UPRAVLJANJE RIZICIMA. Sveučilište u Zagrebu EKONOMSKI FAKULTET ZAGREB Katedra za Ekonomiku poduzeća Prof. dr. sc. Danijela Miloš Sprčić

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "UPRAVLJANJE RIZICIMA. Sveučilište u Zagrebu EKONOMSKI FAKULTET ZAGREB Katedra za Ekonomiku poduzeća Prof. dr. sc. Danijela Miloš Sprčić"

Transcript

1 UPRAVLJANJE RIZICIMA Sveučilište u Zagrebu EKONOMSKI FAKULTET ZAGREB Katedra za Ekonomiku poduzeća Prof. dr. sc. Danijela Miloš Sprčić

2 PODACI O NASTAVNIKU Nositelj i izvođač kolegija Prof. dr. sc. Danijela Miloš Sprčić Kabinet dmilos@efzg.hr Web stranica nastavnika: Web stranica kolegija:

3 VI. DIO TEME: Metode modeliranja rizika Rizična vrijednost Rizični novčani tokovi Riziku prilagođena vrijednost

4 ANALIZA/KVANTIFIKACIJA/INTEGRACIJA RIZIKA Određivanje načina mjerenja te distribucije vjerojatnosti za svaki pojedinačni rizik Kvalitativne i kvantitativne tehnike Analiza osjetljivosti, analiza scenarija i simulacije

5 Metode modeliranja rizika Metode temeljene primarno na analizi povijesnih podataka Ex-post distribucija Metode temeljene na kombinaciji povijesnih podataka te znanju i iskustvu eksperata Ex-post i ex-ante distribucija Metode temeljene primarno na znanju i iskustvu eksperata Ex-ante distribucija Subjektivno određena distribucija rezultata

6 MJERENJE IZLOŽENOSTI RIZICIMA Izloženost rizicima utjecaj promjena varijabli iz okruženja poduzeća na poslovanje poduzeća te veličina tog utjecaja Najčešće mjere Rizična vrijednost (engl. Value-at-Risk ili VaR) Primarno korištena u financijskim institucijama Rizični novčani tokovi (engl. Cash flow-at-risk) Primjena u poduzećima iz realnog sektora RIZIKU PRILAGOĐENA VRIJEDNOST

7 RIZIČNA VRIJEDNOST (VaR) Rizična vrijednost (VaR) predstavlja maksimalni očekivani gubitak tijekom određenog vremenskog perioda i unutar statistički definiranog područja Njezina upotreba započela je u investicijskoj banci JP Morgan kao jedinstvena statistička mjera koja bi svaki dan prezentirala izloženost banke tržišnim rizicima na razini portfelja Najveća prednost VaR-a jest njezina sposobnost da komprimira očekivanu distribuciju negativnih poslovnih rezultata u jedan broj Brojne financijske institucije kvantificiraju vjerojatnost nastanka gubitaka vrijednosti portfelja koristeći ovu popularnu mjeru

8 RIZIČNA VRIJEDNOST (VaR) VaR nije adekvatna mjera za mjerenje izloženosti riziku nefinancijskih poduzeća može se primijeniti samo dijelom na tržišne rizike VaR je mjera koja se izračunava za kratki vremenski period njome se izračunava maksimalni iznos gubitaka koje poduzeće može ostvariti u nekom određenom danu ili određenom mjesecu Ne daje adekvatne informacije kada se želi izračunati hoće li vrijednost poduzeća pasti ispod neke kritične vrijednosti kroz jedan duži vremenski period to ne mogu niti tradicionalne mjere rizika poput varijance/standardne devijacije

9 Rizična vrijednost (VaR) Prilikom definiranja izračuna VAR-a na razini institucije, osim same metode koja će se koristiti institucija treba definirati 1. Vremenski period U slučaju portfelja banke uobičajeni vremenski horizont je 1 dan, odnosno pretpostavlja se da je institucija u mogućnosti likvidirati portfelj unutar jednog dana Regulator traži izračun VaR-a za dulji vremenski horizont (HNB - 12 dana) radi pretpostavke teže utrživosti portfelja 2. Definiranje razine pouzdanosti Što je viša razina pouzdanosti, veći je iznos izračunatog maksimalnog gubitka što zahtijeva veće troškove rezervacija, odnosno veći iznos za pokrivanje eventualnih gubitaka Regulator zahtijeva razinu pouzdanosti 99%

10 95% VAR = kn 99% VAR = kn Očekivana vrijednost = 30 mil kn

11 VaR Metode izračuna VAR-a VaR Povijesna metoda (Historical method) Variance/Covariance metoda (RiskMetrics metoda) Monte Carlo simulacija

12 VaR-povijesna metoda Povijesna metoda izračuna VAR-a ujedno je i najjednostavnija te statistički najmanje zahtjevna metoda Sastoji se od uporabe povijesnih promjena kamatnih stopa, cijena i tečajeva u cilju izračuna distribucije potencijalnih dobitaka i gubitaka portfelja te posljedične VaR vrijednosti Analiziraju se povijesnih vrijednosti tržišnih parametara i vrijednosti portfelja unazad N dana Te povijesne vrijednosti portfelja oduzimaju se od njegove trenutačne vrijednosti kako bi se kvantificirao hipotetski gubitak/dobitak 95% (odnosno 99%) analiziranih dobitaka/gubitaka ulazi u izračun VaR-a Najveći gubici ne ulaze u izračun 5% odnosno 1% povijesne distribucije rezultata

13 Primjer Uz razinu pouzdanosti od 95% izračunati VAR za neki portfelj iznosi kn što znači da u 95% slučajeva dnevni gubitak devizne pozicije ne bi smio biti veći od kn Drugim riječima, tijekom jedne godine očekivani gubitak bi smio biti veći od kn samo u 12,6 dana (252 radna dana * 0,05) Uz razinu pouzdanosti od 99% izračunati VAR za isti portfelj iznosi kn Drugim riječima, u 99% slučajeva dnevni gubitak portfelja ne bi smio premašiti kn, odnosno tijekom jedne godine gubitak bi smio biti veći od tog iznosa u 2,52 dana (252 radna dana * 0,01)

