TEORIJA ODLUČIVANJA DECISION ANALYSIS
|
|
- Διόδοτος Αλεξίου
- 7 χρόνια πριν
- Προβολές:
Transcript
1 DONOŠENJE ODLUKA U UVJETIMA NEIZVJESNOSTI I RIZIKA TEORIJA ODLUČIVANJA DECISION ANALYSIS
2 NEIZVJESNOST- situacija koja može rezultirati s više različitih ishoda (ne nužno i negativnih) RIZIK- šansa ili vjerojatnost pojave negativnog događaja vezanog uz određenu akciju
3 IZVORI RIZIKA U POLJOPRIVREDI PROIZVODNI RIZIK- bolesti, štetnici, vremenske prilike, genetske varijacije Utječe na prinos, kvalitetu proizvoda i potrebe za radnom snagom i strojevima TRŽIŠNI RIZIK- promjene cijena inputa i proizvoda FINANCIJSKI RIZIK TRADICIONALANI RIZIK (RIZIK USLIJED NESREĆA- požar, poplave, krađe i sl. ZAKONSKI RIZIK LJUDSKI RIZIK
4 TEORIJA VJEROJATNOSTI U DONOŠENJU POSLOVNIH ODLUKA Matematička teorija slučajnih događaja počinje izučavanjem hazardnih igara Pacal i Fermat (15. stoljeće). P (A) = m ( A ) n m(a)- broj povoljnih ishoda n- broj svih mogućih ishoda nekog događaja 0 <= P(A) <= 1
5 EMPIRIJSKA VJEROJATNOST interval oborine (mm) broj opažanja > 1 ukupno 20 vjerojatnost
6 interval oborine (mm) broj opažanja vjerojatnost , , , , , , , , , > 1 0,05 ukupno 20
7 poligon frekvencija 0,50 0,45 0,40 0,35 vjerojatnost 0,30 0,25 0,20 0,15 0,10 0,05 0, interval
8 poligon kumumativnih frekvencija 1,2 1 vjero jatn o st 0,8 0,6 0,4 0, interval oborina
9 Poslovno odlučivanje Rizične odluke imaju slijedećih pet dijelova: Akcija Događaj Posljedice Vjerojatnosti Kriteriji za odabir
10 Očekivana (novčana) vrijednost ili prosjek distribucije vjerojatnosti je ponderirani prosjek profitnih stopa za planirane događaje, pri čemu vjerojatnosti služe kao ponderi. E(V) = Pi * Vi i Pri čemu je E(V) očekivana vrijednost, Pi je vjerojatnost za svaki događaj i, a Vi je profit za svaku projekciju.
11 cijena 20 0,1 2, ,3 6, ,5 12, ,1 2,60 E(x) 23,20 Standardna devijacija 1,60 Koeficijent varijacije 6,90
12 Standardna devijacija (σ) je statistička mjera količine disperzije ili varijacije predviđenih događaja od očekivane vrijednosti. Standardna devijacija služi kao apsolutna mjera količine rizika, kada rizik poistovjećujemo s varijabilnošću. σt = Pi( Vi E) i 2
13 Koeficijent varijacije je relativna mjera stupnja varijabilnosti investicije. Stoga služi kao pokazatelj količine rizika u odnosu na očekivani povrat. CV = σ / E(V)
14 Ulagač je napravio prognoze povrata i vjerojatnosti ostvarenja tih povrata na tri razine: optimistična, realna i pesimistična. Prognoza Uzgoj goveda Uzgoj svinja Profitna stopa Vjerojatnost Profitna stopa Vjerojatnost Optimistična 0,15 0,30 0,21 0,10 Realna 0,12 0,40 0,15 0,60 Pesimistična 0,09 0,30 0,08 0,30
15 PROIZVOD 1 DOBIT VJEROJATNOST , , , , , , , PROIZVOD 2 DOBIT VJEROJATNOST , , , , , , , , ,04
16 Alternativa A cijena vjerojatnost Prodaja u proljeće A1 15 n.j. O,2 A2 10 n.j. 0,5 A3 7.5 n.j 0,3 Alternativa B cijena vjerojatnost Prodaja odmah B1 9 n.j. 1,0
17 Zadatak- Očekivana novčana vrijednost Prodavač se suočava s problemom određivanja optimalne količine mlijeka koje bi dnevno trebao naručivati od proizvođača (Pretpostavimo kako mlijeko koje na kraju dana ostane neprodano propada). Prema podacima prodavača, potražnja se kreće kako je prikazano u tablici. a) Prema tablici 1, izračunaj vjerojatnost pojave određene razine dnevne potražnje b) b) Nabavna cijena mlijeka po jedinici iznosi 8 n.j., a prodajna cijena iznosi 10 n.j. Korištenjem vjerojatnosti iz tablice 1 odredi očekivanu novčanu vrijednost pri 27 jedinica mlijeka. Je li to optimalna dnevna količina koju treba naručiti? (2 boda)
18 Dnevna potražnja Ostvarena potražnja (broj dana) 25 jedinica jedinica jedinica jedinica 20 ukupno Vjerojatnost (Pi)
19 Zadatak- Očekivani oportunitetni gubitak
20 Proizvođač sjemenske robe treba odrediti optimalnu razina proizvodnje. U tablici su prikazane su količine i potražnja u proteklom razdoblju Trošak proizvodnje iznosi 0,4 n.j/proizvod, a prodajna cijena 0,5 n.j./proizvod. Neprodano sjeme nema vrijednost. a) Prema tablici 1, izračunaj vjerojatnost pojave određene razine potražnje. b) Budući je vjerojatnost potražnje manje ili veće od ,00 proizvoda jednaka, treba li proizvođač proizvoditi baš ,00 proizvoda? Obrazložite korištenjem očekivane vrijednosti.
21 Potražnja (broj proizvoda) Ostvarena potražnja (broj razdoblja) Vjerojatnost (Pi) , , , , ,00 2 Ukupno
22 Matrice Payoff matrices Regret matrices
23 Payoff matrica promjena cijena vjerojatnost prodaja odmah prodaja slijedeći tjedan -5 0, ista cijena 0, , Minimalni povrat Maksimalni "Gubitak" xxx xxx Očekivani povrat ili "gubitak" Prosjek 31 30
24 Regret matrica promjena cijena vjerojatnost prodaja odmah prodaja slijedeći tjedan -5 0, ista cijena 0, , Minimalni povrat xxx xxx Maksimalni "Gubitak" Očekivani povrat ili "gubitak" 14,7 10,7 Prosjek 16,3 17,3
25 Kriteriji odlučivanja Maksimin- najveći minimalni povrat Minimaks- najmanji maksimalni oportunitetni trošak Maksimalni prosjek Maksimalni očekivani povrat Sigurnost na prvom mjestu Vjerojatnost uspjeha
26 Očekivana vrijednost savršene informacije Cecile Miller, korporacijski odvjetnik, razmišlja o kupovnim dionica tvrtke Eli Lilly, velike farmaceutske kuće. Prema njenim procjenama, zaraditi će ,00US$ na kupnji dionica, ako tvrtka od državne agencije dobije dozvolu za plasman novoga lijeka na tržište. S druge strane, ako tvrtka ne dobije dozvolu, gubi ,00 US$. Prema njenoj procjeni postoji 0.5 (50%) vjerojatnost kako će tvrtka dobiti odobrenje i 0.5 vjerojatnost da neće dobiti odobrenje za plasman novoga lijeka na tržište.
