UNIVERSIDAD NACIONAL DEL CENTRO

DEL PERU
FACULTAD DE INGENIERIA QUMICA
CARRERA PROFESIONAL DE INGENIERIA QUIMICA
INDUSTRIAL

TAMAO DE MUESTRA
CTEDRA

SISTEMA INTEGRADO DE GESTIN DE LA CALIDAD.

CATEDRTICO :

ING. JAIME CLAROS CASTELLARES.

ALUMNA

PAREDES QUISPE, Marilia Mirella.

CICLO

: V

Huancayo-Per

2016

INDICE
1. Muestra........................................................................................................ 2
1.1 Definicin................................................................................................ 2
1.2 Relevancia de la definicin de objetivos.......................................................2
1.3 Determinacin de variables en estudio.........................................................3
2 Tamao de una muestra................................................................................... 4
2.1 Representatividad..................................................................................... 5
2.2 Parmetros de estimacin muestral.............................................................6
2.2.1 Error muestral de estimacin.................................................................6
2.2.2 Nivel de confianza............................................................................... 6
2.2.3 Semilla aleatoria................................................................................. 6
2.2.4 Error tolerable (materialidad).................................................................6
2.2.5 Precisin............................................................................................ 7
2.3 Inferencia................................................................................................. 7
2.4Seleccin de los elementos de una muestra..................................................7
2.4.1 Muestreo con seleccin aleatoria simple.................................................7
2.4.2 Muestreo estratificado..........................................................................7
2.4.3 Submuestras...................................................................................... 8
2.4.4 Reemplazo......................................................................................... 8
2.5 Muestreo de Unidad Monetaria y por Registro...............................................8
2.5.1 Muestreo de Unidad Monetaria..............................................................8
2.5.2 Muestreo por Registro..........................................................................9
2.6 Pasos para determinar una muestra representativa........................................9
3 Metodologa de Muestreo............................................................................... 10
3.1 Tamao de la muestra.............................................................................. 10

TAMAO DE MUESTRA
1. Muestra.
1.1 Definicin
Durante el transcurso de la auditora, se establece un nmero considerable de
elementos a examinar, para los cuales deben ser empleados instrumentos
estadsticos, capaces de apoyar dicha revisin. Al respecto, si durante la
fiscalizacin resulta complejo determinar cada uno de los elementos que
componen el universo, o bien, si el costo para realizar tal labor resulta
significativo, se deber seleccionar una muestra. Conforme a lo anterior, la
definicin de universo corresponder al total de elementos que componen un
espacio de la fiscalizacin, que tienen incorporado un filtro, y que responden a
caractersticas globales, pero a la vez, lo suficientemente especficas como
para delimitar el mbito de accin, elementos que debern ser incorporados en
los objetivos generales establecidos para cada auditora.
1.2 Relevancia de la definicin de objetivos.
Sobre la materia, es necesario precisar que antes de iniciar el proceso de
muestreo, se deben establecer los objetivos de la auditora, los cuales
constituyen el enunciado global sobre lo que se pretende conseguir con el
trabajo a realizar. Es as como, el objetivo general detalla la finalidad de la
auditora, en cuanto a sus expectativas ms amplias. ste se puede obtener
contestando las interrogantes qu?, dnde? y para qu?, tal como se
puede apreciar en la tabla 1.
En relacin a los objetivos especficos, stos requieren de una descripcin de
mayor precisin, focalizndose en responder qu se debe realizar para
alcanzar el objetivo general.
Tabla

1:

Principios

bsicos

en

la

fijacin

de

los

objetivos

La respuesta a estas interrogantes orientarn el inicio de la revisin debiendo

sealar, adems, el alcance de sta, en relacin a la extensin del examen, es
decir, si se examinar la totalidad del universo o solo parte de l, y el perodo
de tiempo determinado, el cual puede ser medido a travs de aos, meses,

semanas, etc. Lo anterior, requiere distinguir claramente la meta a alcanzar, as

como las variables que se buscan analizar, para lo cual se debe definir:

Entidad a revisar
Materia a auditar
Variable en estudio
Perodo
Finalidad de la revisin (cumplimiento legal, tcnico, reglamentario,
contractual, contable, entre otros)
Lugar geogrfico que abarca la revisin
Al respecto, la definicin descrita anteriormente, apunta a que el equipo
conozca el objetivo general de la auditora y con ello la aplicacin de criterios
de focalizacin, cuestin que permitir distinguir y acotar el universo en estudio.
Producto del objetivo establecido, realizar dicha fiscalizacin puede significar
analizar documentacin que involucre una cantidad significativa de registros y
de unidades monetarias, no obstante su focalizacin permite que el universo,
los montos y los registros, describan un conjunto menor, denominado poblacin
en estudio.
Una vez definido el objetivo general de la auditora, se deben considerar
elementos tales como recursos financieros, de tiempo y personal disponible,
para luego ser comunicado al equipo de auditora al inicio de la fiscalizacin.
1.3 Determinacin de variables en estudio.
Tal como se indic en el prrafo anterior, la descripcin de la variable o las
variables en estudio, depender del objetivo establecido. No obstante, puede
existir la necesidad de focalizarla, an ms, lo que implicar perfeccionar los
objetivos, complementndolos con un mayor nmero de elementos que
describan la focalizacin, situacin que deber efectuarse en estricta
coordinacin con la supervisin de la fiscalizacin, de forma tal que quede
explcito en el objetivo general.
En relacin con lo anterior, la informacin proporcionada por las entidades a
fiscalizar, se presenta en forma de registros o elementos, que entregan
informacin de las acciones realizadas, estos estn constituidos por unidades,
las que se pueden clasificar como de registro o valor.
El factor anterior, permite diferenciar entre los tipos de fiscalizacin que la CGR
realiza, dependiendo, si la unidad de evaluacin es la cantidad de elementos
que constituyen la poblacin, o los valores monetarios, situacin que deber
quedar definida explcitamente en el objetivo general de la auditora.
En la tabla 2, se presentan los tipos de auditoras, las materias, y ejemplos de
registros y/o valores econmicos a ser fiscalizados.
Tabla 2: Ejemplos de tipos de variables para muestreo

2 Tamao de una muestra.

El tamao de la muestra se representa por el valor n -letra ene minscula-,
cuyo valor est condicionado por el objetivo general que describe la poblacin,
y est dado en forma nica por un modelo matemtico que define y permite
modelar numerosas investigaciones de diferente ndole. Al respecto, existen
numerosos modelos estadsticos que proporcionan este clculo, los cuales se
denominan distribuciones.
Principalmente, las distribuciones se utilizan, en el muestreo probabilstico, con
el fin de impedir los sesgos conscientes o inconscientes de los investigadores.
Adems, se emplea para controlar el error, cuando se requiere alcanzar una
amplia representacin en la fiscalizacin.
La CGR utiliza dos tipos de distribuciones para calcular el tamao de la
muestra, la primera de ellas es la distribucin Normal y la segunda,
corresponde a la de Poisson. Si bien existen diferencias entre ellas, respecto a
su descripcin, no existe impedimento en su utilizacin, no obstante, se debe

sealar que la distribucin de Poisson debe ser utilizada con la herramienta

ACL.
A mayor abundamiento, la distribucin de Poisson, en trminos estrictos, se
refiere a procesos que pueden ser detallados con una variable aleatoria
discreta. As, la probabilidad de exactamente x ocurrencias en una distribucin
de Poisson, se calcula de acuerdo a la ecuacin 1.
Ecuacin 1: Probabilidad de ocurrencia, distribucin de Poisson

Por otra parte, el modelo de distribucin Normal es el ms utilizado en el

desarrollo de estudios, en el cual los valores se distribuyen, formando una
campana, denominada Campana de Gauss, en torno a un valor central que
coincide con el valor medio de la distribucin, de acuerdo la ecuacin 2.
Ecuacin 2: Tamao de muestra con distribucin Normal

