojima se
mogu evaluitari projekti. Primjenjujući tehniku analize rizika za evaluaciju projekta,
najprije je potrebno identifikovati kriterijumske varijable.
Za većinu poslovnih i ekonomskih problema, veći broj faktora utiče na kriterijumsku

varijablu. Zbog toga je potrebno identifikovati sve faktore, a oni, po pravilu, u sebi nose
neizvjesnost. Zato ih treba posmatrati kao slučajne varijable. Na primjer, troškovi rada i
materijala, cijene, porezi, socijalni i uticaji čovjekove okoline mogu značajno uticati na
ekonomsku mjeru povraćaja. Jednostavnosti radi, te varijable ćemo smatrati nezavisnim. U
sljedećem koraku je potrebno istražiti mjere problema, kao i veze zavisnost-nezavisnost
između zih varijabli.
Mjerenje varijabli
U nekim situacijama problem mjerenja može biti kompleksan, dok u nekim drugim
situacijama ti i ne mora biti slučaj. U slučaju ekonomske mjere povraćaja, nije teško
izmjeriti troškove rada i materijala, kao ni cijene. Ali kako mjeriti vladinu kontrolu poreza,
socijalne efekte ili uticaje na čovjekovu okolinu? U tim slučajevima potrebno je razviti
sistem skala za mjerenje takvih varijabli. Taj posao može biti komplikovan, ali se može
uraditi. Na primjer, uticaji na čovjekovu okolinu se mogu definisati kao slabi, umjereni ili
visoki. Na sličan način se može iskazati i status zaposlenih u jednoj firmi: 0 se može
230
dodijeliti inženjeru, 1 inženjeru projekta i 2 starijem inženjeru. Naravno, pri takvoj

procjeni treba biti maksimalno oprezan u cilju minimizacije grešaka pri mjerenju.
Veze zavisnosti – nezavisnosti
Poznato je da kriterijumska varijabla zavisi od nekoliko nezavisnih varijabli, između kojih

je moguće ustanoviti i funkcionalnu zavisnost. U slučaju ekonomske mjere povraćaja može
se utvrditi realacija tipa: EMP = f(troškovi rada, troškovi materijala, cijene, itd.), gdje je sa
EMP obilježena ekonomska mjera povraćaja. Primjenjujući tehniku analize rizika moguće
je izračunati raspodjelu vjerovatnoće za EMP. Kao što je već rečeno, troškovi rada i
materijala podrazumijevaju unošenje neizvjesnosti za koju je potrebno procijeniti
raspodjele vjerovatnoća. Ako su sve varijable sa desne strane navedenog izraza međusobno
nezavisne, moguće je odrediti raspodjelu vjerovatnoće za EMP koristeći raspodjele
vjerovatnoća varijabli i primjenjujući razne statističke alate, uglavnom bez većih teškoća.
Ipak, u pojedinim situacijama, neke od tih varijabli mogu biti međusobno zavisne, i tada je
određivanje raspodjela vjerovatnoća za njih značajno teže. Kako se može odrediti da li je
jadna varijabla nezavisna u odnosu na ostale? Može se primijeniti definicija nezavisnosti i
vidjeti da li je ona zadovoljena ili ne. Takođe ke poznato da je u slučajevima nezavisnosti
koeficijent korelacije između dvije varijable jednak nuli. Ako su nam poznati podaci za
vrijednossti varijabli iz prošlosti moguće je izračunati koeficijent korelacije i vidjeti da li je
njegova vrijednost različita od nule ili bliska nuli. Ako ta vrijednost nije značajna varijable
se mogu tretirati kao linearno nezavisne. Potrebno je zapaziti da se radi samo o dovoljnom
uslovu, što znači da on ne važi u svim situacijama.
Ocjenjivanje raspodjela vjerovatnoća
Pošto se varijable identifikuju kao nezavisne potrebn je ocijeniti njihove raspodjele

vjerovatnoća. Kao što je već pomenuto subjektivna ubjeđenja, informacije i procjene
donosioca odluke mogu biti izuzetno značajni u ocjenjivanju raspodjela vjerovatnoća. U
većini realnih problema do „objektivnih podataka“ je izuzetno teško doći. Ipak, donosilac
odluke može koristiti sopstvena ubjeđenja i procjene prilikom ocjenjivanja raspodjela
vjerovatnoća, kao zamjenu za „objektivne podatke“. U te svrhe se takođe mogu koristiti i
mišljenje i procjene eksperata iz pojedinih oblasti. Korištenje subjektivnih ulaznih
231
podataka, kao integralnog dijela procesa evalukacije je jadna od upadljivih osobina analize
rizika. Ako raspolažemo „objektivnim podacima“ donosilac odluke ih može koristiti u cilju
ocjene raspodjele vjerovatnoća, U nastavku su opisane neke od metoda koje se mogu
koristiti za ocjenu raspodjele vjerovatnoća.
Direktna metoda
Direktna metoda prorazumijeva ocjenu pojedinačnih vjerovatnoća za sve moguće rezultate.

Metoda se može koristiti samo ako su raspodjele vjerovatnoća diskretne i ako su rezultati
koji se odnose na raspodjele konačni. Metoda se ne može ili skoro ne može primijeniti u
slučaju većeg broja rezultata. Nju je takođe nemoguće koristiti za slučaj kontinualnih
raspodjela vjerovatnoća.
Parametarska metoda
Poznato je da je svaka raspodjela vjerovatnoća karakterisana izvjesnim parametrima. Na

primjer, normalna raspodjela ima dva parametra: srednju vrijednost (matematičko
očekivanje)  i standardnu devijaciju ; eksponencijalna jedan parametar , uniformna
raspodjela u intervalu  i  dva parametra  i  itd. Kada znamo ili kada je moguće
procijeniti parametre raspodjele vjerovatnoće tada je i sama raspodjela poznata u
potpunosti.
Na taj način, ako poznajemo ili možemo procijeniti srednju vrijednost ekonomske mjere
povraćaja, , i njenu standardnu devijaciju , može se u optpunosti opisati stohastičko
ponašanje ekonomske mjere povraćaja. Na sličan način, ako poznajemo pesimističku,
najvjerovatniju i optimističku procjenu troškova konstrukcije, može se ocijeniti i
odgovarajuća „trouglasta“ raspodjela vjerovatnoća. Navedene situacije su prikazane na
slici 3.2, a sama metoda se uobičajeno naziva parametarskom metodom.
232
Ekonomska mjera povraćaja sredstava Troškovi konstrukcije
Slika 3.2. Primjeri raspodjela vjerovatnoća: Normalna i „Trouglasta“
Metoda ocjene pet tačaka
Metodom ocjene pet tačaka najprije se ocjenjuje pet vrijednosti: najmanja, 25%, 50%, 75%
i najveća, a zatim se određuje odgovarajuća kumulativna raspodjela vjerovatnoća.
Pretpostavimo da nas interesuje da ocijenimo raspodjelu vjerovatnoća za troškove
konstrukcije. Rukovodilac projekta može sve moguće vrijednosti troškova konstrukcije
podijeliti u dva podjednako vjerovatna dijela. Da bi to mogao učiniti, mora se odlučiti za
neku vrijednost troškova konstrukcije, takvu da može biti spreman da prihvati troškove
konstrukcije koji su ispod te vrijednosti, isto kao kada bi oni bili iznad te vrijednosti. Na
primjer, pretpostavimo da je rukovodilac projekta izabrao za tu vrijednost iznos od
1.500.000 KM. Očigledno je da je ta vrijednost u stvari medijana. To je takođe 50%
njegove raspodjele vjerovatnoće za troškove konstrukcije.
Nadalje, rukovodilac projekta može razmotriti i drugi dio intervala tako što će ga ponovo
podijeliti na dva podjednako vjerovatna dijela i zatimprimjeniti već opisanu proceduru.
Pretpostavimo da se odlučio za vrijednost od 2.000.000 KM i ona se naziva 75 postotnom
vrijednošću. Na sličan način treba postupiti i sa prvim dijelom intervala (koji se naziva 20
postotnim) i za taj slučaj treba pretpostaviti da je rukovodilac projekta izabrao vrijednost
od 900.000 KM. Nazivi izraženi u procentima se u literaturi sreću kao prvi, drugi i treći
kvartil, respektivno.
Na kraju, rukovodilac projekta može ocijeniti donje i gornje granice između kojih će se, po
njegovom mišljenju, kretati troškovi konstrukcije. Pretpostavimo da je on za granice
233
izabrao 400.000 KM i 3.500.000 KM. Ta informacija, kao i vrijednost za 25%, 50% i 75%
se potom korisze za crtanje krive koja predstavlja kumulativnu raspodjelu troškova
konstrukcije (funkciju raspodjele), a koja je prikazana na slici 3.3.
Slika 3.3.Kumulativna raspodjela vjerovatnoće
Ta slika se može koristiti i za dobijanje izvjesnih vjerovatnoća, recimo vjerovatnoće da će

troškovi konstrukcije biti iznad 3.000.000 KM ili ispod750.000 KM. Ako su ti odgovori
konzistentni sa ubjeđenjima rukovodioca projekta, tada on može smatrati da je dobijena
kriva kumulativne raspodjele vjerovatnoće dovoljno pouzdana za korištenje. U
suprotnom,mora se pristupiti njenom korigovanju pri čemu se koristi već opisani postupak.
Delfi (Delphi) metoda
Delphi metoda je relativno nova tehnika koja se izuzetno često koristi u mnogim
situacijama pri evaluaciji projekata. Definiše se na sljedeći način:
Definicja 3.2:
Delfi metoda je metoda za strukturiranje procesa grupnih komunikacija takvih da se

proces smatra efektivnim ako omogućava grupi pojedinaca, kao cjelini, da rješava
složeni problem.
234
Tako, iz gornje definicije, slijedi da sama tehnika podrazumijeva dva važna koncepta:
(i) Strukturirani proces komunikacije
(ii) Sistematski pristup
Strukturiranje procesa grupnih komunikacija podrazumijeva da proces ima definisan cilj ili
skup ciljeva i da postoji plan akcije koja je razvijena u cilju dostizanja željenih rezultata.
Znajuči da su resursi limitirani, projektni tim mora u najvećoj mjeri koristiti mudrost i
ekspertizu eksperata sa velikim iskustvom za problematiku koja se rješava. Grupa se mora
ponašati i reagovati kao cjelina. Proces ili procedura ne podrazumijeva da pojedinci kao
takvi donose odluke, već obezbjeđuje mogućnosti da pojedinci zajedno donose grupnu
odluku. Odluka je zbog toga bazirana na rezultatu interaktivnog iskustva grupe i ne
predstavlja seriju pojedinačnih mišljenja. Tipična grupa u jednoj Delfi sesiji se kreće od
njih nekoliko do tridesetak pojedinaca.
U primjeru ocjene raspodjela vjerovatnoća za parametre, grupa mora reagovati kao cjelina
u cilju određivanja procjena parametara. Od članova grupe se na prvom sastanku traži da
pojedinačno daju svoje mišljenje i razloge za takvu svoju procjenu o vrijednosti parametra
raspodjele. Ta informacija se prikupi i obradi, a ako je postignut koncenzus proces se
zaustavlja. Ako nije postignut koncenzus, kopija obrade se (najčešće u sumarnom obliku)
dostavlja svakom pojedincu. Oni potom treba da komentarišu izvještaj i da pokušaju da
izvrše reviziju svojih starih procjena. Na taj se način proces nastavlja kroz seriju
sukcesivnih iteracija, sve dok se ili ne dostigne koncenzus o zadovoljavajućoj pouzdanosti
procjena ili ne izabere neki drugi put koji vodi istom cilju. Poslije ovih objašnjenja spremni
smo za obješnjenje načina određivanja raspodjele vjerovatnoće kriterijumske varijable.
Raspodjela vjerovatnoće kriterijumske varijable
Poznato je da kriterijumska varijabla zavisi od većeg broja drugih, po pravilu slučajnih

varijabli. Tim varijablama je moguće dodijeliti raspodjele vjerovatnoća koristeći neku od
prethodno diskutovanih metoda. Pitanje je, međutim, kako se može dobiti raspodjela
vjerovatnoća kriterijumske varijable? Kao primjer razmotrićemo profit kao funkciju
sljedeće četiri varijable:
Profit = f(troškovi rada, troškovi materijala, vrijednost otpisa, prodaja)
235
Ako su sve varijable sa desne strane izraza nezavisne i ako sve imaju normalnu raspodjelu,
tada će se i za EMP dobiti normalna raspodjela. Pretpostavimo da je rukovodilac projekta
za sve četiri varijable ocijenio normalne raspodjele sa njihovim srednjim vrijednostima i
standardnim devijacijama (Tabela 3.1)
Tabela 3.1: Srednje vrijednosti i standardne varijable u KM
Varijable Seranja vrijednost Stanadardna devijacija
Troškovi rada 750.000 250.000
Troškovi materijala 1.000.000 400.000
Vrijednost otpisa 500.000 200.000
Prodaja 1.200.000 400.000
Lako je pokazati da je raspodjela vjerovatnoće profita normalna sa:

 = 700.000 + 1.000.000 + 500.000 + 1.200.000 = 6.500.000 KM
 = [(250.000)2 + (400.000)2 + (200.000)2 + (400.000)2]1/2 = 650.000 KM
Odgovarajući logički model je prikazan na slici 3.4.
Slika 3.4. Normalna raspodjela profita
236
Osobina opisana gornjom slikom je vrlo interesantna: zbir normalnih raspodjela u rezultatu
daje takođe normalnu raspodjelu. Ta osobina se naziva reproduktivna. Binomna i
Poissonova raspodjela takođe imaju tu osobinu, što nije slučaj sa eksponencijalnom i
Weibullovom raspodjelom. Na primjer, zbir pojedinačnih eksponencijalnih raspodjela
(svaka sa parametrima ) će biti gama raspodjela sa parametrima  i n, gdje je n broj
sabiraka.
Objašnjeni postupak za dobijanje raspodjele za kriterijumsku varijablu se ne može koristiti

kada su posmatrane varijable zavisne. Tada se moramo osloniti na neke druge matematičke
metode za određivanje raspodjele, po pravilu znatno složenije. Za neke slučajeve realnih
situacija odlučivanja, to može biti i nemogući zadatak (ovo čak važi ponekad i kada su
varijable nezavisne). Da bi se izbjegli ti problemi može se koristiti Monte Carlo
simulaciona tehnika za dobijanje raspodjele vjerovatnoće kriterijumske varijable.
Monte Carlo simulacija
Monte Carlo simulacija je simulaciona tehnika koja koristi nekoliko uzoraka relevantne
varijable pri različitim stanjima i kombinuje rezultate radi generisanja raspodjele
vjerovatnoće za kriterijumsku varijablu. Ovaj se proces nastavlja sve dok se ne generiše
dovoljno rezultata za ocjenu raspodjele vjerovatnoće. Ta raspodjela mora biti konzistentna
sa uvjerenjima i procjenama donosioca odluke. Kada se ona dobije, donosilac odluke može
koristiti punu informaciju koju u sebi nosi raspodjela kriterijumske varijable radi
evaluacije projekta.
Pretpostavimo da su X1, X2 i X3 relevantne varijavle koje utiču na kriterijumsku varijablu.

Nadalje, pretpostavimo da je donosilac odluke ocijenio raspodjele vjerovatnoća za
relevantne varijable, kao što je prikazano na slici 3.5. Koristeći Monte Carlo simulaciju
donosilac odluke potom generiše slučajne promjenjive X1, X2, X3 i X4 i nalazi
odgovarajuću vrijednost kriterijumske varijable y. Proces se potom nastavlja sa drugim
uzorkom slučajnih varijabli x1, x2, x3 i x4, poslije čega se dobije nova vrijednost za Y, itd.
Sve dok donosilac odluke ne bude raspolagao sa dovoljno vrijednosti za Y, koje će mu
omogućiti određivanje zadovoljavajuće ocjene za raspodjelu vjerovatnoće kriterijumske
varijable. Proces se može zaustaviti korištenjem nekoliko različitih procedura, specijalno
razvijenih u te svrhe.
237
Slika 3.5. Monte Carlo simulacija
238
Donosilac odluke koristi punu informaciju sadržanu u raspodjeli vjerovatnoće za

kriterijumsku varijablu, procjenjuje rizike pri evaluaciji i preduzima najbolju
akciju. Ovaj pristup je suprotan tradicionalnim metodama, kao što su najbolja procjena ili
kombinacija procjena (na primjer, pesimistička, najvjerovatnija i optimistička procjena)
koje se koriste za evaluaciju projekata kada se avaluacija vrši na osnovu pojedinačne
procjene. Te procjene obezbjeđuju samo dio informacije i zbog toga mogu ponekad da
dovedu do pogrešnih zaključaka. U stvari, neki drugi donosilac odluke može ocijeniti ove
statističke veličine koristeći raspodjelu vjerovatnoće kriterijumske varijable.
Na kraju, tehnika analize rizika objezbjeđuje proces rigoroznog i logičkog modeliranja za
dobijanje raspodjele vjerovatnoće kriterijumske varijable i za evaluaciju projekta.
Detaljna procedura analize rizika se može sprovesti sljedećim koracima:
Korak 1: Identifikovati kriterijumske varijable i enumerisati sve relevantne varijable

koje utiču na nju;
Korak 2: Opisati kako je moguće izmjeriti sve varijable;
Korak 3: Ispitati i ustanoviti veze zavisnosti-nezavisnosti između varijable;
Korak 4: Ocijeniti raspodjele vjerovatnoća za sve varijable koje utiču na
kriterijumsku varijablu;
Korak 5: Odrediti raspodjelu vjerovatnoće kriterijumske varijable, koristeći
raspodjele vjerovatnoća dobijene u koraku 4;
Korak 6: Koristiti Monte Carlo simulacije za dobijanje zadovoljavajuće raspodjele
vjerovatnoće kriterijumske varijable;
Korak 7: Evaluirati projekat koristeći informaciju sadržanu u rasodjeli vjerovatnoće
kriterijumske varijable.
Navedena korak-po-korak procedura tehnike analize rizika se koristi za evaluaciju

projekta, i njeno objašnjenje slijedi.
239
3.5. Evaluacija projekata: Tradicionalne metode nasuprot primjeni metode analize

rizika
Prije objašnjenja metode analize rizika (za evaluaciju projekta), navešćemo nekoliko
tradicionalnih metoda koje se mogu koristiti u iste svrhe.
Tradicionalne metode
Broj tradicionalnih metoda za evalukaciju projekata je prilično velik, a ovdje ćemo navesti
samo one koje se najčešće koriste:
1. Konzervativna metoda prilagođavanja,
2. Pesimističko-optimistička metoda,
3. Rizik-popust metoda,
4. Metoda očekivane novčane vrijednosti,
5. Metoda očekivanje-varijansa.
Najprije ćemo navesti jedan primjer, a potom opisati primjenu ovih metoda.
Pretpostavićemo da rukovodilac projekta jednog preduzeća evaluira projekat sa
karakteristikama prikazanim u tabeli 3.2. Ocjene navedene u drugoj koloni je procijenio
rukovodalac projekta.
Tabela 3.2: Karakteristike projekta
Karakteristike Najbolje procjene

Investicija (u KM) 10.000
Život (u godinama) 5
Vrijednost otpisa (u
2.000
KM)
Godišnja primanja (u
5.000
KM)
Godišnja isplata (u KM) 2.000
Kamatna stopa (%) 8
Pretpostavimo da je rukovodilac projekta odlučio sa koristi neto godišnju vrijednost (GV)

za evaluaciju projekta: Projekat će biti prihvaćen ako je neto GV pozitivna i odbijen ako je
neto GV negativna. Neto GV se može izračunati na sljedeći način:
240
Neto GV = Godišnja primanja – Godišnja isplata – Povraćaj kapitala
Cijena povraćaja kapitala (PK) je ekvivalentna cijeni investiranog kapitalatokom godine.