27 Očekivana korisnost Izbor između (1) sigurnog dobitka ,00 US$ i (2) bacanja novčića kod kojega možeš dobiti ,00 US$ ako bude glava i izgubiti ,00 US$ ako padne na pismo. Očekivana novčana vrijednost takve oklade je
28 von Neumann-Morgenstern funkcija korisnosti Funkcija koristi pokazuju korist koju pojedinac pridružuje svakom mogućem rezultatu. Pokazuje preferencije donositelja odluka prema riziku U skladu s teorijom, donositelj odluka će uvijek odabrati onaj put koji maksimizira njegovu funkciju korisnosti.
29 Treba li uložiti u naftni biznis? Za dodatnu ilustraciju koncepta očekivane novčane vrijednosti uzeti ćemo u obzir slučaj William-a Beard-a stvarnog investitora. Pretpostavimo da g. Beard mora odlučiti hoće li uložiti ili ne uložiti u naftno crpilište na određenoj lokaciji. On posjeduje informacije o troškovima bušenja i cijeni nafte kao i geološke analize o vjerojatnosti postojanja nafte na određenoj lokaciji. Na osnovu geoloških izvješća, on vjeruje kako postoji 0.8 vjerojatnost da nafta ne bude nađena, 0.12 vjerojatnost da se nađe 100 tisuća barela nafte i vjerojatnost 0.08 da će biti nađeno milijun barela nafte. Samo na osnovu tih vjerojatnosti on ne može odlučiti hoće li ili ne investirati u naftnu bušotinu. On treba i podatke o dobiti (odnosno gubitku) za svaki od mogućih scenarija. Pretpostavimo kako vjeruje da investiranje donosi ,00 US$ gubitka ako se nafta ne pronađe, ,00 US$ dobiti u slučaju pronalaska 100 tisuća barela nafte i dobit od ,00 US$ u slučaju pronalaska milijun barela nafte. Može li na osnovu tih informacija donijeti odluku investirati ili ne?
30 von Neumann- Morgenstern-ova funkcija korisnosti
31 slika 2: a) Osobe nesklone riziku KO RIS T slika 2. b) Osobe sklone riziku C B KORIST 30 C 20 A 15 B A VIS INA DO HO TKA VISINA DOHOTKA s lika 2. c ) O sobe ne utra lne s ob ziro m na rizik KO R IS T 30 C 20 B 10 A V IS IN A DO HO TKA
32 STRATEGIJE ZA KONTROLU RIZIKA Fleksibilnost Izbor proizvodnje i diverzifikacija Upravljanje proizvodnjom i proizvodna tehnika Održavanje rezervnih materijala potrebnih za proizvodnju Tržišna strategija Financijska strategija Rezerve radne snage i upravljanja Informacije Osiguranje
33 Primjer Za primjer možemo uzeti investitora koji ocjenjuje dva gospodarstva, jedno u Kukuruznom pojasu (Corn Belt), a drugu u Velikim ravnicama (Great Plains) u SAD-u. Financijski analitičar izvještava ulagača kako oba gospodarstva imaju otprilike istu profitabilnost i rizika. Točnije, svako gospodarstvo ostvaruje povrat na imovinu od 20% sa standardnom devijacijom od 10%. gospodarstvo Corn Belt Great Plains Profit (povrat na imovinu), % Rizik (st. Devijacija) Pretpostavimo kako ulagač može podijeliti svoja sredstva i jednoliko investirati na oba gospodarstva. Koja bi bila prednost takve strategije?
34 Model portfelja Portfelj model pokazuje kako različite kombinacije investicija mogu smanjiti rizik više nego je to slučaj kod jedne investicije Riječ portfelj (portfolio) znači mješavina ili kombinacija imovine, proizvodnji ili investicija.
35 Model portfelja Kombinacija ulaganja naziva se diverzifikacija i ima potencijal smanjenja rizika zbog: 1) broja ulaganja koje se poduzimaju, 2) korelacije (ili kovarijance) između očekivanih povrata pojedinih investicija i 3) mogućih promjena razine troškova i povrata po jedinici investicije.
36 INVESTICIJE X 1 i X 2 POVRAT r 1 i r 2 udjeli ukupnih resursa investiranih u X 1 i X 2 P 1 i P 2 P 1 + P 2 =1
37 Očekivani povrat portfelja je ponderirani prosjek pojedinačnih povrata: r t = r 1 P 1 + r 2 P 2 σ 1 i σ 2 standardne devijacije X 1 i X 2 njihova kovarijanca i σ 12 je σ 12 = c σ 1 σ 2 pri čemu je c koeficijent korelacije povrata r 1 i r 2
38 Ukupna varijanca portfelja je zbroj pojedinačnih proporcionalnih varijanci plus (ili minus) kovarijanca: σ T 2 = σ 12 P σ 22 P P 1 P 2 c σ 1 σ 2 i ukupna standardna devijacija je σ T = 2 σ T
39 gospodarstvo Corn Belt Great Plains Profit (povrat na imovinu), % Rizik (st. Devijacija) Pretpostavimo kako je korelacija između povrata jednaka nuli! 1. Očekivani povrat rt'= (0.20)(0.50) + (0.20)(0.50) = 0.20 (20%). 2. Ukupna varijancu diverzificiranog portfelja iznosi?
40 σ T2 = (0.10) 2 (0.50) 2 + (0.10) 2 (0.50) (0.50)(0.50)(0.00)(0.10)(0.10) = = i standardna devijacija iznosi: σ T = = (7.07%) Koeficijent korelacije = 1?
41 gospodarstvo Corn Belt Great Plains Pacific Profit (povrat na imovinu), % Rizik (st. Devijacija) Pretpostavimo kako je korelacija između povrata jednaka nuli!