14 Karakteristike povijesne metode izračuna VaR-a Povijesna metoda izračuna VaR-a ne postavlja nikakve pretpostavke vezane uz distribuciju rizičnih parametara Vrlo je jednostavna glede izračuna i ne postavlja specijalne IT zahtjeve S obzirom da ne postavlja nikakve pretpostavke glede korelacije među varijablama niti prirode statističke distribucije, prikladan je za izračunavanje očekivanih gubitaka nelinearnih proizvoda kao što su opcije Problemi koji se pojavljuju su ponekad nedovoljna vremenska serija, te osjetljivost rezultata na obuhvat vremenske serije (100, 500, 1000 opservacija) Daje podjednaku važnost povijesnim podacima od prošlog tjedna i prošle godine Pretpostavlja da se povijest ponavlja, odnosno da će budućnost biti podjednako volatilna Model ne uzima u obzir izrazito stresne situacije što dovodi do podcjenjivanja gubitaka, posebice u uvjetima krize

15 Variance-Covariance (Delta-normal) metoda Variance-Covariance/Delta normal/riskmetrics metoda objavljena je prvi puta od strane JP Morgana 1994 godine Za razliku od povijesne metode postavlja pretpostavke vezano uz distribuciju varijabli normalna distribucija varijabli te normalna distribucija prinosa Kao i kod povijesne metode uzimaju se povijesni podaci rizičnih parametara te se računaju njihove korelacije i standardne derivacije te kovarijance kako bi se dobila volatilnost portfelja Uzima u obzir učinak diversifikacije

16 Kovarijanca KOVARIJANCA između dvije varijable pokazuje kako se zajedno kreću vrijednosti tih varijabli i koja je veličina tog kretanja Kovarijanca je pozitivna za varijable čije se vrijednosti kreću istosmjerno, a negativna za one koje se kreću obrnuto i1 cov cov ( A; B) n n ( A; B) i1 ( k ( k Ai Ai E E ( k A ) )( k T 1 Bi E ( k ( k kbi E A ))( ( k ) B ) B ) ) y i

17 Korelacija KOEFICIJENT KORELACIJE je bolja mjera zajedničkog kretanja dviju varijabli, a računa se kao odnos kovarijance između dvije varijable i umnoška standardnih devijacija tih varijabli ( A; B) cov ( A; B) ( k A ) ( k B )

18 Korelacija Ukazuje na dinamičku vezu kretanja dviju varijabli { -1, +1 } korelacija = -1 dvije individualno rizične investicije čine nerizični portfolio jer imaju savršenu negativnu korelaciju korelacija = 0 ne postoji korelacija između kretanja profitabilnosti dviju investicija korelacija = +1 dvije individualno rizične investicije svojom kombinacijom niti malo ne umanjuju rizik portfolia jer imaju savršenu pozitivnu korelaciju U praksi se korelacije kreću unutar toga intervala i u pravilu su pozitivne

19 Redukcija rizika prema veličini koeficijenta korelacije Ekstremna redukcija rizika Značajna redukcija rizika Određena redukcija rizika Neznatna redukcija rizika -1-0,5-0,2 0 0,3 0,5 1 Nema redukcije rizika

20 VaR- Variance-Covariance metoda Na temelju dostupnih podataka izračunatih za sve komponente portfelja izračunava se i volatilnost tj. standardna devijacija portfelja p n i1 w 2 i i1 2 * 2 w w i Gdje je w udio pojedinog dijela pozicije u ukupnoj poziciji ji Formula za izračun VAR-a na razini portfelja temeljem ovih pokazatelja je: VAR = * P* i, j P = inicijalna vrijednost portfelja alpha = vrijednost standardizirane normalne distribucije određene razine pouzdanosti n p p = P (x<p) alpha i j i j 99% 2,58 95% 1,96 90% 1,645

21 Karakteristike Variance-Covariance metode izračuna VaR-a Jednostavna glede izračuna ne postavlja specijalne IT zahtjeve kod jednostavnijih portfelja matrica kovarijanci Problem kvalitetnih statističkih podataka Problem odabranih vremenskih serija Pretpostavka normalne distribucije prinosa rizičnih varijabli većina analiza pokazala su da distribucije financijskih varijabli pate od tzv. debelih repova, tj povećane mjere zaobljenosti Pretpostavlja da se povijest ponavlja, odnosno pretpostavlja konstantne korelacije među varijablama

22 VaR- Monte Carlo metoda Hipotetske promjene tržišnih cijena stvaraju se na temelju 1000 i više simulacija budućih kretanja cijena Analiza distribucije tržišnih varijabli temeljem uočenih zakonitosti analitičar procjenjuje parametre distribucije, tj. modele kretanja varijabli Simuliraju se očekivana kretanja varijabli (tečaja, cijena, kamatnih stopa i sl.) u budućnost

23 VaR- Monte Carlo metoda Ova metoda jedina se ne temelji na povijesnim opservacijama nego na budućim očekivanjima Kao takva lakše obuhvaća potencijalno katastrofalne scenarije te također rješava problem nelinearnih instrumenata kao i problem debelih repova kod normalne distribucije Ekstenzivna metoda, zahtijeva značajne ljudske i informatičke resurse Nije jednostavna za implementaciju Podložna je tzv. riziku modela odnosno riziku da cijeli VAR izračun pati radi krivih postavki i parametara u modelu kretanja rizičnih varijabli

24 RIZIČNI NOVČANI TOKOVI (CFaR) Rizični novčani tokovi alternativa VaR-u omogućavaju procjenu vjerojatnosti nastupanja financijskih poteškoća ili stečaja poduzeća Analiza Scenarija Izrada nekoliko mogućih budućih scenarija kretanja financijskih cijena Kako će izloženost rizicima utjecati na dugoročne novčane tokove poduzeća u zadanim scenarijima Analiza osjetljivosti očekivane distribucije novčanih tokova najjednostavniji pristup koji se nudi poduzećima pri procjeni vjerojatnosti nastupanja financijskih poteškoća

25 RIZIČNI NOVČANI TOKOVI (CFaR) Simulacije - Monte Carlo simulacija prognoza novčanih tokova poduzeća kroz 10-godišnji vremenski period uključivanjem kombiniranih učinaka i međusobne interakcije najvažnijih rizika kojima je poduzeće izloženo analiza ukupne izloženosti poduzeća najvažnijim rizicima koji imaju utjecaj na vjerojatnost nastupanja financijskih poteškoća ili stečaja Vjerojatnost nastupanja financijskih poteškoća kroz analizirani vremenski period onaj dio simulirane distribucije novčanih tokova koji padne ispod zadanog praga kumulativne vrijednosti novčanih tokova Koristi se za procjenu očekivanog učinka različitih strategija upravljanja rizicima na vjerojatnosti nastupanja financijskih poteškoća u poduzeću

