Metodos Cuantitativos Final

Ao del Centenario de Machu Picchu para el Mundo
FACULTAD DE ECONOMIA Y CONTABILIDAD

CURSO : MTODOS CUANTITATIVOS CONTABLES
TEMA : REDES, INVENTARIOS, MUESTREO Y
DECISIONES EN INVESTIGACIN DE
OPERACIONES
DOCENTE : CPCC. OJEDA PEREDA, William Z.
INTEGRANTES :
JULCA NORABUENA, Edwin
MARQUEZ HUERTA, Lenin
MENDOZA ASCENCIOS, Kneller
ONCOY VALVERDE, Miguel
SEMESTRE 2010- II
UNASAM-FEC Mtodos cuantitativos Contables
Escuela Acadmico Profesional de Contabilidad Sptimo Ciclo
INDICE
REDES .................................................................................................................................................. 6
Construccin de una Red .................................................................................................................... 6
Procedimiento Para Trazar Un Modelo De Red .................................................................................. 7
Anlisis De Red Pert .......................................................................................................................... 11
CASO PRCTICO................................................................................................................................. 12
Teora de Inventarios ........................................................................................................................ 22
Costos asociados a un inventario ...................................................................................................... 22
Caractersticas de los sistemas de inventario ................................................................................... 22
Modelos de cantidad econmica ...................................................................................................... 22
Modelos para la Toma De Decisiones ............................................................................................... 23
Administracin de Inventarios .......................................................................................................... 25
Clasificacin Abc ................................................................................................................................ 27
Modelo de cantidad econmica de pedido clsico. .......................................................................... 28
Ejemplos del modelo CEP con faltantes. ........................................................................................... 31
Modelo con Descuentos por Cantidad .............................................................................................. 32
EL MUESTREO .................................................................................................................................... 39
Terminologa ..................................................................................................................................... 39
Distribucin en el muestreo: ............................................................................................................. 39
Error Estndar: .................................................................................................................................. 40
Error muestral o error de muestreo.................................................................................................. 40
Mtodos de seleccin de muestras. ................................................................................................. 40
APLICACIN DEL MUESTREO ESTADSTICO A LAS PRUEBAS DE CONTROLES ................................... 43
Aplicacin .......................................................................................................................................... 44
Muestreo ........................................................................................................................................... 44
Tipos de muestreos ........................................................................................................................... 45
2
Muestreo estadstico......................................................................................................................... 45
Pasos a seguir en una prueba de controles ...................................................................................... 46
LA DECISIN ...................................................................................................................................... 61
El Proceso de Toma De Decisiones.................................................................................................... 62
Componentes del proceso estructurado de toma de decisiones ..................................................... 63
Ambientes De Decisin ..................................................................................................................... 65
Anlisis de Decisin Multicriterio...................................................................................................... 66
Modelo econmico de inventarios ................................................................................................... 67
Procedimiento para aplicar el modelo de inventario ....................................................................... 68
Caso Prctico para sustentar la Toma de Decisiones de Inventarios. ............................................... 72
Propuesta de solucin a la problemtica identificada en el Molino de Trigo................................... 72
CONCLUSIONES ................................................................................................................................. 78
RECOMENDACIONES ......................................................................................................................... 79
BIBLIOGRAFIA .................................................................................................................................... 80
3
INTRODUCCION
En el presente trabajo tratamos los conceptos sobre redes, inventarios, muestreo y

decisiones, todos ellos respecto a la investigacin de operaciones, para la obtencin de
un mejor y mayor conocimiento de estos conceptos hemos visto por conveniente la
resolucin de diversos casos prcticos. A continuacin describimos cada uno de los
conceptos abordados en el presente trabajo monogrfico.
Los Modelos de Optimizacin de redes se aplican a numerosos casos en la Ciencia de la

Administracin, en particular relacionados con la operacin de redes de transporte,
logstica, redes elctricas o de comunicacin, pero tambin en programacin y
seguimiento de Proyectos, en Marketing, Recursos Humanos y en Finanzas.
La mayor parte de los modelos de redes son casos particulares de modelos de

Programacin Lineal, y pueden ser formalizados a partir de un modelo general que los
engloba: el Modelo de Flujo de Costo Mnimo.
Inventarios son bienes tangibles que se tienen para la venta en el curso ordinario del
negocio o para ser consumidos en la produccin de bienes o servicios para su posterior
comercializacin. Los inventarios comprenden, adems de las materias primas, productos
en proceso y productos terminados o mercancas para la venta, los materiales, repuestos
y accesorios para ser consumidos en la produccin de bienes fabricados para la venta o
en la prestacin de servicios; empaques y envases y los inventarios en trnsito.
Respecto a las muestras es una herramienta necesaria para tomar partes de la poblacin
que deseramos estudiar, dicha toma depender de los rubros que se desea estudiar y de
la complejidad de la informacin con que se cuenta para as poder lograr datos veraces
para las tomas de decisiones en un proceso de solucin de problemas que se hacen.
La Toma de Decisin, es el proceso durante el cual la persona debe escoger entre una o
ms alternativas. Todos y cada uno de nosotros pasamos los das y las horas de nuestra
vida teniendo que tomar decisiones. Algunas decisiones tienen su importancia relativa en
4
el desarrollo de nuestra vida, mientras que otras son gravitantes de ellas. Para el decisor,
el proceso de toma de decisin es sin duda una de las mayores responsabilidades.
Todos estos conceptos nos ayudan a incrementar nuestros conocimientos como

estudiantes en la medida que vayamos investigando ms, lamentablemente no se nos
pudo ensear mucho en las aulas pero sera bueno continuar en el afn de buscar
informacin oportuna y necesaria.
Los alumnos.
5
REDES
Una red o grafo consiste de puntos, y lneas que conectan pares de puntos. Los puntos se
llaman nodos o vrtices. Las lneas de llaman arcos. Los arcos pueden tener una
direccin asociada, en cuyo caso se denominan arcos dirigidos. Si un arco no tiene
direccin normalmente se le denomina rama. Si todos los arcos en la red son dirigidos, la
red se denomina una red dirigida. Si todos los arcos son no-dirigidos, la red es una red
no-dirigida.
Dos nodos pueden estar conectados por un conjunto de arcos. Una trayectoria (path en
ingls) es una secuencia de arcos distintos (con nodos no repetidos) conectando a los
nodos. Una trayectoria dirigida desde nodo i al nodo j es una secuencia de arcos, cada
uno de los cuales apunta al nodo j (si es que hay direccin). Una trayectoria no dirigida
puede incluir arcos dirigidos apuntando en cualquiera de direccin.
Una trayectoria que comienza y que termina en el mismo nodo se denomina ciclo y puede
ser ya sea dirigida o no-dirigida.
Una red est conectada si existe una trayectoria no-dirigida entre cualquier par de nodos.
Una red conectada que no tiene ciclos se denomina rbol.
Construccin de una Red

Los elementos que integran una red son:
a) Actividad: representa el trabajo que tiene que ser realizado:
Se indica con una flecha;

No tiene magnitud, direccin ni sentido;
consume tiempo y recursos.
b) Evento: concurrencia en un punto del tiempo, en el cual se inicia o termina una

actividad:
Se representa con un crculo;

es un punto de control en el plan;
ocupa slo un instante en el tiempo.
6
c) Principio de dependencia:
un evento no puede alcanzarse hasta que la actividad que lo precede no se haya

completado;
una actividad no puede empezar hasta que el evento que le precede no se haya
consumado;
Todo evento lleva antes una actividad, excepto el primero.
d) Tipos de actividades, de acuerdo con el inciso anterior:
Precedentes;
Sucesores.
Procedimiento Para Trazar Un Modelo De Red

Para aplicar CPM o PERT se requiere conocer la lista de actividades que incluye un
proyecto. Se considera que el proyecto est terminado cuando todas las actividades han
sido completadas. Para cada actividad, puede existir un conjunto de actividades
predecesoras que deben ser completadas antes de que comience la nueva actividad. Se
construye una malla o red del proyecto para graficar las relaciones de precedencia entre
las actividades. En dicha representacin grfica, cada actividad es representada como un
arco y cada nodo ilustra la culminacin de una o varias actividades.
Consideremos un proyecto que consta de solo dos actividades A y B. Supongamos que la

actividad A es predecesora de la actividad B. La representacin grfica de este proyecto
se. As, el nodo 2 representa la culminacin de la actividad A y el comienzo de la actividad
B.
Si suponemos ahora que las actividades A y B deben ser terminadas antes que una
actividad C pueda comenzar, la malla del proyecto queda como se muestra en la figura2.
En este caso, el nodo representa que las actividades A y B se han terminado, adems del
inicio de la actividad C. Si la actividad A fuera predecesora de las actividades B y C,
Proyecto de tres actividades
7
Dado un conjunto de actividades y sus relaciones de pre decisin, se puede construir una
representacin grfica de acuerdo a las siguientes reglas:
El nodo 1 representa el inicio del proyecto. Por lo tanto, las actividades que parten del
nodo 1 no pueden tener predecesoras.
El nodo Terminal o final del proyecto debe representar el trmino de todas las
actividades incluidas en la red.
Una actividad no puede ser representada por ms de un arco en la red.
Dos nodos deben estar conectados por a lo ms un arco.
Para no violar las reglas 3 y 4, a veces es necesario introducir una actividad artificial o
dummy que posee tiempo de duracin nulo. Por ejemplo, supongamos que las actividades
A y B son predecesoras de la actividad C y adems comienzan al mismo tiempo. En este
caso, una primera representacin podra ser la indicada en la figura 2.4. Sin embargo, la
red de la figura 3 viola la regla 4. Para corregir este problema, se introduce una actividad
artificial indicada con un arco segmentado en la figura
La red de la figura 4 refleja el hecho de que la actividad C tiene como predecesoras a A y

B, pero sin violar la regla 4. En otros casos, se deben agregar actividades artificiales para
no violar la regla 3.
A y B predecesoras de C
Incorporacin de una actividad artificial.
Lgica seguida para la construccin de una red
Ejemplo: Construccin De Una Casa
Determinacin De Una Ruta Crtica
1. Cada actividad debe tener un evento predecesor y un evento sucesor, con excepcin
de los de iniciacin y terminacin.
2. Ninguna actividad puede comenzar antes de que termine su evento predecesor.
3. Los eventos deben tener interrelacin con otros eventos.
8
4. Algunos eventos slo tienen referencia con otros eventos, sin que ello indique
dependencia.
5. No puede haber flechas en ambos sentidos entre dos eventos.
6. Ningn evento dado puede ser seguido por una ruta de actividad que conduzca de
regreso al mismo evento.
Las partes fundamentales de un proyecto, utilizando el sistema de redes, son:
1. La toma de conciencia de la necesidad del proyecto y planteamiento del mismo.
Esta etapa puede estar propiciada por dos razones:
a) Problemas dentro de la organizacin,
b) oportunidades de mejora, stas pueden ser del siguiente tipo:
- Aceleracin de un proceso.
- Agilizacin de un proceso mediante la eliminacin de pasos innecesarios.
- Combinaciones de procesos.
2. La determinacin de la factibilidad,
Existen tres aspectos principales a considerar:
- operacional, depende de los recursos humanos disponibles.

- tcnico, se refiere al mejoramiento de los recursos tcnicos actuales
- econmico, los recursos bsicos en cuestin son:
El costo de hacer un estudio completo
Costo del empleado que lo realizar.
3. La calendarizacin del proyecto,
Podemos considerar dos opciones para determinar las fechas de las actividades
pertinentes al proyecto:
a) Grfica de Gantt
b) Mtodo PERT
9
* El PERT es til cuando las actividades pueden ser realizadas en paralelo en vez de
secuencia.
4. La administracin de las actividades y de los miembros del equipo para lograr

productividad.
- Estrategias de comunicacin entre los miembros del equipo.
Ejemplo: red de actividades casa de construccin
Ruta crtica
La Ruta Crtica es la ruta ms larga a travs de la red

Determina la longitud del proyecto
Toda red tiene al menos una ruta crtica
Es posible que haya proyectos con ms de una ruta crtica
Cul es la ruta crtica de la red anterior?
Este proyecto tiene tres rutas posibles:
Inicio A B E Fin
Inicio A C E Fin
Inicio A D Fin
Cmo se encuentra la ruta crtica?
Es necesario agregar a la red los tiempos de cada actividad

Los tiempos se agregarn en cada nodo
Las flechas slo representan la secuencia de las actividades
10
Anlisis De Red Pert

El Mtodo PERT, acta dentro de las teoras de MASLOW y McClelland en la satisfaccin
de las necesidades, mediante la realizacin de actividades que representen retos, logros
importantes, compromisos, etc.
La tcnica del PERT se utiliza para definir lo que debe hacerse para cumplir en trmino
los objetivos de un programa. Es una tcnica para la planeacin, programacin y control
del tiempo de proyectos en los que se involucran varias actividades.
Otra de las caractersticas es la utilizar el tiempo como comn denominador para reflejar
la aplicacin de los recursos asignados y las especificaciones de rendimiento.
Una de las primeras consideraciones que el PERT obliga efectuar, es la de calcular el

tiempo de duracin para cada una de las actividades de un proyecto. La duracin total
ser obtenida automticamente al sumar el tiempo de cada una de las actividades del
proyecto.
El PERT permite considerar tres posibles ocurrencias del tiempo:
1. Plazo optimista (po). Tiempo que se necesita para efectuar la actividad si no se

presentan dificultades o algn imprevisto. Es el menor tiempo posible en que se puede
realizar la actividad.
2. Plazo ms probable. Tiempo ms probable que se necesite para la realizacin de la
actividad.
3. Plazo pesimista .Es el mayor tiempo que se necesita para efectuar la actividad si se
presentan dificultades imprevistas.
El anlisis de red pert se centra en:
1. La elaboracin de planes realistas, detallados y de fcil difusin que incrementan las

posibilidades de cubrir las metas del proyecto.
2. Prediccin de la duracin y de la certidumbre de las mismas.
3. Centra la atencin en las partes crticas.
4. Informar de la incompleta utilizacin de los recursos.
5. La simulacin fcil de alternativas.
11
6. La obtencin de informes completos y frecuentes del estado del proyecto.

7. Mostrar la relacin entre tareas.
8. Descubre las reas problema, los cuellos botella.
9. Compara las acciones alternativas para una mejor decisin.
10. Logra flexibilidad.
CASO PRCTICO
EJERCICIO 01: EL PARQUE SAAVEDRA
El Parque Saavedra est organizado de tal manera que se dispone de una Entrada y
una serie de senderos que pasan por 5 Estaciones intermedias que conducen al
Mirador, el cual representa la estacin terminal.
El Administrador del Parque debe resolver tres tipos de problemas propios de la

gestin del Parque:
1. Determinar la ruta ms coda desde la Entrada al Mirador. (RMC)

2. Determinar el tendido del cableado telefnico de todas las estaciones desde la entrada
hasta el Mirador que minimice el total de cable a instalar. (AEM)
3. Determinar el nmero mximo de viajes que se pueden organizar desde la Entrada
hasta el Mirador tomando en cuenta el factor de carga que ha establecido el
guarda parque en trminos de total de viajes permitidos por da y por sendero (RFM).
En la figura siguiente se identifican las 7 estaciones del Parque como Nodos, con la
Entrada como Nodo (0) y el Mirador como Nodo (T). La informacin disponible en
cada Arco representa la distancia entre nodos medidos en millas.
12
Modelo de la Ruta ms corta (RMC)
En el marco de los problemas de RMC se considera una red conexa y no dirigida con dos
nodos especiales, llamados origen y destino. A cada una de las ligaduras (arcos no
dirigidos) se asocia una distancia no negativa. El objetivo del anlisis es encontrar la ruta
ms corta, es decir, la trayectoria con la mnima distancia total, que va del origen al
destino.
Para su resolucin se utiliza el Algoritmo de la Ruta ms corta o tambin se puede utilizar

el SIMPLEX utilizando las propiedades de este Problema, que es un caso especfico del
Modelo de Programacin Lineal.
Algoritmo de Ruta ms corta.
Este algoritmo analiza la red a partir del origen, identificando sucesivamente la ruta ms
corta a cada uno de los nodos en orden ascendente de sus distancias desde el origen,
quedando resuelto el problema en el momento de llegar al nodo destino. A continuacin
se muestra la tabla de aplicacin del algoritmo de la ruta ms corta para encontrar la ruta
ms corta desde la entrada al parque hasta el mirador (ejemplo prototipo).
Tabla: Aplicacin del Algoritmo Ruta Ms Corta

Resolucin del Ejemplo "Parque Saavedra".
Nodos
resueltos Nodo no n-simo nodo Ultima
N Distancia total Distancia
conectados resuelto mis involucrada mis cercano mnima conexin
directamente a
nodos no
resueltos cercano
0 conectado
A 2 A 2 OA
1
0 C 4 C 4
23 OC
A 2+2=4 4
B B AB
4 A D 2+7=9
4+3=7 E 7 BE
B E
4+4=8
A
C D
E
2+7=9
B D 4+4=8
5 D 8 BD
E 7+1=9
D 8 ED
D
8+5=13
6 D T T 13 DT
7+7=14
T
E
13
La Cuarta columna: distancia de la ruta ms corta desde el origen a cada uno de estos
candidatos
La Quinta columna: candidato con la distancia ms pequea al origen
La Sexta columna: distancia de la ruta ms corta desde el origen al ltimo nodo resuelto
La Sptima columna: ltimo tramo en esta ruta ms corta.
En esta ltima columna se puede rastrear la ruta ms corta desde el nodo origen al
destino. Se ve que la distancia total es de 13, tanto por la ruta O-A-B-E-D-T como por la
O-A-B-D-T.
EJERCICIO 02:
El promotor de un concierto de Rock debe realizar las tareas que se muestran en la

siguiente tabla, antes de poder realizar el concierto (todas las duraciones estn en
das).
ACTIVIDAD DESCRIPCION ANTECESORES a b m

INMEDIATOS
A Encontrar un lugar - 2 4 3
B Encontrar ingeniero A 1 3 2
C Contratar acto inicial A 2 10 6
D Anunciarse en radio y TV C 1 3 2
E Instalar venta de boletas A 1 5 3
F Instalaciones elctricas B 2 4 3
G Imprimir Publicidad C 3 7 5
H Arreglar el Transporte C 0.5 1.5 1
I Ensayos F, H 1 2 1.5
J Detalles de ltimo minuto I 1 3 2
14
15
16
17
18
19
20
21
Teora de Inventarios
Es la mercanca disponible para ser usada. El Inventario es la a cantidad de artculos
que son almacenados y se mantienen inactivos en un instante de tiempo dado.
Costos asociados a un inventario

Costos de conversacin o mantenimiento.
Son asociados con mantener un nivel dado de inventario y vara con el nivel y periodo
de tiempo que se mantiene el inventario. Comprende costos de oportunidad,
depreciacin, seguros, pagos de renta, energa elctrica, etc. ($/unidad/ao).
Costo de ordenar o de pedido.

