S ance 4 Certification financi re 32-911-06 Automne 2006 - PowerPoint PPT Presentation

pekelo
slide1 n.
Skip this Video
Loading SlideShow in 5 Seconds..
S ance 4 Certification financi re 32-911-06 Automne 2006 PowerPoint Presentation
Download Presentation
S ance 4 Certification financi re 32-911-06 Automne 2006

play fullscreen
1 / 46
Download Presentation
S ance 4 Certification financi re 32-911-06 Automne 2006
130 Views
Download Presentation

S ance 4 Certification financi re 32-911-06 Automne 2006

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

    1. Automne 2006 Par Raymond Morissette 32-911-06 1 Sance 4 Certification financire 32-911-06 Automne 2006 Importance relative, sondages et chantillonnage

    2. Automne 2006 Par Raymond Morissette 32-911-06 2

    3. Automne 2006 Par Raymond Morissette 32-911-06 3

    4. Automne 2006 Par Raymond Morissette 32-911-06 4

    5. Automne 2006 Par Raymond Morissette 32-911-06 5

    6. Automne 2006 Par Raymond Morissette 32-911-06 6

    7. Automne 2006 Par Raymond Morissette 32-911-06 7

    8. Automne 2006 Par Raymond Morissette 32-911-06 8

    9. Automne 2006 Par Raymond Morissette 32-911-06 9

    10. Automne 2006 Par Raymond Morissette 32-911-06 10

    11. Automne 2006 Par Raymond Morissette 32-911-06 11

    12. Automne 2006 Par Raymond Morissette 32-911-06 12

    13. Automne 2006 Par Raymond Morissette 32-911-06 13

    14. Automne 2006 Par Raymond Morissette 32-911-06 14 NOV 41 Inexactitudes et illgalits valuation des inexactitudes - Cas 1 IR Inexactitudes releves TPI Total probable des inexactitudes SIR Seuil dimportance relative $ SIR TPI IR CONCLUSION :

    15. Automne 2006 Par Raymond Morissette 32-911-06 15 NOV 41 Inexactitudes et illgalits valuation des inexactitudes - Cas 2 IR Inexactitudes releves TPI Total probable des inexactitudes SIR Seuil dimportance relative $ SIR TPI IR CONCLUSION :

    16. Automne 2006 Par Raymond Morissette 32-911-06 16 NOV 41 Inexactitudes et illgalits valuation des inexactitudes - Cas 3 IR Inexactitudes releves TPI Total probable des inexactitudes SIR Seuil dimportance relative $ TPI SIR IR CONCLUSION :

    17. Automne 2006 Par Raymond Morissette 32-911-06 17 NOV 41 Inexactitudes et illgalits valuation des inexactitudes - Cas 4 IR Inexactitudes releves TPI Total probable des inexactitudes SIR Seuil dimportance relative $ TPI IR SIR CONCLUSION :

    18. Automne 2006 Par Raymond Morissette 32-911-06 18 NOV 41 Inexactitudes et illgalits Relations entre erreurs connues, erreurs probables et erreurs possibles Certitude Incertitude

    19. Automne 2006 Par Raymond Morissette 32-911-06 19

    20. Automne 2006 Par Raymond Morissette 32-911-06 20

    21. Automne 2006 Par Raymond Morissette 32-911-06 21 Modle du risque en vrification (jugement et/ou mathmatique)

    22. Automne 2006 Par Raymond Morissette 32-911-06 22

    23. Automne 2006 Par Raymond Morissette 32-911-06 23

    24. Automne 2006 Par Raymond Morissette 32-911-06 24

    25. Automne 2006 Par Raymond Morissette 32-911-06 25

    26. Automne 2006 Par Raymond Morissette 32-911-06 26

    27. Automne 2006 Par Raymond Morissette 32-911-06 27

    28. Automne 2006 Par Raymond Morissette 32-911-06 28

    29. Automne 2006 Par Raymond Morissette 32-911-06 29

    30. Automne 2006 Par Raymond Morissette 32-911-06 30

    31. Automne 2006 Par Raymond Morissette 32-911-06 31 MTHODE DESTIMATION PAR LA DIFFRENCE, PAR RATIO ET PAR LA MOYENNE

    32. Automne 2006 Par Raymond Morissette 32-911-06 32

    33. Automne 2006 Par Raymond Morissette 32-911-06 33

    34. Automne 2006 Par Raymond Morissette 32-911-06 34 Exemple de lchantillonnage destimation par la diffrence

    35. Automne 2006 Par Raymond Morissette 32-911-06 35 Mthode destimation par diffrence Objectif: valuer un intervalle de confiance pour lerreur dtecte dans un chantillon tir dune population lorsque lerreur na pas tendance tre proportionnelle la valeur montaire de llment examin. Application: -il sagit exactement de la mme mthode que lestimation par la moyenne sauf que lon remplace la valeur vrifie par lerreur entre la valeur tablie par le client et la valeur tablie par le vrificateur. -elle est utilise pour estimer le montant total dinexactitudes existant lintrieur dune population de faon pouvoir estimer le montant total dajustement pour un poste des tats financiers (eg. inventaires, comptes clients, etc)

