Índice

Introducción

1. Conceptos de estadística y control de procesos ......................................................... 1

1.1 Medidas resumen....................................................................................... 1
1.1.2 Media aritmética ..................................................................................... 2
1.1.3 La media geométrica ............................................................................... 3
1.1.4 La moda ................................................................................................... 4
1.1.5 La mediana .............................................................................................. 4
1.1.6 Análisis de Gráficas y Transformación de Datos ..................................... 4
1.2 Control estadístico de procesos ................................................................. 6
1.2.1 Variabilidad en el proceso de producción ............................................... 7
1.2.2 Causas comunes ...................................................................................... 8
1.2.3 Causas asignables .................................................................................. 10
1.2.4 Gráficos de control ................................................................................ 11
1.2.4.1 Gráficos de control cualitativo ........................................................... 11
1.2.4.1.1 Gráfico C .......................................................................................... 12
1.2.4.1.2 Gráfico P .......................................................................................... 13
1.2.4.2 Gráficos de control cuantitativo ......................................................... 13
1.2.4.2.1 Gráfico R .......................................................................................... 13
1.2.4.2.2 Histograma de medias..................................................................... 14
2. Muestreo auditor ................................................................................................................. 15
2.1 Definiciones .............................................................................................. 15
2.1.1 Muestreo estadístico............................................................................. 15
2.1.2 Población ............................................................................................... 15
2.1.3 Unidad del muestreo............................................................................. 15
2.1.4 Muestra representativa ........................................................................ 16
2.1.5 Desviación ............................................................................................. 16
2.1.6 Error tolerable ....................................................................................... 16
2.1.7 Riesgo Auditor ....................................................................................... 16
2.1.8 Riesgo debido al muestreo .................................................................... 16
2.1.9 Estratificación ........................................................................................ 16
 2.1.10 Muestreo estadístico........................................................................... 17
2.1.11 Muestreo no estadístico ..................................................................... 17
2.1.11.1 Limitaciones ..................................................................................... 17
2.1.11.2 Sistemas ........................................................................................... 17
2.1.11.3 Muestreo indiscriminado ................................................................. 18
2.1.11.4 Muestreo discrecional ...................................................................... 18
2.1.11.5 Muestreo de cobertura .................................................................... 18
2.1.12 Muestreo de atributos ........................................................................ 19
2.1.13 Muestreo de parar o seguir................................................................. 19
2.1.14 Muestreo de atributos estratificado ................................................... 19
3. Conclusiones ................................................................................................................... 20
4. Recomendaciones ...................................................................................................... 21
5. E-grafía..................................................................................................................... 22
 1. Conceptos de estadística y control de procesos

1.1 Medidas resumen

Una excelente vía para comenzar el estudio de cualquier conjunto de datos o

“población”, es el empleo de las denominadas medidas resumen. Además de ser
un punto de partida, y debido a la capacidad de síntesis que proporcionan para
la redacción de un informe, pueden generar una considerable cantidad de
evidencia auditora.

Las medidas resumen son una serie de funciones o valores calculados que
aportan de forma sintética una información sobre algún parámetro característico
de un conjunto de datos (población). La medida resumen más habitual es la
media aritmética, y por ejemplo, la afirmación (la producción media diaria de esta
granja es de 45 litros de leche por vaca), resume todo un conjunto de datos de
tal volumen que sería en muchas ocasiones de difícil manejo por el auditor.

Existe muchos tipos de medidas resumen. Por ejemplo, el valor máximo de una
determinada variable, o el valor mínimo, o el valor que aparezca en la posición
iésima. No obstante, tanto en estadística como en auditoría, las medidas
resumen de toda información debe verificar necesariamente tres propiedades:

Propiedades ideales

1. Para su cálculo deben intervenir todos los valores de la variables

estudiada, es decir, todo el conjunto de datos disponible.
2. La medida resumen de que se trate debe ser siempre calculable. Esto
implica que la existencia, por ejemplo de datos con valores cero o valores
negativos no impida su cálculo.
3. Debe ser única para cada conjunto de datos.

El incumplimiento de alguna de estas tres propiedades limita mucho la utilidad

práctica de la medida de que se trate.

