符合性整群审计抽样的抽样规模研究

运用抽样调查开展审计活动,是现代审计业务组织的一个基本方向.符合性比例估计是符合性抽样推断的主要内容.文章根据势函数与决策规则的基本原理,对整群审计抽样下的符合性比例估计时所需要的样本数目进行了讨论,内容包括:势函数规则下审计对象符合性比例估计整群抽样时的样本容量,决策规则下审计时象符合性比例估计整群抽样时的样本容量等.     

决策规则下符合性阶段审计抽样时取样规模的确定

符合性检查是抽样审计的重要组成内容之一,它主要用于判断审计对象总体错误发生比率,被审计单位内部控制制度的执行及其改进情况等。符合性比例估计是符合性抽样推断的主要内容,文章根据决策规则的基本原理,对阶段审计抽样下的符合性比例估计所需要的样本数目进行了讨论。     

均值估计时样本容量的确定—一种基于决策规则的方法

运用抽样方法进行调查,确定样本规模是一个不可回避的问题。过去人们主要是依据势函数原理,事先规定好抽样估计精度,然后计算样本的大小。本文主要从统计决策的角度讨论样本容量的确定问题。可以断言,依据决策规则确定出来的样本容量在某种程度上要比用势函数方法更科学合理。     

本期导读

运用抽样调查开展审计活动,是现代审计业务活动组织方式的一个基本方向。符合性比例估计是符合性抽样推断的主要内容。作者在《符合性整群审计抽样的抽样规模研究》一文中,根据势     

统计抽样在审计中的应用

审计抽样是指会计师在实施审计程序时．从审计对象总体中选取一定数量的样本进行测试．并根据测试的结果．推断审计对象总体特征的一种方法。在审计中最常用的数学方法是抽样技术。随着统计科学和企业规模的不断发展．许多会计公司将统计抽样理论与审计相结合。设计出了审计抽样技术。对受审单位的内部控制制度有效性进行符合性测试时．采用属性抽样，如连续性抽样。发现抽样。在实质性测试中采用变量抽样．这对于减少审计风险和成本．提高审计工作效率和效果意义重大．因为严格遵循随机原则抽取样本．根据总体容量、误差率、精确度、可信水平等因素综合分析得到样本容量．其分布规律更加接近于审计总体的分布规律。     

双重符合性审计抽样时的抽样规模的确定

在运用抽样方式开展审计活动时,如何确定抽样测试规模是其中的一项重要内容。为避免可能存在的随意性,在审计抽样方案设计阶段就需要规定出必要的样本测试数目。双重抽样是审计抽样的一种组织方式,能帮助人们确定出有效的样本测试单位。文章依据决策分析原理,探讨了符合性审计抽样成数估计时所需要的最小样本测试数目的计算方法。     

多指标抽样的样本容量设计方法

在抽样调查中,首先必须确定样本容量.样本容量既取决于调查费用,同时也受估计精度的制约.多指标抽样是一种常用而复杂的调查方法.样本容量的确定就成了多指标抽样设计的难点.文章首先在理论上阐明最优样本容量的存在;然后介绍了确定样本容量的一般方法;在此基础上,分两种情况对多指标抽样背景下样本容量设计进行了详细讨论.     

谈审计抽样方法中样本容量的确定

审计抽样是审计师用于形成审计意见的工具之一,它在审计中起着很重要的作用。抽样实质上就是通过查看少量来认识总体的过程。审计师要想得到客观的抽样结果,又不使费用过高,就应用科学的统计理论来确定样本容量。审计师同时应懂得,审计抽样是在求得一个可靠的估计,而不是精确的答案。下面的两个统计概念是很重要的。 置信度:它是指相信根据样本所作的估计落在一个指定范围内的程度。置信度通常用一个百分数表示,如95％的     

统计抽样在审计实质性测试中的应用

统计抽样技术和方法应用于审计工作,是审计理论和实践的重大突破。它在审计测试中应用的意义在于,能科学地确定抽样规模,防止审计人员的主观臆断,而且统计抽样能计算抽样误差在预先给定的范围内的概率有多大,并根据抽样推断的要求,把这种误差控制在预先给定的范围内,以样本误差来推断总体误差,使审计工作在保证审计质量的同时提高了工作效率。 　　一、单位平均估计抽样的应用 　　单位平均估计抽样是通过抽样审查确定样本的平均值,再根据样本的平均值推断总体的平均值和总值的方法。这种方法适用范围十分广泛,无论被审计单位提…     

对抽样审计中重要性的认识

重要性,是指被审计单位会计报表中存在错报或漏报的严重程度,这一程度在特定环境下可能影响会计报表使用者的判断或决策。当前,企业规模日益扩大,企业组织结构日趋复杂,详细审计已经不可能,审计人员为做出抽样决策,不得不涉及到重要性问题。同时,抽样审计下,审计人员对未查部分是否正确要承担一定的风险,而风险的大小与重要性的判断有关。因此,为了提高审计效率、保证审计质量,必须对重要性做出恰当的判断。     

基于双重抽样框的二阶段抽样调查方法研究

由于被调查对象的频繁变动,单一抽样框很难覆盖所有的目标单位。为了克服单一抽样框覆盖不完全的缺陷,在各阶段抽样调查采用双重（或多重）抽样框是一种有效的办法。对双重抽样框下的二阶段抽样估计方法进行了研究,得出简单随机抽样下的总体总值估计及其估计量方差,并利用拉格朗日函数求出双重抽样框重叠部分的最优抽样权重系数及各抽样阶段不同子域的样本容量,分析结果可为实际部门在双重抽样框下进行二阶段抽样调查提供相关的理论基础。     

抽样调查中样本容量的确定方法

确定样本容量是抽样调查中重要的环节,直接关系到抽样估计的精确度及调查的成本和效益。单位标志变异程度、抽样极限误差、抽样推断的可靠度、抽样类型和方法等影响到样本容量的确定。文章提出,样本容量的确定可以根据由抽样误差、抽样极限误差和概率度推算出来的公式计算,也可以根据经验法则来确定。     

序贯抽样统计推断浅论

抽样阶段不预先固定样本容量,而是给出一组停止采样的规则,每新抽一个样本立即观察其结果,根据这个结果来判断是否应终止抽样并进行统计推断,还是应该继续抽取新的样本进行观察,直至最后终止抽样,并据此作出推断。这就是著名统计学家瓦尔德(A.Wald)创立的序贯抽样推断法。与其它抽样法相比,序贯抽样推断法充分利用了每一个已抽取样本的有关信息,因而在相同的估计精度要求下,至少有减少抽样数目,节约抽样成本等优点。     

虚总体与样本虚比例

虚总体与样本虚比例南京林业大学厉嘉玲南京经济学院顾学宁重复抽样和不重复抽样是两种基本的抽样方式，采用不重复抽样，样本容量不会超过总体容量。采用重复抽样，在一定的条件下，样本容量却有可能大于总体数。例如：一批产品共２０００件，该种产品的使用寿命标准差δ...     

抽样调查中单元无回答处理方法的选择与改进

在抽样调查中,无回答对于抽样推断的影响较大,尤其是单元无回答。通过增加样本容量来处理单元无回答的方式不能从本质上解决问题,而在二重抽样的基础上再实施复杂估计的思路可以有效地提高抽样估计的精度。     

先验信息对MCMC方法估计概化理论方差分量变异量的影响

MCMC是一种动态的蒙特卡洛方法,可以用于估计概化理论的方差分量。MCMC方法估计出的方差分量受限于抽样,不同的抽样样本,所估计的方差分量可能不一样,需要对其变异量进行探讨。文章采用蒙特卡洛(Monte Carlo)数据模拟技术,在正态分布下讨论有无先验信息对MCMC方法估计概化理论方差分量变异量的影响。结果发现,有先验信息的MCMC方法估计方差分量标准误较无先验信息的MCMC方法要精确些,但随着i的样本容量增大,这种趋势减小;有先验信息的MCMC方法和无先验信息的MCMC方法估计方差分量置信区间,随着i的样本容量增大,精确度相当。     

分层抽样样本量最优分配问题新探

一、问题的提出 在分层抽样中涉及到样本量最优化分配的问题.样本分配是分层抽样研究的一个重要方面.一般来说,一个恰当的分层的原则是这样的:确定各层的样本容量,使样本容量的分布趋于总体分布,以保证样本具有充分代表性,抽样估计准确度不断提高.为遵循这个原则,我们在分层抽样中所采取第一种方法是,按比例缩小来确定样本单位数结构,这是最简单可行的分配方式.但大多数人认为除遵循样本与总体单位数结构一致性外,还必须考虑总体不同层次方差的差异,满足抽样估计量方差的最小化要求.简而言之,就是指在有限资金、时间或其他与每层的样本分配量相关的条件限制下,分配每层的样本量,使估计量方差最小.这就是本文要研究的样本量最优化分配问题.     

多元简单随机抽样与二相抽样的最优分配

不同于一般意义下的最优分配,文章研究了在多元简单随机抽样与多元二相抽样中当抽样费用固定时使得损失函数最小的情况下的样本量的最优分配问题.得出了这种情况下确定样本容量的方法.     

分层抽样估计精度 控制方法的研究

在分层抽样实践中，经常遇到如何进行估计精度控制的问题。从具体的组织实施看，分层抽样估计的精度控制除了常规的总体控制法外，还有分层控制法和双重控制法。它们各具特色和应用价值。本文对此作一探讨。一、总体控制法所谓总体控制法，就是只控制总体参数（如总体均值）的抽样估计精度而不论各层参数（如层均值）的估计精度的高低。其一般过程是：先确定总体参数估计精度，再计算抽样估计所需的总样本容量，然后再分配备层样本容量。这样，各层参数抽样估计的精度事实上也就随之确定了。设总体分为K层，X；为第i层第j个单位的标志值（i…     

利用M-H算法求解Logistic回归模型参数的贝叶斯估计

文章以航天飞机在不同温度下发射密封圈的失效数据为例,采用随机游动与变量变换M-H算法获得Logistic回归模型参数的后验分布样本并进行贝叶斯分析.同时,进行蒙特卡洛模拟,通过样本轨迹图、直方图、自相关系数图等考查M-H算法的抽样表现,并讨论每种抽样方法的优缺点与提高措施.结果表明:先验分布的选取直接影响贝叶斯估计效果,有先验信息的M-H算法估计的标准差比无先验信息的M-H算法要精确,但随着样本容量增大,趋势在减少,适当的建议分布与变量变换可大大提高M-H算法的抽样效率.