Galambos P. Kotosz B. (2011): A pénzegységalapú mintavétel. SZAKma. Vol. LIII., no 10., pp (Monetary Unit Sampling)

Hasonló dokumentumok
Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

3. A mintavételi kockázat elfogadható szintjének meghatározása (pl. 5 vagy 10%)

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Dr. Kántor Béla

KÖVETKEZTETŐ STATISZTIKA

Kisvállalkozások könyvvizsgálati sajátosságai

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Kisvállalkozások könyvvizsgálati sajátosságai. Mi a kisvállalkozás? Könyvvizsgálat rendszere és számítógépes támogatása. Dr.

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

Mintavételi eljárások

Biostatisztika VIII. Mátyus László. 19 October

Kérem, ismerkedjen meg a DigitAudit program AuditTeszt moduljának Adatok tesztelése menüpontjával.

6. Előadás. Vereb György, DE OEC BSI, október 12.

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Számviteli szabályozás

Adók könyvvizsgálatának módszertana

Minőség-ellenőrzés 2016

A Metrum Referencia 2012 könyvvizsgáló program

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.


STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

Informatika, mint mintavételezési támogatottság a könyvvizsgálók munkájában. (Wessely Vilmos, az MKVK informatikai tagozatának alelnöke)

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Kettőnél több csoport vizsgálata. Makara B. Gábor

KUTATÁSMÓDSZERTAN 4. ELŐADÁS. A minta és mintavétel

Számviteli szabályozás

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

[Biomatematika 2] Orvosi biometria

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

Községi Önkormányzat Balatonberény

OKLEVELES KÖNYVVIZSGÁLÓI VIZSGAFELADAT KÖNYVVIZSGÁLAT ÉS ELLENŐRZÉS C. TÁRGYBÓL június 7./ A változat

FÜGGETLEN KÖNYVVIZSGÁLÓI JELENTÉS. A Pro Rekreatione Közhasznú Nonprofit Korlátolt Felelősségű Társaság tulajdonosainak

Könyvvizsgálati kockázat

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

Normális eloszlás tesztje

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv

Témák. Könyvvizsgálók szakmai kockázatai Csalási kockázatok a költségvetési szektorban Elvárások a könyvvizsgálóval szemben

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

Könyvvizsgálói jelentés

Kettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet

Minőségellenőrzési tanulságok. Munkácsi Márta Mádi-Szabó Zoltán Minőség-ellenőrzési Bizottság

Matematikai geodéziai számítások 10.

Bakony és Balaton Keleti Kapuja Közhasznú Egyesület Kiegészítő melléklete a évi beszámolóhoz /Adatok: ezer Ft -ban/

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás

A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra

MÓDSZERTAN a pártok gazdálkodása törvényességének ellenőrzéséhez

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

Mérési hibák


FÜGGETLEN KÖNYVVIZSGÁLÓI JELENTÉS

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

Bevezető 11. A rész Az általános könyvvizsgálati és bankszámviteli előírások összefoglalása 13

[Biomatematika 2] Orvosi biometria

A mérési eredmény megadása

BUDAKESZI VÁROS ÖNKORMÁNYZATA. Független Könyvvizsgálói Jelentés

Útmutató a mintavételi módszerekről ellenőrző hatóságok részére és közötti programozási időszak

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

TARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23

2011. ÉVI ÖSSZEVONT (KONSZOLIDÁLT) ÉVES BESZÁMOLÓJÁRÓL. Korlátolt Felelősségű Társaság 1148 Budapest, Fogarasi út 58. (Nysz.

320. TÉMASZÁMÚ NEMZETKÖZI KÖNYVVIZSGÁLATI STANDARD LÉNYEGESSÉG A KÖNYVVIZSGÁLAT TERVEZÉSÉBEN ÉS VÉGREHAJTÁSÁBAN TARTALOM

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

330. témaszámú nemzetközi könyvvizsgálati standard április Nemzetközi könyvvizsgálati standard A könyvvizsgáló válaszai a becsült kockázatokra

FÜGGETLEN KÖNYVVIZSGÁLÓI JELENTÉS. A HEVES MEGYEI VÍZMŰ ZÁRTKÖRŰEN MŰKÖDŐ RÉSZVÉNYTÁRSASÁG (3300 Eger, Hadnagy u. 2.) TULAJDONOSAI RÉSZÉRE

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Általános, vagy speciális - kérdőjelek az "átalakulások" könyvvizsgálatában

Közfelügyeleti minőségellenőrzések

Betekintés a Könyvvizsgálati munkába. Könyvvizsgálói munka szakaszai, Könyvvizsgálói jelentés változás

Populációbecslések és monitoring

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Biomatematika 2 Orvosi biometria

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

A társadalomkutatás módszerei I. Outline. A mintaválasztás A mintaválasztás célja. Notes. Notes. Notes. 13. hét. Daróczi Gergely december 8.