26 RIZIKU PRILAGOĐENA VRIJEDNOST METODA DISKONTIRANIH NOVČANIH TOKOVA Jedna od najčešće korištenih metoda procjene vrijednosti poduzeća u praksi JEDNOPERIODNI MODEL VREDNOVANJA VIŠEPERIODNI MODEL VREDNOVANJA Primjena koncepta Ekonomske vrijednosti Prognoza očekivanih novčanih tokova Prognoza očekivane stope rasta novčanih tokova Prognoza adekvatne diskontne stope trošak kapitala Izračun vrijednosti poduzeća Testiranje vrijednosti na promjene rizičnih čimbenika

27 JEDNOPERIODNI MODEL VREDNOVANJA VP SNT k A P1 g SNT P0 k A 1 g g VP = vrijednost poduzeća SNT P1 = očekivani slobodni novčani tok poduzeću za godinu dana SNT P0 = zadnji ostvareni slobodni novčani tok poduzeću g = očekivana stopa rasta slobodnih novčanih tokova poduzeću k A = ponderirani prosječni trošak kapitala

28 VIŠEPERIODNI MODEL VREDNOVANJA VP SNT 1 k Pt A t SNT PT 1 g k g 1 k T A A

29 Postupak određivanja vrijednosti Prvi korak je utemeljenje razvojnog plana i budućeg poslovanja iz kojeg se izvode slobodni novčani tokovi Razvija se eksplicitna prognoza za veći broj godina, a nakon toga se pojednostavljenim pristupom izračunava rezidualna vrijednost poduzeća Period eksplicitne prognoze mora biti dovoljno dug kako bi poduzeće do kraja perioda doseglo stabilno poslovanje (minimalno 3-5 godina)

30 Postupak određivanja vrijednosti Drugi korak je izračunavanje ukupnog troška kapitala poduzeća diskontna stopa kojom će se budući slobodni novčani tokovi svesti na sadašnju vrijednost Obzirom da se vrijednost nekog poduzeća izračunava na temelju novčanih tokova koje će to poduzeće generirati u nekom periodu u budućnosti, u izračun je potrebno kao pretpostavku uključiti vremensku vrijednost novca

31 Ukupni trošak kapitala Prosječni ponderirani trošak kapitala ovisi o troškovima pojedinačnih k i komponenti kapitala w i o vrijednosnom udjelu svake komponente kapitala u ukupnoj strukturi kapitala Problemi utvrđivanja pondera tržišna vs knjigovodstvena vrijednost strukture kapitala ciljani udjeli vs trenutačna struktura kapitala k k A A w n d i1 k d i w k i w P k P w k s s

32 Ukupni trošak kapitala k A G G D r G D G D r B 1 t ka = ponderirani prosječni trošak kapitala G = tržišna vrijednost obične glavnice poduzeća D = tržišna vrijednost duga poduzeća rg = trošak obične glavnice rb = trošak duga prije poreza t = stopa poreza na dobit

33 Primjer izračuna troška kapitala Pretpostavlja se da za poduzeće A vrijede sljedeći podaci: Aktiva = 100 mil. kn Dug = 40 mil. kn Obična glavnica = 60 mil. kn Poduzeće A nije izdavalo povlaštene dionice; Trošak duga prije poreza = 8%; Trošak obične glavnice = 13%; Stopa poreza na dobit = 20%. Iz navedenog slijedi da je ponder duga u strukturi kapitala wd = 40%, a ponder obične glavnice wg = 60%. Uvrsti li se navedeno u formulu za izračun troška kapitala, dobiva se sljedeći rezultat: k = wd x [rb x (1 t)] + wg x rg k = 40% x [8% x (1 20%)] + 60% x 13% = 10,4%

34 Primjer izračuna troška kapitala Ako je omjer vlastitog kapitala i duga u poduzeću Orbit d.d. 1:1, a procijenjeni trošak vlastitog kapitala iznosi 16% dok je trošak duga prije poreza 12%, koliko iznosi ukupni trošak kapitala ovog poduzeća ako je stopa poreza na dobit 36%? k A [12%(1 0,36)] x0,5 16% x0,5 3,84% 8% 11,84%

35 Procjena vrijednosti redovnog poslovanja poduzeća Vrijednost redovnog poslovanja poduzeća jednaka je diskontiranoj vrijednosti očekivanih slobodnih novčanih tokova u budućnosti Slobodni novčani tok definiran je kao neto dobit iz redovnog poslovanja uvećana za amortizaciju te umanjena za vrijednost neto investicija u zemljišta, zgrade, opremu, neto obrtni kapital te ostalu imovinu vezanu uz redovno poslovanje poduzeća Ne uključuje novčane tokove povezane s financiranjem poduzeća, kao što su troškovi kamata ili dividende (već uključeni u trošak kapitala) Izvanredne, neuobičajene stavke izvještaja o dobiti također je potrebno eliminirati iz izračuna

36 Izračun slobodnog novčanog toka iz redovne aktivnosti poduzeća Slobodni novčani tok jednak je neto dobiti iz redovnog poslovanja (NOPAT) uvećanom za godišnji iznos amortizacije i umanjenom za neto investicije, pri čemu neto investicije predstavljaju promjenu u uloženom kapitalu (trajnim i obrtnim sredstvima) Bruto dobit iz redovnog poslovanja (-) Porez na dobit Neto dobit iz redovnog poslovanja (+) Amortizacija (-) Neto investicije u osnovna sredstva (-) Neto investicije u neto obrtni kapital Slobodni novčani tok iz redovne aktivnosti poduzeća

37 Izračun neto dobiti iz redovnog poslovanja Ukupni prihodi iz redovnog poslovanja (-) Trošak prodanih dobara (-) Troškovi prodaje, opći i administrativni troškovi (-) Amortizacija Dobit iz redovnog poslovanja prije kamata i poreza (-) Porez na dobit Neto dobiti iz redovnog poslovanja

38 Izračun promjena u uloženom kapitalu Razlika u operativnoj kratkoročnoj imovini - Razlika u spontanom financiranju + Razlika u investicijama u osnovna sredstva Promjene u uloženom kapitalu (osnovnim i trajnim obrtnim sredstvima)

39 PRIMJER: Izračun slobodnih novčanih tokova Pretpostavimo da se na poduzeće X odnose sljedeći financijski podaci: Dobit prije kamata i poreza 2011 = HRK 150 mil. Amortizacija 2011 = HRK 52 mil. Dugoročna materijalna imovina 2010 = HRK 600 mil. Dugoročna materijalna imovina 2011 = HRK 670 mil. Potraživanja od kupaca 2010 = HRK 50 mil. Potraživanja od kupaca 2011 = HRK 65 mil. Obveze prema dobavljačima 2010 = HRK 20 mil. Obveze prema dobavljačima 2011 = HRK 17 mil. Obveze za plaće 2010 = HRK 12 mil. Obveze za plaće 2011 = HRK 9 mil. Zalihe 2010 = HRK 21 mil. Zalihe 2011 = HRK 25 mil. Porezna stopa = 20%.

