Calculo del tamaño de la muestra para una muestra de unidad monetaria

Antes de tomar muestras de un conjunto de datos, debe calcular el tamaño estadísticamente adecuado y otros valores necesarios para las operaciones posteriores de muestreo y evaluación.

La función Calcular el tamaño de la muestra en Analytics calcula los valores necesarios para usted con base en los valores de entrada que proporcione.

La importancia de calcular el tamaño de una muestra

El cálculo del tamaño apropiado de una muestra es crucial para la validez de la muestra subsecuente. Si la muestra no es válida, o representativa, no puede proyectar de forma confiable los resultados de los procedimientos de auditoría que realice sobre la muestra a la población completa.

No saltee el cálculo del tamaño de la muestra ni haga un cálculo a simple vista.

La mayoría de los valores de entrada que usó para calcular el tamaño de la muestra se basan en su propio criterio profesional. Asegúrese de comprender completamente las implicaciones de los valores antes de confiar en los resultados de muestreo en un entorno de producción. Si tiene dudas, consulte los recursos de muestreo de auditoría o hable con un especialista de muestreo de auditoría.

Cómo los valores de entrada afectan el tamaño de la muestra

Los valores de entrada afectan el tamaño de la muestra calculado por Analytics. Puede usar el botón Calcular en el cuadro de diálogo Tamaño para ver probar en qué medida los diferentes valores de entrada afectan el tamaño de la muestra.

La tabla a continuación resume el efecto de los valores de entrada en el tamaño de la muestra.

Incremento del valor de entrada:	Reduce el tamaño de la muestra	Incrementa el tamaño de la muestra
Confianza
Población
Materialidad
Total de errores previstos

Pasos

1. Seleccione Muestreo > Muestreo por unidad monetaria/registro > Calcular el tamaño.

   Nota

   La opción del menú está desactivada si no hay una tabla abierta.

2. En la ficha Principal, seleccione Monetario.
3. Escriba los valores de entrada que se deben usar para calcular el tamaño de la muestra:
   • Confianza
   • Población
   • Materialidad
   • Total de errores previstos

   Nota

   Los valores de entrada se explican de forma detallada a continuación.

4. (Opcional) Haga clic en Calcular para ver una vista previa de los resultados de salida.

   Consejo

   Si hace clic en Calcular en lugar de Aceptar, puede experimentar con diferentes valores de entrada antes de obtener los resultados.

   Nota

   Los resultados de la salida se explican de manera detallada a continuación.

5. En la ficha Salida:
   1. En el panel En, seleccione una de las siguientes opciones:
      • Pantalla muestra los resultados en el área de visualización de Analytics
      • Archivo guarda o anexa los resultados en un archivo de texto

        El archivo se guarda fuera de Analytics.

   2. Si seleccionó Archivo como el tipo de salida, realice una de las siguientes acciones:
      • Escriba un nombre de archivo en el cuadro de texto Nombre.
      • Haga clic en Nombre e introduzca el nombre del archivo, o seleccione un archivo existente en el cuadro de diálogo Guardar o Guardar archivo como para sobrescribir o anexar al archivo.

        Si Analytics pre-completa un nombre de archivo, puede aceptar el nombre pre-completado o cambiarlo.

        También puede especificar una ruta de acceso absoluta o relativa, o navegar a una carpeta diferente, para guardar o anexar el archivo en una ubicación distinta a la ubicación del proyecto. Por ejemplo: C:\Resultados\Salida.txt o Resultados\Salida.txt.

      Nota

      Archivo de texto ASCII o Archivo de texto Unicode (según la edición de Analytics que está utilizando) es la única opción para Tipo de archivo.

6. Haga clic en Aceptar.
7. Si aparece el mensaje de sobrescritura, seleccione la opción adecuada.

Entradas y resultados del cuadro de diálogo Tamaño

Las tablas que figuran a continuación ofrecen información detallada acerca de los valores de entrada y los resultados de salida del cuadro de diálogo Tamaño.

