Professional Documents
Culture Documents
Instituto de Capacitacin
y Desarrollo en Fiscalizacin
Superior
1. INTRODUCIN ................................................................................................... 6
1.1. Normas de auditora aplicables ................................................................. 6
1.2. Diseo de pruebas ...................................................................................... 7
1.3. Objetividad y cuidado profesional ............................................................ 7
1.4. Concepto de suficiencia utilidad y relevancia ......................................... 7
2. MTODOS CUANTITATIVOS ............................................................................ 8
2.1. Conceptos bsicos de la estadstica ........................................................ 8
2.1.1. Partes de un problema estadstico ..................................................... 8
2.1.2. reas de la estadstica ......................................................................... 8
2.1.2.1. Estadstica descriptiva .................................................................. 9
2.1.2.2. Estadstica inferencial ................................................................... 9
2.1.3. Tipos de variables ................................................................................ 9
2.1.3.1. Variable cualitativa ........................................................................ 9
2.1.3.2. Variable cuantitativa ...................................................................... 9
2.1.4. Escalas de medicin ............................................................................ 9
2.1.4.1. Nivel nominal ................................................................................. 9
2.1.4.2. Nivel ordinal ................................................................................. 10
2.1.4.3. Nivel de intervalo ......................................................................... 10
2.1.4.4. Nivel de razn .............................................................................. 10
2.1.5. Poblacin, muestra e individuo ........................................................ 10
2.1.6. Atributo ............................................................................................... 10
2.2. Riesgo ........................................................................................................ 11
2.2.1. Precisin ............................................................................................. 11
2.2.2. Intervalo de confianza ........................................................................ 11
2.2.3. Nivel de confianza .............................................................................. 11
2.2.4. Coeficiente de riesgo ......................................................................... 11
2.2.5. Error aceptado o tolerable ................................................................. 12
2.3. Plan de muestreo ...................................................................................... 12
2.3.1. Importancia ......................................................................................... 12
2.3.2. Partes del plan .................................................................................... 12
2.4. Definicin del universo ............................................................................ 13
2.4.1. Masividad ............................................................................................ 13
2.4.2. Homogeneidad ................................................................................... 13
2.4.3. Probabilidad ....................................................................................... 14
2.5. Identificacin del marco muestral ........................................................... 14
2.6. Unidades de observacin ........................................................................ 15
2.6.1. Integridad ............................................................................................ 15
2.6.2. Pertinencia .......................................................................................... 16
2.6.3. Estratificacin..................................................................................... 16
2.7. Mtodos de muestreo ............................................................................... 16
2.7.1. Muestreo por atributos para pruebas de control............................. 17
2.7.2. Muestreo de unidades monetarias o de pruebas sustantivas........ 18
2.7.3. Muestreo por variables clsicas. ...................................................... 18
2.8. Clculo del tamao de la muestra ........................................................... 18
2.8.1. Datos cualitativos............................................................................... 18
2.8.2. Datos cuantitativos ............................................................................ 19
2.8.3. Factores que determinan el tamao de la muestra ......................... 20
ICADEFIS
ICADEFIS
PRESENTACIN
La realizacin de controles de la gestin pblica a travs de la herramienta de la auditoria, supone la emisin
de opinin sobre la regularidad, legal y contable, a partir del anlisis de la informacin con la aplicacin de
mtodos cuantitativos y cualitativos.
ANTECEDENTES
Las normas de auditora relativas a la ejecucin del trabajo establecen la obligacin del auditor de obtener,
mediante sus procedimientos de auditora, evidencia comprobatoria pertinente y vlida, para suministrar una
base objetiva para su opinin.
Durante este proceso el profesional generalmente no examina la totalidad de los datos a los que tiene acceso,
dado que puede llegar a una conclusin sobre el saldo de una cuenta, un tipo de operacin o control, a travs
de procedimientos de muestreo con la aplicacin de mtodos cuantitativos y cualitativos.
El manual aborda los mtodos cuantitativos y cualitativos, que utilizados apropiadamente, puede proporcionar
evidencia de auditora. Es importante sealar que se requiere que el auditor use su juicio profesional en el
diseo y seleccin de la muestra, al llevar a cabo sus procedimientos de auditora y al evaluar los resultados
de los mismos.
ICADEFIS
1. INTRODUCIN
1.1. Normas de auditora aplicables
Los estndares internacionales son convergentes y sealan de manera bsica las definiciones elementales
y las recomendaciones para la correcta documentacin del muestreo al realizar una prueba de auditora.
