Zijn statistische steekproeven doeltreffend?
In de vorige column in deze serie schreef Paul van Batenburg dat steekproeven worden gebruikt om assurance te geven dat een bestand 'goed genoeg' is. Kan dit met een statistische steekproef?
Hans Blokdijk
Om te beginnen met 'assurance'. Het grote voordeel van een statistische steekproef is dat de uitspraak met een bewijsbare, expliciet kwantitatief geformuleerde mate van nauwkeurigheid en betrouwbaarheid kan worden gedaan. De deugdelijkheid van de grondslag is dan toetsbaar, en dat is toch een eis aan 'assurance'.
Dan 'goed genoeg'. In de eerste plaats kan men met een statistische steekproef niet vaststellen dat een populatie absoluut foutloos is. Omdat een statistische steekproef nu eenmaal een deelwaarneming is, loopt men altijd de kans om naast één of meer fouten te ‘steken'. De uitspraak die op basis van een statistische steekproef kan worden gedaan, heeft altijd een zekere mate van onnauwkeurigheid, maar die is kwantitatief vooraf te begrenzen.
Bij een statistische steekproef bestaat ook de kans dat de werkelijke totale fout toch buiten de in de uitspraak aangegeven kwantitatieve nauwkeurigheidsgrenzen ligt: men kan ongelukkig 'steken' en minder of méér fouten treffen dan overeenkomt met de werkelijke (onbekende) situatie. De betrouwbaarheid van de uitspraak is dus niet absoluut, geen honderd procent. Maar ook deze kwade kans kan vooraf kwantitatief worden begrensd tot hetgeen redelijkerwijs ‘goed genoeg' kan worden geacht.
Wat 'goed genoeg' is moet de accountant zelf bepalen. Maar dat is niet nieuw: de gewenste nauwkeurigheid volgt uit de materialiteit op basis waarvan de controle moet worden gedaan. En de gewenste betrouwbaarheid volgt uit de risicoanalyse. Beide grootheden moet de accountant ook zonder toepassing van statistische steekproeven vaststellen.
Nu pleegt de statistische steekproef niet te worden toegepast op alle jaarrekeningposten tezamen, als één grote cijferbrij: dat is onpraktisch en voor vele jaarrekeningposten onnodig. De statistische steekproef is vooral nuttig bij jaarrekeningposten die uit vele detailposten zijn samengesteld; denk aan voorraden, debiteuren, crediteuren, kosten, opbrengsten. De bepaling van de gewenste nauwkeurigheid en betrouwbaarheid voor die afzonderlijke jaarrekeningposten levert dan wel enige moeilijkheden op, waarop bij een volgende gelegenheid wordt teruggekomen.
De oplettende lezer zal al een ander mogelijk probleem hebben gezien: voorraden, debiteuren en kosten plegen positief gecontroleerd te worden, maar op crediteuren en opbrengsten zal een negatieve controle moeten worden uitgevoerd. Bij negatieve controle zoekt men naar posten die ten onrechte ontbreken in de populatie, en die kan men dus nooit ‘steken'!
Dat is juist, maar dan kan men een statistische steekproef toepassen op een 'corresponderende populatie': betalingen na balansdatum bij crediteuren, en kostprijs verkopen bij opbrengsten. Naast inventiviteit zijn dan soms andere statistische technieken nodig dan bij positieve controle. Bij deze laatste zijn de technieken het meest eenvoudig, en daarvan wordt voorlopig uitgegaan. Op de toepassing bij negatieve controle zal later een uiteenzetting worden gegeven.
Gerelateerd
Machine learning in de audit: uitschieters bij vastgoedwaardering
Regressie is een vorm van machine learning met als doel het voorspellen van cijfers op basis van een aantal kenmerken. Met open-sourcesoftware kun je zonder programmeerkennis...
Machine learning in de audit: voorspellen van klantverloop
Het doel van machine learning is om voorspellingen te maken aan de hand van data. Binnen dit veld worden doorgaans drie hoofdtoepassingen onderscheiden: classificatie,...
De steekproefomvang ontmaskerd - deel 5
In vorige columns hebben we verschillende manieren besproken om tot een steekproefomvang te kunnen komen. Deze column is de laatste van de serie waarin we verschillende...
De steekproefomvang ontmaskerd - deel 4
Een accountant die gebruikmaakt van software om een steekproefomvang te berekenen, moet zeker weten dat die software dat goed doet. Daarvoor moet je de rekenmethode...
Symposium: Machine Learning in de audit
Hoe is het momenteel gesteld met de toepassing van Machine Learning in de audit? Aankondiging van een symposium.