CI203

Técnicas de muestreo
avanzadas de IDEA

IDEA 9
Guía de formación complementaria
Copyright © 2015 CaseWare International Inc.

Todos los derechos reservados. Este manual y sus archivos de datos son propiedad
registrada y poseen todos los derechos reservados. Está prohibida la reproducción,
emisión, transcripción, almacenamiento en un sistema para su recuperación posterior o
traducción a cualquier idioma, de cualquier parte de esta publicación, bajo ningún
concepto, sin el permiso de CaseWare IDEA Inc.

IDEA es una marca registrada de CaseWare International Inc.

CaseWare IDEA Inc.

469 King Street West, 2nd Floor
Toronto, Ontario
M5V 1K4

CI203 Técnicas de muestreo avanzadas de IDEA

Versión: CI203_A4_9.2.0_01
 ÍNDICE

Introducción .................................................................................................................. 5
1.1. Introducción al Burger Palace de Ed (EBP por sus siglas en inglés). ..................... 6
1.1.1. Instalación de los archivos del curso ......................................................... 6
1.2. Técnicas de muestreo avanzadas en IDEA ............................................................. 7

Muestreo de unidades monetarias ............................................................................... 9

2.1. Muestreo de unidades monetarias .........................................................................10
2.1.1. Aplicaciones del muestreo MUM .............................................................10
2.1.2. Procedimiento de muestreo MUM ...........................................................10
2.1.3. Muestreo MUM en IDEA..........................................................................11
Ejercicio 2A: PlanificaR la muestra MUM ...........................................12
Ejercicio 2B: Configurar los valores de extracción de MUM ..............15
Ejercicio 2C: Evaluar una muestra MUM ............................................16

Muestreo de atributos ................................................................................................. 19

3.1. Muestreo de atributos ............................................................................................20
3.1.1. Aplicaciones del Muestreo de atributos ...................................................20
3.1.2. Procedimientos del Muestreo de atributos ..............................................20
3.1.3. Muestreo de atributos en IDEA ...............................................................22
Ejercicio 3A: Preparar el archivo ........................................................22
CI203 Técnicas de muestreo avanzadas de IDEA

Ejercicio 3B: Extraer una muestra aleatoria ...................................... 24

Ejercicio 3C: Evaluar una muestra de atributos ................................. 25

Muestreo estadístico .................................................................................................. 27

4.1. Muestreo estadístico (Muestreo de variables clásicas) ......................................... 28
Ejercicio 4A: Muestreo de ventas anuladas ....................................... 28
Ejercicio 4B: Muestreo de variables – Preparación ........................... 31
Ejercicio 4C: Registro de valores reales obtenidos en la
investigación sobre el terreno. ...................................... 36
Ejercicio 4D: Muestreo de variables – Evaluación ............................. 37

4
Introducción
Objetivos de la sección

 Cargar los archivos del curso.

 Comprender los conceptos básicos del muestreo estadístico.

Importante
Esta guía proporciona una descripción general del muestro
estadístico usando muestras sencillas y no reemplaza a un
curso de estadística. Se recomienda al lector que busque por
sí mismo más información sobre los conceptos del muestreo
de unidades monetarias, atributos y variables clásicas.
CI203 Técnicas de muestreo avanzadas de IDEA

1.1. INTRODUCCIÓN AL BURGER PALACE DE ED (EBP POR SUS

SIGLAS EN INGLÉS).
Ed Willis, Presidente y Consejero Delegado de Ed’s Burger Palace Inc., le ha
invitado a hacer una evaluación independiente de la salud de sus restaurantes,
los cuales están en continuo crecimiento. Con un nuevo sistema informático
instalado en 2014, Ed necesita las mejores herramientas disponibles para
analizar sus datos empresariales y asegurar que su empresa está en el buen
camino para realizar una Oferta pública de venta en dos años e impulsar una
expansión internacional. Ed oyó hablar de IDEA y decidió invitarle a usted y a
su equipo como asesores del proyecto.

1.1.1. INSTALACIÓN DE LOS ARCHIVOS DEL CURSO

Los archivos de ejemplo que se usan en este curso están en el archivo zip. Debe
copiar los archivos en la carpeta Proyectos IDEA que se creó al instalar IDEA.

1. Busque y seleccione la carpeta Técnicas de muestreo avanzadas de

IDEA.
2. Copie y pegue la carpeta Técnicas de muestreo avanzadas de IDEA
en la siguiente carpeta local:
C:\Usuarios\<ID USUARIO>\Documentos\Mis documentos de
IDEA\Proyectos IDEA

6
 Sección 1: Introducción

1.2. TÉCNICAS DE MUESTREO AVANZADAS EN IDEA

Ed necesitaba comprobar si los controles internos estaban funcionando o no.
En casos en los que la información necesaria se encuentra en registros digitales,
IDEA puede realizar automáticamente el 100% de las pruebas de conformidad
para todas las transacciones. Pero en otros casos, el documento original puede
ser un objeto físico, por ejemplo un conteo material de inventario, o una firma en
una orden de compra. En estos casos, por lo general, no es posible probar el
100% de la población, es necesario usar técnicas matemáticas en una muestra
más pequeña, pero representativa de la población global, para luego extrapolar
esta conclusión a la toda la población.