Patrocinadora
Estndar
SAS 39
AU Section 350
C-10
1200-10
La declaracin sobre normas de auditora SAS 39 seala los dos enfoques de muestreo en auditora; el
estadstico y no estadstico, y habla del riesgo del muestreo de auditora.
La PCAOB es una corporacin sin fines de lucro, cuyo objetivo es supervisar las auditoras de las empresas
pblicas con el fin de proteger a los inversionistas y el inters pblico, mediante la promocin de los informes
de auditora informativos, precisos e independientes.
Con ms de 95,000 miembros en 160 pases, ISACA es el lder mundial, proveedor de conocimiento,
certificaciones, apoyo y educacin en seguridad y aseguramiento de sistemas de informacin, as como de
riesgos relacionados con TI.
Fundado en 1941, el Instituto de Auditores Internos de los EUA (IIA) es una asociacin internacional que
reconoce que la tica es un aspecto muy importante en la prctica de la auditora interna. Como los principios
morales de sus asociados deban ser formalizados, adopt un cdigo de tica para delinear las normas de
conducta profesional, para guiar las acciones de cada miembro del IIA. Es importante sealar que este mismo
cdigo de tica ha sido adoptado por el Instituto Mexicano de Auditores Internos, para la regulacin de la
conducta profesional de los auditores internos mexicanos.
ICADEFIS
ICADEFIS
La informacin fiable es la mejor que se puede obtener mediante el uso de tcnicas de trabajo apropiadas.
La informacin relevante apoya las observaciones y recomendaciones del trabajo y es compatible con sus
objetivos.
La informacin til ayuda a la organizacin a cumplir con sus metas.
2. MTODOS CUANTITATIVOS
Los mtodos cuantitativos permiten al auditor realizar pruebas numricas con bases estadsticas y
analticas. Cabe recordar que no es requisito que el auditor siempre realice un muestreo estadstico para
cumplir con el objetivo de auditora
Identificacin del procedimiento para hacer inferencias sobre la poblacin con base en la informacin
muestral.
ICADEFIS
ICADEFIS
2.1.6. Atributo
Un atributo es una caracterstica cualitativa de los elementos que constituyen una poblacin, por ejemplo si el
pago de un proveedor est o no correctamente aprobado.
ICADEFIS
10
2.2. Riesgo
El muestreo implica asumir ciertos riesgos al establecer las conclusiones del proceso. Los trminos que se
incluyen a continuacin resultan de utilidad para comprender adecuadamente la magnitud de tales riesgos:
2.2.1. Precisin
Se denomina precisin al margen o tolerancia que se est dispuesto a admitir cuando se realiza una
estimacin. Puede ser indicado como una cantidad o como un porcentaje. Se puede decir, por ejemplo, que
desea hacerse una estimacin del nmero medio de das de antigedad de un conjunto de cuentas, con una
precisin de 10 das.
ICADEFIS
11
2.3.1. Importancia
La sustentacin de los resultados de una auditoria son algunas veces crticos, como los casos en los que se
fincan responsabilidades de tipo penal. El plan de auditora permite establecer las conclusiones de manera
sustentada, proporciona elementos indispensables para poder justificar las conclusiones del dictamen.
ICADEFIS
12
asiento en el mayor. d) verificar la vigencia del contrato y su asignacin presupuestal. Para una auditora de
pruebas de control se verifican cada una de estas caractersticas o atributos para dos posibles resultados,
existe desviacin cuando no se verifican las condiciones, o no existe desviacin y el control opera con
normalidad.
2.4.1. Masividad
El universo debe estar formado por un nmero grande de elementos; esta condicin es, en algunos casos,
slo de carcter econmica. En efecto, un universo reducido puede tambin ser tratado estadsticamente,
pero como por razones de tipo matemtico es necesario utilizar tamaos de muestra proporcionalmente muy
altos para establecer conclusiones tiles sobre los mismos, resulta ms eficaz su anlisis completo, con lo
que adems se evita la realizacin de clculos con respecto al riesgo de muestreo, dado que ste
desaparece.
2.4.2. Homogeneidad
No deben existir en el universo elementos que, con respecto a la caracterstica analizada, se diferencien en
forma notable del resto, dado que la inclusin de alguno o algunos de ellos en la muestra podra provocar
serias distorsiones en el resultado de la estimacin. Si ello sucediese, sera necesario subdividir el universo
en grupos de elementos homogneos (estratos). Este proceso es conocido con el nombre de estratificacin o
en su caso, aislar el o los elementos altamente significativos o excepcionales y evaluarlos separadamente.
