Metodos Cuantitativos Final

Ao del Centenario de Machu Picchu para el Mundo
FACULTAD DE ECONOMIA Y CONTABILIDAD

CURSO : MTODOS CUANTITATIVOS CONTABLES
TEMA
REDES, INVENTARIOS, MUESTREO Y DECISIONES EN INVESTIGACIN DE OPERACIONES
DOCENTE
CPCC. OJEDA PEREDA, William Z.
INTEGRANTES
: JULCA NORABUENA, Edwin MARQUEZ HUERTA, Lenin MENDOZA ASCENCIOS, Kneller ONCOY VALVERDE, Miguel SEMESTRE 2010- II
UNASAM-FEC Escuela Acadmico Profesional de Contabilidad
Mtodos cuantitativos Contables Sptimo Ciclo
INDICE
REDES .................................................................................................................................................. 6 Construccin de una Red .................................................................................................................... 6 Procedimiento Para Trazar Un Modelo De Red .................................................................................. 7 Anlisis De Red Pert .......................................................................................................................... 11 CASO PRCTICO................................................................................................................................. 12 Teora de Inventarios ........................................................................................................................ 22 Costos asociados a un inventario ...................................................................................................... 22 Caractersticas de los sistemas de inventario ................................................................................... 22 Modelos de cantidad econmica ...................................................................................................... 22 Modelos para la Toma De Decisiones ............................................................................................... 23 Administracin de Inventarios .......................................................................................................... 25 Clasificacin Abc ................................................................................................................................ 27 Modelo de cantidad econmica de pedido clsico. .......................................................................... 28 Ejemplos del modelo CEP con faltantes. ........................................................................................... 31 Modelo con Descuentos por Cantidad .............................................................................................. 32 EL MUESTREO .................................................................................................................................... 39 Terminologa ..................................................................................................................................... 39 Distribucin en el muestreo: ............................................................................................................. 39 Error Estndar: .................................................................................................................................. 40 Error muestral o error de muestreo.................................................................................................. 40 Mtodos de seleccin de muestras. ................................................................................................. 40 APLICACIN DEL MUESTREO ESTADSTICO A LAS PRUEBAS DE CONTROLES ................................... 43 Aplicacin .......................................................................................................................................... 44 Muestreo ........................................................................................................................................... 44 Tipos de muestreos ........................................................................................................................... 45 2
Muestreo estadstico......................................................................................................................... 45 Pasos a seguir en una prueba de controles ...................................................................................... 46 LA DECISIN ...................................................................................................................................... 61 El Proceso de Toma De Decisiones.................................................................................................... 62 Componentes del proceso estructurado de toma de decisiones ..................................................... 63 Ambientes De Decisin ..................................................................................................................... 65 Anlisis de Decisin Multicriterio...................................................................................................... 66 Modelo econmico de inventarios ................................................................................................... 67 Procedimiento para aplicar el modelo de inventario ....................................................................... 68 Caso Prctico para sustentar la Toma de Decisiones de Inventarios. ............................................... 72 Propuesta de solucin a la problemtica identificada en el Molino de Trigo................................... 72 CONCLUSIONES ................................................................................................................................. 78 RECOMENDACIONES ......................................................................................................................... 79 BIBLIOGRAFIA .................................................................................................................................... 80
INTRODUCCION En el presente trabajo tratamos los conceptos sobre redes, inventarios, muestreo y decisiones, todos ellos respecto a la investigacin de operaciones, para la obtencin de un mejor y mayor conocimiento de estos conceptos hemos visto por conveniente la resolucin de diversos casos prcticos. A continuacin describimos cada uno de los conceptos abordados en el presente trabajo monogrfico. Los Modelos de Optimizacin de redes se aplican a numerosos casos en la Ciencia de la Administracin, en particular relacionados con la operacin de redes de transporte, logstica, redes elctricas o de comunicacin, pero tambin en programacin y seguimiento de Proyectos, en Marketing, Recursos Humanos y en Finanzas. La mayor parte de los modelos de redes son casos particulares de modelos de Programacin Lineal, y pueden ser formalizados a partir de un modelo general que los engloba: el Modelo de Flujo de Costo Mnimo. Inventarios son bienes tangibles que se tienen para la venta en el curso ordinario del negocio o para ser consumidos en la produccin de bienes o servicios para su posterior comercializacin. Los inventarios comprenden, adems de las materias primas, productos en proceso y productos terminados o mercancas para la venta, los materiales, repuestos y accesorios para ser consumidos en la produccin de bienes fabricados para la venta o en la prestacin de servicios; empaques y envases y los inventarios en trnsito. Respecto a las muestras es una herramienta necesaria para tomar partes de la poblacin que deseramos estudiar, dicha toma depender de los rubros que se desea estudiar y de la complejidad de la informacin con que se cuenta para as poder lograr datos veraces para las tomas de decisiones en un proceso de solucin de problemas que se hacen. La Toma de Decisin, es el proceso durante el cual la persona debe escoger entre una o ms alternativas. Todos y cada uno de nosotros pasamos los das y las horas de nuestra vida teniendo que tomar decisiones. Algunas decisiones tienen su importancia relativa en 4
el desarrollo de nuestra vida, mientras que otras son gravitantes de ellas. Para el decisor, el proceso de toma de decisin es sin duda una de las mayores responsabilidades. Todos estos conceptos nos ayudan a incrementar nuestros conocimientos como estudiantes en la medida que vayamos investigando ms, lamentablemente no se nos pudo ensear mucho en las aulas pero sera bueno continuar en el afn de buscar informacin oportuna y necesaria. Los alumnos.
REDES
Una red o grafo consiste de puntos, y lneas que conectan pares de puntos. Los puntos se llaman nodos o vrtices. Las lneas de llaman arcos. Los arcos pueden tener una direccin asociada, en cuyo caso se denominan arcos dirigidos. Si un arco no tiene direccin normalmente se le denomina rama. Si todos los arcos en la red son dirigidos, la red se denomina una red dirigida. Si todos los arcos son no-dirigidos, la red es una red no-dirigida. Dos nodos pueden estar conectados por un conjunto de arcos. Una trayectoria (path en ingls) es una secuencia de arcos distintos (con nodos no repetidos) conectando a los nodos. Una trayectoria dirigida desde nodo i al nodo j es una secuencia de arcos, cada uno de los cuales apunta al nodo j (si es que hay direccin). Una trayectoria no dirigida puede incluir arcos dirigidos apuntando en cualquiera de direccin. Una trayectoria que comienza y que termina en el mismo nodo se denomina ciclo y puede ser ya sea dirigida o no-dirigida. Una red est conectada si existe una trayectoria no-dirigida entre cualquier par de nodos. Una red conectada que no tiene ciclos se denomina rbol.
Construccin de una Red

Los elementos que integran una red son: a) Actividad: representa el trabajo que tiene que ser realizado: Se indica con una flecha; No tiene magnitud, direccin ni sentido; consume tiempo y recursos.
b) Evento: concurrencia en un punto del tiempo, en el cual se inicia o termina una actividad: Se representa con un crculo; es un punto de control en el plan; ocupa slo un instante en el tiempo. 6
UNASAM-FEC Escuela Acadmico Profesional de Contabilidad c) Principio de dependencia:
un evento no puede alcanzarse hasta que la actividad que lo precede no se haya completado; una actividad no puede empezar hasta que el evento que le precede no se haya consumado; Todo evento lleva antes una actividad, excepto el primero.
d) Tipos de actividades, de acuerdo con el inciso anterior: Precedentes; Sucesores.
Procedimiento Para Trazar Un Modelo De Red

