Curso

MUESTREO EN AUDITORA

COFAE

DOCENTE ADJUNTO: PIERRE PONTE LEN

 2

Aspectos generales sobre auditora

Objetivo de la inferencia estadstica

Muestreo estadstico

Concepto de poblacin

Tipos de poblacin

Grado de confianza de la inferencia

Grado de error (imprecisin) de la inferencia

Clasificacin del tipo de muestreo

Investigaciones estadsticas

Decisiones de muestreo

Pasos para determinar una muestra probabilstica

 3

Proporcionar al participante las herramientas

metodolgicas y los aspectos conceptuales inherentes
al proceso de determinacin de las posibles tcnicas de
muestreo, requeridas para ejecutar eficientemente los
procedimientos de auditora y de esta forma alcanzar la
consecucin de los objetivos trazados en cualquier
actuacin fiscal.
 4

Proceso sistemtico,
independiente y
documentado para
obtener evidencias de la
auditora y evaluarlas de
manera objetiva con el
fin de determinar la
extensin en que se
cumplen los criterios de
auditora.
 5

Preparacin de la
Inicio (designacin del auditora en sitio
Revisin documental
lder, definicin de (elaborar plan, asignar
(incluyendo registros
objetivos, alcance y tareas, preparacin de
para determinar
criterios, determinar documentos de
adecuacin con
viabilidad, contacto trabajo incluidas listas
criterios)
inicial auditado) de verificacin y planes
de muestreo)

Realizacin de la
auditora (apertura,
recoleccin y
verificacin de Preparacin, aprobacin Finalizacin de la
informacin, generacin y distribucin de informe auditora
de hallazgos,
preparacin de
conclusiones y cierre)

Seguimiento
 6

AUDITORA
AUDITORA FINANCIERA AUDITORA DE GESTIN
OPERACIONAL
Comprende el examen Es el examen de los Es el examen de la
de los estados procesos administrativos gestin que abarca la
financieros. de las operaciones y los legalidad y calidad de
resultados, bajo criterios las operaciones en lo
de economa, eficiencia administrativo y
y efectividad. Incluye contable, enfatizando
adems el examen de en los criterios de
legalidad. economa, eficiencia y
eficacia y cumplimiento
de metas y objetivos.
Las recomendaciones se Las recomendaciones se Las recomendaciones se
orientan a mejoras en el orientan al mejoramiento orientan a erradicar las
sistema contable continuo de los procesos causas de las
de la organizacin. desviaciones y al logro
de metas y objetivos de
la organizacin.
 7

AUDITORA
AUDITORA FINANCIERA AUDITORA DE GESTIN
OPERACIONAL
Concibe el control Concibe el control Concibe el control
interno como un sistema interno como un sistema interno como un sistema
dirigido a garantizar la dirigido a garantizar la dirigido a garantizar el
veracidad de la integridad patrimonial. logro de objetivos y
informacin y registros metas, el cual considera
financieros. la planificacin, la
deteccin temprana de
reas susceptibles de
mejoras y la aplicacin
de correctivos
Evala si la estructura de Evala el sistema de Evala adems en forma
control interno ha sido control interno integral el sistema de
diseada e financiero, administrativo control interno en
implementada para y gerencial. relacin al cumplimiento
lograr estados de metas y objetivos
financieros confiables y
en el marco legal.
 8

AUDITORA
AUDITORA FINANCIERA AUDITORA DE GESTIN
OPERACIONAL
Es bsicamente Los estados financieros Los estados financieros
numrico - legal, el son un recurso ms para son un recurso ms para
objeto final es la comprobar la economa, comprobar la economa
comprobacin de la eficiencia y efectividad y eficacia de las
justedad y razonabilidad de los resultados de las operaciones y el
de los estados operaciones. cumplimiento de metas
financieros. y objetivos de la
organizacin.
Pruebas de Pruebas de Pruebas de
cumplimiento son cumplimiento estn cumplimiento estn
principalmente de orientadas a verificar orientadas a verificar el
comprobacin numrico logro de los resultados cumplimiento de metas
- legal. operacionnales y objetivos
 9

El objetivo de la
estadstica inferencial es
obtener la informacin
acerca de una
poblacin, partiendo de
la informacin que
contiene una muestra. El
proceso que se sigue
para seleccionar una
muestra se denomina
Muestreo.