ICADEFIS
13
2.4.3. Probabilidad
Debe ser igual para todo elemento del universo, de pertenecer a la muestra.
2.5. Identificacin del marco muestral
El marco juega un rol fundamental en el muestreo, este es una poblacin finita de unidades a las
cuales el mecanismo de muestreo probabilstico le es aplicado, la poblacin de las unidades del
marco no son necesariamente equivalentes a la poblacin para las cuales la informacin es
recolectada.
La construccin del marco de muestreo puede ser una de las tareas ms difciles que los
diseadores del muestreo tienen que afrontar. El marco est compuesto por un conjunto finito de
unidades a las cuales se les aplica el esquema de muestreo probabilstico.
Las reglas y mecanismos para ligar a las unidades del marco con elementos de la poblacin de
inters son una parte integral del marco.
No poder ligar algunos miembros de la poblacin de inters con el marco es quiz el ms serio error de marco
muestral porque no puede ser encontrado y se descarta de la muestra o del marco y puede introducir un
sesgo.
Tratamiento: se puede tratar de estimar la subcobertura mediante algunos modelos. Y se pueden usar
mltiples marcos.
El marco muestral tambin podra contener elementos que no son parte de la poblacin objetivo. Si este error
no es corregido, los totales seran sobreestimados y otras estadsticas seran sesgadas.
Prevencin: tratar de reconocerlos y eliminarlos al momento de hacer la encuesta. Tambin se puede
cuantificar con modelos el sesgo que est introduciendo.
Los elementos de la poblacin objetivo podran estar ligados a ms de una unidad de marco muestral.
Tratamiento: Para determinar correctamente la probabilidad de inclusin de los elementos de la muestra sera
ICADEFIS
14
necesario conocer cuntas veces un elemento muestral est asociado con el marco muestral o remover las
asociaciones mltiples antes de sacar la muestra, tambin se puede usar el ordenamiento, definir una nica
regla de conteo, redefinir la poblacin objetivo, introducir un nuevo nivel de muestreo.
2.6.1. Integridad
El auditor se debe asegurar de que todas las partidas supuestamente contenidas en la poblacin sean
incluidas. Por ejemplo, si el auditor decide seleccionar facturas de pago de un archivo, no puede sacar
conclusiones sobre todas las facturas para el perodo entero cuando el auditor no est seguro de que todas
las facturas hayan sido archivadas.
ICADEFIS
15
2.6.2. Pertinencia
El auditor debe asegurarse de que la poblacin es la apropiada para el objetivo de auditora en el proceso de
muestreo. Un ejemplo sera si el objetivo del auditor es confirmar la existencia de las cuentas a pagar
(acreedores monetarios), la poblacin podra ser toda la lista de las cuentas por pagar.
2.6.3. Estratificacin
En los casos donde el auditor quiere mejorar la eficiencia de la auditoria, puede optar por estratificar la
poblacin. Esto quiere decir que el auditor divide la poblacin en subpoblaciones distintas, tomando como
base algunas de sus caractersticas nicas tal como su valor monetario. Un ejemplo sencillo para mostrar este
punto es cuando el auditor desea probar el registro subsidiario de las cuentas por pagar (acreedores
monetarios), el auditor podra agrupar la poblacin en tres partes: cuentas de ms de $5 millones; entre $1
milln y $ 5 millones; y de menos de $ 1 milln.
El esfuerzo inicial de estratificacin permite que un porcentaje mayor del esfuerzo de auditora sea enfocado
haca las partidas de mayor valor, las cuales posiblemente contienen las mayor posibilidad de errores
monetarios. Sin embargo, cabe destacar que los resultados de los procedimientos de auditora aplicados a
una partida en un estrato pueden ser proyectados a las partidas dentro del mismo estrato. Para llegar a una
conclusin sobre la poblacin total, el auditor tendr que considerar otros factores tales como el riesgo y la
materialidad en relacin con cualquier otros, estratos que compongan la poblacin entera.
En trminos del aumento en la eficiencia de la auditoria, la estratificacin reduce la variabilidad de las partidas
dentro de cada estrato, as permitiendo la reduccin en el tamao de la muestra sin aumentar
proporcionalmente el riesgo de muestreo.
ICADEFIS
16
mediante el empleo de medidas de control del error y del riesgo, representa una forma de evaluar el efecto de
los errores que se encuentran en la auditoria.