40 Δ I = Δ Dugoročna operativna imovina = Dugoročna operativna imovina 2011 Dugoročna operativna imovina 2010 = 670 mil. 600 mil. = 70 mil.kn Δ N OK =Δ Neto operativni obrtni kapital = NOK 2011 NOK 2010 =(Potraživanja od kupaca Zalihe 2011 Obveze prema dobavljačima 2011 Obveze za plaće 2011 ) (Potraživanja od kupaca Zalihe 2010 Obveze prema dobavljačima 2010 Obveze za plaće 2010 ) = (65 mil mil. 17 mil. 9 mil.) (50 mil mil. 20 mil. 12 mil.) = 64 mil. 39 mil. = 25 mil.kn SNT P =[EBIT x (1 t)] + A Δ I Δ N OK =[150 mil. x (1 0,2)] + 52 mil. 70 mil. 25 mil. =77 mil. kn

41 Izračun vrijednosti poduzeća Dodatni problem pri određivanju vrijednosti poduzeća je neograničen vijek njegova poslovanja Jedan od alternativnih načina rješavanja problema je izračun vrijednosti poduzeća kroz dva razdoblja za vrijeme i nakon određenog perioda Vrijednost poduzeća izračunava se pomoću sljedećeg modela VRIJEDNOST PODUZEĆA Sadašnja vrijednost = novčanog toka u razdoblju + projekcije Rezidualna vrijednost

42 Izračun vrijednosti glavnice VRIJEDNOST GLAVNICE PODUZEĆA = Sadašnja vrijednost novčanog toka u razdoblju projekcije + Rezidualna vrijednost - Vrijednost duga i povlaštenog kapitala

43 Izračun rezidualne vrijednosti poduzeća Rezidualna vrijednost može se izračunati na dva načina (1) kao vrijednost očekivanih novčanih tokova poduzeća nakon određenog razdoblja procjene (2) kao rezidualna vrijednost imovine na kraju određenog vijeka procjene

44 Izračun rezidualne vrijednosti na temelju konstantnog rasta novčanih tokova SNT (1 + g) Trajna vrijednost = k g SNT = slobodni novčani tok u zadnjoj godini određenog razdoblja procjene g = očekivana konstantna stopa rasta slobodnih novčanih tokova k = prosječni ponderirani trošak kapitala Formula je izvedena planiranjem novčanih tokova u beskonačnost i diskontiranjem istih prosječnim ponderiranim troškom kapitala

45 Primjer: Izračun rezidualne vrijednosti Pretpostavimo da će poduzeće X sljedećih pet godina ostvarivati supernormalni rast, nakon čega će se rast slobodnih novčanih tokova poduzeću ustaliti na razini rezidualne stope rasta od 3%. Ako slobodni novčani tok poduzeća X na koncu pete godine promatranog razdoblja iznosi 235 mil. kn., a trošak kapitala poduzeća 10%, kolika je rezidualna vrijednost poduzeća X? R V = [SNT P5 x (1 + g)] / (k A g) R V = [235 mil. x (1 + 0,03)] / (0,10 0,03) = 3.457,9 mil. kn

46 PRIMJER 1 Jednoperiodni model Podaci za vrednovanje Slobodni novčani tok iz redovne aktivnosti poduzeća (SNT) = 20 mil.kn Ukupan trošak kapitala (k) = 10% Stopa rasta (g) = 5% Sadašnja vrijednost neoperativne (financijske) imovine = 100 mil.kn Dug = 200 mil.kn Povlaštene dionice = 50 mil.kn Knjigovodstvena vrijednost glavnice = 210 mil.kn

47 Izračun vrijednosti poduzeća na temelju konstantnog rasta novčanih tokova V Op SNT k 0 (1 g) g V Op 20(1 0.05)

48 Vrijednost glavnice Izvori vrijednosti poduzeća Vrijednost redovnog poslovanja = 420 mil.kn Vrijednost neoperativne imovine = 100 mil.kn Struktura izvora financiranja Vrijednost duga = 200 mil.kn Vrijednost povlaštenog kapitala = 50 mil.kn Tržišna vrijednost glavnice =?

49 Ukupna vrijednost poduzeća = = 520 mil.kn Ekonomska vrijednost glavnice = Ukupno - Dug - Povl.kapital = = 270 mil.kn

50 PRIMJER 2 - Višeperiodni model Podaci za vrednovanje Financiranje ekspanzije posuđivanjem 40 mil.kn i zadržavanjem zarada Prognozirani slobodni novčani tokovi (SNT) Prva godina = - 5 milijuna Druga godina = 10 milijuna Treća godina = 20 milijuna Nakon treće godine SNT rastu po konstantnoj stopi od 6% Prosječni trošak kapitala poduzeća = 10% Broj emitiranih običnih dionica = 10 milijuna

51 Pretpostavke izračuna vrijednosti Slobodni novčani tokovi prognozirani su za naredne tri godine, što predstavlja analizirani period Rast novčanih tokova nije konstantan tijekom analiziranog perioda, stoga se ne može upotrijebiti model konstantnog rasta za izračun vrijednosti Rast postaje konstantan nakon treće godine pa se model konstantnog rasta može upotrijebiti za izračun rezidualne vrijednosti

52 Izračun vrijednosti poduzeća 0 k c =10% g = 6% SNT = V op u 3.god = Ukupna vrijednost 21.2 = =

53 Izračun vrijednosti glavnice i vrijednosti po dionici Vrijednost glavnice = Ukupna vrijednost - Vrijednost duga = = milijuna kuna Vrijednost po dionici = /10 mil. dionica = 37,694 kuna