FÜGGETLEN KÖNYVVIZSGÁLÓI JELENTÉS és. TULAJDONOSI TÁJÉKOZTATÓ a Mentő Önkéntes Nyugdíjpénztár évi éves beszámolójáról

MELLÉKLETEK. a következőhöz: A BIZOTTSÁG (EU).../... FELHATALMAZÁSON ALAPULÓ RENDELETE

Elemi statisztika fizikusoknak

STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László

A kockázat fogalma. A kockázat fogalma. Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András

Populációbecslések és monitoring

[Biomatematika 2] Orvosi biometria

A társadalomkutatás módszerei I.

Független könyvvizsgálói jelentés a


FELHASZNÁLÓI LEÍRÁS az AuditTeszt Adatok tesztelése használatához

y ij = µ + α i + e ij

Végleges Vagyonmérleg

Előterjesztés a Bicske Város Sportjáért Közalapítvány évi beszámolójáról

Nemzetközi Könyvvizsgálati és Bizonyosságot Nyújtó Szolgáltatási Standardok Testület 520. témaszámú nemzetközi könyvvizsgálati standard 2009.

Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

MOZGÁSSÉRÜLTEK MEZŐKÖVESDI EGYESÜLETE

Példa. Job shop ütemezés

1/ Sajátos egyszerűsített éves beszámoló választásának előfeltételei:

(Érvényes a december 15-én vagy azt követően kezdődő időszakokra vonatkozó pénzügyi kimutatások könyvvizsgálatára.) TARTALOM

SEGÉDLET. Összeállításra került:

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre

Átírás:

Galambos P. Kotosz B. (2011): A pénzegységalapú mintavétel. SZAKma. Vol. LIII., no 10., pp. 434 438. (Monetary Unit Sampling) A PÉNZEGYSÉG ALAPÚ MINTAVÉTEL Dr. Galambos Péter könyvvizsgáló Dr. Kotosz Balázs egyetemi adjunktus, BGF A könyvvizsgálónak a standardok értelmében elegendő bizonyítékot kell gyűjtenie véleménye alátámasztásához. Ezzel kapcsolatban a könyvvizsgálati bizonyítékokról szóló 500. standard 6. pontja az alábbiakat mondja: A könyvvizsgálónak olyan könyvvizsgálati eljárásokat kell megterveznie és végrehajtania, amelyek az adott körülmények között az elegendő és megfelelő könyvvizsgálati bizonyíték megszerzéséhez megfelelőek. A könyvvizsgálói standardok természetesen csak általános iránymutatást adnak arról, hogy a bizonyíték mikor tekinthető elegendőnek. A konkrét helyzetben a könyvvizsgáló felelőssége annak eldöntése, hogy elegendőnek tartja-e a nagyobb értékű, kockázatosabbnak tekintett tételek kiválasztását és megvizsgálását, vagy a mintavétel statisztikai vagy nem statisztikai változatát alkalmazza. Az elektronikus adatállományok és a mintavételi programok terjedésével egyre könnyebb a mintavétel gyakorlati elvégzése. Az MKVK által kezdeményezett sikeres adatexport a kis- és közepes cégek könyvvizsgálói számára is nagy tömegben teszi elérhetővé a teljes főkönyvi könyvelést digitális formában. Így a mintavétel ma már a napi könyvvizsgálói munkában gyakorlati lehetőséggé vált, és megnőtt az érdeklődés ezen módszerek iránt. A mintavételes vizsgálat lépései az alábbiak: o A minta elemszám és a mintavételezési intervallum kiszámítása o A mintavételezés elvégzése o A minta vizsgálata o A talált hibák kiértékelése, a teljes sokaságra vonatkozó következtetés levonása. Írásunk témája a pénzegység alapú mintavétel, amely az 530. témaszámú standardban az 1. sz. függelékben és a 4. sz. függelékében szerepel, mint a mintavételezésre ajánlott módszerek egyike. Bemutatjuk a módszer statisztikai és nem statisztikai változatát, áttekintjük a mintanagyságot befolyásoló tényezőket és azok meghatározását, a kiértékelést, és körvonalazzuk, hogy melyek a tipikus alkalmazási területek és milyen feltételek mellett növelheti a munka hatékonyságát a mintavétel alkalmazása. 1. A pénzegység alapú mintavétel módszere, jellemzői A pénzegység alapú mintavétel (Monetary Unit Sampling, MUS) során a pénzegységek száma jelenti a mintavételi sokaságot. A mintavételezéshez a sokaságot bármilyen módon sorba rendezzük (pl. bizonylatszám sorrendjében, vagy a vevők neve szerint, vagy a termékek megnevezése szerint, stb.). Ezután véletlenszerűen az alább leírt szisztematikus kiválasztás módszerével kiválasztunk n számú mintavételezési egységet, azaz pénzegységet. A hozzájuk tartozó logikai egységek