    36. Automne 2006 Par Raymond Morissette 32-911-06 36

    37. Automne 2006 Par Raymond Morissette 32-911-06 37 Exemple de lchantillonnage destimation par diffrence On procde ensuite au calcul de lerreur la plus probable (sur ou sous-valuation en fonction des caractristiques du poste vrifi) pour toute la population et ce partir de lerreur dtecte dans lchantillon: N * (somme des erreurs) = 20 000 * 154$ = 20000 $

    38. Automne 2006 Par Raymond Morissette 32-911-06 38 Exemple de lchantillonnage destimation par diffrence Conclusion: compte tenu que lerreur probable maximale en est une de survaluation de 31 348 $ et est en-dea de la prcision de 50 000 $ et que la prcision rvise de 11 348 $ est aussi en-dea de la prcision tolrable par le vrificateur (50 000$), le vrificateur peut accepter la population comme ayant un montant derreur infrieur au montant tolrable (50 000$). WARNING: nutilisez cette mthode que lorsque lerreur contenue dans la population nest pas fonction de la valeur montaire des lments.

    39. Automne 2006 Par Raymond Morissette 32-911-06 39 Mthode destimation par ratio Objectif: valuer un intervalle de confiance pour lerreur dtecte dans un chantillon tir dune population lorsque lerreur a tendance tre proportionnelle la valeur montaire de llment examin. Il faut bien entendu vrifier lhypothse que lerreur varie avec la taille de llment vrifi Application: -il sagit exactement de la mme mthode que lestimation par la diffrence sauf que lon remplace la valeur de lerreur moyenne par le ratio derreur (total erreur de lchantillon / valeur comptable totale de lchantillon -elle est utilise pour estimer le montant total dinexactitudes existant lintrieur dune population de faon pouvoir estimer le montant total dajustement pour un poste des tats financiers (eg. inventaires, comptes clients, etc)

    40. Automne 2006 Par Raymond Morissette 32-911-06 40

    41. Automne 2006 Par Raymond Morissette 32-911-06 41 Exemple de lchantillonnage destimation par ratio On procde ensuite au calcul de lerreur la plus probable (sur ou sous-valuation en fonction des caractristiques du poste vrifi) pour toute la population et ce partir de lerreur dtecte dans lchantillon: ratio derreur * valeur population = 500 000 $ * 0,039039= 19 519,50 $ de survaluation de la population

    42. Automne 2006 Par Raymond Morissette 32-911-06 42 Exemple de lchantillonnage destimation par ratio Conclusion: compte tenu que lerreur probable maximale en est une de survaluation de 30 710 $ et est en-dea de la prcision de 50 000 $ et que la prcision rvise de 11 190 $ est aussi en-dea de la prcision tolrable par le vrificateur (50 000$), le vrificateur peut accepter la population comme ayant un montant derreur infrieur au montant tolrable (50 000$). N.B. ***si la prcision avait t fixe 30 000 $, nous aurions d rejeter les rsultats du sondage car le total de lerreur projete de survaluation aurait t de 30 710$ vs une prcision de 30 000$. WARNING: nutilisez cette mthode que lorsque lerreur contenue dans la population a tendance varier en proportion de la valeur montaire des lments.

    43. Automne 2006 Par Raymond Morissette 32-911-06 43 LCHANTILLONNAGE PAR LESTIMATION DE LA MOYENNE Objectif: tablir la valeur montaire dune population partir dun chantillon alatoire dont on value la moyenne et lcart- type. tester si lestimation ponctuelle de la valeur vrifie correspond la valeur moyenne vrifie des lments de la population Avantages: il nest pas ncessaire de connatre la valeur montaire de chaque lment dune population. on a recourt la loi Normale centre rduite qui requiert le calcul de 1) la moyenne et de lcart type dun chantillon et 2) de la probabilit que la moyenne ne soit pas reprsentative de celle de la population teste. toutes les estimations reposent sur la valeur moyenne dun lment de la population, par exemple, une facture moyenne de vente, un item moyen en inventaire, etc. facile dapplication

    44. Automne 2006 Par Raymond Morissette 32-911-06 44 Exemple de lchantillonnage destimation par la moyenne

    45. Automne 2006 Par Raymond Morissette 32-911-06 45 Exemple de lchantillonnage destimation par la moyenne

    46. Automne 2006 Par Raymond Morissette 32-911-06 46 Exemple de lchantillonnage destimation par la moyenne Lintervalle de confiance pour la valeur de la population de facture de ventes se situe entre les bornes suivantes: 492 400 $ 42 283 $

    47. Automne 2006 Par Raymond Morissette 32-911-06 47 Lchantillonnage destimation par la moyenne Quand utilise-t-on cette mthode? lorsque le vrificateur veut juger de la raisonnabilit de lvaluation de lestimation produite par son client. lorsque la valeur vrifie est celle qui est considre comme la vraie valeur et dtermine lintervalle de confiance lorsque la population est distribue de faon relativement normale, (lorsque lerreur na pas tendance tre proportionnelle la valeur de litem) lorsque lon a une estimation de lcart-type de la valeur moyenne dun item dans la population (on a dj vrifi lentreprise)