Sampling

่ ต ัวอย่างสำหร ับผูต
การสุม ้ รวจสอบภายใน
(Sampling for Internal Auditors)
โครงการอบรมเชงิ ปฏิบต
ั ก
ิ าร
ฝ่ ายตรวจสอบ
ธนาคารเพือ
่ การเกษตรและสหกรณ์การเกษตร
ั ้ 2 อาคารประชาชน
ณ ห ้องคุ ้มเกล ้า ชน ื่
เขตจตุจักร กรุงเทพฯ
วันพฤหัสบดีท ี่ 16 กรกฎาคม 2552 9:00-16:00 น.
Sampling for Internal Auditors
22/07/20 ไพร ัช ศรีวไิ ลฤทธิ์ pairat@tisco.co.th 1
แนะนำวิทยากร
ไพรัช ศรีวไิ ลฤทธิ์

CIA CISA CBA CCSA CFSA CISSP
หัวหน ้าตรวจสอบภายใน
บมจ. ธนาคารทิสโก ้
• ปริญญาตรีวศิ วกรรมศาสตร์ จุฬาฯ (2528)

• ปริญญาโทบริหารธุรกิจ ธรรมศาสตร์ฯ (2533)
• IIA’s EIAP รุน
่ ที่ 7 จุฬาฯ (2546)
• ประสบการณ์ด ้านวิศวกรรม 5 ปี
• ประสบการณ์ด ้านการเงินในทิสโก ้ 19 ปี
• ประธาน ชมรมผู ้ตรวจสอบภายในธนาคารและสถาบันการเงิน
• กรรมการ สมาคมผู ้ตรวจสอบและควบคุมระบบสารสนเทศ (2548-2552)
• วิทยากรและคณะทำงาน สมาคมผู ้ตรวจสอบภายในแห่งประเทศไทย
ว ัตถุประสงค์การเรียนรู ้
่ ตัวอย่างต่องานตรวจสอบ
1. ตระหนักถึงความสำคัญของการสุม
2. เข ้าใจแนวคิด หลักการ ของขัน ่ ตัวอย่าง
้ ตอนต่าง ๆ ในการสุม
3. มีความรู ้ในเทคนิคและทักษะทีจำ ่ ตัวอย่าง
่ เป็ น สำหรับงานสุม
เพือ
่ ทดสอบการควบคุม
4. สามารถนำความรู ้ทีไ่ ด ้ไปประยุกต์และปรับปรุงการตรวจสอบใน
การปฏิบต
ั งิ านจริง.

้ หาการบรรยาย
เนือ
1. แนวคิดและหลักการพืน
้ ฐานทางสถิต ิ
2. ่ ตัวอย่างเพือ
การสุม ่ การตรวจสอบ
3. ่ ตัวอย่าง
ชนิดของแผนการสุม
4. ่ ตัวอย่างเพือ
การสุม ่ การตรวจสอบเชงิ คุณลักษณะ
(Attributes Sampling)

้ ฐานทางสถิต ิ
แนวคิดและหล ักการพืน
(Fundamental Statistical Concepts & Principles)

หน่วยการว ัด
้
หน่วยการวัด (Measurement Scales) ทีใ่ ชในสถิ
ติ
 มาตรนามบัญญัต ิ (Nominal Scale)
 มาตรอันดับ (Ordinal Scale)
 มาตรอันตรภาค (Interval Scale)
 มาตรอัตราสว่ น (Ratio Scale)

การแจกแจงความถี่
จัดข ้อมูลเชงิ ปริมาณให ้อยูใ่ นรูปแบบทีเ่ ข ้าใจง่าย
่ จำนวนรายการโอนเงินทาง ATM ใน 1 สป
เชน ั ดาห์ ของบัญช ี
เงินฝากของพนักงาน 3 คน
140
120
บัญชเี งินฝาก รายการ 100
80
นาย ก. 122 60
นาย ข. 14 40
20
นาย ค. 75
0
นาย ก. นาย ข. นาย ค.

่ น
แนวโน้มเข้าสูศ ู ย์กลาง
่ น
แนวโน ้มเข ้าสูศ ้
ู ย์กลาง (Central Tendency) ใชในการอธิ
บาย
ข ้อมูลซงึ่ เป็ นตัวแทนประชากร
 ค่าเฉลีย
่ (Mean, Average)
Mode = 4
 ค่ามัธยฐาน (Median) Median = 4.5
Mean = 5.2
 ค่าฐานนิยม (Mode)
3 3 4 4 4 5 5 7 8 9

แนวโน้มการกระจายต ัว
การวัดแนวโน ้มการกระจายตัว (Variation) ทีน

่ ย ้
ิ มใชในการ
บรรยายข ้อมูล
 ั (Range)
ค่าพิสย Max - Min
Σ|-Xi|
 ค่าการกระจายตัวเฉลีย
่ (Average Variation) N
 ความแปรปรวน และ ค่าเบีย

่ งเบนมาตรฐาน (Variance and
Standard Deviation) 2 Σ (  - X i ) 2
σ =
2
σ=√σ
N
 ั ประสท
สม ิ ธิก
์ ารแปรผัน (Coefficient of Variation)
σ
V= * 100%

แนวโน้มการกระจายต ัว
 X i (  - X i) |  - X i| (  - X i) 2
5.2 3 2.2 2.2 4.84
5.2 3 2.2 2.2 4.84
5.2 4 1.2 1.2 1.44
5.2 4 1.2 1.2 1.44
5.2 4 1.2 1.2 1.44
5.2 5 0.2 0.2 0.04
5.2 5 0.2 0.2 0.04
5.2 7 -1.8 1.8 3.24
5.2 8 -2.8 2.8 7.84
5.2 9 -3.8 3.8 14.44
N = 10 Σ = 52 Σ = 0.0 Σ =
16.8 Σ39.6
=
การแจกแจงความน่าจะเป็น
 โอกาสเกิดเหตุการณ์ คล ้ายการแจกแจงความถีแ ั พัทธ์

่ บบสม
่ (Random Variable)
 แสดงการกระจายด ้วย ตัวแปรสุม
 มีทง
ั ้ แบบ (Continuous) และไม่ตอ
่ เนือ
่ ง (Discrete)
0.7
ความถี่
บัญช ี รายการ 0.6
ั พัทธ์
สม 0.5
0.4
นาย ก. 122 .578
0.3
นาย ข. 14 .066 0.2
นาย ค. 75 .356 0.1

0
รวม 211 1.000
นาย ก. นาย ข. นาย ค.

การแจกแจงทวินาม
Binomial Distribution
 การแจกแจงความน่าจะเป็ นของ ตัวแปรชนิดไม่ตอ

่ เนือ
่ ง
 ผลการทดลองเชงิ สุม
่ มีเพียง 2 อย่าง แยกกันเด็ดขาด
 p แทนความน่าจะเป็ นของ ความสำเร็จ
 q แทนความน่าจะเป็ นของ ความล ้มเหลว (1-p)
 ทดลองซ้ำได ้ ผลแต่ละครัง้ ไม่เกีย
่ วข ้องกัน
 ค่า p แต่ละครัง้ ของการทดลองมีคา่ คงที่
 ่ X เมือ
ความน่าจะเป็ นของตัวแปรสุม ่ X มีการแจกแจงแบบ
ทวินาม คือ
P(X) = C(n, x) p x . q n-x

การแจกแจงปกติ
Normal Distribution
 การแจกแจงความน่าจะเป็ นของ ตัวแปรชนิดต่อเนือ

่ ง
 มีคา่ เฉลีย
่ เท่ากับ µ และค่าเบีย
่ งเบนมาตรฐานเท่ากับ σ
N N
X i  i
(X   ) 2
 i 1
  i 1
N N -1

โค้งการแจกแจงปกติมาตรฐาน
 โค ้งเริม
่ ที่ – Infinity ไปถึง + Infinity
 Mean µ = 0 , Standard Deviation σ = 1
 Standard Normal Deviation , Z-Score ผลต่างของ
คะแนนดิบกับค่าเฉลีย
่ เป็ นกีเ่ ท่าของ σ

การแจกแจงปกติ
Central Limit Theorem หรือ ทฤษฎีบทลิมต ่ ว่ นกลาง

ิ เข ้าสูส
 สำคัญทีส่ ด ่
ุ ในการวิเคราะห์ทางสถิต ิ เพราะ ในการสุม
ตัวอย่างจำนวนมากจากประชากร การแจกแจงของ ค่าเฉลีย ่
ของตัวอย่าง ( X ) จะเข ้าใกล ้ลักษณะรูปแบบการแจกแจง
ปกติเสมอ ไม่วา่ ประชากรจะมีการแจกแจงลักษณะใด
Standard Error of the Mean (S)
σ
σX =
√n

ต ัวอย่าง vs. ประชากร
 ข ้อแตกต่างระหว่าง ตัวอย่างและประชากร
ตัวอย่าง ประชากร
หน่วยทีเ่ ป็ นสว่ นย่อยของ ทุกหน่วย

ประชากรทีส ่ นใจศก ึ ษา ในเรือ
่ งทีส ึ ษา
่ นใจศก

ต ัวอย่าง vs. ประชากร
ตัวอย่าง ประชากร
ความหมาย : ข ้อมูลบางสว่ นเกีย
่ วกับ ความหมาย : ข ้อมูลทัง้ หมดเกีย
่ วกับ
เรือ
่ งทีส
่ นใจ เรือ
่ งทีส
่ นใจ
ลักษณะ : สถิต ิ ลักษณะ : พารามิเตอร์
ั ลักษณ์ :
สญ ั ลักษณ์ :
สญ
ขนาดตัวอย่าง n ขนาดประชากร N
ค่าเฉลีย
่ ตัวอย่าง X ค่าเฉลีย
่ ประชากร 
ค่าแปรปรวนตัวอย่าง S
2
ค่าแปรปรวนประชากร  2

่ งความเชอ
ชว ื่ มน
่ ั ทางสถิต ิ
Statistical Confidence Intervals

 ในการสุม ่ ตัวอย่างจากประชากร เราสามารถประมาณ ระดับ
ความเชอื่ มั่น ได ้อย่างสมเหตุสมผลว่า ค่าพารามิเตอร์ของ
ประชากร จะใกล ้เคียงกับ ค่าสถิตข ิ องตัวอย่าง
 แสดงระดับความเชอ ื่ มั่นในรูป ความน่าจะเป็ น
่
(Probabilities) เชน
95% Confidence Interval = X ±1.96 S X
 มีความน่าจะเป็ น 95% ทีค ่ า่ เฉลีย

่ ทีแ
่ ท ้จริงของประชากร 
จะอยูใ่ นชว่ ง ± 1.96 S X จากค่าเฉลีย ่ ของตัวอย่าง X

่ ต ัวอย่างเพือ
การสุม ่ การตรวจสอบ
(Audit Sampling)

่ ต ัวอย่าง
ความหมายของการสุม
่ ตัวอย่างเพือ
การสุม ่ การตรวจสอบ (Audit Sampling)
 การปฏิบต ั งิ านตามขัน
้ ตอนการตรวจสอบใน กลุม ่ ตัวอย่าง
ทีเ่ ลือกขึน
้ มาจาก ประชากร โดยมีวตั ถุประสงค์เพือ
่ ประเมิน
คุณลักษณะ บางประการของประชากร
่
เชน
 การสุม ่ ประมาณ มูลค่า
 การสุม ่ ประมาณ อัตราสว่ น

การสุม ่ ประมาณมูลค่า
ตัวอย่างที่ 1 การสุม ่ ประมาณมูลค่า
 ่
ลักษณะข ้อมูลเป็ น Higher Order Data เชน
่ ตรวจสอบลูกหนีเ้ กษตรกร 10 ราย เพือ
สุม ่ ประมาณค่าเฉลีย
่
ของขนาดพืน้ ทีด
่ น
ิ ทีล
่ ก
ู หนีข ้
้ องธนาคารใชทำการเกษตรต่ อ
ครอบครัว
5 45 3 34 24 18 3 5 6 12
 หา μ ระดับความเชอ
ื่ มั่น 95% ( X ± 1.96 S X)

การคำนวณชว ื่ มน
่ั
X X ( x -X ) ( x -X ) 2
5 15.5 -10.5 110.25
45 15.5 29.5 870.25
3 15.5 -12.5 156.25
34 15.5 18.5 342.25
24 15.5 8.5 72.25
18 15.5 2.5 6.25
3 15.5 -12.5 156.25
5 15.5 -10.5 110.25
6 15.5 -9.5 90.25
12 15.5 -3.5 12.25
Σ = 155 Σ =
1926.5
่ั
 ค่าเบีย
่ งเบนมาตรฐานของประชากร (Population Standard
Deviation)
s =
√ Σ(x-x)2
n
=
√ 1926.50
10
= √ 192.65 = 13.88
 ปรับแก ้ downward bias เนือ

่ งจากเป็ นค่าประมาณของ
ประชากร โดยคำนวณจากข ้อมูล ตัวอย่าง
s =
√ Σ(x-x)2
n-1
=
√ 1926.50
9
= √ 214.06 = 14.63

่ั
 ค่าเบีย
่ งเบนมาตรฐานของค่าเฉลีย
่ ของตัวอย่าง (Standard
Error of the Mean)
s 14.63 14.63
sX = = = = 4.88
√n-1 √ 10 - 1 3
 คำนวณชว่ งความเชอ
ื่ มั่นของ µ ทีร่ ะดับความเชอ
ื่ มั่น 95%
( X ± 1.96 S X ) = 15.5 ± (1.96) 4.88 = 5.94 , 25.06
 เราสรุปได ้ด ้วยความเชอ ื่ มั่น 95% ว่าค่าเฉลีย ่ ทีแ

่ ท ้จริงของ
ขนาดพืน ้ ทีด
่ นิ ของลูกหนีท ้ งั ้ หมดอยูร่ ะหว่าง 5.94 - 25.06
ไร่ ต่อครอบครัว
การสุม ่ ประมาณอ ัตราสว่ น
ตัวอย่างที่ 2 การสุม ่ ประมาณอัตราสว่ น
 เป็ นข ้อมูลแบบ Nominal Scale ทีม

่ ล
ี ก
ั ษณะแยกเป็ น สอง
ประเภท (Binomial) เชน ่
 ่ ตรวจสอบเอกสารเปิ ดบัญช ี 50 ราย จากเอกสารเปิ ดบัญช ี

สุม
ทัง้ หมดของสาขา 2500 ราย พบ 10 ราย (0.20) ทีป ่ ฏิบต
ั ไิ ม่
เป็ นไปตามนโยบายการจัดระดับความเสย ี่ งลูกค ้า เชน ่ กรอก
ข ้อมูลทีจำ
่ เป็ นไม่ครบถ ้วน ไม่ได ้จัดระดับความเสย ี่ งลูกค ้า
หรือจัดระดับความเสย ี่ งไม่ถก
ู ต ้อง
 หา  (Pi) ื่ มั่น 95%

ทีร่ ะดับความเชอ ( p ± 1.96 Sp )
่ั
 ่ งเบนมาตรฐานของอัตราสว่ นของตัวอย่าง (Standard

ค่าเบีย
Error of the Proportion)
√ √ √
p(1-p) .20 (.80) .16
sp = = = = .057
n-1 50 -1 49
 คำนวณชว่ งความเชอ
ื่ มั่นของ  ทีร่ ะดับความเชอ
ื่ มั่น 95%
( p ± 1.96 Sp ) = 0.20 ± (1.96) .057 = .09 , .31
 เราสรุปได ้ด ้วยความเชอ ื่ มั่น 95% ว่าอัตราสว่ นทีแ

่ ท ้จริงของ
เอกสารเปิ ดบัญชท ี ไี่ ม่เป็ นไปตามนโยบายการจัดระดับความ
ี่ งลูกค ้าอยูร่ ะหว่าง ร ้อยละ 9 - ร ้อยละ 31 ของประชากร
เสย
การทดสอบสมมติฐานทางสถิต ิ
 สมมติฐานทางสถิต ิ (Statistical Hypothesis) คือ ข ้อสงสย ั

ทีเ่ ราต ้องการทดสอบ เกีย
่ วกับพารามิเตอร์ทแ
ี่ ท ้จริงของ
ประชากร เชน ่
 Null Hypothesis (H0) ระบุวา่ ไม่มค

ี วามแตกต่างอย่างมี
นัยสำคัญทางสถิต ิ ระหว่างค่าพารามิเตอร์ (เชน ่ ค่าเฉลีย
่
หรืออัตราสว่ น) ตามทฤษฎีทเี่ ราตัง้ ขึน
้ กับค่าพารามิเตอร์
่ ท ้จริงของประชากร ซงึ่ เราประมาณขึน
ทีแ ้ มาจากค่าสถิต ิ
ของตัวอย่าง
 Alternative Hypothesis (Ha) ระบุวา่ มีความแตกต่าง
อย่างมีนัยสำคัญทางสถิต ิ ระหว่างค่าพารามิเตอร์ตาม
ทฤษฎี กับค่าพารามิเตอร์ทแ ี่ ท ้จริงของประชากร
การทดสอบสมมติฐาน
 ่ ตัวอย่างเพือ
จากตัวอย่าง 1 การสุม ่ ประมาณขนาดพืน
้ ทีด
่ น
ิ
ทำกินเฉลีย
่ ของลูกหนี้
่ ทีแ
่ ท ้จริงเท่ากับ 26 ไร่หรือไม่
H0 : µ = 26 Reject
Ha : µ <> 26 Accept
26
Can reject H0
at 95% confident
α/2 = 2.5 % α/2 = 2.5 %

L.C. = 95 %
Plot of Land (Rai)

- (1.96) 4.88 + (1.96) 4.88
5.94 15.5 25.06

้ ทีด
่ น
ิ
่ ทีแ
่ ท ้จริงเท่ากับ 26 ไร่หรือไม่
H0 : µ = 26 Accept
Ha : µ <> 26 Reject
26
Cannot reject H0
at 99% confident
α/2 = 0.5 %
L.C. = 99 % α/2 = 0.5 %
Plot of Land (Rai)

- (2.57) 4.88 + (2.57) 4.88
2.96 15.5 28.04

 จากตัวอย่าง 2 การสุม ่ ตัวอย่างเพือ

่ ประมาณอัตราสว่ นของ
ี ไี่ ม่เป็ นไปตามนโยบาย
เอกสารเปิ ดบัญชท
 อัตราสว่ นทีแ
่ ท ้จริงเท่ากับ 5% หรือไม่
H0 :  = 5% Reject
Ha :  <> 5% Accept
5%
Can reject H0
at 95% confident
α/2 = 2.5 % α/2 = 2.5 %

L.C. = 95 %
Non-compliance
- (1.96) .057 + (1.96) .057
9% 20% 31%


 อัตราสว่ นทีแ
่ ท ้จริงเท่ากับ 5% หรือไม่
H0 :  = 5% Reject
Ha :  <> 5% Accept
5%
Still reject H0
at 99% confident
α/2 = 0.5 %
L.C. = 99 % α/2 = 0.5 %
Non-compliance
- (2.57) .057 + (2.57) .057
5.3% 20% 34.6%

One-Tailed Test
้ ทีด
่ น
ิ
่ ทีแ ่ รือไม่
่ ท ้จริงไม่เกิน 26 ไร่ ใชห
H0 : µ ≤ 26 Accept
Ha : µ > 26 Reject
26
Can accept H0
at 95% confident
α =5%
L.C. = 95 %
Plot of Land (Rai)

+ (1.65) 4.88
15.5 23.55

One-Tailed Test

 อัตราสว่ นทีแ ่ รือไม่
่ ท ้จริงไม่เกิน 5% ใชห
H0 :  ≤ 5% Reject
Ha :  > 5% Accept
5%
Can reject H0
at 95% confident
α=5% L.C. = 95 %
Non-compliance
- (1.65) .057
10.6% 20%

ี่ งของการสุม
ความเสย ่ ต ัวอย่าง
 มี ความเสย ี่ ง 2 ประเภท เมือ

่ ผู ้ตรวจสอบใชวิ้ ธก
ี าร
่ ตัวอย่างในการสรุปผลการตรวจสอบประชากร
สุม
Type II (β) errors Type I (α) errors

Risk of assessing control risk too low Risk of assessing control risk too high
Accepting a false null hypothesis Rejecting a true null hypothesis
สรุปว่าประชากร ไม่มป
ี ั ญหา สรุปว่าประชากร มีปัญหา
(การควบคุมเชอ ื่ ถือได ้) (การควบคุมไม่น่าเชอ ื่ ถือ)
ทัง้ ทีป
่ ั ญหามีนัยสำคัญ ทัง้ ทีจ
่ ริงแล ้วไม่มน
ี ัยสำคัญ
ิ ธิผลการตรวจสอบ
ประสท ิ ธิภาพการตรวจสอบ
ประสท

ี่ งของการตรวจสอบ
ความเสย
Audit Risk Model
Inherent Control Detection

Audit Risk = X X
Risk Risk Risk

ผลของขนาดต ัวอย่าง
 จำนวนตัวอย่าง (Sample Size) มีผลอย่างมากต่อ ค่าเบีย ่ ง

เบนมาตรฐานของค่าเฉลีย ่ ของตัวอย่าง (Standard Error of
the Mean) และ ค่าเบีย ่ งเบนมาตรฐานของอัตราสว่ นของ
ตัวอย่าง (Standard Error of the Proportion) ซงึ่ มี
บทบาทสำคัญในการคำนวณค่า
ชว่ งความเชอื่ มั่น (Confidence Interval)
√
s p(1-p)
sX = sp = n-1
√n-1

ผลของขนาดต ัวอย่าง
 จากตัวอย่าง 1 การเพิม ่ จำนวนตัวอย่าง จะบีบชว่ งความเชอ

ื่
มั่นให ้เทีย
่ งตรงขึน
้ และลด error ของการสุม่ ตัวอย่าง
n = 25
n = 10
α/2 = 2.5 % α/2 = 2.5 %

L.C. = 95 %
Plot of Land (Rai)

-- (1.96)
(1.96) 2.99
4.88 (1.96) 2.99
+ (1.96) 4.88
5.94
9.64 15.5 25.06
21.36
ชนิดของแผนการสุม
(Audit Sampling Plans)

่ ต ัวอย่างทำไม
สุม
้
ทำไม ผู ้ตรวจสอบถึงใชการสุ
ม ่ ตัวอย่างในการเก็บหลักฐาน
 มาตรฐานการตรวจสอบภายใน อนุญาตให ้ใช ้
 ข ้อพิจารณาของ ผลประโยชน์เทียบกับค่าใชจ่้ าย
 เพือ
่ หาหลักฐาน ทีส
่ นับสนุนอย่างสมเหตุสมผล

่ ต ัวอย่างทำไม
สุม
เพิม ื่ ถือและความเทีย
่ ความน่าเชอ ่ งธรรมให ้งานตรวจสอบ
 พบสนิ เชอ
ื่ ทีอ
่ นุมัตไิ ม่เป็ นไปตามตารางอำนาจอนุมัตท
ิ ี่
ธนาคารกำหนด 1 ราย จากการตรวจสอบ 30 ราย
 ในการสุม ่ ตัวอย่างลูกหนี้ 30 รายด ้วยวิธก ี ารทางสถิต ิ พบ ลูก
หนี้ 1 ราย อนุมัตไิ ม่เป็ นไปตามตารางอำนาจอนุมัต ิ ทำให ้
สรุปได ้ที่ ระดับความเชอ ื่ มั่น 95% ว่า การพิจารณาเครดิต
ของสน ิ เชอื่ เอนกประสงค์ ทีป ่ ฏิบต
ั แ
ิ ตกต่างจากกระบวนการที่
ธนาคารกำหนด มีจำนวนไม่เกินร ้อยละ 14.86 ของสน ิ เชอ ื่
เอนกประสงค์ทงั ้ หมด สูงเกณฑ์ความคลาดเคลือ ่ นทีย
่ อมรับ
ได ้ที่ 9.5% เป็ นเครือ่ งบ่งชวี้ า่ การควบคุมในกระบวนการ
พิจารณาเครดิตของสน ิ เชอ ื่ เอนกประสงค์ยังขาดประสท ิ ธิผล
เมือ ่ ต ัวอย่าง
่ ไหร่ไม่ควรสุม
้
สถานการณ์ ทีไ่ ม่เหมาะจะใชการสุ
ม ่ ตัวอย่าง
 เมือ
่ สามารถตรวจสอบ ทุกรายการ ได ้ง่าย
 เมือ ั ภาษณ์ หรือ สงั เกตการณ์
่ จะทำการ สม
 เมือ
่ จะทำการ วิเคราะห์ข ้อมูล

ปัญหาของการสุม
คำถามทีต
่ ้องตอบ เมือ
่ เลือกจะไม่ตรวจประชากรทัง้ 100 %
 จะหยิบตัวอย่าง กีร่ ายการ จากประชากร
 จะหยิบตัวอย่าง รายใด บ ้าง
 จะให ้ ความเห็นหรือข ้อสรุป ต่อรายการทีไ่ ม่ได ้หยิบว่า
อย่างไร

ความครบถ้วนของประชากร
 ประชากรควรรวมถึง ทุกหน่วย ทีเ่ กีย

่ วกับวัตถุประสงค์การ
ตรวจสอบ และต ้องมีโอกาสถูกเลือกได ้
การสอบทานความครบถ ้วนของประชากร
 ออกยอดรวม ของประชากร และเปรียบเทียบว่าตรงกับยอด
ทางบัญช ี (General Ledger)
 ตรวจลำดับต่อเนือ ่ ง ของเอกสารทีม
่ กี ารออกเลขทีเ่ อกสารไว ้
ล่วงหน ้า (Pre-numbered) ว่าไม่มเี อกสารขาดหาย แล ้ว
่ จากเลขเอกสาร
สร ้างเลขสุม

ล ักษณะอืน
่ ของประชากร
 ถูกจัดเก็บหรือมีให ้ตรวจสอบใน รูปแบบ ใด

 เอกสารหรือรายการทีจ
่ ัดทำด ้วยมือ
 รายงานพิมพ์จากระบบคอมพิวเตอร์
 ข ้อมูลใน database

ล ักษณะอืน
่ ของประชากร
 การ กระจายตัว ในกลุม

่ ประชากร
 วิธป
ี ฏิบต
ั งิ านและการควบคุม
 มูลค่า มาก – น ้อย
 ค่าเป็ นศูนย์ หรือติดลบ
 กลุม
่ ย่อยทีม
่ ค
ี ณ
ุ ลักษณะเฉพาะ

ประเภทของการทดสอบ
 เลือก ทุกหน่วยในประชากร มาทดสอบ (Test All Items in

the Population)
 เลือกบางหน่วยมาทดสอบโดย ไม่มวี ต ั ถุประสงค์ทจ

ี่ ะหาข ้อ
สรุปเกีย
่ วกับประชากร (Non-representative Selection)
 เลือกบางหน่วยมาทดสอบโดย มีวต ั ถุประสงค์เพือ

่ ทีจ
่ ะหาข ้อ
สรุปเกีย
่ วกับประชากร (Representative Sampling)

่ ต ัวอย่างด้วยวิธก
การสุม ี ารทางสถิต ิ
่ ตัวอย่างด ้วยวิธก
การสุม ี ารทางสถิต ิ (Statistical Sampling)
 การเลือกตัวอย่างด ้วยวิธส ุ่ (Random Sample) ตัวอย่าง

ี ม
ถูกเลือกจากประชากรในลักษณะทีป ่ ระชากรทุกตัวมีโอกาส
ถูกเลือกเท่าเทียมกัน
 เทีย
่ งธรรมกว่า การเลือกตัวอย่างด ้วยวิจารณญาณและ
ประสบการณ์ของผู ้ตรวจสอบ (Judgment Sample) แต่ไม่
จำเป็ นต ้องดีกว่า

การใชง้ านสุม
้ ่ ตัวอย่างแบ่งกว ้าง ๆ เป็ น 4 ประเภท

การใชงานสุ
ม
 Attribute Sampling ประมาณอัตราการเกิดของคุณลักษณะ
ของประชากรทีม่ ผ
ี ลลัพธ์สองอย่าง มี-ไม่ม ี
 Cumulative Monetary Amount (CMA), Two Strata or
Cell Selection ประมาณมูลค่าทีค
่ าดว่าจะรายงานไว ้มากเกิน
จริงของประชากรว่าไม่เกินเกณฑ์ทย ี่ อมรับได ้
 Mean-per-unit ประมาณมูลค่าของประชากรทีไ่ ม่เคยถูก
บันทึกมูลค่ามาก่อน
 Ratio, Regression, Dollar Unit (PPS), Variables
ประมาณมูลค่าทีบ ่ น
ั ทึกผิดพลาดของประชากรทีเ่ คยถูก
บันทึกมูลค่าไว ้ เพือ่ ปรับปรุงรายการ
ขนตอนการสุ
ั้ ม ่ ต ัวอย่าง
 Design กำหนด วัตถุประสงค์การทดสอบ ประชากร มูลค่า

หรือคุณลักษณะทีส
่ นใจ ขนาดตัวอย่าง
 Selection เลือกหน่วยตัวอย่างจากประชากร
 Examination ตรวจสอบหน่วยตัวอย่างทีเ่ ลือก
 Evaluation สรุปผลตามวัตถุประสงค์การทดสอบทีว่ างไว ้
ตามผลลัพธ์ทไี่ ด ้จากการตรวจสอบหน่วยตัวอย่างทีเ่ ลือก

ต ัวอย่าง Audit Program
 การตรวจสอบ โครงการพักชำระหนีเ้ กษตรกร

 วัตถุประสงค์ เพือ
่ ระบุวา่ การพักชำระหนีม
้ เี อกสารอนุมัตท
ิ ไี่ ด ้
รับการลงนามโดยผู ้มีอำนาจอย่างเหมาะสม
 ้
แผนการทดสอบ ใชเทคนิ ่ ตัวอย่าง
คการสุม
 ่
การเลือกหน่วยตัวอย่าง ทำได ้หลายวิธ ี เชน
1. การเลือกตัวอย่างโดยวิธส ุ่ แบบง่าย (Simple Random
ี ม
Sampling) ไม่มรี ป ้
ู แบบ อาจใชตารางเลขสุ ่ หรือ
ม
โปรแกรมชว่ ย
2. การเลือกตัวอย่างแบบเป็ นระบบ (Systematic
Sampling) เชน่ ทุกรายที่ 10, 20, 30, ...
ต ัวอย่าง Audit Program
 วิธก
ี ารเลือกหน่วยตัวอย่าง (ต่อ)
3. การเลือกตัวอย่างแบบแบ่งชน ั ้ ภูม ิ (Stratified
Sampling) เหมือนวิธส ุ่ แบบง่าย แต่แบ่งประชากรเป็ น
ี ม
ั ้ ภูมห
ชน ่ ลูกหนีร้ ายใหญ่ รายย่อย
ิ ลักก่อน เชน
4. การเลือกตัวอย่างตามหน่วยเงิน (Dollar Unit
ี ี่ 1-3 แต่ใชตั้ วเงินเป็ นหน่วยใน
Sampling) เหมือนวิธท
การเลือก แทนตัวลูกหนี้ เชน่ ทุกรายทีจำ ่ นวนเงินสะสม
ตกที่ 500000, 1000000, 1500000, ...
5. เลือกตัวอย่างทีพ
่ จ
ิ ารณาแล ้วว่า เป็ นตัวแทนของ
ั
ประชากร และ/หรือ ดูเหมือนน่าจะผิดปกติ โดยอาศย
ประสบการณ์และวิจารณญาณของผู ้เชย ี่ วชาญ
วิธก
ี ารเลือกหน่วยต ัวอย่าง
การเลือกตัวอย่างโดยวิธส ุ่ แบบง่าย (Simple Random

ี ม
Sampling)
 เลือกตัวอย่าง 70 ราย จากประชากรซงึ่ เป็ นลูกหนีเ้ กษตรกร
ทีไ่ ด ้รับการพักชำระหนี้ 7000 ราย (0001-7000)

วิธก
การเลือกตัวอย่างแบบเป็ นระบบ (Systematic Sampling)

Interval, k = N/n
= 7000/70
k = 100
Starter, r , random
between 1 to k
r = 46
1: 0001 + 46 = 0047
2: 0047 + 100 = 0147
3: 0147 + 100 = 0247
... … …
70 : 6847 + 100 = 6947

วิธก
ี ของ Systematic Sampling ด ้วยวิธ ี Multiple

การแก ้ข ้อเสย
Start
New interval = 100 * 5
= 500
Five starters 005, 146, 164,

216, 370 from random no.
between 0 to 499
Sample No.
1-5 6-10 11-15
0006 0506 1006
0147 0647 1147
0165 0665 1165
0217 0717 1217
0371 0871 1371

วิธก
ั ้ ภูม ิ (Stratified Sampling)

การเลือกตัวอย่างแบบแบ่งชน

 ั ้ ภูมต
แบ่งลูกหนีเ้ กษตรกรเป็ น 2 ชน ิ าม ยอดหนีค
้ งค ้าง
ั ้ ภูมท
 ชน ิ ี่ 1 ลูกหนีท
้ ม
ี่ ย
ี อดหนีค
้ งค ้าง > 1 ล ้านบาท
ั ้ ภูมท
 ชน ิ ี่ 2 ลูกหนีท
้ ม
ี่ ย
ี อดหนีค
้ งค ้าง ≤ 1 ล ้านบาท
 ่ ตัวอย่างชน
สุม ั ้ ภูมท ิ ี่ 1 มาตรวจสอบมาก หรือ ตรวจสอบ
100% และสุม ่ ตัวอย่างชน ั ้ ภูมท
ิ ี่ 2 มาตรวจสอบน ้อย

วิธก
Microsoft Excel
การเลือกตัวอย่างแบบกลุม
่ (Cluster Sampling) Worksheet
 เลือกตัวอย่างรายการประจำวันของสาขาสำนักงานใหญ่
ระหว่างเดือน ม.ค. – ธ.ค. 25X1 จำนวน 10 วัน เทียบกับ
หลักฐานสำเนาสลิปทีเ่ ก็บรักษาทีโ่ กดังเก็บเอกสาร เพือ
่
ตรวจสอบความครบถ ้วนถูกต ้องของการบันทึกรายการ
กรกฎาคม มิถุนายน ธันวาคม มิถุนายน สิงหาคม 06 29 02 03 12 19 03 21 18 11
กุมภาพันธ์ กรกฎาคม ธันวาคม สิงหาคม ธันวาคม 16 25 20 24 01 24 21 24 27 28
ตุลาคม สิงหาคม มีนาคม พฤศจิกายน มีนาคม 20 09 17 13 23 04 05 22 04 31
เมษายน สิงหาคม มีนาคม ธันวาคม กุมภาพันธ์ 20 29 12 23 27 30 20 18 21 24
สิงหาคม พฤศจิกายน พฤษภาคม ธันวาคม ธันวาคม 03 29 16 07 27 20 31 05 23 04
ตุลาคม พฤษภาคม มิถุนายน มิถุนายน ธันวาคม 26 23 20 11 10 04 19 25 13 23

กันยายน ธันวาคม มีนาคม กันยายน มกราคม 14 20 20 15 01 08 16 11 29 03
กุมภาพันธ์ พฤษภาคม สิงหาคม กรกฎาคม มกราคม 28 23 20 04 26 19 30 13 06 11
ตุลาคม ตุลาคม พฤษภาคม กรกฎาคม เมษายน 10 10 05 29 21 17 04 21 25 03
กรกฎาคม พฤษภาคม เมษายน มกราคม มกราคม 31 08 12 26 15 15 10 08 05 13

วิธก
การเลือกตัวอย่างตามหน่วยเงิน (Probability-Proportional-to-
Size: PPS or Dollar-Unit Sampling)
 ี ม
เลือกตัวอย่าง 5 รายการ จากบัญชท ี่ ย
ี อดคงค ้าง 12084
บาท
ประชากร ยอดคงค้ าง ค่าสะสม ค่าที่เลือก
A 489 1 - 489
ต.ย.ที่ ช่วง ค่าที่เลือก
B 501 490 - 990
(1) 1,567
C 382 991 - 1,372
(2) 2,417 3,984
D 4,100 1,373 - 5,472 (1) 1,567
(3) 2,417 6,401
(2) 3,984
(4) 2,417 8,818
E 994 5,473 - 6,466 (3) 6,401
(5) 2,417 11,235
F 20 6,467 - 6,486
G 1,426 6,487 - 7,912
H 405 7,913 - 8,317
I 1,114 8,318 - 9,431 (4) 8,818
J 1,942 9,432 - 11,373 (5) 11,235
Microsoft Excel
Worksheet K 711 11,374 - 12,084
12,084
ข้อพิจารณาในการสุม
ความผิดปกติทม ่ ตัวอย่าง
ี่ ักพบในการสุม
 เอกสารถูกยกเลิก ยกเว ้น หรือข ้ามไป (Void Items)
 เอกสารสูญหาย หรือหาไม่พบ (Missing Items)

การสุม ่ การตรวจสอบเชงิ คุณล ักษณะ
(Attributes Sampling)

Attributes Sampling
การสุม ่ การตรวจสอบเชงิ คุณลักษณะ (Attributes
Sampling )
 ้ อ
ใชเพื ่ ทดสอบการควบคุม (Tests of Controls)
 มอง การควบคุม เป็ นคุณลักษณะอย่างหนึง่ ในแต่ละหน่วย
ของประชากร
 ิ ธิผลการควบคุม จากความถีข
ระบุ ประสท ่ องการพบ
คุณลักษณะทีไ่ ม่พงึ ประสงค์ (Deviations) ในตัวอย่าง
 ขัน
้ ตอนการควบคุมภายใน ไม่ถก
ู บันทึก
 ถูกบันทึกผิดพลาด ไม่ถก
ู ต ้อง
 หาเอกสารไม่พบ สูญหาย
Attributes Sampling
การสุม ่ การตรวจสอบเชงิ คุณลักษณะ (Attributes
Sampling )
 ตัวอย่าง ธนาคารตัง้ แนวปฏิบต ั แ ิ ละขัน
้ ตอนในกระบวนการ
พิจารณาสน ิ เชอื่ รายย่อย โดยมอบหมายให ้ผู ้จัดการ และผู ้
อำนวยการ ลงนามอนุมัตส ิ เชอ
ิ น ื่ ในเอกสาร ภายใต ้ชน
ั ้ ระดับ
อำนาจ ตามเงือ ่ นไขทีธ ่ นาคารกำหนด
 การควบคุม ไม่มป ิ ธิผล ถ ้าพบว่า
ี ระสท
 เอกสารอนุมัตไิ ม่ถก
ู ลงนาม ลงนามโดยผู ้ไม่มอำ
ี นาจ
 อนุมัตเิ กินอำนาจ ไม่ตรงเงือ
่ นไขทีธ
่ นาคารกำหนด
 เอกสารสูญหาย ไม่สมบูรณ์ ถูกแก ้ไขโดยมิชอบ
ปัจจ ัยทีม
่ ผ
ี ลต่อขนาดต ัวอย่าง
ปั จจัยทีม ี ลต่อขนาดตัวอย่างในการตรวจสอบเชงิ คุณลักษณะ

่ ผ
(Attributes Sampling )
Impact on
Factors
Sample Size
ขนาดประชากร (Population Size) Direct
Risk of Assessing Control Risk too low ( β ) Inverse
Tolerance Deviation Rate Inverse
Expected Population Deviation Rate Direct

ขนตอนการสุ
ั้ ม ่ ต ัวอย่าง
ขัน
้ ตอนการสุม่ ตัวอย่างเพือ
่ การตรวจสอบเชงิ คุณลักษณะ
(Attributes Sampling )
1. ระบุ วัตถุประสงค์ การตรวจสอบ

2. ระบุ คุณลักษณะ ทีจ
่ ะตรวจและ เกณฑ์ ของผลลัพธ์
3. ระบุ ประชากร
4. ระบุ วิธก
ี ารเลือก ตัวอย่าง
5. ระบุ จำนวน ตัวอย่าง
6. ดำเนินการ ตรวจสอบ ตัวอย่างทีเ่ ลือก
7. ประเมิน ผลการตรวจตัวอย่าง และ สรุปผล
1. ระบุว ัตถุประสงค์
ระบุวต
ั ถุประสงค์ของการตรวจสอบในการประเมินความมี
ประสท ิ ธิผลของมาตรการการควบคุมของผู ้บริหาร
 ตัวอย่าง ผู ้บริหารกำหนดการควบคุมเพือ ่ ป้ องกันการบันทึก
ู ต ้องลงในระบบบัญช ี ว่าการบันทึกค่าใชจ่้ ายที่
ข ้อมูลทีไ่ ม่ถก
มีจำนวนสูงกว่า 20000 บาท ทุกรายการ จะต ้องได ้รับการ
อนุมัตจิ ากผู ้มีอำนาจ 2 คน

2. ระบุคณ
ุ ล ักษณะทีจ
่ ะตรวจ
ระบุคณุ ลักษณะการมีอยูข ่ องการควบคุมทีจ

่ ะตรวจ และหลัก
เกณฑ์ทผ ้
ี่ ู ้ตรวจสอบใชแยกแยะการควบคุ มทีด
่ ี ออกจากการ
ควบคุมทีไ่ ม่มจ ิ ธิผล
ี ริงหรือขาดประสท
 ็
ตัวอย่าง ผู ้บริหารมีนโยบายต ้องให ้ผู ้มีอำนาจ 2 คน เซน
อนุมัตริ ายการจ่ายเงินทีม
่ จำ
ี นวนสูงกว่า 20000 บาท เพือ ่
ป้ องกันการใชจ่้ ายโดยมิชอบ หรือยักยอก
 คุณลักษณะทีส ็ อนุมัตโิ ดยผู ้มีอำนาจ 2 คน
่ นใจ คือ การเซน
 ลักษณะของรายการทีไ่ ม่ถก ็ อนุมัตโิ ดยผู ้มี
ู ต ้อง คือ 1) เซน
อำนาจคนเดียว 2) ไม่มล
ี ายเซน ็ 3) เซน
็ อนุมัตโิ ดยผู ้ไม่ม ี
็ สูญหาย
อำนาจ 4) เชค

3. ระบุประชากรทีส
่ นใจ
่ ตัวอย่างจะให ้ข ้อสรุปเกีย
การสุม ่ วกับประชากรได ้ เฉพาะกับกลุม
่
ประชากรทีต ่ วั อย่างถูกดึงออกมาเท่านัน
้
 ็ ทุกใบทีอ
ตัวอย่าง ระบุประชากรเป็ น เชค ่ อกโดยบริษัท
ระหว่างชว่ งเดือน ม.ค. – ธ.ค. 25X1

4. ระบุวธ
ิ ก
ี ารเลือกต ัวอย่าง
การสุม ่ การตรวจสอบเชงิ คุณลักษณะ มักใชวิ้ ธเี ลือก
เลขทีเ่ อกสาร ตามตัวเลขทีไ่ ด ้จากการสุม ่ เฉพาะกับกลุม ่
ประชากรทีต ่ วั อย่างถูกดึงออกมาเท่านัน
้
 ตัวอย่าง ผู ้ตรวจสอบตัดสน ิ ใจใชโปรแกรม
้ MS Excel สร ้าง
เลขสุม่ แบบ Simple Random ในชว่ งของหมายเลขเชค ็ ที่
ต ้องการ โดยวางแผนว่าจะสุม ่ เพิม
่ จากจำนวนทีต
่ ้องการไว ้
เล็กน ้อย เผือ่ กรณีเอกสารถูกยกเลิก

5. ระบุจำนวนต ัวอย่าง
ระบุจำนวนตัวอย่างทีต
่ ้องการจากตารางที่ 1 โดยต ้องรู ้ 1) ขนาด
ประชากร 2) β Risk 3) ค่าความผิดปกติทย ี่ อมได ้
Tolerance Deviation Rate และ 4) ค่าความผิดปกติทค ี่ าด
ว่ามีในประชากร Expected Population Deviation Rate
 ตัวอย่าง ผู ้ตรวจสอบสมมติวา่ ประชากร มีขนาดใหญ่มาก ใช ้
β Risk ที่ 5% เพราะต ้องการระดับความเชอ ื่ มั่นที่ 95% ผู ้
บริหารให ้เกณฑ์วา่ ค่าความผิดปกติทย ี่ อมได ้ ต ้องไม่เกิน
5% สำหรับการควบคุมทีช ่ ว่ ยป้ องกันความเสย ี่ ง และ ผู ้ตรวจ
สอบคาดว่า ค่าความผิดปกติในประชากร น่าจะอยูใ่ นระดับ
ประมาณ 1%
Microsoft Excel
Worksheet

 จำนวนตัวอย่างทีต
่ ้องการ จากตารางที่ 1 คือ 93
Statistical Sample Sizes for Test of Controls

(number of expected errors in parentheses)
Five Percent Risk of Assessing Control Risk Too Low

Expected
Population
Deviation Tolerable Deviation Rate (Number of Expected Errors)
Rate (%) 2% 3% 4% 5% 6% 7% 8% 9% 10%
0.00 149(0) 99(0) 74(0) 59(0) 49(0) 42(0) 36(0) 32(0) 29(0)
0.25 236(1) 157(1) 117(1) 93(1) 78(1) 66(1) 58(1) 51(1) 46(1)
0.50 * 157(1) 117(1) 93(1) 78(1) 66(1) 58(1) 51(1) 46(1)
0.75 * 208(2) 117(1) 93(1) 78(1) 66(1) 58(1) 51(1) 46(1)
1.00 * * 156(2) 93(1) 78(1) 66(1) 58(1) 51(1) 46(1)
1.25 * * 156(2) 124(2) 78(1) 66(1) 58(1) 51(1) 46(1)
1.50 * * 192(3) 124(2) 103(2) 66(1) 58(1) 51(1) 46(1)
1.75 * * 227(4) 153(3) 103(2) 88(2) 77(2) 51(1) 46(1)
2.00 * * * 181(4) 127(3) 88(2) 77(2) 68(2) 46(1)

 จำนวนตัวอย่างทีต ่ ้องการ จะยิง่ เพิม

่ ขึน ้ ถ ้าค่าความผิดปกติท ี่
คาดว่ามีในประชากร (Expected Population Deviation
Rate) ยิง่ เข ้าใกล ้ ค่าความผิดปกติทย ี่ อมได ้ (Tolerance
Deviation Rate)
n = 124
5%
Upper Precision Limit ≤
n = 93 Tolerance Deviation Rate
n = 59
α =5%
Deviation Rate 0% 1% 1.5%

6. ตรวจสอบต ัวอย่างทีเ่ ลือก
ดำเนินการตรวจสอบตัวอย่างทีส ุ่ เลือกมาจากประชากร ตาม

่ ม
คุณลักษณะทีส ่ นใจ และบันทึกทุกรายการทีม ่ ล
ี ก
ั ษณะเข ้า
เกณฑ์ของรายการทีไ่ ม่ถก
ู ต ้องไว ้ในกระดาษทำการ วิธก ี าร
ตรวจจะไม่ตา่ งจากการตรวจสอบปกติทไี่ ม่ได ้ใชสุ้ ม
่ ตัวอย่าง
เชงิ สถิต ิ
 ตัวอย่าง ผู ้ตรวจสอบหยิบเอกสารรายการจ่ายเงิน 93 รายการ
ทีส ุ่ เลือกจากหมายเลขเชค
่ ม ็ ทัง้ หมดทีอ ่ อกโดยบริษัท
ระหว่างชว่ งเดือน ม.ค. – ธ.ค. 25X1 และตรวจตราดูทล ี ะ
รายการว่า มีลายเซน ็ อนุมัตโิ ดยผู ้มีอำนาจ 2 คนหรือไม่ หาก
พบ รายการทีผ ่ ด
ิ ปกติ (Deviation) เชน ่ 1) เซน ็ อนุมัตโิ ดยผู ้
มีอำนาจคนเดียว 2) ไม่มล ี ายเซน ็ 3) เซน ็ อนุมัตโิ ดยผู ้ไม่ม ี
อำนาจ 4) เชค ็ สูญหาย ก็จะบันทึกลงในกระดาษทำการ
7. ประเมินและสรุปผล
ประเมินผลลัพธ์การตรวจสอบตัวอย่างทีส ุ่ ทัง้ หมด และสรุปผล

่ ม
ตามตารางที่ 2 ซงึ่ จะให ้ค่า Upper Precision Limit ของค่า
ประมาณการของ % ค่าความผิดปกติในประชากร
 ตัวอย่าง ผู ้ตรวจสอบพบ รายการทีผ
่ ด
ิ ปกติ (Deviation) 2
รายการ จาก ตัวอย่าง เอกสารรายการจ่ายเงิน 93 รายการที่
่ จากประชากร สมมติวา่ ประชากร มีขนาดใหญ่มาก และ
สุม
ใช ้ β Risk ที่ 5% และหาค่า Upper Precision Limit ของ
ความผิดปกติในประชากร จากตารางที่ 2

 จะได ้ค่า Upper Precision Limit ทีป

่ ระมาณ 6.9%
Upper Limit at 5 Percent Risk of Assessing Control Risk Too Low
Sample Actual Number of Deviations Found

Size 0 1 2 3 4 5 6 7 8 9
25 11.3 17.6 * * * * * * * *
30 9.5 14.9 19.6 * * * * * * *
35 8.3 12.9 17.0 * * * * * * *
40 7.3 11.4 15.0 18.3 * * * * * *
45 6.5 10.2 13.4 16.4 19.2 * * * * *
50 5.9 9.2 12.1 14.8 17.4 19.9 * * * *
55 5.4 8.4 11.1 13.5 15.9 18.2 * * * *
60 4.9 7.7 10.2 12.5 14.7 16.8 18.8 * * *
65 4.6 7.1 9.4 11.5 13.6 15.5 17.4 19.3 * *
70 4.2 6.6 8.8 10.8 12.6 14.5 16.3 18.0 19.7 *
75 4.0 6.2 8.2 10.1 11.8 13.6 15.2 16.9 18.5 20.0
80 3.7 5.8 7.7 9.5 11.1 12.7 14.3 15.9 17.4 18.9
90 3.3 5.2 6.9 8.4 9.9 11.4 12.8 14.2 15.5 16.8
100 3.0 4.7 6.2 7.6 9.0 10.3 11.5 12.8 14.0 15.2
125 2.4 3.8 5.0 6.1 7.2 8.3 9.3 10.3 11.3 12.3

 จะได ้ค่า Allowance for Sampling Risk ทีป

่ ระมาณ 4.7%
n = 93
Deviation Rate Upper Precision Limit
α =5%
% Deviation
x/n 2.2 % 6.9 %
4.7 %
Allowance for Sampling Risk

เปรียบเทียบค่า Upper Precision Limit ของค่าประมาณการของ

ความผิดปกติในประชากร ถ ้า (สูง/ต่ำ) กว่าเกณฑ์ระดับความ
ผิดปกติทยี่ อมรับได ้ (Tolerable Deviation Rate) จะสรุป
ผล (ไม่ยอมรับ/ยอมรับ) ว่าการควบคุมมีประสท ิ ธิผล
 ตัวอย่าง ผู ้ตรวจสอบหาค่า Upper Precision Limit ของ
ความผิดปกติในประชากร ได ้ 6.9% เปรียบเทียบแล ้ว
มากกว่า เกณฑ์ระดับความผิดปกติทย ี่ อมรับได ้ ของผู ้บริหาร
ซงึ่ เท่ากับ 5% ผู ้ตรวจสอบจึงสรุปที่ ระดับความเชอ ื่ มั่น
95% ว่า การควบคุมทีกำ ่ หนดให ้ผู ้มีอำนาจ 2 คน เซน ็ อนุมัต ิ
รายการจ่ายเงินทีม ่ จำ
ี นวนสูงกว่า 20000 บาท เพือ ่ ป้ องกัน
การใชจ่้ ายโดยมิชอบหรือยักยอก ยังไม่มป ิ ธิผล
ี ระสท

การคำนวณด้วยโมเดล
 นำผลจากการสุม่ ทดสอบมาประมาณชว่ งของ Exception

ื่ มั่นทีกำ
Rate ของประชากรทีร่ ะดับความเชอ ่ หนด ด ้วยวิธ ี
Exact Binomial Confidence Intervals ของ Clopper-
Pearson (1934)
 เป็ น One-tail Test ซงึ่ จะให ้เฉพาะ Upper Confidence
Interval (Upper Precision Limit) เท่านัน ้
Microsoft Excel
Worksheet

Clopper-Pearson (1934)

ต ัวอย่างการคำนวณด้วยโมเดล
 ตัวอย่างการคำนวณชว่ งของ Exception Rate ด ้วยโมเดล

ของ John C. Pezzullo, Ph.D., Georgetown University
Medical Center
x จำนวน Exception ทีพ
่ บ=1
n จำนวนตัวอย่างทีส ุ่ = 30
่ ม
P-high Upper Tail Probability of Confidence เป็ น
ื่ มั่น 95%
0.05 (5%) ภายใต ้ความเชอ
กรณีนี้ Lower Tail เป็ น 0 เนือ
่ งจากเป็ น One-Tail Test
 Upper Confidence Interval ทีคำ
่ นวณได ้จากโมเดลคือ
High C.I. = 0.1486

ข้อสรุปผลในเชงิ สถิต ิ
 สรุปได ้ที่ ระดับความเชอื่ มั่น 95% ว่า การพิจารณาเครดิต

ของสนิ เชอ ื่ เอนกประสงค์ ทีป ่ ฏิบต
ั แ
ิ ตกต่างจากกระบวนการที่
ธนาคารกำหนด มีจำนวนไม่เกินร ้อยละ 14.86 ของสน ิ เชอ
ื่
เอนกประสงค์ทงั ้ หมด
n = 30
α =5%
Deviation
x/n 3.33 % 14.86 %

ข้อสรุปผลในรายงานตรวจสอบ
 ในการสุม่ ตัวอย่างด ้วยวิธก

ี ารทางสถิตเิ พือ ่ ระบุ การปฏิบต ั ิ
ตามกระบวนการพิจารณาเครดิตของสน ิ เชอ ื่ เอนกประสงค์ ที่
ธนาคารกำหนด ผู ้ตรวจสอบพบสน ิ เชอ
ื่ ทีอ ่ นุมัตไิ ม่เป็ นไปตาม
ตารางอำนาจอนุมัต ิ จำนวน 1 ราย เทียบเป็ น ร ้อยละ 3.33
ของสนิ เชอื่ เอนกประสงค์ทงั ้ หมด
สาเหตุมาจาก ผู ้จัดการสน ิ เชอ
ื่ เข ้าใจเงือ
่ นไขในตารางอำนาจ
อนุมัตคิ ลาดเคลือ
่ น ผู ้บริหารควรปรับปรุงตารางอำนาจอนุมัต ิ
ั ซอนน
ให ้ซบ ้ ้อยลง เพือ ่ ง่ายต่อการปฏิบต ั งิ านยิง่ ขึน
้

สร้างตาราง Sample Size
 ื่ มั่น 90%
จำนวนตัวอย่าง ทีร่ ะดับความเชอ
จำนวนเบีย
่ งเบนทีย
่ อมได ้จากตัวอย่าง
อัตราเบีย
่ งเบน
สูงสุดไม่เกิน 0 1 2
3% 76 128 176
5% 45 75 105
9% 25 40 58

สร้างตารางประเมินผล
 อัตราเบีย ื่ มั่น 90%

่ งเบนสูงสุด ทีร่ ะดับความเชอ
่ งเบนทีพ
่ บจากตัวอย่าง
จำนวนตัวอย่าง
0 1 2
25 9% 15 % 20 %
40 6% 9% 13 %
45 5% 8% 11 %
58 4% 7% 9%
75 3% 5% 7%
76 3% 5% 7%
105 2% 4% 5%
128 2% 3% 4%
176 1% 2% 3%
ต ัวอย่างกระดาษทำการ
หน่วยงานทีต
่ รวจสอบ : โรงงานพลาสติก
โครงงาน/เรือ
่ งทีต ิ ค ้าคงเหลือ
่ รวจสอบ : สน เพียงวันที:่ 31/12/25X1
สารบาญกระดาษทำการ
หมวด A การบริหารงานตรวจสอบ (Administration)

A-1 หนังสอ ื แจ ้งผู ้รับตรวจ
A-2 เอกสารวางแผนงานตรวจ
A-3 ข ้อมูลพืน ้ ฐาน
A-4 การวิเคราะห์และประเมินความเสย ี่ ง
A-5 ร่างรายงานการตรวจสอบ
หมวด B การสำรวจข ้อมูลเบือ ้ งต ้น (Preliminary Survey)
B-1 การสม ั ภาษณ์ผู ้รับการตรวจสอบ
B-2 ผลการประเมินการควบคุมภายใน
หมวด C แนวการตรวจสอบภายใน (Audit Program)
หมวด E การวิเคราะห์อต
ั ราหมุนเวียนสน ิ ค ้า
หมวด F การบันทึกรายการสง่ สน ิ ค ้า
หมวด G การตรวจนับสน ิ ค ้าคงเหลือ
หมวด H การประกันภัยและการเก็บรักษาสไพรน ิ ัชคศรี้าวไิ ลฤทธิ์
07/22/20 pairat@tisco.co.th 83
หน่วยงานทีต ่ รวจสอบ : โรงงานพลาสติก
โครงงาน/เรือ ่ งทีต
่ รวจสอบ : สน ิ ค ้าคงเหลือ เพียงวันที:่ 31/12/25X1
F
วัตถุประสงค์ : เพือ ่ ระบุความครบถ ้วนของบันทึกการสง่ สน ิ ค ้า
ขอบเขต : เอกสารการสง่ สน ิ ค ้าของปี 25X1 เลขที่ 24165 - 28458 (4293 รายการ)
แผนการทดสอบและเก็บหลักฐาน : สุม ่ ตัวอย่างเอกสารการสง่ สนิ ค ้า ตามรอยการบันทึกรายการไปยังสมุดรายวันขาย
(1) และรายละเอียดสน ิ ค ้าคงเหลือ (2) และเชค ็ สอบกับใบสงั่ ซอ ื้ จากลูกค ้า (3) และรายการรับชำระเงิน (4)
ขนาดตัวอย่างทีส ่ มุ่ : 45
วิธก ่ /เครือ
ี ารสุม ่ งมือ : Simple Random / MS Excel
F-1
จำนวนเบีย่ งเบนทีย ่ อมได ้ : 0

จำนวนเบีย ่ งเบนทีพ ่ บ: F-2 0
สรุปได ้ทีร่ ะดับความเชอ ื่ มั่น 90% ว่าอัตราเบีย
่ งเบนสูงสุดในประชากรไม่เกิน 5% ซงึ่ ยังไม่
เกิน เกณฑ์กำหนดของระดับอัตราเบีย ่ งเบนทีจ ื่ ถือที่ 5% สำหรับ
่ ะทำให ้การควบคุมไม่น่าเชอ
การทดสอบการควบคุมประเภททีใ่ ชกำจั ้ ดความเสย ี่ ง
สรุป : บันทึกการสง่ สน
ิ ค ้าครบถ ้วนตามทีค
่ วร
จัดทำโดย: สอบทานโดย :
10์
วันที่:ไพร ัช ศรีวไิ ลฤทธิ / 1 / X2 วันที่: 20 / 1 / X2
แบบฟอร์มการสุม ่ ตัวอย่างเพือ ่ ทดสอบเอกสารหลักฐานของกระบวนการควบคุม
(Sampling to Test Documentary Evidence of Controls) F-1
กระบวนการควบคุม : ิ ค ้าคงเหลือ
สน
ขนาดตัวอย่าง
- เลือกวัตถุประสงค์การสุม ่ ตัวอย่าง (A หรือ B)
A ี่
A. เพือ่ ทดสอบการควบคุมทีกำ ่ จัดความเสยง Table 1 Sample Size Table
B. เพือ
่ ทดสอบการควบคุมทีช ่ ว่ ยยืนยัน Allowance for deviation
Objective
ความน่าเชอ ื่ ถือของรายงาน 0 1
A 45 75
- ระบุจำนวนเบีย ่ งเบนทีย ่ อมได ้ (0 หรือ 1)
B 25 40
- ขนาดตัวอย่างทีส ่ ม ุ่ (Table 1) .0
การประเมินตัวอย่าง 45 F
- ขนาดตัวอย่างทีท ่ ดสอบ . Table 2 Sample Evaluation Table ( 90% Confidence)
Showing Maximum Deviation Rates
- จำนวนเบีย ่ งเบนทีพ ่ บ .
45 Number of Deviations in Sample
- อัตราเบีย ่ งเบนสูงสุดในประชากร . Sample Size
ทีร่ ะดับความเชอ ื่ มั่น 90%* F-2 0 0 1 2
25 9% 15 % 20 %
(Table 2) 5% 40 6% 9% 13 %
45 5% 8% 11 %
* การควบคุมไม่น่าเชอื่ ถือถ ้าอัตราเบีย
่ งเบน
สูงสุดเกิน 5% สำหรับวัตถุประสงค์ A หรือ 75 3% 5% 7%
เกิน 9% สำหรับวัตถุประสงค์ B
10 / 1 / X2
วันที:่ for Internal Auditors
Sampling วันที:่ 20 / 1 / X2
หน่วยงานทีต
่ รวจสอบ : โรงงานพลาสติก
โครงงาน/เรือ
่ งทีต ิ ค ้าคงเหลือ
่ รวจสอบ : สน เพียงวันที:่ 31/12/25X1 F-2
Audit Steps
ว ันทีส ่
่ ง
เลขที่ ลูกค้า ิ ค้า x Qty
รห ัสสน จำนวนเงิน (1) (2) (3) (4)
สน ิ ค้า
24199 Dole Ind PPE778 x 30 cart. 13/1/X1  
82,250.00  
24278 Validly Cancelled - เลือกเอกสารลำดับถัดไปแทน  
24279 Hawk & Co AZT008 x 10 doz. 18/1/X1  
28,500.50   ... ...
24400 Bird Mfg KYJ111 x 5 kg. 31/1/X1  
(1)
(2)
132,000.00
ตามรอยการบันทึกรายการไปยังสมุดรายวันขาย  ตรวจเทียบกับ GL

ตามรอยการบันทึกรายการไปยังรายละเอียดสินค ้าคงเหลือ ตรวจเทียบกับเอกสารใบสำคัญ  
(3) เช็คสอบกับใบสัง่ ซือ
้ จากลูกค ้า
(4)
...่ งเบนทีพ่ บ : ...
เช็คสอบกับรายการรับชำระเงิน
... ... ... ... ...
28410 Michael A310 XL x 1 pc. 20/12/X1
12,700.00  
0 F
10์
วันที่:ไพร ัช ศรีวไิ ลฤทธิ / 1 / X2 วันที่: 20 / 1 / X2
สรุป

สรุป
• ้
ผู ้ตรวจสอบใชการสุ
ม ่ ตัวอย่างในการเก็บหลักฐานทีส
่ นับสนุนข ้อ
สรุปอย่างสมเหตุสมผลเมือ ่ ไม่สามารถตรวจสอบประชากร
ทัง้ หมดได ้
• ้
ผู ้ตรวจสอบอาจเลือกตัวอย่างด ้วยวิจารณญาณ หรือใชการสุ
ม ่
ตัวอย่างด ้วยวิธก
ี ารทางสถิต ิ
• ่ ตัวอย่างด ้วยวิธก
การสุม ี ารทางสถิตเิ ป็ นวิธท
ี มี่ ค
ี วามเทีย
่ งธรรม
สูงในการหาข ้อสรุปเกีย ่ วกับตัวประชากร เนือ ่ งจากสามารถ
ประเมินและควบคุมความเสย ี่ งของการสุม ่ ตัวอย่าง
• ่ ตัวอย่างเพือ
การสุม ่ การตรวจสอบเชงิ คุณลักษณะถูกนำมา
้
ประยุกต์ใชในงานตรวจสอบภายในมากที ส
่ ด
ุ เพือ
่ การทดสอบ
การควบคุมภายใน.
Q&A
PAIRAT SRIVILAIRIT
SVP Head of Internal Audit
TISCO Bank Public Company Limited
Mobile : +668 1903 1457
Office : +66 2633 7821
Email : pairat@tisco.co.th

เอกสารอ้างอิง
1. Herbert Arkin, Handbook of Sampling for Auditing and Accounting,

2nd edition, McGrawHill.
2. Barbara Apostolou, Sampling for Internal Auditors: Text-Based
Self-Study Course, 2nd edition, Institute of Internal Auditors.
3. Audit Sampling, DRT International.
4. The Certified Internal Auditor Model Exam Questions 2004,
February 2004, The Institute of Internal Auditors.
Microsoft Word Microsoft Word Microsoft Word Microsoft Word

Document Document Document Document

Pre-Test
alse
or F
True
 1. มาตรฐานกำหนดให ้ผู ้ตรวจสอบภายในต ้อง

้ ่ ตัวอย่างในงานตรวจสอบ
ใชการสุ
ม
 ่ ตัวอย่างในเชงิ สถิตส
2. การสุม ิ ามารถคำนวณ
ขนาดความเสย ี่ งของการสุม่ ได ้
 3. ค่าชว่ งความเชอื่ มั่น (Confidence Interval)
คือ ชว่ งของค่าในตัวอย่างทีส ุ่
่ ม
Pre-Test
alse
or F
True
 4. การเลือกตัวอย่างสุม ่ แบบง่าย (Simple

Random Sampling : SRS) สามารถใชได ้ ้
่ ตัวอย่างในเชงิ สถิต ิ และการสุม
ทัง้ กับการสุม ่
้ กการทางสถิต ิ
ตัวอย่างทีไ่ ม่ได ้ใชหลั
 5. การตรวจสอบเนือ ้ หาสาระ (Substantive
test) ทำเพือ ่ ประเมินคำกล่าวอ ้างเกีย
่ วกับ
มูลค่าทีเ่ ป็ นตัวเงิน
Pre-Test
6. สถานการณ์ใดทีก ่ ตัวอย่าง ไม่เหมาะสม
่ ารสุม
ก. การสม ั ภาษณ์และสงั เกตการณ์
ข. การทดสอบการควบคุม
ค. การตรวจสอบเนือ ้ หาสาระ
ง. ทัง้ ข. และ ค. เป็ นสถานการณ์ทไี่ ม่เหมาะสม
* ตอบ (ก.) การสม ั ภาษณ์และสงั เกตการณ์ เป็ นสถานการณ์ทไี่ ม่เหมาะสมต่อการใช ้

่ ตัวอย่าง เพราะการสม
การสุม ั ภาษณ์และสงั เกตการณ์ เป็ นการหาข ้อมูลในเชงิ ภาพ
รวม เชน่ เดียวกับการวิเคราะห์

Pre-Test
7. การสุม่ ตัวอย่างในเชงิ สถิต ิ มีข ้อได ้เปรียบ เหนือการสุม ่ ตัวอย่างทีไ่ ม่
้ กการทางสถิต ิ อย่างไร
ได ้ใชหลั
ก. สามารถคำนวณขนาดความเสย ี่ งของการสุม
่ ได ้
ข. สามารถตัดความเสย ี่ งทีไ่ ม่เกีย
่ วกับการสุม่ ทิง้ ได ้ทัง้ หมด
ค. เพิม ิ ธิผลในการตรวจสอบได ้เหนือกว่า
่ ประสท
ง. ใชหลั ้ กการทางสถิต ิ ทำให ้วิจารณญาณของผู ้ตรวจสอบไม่
จำเป็ น
* ตอบ (ก.) การสุม่ ตัวอย่างในเชงิ สถิตม ิ ข

ี ้อได ้เปรียบเหนือการสุม่ ตัวอย่างทีไ่ ม่ได ้ใช ้
หลักการทางสถิต ิ ตรงทีส ่ ามารถคำนวณขนาดความเสย ี่ งของการสุม ่ ได ้ (ข.) ผิด
เพราะความเสยี่ งทีไ่ ม่เกีย
่ วกับการสุม ่ ยังมีอยู่ (ค.) ผิด เพราะการสุม ่ โดยใช ้
วิจารณญาณอาจมีประสท ิ ธิผลทีเ่ หนือกว่าได ้ (ง.) ผิดเพราะวิจารณญาณของผู ้
ตรวจสอบเป็ นสงิ่ จำเป็ นในการทำงานตรวจสอบทุกกระบวนการ

Pre-Test
8. อะไร ไม่ใช ่ ตัวชค
ี้ วามแปรปรวนในกลุม่ ตัวอย่างหรือประชากร
ก. ชว่ ง หรือ พิสย ั
ข. ค่าเบีย
่ งเบนมาตรฐาน
ค. ค่าเฉลีย่ หรือ มัชฌิมเลขคณิต
ง. ทุกตัวเป็ นตัวชค ี้ วามแปรปรวน
* ตอบ (ค.) ค่าเฉลีย ่ น

่ หรือ มัชฌิมเลขคณิต เป็ นแนวโน ้มเข ้าสูศ ู ย์กลาง ไม่ใชต ่ วั ช ี้
ความแปรปรวนในกลุม ่ ตัวอย่างหรือประชากร อย่างเชน่ พิสย ั หรือ ค่าเบีย่ งเบน
มาตรฐาน

Pre-Test
9. ความเสยี่ งของการควบคุม (Control Risk) หมายถึงอะไร
ก. ความเสย ี่ งทีก ่ ารตรวจสอบจะไม่สามารถเปิ ดเผยข ้อผิดพลาดทีม
่ ี
นัยสำคัญ
ข. ความเชอ ื่ มั่นว่าการควบคุมมีประสท ิ ธิผล
ค. ความเสย ี่ งทีก ่ ารควบคุมจะไม่มป
ี ระสทิ ธิผล
ง. ทุกข ้อไม่ใชค ่ วามหมายของ ความเสย ี่ งของการควบคุม
* ตอบ (ค.) ความเสย ี่ งของการควบคุม (Control Risk) หมายถึงความเสย ี่ งทีก

่ าร
ควบคุมจะไม่มปี ระสท ิ ธิผล (ก.) ผิด ความเสย ี่ งทีก
่ ารตรวจสอบจะไม่สามารถเปิ ด
เผยข ้อผิดพลาดทีม ่ น ี่ งของการสบ
ี ัยสำคัญเป็ นความเสย ื ค ้น (Detection Risk)

Pre-Test
10. ข ้อใดกล่าวได ้ถูกต ้องเกีย ี่ งของการสุม
่ วกับ ความเสย ่ ตัวอย่าง
(Sampling Risk)
ก. มีผลกระทบประสท ิ ธิภาพของการตรวจสอบ
ข. มีผลกระทบประสท ิ ธิผลของการตรวจสอบ
้
ค. สามารถวัดค่าได ้ถ ้าใชเทคนิ คทางสถิตท ิ เี่ หมาะสม
ง. ถูกทุกข ้อ
ี่ งของการสุม
* ตอบ (ง.) ถูกทุกข ้อ ความเสย ่ ตัวอย่าง (Sampling Risk) มีผลกระทบ
ิ ธิภาพและประสท
ต่อทัง้ ประสท ิ ธิผลของการตรวจสอบ และสามารถวัดค่าได ้ด ้วย
เทคนิคทางสถิต ิ

Post-Test
alse
or F
True
 1. ข ้อมูลการจัดชนั ้ ลูกหนี้ (เชน

่ ชน
ั ้ 1.. 2.. 3)
เป็ นตัวอย่างของมาตรอันดับ (Ordinal
Scale)
 2. ข ้อมูลทางการเงินสว่ นใหญ่มักมีลก
ั ษณะ
Positive Skew หรือเบ ้ขวา

Post-Test
alse
or F
True
 3. การแจกแจงแบบทวินาม (Binomial
distribution) เป็ นการแจกแจงความน่าจะ
เป็ นของตัวแปรสุม ่ แบบไม่ตอ
่ เนือ
่ ง
 4. ความเสย ี่ งในการสรุปว่าการควบคุมไม่น่าเชอ ื่
ถือทัง้ ทีจ ื่ ถือ คือ β (beta) risk
่ ริงแล ้วน่าเชอ

Post-Test
alse
or F
True
 5. วิธก ่ เชงิ สถิตจิ ะ

ี ารตรวจสอบตัวอย่างในการสุม
้
ไม่ตา่ งจากการตรวจสอบปกติทไี่ ม่ได ้ใชการ
่
สุม

Post-Test
6. ข ้อใดไม่ใชส ่ งิ่ ทีผ
่ ู ้ตรวจสอบจำเป็ นต ้องพิจารณา ในการสุม ่ ตัวอย่าง
เพือ่ การตรวจสอบเชงิ คุณลักษณะ (Attributes Sampling)
ก. ค่าความผิดปกติทย ี่ อมได ้ (Tolerable Deviation Rate)
ข. ค่าความผิดปกติทค ี่ าดว่ามีในประชากร (Expected Population
Deviation Rate)
้
ค. หลักเกณฑ์ทใี่ ชแยกแยะการควบคุ มทีด
่ อ
ี อกจากการควบคุมที่
ไม่มจ
ี ริงหรือขาดประสท ิ ธิผล
ง. ค่าเบีย ่ งเบนมาตรฐาน (Standard Deviation) ของประชากร
* ตอบ (ง.) ค่าเบีย ่ งิ่ ทีผ

่ งเบนมาตรฐาน (Standard Deviation) ของประชากรไม่ใชส ่ ู้
ตรวจสอบจำเป็ นต ้องพิจารณา ในการสุม ่ การตรวจสอบเชงิ
คุณลักษณะ (Attributes Sampling )

Post-Test
7. ในการสุม่ ตัวอย่างเพือ ่ การตรวจสอบเชงิ คุณลักษณะ (Attributes
Sampling ) อะไรคือผลกระทบต่อจำนวนตัวอย่างทีต ่ ้องการ ถ ้าผู ้
ตรวจสอบเพิม ่ β (beta) Risk จาก 5% เป็ น 10% และลดค่าความ
ผิดปกติทค ี่ าดว่ามีในประชากร (Expected Population Deviation
Rate) ลงจาก 2% เป็ น 1% สมมติวา่ ปั จจัยอืน ่ ไม่เปลีย่ นแปลง
ก. เพิม
่ ขึน ้
ข. ลดลง
ค. ไม่เปลีย ่ นแปลง
ง. ไม่สามารถคำนวณได ้
* ตอบ (ข.) ทัง้ การเพิม

่ β (beta) Risk และลดค่าความผิดปกติทค
ี่ าดว่ามีในประชากร
(Expected Population Deviation Rate) มีผลกระทบทำให ้จำนวนตัวอย่างที่
ต ้องการลดลง
Post-Test
8. ข ้อใดคือจำนวนตัวอย่างทีถ
่ ก
ู ต ้องเมือ
่ คำนวณด ้วยตารางในสไลด์ท ี่
69
β (beta) Risk Expected Population Tolerable จำนวนตัวอย่าง

Deviation Rate Deviation Rate
ก. 5% 2% 8% 77
ข. 5% 5% 1% 93
ค. 10% 2% 5% 181
ง. 10% 1% 8% 58
* ตอบ (ข.) ที่ β (beta) Risk 5% Expected Population Deviation Rate 5%
และ Tolerable Deviation Rate 1% จำนวนตัวอย่างทีถ
่ ก
่ คำนวณด ้วย
ตารางคือ 93
Post-Test
9. ข ้อใดคือ Upper Precision Limit ทีถ
่ ก
่ คำนวณด ้วยตารางใน
สไลด์ท ี่ 73
β (beta) Risk จำนวนตัวอย่าง จำนวนรายการ Upper Precision

ผิดปกติทพ
ี่ บ Limit
ก. 5% 100 1 3.0%
ข. 5% 50 0 5.9%
ค. 10% 70 4 12.6%
ง. 10% 30 2 19.6%
* ตอบ (ข.) ที่ β (beta) Risk 5% จำนวนตัวอย่าง 50 และจำนวนรายการผิดปกติท ี่
พบ 0 Upper Precision Limit ทีถ่ ก
่ คำนวณด ้วยตารางคือ 5.9%

Post-Test
้
10. ผู ้ตรวจสอบใชการสุ ่ ตัวอย่างด ้วยวิธก
ม ี ารทางสถิตเิ พือ ่ ระบุวา่ การจ่ายค่าล่วงเวลา
ได ้รับการอนุมัตต ิ ามทีบ ่ ริษัทกำหนด โดยมีคา่ ระดับความผิดปกติทย ี่ อมรับได ้
(Tolerable Deviation Rate) ที่ 9% คาดว่าค่าความผิดปกติในประชากร
(Expected Population Deviation Rate) น่าจะอยูใ่ นระดับประมาณ 1% และ
ต ้องการระดับความเชอ ื่ มั่นที่ 95% ผู ้ตรวจสอบพบใบบันทึกเวลาทีไ่ ม่ได ้รับการ
อนุมัตจำิ นวน 1 รายการ ข ้อใดถูกต ้องเมือ ่ คำนวณด ้วยตารางในสไลด์ท ี่ 69 และ
73
ก. จำนวนตัวอย่างทีต ่ ้องการคือ 68
ข. ค่าความผิดปกติในตัวอย่าง (Deviation Rate) อยูท ่ ี่ 1.47%
ค. ค่า Upper Precision Limit อยูท ่ ป
ี่ ระมาณ 9%
ง. ผลการตรวจสอบสรุปว่าการควบคุมไม่มป ิ ธิผล
ี ระสท
* ตอบ (ค.) จำนวนตัวอย่างทีต

่ ้องการคือ 51 ค่า Upper Precision Limit ทีป
่ ระมาณ
9% และสรุปผลการตรวจสอบว่าการควบคุมมีประสท ิ ธิผล


Sampling

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Sampling

Uploaded by

Copyright:

Available Formats

่ ต ัวอย่างสำหร ับผูต

ไพรัช ศรีวไิ ลฤทธิ์

• ปริญญาตรีวศิ วกรรมศาสตร์ จุฬาฯ (2528)

Sampling for Internal Auditors

Sampling for Internal Auditors

Sampling for Internal Auditors

 มาตรนามบัญญัต ิ (Nominal Scale)

 มาตรอันดับ (Ordinal Scale)

 มาตรอันตรภาค (Interval Scale)

 มาตรอัตราสว่ น (Ratio Scale)

Sampling for Internal Auditors

จัดข ้อมูลเชงิ ปริมาณให ้อยูใ่ นรูปแบบทีเ่ ข ้าใจง่าย

Sampling for Internal Auditors

 ค่ามัธยฐาน (Median) Median = 4.5

Sampling for Internal Auditors

การวัดแนวโน ้มการกระจายตัว (Variation) ทีน

 ความแปรปรวน และ ค่าเบีย

 โอกาสเกิดเหตุการณ์ คล ้ายการแจกแจงความถีแ ั พัทธ์

นาย ค. 75 .356 0.1

Sampling for Internal Auditors

 การแจกแจงความน่าจะเป็ นของ ตัวแปรชนิดไม่ตอ

Sampling for Internal Auditors

 การแจกแจงความน่าจะเป็ นของ ตัวแปรชนิดต่อเนือ

Sampling for Internal Auditors

Sampling for Internal Auditors

Central Limit Theorem หรือ ทฤษฎีบทลิมต ่ ว่ นกลาง

Standard Error of the Mean (S)

Sampling for Internal Auditors

หน่วยทีเ่ ป็ นสว่ นย่อยของ ทุกหน่วย

Sampling for Internal Auditors

Sampling for Internal Auditors

Statistical Confidence Intervals

95% Confidence Interval = X ±1.96 S X

 มีความน่าจะเป็ น 95% ทีค ่ า่ เฉลีย

Sampling for Internal Auditors

Sampling for Internal Auditors

Sampling for Internal Auditors

Sampling for Internal Auditors

 ปรับแก ้ downward bias เนือ

Sampling for Internal Auditors

( X ± 1.96 S X ) = 15.5 ± (1.96) 4.88 = 5.94 , 25.06

 เราสรุปได ้ด ้วยความเชอ ื่ มั่น 95% ว่าค่าเฉลีย ่ ทีแ

 เป็ นข ้อมูลแบบ Nominal Scale ทีม

 ่ ตรวจสอบเอกสารเปิ ดบัญช ี 50 ราย จากเอกสารเปิ ดบัญช ี

 หา  (Pi) ื่ มั่น 95%

 ่ งเบนมาตรฐานของอัตราสว่ นของตัวอย่าง (Standard

( p ± 1.96 Sp ) = 0.20 ± (1.96) .057 = .09 , .31

 เราสรุปได ้ด ้วยความเชอ ื่ มั่น 95% ว่าอัตราสว่ นทีแ

 สมมติฐานทางสถิต ิ (Statistical Hypothesis) คือ ข ้อสงสย ั

 Null Hypothesis (H0) ระบุวา่ ไม่มค

α/2 = 2.5 % α/2 = 2.5 %

Plot of Land (Rai)

Sampling for Internal Auditors

Plot of Land (Rai)

Sampling for Internal Auditors

 จากตัวอย่าง 2 การสุม ่ ตัวอย่างเพือ

α/2 = 2.5 % α/2 = 2.5 %

Sampling for Internal Auditors

 จากตัวอย่าง 2 การสุม ่ ตัวอย่างเพือ

Sampling for Internal Auditors

Plot of Land (Rai)

Sampling for Internal Auditors

 จากตัวอย่าง 2 การสุม ่ ตัวอย่างเพือ