Riječ je o godišnjem iznosu koji pokriva depresijaciju (gubitak vrijednosti imovine) i
kamatu na uloženi kapital (minimalni zahtjevani profit). Postoji nekoliko načina za
računanje cijene PK, a ovom prilikom će biti obrađen jedan od najpopularnijih i najčešće
korištenih načina.
Cijena PK = (I-VO)(A|I, k%, Ž) + VO*(k%)

gdje je:
I – Investicija na početku životnog vijeka
VO – Vrijednost otpisa na kraju životnog vijeka
Ž – Životni vijek
k – Kamatna stopa
(A|I, k%, Ž) = [k*(1+k)ž]/[(1+k)ž - 1]
Iznos A, uniformne serije plaćanja, koja se vrše na kraju svakog kamatnog
perioda Ž koji treba da bude ekvivalentan (da ima istu vrijednost) trenutnoj
vrijednosti I koja postoji na počektu prvog perioda. Za različite vrijednosti k
i Ž, u mnogim knjigama ekonomskog sadržaja je moguće naći već
izračunate vrijednosti gornjeg izraza.
Za podatke iz tabele 3.2. cijena povraćaja kapitala iznosi:

Cijena PK = (I-VO)(A|I, k%, Ž) + VO*(k%) = (10000 – 2000)(0,2505) + 20000(0,08) =
= 2004 + 160 = 2164 KM
Napokon, neto godišnja vrijednost projekta se može izračunati iz:
Neto GV = Godišnja primanja – Godišnja isplata – Povraćaj kapitala =

= 5000 – 2000 – 2164 = 836 KM
Kako je ta vrijednost pozitivna, rukovodilac projekta može prihvatiti projekat.
241
Konzervativna metoda prilagođavanja
Pretpostavimo da je rukovodilac projekta zabrinut zbog rizika vezanog za sam projekat, a

naročito za životni vijek i godišnje isplate. Zbog roga je odlučio da koristi malo
konzervativnije procjene, prikazane u tabeli 3.3.
Tabela 3.3: Konzervativne najbolje procjene
Karakteristike Najbolje procjene

Investicija (u KM) 10.000
Život (u godinama) 4
2.000
KM)
5.000
KM)
Godišnja isplata (u KM) 3.000
Kamatna stopa (%) 8
Rukovodilac želi da sazna da li se može prihvatiti projekat sa ovim novim

(konzervativnim) procjenama. Neto godišnja vrijednost za nove vrijednosti procjena se
može izračunati na osnovu:
Godišnja primanja 5.000,00 KM
Godišnje isplate 3.000.000 KM
Cijena PK = (10000-2000)(A|I, k%, Ž)
+ 2000*(8%)
= 8.000(0,30192) + 160 = 2.575,36 KM
___________________- 5.575,36 KM
Neto godišnja vrijednost - 575,36 KM
Kako je neto godišnja vrijednost negativna, projekat ne treba prihvatiti. Kao što se može
zaključiti, konzervativna revizija starih procjena primorava rukovodioca projekta da ga
odbije.
242
Pesimističko-optimistička metoda
Ova procedura podrazumijeva korištenje obje, pesimističke i optimostičke procjena za sve

ili samo neke varijable koje su relevantne za projekat. Pesimistička procjena opisuje
zbivanja neželjenih posljedica, dok optimistička opisuje zbivanja poželjnih posljedica.
Korištenjem ovih procjena rukovodilac može evaluirati projekat pod oba ekstremna uslova.
U tabeli 3.4. su navedene procjene rukovodioca za pesimističke i optimističke procjene
varijabli koje su relevantne za projekat.
Tabela 3.4: Pesimističke, najbolje i optimističke procjene
Karakteristike Pesimistička Najbolja Optimistička

Investicija (u KM) 10.000 10.000 10.000
Život (u godinama) 4 5 8
2.000 2.000 2.000
KM)
4.000 5.000 6.000
KM)
Godišnja isplata (u KM) 3.000 2.000 1.500
Kamatna stopa (%) 8 8 8
Primjenjujući proceduru kao i u prethodnim proračunima, mogu se naći tri vrijednosti za

neto godišnju vrijednost i potom izvršiti evaluaciju projekta (Tabela 3.5)
Tabela 3.5: Neto godišnje vrijednosti
Procjene Neto godišnja vrijednost

Pesimistička -1.575,36
Najbolja 836,32
Optimistička 2.947,92
Rukovodilac projekta može sada iskoristiti informacije iz gornje tabele radi evaluacije
projekta u odnosu na rizik, kao i na ekstremen uslove koji se mogu pojaviti.
243
Rizik – popust metoda
Procjene Neto godišnja vrijednost

Pesimistička -1.575,36
Najbolja 836,32
Optimistička 2.947,92
Rizik-popust procedura podrazumijeva korištenje kamatne stope koja treba da reflektuje

stepen rizika koji se odnosi na posmatrani projekat. Što je rizik veći biće veća i kamatna
stopa. Pretpostavimo da je rukovodilac projekta povećao kamatnu stopu sa 8% na 10% u
cilju podešavanja razmatranja posljedica rizika. Kakvi će biti neto efekti ovih promjena na
neto godišnju vrijednost projekta?
Može se pokazati da će neto GV sa 10% kamatne stope i koristeći najbolje procjene iz
tabele 3.2. iznositi 689,60 KM. Neto godišnja vrijednost je opala, ali kako je još uvijek
pozitivna, rukovodilac može prihvatiti projekat.
Metoda očekivane novčane vrijednosti
Konzervativno podešavanje i pesimističko-optimistička metoda prorazumijevaju korištenje

najboljih procjena (očekivanih vrijednosti) za varijable kje su relevantne za projekat.
Rukovodilac projekta koristi te procjene za određivanje neto godišnje vrijednosti u cilju
evaluacije projekta. Umjesto toga, rukovodilac projekta može dati najbolju procjenu ili
očekivanu vrijednost za neto GV i potom evaluirati projekat. Pretpostavimo da je
rukovodilac projekta procijenio srednju neto godišnju vrijednost projekta na 535 KM.
Kako je ta vrijednost pozitivna od treba da prihvati projekat. Ipak, sasvim je moguće da on
može realizovati i negativnu neto godišnju vrijednost za projekat, jer 535 Km predstavlja
mjeru osnovne tendencije. Ta vrijednost ne opisuje rasipanje svih mogućih iznosa neto
godišnje vrijednosti od njene srednje vrijednosti.
Na sličan način, ako rukovodilac treba da izabere projekat iz skupa raspoloživih projekata
koristeći ovu metodu, tada treba izavrati projekat sa najvećom očekivanom novčanom
vrijednošću. I ovom prilikom je moguće izabrati projekat sa neželjenim posljedicama. N
primjer, pretpostavimo da treba razmotriti dva projekta: A i B. Očekivana neto godišnja
vrijednost projekta A iznosi 15.000 KM, a za B ta vrijednost je 10.000 KM. Takođe
244
pretpostavimo da je rukovodilac projekta ocijenio da standardna devijacija za projekat A

iznosi 8.000 KM, a za projekat B da iznosi 10.000 KM, To praktično znači da postoji više
varijacija oko iznosa neto GV za projekat B nego za projekat A. Ako ne uzmemo u
razmatranje ovu važnu informaciju i izaberemo najbolju akciju samo na osnovu veličine
vrijednosti varijacije, Tada će izbor biti projekat B. Kakve su posljedice takvog izbora?
Pretpostavimo dalje da neto godišnja vrijednost ima normalnu raspodjelu. Shodno tome,
stohastičko ponašanje neto godišnjih vrijednosti za projekte A i B se može prikazati kao na
slici 3.6.
Slika 3.6. Normalne raspodjele za neto godišnje vrijednosti projekata A i B

Na slici se može uočiti da je za projekat B vjerovatnoća realizovanja manje od nula neto
GV veća nego za projekat A. U stvari, može se izračunati da je:
P[neto GV < 0] = 0,0301 Projekat A
P[neto GV < 0] = 0,0359 Projekat B
Na sličaj ne način:
P[neto GV  10.000] = 0,2643 Projekat A
P[neto GV  10.000] = 0,2119 Projekat B
245
Na osnovu ovih brojeva se može zaključiti da je projekat A poželjniji od projekta B.

Razlog za tu tvrdnju je manja standardna devijacija projekta A i ako jeočekivana neto
godišnja vrijednost projekta B veća nego projekta A.
Zbog toga pri evaluaciji projekata treba uvijek koristiti obe mjere: očekivanu vrijednost i
standardnu devijaciju. Ako je poznata raspodjela vjerovatnoće treba izračunati
vjerovatnoće događaja od interesa i potom evaluirati projekat. Naravno, kao što je već
rečeno ranije, to je osnovni cilj svake analize rizika.
Medoda očekivanje – varijansa
Procedura metode očekivanje – varijansa upravo ošpodrazumijeva uključenje u evaluaciju

projekta i očekivane vrijednosti i standardne devijiacije. Za svaki projekat se računa
veličina V definisana kao:
V =  - A (3.1)
gdje su:
V – vrijednost. Očekivanje-varijansa,
 - očekivana novčana vrijednost,
 - standardna devijacija,
A – koeficijenat averzije prema riziku.
Kada rukovodilac projekta jadanput procijeni ,  i A koji se odnose na projekat, može ih

evalurati i potom izabrati najbolju akciju. Pri evaluaciji jednog projekta kriterijum za
njegovo prihvatanje je pozitivna vrijednost za V, dok u slučaju evaluacije više od jednog
projekta treba izabrati onaj koji ima maksimalnu vrijednost za V.
Koeficijenat avrzije prema riziku može se direktno procijenjivati ili računati iz sljedećeg
izraza:
A = [k*]1/2
gdje je k preference ili funkcija korisnosti, koja će se opisati u poglavlju o teoriji
korisnosti. Za problem koji se analizira u ovom poglavlju, pretpostavićemo da se
procjenjuje vrijednost direktno. Rukovodilac razmatra dva projekta sa njihovim
očekivanim vrijednostima, standardnim devijacijama i koeficijentima averzije prama riziku
(Tabela 3.6).
246
Tabela 3.6: Karakteristike projekta: očekivana vrijednost, standardna devijacija,

koeficijenat averzije
Projekti   A
A 15.000 8 0,4
B 18.000 10.000 0,8
Koristeći jednačinu za vrijednost očekivanje-varijansa može se naći:

Projekat A: V = 15.000 – (0,4)*(8.000) = 11.000 KM
Projekat B: V = 18.000 – (0,8)*(10.000) = 10.000 KM
Kao bolji treba izabrati onaj projekat koji ima maksimalnu vrijednost za V. U slučaju
posmatranog primjera to je očigledno projekat A.
Poslije objašnjenja nekih tradicionalnih metoda za evaluaciju projekta, može se pristupiti
razmatranju mogućnosti korištenja analize rizika u iste svrhe.
Primjena analize rizika za evaluaciju projekta
Za primjenu tehnike analize rizika u evaluaciji projekta potrebno je slijediti korake

navedene u odjeljku 3.3. Ovdje ćemo razmotriri dva primjera i opisati kako je moguće
primjeniti analizu rizika na njih. Iz onog što je već rečeno u odjeljku 3.3 nije teško
zaključiti da je skoro namoguće odrediti raspodjelu kriterijumske varijable korištenjem
Monte Carlo simulacione tehnike, bez korištenja odgovarajućegsoftverskog paketa. Ipak za
potrebe razumijevanja tehnike, objesnićemo na jednom primjeru kako treba koristiti
tehniku analize rizika korištenjem Monte Carlo simulacione tehnike, a bez upotrebe nekog
od softverskih paketa.
Ponovo ćemo razmotriti slučaj evaluacije jednog projekta. I ovog puta rukovodilac
projekta tu evaluaciju sprovodi na bazi veličine neto godišnje vrijednosti. Radi
pojednostavljenja, rukovodilacrazmatra samo pet varijabli: investicije (I), godišnja
primanja (GP), godišnje isplate (GI), životni ciklus (ŽC) i vrijednost otpisa (VO).
Rukovodilac je ustanovio da su varijable I i ŽC neizvjesne, dok se preostale varijable (GP,
GI i VO) mogu odrediti sa izvjesnošću. On procjenjuje da investicija ima normalnu
247
raspodjelusa srednjom vrijednošću  = 80.000 KM i standardnom devijacijom  = 4.000

KM, dok je za životni ciklus pretpostavio da ima uniformnu raspodjelu na intervalu od 3
do 8 godina. Ta raspodjele su prikazane na slici 3.7.
Slika 3.7. Raspodjela vjerovatnoća za investicije i životni ciklus.
Pretpostavlja se da će godišnja primanja, godišnje isplate i vrijednost otpisa biti: GP =

5.000 KM; GI = 2.000 KM; VO = 2.000 KM, respektivno. U stvari, pretpostavljaju se iste
vrijednosti kao iz tabele 3.2. radi mogućeg poređenja dva pristupa evaluaciji projekta.
Takođe se pretpostavlja da kamatna stopa iznosi 8%, pa je pomoću tih karakteristika

moguće izračunati neto godišnju vrijednost na osnovu izraza:
Neto GV = A – [GI + (I-VO)(A|P, 8%, ŽC) + VO*(8%)] (3.2)
U ovom ovom primjeru I i ŽC su slučajne varijable sa svojim raspodjelama (*slika 3.7).

Da bismo izračunali specifičnu neto godišnju vrijednost, potrebno je odrediti vrijednost ua
I, racimo i0 i vrijednost za ŽC, recimo žc0, iz odgovarajućih raspodjela i potom sve
zamijeniti u jednačinu 3.2:
Neto GV = A – [GI + (i0-VO)(A|P, 8%, žc0) + VO*(8%)] (3.3)
Vrijednosti za i0 i žc0 se određuju uzimanjem slučajnog uzorka. Sada je moguće iskoristiti

Monte Carlo tehniku da bi se simulirale te vrijednostii generisale posljedice u cilju
procjene raspodjela za neto GV. Ako je D = GI + VO*(8%), logički model koji koristi
simulacionu tehniku Monte Carlo za dobijanje raspodjele vjerovatnoće neto godišnje
vrijednosti je prikazan na slici 3.8.
248
A - D + * =
Investicija Životni ciklus Neto GV
Slika 3.8. Logički model dovijanja raspovjele vjerovatnoće za neto GV
Varijabla ŽC se koristi u modelu za nalaženje troškova povraćaja kapitala (A|P,8%,ŽC),

zbog čega je u logičkom modelu (slika 3.8) korištena oznaka *, koja predstavlja
„posredno“ množenje, kao što je objašnjeno u odjeljku 3.4. Vrijednosti slučajne varijable
se dobijaju veličinom žc koristeći izraz (3.2):
Neto GV = A – [GI + (I-VO)(A|P, 8%, žc0) + VO*(8%)]
Radi određivanja odgovarajuće neto godišnje vrijednosti ponovićemo ovaj postupak pet
puta i dobiti pet neto godišnjih vrijednosti. Razultati su prikazani u tabeli 3.7, a korištene
su sljedeće jednačine:
i =  + z = 10000 + z(4000)
žc = a + 1/2 (b-a) = 3 + ½ (8-3)
za generisanje normalnih i uniformnih slučajnih varijabli I i ŽC, gdje je z normirana
slučajna varijabla sa normalnom raspodjelom.
Neto GV = 5000 – [2000 + (i0 - 2000)(A|P, 8%, žc0) + 2000*(8%)]
249
Tabela 3.7: Monte Carlo simulacija neto godišnje vrijednosti
Trocifreni Standardizovana Normalna Trocifreni Uniformna Početna Neto

Red.br.
slučajni normalna vatijabla slučajni varijabla vrijednost godišnja
pokušaja
nroj varijabla I nroj ŽC ŽC vrijednost
1 282 -0,40 8400 027 3135 3 356,61
2 455 0,12 10480 988 7940 8 1364,40
3 806 1,10 14400 229 4145 4 -903,81
4 195 -0,90 6400 004 3020 3 1132,67
5 129 -0,15 5400 383 4915 5 1988,44
Iz tabele 3.7. je moguće uočiti da posljedice koje odgovaraju neto godišnjoj vrijednosti
nisu dovoljne da formiraju raspodjelu vjerovatnoća neto GV. Zato nam je potreban
odgovarajući softverski paketda primjenimo tehniku Monte Carlo simulacije.
Sada ćemo razmotriti jedan drugi primjer i opisati način kako treba voditi proces evaluacije
projekta korištenjem analize rizika. Pretpostavimo da jedno preduzeće za proizvodnju
cjevovoda razmatra evaluaciju troškova polaganja naftovoda vezanog za jedan
konstrukcioni projekat. Prvi korak je određivanje kriterijumske varijable i svih ostalih
relevantnih varijabli koje utiču na tu kriterijumsku varijablu. Rukovodilac projekta je za
kriterijumsku varijablu izabrao ukupne troškove polaganja naftovoda. Na vrijednost te
varijable svakako utiču rad, materijal, plate, cijene, ugovarači, vrijednost otpisa,
konstrukcioni kodovi itd. Poslije pažljive analize rukovodilac projekta je identifikovao pet
ključnih varijabli koje bitno utiču na ukupne troškove: plate, broj čovjek-časova, materijal,
ugovarači i vrijednost otpisa. Sljedeći korak počinje mjerenjem problema. U toj fazi
rukovodilac projekta more odrediti veze zavisnost-netavisnost između varijabli.
Logično je mjeriti plate na osnovu plaćenih časova zaposlenih radnika. Na sličan način,
čovjek-časovi se mogu mjeriti brojem čovjek-časova potrošenih za polaganje naftovoda
posmatranog konstrukcionog projekta, materijal i ugovarači se mjere iznosom novčanih
sredstava plaćenih za njih, a vrijednost otpisa se može izmjeriti novčanim sredstvima
ušteđenim korištenjem baš tog odrešenog tipa nafrovoda. Naravno, ukupni troškovi će se,
kao kriterijumska varijabla, mjeriti apsolutnim iznosom sredstava utrošenih za realizaciju
250
projekta. Na taj način se varijable u problemu mogu mjeriti u apsolutnim novčanim

iznosima, što značajno olakšava problem.
Sada je potrebno istražiti veze zavisnosti-nezavisnosti između uočenih varijabli. Kao što je
napomenuto ukupni troškovi (UT) kao kriterijumska varijabla zavise od plate (P), broja
čovjek-časova (ČČ), materijala (M), ugovarača (U) i vrijednosti otpisa (VO):
UT = f (P, ČČ, M, U, VO)
Nadalje, plate i čovjek-časovi se mogu konvertovati u cijene preko izraza:

C = (P)*(ČČ), pa se funkcija ukupnih troškova može izraziti kao:
UT = f1 (C, M, U, VO)
U stvari, stvarna funkcija UT polaganja naftovoda se može izraziti kao
UT = C + M + U – VO = (P)(ČČ) + M + U – VO
Kako su sve varijable stohastičke, rukovodilac projekta mora za sve njih ocijeniti
raspodjele vjerovatnoća. Koristeći te raspodjele, on može potom da odredi i raspodjelu
vjerovatnoća za ukupne troškove. Ta dva aspekta definišu sljedeća dva koraka u primjeni
analize rizika.
Rukovodilac projekta može koristiti „objektivne“ podatke, ako mu stoje na raspolaganju,

ili može koristiti sopstvena uvjerenja i ocjene u cilju procjenjivanja raspodjela
vjerovatnoća za P, ČČ; M, U i VO. Naravno, pri tome može koristiti i usluge eksperata iz
pojedinih oblasti. Poslike pažljive analize rukovodilac projekta je procijenio da su za P, ČČ
i M najpogodnije „troulgaste“ raspodjele, a da je normana raspodjela odgovarajuća za U i
VO, što je prikazano na slici 3.9.
251
f(P) f(ČČ) f(M)
P ČČ M
f(U) f(VO)
U VO
Slika 3.9. Raspodjele vjerovatnoća za P, ČČ, M, U i VO
Može se uočiti da su vrijednosti 12, 14 i 18 kod trouglaste raspodjele za P u stvari

pesimistička, najvjerovatnija i optimistička procjena, respektivno. Te tri vrijednosti
jedinstveno definišu trouglastu raspodjelu, što važi i za raspodjele za ČČ i M. Na sličan
način su procijenjene srednja vrijednost i standardna devijacija kod normalne raspodjele.
Rukovodilac projekta je procijenio srednju vrijednost od 20.000 KM i standardnu
devijaciju od 3.000 KM za U i 50.000 KM, odnosno 5.000 KM za VO.
Sljedeći korak je kombinovanje raspodjela vjerovatnoća za P, ČČ, M U i VO u cilju

dobijanja raspodjele vjerovatnoće za UT. Analogno jednačini 3.2, može se opisati logika
kombinovanja različitih raspodjela vjerovatnoća na način prokazan slikom 3.10.
Na sličan način se može objasniti i logika kombinovanja kumulativnih raspodjela u cilju
određivanja kumulativne raspodjele za UT, a što je prikazano na slici 3.11.
252
UT P ČČ
= * +
M U VO
+ -
Slika 3.10. Logika nalaženja raspodjele vjerovatnoće za UT
= * +
+ -
Slika 3.11. Logika nalaženja raspodjele vjerovatnoće za UT
253
Vrlo je teško naći raspodjelu vjerovatnoće za UT iz raspodjela vjerovatnoća za P, ČČ, M,

U i VO uz korištenje konvencionalnih metoda. Zbog toga se u te svrhe koristi tehnika
Monte Carlo simulacije. Kao što je objašnjeno proceduta podrazumijeva izbor vrijednosti
slučajnih varijabli iz raspodjela za P, ČČ, M, U i VO i nalaženje UT korištenjem jednačine
6.3. Proces se ponavlja nekoliko puta, dok se ne generiše dovoljno rezultata za opis
raspodjele vjerovatnoće ili kumulativne vjerovatnoće za UT. Ako je rukovodilac projekta
zadovoljan prciznošću raspodjele, on može za evaluaciju projekta koristiti informacije
dobijene iz takvih raspodjela. Na slici 3.12 opisan je proces Monte Carlo simulacije.
Tehnika analize rizika se, takođe, može primjeniti za procjenu javnih ili društvenih rizika.
Više autora je koristilo pristup „drveta događaja“ za evaluaciju društvenih, odnosno javnih
rizika. Koristeći pomenuti postupak (Slika 3.13) mogu se razviti svi mogući scenariji u
odnosu na odvijanja događaja i ocijeniti vjerovatnoće za sve odgovarajuće događaje.
Pojedinim događajima vjerovatnoće se mogu dodijeliti objektivno ili subjektivno. Bazirano
na vjerovatnoćama svih događaja može se u svakoj etapi, izračunati i vjerovatnoća svakog
scenarija na kraju etape N. Vjerovatnoće tih scenarija se potom mogu koristiti za
evaluaciju društvenih ili javnih rizika.
3.6. Prednosti i ograničenja analize rizika
Neke od metoda opisanih u ovom poglavlju podrazumijevaju korištenje pojedinačne

procjene ili neke kombinacije pojedinačnih procjena pri evaluaciji projekta. Nijedna od
njih ne koristi punu informaciju koja se može izvući iz raspodjele vjerovatnoće
kriterijumske raspodjele. Zbog toga je moguće da se za posmatrani projekat odigraju i
izvjesne neželjene posljedice. Takođe, neke od diskutovanih metoda ne uključuju efekte
svih relevantnih varijabli koje utiču na kriterijumsku varijablu, dok neke od metoda to pak
čine, ali preko pojedinačnih procjena.
254
Slika 3.12. Monte Carlo simulaciona tehnika
255
Odlučivanje u menadžmentu
Slika 3.13. Pristup drveta događaja
Kako je većina varijabli koje utiču na kriterijumsku varijablu stohastičke prirode, korištenje
pojedinačnih procjena može odvesti evaluaciju projekta na pogrešan pravac. Na primjer,
izabrani projekat može voditi neželjenim posljedicama kao što su negativni povraćaj
(sredstava) ili negativna neto godišnja vrijednost.
Pri ocjenjivanju raspodjela vjerovatnoća, donosilac odluke može uključiti sve moguće
vrijednosti i ocijeniti vjerodostojnost pojavljivanja tih vrijednosti. Shodno tome, on može
evaluirati projekat u zavisnosti od pojavljivanja specifičnih vrijednosti i odgovarajućih
vjerodostojnosti. U sve to on može uključiti sopstvena vjerovanja i procjene (tj. iskustvo i
znanje). Donosilac odluke može istraživati veze zavisnosti.nezavisnosti između varijabli i
procijeniti raspodjele vjerovatnoća u svjetlu tih veza. Taj proces može omogućiti donosiocu
odluke da bolje razumije svu kompleksnost problema i međuzavisnosti varijabli.
Primjena analize rizika podrazumijena korištenje procijenjenih raspodjela svih relevantnih

varijabli koje utiču na kriterijumsku varijablu, određivanje raspodjele vjerovatnoće te iste
kriterijumske varijable i mogućnost primjene pune informacije sadržane u raspodjeli u cilju
evaluacije projekta. Zbog toga je za evaluaciju projekta analiza rizika mnogo pogodnija nego
metode koje evaluacioni proces baziraju samo na pojedinačnim ocjenama. To je svakako
osnovna prednost analize rizika u odnosu na ostale metode. Nadalje, analiza rizika
obezbjeđuje efektivan način uklapanja subjektivnih ulaza u proces analize. Ona obezbjeđuje i
okvir za identifikovanje faktora koji utiču na projekat, uči nas kako se oni odigravaju i kako
utiču jedni na druge. Zbog roga nam analiza rizika omogućava da bolje shvatimo svu
- 256 -
kompleksnost i dinamičku prirodu samog problema. Takođe, primjena analize rizika

obezbjeđuje efikasnu komunikaciju između više strana (uključenih u evaluaciju projekta),
koje moraju međusobno sarađivati u procesu procjenjivanja raspodjela vjerovatnoća.
Zbog svega rečenog može se zaključiti da je analiza rizika veoma praktična i snažna tehnika
za evaluaciju projekata. Obezbjeđuje sistematsko studiranje rizika koji je vezan za svaki
projekat.
Ipak se mora konstativati da analiza rizika u svojoj suštini određuje raspodjelu vjerovatnoća
kriterijumske varijable, a da se sama evaluacija projekta potom bazira na tako određenoj
raspodjeli. Donosilac odluke ne razmatra određene posljedice projekta eksplicitno na
formalan način. On može imati svoje preference za neke posljedice, ali ih ne procjenjuje na
osnovu preferenci ili funkcije korisnosti. Zbog toga ih i ne može uključiti u analizu evaluacije
projekta. Analiza procjene raspodjela vjerovatnoće i procjene funkcija preferenci u cilju
evaluacije projekta (koja konstituiše pristup analize odlučivanja) obješnjena je u prethodnom
poglavlju i poglavlju 4 (teorija korisnosti).
- 257 -
4. Teorija korisnosti
4.1. Višeatributivna teorija korisnosti
Ciljevi
Teorija korisnosti je, kao potpuno nezavisna naučna disciplina, tek u posljednje vrijeme našla
svoje pravo mjesto u teoriji odlučivanja. Zbog toga joj je u ovom poglavlju posvećeno nešto
više pažnje:
 Navedeni su razlozi zbog kojih se situacoja u odlučivanju uopšte i koristi teorija
korisnosti;
 Vrši se poređenje različitih pristupa odlučivanju, statističkog i pristupa koji se razvija u
teoriji korisnosti;
 Dati su osnvni pojmovi koji se najčešće upotrebljavaju u teoriji korisnosti;
 Objaešnjeni su različiti načini mjerenja korisnosti kroz: očekivanje i očekivanu korisnost,
osobine i vrste funkcije korisnosti (sa objašnjenjem načina njenog konstruisanja;
 Dat je aksionatki pristup teoriji korisnosti.
Zadaci:
 Razumijevati u kojim situacijama odlučivanja je potrebno i neophodno primjenjivati
koncepte zastupljene u teoriji korisnosti,
 Ovladati specifičnim matematičkim alatom potrebnim za određivanje najbolje odluke
primjenom teorije korisnosti,
 Korištenje osnovnih koncepata teorije korisnosti, čak i kada se primjenjuju neke druge
metode iz teorije odlučivanja, a prilikom rješavanja realnih problema odlučivanja.
Ključne riječi: Teorija korisnosti; Rizik; Preference; Indiferentnost; Očekivana korisnost;

Kocka ili lutrija; Funkcija korisnosti; Standardna tehnika kockanja; Aksiomi u teoriji
korisnosti; Uporedivost i tranzitivnost; Redukcija složenih lutrija; Kontinuitet; Zamjenjivost;
Monotonost; Sklonost ka riziku: Averzija prema riziku.
- 258 -
4.1.1. Uvod
Odlučivanje, kao što je vać napomenuto, predstavlja izbor između mogućih varijanti nekog
problema. Donošenje odluke je završni čin procesa odlučivanja i njime se verifikuje sav
obavljeni pripremni posao. Najznačajnija mjera kvaliteta odluke je stepen dostizanja
postavljenog cilja nakon njene realizacije. Dakle, teži se optimalnom rješenju, koje
predstavlja najbolju ravnotežu prednosti i nedostataka predviđenih mogućih rješenja.
Pri vršenju izbora između različitih mogućnosti donosilac odluke je primoran da načini
procjenu njihovih posljedica. U većini slučajeva realnog života ove posljedice imaju
ekonomski karakter, pa se zbog toga najčešće izrašavaju novčanim jedinicama. One mogu
imati i psihološki karakter, koji se ogleda u različitim oblicima zadovoljstva pojedinaca.
Razmatranjem mnogobrojnih situacija odlučivanja i reagovanja pojedinaca na njih, došlo se
do određenih poteškoća. Jedna od njih je variranje vrijednosti novčanih jedinica za različite
pojedince u nekim vremenskim trenucima, odnosno pri različitim okolnostima.
Pretpostavimo, na primjer, da se nekom zamišljenom pojedincu postavi pitanje, na koji način

bi proveo godišnji odmor. U slučaju da nema dovoljno novčanih sredstava on bi, vjerovatno,
odgovorio da će ostati kkod kuće i da će se, s vremena na vrijeme, baviti sportskim
aktivnostima. U situaciji da ima dovoljno sredstava on bi svoj odmor najvjerovatnije proveo
na moru ili planini.
Sljedeći problem je u tome što razni ljudi, suočeni sa istim prilikama (uslovima) da izaberu
između alternativnih akcija, mogu doći do različitih odluka.
Ako se posmatraju dva pojedinca koji imaju dovoljno finansijskih sredstava da provedu svoj
godišnji odmor ili na moru ili putujući u inostranstvo, sasvim je moguće da se jedan od njih
opredijeli za more jer to, na primjer, više odgovara njegovom zdravstvenom stanju, a i više
voli odmor u jednom mjestu. Za razliku od njega, drugi bi mogao da izabere put u
inostranstvo, jer ga privlači život i kultura drugih zemalja, a i više voli stalne promjene. Iz
ovoga bi se moglo zaključiti da na izbor odluke često utiču i subjektivni faktori, a jasno je da
oni nisu isti za sve osobe.
- 259 -
Sljedeći primjer vezan je za donošenje odluka pri riziku. U takvim situacijama može doći do
neskladnog ponašanja donosioca odluke, kao i do pojave subjektivnih vjerovatnoća procjene
neke akcije. Osim toga, u realnim situacijama se rijetko može navesti tačna vjerovatnoća
nastupanja pojedinih događaja.
Posmatra se situacija jednoh izdavačkog preduzeća, pred kojim se nalazi problem donošenja
odluke, a odnosi se na izbor između dvije akcije:
 Da prihvati štampanje drugog izdanja knjige poznatog pisca i u tom slučaju, u uslovima
potpune izvjesnosti, ostvari dobit od 70.000 KM ili
 Da štampa knjigu još neafirmisanog pisca, pri čemu su moguća sljedeća dva stanja, koja
mogu nastupiti sa vjerovatnoćom 0,5:
o Čitaoci će prihvatiti knjigu sa izuzetnim interesovanjem, pri čemu bi izdavači
zaradili sumu od 130.000 KM;
o Knjiga neće imati predviđen uspjeh i u tom slučaju bi izdavači bili u gubitku od
10.000 KM.
Da bi ovaj izdavač izabrao povoljniju akciju, koristeći koncept statističke teorije odlučivanja,
mogu se izračunati očekivane novčane vrijednosti za obe akcije, a zatim izvršiti izbor one
koja ima veću vrijednost.
Očekivane novčane vrijednosti za ove akcije su:
a1: 70.000 * 1 = 70.000 KM
a2: 130.000 * 0,5 – 10.000 * 0,5 = 60.000 KM
Na osnovu gornjih rezultata se može zaključiti da treba izabrati prvu akciju.
Moguće je, dalje, pretpostaviti da je ovom preduzeću, u trenutku donošenja odluke,

neophodno potrebno 130.000 KM za poslovanje. Takva situacija bi značila da najbolja akcija
predstavlja samo malo bolji slučaj od gubitka 10.000 KM.
Rješenja ovih i njima sličnih problema daje teorija korisnosti, koja omogućava davenje
prednosti (preferenci ili poželjnosti) pojedinim posljedicama, šro je i osnova izbora i
donošenja odluke.
- 260 -
Kao jedna od povoljnijih mjera pri dodjeljivanju preferenci upotrebljava se očekivana

vrijednost koristi koja, realno posmatrajući, predstavlja očekivanu novčanu vrijednost kao
najvažniji izraz ekonomskih posljedica.
Pri donošenju odluke, treba voditi računa da se iz skupa informacija uzmu najrelevantnije i da
se na osnovu njih omogući pristup procesu donošenja odluke.
Osim dodjeljivanja preferenci i formiranja njihovog konzistentnog poretka, teorija korisnosti
utvrđuje zakone kojima podliježu nizovi vrijednosti (koristi akcija) i definiše postupke za
ocjenu tih vrijednosti.
4.1.2. Korisnost u odlučivanju
Već je, u prethodnim poglavljima, rečeno da postoje tri tipična slučaja odlučivanja, i to u
uslovima izvjesnosti, rizika i neizvjesnosti.
Pri svakom od navedenih oblika odlučivanja, donosilac odluke ima jedinstven cilj, koji se
odnosi na izbor varijante sa najvećim efektom, odnosno najvećom očekivanom vrijednosti
koristi. Međutim, prihvatajući jedan ili više izbora iz skupa mogućih alternativa, donosioci
odluka pokušavaju da dostignu ono što je za njih najprohvatljivije u odnosu na njihove
skupove preferenci i vjerovatnoće prosuđivanja. Donoseći odluku, pojedinci teže maksimalno
mogućoj ravnoteži između potencijalnih dobrih i loših plaćanja i vjerovatnoća da će se ova
plaćanja ostvariti.
Različite ličnosti suočene sa situacijama vršenja izbora mogu različito reagovati iz više
razloga, a neki od njih su:
- Davanje prednosti nekoj alternativi može zavisiti isključivo od ukusa pojedinca;
- Razne ličnosti mogu različito procijeniti vjerovatnoću nastupanja događaja;
- Ono što je za jednu osobu velika dobit ili veliki gubitak, za drugu osobu može značiti
samo malenkost, itd.
- 261 -
Primjer 4.1.1.
Pretpostavlja se da preduzeće treba da investira u jednu od tri oblasti. Te tri oblasti su

obilježene oznakama A, B i C i svaka od njih obezbjeđuje određen povratak novčanih
sredstava u idućoj godini. Ovaj povratak će zavisiti od toga da li budućnost donosi inflaciju,
recesiju ili depresiju. Potencijalni gubici i dobici ovih mogućnosti su dati u tabeli 4.1.1.
Tabela 4.1.1 Povratak sredstava za promjer 4.1.1
Oblasti Povratak sredstava (KM) za:

ulaganja
inflaciju recesiju depresiju
A 150.000 80.000 -80.000
B 80.000 120.000 -40.000
C 0 80.000 120.000
Znači, ako se izabere oblast A, a dogodi se inflacija, doći će do dobiti od 150.000 KM, u
slučaju recesije do dobiti od 80.000 KM, a u slučaju depresije od gubitka od 80.000 KM.
Slično je posmatranje i za oblasti ulaganja B i C.
Sasvim je logično da će investitor, koji je siguran da će doći do inflacije, izabrati oblast A, jer
ona u periodu inflacije donosi najveću dobit. Pri odsustvu izvjesnosti investitor, ako ne želi
da odlučuje intuitivno, biće prinuđen da prihvati neizvjesnost koja će pratiti svaki ishod u
sljedećem tromjesečju. Neka je vjerovatnoća nastupanja inflacije obilježena sa V(INF) i neka
je procijenjena na 0,5, vjerovatnoća recesije sa V(REC) i procijenjena je na 0,3 i vjerovatnoća
depresije sa V(DEP) i procijenjena na 0,2. Očekivane vrijednosti i varijanse za ulaganja u
oblasti A, B i C su:
Očekivane vrijednosti:
O(A) = 0,5*(150.000) + 0,3*(80.000) + 0,2*(-80.000) = 83.000 KM
O(B) = 0,5*(80.000) + 0,3*(120.000) + 0,2*(-40.000) = 68.000 KM
O(C) = 0,5*(0) + 0,3*(80.000) + 0,2*(120.000) = 48.000 KM
Varijanse:
V(A) = 0,5*(67.000)2 + 0,3*(-3000)2 + 0,2(-163.000)2 = 7.561.000
V(B) = 0,5*(12.000)2 + 0,3*(52.000)2 + 0,2(-108.000)2 = 3.216.000
V(C) = 0,5*(-48.000)2 + 0,3*(32.000)2 + 0,2(72.000)2 = 2.496.000
- 262 -
Oblast A nudi najveću očekivanu vrijednost i ona je najbolji izbor za investitora, čija je jedina
briga maksimizacija očekivanog povratka sredstava. Investitor koji zasniva izbore na
kriterijumu očekivanih vrijednosti će, gledajući kroz duži period, učiniti bolje u prosjeku od
investitora koji se oslanja na bilo koji drugi kriterijum. To sve važi u slučaju da se dobit
odtvaruje u dužem vremenskom periodu, zatim da je investitor sposoban da podnese sve
gubitke, a i da je stalan učesnik u donošenju uporednih odluka.
Da bi smanjio neizvjesnost u kratkom vremenskom periodu, investitor se može osloniti na

najmanju varijansu, tako da je i očekivani povratak sredstava dovoljo veliki. Ako se, na
primjer procijeni da je 68.000 KM zadovoljavajući povratak novčanih sredstava, logično je
dati prednost oblasti B u odnosu na oblast A, zbog niže varijanse.
Neko ko smatra da je gubitak od 80.000 KM nepodnošljiv i da bi mogao podnijeti gubitak od

40.000 KM, vjerovatno će izabrati oblast B i manju očekivanu dobit. Jasna je činjenica da je
očekivana dobit za B niža u odnosu na A ali rizik koji nosi oblast A je suviše veliki za nekoga
ko ne bi ni pod pritiskom podnijeo gubitak od 80.000 KM. Investitor koji želi da izbjegne
mogućnost gubitka izabraće, na izgled, pesimistički izbor ulaganja u oblastC i u najgorem
slučaju neće imati nikakav dobitak.
I ovaj primjer navodi na zaključak da različiti ljudi suočeni sa istom informacijom i

mogućnošću izbora mogu doći do raznih odluka.
Očekivana vrijednost i varijansa obezbjeđuju pomoćne informacije pri donošenju odluka.