Tal como se aprecia, la utilizacin de instrumentos estadsticos no depende de

las caractersticas de la informacin o de los datos en anlisis, sino de la
situacin que se requiera fiscalizar, lo que puede resultar en un muestreo
estadstico extremadamente difcil. Uno de los principales problemas que tiene
el fiscalizador en relacin con el muestreo, consiste en saber si el grupo elegido
es el adecuado.
Con respecto a los resultados obtenidos con ambos mtodos, stos difieren
entre s, debido a que los clculos poseen distintos parmetros, los que
resultan ser coincidentes en la medida que el tamao de la poblacin tiende a
aumentar por sobre los mil registros.
2.1 Representatividad.
La representatividad es la caracterstica ms importante de una muestra
estadstica, y se define como la capacidad de un subconjunto de presentar
iguales caractersticas a las del conjunto completo, por ende el muestreo
adquiere todo su sentido en cuanto se garantice que las caractersticas que se
quieren observar en la poblacin quedan reflejadas adecuadamente en la
muestra.
Al respecto, una muestra ser representativa de la poblacin de la que fue
tomada, si la suma de sus caractersticas se aproxima al conjunto de
caractersticas de la poblacin. No obstante, las muestras no tienen que ser

representativas en todos los aspectos, limitndose a las caractersticas

importantes para los intereses reales del estudio.
Se establece entonces que, la representatividad slo puede responder a la
muestra generada por medio de herramientas estadsticas, pudiendo
eventualmente, no existir relacin entre los conceptos de representatividad y
cobertura, por cuanto esta ltima es la proporcin de elementos seleccionados
en la muestra respecto de la poblacin.
Es as como, la representatividad no garantiza la cobertura en niveles por sobre
el 50% de la muestra, en relacin a la poblacin. No obstante, la
representatividad del muestreo por unidad monetaria proporciona una mayor
cobertura, respecto de los montos que son parte de la fiscalizacin.
Asimismo, y en relacin a las partidas claves, stas se definen como elementos
seleccionados discrecionalmente, sin ningn respaldo estadstico, sino ms
bien, con la direccionalidad que la fiscalizacin requiere. Lo anterior, es de gran
importancia, por cuanto al momento de la presentacin de observaciones de la
auditora, deben separarse aquellas derivadas por partidas claves de aquellas
provenientes de la aplicacin del muestreo estadstico, tal como se muestra en
la ilustracin 1.
2.2 Parmetros de estimacin muestral.
Las distribuciones estadsticas requieren de valores especficos que se
conocen como parmetros, para obtener sus resultados. A continuacin, se
describen las principales medidas a considerar para el clculo del tamao de
poblacin.
2.2.1 Error muestral de estimacin
Medida de la variabilidad de las estimaciones de muestras repetidas en torno al
valor de la poblacin. Este parmetro, otorga una nocin clara de hasta dnde
y con qu probabilidad una estimacin basada en una muestra se aleja del
valor que se hubiera obtenido por medio de un censo completo. En efecto,
siempre se comete un error, pero la naturaleza de la fiscalizacin indicar hasta
qu medida se cometer, ya que los resultados se someten a error muestral e
intervalos de confianza que varan muestra a muestra.
2.2.2 Nivel de confianza
Probabilidad de que el intervalo construido en torno a un estadstico capte el
verdadero valor del parmetro. En este sentido, se establece que, a mayor
valor del tamao de intervalo, mayor es el tamao de la muestra, tanto para
distribuciones Poisson como Normal.
2.2.3 Semilla aleatoria
Nmero inicial para generar valores aleatorios. Estos pueden ser generados
utilizando funciones de sistemas computacionales, a modo de ejemplo en Excel
la funcin aleatorio o en ACL el comando aleatorio.