Muestreo 9
 10

Herramienta de la investigacin cientfica cuya funcin

bsica es determinar qu parte de una poblacin en
estudio debe examinarse con el fin de hacer inferencias
sobre dicha poblacin.

INTENTAREMOS RESPONDER A LAS SIGUIENTES CUESTIONES:

Por qu tomar muestras? Cmo se toman

muestras?
Qu hacer con las muestras? Cuntas muestras
tomar?

POR QU TOMAR MUESTRAS?

Poblaciones infinitas
Costes de la toma de muestras
Destruccin de las unidades estudiadas

Muestreo 10
 11

Concepto de Poblacin:

Es un conjunto finito o infinito de elementos con

caractersticas comunes para los cuales sern extensivas
las conclusiones de la investigacin. Esta queda
delimitada por el problema y por los objetivos del
estudio.
TOTAL DEL UNIVERSO

Dnde?

Cundo?
 12

FINITA ACCESIBLE
POBLACIN
INFINITA
 13

CONCEPTO DE MUESTRA: La muestra es un conjunto

representativo y finito que se extrae de la poblacin
accesible.

CONCEPTO DE MUESTRA REPRESENTATIVA: Es aquella

que por su tamao y caractersticas similares a las del
conjunto, permiten hacer inferencias o generalizar los
resultados al resto de la poblacin con un margen de
error conocido.

REPRESENTATIVA (Ver que se cumpla en todo los

TIPOS DE sectores).
MUESTRAS
NO REPRESENTATIVA
 14

Es la probabilidad de que el valor real del parmetro

poblacional se encuentre dentro de los lmites
especificados por los valores del estimador muestral.

Ms que un clculo suele ser un criterio definido

convencionalmente por el analista expresado en
unidades estandarizadas Z o en porcentaje de valores
muestrales.

Una probabilidad de 95% equivale a 1.96 unidades de

Z y es la ms utilizada.
 15

Debido a la aleatoriedad, los valores de un

mismo estadstico difieren de una muestra a
otra.

Esta variabilidad introduce un error en la

estimacin (error aleatorio).

Este error puede medirse, pues las medias de los

estimadores siempre se distribuyen
normalmente (Teorema del lmite central)
aunque los mismos estimadores no lo hayan
hecho.
 16

Cuando se mide el estadstico en

diferentes muestras tomadas
aleatoriamente los resultados son variables.
Esta variabilidad del estadstico se
denomina error aleatorio y es causada por
el azar.

s1 s2

s4
s3
 17

Para un mismo nivel de confianza puede medirse el

error aleatorio por encima y por debajo de la
estimacin.

El error aleatorio configura lmites de confianza dentro

de los cuales se presume estar el valor real del
parmetro para el nivel de confianza elegido por el
analista.

El intervalo de confianza de la inferencia ser ms

amplio (impreciso) mientras ms altas sean la
confiabilidad exigida y la desviacin estndar.
 18

Azar simple
Azar sistemtico
PROBALISTICO O
Estratificado
ALEATORIOS
Conglomerados

CLASIFICACION

NO Casual o
PROBALISTICOS accidental
(Deterministico) Intencional
Por cuotas
 19

Todos los elementos de la

poblacin, unidades de
anlisis, tienen la misma
posibilidad de ser
escogidos.

La seleccin se realiza
aleatoriamente.
 20

Simple

Estratificada

Por racimos o conglomerados.

 21

Es aquella en la que los

elementos se escogen en
forma individual al azar
de la totalidad de la
poblacin.