Para aplicar CPM o PERT se requiere conocer la lista de actividades que incluye un proyecto. Se considera que el proyecto est terminado cuando todas las actividades han sido completadas. Para cada actividad, puede existir un conjunto de actividades predecesoras que deben ser completadas antes de que comience la nueva actividad. Se construye una malla o red del proyecto para graficar las relaciones de precedencia entre las actividades. En dicha representacin grfica, cada actividad es representada como un arco y cada nodo ilustra la culminacin de una o varias actividades. Consideremos un proyecto que consta de solo dos actividades A y B. Supongamos que la actividad A es predecesora de la actividad B. La representacin grfica de este proyecto se. As, el nodo 2 representa la culminacin de la actividad A y el comienzo de la actividad B. Si suponemos ahora que las actividades A y B deben ser terminadas antes que una actividad C pueda comenzar, la malla del proyecto queda como se muestra en la figura2. En este caso, el nodo representa que las actividades A y B se han terminado, adems del inicio de la actividad C. Si la actividad A fuera predecesora de las actividades B y C, Proyecto de tres actividades
Dado un conjunto de actividades y sus relaciones de pre decisin, se puede construir una representacin grfica de acuerdo a las siguientes reglas: El nodo 1 representa el inicio del proyecto. Por lo tanto, las actividades que parten del nodo 1 no pueden tener predecesoras. El nodo Terminal o final del proyecto debe representar el trmino de todas las actividades incluidas en la red. Una actividad no puede ser representada por ms de un arco en la red. Dos nodos deben estar conectados por a lo ms un arco.
Para no violar las reglas 3 y 4, a veces es necesario introducir una actividad artificial o dummy que posee tiempo de duracin nulo. Por ejemplo, supongamos que las actividades A y B son predecesoras de la actividad C y adems comienzan al mismo tiempo. En este caso, una primera representacin podra ser la indicada en la figura 2.4. Sin embargo, la red de la figura 3 viola la regla 4. Para corregir este problema, se introduce una actividad artificial indicada con un arco segmentado en la figura La red de la figura 4 refleja el hecho de que la actividad C tiene como predecesoras a A y B, pero sin violar la regla 4. En otros casos, se deben agregar actividades artificiales para no violar la regla 3. A y B predecesoras de C Incorporacin de una actividad artificial. Lgica seguida para la construccin de una red Ejemplo: Construccin De Una Casa Determinacin De Una Ruta Crtica 1. Cada actividad debe tener un evento predecesor y un evento sucesor, con excepcin de los de iniciacin y terminacin. 2. Ninguna actividad puede comenzar antes de que termine su evento predecesor. 3. Los eventos deben tener interrelacin con otros eventos.
4. Algunos eventos slo tienen referencia con otros eventos, sin que ello indique dependencia. 5. No puede haber flechas en ambos sentidos entre dos eventos. 6. Ningn evento dado puede ser seguido por una ruta de actividad que conduzca de regreso al mismo evento. Las partes fundamentales de un proyecto, utilizando el sistema de redes, son: 1. La toma de conciencia de la necesidad del proyecto y planteamiento del mismo. Esta etapa puede estar propiciada por dos razones: a) Problemas dentro de la organizacin, b) oportunidades de mejora, stas pueden ser del siguiente tipo: Aceleracin de un proceso. Agilizacin de un proceso mediante la eliminacin de pasos innecesarios. Combinaciones de procesos.
2. La determinacin de la factibilidad, Existen tres aspectos principales a considerar: operacional, depende de los recursos humanos disponibles. tcnico, se refiere al mejoramiento de los recursos tcnicos actuales econmico, los recursos bsicos en cuestin son: El costo de hacer un estudio completo Costo del empleado que lo realizar.
3. La calendarizacin del proyecto, Podemos considerar dos opciones para determinar las fechas de las actividades pertinentes al proyecto: a) Grfica de Gantt b) Mtodo PERT 9
* El PERT es til cuando las actividades pueden ser realizadas en paralelo en vez de secuencia. 4. La administracin de las actividades y de los miembros del equipo para lograr productividad. - Estrategias de comunicacin entre los miembros del equipo. Ejemplo: red de actividades casa de construccin Ruta crtica La Ruta Crtica es la ruta ms larga a travs de la red Determina la longitud del proyecto Toda red tiene al menos una ruta crtica Es posible que haya proyectos con ms de una ruta crtica
Cul es la ruta crtica de la red anterior? Este proyecto tiene tres rutas posibles: Inicio A B E Fin Inicio A C E Fin Inicio A D Fin Cmo se encuentra la ruta crtica? Es necesario agregar a la red los tiempos de cada actividad Los tiempos se agregarn en cada nodo Las flechas slo representan la secuencia de las actividades
10
Anlisis De Red Pert

El Mtodo PERT, acta dentro de las teoras de MASLOW y McClelland en la satisfaccin de las necesidades, mediante la realizacin de actividades que representen retos, logros importantes, compromisos, etc. La tcnica del PERT se utiliza para definir lo que debe hacerse para cumplir en trmino los objetivos de un programa. Es una tcnica para la planeacin, programacin y control del tiempo de proyectos en los que se involucran varias actividades. Otra de las caractersticas es la utilizar el tiempo como comn denominador para reflejar la aplicacin de los recursos asignados y las especificaciones de rendimiento. Una de las primeras consideraciones que el PERT obliga efectuar, es la de calcular el tiempo de duracin para cada una de las actividades de un proyecto. La duracin total ser obtenida automticamente al sumar el tiempo de cada una de las actividades del proyecto. El PERT permite considerar tres posibles ocurrencias del tiempo: 1. Plazo optimista (po). Tiempo que se necesita para efectuar la actividad si no se presentan dificultades o algn imprevisto. Es el menor tiempo posible en que se puede realizar la actividad. 2. Plazo ms probable. Tiempo ms probable que se necesite para la realizacin de la actividad. 3. Plazo pesimista .Es el mayor tiempo que se necesita para efectuar la actividad si se presentan dificultades imprevistas. El anlisis de red pert se centra en: 1. La elaboracin de planes realistas, detallados y de fcil difusin que incrementan las posibilidades de cubrir las metas del proyecto. 2. Prediccin de la duracin y de la certidumbre de las mismas. 3. Centra la atencin en las partes crticas. 4. Informar de la incompleta utilizacin de los recursos. 5. La simulacin fcil de alternativas. 11
6. La obtencin de informes completos y frecuentes del estado del proyecto. 7. Mostrar la relacin entre tareas. 8. Descubre las reas problema, los cuellos botella. 9. Compara las acciones alternativas para una mejor decisin. 10. Logra flexibilidad.
CASO PRCTICO
EJERCICIO 01: EL PARQUE SAAVEDRA El Parque Saavedra est organizado de tal manera que se dispone de una Entrada y una serie de senderos que pasan por 5 Estaciones intermedias que conducen al Mirador, el cual representa la estacin terminal. El Administrador del Parque debe resolver tres tipos de problemas propios de la gestin del Parque: 1. Determinar la ruta ms coda desde la Entrada al Mirador. (RMC) 2. Determinar el tendido del cableado telefnico de todas las estaciones desde la entrada hasta el Mirador que minimice el total de cable a instalar. (AEM) 3. Determinar el nmero mximo de viajes que se pueden organizar desde la Entrada hasta el Mirador tomando en cuenta el factor de carga que ha establecido el guarda parque en trminos de total de viajes permitidos por da y por sendero (RFM). En la figura siguiente se identifican las 7 estaciones del Parque como Nodos, con la Entrada como Nodo (0) y el Mirador como Nodo (T). La informacin disponible en cada Arco representa la distancia entre nodos medidos en millas.
12
UNASAM-FEC Escuela Acadmico Profesional de Contabilidad Modelo de la Ruta ms corta (RMC)
En el marco de los problemas de RMC se considera una red conexa y no dirigida con dos nodos especiales, llamados origen y destino. A cada una de las ligaduras (arcos no dirigidos) se asocia una distancia no negativa. El objetivo del anlisis es encontrar la ruta ms corta, es decir, la trayectoria con la mnima distancia total, que va del origen al destino. Para su resolucin se utiliza el Algoritmo de la Ruta ms corta o tambin se puede utilizar el SIMPLEX utilizando las propiedades de este Problema, que es un caso especfico del Modelo de Programacin Lineal.
Algoritmo de Ruta ms corta. Este algoritmo analiza la red a partir del origen, identificando sucesivamente la ruta ms corta a cada uno de los nodos en orden ascendente de sus distancias desde el origen, quedando resuelto el problema en el momento de llegar al nodo destino. A continuacin se muestra la tabla de aplicacin del algoritmo de la ruta ms corta para encontrar la ruta ms corta desde la entrada al parque hasta el mirador (ejemplo prototipo). Tabla: Aplicacin del Algoritmo Ruta Ms Corta Resolucin del Ejemplo "Parque Saavedra".
Nodos resueltos conectados directamente a nodos no resueltos 0 0 A A B A C 5 B E D E Nodo no resuelto mis cercano conectado A C B D E D E D D T T
Distancia total involucrada
n-simo nodo mis cercano
Distancia mnima
Ultima conexin
2 4 2+2=4 2+7=9 4+3=7 4+4=8 2+7=9 4+4=8 7+1=9 8+5=13 7+7=14
A C B
2 4 4
OA
23
OC
AB
BE
D D T
8 8 13
BD ED DT
13
La Cuarta columna: distancia de la ruta ms corta desde el origen a cada uno de estos candidatos La Quinta columna: candidato con la distancia ms pequea al origen La Sexta columna: distancia de la ruta ms corta desde el origen al ltimo nodo resuelto La Sptima columna: ltimo tramo en esta ruta ms corta. En esta ltima columna se puede rastrear la ruta ms corta desde el nodo origen al destino. Se ve que la distancia total es de 13, tanto por la ruta O-A-B-E-D-T como por la O-A-B-D-T.
EJERCICIO 02: El promotor de un concierto de Rock debe realizar las tareas que se muestran en la siguiente tabla, antes de poder realizar el concierto (todas las duraciones estn en das).
ACTIVIDAD A B C D E F G H I J
DESCRIPCION Encontrar un lugar Encontrar ingeniero Contratar acto inicial Anunciarse en radio y TV Instalar venta de boletas Instalaciones elctricas Imprimir Publicidad Arreglar el Transporte Ensayos Detalles de ltimo minuto
ANTECESORES INMEDIATOS A A C A B C C F, H I
2 4 3 1 3 2 2 10 6 1 3 2 1 5 3 2 4 3 3 7 5 0.5 1.5 1 1 2 1.5 1 3 2
14
15
16
17
18
19
20
21
Teora de Inventarios
Es la mercanca disponible para ser usada. El Inventario es la a cantidad de artculos que son almacenados y se mantienen inactivos en un instante de tiempo dado.
Costos asociados a un inventario