54 Primjer Izračun vrijednosti obične glavnice na temelju slobodnih novčanih tokova poduzeću Pretpostavimo da za poduzeće X vrijedi sljedeće: Poduzeće posluje s iznadprosječnom stopom rasta tijekom iduće 2 godine i u tom razdoblju ostvaruje sljedeće slobodne novčane tokove poduzeću: V P1 = 15,0 mil. kn; V P2 = 22,0 mil. kn U razdoblju supernormalnog rasta poduzeće X ima trošak kapitala od 15%; Nakon dvije iznadprosječne godine rast poduzeća ustaljuje se na svojoj dugoročnoj razini od 2,5%, a trošak kapitala spušta se na 11%; Tržišna vrijednost duga poduzeća X iznosi HRK 60,0 mil. Prema navedenom, vrijednost obične glavnice poduzeća X je kako slijedi: Vrijednost poduzeća = 15,0 mil. / (1 + 0,15) ,0 mil. / (1 + 0,15) 2 + {[22,0 mil. x (1 + 0,025)] / (0,11 0,025)} / (1 + 0,15) 2 = 230,3 mil. Vrijednost obične glavnice = 230,3 mil. 60,0 mil. = 170,3 mil.kn

55 PROCJENA/RANGIRANJE RIZIKA Određivanje utjecaja pojedinačnih rizika na ukupni rizik poduzeća te utvrđivanje prioriteta REVIDIRANJE MAPE RIZIKA NAKON KVANTIFIKACIJE UTJECAJA UKUPNE IZLOŽENOSTI IDENTIFICIRANIM RIZICIMA

TROŠAK 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 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 περισσότερα

Valutni rizik Usporedba VaR i Expected Shortfall metode Martina Samac

Valutni 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 περισσότερα

numeričkih deskriptivnih mera.

numeričkih deskriptivnih mera. DESKRIPTIVNA STATISTIKA Numeričku seriju podataka opisujemo pomoću Numeričku seriju podataka opisujemo pomoću numeričkih deskriptivnih mera. Pokazatelji centralne tendencije Aritmetička sredina, Medijana,

Διαβάστε περισσότερα

Izračun rizične vrijednosti - VaR

Izračun 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 περισσότερα

Financijski izvještaji, novčani tokovi i porezi

Financijski izvještaji, novčani tokovi i porezi Financijski izvještaji, novčani tokovi i porezi Uvod u poslovne financije P 02 Uloga financijskog izvještavanja Računovodstvo: dokumentacijska osnova komuniciranja poduzeća s javnošću Revizija: dokaz korektnosti

Διαβάστε περισσότερα

Korporativne finansije

Korporativne 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

INTEGRALNI RAČUN. Teorije, metodike i povijest infinitezimalnih računa. Lucija Mijić 17. veljače 2011.

INTEGRALNI 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 περισσότερα

2 tg x ctg x 1 = =, cos 2x Zbog četvrtog kvadranta rješenje je: 2 ctg x

2 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 περισσότερα

IZRAČUNAVANJE 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 NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI) Izračunavanje pokazatelja načina rada OTVORENOG RM RASPOLOŽIVO RADNO

Διαβάστε περισσότερα

Apsolutno 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. 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 περισσότερα

UNIVERZITET U NIŠU ELEKTRONSKI FAKULTET SIGNALI I SISTEMI. Zbirka zadataka

UNIVERZITET 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 περισσότερα

3.1 Granična vrednost funkcije u tački

3.1 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 περισσότερα

Izbor statističkih testova Ana-Maria Šimundić

Izbor statističkih testova Ana-Maria Šimundić Izbor statističkih testova Ana-Maria Šimundić Klinički zavod za kemiju Klinička jedinica za medicinsku biokemiju s analitičkom toksikologijom KBC Sestre milosrdnice Izbor statističkog testa Tajna dobrog

Διαβάστε περισσότερα

Ĉetverokut - 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. 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 περισσότερα

Funkcije dviju varjabli (zadaci za vježbu)

Funkcije 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 περισσότερα

ELEKTROTEHNIČKI ODJEL

ELEKTROTEHNIČKI 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 περισσότερα

Matematička analiza 1 dodatni zadaci

Matematička 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 περισσότερα

Procjena vrijednosti društva Mon Perin d.o.o.

Procjena vrijednosti društva Mon Perin d.o.o. STROGO POVJERLJIVO Procjena vrijednosti društva Mon Perin d.o.o. Interni dokument, 25. rujan 2017. Sadržaj 1. Sažetak 2. Obujam rada informacija i ograničenja 3. Neto vrijednost imovine 4. Tržišna vrijednost

Διαβάστε περισσότερα

(P.I.) PRETPOSTAVKA INDUKCIJE - pretpostavimo da tvrdnja vrijedi za n = k.

(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 περισσότερα

18. listopada listopada / 13

18. 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 περισσότερα

- pravac n je zadan s točkom T(2,0) i koeficijentom smjera k=2. (30 bodova)

- pravac n je zadan s točkom T(2,0) i koeficijentom smjera k=2. (30 bodova) MEHANIKA 1 1. KOLOKVIJ 04/2008. grupa I 1. Zadane su dvije sile F i. Sila F = 4i + 6j [ N]. Sila je zadana s veličinom = i leži na pravcu koji s koordinatnom osi x zatvara kut od 30 (sve komponente sile

Διαβάστε περισσότερα

Grafičko prikazivanje atributivnih i geografskih nizova

Grafičko 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 περισσότερα

RIJEŠENI ZADACI I TEORIJA IZ

RIJEŠENI 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 περισσότερα

2. KAMATNI RAČUN 2.1. POJAM KAMATE I KAMATNE STOPE

2. KAMATNI RAČUN 2.1. POJAM KAMATE I KAMATNE STOPE 1 2. KAMATNI RAČUN 2.1. POJAM KAMATE I KAMATNE STOPE Pod pojmom kamata podrazumijeva se naknada koju dužnik plaća za posuđenu glavnicu. Pri tom se pod glavnicom najčešće podrazumijeva određena svota novca,

Διαβάστε περισσότερα

Riješeni zadaci: Nizovi realnih brojeva

Riješeni 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 περισσότερα

TEORIJA ODLUČIVANJA DECISION ANALYSIS

TEORIJA ODLUČIVANJA DECISION ANALYSIS DONOŠENJE ODLUKA U UVJETIMA NEIZVJESNOSTI I RIZIKA TEORIJA ODLUČIVANJA DECISION ANALYSIS NEIZVJESNOST- situacija koja može rezultirati s više različitih ishoda (ne nužno i negativnih) RIZIK- šansa ili

Διαβάστε περισσότερα

7 Algebarske jednadžbe

7 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 περισσότερα

VJEROJATNOST I STATISTIKA Popravni kolokvij - 1. rujna 2016.