Međutim, one mogu zanemariti postojanje nekog netolerantno visokog mogućeg gubitka ili
izuzetno primamljivog mogućeg dobitka. U tom slučaju, donosilac odluke zasnivajući odluke
samo na statistici, može biti podstaknut da napravi izbore koji nisu u skladu sa njegovim
psihološkim preferencama i odnosom prema riziku.
Donosioci odluka mogu načiniti izbor zbog koga im se možda može uputiti zamjerka da nosi
velike šanse za kritične gubitke, dok su šanse značajnih dobiti suviše male da bi se smjele
izjednačiti sa rizikom koji nose u sebi. Oslanjanje isključivo na statistiku pri donošenju
odluka može biti nepogodno, jer se za očekivanu vrijednost i varijansu neće uvijek dobiti
prihvatljivi razultati.
- 263 -
Da bi se došlo do najbolje odluke potrebna je redovna i detaljna studija svih mogućnosti,

njihovih posljedica i relevantnih faktora, koji utiču na sva stanja prirode. Poštovanjem
navedene procedure može se napraviti najbolji izbor između poznatih varijanti, i to za odluku
koju pojedinac, ili kolektivni rukovodilac stvarno više preferira u smislu zadovoljenja svojih
želja, potreba i ciljeva.
4.1.3. Osnovni pojmovi
Još u 18. vijeku se javio interes za situacije neizvjesnosti, odnosno za kocku i lutriju. Ovaj
interes je bio usmjeren ka problemu odlučivanja kockara i koji se odnosi na dilemu koju bi od
mogućih situacija (izbora) trebalo da izabere. Razmatranja kockarskih situacija su se u teoriji
svodila na bacanje novčića, analizu kocke i igre kartama i imala su uvijek novčane ishode.
Vjerovatnoće nastupanja pojedinih događaja su mogle biti procijenjene na objektivan način, a
samim tim i očekivane vrijednosti dobiti za svaku igru.Tako je povoljna kocka bila ona koja
pruža očekivanje koristi, a najbolja kocka je bila ona koja je nudila najveće očekivanje.
Subjektivne procjene vjerovatnoće (pojedinca ili grupe ljudi) su razrađene i definisane kao
numeričke informacije. Numeričke pretpostavke ukusa i preferenci, različitih ljudi ogledaju
se kroz očekivanu korisnost dobitka ili sasvim jednostavno – korisnost, koja se formira u
situacijama suočavanja donosioca odluke sa rizikom.
Pretpostavimo da pojedinac treba da dobije neku nagradu iz niza mogućih dobitaka koji su
precizno definisani. Neki od mogućih dobitaka su: karte za pozorišne predstave, ekonomska
stanja jedne ličnosti u budućnosti (ta stanja su definisana, na primjer, visinom sredstava koja
se mogu dobiti ili izgubiti), zatim niz mogućih stanja jedne zemlje u nekom određenom
vremenskom periodu u budućnosti (izraženih u bruto nacionalnom dohotku po stanovniku,
stopi nezaposlenosti i drugim).
U nekim situacijama će dodijeljivanje preferenci (prednosti) biti sasvim očigledno: na primjer

ako su dobiciizraženi u novcu, logičnije je da će biti poželjnija veća dobit. Međutim, postoje i
situacije u kojima je daleko teže donijeti odluku. Na primjer ako su dobidi razna stanja
ekonomije i kada izbor treba da napravi neka vladina institucija a ne pojedinac.
- 264 -
Čak i kada pojedinac treba da dodijeli preference elementima niza dobitaka, to može biti
komplikovano ako su ti elementi višedimenzionalne veličine. S obzirom na poteškoće u
ovakvim situacijama njima je posvećeno u ovom poglavlju samo nekoliko napomena, dok se
više pažnje poklanja ishodima sa jednim atributom, odnosno, jednodimenzionalnim
veličinama i njihovim vrednovanjem.
Bez obzira koliko mogu biti složeni procesi koji vode ka izboru preferenci jednog ishoda,
opšte je primjećeno da organizacije i pojedinci imaju preference kojie se relativno lako
otkrivaju njihovim odlukama i izborima.
U okviru klasične ekonomije termin korisnost je spojen sa preferencama pri neizvjesnosti

dok se danas ovaj izraz shvata kao odnos donosioca odluke prema riziku i neizvjesnosti.
Drugim riječima, funkcija korisnosti pojedinca opisuje maksimalnu sigurnu sumu novčanih
sredstava, koja može biti zamijenjena specifičnom situacijom (kocka, lutrija) sa određenom
vjerovatnoćom.
Primjer 4.1.2.
Pretpostavlja se da donosilac odluke bira, sa jedne strane između kocke u kojoj sa

vjerovatnoćom 0,5 može dobiti 12.000 KM i sa vjerovatnoćom od 0,5 može dobiti 0 KM
(nikakav dobitak) i, sa druge strane, sigurni dobitak od 7.000 KM. Ako bi izrazio svoju
preferencu za 7.000 KM, moguće je ovu sigurnu vrijednost smanjiti do tačke (nivoa) od, na
primjer, 4.000 KM kada će donosilac odluke biti potpuno indiferentan između kockanja i
sigurnog dobitak. Ova tačka se zove ekvivalentom novčane izvjesnosti ili skraćeno ENI. Da
bi konstrukcija krive korisnosti bila moguća, potrebno je alternetive kocke označiti brojem
koji predstavlja ustanvoljeni indeks korisnosti i koji se naziva korist. Ovo dodjeljivanje
brojeva koristi meže se vršiti proizvoljno, s tim što najprije treba voditi računa da se većoj
vrijednosti dodijeljuje veća korist, a manjoj manja korist, a potom treba definisati donje i
gornje ograničenje.
U navedenom primjeru se pretpostavlja da vrijednost od 12.000 KM ima 10 jedinica koristi, a

da vrijednost od 0 KM ima 0 jedinica koristi. S obzirom da je donosilac odluke izrazio
indiferentnost između kocke i sigurnog dobitka od 4.000 KM moguće je napisati sljedeći
izraz:
- 265 -
(0,5)*K(za 12.000 KM) + (0,5)*K(za 0 KM) = (1)*K(za 4.000 KM)

Što bi značiko da je korisnost od 12.000 KM sa vjerovatnoćom od 0,5 plus korisnost od nula
KM sa vjerovatnoćom od 0,5 jednaka korisnosti od 4.000 KM sa vjerovatnoćom od 1 (zbog
indiferentnosti). Ako se u navedeni izraz uvrste brojevi koristi za 12.000 Km i za 0 KM
dobiće se:
(0,5)*10 + (0,5)*0 = K(za 4.000 KM)

K(za 4.000 KM) = 5
šta znači da 4.000 KM ima korisnost od 5 jedinica koristi. Sara se raspolaže sa tri tačke
funkcije korisnosti: (12.000 KM  10K), (0 KM  0K) i (4.000 KM  5 K). Postupak se može
ponoviti u cilju dobijanja dodatnih tačaka funkcije korisnosti. Ako se, recimo, donosilac
odluke postavi u situaciju da izrazi svoj ekvivalent novčane izvjesnosti (ENI) za kocku u
kojoj mu se nudi dobitak od 12.000 KM sa vjerovatnoćom od 0,9 i dobitak od 0 KM sa
vjerovatnoćom od 0,1 pretpostavimo da se on odlučio za 10.000 KM kao siguran dobitak
prema kome je indiferentan u poteđenju sa kockom. Kao i u prethodnom slučaju, na isti način
se može dobiti:
(0,9)*K(za 12.000 KM) + (0,1)*K(za 0 KM) = K(za 10.000 KM)

(0,9)*10 + (0,1)*0 = K(za 10.000 KM)
K(za 10.000 KM) = 9
što znači da korisnost ua 10.000 KM iznosi 9 jedinica koristi.
Moguć je i drugačiji pristup problemu, kada je donosilac odluke u situaciji da odredi

vjerovatnoće kocke, što će ga učiniti indiferentnimizmeđu kocke i sigurne dobiti.
Neka su, na primjer, alternative kocke da se može dobiti 40.000 KM sa vjerovatnoćom V i 0

KM sa vjerovatnoćom (1-V), a da je siguran dobitak os 12.000 KM. Donosilac odluke će, na
primjer, izabrati vjerovatnoću V = 0,6 za koju će biti indiferentan između kocke i sigurnog
dobitka.
Odatle slijedi:
(0,6)*K(za 40.000 KM) + (0,4)*K(za 0 KM) = K(za 12.000 KM)
- 266 -
(0,6)*K(za 40.000 KM) + (0,4)*K(za 0 KM) = 10

(0,6)*K(za 40.000 KM) + (0,4)*0 = 10
K(za 40.000 KM) = 10/0,6
K(za 40.000 KM) = 16,66
Na osnovu ovog postupka, koji se može ponavljati, moguće je dobiti niz tačaka koje
predstavljaju odnos brojeva koristi i korisnosti novca određenog donosioca odluke. Uz pomoć
ovih tačakamoguća je konstrukcija krive korisnosti zamišljenog donosioca odluke (Slika
4.1.1)
Indeksi
korisnosti
16,6
10
9
10 12 x 40 Novčana
vrijednost (KM)
Slika 4.1.1. Kriva korisnosti
Uzimajući u obzir da je indeks koristi pojedinca subjektivne prirode, jasno je da će funkcije

korisnosti za razne ličnosti biti različite.
Navedeni princip mjerenja korisnosti i konstruisanja krivih korisnosti razvili su John von
Neumann i Oskar Morgestern i on je poznat pod nazivno standardna tehnika kockanja
(klađenja, lutrije).
Po dobijanju krive korisnosti za svakog pojedinca, sam način odlučivanja je vrlo jednostavan:
za određeni iznos sredstava, koji je uključen u moguće alternative (x), određuje se
odgovarajući indeks korisnosti (korist). Ako je on prihvatljiv (na osnovu ranije definisanih
kriterijuma – zadebljana linija na slici 4.1.1, odluka o prihvatanju tih sredstava može biti
donijeta, a ako nije, tada se odluka (na ovaj način) ne donosi.
- 267 -
Osim što daje dobre rezultate pri iznalaženju krive korisnosti za novčane vrijednosti
pojedinaca, ova tehnika je pogodna i pri dodjeljivanju koristi pojedinim stanjima prirode koja
su data u kvalitativnim jedinicama.
4.1.4. Aksiomatski pristup teoriji korisnosti
Da bi se prišlo aksiomatskom izučavanju korisnosti neophodno je definisanje sljedećih

binarnih odnosa:
A i B su stanja prirode,
A se preferira u odnosu na B, A B, ili
(A je poželjnije od B) B A
B se preferira u odnosu na A, B A, ili
(B je poželjnije od A) A B
A i B su podjednako poželjni A ~ B, ili
(A i B su indiferentni) B~A
- Odnos A B se tumači kao preferenca, ili detaljnije „A je preferirano u odnosu na B, ili
su A i B indiferentni“,
- Oznaka znači strogu preferencu,
- Oznaka ~ predstavlja ekvivalenciju ili indiferentnost.
Aksiom 1: (uporedivost i tranzitivnost)
Bilo koja dva ishoda iz skupa izbora se mogu upoređivati, i to pomoću preferentnog i
indiferentnog odnosa. To znači da za dva ishoda Ij i Ik važi:
Ili je Ij Ik ili je Ik Ij ili je Ij ~ Ik (za bilo koje , ako različite vrijednosti j i k).
Ako za bilo koja tri ishoda važi: ako je Ij Ik i Ik Ii onda je Ij Ii i tada je riječ o osobini
tranzitivnosti.
Uporedivost i tranzitivnost ishoda pokazuju mogućnost njihovog rangiranja, a unaprijed se

može pretpostaviti da je to već učinjeno prilikom numerisanja, odnosno: I1 I2 I3 ... Ir .
- 268 -
Da problem ne bi bio trivijalan, neophodno je uvođenje ograničenja da bar jedan od odnosa

mora biti stroga preferenca, na primjer I1 Ir .
Osobine uporedivosti i tranzitivnosti su lako primjenjive na ishode koji su skalarne veličine,

kao na primjer: dohodak po stanovniku, produktivnost, udio privrednih grana u izvozu
(izražen procentualno), plata, ekonomska stanja pojedinaca itd, tj. relativno su jednostavne.
Ako ishod ima komplikovane karakteristike, ako je multiatributivan (i zato prikazan
vektorskim izrazima) ili ako nema nikakve kvantitativne osobine, tada je uporedivost i
tranzitivnost daleko teže zadržati i primjeniti.
Primjer 4.1.4.1
Da bi ovaj problem bio jasniji, zamislimo da pojedinac treba da izrazi svoje preference za
sljedeće mogućnosti:
I1: Provesti vikend sa porodicom na planini.
I2: Ostati kod kuće i posvetiti se propremi djeteta za nastupajuću školsku godinu.
I3: Ostati kod kuće i provesti vrijeme u sitnim popravkama i pripremi automobila za zimu.
Ovaj pojedinac bi mogao dati prednost ishodu I1 nad I2 jer smatra da bi njegovoj porodici i
njemu prijao odmor na svježem vazduhu i pripremio ih za napore u sljedećoj radnom nedjelji,
uz pretpostavku da je njegovo dijete spremno za školu.
Posmatrajući I2 u odnosu na I3, on bi bio spreman da da prednost I2 nad I3 jer smatra da je
priprema djeteta za školu važnija od popravke automobila, a i predstavlja mu veće
zadovoljstvo.
Ako bi uporedio I1 i I3, on bi možda , nezadovoljan skupim pansionom u planinarskom domu,

dao prednost I3 nad I1, a i u međuvremenu je čuo prognozu vremena koja najavljuje oštru
zimu, pa je primoran da detaljno pripremi automobil.
Prama osobini tranzitivnosti, s obzirom da je dao prednost I1 nad I2 i I2 nad I3, ovaj pojedinac
bi trebalo da da prednost I1 nad I3 (što nije učinio). Kaže se da je bio netranzitivan prema
svojim preferencama. Ovaj hipotetički primjer daje prikaz netranzitivnosti u stvarnim
situacijama, odnosno, opisuje promjenu osnove za poređenje pri dodijeljivanju preferenci.
Sljedeći primjer još bolje osvjetljava teškoće održavanja ovog aksioma.
- 269 -
Primjer 4.1.4.2.
Pretpostavlja se da s upred grupu studenata postavljena dva problema i da se svaki sastoji od

izbora jedne od dvije ponuđene alternative.
I problem: izabrati između:
1. 10.000 KM sigurne dobiti i
2. Kocke koja nudi sljedeće mogućnosti:
a. Dobit od 60.000 KM sa vjerovatnoćom od 0,2;
b. Dobit od 10.000 KM sa vjerovatnoćom od 0,79;
c. Nikakvu dobit (0 KM) sa vjerovatnoćom od 0,01.
II problem: izabrati između:

b. Nikakvu dobit (0 KM) sa vjerovatnoćom od 0,79;

b. Nikakvu dobit (0 KM) sa vjerovatnoćom od 0,8.
Navedeni problemi prikazani suslikama 4.1.4.1. i 4.1.4.2.
Slika 4.1.4.1. I problem
- 270 -
Slika 4.1.4.2. II problem
Posmatrajući prvi problem, grupa studenata se obično odlučuje za varijantu 1, jer ona sa
sigurnošću nudi dosta veliku sumu od 10.000 KM. Tačno je da varijanta 2. nudi daleko veću
sumu (60.000 KM), ali sa malom vjerovatnoćom. Međutim, ona nudi i mogućnost da se ne
dobije ništa (iako sa minimalnom vrerovatnoćom). Iz tog razloga se u I problemu daje
prednost alternativi 1. Nad alternativom 2.
U drugom problemu se obično daje prednost alternativi 4. nad alternativom 3, jer obe imaju
skoro iste vjerovatnoće nastupanja, s tim što varijanta 4. Nudi daleko veću dobit.
Takav par preferenci (u I i II problemu) nespojiv je sa aksiomima koji su potrebni za
konstrukciju korisnosti. Da bi priroda suprotnosti bila uočljivija, moguće je unijeti neke
ispravke u I i II problem. Tako su dobijene sljedeće slike (4.1.4.3 i 4.1.4.4)
Slika 4.1.4.3. Popravljen prokaz I problema
- 271 -
Slika 4.1.4.4. Popravljen prokaz II problema
Varijante 1. i 4. su tako prepravljene da nije došlo do poremećaja vjerovatnoća, a ni do

izmjene vrijednosti ishoda. Na slici 4.1.4.3. su crtkanim pravougaonikom obilježene slične
situacije varijenti 1* i 2, a, takođe, i na slici 4.1.4.4. kod varijanti 3 i 4*. U prethodnom
dodjeljivanju prednosti (prije izmjene šema) preferirana je alternativa 1 nad 2 i alternativa 4
nad 3. Ako se te preference prenesu na popravljene prikaze problema, može se doći di
sljedećeg: pošto je data prednost 1 nad 2 (I odluka), znači da je data preferenca dobiti od
10.000 KM sa V = 0,21, nad djelimičnom kockom u kojoj su dobici od 60.000 KM sa V =
0,2 i 0 KM sa V = 0,01, S obzirom na je data prednost 4 nad 3 (II odluka) znači da je više
preferirana „djelimična kocka“ sa dobicima od 60.000 KM i sa V = 0,2 i 0 KM sa V = 0,01
nad perspektivom dobijanja 10.000 KM sa V = 0,21, što je kontradiktorno I odluci.
Da bi preferenca bila konzistentna, ona mora biti:
a. Ili za alternativu 1 nad 2 i alternativu 3 nad 4,
b. Ili za alternativu 2 nad 1 i alternativu 4 nad 3.
Moglo bi se zapaziti da aksiomatska struktura nije odgovarajuća, jer nije u saglasnosti sa

navedenim ponašanjem, iako je moguće reći da bi donosilac odluke mogao promijeniti svoje
preference kada bi bio upoznat sa prethodnom analizom.
Aksiom 2: (redukcija složenih lutrija)
Da bi se iskazao ovaj aksiom, najprije je potrebo definisati pojmove jednostavne (proste) i

složene lutrije (kocke).
- 272 -
Primjer 4.1.4.3.
Neka je pretpostavljena jednostavna lutrija (kocka) koja nudi:

- Dobit od 40 KM sa v1 = 0,1
- Dobit od 25 KM sa v2 = 0,6
- Gubitak od 20 KM sa v3 = 0,3
I koja je grafički prikazana na slici 4.1.4.5.
Slika 4.1.4.5. Primjer jednostavne lutrije
Takođe je moguće pretpostaviti osobu koja je indiferentna između:

- Fiksne vrijednosti dobiti od 40 KM i lutrije koja nudi dobitak od 90 KM sa
vjerovatnoćom od V1(1) = 0,7 i gubitak od 10 KM sa vjerovatnoćom V2(1) = 0,3;
- Fiksne vrijednsoti dobiti od 25 KM i lutrije u kojoj se dobija 90 KM sa vjerovatnoćom
V1(2) = 0,6 ili gubi 10 Km sa vjerovatnoćom V2(2) = 0,4;
- Fiksne vrijednosti gubitka od 20 KM i lutrije u kojoj se dobija 90 KM sa vjerovatnoćom
V1(3) = 0,2 ili gubi 10 Km sa vjerovatnoćom V2(3) = 0,8.
Ove kombinacije su prikazane na slici 4.1.4.6.
- 273 -
Slika 4.1.4.6. Primjer složene lutrije
Tako je dobijena složena lutrija, koja posjeduje nekoliko osnovnih grana, a svaka od njih se
dalje širi na više grana, na čijim su krajevima ishodi Ij.
Jednostavna lutrija se simbolički piše:
L = (v1I1; v2I2;...; vr Ir) (4.1.4.1)
I prikazana je sliko 4.1.4.7, dok je na slici 4.1.4.8 dat prikaz jedne opšte složene lutrije.
Slika 4.1.4.7. Prikaz lutrije L
- 274 -
Slika 4.1.4.8. Prikaz opšte složene lutrije
Korištene oznake su:

qi – vjerovatnoća da će se desiti lutrija L(i), i = 1,2,..., s,
vj(i) – uslovna vjerovatnoća da će u lutriji L(i) nastupiti j-ti ishod.
j = 1,2,..., r i i = 1,2,..., s.
Iz slike 4.1.4.8 slijedi:
L(i) = (v1(i)I1; v2(i)I2;...; vj(i)Ij;...; vr(i)Ir), j = 1,..., r; i =1,..., s. (4.1.4.2)
- 275 -
Svaka složena lutrija se može redukovati na jednostavnu lutriju. To znači da je svaka složena
lutrija indiferentna prema jednostavnoj lutriji, što je suština aksioma 2. Odnosno, ako je
lutrija L(i) sa vjerovatnoćom qi sastavni dio lutrije L, onda važi:
(q1L(1); q2L(2);...; qsL(s)) ~ (v1I1; v2I2;...; vrIr), (4.1.4.3)
Pri čemu je:
Vj = q1vj(1) + q2vj(2) +...+ qsvj(s), j=1,2,..., r (4.1.4.4)
Primjena ove osobine na složenu lutriju sa slike 4.1.4.8 (pri čemu je uzeto s=3 i r=3) data je
na slici 4.1.4.9.
I1
q1v(1)1+q2v(2)1+q3v(3)1
q1v(1)2+q2v(2)2+q3v(3)2
I2
q1v(1)3+q2v(2)3+q3v(3)3
I3
Slika 4.1.4.9. Redukovana složena lutrija (slika 4.1.4.8) u jednostavnu lutriju
Formalni oblik ove redukcije je:

(q1L(1); q2L(2); q3L(3) = [(q1v(1)1 + q2v(2)1 + q3v(3)1), I1; (q1v(1)2 + q2v(2)2 + q3v(3)2), I2; (q1v(1)3 +
q2v(2)3 + q3v(3)3), I3]
Ako se ova osobina primjeni na složenu lutriju sa slike 4.1.4.6. dobiće se nova situacija
prikazana na slici 4.1.4.10.
- 276 -
90 KM
(0,1)(0,7) + (0,6)(0,6) + (0,3)(0,2) = 0,49
(0,1)(0,3) + (0,6)(0,4) + (0,3)(0,8) = 0,51
- 10 KM
Slika 4.1.4.10. Brojčani primjer redukcije
To bi značilo da će se dobitak od 90 KM ostvariti sa vjerovatnoćom od 0,49 a gubitak od 10

KM sa vjerovatnoćom od 0,51.
Aksiom 3: (kontinuitet)
Da bi se potpunije pristupilo ovom aksionu, potrebno je definisati simbolički prikaz lutrije.