alkotják a mintát, amin a vizsgálatot elvégezzük, és vizsgálati eredményeket kiértékeljük. A pénzegység alapú mintavételt az alábbi ábrán szemléltetjük: Logikai egység, mintavételi egység és mintavételi intervallum 2 Ft 4 Ft 8 Ft 2 Ft 3 Ft 4 Ft 3 Ft 5 Ft 2 Ft 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 A felső sor a mintasokaságot képviseli, amiből mintát akarunk venni (pl. követelések értéke vevőnként). A mintavétel célja az egyenlegközlésre kiküldendő tételek kiválasztása. A mintasokaság 9 tételből áll, az összértéke 33 Ft. A középső sor a mintavételi egységeket szemlélteti. Összesen a mintavételi sokaság végösszegének megfelelő, 33 mintavételi egység van. Az alsó sorban a mintavételi intervallumot tüntettük fel, amelynek a számítását a későbbiekben mutatjuk be. A mintavételi intervallum 5 Ft. A véletlenszám generátorral kiválasztott kezdőérték 3 Ft. A mintavételt 3 Ft-nál elkezdve szisztematikus kiválasztással a 8. a 13. a 18., stb. mintavételi egységeket választjuk ki. Összesen 6 db mintavételi egységet választunk, azaz a minta elemszáma 6. Mindegyik mintavételi egységhez tartozik egy logikai egység. A kisebb logikai egységeknek alacsonyabb az esélyük a mintába való bekerülésre, a nagyobb logikai egységek magasabb valószínűséggel kerülnek be a mintába. A pénzegység alapú mintavétel egyik jó tulajdonsága, hogy automatikusan elvégzi a minta rétegzését. Ha lenne 0 értékű követelés, akkor azt a pénzegység alapú mintavétel nem választaná ki. A negatív értékek a példánál maradva a Követel előjelű egyenlegek a pénzegység alapú mintavétel szempontjából nem értelmezhetők. Ha a logikai egység nagyobb, mint a mintavételi intervallum, akkor előfordulhat, hogy a mintavétel során kétszer lesz kiválasztva. Ez történt a 8 Ft értékű követeléssel is. Így a kiválasztott logikai egységek száma, a minta tételszáma - amit vizsgálni kell - lehet kevesebb, mint a minta elemszáma. Jelen esetben a minta tételszáma 5 db logikai egység. 2. A pénzegység alapú statisztikai mintavétel A statisztikai mintavételezés jellemzői, hogy o a minta tételeinek kiválasztása véletlenszerű; és o a minta eredményeinek értékelésére a valószínűség-elméletet alkalmazza, beleértve a mintavételezési kockázat mérését is. 2

