El origen del muestreo estadístico en la actividad auditora, según estudios ocurrió
en el año 1900 producto del desarrollo de las grandes empresas, pues anteriormente, una auditoría adecuada era aquella que incluía una revisión exhaustiva de todas las transacciones. A partir de entonces, esta nueva técnica transformó el proceso de auditoría en una aplicación de pruebas selectivas de las transacciones, en lugar de llevar a cabo la comprobación de todas las operaciones, pues el proceso de muestreo no es más que la selección adecuada en cantidad y calidad de las operaciones a examinar para estudiar la relación existente entre este grupo y la población de que procede. El gran volumen de las operaciones o elementos a verificar en una auditoría, hace que esta sea muy costosa y requiera de gran cantidad de tiempo para su ejecución, por lo cual es necesario que los auditores dominen las principales técnicas de muestreo y el uso de tablas y fórmulas matemáticas aplicables a dichas técnicas, Cordero (2014). Con el fin de evaluar el grado de aplicación del muestreo estadístico, en la práctica actual y conocer la opinión de los auditores sobre las ventajas y desventajas de este método se realizó una encuesta aleatoria a 189 auditores. En la muestra estuvieron representados los auditores internos de diferentes empresas cooperativas, de la unidad central de auditoría interna y auditores pertenecientes a la Contraloría General de la República. Para la selección de la muestra se utilizó el Muestreo Aleatorio Estratificado (MAE), según Calero (1987) y el Método de Selección Sistemática para garantizar que el tamaño de la muestra en los estratos se distribuya proporcionalmente al número de unidades presentes en cada uno, se empleó la asignación proporcional. Algunos de los resultados del estudio realizado fueron los siguientes: - El 92 por ciento de los auditores encuestados consideran necesario contar con una metodología para aplicar de forma sencilla el muestreo estadístico en la auditoría, sirviendo así como complemento científico al juicio del auditor. - El 86 por ciento de los auditores expresaron que al menos una vez en su trabajo como auditor se han encontrado con situaciones que pudieran afectar la objetividad e independencia El origen del muestreo estadístico en la actividad auditora, según estudios ocurrió en el año 1900 producto del desarrollo de las grandes empresas, pues anteriormente, una auditoría adecuada era aquella que incluía una revisión exhaustiva de todas las transacciones. A partir de entonces, esta nueva técnica transformó el proceso de auditoría en una aplicación de pruebas selectivas de las transacciones, en lugar de llevar a cabo la comprobación de todas las operaciones, pues el proceso de muestreo no es más que la selección adecuada en cantidad y calidad de las operaciones a examinar para estudiar la relación existente entre este grupo y la población de que procede. El gran volumen de las operaciones o elementos a verificar en una auditoría, hace que esta sea muy costosa y requiera de gran cantidad de tiempo para su ejecución, por lo cual es necesario que los auditores dominen las principales técnicas de muestreo y el uso de tablas y fórmulas matemáticas aplicables a dichas técnicas, Cordero (2014). Con el fin de evaluar el grado de aplicación del muestreo estadístico, en la práctica actual y conocer la opinión de los auditores sobre las ventajas y desventajas de este método se realizó una encuesta aleatoria a 189 auditores. En la muestra estuvieron representados los auditores internos de diferentes empresas cooperativas, de la unidad central de auditoría interna y auditores pertenecientes a la Contraloría General de la República. Para la selección de la muestra se utilizó el Muestreo Aleatorio Estratificado (MAE), según Calero (1987) y el Método de Selección