您想要发现一个账户或一类交易中的预定控制偏差率或货币错报总金额。但是，您可能没有时间或预算来检查数据集中的每个记录。
您可以使用 Analytics 抽取在统计学意义上有效的数据子集（称为样本），并且改而分析这一小得多的数据集。
然后，您可以将分析这一较小的数据集所得到的结果推断至整个数据总体。推断过程可产生总体偏差率或错报总金额的估计值。
样本选择和推断过程使用统计公式，以确保合理且可量度的置信度，即估计值接近于您实际检查每个记录时所获得的结果。
说明
本指南中有关抽样的信息是为了帮助已经熟悉审计抽样的用户在 Analytics 中执行抽样任务。该信息的目的不是解释复杂的审计抽样理论。
有关审计抽样的详细内容，请参见 AICPA 的审计指南：审计抽样等资源。
抽样类型
Analytics 具有三个类型的抽样：
- 记录抽样（属性抽样）
- 货币单位抽样
- 传统变量抽样
您选择的抽样类型取决于您所做分析的性质以及数据的性质。
Analytics 中的抽样是统计抽样
Analytics 中的抽样是统计抽样。Analytics 抽取的样本是在统计学意义上有效的或者有代表性的，因为它是使用公认的统计公式计划、抽取和评估的。
这些公式基于概率分布。记录抽样和货币单位抽样基于泊松分布，而传统变量抽样基于正态分布。
我应该使用哪个类型的抽样？
下表提供了有关如何选择要使用的抽样类型的指南。
说明
如果只需要一个不具代表性的随机记录集合，请参见生成随机记录集合。基于不具代表性的记录集合推断结果没有统计有效性。
| 抽样类型 | 如果满足下列条件则使用： |
|---|---|
|
您要测试控制。 如果您要审计预定控制的偏差率，则记录抽样是适当的。 如果您的分析将为每个被分析的记录生成“是/否”或“通过/失败”结果，则您应该使用记录抽样。 |
|
|
您要分析一个账户或一类交易中是否存在货币错报，并且您预期财务数据具有下列特征：
|
|
|
您要分析一个账户或一类交易中是否存在货币错报，并且您预期财务数据具有下列特征：
|
抽样涉及职业判断
Analytics 中的抽样功能可自动完成在审计抽样中涉及到的很多计算和处理。但是，可靠而有效的抽样还要求您在多个领域运用职业判断。
说明
如果您不熟悉以可靠的方式执行审计抽样所需的职业判断，我们建议您在生产环境中使用 Analytics 进行抽样之前，先咨询审计抽样资源或审计抽样专家。
| 领域 | 需要的调整 |
|---|---|
| 置信度 | 评估样本具有代表性所需的置信度 |
|
重要性 货币精度 |
决定一个账户或一类交易中错报的可接受水平 |
| 可容忍偏差率 | 决定相对于预定控制的可接受偏差率 |
| 选择方法 | 选择适当的样本选择方法 |
| 评估方法 | 对于传统变量抽样，选择适当的评估方法 |
术语说明
为了帮助那些不太熟悉审计抽样的读者，下面对该指南中出现的多个术语进行了非常简单的定义。
展示更多
说明
以下是有意简化在审计和保证专业中使用的更精确定义的外行定义。
| 控制 |
一种旨在提供保证的强制执行的流程。 例如：所有凭证都必须获得经理的批准和签字。 |
|---|---|
| 偏差，控制偏差 |
未能遵守控制。 例如：凭证未经经理签字而被处理。 |
| 错报 | 不准确的数字 – 通常为不准确的货币金额。 |
| 重要性 | 某个数据变得重大的数值。 |
| 重大错报 |
足够大以致有重大影响的不准确性。 可能涉及单个数字或整个账户，如：“该账户存在重大错报”。 |
| 总体 | 一个文件中的整个记录集，或一个账户或一类交易中的整个货币金额，可从中抽取样本。 |
| 项目 | 估计；基于一个或多个观察值推算未知值。 |
| 代表性 | 具有与较大的组相同的特征。 |
| 抽样，样本 | 一个在统计学意义上有效的流程，该流程选择小于总体 100% 的样本量。该子集称为“样本”。 |
| 种子 | 一个由您指定或者由 Analytics 随机选择的数字，用于初始化 Analytics 随机数生成器。 |
| 差错百分比 |
在错报金额中，错报所代表的账面价值（记录价值）百分比。 例如：账面价值为 $200，实际价值为 $180，则错报金额为 $20，错报率为 10%。 |
| 可容忍的 | 可接受的；在可接受性的界限内。 |
| universe（总体） | “population”（总体）的另外一种说法。 |
Analytics 术语与行业术语
Analytics 中的抽样对话框上的一些标签使用 Analytics 术语。如果您已经了解审计抽样和关联的术语，您可能会发现这些术语使人混乱。有关 Analytics 术语与行业术语之间的映射关系，请参见审计抽样术语。