Esta seleccin al azar es

similar a la que se realiza
en la extraccin aleatoria
de nmeros de una lotera
 22

Es aquella en la que resulta

necesario clasificar la muestra
en relacin a estratos o
categoras que se presentan
en la poblacin y que son
relevantes para los objetivos
del estudio.

Lo que se hace es dividir la

poblacin en subpoblaciones
o estratos y se selecciona una
muestra para cada estrato.
 23

Presupone que las unidades de

anlisis se encuentran
encapsuladas o encerradas en
determinados lugares fsicos o
geogrficos a los que se
denominan racimos.

Implica diferenciar entre la unidad

de anlisis y la unidad muestral.

Supone una seleccin en dos

etapas:
Seleccin de los racimos.
Seleccin de las unidades.
 24

Sujetos voluntarios

NO PROBALISTICAS Muestras expertos Muestras

(CARCTER INFORMAL) Dirigidas
Sujetos tipos
Muestras por cuotas

Se dirige a un sector
CONVENIENCIA especifico

Resultado subjetivo,
SELECTIVO sin criterio, por
facilidad

JUICIO O CRITERIO Subjetivo pero con

criterio
 25

La eleccin de los
elementos no depende
de la probabilidad.

Depende de otras
causas relacionadas
con los propsitos de la
investigacin.
 26

Muestras de sujetos voluntarios.

Muestra de expertos.

Muestra de sujetos tipo.

Muestra por cuotas.

 27

La eleccin entre uno u otro tipo

de muestreo depende de los
objetivos del estudio, del esquema
de investigacin y de la
contribucin que se espera hacer
con ella.
 28

No. 1: Debo tomar una muestra ?

Se quiere saber cmo se

comporta una cierta Las
caracterstica en un observaciones
Universo particular Hacer pueden
un Censo atribuirse a los
S miembros del
Universo

El Universo S Es posible
est bien observar todo el Las
NO
definido Universo ? Tomar observaciones
? una Muestra solo pueden
No representativa atribuirse a la
muestra, NO a
NO
NO los miembros
del Universo
Definir Observar Se quiere
El Universo inferir la medicin
una Muestra al Universo
?

Las
S
Tomar observaciones
una Muestra pueden
Representativa atribuirse a los
miembros del
Universo
 29

Estimar un parmetro determinado con el nivel de confianza

deseado.
Detectar una determinada diferencia, si realmente existe, entre
los grupos de estudio con un mnimo de garanta.
Reducir costes o aumentar la rapidez del estudio.

Es bueno sealar que en un momento una poblacin puede ser

muestra en una investigacin y una muestra puede ser
poblacin, esto esta dado por el objetivo del investigacin, por
ejemplo en el caso de determinar la estatura media de los
estudiantes universitarios en Venezuela una muestra poda ser
escoger algunas universidades del pas y realizar el trabajo, si por
el contrario se quiere saber la estatura promedio de los
estudiantes de una universidad en especifico en Venezuela,
entonces el conjunto formado por todos los estudiantes de esta
universidad sera la poblacin y la muestra estara dada por los
grupos, carreras o aos seleccionado para realzar el
experimento.
 30

Est medida en unidades distintas de las de la variable.

Por ejemplo, si la variable mide una distancia en metros,
la varianza se expresa en metros al cuadrado. La
desviacin estndar, la raz cuadrada de la varianza, es
una medida de dispersin alternativa expresada en las
mismas unidades.