Es el costo asociado con el abastecimiento del inventario como son el costo de
requisicin, pago al proveedor, costos contables, salario de personal que realiza los
trmites, etc. (dlares/pedido)
Costos por faltantes.

Estos son los costos de penalizacin en que se incurre cuando se queda sin la
mercanca cuando esta se necesita.
Caractersticas de los sistemas de inventario
1. Ciclo de pedido: se identifica por el periodo de tiempo entre la colocacin de dos

pedidos sucesivos.
2. Tiempo de anticipacin: cuando se coloca un pedido puede que se reciba
inmediatamente o puede que se tome algn tiempo antes de que se reciba. El
tiempo entre la colocacin y la recepcin se conoce como tiempo de anticipacin o
de adelanto.
3. Reabastecimiento instantneo: Ocurre cuando los artculos se compran a
fuentes externas.
4. Reabastecimiento uniforme: Ocurre cuando el artculo es producido localmente o
dentro de la organizacin.
5. Horizonte de tiempo: Define el periodo sobre el cual el nivel de inventario debe
ser controlado.
6. Demanda probabilstica: Es la que se basa en distribuciones de probabilidad.
7. Demanda determinstica: Aqu se conoce con certeza los requerimientos del
cliente.
Modelos de cantidad econmica
Modelo de cantidad econmica de pedido clsico.
22
Modelo de cantidad econmica de pedido con faltantes.

Modelo de cantidad econmica de pedido para lotes de produccin.
Modelo de cantidad econmica de pedido con descuentos.
Modelos para la Toma De Decisiones
Existen diferentes esquemas en la creacin de modelos para la toma de decisiones,

en este caso mencionaremos uno de los esquemas que se aplica en la ciencia de la
administracin, el cual, no pretende ser la verdad revelada, esto es vlido para
problemas de inventarios o para cualquier situacin empresarial. Es fundamental
enfatizar en que no debe verse como un conjunto rgido de procedimientos, en algunos
casos se podrn saltar escalones, en otros tocar crear variantes, sin embargo, es
importante manejar una gua que nos va a facilitar los procesos y coadyuvar a una
gestin ms eficiente, los pasos a seguir son los siguientes:
Aceptar o reconocer la existencia de una(s) situacin(es) susceptible(s) a mejorar,

lo que es diferente a un problema manifiesto, lo importante es reconocer que de
actuar diferente se podran obtener mejores resultados; en este paso se debe ser
muy cuidadoso, ya que, una persona puede tener diversos objetivos; tambin se
presenta que diferentes reas de la organizacin tengan objetivos contradictorios,
por ejemplo el departamento comercial puede pretender resultados que entren en
contradiccin con los objetivos de quien maneja el departamento financiero, en el
caso de los inventarios esto se presenta con frecuencia, ya que, para un gerente
financiero los inventarios pueden representar lucro cesante, mientras que para el
comercial pueden representar la forma de brindar un mejor servicio, por lo que lo
ms importante es fijar adecuadamente el(los) objetivo(s) a conseguir.
Formular el problema, plantear la situacin(es) ya definida(s), jerarquizndolas en
caso de ser necesario en forma de problema, buscando solucionar primero las ms
criticas y/o las ms viables a juicio de la gerencia. Este paso es delicado ya que un
alto porcentaje de la solucin, esta dado por un buen planteamiento, un
planteamiento errneo puede llevar a consecuencias desastrosas para la
organizacin; en el ejemplo anterior, si yo pienso en ahorrar unos pesos, en esta
difcil poca para los negocios, lo puedo hacer en un momento determinado
sacrificando servicio, si embargo, esto se puede revertir en contra de mi empresa
en el mediano o largo plazo.
23
Construir el modelo, representar de alguna manera el problema, para nuestro caso,

en forma matemtica, siendo consientes de que el mejor modelo no
necesariamente es el ms novedoso, ni el ms complicado, la bondad del modelo
se mide por la forma en que este interpreta la realidad y por las ayudas que pueda
brindar al tomador de decisiones.
Recolectar los datos, esta es una de las partes ms dispendiosas y en donde es
necesario ayuda de todas las reas de la organizacin, en el caso de los
inventarios debemos conocer los costos de mantenimiento y los de pedido, la
demanda, el tiempo de entrega de nuestros proveedores, en fin la informacin que
necesitamos es muy amplia y de su calidad depende la validez del modelo, ya que
parodiando a los ingenieros de sistemas, si basura entra, basura sale. Si lo anterior
es cierto cuando se "alimenta" un computador con mayor razn se cumple en los
modelos cuantitativos.
Resolver el modelo, esta es realmente la parte ms sencilla, si los pasos anteriores
son correctamente efectuados, consiste en operar con los datos recolectados en el
modelo previamente construido, en esta parte algunos autores recomiendan
manejar escenarios, es decir hacer fluctuar los datos recopilados para analizar las
posibles influencias de estos cambios y estar pendientes en caso que se
presenten, otros recomiendan, de ser posible ver como se comporta el modelo en
situaciones que ya sucedieron, con el objeto de verificar hasta que punto nos
hubiesen ayudado a tomar la mejor decisin de acuerdo a las circunstancias.
Interpretacin de los resultados, en esta parte el criterio gerencial es fundamental,
ya que, NADA puede remplazar totalmente el juicio de quien toma la decisin, la
idea del modelo es ayudar, no remplazar al tomador de decisiones, aqu es
indispensable que quien toma las decisiones se despoje de pre-juicios y vea la
solucin de la forma ms objetiva posible, que no piense que al proponer el
modelo soluciones diferentes a las que ha venido implementando, ste o las
decisiones anteriores no sirven. El verdadero profesional, puede darse a partir de
la consecucin de un titulo universitario y/o por la experiencia y el estudio
relacionados en el campo objeto de su labor, lo que realmente lo distingue es su
capacidad de anlisis y de evolucionar en y con el tiempo.
Implementar el modelo, si los pasos anteriores fueron manejados correctamente,
este debera ser el ms sencillo, sin embargo, en la practica presenta
ocasionalmente problemas, por el rechazo de algunas partes de la organizacin a
los cambios, debido a que en todos los niveles de la organizacin es frecuente
24
observar personas que por no salirse de rutinas preestablecidas, se oponen y

retardan la puesta en practica de nuevas ideas.
Retroalimentar y recrear el modelo, teniendo en cuenta que las circunstancias del
entorno o de la empresa pueden cambiar, es indispensable estar
permanentemente verificando el modelo, lo cual no le quita validez y muestra
seriedad y objetividad en la toma de decisiones, recuerde que ni aun "a los
paquetes computacionales ms complejos se les puede dejar decidir", que siempre
el que toma las decisiones es el gestor, esto es vlido aun ms en lo referente a
modelos de gestin.
En esta parte se sugiri crear el modelo en el sentido amplio de la palabra, no

obstante, es importante recalcar, que en lo referente a inventarios existen gran
cantidad de stos, por lo que generalmente no es necesario "descubrir el agua tibia",
lo importante es saber cuando y donde usarla. Los modelos deben permitirnos
cometer errores en el papel, disminuyendo la probabilidad de cometerlos en la vida
real, las aplicaciones en computador nos permiten ver rpidamente muchas opciones
simplemente cambiando nmeros de acuerdo a los supuestos razonados que usemos
dentro de las situaciones que se pueden presentar en la empresa.
En el libro INVESTIGACIN DE OPERACIONES EN LA CIENCIA ADMINISTRATIVA

de Eppen se afirma: "Ni las dimensiones ni el refinamiento matemtico del modelo
implican necesariamente, por s mismos, que ste ser til. Los modelos sencillos y
pequeos tambin pueden tener gran utilidad si brindan ayuda para la toma de
decisiones. Ms an, los grandes y sofisticados modelos que tienen xito han
evolucionado casi siempre a partir de un precursor rudimentario, merced al xito en la
experiencia administrativa"; lo cual es absolutamente valido para este tema.
Administracin de Inventarios
En los negocios existe una realidad reconocida por muchos, pero desafortunadamente
racionalizada e implementada por pocos "quien compra bien, vende o produce bien".
El tener una buena poltica de compras, le va a permitir un manejo fluido a la empresa
y disminuir sus costos, lo que obviamente mejorar su rentabilidad. Debido a lo
anterior es necesario estudiar los inventarios desde el momento en que se proyecta la
compra, es decir involucrarlos en los procesos de planeacin de la compaa y en su
contrapartida obligatoria, el control.
25
En la acepcin ms amplia de la palabra, los inventarios son recursos utilizables que

se encuentran almacenados para su uso posterior en un momento determinado.
Algunos autores los definen simplemente como bienes ociosos almacenados en
espera de ser utilizados. Otros autores los definen como un activo corriente de vital
importancia para el funcionamiento de la empresa. Existen mltiples argumentos para
justificar la tenencia o no de inventarios, de los cuales mencionaremos tan solo unos
pocos.
Argumentos a favor:
Prever escasez
Es preferible ahorrar productos que plata
Permiten obtener ganancias adicionales cuando hay alzas
Facilitan desfasar (separar) los diferentes procesos de la empresa.
Argumentos en contra:
Inmovilizan recursos que podran usarse mejor

Esconden los problemas de la empresa
Disimulan la ineptitud del tomador de decisiones
Facilitan esconder los problemas de calidad.
Los argumentos esgrimidos por los "partidarios" de cada corriente tienen validez
relativa, esto es lo que los hace tan peligrosos, ya que al tener indiscutiblemente una
parte de realidad son aun ms difciles de rebatir que las verdades verdaderas como
dira Fuentes, debido a lo anterior es que debemos ser objetivos en la posicin a
asumir y no ser maniqueos, es decir no debemos creer que nuestro argumento es
acertado y que todos los dems estn equivocados.
Lo que es indiscutible, es que los inventarios representan un alto porcentaje de los

activos en el balance y a las compras les sucede lo mismo con respecto a las
utilidades en los estados de resultados, entonces si desde el punto de vista financiero
reconocemos esta realidad y no hacemos nada con el objeto de mejorar su manejo
estamos siendo irresponsables con nuestra empresa.
26
Clasificacin Abc
En cada empresa se utilizan diferentes productos, cada uno de ellos con sus propias
caractersticas, por lo tanto, cada uno de ellos necesita de un manejo particular,
dependiendo de su importancia en los procesos de la compaa y de las posibilidades
de adquisicin. El pensar que todos los productos se deben controlar de la misma
manera, es una visin limitada de la realidad, que implica desgaste y sobrecostos
innecesarios.
El anlisis ABC es una manera de clasificar los productos de acuerdo a criterios

preestablecidos, la mayor parte de los textos que manejan este tema, toman como
criterio el valor de los inventarios y dan porcentajes relativamente arbitrarios para
hacer esta clasificacin. Por ejemplo, el 10% de los productos representan el 60% de
las compras de la empresa por lo tanto esta es la zona A, un 40% de los productos el
30%, que serian los que estn ubicados en la zona B, el resto (50% de los productos y
10% de las compras) son productos C.
Los valores anteriores son arbitrarios, cada empresa tiene sus particularidades, si
alguien decide utilizar este criterio debe ser consciente de las realidades de su
empresa. Se debe pensar no solo en los costos, es importante ver otros criterios, lo
que es sin duda la principal dificultad en este tipo de anlisis. Es innegable, sin
embargo que un pequeo porcentaje de productos, desde cualquier criterio, es
indispensable para el funcionamiento de la empresa y/o para mejorar su rentabilidad,
estos serian clasificados como productos A tpicos, y de acuerdo a este punto de vista
se van seleccionando los productos de las dems zonas; si uno considera oportuno
podra pensarse en la posibilidad de agregar una zona D, para productos realmente
intrascendentes y de costo muy bajo.
27
La siguiente grfica nos da una visin de la clasificacin ABC, no se utilizaron

porcentajes en forma explcita, para no caer en la tentacin de dogmatizar sobre un
valor en particular, la idea es que a los productos de la zona A se le busquen modelos
que permitan un control muy fuerte sobre el criterio clave que se est manejando y a
medida que se alejen los productos de esta zona, los modelos puedan ser ms
flexibles; esto no quiere decir que se descuide el control fsico de los inventarios, ya
que como se mencion en la introduccin ese no es el objetivo del presente fascculo.
Modelo de cantidad econmica de pedido clsico.
Soluciones Bsicas:
1. La demanda se conoce con certeza.

2. La tasa de demanda es constante.
3. El inventario se reabastece cuando su nivel es igual a 0.
4. El tiempo de anticipacin es constante.
5. El precio unitario, el costo de pedido y los costos de conservacin son constantes.
28
Ejemplos de CEP Clsico
Si la demanda de un artculo es constante de 9000 unidades / ao el costo a ordenar

es de 2.5 dlares /orden y el costo de conservacin es de 2 dlares por unidad al ao.
a. Encuentre el tamao del lote econmico.

b. Nmero de ordenes por ao.
c. Cada cuanto tiempo llega un pedido.
d. Cual es el costo del inventario anual.
e. Cual es el punto de reorden si el tiempo de entrega es de 3 das.
29
Ejercicios del Modelo CEP Clsico
Un fabricante necesita 2000 bases pequeas durante el prximo ao, el costo de la

unidad es de $5 c/u. Se tienen disponibles con un tiempo de entrega de 1 semana el
costo por ordenar es de $5 dlares por orden y el costo de conservacin es de 1.5
dlares al ao por almacenamiento de una unidad mas el 10% del costo de
oportunidad del capital.
a. Cuantas ordenes debe ordenar el fabricante con el fin de minimizar los costos
totales del inventario.
b. calcule el punto de reorden.
c. cuantas rdenes por ao se deben colocar.
Una compaa utiliza 500 focos de cola al da. Cada vez que se da un pedido de estos
focos incurre en un costo de $5 dlares. Cada foco cuesta 40 centavos, el costo de
almacenamiento es 8 centavos por un foco al ao. Suponga que la demanda se tiene
a rapidez constante y que no permiten agotamiento.
a. Cual es la cantidad econmica de pedido

b. cuantos pedidos se hacen por ao
30
c. Cuanto tiempo pasa entre los pedidos.
Una tienda de departamentos vende 10 000 cmaras al ao esta tienda pide las
cmaras a una bodega regional cada vez que hace un pedido incurre en un costo de
$5 dlares.la tienda paga por cada camara 100 dolaresy el costo total de almacenar un
dlar de inventario durante un ao se calcula es el costo de oportunidad de 20
centavos.
a. Calcule la cantidad economica de pedido.

b. Cual es el costo minimo anual.
Ejemplos del modelo CEP con faltantes.