La excelencia en la aplicacin de la normatividad y el empleo de los mejores mtodos contables para analizar
las observaciones no garantizan por s solos la calidad de la auditoria, es necesario aadir a estos un
adecuado procedimiento de muestreo. En todos los procesos de auditora y fiscalizacin, la calidad y las
conclusiones dependen mucho de la manera en que se tome una muestra confiable de todos sus elementos.
Es necesario que los auditores tengan conocimientos de estadstica, para un uso adecuado del muestreo con
probabilidades.
El uso del muestreo no estadstico para establecer conclusiones sobre la poblacin, implica riesgos muy
graves, debido a que la seleccin de la muestra depende del criterio de las personas que la obtienen y puede
introducir desviaciones muy importantes sin que el auditor se d cuenta. En el muestreo no-estadstico
(basado en el juicio profesional del auditor), el auditor no puede expresar sus conclusiones con una medicin
cuantitativa del nivel de confianza.
El muestreo estadstico se puede dividir en muestreo para datos cualitativos, tambin llamado de pruebas de
control por atributos, y el muestreo para datos de tipo cuantitativo, tambin llamado de pruebas sustantivas.
ICADEFIS
17
el auditor deseaba confiar. Por ejemplo, si la nmina no se prepara de acuerdo a los procedimientos
prescritos por la administracin, existe una desviacin de cumplimiento si el auditor deseaba confiar en la
preparacin de la nmina de acuerdo con los procedimientos prescritos.
18
fracaso si se encuentra alguno. El muestreo por cualidades o atributos cuantifica nicamente las frecuencias
de ocurrencia. Y puede ser de dos tipos: pruebas para el control de operaciones y pruebas cualitativas para
irregularidades monetarias.
Las pruebas para el control de operaciones reciben tambin el nombre de muestreo por atributos y se utiliza
para calcular la proporcin de partidas de una poblacin que contiene una caracterstica o un atributo de
inters. Esta proporcin recibe el nombre de tasa de ocurrencia que se expresa por lo general como un
porcentaje. Por ejemplo el auditor llega a verificar la tasa de excepcin de los recibos de pago y estima que
sta tasa es del 4%, es decir se estima que la materialidad es que slo el cuatro por ciento presenta
irregularidades. Las pruebas para control se utilizan para verificar si las normas especificadas por la regla
contable se llevan a cabo y en caso negativo detectar fallas. Por ejemplo los registros de gastos deben de ir
apoyados por copias de las facturas para verificar los desembolsos, en este caso la prueba de control
consiste en examinar estos documentos para verificar que tengan la validez adecuada. En caso contrario,
registrar las desviaciones representadas mediante una frecuencia o porcentaje.
En las pruebas cualitativas para irregularidades monetarias se busca detectar desviaciones de monetarias
registrando nicamente la desviacin sin especificar su monto. Por ejemplo si la norma especfica registrar
todas las entradas de caja en una cuenta bancaria, se registran todas las entradas de caja y se concilian con
los depsitos reales hechos en el banco en un periodo de tiempo determinado.
ICADEFIS
19
20
2.8.3.5. Precisin.
La precisin representa el porcentaje o cantidad que el auditor acepta puede existir entre el valor de las
desviaciones encontradas en la muestra y el verdadero valor del universo. Por ejemplo s el porcentaje de
desviaciones que se encontraron al auditar la muestra fue del 4%, y el valor real de las desviaciones del
universo es 7%, la precisin obtenida es de 3%. Este valor se compara con la tolerancia de error fijada al
establecer la materialidad del trabajo de auditora, para aceptar o rechazar el universo.
ICADEFIS
21
disminuye el riesgo de error y la tolerancia, el tamao de muestra aumenta. El auditor fija estos parmetros en
funcin de la precisin que requiera su dictamen, un riesgo de error del 10% para una tolerancia del 3%
tendr un tamao de muestra menor que s se fija, un riesgo de error del 5% para una tolerancia del 1%.
ICADEFIS
22
Para obtener los nmeros aleatorios que sealen que elementos seleccionar en la muestra, se utilizan tablas
de nmeros aleatorios elaboradas mediante procesos matemticos, stas existen en la mayora de los libros
de estadstica, o bien se pueden generar de manera ms prctica mediante una funcin matemtica que se
encuentra integrada en casi todas la calculadoras y computadoras. sta funcin permite generar series de
nmeros aleatorios mediante la instruccin Random.
La funcin generadora de nmeros aleatorios tiene la propiedad de que un vez que se inicia una secuencia
para la obtencin de los nmeros, no se puede interrumpir. Los nmeros se pueden repetir, en cuyo caso se
omiten y se toma el inmediato siguiente.