Neka se posmatra situacija u kojij postoje dvije mogućnosti:
- Ishod X sa vjerovatnoćom nastupanja v,
- Ishod Y sa vjerovatnoćom nastupanja (1 – v).
Ta situacija se izražava sa:

(v,X; (1-v), Y) (4.1.4.5)
Osobina kontinuiteta se odražava sljedećim zakonitostima:

Svaki ishod Ij je indiferentan jednostavnoj lutriji u kojoj se nalaze samo ishodi I1 i Ir. Postoji
samo jedna vrijednost uj, gdje je 0  uj  1, tako da je:
Ij ~ (ujI1; 0I2; 0I3;...; 0Ir; (1 – uj)Ir).
Zbog jednostavnosti će ova prosta lutrija biti svedena samo na ishode sa potencijalno ne-
nultom vjerovatnoćom. Odatle slijedi:
Ij ~ (ujI1; (1 – uj)Ir.
Za slučaj stroge preference I1 Ij Ir može se pretpostaviti lutrija:
(v, I1; )1-v), Ir) nasuprot osnovnom ishodu Ij. Ako je vrijednost v blizu 1 izgleda razumno da
je jadnostavna lutrija poželjnija od Ij i suprotno, ako je v blizu nule daje se prednost Jj.
- 277 -
Osobina kontinuiteta zahtijeva jednu vrijednost v (=uj) pomoću koje su jednostavna lutrija i
osnovni ishod indiferentni. U slučaju da je vrijednost v iznad ove tačke indiferentnosti, daje
se prednost jednostavnoj lutriji, a ako je v ispod ove tačke daje se preferenca osnovnom
ishodu.
Primjer 4.1.4.4.
Sljedeći primjer će razjasniti neke teškoće u primjeni ovog aksioma.

Pretpostavlja se, da je potrebno izabrati između 50 KM sigurne dobiti i lutrije koja nudi dobit
od 51 KM sa vjerovatnoćom v i nikakvu dobit (0 KM) sa vjerovatnoćom (1 – v). Vrlo je
vjerovatno da donosilac odluke ne bi mogao zamisliti neku vrijednost v (strogo manju od 1)
koja bi ga odvratila da da ne uzme sigurnih 50 KM. Pošto je dodatna isplata samo 1 KM, a i
to nije sa sigurnošću, nije vrijedno ući u rizik da se dobije 0 KM bez obzira koliko je to malo
vjerovatno. Ovaj slučaj je prilazan na slici 4.1.4.11.
51 KM
v
1 1-v
50 KM 0 KM
je u prednosti nad
Slika 4.1.4.11. Sslučaj koji je u suprotnosti sa aksiomom 3
Vjerovatno je da će isti donosilac odluke dati prednost sigurnom ishodu dobiti od 51 KM nad
dobiti od 52 KM sa vjerovatnoćom v; zatim prednost sigurnoj doboti od 52 KM nad dobiti od
53 KM sa vjerovatnoćom v itd. Odatle slijede preference pfikazane slikama 4.1.4.12. i
4.1.4.13.
Slika 4.1.4.12. Slučaj koji je u saglasnosti sa slikom 4.1.4.11. za isto v, ali opet u suprotnosti
sa aksiomom 3
- 278 -
Slika 4.1.4.13. Slučaj koji je takođe u saglasnosti sa slikom 4.1.4.11. za isto v, ali opet u
suprotnosti sa aksiomom 3
Da bi ovaj primjer zadovoljio osobinu kontinuiteta, neophodno je njegovo proširenje pomoću

4. Aksioma (osobine zamjenjivosti), koji će kasnije biti izložen.
Sa slike 4.1.4.12. je jasno da sigurnih 51 KM ima prednost nad lutrijom sa 52 KM i 0 KM.
Ako se na slici 4.1.4.11. zamijeni dobit od 51 KM sa lutrijom (slika 4.1.4.12) koja nema
prednost nad tih 51 KM, dobija se da je 50 KM još uvijek u prednosti nad ovom lutrijom u
dvije faze, čiji je prikaz dat na slici 4.1.4.14. Poznato je iz aksioma 2 da se ova lutrija može
redukovati i ta redukcija je data na slici 4.1.4.15.
Slika 4.1.4.14. (slike 4.1.4.11. i 4.1.4.12. modifikovane uz pomoć aksioma 4)
Slika 4.1.4.15. (Slika 4.1.4.14. modifikovana pomoću aksioma 2)
Ako se dalje 52 KM zamijeni sa lutrijom, nad kojom ovih 52 KM ima prednost (sa slike
4.1.4.13), dobija se slučaj prikazan slikom 4.1.4.16, a korištenjem aksioma 2, dobija se
situacija data na slici 4.1.4.17.
- 279 -
53 KM
v
1-v
0 KM
2
v
1
50 KM 1 – v2
0 KM
je u prednosti nad
Slika 4.1.4.16.
53 KM
v3
1 1 – v3
50 KM 0 KM
je u prednosti nad
Slika 4.1.4.17.
Postupak je moguće nastaviti do, na primjer, situacije koja je prikazana na slici 4.1.4.18. i ako
bi se uzelo dovoljno veliko n, recimo, n = 9950, dobio bi se slučaj kao na slici 4.1.4.19.
Slika 4.1.4.18. Zaključak niza zamjena i redukcija
Slika 4.1.4.19. Slučaj koji je u saglasnosti sa slikom 4.1.4.11.
Postavlja se pitanje da li je uvijek razumno, posmatrajući sliku 4.1.4.19, preferirati siguran

ishod nad lutrijom? Moguće je zamisliti vjerovatnoću v9950 koja je vrlo blizu 1, a to bi se i
postiglo uzimanjem velike vrijednosti za v, ali uvijek manje od 1. Zar za lutriju na slici
4.1.4.20 nema ni jedne vrijednosti q (manje od 1) koja bi odvratila pojedinca od sigurnosg
dobitka od 59 KM?
- 280 -
Slika 4.1.4.20.
Moglo bi se zaključiti da će se donosioci odluka razlikovati u veličini n koja je neophodna za

preferiranje lutrije nad sigurnim ishodom, kao što će se razlikovati u prihvatanju vrijednosti
q. Znači, ipak je moguće da donosilac odluke bude u situaciji da preferira lutriju nad sigurnih
50 KM, što je u suprotnosti sa njegovom preferencom sa slike 4.1.4.11. Na osnovu toga bi se
moglo zaključiti da je donosilac odluke nedosljedan ako insistira na prednosti sa slike
4.1.4.11 za svako 0  v  1.
Pored toga, moguće je pretpostaviti da sigurno postoji naka vrijednost vjerovatnoće v, takva
da je 0  v  1 uz koju će donosilac odluke biti indiferentan između sigurnog ishoda Ij i
jednostavne lutrije (v, Ij: (i-v),Ir) od koje je i započeo aksiom 3.
Aksiom 4: (zamjenjivost)
Ishod Ij, koji pripada složenoj lutriji, je zamjenjiv sa jedinstvenom jednostavnom lutrijom (uj,
I1; (1-uj), Ir), koja je indiferentna sa Ij.
Zamjena u primjeru trećeg aksioma nije imala baš tu formu, ali je princip bio isti.
Aksiom 5: (monotonost)
Ovaj aksiom utvrđuje preferencu pri izboru između jednostavnih lutrija koje se sastoje samo
od ekstremnih ishoda I1 i Ir. Znači, jednostavna lutrija (v, I1; (1-v), Ir) ima prednost ili je
indiferentna prema jednostavnoj lutriji (q, I1; (1-q), Ir) ako i samo ako je v q.
Iz toga proizlazi zaključak da između jednostavnih lutrija (sa ekstremnim ishodima) prednost
ima ona sa vjerovatnijim, najviše preferiranim ishodom I1.
Ovih pet aksioma, koji se odnose na ponašanje, predstavljaju osnovu za definisanje postupka
pojedinaca pri donošenju odluke. Oni se svode na principe koje bi mogla imati svaka
razumna osoba pri donošenju odluke, pa ih zato većina smatra lakim i pogodnim za
prihvatanje. Međutim često se dešava da se donosioci odluka ne pridržavaju tih principa, (na
- 281 -
sličan način, mnogi od njih ne koriste ni naučni pristup odlučivanju, koji je bitan i
nezamjenjiv kod rješavanja realnih problema). Sve je to, uglavnom, zbog toga što mnogi
(pojedinačni) donosioci odluka nisu toliko racionalni, koliko misle da jesu.
4.1.5. Korisnost i njeno mjerenje
U ovom odjeljku se pristupa: definisanju funkcije korisnosti, koja karakteriše stav donosioca
odluke prema problemu donošenja odluke pri riziku i neizvjesnosti, konstrukciji ove funkcije
i njenim osobinama koje moraju biti u skladu sa određenim karakteristikama ponašanja
donosioca odluke.
4.1.5.1. Očekivana korisnost
Već je bilo riječi o ograničenosti teorije korisnosti kada je trebalo napraviti izbor između
ishoda koji nemaju kvantitativne karakteristike, kao i u slučaju miltivarijabilnih problema.
Moguće je zamisliti primjer u kome dolazi do ovih poteškoća.
Primjer 4.1.5.1.
Pretpostavka je da se neki hipotetički pojedinac bavi pronalazaštvom i da se nalazi pred

izborom da li svoje slobodno vrijeme da provede u radu na pronalasku ili da ode u ribolov (s
obzirom da je istovremeno i strastven ribolovac). Vremenske prilike koje bi uticale na njegov
izbor su nesigurne, iako je moguće dobiti obavještenje praćenjem meteoroloških izvještaja.
Ova dva ishoda nemaju numeričku karakteristiku, mada bi finansijska dobit od priznatog
pronalaska mogla biti mjerna jedinica ovog ishoda.
Pojedinac može dati prednost vremenu provedenom u prirodi i ribolovu nad radom na
pronalasku, ali može dati i prednost svom pronalazaštvu nad odlaskom u ribolov u slučaju
lošeg vremena. Prikaz ove situacije dat je u tabeli 4.1.5.1.
- 282 -
Tabela 4.1.5.1: Izbor u zavisnosti od vremenskih prilika
Akcije
Uslovi
Odlazak u ribolov Rad na pronalasku
Lijepo vrijeme Prijatno provedeno vrijeme Djelimično završen pronalazak
Loše vrijeme Neprijatno provedeno vrijeme Djelimično završen pronalazak
Procjena relativnih vjerovatnoća (dobrih i loših) vremenskih prilika je moguća na osnovu

praćenja metoeroloških izvještaja (iz novina, radija i TV), a mogu se uzeti u obzir i procjene
dtugih ribolovaca. Ova procjena je značajna, jer ako bi bilo lijepo vrijeme, donosilac odluke
bi otišao u ribolov i obratno, ostao bi kod kuće i bavio se pronalazaštvom u slučaju lošeg
vremena.
U slučaju da procjena vjerovatnoće vremenskih prilika nije jasna ni reakcija pojedinca ne bi

bila tako jednostavna.
Čak i kada bi se složile u vremenskim predviđanjima, moguće je da bi se dvije ličnosti

odlučile za različite akcije. Ovo razilaženje je moguće zbog različitih procjena preferenci
ishoda u gornjoj tabeli, što bi značilo da ni jedan od njih ne greši, već da je za jednod
značajnije zadovoljstvo ribolova, a za drugog uspješan pronalazak i finansijska dobit od toga.
S obzirom na ograničenost teorije korisnosti u ovakvim i njima sličnim primjerima, ona se i

ne bavi njima, već problemima s numeričkim ishodima i, u većini slučajeva, objektivnim
vjerovatnoćama o stanjima problema.
U samom uvodnom dijelu ovog poglavlja, na primjeru izdavačkog preduzeća, kao i u drugom
poglavlju na primjeru preduzeća investitora, objašnjen je proračun očekivane vrijednosti
novca (dobiti). Zapaženo je da je najpovoljnija mogućnost koja nudi najveće očekivanje. Pri
izboru akcija je potrebno, pored očekivanih vrijednosti, u računanje unijeti sve oblike
ulaganja, a zatim pristupiti izboru. U slučaju da je pristup (ulaganje ili karta za ulazak u neko
kockanje) veći od vrijednosti očekivanja, riječ je o neto-očekivanom gubitku i obratno, o
neto-očekivanoj dobiti.
- 283 -
Bez obzira na ova pravila, postoje okolnosti, realne ili hipotetičke, u kojima i obazrivi
donosioci odluka rado ulaze u rizik koji pruža neto-očekivani gubitak. Realni primjer, koji
ovo detaljno prikazuje je u oblasti osiguranja.
Primjer 4.1.5.2.
Neka se pretpostavi da donosilac odluke (privatno) raspolaže sa nekim vrijednostima koje su

procijenjene novčanim iznosom od B KM. Ove vrijednosti bi mogle biti uništene jednom
prilično nevjerovatnom katastrofom i vjerovatnoća nastupanja tog događaja je obilježena sa
v. Ovaj pojedinac bi mogao da se osigura protiv posljedica tog događaja kupovinom polise
koja vrijedi A KM. Navedena situacija je prikazana tabelom 4.1.5.2.
Tabela 4.1.5.2: Donošenje odluke osiguranja u zavisnosti od mogućnosti katastrofe
Odluka
Uslovi
Ne kupiti
Kupiti osiguranje
osiguranje
(polisu)
(polisu)
Katastrofa sa
(B-A) KM 0 KM
vjerovatnoćom (v)
Nema katastrofe
sa vjerovatnoćom (B-A) KM B KM
(1-v)
Odluka da se ne kupi polisa ima očekivani novčani ishod:
v*0 + (1-v)*B = (1-v)*B

a odluka da se ne kupi polisa ima očekivani novčani ishod:
v*(B-A) + (1-v)*(B-A) = B-A
S obzirom na iskustvo osiguravajućih društava, uočeno je (zbog malih vrijednosti) za v) da je

(1-v)*B > B-A. To znači da bi odluka da se ne kupu polisa imala veću očekivanu vrijednost,
a samim tim i prednost nad odlukom kupovine osiguranja. Međutim, bez obzira na to, većina
donosilaca odluke još uvijek insistira na osiguranju, jer smatraju da je bolje platiti za
osiguranje sumu od A KM (koja nije mala u poređenju sa vrijednošću B), nego da ulaze u
rizik (ma koliko bio nizak) da izgube cjelokupnu vrijednost B.
- 284 -
Nepodesnost koncepta očekivanih vrijednosti proizlazi iz shvatanja donosioca odluke, koji

ishode, iako su opisani tačnim novčanim iznosima, ne posmatra samo kao novčane pojmove.
Na primjer, u situaciji izbora između kocje i sigurne dobiti, većina studenata će, s obzirom na
skromne prihode i stabilnu narav, dati prednost sigurnoj dobiti od 100.000 KM nad kockom u
kojoj su jednako vjerovatne dobiti od 200.000 KM i 0 KM. Međutim, ako se daje novčane
vrijednosti podijele sa 100, mnogi će promijeniti svoju odluku i dati prednost kocki sa istom
vjerovatnoćom dobiti od 2.000 KM i 0 KM, nad sigurnih 1.000 KM. Ako se skala još smanji
na kocku sa 20 KM ili 0 KM i sigurnig 10 KM, još više njih će biti za kocku. Sve ove
situacije imaju isti ishod, jedino se mijenja skala problema od velikih novčanih suma, preko
skromnih, od relativno malih.
Razumljivo je da prva kocka, u odnosu na bogatstvo jedne osobe, može biti sasvim mala i da
ta osoba može dati prednost kocki nad sigurnom dobiti. Za nokog sa skromnim sredstvima
nevedene sume novca su relativno velike i provlačnost sigurne dobiti nad kockom je veća.
Ovaj isti pojedinac koji se opredjeljuje za siguran ishod ako su u pitanju velike sume novca,
mogao bi dati prednost kocki u problemima sa manjim sumama i njegov odnos prema tim
skromnim igrama bio bi isti kao odnos bogatog pojedinca prema prvoj kocki. Iz ovakvih i
sličnih primjera se zaključuje da je percepcija jedne sume novca zavisna od finansijskog
stanja (bogatstva9 ocjenjivača.
Odnos ukupnog bogatstva i ocjene vrijednosti (kao funkcije ukupnog bogatstva) je grafički
prikazan na slici 4.1.5.1.
- 285 -
Slika 4.1.5.1. Zavisnost shvaćena vrijednost – ukupno bogatstvo
Sa slike 4.1.5.1. se može zaključiti da ova funkcija neju u skladu sa odlukom izbora kocke
(nasuprot sigurne dobiti) za bilo koju vrijednost ukupnog bogatstva donosioca odluke zbog
toga što ova finkcija ne može beskonačno da se povećava, jer svaki pojedinac može da računa
samo na ograničen broj dostignuća (napisan broj knjiga, ograničen broj umjetničkih djela u
vlasništvu, određen broj razvijenih pronalazaka itd). Ako neko ima u vlasništvu 50 miliona
KM to mu daje velike mogućnosti, 60 miliona Km daje mu još veće, ali velike mogućnosti
koje pruža veliko bogatstvo ne mogu biti neograničene. Grafički prikaz je dat na slici 4.1.5.2.
Slika 4.1.5.2. Ograničena percepirana vrijednost ukupnog bogatstva, odnosno, ograničena

percepirana funkcija vrijednosti
- 286 -
4.1.5.2. Osobine funkcije korisnosti
Uz pomoć navedenih pravila i aksioma teorije korisnosti moguće je pristupiti definisanju

funkcije korisnosti koja u kvantitativnom obliku ostvaruje strukturu preferenci donosioca
odluke.
Za jednostavnu lutriju:
L = (v1 I1; v2 I2;...; vr Ir), (4.1.5.1)
gdje već postoji:
I1 I2 ... Ir (4.1.5.2)
može se prema trećem aksiomu naći, za svaki ishod I1, jednostavna lutrija koja ima samo
ishode I1 i Ir, takve da je:
Ij ~ (ujI1: (1-uj)Ir (4.1.5.3)
Ako se ove lutrije zamijene u L, onda je po četvrtom aksiomu, L ~ L’ (lutrije L i L’su
prikazane na slici 4.1.5.3).
Radi detaljnijeg prikaza može se napisati:

I1 ~ (u1I1; (1-u1)Ir) i Ir ~ (urI1; (1 – ur)Ir)
gdje je u1 = 1 i ur = 0.
Slika 4.1.5.3. Lutrija L, izražena kao lutrija L’, u kojoj figurišu ishodi I1 i Ir
Prema drugom aksiomu (o redukciji složenih lutrija), L’ je indiferentna lutriji:

L’’ = (VI1; (1-V)Ir) (4.1.5.4)
gdje je:
V = v1u1 + v2u2 +...+ vrur
- 287 -
Lutrija L’’ je prikazana na slici 4.1.5.4.
I1
``
L
1-v
Ir