Un agente de mercedes benz debe pagar 20 000 dlares por cada automvil que
compra , el costo anual de almacenamiento es de 25% del valor del automvil , el
agente vende 500 autos al ao su costo por faltantes sera de 20000 dlares. Cada vez
que el agente coloca un pedido su costo es de 10 000 dlares determine:
a. La cantidad que debe ordenar el cada pedido Q

b. El mximo nivel de inventario.
c. el numero de ordenes por ao
d. El costo mnimo anual.
Ejercicios del Modelo con Faltantes
31
Un comerciante vende 10 000 armazones para lentes , la clnica pide los armazones a
un abastecedor regional que cobra 15 dlares por armazn , cada pedido incurre en
un costo de $50 dlares. La ptica cree que la demanda de armazones puede
acumularse y que el costo por carecer de un armazn durante un ao es de $15
dlares, por pedido de negocios futuros. El costo anual por mantener el inventario es
de 30 centavos por dlar de inventario.
1. cual es la cantidad optima de pedido

2. cual es la encases mxima que se presenta.
3. Cual es el nivel mximo de inventario.
La demanda de escritorios para una fabrica de muebles es de 6000 al ao en

promedio cada vez que se hace un pedido se incurre en un costo de $300 dlares , el
costo anual por tener un escritorio en inventario es 25% de su costo que es de 200
dlares. Si se incurre en un costo de $80 dlares. Por carecer la fabrica de un
escritorio durante un ao.
1. cuantos escritorios se deben pedir cada vez que se coloca un pedido

2. cuantos pedidos se deben hacer al ao.
3. Cual es el costo mnimo anual.
Modelo con Descuentos por Cantidad
Un fabricante tiene una demanda de 2000 partes al ao , el costo/unidad = 5 dlares ,

el costo por ordenar es de 5 dlares por orden , el costo de conservacin es de 1.5
dlares/ao por almacenamiento mas el 10% por unidad al ao debido al costo de
oportunidad del capital , el proveedor ofrece un descuento del 5% en el precio si se
ordenan 200 unidades o mas.
32
Se acepta el descuento Q = 200 unidades
Este modelo parte de una serie de supuestos fuertes, los cuales se van suavizando a
medida que se avanza en la teora, sin embargo sus aplicaciones y utilidad son
importantes y los desarrollos posteriores que ha permitido, lo hacen un punto de
referencia obligado en todos los campos donde se hable de inventarios. Por eso no es
extrao encontrar menciones a este modelo en mltiples libros de costos, de
administracin de operaciones, de logstica, de clculo y de otros temas. Los
supuestos sobre los que este modelo se construye son:
1. La demanda se conoce con certidumbre y es constante.

2. Los costos relacionados con el modelo permanecen constantes.
3. La cantidad de pedido por orden es la misma.
4. El pedido se recibe en el momento que se ordena.
5. El inventario se restablece en el momento en que se agota.
6. El proveedor nos surte las cantidades solicitadas en un solo lote.
7. Se considera un horizonte infinito y continuo en el tiempo.
El comportamiento de este modelo se aprecia fcilmente en la siguiente grfica
33
Para poder tomar una decisin sobre: la altura del tringulo (cantidad de pedido), el
nmero de tringulos (nmeros de pedidos en el periodo), la base del tringulo (tiempo
entre pedidos) y conocer el valor asociado con estas decisiones es necesarios conocer
los siguientes datos:
Demanda, normalmente se trabaja anual, aunque el modelo permite otros manejos, se

calcula a partir de los presupuestos de la empresa.
Costo de pedido, este se genera cada vez que la compaa efecta una compra, en su
calculo debe involucrarse desde el tiempo que se toma para efectuar el pedido, hasta
los gastos de transporte y recepcin de la mercanca, sin olvidar incluir los gastos
administrativos pertinentes al pago de la factura.
Costo de mantenimiento (conservacin), este nos indica cuanto vale tener la unidad de
inventario en bodega, debe tenerse en cuenta desde el costo del dinero, hasta los
seguros en caso de tenerlos, el de la bodega y el del personal que maneja los
inventarios, este costo se debe dar en la misma unidad de tiempo en que se estima la
demanda.
La parte compleja del modelo es precisamente la definicin de los costos anteriores, si

se calculan objetivamente el modelo da unos resultados vlidos as no sean
absolutamente exactos, el objetivo del modelo no es minimizar uno de estos costos, ya
que su comportamiento es inverso y en caso de minimizar uno solo de ellos, el otro se
dispara por lo que los costos asociados sern ms altos, lo importante es minimizar la
suma de los costos de pedir y de mantener , lo que se conoce con el nombre de costo
asociado, en la siguiente grfica observamos como dicho costo en los valores
cercanos al mnimo, no cambia considerablemente, sin embargo si nos alejamos de
34
este los costos pueden incrementarse de forma importante, por lo que la idea consiste
en pedir un valor muy cercano a la cantidad econmica de pedido.
La simbologa que se va a utilizar es una de las tantas existentes, en caso de que se

consulte a alguno de los autores citados o a otros es posible encontrar smbolos
diferentes, esto no es problema lo importante es tener claros los elementos
conceptuales.
D : Demanda
Co : Costo de pedido
Cc : Costo de conservacin
Q* : Cantidad econmica de pedido
N : Nmero de pedidos
Tc : Tiempo entre pedidos
CA: Costo asociado a la poltica de inventarios
CT: Costo total, involucra valor de los artculos y el costo asociado.
Calculando las primeras tres variables los dems valores quedan automticamente
dados, la demostracin del porque se utilizan las formulas siguientes proviene del
calculo diferencial:
35
Ejemplo
Un impresor que en la actualidad esta haciendo una compra mensual, estudio el

comportamiento del papel libro de 70 gr. en los ltimos doce meses, encontr que su
demanda fue de: 10, 11, 10, 9, 10, 11, 9, 10.5, 10, 9, 9 y 11.5 toneladas por mes,
estima el precio de compra se va a mantener en $2.300.000 por tonelada, su costo de
pedido en $500.000 y por poltica carga un 15% del costo unitario al manejo de los
inventarios mas $55.000 por concepto de bodegaje, calcular:
1. El modelo a manejar en estas condiciones.

2. Si el proveedor ofrece darnos un descuento del 10% por compras superiores a 30
toneladas y uno del 11% por compras de 60 toneladas, como cambiara mi poltica.
3. Si adicional al descuento logramos obtener un plazo que hace que nuestro costo
de conservacin se reduzca solamente al de bodegaje como cambiara mi poltica.
Lo primero que debemos observar es el comportamiento de la demanda el cual vemos

que es relativamente constante, por lo que podemos asumir que nuestro modelo se
comporta de acuerdo a los parmetros de un modelo de cantidad econmica de
pedido con los siguientes datos de entrada:
D = 120 toneladas ao
Co = $500.000
C = $2.300.000 tonelada
Cc = $400.000 tonelada/ao
Por tanto
36
Como podemos observar en esta poltica de compra de inventarios, la empresa ahorra

ms de un 20% en el costo asociado a los inventarios que tendra si efectuase una
compra mensual ( CA = 12*500.000 + [12/2]*400.000 = $8.500.000), lo que sumado al
ahorro que se lograra con los diferentes productos que maneja la compaa permitir
mejoras importantes en la rentabilidad al final del ejercicio.
Con respecto a la pregunta 2:
Alternativa 1:
Alternativa 2:
37
Por lo tanto se debe aceptar el descuento del 10%, ya que en caso de seleccionar la
escala que brinda descuento del 11%, los sobre costos por manejo de inventarios son
superiores a los beneficios que se obtendran con un menor valor de la compra.
La pregunta 3, hace gala de un aforismo, que en ocasiones es valido: "no importa el

precio sino el plazo"; para nuestro caso al cambiar radicalmente el costo de
conservacin se debe recalcular todo el modelo con un costo de conservacin de
$55.000, lo que nos dar los siguientes resultados:
En esta fase de ste problema en particular vemos como con un reduccin del costo
de pedido, automticamente, podemos pedir con un descuento del 10% dadas las
condiciones de negociacin planteadas, con lo que conseguira ahorros por una
cantidad superior a los treinta millones de pesos con respecto a los resultados
obtenidos en el modelo clsico, si vemos la segunda escala de descuentos
obtenemos:
En este caso se debe aceptar la segunda escala de descuentos.
38
EL MUESTREO
Concepto
El muestreo es una herramienta de la investigacin cientfica. Su funcin bsica es

determinar que parte de una realidad en estudio (poblacin o universo) debe
examinarse con la finalidad de hacer inferencias sobre dicha poblacin. El error que se
comete debido a hecho de que se obtienen conclusiones sobre cierta realidad a partir
de la observacin de slo una parte de ella, se denomina error de muestreo. Obtener
una muestra adecuada significa lograr una versin simplificada de la poblacin, que
reproduzca de algn modo sus rasgos bsicos.
Terminologa
Poblacin objeto: conjunto de individuos de los que se quiere obtener una
informacin.
Unidades de muestreo: nmero de elementos de la poblacin, no solapados, que
se van a estudiar. Todo miembro de la poblacin pertenecer a una y slo una
unidad de muestreo.
Unidades de anlisis: objeto o individuo del que hay que obtener la informacin.
Marco muestral: lista de unidades o elementos de muestreo.
Muestra: conjunto de unidades o elementos de anlisis sacados del marco.
Distribucin en el muestreo:
Cuando el tamao de la muestra (n) es ms pequeo que el tamao de la poblacin
(N), dos o ms muestras pueden ser extradas de la misma poblacin. Un cierto
estadstico puede ser calculado para cada una de las muestras posibles extradas de
la poblacin. Una distribucin del estadstico obtenida de las muestras es llamada la
distribucin en el muestreo del estadstico.
Por ejemplo, si la muestra es de tamao 2 y la poblacin de tamao 3 (elementos A, B,

C), es posible extraer 3 muestras ( AB, BC Y AC) de la poblacin. Podemos calcular la
media para cada muestra. Por lo tanto, tenemos 3 medias mustrales para las 3
muestras. Las 3 medias mustrales forman una distribucin. La distribucin de las
medias es llamada la distribucin de las medias mustrales, o la distribucin en el
muestreo de la media. De la misma manera, la distribucin de las proporciones (o
porcentajes) obtenida de todas las muestras posibles del mismo tamao, extradas de
una poblacin, es llamada la distribucin en el muestreo de la proporcin.
39
Error Estndar:
La desviacin estndar de una distribucin, en el muestreo de un estadstico, es
frecuentemente llamada el error estndar del estadstico. Por ejemplo, la desviacin
estndar de las medias de todas la muestras posibles del mismo tamao, extradas de
una poblacin, es llamada el error estndar de la media. De la misma manera, la
desviacin estndar de las proporciones de todas las muestras posibles del mismo
tamao, extradas de una poblacin, es llamada el error estndar de la proporcin. La
diferencia entre los trminos "desviacin estndar" y "error de estndar" es que la
primera se refiere a los valores originales, mientras que la ltima est relacionada con
valores calculados. Un estadstico es un valor calculado, obtenido con los elementos
incluidos en una muestra.
Error muestral o error de muestreo

La diferencia entre el resultado obtenido de una muestra (un estadstico) y el resultado
el cual deberamos haber obtenido de la poblacin (el parmetro correspondiente) se
llama el error muestral o error de muestreo. Un error de muestreo usualmente ocurre
cuando no se lleva a cabo la encuesta completa de la poblacin, sino que se toma una
muestra para estimar las caractersticas de la poblacin. El error muestral es medido
por el error estadstico, en trminos de probabilidad, bajo la curva normal. El resultado
de la media indica la precisin de la estimacin de la poblacin basada en el estudio
de la muestra. Mientras ms pequeo el error muestras, mayor es la precisin de la
estimacin. Deber hacerse notar que los errores cometidos en una encuesta por
muestreo, tales como respuestas inconsistentes, incompletas o no determinadas, no
son considerados como errores mustrales. Los errores no mustrales pueden
tambin ocurrir en una encuesta completa de la poblacin.
Mtodos de seleccin de muestras.

Una muestra debe ser representativa si va a ser usada para estimar las caractersticas
de la poblacin. Los mtodos para seleccionar una muestra representativa son
numerosos, dependiendo del tiempo, dinero y habilidad disponibles para tomar una
muestra y la naturaleza de los elementos individuales de la poblacin. Por lo tanto, se
requiere un gran volumen para incluir todos los tipos de mtodos de muestreo. Los
mtodos de seleccin de muestras pueden ser clasificados de acuerdo a:
1. El nmero de muestras tomadas de una poblacin dada para un estudio y

2. La manera usada en seleccionar los elementos incluidos en la muestra. Los
mtodos de muestreo basados en los dos tipos de clasificaciones son
expuestos en seguida.
Mtodos de muestreo clasificados de acuerdo con el nmero de muestras tomadas de

una poblacin. Bajo esta clasificacin, hay tres tipos comunes de mtodos de
muestreo. Estos son, muestreo simple, doble y mltiple.
Muestreo simple
Este tipo de muestreo toma solamente una muestra de una poblacin dada para el
propsito de inferencia estadstica. Puesto que solamente una muestra es tomada, el
40
tamao de muestra debe ser el suficientemente grande para extraer una conclusin.
Una muestra grande muchas veces cuesta demasiado dinero y tiempo.
Muestreo doble
Bajo este tipo de muestreo, cuando el resultado del estudio de la primera muestra no
es decisivo, una segunda muestra es extrada de la misma poblacin. Las dos
muestras son combinadas para analizar los resultados. Este mtodo permite a una
persona principiar con una muestra relativamente pequea para ahorrar costos y
tiempo. Si la primera muestra arroja una resultado definitivo, la segunda muestra
puede no necesitarse. Por ejemplo, al probar la calidad de un lote de productos
manufacturados, si la primera muestra arroja una calidad muy alta, el lote es aceptado;
si arroja una calidad muy pobre, el lote es rechazado. Solamente si la primera muestra
arroja una calidad intermedia, ser requerir la segunda muestra. Un plan tpico de
muestreo doble puede ser obtenido de la Military Standard Sampling Procedures and
Tables for Inspection by Attributes, publicada por el Departamento de Defensa y
tambin usado por muchas industrias privadas. Al probar la calidad de un lote
consistente de 3,000 unidades manufacturadas, cuando el nmero de defectos
encontrados en la primera muestra de 80 unidades es de 5 o menos, el lote es
considerado bueno y es aceptado; si el nmero de defectos es 9 o ms, el lote es
considerado pobre y es rechazado; si el nmero est entre 5 y 9, no puede llegarse a
una decisin y una segunda muestra de 80 unidades es extrada del lote. Si el nmero
de defectos en las dos muestras combinadas (incluyendo 80 + 80 = 160 unidades) es
12 o menos, el lote es aceptado si el nmero combinado es 13 o ms, el lote es
rechazado.
Muestreo mltiple
El procedimiento bajo este mtodo es similar al expuesto en el muestreo doble,

excepto que el nmero de muestras sucesivas requerido para llegar a una decisin es
ms de dos muestras. Mtodos de muestreo clasificados de acuerdo con las maneras
usadas en seleccionar los elementos de una muestra. Los elementos de una muestra
pueden ser seleccionados de dos maneras diferentes:
a. Basados en el juicio de una persona.