Ficha Principal: valores de entrada

Valores de entrada: Cuadro de diálogo Tamaño	Descripción
Confianza	El nivel deseado de confianza de que la muestra resultante sea representativa de la población completa. Por ejemplo, si especifica 95, significa que desea tener una certeza de que el 95 % de las veces la muestra será realmente representativa. La confianza es el componente del “riesgo de muestreo”. Un nivel de confianza de 95 % es lo mismo que un riesgo de muestreo de 5 %.
Población	El valor absoluto del campo de muestra numérico. Nota Para obtener el valor absoluto total, haga un perfil o genere estadísticas en el campo de muestra.
Materialidad	La cantidad total máxima de errores en la información que ocurren en el campo muestra sin que se considere un error significativo. Por ejemplo, si especifica 29000, significa que el importe total de error debe ser superior a 29.000$ para que se lo considere un error de importancia.
Total de errores previstos	El importe total de error que usted espera que contenga el campo de muestra. Por ejemplo, si especifica 5800, significa que usted espera que el importe total de error sea 5.800$. Nota El Total de errores previstos que especifique debe ser menor que la Materialidad. Si la diferencia entre ellos es demasiado pequeña, aparece el mensaje de error Índice de error demasiado grande para el cálculo. En términos de muestreo de auditoría, la precisión del grado de muestreo representado por la diferencia es demasiado pequeña para calcularse para el nivel de confianza que especificó.

Ficha Principal: Resultados de salida

Resultados de salida: Cuadro de diálogo Tamaño	Descripción
Tamaño de muestra	El tamaño de la muestra necesaria.
Intervalo	El valor del intervalo: Requerido para los métodos de selección de la celda e intervalo fijo.
Daños máximos tolerables (%)	Los porcentajes de daño acumulado máximo que puede ocurrir en importes erróneos en la muestra resultante sin exceder la Materialidad. Nota El valor Daños máximos tolerables (%) reportado por Analytics puede ser superior a 100 %. Si desea obtener más información, consulte Daños máximos tolerables (%).

Un ejemplo de entradas y resultados

Daños máximos tolerables (%)

Daños máximos tolerables (%) ofrece una forma de evaluar la información errónea en una población.

Si usa este método, conoce el valor de umbral reportado por Analytics antes de comenzar los procedimientos de auditoría en los datos de muestra. Si los errores acumulativos que observa mientras realiza los procedimientos exceden el valor del umbral, en ese momento sabe que el campo de muestra tiene errores significativos.

Después de realizar procedimientos significativos en los datos muestreados, puede sumar todos los porcentajes de daño individuales de cualquier importe erróneo. Si la suma de porcentajes de daño es menor o igual a los Daños máximos tolerables (%) reportada por Analytics, puede considerar que los importes del campo de muestra como totalidad no tienen errores significativos para el nivel de confianza especificado.

Validez estadística de los tamaños de las muestras generados por Analytics

Analytics genera tamaños de muestras estadísticamente válidos para la mayoría de los análisis. Puede haber excepciones en las siguientes situaciones:

• Usted muestrea conjuntos de datos de menos de 1000 registros
• Su empresa tiene especialistas internos en muestreo que pueden definir tamaños de muestra adecuados a sus necesidades.
• Su empresa impuso el uso de otra herramienta o metodología de muestreo.

Distribución de Poisson en comparación con la distribución binomial

Dos método de generación de tamaños de muestra usados comúnmente son las distribuciones de Poisson y binomial. Analytics genera tamaños e muestras usando la distribución de Poisson.

En los conjuntos de datos más característicos de mil registros o más, las distribuciones de Poisson y binomial generan tamaños de muestras casi idénticos. Para las poblaciones con registros por debajo de los mil, los tamaños de muestra determinados con la distribución de Poisson tienden a ser un poco más grandes y por lo tanto más conservadores que los tamaños determinados con la distribución binomial. La distribución binomial ajusta el tamaño de la muestra hacia abajo para poblaciones pequeñas, pero la distribución de Poisson no. Con poblaciones muy pequeñas, el tamaño de muestra generado por la distribución de Poisson realmente puede superar el tamaño de la población.

Cuando calcula tamaños de muestra en Analytics, debe reconocer que, para el muestreo de registro de conjuntos de datos pequeños, el tamaño de la muestra puede ser mayor de lo que necesita. Este tamaño de muestra más grande no representa un obstáculo para el análisis, ya que es muy común para sobre-muestrear manualmente las poblaciones pequeñas.