L’Ispettorato Generale per i Rapporti Finanziari con l’Unione Europea

Slides:



Advertisements
Presentazioni simili
Comitato di sorveglianza POR FSE FIRENZE 8 maggio 2015 Settore AUDIT - Autorità di Audit POR FSE.
Advertisements

2a + 10b abx2 3a + 1 y 2 a + 1 x + 2y a − Espressioni algebriche
VETTORI: DEFINIZIONI Se ad una grandezza fisica G si associa una direzione ed un verso si parla di vettori: ✔ Le grandezze fisiche possono essere di due.
LA STATISTICA. Cenni storici ● In Egitto: si rilevava l'ammontare della popolazione e i vari beni ai fini fiscali; si tenevano elenchi delle famiglie.
I Polinomi Prof.ssa A.Comis.
L’avvio della valutazione del sistema educativo di istruzione, secondo il procedimento previsto dall’art. 6 del D.P.R. n. 80/2013, costituisce un passo.
Indici di Posizione Giulio Vidotto Raffaele Cioffi.
1 Simulazione Numerica dei Fenomeni di Trasporto Necessità di introduzione dei tensori  11  12  13  23  21  22 Vogliamo descrivere in un modo che.
PROPORZIONI, RAPPORTI, CALCOLI PERCENTUALI Prof.ssa CONCETTA MALORGIO Corso di Economia Aziendale.
CONTROLLO DELLA CONCORRENZA
La spesa di personale nei documenti di finanza pubblica.
Distribuzioni limite La distribuzione normale
Precorso di Statistica per le Lauree Magistrali
Valutazione dell’incertezza associata alla mappa acustica dinamica di Milano Giovanni Zambon; Roberto Benocci; Maura Smiraglia; H. Eduardo Roman.
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning C
RICHIAMI DI INFERENZA:
Comitato di sorveglianza POR FSE
Misure dei valori centrali
Le molecole.
Formule chimiche e composizione percentuale
Le successioni Un caso particolare di funzioni: le successioni
1 Grandezze e unità 1.1 grandezza
STATISTICA Statistica : scienza che ha come fine lo studio quantitativo e qualitativo di un “collettivo”. L’etimologia della parola pare derivi dal vocabolo.
L’analisi monovariata
nella Regione Autonoma Friuli Venezia Giulia
Misure Meccaniche e Termiche - Università di Cassino
Programma Operazioni Straordinarie 1.0
IL SISTEMA DI VALUTAZIONE DELLA PERFORMANCE della PROVINCIA DI PAVIA
DISTRIBUZIONI TEORICHE DI PROBABILITA’
(7x + 8x2 + 2) : (2x + 3) 8x2 + 7x + 2 2x + 3 8x2 + 7x + 2 2x + 3 4x
PIANIFICAZIONE DEI TRASPORTI Regressione lineare
Precorso di Statistica per le Lauree Magistrali
Controllo statistico e certificazione di bilancio
APPUNTI DI STATISTICA INFERENZIALE
Intervalli di Fiducia Introduzione Intervalli di fiducia per la media – Caso varianza nota Intervalli di fiducia per la media – Caso varianza non nota.
I calcoli finanziari: l’interesse
IL CAMPIONAMENTO NELLA
Modello con due paesi, N beni
La Statistica Istituto Comprensivo “ M. G. Cutuli”
Protezione nominale e protezione effettiva
Gli strumenti Gli strumenti di misura possono essere:
I MONOMI.
Statistica descrittiva bivariata
L’analisi monovariata
I 7 strumenti della qualità
Esercitazione 1 Economia Politica, Terracina
L’indagine statistica
Statistica Scienza che studia i fenomeni collettivi.
Codicfiche Interi Complemento alla base.
Trasferimenti intergovernativi e perequazione
I numeri relativi DEFINIZIONE. Si dicono numeri relativi tutti i numeri interi, razionali e irrazionali dotati di segno (positivo o negativo). ESEMPI Numeri.
32 = 9 x2 = 9 x = 3 32 = 9 √9 = 3 L’estrazione di radice
Intervalli di confidenza
PROCEDURA per la misura e la relativa stima
ANALISI DI REGRESSIONE
LE SUCCESSIONI Si consideri la seguente sequenza di numeri:
Comitato di sorveglianza POR FSE
Esercizio La popolazione di adulti presenta una media di ansia pari a 4. Ad un campione di 35 soggetti con disturbo ossessivo compulsivo è stato somministrato.
RICHIAMI DI INFERENZA:
Geometria descrittiva dinamica
RICHIAMI DI INFERENZA:
Università degli Studi di Parma
Corso di Analisi Statistica per le Imprese
Le strutture organizzative del
Precorso di Statistica per le Lauree Magistrali
Test per campioni indipendenti
Frequenza a) Compilare una tabella classificando i compagni di classe secondo lo sport che preferiscono b) Compilare una tabella classificando i compagni.
Corso di Analisi Statistica per le Imprese
Statistica descrittiva bivariata
EserciZI di Statistica
Transcript della presentazione:

L’Ispettorato Generale per i Rapporti Finanziari con l’Unione Europea Approfondimenti sul campionamento delle operazioni 2007-2013

Agenda Documenti IGRUE Focus sul campionamento 2007-2013

Documenti dell’IGRUE sul campionamento Linee guida sui sistemi di gestione e controllo per la Programmazione 2007 – 2013. Metodologie per l’individuazione di un piano di campionamento adeguato (nota del Mef n° 134347 del 17/11/2008). Campionamento da piccole popolazioni (Orientamenti per la metodologia di campionamento per piccole popolazioni di progetti, nota n° 45090 del 17 maggio 2010)

Campionamento per popolazioni < 200 Scelta del piano di campionamento: Metodologia di campionamento, Scelta delle unità campionarie ed Estrazione. Metodologia: Sono state individuate diverse opzioni percorribili la cui scelta dipende dalle caratteristiche della popolazione oggetto dello studio. Unità campionarie: la scelta è fra unita monetaria e operazione. Estrazione: all’interno di tali metodologie si possono scegliere differenti opzioni (Casuale semplice, Sistematica, ecc.). Elaborazione ed analisi dei dati. Riguardo a tale sezione, il documento fornisce i seguenti elementi: Come proiettare il tasso di errore, riscontrato nel campione, all’intera popolazione; Quando eseguire un controllo supplementare. Popolazioni di operazioni particolari : Ingegneria finanziaria; Anticipi; Omogeneità della spesa ( tutte le operazioni > 2%). Esempi pratici. Poisson corretto. Scelta Ragionata Percentuale Fissa Conclusioni

Campionamento per popolazioni < 200 Scelta dell’unità statistica

Campionamento per popolazioni < 200

Focus sugli elementi fondamentali del campionamento statistico ( esempio MUS): Stratificazione. Calcolo del tasso di errore; Verifica dei risultati : calcolo dell’UML

Programma Operativo Obiettivo Convergenza Esempio MUS Immaginiamo di dover estrarre un campione da una popolazione di 1.000 operazioni appartenenti al Programma Operativo Obiettivo Convergenza della Regione Puglia. La popolazione di riferimento è rappresentata dall’ammontare della spesa certificata nell’anno per il quale si sta conducendo l’audit. Programma Operativo Obiettivo Convergenza Regione: Puglia N. di operazioni: 1.000 Spesa certificata: € 5.047.522.733,06

Elenco operazioni

Ipotizziamo che, a seguito dell’esecuzione dell’audit di sistema, il grado di affidabilità del Sistema di Gestione e Controllo fosse risultato mediamente affidabile. Ipotizziamo, quindi, che il livello di fiducia da applicare sarà, per la tabella seguente, dell’80% cui corrisponde un fattore di fiducia pari a 1,71.

Tabella riassuntiva campionamento MUS ipotizzando zero errori

Di conseguenza la dimensione del campione sarà data da: La dimensione del campione sarà quindi costituita da 85,5 unità monetarie che vengono approssimate a 86.

Una volta individuata la dimensione del campione si procede alla stratificazione della popolazione in funzione della tipologia di macroprocesso . Ipotizziamo che nell’esempio siano presenti solo due tipologie di operazioni: Opere pubbliche e Acquisto beni e servizi a titolarità.

Definiti gli strati e il loro peso economico rispetto alla popolazione – rispettivamente l’11% per il primo strato, relativo all’acquisto di beni e servizi, e l’89% per il secondo strato – si procede all’estrazione degli items mediante un campionamento sistematico in proporzione a tale peso secondo la seguente tabella:

La popolazione dei due strati viene ordinata per dimensione finanziaria e viene calcolata la spesa cumulata. Per ogni strato viene quindi calcolato il “passo di campionamento” k, dato dal rapporto tra la dimensione finanziaria dello strato e il numero di item per ogni strato. Quindi viene estratta una unità monetaria (cui corrisponde un’operazione) ogni k partendo da una prima unità monetaria estratta casualmente e compresa tra 1 e k (indicata con la lettera r). Il peso attribuito ad ogni strato sarà importante anche per determinare il Limite superiore dell’errore.

Passo di campionamento per lo Strato 1

Passo di campionamento per lo Strato 2

1≤r≤k r; r + k; r + 2k; …. r + (n-1)k Quindi sarà necessario fissare, per ogni strato, un numero casuale r, compreso tra 1 e k, che individuerà il primo item estratto e procedere a selezionare le restanti unità campionarie secondo una progressione aritmetica di ragione k fino all’esaurimento del campione. 1≤r≤k   r; r + k; r + 2k; …. r + (n-1)k

Supponiamo di aver estratto, dalla tavola dei numeri casuali, il seguente valore di r: Strato 1 r = 3.045.789 Strato 2 r = 7.210.456

Per il primo strato si calcola la spesa cumulata e si individua il primo valore di spesa cumulata che contenga l’unità 3.045.789 a cui corrisponde l’operazione 517 che entrerà nel campione. Aggiungendo al numero casuale di partenza, 3.045.789 , il passo di campionamento k, 61.115.899,57 otteniamo 64.161.688,57. Tale unità monetaria è contenuta nel valore di spesa cumulata € 64.320.804,14 cui corrisponde l’operazione codificata 782. Si procede allo stesso modo fino all’estrazione di tutte le 9 unità monetarie a completamento del campione relativo al primo strato. Si utilizza quindi lo stesso processo per estrarre anche le 77 unità relative allo Strato 2, ottenendo così il campione di 86 item.

Operazioni estratte dal 1° Strato

Eseguiti i controlli, l’auditor procederà a valutarne i risultati e a proiettare i risultati sulla popolazione. Qualora, dalle verifiche effettuate, non dovessero essere rilevati errori, il controllore concluderà che, ad un livello di fiducia dell’80%, il tasso di errore massimo che può essere rilevato nella popolazione è pari all’errore tollerabile (TM). Qualora, viceversa, l’auditor rilevasse errori nel campione la proiezione dei risultati è più complessa e dovrà essere condotta per ogni singolo strato.

per ogni Strato calcolare: la percentuale di errore: per ogni operazione rapportare il valore monetario dell’errore rilevato al valore monetario della spesa certificata ed esprimere il rapporto in percentuale; l’errore proiettato: per ogni operazione il cui valore è inferiore al passo di campionamento k si applica la percentuale di errore al passo di campionamento k ottenendo l’errore proiettato. Per le operazioni con valore superiore al passo di campionamento k l’errore proiettato è pari all’errore rilevato durante l’audit. La somma di questi valori intermedi costituisce l’errore proiettato sulla popolazione.

Proiezioni dello Strato 1

Proiezioni dello Strato 2

Nel nostro esempio l’errore stimato della popolazione è uguale a € 16 Nel nostro esempio l’errore stimato della popolazione è uguale a € 16.552.705,23 (0,328% ) ed è inferiore al TM di € 101.131.414,80

Considerazioni sull’errore proiettato L’errore che abbiamo esteso alla popolazione è una stima. Pertanto la proiezione di € 16.552.705,23 consiste nella quantificazione più probabile dell’errore . L'errore effettivo, tuttavia, potrebbe essere più grande o più piccolo . Noi siamo interessati, inoltre ad individuare, nella nostra analisi, un’altra grandezza: l’errore massimo possibile (UML = Limite errore superiore). Tale grandezza dipende, dalle dimensioni finanziarie della popolazione, dal livello di confidenza e dai risultati ottenuti nei controlli .

PM = l’errore proiettato Il limite superiore è dato dalla somma delle seguenti tre voci: BP = Precisione di base: è il possibile errore anche con un errore proiettato nullo. Awg = Tolleranza incrementale : è l’incremento massimo possibile per ogni errore trovato nel campione PM = l’errore proiettato

Valutazione dei risultati per lo strato 1, calcolo BP Ricordando che per lo Strato 1 il passo di campionamento k è di 61.115.899,57 e che il peso di tale strato equivale all’11 % .La precisione di base sarà data da:   BP = RF x k x S1% = 1,71 x 61.115.899,57 x11%= 11.495.900,71

Calcolo della Tolleranza incrementale Tolleranza = (RF(n+1) – RF(n) -1) x errore proiettato Esempio: 1 errore con LC =80% (3 – 1,6 )-1) *305.579,50 = 122.231,80 Nella seguente tabella viene riportato il calcolo della tolleranza incrementale per lo Strato 1.

Tabella Tolleranza Strato 1

Valutazione dei risultati per lo strato 2, calcolo BP Allo stesso modo si procede al calcolo della precisione di base e della tolleranza per lo Strato 2, in questo caso il peso è uguale all’89%   BP = RF x k x S2%= 1,71 x 58.408.826,45 x89%= 88.892.392,98 Nella seguente tabella viene riportato il calcolo della tolleranza per lo Strato 2.

Tabella Tolleranza Strato 2

Una volta calcolata la precisione di base e la tolleranza incrementale per i due strati si procede a calcolare il limite superiore dell’errore (UML) sommando l’errore proiettato, la precisione di base e la tolleranza ottenuta nei due strati:

Valutazioni finali Nell’esempio esplicativo il risultato della valutazione porta a un limite superiore dell’errore (€122.728.935,15) maggiore della soglia di rilevanza del 2% (€ 101.131.414,80). Da cui il controllore può desumere, con un livello di affidabilità dell’80%, che l’errore totale della popolazione sarà inferiore ad € 122.728.935,15 .

Campione nel caso si preveda un errore pari al 10% del TM In questo caso il campione è di 136 unità.

Grazie per l’attenzione Filippo Cangemi Ministero dell'Economia e delle Finanze DIPARTIMENTO DELLA RAGIONERIA GENERALE DELLO STATO IGRUE UFFICIO XII Via XX settembre, 97 00187 ROMA TEL 0647610242 FAX 0647610035 filippo.cangemi@tesoro.it