b. Seleccin aleatoria (al azar)
Muestreo de juicio
Una muestra es llamada muestra de juicio cuando sus elementos son seleccionados
mediante juicio personal. La persona que selecciona los elementos de la muestra,
usualmente es un experto en la medida dada. Una muestra de juicio es llamada una
muestra probabilstica, puesto que este mtodo est basado en los puntos de vista
subjetivos de una persona y la teora de la probabilidad no puede ser empleada para
medir el error de muestreo, Las principales ventajas de una muestra de juicio son la
facilidad de obtenerla y que el costo usualmente es bajo.
41
Muestreo Aleatorio
Una muestra se dice que es extrada al azar cuando la manera de seleccin es tal, que
cada elemento de la poblacin tiene igual oportunidad de ser seleccionado. Una
muestra aleatoria es tambin llamada una muestra probabilstica son generalmente
preferidas por los estadsticos porque la seleccin de las muestras es objetiva y el
error muestral puede ser medido en trminos de probabilidad bajo la curva normal. Los
tipos comunes de muestreo aleatorio son el muestreo aleatorio simple, muestreo
sistemtico, muestreo estratificado y muestreo de conglomerados.
A. Muestreo aleatorio simple
Una muestra aleatoria simple es seleccionada de tal manera que cada muestra posible
del mismo tamao tiene igual probabilidad de ser seleccionada de la poblacin. Para
obtener una muestra aleatoria simple, cada elemento en la poblacin tenga la misma
probabilidad de ser seleccionado, el plan de muestreo puede no conducir a una
muestra aleatoria simple. Por conveniencia, este mtodo pude ser reemplazado por
una tabla de nmeros aleatorios. Cuando una poblacin es infinita, es obvio que la
tarea de numerar cada elemento de la poblacin es infinita, es obvio que la tarea de
numerar cada elemento de la poblacin es imposible. Por lo tanto, ciertas
modificaciones del muestreo aleatorio simple son necesarias. Los tipos ms comunes
de muestreo aleatorio modificado son sistemticos, estratificados y de conglomerados.
B. Muestreo sistemtico.
Una muestra sistemtica es obtenida cuando los elementos son seleccionados en una
manera ordenada. La manera de la seleccin depende del nmero de elementos
incluidos en la poblacin y el tamao de la muestra. El nmero de elementos en la
poblacin es, primero, dividido por el nmero deseado en la muestra. El cociente
indicar si cada dcimo, cada onceavo, o cada centsimo elemento en la poblacin
van a ser seleccionado. El primer elemento de la muestra es seleccionado al azar. Por
lo tanto, una muestra sistemtica puede dar la misma precisin de estimacin acerca
de la poblacin, que una muestra aleatoria simple cuando los elementos en la
poblacin estn ordenados al azar.
C. Muestreo Estratificado
Para obtener una muestra aleatoria estratificada, primero se divide la poblacin en

grupos, llamados estratos, que son ms homogneos que la poblacin como un todo.
Los elementos de la muestra son entonces seleccionados al azar o por un mtodo
sistemtico de cada estrato. Las estimaciones de la poblacin, basadas en la muestra
estratificada, usualmente tienen mayor precisin (o menor error muestral) que si la
poblacin entera muestreada mediante muestreo aleatorio simple. El nmero de
elementos seleccionado de cada estrato puede ser proporcional o desproporcional al
tamao del estrato en relacin con la poblacin.
D. Muestreo de conglomerados.
Para obtener una muestra de conglomerados, primero dividir la poblacin en grupos

que son convenientes para el muestreo. En seguida, seleccionar una porcin de los
42
grupos al azar o por un mtodo sistemtico. Finalmente, tomar todos los elementos o
parte de ellos al azar o por un mtodo sistemtico de los grupos seleccionados para
obtener una muestra. Bajo este mtodo, aunque no todos los grupos son
muestreados, cada grupo tiene una igual probabilidad de ser seleccionado. Por lo
tanto la muestra es aleatoria. Una muestra de conglomerados, usualmente produce un
mayor error muestral (por lo tanto, da menor precisin de las estimaciones acerca de
la poblacin) que una muestra aleatoria simple del mismo tamao. Los elementos
individuales dentro de cada "conglomerado" tienden usualmente a ser iguales. Por
ejemplo la gente rica puede vivir en el mismo barrio, mientras que la gente pobre
puede vivir en otra rea. No todas las reas son muestreadas en un muestreo de
reas. La variacin entre los elementos obtenidos de las reas seleccionadas es, por
lo tanto, frecuentemente mayor que la obtenida si la poblacin entera es muestreada
mediante muestreo aleatorio simple. Esta debilidad puede reducida cuando se
incrementa el tamao de la muestra de rea. El incremento del tamao de la muestra
puede fcilmente ser hecho en muestra de rea. Los entrevistadores no tienen que
caminar demasiado lejos en una pequea rea para entrevistar ms familias. Por lo
tanto, una muestra grande de rea puede ser obtenida dentro de un corto perodo de
tiempo y a bajo costo. Por otra parte, una muestra de conglomerados puede producir
la misma precisin en la estimacin que una muestra aleatoria simple, si la variacin
de los elementos individuales dentro de cada conglomerado es tan grande como la de
la poblacin.
APLICACIN DEL MUESTREO ESTADSTICO A LAS PRUEBAS DE

CONTROLES
Las pruebas de controles constituyen un componente importante del trabajo de campo

del auditor. Las mismas son comprobaciones que este realiza para asegurarse de que
determinados controles estn funcionando correctamente. El objetivo de una prueba
de controles ser obtener un grado de certeza razonable de la eficacia de los
controles, y de que la proporcin de errores en su funcionamiento no excede
determinado nivel mximo aceptable. De esta forma se puede lograr una evaluacin
de la eficacia de las actividades de control vigentes.
Recientemente las pruebas de controles han adquirido una consideracin especial en

las empresas alcanzadas por la ley Sarbanes-Oxley. Estas empresas, como as
tambin sus auditores externos, deben realizar en forma sistemtica numerosas
pruebas de controles a fin de poder certificar la eficacia del control interno con relacin
a los informes financieros.
El presente trabajo describe brevemente la aplicacin del muestreo estadstico a las

pruebas de controles. Sin pretender suplantar a un tratado de estadstica, se intenta
43
proporcionar un enfoque prctico que sirva de gua para el auditor que quiera utilizar
esta herramienta de anlisis.
Aplicacin
Las pruebas de controles encuentran aplicacin en todos los ciclos de un negocio. Por
ejemplo:
Compras: Concordancia entre orden de compra, remito y factura; que se haya

seleccionado la mejor cotizacin; que se haya facturado el precio correcto; que se
apliquen los descuentos pactados.
Pagos: Que est debidamente aprobado el pago, que haya comprobantes que
justifiquen el desembolso, que se haya pagado el importe correcto, que est bien
registrado el pago.
Ventas: Que se facture con los precios correctos, exactitud de los clculos,
correcta aplicacin del IVA, aprobacin del crdito.
Cobranzas: Cumplimiento de plazos, aplicacin de descuentos, contabilizacin

correcta.
Sistemas: Que las modificaciones de programas estn autorizadas, cumplimiento

de normas de codificacin, correspondencia entre programas fuentes y objetos.
Personal: Autorizacin de las horas extras, das de licencia correctos.
Ser conveniente utilizar muestreo especialmente en aquellas situaciones en que la

comprobacin de la totalidad de las transacciones sea prcticamente imposible o
significativamente costosa. Tal sera el caso del anlisis de una poblacin muy
numerosa en que se requiera la manipulacin de documentacin en papel. Pero
cuando los elementos a analizar estn totalmente contenidos en registros de bases de
datos o almacenados en algn tipo de archivo de computadora, muchas veces ser
preferible hacer una revisin integral utilizando software de auditora o mediante
herramientas de consulta de base de datos.
Muestreo
El muestreo de auditora consiste en aplicar pruebas de auditora a menos de la

totalidad de un conjunto de transacciones o saldos contables, a fin de sacar
conclusiones sobre todo el conjunto.
44
Al aplicar las pruebas a cada transaccin de la muestra, se podr comprobar si esta

cumple con ciertos requisitos preestablecidos. En caso de que no cumpla estaremos
ante un error o desviacin, y tratndose de una prueba de controles se estara ante la
evidencia de que el control bajo anlisis no funcion correctamente en ese caso
particular.
Dado que las desviaciones se proyectan a la totalidad de la poblacin de acuerdo a los

resultados de las pruebas sobre las transacciones de la muestra, es deseable que una
muestra extrada sea representativa de la poblacin total. Las muestras
representativas permitirn hacer estimaciones sobre la poblacin ms aproximadas a
la realidad.
Tipos de muestreos
Entre los tipos de muestreos se distinguen el muestreo de atributos y el muestreo de

variables. El muestreo de atributos permite estimar qu porcentaje de una poblacin
contiene desviaciones. El muestreo de variables, por su parte, tratara de evaluar la
magnitud de dichas desviaciones.
El tipo de muestreo que aplicaremos a las pruebas de controles es el muestreo de

atributos con tamao de muestra fijo. Otras tcnicas de muestreo de atributos que no
se desarrollan en el presente trabajo son el muestreo secuencial y el muestreo de
descubrimiento, que se pueden aplicar cuando se presume que la cantidad de errores
en una poblacin es muy bajo o nulo.
Muestreo estadstico
El muestreo estadstico es aquel que utiliza tcnicas que permiten hacer estimaciones
sobre una poblacin aplicando las leyes de la estadstica. Las aplicaciones de
muestreo estadstico deben cumplir los siguientes requisitos:
El tamao de la muestra debe calcularse utilizando tcnicas estadsticas.
La seleccin de la muestra debe hacerse en forma aleatoria.
La estimacin de las caractersticas de la poblacin debe hacerse de acuerdo a las

leyes de la estadstica.
45
Una aplicacin de muestreo que no cumpla con alguno de estos tres requisitos se
considera muestreo no estadstico. El muestreo estadstico posee algunas ventajas
con respecto al muestreo no estadstico, entre ellas las siguientes:
Permite seleccionar de antemano el nivel de confianza de la prueba, es decir la

probabilidad de que las conclusiones obtenidas del muestreo sean correctas.
La seleccin aleatoria impide que los prejuicios o preferencias del auditor

favorezcan la seleccin de algunos elementos de la poblacin en desmedro de
otros.
Permite limitar el tamao de la muestra al mnimo necesario, evitando

realizar pruebas de auditora sobre una cantidad mayor de elementos.
Los resultados de la prueba se expresan matemticamente en trminos precisos,

permitiendo elaborar recomendaciones sobre una base ms objetiva.
Permite hacer ms defendibles las conclusiones de la prueba.
No constituye una ventaja del muestreo estadstico garantizar la obtencin de una

muestra representativa de la poblacin, ya que la incertidumbre respecto de la
representatividad de la muestra es una caracterstica inherente al muestreo. Pero,
segn se menciona ms arriba, el muestreo estadstico permite cuantificar dicha
incertidumbre, seleccionando el nivel de confianza deseado.
A pesar de las ventajas enumeradas no debemos concluir que el muestreo no

estadstico es necesariamente malo. El muestreo no estadstico tambin tiene sus
ventajas, ya que suele ser ms sencillo de aplicar y requiere menos entrenamiento. De
hecho, hay empresas que han adoptado modelos de muestreo no estadstico para la
evaluacin obligatoria de su control interno.
Pasos a seguir en una prueba de controles
A continuacin se describe un procedimiento de prueba de controles mediante la

aplicacin de muestreo estadstico. Cada paso se acompaa de un ejemplo a fin de
que sirva de referencia para su aplicacin a situaciones semejantes.
1. Establecer el objetivo de la prueba
Las pruebas que nos interesa considerar en este momento son aquellas que apuntan
a establecer el grado de cumplimiento de determinados objetivos de control asociados
46
a un procedimiento bajo anlisis. A su vez, el objetivo de la prueba deber ser acorde

con los objetivos de auditora del proyecto de auditora para el que se est trabajando.
Ejemplo: Haciendo la auditora del circuito de pagos de una empresa comercial,
tenemos como objetivo de auditora verificar que los pagos realizados a proveedores
de mercadera estn debidamente justificados y autorizados. Dentro del trabajo de
campo podemos disear una prueba cuyo objetivo sea comprobar que los pagos a
proveedores del segundo semestre del ao anterior estn respaldados por rdenes de
pago, y estas acompaadas por el comprobante de recepcin de la mercadera y por
la factura conformada por un funcionario autorizado de Compras. Adems en la orden
de pago debern estar las firmas del responsable de Cuentas a Pagar y del Tesorero.
Se puede apreciar que para establecer los objetivos de la prueba ser de gran utilidad
tener claramente identificados los objetivos de control que muchas veces estarn
implcitos en las normas de procedimiento del circuito bajo revisin.
2. Seleccionar la tcnica de anlisis ms apropiada para el objetivo deseado
Por razones de extensin, nos limitaremos a considerar el caso en que sea de

aplicacin el muestreo de atributos con tamao de muestra fijo. Esta tcnica ser la
conveniente cuando se den las siguientes condiciones:
Nos interesa estimar la proporcin o bien la cantidad de desviaciones o errores en

la aplicacin de determinados controles.
La cantidad de transacciones es lo suficientemente grande como para que no

resulte prctico o econmico hacer un anlisis integral de las mismas.
No se dispone de una base de datos ni archivo de computadora en los que se

encuentren todos los elementos a verificar. (En realidad la falta de este requisito no
invalida la prueba, pero si mediante software de anlisis de datos se puede hacer
fcilmente una verificacin de la totalidad de las transacciones, el resultado final
ser ms exacto que una estimacin hecha mediante muestreo)
Aplicando este criterio a nuestro ejemplo, resulta:
Queremos estimar la proporcin de pagos que no estn debidamente justificados y

autorizados.
Durante el segundo semestre del ao anterior se realizaron alrededor de 3000

pagos a proveedores de mercaderas.
47
La verificacin de cada pago requiere la bsqueda de la documentacin, que se

encuentra archivada entre los comprobantes de egreso de caja del da de pago,
junto a comprobantes de otros tipos de egresos. Existe un sistema de computacin
con el que se procesan las transacciones de compras y pagos, pero la evidencia
de las debidas autorizaciones firmas y sellos no se encuentra en el sistema sino
en la documentacin en papel.
Por consiguiente, de acuerdo a las condiciones enunciadas ms arriba, el muestreo de

atributos sera una tcnica apropiada para el objetivo de la prueba. (Pero si el objetivo
de nuestra prueba fuera estimar el monto de los pagos no autorizados realizados
durante el semestre, en lugar de muestreo de atributos deberamos aplicar muestreo
de variables.)
Nota: Los pasos que siguen a continuacin asumen que se est llevando a cabo una
aplicacin de muestreo de atributos, y por consiguiente no son necesariamente vlidos
para muestreo de variables u otro tipo de pruebas.
3. Definir la poblacin a analizar
La poblacin en una prueba de controles estar constituida por el conjunto de

transacciones que son relevantes para nuestra prueba. Pero las transacciones en s
mismas son acciones pasadas y no objetos de existencia visible. Por lo tanto
deberemos identificar una evidencia fsica concreta que tenga una correspondencia
biunvoca con cada transaccin producida. La poblacin debe abarcar todas las
transacciones relevantes para nuestra prueba, y nada ms que ellas. La definicin de
la poblacin debe hacerse en trminos muy precisos, que no den lugar a
ambigedades, es decir que no quepan dudas sobre si una transaccin determinada
forma parte o no de la poblacin a analizar. Tampoco debe ocurrir que una misma
transaccin pueda ser contada ms de una vez.
Al definir la poblacin para una prueba de muestreo no necesariamente tendremos

que referirnos estrictamente a conjuntos de objetos ya armados o naturalmente
agrupados, sino que inventaremos la poblacin conforme a nuestra conveniencia. En
este sentido la poblacin es un conjunto de existencia virtual, un agrupamiento mental,
ideado por el auditor de acuerdo a su necesidad y al solo efecto de llevar a cabo una
aplicacin de muestreo especfica.
48
A efectos de poder aplicar muestreo estadstico, un requisito adicional para la

poblacin es que debemos poder conocer la cantidad de transacciones que la
componen, y poder identificar cada una de ellas en forma precisa. Ms adelante
volveremos sobre este punto, al tratar sobre la seleccin de la muestra.
Continuando con el ejemplo anterior, nuestra poblacin estar conceptualmente

constituida por los pagos realizados a proveedores de mercaderas durante el segundo
semestre del ao anterior. A los fines prcticos tendremos que elegir un elemento
fsico asociado a cada pago realizado, como podra ser una orden de pago. De esta
forma, podramos definir nuestra poblacin a analizar como el conjunto de rdenes de
pago con fecha de emisin entre el 1 de julio y el 31 de diciembre del ao pasado,
correspondientes a cuentas de proveedores de mercaderas. Ahora bien, si
suponemos que podran haberse realizado pagos sin la correspondiente orden de
pago, nuestra definicin de poblacin estara excluyendo transacciones que no
cumplen con las normas de autorizacin establecida. En tal caso quizs sera
preferible definir la poblacin a analizar sobre la base de los movimientos de egresos
de caja. Por ejemplo podemos definir la poblacin como el conjunto de transacciones
del archivo histrico de movimientos de caja con cdigo de movimiento de egreso, tipo
de cuenta de proveedor de mercadera, y fecha de pago comprendida entre el 1 de
julio y el 31 de diciembre del ao pasado.
Aun cuando las pruebas de auditora en muchos casos requerirn revisar la

documentacin en papel, puede ser de gran utilidad contar con un archivo en
computadora en el cual estn contenidos registros correspondientes a cada una de las
transacciones de la poblacin, ya que puede servir como base para la seleccin de los
elementos de la muestra.
4. Definir las pruebas a realizar sobre cada elemento de la muestra
De cada elemento que componga la muestra al auditor le interesar identificar

aquellas cualidades que sirvan como evidencia de la correcta ejecucin o no del
control cuyo cumplimiento se est evaluando. Esto implicar realizar pruebas tomando
uno o ms atributos relevantes para nuestro estudio, y que sea factible obtener de los
registros o documentacin disponibles para analizar. Adems, debern ser
caractersticas presentes en todos los elementos de la poblacin. Si esto no se
cumple, ser necesario rever la definicin que se haya hecho de la poblacin a
analizar.
49
Por ejemplo, para verificar la correcta autorizacin de un pago de mercaderas,