A minta elemszámot az alábbi képlettel számoljuk ki: Minta elemszám = megbízhatósági együttható elfogadható hiba sokaság könyv szerinti értéke A képlet számlálójaban szereplő megbízhatósági együtthatót a várható hiba és az elfogadható hiba hányadosa, valamint a mintavételezési kockázat ismeretében lehet a rendelkezésre álló statisztikai mintavételi táblázatok, vagy könyvvizsgáló program segítségével - megállapítani. A statisztikai mintavétel elvégzéséhez meg kell határoznunk, hogy mit tekintünk elfogadható hibának, mekkora mintavételezési kockázatot tartunk megengedhetőnek, valamint meg kell becsülni, hogy a mintavételből milyen nagyságrendű várható hibával számolunk. Elfogadható hiba 1 Az 530. sz. standard A3. pontja szerint az elfogadható hibás állítás a 320. témaszámú nemzetközi könyvvizsgálati standardban definiált végrehajtási lényegesség alkalmazása egy adott mintavételezési eljárásra. Az elfogadható hibás állítás lehet a végrehajtási lényegességgel megegyező vagy attól alacsonyabb összeg. A végrehajtási lényegesség az általánosan alkalmazott gyakorlat szerint a lényegesség 50-75 %-a. Az 50 %-os mérték nagyon konzervatív könyvvizsgálati megközelítés esetén alkalmazható. A kis- és középvállalkozások vizsgálatánál inkább a 75 %-os vagy ahhoz közelálló mérték javasolt. Várható hiba A könyvvizsgálónak meg kell becsülnie, hogy milyen összegű hiba várható a minta vizsgálata során. A becslésnél figyelembe vesszük a könyvvizsgálói kockázatot, az előző évek vizsgálati eredményeit, és a lényeges hiba előfordulásának kockázatát a vizsgált sokaságban. Ha a kockázat alacsony, akkor a várható hiba akár nulla értékű is lehet. Mintavételezési kockázat A mintavételezési kockázat az 530. Standard definíciója szerint annak kockázata, hogy a könyvvizsgáló egy minta alapján levont következtetése eltérhet attól a következtetéstől, amelyet akkor vonna le, ha ugyanazt a könyvvizsgálati eljárást a teljes sokaságra vonatkozóan végrehajtaná. 1 Az 530. standard az elfogadható hibás állítás kifejezést használja. A megfelelő statisztikai fogalom az elfogadható hiba. A könnyebb érthetőség és a statisztikailag elfogadott szóhasználattal való egyezés érdekében ez utóbbit használjuk. 3

A könyvvizsgálati kockázat mintavételezési eljárásokban általánosan elfogadott mértéke 5%. Magasabbb mintavételi kockázat és az ezzel járó kisebb mintaméret - engedhető meg abban az esetben, ha a vizsgált cégnél a kockázat alacsony és ha a mintavétellel vizsgált területre más vizsgálatokat is végeztünk. A minta elemszám és a mintavételi intervallum számítását egy számpéldán szemléltetjük: Megnevezés Számítás módja Eredmény A mintavételi sokaság végösszege 11 000 000,00 Elfogadható hiba 330 000,00 Várható hiba összege 66 000,00 Mintavételezési kockázat 5% Megbízhatósági együttható 4,63 Elfogadható hiba/mintavételi 330000/11000000 0,03 sokaság Minta elemszáma 4,63/0,03 154 Mintavételi intervallum 11000000/154 71 429 Hogyan alakul a minta elemszáma az őt befolyásoló tényezők függvényében? Az alábbi táblázat néhány jellemző paraméterre tartalmazza a minta elemszámokat 2 : Várható hiba az elfogadható hiba arányában Mintavételezési kockázat Elfogadható hiba a mintasokaság %-ában 30% 10% 5% 4% 3% 2% 1% 0 5% 10 30 60 75 100 150 300 0 10% 8 24 47 58 77 116 231 0 20% 6 17 33 41 54 81 161 0 35% 4 11 21 27 35 53 105 0,2 5% 16 47 93 116 155 232 463 0,2 10% 12 35 69 86 114 171 341 0,2 20% 8 23 46 58 77 115 230 0,2 35% 5 14 28 35 46 69 138 Vegyük észre, hogy a minta elemszáma arányszámoktól függ, és a mintavételi sokaság értéke valamint elemszáma, azaz a vizsgált cég nagyságrendje nincs rá hatással. A minta elemszámot a legnagyobb mértékben az elfogadható hiba/mintasokaság aránya befolyásolja. Ha ez az arány 1-3 % között van, és a 2 AICPA (2008) 122. o. 4