Costos de conversacin o mantenimiento. Son asociados con mantener un nivel dado de inventario y vara con el nivel y periodo de tiempo que se mantiene el inventario. Comprende costos de oportunidad, depreciacin, seguros, pagos de renta, energa elctrica, etc. ($/unidad/ao). Costo de ordenar o de pedido. Es el costo asociado con el abastecimiento del inventario como son el costo de requisicin, pago al proveedor, costos contables, salario de personal que realiza los trmites, etc. (dlares/pedido) Costos por faltantes. Estos son los costos de penalizacin en que se incurre cuando se queda sin la mercanca cuando esta se necesita.
Caractersticas de los sistemas de inventario

1. Ciclo de pedido: se identifica por el periodo de tiempo entre la colocacin de dos pedidos sucesivos. 2. Tiempo de anticipacin: cuando se coloca un pedido puede que se reciba inmediatamente o puede que se tome algn tiempo antes de que se reciba. El tiempo entre la colocacin y la recepcin se conoce como tiempo de anticipacin o de adelanto. 3. Reabastecimiento instantneo: Ocurre cuando los artculos se compran a fuentes externas. 4. Reabastecimiento uniforme: Ocurre cuando el artculo es producido localmente o dentro de la organizacin. 5. Horizonte de tiempo: Define el periodo sobre el cual el nivel de inventario debe ser controlado. 6. Demanda probabilstica: Es la que se basa en distribuciones de probabilidad. 7. Demanda determinstica: Aqu se conoce con certeza los requerimientos del cliente.
Modelos de cantidad econmica
Modelo de cantidad econmica de pedido clsico. 22

Modelo de cantidad econmica de pedido con faltantes. Modelo de cantidad econmica de pedido para lotes de produccin. Modelo de cantidad econmica de pedido con descuentos.
Modelos para la Toma De Decisiones

Existen diferentes esquemas en la creacin de modelos para la toma de decisiones, en este caso mencionaremos uno de los esquemas que se aplica en la ciencia de la administracin, el cual, no pretende ser la verdad revelada, esto es vlido para problemas de inventarios o para cualquier situacin empresarial. Es fundamental enfatizar en que no debe verse como un conjunto rgido de procedimientos, en algunos casos se podrn saltar escalones, en otros tocar crear variantes, sin embargo, es importante manejar una gua que nos va a facilitar los procesos y coadyuvar a una gestin ms eficiente, los pasos a seguir son los siguientes: Aceptar o reconocer la existencia de una(s) situacin(es) susceptible(s) a mejorar, lo que es diferente a un problema manifiesto, lo importante es reconocer que de actuar diferente se podran obtener mejores resultados; en este paso se debe ser muy cuidadoso, ya que, una persona puede tener diversos objetivos; tambin se presenta que diferentes reas de la organizacin tengan objetivos contradictorios, por ejemplo el departamento comercial puede pretender resultados que entren en contradiccin con los objetivos de quien maneja el departamento financiero, en el caso de los inventarios esto se presenta con frecuencia, ya que, para un gerente financiero los inventarios pueden representar lucro cesante, mientras que para el comercial pueden representar la forma de brindar un mejor servicio, por lo que lo ms importante es fijar adecuadamente el(los) objetivo(s) a conseguir. Formular el problema, plantear la situacin(es) ya definida(s), jerarquizndolas en caso de ser necesario en forma de problema, buscando solucionar primero las ms criticas y/o las ms viables a juicio de la gerencia. Este paso es delicado ya que un alto porcentaje de la solucin, esta dado por un buen planteamiento, un planteamiento errneo puede llevar a consecuencias desastrosas para la organizacin; en el ejemplo anterior, si yo pienso en ahorrar unos pesos, en esta difcil poca para los negocios, lo puedo hacer en un momento determinado sacrificando servicio, si embargo, esto se puede revertir en contra de mi empresa en el mediano o largo plazo.
23
Construir el modelo, representar de alguna manera el problema, para nuestro caso, en forma matemtica, siendo consientes de que el mejor modelo no necesariamente es el ms novedoso, ni el ms complicado, la bondad del modelo se mide por la forma en que este interpreta la realidad y por las ayudas que pueda brindar al tomador de decisiones.
Recolectar los datos, esta es una de las partes ms dispendiosas y en donde es necesario ayuda de todas las reas de la organizacin, en el caso de los inventarios debemos conocer los costos de mantenimiento y los de pedido, la demanda, el tiempo de entrega de nuestros proveedores, en fin la informacin que necesitamos es muy amplia y de su calidad depende la validez del modelo, ya que parodiando a los ingenieros de sistemas, si basura entra, basura sale. Si lo anterior es cierto cuando se "alimenta" un computador con mayor razn se cumple en los modelos cuantitativos.
Resolver el modelo, esta es realmente la parte ms sencilla, si los pasos anteriores son correctamente efectuados, consiste en operar con los datos recolectados en el modelo previamente construido, en esta parte algunos autores recomiendan manejar escenarios, es decir hacer fluctuar los datos recopilados para analizar las posibles influencias de estos cambios y estar pendientes en caso que se presenten, otros recomiendan, de ser posible ver como se comporta el modelo en situaciones que ya sucedieron, con el objeto de verificar hasta que punto nos hubiesen ayudado a tomar la mejor decisin de acuerdo a las circunstancias.
Interpretacin de los resultados, en esta parte el criterio gerencial es fundamental, ya que, NADA puede remplazar totalmente el juicio de quien toma la decisin, la idea del modelo es ayudar, no remplazar al tomador de decisiones, aqu es indispensable que quien toma las decisiones se despoje de pre-juicios y vea la solucin de la forma ms objetiva posible, que no piense que al proponer el modelo soluciones diferentes a las que ha venido implementando, ste o las decisiones anteriores no sirven. El verdadero profesional, puede darse a partir de la consecucin de un titulo universitario y/o por la experiencia y el estudio relacionados en el campo objeto de su labor, lo que realmente lo distingue es su capacidad de anlisis y de evolucionar en y con el tiempo.
Implementar el modelo, si los pasos anteriores fueron manejados correctamente, este debera ser el ms sencillo, sin embargo, en la practica presenta ocasionalmente problemas, por el rechazo de algunas partes de la organizacin a los cambios, debido a que en todos los niveles de la organizacin es frecuente
24
observar personas que por no salirse de rutinas preestablecidas, se oponen y retardan la puesta en practica de nuevas ideas. Retroalimentar y recrear el modelo, teniendo en cuenta que las circunstancias del entorno o de la empresa pueden cambiar, es indispensable estar
permanentemente verificando el modelo, lo cual no le quita validez y muestra seriedad y objetividad en la toma de decisiones, recuerde que ni aun "a los paquetes computacionales ms complejos se les puede dejar decidir", que siempre el que toma las decisiones es el gestor, esto es vlido aun ms en lo referente a modelos de gestin. En esta parte se sugiri crear el modelo en el sentido amplio de la palabra, no obstante, es importante recalcar, que en lo referente a inventarios existen gran cantidad de stos, por lo que generalmente no es necesario "descubrir el agua tibia", lo importante es saber cuando y donde usarla. Los modelos deben permitirnos cometer errores en el papel, disminuyendo la probabilidad de cometerlos en la vida real, las aplicaciones en computador nos permiten ver rpidamente muchas opciones simplemente cambiando nmeros de acuerdo a los supuestos razonados que usemos dentro de las situaciones que se pueden presentar en la empresa. En el libro INVESTIGACIN DE OPERACIONES EN LA CIENCIA ADMINISTRATIVA de Eppen se afirma: "Ni las dimensiones ni el refinamiento matemtico del modelo implican necesariamente, por s mismos, que ste ser til. Los modelos sencillos y pequeos tambin pueden tener gran utilidad si brindan ayuda para la toma de decisiones. Ms an, los grandes y sofisticados modelos que tienen xito han evolucionado casi siempre a partir de un precursor rudimentario, merced al xito en la experiencia administrativa"; lo cual es absolutamente valido para este tema.
Administracin de Inventarios
En los negocios existe una realidad reconocida por muchos, pero desafortunadamente racionalizada e implementada por pocos "quien compra bien, vende o produce bien". El tener una buena poltica de compras, le va a permitir un manejo fluido a la empresa y disminuir sus costos, lo que obviamente mejorar su rentabilidad. Debido a lo anterior es necesario estudiar los inventarios desde el momento en que se proyecta la compra, es decir involucrarlos en los procesos de planeacin de la compaa y en su contrapartida obligatoria, el control.
25
En la acepcin ms amplia de la palabra, los inventarios son recursos utilizables que se encuentran almacenados para su uso posterior en un momento determinado. Algunos autores los definen simplemente como bienes ociosos almacenados en espera de ser utilizados. Otros autores los definen como un activo corriente de vital importancia para el funcionamiento de la empresa. Existen mltiples argumentos para justificar la tenencia o no de inventarios, de los cuales mencionaremos tan solo unos pocos. Argumentos a favor: Prever escasez Es preferible ahorrar productos que plata Permiten obtener ganancias adicionales cuando hay alzas Facilitan desfasar (separar) los diferentes procesos de la empresa.
Argumentos en contra: Inmovilizan recursos que podran usarse mejor Esconden los problemas de la empresa Disimulan la ineptitud del tomador de decisiones Facilitan esconder los problemas de calidad.
Los argumentos esgrimidos por los "partidarios" de cada corriente tienen validez relativa, esto es lo que los hace tan peligrosos, ya que al tener indiscutiblemente una parte de realidad son aun ms difciles de rebatir que las verdades verdaderas como dira Fuentes, debido a lo anterior es que debemos ser objetivos en la posicin a asumir y no ser maniqueos, es decir no debemos creer que nuestro argumento es acertado y que todos los dems estn equivocados. Lo que es indiscutible, es que los inventarios representan un alto porcentaje de los activos en el balance y a las compras les sucede lo mismo con respecto a las utilidades en los estados de resultados, entonces si desde el punto de vista financiero reconocemos esta realidad y no hacemos nada con el objeto de mejorar su manejo estamos siendo irresponsables con nuestra empresa.
26
Clasificacin Abc
En cada empresa se utilizan diferentes productos, cada uno de ellos con sus propias caractersticas, por lo tanto, cada uno de ellos necesita de un manejo particular, dependiendo de su importancia en los procesos de la compaa y de las posibilidades de adquisicin. El pensar que todos los productos se deben controlar de la misma manera, es una visin limitada de la realidad, que implica desgaste y sobrecostos innecesarios. El anlisis ABC es una manera de clasificar los productos de acuerdo a criterios preestablecidos, la mayor parte de los textos que manejan este tema, toman como criterio el valor de los inventarios y dan porcentajes relativamente arbitrarios para hacer esta clasificacin. Por ejemplo, el 10% de los productos representan el 60% de las compras de la empresa por lo tanto esta es la zona A, un 40% de los productos el 30%, que serian los que estn ubicados en la zona B, el resto (50% de los productos y 10% de las compras) son productos C. Los valores anteriores son arbitrarios, cada empresa tiene sus particularidades, si alguien decide utilizar este criterio debe ser consciente de las realidades de su empresa. Se debe pensar no solo en los costos, es importante ver otros criterios, lo que es sin duda la principal dificultad en este tipo de anlisis. Es innegable, sin embargo que un pequeo porcentaje de productos, desde cualquier criterio, es indispensable para el funcionamiento de la empresa y/o para mejorar su rentabilidad, estos serian clasificados como productos A tpicos, y de acuerdo a este punto de vista se van seleccionando los productos de las dems zonas; si uno considera oportuno podra pensarse en la posibilidad de agregar una zona D, para productos realmente intrascendentes y de costo muy bajo.
27
La siguiente grfica nos da una visin de la clasificacin ABC, no se utilizaron porcentajes en forma explcita, para no caer en la tentacin de dogmatizar sobre un valor en particular, la idea es que a los productos de la zona A se le busquen modelos que permitan un control muy fuerte sobre el criterio clave que se est manejando y a medida que se alejen los productos de esta zona, los modelos puedan ser ms flexibles; esto no quiere decir que se descuide el control fsico de los inventarios, ya que como se mencion en la introduccin ese no es el objetivo del presente fascculo.
Modelo de cantidad econmica de pedido clsico.