podemos definir las siguientes pruebas: si existe el comprobante de recepcin de
mercaderas, coincidencia de las especies y cantidades recibidas con las
facturadas, factura conformada por el responsable de compras, orden de pago firmada
por el responsable de cuentas a pagar y por el tesorero.
5. Definir los criterios para identificar desviaciones
El auditor tendr que definir con precisin qu condiciones deben cumplir los
resultados de las pruebas sobre los elementos de la muestra para que se considere
que se produce una desviacin o error en el funcionamiento del control que se est
probando. El criterio definido, aplicado a cada transaccin de la poblacin, debera
permitir clasificar dichas transacciones en dos categoras: las que cumplen y las que
no cumplen con el control, no dejando lugar para situaciones dudosas, ambigedades,
o casos no previstos. Aquellas transacciones de la poblacin que de acuerdo con
estos criterios no cumplan con el control, sern las que constituyan las desviaciones o
errores.
Por ejemplo, en los pagos de mercaderas podemos definir como criterio para
identificar una desviacin lo siguiente: Se considera que se produce un desviacin en
el control de autorizacin de pagos de mercaderas si ocurre una o ms de las
siguientes condiciones: 1. Falta el comprobante de recepcin de mercaderas; 2. La
factura no est conformada por el responsable de compras; 3. Falta la orden de pago
autorizada por cuentas a pagar; 4. La orden de pago no tiene la firma y el sello del
tesorero.
6. Evaluar la tasa esperada de errores de la poblacin
El auditor deber hacer una estimacin preliminar del porcentaje de desviaciones

existentes en la poblacin. Esta estimacin surgir del conocimiento previo que el
auditor tenga de la poblacin bajo estudio, de los resultados de auditoras realizadas
anteriormente, y de la propia experiencia del auditor ante casos similares.
Particularmente habr que tener en cuenta si hubo cambios recientes en el proceso,
ya que tales cambios, sobre todo si son significativos, podran estar afectando
negativamente el funcionamiento de los controles involucrados.
En caso de que el auditor no disponga de elementos para evaluar de la tasa esperada

de errores, podr obtenerla mediante una muestra de 25 30 elementos,
50
seleccionados en forma aleatoria segn se explica ms abajo. Sobre la muestra

seleccionada se aplican las pruebas de auditora previstas y, mediante los criterios
definidos para identificar desviaciones, se calcula la cantidad de errores de la muestra.
Por ltimo, se calcula la tasa esperada de errores como la cantidad de errores
observados dividido por el tamao de la muestra. Multiplicando este resultado por 100
se obtiene la expresin porcentual de la tasa esperada de desviaciones o errores. El
porcentaje esperado de errores incidir en el tamao de la muestra. Un porcentaje
esperado de errores ms alto manteniendo las dems condiciones constantes
requerir un tamao de muestra mayor, y viceversa. La tasa esperada de errores
habitualmente no exceder del 3 por ciento.
Supongamos que queremos evaluar el porcentaje esperado de desviaciones en los

controles de pagos de mercaderas, y que en la misma prueba de controles realizada
el ao anterior se lleg a la conclusin de que los desviaciones estaban alrededor del
3 por ciento, no habiendo razones para suponer que pudiera haber variado en forma
significativa. Sobre esta base podemos fijar una tasa esperada de errores del 3 por
ciento. Pero si no tenemos datos que nos permiten estimar la tasa de errores
esperada, extraemos una muestra de 30 pagos de mercadera. Si aplicando las
pruebas previstas encontramos 1 desviacin, calculamos la tasa esperada de errores
= 1 30 100 = 3 por ciento.
7. Definir la tasa aceptable de errores
La tasa aceptable de errores es una medida de la importancia de los desviaciones

expresada en porcentaje. Un porcentaje de errores en la poblacin por debajo de
dicho valor se considera aceptable. Pero, si se comprueba un porcentaje de errores
superior a la tasa establecida, se estar ante un nivel de desviaciones significativo, el
que requerir un anlisis ms detallado a fin de identificar sus causas. La tasa
aceptable de errores ser ms baja para controles que puedan ser considerados
crticos en funcin del riesgo que tienen involucrado. Manteniendo las dems
condiciones sin cambios, una menor tasa aceptable de errores requerir un mayor
tamao de muestra.
Para el ejemplo que venimos desarrollando definiremos una tasa aceptable de errores
del 8 por ciento. Esto quiere decir que un porcentaje de pagos no autorizados por
encima de dicha tasa sera considerado un error significativo.
51
8. Seleccionar el nivel de confianza
En una prueba de muestreo de atributos se selecciona un conjunto de transacciones

de una poblacin, se analiza la proporcin de errores en dichas transacciones, y se
proyectan los resultados a la totalidad de las transacciones. Esto implica suponer que
la proporcin de errores en la muestra es aproximadamente igual a la proporcin de
errores en la poblacin. Pero debido a la aleatoriedad en la seleccin de la muestra
siempre existe la posibilidad de que el verdadero nivel de errores en la poblacin est
por encima de lo que indica la muestra. A esta limitacin inherente a las tcnicas del
muestreo se la llama error de muestreo. Esto significa que, por ms cuidado que
pongamos en aplicar los procedimientos correctos de muestreo, nunca tendremos la
certeza de que el verdadero nivel de errores en la poblacin se encuentre dentro de
lmites aceptables. El nivel de confianza es una medida de la fiabilidad de los
resultados de una aplicacin de muestreo. En una prueba de muestreo de atributos, el
nivel de confianza es la probabilidad, expresada en porcentaje, de que el verdadero
nivel de errores en la poblacin se encuentre por debajo del valor evaluado a partir de
la muestra. El valor recproco del nivel de confianza es una medida del error de
muestreo probable, y equivale al riesgo de evaluar demasiado bajo el riesgo de
control.
El nivel de confianza lo define el auditor segn su criterio. Un nivel de confianza alto

requerir seleccionar una muestra ms numerosa que un nivel de confianza menor.
Los valores que se suelen utilizar para el nivel de confianza van del 80 al 95 por
ciento. Por encima de este ltimo valor el tamao de la muestra requerida tiende a
hacerse muy grande a medida que nos aproximamos a 100, ocasionando que la
prueba se torne relativamente costosa o prcticamente irrealizable. Por otra parte, a
los fines prcticos, si vamos a utilizar tablas para determinar el tamao de la muestra,
nos convendr seleccionar un valor de nivel de confianza que se encuentre en las
tablas disponibles.
En nuestro ejemplo seleccionaremos un nivel de confianza del 90 por ciento, que

equivale a asumir un riesgo del 10 por ciento de evaluar demasiado bajo el riesgo de
control.
52
9. Determinar el tamao de la muestra
Una vez definidos el nivel de confianza, la tasa aceptable de errores y la tasa

esperada de errores de la poblacin, estamos en condiciones de determinar el tamao
de la muestra. Para ello podemos utilizar la tabla de la Figura 1. Seleccionando la fila
correspondiente al nivel de confianza deseado y la tasa esperada de errores,
buscamos la interseccin con la columna correspondiente a la tasa aceptable de
desviaciones. El nmero obtenido es el tamao de la muestra.
Si el tamao de muestra obtenido resultar tan alto que fuese impracticable realizar
pruebas de auditora sobre esa cantidad de elementos, quizs convenga rever los
pasos anteriores, y considerar la conveniencia de conformarse con un nivel de
confianza ms bajo.
Figura 1: Muestreo de atributos Tabla para determinar el tamao de la

muestra.
Tasa Tasa aceptable de desviaciones

Nivel de
esperada
confianza 1% 2% 3% 4% 5% 6% 7% 8% 9% 10% 12% 15% 20%
de errores
0% 230 114 76 57 45 38 32 28 25 22 19 15 11
1% 176 96 77 64 55 48 42 38 31 25 18
2% 198 132 88 75 48 42 38 31 25 18
3% 258 153 94 82 58 52 43 25 18
4% 294 149 98 87 65 43 34 18
90% 5% 160 115 78 54 34 18
6% 195 128 76 43 25
7% 199 96 52 32
8% 146 60 32
9% 241 93 32
10% 100 38
0% 299 149 99 74 59 49 42 36 32 29 24 19 14
1% 257 156 93 78 66 58 51 46 38 30 22
2% 294 181 127 88 77 68 46 38 30 22
3% 195 129 95 84 76 51 30 22
4% 239 146 100 89 63 40 22
95% 5% 240 158 116 74 40 30
6% 279 179 96 50 30
7% 298 138 68 37
8% 199 93 44
9% 110 44
10% 150 50
Con los datos de nuestro ejemplo: nivel de confianza del 90 por ciento, tasa esperada
de desviaciones del 3 por ciento, y una tasa aceptable de desviaciones del 8 por
ciento, accedemos a la tabla y obtenemos un tamao de muestra de 82.
53
Nota: Una alternativa al uso de tablas estadsticas son los programas de software para
muestreo, que permiten calcular el tamao de la muestra y posteriormente evaluar los
resultados.
10. Extraer la muestra

Una vez determinado el tamao de la muestra, el siguiente paso es seleccionar en
forma aleatoria un conjunto de elementos de la poblacin en cantidad igual a dicho
tamao. Hay diferentes tcnicas posibles para la seleccin aleatoria de los elementos
que integrarn la muestra. Un punto esencial en las aplicaciones de muestreo
estadstico es que todos los elementos de la poblacin tengan igual probabilidad de
ser seleccionados.
En primer lugar habr que asociar un nmero diferente a cada elemento de la muestra,
de manera que permita identificarlo biunvocamente. Es posible que las transacciones
ya estn identificadas por un nmero. Si bien no es imprescindible, por razones
prcticas nos convendr que las transacciones estn numeradas en forma correlativa
a partir de 1. Si los elementos de la poblacin no estn ya numerados de la forma
conveniente, le asignaremos un nmero correlativo a cada elemento (1, 2, 3, etc.).
Esta tarea se puede hacer basndose en un listado de transacciones, o bien con un
archivo de computadora que contenga un registro por cada transaccin y al que
podamos acceder por nmero relativo de registro.
A continuacin, con la ayuda de una tabla de nmeros al azar extraeremos nmeros
con una cantidad de dgitos acorde con la cantidad de elementos de la poblacin. A
medida que obtengamos nuevos nmeros iremos descartando aquellos que estn
fuera del rango de nmeros asociados a los elementos de la poblacin. Adems,
descartaremos eventuales repeticiones de nmeros que pudieran producirse. Este
proceso continuar hasta haber obtenido una cantidad de nmeros aleatorios igual al
tamao de la muestra.
Una vez obtenidos los nmeros de elementos de la poblacin, nuestra muestra estar
formada por los elementos de la poblacin asociados a cada uno de los nmeros.
En los papeles de trabajo habr que dejar detalladamente documentado el mtodo
utilizado para la seleccin de la muestra.
Por ejemplo, supongamos que tenemos que extraer una muestra de 82 elementos, de
una poblacin representada por un listado impreso de transacciones numeradas
correlativamente de 1 a 2844. En las tablas de nmeros al azar los nmeros suelen
estar dispuestos en columnas de cuatro o cinco dgitos de ancho. Elegimos una pgina
en la tabla de nmeros al azar, dentro de la pgina seleccionamos una columna, y
54
dentro de la columna marcaremos un punto de arranque que no necesariamente ser

el de ms arriba. Como de acuerdo al tamao de nuestra poblacin nos interesa
obtener nmeros de 4 dgitos, descartaremos los dgitos excedentes si los hubiere. A
partir del punto de arranque y avanzando hacia abajo en la columna iremos
seleccionando y contando cada grupo de 4 dgitos que estn comprendido entre 0001
y 2844. Tacharemos los nmeros que estn fuera de dicho rango. Cuando hayamos
alcanzado la cantidad de 82 nmeros dentro del rango deseado, daremos por
terminada la seleccin. Luego sealaremos en el listado de transacciones las 82
correspondientes a los nmeros obtenidos. En los papeles de trabajo incluiremos una
referencia a la pgina de la tabla de nmeros al azar, mencionando el criterio utilizado
para seleccionar la pgina y el punto de arranque. Si no hay limitaciones de Copyright
que lo impidan podremos fotocopiar la pgina utilizada de la tabla de nmeros al azar,
con nuestras anotaciones. Adems guardaremos el listado de transacciones que sirvi
de base para la extraccin de la muestra.
11. Aplicar procedimientos de auditora sobre las transacciones de la muestra
Por cada elemento de la muestra obtenida habr que acceder a la documentacin

correspondiente a la transaccin, y sobre cada una de ellas se aplicarn las pruebas
de auditora que permitan, de acuerdo a los criterios previamente definidos, identificar
la existencia de desviaciones en el funcionamiento de los controles. Se deber
documentar el resultado de las pruebas realizadas sobre cada una de las
transacciones de la muestra, tomando nota de todas las irregularidades detectadas.
12. Determinar la cantidad de desviaciones
En base a los procedimientos de auditora realizados sobre las transacciones de la

muestra, habr que calcular la cantidad de transacciones en las cuales se hayan
detectado desviaciones en el funcionamiento de los controles segn los criterios
establecidos.
En nuestro ejemplo, supongamos que entre los 82 pagos de la muestra encontramos

dos con la orden de pago sin firma, uno de los cuales carece adems del comprobante
de recepcin de la mercadera. Hay tambin un pago con la factura sin conformar.
Esto totaliza un error de 3 errores o desviaciones en la muestra. (Si bien el total de
irregularidades observadas es de 4, son 3 los pagos con errores, y un mismo pago no
debera contarse ms de una vez.)
55
13. Evaluar la suficiencia de la muestra obtenida
A fin de evaluar la suficiencia de la muestra, habr que aplicar la tasa esperada de

desviaciones de la poblacin al tamao de la muestra. Si el resultado no es entero, se
llevar al nmero entero inmediato superior. El valor obtenido es la cantidad mxima
de desviaciones que puede tener la muestra para ser considerada suficiente para el
trabajo realizado. Pero si la cantidad de desviaciones encontradas en la muestra
superan dicho lmite, ser necesario rever la evaluacin del riesgo de control
planificada, dado que sera un indicio de que la estimacin de errores en la poblacin
es incorrecta.
En el ejemplo que venimos desarrollando, el tamao de muestra es 82 y la tasa

esperada de desviaciones es del 8 por ciento. Calculamos la cantidad mxima
aceptable de desviaciones en la muestra = 82 x 8% = 6.56 7. Como el nmero de
desviaciones 2 es inferior a 7, no hay inconveniente en seguir adelante con la prueba.
14. Estimar el total de errores de la poblacin
La estimacin de errores de la poblacin se puede hacer con la ayuda de tablas
En la tabla de la Figura 2, para el nivel de confianza seleccionado se busca la

interseccin de la fila correspondiente al tamao de muestra con la columna
correspondiente a la cantidad de desviaciones halladas. Se obtiene, expresado en
porcentaje, el lmite de precisin superior logrado para la poblacin. (Aplicando dicho
porcentaje al tamao de la poblacin, es decir la cantidad total de transacciones,
obtendramos una estimacin de la cantidad mxima de desviaciones correspondiente
al nivel de confianza escogido.) Si el valor extrado de la tabla es menor o igual que la
tasa mxima aceptable de desviaciones, concluiremos que para el nivel de confianza
seleccionado la tasa de errores de la poblacin no supera el mximo tolerable.
Por ejemplo, si nuestro nivel de confianza es 90, el tamao de muestra es 82, y al

aplicar las pruebas de auditora previstas a las 82 transacciones se detectaron 2
desviaciones, entramos con estos valores en la tabla de la Figura 2. Dado que la tabla
prev tamaos de muestra de 80 y de 85 pero no de 82, haremos una interpolacin
lineal. El lmite de precisin superior para un tamao de muestra de 80 es de 6,7%, y
para una muestra de 85 es de 6,3%. El valor para 82 ser aproximadamente: 6,7% +
(6,3% 6,7%) x (82 80) / (85 80) = 6,5%. Como nuestra tasa mxima aceptable
era del 8 por ciento, siendo 6,3 < 8, la evaluacin hecha para la poblacin est dentro
56
de los valores admisibles. Podemos expresar los resultados en los siguientes

trminos: Existe un 90 por ciento de probabilidad de que la cantidad de pagos que no
estn debidamente autorizados o justificados no supere el 8 por ciento. En otras
palabras, hay un 10 por ciento de probabilidad de que la tasa de errores supere el
mximo tolerable del 8 por ciento. Este 10 por ciento es el riesgo de evaluar
demasiado bajo el riesgo de control.
57
Figura 2: Muestreo de atributos Tabla de evaluacin de resultados
Nivel de confianza: 90%