42 Diverzifikacija, rizik i kapacitet otplate duga Ulaganje = ,00 US$ Ulaganje A- stočarstvo B- ratarstvo C- fin. imovina profit ,5 st.devijacija Koef. varijacije Druge obveze, uključujući i financijske , , ,00 Portfelj 1 2 Ponderi za svaku investiciju (%) A B 0 50 C 0 0 Korelacije između investicija A i B 0.30 A i C B i C
43 Portfelj Očekivani povrat 4. Standardna devijacija 5. Koeficijent varijacije 6. Druge obveze, uključujući i financijske , , ,00
44 D/E = 0.15 Glavnica i kamate , , ,00 Minimalni iznos potreban za povlačenje i obveze prema , , ,00 dugovanjima Vjerojatnost da će povrati biti dovoljni za vraćanje dugova i druge obveze
45 D/E = 1 Glavnica i kamate , , ,00 Minimalni iznos potreban za povlačenje i obveze prema , , ,00 dugovanjima Vjerojatnost da će povrati biti dovoljni za vraćanje dugova i druge obveze
46 FINANCIJSKI RIZIK Vlastiti kapital (u '000 n.j.) Zaduženost (zaduženost/kapital) 0% 50% 100% Vanjski izvori kapitala (u '000 n.j.) Ukupni kapital (u '000 n.j.) Stopa povrata na ukupni kapital 10% 10% 10% Ukupni prihod ('000 n.j.) 5 7,5 10 Kamate, 10% (u '000 n.j.) 0 2,5 5 Dobit nakon plaćanja kamata ('000 n.j.) Povrat na vlastiti kapital 10% 10% 10% Stopa povrata na ukupni kapital 5% 5% 5% Ukupni prihod ('000 n.j.) 2,5 3,8 5 Kamate, 10% (u '000 n.j.) 0 2,5 5 Dobit nakon plaćanja kamata ('000 n.j.) 2,5 1,3 0 Povrat na vlastiti kapital 5% 3% 0% Stopa povrata na ukupni kapital 15% 15% 15% Ukupni prihod ('000 n.j.) 7,5 11,3 15 Kamate, 10% (u '000 n.j.) 0 2,5 5 Dobit nakon plaćanja kamata ('000 n.j.) 7,5 8,8 10 Povrat na vlastiti kapital 15% 18% 20%
Uvod Teorija odlučivanja je analitički i sistematski pristup proučavanju procesa donošenja odluka Bez obzira o čemu donosimo odluku imamo 6 koraka za
Osnovne teorije odlučivanja Uvod Teorija odlučivanja je analitički i sistematski pristup proučavanju procesa donošenja odluka Bez obzira o čemu donosimo odluku imamo 6 koraka za donošenje dobre odluke:
Διαβάστε περισσότεραOdlučivanje u uvjetima nesigurnosti
Odlučivanje u uvjetima nesigurnosti S obzirom u kojoj su nam mjeri poznate moguće posljedice odluka koje donosimo metode za odlučivanje dijelimo u dvije skupine: metode odlučivanja u uvjetima sigurnosti,
Διαβάστε περισσότεραELEKTROTEHNIČKI ODJEL
MATEMATIKA. Neka je S skup svih živućih državljana Republike Hrvatske..04., a f preslikavanje koje svakom elementu skupa S pridružuje njegov horoskopski znak (bez podznaka). a) Pokažite da je f funkcija,
Διαβάστε περισσότερα3.1 Granična vrednost funkcije u tački
3 Granična vrednost i neprekidnost funkcija 2 3 Granična vrednost i neprekidnost funkcija 3. Granična vrednost funkcije u tački Neka je funkcija f(x) definisana u tačkama x za koje je 0 < x x 0 < r, ili
Διαβάστε περισσότεραnumeričkih deskriptivnih mera.
DESKRIPTIVNA STATISTIKA Numeričku seriju podataka opisujemo pomoću Numeričku seriju podataka opisujemo pomoću numeričkih deskriptivnih mera. Pokazatelji centralne tendencije Aritmetička sredina, Medijana,
Διαβάστε περισσότερα2 tg x ctg x 1 = =, cos 2x Zbog četvrtog kvadranta rješenje je: 2 ctg x
Zadatak (Darjan, medicinska škola) Izračunaj vrijednosti trigonometrijskih funkcija broja ako je 6 sin =,,. 6 Rješenje Ponovimo trigonometrijske funkcije dvostrukog kuta! Za argument vrijede sljedeće formule:
Διαβάστε περισσότεραUNIVERZITET U NIŠU ELEKTRONSKI FAKULTET SIGNALI I SISTEMI. Zbirka zadataka
UNIVERZITET U NIŠU ELEKTRONSKI FAKULTET Goran Stančić SIGNALI I SISTEMI Zbirka zadataka NIŠ, 014. Sadržaj 1 Konvolucija Literatura 11 Indeks pojmova 11 3 4 Sadržaj 1 Konvolucija Zadatak 1. Odrediti konvoluciju
Διαβάστε περισσότεραDISKRETNA MATEMATIKA - PREDAVANJE 7 - Jovanka Pantović
DISKRETNA MATEMATIKA - PREDAVANJE 7 - Jovanka Pantović Novi Sad April 17, 2018 1 / 22 Teorija grafova April 17, 2018 2 / 22 Definicija Graf je ure dena trojka G = (V, G, ψ), gde je (i) V konačan skup čvorova,
Διαβάστε περισσότεραKontrolni zadatak (Tačka, prava, ravan, diedar, poliedar, ortogonalna projekcija), grupa A
Kontrolni zadatak (Tačka, prava, ravan, diedar, poliedar, ortogonalna projekcija), grupa A Ime i prezime: 1. Prikazane su tačke A, B i C i prave a,b i c. Upiši simbole Î, Ï, Ì ili Ë tako da dobijeni iskazi
Διαβάστε περισσότεραApsolutno neprekidne raspodele Raspodele apsolutno neprekidnih sluqajnih promenljivih nazivaju se apsolutno neprekidnim raspodelama.
Apsolutno neprekidne raspodele Raspodele apsolutno neprekidnih sluqajnih promenljivih nazivaju se apsolutno neprekidnim raspodelama. a b Verovatno a da sluqajna promenljiva X uzima vrednost iz intervala
Διαβάστε περισσότεραIZRAČUNAVANJE POKAZATELJA NAČINA RADA NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI)
IZRAČUNAVANJE POKAZATELJA NAČINA RADA NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI) Izračunavanje pokazatelja načina rada OTVORENOG RM RASPOLOŽIVO RADNO
Διαβάστε περισσότεραTROŠAK KAPITALA Predmet: Upravljanje finansijskim odlukama i rizicima Profesor: Dr sci Sead Mušinbegovid Fakultet za menadžment i poslovnu ekonomiju
TROŠAK KAPITALA Predmet: Upravljanje finansijskim odlukama i rizicima Profesor: Dr sci Sead Mušinbegovid Fakultet za menadžment i poslovnu ekonomiju Sadržaj predavnaja: Trošak kapitala I. Trošak duga II.
Διαβάστε περισσότεραTRIGONOMETRIJSKE FUNKCIJE I I.1.
TRIGONOMETRIJSKE FUNKCIJE I I Odredi na brojevnoj trigonometrijskoj kružnici točku Et, za koju je sin t =,cost < 0 Za koje realne brojeve a postoji realan broj takav da je sin = a? Izračunaj: sin π tg
Διαβάστε περισσότεραINTEGRALNI RAČUN. Teorije, metodike i povijest infinitezimalnih računa. Lucija Mijić 17. veljače 2011.