2.2.4 Error tolerable (materialidad)

Se entiende como cantidad mxima de errores que el fiscalizador est
dispuesto a aceptar sin deteccin en la poblacin en estudio. Este valor no es
suministrado por ACL, sin embargo, en el Sistema Automatizado de Muestreo
(Excel) es provisto en la hoja MUM, por lo que, de ocupar ACL, este valor se
debe obtener desde Excel, una vez que se dispone de los montos en estudio y
la precisin.
2.2.5 Precisin
Grado de exactitud con que se pueden conocer los parmetros poblacionales,
representa la cantidad o porcentaje aceptable de desviacin en el valor
obtenido en el examen, respecto al verdadero promedio de la poblacin. La
precisin en el muestreo es semejante a la tolerancia utilizada en control de
calidad.
2.3 Inferencia.
Con los elementos descritos previamente, surge la interrogante de la utilizacin
de la representatividad. Lo anterior, debido a que la representatividad ofrece a
la muestra la posibilidad de inferir, es decir, se puede opinar respecto a la
poblacin.
Al respecto, corresponde sealar, que esta opcin no debe ser utilizada, ya que
el resultado de la fiscalizacin ejecutada por medio de una muestra estadstica,
no generar inferencia, por lo que el fiscalizador slo debe pronunciarse de lo
examinado en la muestra seleccionada.
2.4Seleccin de los elementos de una muestra.
Sobre el particular, una muestra es representativa cuando la seleccin de los
elementos de la poblacin se realizan aleatoriamente y cuando cada elemento
tiene la misma posibilidad de ser seleccionado. Para efectuar dicha seleccin,
la CGR utiliza dos mtodos que difieren centralmente por el tamao de la
poblacin en estudio.
En efecto, cuando la poblacin determinada sea inferior a 200 elementos,
tambin se recomienda utilizar la seleccin aleatoria simple, en cambio, cuando
existan ms de 200 registros, se sugiere adoptar el muestreo estratificado. No
obstante lo anterior, se podr emplear estratificacin en poblaciones de tamao
menor, aunque la ventaja de estratificar radica en la proporcionalidad que logra
para todos los espacios de la poblacin.
2.4.1 Muestreo con seleccin aleatoria simple.
Es la modalidad de muestreo ms conocida y que alcanza mayor rigor
cientfico, garantizando la probabilidad de eleccin de cualquier elemento, y la
independencia de seleccin de cualquier otro. En este procedimiento se
extraen al azar un nmero determinado de elementos, n, del conjunto mayor
N o poblacin.

2.4.2 Muestreo estratificado.

Este muestreo se utiliza cuando la poblacin es posible conformarla en estratos
o conjuntos homogneos, con respecto a la caracterstica o variable que se
estudia. Dentro de cada estrato o rea, se puede aplicar el muestreo aleatorio o
sistemtico, consistente en subdividir la poblacin en subgrupos o estratos con
arreglo a la/s caracterstica/s que se consideren, y en elegir la muestra de
modo que los diferentes estratos queden representados.
2.4.3 Submuestras.
Durante el desarrollo de la auditora se puede presentar la necesidad de
conformar una o varias submuestras, la que puede ser un estrato que cumple
determinadas condiciones.
Para lo anterior, se define una submuestra como una nueva aplicacin de la
metodologa, considerando esta vez como universo, a la muestra previamente
obtenida, lo cual debe quedar explcitamente indicado en el objetivo. Cabe
sealar, que el uso de submuestra no est recomendado en la fiscalizacin, sin
embargo, si las circunstancias lo ameritan debe ser aplicado. Para el caso de
las validaciones efectuadas en terreno, las submuestras deben ser obtenidas
por la Unidad Tcnica de Control Externo respectiva, la que evaluar los
resultados obtenidos de la primera muestra, y en base a estos, determinar el
nivel de confianza a aplicar a la submuestra.
2.4.4 Reemplazo.
Ante la imposibilidad de realizar el anlisis de uno o varios elementos
seleccionados en una muestra se debe aplicar un reemplazo.
Sobre el particular, la metodologa de reemplazo de los elementos definida para
una fiscalizacin, indica que, se debe establecer al inicio del proceso, en forma
explcita, si se har con o sin reemplazo. La recomendacin, es realizar
reemplazo slo cuando la magnitud de la poblacin en cantidad de registros
sea significativa.
Metodologa de Reemplazo.
El reemplazo, debe ser realizado manteniendo la metodologa que se utiliza
para seleccionar la muestra. Al respecto, si los elementos fueron seleccionados
por medio del modelo aleatorio simple, entonces se debe reemplazar el
elemento faltante usando la misma metodologa.
A mayor abundamiento, si la seleccin se realiza por medio de estratificacin,
el elemento que se debe reemplazar corresponde ser sustituido por otro
elemento de su mismo estrato, y seleccionado por el modelo aleatorio simple.
Dicho proceso, deber consignarse en el informe de auditora. Lo anterior, es
de gran importancia, por cuanto la alteracin de una muestra, reemplazando o
eliminando elementos discrecionalmente, har perder la representatividad
alcanzada, quedando dicha situacin en evidencia mediante los datos
estadsticos.