Hay que tener en cuenta que la varianza puede verse

muy influida por los valores atpicos y se desaconseja su
uso cuando las distribuciones de las variables aleatorias
tienen colas pesadas. En tales casos se recomienda el
uso de otras medidas de dispersin ms robustas.
 31

Primer Paso: Determinar la Muestra Sin

Ajustar
Se calcula dividiendo dos valores que
son aportados por el investigador a
razn, tanto de las implicaciones
significativas que se desprenden del
tipo de variable que pretende medir y
del margen de error con el que desea
proyectar sus resultados.
 32

As tenemos que la muestra sin ajustar se

conoce como n` ; es decir, ene prima.
Y su frmula es como sigue:
2
S Varianza de la Muestra
________________
n`=
2
V Varianza de la Poblacin
 33

S2 Varianza de la Muestra, no es otra cosa que la

probabilidad de ocurrencia esperada de la variable que
se pretende medir.
Este valor es asignado por el investigador atendiendo al
nivel de significatividad que tiene la variable en funcin
de la magnitud de ocurrencia; es decir, si consideramos
la influencia letal de un determinado medicamento
como una variable a medir en un grupo de pacientes, no
necesitaramos un nivel de ocurrencia muy alto en la
misma para proyectar los resultados y obrar en
consecuencia.
 34

En este caso, quiz con un 5% de ocurrencia, o hasta

menos, sera suficiente para declarar la ALARMA.
Ahora bien, si se trata de considerar la afluencia de
adolescentes en una determinada calle o avenida, con
miras a soportar la decisin de aperturar un centro de
video juegos en la misma, quiz tendra que medir la
variable a estudiar sobre una probabilidad de ocurrencia
en el orden del 75%, de manera que una vez obtenidos los
resultados, si son favorables, pudiera recomendar la
apertura del referido centro sin mayores inconvenientes.
As tenemos que: S2 = p ( 1 p) tal que p=probalilidad de
ocurrencia, si la misma es estimada en 5% p=0.05, si es
estimada en un 75% p=0.75, sustituimos los valores en
consecuencia, y as sucesivamente.
 35

Continuando con el divisor de la frmula; es

decir, con V2 Varianza de la Poblacin,
tenemos que la misma no es otra cosa que el
margen de error estndar con el que
queremos trabajar para proyectar nuestros
resultados.
Generalmente, en este particular se trabaja
con valores que oscilan ente 0.010 y 0.015.,
mientras menor sea el margen de error
estimado, mayor confiabilidad inspirarn los
resultados.
Si nuestro error estimado es de 0.015 lo
elevamos al cuadrado y lo sustituimos en la
frmula.
 36

Si retomamos la frmula de la muestra sin ajustar, y a manera

de ejemplo consideramos hipotticamente trabajar con una
variable x cuya probalidad de ocurrencia esperada la
ubicamos en 75% y un margen de error del 0.015, tenemos:

S2 Varianza de la Muestra
n`= _______________________________
V2 Varianza de la Poblacin

0.75 (1 0.75) 0.1875

n` = _______________ = ________ = n`= 833.3333
(0.015)2 0.000225
 37

Una vez que hemos determinado la muestra sin ajustar,

estamos en condiciones de dar nuestro Segundo Paso:
CALCULAR LA MUESTRA AJUSTADA
La Muestra Ajustada se simboliza con la letra n y su frmula
es como sigue:

n`
N=___________ donde N = Nmero de
la Poblacin
1 + n` / N
 38

Supongamos que el tamao de la poblacin a estudiar se

estima en unos 1.500 individuos.
Y sabiendo que nuestra muestra sin ajustar; es decir, n` =
833.3333. Procedemos a sustituir los valores en la frmula de la
Muestra Ajustada.
As tenemos que:
n` 833.3333 833.3333 833.3333
n = ___________ = _________________ = ____________ = __________ =

1 + n` / N 1 + 833.3333/1.500 1 + 0.5555 1.5555

n = 535.73339
Lo que implica que nuestra muestra probabilstica sera
aproximadamente de 536 individuos
 39

Ahora bien, cuando los individuos de la poblacin estn

diseminados o esparcidos en varios estratos, estados o
departamentos; es decir, cuando no estn focalizados en
una misma unidad fsica, corresponde entonces dar un
Tercer Paso: Calcular la Muestra Estratificada.
Supongamos a manera de ejemplo que la poblacin a
estudiar ( 1.500 individuos ) se encuentra esparcida en
cinco estados nacionales, a saber:
Mrida (250), Miranda (300), Monagas (200), Vargas (250)
y Sucre (500)