INTEGRALNI RAČUN Teorije, metodike i povijest infinitezimalnih računa Lucija Mijić lucija@ktf-split.hr 17. veljače 2011. Pogledajmo Predstavimo gornju sumu sa Dodamo još jedan Dobivamo pravokutnik sa Odnosno
Διαβάστε περισσότεραMatematička analiza 1 dodatni zadaci
Matematička analiza 1 dodatni zadaci 1. Ispitajte je li funkcija f() := 4 4 5 injekcija na intervalu I, te ako jest odredite joj sliku i inverz, ako je (a) I = [, 3), (b) I = [1, ], (c) I = ( 1, 0].. Neka
Διαβάστε περισσότεραMate Vijuga: Rijeseni zadaci iz matematike za srednju skolu
16. UVOD U STATISTIKU Statistika je nauka o sakupljanju i analizi sakupljenih podatka u cilju donosenja zakljucaka o mogucem toku ili obliku neizvjesnosti koja se obradjuje. Frekventna distribucija - je
Διαβάστε περισσότεραIspitivanje toka i skiciranje grafika funkcija
Ispitivanje toka i skiciranje grafika funkcija Za skiciranje grafika funkcije potrebno je ispitati svako od sledećih svojstava: Oblast definisanosti: D f = { R f R}. Parnost, neparnost, periodičnost. 3
Διαβάστε περισσότεραIZVODI ZADACI ( IV deo) Rešenje: Najpre ćemo logaritmovati ovu jednakost sa ln ( to beše prirodni logaritam za osnovu e) a zatim ćemo
IZVODI ZADACI ( IV deo) LOGARITAMSKI IZVOD Logariamskim izvodom funkcije f(), gde je >0 i, nazivamo izvod logarima e funkcije, o jes: (ln ) f ( ) f ( ) Primer. Nadji izvod funkcije Najpre ćemo logarimovai
Διαβάστε περισσότεραRiješeni zadaci: Nizovi realnih brojeva
Riješei zadaci: Nizovi realih brojeva Nizovi, aritmetički iz, geometrijski iz Fukciju a : N R azivamo beskoači) iz realih brojeva i ozačavamo s a 1, a,..., a,... ili a ), pri čemu je a = a). Aritmetički
Διαβάστε περισσότεραRIJEŠENI ZADACI I TEORIJA IZ
RIJEŠENI ZADACI I TEORIJA IZ LOGARITAMSKA FUNKCIJA SVOJSTVA LOGARITAMSKE FUNKCIJE OSNOVE TRIGONOMETRIJE PRAVOKUTNOG TROKUTA - DEFINICIJA TRIGONOMETRIJSKIH FUNKCIJA - VRIJEDNOSTI TRIGONOMETRIJSKIH FUNKCIJA
Διαβάστε περισσότεραTrigonometrija 2. Adicijske formule. Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto
Trigonometrija Adicijske formule Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto Razumijevanje postupka izrade složenijeg matematičkog problema iz osnova trigonometrije
Διαβάστε περισσότεραStrukture podataka i algoritmi 1. kolokvij 16. studenog Zadatak 1
Strukture podataka i algoritmi 1. kolokvij Na kolokviju je dozvoljeno koristiti samo pribor za pisanje i službeni šalabahter. Predajete samo papire koje ste dobili. Rezultati i uvid u kolokvije: ponedjeljak,
Διαβάστε περισσότεραOsnovni primer. (Z, +,,, 0, 1) je komutativan prsten sa jedinicom: množenje je distributivno prema sabiranju
RAČUN OSTATAKA 1 1 Prsten celih brojeva Z := N + {} N + = {, 3, 2, 1,, 1, 2, 3,...} Osnovni primer. (Z, +,,,, 1) je komutativan prsten sa jedinicom: sabiranje (S1) asocijativnost x + (y + z) = (x + y)
Διαβάστε περισσότεραradni nerecenzirani materijal za predavanja R(f) = {f(x) x D}
Matematika 1 Funkcije radni nerecenzirani materijal za predavanja Definicija 1. Neka su D i K bilo koja dva neprazna skupa. Postupak f koji svakom elementu x D pridružuje točno jedan element y K zovemo funkcija
Διαβάστε περισσότεραKorporativne finansije
Ekonomski fakultet u Podgorici Magistarske studije Smjer Finansije i bankarstvo II generacija Korporativne finansije Prof. Saša Popović Blok 2: Vrijednost, cijena i rizik Osnovna pitanja Zašto se akcije
Διαβάστε περισσότερα(P.I.) PRETPOSTAVKA INDUKCIJE - pretpostavimo da tvrdnja vrijedi za n = k.
1 3 Skupovi brojeva 3.1 Skup prirodnih brojeva - N N = {1, 2, 3,...} Aksiom matematičke indukcije Neka je N skup prirodnih brojeva i M podskup od N. Ako za M vrijede svojstva: 1) 1 M 2) n M (n + 1) M,
Διαβάστε περισσότεραVELEPRODAJNO I MALOPRODAJNO POSLOVANJE - VJEŽBE 9 - Sveučilišni preddiplomski studij Ekonomika poduzetništva
VELEPRODAJNO I MALOPRODAJNO POSLOVANJE - VJEŽBE 9 - Sveučilišni preddiplomski studij Ekonomika poduzetništva 08.01.2013. Sadržaj 1. Cjenovna elastičnost potražnje 2. Izračunavanje marže, prodajne cijene
Διαβάστε περισσότεραZadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu
Zadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu Trigonometrijske jednačine i nejednačine. Zadaci koji se rade bez upotrebe trigonometrijskih formula. 00. FF cos x sin x
Διαβάστε περισσότεραUPRAVLJANJE RIZICIMA. Sveučilište u Zagrebu EKONOMSKI FAKULTET ZAGREB Katedra za Ekonomiku poduzeća Prof. dr. sc. Danijela Miloš Sprčić
UPRAVLJANJE RIZICIMA Sveučilište u Zagrebu EKONOMSKI FAKULTET ZAGREB Katedra za Ekonomiku poduzeća Prof. dr. sc. Danijela Miloš Sprčić PODACI O NASTAVNIKU Nositelj i izvođač kolegija Prof. dr. sc. Danijela
Διαβάστε περισσότερα5. Karakteristične funkcije
5. Karakteristične funkcije Profesor Milan Merkle emerkle@etf.rs milanmerkle.etf.rs Verovatnoća i Statistika-proleće 2018 Milan Merkle Karakteristične funkcije ETF Beograd 1 / 10 Definicija Karakteristična
Διαβάστε περισσότερα41. Jednačine koje se svode na kvadratne
. Jednačine koje se svode na kvadrane Simerične recipročne) jednačine Jednačine oblika a n b n c n... c b a nazivamo simerične jednačine, zbog simeričnosi koeficijenaa koeficijeni uz jednaki). k i n k
Διαβάστε περισσότερα7. Troškovi Proizvodnje
MIKROEKONOMIJA./. 7. Troškovi Proizvodnje Autori: Penezić Andrija Miković Ivana Pod vodstvom: Prof.dr. Đurđice Fučkan Prezentacije su napravljene prema : Pindyck, R.S./ Rubinfeld, D.L. () MIKROEKONOMIJA
Διαβάστε περισσότεραValutni rizik Usporedba VaR i Expected Shortfall metode Martina Samac
Valutni rizik Usporedba VaR i Expected Shortfall metode Martina Samac Zagreb, 06. lipnja 2017. Sadržaj Uvod Definicija rizika Rizici u osiguranju Rizici u bankarstvu Mjere rizika Primjena mjera rizika
Διαβάστε περισσότερα18. listopada listopada / 13
18. listopada 2016. 18. listopada 2016. 1 / 13 Neprekidne funkcije Važnu klasu funkcija tvore neprekidne funkcije. To su funkcije f kod kojih mala promjena u nezavisnoj varijabli x uzrokuje malu promjenu
Διαβάστε περισσότερα3 Populacija i uzorak
3 Populacija i uzorak 1 3.1 Slučajni uzorak X varijabla/stat. obilježje koje izučavamo Cilj statističke analize na osnovi uzorka izvesti odredene zaključke o (populacijskoj) razdiobi od X 2 Primjer 3.1.