1
 1.1.2 Media aritmética

La media aritmética es el valor promedio de las muestras y es independiente de

las amplitudes de los intervalos. Se simboliza como y se encuentra sólo para
variables cuantitativas. Se encuentra sumando todos los valores y dividiendo por
el número total de datos.
La fórmula general para N elementos es:

Ejemplo

En un partido de baloncesto, se tiene la siguiente anotación en los jugadores de

un equipo:

Calcular la media de anotación del equipo.

Aplicando la fórmula

2
Incluso también se puede calcular la media para datos agrupados con la
siguiente fórmula:

1.1.3 La media geométrica

(MG) de un conjunto de números estrictamente positivos (X1, X2,…,XN) es la

raíz N-ésima del producto de los N elementos.

Todos los elementos del conjunto tienen que ser mayores que cero. Si algún
elemento fuese cero (Xi=0), entonces la MG sería 0 aunque todos los demás
valores estuviesen alejados del cero.

3
 1.1.4 La moda

La moda de un conjunto de datos es el valor que aparece con una mayor

frecuencia.

1.1.5 La mediana

La mediana de un conjunto de datos es el valor que cumple que la mitad de

valores están por encima y la otra mitad por debajo. Así pues, para encontrarla
basta con ordenar los elementos de menor a mayor y escoger el valor central.

1.1.6 Análisis de Gráficas y Transformación de Datos

• Forma Visual.
• Ilustración de gráficos y presentación de datos.
• Fácil compresión.
• Análisis Rápido.
• Presentan un Resultado de algún dato.
• Datos Matemáticos.
• Promedios, porcentajes, Segmentación, Crecimientos, Datos evolutivos
de diversos resultados.

4
EJEMPLOS: Evolución de Cartera por Segmento

Saldos y Porcentajes de Cartera

5
 1.2 Control estadístico de procesos

El Control Estadístico de Procesos (SPC; por sus siglas en inglés de Statistical

Process Control) es la aplicación de técnicas estadísticas para determinar si el
resultado de un proceso concuerda con el diseño del producto o servicio
correspondiente. Las herramientas conocidas como gráficas de control se usan
en el SPC para detectar la elaboración de productos o servicios defectuosos; o
bien, para indicar que el proceso de producción se ha modificado y los productos
o servicios se desviarán de sus respectivas especificaciones de diseño, a menos
que se tomen medidas para corregir esa situación. El Control Estadístico
también suele utilizarse con el propósito de informar a la gerencia sobre cambios
introducidos en los procesos que hayan repercutido favorablemente en la
producción resultante de dichos procesos. Algunos ejemplos de cambios de
procesos que se detectan por medio de SPC son los siguientes:

 Aumento repentino en la producción de cajas de velocidades defectuosas.

 Disminución del número promedio de quejas de huéspedes recibidas en
un hotel cada día.
 Una medición sistemáticamente baja en el diámetro de un cigüeñal.
 Disminución en el número de unidades desechadas en una máquina
fresadora.

Otro enfoque de la administración de la calidad, el muestreo de aceptación es la

aplicación de técnicas estadísticas para determinar si una cantidad de material
determinada o un producto que ya ha sido fabricado debe aceptarse o
rechazarse, a partir de la inspección o prueba de una muestra. Además, pueden
usarse gráficas estadísticas y diagramas con el objeto de juzgar la calidad de
productos o servicios.

6
 1.2.1 Variabilidad en el proceso de producción

No hay dos productos o servicios exactamente iguales porque los procesos

mediante los cuales se producen incluyen muchas fuentes de variación, incluso
cuando dichos procesos se desarrollen en la forma prevista. Por ejemplo, los
diámetros de los cigüeñales pueden no ser idénticos a causa de diferencias en
el desgaste de las herramientas, la dureza del material, la habilidad del operario
o la temperatura prevaleciente en el momento de su fabricación. En forma
similar, el tiempo necesario para atender una solicitud para la emisión de una
tarjeta de crédito varía de acuerdo con la carga de trabajo del departamento de
crédito, los antecedentes financieros del solicitante y las habilidades y aptitudes
de los empleados. Nada puede hacerse para suprimir por completo las
variaciones en los procesos, pero la gerencia tiene la opción de investigar las
causas de variación a fin de minimizarlas.