Sistemática para garantizar que el tamaño de la muestra en los estratos se distribuya proporcionalmente al número de unidades presentes en cada uno, se empleó la asignación proporcional. Algunos de los resultados del estudio realizado fueron los siguientes: - El 92 por ciento de los auditores encuestados consideran necesario contar con una metodología para aplicar de forma sencilla el muestreo estadístico en la auditoría, sirviendo así como complemento científico al juicio del auditor. - El 86 por ciento de los auditores expresaron que al menos una vez en su trabajo como auditor se han encontrado con situaciones que pudieran afectar la objetividad e independencia Elementos del muestreo ELEMENTOS DEL MUESTREO CONTENIDO: Pequeñas muestras. Distribución T de Student e intervalos de confianza. Contrastes de hipótesis y significación. Distribución Ji-cuadrado e intervalos de confianza. Grados de Libertad. Distribución F. PEQUEÑAS MUESTRAS Población Muestra Definición Colección de elementos considerados Parte o porción de la población seleccionada para su estudio Características “Parámetros” “Estadísticos” Símbolos Tamaño de la población = N Tamaño de la muestra = n PEQUEÑAS MUESTRAS Datos de una población Información Conclusiones Muestreo estadístico PEQUEÑAS MUESTRAS Pequeñas muestras: N<30 PEQUEÑAS MUESTRAS Aplicación DISTRIBUCIÓN T DE STUDENT La distribución T de Student: Es una función de probabilidad DISTRIBUCIÓN T DE STUDENT La distribución T de Student: surge por estimar la media de una población normalmente distribuida y desconociendo la desviación típica, de ésta. DISTRIBUCIÓN T DE STUDENT La función de densidad de T viene dada por: DISTRIBUCIÓN T DE STUDENT Es muy similar a la distribución normal estandarizada. También tiene forma de campana Es de mayor área en los extremos y menor en el centro, porque la desviación estándar es desconocida Los grados de libertad n-1 están relacionados con el tamaño de la muestra DISTRIBUCIÓN T DE STUDENT La Empresa Flash, C.A. ubicada en San José de Guanipa, Edo. Anzoátegui ejecuta en su mayoría diseño, fabricación y modificación de piezas mecánicas, para lo cual se vale de las distintas maquinarias y equipos. A la par con la productividad llevan de la mano Sistema de Gestión de la Calidad. Al finalizar cada año se plantean realizar mantenimiento a las máquinas, por lo cual requieren definir si una estructura metálica que fabrican durará un promedio de 500 horas de trabajo. Para conservar este promedio se verifica 25 estructuras cada mes. Si el valor calculado cae entre –t 0.05 y t 0.05, la Empresa se encuentra satisfecha con esta afirmación. ¿Qué conclusión se deberá sacar de una muestra de 25 piezas cuya duración se desglosa en la tabla siguiente? DISTRIBUCIÓN T DE STUDENT 520 521 511 513 510 513 522 500 521 495 496 488 500 502 512 510 510 475 505 521 506 503 487 493 500 Promedio horas trabajadas DISTRIBUCIÓN T DE STUDENT 𝝁 = 𝟓𝟎𝟎 𝒏 = 𝟐𝟓 𝑰𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 = 𝟗𝟎% Se halla la media aritmética de la muestra. 𝑿 = 𝟓𝟐𝟎+𝟓𝟏𝟑+𝟒𝟗𝟔+⋯…+𝟓𝟏𝟐+𝟓𝟏𝟐+𝟓𝟏𝟐 𝟐𝟓 = 𝟏𝟐.𝟑𝟔𝟒 𝟐𝟓 = 𝟓𝟎𝟓. 𝟑𝟔 Se calcula la desviación estándar de la muestra. 𝒔 = (𝑿−𝑿𝒊) 𝟐𝒏 𝒊=𝟏 𝒏−𝟏 = 𝟑.𝟒𝟗𝟑.𝟕𝟔 𝟐𝟒 = 𝟏𝟒𝟓. 𝟓𝟕 = 𝟏𝟐. 𝟎𝟕 DISTRIBUCIÓN T DE STUDENT Se determina la desviación estándar de t. 𝜎𝑥= 𝑠 𝑛 = 12.07 25 = 2.41 Se hallan las unidades t para 𝑡: 𝑥 − 𝜇 𝑠 𝑛 = 505.36 − 500 2.41 = 5.36 2.41 = 2.2240 Grados de libertad: 𝑛 − 1 = 25 − 1 = 24 Colas del Intervalo. 𝐶𝑜𝑙𝑎𝑠 = 100% − 90% 2 = 10% 2 = 5% Cada cola representa una área de 𝐴 = 0.0500 CONTRASTE DE HIPÓTESIS Contraste de Hipótesis Test Estadístico Planteamiento de la Hipótesis Hipótesis Nula (Ho) = Afirmación que se supone cierta Hipótesis Alternativa (H1) = Contradictoria a la Hipótesis Nula y donde cae el peso de la prueba CONTRASTE DE HIPÓTESIS Tipos de Hipótesis Nula y Alternativa Hipótesis Simple = Designan un único valor θo para el parámetro poblacional θ. Ho: θ = θo Hipótesis Compuesta = Designa un rango de valores para el parámetro poblacional desconocido CONTRASTE DE HIPÓTESIS Casos de Contraste de Hipótesis. Contraste de Hipótesis Unilateral Ho: θ = θo ; H1: θ > θo Ho: θ = θo ; H1: θ < θo Contraste de Hipótesis Bilateral Ho: θ = θo ; H1: θ ≠ θo Reglas de Decisión = Criterios para decidir si rechazar o no la Hipótesis Nula (Ho) CONTRASTE DE HIPÓTESIS Tipo de errores que se pueden cometer Error de Tipo I = Rechazar Ho cuando realmente es cierta Rechazar Ho│Ho es cierta Error de Tipo II= No rechazar Ho cuando realmente s falsa No Rechazar Ho│Ho es falsa CONTRASTE DE HIPÓTESIS Nivel de Significación (α). P (cometer Error I) = α α Es Condicional. Por ende, P (No Rechazar Ho│Ho es cierta) = 1- α CONTRASTE DE HIPÓTESIS β→ Cuando P (Cometer Error II) = β. P (No Rechaza Ho│Ho es Falsa) Entonces, Potencial de Contraste (1-β). P (Rechaza Ho│Ho es falsa) = 1-β CONTRASTE DE HIPÓTESIS Regiones de Aceptación y Rechazo. ● Hipótesis Alternativas Unilaterales. ● Prueba de Cola Superior= ● Si Ho: θ = θo ; H1: θ > θo CONTRASTE DE HIPÓTESIS Prueba de Cola Inferior= Si Ho: θ = θo ; H1: θ < θo CONTRASTE DE HIPÓTESIS Hipótesis Alternativa Bilateral Prueba de Dos Colas Si Ho: θ = θo ; H1: θ ≠ θo CONTRASTE DE HIPÓTESIS Caso I. Población con Distribución Normal y Varianza Poblacional o Desviación Estándar (σ) conocida. Contraste de Hipótesis Para Media Poblacional CONTRASTE DE HIPÓTESIS Caso II. La Población No Importa, Varianza Poblacional o Desviación Estándar (σ) es conocida o desconocida y e Tamaño de la muestra es grande (n≥30; aplica el TCL) ó CONTRASTE DE HIPÓTESIS Caso III. Población con Distribución Normal, Varianza Poblacional o Desviación Estándar (σ) conocida y Tamaño Muestral Pequeño (n<30; no aplica TCL) DISTRIBUCIÓN JI-CUADRADO Expresión= ● Z se distribuyen según el modelo Normal. ● Cada puntuación z es independiente. ● Se Representa como T → Z²k. DISTRIBUCIÓN JI-CUADRADO Características. ● La forma de la distribución es asimétrica positiva. ● Los Valores de Ji Cuadrado son positivos. ● La función de distribución está tabulada. GRADOS DE LIBERTAD Los grados de libertad es un estimador del número de categorías independientes en un test particular o experimento estadístico. Están relacionados al tamaño de la muestra. Así mismo, los grados de libertad son usados para definir las distribuciones estadísticas y con ellos poder realizar las pruebas de hipótesis. GRADOS DE LIBERTAD El número de grados de libertad se comprende mejor si es visto como el número de dimensiones espaciales en los que un punto es libre de moverse. En el último caso, los grados de libertad quedan restringidos a la diferencia entre la cantidad de datos y el número de relaciones establecidas entre los mismos. Los grados de libertad encuentran su aplicación en una gran cantidad de modelos estadísticos, siendo la prueba t solo un ejemplo. DISTRIBUCIÓN FISCHER «F» Esta distribución de probabilidad se usa como prueba estadística en varias situaciones. Se emplea para probar si dos muestras provienen de poblaciones que poseen varianzas iguales. Es útil para determinar si una población normal tiene una mayor variación que la otra y también se aplica cuando se trata de comparar simultáneamente varias medias poblacionales. DISTRIBUCIÓN FISCHER «F» Características de la distribución F F no puede ser negativa. La distribución F tiene un sesgo positivo. A medida que aumentan los valores, la curva se aproxima al eje x, pero nunca lo toca. DISTRIBUCIÓN FISCHER «F» Fórmula : Donde : N1 : N° de datos de la muestra 1 N2 : N° de datos de la muestra 2 S1 2 : Varianza muestral del grupo 1 S2 2 : Varianza muestral del grupo 2 σ1 2 : Varianza del grupo 1 σ2 2 : Varianza del grupo 2 DISTRIBUCIÓN FISCHER «F» REPRESENTACIÓN GRÁFICA