03/08/2019

1
MUESTREO ESTADISTICO EN LA
AUDITORIA

PANORAMA
GENERAL DE LAS
TÉCNICAS DE
MUESTREO
 INTRODUCCIÓN 2

• La utilización del muestreo para

aproximarse al conocimiento de la
realidad es práctica habitual en el
campo de la investigación científica.
Sin embargo, para que sea posible,
que a través de una muestra se pueda
inferir hacia una población con la
precisión y confiabilidad deseada, es
necesario que el diseño muestral y su
desarrollo se ajusten a los
requerimientos que exige la teoría del
muestreo.
03/08/2019
¿
C CUANDO SE VA A SELECCIONAR UNA 3

U MUESTRA BÁSICAMENTE DEBEMOS

Á DE PREOCUPARNOS POR DOS COSAS:
N
• La solución a este problema nos indica
T
cuál es el mínimo de elementos que se
O requieren para lograr un propósito
S específico de inferencia con una
precisión y confiabilidad establecida.

M
U
E
S
T
R
E
A
R
? 03/08/2019
 4

¿Cómo seleccionar los elementos

que componen la muestra?

• Este problema se resuelve con un esquema de

muestreo apropiado; es decir, con un método
que nos lleve a obtener una muestra de los
elementos de la población bajo estudio.

03/08/2019
 5

LOS ESQUEMAS DE MUESTREO SE

DIVIDEN EN:
• Aleatorios

• No aleatorios

Ambos pueden producir buenos

resultados, aunque la aleatoriedad es un
elemento que se valora más como
científico. Razón por la que es preferible
el uso de esquemas aleatorios.

03/08/2019
 CENSOS Y
MUESTRAS
6

En la siguiente tabla se comparan algunos aspectos

relacionados a los censos y las muestras:

Censo Muestra
- Costoso - Un bajo costo
- Muchos recursos
- Pocos recursos humanos
humanos
- Organización poco
- Organización compleja
compleja
- Gran duración en la - Obtención y análisis de
obtención y análisis de la la información en un
información corto periodo de tiempo
- Resultados precisos - Resultados muy precisos

03/08/2019
 PLANEACIÓN DE UNA 7

ENCUESTA

La realización de una encuesta requiere de la

implementación de una metodología
cuidadosamente diseñada.

Se recomienda siempre tomar en cuenta los

siguientes aspectos para el desarrollo de una
encuesta por muestreo:

03/08/2019
 8
1. Establecimiento de objetivos
2. Definición de la población objetivo
3. Obtención del marco muestral
4. Seleccionar el diseño o esquema de muestreo
5. Determinar los métodos de medición
6. Escoger el instrumento de medición
7. Selección y adiestramiento de los
investigadores de campo
8. Prueba piloto
9. Organización del trabajo de campo

10. Organización del manejo de datos

11. Análisis de datos

12. Elaborar un reporte

03/08/2019
 MUESTREO ALEATORIO 9

SIMPLE
En este esquema se supone que se tiene una
población homogénea de tamaño N, lo cual es
poco frecuente en problemas reales. La idea es
darle a cada elemento la misma probabilidad de
salir seleccionada en la muestra, lo que se
garantiza a través de una rifa simple o
seleccionando n números aleatorios de entre 1 a
n, a partir de una tabla o con la ayuda de una
calculadora. Estos números nos indicarán cuáles
elementos debo elegir y observar. Para hacer
esta rifa debo tener un listado de los elementos
de la población de muestro que se denomina
marco.

03/08/2019
 Esquema de un muestreo 10
aleatorio simple
Población finita de tamaño N

8
N-6 N
5
2
6
... N-2
1
4 N-3 N-5
3
7 N-1
N-4

Selección aleatoria simple

2 5
1
Muestra aleatoria simple de
...

3
4 6
n
tamaño n

03/08/2019
 11

MUESTREO ALEATORIO
ESTRATIFICADO
En los problemas reales es más
frecuente tener una población estratificada;
es decir, una población de muestreo
compuesta por varios grupos bien
identificados, a los que se les llama estratos.
Los individuos pertenecen a uno y solamente
uno de los estratos. Para seleccionar una
muestra estratificada de tamaño ,
procedemos de la siguiente manera.