De cules estados tendramos que

tomar la muestra aproximada de 536
individuos?
 40

El procedimiento estadstico para hacerlo es el siguiente:

Calculamos el factor multiplicador f dividiendo la muestra
aproximada n entre el nmero de la poblacin N
n 536
f = __________ = ______ = 0.3573
N 1.500
Una vez obtenido el factor, procedemos a multiplicar el
mismo por la cantidad de individuos pertenecientes a
cada estado discriminado.
Como sigue
 41

Individuos por Factor Muestra

Estado Multiplicador Estratificada
Mrida 89.325
0.3573
250
Miranda 0.3573 107.19
300
Monagas 0.3573 71.46
200
Vargas 0.3573 89.325
250
Sucre 0.3573 178.65
500

Total 535.95
 42

La definicin del tamao muestral depende

de los siguientes factores:

1 . Los objetivos del estudio

2 . Los conocimientos previos sobre el comportamiento

de la caracterstica en la poblacin.

3 . Los recursos tcnicos y financieros para obtener la

informacin

4 . El error mximo que se permitir el

analista
5 . La confiabilidad de la inferencia esperada por el
analista
 43

Con una muestra muy pequea, no se

puede tener un riesgo bajo, a menos que se
permita un margen muy grande del riesgo
de muestreo (precisin).

El tamao de la muestra tiene un efecto

directo sobre tolerancia del riesgo y sobre
el riesgo de muestreo.

A medida que el tamao de la muestra

aumenta, tanto el riesgo de muestreo
como la tolerancia del riesgo de muestreo
disminuyen.

43
 44

1. Formulas segn Kish

2. Estimacin de la medida por unidad

 45

N = tamao de la poblacin
Y = valor de la variable (por lo general es = 1)
V = Varianza Poblacin
Se= Desviacin Standard (tpica 0,015 para 15%)
= probabilidad de ocurrencia (tipa 95 %)
n = Tamao de la muestra
n = Tamao de la muestra provisional (sin ajustar)
s = Varianza de la muestra

n = s / V n = n / (1+ n / N)
v = Se s = ( 1 )
Ejemplo 1:
s = ( 1 )
Caso cheques emitidos s = 0.9 (1-0,9) = 0,09
N= 1.176 Cheques V = Se = (0,015) = 0,000225
Se = 15 % = 0,015 n = s / V = 0,09/ 0,000225 = 400
=90 % = 0,9 n = n / (1+ n/ N) = 400 / (1 + 400/ 1.176)
n=? n = 298

Ejemplo 2:
Caso Obras ejecutadas s = ( 1 )
s = 0,95 (1-0,95) = 0,0475
N= 1.450 Obras
V = Se = (0,015) = 0,000225
Se = 15 % = 0,015 n = s / V = 0,0475/ 0,000225 = 211,11
=95 % = 0,95 n = n / (1+ n/ N) = 211,11 / (1 + 211,11/ 1.450)
n=? n = 184,28 ~ 184
 47

1. Determinar el objetivo de Qu desean probar los

la prueba. auditores?

Cuantificar y evaluar las

2. Definir la poblacin y la
cualidades.
unidad de muestreo.

3. Seleccionar una tcnica Estimacin de la medida por

de muestreo de auditoria. unidad.

4. Determinar el tamao de Error tolerable, niveles de riesgo

la muestra. y desviacin estndar.

5. Seleccionar la muestra.
Aplicar procedimientos
6. Probar los elementos de la para corroborar con el
muestra. anlisis practicado.

