Lei de Benford : uma Integração no Trabalho de Auditoria

Detalhes bibliográficos
Autor(a) principal: Ramos, Paulo César Roxo
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: https://repositorio.unb.br/handle/10482/42313
Resumo: Dissertação (mestrado)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Ciências Econômicas, 2021.
id UNB_c7a67f182cfc869837b52917220137d8
oai_identifier_str oai:repositorio.unb.br:10482/42313
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Lei de Benford : uma Integração no Trabalho de AuditoriaBenfordEstatísticaInteligência artificialDetecção de FraudeEleiçõesProcessos NaturaisDissertação (mestrado)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Ciências Econômicas, 2021.Com a evolução da ciência e tecnologia novas formas para a detecção de fraudes contábeis foram concebidas. A Lei de Newcomb-Benford (LNB) ou simplesmente Lei de Benford, mostra-se uma ferramenta simples e eficaz e pode ser adotada para identificação de fraudes contábeis, através da comparação da frequência dos primeiros dígitos em relação a um padrão estabelecido empiricamente por Benford. Com a utilização de metodologias de Inteligência Artificial (IA) e mecanismos de aprendizado de máquinas, pode-se desenvolver ferramentas adaptativas para diferentes tipos de fraudes. Esse estudo busca validar a aplicação da lei de Benford por meio de redes neurais artificiais e fornecer subsídios para o trabalho de auditores fiscais, de modo que possa contribuir não apenas para a redução de fraudes e uma maior agilidade na sua detecção, mas também, para aumentar a confiabilidade e transparência dos dados disponibilizados ao mercado e a sociedade, propiciando também maior fidedignidade às análises econômicas. Esse trabalho desenvolveu um modelo que faz análise estatística dos dados fornecidos pelo Tribunal Superior Eleitoral e empregou o modelo para analisar os dados das últimas eleições no Brasil. Os achados da pesquisa sugerem, de modo geral, que as distribuições encontradas em 2016 e 2020 seguem a Lei de Benford, enquanto em 2014 e 2018 as análises sugerem inconformidades.With the evolution of science and technology, new ways to detect accounting fraud were conceived. The Newcomb-Benford Law (LNB),or simply Benford's Law, proves to be a simple and effective tool and can be adapted to identify accounting fraud by comparing the frequency of the first digits against a standard established empirically by Benford. Using artificial intelligence methodologies and machine learning mechanisms adaptive tools canbe developed, for different types of fraud. This study seeks to validate the application of Benford'sLaw through artificial neural networks and to provide subsidies for the work of tax auditors, so thatit can contribute not only to reducing fraud and greater agility in its detection but also, to increasethe reliability and transparency of the data made available to the market and society, also providing greater reliability to economic analyzes. This work developed a modelthat makes statistical analysis of the data provided by the Superior Electoral Court and used the model to analyze the data from the last elections in Brazil. The research findings generally suggest that the distributions found in 2016 and 2020 follow Benford's Law, while in 2014 and 2018, the analyzes suggest non- conformities.Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE)Departamento de Economia (FACE ECO)Programa de Pós-Graduação em EconomiaEllery Junior, Roberto de GoesRamos, Paulo César Roxo2021-11-04T20:47:29Z2021-11-04T20:47:29Z2021-10-042021-06-15info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfRAMOS, Paulo César Roxo. Lei de Benford: uma Integração no Trabalho de Auditoria. 2021. 89 f., il. Dissertação (Mestrado em Economia)—Universidade de Brasília, Brasília, 2021.https://repositorio.unb.br/handle/10482/42313A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2023-11-24T20:47:07Zoai:repositorio.unb.br:10482/42313Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2023-11-24T20:47:07Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Lei de Benford : uma Integração no Trabalho de Auditoria
title Lei de Benford : uma Integração no Trabalho de Auditoria
spellingShingle Lei de Benford : uma Integração no Trabalho de Auditoria
Ramos, Paulo César Roxo
Benford
Estatística
Inteligência artificial
Detecção de Fraude
Eleições
Processos Naturais
title_short Lei de Benford : uma Integração no Trabalho de Auditoria
title_full Lei de Benford : uma Integração no Trabalho de Auditoria
title_fullStr Lei de Benford : uma Integração no Trabalho de Auditoria
title_full_unstemmed Lei de Benford : uma Integração no Trabalho de Auditoria
title_sort Lei de Benford : uma Integração no Trabalho de Auditoria
author Ramos, Paulo César Roxo
author_facet Ramos, Paulo César Roxo
author_role author
dc.contributor.none.fl_str_mv Ellery Junior, Roberto de Goes
dc.contributor.author.fl_str_mv Ramos, Paulo César Roxo
dc.subject.por.fl_str_mv Benford
Estatística
Inteligência artificial
Detecção de Fraude
Eleições
Processos Naturais
topic Benford
Estatística
Inteligência artificial
Detecção de Fraude
Eleições
Processos Naturais
description Dissertação (mestrado)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Ciências Econômicas, 2021.
publishDate 2021
dc.date.none.fl_str_mv 2021-11-04T20:47:29Z
2021-11-04T20:47:29Z
2021-10-04
2021-06-15
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv RAMOS, Paulo César Roxo. Lei de Benford: uma Integração no Trabalho de Auditoria. 2021. 89 f., il. Dissertação (Mestrado em Economia)—Universidade de Brasília, Brasília, 2021.
https://repositorio.unb.br/handle/10482/42313
identifier_str_mv RAMOS, Paulo César Roxo. Lei de Benford: uma Integração no Trabalho de Auditoria. 2021. 89 f., il. Dissertação (Mestrado em Economia)—Universidade de Brasília, Brasília, 2021.
url https://repositorio.unb.br/handle/10482/42313
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1814508365034815488

Registros relacionados