Brug for statistiknørd :)

Hej

Jeg har i et firma brug for en formel der kan hjælpe mig med at sige noget om en population.

Situationen er:

- Firmaet har X antal bogføringspostering pr. måned med moms.

- Hver måned ønsker firmaet at tage X antal stikprøver for at kontrollere for korrekt moms. En bogholder kontrollerer om momsen er bogført korrekt (dvs. udfaldet er korrekt bogført moms eller ikke korrekt bogført moms)

- Vi ønsker nu at udregne hvor stor X skal være for at kunne sige med y% (f.eks. 95% sikkerhed) at alle momsposteringer er korrekte

- Yderligere hvordan skal stikprøven udvides hvis der er et antal fejl

Er der nogen der har en ide til hvordan ovenstående formel kan opstilles? Jeg har forsøgt mig men synes det bliver rimelig kompliceret.

ca. 30

Nok ikke helt det jeg skal bruge desværre :)

Meget enkel formel at lave, har dog desværre glemt alt jeg lærte i statistik, men burde ikke tage nogen ret mange minutter at lave formlen.

Hvorfor ikke bare afstemme alle jeres momsposteringer og sandsynliggøre dem?

Medmindre i har en meget kompleks momsstruktur, så vil revisionen mv. også langt hellere se en komplet afstemning.

Hvad er det specifikt ved momsberegninger der gør at de er en kilde til fejl? Kan det ikke bare udregnes automatisk?

Moms er ikke altid 25 % og ikke altid fradragsberettiget.

Sandsynliggørelse mener vi i dette tilfælde ikke er godt nok. Momsen er meget kompleks i firmaet grundet en række ting, så en momssandsynliggørelse mener vi ikke er et godt nok for os.

Og en momsafstemning vil tage ekstremt lang tid. Derfor kunne vi godt tænke os en formel :)

Det du skal bruge er en hypotesetest af en binomialfordeling. Her er nogle eksempler på hvordan det kan gøres i excel: http://www.real-statistics.com/binomial-and-related-distributions/hypothesis-testing-binomial-distribution/

Men problemet, som jeg ser det, er at din hypotese er at successraten er 100%. Dermed vil en enkelt fejl, hvis den findes, modbevise din hypotese.

pokerjbm skrev:Hej
Jeg har i et firma brug for en formel der kan hjælpe mig med at sige noget om en population.

Situationen er:
- Firmaet har X antal bogføringspostering pr. måned med moms.
- Hver måned ønsker firmaet at tage X antal stikprøver for at kontrollere for korrekt moms. En bogholder kontrollerer om momsen er bogført korrekt (dvs. udfaldet er korrekt bogført moms eller ikke korrekt bogført moms)
- Vi ønsker nu at udregne hvor stor X skal være for at kunne sige med y% (f.eks. 95% sikkerhed) at alle momsposteringer er korrekte
- Yderligere hvordan skal stikprøven udvides hvis der er et antal fejl

Er der nogen der har en ide til hvordan ovenstående formel kan opstilles? Jeg har forsøgt mig men synes det bliver rimelig kompliceret.

Stikprøvestørrelse på bilag følger Poissonfordelingen, så stikprøvestørrelsen n bliver n = (- ln B)/P hvor B er risiko for at acceptere en population med en fejlandel på P. F.eks. B = 0,05 (5%) og P er 0,02 (dvs. 2%) giver (- ln 0,05)/0,02 = 150 bilag.

Men Samuel som jeg ser den formel fortæller den ikke noget om hvor stor min population er? det er vel ikke ligegyldigt om min stikprøve på 150 bilag er ud af en population på 500 eller 10.000 ?

Fortæller ovenstående formel så at med 95% sandsynlighed er der en fejlandel på min population på 2 % ?

David BB skrev:Det du skal bruge er en hypotesetest af en binomialfordeling. Her er nogle eksempler på hvordan det kan gøres i excel: http://www.real-statistics.com/binomial-and-related-distributions/hypothesis-testing-binomial-distribution/

Men problemet, som jeg ser det, er at din hypotese er at successraten er 100%. Dermed vil en enkelt fejl, hvis den findes, modbevise din hypotese.

Jeg tænker også som dig at en hypotesetest ikke er optimal. En Successrate på 100% på meget uden fejl.

pokerjbm skrev:Hej
Jeg har i et firma brug for en formel der kan hjælpe mig med at sige noget om en population.

Situationen er:
- Firmaet har X antal bogføringspostering pr. måned med moms.
- Hver måned ønsker firmaet at tage X antal stikprøver for at kontrollere for korrekt moms. En bogholder kontrollerer om momsen er bogført korrekt (dvs. udfaldet er korrekt bogført moms eller ikke korrekt bogført moms)
- Vi ønsker nu at udregne hvor stor X skal være for at kunne sige med y% (f.eks. 95% sikkerhed) at alle momsposteringer er korrekte
- Yderligere hvordan skal stikprøven udvides hvis der er et antal fejl

Er der nogen der har en ide til hvordan ovenstående formel kan opstilles? Jeg har forsøgt mig men synes det bliver rimelig kompliceret.

prøv den her:

www.checkmarket.com/market-research-resources/sample-size-calculator/

Jones skrev:
prøv den her:

https://www.checkmarket.com/market-research-resources/sample-size-calculator/

Tak Jones

Den giver mig et godt bud på min stikprøvestørrelse i hvert fald. Problemet jeg ser i den er måske at den kører med "margin of error %" hvilket jeg har svært ved at vurdere om det giver mening ved en bogføring. Jeg mener enten er der en fejl eller også er der ikke en fejl tænker jeg?

pokerjbm skrev:Men Samuel som jeg ser den formel fortæller den ikke noget om hvor stor min population er? det er vel ikke ligegyldigt om min stikprøve på 150 bilag er ud af en population på 500 eller 10.000 ?

Fortæller ovenstående formel så at med 95% sandsynlighed er der en fejlandel på min population på 2 % ?

Formlen afhænger ikke af populationsstørrelse, da man foretager yderligere kontrol, hvis der bare er et bilag med en fejlpostering af moms.

Der er mere en håndfuld metoder at foretage kontrollen på (dvs. at der ikke kun er en løsning til dit spørgsmål), så først skal du finde ud af hvilke kontrol, du vil foretage og så følge retningslinjer for den kontrol.

Samuel skrev:Formlen afhænger ikke af populationsstørrelse, da man foretager yderligere kontrol, hvis der bare er et bilag med en fejlpostering af moms.
Der er mere en håndfuld metoder at foretage kontrollen på (dvs. at der ikke kun er en løsning til dit spørgsmål), så først skal du finde ud af hvilke kontrol, du vil foretage og så følge retningslinjer for den kontrol.

Hej. Tak for hjælpen. Hvilken metode vil du anbefale?

Hvis jeg f.eks. tager din metode og bruger samme tal som i din formel, vil det så medfører at hvis jeg hver måned tager 150 stikprøver på alle min bilag i den måned, vil jeg med 95% sandsynlighed kunne sige at hele min population har en fejlandel på under 2%? Jeg antager så også at på de 150 stikprøver må der ikke være en fejl på over 2%?.

Mit problem opstår jo så i at hvis der bare er 1 momsfejl, men den jo udgøre 25%, og hvad gør jeg så?

Tror du griber det forkert an, din sandsynliggørelse skal jo fange større fejl, din ekstra statistiske kontrol er jo blot som en ekstraordinær tjek og vil jo aldrig være 100% fyldestgørende. Jeg forstår stadig ikke helt at i vil køre denne kontrol medmindre jeres momssandsynliggørelse er MEGET fejlbehæftet så bør den finde alle større fejl og langt de fleste mindre fejl. (jeres konto plan skal selvfølgelig være bygget op efter gældende standarder, men antager jeg i har styr på.)

Vil stadig hævde at den her statistiske kontrol er helt og aldeles unødvendig.

Forstår godt dit synspunkt. En momssandsynliggørelse vil dog stadigvæk kunne rumme nogle % fejl margen hvilket i større selskabet kan vise sig at være en hel del, og i virksomhedens tilfælde vil en momssandsynliggørelse ikke udtømmende kunne give et dybt nok indblik i fejlene. Derfor vil vi supplere med test af bilag. Når en revisor udfører substanstest giver disse jo også et % sikkerhedsinterval.

@pokerjbm:

Matematisk: Er alle posteringer uafhængige?

Konkret: Bliver posteringer lavet manuelt eller én for én eller er der en form for automatisering?

@Samuel: Det er godt nok en speciel poissonfordeling du arbejder med. Hvor lærer man om den? :D

David BB skrev:Det du skal bruge er en hypotesetest af en binomialfordeling. Her er nogle eksempler på hvordan det kan gøres i excel: http://www.real-statistics.com/binomial-and-related-distributions/hypothesis-testing-binomial-distribution/

Men problemet, som jeg ser det, er at din hypotese er at successraten er 100%. Dermed vil en enkelt fejl, hvis den findes, modbevise din hypotese.

Hvilken sandsynlighed (p) er det du vil teste? 0%?

Men det er måske også det du mener, når du skriver en enkelt fejl vil modbevise hypotesen.

Anddru skrev:@pokerjbm:
Matematisk: Er alle posteringer uafhængige?
Konkret: Bliver posteringer lavet manuelt eller én for én eller er der en form for automatisering?

@Samuel: Det er godt nok en speciel poissonfordeling du arbejder med. Hvor lærer man om den? :D

Ja posteringerne er uafhængige. Langt de fleste bliver lavet manuelt en for en

Anddru skrev:@Samuel: Det er godt nok en speciel poissonfordeling du arbejder med. Hvor lærer man om den? :D

Dejligt at se, at du finder statistik sjovt og værd at interessere dig for :)

Du kan læse om det i bogen: "Metoder og principper til statistisk revision, kontrol og informationsindsamling." som er en god grundbog.

Samuel skrev:Dejligt at se, at du finder statistik sjovt og værd at interessere dig for :)
Du kan læse om det i bogen: "Metoder og principper til statistisk revision, kontrol og informationsindsamling." som er en god grundbog.

Jeg har stadig svært ved at se det har noget at gøre med statistik, for det er ikke sådan poissonfordelingen er defineret (https://en.wikipedia.org/wiki/Poisson_distribution), men du har ret - det bliver åbenbart brugt inden for revision.

Men det tal du finder (150), er det ikke hvor mange der stikprøver der skal til for at kunne konkludere (med 95% sandsynlighed), at der ikke er mere end 2% observationer med fejl.

Spørgsmålet gik på at der skulle være 0% observationer med fejl (med 95% ssh) - og der virker formlen ikke.

Bump på ovenstående. Umiddelbart har jeg endnu ikke fundet en formel der 100% kan bruges i mit tilfælde :(

Anddru skrev:Jeg har stadig svært ved at se det har noget at gøre med statistik, for det er ikke sådan poissonfordelingen er defineret (https://en.wikipedia.org/wiki/Poisson_distribution), men du har ret - det bliver åbenbart brugt inden for revision.

Men det tal du finder (150), er det ikke hvor mange der stikprøver der skal til for at kunne konkludere (med 95% sandsynlighed), at der ikke er mere end 2% observationer med fejl.

Spørgsmålet gik på at der skulle være 0% observationer med fejl (med 95% ssh) - og der virker formlen ikke.

Læs nu bare bogen, ik'?