mintavételi kockázatot is 5-10 % körüli szinten kell tartani, akkor a mintavétel csak nagyméretű mintasokaságok esetében lesz gazdaságos. Hatékony lehet a mintavétel abban az esetben is, ha a mintasokaság pl. a követelések vagy a készletek értéke alacsony az árbevételhez vagy a mérlegfőösszeghez viszonyítva, és az elfogadható hibát ez utóbbiak alapján állapítottuk meg. Ekkor az elfogadható hiba/mintasokaság arány meghaladhatja az 5 %-ot, ami felett a táblázatban már barátságosabb minta elemszámokat találunk. A minta vizsgálata után a talált hibákat kiértékeljük. Meg kell állapítani, hogy az adott kockázati szint mellett a teljes sokaságban mekkora lehet a hibaösszeg, amit az elfogadható hibával kell szembeállítani. A mintavételi eredmények kiértékelésekor a hiba azt jelenti, hogy a vizsgálat alapján megállapított valóságos érték nem egyezik a könyv szerinti értékkel. Az eltérés egyik iránya a felülértékelés, amelynél a könyv szerinti érték nagyobb, mint a valóságos. A felülértékelésre példa az el nem számolt, vagy a szükségesnél kisebb értékben becsült értékvesztés, értékhelyesbítés, az elmaradt selejtezés, leírás, a könyvekben kimutatott, de a valóságban csak a következő évben jogossá váló követelés. A hiba másik iránya az alulértékelés, amikor a könyv szerinti érték kisebb, mint a valóságos. Az alulértékelésre példa az elszámolatlan garanciális kötelezettség, a tárgyévet érintő, de a könyvelés elhalasztásával a következő évre áttolt szállítói és egyéb kötelezettség, a devizában fennálló kötelezettség el nem számolt árfolyamvesztesége. A mintavételi eredmények kiértékeléséhez kiszámítjuk a hiba felső határát. A hiba felső határa az az összeg, amelynél a mintavételezésnél megállapított kockázati szint mellett a tényleges hiba nem lehet nagyobb. A kiértékelés végső eredményeként azt állapítjuk majd meg, hogy x % (= 100% - a választott kockázati szint) a valószínűsége annak, hogy a teljes sokaságban a hiba nem nagyobb y összegnél (= a hiba felső határa). A hiba felső határának a számítási módja függ attól, hogy a hiba meghaladja-e vagy sem a mintavételi intervallumot, valamint hogy a tétel teljes egészében hibás vagy csak részben. Például ha a hibák kisebbek, mint a mintavételezési intervallum, és a tételek teljes egészében hibásak, akkor a hiba felső határát az alábbi képlet segítségével számítjuk ki: A hiba felső határa = mintavételi intervallum * megbízhatósági együttható A megbízhatósági együttható amely csak nevében azonos a mintavételezésnél használt együtthatóval - a mintavételezési kockázattól és a mintában talált hibák számától függ. Az alábbi táblázat 5, 10, 20 és 30 % mintavételezési kockázat esetére tartalmaz megbízhatósági együtthatókat 3 : A mintában talált hibák száma Megbízhatósági együtthatók a minta kiértékeléséhez Mintavételezési kockázat 5 % 10 % 20 % 30 % 3 AICPA (2008) p. 126 5