Διαβάστε περισσότεραVeleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika. Monotonost i ekstremi. Katica Jurasić. Rijeka, 2011.
Veleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika Monotonost i ekstremi Katica Jurasić Rijeka, 2011. Ishodi učenja - predavanja Na kraju ovog predavanja moći ćete:,
Διαβάστε περισσότερα7 Algebarske jednadžbe
7 Algebarske jednadžbe 7.1 Nultočke polinoma Skup svih polinoma nad skupom kompleksnih brojeva označavamo sa C[x]. Definicija. Nultočka polinoma f C[x] je svaki kompleksni broj α takav da je f(α) = 0.
Διαβάστε περισσότεραVelike fluktuacije na financijskim tržištima
Velike fluktuacije na financijskim tržištima Zvonko Kostanjčar, Sveučilište u Zagrebu, FER svibanj 2011. Investicije i investitori Velike fluktuacije Geometrijsko Brownovo gibanje Zarada na dionicama =
Διαβάστε περισσότεραπ π ELEKTROTEHNIČKI ODJEL i) f (x) = x 3 x 2 x + 1, a = 1, b = 1;
1. Provjerite da funkcija f definirana na segmentu [a, b] zadovoljava uvjete Rolleova poučka, pa odredite barem jedan c a, b takav da je f '(c) = 0 ako je: a) f () = 1, a = 1, b = 1; b) f () = 4, a =,
Διαβάστε περισσότεραM086 LA 1 M106 GRP. Tema: Baza vektorskog prostora. Koordinatni sustav. Norma. CSB nejednakost
M086 LA 1 M106 GRP Tema: CSB nejednakost. 19. 10. 2017. predavač: Rudolf Scitovski, Darija Marković asistent: Darija Brajković, Katarina Vincetić P 1 www.fizika.unios.hr/grpua/ 1 Baza vektorskog prostora.
Διαβάστε περισσότεραEliminacijski zadatak iz Matematike 1 za kemičare
Za mnoge reakcije vrijedi Arrheniusova jednadžba, koja opisuje vezu koeficijenta brzine reakcije i temperature: K = Ae Ea/(RT ). - T termodinamička temperatura (u K), - R = 8, 3145 J K 1 mol 1 opća plinska
Διαβάστε περισσότεραTRIGONOMETRIJA TROKUTA
TRIGONOMETRIJA TROKUTA Standardne oznake u trokutuu ABC: a, b, c stranice trokuta α, β, γ kutovi trokuta t,t,t v,v,v s α,s β,s γ R r s težišnice trokuta visine trokuta simetrale kutova polumjer opisane
Διαβάστε περισσότεραVJEROJATNOST I STATISTIKA Popravni kolokvij - 1. rujna 2016.
Broj zadataka: 5 Vrijeme rješavanja: 120 min Ukupan broj bodova: 100 Zadatak 1. (a) Napišite aksiome vjerojatnosti ako je zadan skup Ω i σ-algebra F na Ω. (b) Dokažite iz aksioma vjerojatnosti da za A,
Διαβάστε περισσότερα2.2 Srednje vrijednosti. aritmetička sredina, medijan, mod. Podaci (realizacije varijable X): x 1,x 2,...,x n (1)
2.2 Srednje vrijednosti aritmetička sredina, medijan, mod Podaci (realizacije varijable X): x 1,x 2,...,x n (1) 1 2.2.1 Aritmetička sredina X je numerička varijabla. Aritmetička sredina od (1) je broj:
Διαβάστε περισσότεραĈetverokut - DOMAĆA ZADAĆA. Nakon odgledanih videa trebali biste biti u stanju samostalno riješiti sljedeće zadatke.
Ĉetverokut - DOMAĆA ZADAĆA Nakon odgledanih videa trebali biste biti u stanju samostalno riješiti sljedeće zadatke. 1. Duljine dijagonala paralelograma jednake su 6,4 cm i 11 cm, a duljina jedne njegove
Διαβάστε περισσότεραa M a A. Može se pokazati da je supremum (ako postoji) jedinstven pa uvodimo oznaku sup A.
3 Infimum i supremum Definicija. Neka je A R. Kažemo da je M R supremum skupa A ako je (i) M gornja meda skupa A, tj. a M a A. (ii) M najmanja gornja meda skupa A, tj. ( ε > 0)( a A) takav da je a > M
Διαβάστε περισσότεραElementi spektralne teorije matrica
Elementi spektralne teorije matrica Neka je X konačno dimenzionalan vektorski prostor nad poljem K i neka je A : X X linearni operator. Definicija. Skalar λ K i nenula vektor u X se nazivaju sopstvena
Διαβάστε περισσότεραSEMINAR IZ KOLEGIJA ANALITIČKA KEMIJA I. Studij Primijenjena kemija
SEMINAR IZ OLEGIJA ANALITIČA EMIJA I Studij Primijenjena kemija 1. 0,1 mola NaOH je dodano 1 litri čiste vode. Izračunajte ph tako nastale otopine. NaOH 0,1 M NaOH Na OH Jak elektrolit!!! Disoira potpuno!!!
