Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumos4 - Amostragem
Resumos4 - Amostragem
INTRODUÇÃO à AUDITORIA
AMOSTRAGEM EM AUDITORIA
O limite de um trabalho de auditoria é seu universo de verificação. Isso significa que para ter cem por
cento de certeza em um trabalho de auditoria, é necessário que se examine todos os itens ou contas a
serem auditadas. Esse tipo de trabalho deixa o auditor mais seguro para emitir opiniões, uma vez que o
erro de auditoria fica reduzido ao mínimo possível, no entanto, exige muito tempo e, consequentemente,
eleva os custos aos seus patamares mais altos.
Os trabalhos de auditoria precisam ser realizados de forma prática, objectiva e segura e ocupar o menor
tempo e o menor custo possível. Assim, o auditor lança mão de técnicas de amostragem que possam lhe
dar soluções confiáveis no menor espaço de tempo possível, com o menor custo e a menor margem de
risco. Na realidade, o que se verifica na amostragem é uma relação custo versus benefício.
No geral, a amostragem é um processo mais eficiente do que a análise integral, uma vez que permite obter
conclusões cientificamente válidas, com uma menos utilização de recursos
As vantagens da amostragem:
As desvantagens da amostragem:
- Aumento do risco de erro, ou seja, pode se deixar de verificar alguma conta ou saldo errado;
- Pode se aceitar ou rejeitar populações inadequadamente;
- Pode se efectuar estimações que não reflictam a realidade; etc.
A amostragem em auditoria pode ser aplicada aos testes de controlo e testes substantivos.
- Nos testes de controlo a amostragem proporciona informações sobre os desvios ocorridos nos
controlos internos,
- Nos testes substantivos esta proporciona informações sobre possíveis erros monetários
Amostragem não estatística é aquela em que o auditor efectua a amostragem através de meios subjectivos,
ou seja, através de julgamento, levando em conta factores relevantes e pertinentes ao facto.
Amostragem Estatística
NB: “`whenever possible auditors should use statistical sampling for preference, as they will have
scientific foundation for the evaluation of the results of his tests”.
A selecção da amostra leva mais tempo do que uma amostra não estatística
É requerido ao auditor conhecimento de estatística
População e Amostra
População
Conjunto total de dados de onde auditor pode retirar a amostra para chegar a uma conclusão. O auditor
precisa, antes de tudo ter a certeza de que a população da qual retirará a amostra é perfeitamente adequada
e está de conformidade com os objectivos de auditoria
Amostra
Extracção de amostras
As amostras extraídas através de processos aleatórios, geralmente, tem mais validade ou seja, mais
representatividade por estarem desprovidas de vícios ou julgamentos. Estas tem maior importância na
análise estatística.
Tipos de amostras
- A não probabilística e
- A probabilística
Amostragem probabilística
É objectiva. Nela conhecemos todas as combinações amostrais possíveis, podendo estabelecer com
precisão a variabilidade amostral e por conseguinte uma estimativa do erro amostral
É dita amostragem subjectiva ou por julgamento. Nela não podemos estabelecer com precisão a
variabilidade amostral, consequentemente não se pode estimar o erro amostral
Risco de amostragem
Os riscos de amostragem estão presentes tanto nos testes de controlo como nos testes substantivos.
- Risco de baixa confiabilidade: o risco de que, ainda que o resultado da amostra não apoie a
avaliação do auditor, a proporção real apoiaria tal avaliação
ISCAM / gchamba
- Risco de alta confiabilidade: o risco de que, ainda que o resultado da amostra apoie a avaliação
do auditor, a proporção real não apoie tal avaliação
- Risco de rejeição incorrecta: o risco de que, ainda que o resultado da amostra apoie a conclusão
de que o saldo de uma conta ou classe de transacções registado está, relevantemente, representado
de maneira errónea, e portanto, na realidade não está relevantemente representado de maneira
errónea – risco alfa. Afecta apenas a eficiência da auditoria.
- Risco de aceitação incorrecta: o risco de que, ainda que o resultado da amostra apoie a conclusão
de que o saldo de uma conta ou classe de transacções não está relevantemente representado de
maneira errada, e de facto está relevantemente representado erroneamente – risco beta. Afecta a
eficácia da auditoria.
a) dispersão da população;
b) nível de risco que está disposto a aceitar;
c) erro tolerável;
d) expectativa de erro na população;
e) exactidão;
f) nível de confiabilidade;
g) tamanho da população.
Dispersão da população
A dispersão da população tem um efeito positivo sobre a dimensão da amostra. Assim, quão superior a
dispersão populacional, maior tenderá a ser o tamanho da amostra.
Estatisticamente esta variação é mensurada através do desvio padrão, enquanto que no método não
estatístico esta avaliação é efectuada pelo julgamento do auditor.
Mede o nível de dispersão dos valores em relação a sua média (valor esperado)
O desvio padrão é a média da diferença entre cada elemento da população com a média da população.
Se todos os elementos da população forem iguais (ou tiverem características semelhantes) então o desvio
padrão será nulo ou quase nulo.
Quanto mais os elementos da população se afastarem da sua média maior é o desvio patrão.
ISCAM / gchamba
E por isso, quanto maior for o desvio padrão maior será a amostra a seleccionar (porque os itens da
população são mais divergente será necessário seleccionar uma amostra maior para ser representativa da
população)
Quando o auditor decide recorrer ao processo da amostragem para efectuar o seu trabalho, foi porque de
certo concluiu que o custo e o tempo associados a uma análise a 100% seria, no seu julgamento, superior
às consequências de uma possível opinião errada obtida a partir da análise de uma amostra. Quando toma
esta atitude, o auditor está a aceitar correr um determinado risco.
Nestas circunstâncias, o risco de a opinião do auditor acerca das demonstrações financeiras se revelar
incorrecta, respeita ao risco de amostragem, o qual engloba as duas situações possíveis de erro:
1) o auditor, da análise dos elementos da amostra decide rejeitar os valores declarados pela empresa,
mas estes não se encontram materialmente incorrectos – risco alfa;
2) o auditor da análise dos elementos da amostra decide aceitar os valores declarados pela empresa,
mas estes se encontram materialmente incorrectos – risco beta.
O risco alfa, que corresponde ao risco de uma incorrecta rejeição das demonstrações financeiras, é
complementar do nível de confiabilidade, ou seja, delimita negativamente a potência dos testes.
O risco de auditoria (RA), está ligado ao risco beta. Com efeito, o risco beta encontra-se bastante
associado ao risco de detecção (RD), já que respeita ao risco de uma aceitação incorrecta, a qual ocorre
quando o auditor, no desenvolvimento do seu trabalho, não detecta erros materialmente relevantes.
O erro tolerável corresponderá ao limite inferior da materialidade. Ou seja, respeita ao erro máximo
numa conta ou saldo, que quando adicionado a erros noutras contas ou saldos, não altera materialmente as
demonstrações financeiras.
O erro tolerável tem um efeito inverso sobre a dimensão da amostra. O que significa que à medida que a
auditoria fixa um valor superior de erro que está disposto a aceitar, diminui o número de elementos a
analisar.
Numa perspectiva radical, válida apenas enquanto exemplo académico, se o auditor não tolerar a
existência de qualquer erro, isto é, se pretender emitir opinião sobre a exactidão precisa e inquestionável
dos valores expressos nas demonstrações financeiras, terão de ser analisados todos os elementos da
população. Neste caso não há erro tolerável pelo auditor.
Mas na realidade não é assim que acontece. Com efeito, o auditor fixa a materialidade ou erro tolerável e
ao aceitar as demonstrações financeiras como correctas, não está a afirmar que elas de todo não contém
erros, mas antes que os desvios potenciais não são materialmente relevantes.
Da mesma forma o erro esperado tem igualmente um efeito inverso (em relação ao erro tolerável) sobre
a dimensão das amostra e é também denominado de erro antecipado. Como o próprio nome indica,
ISCAM / gchamba
corresponde ao desvio que o auditor julga vir a encontrar na população. Assim, se a expectativa de erro na
população é elevada, o auditor tende a analisar um maior número de elementos.
A diferença entre o erro esperado e o erro tolerável pelo auditor delimita o risco da amostragem. Pelo que,
à medida que aumenta o erro expectável, diminui o risco de amostragem e aumenta o tamanho da amostra
para os testes substantivos.
É o índice máximo do desvio de um procedimento de controlo prescrito que o auditor estaria disposto a
aceitar, baseado na avaliação preliminar dos riscos de controlo
É o erro monetário máximo em um saldo de uma conta ou classe de transacções, que o auditor estaria
disposto a aceitar, de forma que, quando os resultados de todos os procedimentos de auditoria forem
considerados, o auditor possa concluir, com certeza razoável, que as demonstrações financeiras reflectem
a realidade
Erro esperado
Para se determinar o erro esperado tem uma população, o auditor deve considerar pontos como:
Exactidão
O nível de exactidão está intimamente relacionado com o ponto anterior e respeita à amplitude do
intervalo de confiança construído através da análise dos elementos da amostra. A amplitude do intervalo é
função do erro tolerádo pelo auditor e exprime a maior ou menor exactidão dos resultados da amostra.
Desta forma, pode afirmar-se em relação ao efeito deste factor sobre a dimensão da amostra que uma
maior exactidão exige uma amostra de tamanho superior, no limite a análise de 100% dos itens da
população, o que revela aversão ao risco de auditoria e está associado ao conservadorismo na análise da
materialidade. E a exigência de uma menor exactidão traduz-se na aceitação de um risco superior e
implica a selecção de uma amostra de dimensão mais reduzida.
ISCAM / gchamba
Representa os parâmetros dentro dos quais o resultado esperado será encontrado. Assim, o auditor deverá
decidir nos limites de precisão logo depois da determinação do objecto por auditor.
Os limites de precisão tem uma influência directa no tamanho da amostra a seleccionar porque quanto
menor for o campo de precisão mais confiável é a estimativa e isto implicará maior tamanho da amostra
Também, quanto maior forem os limites de precisão estabelecidos para uma amostra, o nível de confiança
esperado nos resultados por obter será baixo
Nível de confiança
Quanto melhor for o Sistema CI, mais confiança será dada neste sistema e consequentemente o nível de
confiança sobre a amostra será baixo. O contrário também serve, se o sistema de controlo interno é fraco
o auditor confiará mas nos resultados dos testes que vai fazer o que implicará o aumento de nível de
confiança sobre a amostra.
O nível de confiança e os limites de precisão são determinados pelo auditor e normalmente são
influenciados pelos seguintes factores:
- Materialidade
- Risco de auditoria
- O objectivo do teste
- A eficácia do sistema do controlo interno
Tamanho da população
O tamanho da amostra também é afectado pelo nível de risco da amostragem que o auditor está disposto
a aceitar. Quanto mais baixo o risco aceitável, maior deverá ser o tamanho da amostra
ISCAM / gchamba
Vários factores influenciam o tamanho da amostra nos testes de controlo bem como nos testes
substantivos, de forma diferentemente
- Avaliação preliminar mais alta ou mais baixa do risco de controlo – avaliação do risco do
controlo;
- Índice aceitável de desvio mais alto ou mais baixo – erro tolerável;
- Índice de alta confiabilidade mais alto ou mais baixo – risco permissível de alta confiabilidade;
- Índice esperado de desvio da população mais alto ou mais baixo – erro esperado;
Com base nestes vectores, alguns com efeito proporcional e outros com efeito inverso, deve o auditor
determinar o tamanho óptimo da amostra, que lhe permita obter resultados fiáveis.
Em função da técnica escolhida é utilizada uma fórmula diferente para determinar o tamanho da amostra:
TÉCNICA FÓRMULA
MPU N x Coef NC x S
Ex
DIFERENCE N x Coef NC x Sd
Ex
PPS
VR x NC.......
ET – ( Ee x Fex )
VR x NC.......
ISCAM / gchamba
NÃO ESTATÍSTICA ET
N = Tamanho da população
S = Desvio Padrão
Ex = Exactidão
ET = Erro Tolerável
A abordagem MPU consiste na estimativa do erro monetário contido na população através da comparação
entre o valor auditado e o valor assente nos registos. Assim, é calculada a média dos valores da amostra
(the sample mean), a qual é depois multiplicada pelo número de itens da população. O resultado desta
operação corresponde ao valor auditado que deve ser comparado com o valor registado. A diferença
apurada entre as duas grandezas corresponderá ao erro projectado (projected misstatement). Como é fácil
de supor esta técnica pressupõe um conhecimento do número total de elementos da população e, quanto
maior for a dispersão dos valores que a compõem, maior tenderá a ser o tamanho da amostra.
As técnicas Difference e Ratio Estiation são variantes da abordagem anterior e, apesar de idênticas,
constituem planos de amostragem distintos; cada um deles apropriado a circunstancias diferentes
Na técnica Difference Estiamtion é calculada uma diferença para cada item da a mostra, que corresponde
ao valor do elemento testado (audited value) menos o seu valor de registo (book value).
Daqui se depreende que este plano de amostragem terá associado um custo inferior ao da técnica MPU, já
que tende a conduzir a amostras de mais pequena dimensão. Com efeito, o desvio padrão entre o audited
value e o book value tende a ser maior que o das diferenças entre estas duas grandezas.
Mas, apesar de mais económica, esta abordagem só poderá ser utilizada nas seguintes circunstâncias
cumulativas:
A técnica Ratio Estimation é, como se disse, semelhante à anterior. Mas, ao invés do cálculo de
diferenças, é utilizado um rácio que resulta da divisão entre a soma dos valores auditados pela soma dos
ISCAM / gchamba
valores registados, dos elementos da amostra. Este rácio é então multiplicado pelo valor total de registo
de forma a apurar uma estimativa do valor da população.
As condições acima definidas para a utilização da técnica Difference Estimation, são igualmente válidas
para esta abordagem estatística. O que está na base da utilização de uma ou outra técnica é a existência ou
não de uma correlação entre o valor das diferenças individuais e a respectiva quantia de registo.
Assim, quando as diferenças tendem a ser exactamente proporcionais ao valor registado, é mais eficiente
a utilização da técnica Ratio Estiation, que neste caso nos conduz a amostras de inferior dimensão. Caso
contrário, é de utilizar o plano de amostragem alternativo.
Como alternativa às designadas Variáveis Estatísticas Clássicas pode ser utilizada a técnica estatística
Probability Proportional to Size, correntemente denominada pela sigla PPS. Esta diferente abordagem
caracteriza-se por aplicar a teoria dos atributos à estimativa do erro monetário existente na população.
A principal diferença face às técnicas anteriores é que enquanto que nas Variáveis Estatísticas cada
transação ou saldo é um elemento de amostragem, na PPS cada unidade monetária constitui um item da
população. Pelo que, cada transação tem uma probabilidade proporcional à sua dimensão de ser incluída
na amostra.
Apresenta como principais vantagens face às Variáveis Clássicas o facto de ser de mais simples
utilização, fruto da exigência de um menor número de cálculos, e também pelo facto de implicar menos
custos ao conduzir à obtenção de amostras de menor dimensão.
Este método não requer o cálculo do desvio padrão pelo que deve ser utilizado quando a variabilidade da
população é desconhecida. No entanto, não é de todo o método mais eficaz para populações onde há uma
grande expectativa de erro, sobretudo quando essa situação se fique a dever a subavaliações.
Quando o erro projectado excede o erro tolerável, o auditor reavaliará o risco da amostragem e se este
for inaceitável, deverá estender os procedimentos de auditoria ou realizar procedimentos alternativos.
Suponhamos que um número de facturas emitidas durante um determinado período foi de 1000
(N), numeradas de 1 a 1000, e que se pretende seleccionar 200 (n), para a realização de testes, de
onde resulta que o intervalo será 5. Se a factura de começo tiver o número 4 (calculado
aleatoriamente) a segunda factura a testar será a que tiver o número 9 (4+5) e assim
sucessivamente até serem testadas todas as 200.
A amostragem por blocos (também muito aplicada na realização dos testes de conformidade),
consiste em seleccionar, numa base de apreciação, uma ou mais partes da população efectuando-
se em seguida os testes de auditoria a todas as partes da população seleccionada.
Cada parte da população (bloco) deve ser sequencial e, tanto quanto possível, ser representativa
do universo.
Por exemplo
1º 25 a 74
2º 289 a 338
3º 660 a 709
4º 909 a 958
Outra hipótese será a de considerar como bloco, um período de tempo (uma semana, um mês,
etc.) e testar as facturas emitidas nesse período.
Esta técnica tem grande aplicação na realização de testes substantivos relativos, por exemplo, à
confirmação de saldos de clientes e à valorimetria das existências.
De facto, quer num caso quer noutro, o auditor pode seleccionar os clientes ou os itens das
existências com saldos mais significativos de tal modo que o total da amostra represente uma
percentagem relevante dos saldos globais de cada uma das contas.
A amostragem por números aleatórios consiste em submeter a uma população dada, o concurso
de selecção das partidas que hão de representar através de números ao acaso obtidos de um
computador ou de uma tabela de números aleatórios previamente elaborada.
Para chegar à determinação do limite de precisão monetária parte-se do princípio que, numa
população dada, é aceitável uma margem de erro correspondente até 5% do resultado líquido do
exercício ou de um substituto desse resultado.
Resulta pois que quanto melhor for a classificação atribuída ao controlo interno menor será o
número de itens a testar.
ISCAM / gchamba
Consiste em determinar um intervalo, mas sobre bases estatísticas contando para o efeito com os
elementos já trabalhados na amostragem estatística sobre valores acumulados.
n (LPM/m) em que:
i = ————— i = intervalo
CI n = população em quantidade (facturas p.e. para o período x)
m = população de vendas (valor total das facturas para o
período x)
Exemplo:
O número de facturas que a empresa ALFA, SARL emitiu durante o ano de 199x foi de 10 187
(numeradas sequencialmente a partir do número 1) correspondeu o valor de 34 851 088,00MT.
Supondo que o auditor determinou o limite de precisão monetária com base na margem bruta (14
000 contos) e que entendeu ser bom o controlo interno existente, determinar os números das
segunda e terceira facturas a serem objecto do teste admitindo que o número escolhido ao acaso
( e que, portanto, corresponde ao número da 1ª factura a testar) é o 119.
Conclusão:
Ultimamente, muito se vem questionando quanto a qualidade dos trabalhos de auditoria, principalmente
após os escândalos em fraudes e desfalques em grandes empresas, sem que as auditorias realizadas nestas
empresas tenham detectado qualquer problema.
Um dos momentos mais importantes na auditoria é o da escolha da amostra que será submetida a análise
mais detalhada.
Tendo em vista estes aspectos, é preciso que os auditores dêem maior importância a determinação das
amostras a serem analisadas, procurando cada vez mais se valer de ferramentas estatísticas que auxiliem
na execução dos trabalhos, afim de que os objectivos da auditoria sejam alcançados e as opiniões emitidas
nos pareceres da auditoria sejam aceites com maior segurança e confiança.