0 3,00 2,31 1,61 1,21 1 4,75 3,89 3,00 2,44 2 6,30 5,33 4,28 3,62 3 7,76 6,69 5,52 4,77 4 9,16 8,00 6,73 5,90 5 10,52 9,28 7,91 7,01 A táblázatból látható, hogy a megbízhatósági együttható már viszonylag kis számú hiba esetében is gyorsan emelkedik. Az együttható a mintavételezési kockázat mellett csak a hibák számától függ. A hiba felső határa érzéketlen a hiba nagyságára, ha ez utóbbi kisebb, mint a mintavételi intervallum. Ha pl. 5 hibát találtunk, akkor 5 % kockázat mellett a hiba felső határa mindenképp az intervallum 10,52-szerese lesz. A kiértékelési módszer konzervatív, már néhány kis hiba esetén is a hiba felső határa könnyen eléri az elfogadható hiba összegét. A hiba felső határa együttesen tartalmazza a kivetített hibát, valamint a statisztikai mintavétel hibáját. A kiértékelés kapcsán meg kell említeni, hogy a pénzegység alapú mintavételt alapvetően a felülértékelések felfedésére tervezték. Mivel a mintát méretarányosan választja, ezért kisebb valószínűséggel kerülnek be a kicsi tételek, amelyekben nagyobb valószínűséggel lehet jelentős alulértékelés. Ennek ellenére a gyakorlatban elterjedt a módszer alulértékelések vizsgálatára való használata is. Ha a mintában mind felül-, mind alulértékelés(eke)t találtunk, a kétféle hiba kiértékelése nem összevontan, hanem külön-külön, teljesen analóg módon történik 3. A nem statisztikai mintavétel A nem statisztikai mintavételnél a minta kiválasztása véletlenszerű, de a kiértékelés nem a valószínűség-elmélet alapján történik, igy a mintavételezési kockázatot sem mérjük ebben az esetben. A minta elemszám kiszámításának a statisztikai mintavétellel azonos a képlete, a statisztikai kiértékelés hiánya miatt azonban nincs értelme megbízhatósági együtthatóról beszélni. Funkcióját egy kockázati tényező tölti be. A minta elemszám formulája: Minta elemszám = kockázati tényező elfogadható hiba sokaság könyv szerinti értéke A kockázati tényezőt az alábbi táblázatból becslés alapján választja ki a könyvvizsgáló: Kockázati tényező nem statisztikai mintavétel esetén 4 4 Forrás: Guy et al (1994), p. 6

Kombinált Az egyéb vizsgálatokból szerzett bizonyosság foka kockázat alacsony mérsékelt jelentős maximális maximális 3,0 2,7 2,3 2,0 jelentős 2,7 2,4 2,0 1,6 mérsékelt 2,3 2,1 1,6 1,2 alacsony 2,0 1,9 1,2 1,0 A kombinált kockázat a vizsgált cég eredendő kockázatának és az ellenőrzési kockázatnak az együttesét jelenti, azaz megfelel a lényeges hibás állítás kockázatának. Az egyéb vizsgálatokból szerzett bizonyosság foka arra vonatkozik, hogy a könyvvizsgáló a mintavétellel vizsgálandó területre végzett-e más vizsgálatokat (pl. más alapvető vizsgálatokat vagy elemző eljárásokat), és azokból milyen fokú bizonyosságot szerzett. Milyen mintaméretekkel találkozhatunk a nem statisztikai mintavétel esetén? Tételezzük fel, hogy az elfogadható hiba a mintasokaság 1 %-át teszi ki, igy a minta elemszám képletében a nevező 0,01. Ha a kombinált kockázat maximális, továbbá a könyvvizsgáló csak alacsony fokú bizonyosságot szerzett az egyéb vizsgálatokból, akkor a minta elemszáma 300 tételre adódik (3,00/0,01). Ez egyben a maximális lehetséges elemszám. Ez az érték megfelel annak, amit a statisztikai mintavételnél nulla várható hiba, 5 % mintavételi kockázat és 1 % elfogadható hibaarány mellett kapnánk. Ha a kombinált kockázatot alacsonyra becsüljük, és az egyéb vizsgálatokból maximális bizonyosságot lehetett szerezni, akkor a becslés alapján a minta elemszáma 100 tétel (1,00/0,01). Ez közelítőleg megfelel annak, amit a statisztikai mintavétel nulla várható hiba, 35 % mintavételi kockázat és 1 % elfogadható hibaarány mellett eredményez. A nem statisztikai mintavétel kiértékelése során csak a fellelt hibák egyszerűsített kivetítését kell elvégezni. Ennek lépései: 1. A hibás tételek hibaarányának meghatározása hiba/könyv szerinti érték formában 2. A hibaarányok összegzése 3. A kivetített hiba = a hibaarányok összege * a mintavételi intervallum Ebben az esetben a kapott eredmény csak a legvalószínűbb hibát tükrözi, további valószínűségi következtetés levonását nem teszi lehetővé. 4. Összefoglalás Írásunkban áttekintettük a pénzegység alapú mintavételezés és a minta kiértékelésének módszerét, annak statisztikai és nem statisztikai változatát. Megállapításainkat az alábbiakban foglaljuk össze: (a) (b) A pénzegység alapú mintavétel előnyei közé sorolhatjuk, hogy általában könnyebb alkalmazni, mint a klasszikus véletlen mintavételt, a használata egyszerűbb. A mintavétel módjából adódnak az alábbiak: 7