Soluciones Bsicas: 1. La demanda se conoce con certeza. 2. La tasa de demanda es constante. 3. El inventario se reabastece cuando su nivel es igual a 0. 4. El tiempo de anticipacin es constante. 5. El precio unitario, el costo de pedido y los costos de conservacin son constantes.
28
Ejemplos de CEP Clsico Si la demanda de un artculo es constante de 9000 unidades / ao el costo a ordenar es de 2.5 dlares /orden y el costo de conservacin es de 2 dlares por unidad al ao. a. Encuentre el tamao del lote econmico. b. Nmero de ordenes por ao. c. Cada cuanto tiempo llega un pedido. d. Cual es el costo del inventario anual. e. Cual es el punto de reorden si el tiempo de entrega es de 3 das.
29
Ejercicios del Modelo CEP Clsico Un fabricante necesita 2000 bases pequeas durante el prximo ao, el costo de la unidad es de $5 c/u. Se tienen disponibles con un tiempo de entrega de 1 semana el costo por ordenar es de $5 dlares por orden y el costo de conservacin es de 1.5 dlares al ao por almacenamiento de una unidad mas el 10% del costo de oportunidad del capital. a. Cuantas ordenes debe ordenar el fabricante con el fin de minimizar los costos totales del inventario. b. calcule el punto de reorden. c. cuantas rdenes por ao se deben colocar. Una compaa utiliza 500 focos de cola al da. Cada vez que se da un pedido de estos focos incurre en un costo de $5 dlares. Cada foco cuesta 40 centavos, el costo de almacenamiento es 8 centavos por un foco al ao. Suponga que la demanda se tiene a rapidez constante y que no permiten agotamiento. a. Cual es la cantidad econmica de pedido b. cuantos pedidos se hacen por ao 30
UNASAM-FEC Escuela Acadmico Profesional de Contabilidad c. Cuanto tiempo pasa entre los pedidos.
Una tienda de departamentos vende 10 000 cmaras al ao esta tienda pide las cmaras a una bodega regional cada vez que hace un pedido incurre en un costo de $5 dlares.la tienda paga por cada camara 100 dolaresy el costo total de almacenar un dlar de inventario durante un ao se calcula es el costo de oportunidad de 20 centavos. a. Calcule la cantidad economica de pedido. b. Cual es el costo minimo anual.
Ejemplos del modelo CEP con faltantes.

