Denetimde Örnekleme ve İstatistiki

Güvenceye Dayalı Örneklem Tasarımı

AZİZ DOĞAN
Kurul Üyesi
Kamu Gözetimi Muhasebe ve
Denetim Standartları Kurumu
aziz_dogan@hotmail.com
Gönderim Tarihi: 27.08.2018 Kabul Tarihi: 18.10.2018

H
Öz A
Denetçinin test edilecek kalemleri seçerken kullanabileceği yöntemler, tüm kalemlerin veya be-
lirli kalemlerin seçilmesi, ya da denetim örneklemesidir. Her bir işlemin tek tek kontrolünün ya- K
pılması pratik olmadığı gibi, aynı zamanda maliyetli bir işlem olduğundan, denetimde örnekleme E
yöntemi kullanılmaktadır. Bağımsız Denetim Standardı (BDS) 530 denetçinin, denetim örneklemini
tasarlarken ve seçerken, kontrol testlerini ve detay testlerini uygularken ve örneklemden çıkarılan M
sonuçları değerlendirirken, istatistiki ve istatistiki olmayan örnekleme yöntemlerini kullanmasını
düzenlemektedir. L
Bu makalede; denetim örneklemesi tanımlanmakta, istatistiki ve istatistiki olmayan örnekleme
yaklaşımları karşılaştırılmakta, denetim örneklemesinin ne zaman uygulanması gerektiği ve ör-
İ
neklem testleri sonuçlarının nasıl değerlendirileceği ele alınmakta, ayrıca istatistiki güvence, ör-
neklem tasarımı, örneklemeyle ilgili güven düzeyi ve risk açıklanmaktadır.
M
Anahtar Kelimeler: Denetim Örneklemesi, BDS 530, İstatistiki Güvence, Güven Düzeyi, Yan- A
lışlık, Parasal Birim Örneklemesi, Sayısal Örnekleme.
JEL Sınıflandırması: M40, M42. K
A
Audit Sampling and Sample Design Based L
E
on Statistical Assurance
Abstract
The means available to the auditor for selecting items for testing are selecting all items or spe-
cific items, or audit sampling. It is uneconomic and impractical to check every transaction and
therefore audit sampling is used. Turkish Standard on Auditing (BDS) 530 deals with the auditor’s
use of statistical and non-statistical sampling when designing and selecting the audit sample, per-
forming tests of controls and tests of details, and evaluating the results from the sample.
This article defines audit sampling, compares the statistical sampling approach with the non-
statistical sampling approach, discusses when audit samples should be applied, considers how
results from sample tests can be evaluated, and also explains sample design, statistical assurance,
confidence level and risk associated with sampling.

VERGİ DÜNYASI, YIL 38, SAYI 448, ARALIK 2018 55

 Keywords: Audit Sampling, BDS 530, Statistical Assurance, Confidence Level, Misstatement,
Monetary Unit Sampling, Numerical Sampling.
JEL Classification: M40, M42.
1. GİRİŞ
Denetçinin1 amacı, görüşüne dayanak oluşturan
makul sonuçlara ulaşabilmesi amacıyla yeterli ve
uygun denetim kanıtı elde edebilmesini sağlayacak de-
netim prosedürlerini tasarlamak ve uygulamaktır. De-
netim kanıtı elde edilmesine yönelik denetim
prosedürleri; sorgulamanın yanı sıra tetkik, gözlem,
H teyit, yeniden hesaplama, yeniden uygulama ve anali-
tik prosedürleri içerir. BDS 200’de açıklandığı üzere
A denetçi, denetim riskini kabul edilebilir düşük bir dü-
zeye indirecek yeterli ve uygun denetim kanıtı elde et-
K tiğinde, makul güvence sağlamış olacaktır2.
E BDS 500 denetçinin, görüşüne dayanak oluşturan
makul sonuçlara ulaşabilmesi amacıyla yeterli ve
M uygun denetim kanıtı elde etmek için denetim prose-
dürlerini tasarlama ve uygulama sorumluluğunu dü-
L zenlemiştir. BDS 500’de denetçinin kullanabileceği,
test edilecek kalemleri seçme yöntemleri; tüm kalem-
İ lerin seçilmesi (%100 inceleme), muhakemeye dayalı
olarak belirli kalemlerin seçilmesi (Yüksek tutarlı
veya önemli kalemler, belirli bir tutarın üzerindeki tüm
M kalemler ve bilgi elde edilecek kalemler) ve denetim
örneklemesi olarak açıklanmıştır.
A Finansal tablolarda yer alan bir tutarın doğruluğun-
K dan emin olmak için en tatmin edici yöntem, söz ko-
nusu tutarı oluşturan tüm kalemlerin tek tek
A incelenmesi ve bunların toplam tutarı oluşturduğundan
emin olunmasıdır. Bununla birlikte, toplam içinde yer
L alması gereken ancak yer almayan kalemler de olabi-
leceğinden, bu bile tam olarak tatmin edici bir yöntem
E olmayabilir. Diğer taraftan, uygulamada genellikle her
bir işlemin tek tek kontrolünün yapılması pratik olma-
dığı gibi, aynı zamanda maliyetli bir işlem olduğun-
dan, örnekleme yöntemi kullanılmaktadır.
Aşağıdaki bölümlerde önce genel olarak denetim
örneklemesine değinildikten sonra, örnek seçme yön-
temleri dâhil denetim örneklemesinin aşamaları, bel-
gelendirilmesi açıklanacak, daha sonra istatistiki
güvenceye ilişkin bilgileri takiben parasal birim ör-
neklemesi ve sayısal örneklemede örneklem tasarımı
1 Bu çalışmada, “denetçi” ve “denetim” ifadeleri sırasıyla “bağımsız denetçi” ve “bağımsız denetim” anlamında kullanılmıştır.
2 BDS 200, 5 inci paragraf.
3 Anakitle (Population): İçinden bir örneklemin seçildiği ve denetçinin hakkında sonuçlara varmak istediği veri setinin tamamıdır.
56 VERGİ DÜNYASI, YIL 38, SAYI 448, ARALIK 2018
ve kalemlerin seçimi gibi konularda uygulamaya yö-
nelik örnekler verilecektir.
2. DENETİM ÖRNEKLEMESİ
Denetim örneklemesi, anakitlenin tamamı hak-
kında bir sonuca ulaşmak için makul bir dayanak oluş-
turmak üzere, tüm örnekleme birimlerine seçilme
şansı sağlayacak şekilde, denetimle ilgili anakitle3 için-
deki kalemlerin %100’ünden daha azına denetim pro-
sedürlerinin uygulanmasıdır. Denetim örneklemesi
BDS 530’da düzenlenmiş olup bu standart denetim ka-
nıtlarını düzenleyen BDS 500’ün tamamlayıcısı nite-
liğindedir.
Denetim testleri için tüm kalemlerin ve belirli ka-
lemlerin seçilmesine ilişkin hükümler; daha önce
Uluslararası Denetim Standardı (ISA) 530 kapsamında
yer alırken, 15 Aralık 2009 tarihinde ve sonrasında
başlayan hesap dönemleri için uygulanmak üzere ISA
530 kapsamından çıkarılarak, denetim kanıtlarını dü-
zenleyen ISA 500’de düzenlenmiştir.
Denetimde örneklemeyi düzenleyen ISA 530 ile
uyumlu, Türkiye Denetim Standartları’nın bir parçası
olan BDS 530, 1/1/2013 tarihinde ve sonrasında baş-
layan hesap dönemlerinde uygulanmak üzere
22/1/2014 tarihli Resmi Gazete’de yayımlanmıştır.
BDS 530 denetçinin genel olarak kendisine sunu-
lan tüm bilgileri, kullanışlı ve ekonomik olmaması ne-
deniyle, test etmemesi; bunun yerine, bir sonuca
varmak için denetim tekniği olarak örneklemeyi kul-
lanması ilkesini benimsemiştir. Denetimde örnekleme-
nin kullanılması, denetçiye anakitle hakkında doğru
sonuçlara varması için uygun ve yeterli minimum de-
netim kanıtı elde etme fırsatı vermesi nedeniyle, yay-
gın olarak benimsenmiştir.
Denetim örneklemesi, anakitlenin tamamını ince-
lemesine gerek olmaksızın, denetçinin bilgi alması ve
sonuca ulaşması için önemli bir yöntemdir. Burada en
önemli beklenti, örnek alınan kalemlerin anakitlenin
tamamını temsil etmesidir. Genellikle anakitlenin
%100’ünün test edilmesinden daha verimli olduğu için
denetçi, ihtiyaca uygun ve güvenilir denetim kanıtı
elde etmek için örnekleme yöntemini kullanır. Örnek-
lemenin bazı yararlarını şu şekilde sıralayabiliriz:
● Zamandan tasarruf sağlar,
● Büyük ve karmaşık anakitlelerin denetiminde
daha etkili ve verimli bir yöntemdir,
● Denetim amaçlarının gerçekleştirilmesini ve sa-
vunulabilir denetim sonuçları sağlar.
3. İSTATİSTİKİ VE İSTATİSTİKİ OLMAYAN
ÖRNEKLEME
Denetim örneklemesi, istatistiki veya istatistiki ol-
mayan örnekleme yaklaşımları kullanılarak uygulana-
bilir. İstatistiki örnekleme; örnekleme ile ilgili olarak,
örneklerin tesadüfi (random) seçimi ve örnekleme ris-
kinin ölçümü de dâhil olmak üzere, örnekleme sonuç-
larının değerlendirilmesinde olasılık teorisinin
kullanımını içeren her türlü yaklaşımı ifade etmekte-
dir. BDS 530’a göre, bu özellikleri içermeyen örnek-
leme yaklaşımı, istatistiki olmayan örnekleme olarak
kabul edilmektedir. İstatistiki örnekleme yönteminde
örneklem kalemleri, her bir örnekleme biriminin4 bi-
linen bir seçilme olasılığı olacak şekilde seçilir. Diğer
bir ifadeyle, istatistiki örnekleme, bir grupta bulunan
her bir örnekleme biriminin seçilebilmesi için belirli
ve eşit şansa sahip oldukları bir örnekleme yöntemidir.
İstatistiki olmayan örnekleme yönteminde, örneklem
kalemlerinin seçiminde mesleki muhakeme ve tecrübe
kullanılır.
Denetçi istatistiki veya istatistiki olmayan örnek-
leme yöntemlerinden hangisini seçeceğine, denetim
amaçlarının gerçekleştirilmesinde ve mevcut şartlara
bağlı olarak en uygun çözüm için hangi yöntemin en
etkin olduğunu değerlendirerek karar verir. Örneklem
büyüklüğü, istatistiki ve istatistiki olmayan yaklaşım-
lar arasında ayrım yapmak için geçerli bir kıstas de-
Tablo 1. İstatistiki ve İstatistiki Olmayan Örnekleme Yöntemleri
İstatistiki örnekleme
Rastgele/tesadüfi (Random) örnekleme
Sistematik (Systematic) örnekleme
Parasal birim (Monetary Unit) örneklemesi
4 Örnekleme birimi (Sampling unit): Bir anakitleyi oluşturan bağımsız kalemlerin her biridir.
ğildir. Ancak istatistiki örnekleme aşağıda belirtilen
yararları nedeniyle tercih edilmelidir.
● Örneklem seçimi tarafsızdır ve bu nedenle savu-
nulabilir,
● Örneklemden elde edilen sonuçlar anakitleye uy-
gulanabilir,
● Örnekleme, daha az denetim çalışmasıyla daha
kapsamlı sonuçlar sağlar,
● Örnekleme sonuçları, örneklemdeki güvenirlik
ve yanlışlığın istatistiki ölçümüne imkân tanır.
Muhakemeye dayalı örnekleme (judgmental sam-
pling) olarak da adlandırılan istatistiki olmayan örnek-
lemede, örneklem güvenirliği ve doğruluğu istatistiki H
olarak değerlendirilemez. Örneğin, istatistiki olmayan
örneklemenin uygulanması durumunda, belirli bir A
güven düzeyinde kesinlik, matematiksel olarak hesap-
lanamaz. İstatistiki olmayan örneklem, gelişigüzel
K
(haphazard) bir yaklaşım ya da denetçinin beklentisine E
göre, seçilen örneklem kalemlerinin anakitleyi temsil
edecek şekilde seçilmesi ve anakitledeki tüm kalem- M
lerin seçilme şansının olması şartıyla diğer bir yöntem
kullanılarak seçilebilir.
L
Örneklem sonuçlarını parasal olarak anakitleye İ
yansıtmak için, istatistiki olmayan örneklemenin kul-
lanılmaması gerekir. İstatistiki olmayan örnekleme,
denetim muhakemesi yaparken veya parasal özelliği
olmayan hususları test ederken karar vermek için kul-
M
lanıldığında uygun olabilir. A
İstatistiki ve istatistiki olmayan örnekleme arasın-
daki en önemli fark, istatistiki örneklemenin örnekleme K
prosedürleri ile ilgili örnekleme riskini ölçmesidir.
Diğer taraftan, hem istatistiki hem de istatistiki olma-
A
yan örnekleme yaklaşımlarında örneklem planlaması, L
tasarımı, seçimi ve değerlendirmesinde mesleki muha-
keme kullanılır. E
İstatistiki olmayan örnekleme
Gelişigüzel (Haphazard) örnekleme
Blok (Block) seçim
VERGİ DÜNYASI, YIL 38, SAYI 448, ARALIK 2018 57
 4. DENETİM ÖRNEKLEMESİNİN AŞAMA-
LARI
Denetçi test edilecek kalemlerin seçiminde örnek-
leme yapmaya karar verdiğinde, denetim amaçlarına
ulaşmak üzere kaynakların en verimli ve etkin olarak
kullanımı için bir örneklem tasarımı, diğer bir deyişle
örneklem planı yapmalıdır. Örneklem tasarımının
amacı, belirlenen örnekleme riskini aşmayacak ve ola-
bilecek örnekleme dışı yanlışlıkları en aza indirecek
şekilde denetim testlerinin uygulanmasını sağlamaktır.
Muhakemeye dayalı örneklemeyi kullanarak bir test
yaptığımızda, normalde ilk önce anakitleye ve kaç kalem
inceleyeceğimize karar veririz. Daha sonra kalemleri
H seçip inceler ve incelemeyi takiben değerlendirme ya-
parak bir sonuca ulaşırız. İstatistiki örneklemeyi kulla-
A nırken de aynı aşamaları uygularız.
K Test edilecek kalemlerin seçiminde örnekleme kul-
lanılmasına karar verildiği takdirde, kilit sorular “kaç
E tane” ve “hangileri” olarak ortaya çıkmaktadır. Bunla-
rın karşılığı sırasıyla örneklem büyüklüğü ve örneklem
M seçimidir. Ancak, bu soruları cevaplamaya başlamadan
L önce, ilk olarak düşünülmesi gereken husus “örneklem
tasarımı” dır.
İ Denetçi, örneklem tasarımını yaptıktan sonra, örnek-
lem seçmeli, denetim prosedürlerini uygulamalı ve de-
netim amaçlarını sağlayacak yeterli, güvenilir, ihtiyaca
M uygun ve yararlı denetim kanıtı elde etmek amacıyla ör-
neklemden çıkarılan sonuçları değerlendirmelidir.
A 4.1. Örneklem Tasarımı ve Örneklem Büyüklü-
ğünün Belirlenmesi
K Denetçinin bir örneklem tasarımı yaparken, dene-
A tim prosedürünün amacını ve örneklemin seçileceği
anakitlenin özelliklerini değerlendirmesi gerekir5. Ta-
L sarım aşamasında gerekli kesinlik ve güvenirlik dü-
zeyleri tespit edilerek, seçilecek örneklemin yaklaşık
E büyüklüğü de belirlenmelidir.
Denetçinin, denetim prosedürünün amacı ve örnek-
lemin seçileceği anakitlenin özelliklerine ilişkin yapa-
cağı değerlendirmenin, sapma veya yanlışlığı neyin
oluşturduğunun açıkça anlaşılmasını içerecek şekilde
olması gerekir. Böylece, sapmaların değerlendirilme-
sinde veya yanlışlıkların tüm anakitleye uygulanması
hususunda denetim prosedürlerinin amacıyla ilgili tüm
5 BDS 530, 7 nci paragraf.
6 Kabul edilebilir yanlışlık (Tolerable misstatement): Anakitledeki fiili yanlışlığın, denetçi tarafından belirlenen parasal tutarı aşma-
yacağına dair uygun bir güvence düzeyi elde etmek için denetçinin belirlediği parasal bir tutardır.
7 BDS 320, “Bağımsız Denetimin Planlanması ve Yürütülmesinde Önemlilik”, 9 uncu paragraf.
58 VERGİ DÜNYASI, YIL 38, SAYI 448, ARALIK 2018
şartlar yerine getirilmiş olur. Örneğin, alacak hesapla-
rının varlığına ilişkin detay testlerinde (teyit gibi),
müşterinin teyit tarihinden önce yaptığı ancak alıcının
bu tarihten kısa bir süre sonra teslim aldığı ödemeler,
yanlışlık olarak kabul edilmez. Ayrıca, müşteri hesap-
ları arasında yapılan yanlış kayıtlar, toplam alacak he-
sapları bakiyesini etkilemez. Bu nedenle, hile riskinin
veya şüpheli alacaklar için ayrılan karşılıkların yeter-
liliğinin değerlendirilmesi gibi denetimin diğer alan-
larında önemli bir etkisi olabilmekle birlikte, bunun
gibi belirli bir denetim prosedürünün uygulanmasın-
dan elde edilen örneklem sonuçlarının değerlendiril-
mesinde söz konusu durumun yanlışlık olarak kabul
edilmesi uygun olmayabilir.
Bir örneklemi tasarlarken denetçi, tek başına önemli
olmayan yanlışlıklar toplamının finansal tablolarda
önemli bir yanlışlığa sebep olabilme riskini değerlen-
dirmek ve muhtemel tespit edilmemiş yanlışlıklar için
bir marj sağlamak üzere kabul edilebilir yanlışlığı6 be-
lirler. Kabul edilebilir yanlışlık, BDS 3207 kapsamında
tanımlanan performans önemliliğinin, belirli bir örnek-
leme prosedürüne uygulanmasıdır. Kabul edilebilir
yanlışlık, performans önemliliğiyle aynı tutarda veya
bu tutardan daha düşük olabilir.
Denetçi örneklemeyi tasarlarken seçilen örneklerin
anakitleyi temsil etmesini sağlamalıdır. Anakitleyi
temsil etmemesi halinde, denetçi anakitlenin tamamı
hakkında bir sonuca ulaşamaz.
4.1.1. Anakitlenin (Population) Belirlenmesi
Anakitle olarak görüş oluşturmak istediğimiz veri-
lere bakmak gerekmektedir. Buradan hareketle bir
örnek vermek gerekirse, bir satın alma testi uygulan-
ması gerektiğinde, mal alımlarının tam listesi anakit-
leyi oluşturur. İnceleme için seçilen her bir mal alış
faturası ise örneklemi oluşturur.
Anakitledeki her bir kalemin seçilme şansı olma-
dıkça anakitlenin tamamına ilişkin geçerli bir sonuca
varılamaz. Dolayısıyla yalnızca tek bir şubeye ait mal
alım işlemleri incelendiğinde, sadece söz konusu şu-
beye ilişkin sonuçlara ulaşılır ve bu sonuçlar işletme-
nin tüm mal alımlarına uygulanamaz. Bu nedenle
başlangıç aşamasında, açık bir şekilde test edilmek is-
tenen anakitlenin tanımlanması gerekir.
 Bir test uygulanırken karşılaşılacak zorluk, anakit-
lede eksik olan herhangi bir kalemle ilgili sonuca va-
rılamamasıdır. Bir kalem anakitle içerisinde mevcut
değilse, o kalemin seçilme şansı da olmayacaktır.
Diğer bir deyişle, eğer bir kalem mal alım listesinde
yer almıyorsa seçilemez. Bu nedenle, listenin tam ol-
duğundan emin olmak için öncelikli olarak söz konusu
listenin test edilmesi gerekir. Bu test eksik beyanlara
yönelik olacaktır. Bu testi uygulamak için, test edil-
mek istenilen anakitleyle ilgili olan başka bir anakitle
bulunması gerekmektedir. Satın alımlara ilişkin örne-
ğimizde, tüm mal alımlarının yevmiye defterine kay-
dedildiğinden emin olmak için alınan malların
miktarları incelenebilir. Bu durum bazen karşılıklı ana-
kitle (reciprocal population) olarak isimlendirilmekte-
dir.
Herhangi bir test uygulamadan önce, uygulanacak
testlerin amacına karar verilmesi durumunda test et-
meye en uygun olan anakitlenin seçimi mümkün ola-
caktır. Dolayısıyla, finansal tablolardaki bir kalemin
olduğundan az gösterilip gösterilmediğinin test edil-
mesi durumunda, genellikle o kalem olduğundan fazla
gösterildiğinde seçilecek anakitleden farklı bir anakit-
leden seçilir.
Diğer taraftan, örneklemin seçileceği anakitlenin
özelliklerini değerlendirirken denetçi, aşağıda açıkla-
nan gruplandırma veya değer ağırlıklı seçim yöntemini
kullanmanın uygun olacağına karar verebilir.
4.1.2. Gruplandırma (Stratification)
Gruplandırma, bir anakitlenin, her biri benzer özel-
liklere (çoğunlukla parasal değere) sahip örnekleme
birimi gruplarından oluşan alt gruplara bölünmesi sü-
recidir. Denetçi, anakitleyi belirli özelliklere sahip
farklı alt gruplara ayırarak yürütülen denetimin etkin-
liğini artırabilir. Gruplandırmanın amacı, her bir grupta
bulunan kalemlerin çeşitliliğini azaltmak ve böylece
örnekleme riskini artırmadan, örneklem büyüklüğünün
azaltılmasını sağlamaktır.
Detay testlerinin uygulanması sırasında anakitle,
genellikle parasal değerler esas alınarak gruplandırılır.
Bu durum denetim çalışmasının, olduğundan fazla
gösterilmesi nedeniyle büyük yanlışlıklar içerme ihti-
mali bulunan, yüksek tutarlı kalemlere yoğunlaşmasını
sağlar. Benzer şekilde, bir anakitle daha yüksek bir
yanlışlık riski gösteren belirli bir özelliğe göre grup-
8 Yanlışlıkların öngörülmesi (Projecting misstatements): Denetçinin detay testleri için, örneklemde bulduğu yanlışlıkları kullanarak
anakitlenin geneli için bir öngörüde bulunması.
landırılabilir, örneğin alacakların değerlemesinde şüp-
heli alacak karşılıkları test edilirken, bakiyeler yaşlan-
dırma esasına göre gruplandırılabilir.
Bir grupta bulunan örneklem kalemlerine uygula-
nan denetim prosedürlerinin sonuçları, sadece o grubu
oluşturan kalemlere yönelik olarak öngörülebilir8. De-
netçinin, anakitlenin tamamına yönelik bir sonuca var-
ması için, anakitleyi oluşturan diğer gruplarla ilgili
“önemli yanlışlık” riskini dikkate alması gerekecektir.
Örneğin, belirli bir anakitledeki kalemlerin %20’si bir
hesap bakiyesi tutarının %90’ını oluşturabilir. Denetçi,
bu kalemlerden oluşan bir örneklemi incelemeye karar
verebilir. Denetçi bu örneklemin sonuçlarını değerlen-
dirir ve hesap bakiyesinin geriye kalan %10’undan H
ayrı olarak, hesap bakiyesinin %90’ı ile ilgili bir so-
nuca varır. Bu durumda, %10’luk kısım için ilave bir
A
örneklem veya diğer denetim kanıtı toplama yöntem- K
leri kullanılabilir veya bu kısım önemsiz kabul edile-
bilir. E
Bir işlem sınıfı veya hesap bakiyesinin gruplandı-
rılması durumunda, her bir grup için yanlışlık öngö-
M
rüsü ayrı bir şekilde yapılır. Daha sonra yanlışlıkların L
işlem sınıfı veya hesap bakiyelerinin toplamı üzerin-
deki muhtemel etkileri dikkate alınırken, her bir grup İ
için öngörülen yanlışlıklar birleştirilir.
Gruplandırma yönteminde, anakitle belirli özellik-
ler veya büyüklüklere sahip farklı alt gruplara ayırılır M
ve daha büyük olan alt gruplardaki tutarlar alınır.
Gruplandırma yöntemine bir örnek Tablo 2’de veril- A
miştir.
Tablo 2. Anakitlenin Gruplandırılmasına
K
Bir Örnek A
L
E
Tablo 2’deki örnek tablodan hareketle, gruplan-
dırma yapmadan ve yaparak bulunacak örneklem
büyüklükleri Tablo 3’de gösterildiği şekilde belirle-
nebilir.
VERGİ DÜNYASI, YIL 38, SAYI 448, ARALIK 2018 59
 Tablo 3. Gruplandırma Yapmadan ve Yaparak inceleyebilir. Örneklem biriminin belirlenmesi açısın-
Bulunacak Örneklem Büyüklükleri dan bu yaklaşımın bir faydası; seçilme şansı daha yük-
sek olduğundan denetim çalışmasının yüksek tutarlı
kalemlere yönlendirilmesi ve bunun sonucu olarak
daha az örneklem kalemi seçilmesidir. Sistematik ör-
neklem seçme yöntemiyle birlikte kullanılabilen bu
yaklaşım, kalemlerin rastgele seçim yöntemi kullanı-
larak seçilmesi durumunda en etkili yaklaşımdır.
4.1.4. Örneklem Büyüklüğünü Etkileyen Fak-
törler
Öncelikle, denetçinin örnekleme riskini kabul edile-
bilir düşük bir düzeye indirmeye yetecek bir örneklem
büyüklüğüne karar vermesi gerekir. Denetçinin kabul
H etmek istediği örnekleme riski düzeyi, gerekli örneklem
büyüklüğünü etkiler. Denetçinin kabul etmek istediği
A risk düzeyi azaldıkça, gerekli örneklem büyüklüğü artar.
K Beklenen sapma oranının kabul edilemeyecek dere-
cede yüksek olması durumunda denetçi, genellikle
E kontrol testlerini uygulamamaya karar verecektir. Ben-
zer şekilde denetçi, detay testleri açısından, anakitledeki
M beklenen yanlışlığa ilişkin bir değerlendirme yapar.
4.1.2.3. Değer Ağırlıklı Seçim Yöntemi (Value-
L Weighted Selection)
Beklenen yanlışlık oranının yüksek olması durumunda,
detay testlerinin uygulanmasında %100 inceleme yapıl-
İ Detay testleri uygulanırken, örnekleme biriminin ması veya geniş bir örneklem büyüklüğünün kullanıl-
anakitleyi oluşturan her bir parasal birim olarak belir- ması uygun olabilir.
lenmesi daha etkin olabilir. Denetçi, anakitle içinden İstatistiki veya istatistiki olmayan bir yaklaşım se-
M (örneğin, alacak hesapları bakiyesi) belirli parasal bi-
rimleri seçtikten sonra, bu parasal birimleri içeren be-
çilip seçilmediğine bakılmaksızın benzer şartlar al-
tında Tablo 4’de belirtilenler gibi faktörlerin örneklem
A lirli kalemleri (örneğin, her bir alacak hesabı bakiyesi) büyüklüğü üzerindeki etkisi de benzer olacaktır.

K Tablo 4. Örneklem Büyüklüğünü Etkileyen Faktörler

A
L
E

60 VERGİ DÜNYASI, YIL 38, SAYI 448, ARALIK 2018


4.2. Örneklem Seçimi (Test Edilecek Kalemlerin
Seçilmesi)
Ayrı ayrı incelenecek kalemlerin belirlenmesidir.
Denetçi örnekleme riskini kabul edilebilir düşük bir
düzeye indirmeye yetecek bir örneklem büyüklüğüne
karar verdikten sonra örneklemde yer alacak kalem-
leri, anakitledeki her bir örnekleme biriminin seçilme
şansı olacak şekilde seçer. (BDS 530, para.8)
Örnekleme birimleri; fiziki kalemler (örneğin
banka hesabı fişlerine ekli çekler, banka hesap ekstre-
lerindeki alacak kayıtları, satış faturaları veya borçlu-
ların bakiyeleri) veya parasal birimler olabilir.
Örneklemenin amacı, örneklemin seçildiği anakitle
hakkında sonuca varmak için makul bir dayanak oluş-
turmak olduğundan; denetçinin tarafsız bir şekilde,
anakitlenin tipik özelliklerini taşıyan kalemlerden olu-
şan ve anakitleyi temsil eden bir örneklem seçmesi
önemlidir.
En uygun şekilde belirlenen bir örneklem büyüklü-
ğünün örnekleme riskini en aza indirdiği ve denetimin
verimliliğini artırdığı kabul edilmektedir. BDS 530 ör-
neklem seçiminde kullanılabilecek birçok yöntem ol-
duğunu kabul etmekle birlikte, denetim örneklemesine
ilişkin aşağıdaki beş temel yöntemi saymıştır:
H
A
K
E
M
L
İ
4.2.1. Rastgele/Tesadüfi (Random) Seçim
Bu seçim yöntemi, tesadüfi sayı tabloları veya te- M
sadüfi sayı üreteçleri kullanılarak, anakitledeki tüm
kalemlerin eşit seçilebilme şansı olmasını sağlayan A
istatistiki bir örnekleme yöntemidir. K
İstatistiki örneklemenin en önemli özelliklerinden
biri, anakitledeki her bir kalemin eşit veya belirlene- A
bilir seçilebilme olasılığının olmasıdır. Tüm kalem-
lere seçilme şansı vermek için tesadüfi sayı tablolarını L
kullanarak her bir örneklem kalemini seçebiliriz. Bu
şekilde seçilen örnekler istatistiki olarak değerlendi-
E
rilebilirler.
4.2.2. Sistematik (Systematic) Seçim
Bu yöntemde, anakitledeki örnekleme birimi sayısı
bir örneklem aralığı (örneğin 50) oluşturmak için ör-
neklem büyüklüğüne bölünür. Örnekleme için başlan-
gıç sayısı rastgele belirlenebilir. BDS 530 başlangıç
noktasının bilgisayarlı tesadüfi sayı üreteci veya tesa-
düfi sayı tabloları kullanılarak belirlenmesi duru-
munda, örneklemin “tamamen” rastgele belirlenme
ihtimalinin daha yüksek olduğunu kabul etmektedir.
Rastgele örnekleme seçimi çok zaman alabilir; bu
nedenle sistematik örnekleme yöntemi bir alternatif
olarak sıklıkla kullanılmaktadır. Bu yöntem rastgele
VERGİ DÜNYASI, YIL 38, SAYI 448, ARALIK 2018 61
 bir başlangıç noktasından başlayarak belirli aralıklarda
tekrarlayan kalemlerin seçimini sağlar.
Örneğin bir işletmenin 31 Aralık 2017 tarihinde
sona eren dönemde yaptığı satışlarla ilgili maddi doğ-
rulama testi yaptığımızı varsayalım. Satış işlemini baş-
latan esas belgenin sevk irsaliyesi olduğunu ve 31
Aralık 2017 tarihinde sona eren yılda düzenlenen ilk
sevk irsaliyesi numarasının 10000, sonuncusunun da
15000 olduğunu kabul edelim. Tesadüfi sayı üretecinin
başlangıç sayısı olarak 38 sayısını verdiğini varsayar-
sak, bu durumda 10038 (10000 + 38) numaralı sevk
irsaliyesinden başlanıp, örnek sayısı 50’ye ulaşana
kadar her 100’üncü sevk irsaliyesi örnek olarak seçi-
H lecektir.
A Başka bir örnek vermek gerekirse; 10.000 kalemin
olduğu bir anakitleden %1 seçmek istersek, her 100
K kalemden 1’ini seçmeliyiz. İlk seçimimiz 0 ile 100 ara-
sından rastgele bir numara olmalıdır, örneğin 33 nu-
E mara diyelim. Seri numaralı faturalar dizisinden seçim
yapıyorsak, önce 33 numarayı, sonra 133, 233 ve bu
M şekilde devam eden numaraları seçeriz. Bu yöntem
L istatistiki olarak da rastgele örnekleme olarak da ge-
çerli bir örneklem oluşturur. Bütün kalemler rastgele
İ başlama noktasına bağlı olarak seçildiğinden, bu şe-
kilde bir başlangıç, tüm kalemlerin tarafsız seçilmesini
sağlar.
M Bununla birlikte, sistematik örnekleme kullanılır-
ken dikkat edilmesi gereken tek bir husus vardır. Eğer
A anakitle, örneklemdeki aynı aralıkla tekrarlayan bir
veri modeli içeriyorsa, örneklem istatistiki olarak
K halen geçerli olmakla birlikte, pratik olarak bir anlam
A ifade etmeyebilir. Örneğin, 100 satıcının seyahat har-
camaları veya yollukları hep aynı sırayla kaydedil-
L mişse, her 100’üncü kalemin örneklem için seçilmesi
halinde her seferinde aynı satıcı seçilmiş olacaktır.
E 4.2.3. Parasal Birim Örneklemesi (Monetary
Unit Sampling)
Değer ağırlıklı bir seçim yöntemi olan parasal
birim örneklemesinde; örneklem büyüklüğü, seçimi ve
değerlendirmesi parasal tutarlar üzerinden yapılmak-
tadır. Parasal birim örneklemesinin amacı finansal tab-
loların doğruluğunun belirlenmesidir. Bu yönteme
ilişkin örneklem tasarımı ve seçilmesine ilişkin ayrın-
tılı bilgi takip eden ayrı bir bölümde verilmiştir.
4.2.4. Gelişigüzel (Haphazard) Seçim
İstatistiki bir yöntem olmayıp, bu yöntemde denetçi,
örneklemi yapılandırılmış bir teknik izlemeksizin seçer.
Herhangi bir yapılandırılmış teknik kullanılmamasına
rağmen, denetçi kasti bir taraflılık veya öngörülebilir-
62 VERGİ DÜNYASI, YIL 38, SAYI 448, ARALIK 2018
likten (örneğin, ulaşılması zor kalemleri seçmekten ka-
çınma veya her zaman bir sayfadaki ilk veya son ka-
yıtları seçme veya bunu yapmaktan kaçınma gibi
şeylerden) sakınır ve dolayısıyla anakitledeki tüm ka-
lemlerin seçilebilme şansı olmasını sağlamaya çalışır.
İstatistiki örneklemenin kullanılması durumunda geli-
şigüzel seçim uygun değildir.
4.2.5. Blok (Block) Seçim
Bu yöntem anakitlede art arda gelen kalemlerden
oluşan bloklar arasından seçim yapılmasını içerir.
Çoğu anakitle, art arda gelen kalemlerin, birbirleriyle
benzer ancak anakitlenin diğer kalemlerinden farklı
özellikler taşıyacak şekilde yapılandırıldığı için, dene-
tim örneklemesinde genellikle blok seçim yöntemi
kullanılmaz. Bazı durumlarda bir blok kalemin ince-
lenmesi uygun bir denetim prosedürü olabilir, ancak
denetçi örnekleme dayanarak anakitlenin tamamı için
geçerli çıkarımlar yapmak istiyorsa, blok seçim nadi-
ren uygun bir yöntem olacaktır.
Örneğin denetçinin, çeklerin yetkili kişiler tarafın-
dan imzalanıp imzalanmadığını test etmek amacıyla,
tüm yıl boyunca düzenlenen çekler arasından örnek-
lem seçmesi yerine, birbirini izleyen 50 adet çeki se-
çerek örneklem oluşturması gibi.
4.3. Denetim Prosedürlerinin Uygulanması
Seçilen kalemlerin ayrı ayrı incelenmesidir. De-
netçi seçilen her bir kaleme, ilgili amaca uygun olan
denetim prosedürlerini uygular. Denetim prosedürü-
nün seçilen kaleme uygulanamaması durumunda de-
netçi, prosedürü bu kalemin yerini alan başka bir
kalem üzerinde uygulayabilir. Bu duruma örnek ola-
rak, ödemeye yetkili kişilerce onay verilip verilmedi-
ğine ilişkin bir kanıt test edilirken iptal edilmiş bir
çekin seçilmesi gösterilebilir. Denetçi, çekin herhangi
bir sapma oluşturmayacak şekilde gerektiği gibi iptal
edildiği konusunda ikna olursa, seçilen kalemin yerini
alacak uygun bir biçimde belirlediği başka bir kalemi
inceleyebilir.
Denetçinin tasarlanmış denetim prosedürlerini
veya uygun olan alternatif prosedürleri seçilen bir
kalem üzerinde uygulayamaması durumunda, söz ko-
nusu kalem, kontrol testleri açısından, öngörülen kont-
rolden bir sapma, detay testleri açısından ise bir
yanlışlık olarak kabul edilir. Denetçinin tasarlanmış
denetim prosedürlerini seçilen bir kaleme uygulaya-
mayacağı duruma örnek olarak, söz konusu kalemle
ilgili belgelerin kaybolması gösterilebilir.
Uygun alternatif prosedüre örnek olarak, olumlu
bir teyit talebine yanıt alınamaması durumunda, (kay-
naklarına ilişkin kanıtlarla birlikte) daha sonra yapılan
tahsilatların ve bu tahsilatlarla kapatılması istenen ka-
lemlerin incelenmesi gösterilebilir.
4.4. Örneklem Sonuçlarının Değerlendirilmesi
Denetçi; örneklemenin, test edilen anakitle hak-
kında bir sonuca varmak için makul bir dayanak sağ-
layıp sağlamadığını değerlendirdikten sonra, testin
amaçları açısından test edilen anakitleyle ilgili genel
bir sonuca varmalıdır. Denetçi, belirlediği her bir
sapma veya yanlışlığın nitelik ve sebebini araştırır ve
bunların, denetim prosedürünün amacı ve denetimin
diğer alanları üzerindeki muhtemel etkilerini değer-
lendirir.
Denetçi, belirlediği sapma ve yanlışlıkları analiz
ederken, bu sapma ve yanlışlıkların birçoğunun ortak
özelliklere (örneğin işlemin türü, gerçekleştiği yer ve
zaman dilimi, ilgili olduğu ürün grubu gibi) sahip ol-
duğunu gözlemleyebilir. Bu tür durumlarda denetçi,
anakitlede bulunan söz konusu ortak özelliğe sahip
tüm kalemleri belirlemeye ve denetim prosedürlerini
bu kalemleri kapsayacak şekilde genişletmeye karar
verebilir. Ayrıca, bu tür sapma veya yanlışlıklar kasıtlı
olabilir ve hile ihtimaline işaret edebilir.
Denetçinin, örneklemde tespit edilen bir sapma
veya yanlışlığı anomali (aykırılık)9 olarak değerlendir-
diği çok ender durumlarda, söz konusu sapma veya
yanlışlığın anakitleyi temsil etmediğine dair kesinlik
derecesi yüksek bir kanaate sahip olması gerekir. De-
netçi, söz konusu sapma veya yanlışlığın, anakitlenin
geriye kalan kısmını etkilemediği konusunda yeterli
ve uygun denetim kanıtı elde etmek için ilâve denetim
prosedürleri uygulayarak bu tür bir kanaate sahip ola-
bilir.
Denetçi detay testleri için, örneklemde bulduğu yan-
lışlıkları kullanarak anakitlenin geneli için bir öngörüde
(projecting misstatements) bulunur. Diğer bir ifadeyle,
bulduğu yanlışlıkları anakitlenin tamamına genelleme
yapar. Böylece yanlışlığın büyüklüğüne ilişkin genel bir
fikir elde etmiş olur. Ancak bu öngörü, kaydedilecek tu-
tara karar vermek için yeterli olmayabilir.
Yanlışlıkların öngörülmesindeki adımlar aşağıdaki
gibidir:
● Öncelikle her bir birimdeki yanlışlığın yüzdesi
hesaplanır. Örneğin olması gereken doğru tutar 500
TL, bulunan değer 400 TL ise yanlışlık 100 TL’dir.
Bunun yüzdesi ise (100/500) %20’dir.
9 Anomali (Anomaly): Bir anakitlede bulunan yanlışlıkları veya sapmaları açıkça temsil etmeyen bir yanlışlık veya sapmadır.
● Yanlışlık yüzdeleri toplanarak, yüksek ve düşük
gösterme yüzdeleri netleştirilir.
● Bulunan toplam net yanlışlık yüzdesi, örnek
birim sayısına bölünerek, örneklemdeki ortalama yan-
lışlık yüzdesi bulunur.
● Ortalama yanlışlık yüzdesi ile anakitle toplam
parasal tutarı çarpılarak, ana kitledeki öngörülen yan-
lışlık tutarı bulunur.
Kontrol testleri açısından, başlangıçta yapılan de-
ğerlendirmeyi destekleyen ilâve denetim kanıtları elde
edilmedikçe, beklenmeyen şekilde gerçekleşen yüksek
örneklem sapma oranı, değerlendirilmiş “önemli yan-
lışlık” riskini artırabilir. Detay testleri açısından, örnek- H
lemdeki beklenmeyen şekilde gerçekleşen yüksek
yanlışlık tutarı, önemli bir yanlışlık olmadığına ilişkin A
ilâve denetim kanıtları mevcut olmadığında, denetçinin
bir işlem sınıfı veya hesap bakiyesine ilişkin önemli bir K
yanlışlık olduğu kanaatine varmasına yol açabilir. E
Detay testleri sırasında, öngörülen yanlışlığın (pro-
jected misstatement) ve varsa anomali yanlışlığın top- M
lamı, denetçinin anakitle için yaptığı en iyi yanlışlık
tahminidir. Öngörülen yanlışlığın ve varsa anomali L
yanlışlığın toplamının kabul edilebilir yanlışlığı aş-
ması durumunda örneklem, test edilen anakitle hak-
İ
kındaki sonuçlar için makul bir dayanak sağlamaz.
Öngörülen yanlışlık ve anomali yanlışlık toplamı
kabul edilebilir yanlışlığa yaklaştıkça, anakitledeki M
fiili yanlışlığın kabul edilebilir yanlışlık düzeyini aşma
ihtimali artar. Ayrıca öngörülen yanlışlığın, denetçinin
A
örneklem büyüklüğünü belirlemek için kullandığı yan- K
lışlık beklentisini aşması durumunda, denetçi anakit-
ledeki fiili yanlışlığın, kabul edilebilir yanlışlığı A
aştığına dair kabul edilemeyecek bir örnekleme riski-
nin mevcut olduğu sonucuna varabilir. Diğer denetim L
prosedürlerinin sonuçlarının dikkate alınması, denet-
çinin anakitledeki fiili yanlışlığın kabul edilebilir yan-
E
lışlığı aşma riskini değerlendirmesine yardımcı olur ve
ilâve denetim kanıtı elde edilmesi durumunda söz ko-
nusu risk azaltılabilir.
Denetim örneklemesinin test edilen anakitle hak-
kındaki sonuçlar açısından makul bir dayanak sağla-
madığı sonucuna varması durumunda denetçi aşağıdaki
işlemleri yapabilir:
● Yönetimden belirlenmiş yanlışlıkları ve daha
fazla yanlışlık olması ihtimalini araştırmasını ve ge-
rekli düzeltmeleri yapmasını talep edebilir.
VERGİ DÜNYASI, YIL 38, SAYI 448, ARALIK 2018 63
 ● Daha sonra uygulayacağı denetim prosedürleri-
nin niteliği, zamanlaması ve kapsamını, gerekli güven-
ceyi en iyi biçimde sağlayacak şekilde uyarlayabilir.
Örneğin, kontrol testleri sırasında, denetçi örneklem
büyüklüğünü artırabilir, alternatif bir kontrolü test ede-
bilir veya ilgili maddi doğrulama prosedürlerini değiş-
tirebilir.
5. BELGELENDİRME
Belgelendirmeye, diğer bir deyişle çalışma kâğıt-
larının hazırlamasına ilişkin denetçinin sorumlulukları
genel olarak BDS 230’da düzenlenmiştir. Bununla bir-
likte, denetimin yürütülmesi sırasında belirlenen yan-
H lışlıkların değerlendirilmesini düzenleyen BDS 450’de
ise bazı özel hükümler yer almıştır. Buna göre denet-
A çinin çalışma kâğıtlarında; altında kalan yanlışlıkların
bariz biçimde önemsiz sayılacağı tutarı, denetim bo-
K yunca bir araya getirilen tüm yanlışlıkları ve bunların
düzeltilip düzeltilmediğini, düzeltilmemiş yanlışlıkla-
E rın, tek başına veya toplu olarak, önemli olup olmadığı
M hakkında vardığı sonucu ve bu sonucun gerekçesini
belirtmesi gerekir.
L Denetçinin, test amaçlarını, anakitlenin belirlenme-
İ sini, örneklem seçimini etkileyen etkenleri ve örnek-
lere uygulanan denetim prosedürlerini çalışma
kâğıtlarında açıklaması ve bunların denetim amaçları
ile ilişkisini belgelendirmesi gerekir. Anakitlenin be-
M lirlenmesinde denetçinin anakitlenin tamlığından nasıl
emin olduğu da açıklanmalıdır. Denetçi ayrıca, test so-
A nuçlarını belgelendirmeli, tespit edilen yanlışlıkların
K niteliği ve parasal tutarı ile söz konusu yanlışlıkların
anakitlenin tamamına nasıl uygulandığını da belgelen-
A dirmelidir.
L Çalışma kâğıtları aynı zamanda, mesleki özen (pro-
fessional due care) ilkesine ve denetim standartlarına
E uygunluk gösterilip gösterilmediğini yansıtır. Bu ne-
denle, çalışma kâğıtları tam ve doğru olmalı; test, göz-
lem ve sonuçları desteklemeli, yapılan işlerin nitelik
ve kapsamını göstermelidir. Çalışma kâğıtlarında ay-
rıca, düzenleme ve gözden geçirme tarihi, düzenleyen
ve gözden geçiren kişinin parafı, inceleme dönemi, in-
celenen işletme ismi gibi hususlar da yer almalıdır.
Her halükarda, uygulanan testlerin niteliğinin
uygun şekilde belgelendirilmesi (ne tür bir testin uy-
gulandığı ve nasıl bir kanıt elde edildiği), test prose-
dürlerinin kapsamı (denetçinin ne kadar ayrıntılı
inceleme yaptığı, kaç test yapıldığı, testlerin hesap
döneminin ne kadarlık kısmını kapsadığı), test pro-
sedürlerinin zamanlaması (testlerin hangi tarihte uy-
gulandığı), testlerden elde edilen sonuç ve diğer
64 VERGİ DÜNYASI, YIL 38, SAYI 448, ARALIK 2018
prosedürler ile denetçinin vardığı genel sonuç (yeterli
güvence elde edilip edilemediği) son derece önemli-
dir ve bu hususlara çalışma kâğıtlarında yer verilmesi
gerekir.
Denetim örneklemesinde çalışma kâğıtlarında yer
alması gereken diğer hususları ise şu şekilde sıralaya-
biliriz: Nelerin test edildiği, örnekleme yaklaşımı, ör-
neğin seçildiği anakitlenin açıklanması, istatistiki
örneklemede önceden belirlenen güven düzeyi ve ke-
sinlik düzeyi, örneklem büyüklüğünün belirlenmesi ve
hesaplanması, örneklem seçim yöntemi, uygulanan
testlerin kaydı, yanlışlık ve sapma oranlarının analizi
ve varılan sonuç.
6. İSTATİSTİKİ GÜVENCE
Finansal tabloların bir miktar tespit edilmemiş yan-
lışlık içerebileceğine ilişkin risk her zaman vardır.
Amaç, finansal tabloların makul bir kesinlik (preci-
sion) derecesi sağladığından, yani tespit edilememiş
önemli bir yanlışlık içermediğinden, makul bir şekilde
emin olmaktır. İstatistiki güvence, güvenirlik (diğer
bir ifadeyle, güven – confidence) ve kesinliğin bir bi-
leşimidir. Bu iki faktör ayrılmaz bir şekilde birbiriyle
ilişkilidir. Örneğin; mal alımlarının olduğundan az
gösterilip gösterilmediğini test etmek için, teslim alı-
nan malları örnekleme yaparak incelediğimizi düşü-
nelim. Daha sonra örneklemin, teslim alınan mallardan
satın alma sistemine yanlış kaydedilenlerin % 1’i geç-
mediğine ilişkin olarak bize % 95 güvenirlik verdiği
değerlendirilebilir. (% 1 kesinlik)
Örneklem büyüklüğü artırılmadan % 1’den daha az
bir kesinlik elde edilmek istenmesi halinde, daha düşük
bir güvenirlik düzeyi kabul etmek gerekir. Böylece, ör-
neğin tahsilat makbuzlarından yanlış kaydedilenlerin
%0,5’i geçmediğine ilişkin olarak aynı örneklem bü-
yüklüğü bize sadece %78 güvenirlik verebilir. Tersine,
kesinlik artırılarak güvenirlik düzeyi artırılabilir; böy-
lece, tahsilat makbuzlarından yanlış kaydedilenlerin
%1,5’i geçmediğine ilişkin olarak aynı örneklem bü-
yüklüğünden %99 güvenirlik elde edilebilir. Bütün bu
örnekler güvenirlik ile kesinlik arasındaki ilişkiyi or-
taya koymakta ve aynı zamanda güvenirlik düzeyini
belirtmeksizin bir örneklemin kesinliğini göstermenin
yanıltıcı olduğunu da göstermektedir.
Pratik açıdan bakıldığında, daha da önemli olan
ilişki, istatistiki güvence derecesi (yani, güvenirlik ve
kesinlik) ile bu güvenceyi elde etmek için inceleme-
miz gereken kalemlerin sayısı arasındaki ilişkidir.
1.000 kalem bulunan bir anakitleden örnek alındığını
varsayalım. Bu kalemlerden 25’i incelendiğinde, ana-
kitlenin tamamı hakkında, yalnızca 3 kalemin incelen-
diği duruma göre, daha fazla güvence elde edileceği
açıktır. Örneklem büyüklüğünün artırılması elde edilen
güvenceyi de arttıracaktır. Yani, daha fazla güvence
elde edilmek isteniyorsa, örneklem büyüklüğünün ar-
tırılıp, daha fazla kalemin incelenmesi gerekmektedir.
6.1. Kesinlik (Precision)
Kesinlik, denetim örneklemesinde hem planlama
aşamasında hem de değerlendirme aşamasında kulla-
nılabilir. İstatistiki bir ifade olan “Kesinlik” ifadesi ye-
rine BDS’ler açısından kesinlik ölçüsü, beklenen
sapma oranı ile kabul edilebilir sapma oranı10 veya
beklenen yanlışlık tutarı ile kabul edilebilir yanlışlık
tutarı arasındaki farktır.
Kesinlik, kabul edilebilir yanlışlık sınırları içinde
kalan ve varsayılan bir tutardır. Bu nedenle beklenen
sapma oranının yüzde sıfır veya beklenen yanlışlık tu-
tarının sıfır olarak belirlenmesi durumunda, kabul edi-
lebilir sapma oranı ve kabul edilebilir yanlışlık, aynı
zamanda kesinlik olarak da adlandırılmaktadır.
Denetçi, kontrol testleri açısından anakitlenin özel-
liklerini değerlendirirken, ilgili kontroller hakkında
elde ettiği bilgilere veya anakitledeki az sayıda kaleme
ilişkin yaptığı incelenmeye dayanarak, beklenen sapma
oranı hakkında bir değerlendirme yapar. Bu değerlen-
dirme, bir denetim örneklemi tasarlamak ve örneklem
büyüklüğüne karar vermek amacıyla yapılır. Örneğin,
beklenen sapma oranının kabul edilemeyecek derecede
yüksek olması durumunda denetçi, genellikle kontrol
testlerini uygulamamaya karar verir. Benzer şekilde de-
netçi, detay testleri açısından, anakitledeki beklenen
yanlışlığa ilişkin bir değerlendirme yapar. Beklenen
yanlışlık oranının yüksek olması durumunda, detay
testlerinin uygulanmasında %100 inceleme yapılması
veya geniş bir örneklem büyüklüğünün kullanılması
uygun olabilir11.
Bir örneklemden sonuç çıkarırken birtakım hata
aralıklarına izin verilmektedir. Örneğin bir pazar araş-
tırmacısı, bir örneklemden belli bir güven düzeyinde
(örneğin% 90), piyasadaki belli bir marka cep telefonu
kullanan kişi sayısının 10 milyon artı veya eksi
250.000 olduğunu, tahmin edebilir. Bu muhtemel hata
aralığı (örnekteki artı veya eksi 250.000 kişi) örnek-
10 Kabul edilebilir sapma oranı (Tolerable rate of deviation): Denetçi tarafından belirlenen, öngörülen iç kontrol prosedürlerinden
sapma oranı olup anakitledeki gerçek sapma oranının denetçi tarafından belirlenen bu sapma oranını aşmayacağına dair uygun bir
güvence düzeyi elde etmek için belirlenir.
11 BDS 530, A7 paragrafı.
12 Finansal tabloların önemli bir yanlışlık içermesine rağmen denetçinin duruma uygun olmayan bir görüş verme riski.
lemin kesinliğidir. Diğer bir deyişle, söz konusu cep
telefonunu kullanan kişi sayısının 9.750.000 ile
10.250.000 arasında olduğundan %90 emin olunduğu
söylenebilir. Hata aralığı, üst ve alt kesinlik limitleri
(verilen örnekte 9.750.000 ve 10.250.000) ile ifade
edilir.
Kesinlik aynı zamanda güven aralığı (confidence
interval) olarak da adlandırılmaktadır. Çünkü kesinlik
artı veya eksi (±) rakam olarak bir aralığı ifade etmek-
tedir. Genellikle örneklem büyüklüğü arttıkça, anakit-
leyi doğru olarak temsil etme derecesi de o ölçüde
artar. Bu, belli bir güven düzeyinde örneklem büyük-
lüğü arttıkça, güven aralığının (kesinlik) daha düşük
olacağını göstermektedir. Ancak söz konusu ilişki doğ- H
rusal değildir. Diğer bir deyişle, örneklem büyüklüğü-
nün iki katına çıkarılması, güven aralığını yarıya
A
indirmez. K
Bir anakitleyi incelemek için istatistiki bir örnek-
leme kullanıldığında, ayrıntılı çalışmaya başlamadan E
önce, bir güven düzeyine ve kesinliğe karar verilmesi
gerekir. Kesinlik, finansal tablo incelemesinde daha
M
tatmin edici olan para cinsinden ifade edilebilir. Bu L
durumda kesinlik, parasal kesinlik (MP- Monetary
İ
Precision) olarak adlandırılır.
6.2. Güven Düzeyi (Confidence Level)
Güven düzeyi ise farklı bir kavram olup nasıl emin
olunabileceğini belirtir. Güven düzeyi kesinlik dere- M
cesini veya önemli yanlışlık olmadığını gösteren gü-
vence derecesini gösterir; aynı zamanda, yüzde olarak A
ifade edilir ve güven aralığı içinde doğru ve gerçek
yüzdenin nasıl yansıtılacağını gösterir. Güven düzeyi
K
denetim riskinin karşıtıdır. A
BDS’ler, bir bütün olarak finansal tabloların hata
veya hile kaynaklı önemli bir yanlışlık içerip içerme- L
diği konusunda denetçinin, vereceği görüşe dayanak
oluşturacak makul bir güvence elde etmesini zorunlu
E
kılmaktadır. Makul güvence ise yüksek bir güvence
düzeyidir, ancak mutlak bir güvence düzeyi değildir.
Denetçi, denetim riskini12 kabul edilebilir düşük bir
düzeye indirecek yeterli ve uygun denetim kanıtı elde
ettiğinde makul güvence sağlamış olacaktır. BDS’lerde
kullanılan “Güvence” ifadesi istatistiki örnekleme lite-
VERGİ DÜNYASI, YIL 38, SAYI 448, ARALIK 2018 65
 ratüründe genellikle “Güvenirlik” veya “Güven Dü-
zeyi” olarak kullanılmaktadır. Risk ise “Güvenirlik” ve
“Güven Düzeyi” ifadelerinin tamamlayıcısıdır. Örne-
ğin denetçi %10’luk bir denetim riskini kabul ediyorsa,
güven düzeyi %90 olarak belirlenmiş demektir.
İstenilen güvenirlik düzeyi yüzde olarak ifade edi-
lir. Güvenirlik düzeyi, anakitledeki hataların kesinlik
sınırlarını aşmadığı minimum matematiksel olasılığı
gösterir. İstatistiki olarak, verilen bir güvenirlik yüz-
desini elde etmek amacıyla örneklemde ihtiyaç duyu-
lan kalem sayısı, oran %100 e yaklaştıkça önemli
ölçüde artacaktır. Diğer bir deyişle, seçilecek bir gü-
venirlik düzeyi örneklem büyüklüğünü etkileyecektir.
H Güvenirlik düzeyi arttıkça örneklem büyüklüğü de ar-
tacaktır.
A İstenilen güvenirliği elde etmek için, örneklemdeki
K gerekli kalem sayısına dönüştürülmesine ise G-faktörü
(güvenirlik faktörü) imkân sağlar. Dolayısıyla G-fak-
E törü denetçinin testten elde etmeyi istediği güvence dü-
zeyiyle ilişkilidir. Bu durum Grafik 1’de gösterilmiştir.
M Bir maddi doğrulama prosedürü tasarlanırken, risk
L azaltma yaklaşımında genellikle “Düşük”, “Orta” ve
“Yüksek” olmak üzere üç düzey kullanmaktadır. Bu
İ
Grafik 1. Güvence Düzeyi ve G–Faktörü İlişkisi
M
A
K
A
L
E
13 Larry F. Konrath. Auditing Concepts and Applications, West Publishing Co., USA, 1996, s.457.
66 VERGİ DÜNYASI, YIL 38, SAYI 448, ARALIK 2018
düzeyler arasındaki farklar, örneklem büyüklüğünün
belirlenmesinde gerekli olan G-faktörünü etkilemek-
tedir. Dolayısıyla G-faktörünün düzeyi de, örneklem
büyüklüğünü doğrudan etkilemektedir. G-faktörü yük-
seldikçe, örneklem büyüklüğü artmakta ve daha düşük
risk oluşmakta; G-faktörü azaltıldıkça, örneklem bü-
yüklüğü azalmakta ve daha yüksek risk alınmaktadır.
G-faktörü, sıfır beklenen hata varsayımıyla belirli
bir yanlış kabul etme riski için Poisson dağılım tablo-
sundan elde edilen sabittir. Örneğin, beklenen hata tu-
tarının sıfır olduğu varsayımı altında yanlış kabul etme
riskinin (bir eksi istenilen güven düzeyidir) yüzde beş
olarak belirlenmesi durumunda güven katsayısı 3, yan-
lış kabul etme riskinin yüzde on olarak belirlenmesi
durumunda 2,3 olur.13
G-faktörü hazır istatistiki tablolardan alınmaktadır.
Beklenen yanlışlığın kabul edilebilir yanlışlığa oran-
larına göre değişen G-faktörlerini gösteren tablolar ol-
duğu gibi bir veya iki hataya göre gösteren tablolar da
vardır. Aşağıdaki tabloda, kabul edilebilir yanlışlık tu-
tarının parasal kesinlik olarak alındığı ve sıfır hata var-
sayımıyla, değişik güven düzeylerine karşılık gelen
G-faktörleri gösterilmiştir:
 Tablo 5. G-Faktörü Tablosu
6.3. Örnekleme riski
Örnekleme riski, denetçinin bir örneklemi temel
alarak vardığı sonucun, aynı denetim prosedürünün
anakitlenin tamamına uygulanması durumunda varı-
lacak sonuçtan farklı olması riskidir. Diğer bir deyişle
örnekleme riski, örneklemin anakitleyi temsil etme-
mesi riskidir. Söz konusu risk örneklem büyüklüğü ile
ters orantılı olarak değişir. Yani, örneklem büyüklüğü
arttıkça örnekleme riski azalır, örneklem büyüklüğü
azaldıkça örnekleme riski artar.
Örnekleme riski; kontrol testleri açısından kontrol
riskinin olduğundan düşük veya yüksek olarak değer-
lendirilme riski; maddi doğrulama testleri açısından
ise test edilen tutarların yanlış olarak kabul edilmesi
veya reddedilmesi riskidir.
BDS 530 örnekleme riskinin iki tür hatalı sonuca
sebep olabileceğini kabul etmektedir:
● Kontrol testi açısından, kontrollerin gerçekte ol-
duğundan daha etkin olduğu sonucuna varılması veya
detay testi açısından, önemli yanlışlık bulunmasına
rağmen bir yanlışlığın bulunmadığı sonucuna varıl-
ması. Bu durum denetimin etkinliğini (effectiveness)
etkileyecek ve büyük ihtimalle yanlış bir denetim gö-
rüşüne varılmasına neden olacağından, denetçi önce-
likli olarak bu tür hatalı sonuçla ilgilenecektir. Bu
durumda, kontrol yapısına yanlış olarak güvenildiği
için, muhtemel hataları araştırmak amacıyla maddi
doğrulama testleri artırılmayacağından, denetim risk
altında bulunabilir.
● Kontrol testi açısından, kontrollerin gerçekte ol-
duğundan daha az etkin olduğu sonucuna varılması
(Bu durumda maddi doğrulama testlerine gerektiğin-
den fazla zaman ve bedel harcanır) veya detay testi
açısından, önemli yanlışlık bulunmamasına rağmen bir
yanlışlığın bulunduğu sonucuna varılması. Bu tür ha-
talı sonuç, genellikle varılan ilk sonuçların hatalı ol-
duğunu tespit etmek için ek çalışmaya neden
olacağından, denetimin verimliliğini (efficiency) etki-
ler.
Örnekleme dışı risk ise; denetçinin, örnekleme ris-
kiyle ilgili olmayan herhangi bir sebepten dolayı hatalı
bir sonuca ulaşması riskidir. Örnekleme dışı riske
örnek olarak, uygun olmayan denetim prosedürlerinin
kullanılması veya denetim kanıtının yanlış yorumlan-
ması ve bir yanlışlık veya sapmanın tespit edileme-
mesi gösterilebilir.
Matematiksel olarak ifade etmek gerekirse denetim H
riski, 1 eksi güven düzeyidir. Örneğin güven düzeyi
%95 ise, denetim riski %5’dir. Diğer bir deyişle, 1-
A
0,95=0,05 veya %5. Pratik anlamda bu, denetçinin %5 K
yanlış olma riskini göze aldığı anlamına gelmektedir.
Ya da güven düzeyi olarak ifade etmek gerekirse, de- E
netçinin %95 doğru olma olasılığını kabul etmesi de-
mektir. M
Kabul edilebilir yanlışlık, beklenen yanlışlık ve ör- L
nekleme riskini kapsamalıdır.
Kabul edilebilir örnekleme riski, kontrol testleri ve İ
işlemlerin maddi doğrulama testleri için yapılan ör-
neklemede, kabul edilebilir “kontrol riskinin çok
düşük değerlendirilme” riskine eşit bir terimdir. De- M
netçinin iç kontrollere ne ölçüde güvendiğini gösteren
denetim risk modelinde, kabul edilebilir örnekleme A
riskine ilişkin olarak denetçinin kararını etkileyecek
ana etken kontrol riskidir. İç kontrollerin etkin olması
K
durumunda, kontrol riski düşürülebilir ki bu denetçinin A
kabul edilebilir örnekleme riskini artırmasına izin
verir, dolayısıyla bu da öngörülen örneklem büyüklü- L
ğünü azaltır. Kontrol riski yanında kabul edilebilir ör-
nekleme riski, kabul edilebilir denetim riskinden E
doğrudan ve yapısal risk ve etkin sonuçlar alınacağı
varsayımıyla hesap bakiyeleri ile ilgili olarak yapılmış
olan diğer maddi doğrulama testlerinden tersine etki-
lenir. Örneğin, kabul edilebilir denetim riski düşürül-
düğünde, kabul edilebilir örnekleme riskinin de
düşürülmesi gerekir. Analitik prosedürler uygulanmış
ve problemli alanlar olduğuna ilişkin bir bulgu elde
edilememişse, test edilen hesaplarda yanlışlık olma ih-
timali düşüktür ve kabul edilebilir örnekleme riski ar-
tırılabilir.
Denetçinin mesleki muhakemesini kullanarak
güven aralığı, güven düzeyi ve örneklem büyüklüğü
arasında bir denge kurması gerekir. Örnekleme, tanımı
gereği, kendisine bağlı riskler taşımaktadır; kabul edi-
VERGİ DÜNYASI, YIL 38, SAYI 448, ARALIK 2018 67
 lebilir risk düzeyi arttıkça, güven düzeyi ve örneklem Tablo 6. Örneklem Büyüklüğünün Belirlenmesi
büyüklüğü azalır.
7. PARASAL BİRİM ÖRNEKLEMESİ (PBÖ)
Detay testlerinin yapılmasında en çok kullanılan
örnekleme yöntemi, “Parasal Birim Örneklemesi”dir.
İstatistiki bir örnekleme yöntemi olan PBÖ, aynı za-
manda değer ağırlıklı bir seçim yöntemidir. Muhase-
beyle ilgili bir anakitledeki her bir parasal birime (her
bir Türk Lirasına) eşit seçilme şansı verilen bu yön-
temde; örneklem büyüklüğü, seçim ve değerlendirme
parasal tutarlar üzerinden yapılmaktadır. Aslında ge-
nellikle ayrı ayrı incelenemeyen her bir parasal bi-
rime bu yöntemde eşit olarak seçilme şansı Tablo 7. Örneklem Tasarımı
H verilmektedir. Ayrıca bu yöntemde, sistematik olarak
A büyük tutarların seçilmesine ağırlık verilmesinin yanı
sıra, her bir parasal değere de eşit seçilme fırsatı ve-
K rilmektedir.
Bu yöntemin diğer klasik denilebilecek istatistiki
E örnekleme yöntemlerine göre en önemli farkı, bir bi-
M rimin seçilme olasılığının (örneğin, bir alacak hesabı
bakiyesi), parasal büyüklüğü ile doğru orantılı olma-
L sıdır.
Rastgele ve Sistematik örneklemeden çıkan sonuç-
İ lar örneklenen kalemlerle ilgilidir. Örneğin, ambar te-
Eğer yüksek tutarlı veya önemli kalemler varsa ve
gerekli görülürse, bunlar anakitleden çıkarıldıktan sonra
sellüm fişi veya harcama hakedişleri ile elde edilecek
örneklem büyüklüğü hesaplanabilir. Burada anakitle top-
sonuç sadece bir takım hakedişlerin göreli kesinlik ve
M lamı (AT) örnekleme yapılacak kalemlerin parasal (ör-
güvenirliğinin sağlanması olacaktır. Finansal tablo-
neğin, tüm mal alımlarının listesi) toplamıdır. Denetçinin
larda daha çok parasal tutarlarla ilgilendiğimiz için,
A uygulanabildiği yerlerde PBÖ daha anlamlı sonuçlar
muhakemesini kullanarak parasal kesinlik (PK) ve
güven düzeyine (GD) karar vermesi gerekir. G-faktörü
K verecektir.
(GF) ise Tablo 5’deki verilerden elde edilir. Anakitlede,
7.1. Örneklem Tasarımı tek başına aralıktan daha büyük kalemler bulunması ha-
A Örneklem yapılacak anakitle belirlenirken para cin- linde, esasen iki örnek aynı kaleme isabet edebileceğin-
L sinden güven aralığının (kesinlik) da belirlenmesi ge-
rekir. Normalde bu parasal kesinlik (PK) olarak
den, gerçek örneklem büyüklüğü daha az olabilir.
7.2. Örneklem Seçimi (Test Edilecek Kalemlerin
E adlandırılır. Ayrıca, istenen güvenirlik (güven) düzeyi Seçilmesi)
(GD) kararlaştırılmalı ve yüzde olarak belirlendikten
Anakitledeki parasal tutarları artan bir şekilde top-
sonra Tablo 5 yardımıyla G-faktörüne dönüştürülme-
ladıktan sonra, aşağıdaki şekilde kalemleri seçerek bir
lidir (Örneğin, %95 güven düzeyi için 3).
parasal birim örneklemini oluştururuz:
Sistematik örnekleme seçiminde kalemleri belli
● Birikmiş parasal toplamın rastgele başlangıç
aralıklarla seçeriz. PBÖ ile de tam olarak bunu yapa-
noktasına eşit olan veya aşan ilk kalemi seçeriz.
rız, ancak aralık tek bir Türk Lirasıdır. Bir PBÖ’de ara-
lık (A), parasal kesinlik (PK) G-faktörüne (GF) ● İkinci kalem, birikmiş parasal toplamın rastgele
bölünerek, Tablo 6’da yer alan formül ile hesaplanır. başlangıç noktası ile aralık (A) toplamına eşit olan
Formülde yer alan iki değer de, bu aşamada denetçi veya bu tutarı aşan kalemdir.
tarafından belirlenmiş değerlerdir. Örneklem büyük- ● Üçüncü kalem, birikmiş parasal toplamın rast-
lüğü (Ö) ise, örnekleme yapılacak parasal kalemler gele başlangıç noktası ile 2 aralık (A) tutarı toplamına
toplamı, yani anakitle toplamı (AT) örnekleme için be- eşit olan veya bu tutarı aşan kalemdir.
lirlenen aralığa (A) bölünerek belirlenir. Burada para- ● Örneklenecek kalemlerin seçimleri bu şekilde
sal kesinlik kabul edilebilir yanlışlık tutarıdır: devam eder.

68 VERGİ DÜNYASI, YIL 38, SAYI 448, ARALIK 2018

 12 kalemlik bir anakitleden kalemlerin nasıl seçi-
leceği, rastgele başlangıç rakamının 123 ve örneklem neklemede örnekleme yapılacak anakitle kalem sayısı
aralığının 1.000 TL olduğu varsayımıyla Tablo 8’de ile belirlenir. Sayısal örnekleme genellikle aynı özel-
gösterilmiştir. liklere sahip anakitledeki kalemlerin belirlenen özel-
Tablo 8. Örneklem Kalemlerinin Seçilmesi
İkinci sütun her bir kalemin değerini (örneğin bunlar
alış faturaları olabilir), üçüncü sütun listenin birikmiş
toplamını, hedef sütunu ise seçilecek hedef değerini
göstermektedir. Birikmiş toplam sütunu hedefi aştığında
o sıradaki kalem seçilir. Seçim yapıldıktan hemen sonra
örneklem aralığı (1.000 TL) hedefe eklenir. Örneklem
aralığından büyük olan 5 nolu kalem, örneğimizde
1.123 TL ve 2.123 TL olarak iki kez hedef seçilmiştir.
Dikkat edilirse, rastgele başlangıç 254’ten büyük ol-
saydı, 5 nolu kalem yalnızca bir kez seçilmiş olacaktı.
Bununla birlikte, örneklem aralığından daha büyük bir
kalem olduğundan, 5 nolu kalem her durumda seçile-
cektir. Bunun gibi, defter değeri örneklem aralığından
daha büyük olan ve örneklem olarak seçilen tüm ana-
kitle kalemlerine Tepe Grup (Top-stratum) kalemi denir.
Tepe grup olmayan diğer tüm kalemler ise Alt Grup
(Lower-stratum) olarak adlandırılır. Son iki sütun ise,
her kalemin değerine oranla seçilme şansını göstermek-
tedir. Sonuç olarak 2, 5, 8, 10 ve 12 nolu kalemler ör-
neklem olarak seçilecektir.
8. SAYISAL ÖRNEKLEME (Numerical Sam-
pling)
KDV beyannameleri gibi parasal olarak ifade edilen
kalemler için mümkün olduğunca PBÖ kullanmalıyız.
Bununla birlikte, örnekleme yaptığımız anakitlenin pa-
rasal tutarlar içermediği durumlarda (örneğin, mal te-
sellüm makbuzları gibi) PBÖ kesinlikle kullanamayız.
Kontrol testleri yapılırken kullanılabilen sayısal ör-
H
A
K
E
M
L
liği taşıyıp taşımadığını ortaya çıkarmak için kullanılır.
Bu nedenle özellik örneklemesi olarak da adlandırıl-
İ
maktadır. Anakitledeki her bir kalemin seçilme şansı
aynıdır. Bu nedenle, denetçiler uygulanan sayısal ör-
neklemenin sonuçlarını ve seçilen kalemlerin incelen- M
mesini sadece hata veya sapma sayısı cinsinden
değerlendirebilirler. Bu istatistiki örnekleme yöntemi, A
asıl amacın hata, sapma veya diğer bir özellik sıklığı-
nın test edildiği (kontrol testleri gibi) denetim prose-
K
dürleri için uygundur. A
Diğer taraftan PBÖ daha çok, olduğundan fazla
gösterme olup olmadığını test etmek amacıyla kulla-
L
nılmasına karşılık, bu örnekleme yöntemi, olduğundan E
az gösterme olup olmadığının test edilmesi ve karşı-
lıklı anakitle (reciprocal population) kullanılması du-
rumunda da kullanılabilir. Bir örneklem yevmiye
kaydının diğer tarafından seçildiği zaman (örneğin,
borçların olduğundan az gösterilip gösterilmediğini
test etmemiz durumunda, mal alımları), bu “karşılıklı
anakitle” olarak adlandırılmaktadır.
Çoğu zaman denetçinin şirketin finansal tablola-
rında kaydedilmemiş işlemleri olup olmadığını araş-
tırması gerekir. Bunu yapmak için karşılıklı anakitle
analizi yapılır. Örneğin, denetçinin şirketin finansal
tablolarında kaydedilmemiş yükümlülükler ve borçlar
olup olmadığını, diğer bir deyişle yükümlülükler ve
borçların olduğundan az gösterilip gösterilmediğini
VERGİ DÜNYASI, YIL 38, SAYI 448, ARALIK 2018 69
 araştırması gerekir. Bu durumda denetçi doğası gereği
kayıtlarda bulunmayan bir şeyi arıyor olacağından, şir-
ketin kayıtlarına bakmasının bir anlamı olmayacaktır.
Bu nedenle, denetçi yıl sonundan sonraki nakit öde-
melerini karşılıklı anakitle olarak kullanarak söz ko-
nusu nakit ödemelerini inceleyebilir. Denetçinin yıl
sonu itibariyle kaydedilmemiş yükümlülükler için
ödeme yapıldığını tespit etmesi durumunda, şirketin
kaydedilmemiş yükümlülüklerinin olabileceğinden
şüphelenmesi gerekir.
Olduğundan az gösterme olup olmadığının test
edilmesi kaynağında (örneğin, mal tesellüm makbuz-
ları gibi) başlar ve finansal tablolardaki son noktasına
H kadar devam eder. Bu durumda, teste mal tesellüm
makbuzları ile başlamamız gerekir. Bunlar yoksa mal
A alım faturalarını test edebiliriz.
K 8.1. Örneklem Tasarımı
Bir sayısal örneklem tasarlanırken aşağıdaki etken-
E lerin göz önünde bulundurulması gerekir:
M ● Örneklenecek anakitle
● İstenen güvenirlik düzeyi
L ● İstenen kesinlik
İ ● Anakitlenin parasal toplamına ilişkin tahminimiz
İlk 3 madde daha önce Parasal Birim Örneklemesi
bölümünde anlatıldığından burada ayrıca değinilme-
M yecektir.
8.2. Anakitlenin Tahmini Parasal Toplamı
A Normal olarak olduğundan az gösterme olup olma-
K dığına ilişkin bir test yaptığımızda, parasal anlamda
toplam anakitleyi bize verecek işletme kayıtlarında
A herhangi bir veri bulunmaması muhtemeldir. Bu ne-
denle tecrübemize ve belirli iş türlerine ilişkin bilgile-
L rimize dayanarak bir tahmin yapmamız gerekir.
E 8.3. Örneklem Aralığının Hesaplanması
Öncelikle anakitlenin test etmek istediğimiz kıs-
mını hesaplamamız gerekir. Bunu yapmak için, karar
verdiğimiz parasal kesinliği (PK) tahmin ettiğimiz top-
lam anakitleye böleriz. Daha sonra, örneklem aralığını
bulmak için söz konusu kısmı anakitledeki toplam
kalem sayısıyla çarpıp sonrasında daha önce yaptığı-
mız gibi G-faktörüne böleriz. Örneklem büyüklüğünü
ise, kalem sayısını aralığa bölerek hesaplayabiliriz.
8.4. Örneklem Seçimi (Test Edilecek Kalemlerin
Seçilmesi)
Sayısal örnekleme, test edilecek kalemlerin seçi-
minde sadece ilgili kalemlerin ya da dosyada bulunan
sevk irsaliyesi ve benzeri belgelerden her birinin dik-
kate alınması nedeniyle, daha az zaman alıcı bir yön-
70 VERGİ DÜNYASI, YIL 38, SAYI 448, ARALIK 2018
temdir. Seçilecek kalemler duruma göre her 100 üncü
veya 200 üncü kalem olacaktır. Bu yöntem aynı za-
manda rastgele bir başlangıç noktasından başlayarak
belirli aralıklarda tekrarlayan kalemlerin seçimini sağ-
layan değer ağırlıklı bir seçim yöntemidir. Örneğin,
anakitle 10.000 kalemden oluşuyor ve örneklem bü-
yüklüğü 50 ise örneklem aralığı 200 olacaktır. Bu du-
rumda rastgele bir başlangıç noktasından başlayarak
her 200 üncü kalemin seçilmesi gerekecektir.
9. SONUÇ
Finansal tablolarda yer alan bir tutarın doğruluğun-
dan emin olmak için en tatmin edici yöntem, onu oluş-
turan tüm kalemlerin tek tek incelenmesi olmakla
birlikte, genellikle incelemeyi yürütmek için ayrılan
zamanın sınırlı olması nedeniyle örnekleme yöntemi
kullanılmaktadır.
Tüm örnekleme birimlerine seçilme şansı sağlaya-
cak şekilde, denetimle ilgili anakitle içindeki kalem-
lerin %100’ünden daha azına denetim prosedürlerinin
uygulanması olarak tanımlanan denetim örneklemesi,
örneklemin seçildiği anakitle hakkında sonuçlara var-
mak için makul bir dayanak oluşturmak amacıyla kul-
lanılmaktadır.
Hem istatistiki hem de istatistiki olmayan örnekleme
yaklaşımlarını kullanırken denetçi; denetim örnekle-
mesini tasarlamalı, seçmeli, denetim prosedürlerini uy-
gulamalı ve denetim amaçlarını sağlamak için yeterli,
güvenilir, ihtiyaca uygun ve yararlı denetim kanıtı elde
etmek amacıyla örneklemden çıkarılan sonuçları değer-
lendirmelidir.
İstatistiki veya istatistiki olmayan örnekleme yak-
laşımları kullanılarak uygulanabilen denetim örnekle-
mesinin kullanımı, denetim kalitesini artırırken,
kaynakların etkin kullanımını sağlamaya da yardımcı
olacaktır.
KAYNAKÇA
- AICPA. Audit Sampling Guide, American Insti-
tute of Certified Public Accountants, New York, NY,
2008.
- AICPA. AU-C Section 530 Audit Sampling,
SAS No. 122, American Institute of Certified Public
Accountants, 2012.
- AICPA. Audit Guide: Audit Sampling, Ameri-
can Institute of Certified Public Accountants, New
York, NY, March 1, 2014.
- Christensen, Brant E., Elder, Randal J. ve Glover,
Steven M. “Insights into Large Audit Firm Sampling
Policies”, Current Issues in Auditing, American Ac-
counting Association, Volume 9, Issue 2, ss: 7-18, July
2015.
- Dunn, John. Auditing: Theory & Practice, Sec-
ond Edition, Prentice Hall, 1996.
- Elder, Randal J., Akresh, Abraham D., Glover,
Steven M., Higgs, Julia L. ve Liljegren, Jonathan.
“Audit Sampling Research: A Synthesis and Implica-
tions for Future Research”, Auditing: A Journal of
Practice & Theory, Vol. 32, No. Supplement 1, ss.
99-129, January 2013.
- Gilbertson, David L., Herron, Terri L. “Audit
Sampling Methods and Juror Negligence Awards: An
Expectation Gap?”, The Journal of Applied Business
Research, Vol 19, No. 1, ss.109-121, 2003.
- IAASB (International Auditing and Assurance
Standards Board). International Standard on Audit-
ing 530, Audit Sampling, 2009.
- IAASB (International Auditing and Assurance
Standards Board). Handbook of International Qual-
ity Control, Auditing, Review, Other Assurance,
and Related Services Pronouncements, 2016-2017
Edition, Volume I, New York, NY, December 2016.
- ICAS. Bağımsız Denetim Eğitim Materyalleri,
Institute of Chartered Accountants of Scotland, Edin-
burgh, 2002.
- KGK (Kamu Gözetimi Muhasebe ve Denetim
Standartları Kurumu). Bağımsız Denetimde Örnek-
leme (BDS 530), Resmi Gazete, Sayı: 28890, 22 Ocak
2014.
- KGK (Kamu Gözetimi Muhasebe ve Denetim
Standartları Kurumu). Türkiye Denetim Standartları
(Kalite Kontrol Standardı, Bağımsız Denetim Stan-
dartları), Kamu Gözetimi Kurumu Uzmanları Der-
neği, Ankara, 2015.
- KGK (Kamu Gözetimi Muhasebe ve Denetim H
Standartları Kurumu). Bağımsız Denetim Kanıtları
(BDS 500), Resmi Gazete, Sayı: 30269, 13 Aralık 2017. A
- Konrath, Larry F. Auditing Concepts and App-
lications, West Publishing Co., USA, 1996.
K
- Swearingen, James G., Hansen, Don R. “Statisti- E
cal and Non-Statistical Samples: Some Empirical Ev-
idence”, The Journal of Applied Business Research, M
Vol. 6, No. 4, ss.49-58, 1990. L
- Walters, Diane ve Dunn, John. Student’s Manuel
of Auditing, Sixth Edition, Thomson Learning, 2001. İ
M
A
K
A
L
E
VERGİ DÜNYASI, YIL 38, SAYI 448, ARALIK 2018 71