Come scegliere tra campionamento statistico e non statistico in base alle caratteristiche della popolazione Come dimensionare il campione usando i parametri dell'ISA 530.A17 con motivazioni documentabili Come strutturare la selezione degli elementi per massimizzare la copertura probativa Come documentare ogni scelta metodologica per superare il controllo di qualità secondo l'ISA 530.

Cosa imparerete

Come scegliere tra campionamento statistico e non statistico in base alle caratteristiche della popolazione
Come dimensionare il campione usando i parametri dell'ISA 530.A17 con motivazioni documentabili
Come strutturare la selezione degli elementi per massimizzare la copertura probativa
Come documentare ogni scelta metodologica per superare il controllo di qualità secondo l'ISA 530.13

Indice

Requisiti dell'ISA 530 per la progettazione del campionamento

L'ISA 530.8 richiede che il revisore determini la numerosità del campione sufficiente a ridurre il rischio di campionamento a un livello accettabilmente basso. Il paragrafo non stabilisce una formula. Richiede che ogni decisione sia basata su fattori specifici dell'incarico: rischio di errori significativi valutato, rischio di rilevamento target, grado di sicurezza desiderato dalla procedura.
Il campionamento per la revisione contabile serve a ottenere evidenze probative su un'intera popolazione testando solo una parte rappresentativa. Non è un esercizio statistico fine a se stesso. È uno strumento per formare un giudizio professionale sulla popolazione con un livello di sicurezza quantificabile.
L'ISA 530.6 distingue due approcci: campionamento statistico e non statistico. Entrambi possono fornire evidenze probative sufficienti ed appropriate. La scelta dipende dalle circostanze dell'incarico, non da una superiorità metodologica intrinseca di un approccio sull'altro.

Quando il campionamento è appropriato


L'ISA 530.5 stabilisce che il campionamento è appropriato quando l'efficienza della procedura di revisione aumenta testando meno del 100% degli elementi senza compromettere l'efficacia probativa. Se la popolazione è piccola (sotto i 50 elementi), omogenea per natura e rischio, o se sono necessarie evidenze probative di alta qualità su elementi specifici, l'esame al 100% spesso risulta più efficiente del campionamento.
Il test al 100% è obbligatorio per popolazioni dove ogni elemento potrebbe contenere errori singolarmente significativi. Una popolazione di 15 contratti di affitto immobiliare, ciascuno del valore di EUR 200.000 annui, non si campiona. Si esamina integralmente.

Selezione del metodo di campionamento

Campionamento statistico vs non statistico


Il campionamento statistico usa la teoria delle probabilità per progettare il campione, selezionare gli elementi e valutare i risultati. Consente di quantificare il rischio di campionamento e di calcolare intervalli di confidenza per le stime. L'ISA 530.A9 nota che il campionamento statistico può essere più efficiente nell'ottenere evidenze probative sufficienti ed appropriate.
Il campionamento non statistico si basa sul giudizio professionale per tutti gli aspetti della progettazione e valutazione. Se applicato correttamente da un revisore esperto, può essere altrettanto efficace del campionamento statistico (ISA 530.A10). La differenza sta nella capacità di quantificare matematicamente il rischio di campionamento.
Scegliete il campionamento statistico quando:
Scegliete il campionamento non statistico quando:

Metodi di selezione degli elementi


L'ISA 530.A12 elenca i principali metodi di selezione: selezione casuale, selezione sistematica e selezione haphazard. Ciascun metodo ha applicazioni specifiche.
Selezione casuale: Ogni elemento ha la stessa probabilità di essere selezionato. Richiede un generatore di numeri casuali o tavole statistiche. È il metodo più rigoroso dal punto di vista statistico ma richiede che ogni elemento della popolazione sia numerato o identificabile univocamente.
Selezione sistematica: Si calcola un intervallo di campionamento (numerosità popolazione ÷ numerosità campione) e si seleziona ogni n-esimo elemento partendo da un punto di inizio casuale. È efficiente per popolazioni ordinate cronologicamente o numericamente. Attenzione ai pattern ricorrenti nella popolazione che potrebbero compromettere la rappresentatività.
Selezione haphazard: Il revisore seleziona elementi senza seguire una struttura deliberata, evitando bias consci. Non è selezione casuale. È selezione giudicante che mira alla rappresentatività senza metodi statistici formali. Richiede esperienza per evitare bias inconsci.

  • La popolazione è numerosa (oltre 1.000 elementi) e omogenea
  • Serve una stima quantitativa dell'errore nella popolazione
  • Il cliente ha sistemi informatici che facilitano la selezione casuale
  • Il team ha competenze statistiche adeguate per progettare e valutare i risultati
  • La popolazione è eterogenea per valore e tipologia
  • Gli errori attesi sono prevalentemente di natura qualitativa
  • I sistemi del cliente rendono difficile la selezione casuale
  • L'esperienza del team è più forte nella valutazione per giudizio

Dimensionamento del campione

Fattori che influenzano la numerosità


L'ISA 530.A17 identifica i fattori che influenzano la dimensione del campione per i test di dettaglio:
Rischio di errori significativi valutato: Più alto il rischio, maggiore la numerosità necessaria. Se il controllo interno presenta carenze significative nella registrazione delle vendite, il campione per le conferme esterne deve essere più ampio per compensare l'assenza di affidamento sui controlli.
Rischio di rilevamento accettabile: Più basso il rischio che il revisore è disposto ad accettare, maggiore la numerosità. Se le conferme esterne sono l'unica procedura sostantiva per i crediti, il rischio di rilevamento deve essere basso e il campione numeroso.
Grado di sicurezza dalle evidenze probative: Maggiore sicurezza richiede campioni più numerosi. Se l'asserzione di esistenza dei crediti è critica per la valutazione del going concern, il campione deve fornire alta sicurezza.
Errore tollerabile: Minore l'errore che il revisore può tollerare nella popolazione, maggiore la numerosità. Se la significatività per l'esecuzione è EUR 50.000 e la popolazione di crediti è EUR 2M, l'errore tollerabile potrebbe essere EUR 30.000 (1,5% della popolazione), richiedendo un campione ampio.
Errore atteso nella popolazione: Maggiore l'errore atteso, maggiore la numerosità necessaria. Se controlli preliminari evidenziano un tasso di errore del 2% nelle fatture, il campione deve essere dimensionato per rilevare questo livello di errore con sicurezza adeguata.

Calcolo pratico della numerosità


Per il campionamento non statistico, l'ISA 530 non prescrive formule. Il giudizio professionale considera i fattori sopra elencati in modo integrato. Una procedura pratica:
Per il campionamento statistico, metodi come il Variable Sampling o l'Attribute Sampling forniscono formule specifiche. Il Monetary Unit Sampling (MUS) è particolarmente efficace per popolazioni con pochi errori attesi di valore elevato.

Stratificazione della popolazione


L'ISA 530.A14 incoraggia la stratificazione quando migliora l'efficienza. Dividere una popolazione eterogenea in sotto-popolazioni omogenee consente di dimensionare campioni specifici per ogni strato, riducendo la variabilità complessiva.
Stratificate per valore: Elementi sopra EUR 100.000 (esame al 100%), EUR 50.000-100.000 (campionamento intensivo), sotto EUR 50.000 (campionamento standard). Questo approccio concentra l'attenzione sui rischi maggiori.
Stratificate per tipologia: Fatture di vendita locali vs esportazione, crediti commerciali vs finanziari, immobilizzazioni materiali vs immateriali. Ogni categoria può avere caratteristiche di rischio diverse.
Stratificate per fonte: Transazioni generate automaticamente dal sistema vs inserite manualmente, fatture da filiali vs sede centrale. La fonte influenza l'affidabilità dei controlli e il rischio di errore.

  • Identificate il rischio di rilevamento target basandovi sul modello di rischio di revisione (RR = RI × RIC × RR dove RR è fisso al 5%)
  • Stimate l'errore tollerabile come percentuale della significatività per l'esecuzione allocata a quella popolazione
  • Stimate l'errore atteso basandovi su procedure preliminari, esperienza passata, risultati di controlli interni
  • Applicate tabelle di riferimento o software che incorporano questi parametri
  • Aggiustate per fattori qualitativi specifici dell'incarico

Esempio pratico: Manifatture Italiane S.p.A.

Contesto aziendale: Manifatture Italiane S.p.A., con sede a Bergamo, produce componenti meccanici per l'industria automobilistica. Ricavi 2024: EUR 42M. La società ha 3.200 fatture di vendita attive, per un totale crediti di EUR 6,8M al 31 dicembre 2024. Il sistema ERP registra automaticamente le fatture ma le conferme di spedizione sono inserite manualmente.
Valutazione del rischio: Il controllo interno presenta carenze moderate nella riconciliazione tra conferme di spedizione e fatturazione (rischio di controllo interno: alto). Il settore automobilistico ha subito pressioni nel 2024 con alcuni clienti in difficoltà finanziaria (rischio inerente: medio-alto). Target di rischio di rilevamento: basso (15%).
Progettazione del campione:
Passo 1: Stratificazione della popolazione
Nota di documentazione: documentare la logica di stratificazione nel memorandum di pianificazione, con riferimento all'ISA 530.A14
Passo 2: Dimensionamento per Strato 2 (EUR 25.000-100.000)
Parametri di input:
Numerosità calcolata: 28 elementi
Nota di documentazione: registrare i parametri e il calcolo nella carta di lavoro delle conferme, con riferimento al software utilizzato e alla versione
Passo 3: Dimensionamento per Strato 3 (sotto EUR 25.000)
Approccio non statistico basato su giudizio:
Nota di documentazione: spiegare la logica del giudizio professionale, inclusi i benchmark usati e l'esperienza passata di riferimento
Passo 4: Selezione degli elementi
Strato 2: Selezione sistematica con intervallo 1,68 (47÷28) partendo dal credito numero 7 selezionato casualmente.
Strato 3: Selezione haphazard assicurando rappresentanza di tutti i mesi dell'anno e delle principali categorie di clienti.
Nota di documentazione: documentare il metodo di selezione, i numeri casuali o l'intervallo usato, e verificare che il campione risultante sia rappresentativo
Risultato finale: Campione totale di 95 elementi (12 + 28 + 55) su una popolazione di 3.200, con copertura del 69% del valore totale (EUR 4,7M su EUR 6,8M). La strategificazione concentra l'attenzione sui rischi maggiori mantenendo efficienza complessiva.

  • Strato 1: Crediti sopra EUR 100.000 (12 elementi, EUR 2,1M) → Esame al 100%
  • Strato 2: Crediti EUR 25.000-100.000 (47 elementi, EUR 2,8M) → Campionamento statistico
  • Strato 3: Crediti sotto EUR 25.000 (3.141 elementi, EUR 1,9M) → Campionamento non statistico
  • Errore tollerabile: EUR 45.000 (1,6% del saldo dello strato)
  • Errore atteso: EUR 15.000 (0,5% basato su controlli preliminari)
  • Livello di confidenza: 85% (corrispondente al 15% di rischio di rilevamento)
  • Metodo: Monetary Unit Sampling
  • Popolazione: 3.141 elementi
  • Errore tollerabile: EUR 30.000 (1,6% del saldo dello strato)
  • Tasso di errore atteso: 1% (basato su esperienza settoriale)
  • Numerosità giudicata: 55 elementi (circa 1,8% della popolazione)

Lista di controllo pratica

  • Definire l'obiettivo della procedura di campionamento e verificare che il campionamento sia più efficiente dell'esame completo (ISA 530.5)
  • Identificare la popolazione appropriata assicurandosi che sia completa e che ogni elemento sia correlato all'obiettivo di revisione (ISA 530.7)
  • Stratificare la popolazione se migliora l'efficienza, documentando i criteri di stratificazione (ISA 530.A14)
  • Determinare l'errore tollerabile per ogni strato o popolazione, collegandolo alla significatività per l'esecuzione
  • Selezionare il metodo di campionamento (statistico vs non statistico) basandosi sulle caratteristiche della popolazione e competenze del team
  • Documentare tutti i parametri di progettazione con motivazioni specifiche che resistano al controllo di qualità (ISA 530.13)

Errori comuni

  • Usare parametri di default del software senza adattarli all'incarico specifico. Ogni popolazione ha caratteristiche uniche che richiedono parametri calibrati.
  • Non stratificare popolazioni eterogenee. Un campione unico su crediti da EUR 50 a EUR 500.000 sarà dominato dagli importi maggiori, perdendo rappresentatività sui volumi.
  • Dimensionare il campione senza considerare l'errore atteso. Se controlli preliminari evidenziano errori, il campione deve essere aumentato proporzionalmente.
  • Omettere la proiezione degli errori rilevati sull'intera popolazione. L'ISA 530.14 impone al revisore di proiettare gli errori trovati nel campione alla popolazione da cui è stato estratto. Caso tipico: nel campione di 28 crediti dello Strato 2 di Manifatture Italiane S.p.A. si rilevano 2 errori per EUR 4.200 complessivi; proiettando sul saldo dello strato (EUR 2,8M) si ottiene un errore stimato di circa EUR 36.400, che va confrontato con l'errore tollerabile di EUR 45.000 e documentato nella carta di lavoro di valutazione.

Contenuti correlati

Ricevi approfondimenti pratici sulla revisione, ogni settimana.

Niente teoria d'esame. Solo ciò che rende le revisioni più efficienti.

Oltre 290 guide pubblicate20 strumenti gratuitiCreato da un revisore in esercizio

Niente spam. Siamo revisori, non venditori.