Mediante el uso de la hoja electrnica de clculo Excel se puede obtener los nmeros aleatorios necesarios
para extraer la muestra, empleando la funcin: ALEATORIO ()*(b-a)+a; mediante sta se pueden generar
nmeros entre a y b. Por ejemplo para generar cinco nmeros aleatorios entre 100 y 300, se usa:
ALEATORIO ()*(300-100)+100, y se obtienen los siguientes: 236, 105, 204.
Existen cinco mtodos ms empleados para recolectar las observaciones:
Simple aleatorio
Sistemtico
Por celdas
Por juicio
Bloques.
ICADEFIS
23
Ejemplo. Un auditor desea tomar una muestra de los Estados Financieros de 120 municipios de un cierto
estado del pas. Una muestra 15 municipios es suficiente.
Con el objeto de revisar sus Estados Financieros y verificar si se encuentran dentro de los principios de
contabilidad fijados por la normatividad de la Auditoria Superior Estatal. Lo primero es obtener una lista de los
120 municipios identificados mediante un nmero del 1 al n 120, despus se deben generar 15 nmeros
aleatorios entre 1 y 120, stos indican el municipio que se deber incluir en la muestra. S se utiliza una
calculadora personal se activa la funcin Random (RND), los nmeros obtenidos de sta forma se
multiplican por 100 para obtener los 15 nmeros buscados, la calculadora genera nmeros entre cero y uno,
muestra los nmeros aleatorios como cifras decimales sin ningn entero. De sta forma se garantiza que
cualquier elemento de la poblacin tenga la misma probabilidad de ser elegido en la muestra.
ICADEFIS
24
Este procedimiento se repite con cada nmero seleccionado, recorriendo as todo el marco muestral de la
poblacin. S mediante la secuencia que se sigue llega un momento que el nmero calculado para extraer la
observacin de la poblacin se sale del rango de los nmeros de la poblacin, se contina a partir del lmite
inferior del rango, de forma tal que se recorra la imagen de los datos poblacionales.
Ejemplo. Se desea extraer una muestra sistemtica de tamao 90 de una poblacin de 5000.
K = 5000/90 = 55
Se genera un nmero aleatorio. Ejemplo 3034, a partir de este se encuentran los dems agregando 55 a cada
uno de ellos.
3034+55=3098
3098+55=3153
3153+55=3208
etc.
As se extraen sucesivamente las observaciones hasta obtener 90.
Este tipo de muestreo tambin se puede aplicar de manera multisistemtica. Esto es un mtodo de seleccin
en el cual se selecciona uno o dos partidas de manera aleatoria, y luego se seleccionan las dems partidas
agregando el intervalo promedio de la muestra a la partida seleccionada de manera aleatoria.
Por ejemplo, si hay que seleccionar 5 partidas, y el intervalo promedio de la muestra es de 200, las partidas
seleccionadas podran ser: 14, 214, 414, 614, y 814. Aqu, la primera partida se selecciona de manera
aleatoria, y las partidas subsiguientes se seleccionan incrementando a este nmero el intervalo promedio de
la muestra (200). La ventaja principal de este mtodo es que se usa en el muestreo basado en unidades
monetarias, automticamente asegura que todas las partidas con mayor valor que el intervalo promedio de la
muestra (es decir, la precisin planeada) sean seleccionados. Sin embargo, el auditor debe asegurarse que
las partidas en la poblacin no contengan pre numeracin para propsitos especficos. En el caso de que
tengan ese tipo de numeracin, es posible que todas las partidas en una categora especfica sean
seleccionadas, u omitidas completamente.
ICADEFIS
25
ICADEFIS
26
ICADEFIS
27
Se recomienda utilizar intervalos del tipo a <= x < b, que significa que el intervalo incluye a su lmite inferior
a<=x pero no a su lmite superior x < b, entonces no habra ninguna ambigedad.
2.10.1.4. Histograma.
Es un grfico de barras de una distribucin de frecuencias, en el que las frecuencias se miden en el eje (Y).
2.10.1.6. Ojiva.
Es similar a un polgono de frecuencias, slo que se construye a partir de una distribucin de frecuencias
acumuladas.