Slika 4.1.5.4. Složena lutrija L’sa slike 4.1.5.3 redukovana na jednostavnu lutriju L’’
Znači korištenjem 2, 3. i 4. aksioma, redukovana je lutrija sa više bazičnih ishoda, na lutriju u

koju ulazi samo najviše preferirana i najmanje preferirana alternativa, I1 i Ir, respektivno, a
uloga 1. Aksioma je da garantuje jedinstvenost uj.
Ako postoji druga jednostavna lutrija:

N = (q1 I1; q2 I2; ...; qr Ir), (4.1.5.5)
Onda je slično prethodnom:

N ~ N’’ = (QI1; (1-Q) Ir), (4.1.5.6)
gdje je
Q = q1u1 + q2u2 + ... + qrur.
Ako sea pravi izbor između L i N, onda je L N ako i samo ako je V Q (prema 5.
Aksiomu). Tako je dobijena teorema:
Ako binarni odnos zadovoljava svih pet aksioma, onda za svaki bazični ishod Ij postoji neki
broj uj, tako da se preferenca između dvije lutrije L i N izražava odnosom relativnih veličina
očekivanih vrijednosti:
v1u1 + v2u2 + ... + vrur. (4.1.5.7)

q1u1 + q2u2 + ... + qrur.
Za prostu (jednostavnu) lutriju:
- 288 -
L = (v1 I1; v2 I2; ... ; vr Ir) (4.1.5.8)
Se definiše funkcija korisnosti:
u(L) = v1u1 + v2u2 + ... + vrur (4.1.5.9)
Na isti način je moguće definisati funkciju korisnosti za jednostavnu lutriju N:
u(N) = q1u1 + q2u2 + ... + qrur (4.1.5.10)
Osobine funkcije korisnosti:
I osobina
Niz aksioma (1 – 5) garantuje postojanje u(.) funkcije korisnosti, tako da za sve proste lutrije
L i N važi L N, ako i samo ako, je u(L)  u(N).
II osobina
Posmatra se lutrija M koja nudi alternative: lutriju L sa vjerovatnoćom m i lutriju N sa
vjerovatnoćom (1-m) (Slika 4.1.5.5). Pošto je
L ~ (vI1; (1-v)Ir) N ~ (qI1; (1-q)Ir)
Dobija se situacija prikazana na slici 4.1.5.6, u kojoj indiferentnost slijedi iz svođenja ložene
lutrije na prostu.
Slika 4.1.5.5. Lutrija M
- 289 -
I1
I1
v
m
1-v mv + (1-m)q
Ir
M= I1
q
1-m 1-q m(1-v) + (1-m)(1-q)

Ir Ir
Slika 4.1.5.6. Radukcija lutrije M na lutriju sa ishodima I1 i Ir
Znači,
u(M) = m*v + (1-m)*q = m*u(L) + (1-m)*u(N) 4.1.5.11)
Ova osobina se odnosi i na lutriju koja u sebi ima više od dvije lutrije. Da bi se izračunala
očekivana korisnost složene lutrije, potrebno je formirati očekivane korisnosti lutrija iz kojih
se sastoji ova osnovna složena lutrija.
U gornjim izrazima je stavljeno da je u1 = 1 i ur = 0, što daje:
0  uj  1, za j = 2,3,..., r-1.
Ako su date dvije funkcije korisnosti u(M) i u*(M) koje zadovoljavaju gornje osobine, može
se dokazati da je:
u*(M) = a*u(M) + b
za sve lutrije M, gdje su a > 0 i b konstante.
Na slici 4.1.5.7. su prikazane funkcije u(M) i u*(M) i uticaj različite vrijednosti parametra b,
koji predstavlja početak funkcije na raznim nivoima ordinatne ose, dok parametar a mijenja
skalu ograničenosti duž iste ose. Preferenca prethodi svojoj numeričkoj vrijednosti u obliku
jedne funkcije korisnosti i određena je sa u i u*.
- 290 -
Slika 4.1.5.7. Djelovanje parametara a i b na skalu funkcije korisnosti
4.1.5.3. Konstruisanje funkcije korisnosti
Da bi se procedura konstrukcije jedne funkcije korisnosti detaljnije objasnila koristiće se

jedan primjer.
Primjer 4.1.5.3.
Pretpostavimo da menadžer jednog proizvodnog preduzeća razmišlja o usmjeravanju

proizvodnje u drugom pravcu od postojećeg, na primjer, prema osvajanju novih proizvodnih
programa. U slučaju da preduzeće nastavi proizvodnju na stari način, ostvariće određeni iznos
čistog dohotka. Međutim, ako bi se ovo preduzeće preorijentisalo na nov način proizvodnje
bile bi moguće dvije alternative, koje bi kao posljedicu imale dva različita nivoa čistoh
dohotka sa, recimo, istom vjerovatnoćom nastupanja. Da bi bila moguća konstrukcija krive
korisnosti ua ovog menadžera, neophodno je izraziti njegove indiferentnosti između sigurnog
čistog dohotka (stari proizvodni program) i čistih dohodaka pri riziku, (novi proizvodni
program)Pretpostavimo da su njegove reakcije prikazane tabelom 4.1.5.3.
- 291 -
Tabela 4.1.5.3: Reakcija donosioca odluke (siguran dohodak je ocijenjen kao indiferentan) na
niz različitih situacija koje nosi novi proizvodni program
Čisti dohodak za alternative

Siguran čisti dohodak
Redni novih proizvodnih programa
ocijenjen kao indiferentan
broj (sa istom vjerovatnoćom
(u KM)
nastupanja) (u KM)
1 0 100 40
2 40 100 90
3 40 90 50
4 0 50 20
5 20 50 35
6 0 35 10
7 0 10 3
8 20 100 60
Menadžer je izrazio svoju indiferentnost (u situaciju pod rednim brojem 1) između prelaska
na novi proizvodni program (koji donosi 0 miliona KM sa vjerovatnoćom od 0,5 i 100
miliona KM sa vjerovatnoćom od 0,5) i starog proizvodnog programa koji donosi sigurnih 40
miliona KM. Slično je u situaciji pod rednim brojem dva: on je indiferentan između novog
proizvodnog programa (koji donosi 40 miliona KM i 100 miliona KM sa podjednakim
vjerovatnoćama nastupanja od 0,5) i starog načina proizvodnje, koji donosi sigurnih 90
milioma KM čistog dohotka. Na isti način se opisuje i ostalih 6 situacija.
Pretpostavka je da ovo preduzeće može ostvariti minimalan čisti dohodak od 0 miliona KM i

maksimalan čisti dihodak od 100 miliona KM. Ta se informacija može iskoristiti da se
obilježe očekivane korisnosti ovih dohodaka, na primjer, sa K(0) = 0 i K(100) = 1.
Korištenjem druge osobine funkcije korisnosti mogu se izračunati sljedeće vrijednosti
očekivanih korisnosti:
1) K(40) = (0,5)*K(0) + (0,5)*K(100) = (0,5)*0 + (0,5)*1 = 0,5

2) K(90) = (0,5)*K(40) + (0,5)*K(100) = (0,5)*(0,5) + (0,5)*1 = 0,75
3) K(50) = (0,5)*K(40) + (0,5)*K(100) = (0,5)*(0,5) + (0,5)*(0,75) = 0,625
4) K(20) = (0,5)*K(0) + (0,5)*K(50) = (0,5)*0 + (0,5)*(0,625) = 0,3125
5) K(35) = (0,5)*K(20) + (0,5)*K(50) = (0,5)*(0,3125) + (0,5)*(0,625) = 0,469
- 292 -
6) K(10) = (0,5)*K(0) + (0,5)*K(35) = (0,5)*0 + (0,5)*(0,469) = 0,2345

7) K(3) = (0,5)*K(0) + (0,5)*K(10) = (0,5)*0 + (0,5)*(0,2345) = 0,117
8) K(60) = (0,5)*K(20) + (0,5)*K(100) = (0,5)*(0,3125) + (0,5)*1 = 0,656
Slika 4.1.5.8. je grafički prikaz funkcije korisnosti ovog menadžera, a konstruisana je uz

pomoć gore izračunatih vrijednosti korisnosti.
Ako bi se ispitivanjem obog menadžera dobila neka tačka koja nije blizu njegove krive, bilo
bi neophodno objasniti donosiocu odluke nedosljednost njegovog ponašanja, u cilju ispravke
nedosljedne odluke. Tada bi funkcija korisnosti imala neka neobična svojstva, pa se ne bi
moglo nastaviti sa analizom njegovog donošenja odluke.
Slika 4.1.5.8. Funkcija korisnosti menadžera
Ako bi se promijenile vrijednosti vjerovatnoća akcija novog stanja proizvodnje (novog

proizvodnog programa), razumni donosilac odluke bi izmijenio vrijednosti sigurnog dohotka,
koje bi procijenio na osnuvu svoje indiferentnosti. Kada bi u ovoj situaciji (sa izmijenjenim
vrijednostima vjerovatnoća) ostao dosljedan svom procjenjivanju, nova funkcija korisnosti bi
se poklapala sa onom sa slike 4.1.5.8. ili bi bila u njenoj neposrednoj blizini.
- 293 -
U slučaju da donosilac odluke ne želi da izmijeni vrijednosti sigurnih dohodaka (odnosno,

ekvivalenta novčane izvjesnosti), a još uvijek tvrdi da je indiferentan, mogla bi se dobiti (za
istog pojedinca) sasvim različita funkcija korisnosti, koja bi potvrdila njegovu nedosljednost.
Zbog toga su rizici koji se dovode u vezu sa nekom akcijom (čija se očekivana vrijednost
mijenja promjenom rizika, i ta njena promjenjivost se posmatra kao mjera rizika) bitan su dio
informacije koja se daje donosiocu odluke pri utvrđivanju njegove funkcije korisnosti. Ovi
rizici (vjerovatnoće) se, naravno, ne daju u nekoj neodređenoj formi, već u konkretnim
numeričkim vrijednostima.
4.1.5.4. Oblici funkcije korisnosti
Da bi se prikazale karakteristike, koje je ispoljio donosilac odluke kada je davao podatke za

funkciju korisnosti sa slike 4.1.5.8, potrebno je sprovesti sljedeće razmatranje na primjeru
4.1.5.4:
Primjer 4.1.5.4.
Posmatra se akcija izbora novog proizvodnog programa (iz primjera 4.1.5.3) u kojoj su
moguće varijante ostvarenja čistog dohotka od 20 miliona KM i 90 miliona KM sa
podjednakim vjerovatnoćama nastupanjaod 0,5. Neka se 20 miliona KM obilježi sa X, a 90
miliona KM sa Y i neka se očekivana vrijednost ove akcije (kocke) obilježi sa Z.
Tada je:
Z = (0,5)*X + (0,5)*Y = 55
Ove tri tačke i vrijednosti njihovih očekivanih korisnosti su unijete na sliku 4.1.5.9, na kojoj
je izvršena ponovna konstrukcija funkcije korisnosti (sa slike 4.1.5.8)
Dužina EF (čije su krajnje tačke, vrijednosti alternativa kocke na funkciji korisnosti)

predstavlja linearnu zavisnost između očekivane novčane vrijednosti i očekivane korisnosti te
kocke. Apscisa tačke M, obilježena sa (O), predstavlja očekivanu novčanu vrijednost, dok
ordinata, obilježena sa (K) predstavlja vrijednost očekivane korisnosti kocke.
Ako se problem posmatra kroz očekivane korisnosti, onda je očekivana korisnost kocke, koja
je obilježena sa K(K):
- 294 -
K(K) = (0,5)*K(X) + (0,5)*K(Y)

manja od K(Z), što je vidljivo i sa ose korisnosti na slici 4.1.5.9.
Slika 4.1.5.9. Prošireno ispitivanje funkcije korisnosti (prikazane na slici 4.1.5.8)
Ako bi se ta situacija posmatrala kao problem odluke sa akcijom koja je sigurna (Z = 55), ili
kockom (u kojoj su ishodi X = 20 i Y = 90) sa podjednakim vjerovatnoćama nastupanja,
moglo bi se zaključiti da i sigurna akcija i kocka imaju iste novčane ishode, ali je,
posmatrajući njihove očekivane korisnosti, odnosno, K(Z) > K(K), siguran ishod superioran
nad kockom.
Ova osobina naziva se averzijom prema riziku i u osnovi je samog oblika funkcije
korisnosti koja je konkavnod tipa. Naziv dolazi od izbjegavanja kocki, koje čak mogu biti i
povoljne u odnosu na sigurne ishode.
- 295 -
Kada je funkcija korisnosti donosioca odluke konkavnog oblika, kao na slici 4.1.5.10, onda je
riječ o osobi koja rado ulazi u rizik, odnosno o osobini poželjnosti prema ritiku ili sklonosti
ka riziku.
Slika 4.1.5.10. Funkcija korisnosti (konkavna) koja ispoljava poželjnost ka riziku
Postoje i situacije u kojima mnogi donosioci odluka ispoljavaju funkciju korisnosti na način
prikazan na slici 4.1.5.11. Takav donosilac odluke je sklon riziku pri manjim novčanim
izvorima, ali se potom ponaša saglasno averziji prema riziku.
- 296 -
Slika 4.11.5.11. Funkcija korisnosti koja ima karakteristike i averzije i sklonosti ka riziku
Na osnovu navedenih osobina funkcije korisnosti i proširene mogućnosti zaključivanja na

osnovu toga, sada je moguće dati grafički prikaz problema osiguranja iz primjera 4.1.5.2.
Zaključak problema osiguranja se svodio na to da je veću očekivanu vrijednost imala akcija

da se ne kupi polisa, a time i preferencu nad odlukom kupovine polise. Ako bi očekivana
vrijednost akcije da se ne kupi polisa bila označena sa B*, gdje je
B* = (1 – v)*B
Onda je:
B* > B – A
gdje je (B – A) očekivana vrijednost akcije kupovine osiguranja.
Postojanje vrlo uspiješnih osiguravajućih društava pokazuje da odluka o kupovini osiguranja

ne treba da se zasniva samo na procjeni koja se isključivo služi očekivanom novčanom
vrijednošću kao mjerom posljedica.
Ako se pretpostavi da je u pitanju donosilac odluke, koji ima averzuju prema riziku, analiza
problema odlučivanja zasnovana na očekivanoj korisnosti pokazuje da je kupovina osiguranja
u prednosti nad odlukom bez osiguranja. Grafički prikaz analize dat je na slici 4.1.5.12.
- 297 -
Slika 4.1.5.12. Moguća usaglašenost odluke za kupovinu osiguranja i odbojnosti prama riziku
Objašnjenje za vrijednost tačaka sa slike 4.1.12. je sljedeće:
- Na novčanoj osi (apscisna osa)

o Tačka B – veličina novčanog iznosa (kojom su procijenjene vrijednosti donosioca
odluke) koji on želi da osigura;
o Tačka B* - očekivana vrijednost akcije da se ne kupi polisa;
o Tačka (B –A) – očekivana vrijednost akcije kupovine osiguranja (polise);
o Tačka S – tačka koja izjednačava vrijednost očekivanih korisnosti akcija sa
osiguranjem i bez osiguranja;
o Tačka S* - tačka u kojoj je akcija da se ne kupi polisa povoljnija od akcije
kupovine polise.
- Na osi korisnosti (ordinatna osa)

o Tačka K(B) – očekivana korisnost mobčanog iznosa B;
o Tačka K(B – A) – očekivana korisnost akcije kupovine polise;
- 298 -
o Tačka K(B*) – očekivana korisnost da se ne kupi polisa;

o Tačka K(S*) – očekivana korisnost akcije kupovine polise, u kojoj je vrijednost
polise koliko velika, da se daje prednost akciji „bez osiguranja“
Izbor kupovine osiguranja (polise) je optimalan sve dok je očekivana korisnost osiguranja
superiorna nad očekivanom korisnosti neosiguranja. Povoljnost odluke za kupovinu
osiguranja, za datu vrijednost (v) vjerovatnoće katastrofe, određuje vrijednost polise A. Što se
više povećava vrijednost polise A, smanjuje se vrijednost razlike (B – A), pa je moguće da u
jednom trenutku velika vrijednost polise učini da se (B – A) poklopi sa tačkom S. U toj tački
bi očekivana korist kupovine osiguranja i očekivana korist bez osiguranja bile jednake. Ako
je vrijednost polise A još veća, tako da se vrijednost (B – A) poklopi sa tačkom S*, onda je
odluka ne osigurati se bolja u pogledu očekivane korisnosti.
Moglo bi se zaključiti da ako je data vrijednost vjerovatnoće nastupanja neke katastrofe,
funkcija korisnosti određenog donosioca odluke obezbjeđuje izračunavanje maksimalne
vrijednosti polise koju bi trebalo da plati za osiguranje.
4.1.6. Neke tipične matematičke funkcije u teoriji korisnosti
U realnim problemima odlučivanja čest je slučaj da krive koje predstavljaju funkcije

korisnosti podliježu nekoj matematičkoj zakonitosti, što je vrlo korisna osobina, zbog
povećane preciznostikoja se tom prilikom ostvaruje u analizi posmatrne pojave. Matematičke
krive, koje se najčešće pojavljuju u praksi, su eksponencijalna, kvadratna i naročito
logaritamska funkcija.
Eksponencijalna funkcija korisnosti
Eksponencijalna funkcija korisnosti se može definisati sljedećim izrazima:
K(x) = 1 – e-kx ili (4.1.6.1)

-kx
K(x) = 1/k (1 – e ) (4.1.6.2)
gdje su:
x – dimenzija vrijednosti (zavisna od problema)
k - pozitivna konstanta
- 299 -
e = 2,71828
Neki oblici eksponencijalnih krivih prikazani su na slici 4.1.6.1.
Slika 4.1.6.1. Eksponancijalna kriva korisnosti
Logaritamska funkcija korisnosti
Logaritamska funkcija korisnosti se može iskazati sa:

K(x) = log (x + b) (4.1.6.3)
gdje je b – konstanta, a neki primjerii funkcije b = 1 i različite baze logaritma su dati na slici
4.1.6.2.
- 300 -
Slika 4.1.6.2. Logaritamska kriva korisnosti
Kvadratna funkcija korisnosti
Kvadratna funkcija korisnosti se definiše kao:

K(x) = a + bx – cx2 (4.1.6.4)
gdje su a, b i c konstante i c > 0. Primjeri ove funkcije za a = 0 su dati na slici 4.1.6.3.
Ako se u analizu uvede uobičajena mjera za averziju prema riziku (AV) izražena sa:
 K " ( x)
AV  (4.1.6.5)
K ' ( x)
gdje su K’(x) i K’’(x) prvi i drugi izvod funkcije K(x), respektivno, mogu se izvući i neki
interesantni začljučci. Za oba oblika eksponencijalne krive korisnosti (izrazi 4.1.6.1. i 4.1.6.2)
vrijednost veličine averzije prema riziku je konstantna, tj. AV = k. Ta činjenica svakako
ukazuje na izvjesnu dozu „neelastičnosti“ donosioca odluke u realnim situacijama poslovnog
odlučivanja.
- 301 -
0,5 Linija očekivanih vrijednosti
0,5 1 1,5 2 2,5 3

Slika 4.1.6.3. Kvadratna funkcija korisnosti
Za logaritamsku krivu korisnosti (4.1.6.3) ta veličina iznosi

1
AV 
xb
što znači da se AV smanjuje dok se x (vrijednost varijable koja se posmatra) povećava. A to
je skoro tipičan slučaj ponašanja većine ljudi – po pravilu je vrlo poželjan, što je nivo
odgovornosti donosioca odluke veći.
Za kvadratnu krivu korisnosti (4.1.6.4) veličina averzije prema riziku iznosi:
2c
AV 
b  2cx
što znači da se sa povećanjem vrijednosti v povećava i averzija prema riziku. To nije poželjna
osobina u poslovnom odlučivanju i, na svu sreću, relativno je manji broj donosilaca odluke
primjenjuje kao preovladavajući oblik svog ponašanja.
Navedene funkcije pojedinih krivih korisnosti nisu iscrpljene navedenim primjerima. Postoje
i mnoge druge, značajno kompleksnije, ali se one ovom prilikom neće navoditi.
- 302 -
4.2. Višeatributivna teorija korisnosti
4.2.1. Ciljevi
Osnovni cilj ovog poglavlja je uvođenje višestrukih, obično protivrječnih atributa (kao dijela
svakodnevne realnosti), u problematiku odlučivanja.
Zadaci:
 Razvoj sposobnosti i vještina koje olakšavaju analizu problema koji se rješava;
 Razvoj sposobnosti primjene metoda višeatributivne analize teorije krisnosti u rješavanju
realnih problema odlučivanja.
Ključne riječi: Atribut; Višeatributivna teorija korisnosti; Višekriterijumsko odlučivanje;