Un agente de mercedes benz debe pagar 20 000 dlares por cada automvil que compra , el costo anual de almacenamiento es de 25% del valor del automvil , el agente vende 500 autos al ao su costo por faltantes sera de 20000 dlares. Cada vez que el agente coloca un pedido su costo es de 10 000 dlares determine: a. La cantidad que debe ordenar el cada pedido Q b. El mximo nivel de inventario. c. el numero de ordenes por ao d. El costo mnimo anual.
Ejercicios del Modelo con Faltantes 31
Un comerciante vende 10 000 armazones para lentes , la clnica pide los armazones a un abastecedor regional que cobra 15 dlares por armazn , cada pedido incurre en un costo de $50 dlares. La ptica cree que la demanda de armazones puede acumularse y que el costo por carecer de un armazn durante un ao es de $15 dlares, por pedido de negocios futuros. El costo anual por mantener el inventario es de 30 centavos por dlar de inventario. 1. cual es la cantidad optima de pedido 2. cual es la encases mxima que se presenta. 3. Cual es el nivel mximo de inventario. La demanda de escritorios para una fabrica de muebles es de 6000 al ao en promedio cada vez que se hace un pedido se incurre en un costo de $300 dlares , el costo anual por tener un escritorio en inventario es 25% de su costo que es de 200 dlares. Si se incurre en un costo de $80 dlares. Por carecer la fabrica de un escritorio durante un ao. 1. cuantos escritorios se deben pedir cada vez que se coloca un pedido 2. cuantos pedidos se deben hacer al ao. 3. Cual es el costo mnimo anual.
Modelo con Descuentos por Cantidad
Un fabricante tiene una demanda de 2000 partes al ao , el costo/unidad = 5 dlares , el costo por ordenar es de 5 dlares por orden , el costo de conservacin es de 1.5 dlares/ao por almacenamiento mas el 10% por unidad al ao debido al costo de oportunidad del capital , el proveedor ofrece un descuento del 5% en el precio si se ordenan 200 unidades o mas. 32
Se acepta el descuento Q = 200 unidades Este modelo parte de una serie de supuestos fuertes, los cuales se van suavizando a medida que se avanza en la teora, sin embargo sus aplicaciones y utilidad son importantes y los desarrollos posteriores que ha permitido, lo hacen un punto de referencia obligado en todos los campos donde se hable de inventarios. Por eso no es extrao encontrar menciones a este modelo en mltiples libros de costos, de administracin de operaciones, de logstica, de clculo y de otros temas. Los supuestos sobre los que este modelo se construye son:
1. La demanda se conoce con certidumbre y es constante. 2. Los costos relacionados con el modelo permanecen constantes. 3. La cantidad de pedido por orden es la misma. 4. El pedido se recibe en el momento que se ordena. 5. El inventario se restablece en el momento en que se agota. 6. El proveedor nos surte las cantidades solicitadas en un solo lote. 7. Se considera un horizonte infinito y continuo en el tiempo. El comportamiento de este modelo se aprecia fcilmente en la siguiente grfica
33
Para poder tomar una decisin sobre: la altura del tringulo (cantidad de pedido), el nmero de tringulos (nmeros de pedidos en el periodo), la base del tringulo (tiempo entre pedidos) y conocer el valor asociado con estas decisiones es necesarios conocer los siguientes datos: Demanda, normalmente se trabaja anual, aunque el modelo permite otros manejos, se calcula a partir de los presupuestos de la empresa. Costo de pedido, este se genera cada vez que la compaa efecta una compra, en su calculo debe involucrarse desde el tiempo que se toma para efectuar el pedido, hasta los gastos de transporte y recepcin de la mercanca, sin olvidar incluir los gastos administrativos pertinentes al pago de la factura. Costo de mantenimiento (conservacin), este nos indica cuanto vale tener la unidad de inventario en bodega, debe tenerse en cuenta desde el costo del dinero, hasta los seguros en caso de tenerlos, el de la bodega y el del personal que maneja los inventarios, este costo se debe dar en la misma unidad de tiempo en que se estima la demanda.
La parte compleja del modelo es precisamente la definicin de los costos anteriores, si se calculan objetivamente el modelo da unos resultados vlidos as no sean absolutamente exactos, el objetivo del modelo no es minimizar uno de estos costos, ya que su comportamiento es inverso y en caso de minimizar uno solo de ellos, el otro se dispara por lo que los costos asociados sern ms altos, lo importante es minimizar la suma de los costos de pedir y de mantener , lo que se conoce con el nombre de costo asociado, en la siguiente grfica observamos como dicho costo en los valores cercanos al mnimo, no cambia considerablemente, sin embargo si nos alejamos de 34
este los costos pueden incrementarse de forma importante, por lo que la idea consiste en pedir un valor muy cercano a la cantidad econmica de pedido. La simbologa que se va a utilizar es una de las tantas existentes, en caso de que se consulte a alguno de los autores citados o a otros es posible encontrar smbolos diferentes, esto no es problema lo importante es tener claros los elementos conceptuales. D : Demanda Co : Costo de pedido Cc : Costo de conservacin Q* : Cantidad econmica de pedido N : Nmero de pedidos Tc : Tiempo entre pedidos CA: Costo asociado a la poltica de inventarios CT: Costo total, involucra valor de los artculos y el costo asociado. Calculando las primeras tres variables los dems valores quedan automticamente dados, la demostracin del porque se utilizan las formulas siguientes proviene del calculo diferencial:
35
Ejemplo Un impresor que en la actualidad esta haciendo una compra mensual, estudio el comportamiento del papel libro de 70 gr. en los ltimos doce meses, encontr que su demanda fue de: 10, 11, 10, 9, 10, 11, 9, 10.5, 10, 9, 9 y 11.5 toneladas por mes, estima el precio de compra se va a mantener en $2.300.000 por tonelada, su costo de pedido en $500.000 y por poltica carga un 15% del costo unitario al manejo de los inventarios mas $55.000 por concepto de bodegaje, calcular: 1. El modelo a manejar en estas condiciones. 2. Si el proveedor ofrece darnos un descuento del 10% por compras superiores a 30 toneladas y uno del 11% por compras de 60 toneladas, como cambiara mi poltica. 3. Si adicional al descuento logramos obtener un plazo que hace que nuestro costo de conservacin se reduzca solamente al de bodegaje como cambiara mi poltica. Lo primero que debemos observar es el comportamiento de la demanda el cual vemos que es relativamente constante, por lo que podemos asumir que nuestro modelo se comporta de acuerdo a los parmetros de un modelo de cantidad econmica de pedido con los siguientes datos de entrada: D = 120 toneladas ao Co = $500.000 C = $2.300.000 tonelada Cc = $400.000 tonelada/ao Por tanto
36
Como podemos observar en esta poltica de compra de inventarios, la empresa ahorra ms de un 20% en el costo asociado a los inventarios que tendra si efectuase una compra mensual ( CA = 12*500.000 + [12/2]*400.000 = $8.500.000), lo que sumado al ahorro que se lograra con los diferentes productos que maneja la compaa permitir mejoras importantes en la rentabilidad al final del ejercicio. Con respecto a la pregunta 2: Alternativa 1:
Alternativa 2:
37
Por lo tanto se debe aceptar el descuento del 10%, ya que en caso de seleccionar la escala que brinda descuento del 11%, los sobre costos por manejo de inventarios son superiores a los beneficios que se obtendran con un menor valor de la compra. La pregunta 3, hace gala de un aforismo, que en ocasiones es valido: "no importa el precio sino el plazo"; para nuestro caso al cambiar radicalmente el costo de conservacin se debe recalcular todo el modelo con un costo de conservacin de $55.000, lo que nos dar los siguientes resultados:
En esta fase de ste problema en particular vemos como con un reduccin del costo de pedido, automticamente, podemos pedir con un descuento del 10% dadas las condiciones de negociacin planteadas, con lo que conseguira ahorros por una cantidad superior a los treinta millones de pesos con respecto a los resultados obtenidos en el modelo clsico, si vemos la segunda escala de descuentos obtenemos:
En este caso se debe aceptar la segunda escala de descuentos.
38
EL MUESTREO
Concepto El muestreo es una herramienta de la investigacin cientfica. Su funcin bsica es determinar que parte de una realidad en estudio (poblacin o universo) debe examinarse con la finalidad de hacer inferencias sobre dicha poblacin. El error que se comete debido a hecho de que se obtienen conclusiones sobre cierta realidad a partir de la observacin de slo una parte de ella, se denomina error de muestreo. Obtener una muestra adecuada significa lograr una versin simplificada de la poblacin, que reproduzca de algn modo sus rasgos bsicos.
Terminologa
Poblacin objeto: conjunto de individuos de los que se quiere obtener una informacin. Unidades de muestreo: nmero de elementos de la poblacin, no solapados, que se van a estudiar. Todo miembro de la poblacin pertenecer a una y slo una unidad de muestreo. Unidades de anlisis: objeto o individuo del que hay que obtener la informacin. Marco muestral: lista de unidades o elementos de muestreo. Muestra: conjunto de unidades o elementos de anlisis sacados del marco.
Distribucin en el muestreo:
Cuando el tamao de la muestra (n) es ms pequeo que el tamao de la poblacin (N), dos o ms muestras pueden ser extradas de la misma poblacin. Un cierto estadstico puede ser calculado para cada una de las muestras posibles extradas de la poblacin. Una distribucin del estadstico obtenida de las muestras es llamada la distribucin en el muestreo del estadstico. Por ejemplo, si la muestra es de tamao 2 y la poblacin de tamao 3 (elementos A, B, C), es posible extraer 3 muestras ( AB, BC Y AC) de la poblacin. Podemos calcular la media para cada muestra. Por lo tanto, tenemos 3 medias mustrales para las 3 muestras. Las 3 medias mustrales forman una distribucin. La distribucin de las medias es llamada la distribucin de las medias mustrales, o la distribucin en el muestreo de la media. De la misma manera, la distribucin de las proporciones (o porcentajes) obtenida de todas las muestras posibles del mismo tamao, extradas de una poblacin, es llamada la distribucin en el muestreo de la proporcin.
39
Error Estndar:
La desviacin estndar de una distribucin, en el muestreo de un estadstico, es frecuentemente llamada el error estndar del estadstico. Por ejemplo, la desviacin estndar de las medias de todas la muestras posibles del mismo tamao, extradas de una poblacin, es llamada el error estndar de la media. De la misma manera, la desviacin estndar de las proporciones de todas las muestras posibles del mismo tamao, extradas de una poblacin, es llamada el error estndar de la proporcin. La diferencia entre los trminos "desviacin estndar" y "error de estndar" es que la primera se refiere a los valores originales, mientras que la ltima est relacionada con valores calculados. Un estadstico es un valor calculado, obtenido con los elementos incluidos en una muestra.
Error muestral o error de muestreo

La diferencia entre el resultado obtenido de una muestra (un estadstico) y el resultado el cual deberamos haber obtenido de la poblacin (el parmetro correspondiente) se llama el error muestral o error de muestreo. Un error de muestreo usualmente ocurre cuando no se lleva a cabo la encuesta completa de la poblacin, sino que se toma una muestra para estimar las caractersticas de la poblacin. El error muestral es medido por el error estadstico, en trminos de probabilidad, bajo la curva normal. El resultado de la media indica la precisin de la estimacin de la poblacin basada en el estudio de la muestra. Mientras ms pequeo el error muestras, mayor es la precisin de la estimacin. Deber hacerse notar que los errores cometidos en una encuesta por muestreo, tales como respuestas inconsistentes, incompletas o no determinadas, no son considerados como errores mustrales. Los errores no mustrales pueden tambin ocurrir en una encuesta completa de la poblacin.
Mtodos de seleccin de muestras.