Tamao
Cantidad de desviaciones halladas
de
muestra 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
25 9.2 15.6 21.3 26.8 32.0 37.1 42.2
26 8.9 15.0 20.5 25.7 30.8 35.7 40.5
27 8.6 14.4 19.7 24.8 29.6 34.4 39.0
28 8.3 13.9 19.0 23.9 28.6 33.1 37.6 42.1
29 8.0 13.4 18.4 23.1 27.6 32.0 36.3 40.6
30 7.7 13.0 17.8 22.3 26.7 30.9 35.1 39.3
31 7.5 12.6 17.2 21.6 25.8 29.9 34.0 38.0
32 7.2 12.2 16.7 20.9 25.0 29.0 32.9 36.8 40.6
33 7.0 11.8 16.2 20.3 24.2 28.1 31.9 35.7 39.4
34 6.8 11.4 15.7 19.7 23.5 27.3 31.0 34.7 38.2
35 6.6 11.1 15.2 19.1 22.9 26.5 30.1 33.7 37.1
36 6.4 10.8 14.8 18.6 22.2 25.8 29.3 32.7 36.1 39.5
37 6.2 10.5 14.4 18.1 21.6 25.1 28.5 31.8 35.1 38.4
38 6.1 10.2 14.0 17.6 21.1 24.4 27.7 31.0 34.2 37.4
39 5.9 10.0 13.7 17.2 20.5 23.8 27.0 30.2 33.3 36.4
40 5.8 9.7 13.3 16.7 20.0 23.2 26.4 29.5 32.5 35.5 38.5
41 5.6 9.5 13.0 16.3 19.5 22.6 25.7 28.7 31.7 34.7 37.6
42 5.5 9.3 12.7 15.9 19.1 22.1 25.1 28.1 31.0 33.8 36.7
43 5.4 9.1 12.4 15.6 18.6 21.6 24.5 27.4 30.2 33.1 35.8
44 5.3 8.8 12.1 15.2 18.2 21.1 24.0 26.8 29.6 32.3 35.0 37.7
45 5.1 8.6 11.8 14.9 17.8 20.6 23.4 26.2 28.9 31.6 34.2 36.9
46 5.0 8.5 11.6 14.5 17.4 20.2 22.9 25.6 28.3 30.9 33.5 36.1
47 4.9 8.3 11.3 14.2 17.0 19.7 22.4 25.1 27.7 30.2 32.8 35.3
48 4.8 8.1 11.1 13.9 16.7 19.3 22.0 24.5 27.1 29.6 32.1 34.6 37.1
49 4.7 7.9 10.9 13.7 16.3 18.9 21.5 24.0 26.5 29.0 31.5 33.9 36.3
50 4.6 7.8 10.7 13.4 16.0 18.6 21.1 23.6 26.0 28.4 30.8 33.2 35.6
55 4.2 7.1 9.7 12.2 14.6 16.9 19.2 21.4 23.6 25.8 28.0 30.2 32.4 34.5
60 3.9 6.5 8.9 11.2 13.3 15.5 17.6 19.6 21.7 23.7 25.7 27.7 29.7 31.6 33.6 35.5
65 3.6 6.0 8.2 10.3 12.3 14.3 16.2 18.1 20.0 21.9 23.7 25.5 27.4 29.2 31.0 32.8 34.6
70 3.3 5.6 7.6 9.6 11.4 13.3 15.1 16.8 18.6 20.3 22.0 23.7 25.4 27.1 28.8 30.4 32.1 33.7
75 3.1 5.2 7.1 8.9 10.7 12.4 14.1 15.7 17.3 19.0 20.6 22.1 23.7 25.3 26.8 28.4 30.0 31.5 33.0
80 2.9 4.9 6.7 8.4 10.0 11.6 13.2 14.7 16.3 17.8 19.3 20.8 22.2 23.7 25.2 26.6 28.1 29.5 31.0 32.4 33.8
85 2.7 4.6 6.3 7.9 9.4 10.9 12.4 13.9 15.3 16.7 18.1 19.5 20.9 22.3 23.7 25.1 26.4 27.8 29.1 30.5 31.8 33.2
90 2.6 4.3 5.9 7.4 8.9 10.3 11.7 13.1 14.4 15.8 17.1 18.4 19.8 21.1 22.4 23.7 25.0 26.2 27.5 28.8 30.1 31.3 32.6
95 2.4 4.1 5.6 7.0 8.4 9.8 11.1 12.4 13.7 15.0 16.2 17.5 18.7 20.0 21.2 22.4 23.6 24.9 26.1 27.3 28.5 29.7 30.9 32.1
100 2.3 3.9 5.3 6.7 8.0 9.3 10.5 11.8 13.0 14.2 15.4 16.6 17.8 19.0 20.1 21.3 22.5 23.6 24.8 25.9 27.1 28.2 29.3 30.5 31.6
110 2.1 3.5 4.9 6.1 7.3 8.4 9.6 10.7 11.8 12.9 14.0 15.1 16.2 17.2 18.3 19.4 20.4 21.5 22.5 23.6 24.6 25.6 26.7 27.7 28.7
120 1.9 3.2 4.4 5.6 6.7 7.7 8.8 9.8 10.8 11.8 12.8 13.8 14.8 15.8 16.8 17.8 18.7 19.7 20.6 21.6 22.5 23.5 24.4 25.4 26.3
130 1.8 3.0 4.1 5.2 6.2 7.1 8.1 9.1 10.0 10.9 11.9 12.8 13.7 14.6 15.5 16.4 17.3 18.2 19.1 19.9 20.8 21.7 22.6 23.4 24.3
140 1.7 2.8 3.8 4.8 5.7 6.6 7.5 8.4 9.3 10.2 11.0 11.9 12.7 13.5 14.4 15.2 16.0 16.9 17.7 18.5 19.3 20.1 21.0 21.8 22.6
150 1.5 2.6 3.6 4.5 5.3 6.2 7.0 7.9 8.7 9.5 10.3 11.1 11.9 12.6 13.4 14.2 15.0 15.7 16.5 17.3 18.0 18.8 19.6 20.3 21.1
160 1.4 2.4 3.3 4.2 5.0 5.8 6.6 7.4 8.1 8.9 9.6 10.4 11.1 11.9 12.6 13.3 14.0 14.8 15.5 16.2 16.9 17.6 18.3 19.0 19.7
170 1.4 2.3 3.1 3.9 4.7 5.5 6.2 6.9 7.7 8.4 9.1 9.8 10.5 11.2 11.8 12.5 13.2 13.9 14.6 15.2 15.9 16.6 17.3 17.9 18.6
180 1.3 2.2 3.0 3.7 4.4 5.2 5.9 6.5 7.2 7.9 8.6 9.2 9.9 10.5 11.2 11.8 12.5 13.1 13.8 14.4 15.0 15.7 16.3 16.9 17.6
190 1.2 2.1 2.8 3.5 4.2 4.9 5.6 6.2 6.8 7.5 8.1 8.7 9.4 10.0 10.6 11.2 11.8 12.4 13.0 13.6 14.2 14.8 15.4 16.0 16.6
200 1.2 2.0 2.7 3.4 4.0 4.6 5.3 5.9 6.5 7.1 7.7 8.3 8.9 9.5 10.1 10.7 11.2 11.8 12.4 13.0 13.5 14.1 14.7 15.2 15.8
220 1.1 1.8 2.4 3.0 3.6 4.2 4.8 5.4 5.9 6.5 7.0 7.6 8.1 8.6 9.2 9.7 10.2 10.7 11.3 11.8 12.3 12.8 13.3 13.9 14.4
240 1.0 1.6 2.2 2.8 3.3 3.9 4.4 4.9 5.4 5.9 6.4 6.9 7.4 7.9 8.4 8.9 9.4 9.8 10.3 10.8 11.3 11.8 12.2 12.7 13.2
260 0.9 1.5 2.1 2.6 3.1 3.6 4.1 4.5 5.0 5.5 5.9 6.4 6.8 7.3 7.7 8.2 8.6 9.1 9.5 10.0 10.4 10.8 11.3 11.7 12.2
280 0.8 1.4 1.9 2.4 2.9 3.3 3.8 4.2 4.6 5.1 5.5 5.9 6.4 6.8 7.2 7.6 8.0 8.4 8.8 9.3 9.7 10.1 10.5 10.9 11.3
300 0.8 1.3 1.8 2.2 2.7 3.1 3.5 3.9 4.3 4.7 5.1 5.5 5.9 6.3 6.7 7.1 7.5 7.9 8.3 8.6 9.0 9.4 9.8 10.2 10.5
58
Nivel de confianza: 95%

Tamao
Cantidad de desviaciones halladas
de
muestra 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
25 12.0 19.0 25.2 31.0 36.6 42.1 47.4
26 11.5 18.3 24.2 29.9 35.2 40.5 45.6
27 11.1 17.6 23.3 28.7 33.9 39.0 43.9
28 10.7 17.0 22.5 27.7 32.7 37.6 42.3 47.0
29 10.3 16.4 21.7 26.8 31.6 36.3 40.9 45.3
30 10.0 15.8 21.0 25.9 30.5 35.1 39.5 43.8
31 9.7 15.3 20.3 25.0 29.6 33.9 38.2 42.4
32 9.4 14.8 19.7 24.3 28.6 32.9 37.0 41.1 45.1
33 9.1 14.4 19.1 23.5 27.8 31.9 35.9 39.9 43.8
34 8.8 14.0 18.5 22.8 26.9 30.9 34.9 38.7 42.5
35 8.6 13.6 18.0 22.2 26.2 30.1 33.9 37.6 41.3
36 8.3 13.2 17.5 21.6 25.4 29.2 32.9 36.5 40.1 43.6
37 8.1 12.8 17.0 21.0 24.8 28.4 32.0 35.5 39.0 42.5
38 7.9 12.5 16.6 20.4 24.1 27.7 31.2 34.6 38.0 41.3
39 7.7 12.2 16.2 19.9 23.5 27.0 30.4 33.7 37.0 40.3
40 7.5 11.9 15.8 19.4 22.9 26.3 29.6 32.9 36.1 39.3 42.4
41 7.3 11.6 15.4 18.9 22.3 25.7 28.9 32.1 35.2 38.3 41.4
42 7.1 11.3 15.0 18.5 21.8 25.1 28.2 31.3 34.4 37.4 40.4
43 7.0 11.1 14.7 18.1 21.3 24.5 27.6 30.6 33.6 36.5 39.5
44 6.8 10.8 14.3 17.6 20.8 23.9 26.9 29.9 32.8 35.7 38.6 41.4
45 6.7 10.6 14.0 17.2 20.4 23.4 26.3 29.2 32.1 34.9 37.7 40.5
46 6.5 10.3 13.7 16.9 19.9 22.9 25.8 28.6 31.4 34.2 36.9 39.6
47 6.4 10.1 13.4 16.5 19.5 22.4 25.2 28.0 30.7 33.4 36.1 38.7
48 6.3 9.9 13.1 16.2 19.1 21.9 24.7 27.4 30.1 32.7 35.4 37.9 40.5
49 6.1 9.7 12.9 15.8 18.7 21.5 24.2 26.8 29.5 32.1 34.6 37.2 39.7
50 6.0 9.5 12.6 15.5 18.3 21.0 23.7 26.3 28.9 31.4 33.9 36.4 38.9
55 5.5 8.6 11.5 14.1 16.7 19.1 21.6 23.9 26.3 28.6 30.9 33.1 35.4 37.6
60 5.0 7.9 10.5 12.9 15.3 17.5 19.8 21.9 24.1 26.2 28.3 30.4 32.4 34.5 36.5 38.5
65 4.6 7.3 9.7 11.9 14.1 16.2 18.2 20.2 22.2 24.2 26.1 28.0 29.9 31.8 33.7 35.5 37.4
70 4.3 6.8 9.0 11.1 13.1 15.0 16.9 18.8 20.6 22.4 24.2 26.0 27.8 29.5 31.3 33.0 34.7 36.4
75 4.0 6.3 8.4 10.4 12.2 14.0 15.8 17.5 19.3 21.0 22.6 24.3 25.9 27.6 29.2 30.8 32.4 34.0 35.6
80 3.8 5.9 7.9 9.7 11.5 13.2 14.8 16.4 18.1 19.6 21.2 22.8 24.3 25.8 27.4 28.9 30.4 31.9 33.4 34.9 36.3
85 3.5 5.6 7.4 9.1 10.8 12.4 13.9 15.5 17.0 18.5 20.0 21.4 22.9 24.3 25.8 27.2 28.6 30.0 31.4 32.8 34.2 35.6
90 3.3 5.3 7.0 8.6 10.2 11.7 13.2 14.6 16.0 17.5 18.9 20.2 21.6 23.0 24.3 25.7 27.0 28.3 29.7 31.0 32.3 33.6 34.9
95 3.2 5.0 6.6 8.2 9.6 11.1 12.5 13.8 15.2 16.5 17.9 19.2 20.5 21.8 23.0 24.3 25.6 26.8 28.1 29.4 30.6 31.8 33.1 34.3
100 3.0 4.8 6.3 7.8 9.2 10.5 11.9 13.2 14.4 15.7 17.0 18.2 19.5 20.7 21.9 23.1 24.3 25.5 26.7 27.9 29.1 30.3 31.4 32.6 33.8
110 2.7 4.3 5.7 7.1 8.3 9.6 10.8 12.0 13.1 14.3 15.4 16.6 17.7 18.8 19.9 21.0 22.1 23.2 24.3 25.4 26.4 27.5 28.6 29.6 30.7
120 2.5 4.0 5.3 6.5 7.6 8.8 9.9 11.0 12.0 13.1 14.1 15.2 16.2 17.2 18.2 19.3 20.3 21.3 22.3 23.2 24.2 25.2 26.2 27.2 28.1
130 2.3 3.7 4.9 6.0 7.1 8.1 9.1 10.1 11.1 12.1 13.1 14.0 15.0 15.9 16.8 17.8 18.7 19.6 20.5 21.5 22.4 23.3 24.2 25.1 26.0
140 2.1 3.4 4.5 5.5 6.5 7.5 8.5 9.4 10.3 11.2 12.1 13.0 13.9 14.8 15.6 16.5 17.4 18.2 19.1 19.9 20.8 21.6 22.4 23.3 24.1
150 2.0 3.2 4.2 5.2 6.1 7.0 7.9 8.8 9.6 10.5 11.3 12.1 13.0 13.8 14.6 15.4 16.2 17.0 17.8 18.6 19.4 20.2 21.0 21.7 22.5
160 1.9 3.0 3.9 4.9 5.7 6.6 7.4 8.2 9.0 9.8 10.6 11.4 12.2 12.9 13.7 14.4 15.2 15.9 16.7 17.4 18.2 18.9 19.6 20.4 21.1
170 1.8 2.8 3.7 4.6 5.4 6.2 7.0 7.7 8.5 9.2 10.0 10.7 11.4 12.2 12.9 13.6 14.3 15.0 15.7 16.4 17.1 17.8 18.5 19.2 19.9
180 1.7 2.6 3.5 4.3 5.1 5.8 6.6 7.3 8.0 8.7 9.4 10.1 10.8 11.5 12.2 12.8 13.5 14.2 14.8 15.5 16.2 16.8 17.5 18.1 18.8
190 1.6 2.5 3.3 4.1 4.8 5.5 6.2 6.9 7.6 8.3 8.9 9.6 10.2 10.9 11.5 12.2 12.8 13.4 14.1 14.7 15.3 15.9 16.5 17.2 17.8
200 1.5 2.4 3.2 3.9 4.6 5.3 5.9 6.6 7.2 7.9 8.5 9.1 9.7 10.3 11.0 11.6 12.2 12.8 13.4 13.9 14.5 15.1 15.7 16.3 16.9
220 1.4 2.2 2.9 3.5 4.2 4.8 5.4 6.0 6.6 7.1 7.7 8.3 8.8 9.4 10.0 10.5 11.1 11.6 12.1 12.7 13.2 13.8 14.3 14.8 15.4
240 1.3 2.0 2.6 3.2 3.8 4.4 4.9 5.5 6.0 6.6 7.1 7.6 8.1 8.6 9.1 9.6 10.1 10.6 11.1 11.6 12.1 12.6 13.1 13.6 14.1
260 1.2 1.8 2.4 3.0 3.5 4.1 4.6 5.1 5.6 6.0 6.5 7.0 7.5 8.0 8.4 8.9 9.4 9.8 10.3 10.7 11.2 11.6 12.1 12.5 13.0
280 1.1 1.7 2.3 2.8 3.3 3.8 4.2 4.7 5.2 5.6 6.1 6.5 7.0 7.4 7.8 8.3 8.7 9.1 9.5 10.0 10.4 10.8 11.2 11.6 12.1
300 1.0 1.6 2.1 2.6 3.1 3.5 4.0 4.4 4.8 5.2 5.7 6.1 6.5 6.9 7.3 7.7 8.1 8.5 8.9 9.3 9.7 10.1 10.5 10.9 11.3
15. Anlisis cualitativo de las desviaciones
El auditor no deber conformarse con conocer la cantidad de desviaciones en la