Cilj; Aditivna forma korisnosti; Multiplikativna forma korisnosti; Funkcije korisnosti;
Matrica odlučivanja; Kvantitativna i kvalitativna ocjena atributa; Kompozitna korisnost.
4.2.2. Analiza višeatributivnih problema
Donošenje odluka uprisustvu višestrukih, obično protivrječnuh kriterijuma, podrazumijeva

pristup tzv. višekriterijumskog odlučivanja. Kao njegov vrlo specifičan dio, u ovom poglavlju
će se bliže objasniti tzv. višeatributivna teorija korisnosti, dok se ostali, tradicionalniji, dio
višekriterijumskog odlučivanja ostavlja za poglavlje 6.
Problemi višeatributivnog odlučivanja su prisutni u mnogim realnim situacijama. Na primjer,
u životu pojedinac može birati posao prema uslovima za napredovanje, plati, uslovima rada i
slično. Izbor pri kupovini automobila može zavisiti od cijene, bezbjednosti, potrošnje goriva,
udobnosti itd. Zbog takve složenosti problema, često nije moguće koristiti rezultate iznijete u
prethodnom poglavlju, kada je odluka podrazumijevala vođenje računa o samo jednoj
dimenziji vrijednosti (problema), kao što je recimo novac.
Inače se ta „dimenzija vrijednosti“ u jednom modelu često naziva atributim, a pod atributom
se podrazumijeva sredstvo mjerenja (evaluacije) nivoa dostizanja nekog kriterijuma, odnosno
cilja. Svaka alternativa (akcija) u problematici višekriterijumskog odlučivanja, karakteriše se
većim brojem atributa, koji se izražavaju kvalitativnim mjerama.
- 303 -
Kako je postojanje većeg broja atributa u realnim problemima izuzetno često, na samom
početku analize ih je potrebno identifikovati i pažljivo izabrati bar one čiji je uticaj
najznačajniji. To nije uvijek jednostavno, jer je između atributa i cilja ponekad teško povući
jasnu granicu. Ipak su ciljevi, koje smo prethodno već definisali, kao „kraj (završetak) jedne
akcije“ nešto specifičniji. I dok, na primjer, „potrošnja goriva“ može biti tipičan atribut,
sličan cilj, ali mnogo precizniji je, recimo, „smanjenje potrošnje goriva određenog motora za
X% u vremenskom periodu Y“. No, i pored toga i atribut i ciljevi su u svojoj suštini vrlo
bliski i kao takvi se tretiraju. Na ovu temu napisan je veliki broj članaka od strane
najistaknutijih naučnika, ali opšti konsenzus o tome nije postignut.
Ipak se većina autora slaže da čak ni dobro definisan skup ciljeva nije dovoljna garancija za
donošenje dobre odluke. S druge strane, uspješno pretvaranje skupa ciljeva u višeatributivne
funkcije korisnosti omogućava im formalno uključivanje u analizu odlučivanja, a samim tim i
njihovo inkorporiranje u odgovarajuće modele odlučivanja. Zbog toga, kao i zbog sistemskog
pristupa problemu, teorija višeatributivne korisnosti se sve više koristi, potiskujući pri tome
neke ranije pristupe, kao što je na primjer, „cost-benefit“ analiza. Naravno, najpotpuniji
rezultati se dobijaju korištenjem komplementarnih pristupa, tj. kombinovanjem nekoliko
pristupa rješavanju problema.
4.2.3. Osnove višeatributivne teorije korisnosti
Višeatributivna teorija korisnosti se razvila iz koncepta tzv. neizvjesnosti ishoda, pri čemu se
javlja na dva načina kao:
a) Neizvjesnost ishoda i
b) Neizvjesnost vrijednosti atributa.
Već je ranije definisano da, ako se brojevi koristi dodijele odgovarajućim ishodima i ako se
izračuna očekivana korisnost svake alternative, onda je najbolja akcija izbor alternative sa
najvećom očekivanom korisnosti. Međutim, s obzirom na kompleksnost procjene
višeatributivne funkcije korisnosti, cilj dosadašnjeg teorijskog rada u višeatributivnoj teoriji
korisnosti je usmjeren ka istraživanju mogućnosti pojednostavljenja procedure za procjenu
višeatributivne korisnosti. Osnov ovog teorijskog istraživanja su:
- Analiza mjerenja indiferentnosti,
- 304 -
- Modeli dekompozicije korisnosti,

- Viševalentne strukture preferenci,
- Mjere rizika,
- Nelinearna korisnost vremenskih preferenci i grupnih odluka.
Metodološka istraživanja se bave:

- Strukturom odluka i atributa i njihovim zavisnostima,
- Temama o podržavanju odluke,
- Metodama za utvrđivanje višeatributivnih funkcija korisnostisa i bez aksioma
nezavisnosti.
Cilj modela dekompozicije korisnosti je da ustanovi aksiome nezavisnih atributa, koji bi dali
izvjesne funkcionalne forme. Model dekompozicije se može prikazati kroz aditivnu, odnosno,
zbirnu formu korisnosti:
n
K ( A1 , A 2 ,..., A n )   c i K i (A i ) (4.2.1)
i 1
gdje je Ki(Ai) marginalna funkcija korisnosti definisana za atribut Ai tako što su ostali atributi
fiksirani na nekom proizvoljnom nivou, a ci je koeficijent koji garantuje konzistentnost
mjerenja preko atributa.
Osnovni cilj je postavljanje aksioma nezavisnosti, kojim bi pomoću prostijih komponenti
predstavili multivarijabilne funkcije korisnosti. Na primjer, za aditivnu formu, atributi A1,
A2,..., An bi bili nezavisni, ako bi preference za kocku A1, A2,..., An, zavisile samo od
marginalnih vjerovatnoća pojedinačnih atributa, a ne zbirnih vjerovatnoća više atributa,
odnosno , ako preference ne zavije od nivoa na kojima su utvrđeni ostali atributi.
Pored aditivne, moguća je i multiplikativna forma dekompozicije:
n
K ( A1 , A 2 ,..., A n )  a   c i K i ( Ai ) (4.2.2)
i 1
gdje konstanta a zavisi od koeficijenata c1, c2, ... , cn.
Osim ovih modela razvijena je i multilinearna dekompozicija korisnosti, koja polazi od

pretpostavke da je za svako i=1,2,...,n atribut Ai nezavisno koristan od ostalih atributa.
Za razliku od dekompozicije korisnosti, koja se bazira na aksiomima nezavisnosti
definisanim na cijelim atributima, razvijen je i multivalentni pristup, koji se zasniva na
podjeli nivoa svakog atributa na klase, na osnovu ekvivalentnih, uslovnih nizova preferenci.
- 305 -
Tako su izvedeni razni aksiomi nezavisnosti za koje nezavisnost važi pri svođenju jednog
atributa na jednu od njegovih klasa.
Nešto bolje rezultate od dekompozicije korisnosti i multivalentne strukture preference daje

analiza mjerenja indiferentnosti, koja definiše funkcionalni prikaz cijelog prostora ishoda i
traži procjenu samo jednoatributivnih marginalnih funkcija korisnosti.
Za razliku od dosadašnjih izučavanja višeatributivne korisnosti i njene praktične primjene,

najnovija interesovanja analize višeatributivne teorije korisnosti su usmjerena ka
kompleksnom korištenju psihologije, matematike, kibernetike, upravljanja i drugih nauka,
radi što efikasnijeg rješavanja i detaljnijeg istraživanja multiatributivnih problema.
4.2.4. Struktura funkcije korisnosti
Ako se posmatra problem u kome postoje samo dva atributa od interesa, A1 i A2, funkcija
korisnosti K(A1, A2) može se definisati samo ako je moguće specificirati numeričke
korisnosti za intervale A1’ < A1 < A1’’ i A2’ < A2 < A2’’. Funkcija korisnosti predstavlja oblik
preferencije (poželjnosti) donosioca odluke u dvodimenzionalnom domenu. Jedan primjer
dvoatributivne funkcije korisnosti je prikazan na slici 4.2.1.
U analizi dvoatributivnih ili višeatributivnih problema, značajan problem predstavlja
utvrđivanje da li je korisnost svakog atributa nezavisna od vrijednosti ostalih atributa. Ako
jeste, tada je problem procjene korisnosti značajno lakši.
Varijabla A1 je nezavisna (u smislu korisnosti) u odnosu na A2, ako relativne preference od
A1 nisu zavisne od vrijednosti za A2. Nezavisnost korisnosti između A1 i A2 može biti
jednosmjerna ili recipročna. Jednosmjerna nezavisnost je slučaj kada je korisnost jedne
varijable nezavisna od vrijednosti druge, ali je korisnost druge varijable zavisna od prve.
Nezavisnost se može tretirati procijenjivanjem čitave serije jednodimenzionalnih funkcija
korisnosti. Da bi se ispitalo da li je atribut A1 nezavisan od A2, potrebno je definisati
jednodimenzionalnu funkciju od A1, tj. K(A1, A2i) za različite vrijednosti atributa A2i. Ako su
oblici preferencije za A1 invarijantni za različite nivoe od A2i, tada se za A1 može tvrditi da je
nezavisno (u smislu korisnosti) od A2.
- 306 -
Slika 4.2.1. Dvoatributivna funkcija korisnosti
Proces ispitivanja je prilično složen i na njemu se neće insistirati u daljem dijelu teksta.
4.2.5. Metod višeatributivne korisnosti sa aditivnom formom
Najčešći oblik višeatributivne korisnosti, koji se primjenjuje za rješavanje realnih problema,

je aditivna forma (izraz 4.2.1). Koeficijent ci, definisan kao mjera konzistentnosti atributa se
često iskazuje u formi težine ili značaja atributa Ai. Tada izraz za kompozitnu (agregiranu)
korisnost i-te akcije ili alternative glasi:
 
n
K i [ A1 , A2 ,..., An ]  KKa i    t j K A j i , i =1,2,..., n (4.2.3)
j1
gdje su:
- KK [ai] – kompozitna (aditivna) korisnost i-te akcije,
- tj – težina (značaj) j-tog atributa,
- Ki [Aj]i – pojedinačna korisnost kombinacije i-te akcije i j-tog atributa.
Za model iskazan jednačinom (4.2.3) mora se uvesti pretpostavka da su atributi međusobno

nezavisni, jer je tek u tom slučaju pretpostavka o aditivnosti (odnosno nezavisnosti)
pojedinačnih funkcija korisnosti održiva. Samo ispitivanje osobine nezavisnosti nije nimalo
- 307 -
jednostavno, a vrši se na neki od uobičajenih načina (princip jednog od njih je objašnjen u

poglavlju 4.2.4).
Proces određivanja kompozitne korisnosti i izbor najbolje akcije (alternative) na osnovu
izračunatih vrijednosti kompozitnih korisnosti biće objašnjen na jednom primjeru (pomoću
algoritma Oberstone 1990).
Korak 1. Definisanje cilja problema:
„Izabrati najbolji automobil“.

Kupac automobila može da bira između četiri modela: a1, a2, a3 i a4.
Korak 2. Definisanje skupa atributa:
Izbor će se vršiti na osnovu šest atributa za koje su prikupljeni komparativni podaci:

A1 – maksimalna brzina [km/h];
A2 – potrošnja goriva [l/100 km];
A3 – mogućnost opterećenja [kp];
A4 – cijena [103 KM];
A5 – pozdanost (kvalitativna ocjena);
A6 – sposobnost manevrisanja (kvalitativna ocjena).
Kvanitativne i kvalitativne ocjene navedenih atributa, za pojedine tipove automobila se

navode u sljedećoj matrici odlučivanja:
A1 A2 A3 A4 A5 A6
a 1 150 10 1500 26 visoka prosjek 

a 180 15 1100 29 vrlo visoka visoka 
O  2
a 3 160 12 1400 27 prosjek vrlo visoka 
 
a 4 140 9 1600 25 niska prosjek 
Koristeći pristup tzv. bipolarnih skala, a za opseg skale od 0 do 10, gdje je: 1 – vrlo nizak
nivo, 3 – nizak nivo, 5 – srednji (prosjek) nivo, 7 – visok nivo i 9 – vrlo visok nivo,
prethodnu matricu odlučivanja je moguće u potpunosti kvantifikovati:
- 308 -
A 1 [10 2 ] A 2 [10] A 3 [10 3 ] A 4 [10 3 ] A5 A6

a1  150 10 1500 26,0 7 5 
a  180 15 1100 29,0 9 7 
O  2
a3  160 12 1400 27,0 5 9 
 
a4  140 9 1600 25,9 3 5 
Korak 3. Rangiranje atributa:
Za ovaj primjer, rangiranje atributa navedeno je u tabeli 4.2.1.

Tabela 4.2.1: Tabela rangova, težina i normalizovanih težina
Rangovi Normalizovane
Atributi Težine atributa
atributa težine atributa
A1 3 20 20
A2 2 25 25
A3 6 4 4
A4 1 30 30
A5 4 15 15
A6 5 6 6
Korak 4. Dodijeljivanje težina pojedinim atributima

(u cilju izražavanja njigove relativne značajnosti)
To je moguće učiniti korištenjem nekoliko jednostavnih pristupa, a rezultati primjene jednog

od njih navedeni su u tabeli 4.2.1.
Korak 5. Normalizovanje težina atributa
Ako je potrebno, vrši se normalizovanje težina atributa tj. svođenje težina na slučaj kada je:
n
t
j 1
j  100
- 309 -
Korak 6. Definisanje graničnih vrijednosti (ograničenja) za sve atribute
Definišu se ograničenja, tj one vrijednosti atributa koje se neprihvatljive za donosioca odluke.

Za posmatrani primjer, te vrijednosti iznose:
Atribut Ograničavajuća vrijednost
A1  120 km/h
A2  16 l/100 km
A3  1800 kp
A4  40.000 KM
A5  prosječne (5)
A6  prosječne (5)
Korak 7. Definisanje krivih korisnosti za svaki atribut
Kako je postupak određivanja krivih korisnosti objašnjen u prethodnom poglavlju, ovdje se

samo navode mogući oblici krivih korisnosti za sve atribute jednog hipotetičkog donosioca
odluke u njegovom izboru najboljeg automobila (slika 4.2.2).
Korak 8. Enumeracija performansi atributa za svaku posmatranu akciju

(na osnovu podataka iz matrice odlučivanja)
Kod enumeracije treba konstatovati koji atributi ne zadovoljavaju ograničenja definisana u

koraku 6. a potom sve to treba prikazati u formi matrice performansi atributa (koja je slična
početnoj matrici odlučivanja).
Korak 9. Pretvaranje vrijednosti atributa (iz koraka 8) u odgovarajuće korisnosti

(koristeći sliku 4.2.2) za akcije koje nisu eliminisane na osnovu narušavanja ograničenja iz
koraka 6.
Novo dobijene vrijednosti se mogu potom tabelarno prikazati u formi tzv. Matrice korisnosti
(tabela 4.2.2).
- 310 -
1,0 1,0
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
0 0
100 110 140 160 180 10 11 12 13 14 15
A1 – maksimalna brzina A2 – potrošnja goriva
1,0 1,0
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
0 0
1300 1600 16 24 36
3
A3 – mogucnost opterecenja A4 – cijena (10 KM)
1,0 1,0
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
0 0
1 3 5 7 9 1 3 5 7 9
A5 – pouzdanost A6 – sposobnost manevrisanja
Slika 4.2.2. Funkcije korisnosti za pojedine atribute
- 311 -
Tabela 4.2.2: Matrica korisnosti
Akcija Korisnost i-te akcije i j-tog atributa
ai A1 A2 A3 A4 A5 A6
a1 0,95 0,80 0,97 0,82 0,95 0,52
a2 1,00 0,20 0,20 0,20 1,00 0,75
a3 0,98 0,32 0,95 0,31 0,68 1,00
a4 Narušeno ograničenje po atributu A5
Korak 10. Računanje kompozitne korisnosti za svaku alternativu
Izraz za kompozitnu korisnost svake od akcija je definisan jednačinom 4.2.1:
 
n
KK ai    t j K A j i , i= 1,2,...,n
j1
I sada ovaj izraz u brojnom smislu treba primjeniti na relevantne akcije:

KK(a1) = 20*0,95 + 25*0,80 + 4*0,97 + 30*0,82 + 15*0,95 + 6*0,52 = 84,85
KK(a2) = 20*1 + 25*0,20 + 4*0,20 + 30*0,20 + 15*1 + 6*0,75 = 51,30
KK(a3) = 20*0,98 + 25*0,32 + 4*0,95 + 30*0,31 + 15*0,68 + 6*1 = 56,90
To isto se može napraviti jednostavnije pomoću tabele 4.2.3.
- 312 -
Tabela 4.2.3: Računanje kompozitne korisnosti za svaku alternativu
Korisnost i-te akcije i j-tog atributa
Akcija A1 A2 A3 A4 A5 A6 KK[ai]
K[A1] t1 K[A2] t2 K[A3] t3 K[A4] t4 K[A5] t5 K[A6] t6
a1 0,95 20,00 0,80 25,00 0,97 4,00 0,82 30,00 0,95 15,00 0,52 6,00 84,85
a2 1,00 20,00 0,20 25,00 0,20 4,00 0,20 30,00 1,00 15,00 0,75 6,00 51,30
a3 0,98 20,00 0,32 25,00 0,95 4,00 0,31 30,00 0,68 15,00 1,00 6,00 56,90
a4 Narušeno ograničenje po atributu A5
Korak 11. Biranje alternative sa maksimalnim kompozitnom korisnošću
Kako akcija a1 ima najveću brojčanu vrijednost kompozitne korisnosti (84,85), nju treba i
izabrati kao najbolju.
Identičan rezultat se dobije kada se za rješavanje istog problema koristi originalna verzija
metode ELECTRE. Takva je podudarnost inače vrlo rijetka, zbog različitih polaznih
pretpostavki koje imaju ove dvije metode. U ovom slučaju to je bilo moguće zbog istog
autora koji je rješavao problem i pri tome očigledno bio konzistentan u procjeni funkcija
korisnosti za svih 6 navedenih atributa.
Prethodni pristup (zajedno sa primjerom) je bio adekvatan zbog pretpostavke koja je uvedena
prije nego što je algoritam bio primjenjen. Naime, pretpostavljeno je da su sve performanse
atributa koji se odnose na sve akcije, poznate sa izvjesnošću. Slično pojednostavljenje je
učinjeno i za statističke podatke koji opisuju sveukupne osobine uzorka. U realnosti su ti
podaci izrazito promjenjivi, dok je za potrebe prethodnog primjera ta promjenjivost
zamijenjena srednjom vrijednošću. Stohastičnost realnih višeatributivnih problema se može
najbolje obraditi uvođenjem konačnog broja nivoa za performanse atributa, kojima treba
pridružiti odgovarajuće vjerovatnoće odigravanja. Drugim riječima, pri rješavanju takvih
problema treba kombinovati primjenu prethodnog algoritma sa pristupom tehnike drveta
- 313 -
odlučivanja, a sam izbor najbolje akcije treba izvršiti na osnovu maksimalne vrijednosti
očekivane kompozitne korisnosti.
4.2.6. Zaključak
Teorijska izučavanja i praktična primjena teorije korisnosti usmjerene su ka donošenju

odluke koja se odnosi na izbor najpoželjnije varijante (sa najvećom očekivanom korisnošću)
pri specifičnim okolnostima rizika. U ovom poglavlju dat je pristup teoriji korisnosti
zasnovanoj na, uglavnom, aksiomatskom istraživanju korisnosti. Uz mogućnosti koje ta
osnova daje teoriji korisnosti i uz korištenje znanja vezanih za konstrukciju, osobine i oblike
funkcije korisnosti, moguća je kompletna analiza problema i njegovo efikasno rješavanje.
Za razliku od pristupa teoriji korisnosti zasnovanoj na rješavanju problema vezanih za