Una muestra debe ser representativa si va a ser usada para estimar las caractersticas de la poblacin. Los mtodos para seleccionar una muestra representativa son numerosos, dependiendo del tiempo, dinero y habilidad disponibles para tomar una muestra y la naturaleza de los elementos individuales de la poblacin. Por lo tanto, se requiere un gran volumen para incluir todos los tipos de mtodos de muestreo. Los mtodos de seleccin de muestras pueden ser clasificados de acuerdo a: 1. 2. El nmero de muestras tomadas de una poblacin dada para un estudio y La manera usada en seleccionar los elementos incluidos en la muestra. Los mtodos de muestreo basados en los dos tipos de clasificaciones son expuestos en seguida.
Mtodos de muestreo clasificados de acuerdo con el nmero de muestras tomadas de una poblacin. Bajo esta clasificacin, hay tres tipos comunes de mtodos de muestreo. Estos son, muestreo simple, doble y mltiple. Muestreo simple Este tipo de muestreo toma solamente una muestra de una poblacin dada para el propsito de inferencia estadstica. Puesto que solamente una muestra es tomada, el 40
tamao de muestra debe ser el suficientemente grande para extraer una conclusin. Una muestra grande muchas veces cuesta demasiado dinero y tiempo. Muestreo doble Bajo este tipo de muestreo, cuando el resultado del estudio de la primera muestra no es decisivo, una segunda muestra es extrada de la misma poblacin. Las dos muestras son combinadas para analizar los resultados. Este mtodo permite a una persona principiar con una muestra relativamente pequea para ahorrar costos y tiempo. Si la primera muestra arroja una resultado definitivo, la segunda muestra puede no necesitarse. Por ejemplo, al probar la calidad de un lote de productos manufacturados, si la primera muestra arroja una calidad muy alta, el lote es aceptado; si arroja una calidad muy pobre, el lote es rechazado. Solamente si la primera muestra arroja una calidad intermedia, ser requerir la segunda muestra. Un plan tpico de muestreo doble puede ser obtenido de la Military Standard Sampling Procedures and Tables for Inspection by Attributes, publicada por el Departamento de Defensa y tambin usado por muchas industrias privadas. Al probar la calidad de un lote consistente de 3,000 unidades manufacturadas, cuando el nmero de defectos encontrados en la primera muestra de 80 unidades es de 5 o menos, el lote es considerado bueno y es aceptado; si el nmero de defectos es 9 o ms, el lote es considerado pobre y es rechazado; si el nmero est entre 5 y 9, no puede llegarse a una decisin y una segunda muestra de 80 unidades es extrada del lote. Si el nmero de defectos en las dos muestras combinadas (incluyendo 80 + 80 = 160 unidades) es 12 o menos, el lote es aceptado si el nmero combinado es 13 o ms, el lote es rechazado. Muestreo mltiple El procedimiento bajo este mtodo es similar al expuesto en el muestreo doble, excepto que el nmero de muestras sucesivas requerido para llegar a una decisin es ms de dos muestras. Mtodos de muestreo clasificados de acuerdo con las maneras usadas en seleccionar los elementos de una muestra. Los elementos de una muestra pueden ser seleccionados de dos maneras diferentes: a. Basados en el juicio de una persona. b. Seleccin aleatoria (al azar) Muestreo de juicio Una muestra es llamada muestra de juicio cuando sus elementos son seleccionados mediante juicio personal. La persona que selecciona los elementos de la muestra, usualmente es un experto en la medida dada. Una muestra de juicio es llamada una muestra probabilstica, puesto que este mtodo est basado en los puntos de vista subjetivos de una persona y la teora de la probabilidad no puede ser empleada para medir el error de muestreo, Las principales ventajas de una muestra de juicio son la facilidad de obtenerla y que el costo usualmente es bajo.
41
UNASAM-FEC Escuela Acadmico Profesional de Contabilidad Muestreo Aleatorio
Una muestra se dice que es extrada al azar cuando la manera de seleccin es tal, que cada elemento de la poblacin tiene igual oportunidad de ser seleccionado. Una muestra aleatoria es tambin llamada una muestra probabilstica son generalmente preferidas por los estadsticos porque la seleccin de las muestras es objetiva y el error muestral puede ser medido en trminos de probabilidad bajo la curva normal. Los tipos comunes de muestreo aleatorio son el muestreo aleatorio simple, muestreo sistemtico, muestreo estratificado y muestreo de conglomerados. A. Muestreo aleatorio simple Una muestra aleatoria simple es seleccionada de tal manera que cada muestra posible del mismo tamao tiene igual probabilidad de ser seleccionada de la poblacin. Para obtener una muestra aleatoria simple, cada elemento en la poblacin tenga la misma probabilidad de ser seleccionado, el plan de muestreo puede no conducir a una muestra aleatoria simple. Por conveniencia, este mtodo pude ser reemplazado por una tabla de nmeros aleatorios. Cuando una poblacin es infinita, es obvio que la tarea de numerar cada elemento de la poblacin es infinita, es obvio que la tarea de numerar cada elemento de la poblacin es imposible. Por lo tanto, ciertas modificaciones del muestreo aleatorio simple son necesarias. Los tipos ms comunes de muestreo aleatorio modificado son sistemticos, estratificados y de conglomerados. B. Muestreo sistemtico. Una muestra sistemtica es obtenida cuando los elementos son seleccionados en una manera ordenada. La manera de la seleccin depende del nmero de elementos incluidos en la poblacin y el tamao de la muestra. El nmero de elementos en la poblacin es, primero, dividido por el nmero deseado en la muestra. El cociente indicar si cada dcimo, cada onceavo, o cada centsimo elemento en la poblacin van a ser seleccionado. El primer elemento de la muestra es seleccionado al azar. Por lo tanto, una muestra sistemtica puede dar la misma precisin de estimacin acerca de la poblacin, que una muestra aleatoria simple cuando los elementos en la poblacin estn ordenados al azar. C. Muestreo Estratificado Para obtener una muestra aleatoria estratificada, primero se divide la poblacin en grupos, llamados estratos, que son ms homogneos que la poblacin como un todo. Los elementos de la muestra son entonces seleccionados al azar o por un mtodo sistemtico de cada estrato. Las estimaciones de la poblacin, basadas en la muestra estratificada, usualmente tienen mayor precisin (o menor error muestral) que si la poblacin entera muestreada mediante muestreo aleatorio simple. El nmero de elementos seleccionado de cada estrato puede ser proporcional o desproporcional al tamao del estrato en relacin con la poblacin. D. Muestreo de conglomerados. Para obtener una muestra de conglomerados, primero dividir la poblacin en grupos que son convenientes para el muestreo. En seguida, seleccionar una porcin de los 42
grupos al azar o por un mtodo sistemtico. Finalmente, tomar todos los elementos o parte de ellos al azar o por un mtodo sistemtico de los grupos seleccionados para obtener una muestra. Bajo este mtodo, aunque no todos los grupos son muestreados, cada grupo tiene una igual probabilidad de ser seleccionado. Por lo tanto la muestra es aleatoria. Una muestra de conglomerados, usualmente produce un mayor error muestral (por lo tanto, da menor precisin de las estimaciones acerca de la poblacin) que una muestra aleatoria simple del mismo tamao. Los elementos individuales dentro de cada "conglomerado" tienden usualmente a ser iguales. Por ejemplo la gente rica puede vivir en el mismo barrio, mientras que la gente pobre puede vivir en otra rea. No todas las reas son muestreadas en un muestreo de reas. La variacin entre los elementos obtenidos de las reas seleccionadas es, por lo tanto, frecuentemente mayor que la obtenida si la poblacin entera es muestreada mediante muestreo aleatorio simple. Esta debilidad puede reducida cuando se incrementa el tamao de la muestra de rea. El incremento del tamao de la muestra puede fcilmente ser hecho en muestra de rea. Los entrevistadores no tienen que caminar demasiado lejos en una pequea rea para entrevistar ms familias. Por lo tanto, una muestra grande de rea puede ser obtenida dentro de un corto perodo de tiempo y a bajo costo. Por otra parte, una muestra de conglomerados puede producir la misma precisin en la estimacin que una muestra aleatoria simple, si la variacin de los elementos individuales dentro de cada conglomerado es tan grande como la de la poblacin.
APLICACIN DEL MUESTREO ESTADSTICO A LAS PRUEBAS DE CONTROLES

Las pruebas de controles constituyen un componente importante del trabajo de campo del auditor. Las mismas son comprobaciones que este realiza para asegurarse de que determinados controles estn funcionando correctamente. El objetivo de una prueba de controles ser obtener un grado de certeza razonable de la eficacia de los controles, y de que la proporcin de errores en su funcionamiento no excede determinado nivel mximo aceptable. De esta forma se puede lograr una evaluacin de la eficacia de las actividades de control vigentes. Recientemente las pruebas de controles han adquirido una consideracin especial en las empresas alcanzadas por la ley Sarbanes-Oxley. Estas empresas, como as tambin sus auditores externos, deben realizar en forma sistemtica numerosas pruebas de controles a fin de poder certificar la eficacia del control interno con relacin a los informes financieros. El presente trabajo describe brevemente la aplicacin del muestreo estadstico a las pruebas de controles. Sin pretender suplantar a un tratado de estadstica, se intenta 43
proporcionar un enfoque prctico que sirva de gua para el auditor que quiera utilizar esta herramienta de anlisis.
Aplicacin Las pruebas de controles encuentran aplicacin en todos los ciclos de un negocio. Por ejemplo:
Compras: Concordancia entre orden de compra, remito y factura; que se haya seleccionado la mejor cotizacin; que se haya facturado el precio correcto; que se apliquen los descuentos pactados.
Pagos: Que est debidamente aprobado el pago, que haya comprobantes que justifiquen el desembolso, que se haya pagado el importe correcto, que est bien registrado el pago.
Ventas: Que se facture con los precios correctos, exactitud de los clculos, correcta aplicacin del IVA, aprobacin del crdito.
Cobranzas: Cumplimiento de plazos, aplicacin de descuentos, contabilizacin correcta.
Sistemas: Que las modificaciones de programas estn autorizadas, cumplimiento de normas de codificacin, correspondencia entre programas fuentes y objetos.
Personal: Autorizacin de las horas extras, das de licencia correctos.
Ser conveniente utilizar muestreo especialmente en aquellas situaciones en que la comprobacin de la totalidad de las transacciones sea prcticamente imposible o significativamente costosa. Tal sera el caso del anlisis de una poblacin muy numerosa en que se requiera la manipulacin de documentacin en papel. Pero cuando los elementos a analizar estn totalmente contenidos en registros de bases de datos o almacenados en algn tipo de archivo de computadora, muchas veces ser preferible hacer una revisin integral utilizando software de auditora o mediante herramientas de consulta de base de datos.
Muestreo El muestreo de auditora consiste en aplicar pruebas de auditora a menos de la totalidad de un conjunto de transacciones o saldos contables, a fin de sacar conclusiones sobre todo el conjunto. 44
Al aplicar las pruebas a cada transaccin de la muestra, se podr comprobar si esta cumple con ciertos requisitos preestablecidos. En caso de que no cumpla estaremos ante un error o desviacin, y tratndose de una prueba de controles se estara ante la evidencia de que el control bajo anlisis no funcion correctamente en ese caso particular. Dado que las desviaciones se proyectan a la totalidad de la poblacin de acuerdo a los resultados de las pruebas sobre las transacciones de la muestra, es deseable que una muestra extrada sea representativa de la poblacin total. Las muestras
representativas permitirn hacer estimaciones sobre la poblacin ms aproximadas a la realidad.
Tipos de muestreos Entre los tipos de muestreos se distinguen el muestreo de atributos y el muestreo de variables. El muestreo de atributos permite estimar qu porcentaje de una poblacin contiene desviaciones. El muestreo de variables, por su parte, tratara de evaluar la magnitud de dichas desviaciones. El tipo de muestreo que aplicaremos a las pruebas de controles es el muestreo de atributos con tamao de muestra fijo. Otras tcnicas de muestreo de atributos que no se desarrollan en el presente trabajo son el muestreo secuencial y el muestreo de descubrimiento, que se pueden aplicar cuando se presume que la cantidad de errores en una poblacin es muy bajo o nulo.
Muestreo estadstico El muestreo estadstico es aquel que utiliza tcnicas que permiten hacer estimaciones sobre una poblacin aplicando las leyes de la estadstica. Las aplicaciones de muestreo estadstico deben cumplir los siguientes requisitos:

El tamao de la muestra debe calcularse utilizando tcnicas estadsticas. La seleccin de la muestra debe hacerse en forma aleatoria. La estimacin de las caractersticas de la poblacin debe hacerse de acuerdo a las leyes de la estadstica.
45
Una aplicacin de muestreo que no cumpla con alguno de estos tres requisitos se considera muestreo no estadstico. El muestreo estadstico posee algunas ventajas con respecto al muestreo no estadstico, entre ellas las siguientes:
Permite seleccionar de antemano el nivel de confianza de la prueba, es decir la probabilidad de que las conclusiones obtenidas del muestreo sean correctas.
La seleccin aleatoria impide que los prejuicios o preferencias del auditor favorezcan la seleccin de algunos elementos de la poblacin en desmedro de otros.
Permite limitar el tamao de la muestra al mnimo necesario, evitando realizar pruebas de auditora sobre una cantidad mayor de elementos.
Los resultados de la prueba se expresan matemticamente en trminos precisos, permitiendo elaborar recomendaciones sobre una base ms objetiva.
Permite hacer ms defendibles las conclusiones de la prueba.
No constituye una ventaja del muestreo estadstico garantizar la obtencin de una muestra representativa de la poblacin, ya que la incertidumbre respecto de la representatividad de la muestra es una caracterstica inherente al muestreo. Pero, segn se menciona ms arriba, el muestreo estadstico permite cuantificar dicha incertidumbre, seleccionando el nivel de confianza deseado. A pesar de las ventajas enumeradas no debemos concluir que el muestreo no estadstico es necesariamente malo. El muestreo no estadstico tambin tiene sus ventajas, ya que suele ser ms sencillo de aplicar y requiere menos entrenamiento. De hecho, hay empresas que han adoptado modelos de muestreo no estadstico para la evaluacin obligatoria de su control interno.
Pasos a seguir en una prueba de controles A continuacin se describe un procedimiento de prueba de controles mediante la aplicacin de muestreo estadstico. Cada paso se acompaa de un ejemplo a fin de que sirva de referencia para su aplicacin a situaciones semejantes. 1. Establecer el objetivo de la prueba Las pruebas que nos interesa considerar en este momento son aquellas que apuntan a establecer el grado de cumplimiento de determinados objetivos de control asociados 46
a un procedimiento bajo anlisis. A su vez, el objetivo de la prueba deber ser acorde con los objetivos de auditora del proyecto de auditora para el que se est trabajando. Ejemplo: Haciendo la auditora del circuito de pagos de una empresa comercial, tenemos como objetivo de auditora verificar que los pagos realizados a proveedores de mercadera estn debidamente justificados y autorizados. Dentro del trabajo de campo podemos disear una prueba cuyo objetivo sea comprobar que los pagos a proveedores del segundo semestre del ao anterior estn respaldados por rdenes de pago, y estas acompaadas por el comprobante de recepcin de la mercadera y por la factura conformada por un funcionario autorizado de Compras. Adems en la orden de pago debern estar las firmas del responsable de Cuentas a Pagar y del Tesorero. Se puede apreciar que para establecer los objetivos de la prueba ser de gran utilidad tener claramente identificados los objetivos de control que muchas veces estarn implcitos en las normas de procedimiento del circuito bajo revisin. 2. Seleccionar la tcnica de anlisis ms apropiada para el objetivo deseado Por razones de extensin, nos limitaremos a considerar el caso en que sea de aplicacin el muestreo de atributos con tamao de muestra fijo. Esta tcnica ser la conveniente cuando se den las siguientes condiciones:
Nos interesa estimar la proporcin o bien la cantidad de desviaciones o errores en la aplicacin de determinados controles.
La cantidad de transacciones es lo suficientemente grande como para que no resulte prctico o econmico hacer un anlisis integral de las mismas.
No se dispone de una base de datos ni archivo de computadora en los que se encuentren todos los elementos a verificar. (En realidad la falta de este requisito no invalida la prueba, pero si mediante software de anlisis de datos se puede hacer fcilmente una verificacin de la totalidad de las transacciones, el resultado final ser ms exacto que una estimacin hecha mediante muestreo)
Aplicando este criterio a nuestro ejemplo, resulta:
Queremos estimar la proporcin de pagos que no estn debidamente justificados y autorizados.
Durante el segundo semestre del ao anterior se realizaron alrededor de 3000 pagos a proveedores de mercaderas.
47
La verificacin de cada pago requiere la bsqueda de la documentacin, que se encuentra archivada entre los comprobantes de egreso de caja del da de pago, junto a comprobantes de otros tipos de egresos. Existe un sistema de computacin con el que se procesan las transacciones de compras y pagos, pero la evidencia de las debidas autorizaciones firmas y sellos no se encuentra en el sistema sino en la documentacin en papel.
Por consiguiente, de acuerdo a las condiciones enunciadas ms arriba, el muestreo de atributos sera una tcnica apropiada para el objetivo de la prueba. (Pero si el objetivo de nuestra prueba fuera estimar el monto de los pagos no autorizados realizados durante el semestre, en lugar de muestreo de atributos deberamos aplicar muestreo de variables.) Nota: Los pasos que siguen a continuacin asumen que se est llevando a cabo una aplicacin de muestreo de atributos, y por consiguiente no son necesariamente vlidos para muestreo de variables u otro tipo de pruebas. 3. Definir la poblacin a analizar La poblacin en una prueba de controles estar constituida por el conjunto de transacciones que son relevantes para nuestra prueba. Pero las transacciones en s mismas son acciones pasadas y no objetos de existencia visible. Por lo tanto deberemos identificar una evidencia fsica concreta que tenga una correspondencia biunvoca con cada transaccin producida. La poblacin debe abarcar todas las transacciones relevantes para nuestra prueba, y nada ms que ellas. La definicin de la poblacin debe hacerse en trminos muy precisos, que no den lugar a ambigedades, es decir que no quepan dudas sobre si una transaccin determinada forma parte o no de la poblacin a analizar. Tampoco debe ocurrir que una misma transaccin pueda ser contada ms de una vez. Al definir la poblacin para una prueba de muestreo no necesariamente tendremos que referirnos estrictamente a conjuntos de objetos ya armados o naturalmente agrupados, sino que inventaremos la poblacin conforme a nuestra conveniencia. En este sentido la poblacin es un conjunto de existencia virtual, un agrupamiento mental, ideado por el auditor de acuerdo a su necesidad y al solo efecto de llevar a cabo una aplicacin de muestreo especfica.
48
A efectos de poder aplicar muestreo estadstico, un requisito adicional para la poblacin es que debemos poder conocer la cantidad de transacciones que la componen, y poder identificar cada una de ellas en forma precisa. Ms adelante volveremos sobre este punto, al tratar sobre la seleccin de la muestra. Continuando con el ejemplo anterior, nuestra poblacin estar conceptualmente constituida por los pagos realizados a proveedores de mercaderas durante el segundo semestre del ao anterior. A los fines prcticos tendremos que elegir un elemento fsico asociado a cada pago realizado, como podra ser una orden de pago. De esta forma, podramos definir nuestra poblacin a analizar como el conjunto de rdenes de pago con fecha de emisin entre el 1 de julio y el 31 de diciembre del ao pasado, correspondientes a cuentas de proveedores de mercaderas. Ahora bien, si suponemos que podran haberse realizado pagos sin la correspondiente orden de pago, nuestra definicin de poblacin estara excluyendo transacciones que no cumplen con las normas de autorizacin establecida. En tal caso quizs sera preferible definir la poblacin a analizar sobre la base de los movimientos de egresos de caja. Por ejemplo podemos definir la poblacin como el conjunto de transacciones del archivo histrico de movimientos de caja con cdigo de movimiento de egreso, tipo de cuenta de proveedor de mercadera, y fecha de pago comprendida entre el 1 de julio y el 31 de diciembre del ao pasado. Aun cuando las pruebas de auditora en muchos casos requerirn revisar la documentacin en papel, puede ser de gran utilidad contar con un archivo en computadora en el cual estn contenidos registros correspondientes a cada una de las transacciones de la poblacin, ya que puede servir como base para la seleccin de los elementos de la muestra. 4. Definir las pruebas a realizar sobre cada elemento de la muestra De cada elemento que componga la muestra al auditor le interesar identificar aquellas cualidades que sirvan como evidencia de la correcta ejecucin o no del control cuyo cumplimiento se est evaluando. Esto implicar realizar pruebas tomando uno o ms atributos relevantes para nuestro estudio, y que sea factible obtener de los registros o documentacin disponibles para analizar. Adems, debern ser caractersticas presentes en todos los elementos de la poblacin. Si esto no se cumple, ser necesario rever la definicin que se haya hecho de la poblacin a analizar. 49