En la siguiente figura se muestran los pasos para determinar la variación del

proceso. Primero – véase figura a) se toma una serie de pequeñas muestras y
se las coloca en una escala proporcional (el eje horizontal). Después en el eje
vertical, se indica el número de veces que ocurrieron (frecuencia).
Eventualmente, después de un número de muestras, se tienen las distribuciones
mostradas en la figura véase figura b). Las distribuciones, por supuesto, difieren
dependiendo véase figura c) de lo que revelaron las muestras. Si sólo se
encuentran causas de variaciones naturales en el proceso, entonces las
distribuciones serán similares a la que aparece en la siguiente figura véase
figura d). Si aparecen causas de variaciones asignables (esto es, causas que no
se esperan como parte del proceso), entonces las muestras producirán
distribuciones inesperadas, tales como las mostradas en la figura e).

7
 1.2.2 Causas comunes

Existen dos categorías básicas de variación en los productos: causas comunes y

causas asignables. Las primeras son fuentes de variación puramente aleatorias,
no identificables e imposibles de evitar mientras se utilice el procedimiento
actual. Por ejemplo, una máquina para llenar cajas de cereal no vaciará
exactamente la misma cantidad de cereal en todas las cajas. Si el consumidor
pesara un gran número de cajas llenadas por esa máquina y representara
gráficamente los resultados por medio de un diagrama de dispersión, los datos
tenderían a formar un patrón que suele describirse como una distribución. Tal
distribución se caracteriza por su media, su expansión y su forma.

8
1. La media es la suma de las observaciones dividida entre el número total
de observaciones:

2. La variación es una medida de la dispersión de las observaciones en

torno a la media. Dos medidas que se usas comúnmente en la práctica
son el rango y la desviación estándar. El rango es la diferencia entre la
observación más grande contenida en una muestra y la más pequeña. La
desviación estándar es la raíz cuadrada de una población, basada en una
muestra, y se obtiene mediante la siguiente fórmula:

3. Dos formas comunes en las distribuciones de procesos son la simétrica y

la asimétrica o sesgada. Una distribución simétrica presenta el mismo
número de observaciones ubicadas encima y por debajo de la media. Una
distribución asimétrica presenta una preponderancia de observaciones ya
se encima o por debajo de la media.

9
 1.2.3 Causas asignables

En la segunda categoría de variación cualquier factor causante de variación

logra ser identificado y eliminado. Entre las causas asignables de variación
figuran, por ejemplo, un empleado que necesite capacitación o una máquina que
requiera una reparación. Se evalúa nuevamente el ejemplo de la máquina para
llenar cajas. La siguiente figura muestra la forma en que las causas asignables
modifican la distribución de la producción de dicha máquina. La curva gris
representa la distribución del proceso cuando sòlo existen causas comunes de
variación.

La línea negra ilustra un cambio en la distribución debido a la presencia de

causas asignables. En la figura (a), la línea negra indica que la máquina
introdujo en las cajas una cantidad de cereal mayor que la prevista, a causa de
lo cual aumentó el peso promedio de cada caja. En la figura (b), observemos
que un aumento en la variabilidad del peso del cereal contenido en cada caja
afectó la expansión de la distribución. En la figura (c), la línea negra indica que
en la producción de la máquina figuran más cajas livianas que cajas pesadas.
Esta distribución es asimétrica; es decir, ya no es simétrica con respecto al valor
promedio.

Cuando un proceso está bajo control estadístico cuando la localización,

expansión o forma de su distribución no cambia con el tiempo. Una vez que el

10
proceso está bajo control, los gerentes usan procedimientos SPC para detectar
el momento en que surgen causas asignables, de modo que éstas se elimine. La
siguiente figura muestra las diferencias entre un proceso que está bajo control
estadístico y otro que no lo está.

1.2.4 Gráficos de control

Basados en técnicas estadísticas permiten usar criterios objetivos para distinguir

variaciones significativas en la gestión de procesos. Casi toda su potencia está
en la capacidad de monitorizar en núcleo del proceso y su variación alrededor de
ese núcleo.