Datos no agrupados
Datos agrupados
Poblacin
= x / N
= fx / N
Muestra
X = x / n
X = fx / n
Donde:
x:
fx:
N:
n:
ICADEFIS
28
2.10.2.2. Mediana.
La mediana de un conjunto de n observaciones se define como la observacin que cae en el centro cuando
las observaciones estn ordenadas. Si el nmero de observaciones es par, se escoge como mediana el
promedio de las observaciones de en medio.
Poblacin o muestra
Datos no agrupados
Datos agrupados
M = (n + 1) / 2
M = L + [(n/2 F) / fm][c]
Donde:
L:
n:
Nmero de observaciones.
F:
fm:
c:
2.10.2.3. Moda.
La moda de un conjunto de n observaciones se define como el valor que ocurre con mayor frecuencia.
Poblacin o muestra
Datos no agrupados
Datos agrupados
El valor ms frecuente
Donde:
L:
d1:
d2:
c:
ICADEFIS
29
En general, la media ponderada de x1, x2, , xn, con las ponderaciones correspondientes W1, W2,, Wn, se
calcula: XW = (W1x1 + W2x2 + + Wnxn) / (W1 + W2 ++ Wn)
Datos no agrupados
Datos agrupados
Poblacin
AD = x - / N
AD = fx - / N
Muestra
AD = x - X / n
AD = fx - X / n
2.10.3.3. Varianza.
La varianza de un conjunto de n observaciones se define como la suma de los cuadrados de las desviaciones
de las observaciones respecto de la media, dividida entre el n, si se trata de una poblacin, o entre n - 1 para
una muestra.
Poblacin
Muestra
ICADEFIS
Datos no agrupados
Datos agrupados
2 = (x - )2 / N
2 = f(x - )2 / N
S2 = (x - X)2 / (n 1)
S2 = f(x - X)2 / (n 1)
30
= [(x -
)2
Datos agrupados
= [f(x - )2 / N]1/2
N]1/2
Poblacin
Muestra
V=/
V=S/X
2.10.4.1. Asimetra.
Una distribucin tiene asimetra cero si es simtrica a su media. En una distribucin simtrica la media,
mediana y moda son iguales. Una distribucin est sesgada positivamente, si la cola derecha es ms larga.
Entonces, la media es mayor a la mediana y sta a la moda. Una distribucin est sesgada negativamente, si
la cola izquierda es ms larga. Entonces, la moda es mayor que la mediana y sta a la media.
Curva
Simtrica
Media
Mediana
Moda
ICADEFIS
Curva
Positiva
Moda
Mediana
Curva
Negativa
Media
Media
Mediana
Moda
31
Poblacin
Muestra
Sk = 3 ( M) /
Sk = 3 (X M) / S
2.10.4.2. Curtosis.
Una curva de punta aguda se llama leptocrtica, que es opuesta a una achatada o platicrtica. Entre estos
dos extremos se encuentra la mesocrtica.
Curva
Curva
Curva
Leptocrtica
Mesocrtica
Platicrtica
La curtosis C para una curva mesocrtica es 3 y puede medirse por el coeficiente de curtosis.
Poblacin
C = f(x - )4 / 4
Muestra
C = f(x - X)4 / S4
ICADEFIS
32
Los valores obtenidos indican la ubicacin de los cuartiles, pero no son los cuartiles.
Q1 = 4 y no 5.25 que slo indica la ubicacin.
Q2 = 6.5 y no 10.5 que indica que la ubicacin est entre 10 y 11.
Q3 = 9 y no 15.75 que indica que el tercer cuartil est entre 15 y 16.
-3
-2
+2
+3
68.26%
95.54%
99.74%
ICADEFIS
33
Para encontrar probabilidades (reas) para los problemas que involucran la distribucin normal, primero se
convierte el valor de X a su correspondiente valor en Z, como sigue: Z = (X - ) /
Luego se localiza el valor de Z en las tablas, el cual nos da la proporcin del rea (probabilidad) incluida bajo
la curva entre la media y ese valor de Z.
ICADEFIS
34
3. MTODOS CUALITATIVOS
Los mtodos cualitativos son tcnicas desarrolladas para habilitar la identificacin sistemtica de cualidades
en insumos, procesos y productos. El contraste entre los mtodos cualitativos y los enfoques cuantitativos
puede verse con mayor claridad en la manera en que se realiza el proceso de recopilacin de datos.
En primer lugar, en la evaluacin cualitativa, el evaluador literalmente se convierte en el instrumento de
medicin principal, en contraste con el anlisis cuantitativo, en el cual el analista queda fuera del proceso de
medicin. En segundo lugar, la recopilacin de datos cualitativos y el anlisis de datos son mutuamente
interdependientes: interactan entre s a medida que contina el proceso de recopilacin de datos, a
diferencia de las distintas fases que caracterizan la recopilacin y el anlisis en los mtodos cuantitativos.