VJEROJATNOST 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 περισσότερα

1.2. Klasificirajte navedene oblike imovine prema vremenskom kriteriju: VREMENSKI KRITERIJ

1.2. Klasificirajte navedene oblike imovine prema vremenskom kriteriju: VREMENSKI KRITERIJ 1. ZADATAK 1.1. Odredite pojavni oblik za navedene oblike imovine: POJAVNI OBLIK IMOVINE - zgrada - dan zajam poslovnom partneru - zemljište - zalihe sirovina i materijala - kupljene dionice 1.2. Klasificirajte

Διαβάστε περισσότερα

Strukture podataka i algoritmi 1. kolokvij 16. studenog Zadatak 1

Strukture 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 περισσότερα

( , 2. kolokvij)

( , 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 περισσότερα

Računarska grafika. Rasterizacija linije

Računarska 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 περισσότερα

Linearna algebra 2 prvi kolokvij,

Linearna 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 περισσότερα

TRIGONOMETRIJSKE FUNKCIJE I I.1.

TRIGONOMETRIJSKE 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 περισσότερα

Linearna algebra 2 prvi kolokvij,

Linearna 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 περισσότερα

DISKRETNA MATEMATIKA - PREDAVANJE 7 - Jovanka Pantović

DISKRETNA 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 περισσότερα

Trigonometrija 2. Adicijske formule. Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto

Trigonometrija 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 περισσότερα

Matematika 1 - vježbe. 11. prosinca 2015.

Matematika 1 - vježbe. 11. prosinca 2015. Matematika - vježbe. prosinca 5. Stupnjevi i radijani Ako je kut φ jednak i rad, tada je veza između i 6 = Zadatak.. Izrazite u stupnjevima: a) 5 b) 7 9 c). d) 7. a) 5 9 b) 7 6 6 = = 5 c). 6 8.5 d) 7.

Διαβάστε περισσότερα

7. Troškovi Proizvodnje

7. 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 περισσότερα

RAZLIKA U CIJENI RAZLIKE U CIJENI U TRGOVINI UKUPNA RAZLIKA U CIJENI UKUPNA RAZLIKA U CIJENI

RAZLIKA U CIJENI RAZLIKE U CIJENI U TRGOVINI UKUPNA RAZLIKA U CIJENI UKUPNA RAZLIKA U CIJENI RAZLIKA U CIJENI RAZLIKE U CIJENI U TRGOVINI Služi za pokriće troškova poslovanja i ostvarenje dobiti; Troškovi poslovanja: materijalni troškovi; amortizacija; troškovi rada; ostali troškovi; Razlikujemo

Διαβάστε περισσότερα

ZADACI ZA VEZBE1 MENADZERSKO RACUNOVODSTVO BEOGRADSKA POSLOVNA SKOLA VISOKA SKOLA STRUKOVNIH STUDIJA

ZADACI 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 περισσότερα

Iskazna logika 3. Matematička logika u računarstvu. novembar 2012

Iskazna 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 περισσότερα

STATISTIKA S M E I M N I AR R 7 : METODE UZORKA

STATISTIKA S M E I M N I AR R 7 : METODE UZORKA Fakultet za menadžment u turizmu i ugotiteljtvu, Opatija Sveučilišni preddiplomki tudij Polovna ekonomija u turizmu i ugotiteljtvu Noitelj kolegija: Prof. dr. c. Suzana Marković Aitentica: Jelena Komšić

Διαβάστε περισσότερα

Numerička matematika 2. kolokvij (1. srpnja 2009.)

Numerička 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 περισσότερα

Elementi spektralne teorije matrica

Elementi 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 περισσότερα

2.2 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) 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 περισσότερα

Kontrolni zadatak (Tačka, prava, ravan, diedar, poliedar, ortogonalna projekcija), grupa A

Kontrolni 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 περισσότερα

DUALNOST. 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. 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 περισσότερα

IZVODI ZADACI (I deo)

IZVODI 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 περισσότερα

1 Promjena baze vektora

1 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 περισσότερα

M086 LA 1 M106 GRP. Tema: Baza vektorskog prostora. Koordinatni sustav. Norma. CSB nejednakost

M086 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 περισσότερα

PRAVA. Prava je u prostoru određena jednom svojom tačkom i vektorom paralelnim sa tom pravom ( vektor paralelnosti).

PRAVA. 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 περισσότερα

VJEŽBE 3 BIPOLARNI TRANZISTORI. Slika 1. Postoje npn i pnp bipolarni tranziostori i njihovi simboli su dati na slici 2 i to npn lijevo i pnp desno.

VJEŽBE 3 BIPOLARNI TRANZISTORI. Slika 1. Postoje npn i pnp bipolarni tranziostori i njihovi simboli su dati na slici 2 i to npn lijevo i pnp desno. JŽ 3 POLAN TANZSTO ipolarni tranzistor se sastoji od dva pn spoja kod kojih je jedna oblast zajednička za oba i naziva se baza, slika 1 Slika 1 ipolarni tranzistor ima 3 izvoda: emitor (), kolektor (K)

Διαβάστε περισσότερα

21. ŠKOLSKO/OPĆINSKO/GRADSKO NATJECANJE IZ GEOGRAFIJE GODINE 8. RAZRED TOČNI ODGOVORI

21. ŠKOLSKO/OPĆINSKO/GRADSKO NATJECANJE IZ GEOGRAFIJE GODINE 8. RAZRED TOČNI ODGOVORI 21. ŠKOLSKO/OPĆINSKO/GRADSKO NATJECANJE IZ GEOGRAFIJE 2014. GODINE 8. RAZRED TOČNI ODGOVORI Bodovanje za sve zadatke: - boduju se samo točni odgovori - dodatne upute navedene su za pojedine skupine zadataka

Διαβάστε περισσότερα

Eliminacijski zadatak iz Matematike 1 za kemičare

Eliminacijski 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 περισσότερα

Elektrotehnički fakultet univerziteta u Beogradu 17.maj Odsek za Softversko inžinjerstvo

Elektrotehnički fakultet univerziteta u Beogradu 17.maj Odsek za Softversko inžinjerstvo Elektrotehnički fakultet univerziteta u Beogradu 7.maj 009. Odsek za Softversko inžinjerstvo Performanse računarskih sistema Drugi kolokvijum Predmetni nastavnik: dr Jelica Protić (35) a) (0) Posmatra

Διαβάστε περισσότερα

Kaskadna kompenzacija SAU

Kaskadna 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 περισσότερα

PARCIJALNI 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 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 περισσότερα

1.4 Tangenta i normala

1.4 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 περισσότερα

Pismeni ispit iz matematike Riješiti sistem jednačina i diskutovati rješenja sistema u zavisnosti od parametra: ( ) + 1.