Διαβάστε περισσότερα( , 2. kolokvij)
A MATEMATIKA (0..20., 2. kolokvij). Zadana je funkcija y = cos 3 () 2e 2. (a) Odredite dy. (b) Koliki je nagib grafa te funkcije za = 0. (a) zadanu implicitno s 3 + 2 y = sin y, (b) zadanu parametarski
Διαβάστε περισσότεραOperacije s matricama
Linearna algebra I Operacije s matricama Korolar 3.1.5. Množenje matrica u vektorskom prostoru M n (F) ima sljedeća svojstva: (1) A(B + C) = AB + AC, A, B, C M n (F); (2) (A + B)C = AC + BC, A, B, C M
Διαβάστε περισσότεραIskazna logika 3. Matematička logika u računarstvu. novembar 2012
Iskazna logika 3 Matematička logika u računarstvu Department of Mathematics and Informatics, Faculty of Science,, Serbia novembar 2012 Deduktivni sistemi 1 Definicija Deduktivni sistem (ili formalna teorija)
Διαβάστε περισσότεραMATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15
MATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15 Matrice - osnovni pojmovi (Matrice i determinante) 2 / 15 (Matrice i determinante) 2 / 15 Matrice - osnovni pojmovi Matrica reda
Διαβάστε περισσότεραRačunarska grafika. Rasterizacija linije
Računarska grafika Osnovni inkrementalni algoritam Drugi naziv u literaturi digitalni diferencijalni analizator (DDA) Pretpostavke (privremena ograničenja koja se mogu otkloniti jednostavnim uopštavanjem
Διαβάστε περισσότεραAnaliza savršene konkurencije u kratkom roku
Analiza savršene konkurencije u kratkom roku Jedanaesto predavanje, 11. svibnja 2016. godine Pripremljeno iz: Binger i Hoffman, Microeconomics with Calculus Maksimizacija profita poduzeća koje posluje
Διαβάστε περισσότεραPošto pretvaramo iz veće u manju mjernu jedinicu broj 2.5 množimo s 1000,
PRERAČUNAVANJE MJERNIH JEDINICA PRIMJERI, OSNOVNE PRETVORBE, POTENCIJE I ZNANSTVENI ZAPIS, PREFIKSKI, ZADACI S RJEŠENJIMA Primjeri: 1. 2.5 m = mm Pretvaramo iz veće u manju mjernu jedinicu. 1 m ima dm,
Διαβάστε περισσότεραPismeni ispit iz matematike GRUPA A 1. Napisati u trigonometrijskom i eksponencijalnom obliku kompleksni broj, zatim naći 4 z.
Pismeni ispit iz matematike 06 007 Napisati u trigonometrijskom i eksponencijalnom obliku kompleksni broj z = + i, zatim naći z Ispitati funkciju i nacrtati grafik : = ( ) y e + 6 Izračunati integral:
Διαβάστε περισσότεραPISMENI ISPIT IZ STATISTIKE
1. a) Trgovina odjeće prodaje odjeću u tri različite veličine: 32% veličine S, 44% veličine M i ostatak veličine L. Pokazalo se da je postotak odjeće s greškom redom 1%, 5% i 2%. Ako je trgovina ustanovila
Διαβάστε περισσότεραKaskadna kompenzacija SAU
Kaskadna kompenzacija SAU U inženjerskoj praksi, naročito u sistemima regulacije elektromotornih pogona i tehnoloških procesa, veoma često se primenjuje metoda kaskadne kompenzacije, u čijoj osnovi su
Διαβάστε περισσότεραDijagonalizacija operatora
Dijagonalizacija operatora Problem: Može li se odrediti baza u kojoj zadani operator ima dijagonalnu matricu? Ova problem je povezan sa sljedećim pojmovima: 1 Karakteristični polinom operatora f 2 Vlastite
Διαβάστε περισσότεραPismeni ispit iz matematike Riješiti sistem jednačina i diskutovati rješenja sistema u zavisnosti od parametra: ( ) + 1.
Pismeni ispit iz matematike 0 008 GRUPA A Riješiti sistem jednačina i diskutovati rješenja sistema u zavisnosti od parametra: λ + z = Ispitati funkciju i nacrtati njen grafik: + ( λ ) + z = e Izračunati
Διαβάστε περισσότεραPRAVA. Prava je u prostoru određena jednom svojom tačkom i vektorom paralelnim sa tom pravom ( vektor paralelnosti).
PRAVA Prava je kao i ravan osnovni geometrijski ojam i ne definiše se. Prava je u rostoru određena jednom svojom tačkom i vektorom aralelnim sa tom ravom ( vektor aralelnosti). M ( x, y, z ) 3 Posmatrajmo
Διαβάστε περισσότεραDUALNOST. Primjer. 4x 1 + x 2 + 3x 3. max x 1 + 4x 2 1 3x 1 x 2 + x 3 3 x 1 0, x 2 0, x 3 0 (P ) 1/9. Back FullScr
DUALNOST Primjer. (P ) 4x 1 + x 2 + 3x 3 max x 1 + 4x 2 1 3x 1 x 2 + x 3 3 x 1 0, x 2 0, x 3 0 1/9 DUALNOST Primjer. (P ) 4x 1 + x 2 + 3x 3 max x 1 + 4x 2 1 3x 1 x 2 + x 3 3 x 1 0, x 2 0, x 3 0 1/9 (D)
Διαβάστε περισσότεραFunkcije dviju varjabli (zadaci za vježbu)
Funkcije dviju varjabli (zadaci za vježbu) Vidosava Šimić 22. prosinca 2009. Domena funkcije dvije varijable Ako je zadano pridruživanje (x, y) z = f(x, y), onda se skup D = {(x, y) ; f(x, y) R} R 2 naziva
Διαβάστε περισσότεραZavrxni ispit iz Matematiqke analize 1
Građevinski fakultet Univerziteta u Beogradu 3.2.2016. Zavrxni ispit iz Matematiqke analize 1 Prezime i ime: Broj indeksa: 1. Definisati Koxijev niz. Dati primer niza koji nije Koxijev. 2. Dat je red n=1
Διαβάστε περισσότεραIZVODI ZADACI (I deo)
IZVODI ZADACI (I deo) Najpre da se podsetimo tablice i osnovnih pravila:. C`=0. `=. ( )`= 4. ( n )`=n n-. (a )`=a lna 6. (e )`=e 7. (log a )`= 8. (ln)`= ` ln a (>0) 9. = ( 0) 0. `= (>0) (ovde je >0 i a
Διαβάστε περισσότεραZADACI ZA VEZBE1 MENADZERSKO RACUNOVODSTVO BEOGRADSKA POSLOVNA SKOLA VISOKA SKOLA STRUKOVNIH STUDIJA
ZADACI ZA VEZBE1 MENADZERSKO RACUNOVODSTVO BEOGRADSKA POSLOVNA SKOLA VISOKA SKOLA STRUKOVNIH STUDIJA ZADATAK BR. 1 Na osnovu podataka preduzeca Valsacor u 2010.godinisastaviti bilans stanja i bilans uspeha
Διαβάστε περισσότεραVJEROJATNOST I STATISTIKA 2. kolokvij lipnja 2016.