3.1. Encuestas
Cuestionarios para encuestas: Los auditores y evaluadores desarrollan cuestionarios para obtener
informacin de los clientes u otras partes interesadas que no puede conseguirse fcilmente en las fuentes de
datos de la organizacin.
Los cuestionarios pueden administrarse por correo, telfono o en persona. Todas las formas de
administracin de cuestionarios conllevan problemas nicos relacionados con el aseguramiento de que las
respuestas sean representativas y pertinentes.
3.2. Entrevistas
Las entrevistas permiten que los auditores obtengan evidencia testimonial respecto de las operaciones,
actividades, inquietudes e iniciativas de un cliente. Tanto las Normas del Libro Amarillo como las Normas de
The IIA indican que, siempre que sea posible, debe corroborarse la evidencia testimonial posteriormente
mediante otro tipo de evidencia, tal como la evidencia documental o fsica.
La informacin que se obtiene a travs de las entrevistas tambin puede ayudar a que los auditores
descubran y documenten instancias de fraude y abuso. Los entrevistadores deben asegurar que las
preguntas sean objetivas y que las respuestas se registren con precisin.
3.3. Benchmarking
El benchmarking es el proceso de identificacin de las mejores prcticas y su comparacin con las de una
organizacin. El benchmarking permite que las organizaciones apliquen prcticas de vanguardia para
ICADEFIS
35
establecer metas y mejorar las operaciones. Las organizaciones tambin pueden utilizar los resultados del
benchmarking para actualizar las mediciones de desempeo, modificar los sistemas de informacin o cambiar
los planes estratgicos. Entre los desafos en el benchmarking se incluyen el acceso a datos pertinentes y la
capacidad de comparacin de las mediciones a medida que se informan.
3.5. Observacin
Los auditores pueden obtener informacin y evidencias valiosas al observar directamente las operaciones y
los procesos de trabajo del cliente. La observacin directa puede ayudar a que el auditor verifique elementos
tales como inventarios, uso de equipo y tiempo de inactividad, ineficiencias operativas y problemas con el
personal.
ICADEFIS
36
4. CASOS PRACTICOS
4.1. Caso prctico 1
Pensemos que estamos realizando la auditora de una pequea empresa en la que un determinado da se
realizaron 8 ventas, de cuyos documentos tenemos la siguiente informacin: sus importes, que fueron 10, 15,
15, 20, 20, 20, 25 y 35 pesos, y que se sabe que en dos de ellos no aparece el justificante de salida de
almacn. Por ello vamos a considerar las siguientes cuestiones:
a) Definir el universo o poblacin inicial correspondiente.
b) Definir la poblacin que resulta al considerar como variable el importe de los documentos.
c) Deducir la variable aleatoria y distribucin de probabilidad correspondiente a la media muestral
asociada al proceso de muestreo para muestras de tamao 2 extradas de dicha poblacin y compro
bar que la media del estadstico media muestral E(x) = es igual a la media poblacional, esto es:
E(x) =
tanto en el muestreo con reposicin o sin reposicin, y que la varianza V(x) es:
V(x) = 2/n en caso de muestreo con reposicin, y
V(x) = (N n)/(N - 1)*(2 / n) en caso de muestreo sin reposicin.
d) Finalmente constatar que si se define una variable dicotmica x a partir de los ocho documentos
identificando por x = 0 los documentos que s tienen el justificante de salida de almacn o que han
pasado el control y por x = 1 los que no, la media es 2/8 y la varianza (2/8)*(6/8).
ICADEFIS
37
i)
Con qu nivel de confianza podra asumir que la tasa de incumplimiento del procedimiento no
supera el 3 %?
ICADEFIS
Probabilidades subjetivas
o a priori
0.10
0.20
0.40
0.15
0.10
0.05
1.00
38
El auditor se plantea si en el momento actual puede admitir la misma evaluacin o modificarla y consultando a
un gabinete estadstico le aconsejan utilizar la metodologa bayesiana.
Sabiendo que para la aplicacin de la misma se utiliz una muestra aleatoria de cinco prstamos, indicar
cmo se aplicara esta metodologa y que conclusiones podra obtener el auditor.