Recopilando datos de mediciones en diferentes etapas en un proceso, se

pueden detectar y corregir variaciones que puedan afectar a la calidad del
producto o servicio final, reduciendo mermas, desechos y evitando que los
problemas lleguen al cliente final.

1.2.4.1 Gráficos de control cualitativo

Se presentan cuatro tipos de gráficos muy empleados en control estadístico de

procesos, que permiten al auditor representar, detectar y analizar datos de

11
diversa naturaleza, buscando aquellos hechos que no relevantes a los efectos
del control.

Si los datos son cualitativos (attribute data), lo que se pretende representar es el

número de apariciones de un ítem relevante a efectos de control, es decir la
presencia o ausencia de un atributo, es decir una variable binaria. En sistemas
de seguimiento de calidad, esos ítem puede ser no conformidades; en auditoría
interna puede ser irregularidades o defectos.

1.2.4.1.1 Gráfico C

El tipo de gráfico más frecuente es el gráfico C (C chart) La denominación “C” ya

indica que lo que se representa es la “cuenta” (count), que pude ser el número
total de defectos (p.e. en cada automóvil fabricado, o en cada contrato auditado).

En la ordenada (eje vertical) se representa el número de defectos o

conformidades, y en la abscisa (eje horizontal) se identifica el vehículo o el
número de lote. Se puede emplear para representar los defectos en cada ítem o
el número de defectos encontrados por lote de producción, de ahí que la abscisa
puede representar unidades o lotes.

12
 1.2.4.1.2 Gráfico P

Los datos cualitativos, que representan atributos relevantes a efectos de cómo

pueden representar en valores absolutos como en el gráfico C o valores
relativos, o en este caso denominándose como gráfico P de porcentaje.

En este caso el porcentaje será el número de elementos defectuosos sobre le

número del lote.

1.2.4.2 Gráficos de control cuantitativo

Si los datos son cuantitativos (variable data), estos miden alguna magnitud
relevante, o variable, en los ítem o lotes sometidos a control. En este caso no se
está ante una variable discreta y binaria como en los gráficos C y P, sino una
variable continúa.

1.2.4.2.1 Gráfico R

En el siguiente gráfico se representa el rango de variación de las longitudes de

perfiles de aluminio, que deberían tener una determinada longitud según
especificaciones. En la abscisa se identifica el lote de producción, y en la
ordenada el valor de rango, es decir la diferencia entre longitud máxima y
mínima dentro de cada lote.

13
 1.2.4.2.2 Histograma de medias

El histograma de medias (Xbar chart) se emplea para representar el valor medio

y una variable en cada lote.

Por ejemplo, en el siguiente gráfico se representan en la abscisa el índice

personal de teleoperadores de una empresa, y en la ordenada el número medio
de llamadas mensual atendido por cada teleoperador.

14
 2. Muestreo auditor

El muestreo auditor se define como la aplicación de procedimientos auditores a

menos del cien por cien de los elementos constitutivos de una población, con el
fin de obtener evidencias sobre alguna característica en partículas con esa
población.

2.1 Definiciones
2.1.1 Muestreo estadístico

Es todo muestreo que cumple las tres características siguientes:

a) Todos los elementos de la población tienen una probabilidad conocida y

mayor que cero, de resultar elegidos para la muestra.
b) Selección aleatoria de la muestra.
c) Empleo de estimadores estadísticos y de la teoría matemática de la
probabilidad para evaluar los resultados, incluida la medida del riesgo en
el que se incurre al revisar solo una muestra en vez de toda la población
(riesgo debido al muestreo).

2.1.2 Población

Es la totalidad del conjunto de datos de donde se selecciona la muestra y sobre

el que el auditor desea establecer conclusiones. Por ejemplo, todos los apuntes
de una cuenta, o toda una clase de transacciones. Una población se puede
dividir en estratos, o subpoblaciones, en virtud de una variable numérica
(generalmente un importe), pudiendo ser cada estrato examinado
individualmente.