2.5 Muestreo de Unidad Monetaria y por Registro.

2.5.1 Muestreo de Unidad Monetaria.
El muestreo de Unidad Monetaria, o MUM, utiliza el valor absoluto de un campo
en el registro para determinar la seleccin de stos, y se aplica cuando se
requiere analizar centralmente los datos desde la perspectiva de los montos
involucrados.
En relacin a lo anterior, este mtodo genera muestras de mayor tamao en
cobertura, % del monto total, y menor en cantidad de registros, siendo el foco
de atencin los montos o valores econmicos.
Si la auditora requiere analizar dineros, tales como pagos, montos de
traspasos o montos de remuneraciones, entre otros, se deber utilizar el
muestreo por Unidad Monetaria como mtodo de seleccin, obteniendo como
resultado un mayor porcentaje de cobertura, en un menor nmero de
elementos a estudiar.
2.5.2 Muestreo por Registro.
Este tipo de muestreo, trata a cada uno de los registros en forma equitativa,
otorgndoles el valor nominal 1, obteniendo como resultado una muestra
basada en la cantidad de elementos, de modo que cada uno de ellos posee la
misma posibilidad de ser seleccionado.
2.6 Pasos para determinar una muestra representativa.
Al respecto, se ha definido una metodologa para las auditoras, que en tres
pasos orienta la construccin de una muestra. No obstante, pueden surgir
dudas, respecto del tipo de distribucin y del mtodo de muestreo a utilizar.
Con el objeto de aclarar este proceso, la ilustracin 2 muestra un flujo grama
que da cuenta de las etapas a considerar:
Ilustracin 2: Determinacin del tamao de muestra

3 Metodologa de Muestreo
Con respecto a esta materia, la metodologa de muestreo de la CGR, establece
que los objetivos generales de las auditoras deben acompaarse
detalladamente con las caractersticas de focalizacin o criterios que orientarn
la fiscalizacin, de forma tal que el fiscalizador pueda distinguir la o las
variables en estudio, y relacionar la formulacin de estos con la accin que se
busca desarrollar. Efectuado el anlisis anterior, se deben desarrollar los
siguientes tres pasos, los que ayudarn a definir la poblacin, calcular el
tamao de la muestra y seleccionar los elementos de sta, garantizando la
obtencin de una muestra representativa.
3.1 Tamao de la muestra.
Para calcular el tamao de la muestra, se requiere disponer de la informacin
ordenada en el proceso anterior, distinguiendo elementos tales como el tamao
de la poblacin, N, las variables, los tipos y caractersticas de stas.
Asimismo, y considerando el objetivo establecido, se determinar el modelo de
seleccin a utilizar, estableciendo adems, los parmetros de confianza, error y
precisin, ya analizados en detalle.
Conforme a lo anterior, y ante la eventualidad de advertir que la poblacin en
estudio, tiene caractersticas distintas a las esperadas, anlisis de datos, con el
fin de redefinir los objetivos y orientar la poblacin. Las Submuestras se
analiza con mayor detalle esta materia.