192
295
664
870
217
297
417
533
890
722
492
534
231
149
665
895
813
328
194
937
852
685
660
273
894
218
520
585
104
105
Se pide:
a) Comprobar que el tamao muestral adecuado para las anteriores especificaciones es 105.
b) Cmo se debera seleccionar la muestra e identificar los documentos reales?
c) Indicar qu clculos estadsticos se deberan realizar, cul sera la conclusin, y si se mantendra la
fiabilidad planificada en el caso de los 69 documentos adicionales extrados al azar (que junto con
los 36 documentos originales constituyen la muestra global) fuesen los siguientes:
564
459
200
134
423
295
ICADEFIS
639
814
340
228
569
773
277
273
865
508
889
821
456
518
398
676
537
378
700
141
823
884
842
130
320
524
248
841
321
911
39
89
290
131
835
407
728
555
633
137
677
875
708
333
291
552
926
417
630
447
138
359
911
745
413
720
293
183
905
262
637
506
600
652
d) Indicar en el caso anterior si con la muestra realmente obtenida hay alguna mejora o no en cuanto a
los requisitos prefijados.
e) Analizar las mismas cuestiones del apartado c suponiendo que los 69 documentos adicionales
extrados al azar fueron:
956
786
150
134
211
295
89
290
100
835
407
728
ICADEFIS
639
814
340
27
780
773
780
633
137
677
875
708
277
320
865
321
889
900
333
291
102
926
211
630
456
632
398
676
112
105
225
138
90
911
745
700
141
932
884
842
22
257
720
293
76
1125
320
774
162
841
45
911
158
756
630
770
900
40
Z
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3.0
3.1
3.2
3.3
3.4
0.00
0.5000
0.5398
0.5793
0.6179
0.6554
0.6915
0.7257
0.7580
0.7881
0.8159
0.8413
0.8643
0.8849
0.9032
0.9192
0.9332
0.9452
0.9554
0.9641
0.9713
0.9772
0.9821
0.9861
0.9893
0.9918
0.9938
0.9953
0.9965
0.9974
0.9981
0.9987
0.9990
0.9993
0.9995
0.9997
ICADEFIS
0.01
0.5040
0.5438
0.5832
0.6217
0.6591
0.6950
0.7291
0.7611
0.7910
0.8186
0.8438
0.8665
0.8869
0.9049
0.9207
0.9345
0.9463
0.9564
0.9649
0.9719
0.9778
0.9826
0.9864
0.9896
0.9920
0.9940
0.9955
0.9966
0.9975
0.9982
0.9987
0.9991
0.9993
0.9995
0.9997
0.07
0.5279
0.5675
0.6064
0.6443
0.6808
0.7157
0.7486
0.7794
0.8078
0.8340
0.8577
0.8790
0.8980
0.9147
0.9292
0.9418
0.9525
0.9616
0.9693
0.9756
0.9808
0.9850
0.9884
0.9911
0.9932
0.9949
0.9962
0.9972
0.9979
0.9985
0.9989
0.9992
0.9995
0.9996
0.9997
0.08
0.5319
0.5714
0.6103
0.6480
0.6844
0.7190
0.7517
0.7823
0.8106
0.8365
0.8599
0.8810
0.8997
0.9162
0.9306
0.9429
0.9535
0.9625
0.9699
0.9761
0.9812
0.9854
0.9887
0.9913
0.9934
0.9951
0.9963
0.9973
0.9980
0.9986
0.9990
0.9993
0.9995
0.9996
0.9997
0.09
0.5359
0.5753
0.6141
0.6517
0.6879
0.7224
0.7549
0.7852
0.8133
0.8389
0.8621
0.8830
0.9015
0.9177
0.9319
0.9441
0.9545
0.9633
0.9706
0.9767
0.9817
0.9857
0.9890
0.9916
0.9936
0.9952
0.9964
0.9974
0.9981
0.9986
0.9990
0.9993
0.9995
0.9997
0.9998
41
5. BIBLIOGRAFA
Azorn, F. y Snchez-Crespo, J.L. (1986): Mtodos y aplicaciones del muestreo. Ed. Alianza.
Escuder, R. y Mndez, S. (2002): Mtodos de muestreo estadstico aplicados a la auditora (2 ed.) Ed. Tirant
lo Blanch.
Lpez Ortega, J. (1994): Problemas de inferencia estadstica para Ciencias Econmicas y Empresariales. Ed.
Tebar Flores.
McRae, T.W. (1978): Muestreo estadstico para auditora y control. Ed. Limusa.
Prez, C. (1999): Tcnicas de muestreo estadstico. Ed. Ra-ma.
ICADEFIS
42