03/08/2019
 Esquema de un muestreo aleatorio 12

estratificado
Población finita de tamaño
N1+N2 +...+ NL= N
Estrato 1 Estrato 2 Estrato l
. . .
N1 N2 NL

2 2 1
1 1 2 3
4 5
4 3 4 5 6 6
...
3 7
6 7 8
5 N 8
... N2 NL
7 9 ... ...
Muestra aleatoria Muestra aleatoria
Muestra aleatoria
simple simple
simple

1 1 2 1 2
2 3 ...
... ...
3 n1 3 nL
4 n2

Muestra aleatoria estratificada de tamaño

n =n1 + n2 + ... + nL 03/08/2019

 Muestreo por 13

conglomerados

A veces es muy costos obtener un

marco de unidades elementales, pero
éstas aparecen naturalmente agrupadas
en pequeños grupos llamados
conglomerados. Si podemos obtener un
listado de conglomerados. Sea 1, 2, ...M
el marco de conglomerados. Nosotros
podemos seleccionar una muestra de
unidades básicas en dos etapas:

03/08/2019
 1. Primero seleccionamos una muestra14

de m conglomerados usando muestreo

aleatorio simple.
2. De cada conglomerado seleccionado
obtenemos un marco de las Ni
unidades i=1,2,...,m
3. Seleccionamos una muestra aleatoria
de tamaño ni, i=1,2,...,m de cada uno de
los conglomerados.

Así la muestra total será de tamaño

n=n1+n2+...nm. La forma de determinar ni para cada
conglomerado puede ser hecha por separado o
bien determinar n y después distribuirla sobre los
m conglomerados.

03/08/2019
 Esquema de un muestreo por 15
conglomerados en dos etapas

Población finita de M conglomerados

3
1 5

4
2
6
... M

Muestra aleatoria simple

de m conglomerados
...
3
1 Muestra aleatoria
m
2 simple de elementos en
cada conglomerado
seleccionado en la
primera etapa

... n1 ... ...

n2
n3 ... nm

03/08/2019
 Muestreo sistemático 16

Algunas poblaciones aparecen

ordenadas físicamente, en filas, gavetas,
etc., o bien en el tiempo. Una manera de
aprovechar el orden para elegir una
muestra es haciendo una selección
sistemática.

Para esto el total N de la población

debe dividirse en n grupos cada uno de
tamaño k ; así N = nk.

03/08/2019
 17

Entonces de los primero k

elementos seleccionamos uno
aleatoriamente. El resto de los elementos
de la muestra se obtiene
sistemáticamente tomado siempre el
elemento j+ik donde j es el lugar elegido
entre los primeros k e i=1,2,...(n-1). Esto
es j, J+k, J+2k, J+3k,...

Si la población tiene un
comportamiento cíclico la muestra puede
ser poco representativa.

03/08/2019
 Esquema de un muestreo 18
sistemático

Población ordenada de tamaño N=nk

GRUPO 1 GRUPO 2 GRUPO k

. . .

. . . . . . . . . . . .

j J+k ... J+(n-1)k

Muestra sistemática de tamaño n

03/08/2019
 Otros esquemas aleatorios
19

En la práctica resulta, con mucha

frecuencia, necesario combinar varios
esquemas. Así podríamos tener un muestreo
estratificado y por conglomerados, que en la
segunda etapa utilice el procedimiento
sistemático. En general las características
de la población y el problema bajo estudio
nos darán los elementos que nos permitan
confeccionar nuestro plan de la forma más
adecuada.

03/08/2019
 Muestras no aleatorias
20

Las muestras aleatorias no

necesariamente son más representativas.

Incluso una muestra aleatoria

puede ser muy mala.

Las muestras aleatorias únicamente

garantizan, que en promedio, obtendremos
muestras con pocos sesgos de elección
propiciados por las preferencias del que
esta eligiendo.

03/08/2019
 21

En la medida en la que tengamos

conocimiento de la población podemos, con
métodos no aleatorios, seleccionar
muestras adecuadas y bastante
representativas.

03/08/2019
 22

Si hay un experto de la población

bajo estudio, podría proponer una muestra
“a juicio” que garantice representatividad.
Esta muestra no necesita ser muy grande
para proporcionar información de buena
calidad. Dado que esta muestra proviene
del buen juicio de un experto podría ser
cuestionada, pero la experiencia es
garantía en muchas situaciones.

