.45 Como se discutió en el párrafo .03, un enfoque no estadístico o estadístico para el muestreo de auditoría, cuando se aplica adecuadamente, puede proporcionar suficiente materia probatoria.
.46 El muestreo estadístico ayuda al auditor (a) a diseñar una muestra eficiente, (b) para medir la suficiencia de la materia probatoria obtenida y (c) evaluar los resultados de la muestra.
Al usar la teoría estadística, el auditor puede cuantificar el riesgo de muestreo para ayudarse a limitarlo a un nivel que considera aceptable. Sin embargo, el muestreo estadístico implica costos adicionales de auditores de capacitación, diseñando muestras individuales para
cumplir con los requisitos estadísticos y seleccionar los elementos que se examinarán. Debido a que el muestreo no estadístico o estadístico puede proporcionar una materia probatoria suficiente, el auditor elige entre ellos después de considerar su costo relativo y efectividad
en las circunstancias.
.47 Esta sección es efectiva para las auditorías de los estados financieros para los períodos terminados a partir del 25 de junio de 1983. Se alienta la aplicación anterior.
1. El riesgo de auditoría, con respecto a un saldo de cuenta o clase de transacciones particulares, es el riesgo de que haya una incorrección monetaria mayor que la incorrección tolerable que afecta una afirmación en un saldo de cuenta o clase de
Transacciones que el auditor no detecta. El auditor utiliza el juicio profesional para determinar el riesgo permitido de una auditoría en particular después de considerar factores como el riesgo de incorrección material en los estados financieros, el costo.
Para reducir el riesgo y el efecto de las posibles declaraciones erróneas en el uso y la comprensión de los estados financieros.
2. Un auditor evalúa el riesgo inherente y de control, y planea y realiza pruebas sustantivas (procedimientos analíticos y pruebas sustantivas de detalles) en cualquier combinación para reducir el riesgo de auditoría a un nivel apropiado.
3. La suficiencia de los tamaños de muestra de auditoría, ya sea no estadístico o estadístico, está influenciada por varios factores. La Tabla 1 ilustra cómo varios de estos factores pueden afectar los tamaños de muestra para una prueba sustantiva de detalles. Factores
A, B y C en la Tabla 1 deben considerarse juntos (ver párrafo .08). Por ejemplo, el alto riesgo inherente, la falta de controles efectivos y la ausencia de otras pruebas sustantivas relacionadas con el mismo objetivo de auditoría normalmente
Requerir tamaños de muestra más grandes para pruebas sustantivas relacionadas de detalles que si hubiera otras fuentes para proporcionar la base para evaluar los riesgos inherentes o de control por debajo del máximo, o si otras pruebas sustantivas relacionadas con el mismo objetivo estaban
realizado. Alternativamente, el bajo riesgo inherente, los controles efectivos o los procedimientos analíticos efectivos y otras pruebas sustantivas relevantes pueden llevar al auditor a concluir que la muestra, si la hay, necesaria para una prueba adicional de detalles, puede ser pequeña.
¿Cómo se calcula el muestreo por conglomerados?
Veamos un poco más de cerca en cada paso: lo que hacemos en cada paso y por qué lo hacemos. Cuando entiendes lo que realmente está pasando,
Será más fácil para usted aplicar fórmulas correctamente e interpretar los hallazgos analíticos.
Nota: Las fórmulas presentadas a continuación solo son apropiadas para el muestreo de clúster.
El primer paso en el análisis es desarrollar una estimación puntual
para la población media o proporción. La media de muestra y la proporción de muestra son buenas estimaciones de puntos. Use esta fórmula para calcular la media de la muestra:
Media de muestra = x = [n / (n * m)] * σ (mh * xh)
donde n es el número de grupos en la población,
n es el número de grupos en la muestra,
M es el número de observaciones en la población,
MH es el número de observaciones en el clúster H,
y XH es la puntuación media de la muestra en el clúster h.
Proporción de muestra = p = [n / (n * m)] * σ (mh * pH)
donde n es el número de grupos en la población,
n es el número de grupos en la muestra,
M es el número de observaciones en la población,
MH es el número de observaciones en el clúster H,
y el pH es la proporción de la muestra en el clúster h.
Debido a que diferentes muestras pueden producir diferentes estimaciones de puntos, puede estar bastante seguro de que la estimación de su muestra sí
No es igual al valor verdadero del parámetro de población exactamente.
Por lo tanto, necesita una forma de expresar la incertidumbre inherente a su estimación. Los seis pasos restantes en el análisis son
orientado a cuantificar la incertidumbre en su estimación.
Artículos Relacionados:
