Tribunal de Contas

GUIA DE AMOSTRAGEM
ESTATÍSTICA

GUIA DE AMOSTRAGEM ESTATÍSTICA - aplicação em auditoria -

– aplicação em auditoria –

LISBOA
2010
 TRIBUNAL DE CONTAS

GUIA DE AMOSTRAGEM
ESTATÍSTICA
– aplicação em auditoria –

Lisboa
2010
Este estudo foi elaborado pelo DCP,
Departamento de Consultadoria e Planeamento
da DGTC, Direcção-Geral do Tribunal de Contas

Ficha Técnica

Henrique Tavares, Auditor

Rui Águas, Auditor
Clarisse Wagner, Técnica Superior

Paginação e composição gráfica

Lucia Belo, Técnica Superior

Revisão Científica

Prof. Doutora Maria do Céu Almeida,

Doutorada em Ciências Empresariais
Mestre em Estatística e Sistemas de Informação
Docente de mestrado em Amostragem e TAAC no ISCAL
Revisora Oficial de Contas

Tribunal de Contas
(www.tcontas.pt)
 ÍNDICE

NOTA DE APRESENTAÇÃO .............................................................................................................. v

Plano do guia. ................................................................................................................................ vii
Acrónimos ..................................................................................................................................... xi
Glossário ....................................................................................................................................... xiii

1. INTRODUÇÃO ............................................................................................................................. 1

2. FASES DA AMOSTRAGEM EM AUDITORIA ................................................................................... 5

2.1. FASE DE PLANEAMENTO ............................................................................................................. 11

2.1.1. Definição e análise da população ...................................................................................... 12

2.1.2. Parâmetros de auditoria e de amostragem ....................................................................... 14
2.1.3. Dimensão da amostra ........................................................................................................ 17

2.2. EXTRACÇÃO DOS ELEMENTOS DA AMOSTRA .............................................................................. 21

2.3. RESULTADOS E CONCLUSÕES DA AMOSTRAGEM ....................................................................... 22
2.4. DOCUMENTAÇÃO E INFORMAÇÃO DO RELATÓRIO .................................................................... 23

3. MÉTODOS DE AMOSTRAGEM E TÉCNICAS DE EXTRACÇÃO ......................................................... 25

3.1. SELECÇÃO DO PARÂMETRO DE AUDITORIA A ESTIMAR ............................................................ 32

3.1.1. Amostragem por atributos .............................................................................................. 32

3.1.2. Amostragem por variáveis ............................................................................................... 33

3.2. DEFINIÇÃO E IDENTIFICAÇÃO DAS UNIDADES DE AMOSTRAGEM ............................................ 34

3.2.1. Métodos de amostragem ................................................................................................. 35

3.2.1.1. Amostragem simples ........................................................................................... 35

3.2.1.2. Amostragem estratificada ................................................................................... 36
3.2.1.3. Amostragem por quotas ...................................................................................... 39
3.2.1.4. Amostragem por blocos ....................................................................................... 39
3.2.1.5. Amostragem por clusters ou grupos ................................................................... 41
3.2.1.6. Amostragem emparelhada (matched sampling) ................................................. 44

3.2.2. Técnicas de extracção dos elementos amostrais ............................................................ 45

3.2.2.1. Extracção através do “juízo do auditor” .............................................................. 45

3.2.2.2. Extracção aleatória .............................................................................................. 45

Guia de amostragem estatística iii

 Índice

3.2.2.3. Extracção sistemática ou por intervalos ............................................... 46

3.2.2.4. Extracção sobre valores acumulados .................................................. 47
3.2.2.5. Extracção numérica ............................................................................. 48
3.2.2.6. Probabilidade proporcional à dimensão (PPS) .................................... 49

3.2.3. Amostragem pelo método MUS ........................................................................ 51

3.2.3.1. Características ...................................................................................... 51

3.2.3.2. Aplicação do método ............................................................................. 52
3.2.3.3. Avaliação dos resultados ....................................................................... 56
3.2.3.4. Vantagens e limitações .......................................................................... 57

APÊNDICE - FICHAS DE APOIO DA AMOSTRAGEM EM AUDITORIA ................................. 59

ANEXOS .................................................................................................................................... 65

Anexo 1. Representação do risco .............................................................................. 67

Anexo 2. Principais funções de distribuição e tabelas ............................................... 79
Anexo 3. Resumo de fórmulas estatísticas relevantes .............................................. 89
Anexo 4. Amostragem assistida por computador ...................................................... 97

REFERÊNCIAS .......................................................................................................................... 101

iv Guia de amostragem estatística

Nota de apresentação

Este guia visa divulgar os conceitos básicos sobre modelos estatísticos relacionados com os métodos
e técnicas de amostragem com vista à sua utilização nas auditorias realizadas pelo Tribunal de Contas.

Em geral, o objectivo principal dessas auditorias consiste na emissão duma opinião sobre a legalidade
e regularidade das operações examinadas, a economia, eficiência e eficácia da aplicação dos recursos
públicos e a fiabilidade dos sistemas de controlo interno, no qual assenta a qualidade da informação
reportada no âmbito da prestação de contas (accountability) das entidades sujeitas a controlo.

Para a emissão dessa opinião e devido à necessidade de realizar auditorias a custos aceitáveis (ao nível
de recursos temporais, humanos e técnicos), o auditor obtém provas através da aplicação de testes que
não cobrem a totalidade da população, mas que incidem apenas sobre amostras seleccionadas. Estas
amostras fornecem as informações probatórias sobre as quais se baseiam as conclusões de auditoria,
as quais devem ser suficientes, relevantes, credíveis e obtidas a custos razoáveis.

A introdução, neste guia, da abordagem estatística permite estimar o risco incorrido no processo de
amostragem.

Com efeito, a avaliação do risco e a amostragem têm sido amplamente debatidos ao nível dos vários
comités da INTOSAI1, sendo consideradas necessárias à operacionalização da cooperação europeia,
nomeadamente no âmbito da implementação dum modelo de “auditoria única”.

1 International Organization of Supreme Audit Institutions

Guia de amostragem estatística v

Plano do guia

O presente guia integra a amostragem estatística no âmbito das auditorias financeiras, de resultados
e de conformidade, realizadas pelas ISC2, de acordo com a actual estrutura normativa da INTOSAI3 e
respectivas ISSAI4.

Atendendo à existência de múltiplos métodos de amostragem, este guia pretende ser um auxiliar útil
na condução das auditorias, sendo a aplicação da amostragem estatística à auditoria tratada de forma
didáctica e simultaneamente esquemática, no sentido de permitir uma consulta rápida e compreen-
sível. Na verdade, as metodologias de amostragem estatística são utilizadas regularmente no Tribunal
de Contas, por muitos técnicos e auditores, obedecendo às normas reconhecidas pelas insti­tuições
internacionais.

O guia está estruturado em várias partes temáticas e organizado em torno de questões às quais o
texto dá resposta, dispondo, quando oportuno, de ligações que direccionam o leitor para as partes
relacionadas com o assunto em causa.

O glossário define alguns termos utilizados ao longo do documento;

Como está
estruturado o
guia? O corpo do documento introduz de forma gradual e por área temática os
tópicos relevantes da amostragem em auditoria;

O apêndice apresenta algumas fichas de apoio à documentação da amostra-

gem;

Os anexos abordam alguns temas transversais à amostragem em auditoria;

As referências indicam algumas normas internacionais da amostragem de au-

ditoria e outras referências bibliográficas relevantes.

As ligações ajudam o utilizador a interagir com o guia e com as partes relacio-

nadas com os assuntos em análise.

2 Instituições Superiores de Controlo.

3 Cf. INTOSAI’s Framework of Professional Standards. http://www.issai.org/media(389,1033)/Proposal_for_INCOSAI.doc
4 International Standards of Supreme Audit Institutions.

Guia de amostragem estatística vii

 Plano do guia

Glossário

No Glossário são apresentadas definições de alguns termos usados ao longo da exposição. Sendo
meramente indicativo e de apoio, não pretende ser completo nem aprofundar os conceitos de
amostragem em auditoria.

Corpo do documento

No ponto 1 introduz-se a temática da amostragem em auditoria, referindo a sua actual importância na

actividade profissional de auditoria, em particular das ISC, bem como algumas normas internacionais
em vigor neste âmbito, com relevo para a INTOSAI e IFAC5.

No ponto 2 apresentam-se genericamente as fases ao longo das quais se desenvolve a amostragem,

integrando-a no processo de auditoria. Este ponto pretende responder nomeadamente às seguintes
questões:

• Quais as fases do processo de amostragem?

Quais as
questões da • Como integrar as fases de amostragem no processo de auditoria?
amostragem em
auditoria? • Quais os parâmetros de amostragem e como se relacionam com os pa-
râmetros de auditoria?
• Como determinar a dimensão da amostra e quais os seus factores deter-
minantes?
• Como documentar o processo de amostragem?

No ponto 3 apresentam-se métodos e técnicas de amostragem. Após uma breve caracte­rização de

cada abordagem, referem-se as especificidades e as precauções na utilização de cada um deles. O
objectivo é responder, nomeadamente, às seguintes questões:

Quais os • Quais os métodos e técnicas de amostragem mais usados em auditoria,

métodos? em que situações podem ser usados e quais as suas vantagens e limita-
ções?
E quais as
técnicas? • Quais as características e vantagens da amostragem estatística compara-
tivamente à amostragem não estatística?

5 International Federation of Accountants.

viii Guia de amostragem estatística

Plano do guia

Em primeiro lugar, no subponto 3.1, apresentam-se as abordagens em função do tipo de parâmetro de

auditoria a estimar, por atributos ou por variáveis. Seguidamente, no subponto 3.2.1, apresentam-se
as abordagens de amostragem para tratamento da população, de forma a identificar as unidades de
amostragem e no subponto 3.2.2, referem-se as abordagens direccionadas à extracção dos elementos
amostrais.

Por último, o método MUS, apresentado no subponto 3.2.3, integra as várias fases de amostragem
referidas nos pontos anteriores, e caracteriza-se por dividir a população em subconjuntos iguais (in-
tervalos de amostragem) extraindo um elemento de cada intervalo utilizando o método das proba-
bilidades desiguais.

Apêndice

No Apêndice apresenta-se, de forma meramente indicativa, várias fichas de apoio à documentação

da amostragem em auditoria, que podem complementar as fichas do Manual de Auditoria e de Pro-
cedimentos, volume II, nomeadamente a Ficha de Testes.

Anexos

Nos anexos são apresentados alguns tópicos transversais a todo o documento.

No Anexo 1 é feita uma breve referência à representação do risco de amostragem, nomeadamente

ao modelo multiplicativo, e à sua representação gráfica e pretende-se responder, nomeadamente, às
seguintes questões:

Como representar • Como representar o risco de auditoria e quais os tipos de risco envolvi-
os riscos?
dos?
• Como avaliar o risco de amostragem incorrido na auditoria?
• Qual a distribuição do parâmetro da população em estudo na auditoria?
• Qual a fiabilidade dos resultados da amostragem?

Guia de amostragem estatística ix

 Plano do guia

No Anexo 2 referem-se as principais funções de distribuição usadas na amostragem estatística em

auditoria; incluem-se também algumas tabelas estatísticas com os valores críticos da distribuição de
Poisson e da distribuição Normal.

No Anexo 3 são resumidas algumas fórmulas estatísticas relevantes na amostragem em auditoria, usa-
das nomeadamente na inferência estatística da amostragem por proporções e por valores, sendo ainda
feita uma referência aos estimadores do método MUS, usados na projecção dos resultados amostrais
para a população.

No Anexo 4 é feita uma breve referência à amostragem assistida por computador.

Referências

Finalmente, são indicadas algumas normas internacionais de amostragem estatística em auditoria e

outras referências bibliográficas relevantes.

x Guia de amostragem estatística

Acrónimos

ARIA Acceptable risk of incorrect acceptance

DAS Déclaration d’Assurance
F, R ou λ Factor de fiabilidade de Poisson
MUS Monetary Unit Sampling
GAO U.S. Government Accountability Office
INTOSAI International Organization of Supreme Audit Institutions
IFAC International Federation of Accountants
ISC Instituições Superiores de Controlo
ISA International Standard on Auditing
ISSAI International Standards of Supreme Audit Institutions
NAO National Audit Office
TCE Tribunal de Contas Europeu

Guia de amostragem estatística xi

Glossário

Esta lista inclui os principais termos usados ao longo da exposição. Sendo meramente indicativa, não
pretende ser completa nem aprofundar os conceitos de amostragem em auditoria 6.

A
Conjunto representativo duma população, em que cada elemento tem
Amostra
aleatória igual probabilidade de ser seleccionado.
simples

Amostragem de Aplicação de procedimentos de auditoria a apenas uma parte da popula-

auditoria ção, de forma que todas as unidades de amostragem tenham igual possi-
bilidade de ser seleccionadas. O auditor pode assim obter e avaliar provas
de auditoria sobre determinadas características dos elementos seleccio-
nados, para emitir uma conclusão sobre a população da qual a amostra é
seleccionada. A amostragem em auditoria pode recorrer a métodos esta-
tísticos ou não estatísticos.

Amostra Amostra cujos elementos assumem as características específicas e repre-

representativa
sentativas da população da qual provêm, pelo que os resultados dos tes-
tes de auditoria podem ser extrapolados para a população.

C
Constitui a avaliação global dos resultados dos testes baseados num de-
Conclusão de terminado nível de confiança e erro tolerável.
amostragem

Altura ou achatamento relativo duma distribuição comparativamente à dis-

Curtosis
tribuição normal.

6 Algumas das definições incluídas nesta lista foram retiradas do Manual de Auditoria e de Procedimentos, volume I e do glossário do
manual “A metodologia DAS” do Tribunal de Contas Europeu.

Guia de amostragem estatística xiii

 Glossário

D Desde 1994 o Tribunal de Contas Europeu é obrigado pelo Tratado a apre-

DAS sentar uma declaração de fiabilidade (DAS - acrónimo francês de Décla-
ration d’Assurance), que constitui uma opinião sobre a fiabilidade das
demonstrações financeiras da União Europeia, bem como uma opinião
sobre a legalidade e regularidade das operações a que as contas se refe-
rem (operações subjacentes).

Distribuição
Distribuição duma estatística amostral, calculada em n amostras aleató-
amostral
rias.

E
Taxa máxima de erro que o auditor está disposto a aceitar para os tes-
Erro tolerável tes em causa. Nas auditorias financeiras, esse montante designa-se por
(materialidade)
“montante da materialidade”.

Estatística
descritiva Estatística usada par descrever um conjunto de dados amostrais.

Estatística Estatísticas e métodos matemáticos para descrever os parâmetros da po-

inferencial pulação, a partir da informação obtida das observações duma amostra
aleatória, representativa da população, permitindo ainda estimar a pro-
babilidade dessas estimativas estarem correctas.

xiv Guia de amostragem estatística

Glossário

Estimativa Estimativa dos parâmetros duma população, através dum único valor. A
pontual fórmula usada para o seu cálculo denomina-se estimador e é construído
a partir de estatísticas amostrais.

Estratificação O processo de dividir uma população em sub populações, segundo um

critério ligado a uma variável fortemente relacionada com a variável de
interesse (variável auxiliar), de forma que cada unidade faça parte, ape-
nas de um estrato e, o conjunto dos estratos corresponde à população.

L O objectivo da auditoria financeira da legalidade e regularidade destina-

se a garantir que uma operação está conforme as leis e regulamentos
Legalidade e
aplicáveis na matéria e está coberta por dotações orçamentais suficien-
regularidade
tes.

Máximo de inexactidões, ilegalidades ou irregularidades que o auditor

M
aceita numa população. Quanto menor a margem de erro, maior a di-
Margem de erro mensão da amostra e a extensão da auditoria a realizar. Este indicador
é usualmente expresso em termos relativos nos testes de controlo e em
termos absolutos nos testes subs­tantivos.

Média Valor central de uma distribuição (quociente da soma dos dados da distri-
buição pelo seu número).

Mediana Valor que separa a amostra ou população ao meio, tendo cada parte 50%
das ocorrências.

(Monetary unit sampling, método das unidades monetárias) – Método de

MUS
amostragem que se caracteriza por dividir a população em subconjuntos
(intervalos de amostragem) extraindo um elemento de cada intervalo uti-
lizando o método das probabilidades desiguais.

Guia de amostragem estatística xv

 Glossário

N Valor em percentagem que expressa o grau de certeza, possibilidade ou

Nível de probabilidade de ocorrência de cada elemento da população (correspon-
confiança de ao simétrico do risco).

O Geralmente, são definidos em função da natureza da auditoria (e.g. audi-

toria financeira, de desempenho ou de boa gestão). Os objectivos gerais
Objectivos de
auditoria de auditoria aplicáveis à auditoria financeira incidem sobre a legalidade,
regularidade e integralidade das operações e no que respeita à quantifi-
cação, apresentação e divulgação de informação. Os objectivos de audi-
toria aplicáveis à auditoria de desempenho ou de resultados identificam-
se, essencialmente com os aspectos relativos à economia, eficiência e
eficácia com que os objectivos e metas são prosseguidos e alcançados

P
Universo ou conjunto de dados ao qual se refere a auditoria, para o qual o
População de auditor deseja extrapolar o resultado da amostra seleccionada.
referência

Provas de Informações utilizadas pelo auditor, obtidas a partir dos testes de audi-
auditoria toria e usadas para justificar as conclusões ou opinião emitida. As provas
de auditoria devem ser suficientes para fundamentar as conclusões e a
opinião, fiáveis e adequadas.

R Método de determinar o grau de associação, dado pelo coeficiente da

regressão, entre uma variável dependente e uma ou mais variáveis inde-
Regressão
pendentes ou exógenas.

xvi Guia de amostragem estatística

Glossário

Risco de Possibilidade de que a conclusão do auditor, baseada numa amostra se-

amostragem leccionada e usando abordagens estatísticas ou não estatísticas, possa
ser diferente da conclusão que seria retirada se toda a população fosse
submetida aos mesmos procedimentos de auditoria. Os dois tipos de ris-
co de amostragem são: (1) risco de aceitação incorrecta ou risco que uma
inconformidade material seja considerada improvável quando na realida-
de a população tem inconformidades materialmente relevantes; (2) risco
de rejeição incorrecta, ou risco de emissão duma opinião que considere
verosímil existirem inconformidades, quando na realidade a população
não tem inconformidades materialmente relevantes.

Risco de Susceptibilidade do auditor concluir erradamente, emitindo uma opinião

auditoria inadequada sobre a legalidade e regularidade das operações realizadas.
O risco de auditoria tem três componentes: risco inerente, risco de con-
trolo e risco de detecção.

Risco de Susceptibilidade de os procedimentos de controlo interno não preveni-

controlo rem ou detectarem nem corrigirem em tempo oportuno, inconformida-
des materialmente relevantes.

Susceptibilidade de os procedimentos executados pelo auditor não virem

Risco de a detectar a existência de inconformidades materialmente relevantes que
detecção
não tenham sido prevenidas ou corrigidas pelo sistema de controlo inter-
no da entidade.

Susceptibilidade de ocorrerem inconformidades materialmente relevan-

Risco
inerente tes, no âmbito da gestão financeira, e no contexto das características pró-
prias da entidade.

Guia de amostragem estatística xvii

 Glossário

T (Técnicas de auditoria assistidas por computador), CAAT (computer as-

sisted audit techniques) – Programas informáticos que executam testes
TAAC
de auditoria, retornando, ordenando, seleccionando dados ou obtendo
provas sobre a correcção do processamento das transacções.

Testes de
Verificação se os controlos-chave funcionam como previsto, ou seja, de
controlo forma contínua, coerente e eficaz ao longo de todo o período sujeito a
auditoria.

Verificações com o objectivo de obter provas directas que permitam ao

Testes
substantivos auditor expressar uma opinião pertinente em relação aos objectivos de-
finidos para a auditoria. Estas provas devem ser suficientes e adequadas
(pertinentes e fiáveis em relação aos objectivos da auditoria). Os testes
substantivos podem incidir sobre várias perspectivas: revisão e realização
de testes directos aos processos utilizados pela gestão; exame das opera-
ções; aplicação de procedimentos analíticos, etc.

Elementos da população sobre os quais incidem os testes de auditoria.

U
(Exemplo: no Tribunal de Contas Europeu, são constituídas pelas opera-
Unidades de ções subjacentes às demonstrações financeiras, ou seja, pelas operações
amostragem através das quais a União Europeia financia e executa o orçamento)

V É uma medida de dispersão estatística que indica os desvios/distâncias

dos valores da variável em análise, relativamente à sua média.
Variância
A raiz quadrada da variância é designada por desvio-padão.

xviii Guia de amostragem estatística

 CAPÍTULO 1.

Introdução

Introduz a temática da amostragem e

equaciona a sua importância na activi-
dade profissional de auditoria, em par-
ticular das ISC.
 CAPÍTULO 1 - Introdução

1. INTRODUÇÃO

As mudanças ao nível da gestão em geral e do controlo financeiro em particular têm exigido a adopção
de novos métodos e técnicas de auditoria por parte das ISC. A natureza do Tribunal de Contas como
instituição superior de controlo das finanças públicas e a integração de Portugal na União Europeia re-
comendam, como referido nas linhas directrizes europeias, que as auditorias sejam realizadas segundo
as normas da INTOSAI.

Referem as normas gerais dos princípios fundamentais de auditoria que:

“As ISC precisam de se capacitar com uma gama de aptidões e experiência necessárias à efectiva-
ção do seu mandato de auditores. Qualquer que seja a natureza das auditorias a realizar sob o seu
mandato”, [...] “as ISC deverão equipar-se com a gama completa e actualizada de metodologias
de auditoria, incluindo técnicas de análise de sistemas, métodos analíticos de exame, amostragem
estatística e auditoria aos sistemas de informação”.
(ISSAI 200, ponto 2.37)

As normas de auditoria da INTOSAI baseiam-se, aliás, nas ISA da IFAC, que neste âmbito referem:

“Quando conceber testes de controlos e testes de pormenores, o auditor deve determinar meios
de seleccionar itens para teste que sejam eficazes na satisfação da finalidade do procedimento de
auditoria.”
(ISA 500-Clarificada, Prova de auditoria, parágrafo 10)

Estas orientações foram adoptadas nas linhas directrizes europeias relativas à aplicação das normas
de auditoria da INTOSAI, as quais constituem os princípios orientadores das auditorias do plano de
cooperação entre o Tribunal de Contas Europeu e as instituições nacionais de controlo externo dos
Estados-Membros da União Europeia:

“Os resultados, conclusões e recomendações de auditoria devem ter por base informações proba-
tórias. Dado que os auditores raramente têm a oportunidade de tomar em consideração toda a
informação relativa à entidade controlada, é fundamental que as técnicas de recolha de dados e
de amostragem sejam cuidadosamente seleccionadas”.7.
(Ponto 153 das Linhas directrizes europeias)

7 Linha directriz europeia nº 23, relativa à aplicação das normas de auditoria da INTOSAI, ponto 1.1.

Guia de amostragem estatística 3

 Introdução

Estas orientações normativas resultam do esforço de cooperação desenvolvido ao nível das organizações
internacionais, no sentido da harmonização de critérios técnicos que promovam o aperfeiçoamento da
eficiência e eficácia dos métodos e práticas de auditoria, necessários à integração articulada dos sistemas
de controlo a nível nacional e comunitário num modelo de “auditoria única”8.

Com efeito, segundo o Comité de Contacto9, torna-se necessário que as ISC desenvolvam metodologias
de auditoria, nomeadamente nas áreas de avaliação do risco e da amostragem estatística, explicitando
claramente a relação entre os riscos identificados e as abordagens de auditoria usadas.

Do mesmo modo, a realização de auditorias deve obedecer a normas, princípios e orientações técnicas
definidas, o que permite salvaguardar a responsabilidade dos auditores, imprimir coerência ao trabalho
de auditoria, assegurar a qualidade de acordo com os padrões internacionalmente aceites e conferir
credibilidade e validade às conclusões de auditoria.

As Directrizes de Auditoria Financeira da INTOSAI, correspondentes ao 4.º nível da estrutura das normas
de auditoria financeira, com a designação de ISSAI, incluem as ISA emitidas pelo IFAC e as corresponden-
tes Nota Prática que fornecem orientações relevantes sobre a aplicação da respectiva ISA. No âmbito da
elaboração deste guia houve um cuidado especial com o conteúdo das ISSAI que tratam das matérias
afins, das quais se destacam:

ISSAI 1230 – Documentação de auditoria;

ISSAI 1320 – Materialidade no planeamento e execução de auditoria;
ISSAI 1500 – Prova de auditoria;
ISSAI 1530 – Amostragem em auditoria.

Por esta razão, as ISC devem orientar-se pelas normas de auditoria e contabilidade geralmente aceites
internacionalmente, aprovadas no âmbito da INTOSAI e da União Europeia. Estas normas são aplicadas
ao contexto constitucional e legal de cada instituição e adequadas aos procedimentos e especificidades
da realidade a auditar. No que respeita ao processo de amostragem, este guia constitui uma afirmação
desses princípios.

8 Parecer Nº2/2004 do Tribunal de Contas Europeu, sobre o modelo de auditoria única, JO C 107/1, de 30.4.2004.
9 The contact committee of the Supreme Audit Institutions of the European Union (2006). Resolution on the strengthening and facilitating
of the cooperation between the EU SAIs to contribute to the improvement of accountability for Community funds, CC-R-2006-01 e Audit
Newsletter (December 2006) for the working groups of the Presidents of the Supreme Audit Institutions of European Union, Issue nº. 15.

4 Guia de amostragem estatística

 CAPÍTULO 2.

Fases da Amostragem
em Auditoria

Apresenta as várias fases da amostragem

integradas no processo de auditoria
 CAPÍTULO 2 - Fases da amostragem em auditoria

A amostragem em auditoria (quer seja estatística ou não-estatística) é o pro-

Como integrar as
fases de
cesso de seleccionar um grupo de itens, denominado amostra, a partir de
amostragem no um grupo grande de itens, denominado população, utilizando características
processo de
dessa amostra para produzir conclusões suficientes sobre as características da
auditoria?
população inteira.

Isto permitirá ao auditor obter e avaliar a prova de auditoria acerca de alguma

característica dos elementos seleccionados com a finalidade de formar ou de
ajudar a formar uma conclusão respeitante à população de onde foi extraída
a amostra.

Pretende-se que essas conclusões sejam estatisticamente válidas, dentro do

nível de confiança ou, inversamente, da probabilidade de erro previamente
estabelecida para a auditoria.

Duma forma genérica, as auditorias têm como objectivo a emissão duma opinião.
Nas auditorias financeiras, essa opinião abrange a consistência, integridade e
fiabilidade das contas e respectivas demonstrações financeiras. Nas auditorias
de resultados incide sobre a boa gestão dos recursos utilizados pelas entidades
no desempenho das suas responsabilidades. Assim, os objectivos destas audi-
torias visam, genericamente:

–– Auditorias financeiras ‒ Avaliar o risco de ocorrência de erros ou incon-

formidades materialmente relevantes nas demonstrações financeiras
que certificam como verdadeiras e apropriadas (true and fair), ou seja,
que “não existem erros de dimensão material, excepto no que respeita
a um risco aceitável de que a opinião possa ser falsa por não terem sido
detectados erros materiais”;

–– Auditorias de resultados ‒ Avaliar a boa gestão, no que se refere à eco-

nomia, eficiência e eficácia da aplicação dos recursos à disposição das
entidades, na prossecução das políticas públicas sob a sua competência.

Guia de amostragem estatística 7

 Capítulo 2 - Fases da amostragem em auditoria

Para a emissão dessas opiniões e recomendações, o auditor deve recolher in-

formações probatórias a custos razoáveis, de forma a obter a chamada prova
selectiva, procedendo para isso à realização de testes.
Assim, decide no sentido de:

• Proceder ao censo da totalidade da população ou

• Analisar uma amostra representativa de elementos seleccionados da popu-

lação, designada por amostragem de auditoria, a qual “constituirá frequen-
temente um método apropriado quando se levam a cabo tanto testes de
controlo como substantivos”10.

10 Linha directriz europeia nº 23, relativa à aplicação das normas de auditoria da INTOSAI, ponto 2.3.

8 Guia de amostragem estatística

Capítulo 2 - Fases da amostragem em auditoria

Quais as fases da amostragem em auditoria?

Independentemente do tipo de auditoria adoptado, o processo de amostragem em auditoIria desenvolve-

se ao longo de fases distintas, coerentemente relacionadas: (1) planeamento da amostra (estabelecendo
nomeadamente os parâmetros de amostragem e a dimensão da amostra); (2) extracção dos elementos
a testar; (3) execução dos testes e outros procedimentos de auditoria; (4) avaliação dos resultados das
estimativas obtidas; (5) documentação:11

11 Linha directriz europeia nº 23, relativa à aplicação das normas de auditoria da INTOSAI.

Guia de amostragem estatística 9

 Capítulo 2 - Fases da amostragem em auditoria

Quais as fases do processo de amostragem?

• Planeamento
Como planear a
amostra? –– Identificação e avaliação das áreas de maior risco e decisão sobre o nível
de confiança e do erro tolerável requeridos para a auditoria
–– Definição e análise da população a auditar;
–– Elaboração do plano de amostragem: escolha dos métodos, dos parâ-
metros de amostragem e da dimensão da amostra;
–– Planeamento dos testes de auditoria a realizar aos elementos amostrais;
–– Planeamento dos recursos necessários para a execução da auditoria às
amostras seleccionadas.

• Extracção dos elementos da população a integrar a amostra sobre a

qual incidem os testes e procedimentos de auditoria.
Que métodos e
técnicas usar? • Execução dos testes e procedimentos de auditoria ‒ Os testes realiza-
dos sobre as amostras fornecem os elementos que permitem estimar na
♦ V. Cap. 3, p. 27
população os parâmetros da auditoria, bem como o risco associado a essa
estimação. Essas provas, obtidas com base em critérios técnicos rigorosos,
internacional­mente reconhecidos e aplicados de forma correcta, permitem
obter os elementos probatórios suficientes e apropriados que dão credibi-
lidade (truth and fairness) à opinião emitida pelo auditor12.

• Avaliação das estimativas ‒ Usando os princípios da teoria das proba-

bilidades e da inferência estatística, o auditor estima os parâmetros da
população, extrapolando os resultados amostrais para a globalidade da
Como população e procede à avaliação do seu nível de fiabilidade.
documentar o
processo de • Documentação e elaboração do relatório ‒ Todo o processo de amostra-
amostragem?
gem deve ser devidamente documentado, através, por exemplo, de fichas
♦ V. ponto 2.4. p. 23
próprias13, incluindo os testes efectuados, os resultados obtidos e as con-
e apêndice p. 61
clusões apuradas. No relatório de auditoria deve constar informação es-
pecífica sobre as decisões tomadas ao longo do processo de amostragem,
que consta das fichas referidas, nomeadamente: avaliação do risco, nível
de confiança, erro tolerável, dimensão da amostra e outros parâmetros
específicos dos métodos e técnicas de amostragem adoptadas.

12 Cf. Manual de Auditoria e de Procedimentos I, p. 41 e INTOSAI, ISSAI 300, parágrafo 5.7.

13 V. Apêndice – Ficha de apoio da amostragem em auditoria.

10 Guia de amostragem estatística

Capítulo 2 - Fases da amostragem em auditoria

2.1. Fase de Planeamento

A elaboração do plano de amostragem constitui um compromisso entre a precisão requerida para

a auditoria e os recursos disponíveis para a sua realização. Para isso, procede-se à selecção dos mé-
todos e técnicas de amostragem, estabelecem-se os respectivos parâme­tros técnicos específicos às
abordagens seleccionadas e determina-se a dimensão da amostra. Estas decisões são estabelecidas
em função da natureza da população, dos parâmetros de auditoria, da avaliação do risco inerente e
do risco associado aos sistemas de controlo interno, prestando-se particular atenção às operações de
elevado risco ou particularmente relevantes.

Quais as decisões a tomar no planeamento da amostragem?

Quais os • Características da população

parâmetros de
auditoria Definição e análise da população a auditar, caracterizando sumariamente,
usados na
amostragem? através de estatísticas descritivas, o conjunto dos dados disponíveis para
♦ V. ponto 2.1.2. a auditoria.
p. 14 • Pressupostos da auditoria
Especificação dos objectivos e parâmetros da auditoria rele­vantes à
amostragem (nível de confiança, erro tolerável e erro esperado).
Que métodos • Plano de amostragem
escolher?
–– Formulação dos objectivos da amostragem, em função dos objectivos
♦ V. Cap. 3, p. 27 pretendidos para a auditoria e das características da população;
–– Escolha dos métodos de amostragem, em função das características da
população, dos objectivos e dos parâmetros de auditoria;
–– Definição das unidades de amostragem (elementos individuais da po-
pulação que integram a amostra), sobre as quais incidem os testes de
auditoria (por exemplo: facturas de vendas, saldos de devedores ou,
Qual a dimensão no caso do MUS, a unidade monetária);
da amostra?
–– Identificação dos parâmetros técnicos específicos do(s) método(s) de
♦ V. ponto 2.1.3. amostragem adoptado(s);
p. 17
–– Determinação da dimensão da amostra, baseada nas características
da população e nos referidos parâmetros técnicos específicos.

Guia de amostragem estatística 11

 Capítulo 2 - Fases da amostragem em auditoria

2.1.1. Definição e análise da população

A população constitui o conjunto dos dados a partir do qual o auditor pretende extrair uma amostra.
É importante que o auditor comece por definir, duma forma clara e completa, a população que vai
ser objecto de auditoria.

Para obter amostras estatisticamente válidas convém que a população seja homogénea, constituída
por elementos com as mesmas características, tratada por sistemas análogos ou comuns e, conse-
quentemente, exposta a riscos análogos.14

No entanto, as populações de auditoria são em geral heterogéneas, sendo útil aplicar técnicas de
análise estatística exploratória, que permitem caracterizar a população. Para isso pode-se, alterna-
tivamente:

–– Usar o conhecimento adquirido pela experiência, utilizando amostras anteriores, desde

que não tenham ocorrido alterações significativas que possam modificar a distribuição da
variável representativa do parâmetro a auditar na população;

–– Analisar uma amostra piloto de 30 a 50 elementos, seleccionados ­aleatoriamente.

Quais os estimadores dos parâmetros da população?

Qual a distribuição
do parâmetro a A análise da população constitui a base da escolha dos testes de auditoria
estimar? e dos métodos de amostragem adequados, preferencialmente estatísti-
♦V. anexo 2, p. 79 cos, fornecendo ainda as estatísticas de base necessárias ao cálculo dos
estimadores dos parâmetros da população. As estatísticas descritivas
mais utilizadas, de localização, dispersão, simetria e curtose incluem,
designadamente:

14 Linha directriz europeia nº 23, relativa à aplicação das normas de auditoria da INTOSAI, ponto 4.2.

12 Guia de amostragem estatística

Capítulo 2 - Fases da amostragem em auditoria

Média ‒ Representa a localização dos dados, em torno da qual se situ-

Que parâmetros
da população am os valores em análise; no entanto, esta estatística é muito sensível à
estimar? presença de valores extremos (outliers). Em alternativa, pode usar-se a
♦V. anexo 3.1. mediana.
p. 89
Variância ‒ Quando o seu valor é elevado, pode indiciar a ocorrência
de outliers, ou seja, valores muito afastados, típicos duma população
heterogénea, sugerindo a utilização de métodos de amostragem, tais
como, estratificado, método das probabilidades desiguais ou baseado
nas unidades monetárias que permitam constituir sub-populações ho-
mogéneas.

Regressão ‒ É usada nos testes analíticos para identificar correlações,

isto é, o grau de associação entre variáveis.

Como representar graficamente a população?

A representação gráfica da população pode ser ilustrada através das se-

Que guintes distribuições:
distribuição usar
na amostragem? Distribuição de frequências amostral ‒ Traduz a probabilidade de ocor-
♦V. anexo 2. p. 79 rência em termos percentuais de cada observação, sendo representada
por um histograma de frequências.

Distribuição de probabilidades empírica ‒ Permite traduzir a distribuição

de frequências amostral numa distribuição de probabilidades discreta ou
contínua, representada em termos percentuais, ou seja, sem depender da
unidade dos dados.

Distribuição de probabilidades teórica ‒ Na prática, não se obtém a dis-

tribuição empírica da variável aleatória em estudo na auditoria; alternati-
vamente, representa-se através duma função de distribuição de probabi-
lidades teórica adequada

Guia de amostragem estatística 13

 Capítulo 2 - Fases da amostragem em auditoria

2.1.2. Parâmetros de auditoria e de amostragem

O conhecimento do risco inerente e do risco de controlo associados aos sistemas administrativos e de

controlo interno desempenham um papel chave na elaboração do plano de auditoria e de amostragem.
Independentemente de cada método de amostragem ter os seus próprios parâmetros específicos,
existe um conjunto de parâmetros globais de auditoria usados na amostragem, designadamente o
nível de confiança, o erro tolerável (materialidade) e o erro esperado.

Quais os parâmetros de auditoria relevantes na amostragem?

O que é o
nível de
Nível de confiança e risco de amostragem
confiança?
A extrapolação das conclusões da amostra para a população não é exac-
ta, tendo associada uma margem de erro, medida pela possível diferença
entre a estimativa obtida na amostra e o valor real do parâmetro na popu-
lação. Por exemplo, nas auditorias de conformidade, o nível de confiança
traduz a probabilidade de que o “valor máximo dos erros existentes na
população total não ultrapasse um limite previamente fixado pelo auditor
e por este tido como limite tolerável”15.
Qual a Os conceitos de nível de confiança e risco de amostragem são noções
relação de
nível de
complementares. Por exemplo, quando o nível de confiança é 95%, o risco
confiança e risco de auditoria é 5%. Numa auditoria financeira, ao fixar o nível de confiança
de amostragem?
em 95%, o auditor aceita, com uma probabilidade de 95%, que não exis-
tem erros materialmente relevantes na população. Significa que o auditor
incorreria, em média, num risco de 5% de aceitar incorrectamente as de-
monstrações financeiras como isentas de erros materiais. Ou seja, incor-
reria em média num risco de 5% das demonstrações financeiras estarem
materialmente erradas.

15 Tribunal de Contas, Manual de Auditoria e de Procedimentos I, p. 43.

14 Guia de amostragem estatística

Capítulo 2 - Fases da amostragem em auditoria

O nível de confiança é estabelecido no início da auditoria e deverá estar em

Como
representar o conformidade com vários factores, nomeadamente:
risco?
• As linhas de orientação ou políticas estabelecidas por convenção, negocia-
♦ V. anexo 1, p. 67 ção entre auditados e auditores e opinião pública16;
• A avaliação da fiabilidade e eficácia dos sistemas de controlo interno da
entidade auditada;
• A experiência dos auditores e o seu conhecimento dessa entidade.
Para elucidar a questão exposta adopta-se o critério seguido pelo TCE na
emissão de opiniões DAS (Déclaration d’Assurance) sobre as classes de risco
nos termos que se seguem:

Apreciação do risco Avaliação global dos Garantia obtida a Nível residual dos Nível de confiança míni-
inerente sistemas de super- partir da avaliação testes substantivos mo a obter c/ base nos
visão e controlo combinada do risco a realizar testes substantivos (%)

Garantia elevada Testes substantivos

Excelente resultante dos con- mínimos 45
trolos

Pouco elevado Garantia média Testes substantivos

Bom resultante dos con- normais 67
trolos

Garantia ­reduzida Testes substantivos

Deficiente resultante dos con- orientados 92
trolos

Garantia média Testes substantivos

Excelente resultante dos con- normais 67
trolos

Elevado Garantia média Testes substantivos

Bom resultante dos con- normais 80
trolos
Garantia ­reduzida Testes substantivos
Deficiente resultante dos con- orientados 95
trolos

Fonte: Tribunal de Contas Europeu (2008). A Metodologia DAS, p. 25. Diagrama 10 - As diferentes hipóteses para
os trabalhos DAS.

16 Por exemplo, a Comissão Europeia adopta no novo período programático 2007-2013 relativo às operações estruturais, um nível de con-
fiança de 95% e um nível de materialidade de 2%.

Guia de amostragem estatística 15

 Capítulo 2 - Fases da amostragem em auditoria

O que é o erro • Erro tolerável e erro esperado

tolerável?
Nas auditorias financeiras, o erro tolerável (materialidade) corresponde
ao erro máximo que o auditor está disposto a aceitar, ou seja, constitui o
factor a partir do qual se considera que um erro pode afectar as decisões
das partes interessadas (stakeholders).
Este factor pode ser determinado indirectamente, utilizando uma per-
centagem (testes de controlo), ou directamente fixando um valor mon-
etário (testes substantivos).
Se a estimativa dos erros na população, a partir dos erros encontrados
na amostra, ultrapassar o erro tolerável, o nível de erro torna-se inacei-
tável, pelo que a auditoria corre o risco de não descobrir a ocorrência
O que é o erro de erros materiais.
esperado
O erro esperado, por sua vez, é o número de elementos que o auditor
espera encontrar com erros, na população concreta que será submetida
a auditoria.

16 Guia de amostragem estatística

Capítulo 2 - Fases da amostragem em auditoria

2.1.3. Dimensão da amostra

Quais os factores associados à dimensão da amostra?

Normalmente as leis da teoria das probabilidades pressupõem uma dimen-

Como calcular a são mínima das amostras. Amostras inferiores a 30 elementos são classifica-
dimensão da das como case studies, para as quais a inferência dos resultados amostrais
amostra? para a população não tem validade estatística. Se os recursos ou o tempo
disponíveis para a auditoria são escassos, pode reduzir-se a dimensão da
amostra, o que implica diminuir a precisão requerida ou, inversamente, au-
mentar a margem de erro.
A dimensão da amostra a auditar depende em geral de vários factores, no-
meadamente das características da população e dos parâmetros de audito-
ria:

A dimensão da
• Factores associados às características da população
população
influencia a –– Dimensão:
dimensão da
Nem sempre a dimensão da população afecta necessariamente a dimen-
amostra?
são da amostra nem esta constitui uma percentagem da população17.
Por exemplo, na amostragem por atributos, se a variável de auditoria
for representada pela proporção da população que exibe esse atributo,
a representatividade da amostra não implica que esta contenha muitos
elementos.

–– Estatística descritiva:
Refira-se nomeadamente a variabilidade, a qual afecta a fiabilidade das
conclusões. Quanto maior a variabilidade dos dados (expressa numa ele-
vada variância), menos fiável se tornam as estimativas, logo a dimensão
da amostra terá que aumentar. Neste caso, para minimizar a dimensão
da amostra é aconselhável utilizar métodos de amostragem estratifica-
dos ou baseados em unidades monetárias.

• Parâmetros de auditoria relevantes para a amostragem

Como anteriormente referido: nível de confiança, erro tolerável e erro
esperado.

17 GAO (1992), Using statistical sampling, GAO/PEMD-10.1.6.

Guia de amostragem estatística 17

 Capítulo 2 - Fases da amostragem em auditoria

Quais os factores que influenciam a dimensão da amostra?18

Testes ao sistema de controlo interno (testes de controlos)

Efeito na dimensão
Factor
da amostra
1. ↑ Aumento da segurança pretendida da eficácia dos controlos internos ↑ Aumento
2. ↑ Aumento na taxa de desvio (erro tolerável) que o auditor está disposto a
↓ Diminuição
aceitar para os procedimentos de controlo interno
3. ↑ Aumento na taxa de desvio (erro esperado) que o auditor espera encon-
↑ Aumento
trar para os procedimentos de controlo interno.
4. ↑ Aumento do nível de confiança (ou inversamente, diminuição do risco)
↑ Aumento
exigido pelo auditor

5. ↑ Aumento no número de unidades de amostragem na população Efeito negligenciável

Testes substantivos e analíticos (testes de pormenores)

Efeito na dimensão
Factor
da amostra
6. ↑Aumento na avaliação do risco de distorção material pelo auditor ↑ Aumento
7. ↑Utilização de outros procedimentos substantivos dirigidos à mesma popu-
↓ Diminuição
lação
8. ↑Aumento do nível de confiança exigido pelo auditor (ou inversamente,
↑ Aumento
diminuição no risco)
9. ↑Aumento no erro total que o auditor está disposto a aceitar (erro tolerável) ↓ Diminuição
10. ↑Aumento no erro que o auditor espera encontrar na população (erro espe-
↑ Aumento
rado)
11. Estratificação da população (quando apropriada) ↓ Diminuição

12. Número de unidades de amostragem na população Efeito negligenciável

18 Adaptado dos apêndices 2 e 3 da ISA 530 (clarificada-2009).

18 Guia de amostragem estatística

Capítulo 2 - Fases da amostragem em auditoria

Legenda:

1. Eficácia dos controlos internos ‒ Quanto mais segurança o auditor pretende para a eficácia opera-
cional dos controlos internos, maior deverá ser a dimensão da amostra.

2. Taxa de desvio (dos procedimentos de controlo interno), que o auditor está disposto a aceitar
(erro tolerável) ‒ Quanto maior a taxa de desvio que o auditor está disposto a aceitar, menor será
a dimensão da amostra.

3. Taxa de desvio da actividade de controlo interno que o auditor espera encontrar na população
(erro esperado) ‒ Quanto maior a taxa de desvio que o auditor espera vir a encontrar, maior neces-
sita ser a dimensão da amostra, para que o auditor esteja em condições de calcular uma estimativa
razoável da taxa de desvio real. Elevadas taxas de erro esperadas garantem normalmente pouca,
se alguma, redução do risci avaliado de distorção material; logo, em tais circunstâncias, não haverá
vantagem em proceder à realização de testes de controlo.

4. Nível de confiança exigido pelo auditor ‒ Quanto maior o grau de confiança exigido pelo auditor
para que os resultados da amostra sejam de facto indicativos da incidência real de erros na popula-
ção, maior deverá ser a dimensão da amostra.

5. Número de unidades de amostragem na população ‒ Para grandes populações, a dimensão real da

população tem pouco, se algum, efeito na dimensão da amostra.

6. Avaliação do risco de distorção material pelo auditor ‒ Quanto maior a avaliação do risco de dis-
torção material pelo auditor, maior a dimensão da amostra. A avaliação pelo auditor do risco de
distorção material é influenciada pelo risco inerente e risco de controlo. Por exemplo: a avaliação
do risco pelo auditor será elevada se o auditor não executa testes de controlo, pelo que a eficácia
operacional dos controlos internos na população torna-se reduzida.
Por conseguinte, para reduzir o risco de auditoria a um nível aceitável, o auditor necessita de redu-
zir o risco de detecção, pelo que tenderá a dar mais importância aos procedimentos substantivos.
Quanto mais provas de auditoria se pretendem a partir da execução de testes de pormenores,
maior a confiança requerida para os testes substantivos (para reduzir o risco de detecção). Logo,
maior será a dimensão da amostra.

7. Utilização de outros procedimentos substantivos dirigidos à mesma população ‒ Quanto maior a

confiança do auditor na aplicação doutros procedimentos substantivos (para, através de testes de
pormenores ou procedimentos analíticos substantivos, reduzir a um nível aceitável o risco de detec-
ção numa determinada classe de transacções ou saldo de conta), menos segurança o auditor exigirá
da amostragem e, por conseguinte, a dimensão da amostra pode ser reduzida.

Guia de amostragem estatística 19

 Capítulo 2 - Fases da amostragem em auditoria

8. Nível de confiança exigido pelo auditor ‒ Quanto maior o grau de confiança exigido pelo auditor
que os resultados da amostra sejam de facto indicativos do erro na população, maior a dimensão da
amostra.

9. Erro total que o auditor está disposto a aceitar (erro tolerável) ‒ Quanto mais baixo o erro total que
o auditor está disposto a aceitar, maior necessita ser a dimensão da amostra.

10.Erro que o auditor espera encontrar na população (erro esperado) ‒ Quanto maior o erro que o
auditor espera encontrar na população, maior deverá ser a dimensão da amostra, de forma a ser
possível proceder a uma estimativa razoável do erro na população.

Entre os factores relevantes à consideração do auditor acerca do erro esperado, incluem-se os resul-
tados dos procedimentos de avaliação do risco, os resultados dos testes de controlo, os resultados
dos procedimentos de auditoria aplicados em períodos anteriores e os resultados de outros proce-
dimentos substantivos.

11.Estratificação ‒ Quando ocorra grande variabilidade na população, pode ser útil agrupar elementos
com características similares em subpopulações ou estratos separados.

Quando uma população puder ser adequadamente estratificada, para alcançar um determinado
nível de risco de amostragem, a dimensão da amostra agregada, obtida da extracção dos estratos
individuais, será geralmente inferior à dimensão da amostra que teria sido necessária se a amostra
fosse extraída directamente de toda a população.

12.Número de unidades amostrais na população ‒ Em grandes populações, a dimensão real da popu-

lação tem pouco, ou mesmo nenhum efeito, na dimensão da amostra.
Por conseguinte, por vezes, para pequenas populações, a amostragem de auditoria não é tão efi-
ciente como outros meios alternativos de obtenção de provas de auditoria apropriadas e suficien-
tes. Contudo, quando se usar a amostragem por unidades monetárias (MUS), um aumento no valor
monetário da população aumenta a dimensão da amostra, excepto se esse aumento for compensa-
do por um aumento proporcional no nível da materialidade.

20 Guia de amostragem estatística

Capítulo 2 - Fases da amostragem em auditoria

2.2. Extracção dos elementos da amostra

Quais os aspectos relevantes na extracção da amostra?

As técnicas de extracção deverão ser escolhidas de forma a adequarem-se aos objectivos da audito-
ria, às características da população e ao tipo de testes de auditoria a realizar. Para retirar conclusões
estatisticamente válidas sobre a totalidade da população, as amostras devem apresentar as seguintes
características:19

• Suficiência: a amostra deverá fornecer informação suficiente;

• Representatividade: os seus elementos devem possuir as características de todos
os elementos da população;
• Estabilidade: os resultados dos testes devem ser idênticos, independentemente
da dimensão da amostra, o que implica a adopção de abordagens de amostragem
estatística.

Além disso, “o auditor deverá precaver-se contra o risco de omitir parte da população quando da ex-
tracção da amostra. Por exemplo, é frequentemente necessário, em especial em ambientes informa-
tizados, executar e documentar uma reconciliação entre o ficheiro utilizado para extrair a amostra e a
população tal como se encontra registada nas contas da entidade”20.

Assim, o “auditor deverá analisar regularmente a probabilidade” da “amos-

tra seleccionada ser adequadamente representativa da população. Tal é
Porque usar a particularmente importante quando se recolhe uma amostra não estatística,
amostragem esta-
tística? especialmente quando a extracção não é aleatória”.21
♦ V. cap. 3, p. 27 De forma a obter amostras estatisticamente válidas, ou seja, representa-
tivas da população, a extracção dos seus elementos deverá privilegiar a
adopção de processos aleatórios, pressuposto necessário à adopção dos
métodos de inferência estatística baseados nas leis da teoria das probabi-
lidades. De facto, só é possível definir o risco de amostragem “quando se
utiliza uma técnica de amostragem estatística”22.

19 Manual de Auditoria e Procedimentos, I, p. 41.

20 Linha directriz europeia nº 23, relativa à aplicação das normas de auditoria da Intosai, ponto 4.6.
21 Linha directriz europeia nº 23, relativa à aplicação das normas de auditoria da Intosai, ponto 4.5.
22 Linha directriz europeia nº 23, relativa à aplicação das normas de auditoria da Intosai.

Guia de amostragem estatística 21

 Capítulo 2 - Fases da amostragem em auditoria

2.3. Resultados e conclusões da amostragem

As actividades de auditoria conduzem a uma fase final, na qual são avaliados os resultados amostrais,
retiradas conclusões sobre os parâmetros da população e emitida uma opinião, à qual se pretende
que esteja associado o nível de confiança estabelecido inicialmente para a auditoria.

Como determinar o erro amostral?

Atendendo a que as amostras diferem entre si, bem como da sua população de origem, é desejável
dispor duma medida objectiva para a possível variação das estimativas obtidas em diversas amostras,
bem como para a relação entre a estimativa amostral obtida e o verdadeiro parâmetro da população.

Por exemplo, nas auditorias de conformidade aos sistemas de controlo interno, tendo “avaliado os erros
ou excepções detectados na amostra, o auditor deverá avaliar na população total” “o nível de erro ou
excepção mais provável”23. Tal efectua-se por estimação do “nível de erro” da amostra, comparando-
se seguidamente o valor obtido com o “nível de erro tolerável”, estabelecido à priori para a auditoria.

Dito doutra forma, na avaliação dos resultados da auditoria deverá ser de-
Qual a terminado o erro amostral, isto é, o erro associado ao facto da amostra
fiabilidade dos não corresponder exactamente à população. O erro amostral é represen-
resultados da
amostragem?
tado estatisticamente pela estimativa do simétrico do nível de confiança
do resultado obtido, o qual fornece na prática uma quantificação da fiabi-
lidade dos resultados da amostragem.
♦V. anexo 1.4.,
p. 75 A adopção de abordagens de amostragem estatística permite a aplicação
de métodos de inferência para generalizar as conclusões da amostra para
a população, através de estimadores, ou seja, fórmulas matemáticas que
permitem calcular as estimativas dos parâmetros na população e avaliar a
respectiva precisão.
Na prática, o erro estimado ou projectado para a população a partir dos
resultados amostrais pode exceder o nível de fiabilidade requerido pelo
auditor, pelo que a inferência estatística desempenha um papel importan-
te na validação ou rejeição das conclusões de auditoria obtidas a partir dos
resultados amostrais.

23 Linha directriz europeia nº 23, relativa à aplicação das normas de auditoria da Intosai, pontos 4.10. e 4.11.

22 Guia de amostragem estatística

Capítulo 2 - Fases da amostragem em auditoria

2.4. Documentação e informação do relatório

As normas de auditoria referem que é essencial a auditoria ser cuidadosamente documentada, “de
forma que os supervisores possam levar a cabo procedimentos de revisão”24. Os documentos de trabalho
devem permitir a avaliação independente da qualidade do trabalho de auditoria, sendo considerados
adequados se forem claros, completos, concisos e conclusivos, permitindo a um “auditor experiente,
sem prévio envolvimento na auditoria, verificar, posteriormente, por meio deles, o trabalho realizado
para fundamentar as conclusões”25.
Como documentar e relatar o processo de amostragem?

Que informação Informação a integrar nos documentos de trabalho

documentar?
–– Descrição das técnicas de avaliação do risco usadas;
–– Provas de auditoria usadas para suportar a avaliação do risco;
–– Descrição das técnicas de avaliação do risco usadas;
–– Provas de auditoria usadas para suportar a avaliação do risco;
Que relatar? –– Identificação dos riscos significativos que a auditoria enfrenta;
–– Objectivos da amostragem;
–– Processo de amostragem usado;
–– Parâmetros de amostragem genéricos, específicos e dimensão da amos-
tra;
–– Elementos da amostra seleccionados;
Como –– Detalhe dos testes de auditoria realizados à amostra;
documentar? –– Conclusões obtidas.
♦ V. modelos de
fichas Apêndice Informação a integrar no relatório
p. 61.
Quanto à informação sobre o risco:
–– Descrição da técnica de avaliação do risco usada;
–– Identificação dos riscos significativos que a auditoria enfrenta;
–– Provas de auditoria para suportar a avaliação do risco.

24 Linha directriz europeia nº 23, relativa à aplicação das normas de auditoria da Intosai, ponto 5.1., Ver ainda Linha directriz nº 26 “Do-
cumentação”.
25 Código de ética e normas de auditoria da INTOSAI, parágrafo 3.5.7. e ainda as normas 3.5.5. e 3.5.6. da INTOSAI (2001) e Linha Directriz
nº 26, e ainda IFAC–ISA 230, Documentation.

Guia de amostragem estatística 23

 Capítulo 2 - Fases da amostragem em auditoria

Quanto ao reporte dos resultados da amostra:

–– Dimensão da amostra;
–– Metodologia de extracção;
–– Estimativas resultantes da amostra;
–– Limite superior de erro.

Suporte de documentação: Ficha de apoio

Em apêndice apresentam-se, a título meramente indicativo, vários ele­
mentos que constituem um modelo de ficha que poderá ser utilizada no
processo de amostragem.

24 Guia de amostragem estatística

 CAPÍTULO 3.

Métodos de
amostragem e
técnicas de extracção

Sistematiza os principais métodos e técni-

cas de amostragem no que respeita a:
• Características
• Vantagems e desvantagens da sua uti-
lização
 CAPÍTULO 3 - Métodos de amostragem e técnicas de extracção

Atendendo a que os objectivos dos diferentes tipos de auditoria e dos testes a aplicar às amostras (tes-
tes de controlo ou testes substantivos) podem diferir substancialmente entre si, “poderá ser necessário
utilizar diferentes métodos de amostragem”26 .

No quadro seguinte apresentam-se, de forma resumida, os principais métodos de amostragem utilizados

em auditoria, as várias técnicas de extracção da amostra que cada método pode aplicar, o ambiente em
que cada método é mais adequado e ainda as vantagens e limitações de cada um.

Breve caracterização dos métodos da amostragem27

Métodos de Definição Técnicas de Utilização (+) Vantagens

Amostragem Extracção (-) Limitações

Todos os elementos da Aleatório (+) Amostras bastante repre-

população são elegíveis Sistemático ou por Perante a ausên- sentativas
com a mesma intervalos cia de informação
Simples
probabilidade de serem sobre a população (-) Exige que os elementos da
seleccionadas alvo população estejam nume-
Outros rados sequencialmente

Consiste na divisão da
população em subgrupos Aleatório Quando a (+) Reduz a variabilidade
ou estratos homogéneos população é muito dentro de cada estrato
segundo um critério variável e/ou os
Estratificada Sistemático ou por (+) Permite dar atenção
ligado a uma variável elementos da
intervalos diferenciada aos vários
auxiliar população são estratos
O conjunto de estratos muito heterogé-
corresponde à totalidade Outros neas (-) Exige um maior conheci-
da população mento da população alvo

(+) Reduz a variabilidade dentro

Tem por base o mesmo Juízo do auditor ou Quando a de cada estrato (+) Permite
princípio da estratificação outro critério (por população é muito dar atenção diferenciada
ex. percentagem variável e não aos vários estratos
Por quotas
do atributo na é fácil o acesso
Difere apenas na técnica (-) Método não estatístico
população) aos elementos
de extracção (-) Exige um bom conhecimento
elegíveis
da população

26 Linha directriz europeia nº 23, relativa à aplicação das normas de auditoria da Intosai, ponto 2.3.
27 Adaptado e expandido de NAO (2002), A Practical Guide to Sampling, p. 11 e 12.

Guia de amostragem estatística 27

 Capítulo 3 - Métodos de amostragem e técnicas de extracção

Métodos de Definição Técnicas de Utilização (+) Vantagens

Amostragem Extracção (-) Limitações
(+) Menor custo
Consiste na extracção de Juízo do auditor Quando a popu-
Por blocos alguns blocos contíguos (para extracção lação se encontra (-) Menos eficiente
de elementos da popula- dos blocos) dispersa
ção, para serem analisa- (-) Maior erro de amostragem
dos na totalidade
(-) Método não estatístico

(+) Permite dar atenção

Consiste na partição da Aplica-se a popu- diferenciada aos vários
população em grupos re- lações de grandes grupos
Por clusters ou Aleatório (para
grupos presentativos do universo, extracção dos dimensões e os (+) Fácil utilização
para serem analisados na grupos) seus elementos
totalidade se encontram
dispersos (-) Cálculos complexos para
a estimativa dos parâ-
metros

Consiste na comparação
E m p a r e l h a d a de duas populações rela- Sequência de (+) Permite comparar duas
(matched sam- cionadas entre si: regras (sampling Avaliação de polí- populações segundo deter-
minados atributos
pling) policy ticas públicas
- Pop. Experimental
(-) Aplicação complexa
- Pop. de controlo

O tamanho da amostra e Quando não é (-) Método não estatístico

a extracção dos importante a (os resultados são válidos
Juízo do Conveniência, apenas para a amostra,
auditor elementos que a inte- Apreciação ou de validação não podendo ser
gram, são determinados julgamento estatística extrapolados para a
por critérios do auditor população)

Este método considera

que as unidades de amos- (+) Com amostras menores e
tragem, que constituem a maior cobertura da popu-
Aplica-se a popu-
população, são unidades lação em termos de valor
lações em que se
monetárias.
PPS espera encontrar (+) A população é automatica-
um número redu- mente estratificada com
Divide a população em
zido de erros base no valor relativo dos
MUS subconjuntos iguais (in- Probability seus elementos
tervalos de amostragem), Proportional Para testar popula-
extraindo um elemento de to Size ções que possam (-) Não trata valores negativos
cada intervalo utilizando o
incluir sobrevalori- ou nulos
método das probabilidades
zações
desiguais. Daí resulta, que (-) A estimação é inadequada
a probabilidade de extrac- perante a existência de um
ção de um elemento é grande número de erros
proporcional ao seu valor

28 Guia de amostragem estatística

Capítulo 3 - Métodos de amostragem e técnicas de extracção

Qual a diferença entre a amostragem estatística e não estatística?

De acordo com as circunstâncias específicas de cada auditoria, a extracção da amostra pode apoiar-
se em métodos não estatísticos ou estatísticos. Independentemente dos métodos seleccionados,
estes devem proporcionar ao auditor provas que se pretendem suficientes, pertinentes, adequadas,
relevantes, credíveis e fiáveis.
Enquanto a amostragem estatística fornece instrumentos de medida do risco de amostragem incor-
rido na extrapolação dos resultados amostrais para a população, na amostragem não estatística os
resultados obtidos só são válidos para a amostra seleccionada.

Na amostragem não estatística, seja por conveniência, apreciação ou julga-

Como escolher a mento, o auditor, apoiado num critério subjectivo, determina a dimensão
amostragem não da amostra, selecciona os elementos que a integram e avalia os resultados.
estatística?
Este critério baseia-se na apreciação, no julgamento pessoal e na experiência
profissional do auditor.
No entanto, caso o auditor decida recolher uma amostra não estatística, “de-
verá tomar em consideração a utilização de métodos de extracção aleatória.
Tal fará normalmente aumentar a probabilidade da amostra ser representativa
da população”, “dentro dos limites duma medida de imprecisão induzida pela
amostragem”, o que permite “medir a precisão da informação fornecida”28.
Como escolher
Na amostragem estatística, as amostras são estatisticamente representativas
a amostragem
estatística? da população. A determinação da dimensão da amostra, a extracção dos
elementos que a integram e a avaliação dos resultados obtidos recorrem a
métodos matemáticos baseados no cálculo das probabilidades.
Uma vez que as normas internacionais de auditoria não procuram “fornecer
orientação pormenorizada na área da teoria das probabilidades”, “se ne-
cessário, o auditor deverá obter o parecer de um perito para fazer apreciações
válidas nesta área”29.

28 Linha directriz europeia nº 23, relativa à aplicação das normas de auditoria da Intosai, ponto 3.4.
29 Idem.

Guia de amostragem estatística 29

 Capítulo 3 - Métodos de amostragem e técnicas de extracção

Quais as Podem apontar-se como vantagens da amostragem estatística:

vantagens e
limitações da • Permite optimizar a dimensão da amostra, possibilitando a extracção
amostragem duma amostra eficiente com a dimensão mínima necessária à satisfação
estatística?
dos objectivos dos testes de auditoria;

• Permite ao auditor estabelecer um compromisso entre o erro que está

disposto a incorrer e os custos da auditoria; por exemplo, aumentando
os custos e o tempo necessários à obtenção duma amostra de maiores
dimensões, é possível incorrer num risco de amostragem menor;

• Permite extrapolar os resultados da amostragem à população e quantifi-

car o respectivo nível de confiança, possibilitando uma maior fundamen-
tação e defesa dos resultados, das conclusões e das recomendações emi-
tidas pela auditoria e ainda uma maior transparência perante terceiros.

• No entanto, a amostragem estatística pode apresentar limitações, sen-

do de difícil implementação no caso de a população não estar devida-
mente organizada.

Quais os factores que determinam a escolha do método de amostragem?

A escolha do método de amostragem depende dos vários factores que

Como escolher o
determinam a sua escolha, designadamente:
método de
amostragem?
• Características da população a auditar, nomeadamente dimensão, risco
inerente e variabilidade dos elementos amostrais;

• Tipo de auditoria, de conformidade, financeira ou de desempenho;

• Nível de fiabilidade requerido para as provas obtidas a partir dos testes

de auditoria;

• Custos e tempo disponível, procurando prevenir o seu inflacionamento,

evitando a adopção de procedimentos desajustados face aos resultados
pretendidos.

30 Guia de amostragem estatística

Capítulo 3 - Métodos de amostragem e técnicas de extracção

Como escolher o método de amostragem

Não O parâmetro Sim

Por atributos a estimar é Por variáveis
quantitativo
?

O nível de
Não precisão requerido
Sim
é elevado ?

Não São necessárias Sim

Sub- populações

Conveniência ou
Estratificada
julgamento

Por quotas
Simples Aleatória

Por blocos

Simples Sistemática
Clusters
ou grupos

MUS

Guia de amostragem estatística 31

 Capítulo 3 - Métodos de amostragem e técnicas de extracção

3.1. Selecção do parâmetro de auditoria a estimar

No início da auditoria é essencial que o auditor estabeleça o plano de amostragem, definindo clara-
mente os objectivos que pretende alcançar na aplicação dos testes às amostras30, os quais por sua
vez determinam a escolha dos parâmetros da população a estudar na auditoria, a sua representação
através de variáveis aleatórias e as estatísticas que permitem estimar os seus valores.

Se o parâmetro a estimar apresentar natureza qualitativa, trata-se de uma amostragem por atributos
e no caso contrário, se for de natureza quantitativa trata-se de uma amostragem por variáveis.

3.1.1. Amostragem por atributos

A amostragem por atributos é adequada à realização de testes de controlo aos sistemas de controlo
interno, quando se pretende que os resultados dos testes sejam traduzidos em sim ou não, certo ou
errado.

Neste caso, o objectivo da auditoria consiste na estimação da frequência com que certo acontecimento
ocorre. A população em análise é composta por duas sub-populações mutuamente exclusivas, a que
exibe esse atributo e a que não o possui.

O parâmetro a estimar na população pode ser representado pelas seguintes variáveis:

• Número ou média das ocorrências ‒ Note-se no entanto que a média

Como representar
não é adequada quando a variância é elevada ou quando a amostra está
o parâmetro a
estimar? isenta de erros, já que a estimação é menos eficiente31.

• Rácio ou taxa de ocorrências ‒ Permite melhorar a precisão da média.

Taxa de desvio dos procedimentos de controlo ‒ Corresponde ao desvio em

relação ao “erro esperado” ou à “taxa de erro esperada”, podendo estes
constituir indicadores da variabilidade da população

30 Linha directriz europeia nº 23, relativa à aplicação das normas de auditoria da Intosai, ponto 4.3.
31 Manual de ajuda do IDEA.

32 Guia de amostragem estatística

Capítulo 3 - Métodos de amostragem e técnicas de extracção

3.1.2. Amostragem por variáveis

A amostragem por variáveis é usada para estimar parâmetros de variáveis quantitativas, sendo apro-
priada à realização de testes substantivos e ­analíti­cos32.O indicador da variabilidade da população é
normalmente representado pelo desvio padrão.
O parâmetro a estimar na população pode ser representado recorrendo a várias abordagens de esti-
mação, nomeadamente:

• Média por unidade33 — Pode ser útil quando o valor contabilístico da

Como representar
o parâmetro a população é desconhecido34. Obtém-se uma estimativa da média da po-
estimar? pulação multiplicando a média dos valores auditados na amostra pelo
número de elementos da população. No entanto, esta variável é sensível
à variabilidade da população e à existência de valores extremos.

• Estimativa pelas diferenças — É usada a diferença média entre o valor

auditado e o valor contabilístico reportado, projectando-se o valor esti-
mado para a população. Esta abordagem proporciona frequentemente
amostras de dimensão inferior aos outros métodos e facilita o cálculo dos
intervalos de confiança35. Pode ser usada quando as diferenças não são
proporcionais aos valores contabilísticos, devendo ser aplicada quando
ocorram muitos erros na população. Para que a amostra seja representa-
tiva, deverá ocorrer um número significativo de diferenças entre o valor
contabilístico e o valor real.

• Estimativa por rácios — Constitui uma abordagem semelhante à ante-

rior, mas em que se usa um rácio (por exemplo: valor auditado/valor con-
tabilístico), em vez de uma diferença. Esta abordagem é usada quando os
valores auditados são proporcionais aos valores contabilísticos.

32 Baseado em L. Cerejeira (1998), Latham (2006) e Arens e Elder (2008)

33 Cerejeira (1998), p. 42.
34 Cerejeira (1998), p. 43.
35 Arens, A.A., Elder, B. (2008). Auditing and Assurance Services, p. 590.

Guia de amostragem estatística 33

 Capítulo 3 - Métodos de amostragem e técnicas de extracção

• Regressão ‒ Consiste numa “técnica para avaliar o grau de relaciona-

mento (correlação) entre variáveis”36, usada para identificar ou testar a
relação causal entre variáveis susceptíveis de explicar resultados, iden-
tificar casos não usuais diferentes dos valores esperados e estimar valo-
res37. Esta abordagem pode ser usada alternativamente aos indicadores
baseados em rácios, (por exemplo para identificar áreas de maior risco
nos testes aos sistemas de controlo interno ou para analisar relações
entre variáveis nas auditorias de desempenho).

Comparando as abordagens acima, se a dimensão dos erros individuais for independente do valor
registado, a estimação pelas diferenças conduz, em geral, a amostras de menores dimensões. No
entanto, se a dimensão do erro for proporcional ao valor registado dos elementos da população,
a estimação por rácios pode conduzir a amostras de dimensão mais reduzida do que o método da
estimação pelas diferenças.38

3.2. Definição e identificação das unidades de amostragem

As unidades de amostragem constituem os elementos individuais que integram a amostra. Em mui-

tos casos é possível identificar e ter acesso directo a cada uma dessas unidades e incluí-las na amos-
tra.

No entanto, no caso mais geral, nem sempre é possível identificar, medir e incluir cada elemen-
to individual da população na amostra, por razões de ordem prática, ética, técnica, geográfica ou
por mera restrição temporal. Nestes casos, formam-se listas ou sub-populações representativas da
população (designadas habitualmente por frames de amostragem) recorrendo, nomeadamente, à
estratificação da população, permitindo desta forma identificar e aceder aos elementos individuais a
incluir potencialmente na amostra.

36 Linha directriz europeia nº.41, anexo 1, metodologia da auditoria de resultados, ponto 2.3.
37 Manual de auditoria e de procedimentos I, p. 41.
38 Arens, A.A., Elder, B. (2008). Auditing and Assurance Services, p. 590.

34 Guia de amostragem estatística

Capítulo 3 - Métodos de amostragem e técnicas de extracção

3.2.1. Métodos de amostragem

Seguidamente referimos alguns métodos de amostragem que permitem estruturar a população e

escolher os elementos elegíveis a integrar a amostra.

3.2.1.1. Amostragem simples

Quais as caracte- Na amostragem simples todos os elementos da população são elegíveis para
rísticas?
integrar a amostra. Esta abordagem limita-se por isso a seleccionar e aplicar
um método de extracção, por exemplo aleatório ou sistemático.

O método de amostragem simples pode ser usado em vários casos:

Quando usar? • Quando existe pouca ou nenhuma informação sobre a população alvo;
• Quando a população é homogénea, isto é, quando os elementos da po-
pulação apresentam valores aproximados, sem grande amplitude de va-
riação ou variação moderada, representada por baixos desvios padrões;
• Quando os elementos da população forem facilmente identificáveis, por
exemplo através duma relação numérica ou sequencial.

Duma forma esquemática pode-se representar o método da amostragem simples através da seguinte
figura:

Guia de amostragem estatística 35

 Capítulo 3 - Métodos de amostragem e técnicas de extracção

3.2.1.2. Amostragem estratificada

Quais as A amostragem estratificada consiste na divisão ou partição duma popula-

características? ção em estratos homogéneos (segundo um critério representado por uma
variável auxiliar), de forma a afectar cada unidade de amostragem a um
único estrato.
Os estratos devem ser conjuntos disjuntos. Cada unidade de amostragem só
pode ser incluída num estrato, sem sobreposições. A reunião do conjunto
de estratos deverá corresponder à população e a sua intersecção deverá
ser um conjunto vazio.
Dentro de cada estrato a variância é minimizada. Estratos distintos devem
ser heterogéneos entre si, escolhidos de forma a diferenciarem-se substan-
cialmente uns dos outros e a maximizar a variância entre eles.
Os estratos podem ter dimensões idênticas ou diferentes. Por exemplo,
quando a variância difere significativamente entre os estratos, a dimensão
das amostras pode ser proporcional ao desvio padrão do estrato, o que
permite reduzir o erro de amostragem.

Como usar? • A amostragem estratificada constitui um exemplo de amostragem em

duas fases:

• 1ª fase ‒ Divide-se a população num conjunto de estratos, através duma

variável auxiliar de estratificação, decidem-se o número de estratos e os
limites de cada um. Por exemplo, nas auditorias financeiras, a variável
auxiliar pode ser o montante da transacção (separando em estratos de
valores altos e baixos) ou o risco de auditoria (separando em estratos de
risco elevado e baixo)39.

• 2ª fase – Procede-se à extracção aleatória duma amostra de cada estra-

to. O conjunto de todas as amostras obtidas em cada estrato constitui a
amostra pretendida.

39 NAO, Financial Audit Manual, p. 345.

36 Guia de amostragem estatística

Capítulo 3 - Métodos de amostragem e técnicas de extracção

Quando usar? Esta abordagem tem grande aplicação em testes substantivos. Pode ser
usada, por exemplo, na confirmação de saldos de clientes ou na valorimetria
de existências, adaptando-se particularmente às seguintes situações:
• Quando o auditor conhece a população e assume que esta é heterogé-
nea, ou seja, que a sua variabilidade é elevada. Neste caso, a estratifica-
ção permite criar sub-populações homogéneas, reduzindo a variabilidade
dentro de cada estrato.
• Quando a população estiver dividida em várias localizações, às quais es-
tão associados custos diferenciados de recolha de dados. Neste caso, a
selecção de estratos permite reduzir os custos de amostragem para o ní-
vel de precisão pretendido.
• Quando se pretende aumentar a eficiência da amostra, reduzindo a sua
Como melhorar a
dimensão, mantendo no entanto um nível de precisão elevado. Através
eficiência e a da estratificação, ao diminuir a variabilidade dos elementos dentro de
eficácia da
cada estrato, reduz-se a dimensão da amostra sem aumentar proporcio-
amostra?
nalmente o risco de amostragem.
• Quando se pretende melhorar a eficácia da amostra. Ao aumentar o con-
trolo sobre a composição da amostra, a estratificação privilegia determi-
nados grupos da população que se pretendem adequadamente represen-
tados na amostra (por exemplo, facturas ou valores monetários elevados
ou com maior potencial de erro, como no método MUS).
• Quando se pretendem obter estimativas distintas para estratos individu-
ais, por exemplo, para fins comparativos.
Dentre as vantagens da amostra estratificada destacam-se:
Quais as
vantagens?
• Os dados são geralmente mais homogéneos dentro de cada estrato do
que na população como um todo;

• Podem-se obter estimativas separadas dos parâmetros populacionais

para cada estrato sem seleccionar outra amostra e, portanto, sem custo
adicional.

Guia de amostragem estatística 37

 Capítulo 3 - Métodos de amostragem e técnicas de extracção

Esta abordagem apresenta algumas precauções e limitações à sua utilização,

designadamente:
Quais as
limitações? • A extracção da amostra pode tornar-se complexa, requerendo boa infor-
mação sobre a população;
• Em cada estrato as unidades de amostragem devem ser homogéneas no
atributo em estudo;
• Os resultados dos procedimentos de auditoria aplicados a uma amostra
retirada dum estrato só podem ser projectados para esse estrato. Para tirar
conclusões sobre toda a população, o auditor necessitará de considerar a
variabilidade e a materialidade associada a todos os estratos que consti-
tuem a totalidade da população40.

Duma forma esquemática pode-se representar o método de amostragem estratificada através da

seguinte figura:

40 Cf. ISA 530 (clarificada-2009) ponto 3 do apêndice 1

38 Guia de amostragem estatística

Capítulo 3 - Métodos de amostragem e técnicas de extracção

3.2.1.3. Amostragem por quotas

A amostragem por quotas constitui uma forma de amostragem estratificada.

Quais as
características? Numa primeira fase, a população é segmentada em estratos de atributos
mutuamente exclusivos. Numa segunda fase, os elementos da amostra
são extraídos de cada estrato, por julgamento, com base numa proporção
especificada para esse atributo.
As características da extracção na segunda fase fazem com que este método
seja não estatístico. Logo, apresenta a desvantagem das amostras poderem
ser enviesadas, uma vez que cada elemento da população não tem a mesma
probabilidade de ser seleccionado.

Quando usar?
Esta abordagem pode ser útil quando existam restrições temporais ou or-
çamentais, ou quando esteja dificultado o acesso a alguns elementos da
população.

3.2.1.4. Amostragem por blocos

Quais as Este método consiste na extracção, geralmente através da apreciação ou

características? julgamento do auditor, de alguns blocos contíguos de elementos da popu-
lação, para serem integralmente analisados. Cada bloco deve ser sequencial
e, tanto quanto possível, representativo da população.

Uma vez que cada elemento da população não tem a mesma probabilidade
de ser seleccionado, este método é classificado como não estatístico, sendo
mais utilizado em populações de pequena dimensão, por ser relativamente
fácil verificar se o “bloco” seleccionado é representativo.