jednodimenzionalne ishode (ishode sa jednim atributom), višeatributivni pristup teoriji
korisnosti, zbog svoje kompleksnosti, samo je djelimično obuhvaćen.
Analiza problema odlučivanja očekivanom korisnošću, koja se danas koristi, bazira se na

aksiomatskoj teoriji, koju su razvili John von Neumann i Oskar Morgenstern. Ovaj pristup
teoriji korisnosti podrazumijeva:
- Postojanje funkcije korisnosti (nezavisne od raspodjela vjerovatnoća) koja određuje niz
ishoda,
- Uspostavljanje redoslijeda akcija (koje nude ishode sa različitim vjerovatnoćama)
izračunavanjem i primjenom njihovih očekivanih korisnosti.
Iz navedenih razloga ova analiza ima široku primjenu pri rangiranju kompleksnih izbora.
Praktična privlačnost analize problema odlučivanja očekivanom korisnošću je u tome što ova
metodologija obuhvata rutinske, jednostavne i pouzdane procedure zbog čega ima laku i
veliku primjenu. Normativna snaga analize odlučivanja očekivanom korisnošću, čiji je
osnovni cilj da upućuje razumnim postupcima (odnosno, da daje recepte za odluku), a ne da
opisuje ljudske sklonosti, leži u čestim pogreškama i ljudskoj nedosljednosti pri izboru. Ili
kao što Horowitz tvrdi: „Izbori pojedinaca neće uvijek ostati postojani u smislu izbora u
jednom trenutkukoji dolazi u sukob sa izborom koji je načinjen u nekom drugom trenutku.
Oni će međutim, biti postojani u tome što je svaki izbor načinjen objektivnim odrazom
- 314 -
razumnog ponašanja donosioca odluke koji odaje njegove preference, ukus i držanje prema
riziku u trenutku donošenja odluke“
Svaki normativni „recept“ proistekao iz analize problema odlučivanja očekivanom

korisnošću, koji stoji na raspolaganju donosiocu odluke, zasnovan je na Neumann-
Morgensternovoj funkciji korisnosti. S obzirom da je ova funkcija odraz stavova donosioca
odluke, do nje se odlazi isključivo interakcijom sa tom ličnošću. Prikaz takve situacije dat je
na slici 4.2.3.
Širina metode odlučivanja očekivanom korisnošću ispoljava se i kroz sljedeće dvije

karakteristike:
- Prvo, skraćuje i olakšava postupak analize tako što upotrebljava funkciju korisnosti i
- Drugo, pojednostavnjuje neophodne postupke izračunavanja uz pomoć zamjene složenih
situacija izvjesnim ekvivalentima.
Pored navedenih prednosti, profesionalno iskustvo brojnih autora iz ove oblasti potvrđuje da
teorija korisnosti ima veliku vrijednost kao podrška donosiocu odluke o strukturiranju
njegovih izbora, u preciznijem posmatranju vjerovatnoća ishoda, u shvatanju preferenci kao
nelinearnog prikaza rizika i kvantiteta. Ona, takođe, daje odlične rezultate u podsticanju
donosioca odluke na iznalaženje strategija koje ga čuvaju u situacijama rizika što je, pored
svega, čini atraktivnom za širok krug korisnika.
Iz dosadašnjeg teksta se jasno vidi da je problem nalaženja, tj. izbora najboljeg rješenja
(varijante) veoma složen i da zahtijeva interdisciplinarni pristup rješavanju. Von Neumann-
Morgensternova teorija očekivane korisnosti mogla bi biti upotpunjena tzv. teorijskim
pristupom teoriji korisnosti (koji se zasniva na dodijeljivanju različitih raspodjela
vjerovatnoća), što bi svakako dalo kompletniju i kompleksniju analizu realnih problema.
- 315 -
Problem
odluke
Aksiom
Prisutnost Metode ocjene

funkcija
korisnosti
nezavisno od Donosilac
vjerovatnoća odluke
Opis
Korisnost
Atributi
«Recept» za odluku
Slika 4.2.3. Organizacija analize problema odlučivanja u praksi
- 316 -
5. Ispitna pitanja
I Prvi parcijalni ispit

1. Šta je odluka?
2. Definišite teoriju odlučivanja.
3. Definišite normativnu teoriju odlučivanja.
4. Definišite biheviorističku (deskriptivnu) teoriju odlučivanja.
5. Definišite perspektivnu teoriju odlučivanja.
6. Navedite i objasnite tri aktivnosti koje menadžeri sprovode sa aspekta donošenja odluka.
7. Navedite šest karakteristika odluka.
8. Kojih šest komponenti treba sadržavati odluka?
9. Navedite šest faktora odlučivanja.
10. Definišite i objasnite pojam ograničenja u odlučivanju.
11. Definišite i objasnite pojam okolina odlučivanja.
12. Definišite i objasnite pojam način odlučivanja i okolnosti u kojima se odlučuje.
13. Definišite i objasnite pojam međusobni odnosi različitih odluka.
14. Definišite i objasnite pojam sposobnost menadžera da donosi odluke.
15. Definišite i objasnite pojam subjektivni faktori odlučivanja.
16. Definišite i objasnite pojam vizija tunela u odlučivanju.
17. Definišite i objasnite pojam ograničena sredstva u odlučivanju.
18. Definišite i objasnite pojam ograničene raspoložive informacije u odlučivanju.
19. Definišite i objasnite pojam ograničeno vrijeme u odlučivanju.
20. Definišite i objasnite linearan, progresivan i degresivan odnos vrijednosti i cijene
informacija u odlučivanju.
21. Navedite i objasnite četiri subjektivna faktora u odlučivanju.
22. Definišite i objasnite tehniku brainstorming-a u odlučivanju.
23. Navedite i objasnite dvije vrste ciljeva kod odlučivanja u menadžmentu.
24. Definišite i objasnite relaciju preferencije.
25. Definišite i objasnite relaciju indiferencije.
26. Navedite uslove racionalnosti koje moraju ispuniti preferencije.
27. Definišite asimetričnost.
28. Definišite kompletnost.
29. Definišite tranzitivnost.
30. Objasnite proceduru formiranja rang liste alternativa.
31. Nacrtajte i objasnite krivu indiferencije.
32. Definišite savršene suptitute.
33. Definišite savršene komplemente.
34. Definišite neželjena dobra.
35. Definišite neutralna dobra.
36. Definišite graničnu stopu supstitucije.
37. Definišite ordinalnu funkciju korisnosti.
38. Definišite opšti oblik zadatka matematičkog programiranja.
39. Definišite funkciju cilja kod odlučivanja.
40. Definišite sistem ograničenja kod odlučivanja.
41. Navedite i objasnite četiri pretpostavke modela linearnog programiranja.
42. Kako definišete aproksimativnu racionalnost sa stanovišta donosioca odluke?
43. Od koje tri komponente zavisi stepen složenosti odluke?
44. Objasnite razliku između odluke i odlučivanja.
45. Definišite odlučivanje.
- 317 -
46. Navedite i objasnite tri elementa na osnovu kojih se vrši izbor pri odlučivanju.
47. Definišite donosioca odluka.
48. Navedite šest kategorija donosilaca odluke.
49. Definišite odluku sa stanovišta sistemskog pristupa.
50. Nacrtajte i objasnite piramidu vrsta odluka.
51. Nacrtajte vremensku komponentu strateških i operatinih odluka.
52. Definišite tabelu plaćanja.
53. Definišite tabelu žaljenja.
54. Navedite i definišite tri vrste odlučivanja u klasičnoj teoriji odlučivanja.
55. Nacrtajte blok šemu procesa odlučivanja.
56. Navedite komponente i objasnite proceduru formulisanja problema.
57. Nacrtajte blok šemu koja opisuje ponašanje donosioca odluke u procesu odlučivanja.
58. Navedite jedanaest faza procesa odlučivanja po Čupiću.
59. Definišite i objasnite pojam evidentiranje problema kao jednu od faza u procesu
odlučivanja.
60. Definišite i objasnite pojam rangiranje problema kao jednu od faza u procesu
odlučivanja.
61. Definišite i objasnite pojam definicija problema kao jednu od faza u procesu odlučivanja.
62. Definišite i objasnite pojam sakupljanje činjenica kao jednu od faza u procesu
odlučivanja.
63. Definišite i objasnite pojam predviđanje budućnosti kao jednu od faza u procesu
odlučivanja.
64. Definišite i objasnite pojam formiranje modela kao jednu od faza u procesu odlučivanja.
65. Definišite i objasnite pojam rješavanje problema (modela) kao jednu od faza u procesu
odlučivanja.
66. Definišite i objasnite pojam vrednovanje rezultata kao jednu od faza u procesu
odlučivanja.
67. Definišite i objasnite pojam donošenje odluke kao jednu od faza u procesu odlučivanja.
68. Definišite i objasnite pojam kontrola izvršenja kao jednu od faza u procesu odlučivanja.
69. Definišite i objasnite pojam analiza posljedica izvršenja odluke kao jednu od faza u
procesu odlučivanja.
70. Nacrtajte i objasnite blok šemu procesa odlučivanja sa povratnim vezama.
II Drugi parcijalni ispit
71. Definišite model odlučivanja.
72. Nacrtajte i objasnite blok šemu procesa modeliranja.
73. Definišite (nacrtajte) i objasnite matricu efikasnosti kao model odlučivanja.
74. Navedite i objasnite pet grupa pitanja u upitniku za postupak specificiranja problema.
75. Nacrtajte i objasnite blok šemu komponenata primjene modela odlučivanja.
76. Navedite bar četiri razloga zbog kojih se odluke koje donose pojedinci razlikuju od
normativne teorije odlučivanja.
77. Navedite i objasnite šest karakteristika organizacionog odlučivanja.
78. Definišite metaorganizaciono odlučivanje i navedite tri tipa metaorganizacionih odluka.
79. Nacrtajte primjer i definišite drvo odlučivanja.
80. Definišite kriterijum očekivane novčane vrijednosti.
81. Objasnite postupak vrednosne analize vremenskih preferencija.
82. Nacrtajte i objasnite blok šemu osnovnih elemenata analize odlučivanja.
83. Definišite i objasnite pet koraka analize odlučivanja.
84. Definišite analizu odlučivanja sa apriori vjerovatnoćama.
85. Definišite analizu odlučivanja sa korisnostima.
86. Definišite analizu odlučivanja sa uzorkovanjem.
- 318 -
87. Definišite analizu odlučivanja bez uzorkovanja.

88. Definišite analizu odlučivanja bez apriori vjerovatnoća.
89. Definišite odlučivanje pri izvjesnosti.
90. Definišite i objasnite maximin kriterijum.
91. Definišite i objasnite minimax kriterijum žaljenja.
92. Definišite i objasnite maximax kriterijum.
93. Definišite i objasnite kriterijum maksimalne vjerodostojnosti.
94. Definišite i objasnite Laplace-ov kriterijum.
95. Definišite i objasnite kriterijum očekivane novčane vrijednosti.
96. Definišite i objasnite kriterijum očekivane novčane vrijednosti – slučaj profita.
97. Definišite i objasnite kriterijum očekivane novčane vrijednosti – slučaj troškova.
98. Navedite i objasnite pet koraka primjene kriterijuma očekivane novčane vrijednosti.
99. Definišite i objasnite kriterijum očekivanih žaljenja – očekivanih gubitaka prilike.
100. Definišite i objasnite očekivanu vrijednost perfektne informacije.
101. Navedite i objasnite šest koraka primjene kriterijuma očekivanog žaljenja.
102. Definišite i objasnite analizu ravnoteže.
103. Definišite i objasnite četiri koraka u primjeni analize ravnoteže.
104. Definišite i objasnite kriterijum očekivane novčane vrijednosti: tabele plaćanja
(problemi sa više akcija).
105. Definišite i objasnite pet koraka primjene kriterijum očekivane novčane vrijednosti
106. Definišite i objasnite kriterijum očekivane novčane vrijednosti: tabele plaćanja
107. Definišite i objasnite kriterijum očekivanih žaljenja: tabele žaljenja (problemi sa više
akcija).
108. Navedite i objasnite šest koraka primjene kriterijuma očekivanog žaljenja (problemi sa
više akcija).
109. Definišite optimalnu strategiju ili optimalno pravilo odlučivanja.
110. Definišite i objasnite rizik optimalne strategije odlučivanja sa uzorkovanjem.
111. Definišite očekivanu vrijednost informacije uzorka.
112. Definišite očekivanu čistu dobit od uzorkovanja.
113. Definišite i objasnite optimalni plan uzorkovanja.
114. Definišite sekvencijalno odlučivanje.
115. Definišite sekvencijalno odlučivanje bez uzorkovanja.
116. Definišite sekvencijalno odlučivanje sa uzimanjem jednog uzorka.
117. Definišite rizik.
118. Nacrtajte i objasnite blok šemu analize rizika.
119. Definišite kriterijum i relevantne varijable kod analize rizika.
120. Objasnite veze zavisnosti-nezavisnosti kod analize rizika.
121. Objasnite ocjenjivanje raspodjela vjerovatnoća kod analize rizika.
122. Objasnite ocjenjivanje raspodjela vjerovatnoća kod analize rizika – direktna metoda.
123. Objasnite ocjenjivanje raspodjela vjerovatnoća kod analize rizika – parametarska
metoda.
124. Objasnite ocjenjivanje raspodjela vjerovatnoća kod analize rizika– ocjena pet tačaka.
125. Objasnite ocjenjivanje raspodjela vjerovatnoća kod analize rizika – Delfi metoda.
126. Definišite raspodjelu vjerovatnoća kriterijumske varijable kod analize rizika.
127. Definišite Monte-Carlo simulacije i objasnite njihovu ulogu kod analize rizika.
128. Nacrtajte i objasnite blok šemu Monte-Carlo simulacija.
129. Navedite sedam koraka procedure sprovođenja analize rizika.
130. Navedite pet tradicionalnih metoda evaluacije projekata.
- 319 -
131. Definišite teoriju korisnosti.

132. Definišite funkciju korisnosti.
133. Navedite i objasnite dvije osobine funkcije korisnosti.
134. Objasnite način konstruisanja krive korisnosti menadžera.
135. Definišite višeatributivnu teoriju korisnosti.
136. Definišite i objasnite modele dekompozicije korisnosti.
137. Definišite i objasnite dvoatributivnu funkciju korisnosti.
138. Objasnite metod višeatributivne korisnosti sa aditivnom formom.
139. Navedite i objasnite jedanaest koraka u procesu određivanja kompozitne korisnosti i
izbora najbolje akcije.
140. Nacrtajte i objasnite blok šemu analize problema odlučivanja u praksi primjenom
teorije korisnosti.
- 320 -

Odlucivanje U Menadzmentu Knjiga 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

Odlucivanje U Menadzmentu Knjiga PDF

Uploaded by

Copyright:

Available Formats

VISOKA ŠKOLA ZA EKONOMIJU I INFORMATIKU

Akademska 2014/15 godina.

Prof. dr Rade Tanjga

Prijedor, oktobar 2014.

2.2.3.2. Kriterijum očekivanih žaljenja (Očekivanih gubitaka prilike): 181

0.1. Teorije i koncepti donošenja odluka

Izučavanje procesa donošenja odluka predstavlja danas jednu od najpopularnijih

Karakteristika normativne teorije odlučivanja jeste definisanje postupka po kome će

a) Pokazalo se da su pojedinci motivisani da budu efikasni u ostvarivanju

Teorija firme kao reprezentativni predstavnik normativne teorije odlučivanja proučava

Kritike teorije firme odnosile su se prije svega na pretpostavku o perfektnoj

Deskriptivna teorija nastala je kao pokušaj odgovora na brojna pitanja povezana sa

U procesu donošenja odluka naglašava se uticaj pojedinaca, kako preko njihove

su međusobno povezani u formalne i neformalne grupe, u zavisnosti od položaja koji

Teorija ponašanja firme, kao predstavnik biheviorističkog teorijskog pravca procesa

a) Postoje brojna stanja sistema i preduzeće u bilo kom trenutku preferira

Posljednjih godina istraživački napori usmjereni su ka prevazilaženju razlika između

Razlika između normativnog, deskriptivnog i perspektivnog može se objasniti i preko

Zamislimo sljedeću situaciju:

Na pitanje koji su mogući razlozi za nastale probleme kompanije Borders, vjerovatno bi se

1. Odluke koje menadžeri donose samostalno.

2. Menadžeri donose odluke u određenj grupi. Na primjer, šef računovodstva

3. Delegiranjem prava donošenja odluka na niži sloj menadžmenta, na ostale

Osnovni zadaci kojima ćemo se baviti su:

1. Zašto (ne) donosimo odluke? Primjer - Kako je Coca-Cola postala lider na

3. Kolika su ulaganja potrebna za donošenje dobre odluke? Primjer - Ford Motor

4. Koje su nam sve opcije na raspolaganju za rješavanje problema na koji smo

5. Koji su mogući ishodi sprovođenja određene odluke? Primjer - Vlada je

6. Koje okolnosti će se najvjerovatnije desiti ako se donese određena odluka?

7. Koje su negativne i pozitivne strane svake od okolnosti koja bi se desila ako se

9. Napokon, odluka je donesena. Šta možemo uraditi kao menadžeri da doensenu

sektora velike kompanije napokon je odlučio da razvije transportnu mrežu unutar

Bezos je donijeo dobru odluku o proizvodima koji će se prodavati na virtuelnom tržištu,

Da bi osnovali najveću on-line prodavnicu za prodaju knjiga i muzičkih proizvoda, Džef

Vratimo se na priču o Bezosu. Prilikom unošenja informacija za svaku knjigu, koristio je

0.2. Hotornski efekat

Godine 1927. menadžment kompanije "Western Electric Company" u Hotornu, Ilinois,

Eksperiment je započet sa promjenama intenziteta svjetlosti u radnom okruženju kako bi se

Nakon ovog eksperimenta uprava fabrike donijela je odluku da se osvjetljenje u radnim

Šta se zapravo desilo?

Međutim, sve se promijenilo kada je šest žena iz eksperimentalne grupe premješteno sa

0.3. Rekli su o odlučivanju

1. "Ništa nije teže, a samim tim ni vrednije od toga da si u poziciji da odlučuješ",

3. "Kada donosite odluku, ne slušajte intuiciju. Ona će vas odvesti na pogrešnu

4. "Ako ne kritikujete najvjerovatnije i ne radite mnogo" (Swanson's Unwritten Rules of

0.4. Definisanje i vrste odluka

U svakodnevnom životu u prilici smo da učestvujemo u donošenju velikog broja odluka.

Ipak, bez obzira na to da li su odluke koje donosimo privatne ili poslovne, da li su

Uspjesi ili promašaji koje postižemo u privatnom i profesionalnom životu su u velikoj

Ako se opredjelimo za prvi pristup, onda o "kvalitetu" odluke možemo da govorimo ex

U zavisnosti od toga da li govorimo o prcesu odlučivanja u užem ili o procesu odlučivanja

Karakteristike odluke koja je rezultat procesa odlučivanja su sljedeće:

Svaka odluka bi trebala da sadrži:

U literaturi možemo da se sretnemo sa velikim brojem klasifikacija vrsta odluka.

Majk Kastiljoni (Mike Castiglioni) je menadžer poznatog italijanskog restorana Ciao!.

Iako su zaposleni često u situaciji da donose neprogramirane odluke, oni su uključeni i u

Ovaj primjer pokazuje da donošenje programiranih odluka započinje donošenjem

Rutinske odluke su dominantne u procesu odlučivanja za niži nivo menadžmenta

S obzirom na važnost odnosno značaj jedne odluke u preduzeću, dijelimo ih na:

a) Strateške odluke, koje spadaju u najvažnije odluke u preduzeću. Njima se određuje

b) Taktičke odluke se razlikuju od strateških odluka po tome što su one osnova za

strateških odluka. Od taktičkih odluka se očekuje povećanje efikasnosti poslovanja

U zavisnosti od toga ko se pojavljuje u ulozi donosioca odluke razlikujemo: