AMOSTRAGEM DE VALOR MONETÁRIO
|
|
- Filipe Canedo Assunção
- 6 Há anos
- Visualizações:
Transcrição
1 AMOSTRAGEM DE VALOR MONETÁRIO por Jonas Liebl Na matéria anterior, tivemos a oportunidade de compartilhar uma abordagem en passant sobre amostragem para testes por atributos baseada na distribuição de Poisson. São esses mesmos fundamentos que norteiam os comandos de amostragem de valor monetário existentes em softwares de auditoria como o Audit Command Language ACL e o Interactive Data Extraction & Analysis - IDEA, amplamente utilizados para avaliação de universos representados por cifras, em especial aqueles que dizem respeito à Auditoria de Balanço. Constitui-se nosso objetivo, no presente estudo, ampliar a abordagem do uso da distribuição de Poisson também para esses planos de amostragem de natureza monetária, buscando a compreensão da sustentação estatística para a quantificação e avaliação das respectivas amostras e, assim, possibilitar maior segurança na formação de opinião acerca dos universos auditados. Inicialmente, cabe uma conceituação introdutória acerca das principais variáveis envolvidas no processo, a seguir discriminadas: Universo ou população: valor total de todos os itens componentes do universo, também denominado de população, sobre os quais se pretende estimar determinada incidência e emitir uma opinião; Materialidade: constitui-se o parâmetro de aceitação representado pelo valor máximo de erros ou não-conformidades tolerado pelo auditor, inferido para o universo, para que este possa ser julgado adequado; Total de erros esperado: valor total de erros ou não-conformidades esperado na amostra, para que se possa inferir que a materialidade não será extrapolada no universo. Transcrevemos, a seguir, parte da Upper Error Limit Table já tratada na edição anterior, para evoluirmos um exemplo detalhado de quantificação e avaliação de amostra de valor monetário: UPPER ERROR LIMIT TABLE probabilidade acumulada (%) = 5 nível de confiança (%) = ,00 1 4,75 2 6,30 3 7,76 4 9, , ,85 A título de exemplo, pergunta-se qual seria o tamanho da amostra suficiente para testar um total de erros esperado de R$ 1 milhão, para emitir opinião acerca de um universo constituído pelos saldos de determinada carteira de empréstimos cujo total atinge R$ 50 milhões. O parâmetro de aceitação do auditor, em termos de tolerância a erros ou nãoconformidades no universo, é de R$ 3 milhões, desejando-se um nível de confiança de 95%.
2 Temos, então, as seguintes variáveis: Universo ou população: R$ 50 milhões; Materialidade: R$ 3 milhões, correspondente a 6% em relação ao universo; Total de erros esperado: R$ 1 milhão, correspondende a 2% em relação ao universo. A Upper Error Limit Table faz referência à quantidade esperada de erros ou nãoconformidades e não ao seu valor. Dessa forma, torna-se necessário adotar um algoritmo que permita correlacionar os percentuais de erros ou não-conformidades com a mencionada tabela para, ao final do processo, parametrizar a amostra monetariamente. Para este exemplo, que não se trata de teste zero erro visto estarmos trabalhando com um total de erros esperado de R$ 1 milhão, podemos iniciar o processo de cálculo a partir da expectativa de um erro, repetindo o algoritmo até ser encontrado o tamanho da amostra. Assim, temos que: λ = 4,75 (vide UEL Table para probabilidade acumulada de 0,05, com incidência de até 1 não-conformidade na amostra) n = 4,75 / 0,06 = 79,17 itens Espera-se encontrar na amostra até 2% de erros ou não conformidades, que é a relação percentual entre o total de erros esperado e o universo. A incidência desse percentual sobre a amostra de 79 itens corresponde a 1,58 erros, o que extrapola a expectativa de um erro utilizada para buscar o λ na UEL Table. Repetimos, então, o cálculo, para uma expectativa de dois erros: λ = 6,30 (vide UEL Table para probabilidade acumulada de 0,05, com incidência de até 2 não-conformidades na amostra) n = 6,30 / 0,06 = 105 itens Novamente se verifica se a expectativa de erros utilizada para buscar o λ na UEL Table é compatível com a incidência percentual de erros esperada na amostra. A aplicação de 2% sobre 105 fornece o resultado de 2,1 erros, extrapolando a expectativa de dois erros utilizada para consultar a tabela. Voltamos a repetir o cálculo para uma expectativa de três erros: λ = 7,76 (vide UEL Table para probabilidade acumulada de 0,05, com incidência de até 3 não-conformidades na amostra) n = 7,76 / 0,06 = 129,33 itens A incidência de 2% sobre 129 apresenta o resultado de 2,58 erros, o que indica que a expectativa de três erros utilizada para buscar o λ na UEL Table não foi extrapolada. Conclui-se, pois, que o λ que satisfaz a questão está situado entre 2 e 3 erros, para cujo cálculo devemos recorrer a um processo de interpolação linear parametrizado pelas seguintes variáveis:
3 n = tamanho da amostra p = proporção de erros tolerados no universo = 6% = 0,06 p' = proporção de erros esperados na amostra = 2% = 0,02 6,30 = λ imediatamente anterior 7,76 = λ imediatamente posterior 1,46 = diferença entre ambos os λ A interpolação que permitirá calcular n é dada por: 0,06.n = 1,46.( parte fracionária de 0,02.n ) + 6,30 donde n = 109, itens A maneira mais fácil de encontrar solução para n é através de funções como Atingir Meta do MS Excel ou do Solver de calculadoras Hewlett Packard. Estamos apresentando os resultados intermediários com todas as casas decimais para evitar diferenças no resultado final. Precisamos, agora, obter o valor do intervalo, que consiste na divisão do valor total do universo pelo tamanho da amostra: Intervalo = R$ ,00 / 109, = R$ , A amostra será selecionada a partir de um ponto inicial obtido aleatoriamente, sendo que a seleção subseqüente respeitará o intervalo de R$ ,30 até completar os 109 itens requeridos. O número máximo de erros tolerado é dado pela divisão do total de erros esperado pelo valor do intervalo: R$ ,00 / R$ , = 2, Este resultado indica que, se examinarmos a amostra de 109 itens e encontrarmos, no máximo, dois erros de R$ ,30 e um erro de R$ ,40 (19, % do valor do intervalo), totalizando R$ ,00, poder-se-á ter 95% de certeza de que o montante de erros no universo não ultrapassará a cifra de R$ ,00. Podemos demonstrar a correlação existente entre os erros esperados e a materialidade ponderando cada erro, tomado em valor monetário, pela diferença entre os λ imediatamente anterior e posterior, somando-os, em seguida, à precisão básica determinada pelo valor do intervalo ponderado pelo λ correspondente a zero erro: Precisão básica ,30 x 3, ,90 1º erro ,30 x (4,75 3,00) ,28 2º erro ,30 x (6,30 4,75) ,02 3º erro ,40 x (7,76 6,30) ,80 Materialidade = ,00 A compreensão desse mecanismo de cálculo é muito importante, visto que é dessa forma que se procede a avaliação da amostra. Cabe ressaltar ainda que, no momento da sua quantificação ao início dos trabalhos, desconhecemos completamente o impacto do valor de cada erro em relação ao valor dos respectivos itens, o que só será possível após a sua seleção e exame. Em amostragem de valor monetário podemos adotar como regra, sempre,
4 a necessidade de procedermos a avaliação da amostra, pois a discrepância entre o valor do erro e o seu respectivo item poderá afetar o parâmetro de aceitação do auditor, modificando o seu opinamento acerca do universo. Voltando ao nosso exemplo, imaginemos que, após realizado o exame da amostra, tenhamos encontrado os seguintes erros: Valor do item R$ Valor correto R$ Valor do erro R$ Observação , , ,00 sobreavaliado , , ,00 sobreavaliado , , ,00 sobreavaliado , ,00 (45.000,00) subavaliado Vamos proceder a avaliação da amostra monetária sob o enfoque do ACL. O primeiro passo se constitui em analisar o impacto dos erros em relação ao valor do intervalo. Aquele software trata os erros em três categorias: erros de sobreavaliação incidentes sobre itens iguais ou maiores que o intervalo, chamados, também, de itens de estrato máximo: O impacto desses erros não é proporcionalizado em relação ao valor do intervalo, porque todos os itens do estrato máximo foram selecionados, presumindo-se que todos os erros tenham sido detectados. Portanto, esses erros não são representativos de outros do universo. No nosso exemplo, trata-se do erro de R$ ,00, incidente sobre o item de R$ ,00, que será considerado, para efeito de avaliação, pelo seu próprio valor de R$ ,00. erros de sobreavaliação incidentes sobre itens menores que o intervalo: Esses erros são representativos para outros erros no universo, visto que nem todos eles foram detectados porque somente alguns itens desse estrato foram selecionados. Nesses casos, proporcionaliza-se o impacto do erro em relação ao valor do intervalo, determinando-se, assim, uma estimativa de erro mais provável no universo em função do respectivo percentual de contaminação. No nosso exemplo: R$ / R$ ,00 x R$ ,30 = R$ ,01 R$ 1.000,00 / R$ ,00 x R$ ,30 = R$ ,06 erros de subavaliação: Não são considerados pelo ACL para efeito de redução da estimativa do limite de erro máximo, já que esse tipo de erro não é diretamente testado com uma amostra monetária. Entretanto, o software informa o valor do erro calculado proporcionalmente em relação ao valor do intervalo, caso o auditor queira computar os seus efeitos naquela estimativa. No nosso exemplo, trata-se do erro de R$ (45.000,00), incidente sobre o item de R$ ,00, que será considerado como R$ 0,00. Os valores de erro proporcionalizados em relação ao valor do intervalo são chamados de erros mais prováveis, os quais, ponderados pelos respectivos diferenciais de λ e agregados à precisão básica e aos demais erros, sinalizarão o limite de erro máximo inferido para o universo. Para tal cálculo, os erros são ordenados em seqüência decrescente, com os itens de estrato máximo e os itens de subavaliação listados no fim. Precisão básica ,30 x 3, ,90 1º erro ,01 x (4,75 3,00) ,27 2º erro ,06 x (6,30 4,75) ,64 3º erro erro de sobreavaliação sobre item de estrato máximo ,00
5 4º erro erro de subavaliação 0,00 Limite de erro máximo = ,81 Verificamos, pois, que os quatro erros encontrados na amostra de 109 itens indicam que o limite de erro máximo inferido para o universo é de R$ ,81, permitindo concluir, então, pela sua adequação, já que o parâmetro de aceitação de R$ 3 milhões não foi extrapolado. Da mesma forma que na amostragem para testes por atributos, podemos reduzir substancialmente o tamanho das amostras de valor monetário quando realizamos testes para zero não-conformidade: λ = 3,00 (vide UEL Table para probabilidade acumulada de 0,05, com incidência de zero não-conformidade na amostra) n = 3,00 / 0,06 = 50 itens A amostra será selecionada a partir de um ponto inicial obtido aleatoriamente, sendo que a seleção subseqüente respeitará o intervalo de R$ 1 milhão até completar os 50 itens requeridos. Caso, no seu exame, não seja encontrado qualquer erro, poderemos afirmar com um nível de confiança de 95% que o limite de erro máximo de R$ 3 milhões não será extrapolado no universo, que, em decorrência, ensejará opinamento de adequado. Por outro lado, se encontrarmos quaisquer erros, poderemos emitir a opinião de inadequado, encerrando-se o exame por stop or go ou procedendo-se a sua avaliação na forma anteriormente explicitada, de acordo com os objetivos do trabalho. Com este texto, damos por encerrada essa pequena incursão à amostragem estatística com o uso da distribuição de Poisson, cujo tema nos é particularmente interessante pelo fato de estar sendo adotada por softwares consagrados de auditoria utilizados universalmente. Cabe lembrar, entretanto, que podemos nos deparar com esse mesmo assunto sendo visto sob outros enfoques, também amplamente reconhecidos por profissionais de auditoria. Daí a importância do auditor conhecer as ferramentas que estão ao seu dispor para, aliando a experiência profissional à melhor técnica para o trabalho em curso, potencializar os seus resultados no sentido de agregar valor ao processo sob exame. Referência bibliográfica: SILVA, Ermes Medeiros da, e outros. Estatística para os Cursos de Economia, Administração e Ciências Contábeis, Volume 2, 2 a Edição, Editora Atlas, São Paulo, KASMIER, Leonard J. Estatística Aplicada à Economia e Administração, Editora McGraw Hill do Brasil Ltda., São Paulo, ACL Services Ltd. Manual de Referência do ACL para Windows 6, Copyright 2001 by JONAS LIEBL
CORRELAÇÃO ENTRE METODOLOGIAS DE DIMENSIONAMENTO DE AMOSTRAS
CORRELAÇÃO ENTRE METODOLOGIAS DE DIMENSIONAMENTO DE AMOSTRAS por Jonas Liebl O dimensionamento, seleção e avaliação de amostras se constitui no mais importante procedimento de auditoria, quando se trata
III AMOSTRAGEM E INTERVALO DE CONFIANÇA Conceito de Amostragem AMOSTRA ALEATÓRIA
III AMOSTRAGEM E INTERVALO DE CONFIANÇA 3.1- Conceito de Amostragem AMOSTRA ALEATÓRIA Consideremos uma população e observando alguns elementos queremos obter informações a respeito da mesma. Estes elementos
SUBAVALIAÇÃO OU SUPERAVALIAÇÃO DE ATIVOS E PASSIVOS. Prof. Eric Duarte Campos
SUBAVALIAÇÃO OU SUPERAVALIAÇÃO DE ATIVOS E PASSIVOS Prof. Eric Duarte Campos O risco de amostragem O risco de amostragem é a possibilidade de a conclusão obtida com base na amostragem ser diferente daquela
6. Execução dos Procedimentos Substantivos
6. Execução dos Procedimentos Substantivos 6.1. Realizar Procedimentos Analíticos 6.1.1 Para todos os postulados de auditoria efetuamos os procedimentos substantivos primários independentemente da nossa
NBC TA 530 Amostragem em Auditoria Se aplica quando o auditor independente decide usar amostragem na execução de procedimentos de auditoria Trata do
Amostragem NBC TA 530 Amostragem em Auditoria Se aplica quando o auditor independente decide usar amostragem na execução de procedimentos de auditoria Trata do uso de amostragem estatística e não estatística
Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
AMOSTRAGEM EM AUDITORIA
AMOSTRAGEM EM AUDITORIA ALCANCE Esta Norma se aplica quando o auditor independente decide usar amostragem na execução de procedimentos de auditoria. Essa Norma trata do uso de amostragem estatística e
Unidade VII Amostragem
Unidade VII Amostragem Na última aula... Saber os motivos que levam o pesquisador a trabalhar com amostra e entender a importância da inferência. Saber identificar população, amostra e variável aleatória.
ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim. ICMS PE 2014: Resolução da prova de Estatística Prof.
ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim 1 de 6 Pessoal, segue a resolução das questões de Estatística da prova realizada pela SEFAZ-PE, para o cargo de Auditor Fiscal do Tesouro
7. Conceitos Gerais de Amostragem
7. Conceitos Gerais de Amostragem Introdução 7.1.1 Este capítulo do enfoque de auditoria da Cnac explica os conceitos básicos da amostragem e fornece orientação específica sobre a aplicação de amostragem
Estudo de erros Erros na fase de modelagem: 1.2. Erros na fase de resolução:
MATEMÁTICA ICET UFMT Clculo Numrico Licenciatura Plena em Matemática Prof. Geraldo Lúcio Diniz Estudo de erros 1. Introdução A obtenção de uma solução numérica para um problema físico por meio da aplicação
Respostas aos Riscos Avaliados
Respostas aos Riscos Avaliados Avaliação de Riscos Respostas aos Riscos Significativos Estratégia Global Plano de Auditoria NBC TA 330 Respostas do Auditor aos Riscos Avaliados O auditor deve planejar
Acer Consultores em Imóveis S/A
Acer Consultores em Imóveis S/A Demonstrações Contábeis acompanhadas do Parecer dos Auditores Independentes Em 30 de Junho de 2007 e 31 de Dezembro de 2006 e 2005 Parecer dos auditores independentes Aos
Introdução à Probabilidade e à Estatística (BCN ) Prova 2 (A) 16/08/2018 Correção
Introdução à Probabilidade e à Estatística (BCN0406-1) Prova 2 (A) 16/08/2018 Correção (1.pt) 1. Dadas as seguintes probabilidades associadas à variável aleatória X: -1 1 2 p() 1/2 1/3 1/6 a) Calcule a
Estimação de valores. Luiz Carlos Terra
Luiz Carlos Terra Nesta aula, você conhecerá a parte mais importante da estatística, que é conhecida como inferência estatística, ou seja, você aprenderá como usar os dados de uma amostra para estimar
Métodos de Amostragem Populações de Animais Silvestres Amostragem
Métodos de Amostragem de Populações de Animais Silvestres Amostragem Sistema Natural Estrutura da amostragem: Lista das unidades para a amostragem (mapa da área por exemplo) Estrutura da amostragem População
Os testes em auditoria constituem o processo pelo qual o auditor reúne elementos comprobatórios.
TESTES EM AUDITORIA Os testes em auditoria constituem o processo pelo qual o auditor reúne elementos comprobatórios. Pode-se aplicar os testes a todas as transações ou a uma amostra representativa adequada.
Inventário Florestal. Amostragem
Inventário Florestal Amostragem 1 Definição: Seleção de uma parte (amostra) de um todo (população), coletando na parte selecionada, algumas informações de interesse, com o objetivo de tirar conclusão (inferência)
INSTRUÇÕES. O tempo disponível para a realização das duas provas e o preenchimento da Folha de Respostas é de 5 (cinco) horas no total.
INSTRUÇÕES Para a realização desta prova, você recebeu este Caderno de Questões. 1. Caderno de Questões Verifique se este Caderno de Questões contém a prova de Conhecimentos Específicos referente ao cargo
NBC TA 520 Procedimentos analíticos
NBC TA 520 Procedimentos analíticos Índice Item Introdução Alcance 1 Data de vigência 2 Objetivos 3 Definição 4 Requisitos Procedimentos analíticos substantivos 5 Procedimentos analíticos que auxiliam
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição
CONTEÚDO PROGRAMÁTICO
PLANO DE ENSINO FACULDADE: Ciências da Saúde CURSO: Fisioterapia Período: 2º DISCIPLINA: Bioestatística Ano: 2015 CARGA HORÁRIA: 40 horas SEMANAL: 2 horas TOTAL: 40 HORAS PRÉ-REQUISITO: - EMENTA Introdução
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 2 a Aula Prática Coleta, organização e apresentação de dados
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira a Aula Prática Coleta, organização e apresentação de dados 1) Os dados apresentados a seguir referem-se ao tempo
Unidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno
Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:
Os usuários selecionados terão de escolher uma das seguintes opções:
Pessoal, segue a resolução das questões de Estatística da prova realizada pela FEPESE, para o cargo de Fiscal de Rendas e Tributos do Município de Criciúma (ISS-SC). A prova não apresentou surpresas, pois
Definição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL
MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL Pedro Henrique Bragioni Las Casas Pedro.lascasas@dcc.ufmg.br Apresentação baseada nos slides originais de Jussara Almeida e Virgílio Almeida
Física Geral - Laboratório (2013/1) Aula 4: Estimativas e erros em medidas diretas (II)
Física Geral - Laboratório (2013/1) Aula 4: Estimativas e erros em medidas diretas (II) 1 Resumo: estimativa do valor esperado estimativa do valor esperado ± erro (unidade) x x = s x p N Estimativa do
NBC TA 320 Materialidade no Planejamento e na Execução de Auditoria.
NBC TA 320 Materialidade no Planejamento e na Execução de Auditoria. Índice Item Introdução Alcance 1 Materialidade no contexto de auditoria 2 6 Data de vigência 7 Objetivo 8 Definição 9 Requisitos Determinação
PROCEDIMENTOS UTILIZADOS NA REALIZAÇÃO DA PESQUISA:
Curitiba, 28 de julho de 2017. Apresentamos a seguir os resultados da pesquisa de opinião pública realizada no Brasil, com o objetivo de consultar à população sobre avaliação do panorama político atual.
ESTATÍSTICA EXPERIMENTAL. ANOVA. Aula 05
ESTATÍSTICA EXPERIMENTAL ANOVA. Aula 05 Introdução A ANOVA ou Análise de Variância é um procedimento usado para comparar a distribuição de três ou mais grupos em amostras independentes. A análise de variância
NBC TA 705 Modificações na Opinião do Auditor Independente
NBC TA 705 Modificações na Opinião do Auditor Independente NBC TA 705 Modificações na Opinião do Auditor Independente Alguns aspectos sobre a NBC TA 705 e a determinação e aplicação dos diversos tipos
INFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p
INFERÊNCIA ESTATÍSTICA ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir
NORMA INTERNACIONAL DE AUDITORIA 530 AMOSTRAGEM DE AUDITORIA
AUDITORIA NORMA INTERNACIONAL DE AUDITORIA 530 AMOSTRAGEM DE AUDITORIA (Aplicável a auditorias de demonstrações financeiras de períodos com início em ou após 15 de Dezembro de 2009) Introdução ÍNDICE Âmbito
COMPARAÇÃO DE SISTEMAS USANDO DADOS DE AMOSTRAS. Capítulo 13 do livro: The Art of Computer Systems Performance Analysis
COMPARAÇÃO DE SISTEMAS USANDO DADOS DE AMOSTRAS Capítulo 13 do livro: The Art of Computer Systems Performance Analysis Uma Amostra é apenas um Exemplo As palavras inglesas sample (amostra) e example (exemplo)
Noções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
RESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA E RACIOCÍNIO LÓGICO
RESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA E RACIOCÍNIO LÓGICO Caro aluno, Disponibilizo abaixo a resolução das questões de Estatística e Raciocínio Lógico da prova de Analista da SEFAZ/PI 015. Resolvi as questões
David Evans, Banco Mundial Baseado em slides de Esther Duflo (J-PAL) e Jed Friedman (Banco Mundial) Tamanho da amostra para avaliações de impacto
Planejamento do tamanho da amostra para avaliações de impacto David Evans, Banco Mundial Baseado em slides de Esther Duflo (J-PAL) e Jed Friedman (Banco Mundial) Tamanho da amostra para avaliações de impacto
Sumário. Parte I Contextualização da Auditoria, 1
Parte I Contextualização da Auditoria, 1 1 Fundamentos da Auditoria, 3 1.1 Conceitos da auditoria, 3 1.2 Definições da auditoria, 3 1.3 Objetivos da auditoria, 4 1.4 Necessidades dos trabalhos de auditoria,
Estatística Descritiva
C E N T R O D E M A T E M Á T I C A, C O M P U T A Ç Ã O E C O G N I Ç Ã O UFABC Estatística Descritiva Centro de Matemática, Computação e Cognição March 17, 2013 Slide 1/52 1 Definições Básicas Estatística
Teste χ 2 de aderência
Teste χ 2 de aderência Chuck Norris Arnold Schwarzenegger 15 de julho de 2013 Resumo O teste χ 2 de aderência é considerado para testar a hipótese de que uma distribuição de probabilidades as frequências
Aula 10 Estimação e Intervalo de Confiança
Aula 10 Estimação e Intervalo de Confiança Objetivos da Aula Fixação dos conceitos de Estimação; Utilização das tabelas de Distribuição Normal e t de Student Introdução Freqüentemente necessitamos, por
7. Resultados. 7 MATLAB é um produto da The MathWorks, Inc.
7. Resultados O modelo foi implementado por meio da linguagem computacional utilizada no software Matlab 7 e através da utilização do otimizador GLPK (GNU Linear Programming kit), em uma plataforma de
TRATAMENTO DOS ERROS DETECTADOS PELA AUTORIDADE DE AUDITORIA
TRATAMENTO DOS ERROS DETECTADOS PELA AUTORIDADE DE AUDITORIA Workshop "Auditoria e Controlo prevenção do erro" Lisboa, 2 de Maio de 2012 Paulo Loureiro - DG Política, Unidade J.1-1 1) Introdução 2) Avaliação
Em várias ocasiões há de se proceder à coleta de dados diretamente na origem, isto é, dos sujeitos com quem pretendemos realizar determinado estudo.
UNIVERSIDADE FEDERAL DA PARAÍBA Amostragem Luiz Medeiros de Araujo Lima Filho Departamento de Estatística INTRODUÇÃO Em várias ocasiões há de se proceder à coleta de dados diretamente na origem, isto é,
Resolução da Prova de Matemática Financeira e Estatística do ISS Teresina, aplicada em 28/08/2016.
de Matemática Financeira e Estatística do ISS Teresina, aplicada em 8/08/016. 11 - (ISS Teresina 016 / FCC) Joana aplicou todo seu capital, durante 6 meses, em bancos ( e Y). No Banco, ela aplicou 37,5%
Aula 4 Conceitos Básicos de Estatística
Aula 4 Conceitos Básicos de Estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa e interpreta informações numéricas para
VERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS
VERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS Conforme foi apresentado anteriormente, o modelo de análise de variância assume que as observações são independentes e normalmente
MAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
VERIFICAÇÃO DOS RECURSOS NECESSÁRIOS. Capítulo 1 VARIÁVEIS E AMOSTRAS 1
PREFÁCIO VERIFICAÇÃO DOS RECURSOS NECESSÁRIOS xiii DO EXCEL... xv Capítulo 1 VARIÁVEIS E AMOSTRAS 1 VARIÁ VEIS 4 NÚMERO DE VARIÁVEIS 5 CLASSIFICAÇÃO DAS VARIÁVEIS 6 ESCALA DE MEDIÇÃO DAS VARIÁVEIS 7 POPULAÇÃO
Amostragem e Distribuição Amostral. Tipos de amostragem, distribuição amostral de média, proporção e variância
Amostragem e Distribuição Amostral Tipos de amostragem, distribuição amostral de média, proporção e variância 1 AMOSTRAGEM Amostragem Probabilística ou Aleatória Amostragem Não Probabilística Amostragem
Em várias ocasiões há de se proceder à coleta de dados diretamente na origem, isto é, dos sujeitos com quem pretendemos realizar determinado estudo.
UNIVERSIDADE FEDERAL DA PARAÍBA Amostragem Luiz Medeiros de Araujo Lima Filho Departamento de Estatística INTRODUÇÃO Em várias ocasiões há de se proceder à coleta de dados diretamente na origem, isto é,
Estatística p/ TCE-PR Teoria e exercícios comentados Prof. Jeronymo Marcondes. Resolução prova Estatística p/ TCE-PR, área atuarial.
prova Estatística p/ TCE-PR, área atuarial. Boa pessoal! A CESPE deu uma prova de estatística que, acredito, estava muito acima do esperado por muitos candidatos. Vamos lá! Não encontrei recursos! Vamos
Intervalos de Confiança
Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de
AUDITORIA CONTÁBIL RAFAEL E. MAYER 1 RAFAEL GRUETZMANN¹ ODIR L. FANK 2
AUDITORIA CONTÁBIL RAFAEL E. MAYER 1 RAFAEL GRUETZMANN¹ ODIR L. FANK 2 Palavras-Chave: Auditoria Contábil. Parecer do Auditor para uma boa Gestão. Organização. Auditoria Interna e Externa. 1 INTRODUÇÃO
Eficiência do gráfico de controle EWMA em função de diferentes quantidades e posições de causas especiais
Eficiência do gráfico de controle EWMA em função de diferentes quantidades e posições de causas especiais João Marcos Ramos de Moraes (UFV) jaum_55@hotmail.com José Ivo Ribeiro Júnior (UFV) jivo@ufv.br
Prof. Sérgio Carvalho Estatística. I Jornada de Especialização em Concursos
DISTRIBUIÇÃO DE FREQÜÊNCIAS & INTERPOLAÇÃO LINEAR DA OGIVA 0. (AFRF-000) Utilize a tabela que se segue. Freqüências Acumuladas de Salários Anuais, em Milhares de Reais, da Cia. Alfa Classes de Salário
CAPÍTULO 3 POPULAÇÃO E AMOSTRA
DEPARTAMENTO DE GEOCIÊNCIAS GCN 7901 ANÁLISE ESTATÍSTICA EM GEOCIÊNCIAS PROFESSOR: Dr. ALBERTO FRANKE CONTATO: alberto.franke@ufsc.br F: 3721 8595 CAPÍTULO 3 POPULAÇÃO E AMOSTRA As pesquisas de opinião
Intervalos Estatísticos para uma única Amostra - parte I
Intervalos Estatísticos para uma única Amostra - parte I Intervalo de confiança para média 14 de Janeiro Objetivos Ao final deste capítulo você deve ser capaz de: Construir intervalos de confiança para
Exame Final Nacional de Matemática Aplicada às Ciências Sociais Época especial
Exame Final Nacional de Matemática Aplicada às Ciências Sociais 201 - Época especial Proposta de resolução 1. 1.1. Aplicando o método de Hondt na distribuição dos 8 mandatos, temos: Partido A B C D E Número
CONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
MOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
1. Numa experiência que testa se biscoitos com adição de Ferro podem reduzir a prevalência (Proporção de pessoas doentes numa população) de anemia:
Memória da aula prática da aula 3 Página 1 de 7 1. Numa experiência que testa se biscoitos com adição de Ferro podem reduzir a prevalência (Proporção de pessoas doentes numa população) de anemia: a. Qual
Bioestatística Aula 4
Bioestatística Aula 4 Anderson Castro Soares de Oliveira Anderson Bioestatística 1 / 32 Amostragem A amostragem é um campo da estatística que estuda técnicas de planejamento de pesquisa para possibilitar
SUMÁRIO. 1.1 Introdução, Conceitos Fundamentais, 2
SUMÁRIO 1 CONCEITOS BÁSICOS, 1 1.1 Introdução, 1 1.2 Conceitos Fundamentais, 2 1.2.1 Objetivo, 2 1.2.2 População e amostra, 2 1.3 Processos estatísticos de abordagem, 2 1.4 Dados estatísticos, 3 1.5 Estatística
Teoria da Correlação. Luiz Carlos Terra
Luiz Carlos Terra Você poderá, através de cálculos matemáticos, verificar a forma como a variação de um dado observado pode estar associada às alterações de outra variável. (Luiz Carlos Terra) 1 Objetivo
RESOLUÇÃO IBA Nº 11/2016
Página1 RESOLUÇÃO IBA Nº 11/2016 Dispõe sobre a criação do Pronunciamento Atuarial CPA 007 MATERIALIDADE - AUDITORIA ATUARIAL INDEPENDENTE - SUPERVISIONADAS SUSEP O INSTITUTO BRASILEIRO DE ATUÁRIA - IBA,
4. INFORMAÇÕES RELATIVAS À EMISSORA Informações Financeiras Selecionadas da Companhia Análise e Discussão da Administração sobre Demonstrações
4. INFORMAÇÕES RELATIVAS À EMISSORA Informações Financeiras Selecionadas da Companhia Análise e Discussão da Administração sobre Demonstrações Financeiras e Resultados Operacionais da Emissora Eventos
Módulo 7 Estrutura da norma ISO 9001:2008 Sistemas de Gestão da Qualidade - Requisitos Requisitos 8.1, 8.2 e 8.3
Módulo 7 Estrutura da norma ISO 9001:2008 Sistemas de Gestão da Qualidade - Requisitos Requisitos 8.1, 8.2 e 8.3 Estrutura da norma Sistema de Gestão da Qualidade 4 C L I E N R E Q U I S 5 Responsabilidade
AMOSTRAGEM ESTATÍSTICA EM AUDITORIA PARTE l
AMOSTRAGEM ESTATÍSTICA EM AUDITORIA PARTE l! Os parâmetros para decisão do auditor.! Tipos de planos de amostragem estatística em auditoria. Francisco Cavalcante(f_c_a@uol.com.br) Administrador de Empresas
2 FUNDAMENTACÃO TEÓRICA
2 FUNDAMENTACÃO TEÓRICA Este capítulo apresenta os modelos de séries temporais chamados estruturais, nos quais o valor das observações é visto como composto de uma parte sistemática, modelada por uma equação
Anexo 3. Tabela matriz: medidas de desigualdades em saúde por estado, segundo variáveis de estratificação de desigualdades e ano calendário
Tabelas Anexo 3 Tabela matriz: medidas de desigualdades em saúde por estado, segundo variáveis de desigualdades e ano calendário Acre (n=22) Alagoas (n=102) Amapá (n=16) de q1 q2 q3 q4 q5 (maior) 1991
Estatística descritiva básica: Porcentagens, proporções, razões e taxas. ACH2021 Tratamento e Análise de Dados e Informações
Estatística descritiva básica: Porcentagens, proporções, razões e taxas. ACH2021 Tratamento e Análise de Dados e Informações Marcelo de Souza Lauretto marcelolauretto@usp.br www.each.usp.br/lauretto Porcentagens
Sistema de Informações e Pesquisa de Marketing Aula 12 24/10/17
Sistema de Informações e Pesquisa de Marketing Aula 12 24/10/17 2º semestre / 2017 Profa Kavita Hamza kavita@usp.br População Soma de todos os elementos que compartilham algum conjunto comum de características
Parte II Inferência estatística
Parte II Inferência estatística 1. Objetivos da inferência estatística Ana Maria Lopez Calvo de Feijoo SciELO Books / SciELO Livros / SciELO Libros FEIJOO, AMLC. Objetivos da inferência estatística. In:
Estatística Indutiva
Estatística Indutiva MÓDULO 7: INTERVALOS DE CONFIANÇA 7.1 Conceitos básicos 7.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição
Aderência. Rinaldo Artes Insper Instituto de Ensino e Pesquisa 2015
Aderência Rinaldo Artes Insper Instituto de Ensino e Pesquisa 2015 Sumário 1. Estatística qui-quadrado... 2 2. Gráfico de Probabilidades... 9 3. Teste de Jarque-Bera... 14 Serão apresentadas técnicas que
INTRODUÇÃO
UNIVERSIDADE FEDERAL DA PARAÍBA Amostragem Prof. Tarciana Liberal Departamento de Estatística INTRODUÇÃO INTRODUÇÃO INTRODUÇÃO INTRODUÇÃO INTRODUÇÃO Em várias ocasiões há de se proceder à coleta de dados
Métodos Quantitativos Aplicados a Gestão
Métodos Quantitativos Aplicados a Gestão Cálculos estatísticos para análise e tomada de decisão Responsável pelo Conteúdo: Prof. Carlos Henrique e Prof. Douglas Mandaji Revisão Textual: Profa. Ms. Alessandra
RELATÓRIO DE AUDITORIA INDEPENDENTE SOBRE AS DEMONSTRAÇÕES FINANCEIRAS ENCERRADAS EM 31 DE DEZEMBRO DE 2017
RELATÓRIO DE AUDITORIA INDEPENDENTE SOBRE AS DEMONSTRAÇÕES FINANCEIRAS ENCERRADAS EM 31 DE DEZEMBRO DE 2017 Março/2018 1 RELATÓRIO DE AUDITORIA INDEPENDENTE SOBRE AS DEMONSTRAÇÕES FINANCEIRAS ENCERRADAS
Amostragem. Amostragem. Técnica: possibilita realizar a pesquisa em universos infinitos.
Técnica: possibilita realizar a pesquisa em universos infinitos. A Estatística pode ser estendida ao estudo das populações chamadas infinitas nas quais não temos a possibilidade de observar todos os elementos
BIOESTATÍSTICA AULA 4. Anderson Castro Soares de Oliveira Jose Nilton da Cruz. Departamento de Estatística/ICET/UFMT
BIOESTATÍSTICA AULA 4 Anderson Castro Soares de Oliveira Jose Nilton da Cruz Departamento de Estatística/ICET/UFMT Amostragem AMOSTRAGEM A amostragem é um campo da estatística que estuda técnicas de planejamento
Aspectos quantitativos e qualitativos para a modelagem de Riscos Operacionais
Aspectos quantitativos e qualitativos para a modelagem de Riscos Operacionais Risco Operacional Risco de perda resultante processos internos falhos ou inadequados, pessoas e sistemas ou ainda por eventos
Estimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)
Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro
TIPOS DE AMOSTRAGEM Amostragem Probabilística e Não-Probabilística. Amostragem PROBABILÍSTICA: Amostragem Aleatória Simples: VANTAGENS:
TIPOS DE AMOSTRAGEM Amostragem Probabilística e Não-Probabilística. Amostragem PROBABILÍSTICA: Técnicas de amostragem em que a seleção é aleatória de tal forma que cada elemento tem igual probabilidade
AUDITORIA INTERNA. A Auditoria Interna é exercida nas pessoas jurídicas de direito público, interno ou externo, e de direito privado.
A Auditoria Interna é exercida nas pessoas jurídicas de direito público, interno ou externo, e de direito privado. A Auditoria Interna compreende os exames, análises, avaliações, levantamentos e comprovações,
Auditoria Trabalhos Especiais Principais Aspectos de Aplicação Prática. Cristiano Seguecio 21/10/2015
Auditoria Trabalhos Especiais Principais Aspectos de Aplicação Prática Cristiano Seguecio 21/10/2015 Agenda Introdução NBC TA 800 - Alcance, objetivos, requisitos, relatórios e exemplos NBC TA 805 - Alcance,
PLANO DE ENSINO
PLANO DE ENSINO 2014.2 Gestão de Processos Decisórios 5º. Semestre Carga Horária: 47 h Ementa Conceituação e desenvolvimento de modelos de otimização e de séries temporais. Realização de inferências estatísticas,
AMOSTRAGEM. É a parte da Teoria Estatística que define os procedimentos para os planejamentos amostrais e as técnicas de estimação utilizadas.
AMOSTRAGEM É a parte da Teoria Estatística que define os procedimentos para os planejamentos amostrais e as técnicas de estimação utilizadas. Nos planejamentos amostrais, a coleta dos dados deve ser realizada
CORRELAÇÃO. Flávia F. Feitosa
CORRELAÇÃO Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Junho de 2015 Revisão Inferência Estatística: Método científico para tirar conclusões sobre os parâmetros
Variáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades 01 de Abril de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Determinar probabilidades a partir de funções de probabilidade
MODELO DE AVALIAÇÃO DO RISCO DE FAILURE INFORMA D&B
MODELO DE AVALIAÇÃO DO RISCO DE FAILURE INFORMA D&B BROCHURA TÉCNICA WORLDWIDE NETWORK INTRODUÇÃO O Failure Score da Informa D&B consiste na pontuação gerada por um modelo desenvolvido pela Informa D&B
Estatística. Disciplina de Estatística 2012/2 Curso de Administração em Gestão Pública Profª. Ms. Valéria Espíndola Lessa
Estatística Disciplina de Estatística 2012/2 Curso de Administração em Gestão Pública Profª. Ms. Valéria Espíndola Lessa 1 Numa pesquisa por amostragem, como sabemos se uma amostra pode representar adequadamente
Probabilidade e Estatística (Aula Prática - 23/05/16 e 24/05/16)
Probabilidade e Estatística (Aula Prática - 23/05/16 e 24/05/16) Resumo: Veremos nesta aula tabelas, cálculos de porcentagem e gráficos; amostras e tipo de amostragem; Medidas de tendência central e medidas
AULA 4: DISTRIBUIÇÕES DE PROBABILIDADES AMOSTRAIS. Gleici Castro Perdoná
AULA 4: DISTRIBUIÇÕES DE PROBABILIDADES AMOSTRAIS Gleici Castro Perdoná pgleici@fmrp.usp.br Exemplo 2. Sabe-se que o tempo gasto no exame de um paciente tem distribuição aproximadamente Normal, com média
Modificações na Opinião do Auditor
Modificações na Opinião do Auditor NBC TA 705 Modificações na Opinião do Auditor O objetivo do auditor é expressar claramente uma opinião modificada de forma apropriada sobre as demonstrações contábeis,
MAB-515 Avaliação e Desempenho (DCC/UFRJ)
MAB-515 Avaliação e Desempenho (DCC/UFRJ) Aula 7: Intervalos de Confiança 13 de novembro de 2012 1 2 3 4 Percentil 100p%-percentil O ponto t 0 tal que t 0 = F 1 X (p) = min{t : F X (t) p}, 0 < p < 1 é
Cap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO