Estimating the Total Overstatement Error in Accounting Populations
会计总体中总高估误差的估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究审计总体误差的置信界，会计应用本身不足以归入所列金融计量细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
会计总体中总高估误差的估计
- 研究问题
- 审计样本量不足以支持可靠的正态近似时，如何估计账户总体的总高估误差，并给出具有已知置信水平的界限？
- 方法与思路
- 作者简述规避大样本正态近似困难的既有尝试，随后提出基于多项概率分布的方法，以构造总误差的置信界。
- 材料陈述的贡献
- 摘要称新方法能够对所有样本量给出具有已知置信水平的置信界，回应实际审计中正态近似依据可能不足的问题。
- 阅读关注点
- 应核对账户误差如何映射为多项模型、抽样与误差取值条件、置信界的构造，以及已知置信水平是精确值还是覆盖保证。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；多项模型与抽样条件未提供，不能声称任意审计设计均有覆盖保证或推断刊本变化。
原文摘要
Auditors wishing to estimate the total amount of errors in a set of accounts have tended to use estimation procedures which rely on approximate normality for large sample sizes. Since this reliance is often not well-founded for sample sizes used in auditing practice, efforts have been made to circumvent this difficulty. This paper will briefly describe these efforts and then present a new approach based on the multinomial probability distribution which yields confidence bounds with known confidence levels for all sample sizes.