INTRODUCCION

El siguiente trabajo tiene como objetivo comprender la definicin e importancia del

muestreo, para lo cual es necesario realizar un repaso de los tipos de muestreo que
existen, con el fin de conocer las principales formas de muestreo utilizadas.
Posteriormente, analizaremos como aplicar las mismas, sus limitaciones y ejemplos que
permitan profundizar en el tema y obtener sus propias conclusiones.

OBJETIVO GENERAL
Conocer los tipos y mtodos de muestreo
OBJETIVOS ESPECIFICOS

Profundizar en los tipos de muestreo estadstico y no estadstico

Determinar caractersticas de cada mtodo
Realizar ejercicios para su correcta comprensin

MUESTREO EN AUDITORA

Definicin de muestreo
El muestreo es una aplicacin estadstica mediante la cual se puede hacer una
evaluacin a una parte de individuos de una poblacin, seleccionndolos de una manera
aleatoria de forma que cada uno de los individuos tiene la misma probabilidad de ser
elegidos.
Muestreo probabilstico y no probabilstico
El muestreo se puede dividir en probabilstico y no probabilstico, tambin
denominados estadstico y no estadstico, respectivamente. Estos dos tipos de

muestreo es determinar la fase mecnica de seleccin de las unidades de muestreo que

conformarn la muestra.
La diferencia fundamental entre estos tipos de muestreo radica en que en el
muestreoprobabilstico se puede medir el riesgo que se asume al muestrear, mientras
que en el muestreo no probabilstico ello no es posible.
En el estadstico, la fundamentacin es terica y las conclusiones pueden ser
cuantitativas y precisas; mientras que en el no estadstico, la fundamentacin es prctica
y las conclusiones pueden ser cualitativas y, en el mejor de los casos, razonables,
adems de perder ante determinados casos la posibilidad de ser extrapolables.
Precauciones con el muestreo no probabilstico
Las conclusiones derivadas de muestreos no probabilsticos deben ser cuidadosas:
deber evitarse informar ratios ya que puede conducir a otros a generalizar. En cambio,
se podr informar sobre la cantidad de casos que cumplieron o no con el criterio. Una
vez informada la cantidad de casos, deber ensayarse una conclusin que permita
interpretarlos, es decir, transformar los datos en informacin. Si bien los hallazgos no
podrn considerarse representativos, dan cuenta de la existencia de algn problema
serio? Permiten conocer la naturaleza del problema? A los efectos de fortalecer los
resultados del muestreo no probabilstico, es recomendable hacer uso de informacin de
otras fuentes (triangulacin).
Muestreo simple al azar
Es el mtodo ms sencillo para muestrear y para reportar resultados. Consiste en extraer
una cierta cantidad de unidades de muestreo de una poblacin, cuando la probabilidad
de extraccin de cada unidad es igual a la de cualquier otra unidad.
Limitaciones
Requiere de una lista precisa de las unidades de muestreo, que puedan identificarse y
numerarse.
Cada unidad de muestreo debe tener la misma probabilidad de ser elegido que
cualquier otra unidad.
Puede no resultar un mtodo econmico si una muestra a lo largo del territorio implica
gran cantidad de visitas. Por ejemplo, supngase que n=430, para analizar determinados
atributos en una poblacin conformada por municipios.
Es poco econmico frente a determinadas circunstancias, como cuando llevar a cabo el
procedimiento de auditora implica la destruccin de la unidad muestreada. En estos
casos, el muestreo simple al azar ofrece tamaos de muestra mayores que otros mtodos
ms especficos.

TIPOS DE MUESTREO PROBABILISTICO O ESTADISTICO

Estratificacin y segmentacin
Es el proceso de dividir un universo en sub-universos, cada uno de los cuales es un
grupo de unidades de muestreo que tienen caractersticas similares (a menudo, valor
monetario) (Abaco).Es posible estratificar una poblacin entre hombres y mujeres, para
luego segmentar por algn otro atributo que no incida sobre la homogeneidad, pero que
enriquezca los resultados del anlisis, por ejemplo, si los alumnos de diferentes regiones
geogrficas, aun formando parte de la misma poblacin, presentan distintos promedios.
LIMITACIONES
Clculos complejos para estimar la precisin.
Es el proceso de dividir un universo en sub-universos, cada uno de los cuales es un
grupo de unidades de muestreo que tienen caractersticas similares (a menudo, valor
monetario) (Abaco)
z 2NPQ
n= 2
E N + z 2PQ

z 2NPQ
n= 2
E ( N 1)+ z 2PQ

N=Poblacin
z2=Nivel de Confianza (95%)
E= Error de Muestreo (100%-95%=/2)=0,025
P=Proporcin de xito (50%) Suma del cuestionario de control interno=confianza
Q=Proporcin de fracaso (50%) Riesgo

Muestreo sistemtico
Cuando los elementos de la poblacin estn ordenados de 1 a N en fichas o en una lista,
una manera de muestrear consiste en:
- Elegir al azar un nmero m entre 1 y N, para empezar a seleccionar la muestra.
- Tomar como muestra los elementos de la lista a partir de ese m tomados de k en k (por
ejemplo de 20 en 20) hasta completar una muestra de tamao n. (k es el n entero ms
cercano a N/n) y teniendo en cuenta que la lista sea circular, es decir que el elemento
N+1 coincide con el primero. De esta forma, con una lista circular, todos los elementos
tiene la misma probabilidad de ser seleccionados.
LIMITACIONES