muestra o en la poblacin, sino que tambin deber hacer una cuidadosa evaluacin
de todas las anormalidades detectadas que le permitan identificar sus causas. Se
deber determinar si los errores son casos aislados, si hay fallas en el diseo del
59
proceso de control, o bien si el procedimiento previsto no se est aplicando de la forma

adecuada. Con estos elementos estar en condiciones incluir en el informe sobre el
trabajo recomendaciones concretas para corregir las fallas observadas en el
funcionamiento de los controles.
60
LA DECISIN
Las decisiones son el corazn del xito y, a veces, hay momentos crticos en que
pueden presentar dificultad, perplejidad y exasperacin. Este sitio ayuda y orienta a
tomar buenas decisiones estratgicas, que sean eficaces, usando un proceso eficiente
y sistemtico de toma de decisiones.
Un gerente debe tomar muchas decisiones todos los das. Algunas de ellas son
decisiones de rutina o intrascendentes mientras que otras tienen una repercusin
drstica en las operaciones de la empresa donde trabaja. Algunas de estas decisiones
podran involucrar la ganancia o prdida de grandes sumas de dinero o el
cumplimiento o incumplimiento de la misin y las metas de la empresa. En este mundo
cada vez ms complejo, la dificultad de las tareas de los decisores aumenta da a da.
El decisor (una persona que tiene un problema) debe responder con rapidez a los
acontecimientos que parecen ocurrir a un ritmo cada vez ms veloz. Adems, un
decisor debe asimilar a su decisin un conjunto de opciones y consecuencias que
muchas veces resulta desconcertante
Una decisin por lo general consta de tres etapas:
1. El reconocimiento de una necesidad: sensacin de insatisfaccin con uno

mismo; sensacin de vaco o necesidad;
2. La decisin de cambiar, para llenar el vaco o la necesidad;
3. La dedicacin consciente para implementar la decisin.
Adems de eso, observamos que la toma de decisiones correctas no es slo lo que

queremos hacer, sino que concuerda con lo que se debe hacer. Por eso, el miedo a
tomar la decisin equivocada es lo que nos impulsa y gua a tomar las decisiones
utilizando un abordaje cientfico. De esto se ocupa la Ciencia de la Administracin.
Cada da laborable el gerente pone a prueba algunas cuestiones que requieren

decisiones. Primero se las debe identificar como problemas u oportunidades, justificar
y clasificar dentro de los modelos matemticos para los que existir una respuesta,
pudiendo as controlar el problema mediante la actualizacin de las soluciones debido
a la naturaleza dinmica de las decisiones de los negocios. Este es el ncleo absoluto
61
del abordaje que hace la Ciencia de la Administracin de la toma de decisiones, que

es la ciencia de la toma de decisiones.
Es este abordaje el que hace que un negocio sea exitoso. Pero es importante advertir
que este proceso no es fcil. Como ya dijimos, se basa en tres etapas que encierran
doctrinas de integracin de informtica, clasificacin matemtica y modelizacin y
finalmente el reingreso de transformaciones de datos nuevos que aparecern a
medida que el tiempo transcurra. Este es el anlisis complejo en el que trabajaremos.
La Ciencia de la Administracin puede ayudar a disminuir o eliminar el miedo a tomar

decisiones equivocadas, contribuyendo en cuanto al proceso. De hecho, la meta de la
Ciencia de la Administracin es eliminar la decidofobia. Esto se logra a travs de los
procesos en fases que dividen los componentes de la decisin en elementos viables y
permiten proceder a la etapa de la toma de la decisin con una base de conocimiento
firme para la eleccin. Sin embargo, si elige no utilizar la ciencia de la administracin,
existen muchas formas de evitar tomar una decisin.
El Proceso de Toma De Decisiones

La toma de decisiones es un proceso de seleccin entre cursos alternativos de accin,
basado en un conjunto de criterios, para alcanzar uno o ms objetivos.
Toma de decisiones es el trmino que generalmente se asocia con las primeras cinco
etapas del proceso de resolucin de problemas. As, la toma de decisiones se
inicia al identificar y definir el problema, y termina con la eleccin de una alternativa,
que es el acto de tomar una decisin.
Las tres primeras fases del proceso decisorio constituyen la Estructuracin del
Problema y las dos ltimas fases son el Anlisis del problema
62
La fase de anlisis del proceso de toma de decisiones puede asumir dos formas
bsicas: cualitativa y cuantitativa. El anlisis cualitativo se basa primordialmente en el
razonamiento y la experiencia del decisor; incluye la impresin intuitiva que el decisor
tiene del problema. Cuando se utiliza el enfoque cuantitativo, el analista se concentra
en los hechos o datos asociados al problema y desarrolla expresiones matemticas
que describen los objetivos, las restricciones y las relaciones existentes en el
problema. Despus, utilizando uno o ms mtodos cuantitativos, el analista ofrece una
recomendacin con base en los aspectos cuantitativos del problema.
A los problemas que no implican ms de un criterio de decisin se les denomina

problemas de decisin de criterio nico, y en el caso contrario se les denomina
problemas de criterios mltiples o problemas de decisin multicriterio.
Componentes del proceso estructurado de toma de decisiones

Como el modelo de un sistema es la re-presentacin del sistema que contiene los
elementos que afectan el objetivo de la decisin es importante identificar los elementos
ms importantes. El resultado deseado generalmente determina las entradas
controlables. Las entradas de un sistema pueden clasificarse en entradas controlables
e incontrolables, como lo ilustra la figura que aparece a continuacin. Los horizontes
temporales de la revisin de modelizacin deben seleccionarse lo suficientemente
cortos como para que las entradas incontrolables (o el conocimiento probabilstico que
se tiene de ellas) no cambien de manera significativa. Al resultado por lo general se lo
conoce como la medida de desempeo del sistema. Como dice Tom Peters, experto
internacional en administracin de empresas, " Si no se puede medir, no se puede
administrar". Cuando se mide el desempeo, el desempeo mejora. Cuando el
desempeo se mide y se informa, la mejora se acelera. La siguiente figura muestra el
abordaje del proceso estructurado de toma de decisiones en la IO/CA. Recuerde que
cuando las estructuras y los sistemas estn alineados, se facilita el empoderamiento.
Cuando no lo estn, operan en su contra.
63
Los modelos de IO/CA apuntan a asistir al decisor en el proceso de toma de

decisiones.
En el proceso de modelizacin de la toma de decisiones investigamos el efecto de la

presentacin de diferentes decisiones retrospectivamente decir, "como si" la decisin
ya se hubiera tomado segn diferentes cursos de accin. Es por eso que la secuencia
de pasos en el proceso debe considerarse en forma invertida. Por ejemplo, el
resultado (que es el resultado de nuestra accin) debe considerarse en primer lugar. ;
esto es 'como si" la decisin ya hubiese sidotomada bajo un diferente curso de accin.
Como se indic anteriormente en el diagrama de actividades, el proceso de toma de
decisiones posee los siguientes componentes:
1. Medida del desempeo: Brinda el nivel deseado de resultado (objetivo de la

decisin). El objetivo es importante para identificar el problema. La tarea
principal del decisor es la solucin del problema de "valores" entre diferentes
objetivos, y la seleccin de un nico objetivo el que tiene el "mayor valor".
Entonces, si es necesario, todos los dems objetivos deben incluirse en el
conjunto de restricciones a satisfacer.
2. Entradas incontrolables: Provenientes del entorno del decisor. Las entradas
incontrolables por lo general crean el problema y restringen las acciones.
64
3. Parmetros: Los parmetros son los elementos constantes que cambian

durante el horizonte temporal de la revisin de la decisin. Estos son los
factores que definen parcialmente al problema.
4. Entradas controlables: Las entradas controlables son el conjunto de todos los
cursos de accin posibles que usted podra tomar.
5. Interacciones entre estos componentes: Estas son funciones matemticas
lgicas que representan las relaciones de causa y efecto entre las entradas, los
parmetros y el resultado. Existen tambin grupos de restricciones que se
aplican a cada uno de estos componentes. Por lo tanto, no es necesario
tratarlas en forma separada.
6. Cursos de accin: La accin es la ltima decisin y es el mejor curso de la
estrategia para lograr la meta deseada. La toma de una decisin implica
seleccionar un curso de accin (medio) en pos del objetivo (fin). La forma en
que el curso de accin afecta el resultado de una decisin depende de cmo se
interrelacionan las entradas y los parmetros del problema y, a su vez, cmo se
relacionan stos con el resultado. La funcionalidad es el tipo de relacin ms
importante en las interacciones del proceso de toma de decisiones. Cuando el
resultado de una decisin depende del curso de accin, modificamos uno o
ms aspectos de la situacin problemtica con la intencin de lograr un cambio
deseado en algn otro aspecto de la misma. Lo logramos si conocemos la
interaccin entre los componentes del problema. "Oh, mente ma, concdeme
la serenidad para saber cul entrada es controlable y cul no, y para elegir la
mejor del primer tipo, y la capacidad para realizar anlisis probabilstico y
estadstico para predecir y luego reaccionar ante cualquier cambio del segundo
tipo, y la sabidura para conocer la diferencia!"
7. Control del problema: Pocos problemas en la vida, una vez resueltos,
permanecen as. Las condiciones cambiantes tienden a sacar a la luz
problemas que anteriormente se haban resuelto, y sus soluciones crean
nuevos problemas. Estos nuevos problemas deben identificarse y anticiparse.
Si no lo puede controlar, debe medirlo para poder predecirlo.
Ambientes De Decisin
El anlisis de decisin implica el uso de un proceso racional para seleccionar la mejor
entre varias alternativas. La bondad de una alternativa seleccionada depende de la
65
calidad de los datos utilizados para describir la situacin de decisin. Desde este punto
de vista, un proceso de toma de decisiones cae en tres categoras.
1. Toma de decisiones bajo certidumbre: En la que se conocen los datos de forma

determinista.
2. Toma de decisiones bajo riesgo: En la que los datos se describen mediante

distribuciones de probabilidad
3. Toma de decisiones bajo incertidumbre: En la que no es posible asignar a los datos

pesos relativos que representen su grado de relevancia en el proceso de decisin.
Anlisis de Decisin Multicriterio

Un problema de decisin puede considerarse como un problema multicriterio si existen
al menos dos criterios en conflicto y al menos dos alternativas de solucin. En otras
palabras, en un problema de decisin multicriterio se trata de identificar la mejor o las
mejores soluciones considerando simultneamente mltiples criterios en competencia.
Los criterios se dice que pueden encontrarse estrictamente en conflicto lo que se

traduce en que el incremento en la satisfaccin de uno, implica el decremento de la
satisfaccin del otro.
La toma de decisiones multicriterio ha desarrollado una personalidad propia que utiliza

una terminologa especfica que incluye conceptos nuevos, a continuacin se definen
los mismos:
Alternativas: Posibles soluciones o acciones a tomar por el decisor.

Atributos: Caractersticas que se utilizan para describir cada una de las alternativas
disponibles pueden ser cuantitativas (atributos objetivos) o cualitativas (atributos
subjetivos), cada alternativa puede ser caracterizada por un nmero de atributos
(escogidos por el decisor).
Objetivos: Los objetivos son aspiraciones que indican direcciones de
perfeccionamiento de los atributos seleccionados, estn asociados con los deseos
y preferencias del decisor.
Metas: Aspiraciones que especifican niveles de deseos de los atributos.
Criterios: Los criterios son los parmetros, directrices y puntos de referencia que
van a permitir evaluar las opciones o alternativas que se presenten en el proceso
de decisin.
66
Modelo econmico de inventarios
La necesidad de las empresas y productores de mantener inventarios, trajo como

consecuencia el estudio de los mismos, de manera tal, que se garantizara la forma
ms econmica de mantenerlos. Un buen nmero de modelos matemticos que han
sido desarrollados, permite determinar, bajo un conjunto de condiciones dadas, la
manera ptima de tener inventarios.
Segn lvarez y Valle (1987): Se denomina inventario a un conjunto de recursos o

mercancas en buen estado, que se encuentran almacenados con el objetivo de ser
utilizados en un futuro. Estos recursos pueden ser materiales, equipos, dinero, etc.
Los sistemas de inventarios pueden clasificarse atendiendo a tres consideraciones

fundamentales:
Segn el nmero de rdenes y nivel de independencia de la demanda.
1. Orden repetitiva con demanda independiente.

2. Orden no repetitiva con demanda independiente.
3. Orden repetitiva con demanda dependiente.
Segn su relacin con la secuencia completa de las operaciones de produccin.
1. Abastecimientos.
2. Materias primas.
3. Productos en procesos.
4. Produccin terminada.
Ntese que el inventario de producto final para una empresa puede ser el de materia
prima de otra.
Segn la predecibilidad de la demanda.
1. Determinstico: si la demanda es conocida y constante.

2. Probabilstico: si la demanda es una variable aleatoria.
Todo inventario debe tener un lmite, pues si no el costo sera perjudicial y

econmicamente insostenible, por tener gran cantidad de recursos ociosos.
67
Para la direccin de un sistema de produccin es importante conocer: Qu cantidad

de recursos se debe tener en inventario en el sistema?, Cada qu tiempo se deben
reaprovisionar los inventarios?
La teora de inventarios rene una serie de tcnicas que permite dar respuestas a
estas interrogantes. Slo que hay que saber cul utilizar en cada caso, para esto se
hace necesario conocer algunos aspectos imprescindibles para aplicar correctamente
el modelo adecuado.
Procedimiento para aplicar el modelo de inventario
1. Identificar el modelo de inventario a aplicar.
Existen dos grandes grupos de inventario de acuerdo con la caracterstica de la

demanda. Estos grupos son:
Modelos de inventario determinstico: Son aquellos en los cuales la demanda est

perfectamente determinada o es conocida para un perodo dado.
Modelo de inventario estocstico: Son aquellos en los cuales la demanda es una
variable aleatoria, con una funcin de distribucin conocida.
Atendiendo a las consideraciones antes definidas, para el desarrollo de este trabajo se

utilizarn solamente los modelos de inventarios determinsticos, dentro de este se
encuentran:
1. Modelo general de inventario determinstico.

2. Modelo de inventario que no permite dficit.
3. Modelo de inventario con reaprovisionamiento instantneo.
4. Modelo de inventario con reaprovisionamiento instantneo que no permite dficit.
Los dos primero se utilizan para sistemas donde existe produccin, o sea estos
productos o materias primas llegan al almacn poco a poco, mientras los dos restantes
se emplean en sistemas donde los productos llegan instantneamente. Por otra parte
el modelo 2 y 4 no permiten dficit, o sea no se acumulan pedidos, no ocurriendo as
con el 1 y 3 que si admiten acumulaciones de pedidos que luego sern entregados.
2. Identificar las variables controladas y no controladas del sistema.
68
En un problema de inventario existen una serie de variables que pueden ser

controladas por aquellas personas que dirigen el sistema y otras que no pueden ser
controladas.
Las variables controladas en un sistema de inventario, son:
Cantidad a adquirir (cunto).

Frecuencia de adquisicin (cundo).
Las variables no controladas pueden ser variables de costos u otras.
Las principales variables no controladas en un problema de inventario son:
1. Costo por mantener el inventario.
Este costo puede desglosarse en los siguientes:
a) Costo de inmovilizacin de recursos.

b) Costo de manipulacin.
c) Costo de almacenaje (depreciacin, construccin, etc.)
d) Costo de depreciacin u obsolescencia del inventario.
e) Costo de carcter administrativo (salario, etc.)
2. Costo por dficit: Es el costo en que se incurre cuando un inventario se termina y

que trae consecuencia, tener que adquirir la mercanca en cuestin, de una forma no
habitual, invirtiendo recursos para usar transporte ms rpido, produccin extra, etc.
3. Costo de lanzamiento: Cuando el inventario forma parte del sistema de

produccin, se denomina costo de lanzamiento a la preparacin de una nueva orden
de produccin, que se incorporar a dicho inventario. En el caso que el inventario sea
considerado como un sistema nico, el costo por lanzamiento es aquel en que se
incurre por los trabajos administrativos para hacer la adquisicin.
4. Costo de produccin: Es el costo unitario de produccin de un artculo que se

incorporar al inventario.
5. Demanda: Puede estar perfectamente determinada para cada perodo de tiempo o

puede ser aleatoria, en cuyo caso se necesitara conocer su funcin de distribucin
probabilstica para poder tomar decisiones.
69
6. Tiempo de reaprovisionamiento: Es el tiempo transcurrido desde que se entrega

la orden de reaprovisionamiento, hasta que los recursos son incorporados al
inventario. El tiempo de reaprovisionamiento puede ser fijo o aleatorio.
3. Aplicar el modelo seleccionado
Figura 1. Representacin grfica del modelo de inventario determinstico que no

permite dficit. Fuente: Delgado Landa (2008).
El ciclo de inventario como bien se observa en la figura anterior sigue la secuencia

siguiente:
1. Comienza con el inventario igual a cero.