03/08/2019
 23

Otra forma de construir una muestra

es a través de cuotas, estas establecidas en
términos de algunas variables que definen
representatividad. Estas cuotas se les
establecen a los trabajadores de campo y
encuestadores y ellos arbitrariamente
eligen a las unidades específicas que
pertenecerán a la muestra.

Otro es a conveniencia, esto por la

consideración de complejidad.
03/08/2019
 Tamaño de muestra 24

Los factores más importantes que deben

tomarse en cuenta para la
determinación del tamaño de muestra
son:
1. La variabilidad de la característica de
interés en los elementos de la población.
2. El tamaño de la población bajo estudio.
3. El nivel de precisión que se desea para
estimar el parámetro de interés.
4. El nivel de confiabilidad deseado.

03/08/2019
 25

Una manera simple de determinar el

tamaño de muestra es cuando se puede
fijar el interés en una sola variable y el
objetivo de inferencia es estimar por
intervalo una media, un total o una
proporción. Así el tamaño de muestra se
obtendría usando alguna de las
siguientes fórmulas:

03/08/2019
 26

EJEMPLO:
• A raíz de una revisión de control interno se le pide a usted como auditor
que en 10000 facturas se desea saber una estimación del cumplimiento
legal, relacionado con consignar en las facturas de ventas el galonaje
que corresponde a la venta en los distintos combustibles, usted ofrece
hacer un estudio basado en muestreo estadístico aleatorio simple, pero
dicho estudio no puede garantizar una exactitud, para la empresa es
aceptable dicho estudio dentro de los parámetros siguientes: el máximo
de error muestral no deberá exceder del 5% hacia arriba o hacia abajo,
o sea que si la muestra indica que 10% de las facturas contienen falta de
cumplimiento en consignar el galonaje, el porcentaje para la gasolinera
se encontraría entre el intervalo 10% ± 5% (5% y 15%). Por otra parte el
nivel del intervalo de confianza deberá ser de 99%, no importa que tan
grande sea la muestra, siempre existe la posibilidad de un error muestral
que sea mayor al 5%. El gerente esta consiente de esta situación y esta
dispuesto a tomar una oportunidad de obtener una mala muestra del
5%. Usted como auditor basa su estudio en la experiencia en trabajos
similares realizados a otras gasolineras en donde ha podido constatar
que el incumplimiento a este respecto esta entre el 15% y el 30%, por lo
que usted procede a calcular el tamaño de las muestras y a hacer la
evaluación de las mismas, basado en los resultados que indican
cumplimiento 86%, e incumplimiento 14%.
03/08/2019
 27

Muestra ˆ

Z2 p q
n=
E2
n=

1 Z2 p q
1+ - ( - 1)
N E2

p : Proporción de elementos que presentan la

característica de interés en la población.
q : Proporción de elementos que no presentan la
característica de interés en la población.

03/08/2019
 28

Muestra ˆ

=2.58 0.15*0.85
n 2
.05

p : Proporción de elementos que presentan la

característica de interés en la población.
q : Proporción de elementos que no presentan la
característica de interés en la población.

03/08/2019
 29

Muestra ˆ

0.32895
n=
.0025

p : Proporción de elementos que presentan la

característica de interés en la población.
q : Proporción de elementos que no presentan la
característica de interés en la población.

03/08/2019
 30

Proporción poblacional: p Estimador: p̂

n = 339

p : Proporción de elementos que presentan la

característica de interés en la población.
q : Proporción de elementos que no presentan la
característica de interés en la población.

03/08/2019
 31

Error Estándar ˆ

SP = Error estándar
p= Proporción de elementos que presentan la
característica de interés de la población.
q= Proporción de elementos que presentan la
característica de interés de la población.

03/08/2019
 32

Error Estándar ˆ

SP = Error estándar
p= 0.86
q= 0.14
n= 339

03/08/2019
 33

Error Estándar ˆ

SP= 0.018845749

SP = Error estándar
p= 0.86
q= 0.14
n= 339

03/08/2019
 34

Error Muestral ˆ

SP = Error estándar
Z= Valor de la tabla de áreas bajo la curva
normal
E= Error Muestral

03/08/2019
 35

Error Muestral ˆ

SP = 0.
Z= 2.58 = intervalo de confianza 99%
E= Error Muestral

03/08/2019
 36

Error Muestral ˆ

SP = 0.
Z= 2.58 = intervalo de confianza 99%
E= Error Muestral

03/08/2019