Existen dos categorías de muestreo principales:

 Muestreo no estadístico
También conocido como muestreo subjetivo o razonado, proporciona al
auditor la habilidad de decidir qué método de muestreo usar y cómo
evaluar los resultados de la prueba. El muestreo no estadístico se usa
con frecuencia porque no exige formación en técnicas estadísticas y
puede aprovechar mejor conocimientos especializados. Sin embargo, se
critica a menudo por ser un método demasiado subjetivo, que no se
puede defender desde un punto de vista científico.
 Muestreo estadístico
Los métodos de muestreo estadístico, por otra parte, exigen respetar
estrictamente normas y cálculos estadísticos durante el período de la
prueba, incluyendo cómo se planifica, extrae y evalúa la muestra.
Aunque los métodos estadísticos exigen más formación en estadística y
proporcionan menos flexibilidad que el muestreo razonado, son
métodos que se pueden defender científicamente en un tribunal.

Las siguientes secciones tratan tres métodos de muestreo estadístico: Muestreo

de unidades monetarias (MUM), Muestreo de atributos y Muestreo de variables
clásicas.

7 CaseWare IDEA Inc.

CI203 Técnicas de muestreo avanzadas de IDEA

NOTAS DE LA SECCIÓN

8
Muestreo de unidades monetarias
Objetivos de la sección

 Comprender los conceptos básicos, procedimientos y aplicaciones del

Muestreo de unidades monetarias (MUM), así como los factores que
afectan al tamaño de una muestra MUM.

 Ver un ejemplo sencillo de muestreo MUM en IDEA.

CI203 Técnicas de muestreo avanzadas de IDEA

2.1. MUESTREO DE UNIDADES MONETARIAS

El Muestreo de unidades monetarias (MUM) se conoce también como muestreo
de probabilidad proporcional al tamaño o muestreo por valor unitario en dólares.
MUM es similar al muestreo sistemático, pero en lugar de probar cada tres mil
avo registro como el muestreo sistemático, prueba cada tres mil ava unidad
monetaria, en todas las facturas (de modo que las facturas grandes podrían
resultar seleccionadas más de una vez). Esta distinción hace mucho más
posible que el método MUM seleccione registros con cantidades grandes. Se
utiliza por lo general para determinar la precisión de cuentas financieras, en las
que el tamaño es el factor más importante y en las que se espera que los errores
sean pocos y estén alejados unos de otros. MUM proporciona una evaluación
sustancial de errores o incorrecciones en unidades monetarias y está diseñado
específicamente para predecir errores globales.

Importante
Esta sección proporciona únicamente una descripción general del
muestro estadístico usando muestras sencillas y no reemplaza a
un curso de estadística. Se recomienda al lector que busque por
sí mismo más información sobre el concepto de Muestreo de
unidades monetarias.

2.1.1. APLICACIONES DEL MUESTREO MUM

El muestreo MUM se debe usar cuando:

 El proceso auditado está establecido y se sabe que es de confianza.

 La probabilidad de que se produzcan errores es baja.
 Es importante obtener un tamaño de muestra pequeño.
 Desea auditar grandes transacciones monetarias y espera ver “picos” o
irregularidades en el gráfico de los datos.

2.1.2. PROCEDIMIENTO DE MUESTREO MUM

El muestreo MUM exige seguir los siguientes pasos:

Planificación

1. Defina los objetivos del ejercicio.

2. Defina la población.
3. Defina el significado de error.

10
 Sección 2: Muestreo de unidades monetarias

4. Defina el tamaño de la muestra usando los siguientes parámetros:

 Nivel de confianza: porcentaje o valor del nivel de confianza
que tiene en que la muestra sea representativa y en sus
capacidades para interpretar los resultados correctamente.
 Error tolerable: el punto en el que dejará de confiar en el
procedimiento auditado o en la validez de la muestra.
 Error esperado: la cantidad de errores que es razonable
esperar en una población.

Procedimientos del muestreo MUM

5. Seleccione la muestra.
6. Ejecute los procedimientos de auditoría*.
7. Registre y analice cualquier error observado.

Evaluación

8. Cree errores probables mediante la suma de errores y la extrapolación

de éstos a toda la población.
9. Compare el alcance de los errores probables con el límite de error
tolerable.
10. Saque conclusiones finales.

* El procedimiento anterior ya se implementó en IDEA en forma de asistente,

excepto por paso nº 6 que exige la revisión material de las pruebas y, por esta
razón, no puede automatizarse.

2.1.3. MUESTREO MUM EN IDEA

IDEA proporciona la siguiente estructura de tareas para el muestreo MUM:

 Planificación
Basándose en datos reales o en estimaciones del usuario, deduzca
cuántas muestras se deben tomar para satisfacer un nivel de confianza
deseado.
 Extracción
Basándose en el plan de actividades MUM, defina cómo se debe extraer
la información y cree una hoja de trabajo con campos de auditoría
editables.
 Ejecución de los procedimientos de auditoría
En sentido estricto, esto no se realiza en IDEA, pero la muestra de IDEA
debería usarse como referencia para encontrar las muestras materiales
en cuestión (es decir, facturas en papel).

11 CaseWare IDEA Inc.

CI203 Técnicas de muestreo avanzadas de IDEA

 Registro de sus resultados en IDEA

Registre los valores reales o auditados en IDEA; es decir, los valores
descubiertos durante la ejecución de los procedimientos de auditoría.
 Evaluación
Genere un informe que use métodos estadísticos para evaluar la
diferencia entre los resultados esperados y los resultados reales y llegar
a una conclusión justificable.
 Informe de puntos de muestreo
Otro informe optativo, requiere datos de intervalo de muestreo y valor de
población para que IDEA pueda generar una lista de cada unidad
monetaria seleccionada (puntos de muestreo) en una base de datos en
particular.