o A mintát nem kell rétegezni annak érdekében, hogy a becslés standard hibáját csökkentsük, mert a mintavétel módja automatikusan biztosítja a nagyobb tételek nagyobb valószínűséggel mintába kerülését. o Ha a nulla egyenlegek vizsgálata valamiért fontos a könyvvizsgáló számára, akkor ezeket külön ki kell választani vizsgálatra, mert a pénzegység alapú mintavétel ezeket nem veszi be a mintába. o A negatív egyenlegeknél statisztikai szakértő nélkül az egyedüli lehetőség, hogy ezeket külön állományban vizsgáljuk. (c) A statisztikai módszerrel vett minta elemszámával kapcsolatban megállapítottuk, hogy: o Az elemszámot a vizsgált cég nagyságrendje nem befolyásolja. o A minta elemszám meghatározásához nem szükséges a sokaság tulajdonságainak az ismerete (pl. eloszlás, szórás, stb.), mert a mintát úgy választjuk, hogy minden egyes pénzegység azonos eséllyel kerül a mintába. A klasszikus véletlen mintavételnél a minta mérete függ a sokaság szórásától (Hunyadi-Vita, 2004). o Ha arra számítunk, hogy a vizsgálat nem állapít meg hibát, akkor a pénzegység alapú mintavétel hatékony mintaméretet ad. Ahogy növekszik a várható hiba összege, úgy növekszik a mintaméret. Lehetséges, hogy várható hiba bizonyos értékén túl a klasszikus véletlen mintavétel hatékonyabb. (d) (e) (f) A pénzegység alapú mintavétel egyik hátránya, hogy elsősorban a felülértékelések felfedésére tervezték, a statisztikai hátteréből és a mintavétel módjából adódóan az alulértékelés vizsgálatára korlátozottan alkalmas. A gyakorlatban mindkét irányú hiba kiértékelése azonos szisztémával, de különkülön történik. A statisztikai mintavétel alapján végzett kiértékelés konzervatív, nagyon érzékeny a hibák számára azok értékétől függetlenül. Ez is erősíti azt az előző megállapítást, hogy a módszer optimálisan ott alkalmazható, ahol nem számolunk várható hibával. A statisztikai mintavétellel összehasonlítva a nem statisztikai mintavétel tervezése kevésbé összetett, az itt használt becslés kisebb minta elemszámokat ad, a kiértékelése lényegesen egyszerűbb. A mintavétel nélküli vizsgálathoz képest előnye a vizsgálandó tételek véletlenszerű kiválasztása, valamint hogy nem igényli a minta rétegzését. A gyakorlati munkában az elegendő bizonyítékot hatékonyan, gazdaságosan kell megszerezni. A pénzegység alapú statisztikai mintavétel gazdaságosabban alkalmazható ha a mintavételi kockázat alacsony, a várható hiba nagyon kicsi, továbbá ahol inkább felülértékeléssel, mint alulértékeléssel kell számolni. A felülértékelésnek általában jobban kitett vizsgálati területek például az alábbiak: 8

o Vevő követelések kiválasztása visszaigazolásra (ha a vevő folyószámlán nincsenek nagy számban, vagy jelentős összegben, vagy nagyon kockázatos önálló követel tételek). o Adott kölcsönök kiválasztása visszaigazolásra. o Értékpapírok kiválasztása az év végi átértékelés ellenőrzésére. o Készletek kiválasztása az értékelés ellenőrzésére. o Tárgyi eszköz növekmények értékelésének vizsgálata. Irodalomjegyzék 1. AICPA (American Institute of Certified Public Accountants) (2008): Audit Sampling. Audit Guide, New Edition, May 2008. 2. Guy, D.M. Carmichel, D.R. Whittington, O.R. (1994): Audit Sampling. An Introduction. Third Edition John Wiley & Sons, Inc. 3. Hunyadi, L. Vita, L. (2004): Statisztika közgazdászoknak. Központi Statisztikai Hivatal, Budapest. 4. Lolbert, T. (2006): A sokasági értékösszeg becslése a könyvvizsgálatban. Statisztikai Szemle, 84. évf. 3. sz. 225-248. o. 5. Stringer, K. W. (1979): Statistical sampling in auditing. The state of art. Annual Accounting Review, 1. sz, 113-127. o. 9