2. Comienza la produccin con una razn constante (r). Habr una razn de consumo
(a) constante, donde r>a, hasta que se alcance un nivel determinado,
detenindose la produccin (intervalo t ).
3. Despus habr un consumo del inventario a una razn constante (a) ocurriendo
durante un tiempo t , hasta agotar todo el inventario y nuevamente se repetir el
ciclo.
Para la formulacin matemtica de este modelo se define:
r: razn de produccin constante (unidades fsicas por unidad de tiempo).

70
a: demanda constante (unidades fsicas por unidad de tiempo).
s : nivel mximo de inventario (unidades fsicas).
Q: cantidad de unidades a producir en cada corrida o tamao de lote (unidades

fsicas).
t y t : intervalos de tiempo representados en el grfico de la figura 2.1.
Se tendrn como datos, adems, los siguientes costos:
c: costo unitario de produccin (costo por unidad fsica).
h: costo por mantener el inventario. [Costo/ (unidad fsica por unidad de tiempo)]
k: costo de lanzamiento (costo).
Partiendo de lo anterior, las expresiones para este modelo se aprecian en el Cuadro 2.
Cuadro 2 Frmulas necesarias para aplicar el modelo de inventario que no permite

dficit. Fuente: Delgado Landa (2008).
71
Caso Prctico para sustentar la Toma de Decisiones de Inventarios.
Caracterizacin de la Empresa objeto de estudio.
La Empresa tiene como misin:Producir harina de Trigo, as como Cereales para

desayunos, Pellets para frer y Rizos de Maz, Sorbetos, Panes y Repostera Varias,
de una calidad alta y con eficiencia, para satisfacer las necesidades de los clientes.
La empresa tiene como objetivo general: Realizar el proceso de Molinacin de trigo

para la produccin y comercializacin mayorista en ambas monedas, de Harina de
Trigo para consumo humano y animal, as como producir Cereales de maz y trigo
para el desayuno, saborizados y naturales, y pellets para frer, sorbetos, panes y
repostera fina, en ambas monedas.
Propuesta de solucin a la problemtica identificada en el Molino de

Trigo.
1. Definicin del problema.
El problema que debe ser resuelto con la mayor prioridad en el Molino de Trigo se
relaciona con el nivel de inventario que debe permanecer en el almacn.
La Empresa despus de un reorganizamiento en el antiguo molino de maz, se dedica

ahora a la molinacin de trigo. La misma no cuenta con experiencia suficiente en este
sentido por lo que considera necesario un estudio del inventario, con el fin de conocer
cul es la cantidad de toneladas de Harina de Trigo que tiene que producir en cada
lote de produccin para tener en almacn la menor cantidad posible con el mnimo
costo. Pues dada las caractersticas de la harina que puede fcilmente echarse a
perder no conviene tener inventario ocioso y por otra parte no debe faltar por la
importancia que tiene para la elaboracin del pan.
2. Construccin y solucin del modelo.
El modelo a utilizar para dar solucin a la problemtica anterior es el Modelo de

inventario. Este permite cabalmente cumplir con los requerimientos de la empresa y
decidir los cambios que deben hacerse a partir de que se obtenga la cantidad ptima
de sacos de harina que deben permanecer en inventario que garanticen el mnimo
costo.
72
Decisiones sobre el control de inventarios es tanto un problema como una oportunidad

para por lo menos tres departamentos diferentes tales como Produccin, Comercial y
Econmico-financiero. La toma de decisiones en el control de inventarios tiene un
impacto enorme en la productividad y desenvolvimiento de la organizacin porque este
maneja el flujo total de materiales. El control de inventario apropiado puede minimizar
desabastecimiento de materiales, por lo tanto reducir el capital de la organizacin.
Adicionalmente posibilita a la organizacin a producir la harina de trigo en cantidades
ms econmicas, por lo tanto minimizar el costo general de produccin.
Un buen modelo de inventarios permite:
Atenuar brechas temporales entre oferta y demanda.

Contribuir a la disminucin de los costos de produccin.
Proporcionar una forma de "almacenar" trabajo; por ejemplo, fabricar ms
toneladas de harina ahora, y liberar trabajo despus.
Proporcionar un rpido servicio al cliente.
a. Identificacin del modelo de inventario a aplicar.
Dentro de los modelo de inventario teniendo en cuenta que la demanda es conocida y

constante se aplicar el Modelo de inventario determinstico que no permite dficit. Es
importante aclarar que se selecciona este modelo por la razn que se explica a
continuacin:
La empresa produce la harina de trigo fundamentalmente para la elaboracin del pan,

por lo que no se pueden acumular pedidos. La carencia de harina originara graves
problemas para el territorio que se beneficia de esta produccin. Adems el sector de
la industria alimenticia es priorizado por el gobierno lo cual justifica el hecho de que no
puede faltar este producto.
b. Identificacin de las variables controladas y no controladas del sistema.
Las variables presentes en el sistema se enuncian como sigue:
Variables controladas:
Q: Cantidad a producir en cada lote de produccin.
F: Frecuencia de produccin.
73
Variables no controladas:
h: costo por mantener el inventario. [Costo/ (unidad fsica por unidad de

tiempo)]
Segn el departamento de economa de la empresa el costo por mantener el

inventario es de 1,68 pesos por cada tonelada almacenada diariamente.
k: costo de lanzamiento (costo).
El costo de lanzamiento fue necesario estimarlo, conociendo que:
El salario de la persona encargada de coordinar los pedidos es de $ 640,00.

La cuenta promedio del telfono usado en esta tarea.
Se conoce adems que esta persona dedica como promedio una hora en preparar
cada corrida de produccin.
El clculo del costo de lanzamiento sera:
Costo de lanzamiento = Costo de salario + Costo de telfono

Costo de lanzamiento = $ 3,33 + $ 10,07
Costo de lanzamiento = $ 13,40
Costo de salario
Costo de salario = [(Salario/24 das) 1/ 8 horas] tiempo de preparacin de la
corrida
Costo de salario = [(640/24 das) 1/ 8 horas] 1 hora
Costo de salario = $ 3,33
Costo de telfono
Para determinar el costo de telfono se observaron las cuentas de telfonos,

determinando las llamadas por concepto de preparacin de rdenes de produccin
durante los meses correspondientes al segundo semestre del ao 2007. Los importes
se promediaron, arrojando como resultado $ 10,07 por cada lote de produccin.
c: Costo unitario de produccin (costo por unidad fsica).
Segn la ficha de costo de harina de trigo consultada, el costo por producir una
tonelada es de 570,20 pesos
74
a: Demanda constante (unidades fsicas por unidad de tiempo).
La demanda diaria de harina de trigo es de 72 toneladas y aparece desglosada por

clientes en el Cuadro 3.
Cuadro 3. Demanda diaria de la Harina de Trigo. Fuente: Delgado Landa (2008).
Clientes Cantidad de
toneladas requeridas
por da
Empresa de Alimentos Provincial 60
Empresa Mayorista Provincial de Alimentos 10
Crnico 2
Total 72
a. Aplicacin del modelo

Los datos necesarios para la formulacin matemtica del modelo son los siguientes:
r= 95 t x da.
a=72 t x da.
Capacidad de almacenamiento =165 t
Nota: se considera 24 das laborables al mes y 24 horas diarias de trabajo.
Costos:
c= $ 570,20 x t
h: $1,68 x t diarias
k: $13.40 x lote.
Partiendo de lo anterior, los clculos para este modelo son:
75
Tamao del lote ptimo.
El tamao ptimo de lote es de 69 toneladas de Harina de Trigo, lo cual indica que se

debe producir esta cantidad en cada corrida de produccin.
Tiempo ptimo entre corridas..
T = 0,9583 das 24 h= 23 horas
La corrida completa de produccin demora aproximadamente 23 horas.
Frecuencia de las corridas.
f = 1,0434 veces al da
Intervalos de tiempo.
t = = = 0,7263 das 24 h= 17,43 horas
La produccin del lote demora 17 horas con 26 minutos aproximadamente.
Finalizada la produccin se sigue consumiendo el producto a partir de lo que se tiene

en inventario lo cual demora 5 horas con 34 minutos aproximadamente.
Nivel de inventario mximo.
s = at = 72 0,2316 = 16,68
El nivel mximo de inventario es de 16 toneladas.
Costo total.
76
El costo total es de $ 41 100,40 por da.
Como propuesta de solucin al problema objeto de estudio se resume lo siguiente:
En cada lote se deben producir 69 toneladas de Harina de Trigo para minimizar el

costo total.
Comenzando la produccin cada 23 horas. Con lo que se logra un volumen mximo de

inventario de 16 toneladas. En el da se har una corrida de produccin y el comienzo
de otra.
Con todo esto se alcanzar el mnimo costo total posible que sera de $ 41 100,40
diario.
77
CONCLUSIONES
PRIMERO: El manejo de los inventarios es sin lugar a dudas un elemento crtico, para
el buen desarrollo de la empresa, si este no se efecta correctamente la posibilidad de
tener problemas de abastecimiento o mayores costos es muy alta, es por esto que
permanentemente se deben estar revisando los normas para su manejo dentro de la
compaa, siendo conscientes de que estamos en una realidad donde lo nico
constante es el cambio y que si no somos consecuentes con esta realidad la
posibilidad de dejar de ser competitivo y salir del mercado es muy alta.
SEGUNDO: La eficiencia del proceso de un sistema de inventarios es el resultado de

la buena coordinacin entre las diferentes reas de la empresa, teniendo como
premisas sus objetivos generales.
TERCERO La toma de decisiones es fundamental para cualquier actividad humana.

Sin embargo, tomar una decisin empieza con un proceso de razonamiento, se lleva
un procedimiento que va a una misma solucin pero no igual en el sentido de aplicarlo.
CUARTO: Se necesita tambin la informacin y la capacidad para analizar y evaluar

las alternativas de acuerdo con la meta deseada, aqu inervienen herramientas como
la toma de decisiones, el muestreo. Por ltimo, necesitan tener el deseo de llegar a la
mejor solucin mediante la seleccin de la alternativa que satisfaga de un modo ms
efectivo el logro de la meta.
QUINTO: Como las empresas dedican casi todo su tiempo y sus recursos a la
realizacin de los procesos de transformacin directamente relacionados con la
elaboracin de sus productos y no estn orientadas hacia la innovacin ni el
perfeccionamiento, los problemas que perciben y por consiguiente, las decisiones que
toma, son rutinarias y se basan en la experiencia y en la memoria personal de los
gerentes.
SEXTO: la toma de muestras deben de realizarse de manera que se aborden

especificante todos los requerimientos para la elaboracin de una buena base de
datos para as implementar decisiones concisas y no aventurarnos al delucidar un
problema.
78
RECOMENDACIONES
Tener la capacidad de resolucin y voluntad de ejecucin frente a un problema

presentado, utilizando las herramientas necesarias para no correr riesgos
innecesarios.
Analizar la informacin disponible y hacer uso de la experiencia acumulada, antes
de seleccionar el desempeo de accin apropiado.
Para muchas de las decisiones que se toman se dedica poco tiempo olvidando
aspectos como la planeacin y el proceso, al tomar una decisin se tiene en
cuenta solamente lo que se siente en ese momento y se pasan por alto aspectos
que de ser analizados llevarn la decisin a un resultado positivo.
Se debe tomar el tiempo necesario, empleando las herramientas necesarias para
tomar una decisin aceptada en la gerencia de una organizacin.
Es importante tomar decisiones en nuestras vidas cotidianas, ya que de esta
manera vamos en la bsqueda del xito o el fracaso.
En clases no se llegaron a cumplir los objetivos propuestos en el silabus, as que
sera conveniente que se tomaran las acciones necesarias para llegar a cubrir el
aprendizaje de los temas de manera particular.
79
BIBLIOGRAFIA
MTODOS CUANTITATIVOS DE LA ADMINISTRACIN Autor: John E. / Ullmann

MTODOS CUANTITATIVOS DE LA ADMINISTRACIN Autor: Schelder Byers
MTODOS CUANTITATIVOS VOLUMEN II. Eduardo Vicens Salort, Ral Poler
Escoto y otros. Espaa-valencia.
PROGRAMACION LINEAL METODOLOGA Y PROBLEMAS. M. Mocholi Arce, R.
Salla Garrido, Editorial Tbar Flores, S.L. Espaa 1993
INVESTIGACIN DE OPERACIONES. Taha Hamdy A. Sptima Edicin. Pearson
Educacin. Mexico.2004 Pag. 848
MTODOS CUANTITATIVOS PARA LOS NEGOCIOS, Novena edicin. Pearson.
Barry Render, Ralph M. Stair
Pginas web:
http://es.wikipedia.org/wiki/Investigaci%C3%B3n_de_operaciones 14:15 del 08/01/11
http://www.investigacion-operaciones.com/Historia.htm 14:25 del 08/01/11
http://www.buenastareas.com/modelo_redes.html 14:20 del 08/01/11
80

Metodos Cuantitativos Final

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Metodos Cuantitativos Final

Загружено:

Авторское право:

Доступные форматы

Ao del Centenario de Machu Picchu para el Mundo

FACULTAD DE ECONOMIA Y CONTABILIDAD

TEMA : REDES, INVENTARIOS, MUESTREO Y

DOCENTE : CPCC. OJEDA PEREDA, William Z.

JULCA NORABUENA, Edwin

MARQUEZ HUERTA, Lenin

MENDOZA ASCENCIOS, Kneller

ONCOY VALVERDE, Miguel

Escuela Acadmico Profesional de Contabilidad Sptimo Ciclo

Escuela Acadmico Profesional de Contabilidad Sptimo Ciclo

Escuela Acadmico Profesional de Contabilidad Sptimo Ciclo

En el presente trabajo tratamos los conceptos sobre redes, inventarios, muestreo y

Los Modelos de Optimizacin de redes se aplican a numerosos casos en la Ciencia de la

La mayor parte de los modelos de redes son casos particulares de modelos de

Escuela Acadmico Profesional de Contabilidad Sptimo Ciclo

Todos estos conceptos nos ayudan a incrementar nuestros conocimientos como

Escuela Acadmico Profesional de Contabilidad Sptimo Ciclo

Construccin de una Red

a) Actividad: representa el trabajo que tiene que ser realizado:

Se indica con una flecha;

b) Evento: concurrencia en un punto del tiempo, en el cual se inicia o termina una

Se representa con un crculo;

Escuela Acadmico Profesional de Contabilidad Sptimo Ciclo

un evento no puede alcanzarse hasta que la actividad que lo precede no se haya

d) Tipos de actividades, de acuerdo con el inciso anterior:

Procedimiento Para Trazar Un Modelo De Red

Consideremos un proyecto que consta de solo dos actividades A y B. Supongamos que la

Proyecto de tres actividades

Escuela Acadmico Profesional de Contabilidad Sptimo Ciclo

La red de la figura 4 refleja el hecho de que la actividad C tiene como predecesoras a A y

Incorporacin de una actividad artificial.

Lgica seguida para la construccin de una red

Ejemplo: Construccin De Una Casa

Determinacin De Una Ruta Crtica

Escuela Acadmico Profesional de Contabilidad Sptimo Ciclo

Las partes fundamentales de un proyecto, utilizando el sistema de redes, son:

1. La toma de conciencia de la necesidad del proyecto y planteamiento del mismo.

Esta etapa puede estar propiciada por dos razones:

a) Problemas dentro de la organizacin,

b) oportunidades de mejora, stas pueden ser del siguiente tipo:

Existen tres aspectos principales a considerar:

- operacional, depende de los recursos humanos disponibles.

3. La calendarizacin del proyecto,

Escuela Acadmico Profesional de Contabilidad Sptimo Ciclo

4. La administracin de las actividades y de los miembros del equipo para lograr

- Estrategias de comunicacin entre los miembros del equipo.

Ejemplo: red de actividades casa de construccin

La Ruta Crtica es la ruta ms larga a travs de la red

Cul es la ruta crtica de la red anterior?

Este proyecto tiene tres rutas posibles:

Cmo se encuentra la ruta crtica?

Es necesario agregar a la red los tiempos de cada actividad

Escuela Acadmico Profesional de Contabilidad Sptimo Ciclo

Anlisis De Red Pert

Una de las primeras consideraciones que el PERT obliga efectuar, es la de calcular el

El PERT permite considerar tres posibles ocurrencias del tiempo:

1. Plazo optimista (po). Tiempo que se necesita para efectuar la actividad si no se

El anlisis de red pert se centra en:

1. La elaboracin de planes realistas, detallados y de fcil difusin que incrementan las

Escuela Acadmico Profesional de Contabilidad Sptimo Ciclo

6. La obtencin de informes completos y frecuentes del estado del proyecto.

El Administrador del Parque debe resolver tres tipos de problemas propios de la

1. Determinar la ruta ms coda desde la Entrada al Mirador. (RMC)