Pismeni 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 περισσότερα

Funkcija gustoće neprekidne slučajne varijable ima dva bitna svojstva: 1. Nenegativnost: f(x) 0, x R, 2. Normiranost: f(x)dx = 1.

Funkcija 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 περισσότερα

POVRŠINA TANGENCIJALNO-TETIVNOG ČETVEROKUTA

POVRŠINA TANGENCIJALNO-TETIVNOG ČETVEROKUTA POVRŠIN TNGENIJLNO-TETIVNOG ČETVEROKUT MLEN HLP, JELOVR U mnoštvu mnogokuta zanimljiva je formula za površinu četverokuta kojemu se istoobno može upisati i opisati kružnica: gje su a, b, c, uljine stranica

Διαβάστε περισσότερα

III VEŽBA: FURIJEOVI REDOVI

III VEŽBA: FURIJEOVI REDOVI III VEŽBA: URIJEOVI REDOVI 3.1. eorijska osnova Posmatrajmo neki vremenski kontinualan signal x(t) na intervalu definisati: t + t t. ada se može X [ k ] = 1 t + t x ( t ) e j 2 π kf t dt, gde je f = 1/.

Διαβάστε περισσότερα

Nerevidirani financijski izvještaji Zagrebačke banke d.d. za razdoblje od do Sadržaj:

Nerevidirani financijski izvještaji Zagrebačke banke d.d. za razdoblje od do Sadržaj: Nerevidirani financijski izvještaji Zagrebačke banke d.d. za razdoblje od 01.01.2017. do 31.03.2017. Sadržaj: 1. Izvještaj poslovodstva za razdoblje od 01.01.2017. do 31.03.2017. godine 2. Izjava osoba

Διαβάστε περισσότερα

Betonske konstrukcije 1 - vežbe 3 - Veliki ekscentricitet -Dodatni primeri

Betonske konstrukcije 1 - vežbe 3 - Veliki ekscentricitet -Dodatni primeri Betonske konstrukcije 1 - vežbe 3 - Veliki ekscentricitet -Dodatni primeri 1 1 Zadatak 1b Čisto savijanje - vezano dimenzionisanje Odrediti potrebnu površinu armature za presek poznatih dimenzija, pravougaonog

Διαβάστε περισσότερα

Računarska grafika. Rasterizacija linije

Računarska 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 περισσότερα

Složeno periodično i neprekidno ukamaćivanje

Složeno 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 περισσότερα

( ) ( ) 2 UNIVERZITET U ZENICI POLITEHNIČKI FAKULTET. Zadaci za pripremu polaganja kvalifikacionog ispita iz Matematike. 1. Riješiti jednačine: 4

( ) ( ) 2 UNIVERZITET U ZENICI POLITEHNIČKI FAKULTET. Zadaci za pripremu polaganja kvalifikacionog ispita iz Matematike. 1. Riješiti jednačine: 4 UNIVERZITET U ZENICI POLITEHNIČKI FAKULTET Riješiti jednačine: a) 5 = b) ( ) 3 = c) + 3+ = 7 log3 č) = 8 + 5 ć) sin cos = d) 5cos 6cos + 3 = dž) = đ) + = 3 e) 6 log + log + log = 7 f) ( ) ( ) g) ( ) log

Διαβάστε περισσότερα

S 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 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 περισσότερα

TRIGONOMETRIJA TROKUTA

TRIGONOMETRIJA 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 περισσότερα

T E H N I Č K I N A L A Z I M I Š LJ E NJ E

T E H N I Č K I N A L A Z I M I Š LJ E NJ E Mr.sc. Krunoslav ORMUŽ, dipl. inž. str. Stalni sudski vještak za strojarstvo, promet i analizu cestovnih prometnih nezgoda Županijskog suda u Zagrebu Poljana Josipa Brunšmida 2, Zagreb AMITTO d.o.o. U

Διαβάστε περισσότερα

Veleučilište 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. 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 περισσότερα

UPRAVLJANJE POSLOVNIM FINANCIJAMA

UPRAVLJANJE POSLOVNIM FINANCIJAMA 3 VELEUČILIŠTE "NIKOLA TESLA" GOSPIĆ Prof.dr.sc. Mehmed Alijagić UPRAVLJANJE POSLOVNIM FINANCIJAMA (recenzirana skripta) Gospić, siječanj, 2015. 4 SADRŽAJ I dio UVODNI DIO 11 1. Financijski sustav 11 2.

Διαβάστε περισσότερα

Odlučivanje u uvjetima nesigurnosti

Odlučivanje 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 περισσότερα

IZVODI 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) 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 περισσότερα

Procjena investicijskih projekata

Procjena investicijskih projekata Sveučilište u Zagrebu Fakultet elektrotehnike i računarstva Inženjerska ekonomika (41251) Zagreb, 10. svibnja 2013. Procjena investicijskih projekata Bilješke s predavanja Dubravko Sabolić Inzeko 2013;

Διαβάστε περισσότερα

SISTEMI NELINEARNIH JEDNAČINA

SISTEMI 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 περισσότερα

Matematičke metode u marketingumultidimenzionalno skaliranje. Lavoslav ČaklovićPMF-MO

Matematičke metode u marketingumultidimenzionalno skaliranje. Lavoslav ČaklovićPMF-MO Matematičke metode u marketingu Multidimenzionalno skaliranje Lavoslav Čaklović PMF-MO 2016 MDS Čemu služi: za redukciju dimenzije Bazirano na: udaljenosti (sličnosti) među objektima Problem: Traži se

Διαβάστε περισσότερα

VELEPRODAJNO I MALOPRODAJNO POSLOVANJE - VJEŽBE 9 - Sveučilišni preddiplomski studij Ekonomika poduzetništva

VELEPRODAJNO 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 περισσότερα

Sortiranje prebrajanjem (Counting sort) i Radix Sort

Sortiranje prebrajanjem (Counting sort) i Radix Sort Sortiranje prebrajanjem (Counting sort) i Radix Sort 15. siječnja 2016. Ante Mijoč Uvod Teorem Ako je f(n) broj usporedbi u algoritmu za sortiranje temeljenom na usporedbama (eng. comparison-based sorting