2.1.3 Unidad del muestreo

Es el elemento que constituye la población. La unidad de muestreo puede ser

física (por ejemplo elementos de inventario), documental (facturas), económica

15
(transaccional) contable (apuntes contables o asientos), jurídica (entidades,
personas, poblaciones o expedientes), monetaria (euros o dólares), etc.

2.1.4 Muestra representativa

Es aquella muestra que representa fielmente, con un grado de fiabilidad dado,

los parámetros y características de la población de la cual es extraída.

2.1.5 Desviación

Cuando se trata de pruebas de cumplimiento, o cuantificación.

2.1.6 Error tolerable

Es el error máximo en una población que el auditor está dispuesto a aceptar

para seguir manteniendo el principio de la integridad fiel. El error tolerable es la
expresión en el muestreo de la materialidad.

2.1.7 Riesgo Auditor

En sentido general es la probabilidad de que el auditor otorgue una opinión

errónea sobre el objeto de su auditoría. El riesgo auditor se descompone en
riesgo inherente, riesgo de control y riesgo de detección-.

2.1.8 Riesgo debido al muestreo

Es el riesgo que surge de la posibilidad de que la conclusión del auditor, basada

en una muestra, sea distinta a la conclusión que alcanzaría si su examen se
extendiera a la totalidad de la población. El riesgo debido al muestreo es uno de
los componentes del riesgo auditor.

2.1.9 Estratificación

Es el proceso de dividir la población en subpoblaciones, cada una de las cuales

contiene un conjunto de unidades homogéneas de muestreo (homogéneas
respecto a la variable o magnitud en función de la que se estratifica.

16
 2.1.10 Muestreo estadístico

Se define como la aplicación de un procedimiento de auditoría a menos de la

totalidad de los componentes que integran un universo (saldo de una cuenta o
clase de transacción), con el propósito de evaluar algunas características del
saldo o de la transacción.

2.1.11 Muestreo no estadístico

El auditor puede utilizar técnicas de muestreo estadístico o no estadístico en su

ejecución de sus pruebas para obtener evidencia.

El muestreo no estadístico puede basarse en la selección discrecional (cuando

la selección de la muestra se realiza mediante el establecimiento de un criterio
de discriminación), o en la selección indiscriminada, sin más criterio que la
voluntad individualizada del auditor para examinar un elemento sí y otro no.

2.1.11.1 Limitaciones

Cuando el auditor utiliza muestreo no estadístico, las conclusiones de la revisión

y la muestra no pueden ser extendidas o extrapoladas a la totalidad de la
población. En este caso el auditor debe establecer claramente en el informe que
las conclusiones solo afectan a los elementos examinados, debiendo bien
afirmar estos (si ha utilizado muestreo indiscriminado), o bien explicar el criterio
empleado (muestreo discrecional).

2.1.11.2 Sistemas

Tradicionalmente en la auditoría se han empleado tres sistemas para la

obtención de muestras no estadísticas:

1. Muestreo indiscriminado o arbitrario (haphazard)

2. Muestreo discrecional o de criterios (judgemente)
3. Muestreo de cobertura o de porcentaje

17
 2.1.11.3 Muestreo indiscriminado

Es aquel donde la muestra se selecciona sin criterio preestablecido, de una

forma absolutamente arbitraria o asistemática. De ahí, que muchos auditores lo
califiquen erróneamente se le puede calificar como tal.

Coloquialmente muchos auditores califica a este sistema como “muestreo

digital”, pues se efectúa “con el dedo”, es decir de manera arbitraria o
indiscriminada.

Por ejemplo, de un conjunto de facturas secuencialmente numeradas del 1 al

100, un auditor selecciona una muestra, sin ningún criterio, con los elementos 7,
32,33, 54, 67, 78, 81 y 99.

2.1.11.4 Muestreo discrecional

Se basa en la selección de la muestra en el establecimiento de un criterio o

discreción auditora, como por ejemplo –seleccionar todas las facturas cuyo
importe es superior a 2,000$ y el origen del proveedor es Zaragoza--.

Ambos tipos, indiscriminado y discrecional, aparecen a menudo en la literatura

auditora como “muestreo opinático”, pues la selección de la muestra se basa en
una opinión auditora, bien establecida de manera individual (indiscriminado), o
bien general (discrecional).

2.1.11.5 Muestreo de cobertura

Es una técnica de selección de la muestra que se basa en el principio de Pareto,

o principio 80/20, ó 20/80.

Este principio se puede enunciar genéricamente de manera que en las

poblaciones sometidas habitualmente a control y auditoría, el 80% del saldo o
importe total del universo suele encontrarse en el 20% de las facturas, o
elementos del conjunto.

Ventajas y desventajas

18
La gran ventaja de las técnicas de selección no estadísticas reside en su
sencillez de implantación y comprensión.

Su principal desventaja es que no permiten extrapolar las conclusiones

obtenidas en la revisión de la muestra a toda la población o universo auditor, y
por lo tanto, sobre las características de la población o universo el auditor se
sigue moviendo en un escenario de incertidumbre absoluta.

2.1.12 Muestreo de atributos

Método que permite arribar a una conclusión acerca de una población en

términos de una tasa de ocurrencia (desviación de control o sin desviación de
control.

2.1.13 Muestreo de parar o seguir

Su uso es más adecuado cuando se esperan tasas de desviación muy bajas. Se

extrae y analiza una prueba inicial pequeña, luego el auditor decide incrementar
si aumentar o no la muestra inicial.

2.1.14 Muestreo de atributos estratificado

Se refiere a una variación del muestro de atributos a partir de una población que
se puede subdividir. Ejemplo, transacciones de compra por montos pequeños,
medianos y grandes.

19
3. Conclusiones

1. La fundamentación teórica realizada permite afirmar que el estudio del

conjunto de los datos a utilizar en una auditoria se debe realizar con
herramientas estadísticas, usándolas apropiada y cuidadosamente estas
nos permiten recopilar, estudiar y analizar la información dando como
resultado un manejo fácil para el auditor.

2. Ya que no se puede examinar toda la documentación de soporte, pues es

una tarea costosa en tiempo y recursos se da la utilización del muestreo
estadístico, lo que permite al auditor un conjunto de datos a evaluar
eficientes, midiendo la suficiencia de evidencia obtenida y cuantificando el
riesgo, lo que le dará nivel de confianza, precisión y variabilidad lo que
como punto final será llegar al resultado y la conclusión general de lo
estudiado, por lo que el muestreo estadístico es una herramienta,
altamente calificada que ayuda a formar juicios al auditor.

3. El auditor eficaz debería emplear técnicas de muestreo, utilizando el plan

de muestreo que mejor se adapte a las condiciones, su método de
muestreo debe estar documentado, siendo el objeto obtener una muestra
representativa, dependiendo del propósito y del plan, tomando en cuenta
las nociones que nos permiten determinar el tamaño de la muestra, el
método aleatorio para selección y sus niveles de confianza.

20
4. Recomendaciones

1. Se recomienda utilizar todos los papeles de trabajos necesarios ya que

estos constituyen el soporte de los hallazgos detectados por el auditor
para asegurar la razonabilidad de las manifestaciones financieras
ayudando a organizar y coordinar las fases de la auditoria, proporcionar
información a incluir en el informe de auditoría y servir como respaldo de
la opinión emitida por el auditor.

2. Se recomienda que en una auditoria se debe utilizar la técnica del

muestreo ya que disminuye la carga de trabajo y las pruebas se
realizarán en base a documentos seleccionados en los cuales puedan
presentarse los riesgos más significativos, es una base sólida de
evidencia para fundamentar su opinión profesional.

3. La aplicación de muestreos mejora el alcance, enfoque y finalidad de la

auditoria sin embargo el tipo de muestreo dependerá del propósito de la
muestra, se recomienda al auditor considerar el riesgo del muestreo, el
error tolerable y el error esperado considerando evaluar los riesgos
inherentes, de control y de detección.

21
5. E-grafía

 https://www.sangakoo.com/es/temas/media-aritmetica
 http://www.universoformulas.com/estadistica/descriptiva/media-
geometrica/
 https://www.sangakoo.com/es/temas/la-moda
 https://www.sangakoo.com/es/temas/la-mediana
 https://prezi.com/4r0hkj9jzdaf/muestreo-de-auditoria/

22