EJERCICIO 2A: PLANIFICAR LA MUESTRA MUM

1. A Ed le gustaría verificar que las ventas se registraron correctamente en
el informe de control de gestión, como parte del nuevo sistema de
contabilidad, pero no tiene tiempo de verificar el 100% de las
transacciones. Ed ha revisado el sistema anteriormente, confía lo
suficiente en que éste registra las transacciones correctamente y está
satisfecho con una muestra representativa. Ed elige el muestreo MUM
como forma de muestreo estadístico para su tarea.
2. Abra la siguiente base de datos de IDEA:
ED-Ventas-2010-L4

3. En la pestaña Análisis, en el grupo Muestreo, haga clic en Unidades

monetarias y luego en Planificación.
Aparece el cuadro de diálogo Muestreo de unidades monetarias -
Planificación.

4. En la lista desplegable Usar valores del campo, seleccione CON_IMP.

5. Seleccione la opción Valores positivos.

IDEA cuenta con muchas opciones avanzadas para expertos

en estadística que no veremos en este curso. El siguiente
ejemplo muestra un escenario sencillo que usa la
configuración predeterminada, lo cual es suficiente para la
mayoría de los usuarios. Sin embargo, si desea más
información sobre opciones de configuración avanzada,
puede consultar la Ayuda en línea que está disponible
mediante el botón Ayuda en la Cinta de opciones de IDEA.

6. De forma predeterminada, el nivel de confianza es 90%. Si necesita

estar más seguro, este porcentaje se puede aumentar a 95% pero

12
 Sección 2: Muestreo de unidades monetarias

cuanto más alto sea el nivel de confianza, mayor deberá ser el tamaño
de la muestra. Los niveles de confianza por debajo del 90%, por lo
general, no se recomiendan para el muestreo MUM. Como parte de sus
experiencias pasadas, Ed tiene una confianza razonable en el sistema
de contabilidad, por esta razón, deje el nivel de confianza en 90%.
El siguiente campo es el Error tolerable o el límite absoluto de errores que
puede tolerar sin tener que cambiar la muestra y el procedimiento
empresarial subyacente. Cuanto mayor sea el nivel de tolerancia de
errores, más errores podrá tolerar y menor el tamaño necesario de la
muestra.

Recuerde que MUM solo debe usarse en procedimientos en los que ya

tiene un alto grado de confianza basándose en la experiencia real. Si
dicho proceso tuviera errores significativos, esto podría indicar una de las
siguientes situaciones:

 Falta de transparencia
 Personal incompetente o sin formación
 Síntomas de fraude o malversación
En cualquier caso, sería una inquietud y necesitaría cambiar el proceso
para que sea más transparente y responsable. Basándose en un total de
casi 8 millones de dólares en ventas y el margen de rentabilidad
establecido por la oficina central, Ed decide que una pérdida del 10%
sería lo suficientemente importante como para tener que cambiar el
registro de ventas y el proceso de informes, e iniciar una investigación. El
valor de Error tolerable debe establecerse en 10%.

7. En el área Configuración seleccione la opción Porcentaje.

8. En el cuadro Error tolerable, escriba 10.
El valor de Error esperado, también conocido como tergiversación
anticipada, se refiere a una estimación realista de los errores que se
espera encontrar en el procedimiento. Del mismo modo que con Error
tolerable, la experiencia es la mejor base para realizar una estimación
válida. Como norma, cuanto más bajo sea el valor de Error esperado,
menor será el tamaño de la muestra. El valor de Error esperado debería
ser considerablemente menor que el valor de Error tolerable, de modo
que Ed estima un tercio de Error tolerable y lo redondea al 3%.

9. En el cuadro Error esperado, escriba 3.

13 CaseWare IDEA Inc.

CI203 Técnicas de muestreo avanzadas de IDEA

10. Acepte el otro valor predeterminado tal como está.

11. Haga clic en Estimar para calcular el tamaño de la muestra.

14
 Sección 2: Muestreo de unidades monetarias

Como describe el texto en la parte inferior del cuadro de diálogo, la

planificación MUM ha indicado que para tener un 90% de confianza en la
evaluación de este procedimiento, es necesario establecer el tamaño de
la muestra en 42 y la suma del porcentaje de error no debería superar el
126%. Por ejemplo, 13 errores de 10% (130%) excederían el valor
máximo de diferencias o porcentaje de error de 126%. Ahora que tiene
definidos los parámetros de éxito y fracaso, es el momento de extraer la
muestra real.

12. Haga clic en Aceptar.

EJERCICIO 2B: CONFIGURAR LOS VALORES DE EXTRACCIÓN

DE MUM
Una vez aceptados los valores del cuadro de diálogo Muestreo de unidades
monetarias - Planificación, aparece el cuadro de diálogo Muestreo de unidades
monetarias - Extracción.

Hay muchas opciones avanzadas que pueden aprovechar los expertos en

estadística, pero la configuración predeterminada es suficiente para la mayoría
de los usuarios, así que dejará los valores predeterminados como están excepto
uno. Especificará un valor de punto de inicio aleatorio como se muestra en la
imagen a continuación.

1. En el cuadro Punto de inicio aleatorio, escriba 7187,15.

15 CaseWare IDEA Inc.

CI203 Técnicas de muestreo avanzadas de IDEA

2. Haga clic en Aceptar para seleccionar la muestra.

Esta es la base de datos que utilizará para ejecutar sus procedimientos

de auditoría y registrar sus discrepancias en el campo CANT_AUDIT. De
modo predeterminado, el valor de este campo es igual al del campo que
está siendo auditado.

3. Durante la ejecución de sus procedimientos de auditoría, observó las

siguientes discrepancias y necesita documentar esto en el campo
CANT_AUDIT:
Paso 1. Vaya al registro Nº 8 y reemplace 31,77
(CANT_AUDIT) con 28,77.
Paso 2. Vaya al registro Nº 20 y reemplace 11,64
(CANT_AUDIT) con 11,34.
Paso 3. Vaya al registro Nº 27 y reemplace 31,77
(CANT_AUDIT) con 33,28.

EJERCICIO 2C: EVALUAR UNA MUESTRA MUM

Después de ejecutar los procedimientos de auditoría, lo único que queda por
hacer es que IDEA evalúe los resultados.

1. En la pestaña Análisis, en el grupo Muestreo, haga clic en Unidades

monetarias, Evaluación > Muestra única.

Si desea combinar los resultados de varias muestras, puede

seleccionar Varias muestras y luego se le pedirá que
identifique las diferentes bases de datos.

Aparece el cuadro de diálogo Muestreo de unidades monetarias -

Evaluación de una sola muestra

Del mismo modo que con el cuadro de diálogo anterior, existen muchas
opciones avanzadas entre las que elegir, pero la configuración
predeterminada es correcta para la mayoría de los usuarios. La mayor
parte de la información se transfiere desde los cuadros de diálogo
anteriores y no necesita cambios.

16
 Sección 2: Muestreo de unidades monetarias

Si desea obtener más información acerca de la configuración

avanzada, haga clic en Ayuda.

2. Haga clic en Aceptar para mostrar el Resumen.

El resumen de resultados proporciona información específica, por

ejemplo: el error bruto y el error neto, e incluye una explicación de los
resultados. Los resultados se pueden exportar a un archivo PDF o Excel
y es posible revisar los errores de sobrevaloración e infravaloración por
separado.
En este ejemplo específico, la conclusión estadística obtenida es la
siguiente:

 Se descubrieron dos errores de sobrevaloración.

 Se descubrieron dos errores de infravaloración.
 El error neto más probable es $6.614,95.
 Tanto los límites de error superior bruto (214.888,23 y
208.273,27) como los límites de error superior neto
(210.561,95 y 197.332,04) son menores que el error material
(error tolerable) de $363.699,89.

17 CaseWare IDEA Inc.

CI203 Técnicas de muestreo avanzadas de IDEA

Conclusión

De esta forma, puede sacar la conclusión, con un 90% de certeza, de que el

total de errores probables, basándose en los errores que encontró en la muestra
hasta la fecha, está ciertamente dentro del intervalo aceptado y no excederá el
error tolerable establecido de 363.699,89 (10%). Esto indica que la población
está entre (3636998,90 -208.273,27) y (3636998,90 + 214.888,23). Como
resultado, puede estar un 90% seguro de que esta muestra es verdaderamente
representativa de la población y de que este control no necesita ser modificado.

La conclusión estadística aparece en la parte inferior de la imagen.

18
Muestreo de atributos
Objetivos de la sección

 Comprender los conceptos básicos, procedimientos y aplicaciones del

Muestreo de atributos.

 Ver un ejemplo sencillo de Muestreo de atributos en IDEA.

CI203 Técnicas de muestreo avanzadas de IDEA

3.1. MUESTREO DE ATRIBUTOS

El Muestreo de atributos es una técnica de muestreo estadístico que se usa con
frecuencia para probar controles internos. Implica la evaluación de atributos
individuales, tales como valores obtenidos en investigaciones sobre el terreno,
o que un registro sea verdadero o falso. Por ejemplo:

 Saldo de cuentas por cobrar vencido o no.

 Pago autorizado correctamente o no.
 Gastos declarados válidos o no.

Importante
Esta sección proporciona únicamente una descripción general del
muestro estadístico usando muestras sencillas y no reemplaza a
un curso de estadística. Se recomienda al lector que busque por
sí mismo más información sobre el concepto de Muestreo de
unidades monetarias.

3.1.1. APLICACIONES DEL MUESTREO DE ATRIBUTOS

El muestreo de atributos se debe usar cuando:

 Existe la necesidad de obtener una solución de muestreo estadístico y

el muestreo razonado no es suficiente.
 El objetivo de la revisión es poner a prueba el cumplimiento de controles
internos.
 Las pruebas de conformidad deben evaluar un resultado verdadero o
falso.
 Un procedimiento de selección aleatorio cumplirá los objetivos de su
revisión.

3.1.2. PROCEDIMIENTOS DEL MUESTREO DE ATRIBUTOS

Para realizar un muestreo de atributos se deben seguir los siguientes pasos:

Planificación

1. Defina los objetivos del ejercicio.

2. Defina la población.
3. Defina el significado de error.

20
 Sección 3: Muestreo de atributos

4. Defina el tamaño de la muestra usando los siguientes parámetros:

 Nivel de confianza: porcentaje o valor del nivel de confianza
que tiene en que la muestra sea representativa y en sus
capacidades para interpretar los resultados correctamente.
 Error tolerable: el punto en el que dejará de confiar en el
procedimiento auditado o en la validez de la muestra.
 Error esperado: la cantidad de errores que es razonable
esperar en una población.

Ejecución de procedimientos

5. Seleccione la muestra.
6. Ejecute los procedimientos de auditoría.
7. Registre y analice cualquier error observado.

Evaluación

8. Cree errores probables mediante la suma de errores y la extrapolación

de éstos a toda la población.
9. Compare el alcance de los errores probables con el límite de error
tolerable.
10. Saque las conclusiones finales.

Similar al muestreo MUM, el muestreo de atributos necesita que se establezcan

ciertos límites y tolerancias para poder realizar los cálculos:

 Tasa de desviación tolerable (%)

También conocida como porcentaje de error tolerable. El porcentaje
absoluto máximo de transacciones erróneas (es decir, incumplimientos)
que es aceptable como coste de la actividad empresarial. Si tiene más
errores que el porcentaje límite de errores tolerables, este control
interno no funciona y debe ser perfeccionado. Cuanto mayor sea el nivel
de tolerancia de errores, más errores podrá tolerar y menor necesitará
ser el tamaño de la muestra.
 Tasa de desviación esperada (%)
También conocida como porcentaje de error esperado. Como no
vivimos en un mundo perfecto, este es el porcentaje de errores (es
decir, incumplimientos) que razonablemente espera ver, basándose en
su experiencia. Por norma, cuanto más bajo sea el valor de Error
esperado, menor será el tamaño de la muestra.
 Nivel de confianza (%)
La probabilidad de que los registros seleccionados sean
verdaderamente representativos de la población total y de que usted
interprete los resultados correctamente. Cuanta más confianza necesite,
mayor será el número de muestras necesario.

21 CaseWare IDEA Inc.

CI203 Técnicas de muestreo avanzadas de IDEA

3.1.3. MUESTREO DE ATRIBUTOS EN IDEA

La ejecución de muestro de atributos en IDEA exige que se realicen las
siguientes operaciones:

1. Planificación de muestra (cuadro de diálogo Muestreo de atributos)

Calcula el tamaño apropiado para la muestra según el método, el nivel
de confianza y el nivel de tolerancia de errores seleccionados por el
usuario. Hay dos pestañas en la pantalla de planificación de muestra
que representan los dos tipos de planificación de muestra para controlar
los dos tipos de riesgo:
 Control de riesgo Beta: El riesgo de apoyarse en controles que
son inadecuados. Esta es la opción predeterminada y la más
utilizada por auditores.
 Control de riesgo Alfa y Beta: El riesgo de apoyarse en ambos
controles, así como de no apoyarse en controles que no
funcionan. Exige dos series de niveles de confianza y límites
superior e inferior. Excepto que se lo pida un experto en
estadística, no utilice esta opción.
2. Tomar una muestra aleatoria en función del tamaño de muestra
establecido anteriormente. La toma de una muestra aleatoria no forma
parte de la funcionalidad de muestreo de atributos misma y será
necesario realizar esto por separado.

Para que el muestreo de atributos sea estadísticamente

correcto, debe ser totalmente imparcial y exige que el método
de muestreo sea aleatorio. Si necesita muestras
estratificadas, use el método de muestreo de variables
clásicas, el cual se trata en la Sección 4 de esta guía.

3. Realizar los procedimientos de auditoría usando el archivo de ejemplo y

registrando el número de errores encontrados.
4. Evaluación de la muestra (pantalla Muestreo de atributos). Escriba el
número de errores (desviaciones) encontrados y deducirá el porcentaje
de errores para toda la población con porcentajes de errores mayores y
menores, dentro del nivel de confianza elegido.

EJERCICIO 3A: PREPARAR EL ARCHIVO

1. Abra la siguiente base de datos de IDEA:
ED-Ventas-2011-L4-Ventas diarias por producto (solo cupones)

2. En la pestaña Análisis, en el grupo Muestreo, haga clic en Atributos.

Aparecerá el cuadro de diálogo Muestreo de atributos.

3. En el campo Tamaño de la población, escriba 690. Este es el número

de registros de la base de datos seleccionada.
4. En el cuadro Tasa de desviación tolerable (%), escriba 10. Ed no
tolerará más de un 10% de errores en total.

22
 Sección 3: Muestreo de atributos

5. En el cuadro Tasa de desviación esperada (%), escriba 3. Ed calcula

unos 3 cupones falsos de cada 100 cupones.
6. En el campo Nivel de confianza (Control de riesgo Beta), escriba 90.
Ed está razonablemente seguro de que el proceso es efectivo.
7. Haga clic en Calcular.

IDEA ha finalizado sus cálculos y ha llegado a las siguientes

conclusiones: siempre que no haya más de dos errores (desviaciones) en
la muestra, Ed puede estar un 90% seguro de que no habrá más de un
10% de errores en toda la población, lo cual es la prueba más importante
para Ed porque determina si el control es efectivo o no. Si se encontraran
tres o más errores, el control tendría que ser perfeccionado.

8. Haga clic en Cerrar para salir. Ahora es el momento de tomar una

muestra aleatoria

23 CaseWare IDEA Inc.

CI203 Técnicas de muestreo avanzadas de IDEA

EJERCICIO 3B: EXTRAER UNA MUESTRA ALEATORIA

En este ejercicio va a realizar un muestreo aleatorio de 50 registros.

1. Asegúrese de que ED-Ventas-2011-L4-Ventas diarias por producto

(solo cupones) es la base de datos activa.
2. En la pestaña Análisis, en el grupo Muestreo, haga clic en Aleatorio.
Aparecerá el diálogo Muestreo aleatorio de registros.

3. En el campo Nº de registros a seleccionar escriba 50.

4. En el cuadro Archivo, escriba muestra aleatoria de 50 cupones.

IDEA genera el número de inicialización aleatorio y este valor

será distinto cada vez que ejecute un Muestreo aleatorio de
registros.

5. Haga clic en Aceptar.

Ahora tendrá que realizar procedimientos de prueba de auditoría
detallados, usando los 50 registros de la base de datos resultante como
referencia para encontrar los cupones correspondientes.

Es necesario realizar un conteo y conciliar los cupones con la lista en

IDEA. Como en este curso no se han repartido cupones entre los
participantes, vamos a suponer que ha descubierto lo siguiente durante
su análisis.

 3 casos de falsificación.
 2 cupones que faltan.
 Resultado: cinco desviaciones o errores.

24
 Sección 3: Muestreo de atributos

EJERCICIO 3C: EVALUAR UNA MUESTRA DE ATRIBUTOS

1. Asegúrese de que ED-Ventas-2011-L4-Ventas diarias por producto
(solo cupones) sea la base de datos activa.
2. En la pestaña Análisis, en el grupo Muestreo, haga clic en Atributos.
Aparecerá el cuadro de diálogo Muestreo de atributos.

3. Haga clic en la pestaña Evaluación de la muestra.

4. En el campo Tamaño de la población, escriba 690.
5. En el campo Número de desviaciones en la muestra, escriba 5.
6. En el campo Tamaño de la muestra, escriba 50.
7. En el campo Nivel de confianza deseado (%), escriba 90.
8. Haga clic en Calcular.

En este ejemplo específico, la conclusión estadística obtenida es la

siguiente:

 Se han descubierto cinco desviaciones (errores).

 Según los errores encontrados, es un 90% cierto que puede
haber errores en hasta el 17.39% de la población.

25 CaseWare IDEA Inc.

CI203 Técnicas de muestreo avanzadas de IDEA

Como no eligió límites bilaterales, puede ignorar los campos

denominados límite inferior bilateral y límite superior bilateral.

Conclusión

De acuerdo con la conclusión, encontrar cinco desviaciones (es decir, más del
doble del máximo de dos, necesarias durante la etapa de planificación), Ed
puede estar un 90% seguro de que el número de desviaciones en toda la
población podría ser significativamente mayor de lo que está dispuesto a
aceptar.

Ed encontró exactamente cinco errores, los cuales usan el total del 10% de
límite de error tolerable en tan solo una muestra pequeña. Es un 90% cierto que
Ed puede encontrar hasta un 17,39% de errores, si explorara toda la población.

En conclusión, Ed no confía en que esta muestra sea representativa y está casi

seguro de que tendrá que perfeccionar los controles de la gestión de cupones.

26
Muestreo estadístico
Objetivos de la sección

 Comprender los conceptos básicos, procedimientos y aplicaciones del

Muestreo estadístico.

 Ver un ejemplo sencillo de Muestreo estadístico en IDEA.

CI203 Técnicas de muestreo avanzadas de IDEA

4.1. MUESTREO ESTADÍSTICO (MUESTREO DE VARIABLES

CLÁSICAS)
El muestreo estadístico o muestreo de variables es una técnica de muestreo
que se usa para hacer pruebas en poblaciones en las que se esperan muchos
errores. El muestreo de variables normalmente requiere un tamaño de muestra
mayor que otros métodos de muestreo.

Importante
Esta sección proporciona únicamente una descripción general del
muestro estadístico usando muestras sencillas y no reemplaza a
un curso de estadística. Se recomienda al lector que busque por
sí mismo más información sobre el concepto de muestreo
estadístico.

EJERCICIO 4A: MUESTREO DE VENTAS ANULADAS

Como parte de la investigación de las prácticas operativas del antiguo director
del local 4 del restaurante, a Ed le gustaría analizar las transacciones anuladas.

1. Abra la siguiente base de datos de IDEA:

ED-Ventas-2010-L4-Ventas diarias por método de pago

2. Realice una Extracción directa de todas las transacciones que

muestran en METODO_PAGO el valor ANULADO y llame a la base de
datos resultante 2010 Anulaciones.
3. Abra la siguiente base de datos de IDEA:
ED-Ventas-2011-L4-Ventas diarias por método de pago

4. Realice una Extracción directa de todas las transacciones que

muestran en METODO_PAGO el valor ANULADO y llame a la base de
datos resultante 2011 Anulaciones.
5. Con la base de datos 2010 Anulaciones activa, anexe 2011
Anulaciones y llame a la base de datos resultante Anulaciones de
2010 y 2011.
La base de datos Anulaciones de 2010 y 2011 debería tener 726
registros. Observe los valores negativos en el campo SUMA_SIN_IMP.

28
 Sección 4: Muestreo estadístico

El muestreo estadístico funciona mejor con número positivos. Necesitará

anexar un campo a la base de datos Anulaciones de 2010 y 2011 que
calcule el valor absoluto de los datos de SUMA_CON_IMP.

6. Agregue un campo Numérico virtual con 2 posiciones decimales,

llamado ANULACIONES_ABS, que utilice los siguientes criterios:
@Abs(SUMA_SIN_IMP)

El nuevo campo se añade a la base de datos.

7. Haga clic en Total de control para el campo ANULACIONES_ABS.

8. Haga clic en Sí para calcular el Total de control en el campo
seleccionado.

Se devolvió un total de $344.778,12 a los clientes. Esto exige que se

investigue más.

29 CaseWare IDEA Inc.

CI203 Técnicas de muestreo avanzadas de IDEA

Como cada transacción anulada tendría que verificarse manualmente con cada
comprobante o recibo de efectivo de caja, Ed no podrá comprobar el 100% de
las transacciones y tendrá que tomar una muestra representativa.

Al tener un pleito pendiente, es importante que el muestreo se realice de una

manera objetiva para que los resultados se puedan extrapolar a toda la
población. En este caso, se prefiere utilizar un método de muestre estadístico
en lugar de uno basado en el juicio del auditor.

Si consideramos los malos resultados del local 4 y el hecho de que el jefe del
restaurante está detenido por fraude, Ed cree que se encontrarán muchas
discrepancias, por ello, el método de muestreo por unidad monetaria (MUM) no
es el más indicado para este análisis. El muestreo de variables, por su parte, es
el más apropiado porque está diseñado para tratar muchas excepciones.

Tenga en cuenta que cuando la muestra representa menos del 100% de la

población, existe la posibilidad de que se produzcan riesgos de muestreo. Por
ejemplo, podría elegir la muestra incorrecta o una muestra que no sea
representativa de la población. Por esta razón debe definir su nivel confianza
para los datos desconocidos de los siguientes parámetros:

 Nivel de confianza, en términos de porcentaje

El nivel de confianza es el valor que se obtiene al sustraer el valor de
riesgo de muestreo que está dispuesto a aceptar. En otras palabras, si
necesita un grado muy alto de confianza en que su muestra representa
adecuadamente a toda la población, debería elegir un nivel de confianza
del 95%, lo que significa que solo permitirá un 5% de posibilidad de
error en la muestra. Si elige un 80% de nivel de confianza, entonces el
riesgo de muestreo será del 20%. Cuanto más altos sean los niveles de
confianza, mayores deben ser los tamaños de la muestra.
 Precisión deseada (factor conocido también como precisión y margen
de error) expresada como importe monetario.
La precisión es la diferencia entre el error tolerable y el error esperado y
debería ser una diferencia lo suficientemente generosa como para
acomodar el riesgo de muestreo. Determinar este valor puede resultar
difícil ya que requiere conocer el historial de los datos y las experiencias
pasadas para conseguir una mayor precisión. Un valor menor de
precisión permite menos margen de error y requiere muestras más
grandes. Un valor de precisión mayor da más margen y requiere
muestras más pequeñas.

En este caso, Ed descubrió un fallo técnico en el sistema de registro de ventas

del local 4 que permite a los cajeros realizar anulaciones sin supervisión y sin
una distribución de responsabilidades apropiada. Ed pudo confirmar que esto
estaba sucediendo en los datos de ventas subyacentes y además comprobó
que la mayoría de las anulaciones correspondía a transacciones en efectivo. Ed
sospechaba que esto se debía a robos a la caja registradora. Sin embargo,
necesitaba pruebas detalladas, así que estableció las siguientes hipótesis:

“La deficiencia de los sistemas de registro de ventas resulta en

anulaciones fraudulentas de transacciones, desde una de cada cinco
transacciones, hasta uno de cada tres casos.”

30
 Sección 4: Muestreo estadístico

Esto significa que en lo que se refiere a error tolerable, la tasa de error más alta
aceptable sería del 33% (1 de cada 3) de todas las anulaciones. El error
esperado, el error mínimo que Ed debe esperar sería del 20% (1 de cada 5) de
todas las anulaciones.

Con un total de $344.778,12 por transacciones anuladas:

 Error tolerable = 344778,12 * 0,33 = 113.776,78

 Error esperado = 344778,12 * 0,20 = 68.955,62
 Precisión deseada = $44.821,16

EJERCICIO 4B: MUESTREO DE VARIABLES – PREPARACIÓN

Para que el muestreo estadístico se considere válido, el tamaño de la muestra
se debe preparar mediante cálculos estadísticos y el resultado se debe evaluar
usando métodos estadísticos. IDEA ofrece un asistente que le ayudará en dos
pasos a conseguir estos dos objetivos:

 Preparación de la muestra: Cálculo estadístico aleatorio del tamaño de

la muestra.
 Evaluación de la muestra: Evaluación estadística de los resultados con
gráficos e informes.

A Ed le gustaría usar el Muestreo de variables en IDEA con los parámetros

definidos en su propuesta empresarial.

1. Asegúrese de que Anulaciones de 2010 y 2011 sea la base de datos

activa.
2. En la pestaña Análisis, en el grupo Muestreo, haga clic en Variables y
luego en Preparación.
Aparece la ventana Variables clásicas: Preparación - Estratificación.

El primer paso en la preparación del muestreo de variables es la

estratificación. Lo normal es que exista una diferencia considerable entre
los valores más altos y más bajos, en cuyo caso, la estratificación de
datos en bandas o estratos ayudará a obtener mejores muestras.

Sin embargo, en un restaurante de comida rápida, los valores individuales

de cada transacción son bastante bajos y no tiene sentido estratificar esta
población.

3. En el campo Número de estratos escriba 1.

Por la misma razón, no hace falta definir los valores altos.

4. Desactive la casilla Muestreo automático de elementos de valor alto.

5. En la lista Campo de valor contable, seleccione
ANULACIONES_ABS, ya que éste es el campo de muestreo.

31 CaseWare IDEA Inc.

CI203 Técnicas de muestreo avanzadas de IDEA

6. Acepte el resto de las opciones predeterminadas.

7. Haga clic en Siguiente para continuar y ver el resultado de su

estratificación.

32
 Sección 4: Muestreo estadístico

Aparece la ventana Variables clásicas: Resultado de la estratificación.

La tabla Estadísticas de estrato en la imagen anterior indica que solo hay

un estrato con una media (Promedio) de 474,90 y una desviación
estándar de 210,50, cantidad que está justo por debajo de la mitad del
promedio. Esto significa que los datos se ajustan de manera razonable y
no tienen muchos valores extremos. Si observa el histograma (diagrama
de frecuencia), casi tiene el aspecto de una curva de distribución normal.

8. Haga clic en Siguiente.

Aparece la ventana Variables clásicas: Preparación - Planificación. Ahora
necesita planificar su muestra y especificar los requisitos.

9. En el campo Nivel de confianza, escriba 95.

10. En el campo Precisión deseada, escriba 44821,16.

33 CaseWare IDEA Inc.

CI203 Técnicas de muestreo avanzadas de IDEA

11. En el campo Proporción esperada de errores en la población,

escriba 20.

12. Haga clic en Calcular el tamaño de la muestra.

34
 Sección 4: Muestreo estadístico

Aparece la ventana Variables clásicas: Preparación - Conclusiones.

Basándose en los parámetros que ha proporcionado, IDEA determinó

que 60 muestras satisfarán sus requisitos. Si hubiera cualquier problema
con la muestra o los parámetros especificados, en la sección Información
y advertencias aparecería información para corregir el problema.

13. Haga clic en Cerrar para volver a la pantalla anterior.

14. Haga clic en Siguiente.
Aparece la ventana Variables clásicas: Preparación - Extracción

15. En el campo Nombre de archivo, escriba ANULACIONES.

16. En el campo Campo para valores auditados, acepte CANT_AUDIT.
IDEA anexará un campo con este nombre y lo convertirá en campo
numérico editable con el valor predeterminado de ANULACIONES_ABS.
Se espera que verifique esta información contrastándola con los informes
impresos y que reemplace estos valores con las cantidades ("auditadas")
reales para que se tomen en cuenta durante la etapa de evaluación de la
muestra.

El número de inicialización aleatorio es verdaderamente aleatorio y lo

más seguro es que no sea 20123 como se muestra a continuación. Esto
es normal. Este número proporciona un punto de inicio aleatorio y todas
las muestras se tomarán también de una manera aleatoria, lo cual es un
requisito del Muestro de variables.

17. Acepte el nombre predeterminado para la base de datos resultante.

35 CaseWare IDEA Inc.

CI203 Técnicas de muestreo avanzadas de IDEA

En la tabla de tamaño de la muestra puede ajustar el tamaño de la

muestra para cada estrato. Vamos a dejar los valores tal como están para
este ejemplo.

18. Haga clic en Finalizar.

La muestra debería tener 60 registros.

EJERCICIO 4C: REGISTRO DE VALORES REALES OBTENIDOS

EN LA INVESTIGACIÓN SOBRE EL TERRENO.
Ahora es el momento de buscar los comprobantes de la caja registradora y la
documentación impresa que debería coincidir con los 60 registros en su
muestra.

1. En la base de datos ANULACIONES, haga clic en el campo

CANT_AUDIT.
2. Seleccione manualmente 20 registros y cambie cada campo
CANT_AUDIT para que su valor sea considerablemente más bajo que
el valor predeterminado.
Ahora puede evaluar estadísticamente los resultados de su auditoría.

36
 Sección 4: Muestreo estadístico

EJERCICIO 4D: MUESTREO DE VARIABLES – EVALUACIÓN

1. Asegúrese de que ANULACIONES sea la base de datos activa.
2. En la pestaña Análisis, en el grupo Muestreo, haga clic en Variables y
luego en Evaluación.
Aparece el cuadro de diálogo Variables clásicas: Evaluación, con el
número de "correcciones" (número de errores) que ha cometido.

Para cada estrato en la tabla, puede seleccionar Sí o No en la última

columna. Esto le permite excluir estratos individuales del informe final, si
es necesario.

3. Acepte los valores predeterminados y haga clic en Aceptar.

El resultado se muestra en la ventana Base de datos.

37 CaseWare IDEA Inc.

CI203 Técnicas de muestreo avanzadas de IDEA

Consiste en un gráfico con seis técnicas de estimación estadística

diferentes:

 Media
 Diferencia
 Proporción combinada
 Proporción separada
 Regresión combinada
 Regresión separada
Como la técnica de estimación media es la que está creando los errores
más grandes en este ejemplo, debería revisar este informe.

4. Haga clic en la palabra media en el gráfico para abrir el informe de

evaluación del muestreo de variables:

38
 Sección 4: Muestreo estadístico

Basándose en este ejemplo, Ed esperaba entre un 20% y un 33% de

errores, pero IDEA ha determinado, con un 95% de confianza, que los
errores en las transacciones anuladas oscilan entre $71.050,04 por
debajo del valor actual y $16.496,48 por encima de valor actual. El
intervalo entre los errores más bajos y más altos se ajusta al valor más
bajo esperado por Ed, de 20% a 33%, de modo que puede concluir que
su muestra es representativa de toda la población y que no necesita
realizar más pruebas de control.

Los números mostrados anteriormente variarán, ya que los

ajustes fueron diferentes al basarse en una muestra aleatoria
y debido a los cambios específicos realizados en el paso
anterior.

39 CaseWare IDEA Inc.