Διαβάστε περισσότερα

Program za tablično računanje Microsoft Excel

Program 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 περισσότερα

Pošto pretvaramo iz veće u manju mjernu jedinicu broj 2.5 množimo s 1000,

Pošto 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 περισσότερα

BR. P-MLU-02/2017. Cerium d.o.o. Sjedište: Lašćinska cesta 143 Ured: Koprivnička 70/II Zagreb

BR. P-MLU-02/2017. Cerium d.o.o. Sjedište: Lašćinska cesta 143 Ured: Koprivnička 70/II Zagreb PROGRAM MEĐULABORATORIJSKE BR. P-MLU-02/2017 Cerium d.o.o. Sjedište: Lašćinska cesta 143 Ured: Koprivnička 70/II 10 000 Zagreb Tel: +385 1 5805 921 Fax: +385 1 5805 936 e-mail: info@cerium.hr Organizator:

Διαβάστε περισσότερα

Zadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu

Zadaci 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 περισσότερα

I.13. Koliki je napon između neke tačke A čiji je potencijal 5 V i referentne tačke u odnosu na koju se taj potencijal računa?

I.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 περισσότερα

konst. Električni otpor

konst. Električni otpor Sveučilište J. J. Strossmayera u sijeku Elektrotehnički fakultet sijek Stručni studij Električni otpor hmov zakon Pri protjecanju struje kroz vodič pojavljuje se otpor. Georg Simon hm je ustanovio ovisnost

Διαβάστε περισσότερα

MATEMATIKA Pokažite da za konjugiranje (a + bi = a bi) vrijedi. a) z=z b) z 1 z 2 = z 1 z 2 c) z 1 ± z 2 = z 1 ± z 2 d) z z= z 2

MATEMATIKA Pokažite da za konjugiranje (a + bi = a bi) vrijedi. a) z=z b) z 1 z 2 = z 1 z 2 c) z 1 ± z 2 = z 1 ± z 2 d) z z= z 2 (kompleksna analiza, vježbe ). Izračunajte a) (+i) ( i)= b) (i+) = c) i + i 4 = d) i+i + i 3 + i 4 = e) (a+bi)(a bi)= f) (+i)(i )= Skicirajte rješenja u kompleksnoj ravnini.. Pokažite da za konjugiranje

Διαβάστε περισσότερα

MODEL JEDNOSTAVNE LINEARNE REGRESIJE

MODEL JEDNOSTAVNE LINEARNE REGRESIJE SVEUČILIŠTE U RIJECI GRAĐEVINSKI FAKULTET U RIJECI Specijalistički diplomski stručni studij građevinarstva Odabrana poglavlja inženjerske matematike MODEL JEDNOSTAVNE LINEARNE REGRESIJE Studenti: Sara

Διαβάστε περισσότερα

Ispitivanje toka i skiciranje grafika funkcija

Ispitivanje 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 περισσότερα

π π ELEKTROTEHNIČKI ODJEL i) f (x) = x 3 x 2 x + 1, a = 1, b = 1;

π 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 περισσότερα

Rezultati poslovanja Grupe Podravka. za razdoblje

Rezultati poslovanja Grupe Podravka. za razdoblje Rezultati poslovanja Grupe Podravka za razdoblje.-6. 206. Ključne značajke prve polovice 206. godine Integracija Grupe Žito u Grupu Podravka: Usvojen plan integracije sa 75 projekata, Kraj 208. očekivani

Διαβάστε περισσότερα

Ravnotežni model koji je u osnovi savremene finansijske teorije Izveden primenom principa diversifikacije pod pojednostavljenim pretpostavkama

Ravnotežni 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 περισσότερα

KURS ZA ENERGETSKI AUDIT 7

KURS ZA ENERGETSKI AUDIT 7 KURS ZA ENERGETSKI AUDIT 7 EKONOMIJA ENERGETSKE EFIKASNOSTI Dr Dečan Ivanović Ekonomija energetske efikasnosti Inženjeri posmatraju energetiku gotovo uvijek sa aspekta tehnologije energetskih transformacija,

Διαβάστε περισσότερα

OSNOVI ELEKTRONIKE VEŽBA BROJ 1 OSNOVNA KOLA SA DIODAMA

OSNOVI ELEKTRONIKE VEŽBA BROJ 1 OSNOVNA KOLA SA DIODAMA ELEKTROTEHNIČKI FAKULTET U BEOGRADU KATEDRA ZA ELEKTRONIKU OSNOVI ELEKTRONIKE SVI ODSECI OSIM ODSEKA ZA ELEKTRONIKU LABORATORIJSKE VEŽBE VEŽBA BROJ 1 OSNOVNA KOLA SA DIODAMA Autori: Goran Savić i Milan

Διαβάστε περισσότερα

6 Polinomi Funkcija p : R R zadana formulom

6 Polinomi Funkcija p : R R zadana formulom 6 Polinomi Funkcija p : R R zadana formulom p(x) = a n x n + a n 1 x n 1 +... + a 1 x + a 0, gdje su a 0, a 1,..., a n realni brojevi, a n 0, i n prirodan broj ili 0, naziva se polinom n-tog stupnja s

Διαβάστε περισσότερα

radni nerecenzirani materijal za predavanja R(f) = {f(x) x D}

radni 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 περισσότερα

PRIMJER 3. MATLAB filtdemo

PRIMJER 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 περισσότερα

5 Ispitivanje funkcija

5 Ispitivanje funkcija 5 Ispitivanje funkcija 3 5 Ispitivanje funkcija Ispitivanje funkcije pretodi crtanju grafika funkcije. Opšti postupak ispitivanja funkcija koje su definisane eksplicitno y = f() sadrži sledeće elemente:

Διαβάστε περισσότερα

Uvod Teorija odlučivanja je analitički i sistematski pristup proučavanju procesa donošenja odluka Bez obzira o čemu donosimo odluku imamo 6 koraka za

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 περισσότερα

POTPUNO RIJEŠENIH ZADATAKA PRIRUČNIK ZA SAMOSTALNO UČENJE

POTPUNO RIJEŠENIH ZADATAKA PRIRUČNIK ZA SAMOSTALNO UČENJE **** MLADEN SRAGA **** 011. UNIVERZALNA ZBIRKA POTPUNO RIJEŠENIH ZADATAKA PRIRUČNIK ZA SAMOSTALNO UČENJE SKUP REALNIH BROJEVA α Autor: MLADEN SRAGA Grafički urednik: BESPLATNA - WEB-VARIJANTA Tisak: M.I.M.-SRAGA

Διαβάστε περισσότερα