Broj zadataka: 5 Vrijeme rješavanja: 0 min Ukupan broj bodova: 50 Zadatak.. kolokvij - 0. lipnja 0. (a Ako su X i Y diskretne slučajne varijable, dokažite da vrijedi formula E [X + Y ] = E [X] + E [Y ].
Διαβάστε περισσότερα100g maslaca: 751kcal = 20g : E maslac E maslac = (751 x 20)/100 E maslac = 150,2kcal 100g med: 320kcal = 30g : E med E med = (320 x 30)/100 E med =
100g maslaca: 751kcal = 20g : E maslac E maslac = (751 x 20)/100 E maslac = 150,2kcal 100g med: 320kcal = 30g : E med E med = (320 x 30)/100 E med = 96kcal 100g mleko: 49kcal = 250g : E mleko E mleko =
Διαβάστε περισσότεραPARCIJALNI IZVODI I DIFERENCIJALI. Sama definicija parcijalnog izvoda i diferencijala je malo teža, mi se njome ovde nećemo baviti a vi ćete je,
PARCIJALNI IZVODI I DIFERENCIJALI Sama definicija parcijalnog ivoda i diferencijala je malo teža, mi se njome ovde nećemo baviti a vi ćete je, naravno, naučiti onako kako vaš profesor ahteva. Mi ćemo probati
Διαβάστε περισσότεραI.13. Koliki je napon između neke tačke A čiji je potencijal 5 V i referentne tačke u odnosu na koju se taj potencijal računa?
TET I.1. Šta je Kulonova sila? elektrostatička sila magnetna sila c) gravitaciona sila I.. Šta je elektrostatička sila? sila kojom međusobno eluju naelektrisanja u mirovanju sila kojom eluju naelektrisanja
Διαβάστε περισσότεραSISTEMI NELINEARNIH JEDNAČINA
SISTEMI NELINEARNIH JEDNAČINA April, 2013 Razni zapisi sistema Skalarni oblik: Vektorski oblik: F = f 1 f n f 1 (x 1,, x n ) = 0 f n (x 1,, x n ) = 0, x = (1) F(x) = 0, (2) x 1 0, 0 = x n 0 Definicije
Διαβάστε περισσότεραOsnovne teoreme diferencijalnog računa
Osnovne teoreme diferencijalnog računa Teorema Rolova) Neka je funkcija f definisana na [a, b], pri čemu važi f je neprekidna na [a, b], f je diferencijabilna na a, b) i fa) fb). Tada postoji ξ a, b) tako
Διαβάστε περισσότεραProgram za tablično računanje Microsoft Excel
Program za tablično računanje Microsoft Excel Teme Formule i funkcije Zbrajanje Oduzimanje Množenje Dijeljenje Izračun najveće vrijednosti Izračun najmanje vrijednosti 2 Formule i funkcije Naravno da je
Διαβάστε περισσότεραSloženo periodično i neprekidno ukamaćivanje
Matematičke financije 1 Složeno periodično i neprekidno ukamaćivanje Zadatak 1: Guverner kolonije Nova Nizozemska, Peter Minuit, kupio je 1626. godine od Indijanaca otok Manhattan plativši im u robi čija
Διαβάστε περισσότεραFunkcija gustoće neprekidne slučajne varijable ima dva bitna svojstva: 1. Nenegativnost: f(x) 0, x R, 2. Normiranost: f(x)dx = 1.
σ-algebra skupova Definicija : Neka je Ω neprazan skup i F P(Ω). Familija skupova F je σ-algebra skupova na Ω ako vrijedi:. F, 2. A F A C F, 3. A n, n N} F n N A n F. Borelova σ-algebra Definicija 2: Neka
Διαβάστε περισσότεραRavnotežni model koji je u osnovi savremene finansijske teorije Izveden primenom principa diversifikacije pod pojednostavljenim pretpostavkama
CAPM Model vrednovanja kapitala (CAPM) Ravnotežni model koji je u osnovi savremene finansijske teorije Izveden primenom principa diversifikacije pod pojednostavljenim pretpostavkama Markowitz, Sharpe,
Διαβάστε περισσότεραGrafičko prikazivanje atributivnih i geografskih nizova
Grafičko prikazivanje atributivnih i geografskih nizova Biserka Draščić Ban Pomorski fakultet u Rijeci 17. veljače 2011. Grafičko prikazivanje atributivnih nizova Atributivni nizovi prikazuju se grafički
Διαβάστε περισσότεραOM2 V3 Ime i prezime: Index br: I SAVIJANJE SILAMA TANKOZIDNIH ŠTAPOVA
OM V me i preime: nde br: 1.0.01. 0.0.01. SAVJANJE SLAMA TANKOZDNH ŠTAPOVA A. TANKOZDN ŠTAPOV PROZVOLJNOG OTVORENOG POPREČNOG PRESEKA Preposavka: Smičući napon je konsanan po debljini ida (duž pravca upravnog
Διαβάστε περισσότεραCauchyjev teorem. Postoji više dokaza ovog teorema, a najjednostvniji je uz pomoć Greenove formule: dxdy. int C i Cauchy Riemannovih uvjeta.
auchyjev teorem Neka je f-ja f (z) analitička u jednostruko (prosto) povezanoj oblasti G, i neka je zatvorena kontura koja čitava leži u toj oblasti. Tada je f (z)dz = 0. Postoji više dokaza ovog teorema,
Διαβάστε περισσότεραOtpornost R u kolu naizmjenične struje
Otpornost R u kolu naizmjenične struje Pretpostavimo da je otpornik R priključen na prostoperiodični napon: Po Omovom zakonu pad napona na otporniku je: ( ) = ( ω ) u t sin m t R ( ) = ( ) u t R i t Struja
Διαβάστε περισσότεραSlučajne varijable Materijali za nastavu iz Statistike
Slučajne varijable Materijali za nastavu iz Statistike Kristina Krulić Himmelreich i Ksenija Smoljak 2012/13 1 / 1 Slučajna varijabla Slučajna varijabla je funkcija X koja elementarnim dogadajima pridružuje
Διαβάστε περισσότεραIzračun rizične vrijednosti - VaR
Izračun rizične vrijednosti - VaR DUŠAN MUNĐAR 1 I ANA ZEMLJAK 2 Sažetak. Cilj rada je prikazati jedan model za kvantifikaciju rizika i tri metode za izračun rizične vrijednosti, kvantitativne mjere rizika.