Guia de amostragem estatística 39

 Capítulo 3 - Métodos de amostragem e técnicas de extracção

Quando usar? Este tipo de amostragem pode ser aplicada nos testes de controlo, sendo
usado quando o controlo interno é pouco satisfatório, uma vez que pode
englobar todas as operações dum determinado período representativo,
operações pouco frequentes de outros períodos ou uma determinada área,
no caso da população se encontrar geograficamente dispersa.

Quais as
vantagens? • Pode tornar-se menos dispendioso por não requerer informação comple-
ta sobre a população;
• Pode permitir a detecção de situações ou erros de natureza repetitiva,
uma vez que a amostra pode incluir todos os tipos de operações de ca-
rácter regular incluídos em todos os ciclos contabilísticos.

Quais as Esta abordagem apresenta algumas precauções e limitações à sua utilização,

limitações?
designadamente:
• O erro de amostragem é maior do que na amostragem aleatória;
• Pode ser menos eficiente, tornando-se necessário aumentar a dimensão
da amostra de forma a compensar um erro de amostragem mais elevado;
• O bloco pode não ser estatisticamente representativo da população, pelo
que a extrapolação das conclusões do bloco para a população pode não
ter validade estatística. Aliás, esta abordagem raramente constituirá uma
técnica de extracção de amostras apropriada quando o auditor pretenda
retirar inferências válidas sobre a totalidade da população41.

41 Cf. ISA 530 (clarificada-2009) apêndice 4.

40 Guia de amostragem estatística

Capítulo 3 - Métodos de amostragem e técnicas de extracção

Duma forma esquemática pode-se representar o método da amostragem por blocos através da
seguinte figura:

3.2.1.5. Amostragem por clusters ou grupos

Quais as A amostragem por clusters ou grupos constitui uma forma de amostragem

características? estratificada. Pode ser aplicável na medição de atributos ou de variáveis em
auditorias de desempenho ou financeiras, constituindo um modo eficiente
e prático de realizar auditorias a populações de grandes dimensões.

Quando usar?
Esta abordagem é usada nomeadamente quando os seus elementos se en-
contram dispersos temporal ou geograficamente.

Guia de amostragem estatística 41

 Capítulo 3 - Métodos de amostragem e técnicas de extracção

Nesta abordagem procede-se a uma partição da população em conglom-

Como usar?
erados, grupos ou clusters representativos da população, constituindo um
exemplo da amostragem a “duas-etapas”:

• “Uma-etapa”: o auditor procede à partição da população em grupos

seleccionados;

• “Duas-etapas”: selecciona-se aleatoriamente um conjunto de clus-

ters ou grupos; a amostra será constituída por todos os elementos
dos clusters ou grupos seleccionados.

Alternativamente, o auditor pode optar por realizar várias etapas (multi-

stage).

Quais as
vantagens?
Refiram-se resumidamente algumas vantagens da amostragem por clusters
ou grupos:

• Reduz a variância entre unidades de amostragem em estratos de peque-

nas dimensões;

• Permite atribuir maior ou menor ênfase a determinados estratos da po-

pulação;

• Permite estabelecer níveis de controlo diferenciados para cada estrato,

nomeadamente quanto ao nível de confiança e precisão requeridos;

• Permite uma rápida e fácil utilização, sem incorrer em elevados custos42,

uma vez que não requer informação completa sobre a população.

42 NAO (2002), A pratical guide to sampling, p.11.

42 Guia de amostragem estatística

Capítulo 3 - Métodos de amostragem e técnicas de extracção

Esta abordagem apresenta algumas precauções e limitações à sua utilização,

Quais as
limitações? designadamente:
• Os cálculos das estimativas dos parâmetros e do nível de precisão obtido
podem tornar-se complexos.
• Dependendo do grau de heterogeneidade entre os grupos, comparativa-
mente à variância dentro de cada grupo individual, as estimativas podem
apresentar uma variabilidade superior à obtida através da amostragem
aleatória simples, pelo que o erro de amostragem pode ser superior.
• A eficiência estatística pode ser menor comparativamente à amostragem
aleatória simples, pelo que os custos de amostragem podem ser inflacio-
nados. Logo, pode ser necessário aumentar a dimensão da amostra para
compensar um erro de amostragem mais elevado.

A figura seguinte representa esquematicamente o método de amostragem por clusters ou grupos:

Guia de amostragem estatística 43

 Capítulo 3 - Métodos de amostragem e técnicas de extracção

3.2.1.6. Amostragem emparelhada (matched sampling)

Quais as
Esta abordagem43 é usada na avaliação do desempenho de políticas públicas,
características? sendo adequada quando se pretendem comparar, segundo determinados
atributos, duas populações relacionadas entre si.

Como usar? As duas populações designam-se habitualmente por experimental e de con-

trolo. A população experimental possui determinadas atributos, cujos efeitos
se pretendem investigar (denominado factor experimental). A população de
controlo assume uma função comparativa.
Numa primeira fase, cada população Ai (i=1, m) é dividida em partições
disjuntas, Bji (i=1, m e j=1, n).

Numa segunda fase, os elementos são extraídos individualmente de cada

população, segundo uma sequência de regras (sampling policy). À medida
que cada elemento é extraído, é classificado de acordo com a partição
Bji a que pertence.
Após a obtenção da amostra, diz-se que dois elementos amostrais cons­tituem
um par (match), se ambos pertencerem à mesma partição Bj.

Na figura seguinte ilustram-se sinteticamente as fases do método da amostragem empare­lhada:

43 Para mais informações, consultar Rubin, Donald B. (2006). (Ver referências).

44 Guia de amostragem estatística

Capítulo 3 - Métodos de amostragem e técnicas de extracção

3.2.2. Técnicas de extracção dos elementos amostrais

Os elementos da população a integrar a amostra sobre a qual incidem os testes e procedimentos de

auditoria são obtidos através da aplicação de técnicas de extracção. Estas deverão privilegiar a adop-
ção de técnicas aleatórias, pressuposto necessário à obtenção de amostras estatisticamente válidas,
ou seja, representativas da população. Só assim é possível aplicar métodos de inferência estatística
baseados nas leis da teoria das probabilidades.

3.2.2.1. Extracção através do “juízo do auditor”

Quais as A amostragem através do “juízo do auditor” pode ser por conveniência e por
características? apreciação ou julgamento. Na amostragem por conveniência, os casos ou
unidades de amostragem são apresentados, enquanto na amostragem por
apreciação ou julgamento a escolha fica ao critério do auditor.

Como usar? Este tipo de abordagem exclui qualquer processo aleatório. Para obter resul-
tados minimamente indicativos, no mínimo são necessários 30 elementos.
Amostras inferiores a 30 elementos são classificadas como case studies44.

3.2.2.2. Extracção aleatória

A extracção aleatória caracteriza-se por todas as unidades de amostragem

Quais as
características? terem a mesma probabilidade de serem seleccionadas, o que permite obter
amostras estatisticamente representativas da população. Esta característica
possibilita a aplicação das leis da teoria das probabilidades para projectar os
resultados amostrais para a totalidade da população e para estimar o risco
de amostragem.

44 NAO (2002), Financial Audit Manual p. 349.

Guia de amostragem estatística 45

 Capítulo 3 - Métodos de amostragem e técnicas de extracção

Quando a extracção das unidades de amostragem é efectuada em função

Como usar?
de números obtidos dum gerador ou duma tabela de números aleatórios,
denomina-se amostragem por números aleatórios45. Quando se utiliza esta
abordagem torna-se necessário que cada elemento da população esteja
devidamente numerado (caso de cheques, facturas, recibos, etc.), para
que qualquer elemento da população possa ser seleccionado em função do
número aleatório obtido.

Quais as Esta abordagem apresenta no entanto algumas limitações na sua aplicação,

limitações? nomeadamente:
• É necessário dispor duma listagem correcta e completa da população;
• Na recolha da amostra seleccionada pode incorrer-se em custos adicio-
nais, por exemplo deslocações.
Em populações heterogéneas, em que os valores das unidades de amostragem
se encontram muito dispersos, esta abordagem não privilegia a escolha de
unidades de valor elevado, já que todos os elementos têm igual probabilidade
de serem extraidos.

3.2.2.3. Extracção sistemática ou por intervalos

Quais as Esta abordagem46 aplica-se a populações em que a materialidade dos ele­

características? mentos da população não é significativa, como por exemplo uma lista de
pessoal. Ao contrário da extracção aleatória, não pressupõe que os elementos
da população estejam numerados sequencialmente. No entanto, a sua distri-
buição não deve estar pré-determinada por qualquer padrão, por exemplo,
por algum tipo de ordenação.

Este método pode também aplicar-se à realização de testes de controlo, sendo

mais utilizado em entidades de maiores dimensões, quando o auditor deposita
alguma margem de confiança no sistema de controlo interno.

45 Cf. Manual de Auditoria e de Procedimentos I, p. 47..

46 Cf. Manual de Auditoria e de Procedimentos I, p. 45.

46 Guia de amostragem estatística

Capítulo 3 - Métodos de amostragem e técnicas de extracção

Como usar? A aplicação desta técnica desenvolve-se ao longo das seguintes fases:
• Determinação da população (N);
• Determinação do tamanho da amostra (n);
• Cálculo do intervalo (i), dividindo N por n ;
• Extracção do elemento inicial, por exemplo a partir duma tabela de nú-
meros aleatórios (sendo este número obrigatoriamente menor ou igual
ao intervalo);
• Extracção dos elementos da amostra, adicionando o intervalo ao ele-
mento inicial e assim sucessivamente.

Quais as • Permite a redução da amostra;

vantagens?
• Não obriga a estimar a taxa de erro;47
• Não exige o estabelecimento do grau de precisão;
• Permite ao auditor aumentar a amostra, caso considere necessário.

3.2.2.4. Extracção sobre valores acumulados

Quais as Na realização desta técnica48 intervêm dois elementos: o limite da precisão

características?
monetária (LPM) e a classificação atribuída ao controlo interno (CI).

Para obter o limite da precisão monetária parte-se do princípio de que, numa

determinada população, é aceitável uma margem de erro correspondente,
por exemplo, a 5% do resultado líquido do exercício ou doutro indicador
deste resultado (margem bruta, resultado líquido antes de encargos finan-
ceiros, resultado líquido estimado, resultado líquido do exercício anterior,
etc.).

47 Idem.
48 Adaptado do Manual de Auditoria e de Procedimentos I, p. 48.

Guia de amostragem estatística 47

 Capítulo 3 - Métodos de amostragem e técnicas de extracção

Como usar?
Por classificação atribuída ao sistema de controlo interno entende-se a aval-
iação potencial (bom: 1; regular: 2; deficiente: 3) que o auditor atribui ao
controlo interno após proceder ao seu levantamento.
Obtém-se o limite da precisão monetária corrigido (LPMC) dividindo o limite
da precisão monetária (LPM) pela classificação atribuída ao controlo interno
(CI), donde:

LPMC = LPM/CI
Qual a
classificação dos
níveis de risco?
Quanto melhor for a classificação atribuída ao sistema de controlo interno
menor será o número de elementos da população a testar.
♦ V. ponto 2.1.2.
Determinado o LPMC, o auditor seleccionará através duma tabela de números
p. 14.
aleatórios, por exemplo, de uma listagem de elementos, um valor igual ou
inferior ao LPMC encontrado.
Socorrendo-se de um instrumento de cálculo, introduzirá aquele número
com valor negativo, adicionando cada um dos valores dos elementos, até
obter um subtotal positivo. O elemento que originou este valor será objecto
de análise. A este subtotal deduz-se o LPMC e, caso o subtotal seja negativo,
continua-se a adicionar outras facturas até se encontrar uma que corresponda
de novo a um valor positivo.

3.2.2.5. Extracção numérica

Quais as Esta abordagem49 resulta da combinação das duas técnicas já abordadas: a

características?
extracção estatística sobre valores acumulados e a extracção por intervalos
ou sistemática. Determina-se um intervalo sobre bases estatísticas contando
com os elementos já trabalhados na amostragem estatística sobre valores
acumulados, de acordo com a seguinte fórmula:

49 Cf. Manual de Auditoria e de Procedimentos I, p. 52.

48 Guia de amostragem estatística

Capítulo 3 - Métodos de amostragem e técnicas de extracção

em que:
i intervalo
n população em quantidade (n.º de facturas, por exemplo) para o período
m população em valor (total das facturas, por exemplo) para o período
LPM limite da precisão monetária
CI classificação do controlo interno

Como usar? Determinado o intervalo, selecciona-se o primeiro número ao acaso dentro

da população. A este será adicionado o valor do intervalo que será objecto
de verificação e assim sucessivamente.

3.2.2.6. Probabilidade proporcional à dimensão (PPS)

Na extracção PPS (Probability Proportional to Size Sampling), os elementos

Quais as dos estratos ou grupos são extraídos com probabilidade desigual, ou seja,
características?
proporcionalmente à sua dimensão.

A título de exemplo, numa amostragem por atributos proporcional à dimen-

são, privilegia-se a extracção de determinados elementos da população
que possuam esse atributo, atribuindo-lhe uma maior probabilidade50 de
extracção.

No caso do atributo se referir ao valor monetário, como no caso do MUS,

quanto maior o valor da transacção, maior a probabilidade de extracção.

50 Cf. Manual de Auditoria e de Procedimentos I, p. 47.

Guia de amostragem estatística 49

 Capítulo 3 - Métodos de amostragem e técnicas de extracção

Esta abordagem 51 é usada principalmente na amostragem por variáveis em

Quando usar?
testes substantivos. É particularmente recomendável nos testes a populações
que possam incluir sobrevalorizações, já que quanto maior a sobrevalorização
do elemento maior a probabilidade de ser seleccionado (por exemplo: contas
do activo, como clientes, inventários, imobilizado e contas de proveitos).

Quais as Esta abordagem não é indicada quando existam muitas subvalorizações

limitações? (por exemplo nas contas do passivo, contas de custos e contas com saldos
negativos ou nulos).

51 Cerejeira (1998), p. 32, 33.

50 Guia de amostragem estatística

Capítulo 3 - Métodos de amostragem e técnicas de extracção

3.2.3. Amostragem pelo método MUS

3.2.3.1. Características

Quais as características da amostragem pelo método MUS?

Quais as Esta abordagem constitui uma forma de amostragem estratificada por

características? atributos, em intervalos de valor fixo ou variável. Na extracção das unidades
amostrais é adoptada a técnica das probabilidades desiguais (PPS, Probability
Proportional to Size Sampling), ou seja, a extracção é proporcional ao valor
monetário do elemento. Desta forma, nem todos os elementos da população
têm igual probabilidade de extracção, sendo os elementos de maior valor
que têm maior probabilidade de integrar a amostra, (por exemplo, um docu-
mento de 50 € tem cinco vezes maior probabilidade de ser seleccionado do
que um documento de 10 €).

Quando usar? O MUS52 é um dos métodos de amostragem mais usados em auditoria finan-
ceira. É aplicável quando se prevê a ocorrência de poucos erros na população,
nomeadamente na realização de testes substantivos (por exemplo às contas
de clientes ou de existências).

Como usar? As unidades de amostragem e os resultados da auditoria são expressos em

unidades monetárias. Por exemplo, suponha-se que se procede à avaliação
duma população constituída por elementos dum inventário constituído por
um stock de 5.000 elementos, ao qual está associado um valor contabilístico
total de 1.000.000 €. Nos métodos tradicionais, a população é constituída por
5.000 elementos, dos quais é seleccionada uma amostra. No método MUS,
a população é constituída por 1.000.000 unidades de 1 €.

52 Na literatura existem várias designações: MUM: Método das Unidades Monetárias; MUS: Monetary Unit Sampling; Cumulative Mo-
netary Amount Sampling; Sampling with Probability Proportional to Size.

Guia de amostragem estatística 51

 Capítulo 3 - Métodos de amostragem e técnicas de extracção

Logo, esta abordagem permite um tratamento assimétrico da população a auditar, dirigindo um maior
esforço da auditoria para os elementos de maior valor, nos quais o auditor espera encontrar um maior
potencial de sobreavaliações do erro monetário53.

Duma forma esquemática, pode-se representar o método de amostragem MUS através da seguinte
figura:

3.2.3.2. Aplicação do método

O método MUS é adequado quando a população apresenta uma elevada variabilidade, representada
por uma elevada variância. Ao favorecer a extracção de documentos de valor elevado, é particular-
mente adequado para a população cujos elementos estão sujeitos a sobrevalorizações. Desta forma,
consegue-se a cobertura dos elementos de maior valor com amostras relativamente pequenas. Pelas
mesmas razões, este método não deve ser usado em populações com valores negativos ou nulos.

53 Cf. ISA 530 (clarificada-2009) apêndice 1

52 Guia de amostragem estatística

Capítulo 3 - Métodos de amostragem e técnicas de extracção

Quais os pressupostos de aplicação do método MUS?

O MUS pode ser recomendável quando, por ocasião do planeamento da

amostragem, for expectável a ocorrência das seguintes situações:
• Quando o número de erros esperado na população é reduzido.
• Por exemplo, se o controlo interno for bom ou muito bom e as evi-
dências históricas revelarem a existência de poucos erros, não havendo
indícios de implementação de novos sistemas nem de grandes mudan-
ças que possam de alguma forma alterar a função de distribuição do
parâmetro em estudo na auditoria.
• Quando o montante do erro de qualquer elemento da população não
seja superior ao valor contabilístico reportado. Por exemplo, se o valor
contabilístico dum elemento é 100 €, o montante do erro na contabili-
dade não deve exceder este valor.

Na aplicação do método MUS são usados os parâmetros de auditoria habituais em amostragem,

como o nível de confiança ou de fiabilidade, o nível de materialidade ou erro tolerável, bem como
um conjunto de parâmetros específicos que a seguir se identificam.

Quais os parâmetros de amostragem do método MUS?

♦ V. matriz de Dimensão da amostra – É determinada em função do risco de amostragem

riscos adoptada e da precisão monetária, estabelecidos no início da auditoria.
no TCE, ponto
2.1.2., p. 14

Factor de fiabilidade – Corresponde ao parâmetro de Poisson, no pressuposto

O que é o de que a distribuição do parâmetro em estudo na auditoria é aproximado por
factor de
fiabilidade de essa distribuição. O factor de fiabilidade básico corresponde ao número de
Poisson? erros estimados na população, quando forem detectados zero erros amostrais,
para o nível de confiança requerido para a auditoria.

Guia de amostragem estatística 53

 Capítulo 3 - Métodos de amostragem e técnicas de extracção

♦ V. tabela de Precisão monetária – Nível de precisão ou valor monetário do erro tole-

Poisson, anexo
2.3., p. 84 rável que o auditor admite para a estimativa do erro. Este nível pode ser
estabelecido como uma percentagem, (por exemplo entre 80% e 90%), da
diferença entre o nível de materialidade e o erro esperado 54.

♦ V. estimadores do
MUS, anexo 3.2.,
Intervalo de amostragem – No seu cálculo intervêm dois elementos: o
p. 93 limite da precisão monetária (LPM) e a classificação atribuída ao controlo
interno (CI) 55.

Limites do erro – Corresponde às estimativas dos limites verosímeis dos

valores máximos dos erros sobre-avaliados e sub-avaliados materialmen-
te relevantes.

Intervalo de amostragem

Como calcular o O intervalo de amostragem pode ser calculado através de dois processos56:
intervalo de
amostragem?
1º) No primeiro processo, tendo em conta o controlo interno existente,
o auditor decide qual o erro máximo aceitável (erro tolerável) que
determina o factor de risco. O factor de risco pode variar entre 1 e 3,
correspondendo este último a um elevado grau de risco. O intervalo
de amostragem é dado pela seguinte fórmula:
I=E/R

em que: I = intervalo, E = erro tolerável, R = factor de risco (também

representado por λ).
2º) Alternativamente, pode decidir-se o número máximo de elementos a
seleccionar (M). Sabendo o total dos saldos (S), o intervalo será dado
pela fórmula seguinte:
I=S/M

54 Cf. NAO (2006), Financial Audit Manual p. 340.

55 Manual de Auditoria e de Procedimento I, p. 53.
56 Manual de Auditoria e Procedimentos I, p. 53

54 Guia de amostragem estatística

Capítulo 3 - Métodos de amostragem e técnicas de extracção

Extracção dos elementos amostrais57

Como obter os Estabelecido o intervalo de amostragem, a extracção dos elementos que

elementos da irão compor a amostra será obtida através dum processo iterativo.
amostra?
Numa primeira fase, procede-se à separação dos valores nulos e dos valores ne-
gativos e ainda dos superiores ao intervalo de amostragem sendo, estes últimos,
objecto de recenseamento, ou seja, examinados exaustivamente.

Numa segunda fase, divide-se a população em subconjuntos ou intervalos

de amostragem iguais, da seguinte forma:
Em cada intervalo de amostragem é seleccionado um elemento ou unida-
de monetária como representante desse intervalo.
Os elementos são extraídos da população e o auditor verifica o número de uni-
dades monetárias que esse elemento deveria conter, de acordo com o inter-
valo de amostragem estabelecido. Na prática, procede-se da seguinte forma:
–– Como ponto de partida, escolher um valor aleatório, situado entre 0
(zero) e o valor do intervalo (I);
–– Ao valor aleatório de partida é adicionado o intervalo de amostragem,
obtendo-se valores acumulados;
–– Seguidamente deduz-se a primeira parcela, isto é, a que foi escolhida
aleatoriamente, verificando-se se o valor acumulado coincide com o
valor global dos documentos donde se extrairá a amostra;
–– Os elementos seguintes obtêm-se a partir do anterior, adicionado do
intervalo de amostragem.
–– Seleccionar todos os valores cujo valor acumulado seja superior aos
sucessivos múltiplos de I. Se diversas unidades de amostragem se en-
contram no mesmo documento, para efeitos de estimação são consi-
deradas uma única vez.

57 Adaptado do Manual de Auditoria e de Procedimentos I, p. 53

A técnica de extracção utilizada no método MUS é aqui apresentada de uma forma simplificada para facilitar a sua compreensão. No
entanto, na extracção efectuada com recurso a ferramentas informáticas, por exemplo o IDEA, é utilizada uma técnica muito mais
sofisticada, através de um processo iterativo sem reposição, proporcionando um resultado optimizado.

Guia de amostragem estatística 55

 Capítulo 3 - Métodos de amostragem e técnicas de extracção

–– Deverá ter-se em atenção que, quando é seleccionado um elemento

unitário da população, ou seja 1€, a indivisibilidade associada a cada
elemento faz com que todo o documento ou todo o stock que contém
essa unidade monetária individual seja extraído para a amostra.
–– Finalmente, o último elemento a seleccionar será aquele que ultrapas-
se o valor total dos documentos. Na prática, este elemento pode ser
igual ou inferior ao montante total planeado para a amostra (em uni-
dades monetárias). Esta última possibilidade deve-se a poderem ocor-
rer extracções com repetição, ou seja, um elemento pode ser extraído
mais do que uma vez.

3.2.3.3. Avaliação dos resultados

O que são probabi- Para estimar o erro ou risco máximo na população, o auditor aplica a teo­ria
lidades desiguais? das probabilidades desiguais, nomeadamente a probabilidade proporcional
♦ V. ponto 3.2.2.6., à dimensão, na projecção do erro detectado na amostra para a população.
p. 49
Para isso, classificam-se os documentos por ordem decrescente do valor
do erro e, recorrendo à tabela da distribuição de Poisson, retira-se o factor
de fiabilidade correspondente ao número de inconformidades detectadas.
A regra de decisão sobre a aceitabilidade da população pode assumir a for-
ma: “se ambos os limites inferior e superior da inconformidade se situarem
entre os montantes de erro toleráveis, aceitar a conclusão de que o valor da
população está em conformidade. Caso contrário, concluir que o valor conta-
bilístico está em inconformidade num montante materialmente relevante” 58.

Quais as Em termos de aprendizagem do método MUS, para facilitar a sua compre-

implicações da
ensão, no processo de planeamento e estimação utilizamos a aproximação à
evolução científica
e tecnológica? distribuição de Poisson (aproximação utilizada pelo autor do método, Arkin,
1974). Actualmente, com a evolução científica e tecnológica deste método,
na fase de planeamento e estimação, já não se utiliza a aproximação à Pois-
son mas sim a verdadeira distribuição hipergeométrica por melhor retratar
o fenómeno em estudo (existência de elementos59 errados ou certos).

58 Formulação adaptada de Latham (2006).

59 Unidades de amostragem que neste método são unidades monetárias.

56 Guia de amostragem estatística

Capítulo 3 - Métodos de amostragem e técnicas de extracção

3.2.3.4. Vantagens e limitações

Comparativamente aos métodos de amostragem tradicionais, são geralmente apontadas como van-
tagens do MUS:

Quais as • Para o cálculo da dimensão da amostra não é necessário o conhecimento

vantagens? prévio da distribuição da variável em estudo na população nem da sua
dispersão;
• Garante uma maior cobertura da população em termos de valor para
amostras com dimensões idênticas;
• Permite o tratamento assimétrico da população a auditar, ao impor que
as unidades de amostragem de montante superior ao intervalo de amos-
tragem constituam uma sub-população sujeita a recenseamento. Assim,
o maior esforço de auditoria é dirigido aos elementos de maior valor, aos
quais está geralmente associado um maior potencial de sobreavaliações
do erro monetário60. Desta forma o auditor garante, nomeadamente:
‒ A extracção de todos os elementos da população com valores supe-
riores ao intervalo de amostragem;
‒ A maior probabilidade de extracção para os elementos de maior
valor, ou seja, com mais unidades monetárias, já que é adoptada a
extracção pela abordagem das probabilidades desiguais PPS.

No entanto, o MUS não é uma técnica particularmente eficaz quando o au-

Quais as
limitações? ditor não tem confiança na população a auditar, quando se prevê encontrar
um grande número de desvios, situação que pode conduzir à sobreavaliação
da estimação obtida. O método também se torna menos adequado em po-
pulações sujeitas a subvalorizações.

60 Cf. ISA 530 (clarificada-2009) apêndice 1.

Guia de amostragem estatística 57

 APÊNDICE

Fichas de apoio da
Amostragem em
Auditoria

Exemplifica os tipos de fichas que per-

mitem dar suporte à documentação da
amostrgem em auditoria
 APÊNDICE - Ficha de apoio da amostragem em auditoria

A título meramente indicativo, apresentam-se seguidamente várias fichas sobre a documentação da

amostragem em auditoria e que poderão ser adaptadas de acordo com as necessidades específicas
de cada auditoria.

Amostragem - Avaliação do risco

Histórico (incluir, nomeadamente):

- Evolução da actividade
- Natureza e estatutos orgânicos da entidade
- Estrutura organizacional
- Erros, pareceres, recomendações detectadas em relatórios de auditoria anteriores
- Gestão administrativa
- Recursos financeiros
- Recursos tecnológicos e informáticos
- etc...

Fiabilidade dos sistemas

Risco inerente (Ri): Fundamentação Avaliação do risco

–– Controlo interno (factores)

–– Ambiente de controlo
––Procedimentos de controlo e siste-
mas de informação
Risco de controlo (Rc)

Risco de auditoria (Ra) Ra = Ri×Rc×Rd

Risco de detecção (Rd) 61
Rd = Ra/(Ri×Rc)

61 Assume-se o seguinte pressuposto: risco de detecção ≈ risco de amostragem (V. anexo 1.1.)

Guia de amostragem estatística 61

 Apêndice

Plano de Amostragem

♦ Ver parâmetros
de auditoria, Objecto de controlo:
ponto 2.1.2.,
p. 14
Parâmetros:
–– Valor da população
♦ Ver parâmetros
para o MUS, –– Nível de confiança (NC) ou Risco de amostragem (Ram = 1 - NC)
ponto 3.2.3.2.,
p. 52
–– Erro tolerável (materialidade)
e
–– Erro esperado
anexo 3.2., –– ….
p. 93

Aplicação informática usada:

♦ver anexo 4.,
p. 97 Suporte e formato dos ficheiros:

Dados recebidos: número do documento, data do registo/sistema, data

do documento, classificação económica, valor do documento, tipo de do-
cumento (receita/despesa), data valor, etc.

Estatísticas descritivas (ficheiros do suporte informático):

♦ver capítulo 3., Método de amostragem e técnicas de extracção:

p. 27

Justificação:

Dimensão da amostra
(Por exemplo para o MUS:
R - Factor de confiança ou de fiabilidade de Poisson
Dimensão da amostra = R / nível de materialidade em % )

62 Guia de amostragem estatística

Apêndice

Resultados dos testes amostrais

Testes realizados:

Resultados dos testes (ficheiros em suporte informático

Inconformidade
Conta ou tipo de valor sobre avaliado
Número de registos
documento materialmente
relevante

Inconformidade
Conta ou tipo de valor sub avaliado
Número de registos
documento materialmente
relevante

Conclusões preliminares dos testes realizados:

Guia de amostragem estatística 63

 Apêndice

Conclusões da amostragem

–– Tipo de auditoria:

–– Parâmetro de amostragem:

–– Dimensões das amostras:

–– Métodos e técnicas de amostragem aplicados:

–– Testes realizados às amostras:

–– Resultados da amostragem:

• Estimativas obtidas para os parâmetros da população (projecção dos resultados

amostrais para a população):

• Estimativas do nível de confiança:

Parecer:

Justificação:

64 Guia de amostragem estatística

 ANEXOS

Anexo 1
Anexo 2
Anexo 3
Anexo 4

Apresentam alguns tópicos transversais ao

documento:
• Representação do risco
• Principais funções de distribuição e ta-
belas
• Fórmulas estatísticas relevantes
• Amostragem assistida por computador
 ANEXOS
ANEXO 1. REPRESENTAÇÃO DO RISCO

O paradigma predominante em auditoria, que no passado se focava na avaliação dos sistemas de con-
trolo, passou a basear-se na auditoria estratégica e na avaliação dos riscos enfrentados pelas entidades
na prossecução dos seus objectivos.

O risco de auditoria está associado à “probabilidade de não detecção dum

O que é o risco de
auditoria? erro material”, o que se traduz na possibilidade do auditor “emitir uma
opinião falsa”. O risco de auditoria é uma combinação de três tipos de risco
diferente:

Risco inerente que é o risco inicial de ocorrência de irregularidades ou er-

ros significativos e depende da natureza, quer do assunto quer da entidade
auditada e do meio em que esta está inserida;

Risco de controlo que corresponde à possibilidade de que existam irregu-

laridades ou erros significativos não detectados pelos sistemas de controlo
interno da entidade auditada;

Risco de detecção que se traduz na possibilidade de não serem detectados

pelo auditor quaisquer irregularidades ou erros significativos que não te-
nham sido corrigidos pelos controlos internos da entidade auditada.

Como baixar o O risco inerente e o risco de controlo, sendo determinados no interior

risco de
auditoria? da entidade auditada, são independentes do processo de auditoria e não
podem ser reduzidos nem modificados pelo auditor. Ao contrário, o risco
de detecção é determinado pelo auditor dependendo da natureza, âmbito
e calendário da sua actuação.

Com base na avaliação dos riscos inerentes e de controlo, o auditor terá que
identificar, definir e programar os procedimentos de auditoria adequados
para reduzir o risco de detecção e, consequentemente, conseguir um risco
de auditoria abaixo do limite tolerável definido pela ISC.

Guia de amostragem estatística 67

 Anexos

O quadro seguinte ilustra o relacionamento dos três componentes do risco

de auditoria, isto é, mostra como pode variar o nível aceitável de risco de
detecção (área sombreada) com base em avaliações do risco inerente e
do risco de controlo.62

Avaliação pelo auditor do risco de controlo

Alto Médio Baixo

Avaliação Alto O mais baixo Mais baixo Médio

pelo audi-
Médio Mais baixo Médio Mais alto
tor do risco
de controlo Baixo Médio Mais alto O mais alto

Como se pode observar na matriz anterior, existe uma relação inversa

entre o risco de detecção e o nível combinado do risco inerente e do
risco de controlo.

Nos modelos de risco de auditoria, a quantificação do risco pode ser obtida de duas formas: aplicando
um modelo multiplicativo ou um modelo estatístico de risco, que passamos a sintetizar nos pontos
seguintes.

62 Directriz de Revisão/Auditoria 400 da OROC (Maio 2000).

68 Guia de amostragem estatística

Anexos

Anexo 1.1. Modelo multiplicativo do risco

No âmbito do modelo multiplicativo, é estabelecido o modelo de risco de

Como utilizar o auditoria através da fórmula:
modelo
multiplicativo de
risco? Ra = Ri x Rc x Rd

Deste modo, o risco de detecção, para um determinado risco de auditoria,

dependerá da avaliação das características da entidade e do ambiente em
que está inserida (risco inerente) e da avaliação do sistema de controlo
interno (risco de controlo), tal como:

Rd = Ra / (Ri x Rc)

em que Ra é o risco de auditoria, Ri o risco inerente, Rc o risco de controlo

e Rd o risco de detecção.
Decompondo o risco de detecção Rd em dois factores, risco de procedimentos
analíticos e outros testes substantivos Rpa e risco de amostragem Ram, vem:

Rpa x Ram = Ra / (Ri x Rc)

obtendo-se assim o risco de amostragem, Ram:

Ram = Ra / (Ri x Rc x Rpa)

que está associado à possibilidade de as conclusões do auditor, baseadas

numa amostra seleccionada, serem diferentes das conclusões obtidas se
a população fosse totalmente submetida aos mesmos procedimentos de
auditoria63.

63 ISA (Clarificada), parágrafo 5 – (2009).

Guia de amostragem estatística 69

 Anexos

Anexo 1.2. Modelo estatístico do risco

A obtenção de estimativas bem validadas dos parâmetros da população

O que é o assume uma importância crítica em auditoria. Para isso, em amostragem
modelo
estatístico do estatística, para estimar os parâmetros da população e o respectivo nível
risco? de confiança ou fiabilidade, aplicam-se os resultados da teoria das proba-
bilidades.
Ao estimarem o nível de fiabilidade, os modelos probabilísticos de
amostragem estatística procuram responder, nomeadamente, às seguintes
questões:

• Qual a incerteza ou risco associado à estimativa do parâmetro em estu-

do na população?
• Qual a expectativa da variabilidade dessa estimativa, no pressuposto do
seu cálculo recorrer a diferentes amostras?
Para responder a estas questões, pode recorrer-se a modelos estatísticos,
os quais permitem formalizar o risco recorrendo à distribuição de probabi-
lidades da variável aleatória64 representativa do parâmetro que a auditoria
pretende estimar na população.

Para poder aplicar a teoria das probabilidades, os modelos estatísticos de amostragem assumem o pres-
suposto que se procede à extracção aleatória de várias amostras da população. Desta forma, obter-se-ia
a distribuição empírica da variável aleatória em estudo na auditoria. No entanto, este pressuposto é
impraticável em auditoria, a qual está sujeita a restrições temporais e de recursos.

Na prática, não se obtém a distribuição empírica da variável aleatória a partir da extracção de múltiplas
amostras aleatórias da população. Alternativamente, representa-se a distribuição empírica da variável
aleatória que se pretende estimar na auditoria, através duma função de probabilidade teórica65.

64 O conceito de variável aleatória refere-se a uma variável cujo resultado é incerto, resultante duma experiência aleatória.
65 No caso dos testes de controlo utiliza-se uma distribuição discreta que se designa função de probabilidade.

70 Guia de amostragem estatística

Anexos

Anexo 1.3. Representação gráfica do risco

Como representar O modelo estatístico do risco, referido no ponto anterior, pode ser repre-
graficamente o sentado graficamente. Por exemplo, assuma-se que a auditoria pretende
modelo estatístico
do risco? realizar testes de controlo a uma população (por exemplo a uma conta
anual). Assuma-se que na população se pretende estimar a variável aleatória
“proporção de erros”. Para esta avaliação entra-se em linha de conta com
“taxa de erro esperado”, “taxa de erro tolerável” e o nível de confiança.

Como vimos, a distribuição de probabilidade da variável aleatória repre-

sentativa do parâmetro da população em estudo na auditoria pode ser
representada através duma função de probabilidade teórica. Utilizando
essa função e para o nível de confiança que o auditor estabeleceu para a
auditoria, pode obter-se o limite superior da proporção de erros.

Suponha-se que, após a realização dos testes de auditoria à amostra selec-

cionada, a estimativa do limite superior do erro (taxa de erro) é inferior à
taxa de erro tolerável. Então, o auditor pode afirmar que essa estimativa
amostral representa a taxa de erro desse parâmetro na população.

Exemplo Na figura seguinte, o eixo das abcissas representa as possíveis “taxas de

erro” (por exemplo, na autorização de pagamentos)66. A curva, por seu
lado, representa a probabilidade de ocorrência de todas as possibilidades
de concretização dessas “taxas de erro”, quando é extraída uma amostra
aleatória dessa população.

66 Estatisticamente, a “taxa de erro” de risco constitui uma variável aleatória que representa o “número de pagamentos em risco ou não
autorizados, ao fim de n extracções”. Cf. Broeze, G. (2006). Validation of risk assessment in auditing, p.10.

Guia de amostragem estatística 71

 Anexos

Fonte: Broeze, G. (2006). Validation of risk assessment in auditing, p.10.

Quanto mais “alta” for a curva num determinado intervalo, maior será
Como ler a
representação a probabilidade do verdadeiro parâmetro da população em estudo na
gráfica? auditoria se situar nesse intervalo. Por sua vez, a área “debaixo” da curva
num intervalo de “taxas de erro” representa a probabilidade do verdadeiro
parâmetro da população se situar nesse intervalo.
Assim, a área tracejada “debaixo” da curva à direita da linha vertical rep-
resenta a probabilidade de ocorrência na população de “taxas de erro”
superiores ao “nível de erro tolerável” pelo auditor, ou seja, representa o
“risco de ocorrência de erros materialmente relevantes na população”. Logo,
se a “taxa de erro” amostral detectada na auditoria correspondesse a um
valor situado nessa área, o auditor emitiria uma opinião “não qualificada”
sobre as contas.

72 Guia de amostragem estatística

Anexos

Nas figuras anteriores, a área a tracejado, na cauda direita, representa a

probabilidade de que o “número de erros” detectados numa amostra ale-
atória extraída da população possa exceder o “erro tolerável” esta­belecido
para a auditoria. Logo, essa área representa o “risco de ocorrência de erros
materialmente relevantes na população”.

Intuitivamente, é expectável que em populações de “baixo risco” (figura

à esquerda), a distribuição seja assimétrica, enviesada mais à esquerda,
comparativamente à forma da distribuição em populações de “alto risco”
(figura à direita).

Resumindo:

Gráfico de risco
“baixo”? • Populações de “baixo” risco (figura a) ‒ Como é intuitivo pela observação
dos gráficos, para populações às quais estão associados bons sistemas de
controlo e consequentemente “baixo risco” de inconformidades, o audi-
tor espera encontrar um reduzido “número de erros”. A forma da curva
da função de distribuição deverá reflectir uma maior probabilidade de
ocorrência na população de “taxas de erro” reduzidas. Logo, a forma da
distribuição tende a ser assimétrica à esquerda, pontiaguda nos níveis de
“taxas de erro” reduzidos e exibindo uma cauda direita longa.

Gráfico de risco • Populações de “alto” risco (figura b) ‒ Contrariamente, para populações

“alto”?
de “alto risco”, a forma da curva deverá reflectir uma maior probabilida-
de de ocorrência na população de “taxas de erro” mais elevadas. Logo,
a curvatura da distribuição tende a ser relativamente mais achatada e a
cauda direita mais espessa, comparativamente ao caso de populações de
“baixo risco”.

Guia de amostragem estatística 73

 Anexos

Devido à possibilidade da conclusão do auditor, baseada em ensaios de

hipóteses sobre uma amostra67, poder ser diferente da conclusão que seria
obtida se a população fosse totalmente submetida aos mesmos procedi-
mentos de auditoria, o risco de amostragem é usualmente divisível em duas
componentes68:

• Risco de rejeição incorrecta da população (erro tipo I ou erro α):

Corresponde ao risco do auditor considerar provável a ocorrência de erros

materialmente relevantes na população quando, na realidade, esta está
isenta de erros materialmente relevantes.
Por exemplo, na realização de testes aos sistemas de controlo, cor-
Qual a
contribuição para responde à possibilidade do auditor concluir que o risco de controlo é
a eficiência e inadequado, quando na realidade é aceitável.
eficácia da
auditoria? Na realização de testes substantivos, corresponde ao risco do auditor
concluir pela ocorrência de erros materialmente relevantes na população,
quando na realidade não existem.
Este tipo de risco afecta a eficiência da auditoria, podendo conduzir
à sobre-utilização de recursos, devido ao aumento da dimensão das
amostras testadas.

• Risco de aceitação incorrecta da população, erro tipo II ou erro β:

Corresponde ao risco do auditor considerar pouco provável a existência

de erros materialmente relevantes, quando na realidade a população
incorre nesses erros. Este risco afecta a eficácia da auditoria e é provável
que conduza a uma opinião inapropriada sobre a população.

67 Os ensaios de hipóteses sobre amostras permitem tirar conclusões, com um determinado grau de confiança, sobre as características
de uma população.
68 Talens, E. (2005), Statistical Auditing and the AOQL-Method. Rijksuniversiteit Groningen, p. 10.
Endereço: http://dissertations.ub.rug.nl/FILES/faculties/eco/2005/e.talens/c1.pdf

74 Guia de amostragem estatística

Anexos

Do ponto de vista da validade dos resultados de auditoria, a eficácia e

a eficiência assumem idêntica importância. Mas, do ponto de vista da
qualidade da opinião de auditoria, a ineficácia representa um risco mais
importante do que a ineficiência. A ineficiência implica a realização dum
esforço de auditoria superior ao necessário. Por seu lado, a ineficácia pode
conduzir a um esforço insuficiente e por isso à não detecção de erros ma-
terialmente relevantes, conduzindo a uma opinião de auditoria que carece
de suficiente credibilidade.69

Anexo 1.4. Fiabilidade dos resultados da amostragem

Na prática, com base numa função da distribuição teórica adequada, pode determinar-se qual o
intervalo no qual se deve situar a estatística amostral para se poder afirmar que, por exemplo com
95% de probabilidade, o verdadeiro parâmetro da população se situa entre os limites de fiabilidade
requeridos para a auditoria. No entanto, devido ao erro de amostragem, esta estimativa poderá ser
uma das 5% estimativas amostrais que não pertence ao intervalo de confiança associado ao verda-
deiro parâmetro da população.

Qual a fiabilidade Usando como exemplo a distribuição normal, como ilustrado na figura
dos resultados de seguinte, quanto mais perto das caudas da distribuição se situar o valor
amostragem?
amostral, mais largo terá que ser a estimativa do nível de confiança, para
que seja verosímil que o nível de confiança estimado contenha o verdadeiro
parâmetro da população. Ou seja, para aumentar a possibilidade do nível
de confiança estimado conter o parâmetro da população, a sua amplitude
tem que ser alargada.

Por exemplo, a “estimativa amostral” do parâmetro da população situar-

-se-ia na zona de rejeição se o nível de confiança fosse por exemplo de 80%
(gráfico à esquerda). No entanto, se o nível de confiança fosse 95%, essa
“estimativa amostral” situar-se-ia na zona de aceitação (gráfico à direita).

69 Working Groups of the Presidents of the Supreme Audit Institutions of European Union Audit (2006). Audit Newsletter. (December
2006), Issue nº. 15

Guia de amostragem estatística 75

 Anexos

De acordo com os resultados amostrais obtidos, o auditor poderá tomar

várias decisões:

Quais os a) Se ocorrerem os seguintes pressupostos:

pressupostos para
as conclusões da • A dimensão da amostra sobre a qual se realizaram os testes de audi-
amostragem? toria for inferior à requerida para o nível de confiança estabelecido;
• E a estatística amostral obtida exceder os limites calculados para o
nível de confiança, por exemplo, se foram detectados mais erros do
que a “taxa de erro” esperada (gráfico da esquerda);

o auditor poderá optar por:

–– Concluir que a população não está em conformidade 70;

ou

–– Aumentar a dimensão da amostra, o que corresponde a aumentar o

nível de confiança (gráfico da direita).

70 Em estatística, corresponde a rejeitar a hipótese nula. Por exemplo, em testes de controlo, corresponde a rejeitar a hipótese nula ( Ho:
p = ε, ou seja, a hipótese de existirem ε erros na população).
Cf. CURSOS/AMOSTRAGEM EM AUDITORIA - NÍVEL INTERMÉDIO_2007/Apresentações_Intermédias

76 Guia de amostragem estatística

Anexos

b) Se, pelo contrário, os pressupostos forem os seguintes:

• A amostra tiver a dimensão adequada ao nível de confiança requerida
para a auditoria;
• E a estatística amostral obtida se encontrar nos limites do nível de
confiança;
Significa que o erro estimado associado à “estimativa amostral” do parâmetro
da população não excede o nível de risco imposto à priori para a auditoria.

Desta forma, os resultados da amostra resultam numa “opinião qualificada”.

Se o “nível de erro” total estimado exceder o nível máximo tolerável, o audi-

Quais os tor deverá optar entre:
conclusões a tirar
do resultado da • solicitar à entidade auditada que investigue os “erros” detectados e a
amostragem? possibilidade de existência de mais “erros”, o que pode conduzir a acor-
dos entre auditor/auditado relativamente à necessidade de ajustamen-
tos nas demonstrações financeiras;
• realizar mais testes com o objectivo de reduzir o risco de amostragem;
• utilizar procedimentos de auditoria alternativos para obter garantias
adicionais71.
A conclusão final do trabalho de amostragem acompanhada dos pelos
resultados obtidos a partir de outros procedimentos de auditoria, deverão
permitir ao auditor decidir se as demonstrações financeiras são aceitáveis
e elaborar um relatório em conformidade72.
As conclusões a retirar deverão ser as seguintes:
• Situação I: O limite superior de erro é inferior ao erro tolerável. Trata-se
de um resultado aceitável;

• Situação II: O limite superior do erro excede o erro tolerável, mas o erro
mais provável é inferior ao erro tolerável;

• Situação III: O erro mais provável excede o erro tolerável. As demonstra-

ções financeiras não são aceitáveis.

71 Linha directriz europeia nº 23, pontos 4.10. e 4.11.

72 Linha directriz europeia nº 23, ponto 4.12.

Guia de amostragem estatística 77

 Anexos

Estas conclusões de amostragem, retiradas a partir da realização de testes substantivos, encontram-se

ilustradas na figura seguinte:

Avaliação dos resultados globais de testes substantivos

Fonte: Linha directriz europeia nº 23, Amostragem de Auditoria, Anexo 1.

78 Guia de amostragem estatística

Anexos

ANEXO 2. PRINCIPAIS FUNÇÕES DE DISTRIBUIÇÃO E TABELAS

Neste anexo representam-se, de forma sintética e meramente informativa, algumas das distribuições
usadas em amostragem estatística. Sendo meramente indicativo, não pretende ser completo nem
aprofundar os conceitos estatísticos subjacentes à teoria das probabilidades.

A escolha da forma da função de distribuição teórica depende do tipo de

Como escolher a parâmetro que se pretende estimar na auditoria, das características da
função de
probabilidade? população a auditar e dos testes de auditoria a realizar.

Vejamos o exemplo da realização de testes aos sistemas de controlo da

entidade. Neste caso, a probabilidade de ocorrência na população de cada
nível de materialidade pode obter-se, nomeadamente:
• De informações históricas sobre o risco do procedimento subjacente
em estudo;
• Da análise de risco efectuada na fase de levantamento da auditoria;
• Ou da análise dos resultados amostrais obtidos na presente auditoria.

Em função destas informações, é possível chegar a uma função de probabi-

lidade73 teórica, cuja forma da curva se aproximará, em princípio, da forma
do histograma de frequências obtido da análise estatística da população.

Para além disso, para que a função escolhida seja considerada uma “função
de probabilidade”, terá que apresentar mais duas características do que o
“histograma de frequências”:

73 A “função de probabilidade” duma variável aleatória contínua x, define-se como:

No caso da variável aleatória ser discreta, a “função probabilidade de massa” apresenta as propriedades:

Guia de amostragem estatística 79

 Anexos

• A probabilidade de ocorrência de cada observação está compreendida

entre 0 e 1;
• O somatório das probabilidades de ocorrência de todas as observações é 1.

As distribuições de probabilidade teóricas desempenham assim um papel

importante em auditoria. As probabilidades de ocorrência para cada nível
assumido pela variável aleatória estão descritas em tabelas, em função dos
parâmetros que caracterizam a forma da distribuição.

80 Guia de amostragem estatística

Anexos

Anexo 2.1. Distribuição binomial

Quando usar? A distribuição binomial é usada quando a variável aleatória representa o

número de ocorrências dum atributo na população. Retorna a probabili-
dade de ocorrerem k elementos com o atributo em estudo.
Esta distribuição constitui a base do teste binomial ou de significância
estatística.

A distribuição binomial é uma distribuição discreta duma variável aleatória

Que
características? representativa do número de ocorrências dum atributo, numa amostra
aleatória de n elementos extraídos com reposição.
A distribuição retorna, para n amostras aleatórias, a probabilidade p de
ocorrerem k concretizações do atributo em estudo74.
Refiram-se dois parâmetros importantes da distribuição binomial: a média,
correspondente a n×p e a variância, n×p×(1-p).

Exemplo Na figura da esquerda (a), observa-se uma função da distribuição bino-

mial bin (k,n,q), em que k constitui a concretização da variável aleatória,
enquanto q e p, situados entre 0 e 1, constituem os parâmetros da forma
da distribuição.

Na figura da direita (b), representam-se várias funções de distribuição

binomiais para três valores dos parâmetros. Observe-se que a distribuição
é assimétrica, enviesada à esquerda. Quando o número de amostras ex-
traídas aumenta, aproxima-se duma distribuição normal.

74 Cada experiência individual é denominada uma experiência de Bernoulli. De facto, quando n=1, a distribuição binomial coincide com
uma distribuição de Bernoulli.

Guia de amostragem estatística 81

 Anexos

(a) Função de probabilidade bin (k,n,p) (b) Função de probabilidade bin (k,n,p), para
vários parâmetros

Fonte: The Mathcad Advisor Fonte: http://en.wikipedia.org/

http://my.fit.edu/~gmarin/CSE2400/MCAdvisorProbDists.pdf

82 Guia de amostragem estatística

Anexos

Anexo 2.2. Distribuição hipergeométrica

Quando usar? A distribuição hipergeométrica desempenha um papel fundamental na

auditoria estatística, sendo usada em populações de pequenas dimensões,
quando o número de elementos que possuem o atributo em estudo, (por
exemplo o número de “inconformidades”), é relativamente pequeno.

Considere-se uma população de auditoria de dimensão N, em que M el-

Que ementos, desconhecidos a priori, assumem determinados atributos em
características?
estudo. Para obter mais informação sobre M, é extraída da população uma
amostra aleatória de dimensão n, sem reposição, a qual contém k elementos
com esse atributo.
A distribuição hipergeométrica, com parâmetros n, M, e N, representa pre-
cisamente a distribuição de probabilidade discreta que descreve o número
k de sucessos (elementos com o atributo em estudo), numa sequência de
n extracções aleatórias da população, sem reposição.

A figura seguinte exemplifica a forma duma função de distribuição hiper-

Exemplo
geométrica, em que se observa a sua assimetria, com um enviesamento à
esquerda.
Função de probabilidade hiper (10,15,7)

Fonte: The Mathcad Advisor.

(http://my.fit.edu/~gmarin/CSE2400/MCAdvisorProbDists.pdf)

Guia de amostragem estatística 83

 Anexos

Anexo 2.3. Distribuição e tabelas de Poisson

A distribuição de Poisson pode ser usada quando a dimensão da amostra é

Quando usar?
pequena comparada com a grande dimensão da população e o número de
elementos que possuem o atributo em estudo é pequeno.

Trata-se duma distribuição de probabilidades discreta, a qual constitui uma

Que
características? aproximação da distribuição binomial e da distribuição hipergeométrica para
populações de grandes dimensões. Expressa a probabilidade de ocorrência
num determinado intervalo dum determinado número de eventos raros,
independentes entre si75.

A forma desta distribuição é assimétrica, enviesada à esquerda (figura a).

Exemplo
Na figura da direita representam-se três funções de distribuição de Poisson
para diferentes valores dos parâmetros. Observe-se que quando o valor
do parâmetro (λ) aumenta, a distribuição de Poisson aproxima-se duma
distribuição normal.

(a) Função de probabilidade Poisson (2,8) (b) Função de probabilidade Poisson (λ)

Fonte: The Mathcad Advisor Fonte: http://en.wikipedia.org/

(http://my.fit.edu/~gmarin/CSE2400/MCAdvisorProbDists.pdf)

75 A distribuição de Poisson é por vezes denominada lei dos pequenos números, porque representa a probabilidade do número de ocorrên-
cias de eventos que acontecem raramente.
Fonte: http://en.wikipedia.org/

84 Guia de amostragem estatística

Anexos

Tabelas da distribuição de Poisson

Factor de A tabela de Poisson fornece o factor de fiabilidade λ. O valor assumido por

fiabilidade de
Poisson este parâmetro corresponde, para o nível de confiança requerido, ao número
de erros estimados na população, quando forem detectados x erros amostrais.
O factor de fiabilidade básico λ corresponde ao número de erros estimados na
população quando forem detectados zero erros amostrais.
Como assinalado na tabela 1, se forem detectadas até 3 inconformidades na
amostra (X ≤ 3), sendo X representado por uma distribuição de Poisson, para
um nível de confiança de 85,71%, estima-se que ocorram em média 2 erros na
população, ou seja,

Tabela 1 - Distribuição cumulativa de Poisson

Tabela 1
Distribuição
cumulativa de
Poisson

Fonte: http://www.stat.psu.edu/~mga/401/tables/poisson.pdf

Guia de amostragem estatística 85

 Anexos

Tabela 2 - Factor de confiança básico de Poisson

Avaliação Factor de
Avaliação
do risco Ra Rd = Nível de confiança
Tabela 2 do risco Ri Rc
de con- aceitável Ra/(RixRc) confiança básica de
Factor de inerente
trolo Poisson (2)
confiança básico
L L 0,45 0,17 0,05 0,65 50%(1) 0,69
L M 0,45 0,28 0,05 0,40 60% 0,92
L H 0,45 1,00 0,05 0,11 89% 2.21

M L 0,65 0,17 0,05 0,45 55% 0,80

M M 0,65 0,28 0,05 0,27 73% 1,31
M H 0,65 1,00 0,05 0,08 92% 2,53
H L 1.00 0,17 0,05 0,30 70% 1,20
H M 1.00 0,18 0,05 0,18 82% 1,71
H H 1.00 1,00 0,05 0,05 95% 3,00
Fonte: Manuel d’Audit, Tribunal de Contas Europeu (1998), Anexo B.8.4, p.6.
Legenda: H-High; L-Low; M-Medium.
Notas: (1) Por prudência adopta-se um nível mínimo de confiança de 50%.
(2) Com base na distribuição de probabilidade de Poisson.
Tabela 3 - Limites superiores para um risco de erro de 5%
(distribuição de Poisson)
Número de erros detectados na amostra

Tabela 3
Limites superiores
para risco de erro
5%

x Superior a 20%
Nota do Autor: Esta tabela apresenta os limites superiores como percentagens e assu-
me uma população de elevadas dimensões
Fonte: Wampler, B., McEacharn M. (2005). Monetary-unit sampling using Microsoft Excel. CPA Journal.
http://www.nysscpa.org/cpajournal/2005/505/essentials/p36.htm

86 Guia de amostragem estatística

Anexos

Anexo 2.4. Teorema do limite central

Quando usar? Este teorema é de importância fundamental, justificando a aplicação da teoria

da distribuição normal a uma grande variedade de problemas estatísticos.

Que
Na amostragem aleatória de qualquer população com média µ e variância
características?
( )
σ2, a média amostral standardizada, Z = n X − µ σ , converge em distri-
buição para uma distribuição normal standardizada N(0,1). Equivalentemente,
( )
n X − µ converge em distribuição para uma distribuição N(0, σ2) 76.

Anexo 2.5. Distribuição normal

O método de amostragem clássico77 usa a distribuição normal como aproxi-

Quando usar?
mação à distribuição de Poisson.

Que A média µ da distribuição normal determina a localização da distribuição. O

características?
desvio padrão (σ) representa a dispersão, como ilustrado nas figuras seguintes:

76 Demonstração em DeGroot (1975, pp. 227-233). Probability and statistics. Reading, Mass.: Addison-Wesley.
77 Cf. Cochran 1977.

Guia de amostragem estatística 87

 Anexos

Tabelas da Distribuição Normal

Como usar? Para cada concretização da variável aleatória, a respectiva probabilidade de

ocorrência, segundo a distribuição normal standardizada, pode ser retirada
através duma tabela.
Por exemplo, para a representação do nível de confiança em duas caudas, para
um nível de confiança de 1 - α = 95%, ou inversamente um nível de significância
α de 5%, corresponde um valor crítico Zα/2 = 1,96.

Tabela:
Valores críticos (duas caudas)
Factores críticos
da distribuição Nível de Risco (α) Z α/2
confiança
normal 1-α

80% 20% 1,28

85% 15% 1,44
90% 10% 1,65
95% 5% 1,96
98% 2% 2,33
99% 1% 2,58

Fonte: NAO, A practical guide to sampling, p. 19

78
Valor crítico da
distribuição
normal

78 Cf. Martins (2006), p. 35.

88 Guia de amostragem estatística

Anexos

ANEXO 3. RESUMO DE FÓRMULAS ESTATÍSTICAS RELEVANTES

Anexo 3.1. Inferência estatística
3.1.1. Pressuposto de distribuição normal79
Amostragem de proporções

Qual a dimensão da
Na amostragem por atributos, particularmente útil em testes de controlo,
amostra? em que a variável aleatória de auditoria seja uma proporção, pretendendo-se
estimar a taxa p de ocorrência de inconformidades na população.
Aproximando a distribuição da variável aleatória a uma distribuição normal,
♦ V. valores a dimensão n duma amostra aleatória simples é obtida através da fórmula80:
críticos da
distribuição Z 2 p (1 − p)
normal no Anexo n=
2.5., p. 87 E2
em que Z é o valor crítico duma distribuição normal, correspondente ao nível
de precisão E requerido para o risco de amostragem, conforme a tabela da
distribuição normal.

Qual a
A estimativa pontual da taxa de ocorrência p, do atributo na população, é
estimativa da
proporção? obtida através do estimador:
∑
n
y
i =1 i
p=
n
em que, sendo yi = 0 ou 1, a estimativa corresponde ao número de casos
relevantes detectados na amostra a dividir pela dimensão da amostra.

79 Fórmulas usadas no NAO na amostragem aleatória simples para proporções. Cf. Practical Guide to Sampling, p. 19.
80 Esta fórmula, usada pelo NAO, assume vários pressupostos.
Admitindo que na população a variável aleatória P, proporção de ocorrências do atributo, é representada por uma distribuição Bino-
mial: P ~bin (p, p(1-p) ), sendo µ = p e σ2 = p(1-p),
P−p
então, pelo teorema do limite central (sendo P a média de P), ~ N(0,1)
σ2 n
vem que, para um nível de confiança (1-α) e o respectivo factor crítico Z, obtido duma distribuição normal standardizada, o nível de
precisão E, estipulado no início da auditoria, vem: E = P + Z σ n
σ Z σ2 2

Da fórmula anterior, no pressuposto de que P = 0, obtém-se a dimensão n da amostra: Z = E ⇔ Z ×σ = E × n ⇔ n =

n E2
Z 2 p (1 − p )
Substituindo σ2 = p(1-p), para proporções, a dimensão da amostra será: n=
E2

Guia de amostragem estatística 89

 Anexos

Qual a O estimador E, correspondente ao nível de precisão da amostragem, é obtido

estimativa da invertendo a fórmula (1) anterior:
precisão?
Z 2 p (1 − p )
E=
n

Amostragem de valores

Na amostragem por valores, no pressuposto da dimensão da amostra ser pelo

Qual a
menos 5% da dimensão N da população, do ponto anterior pode obter-se a
dimensão da
amostra? dimensão da amostra n, numa amostragem aleatória simples81 :
Z 2σ 2
n=
E2
Alternativamente, pode calcular-se uma estimativa da variância da população
σ2 e ajustar-se à dimensão N da amostra:

Qual a A estimativa pontual do número médio de ocorrências pode obter-se através

estimativa das do estimador:
∑
n
ocorrências yi
médias? y= i =1

n
sendo yi correspondente aos valores individuais das ocorrências detectadas
na amostra, cujo somatório é dividido pela dimensão n da amostra.

Qual a O estimador do nível de precisão da amostragem é obtido da fórmula (2)82:

∑ (y − yi )
n 2
estimativa da i
2
precisão? Z i =1

E= n −1
n

81 Cf. NAO, A Practical Guide to Sampling, p. 19.

82 Da fórmula (2), obtém-se E = Z σ
2 2

n
∑ (y − yi )
n 2
i =1 i
Z2
∑ (y i − yi )
n 2

E= n −1
Substituindo a variância, σ =
2 i =1
, obtém-se
n −1 n

90 Guia de amostragem estatística

Anexos

3.1.2. Pressuposto de distribuição binomial

Supondo83 que aproximamos a distribuição da variável aleatória X, corres­

Qual a dimensão
da amostra?
pondente ao número de ocorrências do atributo detectadas na amostra, a
uma distribuição binomial, X ~ bin (n,p),

a dimensão n da amostra será:

Sendo: k o número de ocorrências do atributo na população; p a proporção

de ocorrências do atributo; q = (1-p); SE o desvio padrão (standard error); Z
o factor crítico da distribuição normal; N a dimensão da população.

3.1.3 Pressuposto de distribuição hipergeométrica

Qual a fórmula No caso da distribuição hipergeométrica84, pode usar-se um procedimento

da dimensão da interactivo para calcular a dimensão da amostra retirada duma população de
amostra?
dimensão N, encontrando o valor mais pequeno n que satisfaça a condição
seguinte:
( N −M *
n )≤ β
( )
N
n
0

M* é o valor crítico correspondente ao intervalo de confiança estabelecido

para a auditoria e β0 a probabilidade máxima da auditoria incorrer num
erro tipo II85.

83 Nas fórmulas da distribuição binomial adoptou-se a nomenclatura da documentação de apoio do curso de amostragem em auditoria,
ministrado pela Doutora Maria do Céu Almeida, no Tribunal de Contas, em Julho de 2007.
84 Cf. Talens (2005), p. 10.
85 Ver definição de erro tipo II no Anexo 1.3. p. 65.

Guia de amostragem estatística 91

 Anexos

3.1.4. Distribuição de Poisson

A função de distribuição cumulativa de Poisson, para um parâmetro λ, é

♦ V. conceito λ
representada por:
no Anexo 2.3.,
p. 84 k
λi
F ( x | λ ) = P[x ≤ k ] = ∑ e −λ

i =0 i!
sendo e a base logarítmica natural (e = 2,71828) e k o número de ocorrências
do atributo.
A partir desta fórmula e de acordo com o nível de fiabilidade ou de con­fiança
requerido para a auditoria, tendo sido detectados k elementos com o atributo
Qual a dimensão em estudo, retira-se o correspondente factor de fiabilidade λ, correspon-
da amostra? dente à estimativa do número de ocorrências do atributo na população.
Sendo o factor λ equivalente ao factor np da distribuição binomial e sendo
p a probabilidade de ocorrerem k concretizações do atributo, vem:

Através de manipulações matemáticas, obtém-se a dimensão n da amostra:

♦ V. tabelas de
N × log β 0
Poisson no Anexo n≥−
2.3., p. 85 M*
sendo86 M* o valor crítico correspondente ao nível de confiança estabe­
lecido para a auditoria e β0 a probabilidade máxima da auditoria incorrer
num erro tipo II87.
Alternativamente, pode recorrer-se às tabelas de Poisson, as quais fornecem
estes valores.

86 Cf. Talens (2005), p. 10.

87 Ver definição de erro tipo II no Anexo 1.3. p. 65

92 Guia de amostragem estatística

Anexos

Anexo 3.2. Estimadores do MUS

Sendo n a dimensão da amostra, λ o factor de Poisson e p a probabilidade de

ocorrerem x concretizações do atributo, partindo da expressão (3), obtém-se:
Qual a dimensão
da amostra?

Sendo V o valor contabilístico da população e a precisão monetária dada por

PM = V x p , a partir do intervalo de amostragem IA (V/n), obtém-se:

♦ V. conceito λ no
Anexo 2.3., p. 84

IA = PM/ʎ

No método MUS88 impõe-se a restrição duma determinada precisão mone­tária

PM, pelo que a dimensão n da amostra vem:

IA x λ = PM
V /n x λ = PM
V x λ / n = PM

A dimensão da amostra obtém-se:

88 Nas fórmulas da distribuição binomial adoptou-se a nomenclatura da documentação de apoio do curso de amostragem em auditoria,
ministrado pela Prof. Doutora Maria do Céu Almeida, no Tribunal de Contas, em 2010.

Guia de amostragem estatística 93

 Anexos

Seja a população de valor contabilístico V, em que a sub-população Vc1 é

Qual o
submetida a amostragem e a sub-população Vc2 sujeita a censo, com:
estimador
total do erro ou
risco
Vc1+Vc2 =V.
projectado?
O MUS adopta a técnica de extracção PPS (Probability Proportional to Size
Sampling). A probabilidade de cada unidade de amostragem Vci ser extraída
(com Vci ∈ Vcl ), é proporcional à dimensão da sub-população Vc1, sobre a
qual se realiza a amostragem. O factor de proporcionalidade é Vci / Vc1, pelo
que se obtém:

O estimador Yˆ (da proporção de ocorrências do atributo na população),

obtém-se a partir da estimativa amostral ŷ , (da proporção do número de
ocorrências do atributo detectadas na amostra auditada), ponderando cada
ocorrência amostral ŷ pela dimensão proporcional da respectiva unidade
de amostragem Vci na amostra Vc1 (ou seja, na proporção Vci / Vc1).

Através de manipulações algébricas, (sendo Vc1 = n × IA), vem:

A última expressão obtida representa o estimador Yˆ (da proporção de ocor-

rências na população), designado por erro ou risco projectado:

94 Guia de amostragem estatística

Anexos

Para determinar uma estimativa do erro ou risco máximo na população pelo

Qual o
estimador total método MUS a partir dos resultados amostrais, obtêm-se da tabela de Pois-
do erro ou risco son os factores de fiabilidade (λ), correspondentes à estimativa do número
máximo?
de documentos em risco ou errados na população:
1º) Em primeiro lugar, classificam-se por ordem decrescente do valor do
erro os documentos em risco ou com erros;
Recorrendo a uma tabela de Poisson, obtêm-se os factores de fiabili-
dade (λ) para o “nível risco” pretendido para a auditoria (α):
2º) Identifica-se a precisão básica λ0, correspondente à estimativa do
número de ocorrências na população, no pressuposto de não detecção
de qualquer ocorrência do atributo na amostra;
3º) Tendo sido detectado um determinado número de atributos na amostra,
(i), obtém-se o respectivo factor de fiabilidade de Poisson (ʎi).
4º) Seguidamente, para cada observação adicional do atributo na amostra
(i+1), calculam-se os acréscimos ao factor de fiabilidade de Poisson
(ʎi+1 - ʎi ). Ou seja, calculam-se os acréscimos do factor de fiabilidade
para a detecção de i erros na amostra, λi+1, sendo ʎi o parâmetro
da distribuição de Poisson correspondente a i erros detectados na
amostra.
Para cada detecção adicional de erros na amostra, o acréscimo na
estimativa do número de erros na população, será:

(sendo yi o valor da observação amostral e Vci o valor contabilístico).

5º) Para obter a estimativa do risco ou erro máximo na população, para
o nível risco pretendido (α), multiplica-se o intervalo de amostragem
IA pela estimativa dos erros obtida dos pontos anteriores:

Guia de amostragem estatística 95

Anexos

ANEXO 4. AMOSTRAGEM ASSISTIDA POR COMPUTADOR

A utilização dos métodos de amostragem em auditoria encontra-se particularmente simplificada pelo

recurso aos sistemas informáticos, os quais disponibilizam procedimentos para os cálculos pertinentes,
bem como a sua representação gráfica.

Existem múltiplos programas informáticos de apoio à auditoria (vulgo CAATS), os quais dispõem de
funcionalidades para a análise de dados, extracção de amostras e aplicação de testes de controlo ou
substantivos.

IDEA

O IDEA (acrónimo de Interactive Data Extraction and Analysis) fornece aos auditores a capacidade para
ler, analisar e manipular ficheiros de dados provenientes dos mais diversos ambientes informáticos,
apresentando as seguintes funcionalidades:

–– Importação de dados duma vasta gama de tipos de ficheiros.

Que
funcionalidades –– Criação de vistas de dados e criação de relatórios.
tem o IDEA?
–– Análise de dados, através do emparelhamento ou comparação de dife-
rentes ficheiros.
–– Criação de quadros pivot para análises multi-dimensionais.
–– Geração automática do historial da análise realizada.
–– Análise de dados, nomeadamente estatísticas descritivas.
–– Realização de testes de inconformidade para detecção de elementos não
usuais ou inconsistentes, através de vários tipos de critérios.
–– Extracção de amostras através dos métodos sistemático, aleatório, por
atributos, aleatório estratificado, unidades monetárias, incluindo a de-
terminação da dimensão da amostra, planeamento e avaliação dos re-
sultados, no que se refere aos níveis de confiança, limites do erro e nú-
mero de erros amostrais;
–– Geração de números aleatórios.

Guia de amostragem estatística 97

 Anexos

No caso do MUS, o IDEA calcula o limite superior do erro (caso em que ignora os sub-erros) e limite
inferior do erro (neste caso ignora os sobre-erros). Os resultados obtidos são depois combinados de
forma a fornecer os limites superior e inferior do erro, para sobre-erros e sub-erros materialmente
relevantes. O IDEA usa um processo de extracção dos elementos amostrais proporcional à dimensão.

É de salientar que, no processo de planeamento e estimação do MUS, o IDEA utiliza a distribuição

hipergeomética.

Quanto à amostragem por variáveis, estão disponíveis várias técnicas. A escolha da técnica de estimação
mais eficiente depende das características da população, incluindo: média, diferenças, rácios separados
e combinados, regressão combinada e separada89.

A barra de ferramentas do IDEA apresenta as seguintes funções de amostragem:

Menus de comandos da amostragem no IDEA

Que métodos de
amostragem
contempla o IDEA?

EXCEL

A análise de dados através de estatísticas descritivas pode também ser efectuada através do Excel. Este
produto permite ainda a extracção aleatória de alguns elementos de uma população (amostra) colo-
cando os valores amostrais como input range na caixa de diálogo à qual se chega através da seguinte
sequência: Ferramentas > Análise de Dados > Amostragem

89 Para mais informações consultar o manual de ajuda do IDEA.

98 Guia de amostragem estatística

Anexos

Janela da amostragem no Excel

Que métodos de
amostragem
contempla o
EXCEL?

SPSS

O SPSS (Statistical Package for Social Sciences) é uma aplicação de tratamento estatístico de dados, de
fácil manuseamento, visto que tem um funcionamento semelhante a qualquer aplicação desenvolvida
para Windows. Esta aplicação torna a análise estatística de dados acessível para o utilizador, sendo um
dos programas de análise estatística mais usados nas ciências sociais.

Com esta aplicação é possível proceder à análise de dados através da execução de testes estatísticos
(análise exploratória de dados e estatística descritiva), para caracterizar a amostra sob estudo e elaborar
a representação gráfica adequada (gráficos de barras, circulares, de dispersão e histogramas).

No SPSS, abre-se a caixa de diálogo através de: Analyse > Descriptive Statistics > Explore e selecciona-se
a variável requerida.

Guia de amostragem estatística 99

 Anexos

Janela da amostragem no SPSS

Como usar a
amostragem
aleatória no SPSS?

Fonte: NAO. A pratical guide to sampling, p. 14.

Outros Programas

Para além dos programas referidos, existem muitos outros que podem ser utilizados na amostragem,
nomeadamente o ACL, o programa matemático GAUSS, o programa SAS (Statistical Analysis Software)
ou mesmo as componentes de estatística do MATLAB (The Mathworks).

100 Guia de amostragem estatística

Anexos

REFERÊNCIAS

Normas internacionais relevantes à amostragem em auditoria:

Independentemente da amostragem em auditoria ser referida em várias normas internacionais, salien-

tam-se apenas as referidas ao longo do guia:

• ISA 500 (clarificada), Prova de Auditoria / (versão de 2009), IFAC

• ISA 530 (clarificada), Amostragem de Auditoria / Audit Sampling (versão de 2009), IFAC

• Normas de auditoria / Auditing Standards (ISSAI 100, 200, 300, 400), INTOSAI

• ISSAI 30, Code of Ethics / Código de ética, INTOSAI

• ISSAI 200, General Standards in Government Auditing / Normas gerais de auditoria Gover-
namental

• ISSAI 1530, Audit Sampling

• ISSAI 3000, Implementation guidelines for performance auditing / Directrizes para imple-
mentação de auditorias de desempenho

• Linha directriz europeia nº 12 relativa à aplicação das normas de auditoria da INTOSAI

• Linha directriz europeia nº 23 relativa à aplicação das normas de auditoria da INTOSAI

• Linha directriz europeia nº 26 sobre documentação, relativa à aplicação das normas de au-
ditoria da INTOSAI

Outras referências:

Almeida, M. Céu (2007). Amostragem em auditoria. Formação de 2007 a 2010, Tribunal de Contas

Arens, A.A.,Elder, Beasley. (2008). Auditing and assurance services. 12th edition. New Jersey. Prentice Hall

Arkin, H. (1982). Sampling methods for the auditor-an advanced treatment. Mc Graw Hill, New York

Guia de amostragem estatística 101

 Anexos

Broeze, Gerrit B. (2006). Validation of risk assessment in auditing. ISBN 90 8659 055 1. Vrije Universiteit
http://dare.ubvu.vu.nl/bitstream/1871/10600/1/5419.pdf

Cerejeira, L. (1998). Técnicas de amostragem em auditoria. Instituto Português de Auditores Externos

Cochran, W G (1977). Sampling techniques. 3 edn, John Wiley, New York. ISBN 0-471-16240-X

GAO (1992). Using statistical sampling, GAO/PEMD-10.1.6.

http://archive.gao.gov/t2pbat6/146859.pdf

Guy, D., Carmichael. M. e Whittington, Ray (2002). Auditing sampling an introduction. 5.ª Edition, Editora
John Wiley & Sons, Inc., pag. 53, New York

INTOSAI (2006), (The) Contact Committee of the Supreme Audit Institutions of the European Union.
Resolution on the strengthening and facilitating of the cooperation between the EU SAIs to contribute
to the improvement of accountability for Community funds. CC-R-2006-01
http://circa.europa.eu/irc/eca/sai/info/data/cc_website/cc/agenda/cc_introduction_en.htm

Latham, C. (2006) http://www.vancouver.wsu.edu/fac/latham/AUDCH172006.doc

Martins (2006). Introdução à Inferência Estatística. Departamento de Estatística e Investigação Opera-

cional. Faculdade de Ciências da Universidade de Lisboa
http://www.alea.pt/Html/statofic/html/dossier/doc/introInfEstat.pdf

NAO, National Audit Office (2000) - A practical guide to sampling.

__ ( 2002) “Measuring evidence: statistical handbook for value for money and performance audit
”.http://www.concordat.org.uk/_db/_documents/NAO_Measuring_Evidence_guide.pdf

__ (2006-07) Financial Audit Manual

NAO (2008). VFM Handbook, A guide to quality in VFM work.

Rubin (2006), Donald B. Matched Sampling for Causal Effects. Harvard University, Massachusetts.
http://www.cambridge.org/catalogue/catalogue.asp?isbn=9780511243141

102 Guia de amostragem estatística

Anexos

Siegel, Shim (2000). Dictionary of accounting terms, BARRON´S Business Guides, 3rd ed. TC, cota 657
(038) Sie*Dic

Talens E. (2005). Statistical Auditing and the AOQL-method. University of Groningen

http://irs.ub.rug.nl/ppn/275845036
http://dissertations.ub.rug.nl/FILES/faculties/eco/2005/e.talens/c2.pdf

TCE/BA (2000). Manual de auditoria governamental.

http://www.tce.ba.gov.br/arquivos/publicacoes/manuais_guias_manual_auditoria.pdf

Tribunal de Contas (1999), Manual de auditoria e de procedimentos. Vol I.

http://timor/C14/Manuais%20de%20Auditoria/Document%20Library/PortugalTribunal%20de%20Con-
tas/Manual_%20Auditoria_%20e%20_Procedimentos.pdf. (usada a versão impressa)

__ (2007), Manual de Auditoria e de Procedimentos, Vol. II, com alterações introduzidas na sequência
da recolha de sugestões e propostas recebidas até 31.12.2006, e após a deliberação do Plenário da 2.ª
Secção do Tribunal de 15.02.2007
http://timor/C11/C1/GTMAP/Document%20Library/AntProj%20Manual%20de%20Auditoria/MAPFi-
nal_Aposaudição.doc

Tribunal de Contas Europeu (2008). A Metodologia DAS.

http://timor/C6/CEMAC/Biblioteca%20de%20Documentos/TCE/metodologia_DAS_809552.pdf

__ (2004). Parecer Nº 2/2004, sobre o modelo de auditoria única, JO C 107/1, de 30.4.2004

Tribunal de Contas Europeu (1998). Manuel d’audit. Anexo B. 8.4.

Wampler, B., McEacharn M. (2005). Monetary-Unit sampling using Microsoft Excel. CPA Journal.http://
www.nysscpa.org/cpajournal/2005/505/essentials/p36.htm

Working Groups of the Presidents of the Supreme Audit Institutions of European Union Audit (2006).
Audit Newsletter. (December 2006), Issue nº 15

Zanzig, J. (2006)
http://ccba.jsu.edu/ccba/faculty/facultyFiles/jzanzig_Auditing%20Ch%2017%20Lecture.ppt

Guia de amostragem estatística 103