7. Evaluar los resultados.

Incluir en las respectivas
cedulas de trabajo y los
8. Documentar los
papeles de trabajo.
procedimientos.
 48

Tolerancia
planeada para el
Error Tolerable
riesgo de muestreo

ET
TPRM = 1 + ( CAI / CRI)

Coeficiente Coeficiente
de aceptacin de rechazo
incorrecto incorrecto

Error Tolerable: Es el error monetario mximo que puede existir

en una partida o cuenta, sin que afecte la informacin que la
integra de forma material.
 49

Nivel de Riesgo Coeficiente de Coeficiente de

Aceptable (%) aceptacin rechazo
incorrecto incorrecto
1,00 2,33 2,58
4,60 1,68 2,00
5,00 1,64 1,96
10,00 1,28 1,44
15,00 1,04 1,28
20,00 0,84 1,15
25,00 0,67 1,04
 50

Tamao de Coeficiente de Desviacin

rechazo estndar
la poblacin incorrecto estimada

N x CRI x De
n =
TPRM
Tamao
de la
Tolerancia
muestra
planeada para
el riesgo de
muestreo
 51

RA Riesgo de auditoria
RI Riesgo Inherente
RC Riesgo de control
RD Riesgo de deteccin
PA Riesgo de no deteccin de un error material
PD Riesgo tolerable de aceptacin incorrecta

RA = RI x RC x RD

RD= PA x PD

Entonces,

RA = RI x RC x PA x PD
 52

EJEMPLO:

Suponga que los auditores estn dispuesto a aceptar un riesgo

de auditoria de 5% de error material en la afirmacin de
existencia de los pagos efectuados por la dependencia. Ellos
consideran que el riesgo inherente de esa afirmacin es de
100%. Despus de considerar el control interno sobre el ciclo de
egresos, evalan el riesgo de control en un nivel de 50% y
consideran que los procedimientos analticos realizados para
probar la afirmacin tienen un riesgo de 40% de no lograr
detectar un error material. El nivel apropiado del riesgo de una
aceptacin incorrecta puede calcularse de la siguiente
manera:
RA = RI x RC x PA x PD PD = RA
RI x RC x PA

PD = 0,05 = 0,25
1 x 0,50 x 0,40
 53

Los auditores deben planificar una

muestra de auditoria para la
prueba sustantiva de detalles con
un riesgo de aceptacin
incorrecta de 25%.
 54

CONCLUSIONES
 55

Gracias por su
atencin
 56

Alvin A. Arens y James K. Loebbecke. (1996). Auditoria. Un

Enfoque Integral. Prentice Hall Hispanoamericana S.A Auditoria y
Control Interno. Grupo Cultural. 2.005.
Blanco Luna Yanel. (2004) Normas y Procedimientos de la
Auditoria Integral. ECOE EDICIONES.
Colegio De Contadores Pblicos De Venezuela. Publicaciones
de la Federacin de Colegios de Contadores Pblicos de
Venezuela.
Defliese. (2004) Auditoria Montgomery. Editorial Limusa Estupian
Rodrigo Gaitan.(2007). Administracin o Gestin de Riesgos
E.R.M y la Auditoria Interna. ECOE EDICIONES.
Heffes, G. Holguin F. y Galn A. (1994). Auditoria de los Estados
Financieros. Grupo Editorial Iberoamericana Mxico.
 57

Instituto Mexicano de Contadores Pblicos.(2007). Normas

Internacionales de Auditoria. Mxico. Montgomery. Auditoria.
Editorial Limusa.
Publicaciones Tcnicas Nros. 1, 2, 3 y 4 de la Federacin de
Contadores Pblicos de Venezuela.
Taylor, D. y Glezen, W. (1994). Auditoria Integracin de
Conceptos y Procedimientos. Editorial Limusa S.A. Grupo
Noriega. Editores Mxico
Walter G. Kell Y William C. Boynton.(1998). Auditoria Moderna.
Editorial CECSA.
Whittinggton O Ray Y Kurt Pany (1999). Auditoria un Enfoque
Integral. Mc GRAW-HILL.