Διαβάστε περισσότεραPRIMJER 3. MATLAB filtdemo
PRIMJER 3. MATLAB filtdemo Prijenosna funkcija (IIR) Hz () =, 6 +, 3 z +, 78 z +, 3 z +, 53 z +, 3 z +, 78 z +, 3 z +, 6 z, 95 z +, 74 z +, z +, 9 z +, 4 z +, 5 z +, 3 z +, 4 z 3 4 5 6 7 8 3 4 5 6 7 8
Διαβάστε περισσότεραTestiranje statistiqkih hipoteza
Testiranje statistiqkih hipoteza Testiranje statistiqkih hipoteza Testiranje statistiqkih hipoteza je vid statistiqkog zakljuqivanja koji se primenjuje u situacijama: kada se unapred pretpostavlja postojanje određene
Διαβάστε περισσότεραS t r a n a 1. 1.Povezati jonsku jačinu rastvora: a) MgCl 2 b) Al 2 (SO 4 ) 3 sa njihovim molalitetima, m. za so tipa: M p X q. pa je jonska jačina:
S t r a n a 1 1.Povezati jonsku jačinu rastvora: a MgCl b Al (SO 4 3 sa njihovim molalitetima, m za so tipa: M p X q pa je jonska jačina:. Izračunati mase; akno 3 bba(no 3 koje bi trebalo dodati, 0,110
Διαβάστε περισσότεραLinearna algebra 2 prvi kolokvij,
Linearna algebra 2 prvi kolokvij, 27.. 20.. Za koji cijeli broj t je funkcija f : R 4 R 4 R definirana s f(x, y) = x y (t + )x 2 y 2 + x y (t 2 + t)x 4 y 4, x = (x, x 2, x, x 4 ), y = (y, y 2, y, y 4 )
Διαβάστε περισσότεραTeorijske osnove informatike 1
Teorijske osnove informatike 1 9. oktobar 2014. () Teorijske osnove informatike 1 9. oktobar 2014. 1 / 17 Funkcije Veze me du skupovima uspostavljamo skupovima koje nazivamo funkcijama. Neformalno, funkcija
Διαβάστε περισσότερα1.4 Tangenta i normala
28 1 DERIVACIJA 1.4 Tangenta i normala Ako funkcija f ima derivaciju u točki x 0, onda jednadžbe tangente i normale na graf funkcije f u točki (x 0 y 0 ) = (x 0 f(x 0 )) glase: t......... y y 0 = f (x
Διαβάστε περισσότεραRizik i nesigurnost I. Rizik i njegovo mjerenje; sklonost ka riziku
Sveučilište u Zagrebu Fakultet elektrotehnike i računarstva Inženjerska ekonomika (41251) Zagreb, 11. svibnja 2013. Rizik i nesigurnost I. Rizik i njegovo mjerenje; sklonost ka riziku Bilješke s predavanja
Διαβάστε περισσότεραNumerička matematika 2. kolokvij (1. srpnja 2009.)
Numerička matematika 2. kolokvij (1. srpnja 29.) Zadatak 1 (1 bodova.) Teorijsko pitanje. (A) Neka je G R m n, uz m n, pravokutna matrica koja ima puni rang po stupcima, tj. rang(g) = n. (a) Napišite puni
Διαβάστε περισσότερα1 Promjena baze vektora
Promjena baze vektora Neka su dane dvije različite uredene baze u R n, označimo ih s A = (a, a,, a n i B = (b, b,, b n Svaki vektor v R n ima medusobno različite koordinatne zapise u bazama A i B Zapis
Διαβάστε περισσότερα2. OSNOVNI POJMOVI TEORIJE VJEROJATNOSTI
2. OSNOVNI POJMOVI TEORIJE VJEROJATNOSTI 2. ALGEBRA DOGAĐAJA 2.. Intuitivna definicija Slučajan pokus (eksperiment) jest takav pokus čiji ishodi nisu jednoznačno određeni skupom uvjeta pokusa. Sa Ω označavamo
Διαβάστε περισσότεραSkup svih mogućih ishoda datog opita, odnosno skup svih elementarnih događaja se najčešće obeležava sa E. = {,,,... }
VEROVTNOĆ - ZDI (I DEO) U računu verovatnoće osnovni pojmovi su opit i događaj. Svaki opit se završava nekim ishodom koji se naziva elementarni događaj. Elementarne događaje profesori različito obeležavaju,
Διαβάστε περισσότεραLinearna algebra 2 prvi kolokvij,
1 2 3 4 5 Σ jmbag smjer studija Linearna algebra 2 prvi kolokvij, 7. 11. 2012. 1. (10 bodova) Neka je dano preslikavanje s : R 2 R 2 R, s (x, y) = (Ax y), pri čemu je A: R 2 R 2 linearan operator oblika
Διαβάστε περισσότεραKOMUTATIVNI I ASOCIJATIVNI GRUPOIDI. NEUTRALNI ELEMENT GRUPOIDA.
KOMUTATIVNI I ASOCIJATIVNI GRUPOIDI NEUTRALNI ELEMENT GRUPOIDA 1 Grupoid (G, ) je asocijativa akko važi ( x, y, z G) x (y z) = (x y) z Grupoid (G, ) je komutativa akko važi ( x, y G) x y = y x Asocijativa
Διαβάστε περισσότεραNOMENKLATURA ORGANSKIH SPOJEVA. Imenovanje aromatskih ugljikovodika
NOMENKLATURA ORGANSKIH SPOJEVA Imenovanje aromatskih ugljikovodika benzen metilbenzen (toluen) 1,2-dimetilbenzen (o-ksilen) 1,3-dimetilbenzen (m-ksilen) 1,4-dimetilbenzen (p-ksilen) fenilna grupa 2-fenilheptan
Διαβάστε περισσότεραRiješeni zadaci: Limes funkcije. Neprekidnost
Riješeni zadaci: Limes funkcije. Neprekidnost Limes funkcije Neka je 0 [a, b] i f : D R, gdje je D = [a, b] ili D = [a, b] \ { 0 }. Kažemo da je es funkcije f u točki 0 jednak L i pišemo f ) = L, ako za
Διαβάστε περισσότεραXI dvoqas veжbi dr Vladimir Balti. 4. Stabla
XI dvoqas veжbi dr Vladimir Balti 4. Stabla Teorijski uvod Teorijski uvod Definicija 5.7.1. Stablo je povezan graf bez kontura. Definicija 5.7.1. Stablo je povezan graf bez kontura. Primer 5.7.1. Sva stabla
Διαβάστε περισσότεραAkvizicija tereta. 5660t. Y= masa drva, X=masa cementa. Na brod će se ukrcati 1733 tona drva i 3927 tona cementa.
Akvizicija tereta. Korisna nosivost broda je 6 t, a na brodu ia 8 cu. ft. prostora raspoloživog za sještaj tereta pod palubu. Navedeni brod treba krcati drvo i ceent, a na palubu ože aksialno ukrcati 34
Διαβάστε περισσότεραradni nerecenzirani materijal za predavanja
Matematika 1 Funkcije radni nerecenzirani materijal za predavanja Definicija 1. Kažemo da je funkcija f : a, b R u točki x 0 a, b postiže lokalni minimum ako postoji okolina O(x 0 ) broja x 0 takva da je
Διαβάστε περισσότερα