 Es equivalente a un muestreo agrupado del que se extrae un solo grupo, por lo que
pierde robustez en cuanto a la representatividad esperada. Para intentar neutralizar este
efecto, su puede elegir ms de un grupo (en trminos prcticos, habr de elegirse una
unidad a situada entre 1 y t, y al menos una unidad b a, tambin situada entre 1
y t y seguir el procedimiento de extraccin a partir de a y de b). No obstante, esto
atenta contra la eficiencia del plan ya que implica un derroche de recursos frente al
muestreo simple al azar.
No permite identificar periodicidad oculta. Por ejemplo, frente a mayores ventas los
primeros sbados del mes, o asignaciones de planes sociales antes de fin de mes.
No permite identificar sistematicidad oculta. Por ejemplo, considrese un diente
defectuoso en un engranaje, y que ese diente incida sobre cierto lote de productos.
Limitaciones
Clculos complejos para estimar la precisin.
Muestreo agrupado
Tambin denominado por conglomerados, o por regiones, es un muestreo en el que las
unidades usualmente se encuentran distribuidas geogrficamente o repartidas en
conglomerados. Escuelas, hogares o localidades son ejemplos caractersticos. Se espera
que los conglomerados sean homogneos entre s, aunque haya heterogeneidad dentro
de cada conglomerado. La presencia de heterogeneidad dentro de los conglomerados
deber ser considerada como en cualquier otro caso. En este mtodo de muestreo, la
seleccin al azar se realiza en dos etapas: la primera de ellas consiste en elegir cierta
cantidad de conglomerados, para luego elegir al azar cierta cantidad de unidades de
muestreo dentro de los conglomerados.
En esta tcnica de muestreo la unidad muestral es el conglomerado, donde se supone
que presenta un comportamiento interno muy heterogneo (varianza grande) pero
presumiblemente un comportamiento homogneo o similar al de otros conglomerados
(varianza entre conglomerados pequea).
Limitaciones
Es menos preciso que el estatificado debido a la posible presencia de heterogeneidad
dentro de cada conglomerado, lo que resulta en un tamao de muestra mayor para
compensar el mayor error de muestreo, frente a idnticas circunstancias, en otro plan de
muestreo.

MTODOS DE MUESTREO NO PROBABILSTICOS

A veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente
costoso y se acude a mtodos no probabilsticos, aun siendo conscientes de que no

sirven para realizar generalizaciones, pues no se tiene certeza de que la muestra extrada
sea representativa, ya que no todos los sujetos de la poblacin tienen la misma
probabilidad de se elegidos. En general se seleccionan a los sujetos siguiendo
determinados criterios procurando que la muestra sea representativa. Sin embargo, las
inferencias realizadas a partir de estos mtodos no probabilsticos no tienen validez
estadstica.
- Muestreo opintico o intencional: Este tipo de muestreo se caracteriza por un
esfuerzo deliberado de obtener muestras "representativas" mediante la inclusin en la
muestra de grupos supuestamente tpicos. Es muy frecuente su utilizacin en sondeos
preelectorales de zonas que en anteriores votaciones han marcado tendencias de voto.
- Muestreo casual o incidental: Se trata de un proceso en el que el investigador
selecciona directa e intencionadamente los individuos de la poblacin. El caso ms
frecuente de este procedimiento el utilizar como muestra los individuos a los que se
tiene fcil acceso (los profesores de universidad emplean con mucha frecuencia a sus
propios alumnos). Un caso particular es el de los voluntarios.
- Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y estos a
otros, y as hasta conseguir una muestra suficiente. Este tipo se emplea muy
frecuentemente cuando se hacen estudios con poblaciones "marginales", delincuentes,
sectas, determinados tipos de enfermos, etc.

CONCLUSIN

Con la realizacin de este trabajo hemos podido aprender a cerca del muestro, llegando
a la conclusin de que el muestreo es importante ya que en el momento en el que se nos
presenta un caso de analizar a una poblacin se nos hace complicado, es por ello que es
de mucha importancia realizar un anlisis solamente de un porcentaje de la poblacin,
es decir una muestra.
Pero realizar el proceso de seleccin del tamao de la muestra, es necesario conocer la
frmula, para llevarlo a cabo, pues gracias a la aplicacin de esta, se facilita el trabajo
de las personas que quieren realizar estudios dentro de una poblacin.

La aplicacin de la frmula no siempre es la misma, pues es importante reconocer si la

poblacin a estudiar es finita o infinita. Y tambin conocer cules son los componentes
que se usan en las frmulas a utilizar, porque para que sea satisfactoria la aplicacin, se
debe obtener de manera correcta cada uno de los factores que implican obtener el
tamao de la muestra.
Es importante que conozcamos este tipo de temas, que nos sern de mucha ayuda en
ahora como estudiantes, y en un futuro como profesionales, y miembros de una negocio,
empresa, etc.

Bibliografa:
Buenao, I. M. (2008). Etadstica Inferencial aplicada a la Auditoria . s/c:
CODEU.
Douglas, L. A. (2008-2012). Estadstica Aplicada a los Negocios y la
Economa (15 edicion ed.). MEXICO: McGRAW-HILL/INTERAMERICNA
EDITORES S.A. DE C.V.
Rubione, L. M. (10 de Mayo de 2011). AGN. Recuperado el 18 de Abril de
2015, de Tcnicas de Muestreo para Auditoras:
https://blu182.mail.live.com/mail/ViewOfficePreview.aspx?
messageid=mgmxxWlHjn5BG08wAkgYib0g2&folderid=flinbox&attind
ex=0&cp=-1&attdepth=0&n=79167859