Por ejemplo, para verificar la correcta autorizacin de un pago de mercaderas, podemos definir las siguientes pruebas: si existe el comprobante de recepcin de mercaderas, coincidencia de las especies y cantidades recibidas con las facturadas, factura conformada por el responsable de compras, orden de pago firmada por el responsable de cuentas a pagar y por el tesorero. 5. Definir los criterios para identificar desviaciones El auditor tendr que definir con precisin qu condiciones deben cumplir los resultados de las pruebas sobre los elementos de la muestra para que se considere que se produce una desviacin o error en el funcionamiento del control que se est probando. El criterio definido, aplicado a cada transaccin de la poblacin, debera permitir clasificar dichas transacciones en dos categoras: las que cumplen y las que no cumplen con el control, no dejando lugar para situaciones dudosas, ambigedades, o casos no previstos. Aquellas transacciones de la poblacin que de acuerdo con estos criterios no cumplan con el control, sern las que constituyan las desviaciones o errores. Por ejemplo, en los pagos de mercaderas podemos definir como criterio para identificar una desviacin lo siguiente: Se considera que se produce un desviacin en el control de autorizacin de pagos de mercaderas si ocurre una o ms de las siguientes condiciones: 1. Falta el comprobante de recepcin de mercaderas; 2. La factura no est conformada por el responsable de compras; 3. Falta la orden de pago autorizada por cuentas a pagar; 4. La orden de pago no tiene la firma y el sello del tesorero. 6. Evaluar la tasa esperada de errores de la poblacin El auditor deber hacer una estimacin preliminar del porcentaje de desviaciones existentes en la poblacin. Esta estimacin surgir del conocimiento previo que el auditor tenga de la poblacin bajo estudio, de los resultados de auditoras realizadas anteriormente, y de la propia experiencia del auditor ante casos similares. Particularmente habr que tener en cuenta si hubo cambios recientes en el proceso, ya que tales cambios, sobre todo si son significativos, podran estar afectando negativamente el funcionamiento de los controles involucrados. En caso de que el auditor no disponga de elementos para evaluar de la tasa esperada de errores, podr obtenerla mediante una muestra de 25 30 elementos, 50
seleccionados en forma aleatoria segn se explica ms abajo. Sobre la muestra seleccionada se aplican las pruebas de auditora previstas y, mediante los criterios definidos para identificar desviaciones, se calcula la cantidad de errores de la muestra. Por ltimo, se calcula la tasa esperada de errores como la cantidad de errores observados dividido por el tamao de la muestra. Multiplicando este resultado por 100 se obtiene la expresin porcentual de la tasa esperada de desviaciones o errores. El porcentaje esperado de errores incidir en el tamao de la muestra. Un porcentaje esperado de errores ms alto manteniendo las dems condiciones constantes requerir un tamao de muestra mayor, y viceversa. La tasa esperada de errores habitualmente no exceder del 3 por ciento. Supongamos que queremos evaluar el porcentaje esperado de desviaciones en los controles de pagos de mercaderas, y que en la misma prueba de controles realizada el ao anterior se lleg a la conclusin de que los desviaciones estaban alrededor del 3 por ciento, no habiendo razones para suponer que pudiera haber variado en forma significativa. Sobre esta base podemos fijar una tasa esperada de errores del 3 por ciento. Pero si no tenemos datos que nos permiten estimar la tasa de errores esperada, extraemos una muestra de 30 pagos de mercadera. Si aplicando las pruebas previstas encontramos 1 desviacin, calculamos la tasa esperada de errores = 1 30 100 = 3 por ciento. 7. Definir la tasa aceptable de errores La tasa aceptable de errores es una medida de la importancia de los desviaciones expresada en porcentaje. Un porcentaje de errores en la poblacin por debajo de dicho valor se considera aceptable. Pero, si se comprueba un porcentaje de errores superior a la tasa establecida, se estar ante un nivel de desviaciones significativo, el que requerir un anlisis ms detallado a fin de identificar sus causas. La tasa aceptable de errores ser ms baja para controles que puedan ser considerados crticos en funcin del riesgo que tienen involucrado. Manteniendo las dems condiciones sin cambios, una menor tasa aceptable de errores requerir un mayor tamao de muestra. Para el ejemplo que venimos desarrollando definiremos una tasa aceptable de errores del 8 por ciento. Esto quiere decir que un porcentaje de pagos no autorizados por encima de dicha tasa sera considerado un error significativo.
51
UNASAM-FEC Escuela Acadmico Profesional de Contabilidad 8. Seleccionar el nivel de confianza
En una prueba de muestreo de atributos se selecciona un conjunto de transacciones de una poblacin, se analiza la proporcin de errores en dichas transacciones, y se proyectan los resultados a la totalidad de las transacciones. Esto implica suponer que la proporcin de errores en la muestra es aproximadamente igual a la proporcin de errores en la poblacin. Pero debido a la aleatoriedad en la seleccin de la muestra siempre existe la posibilidad de que el verdadero nivel de errores en la poblacin est por encima de lo que indica la muestra. A esta limitacin inherente a las tcnicas del muestreo se la llama error de muestreo. Esto significa que, por ms cuidado que pongamos en aplicar los procedimientos correctos de muestreo, nunca tendremos la certeza de que el verdadero nivel de errores en la poblacin se encuentre dentro de lmites aceptables. El nivel de confianza es una medida de la fiabilidad de los resultados de una aplicacin de muestreo. En una prueba de muestreo de atributos, el nivel de confianza es la probabilidad, expresada en porcentaje, de que el verdadero nivel de errores en la poblacin se encuentre por debajo del valor evaluado a partir de la muestra. El valor recproco del nivel de confianza es una medida del error de muestreo probable, y equivale al riesgo de evaluar demasiado bajo el riesgo de control. El nivel de confianza lo define el auditor segn su criterio. Un nivel de confianza alto requerir seleccionar una muestra ms numerosa que un nivel de confianza menor. Los valores que se suelen utilizar para el nivel de confianza van del 80 al 95 por ciento. Por encima de este ltimo valor el tamao de la muestra requerida tiende a hacerse muy grande a medida que nos aproximamos a 100, ocasionando que la prueba se torne relativamente costosa o prcticamente irrealizable. Por otra parte, a los fines prcticos, si vamos a utilizar tablas para determinar el tamao de la muestra, nos convendr seleccionar un valor de nivel de confianza que se encuentre en las tablas disponibles. En nuestro ejemplo seleccionaremos un nivel de confianza del 90 por ciento, que equivale a asumir un riesgo del 10 por ciento de evaluar demasiado bajo el riesgo de control.
52
UNASAM-FEC Escuela Acadmico Profesional de Contabilidad 9. Determinar el tamao de la muestra
Una vez definidos el nivel de confianza, la tasa aceptable de errores y la tasa esperada de errores de la poblacin, estamos en condiciones de determinar el tamao de la muestra. Para ello podemos utilizar la tabla de la Figura 1. Seleccionando la fila correspondiente al nivel de confianza deseado y la tasa esperada de errores, buscamos la interseccin con la columna correspondiente a la tasa aceptable de desviaciones. El nmero obtenido es el tamao de la muestra. Si el tamao de muestra obtenido resultar tan alto que fuese impracticable realizar pruebas de auditora sobre esa cantidad de elementos, quizs convenga rever los pasos anteriores, y considerar la conveniencia de conformarse con un nivel de confianza ms bajo. Figura 1: Muestreo de atributos Tabla para determinar el tamao de la muestra.
Tasa Nivel de esperada confianza de errores 0% 1% 2% 3% 4% 5% 6% 7% 8% 9% 10% 0% 1% 2% 3% 4% 5% 6% 7% 8% 9% 10% 230 114 76 176 57 96 198 45 77 132 258 38 64 88 153 294 32 55 75 94 149 28 48 48 82 98 160 25 42 42 58 87 115 195 22 38 38 52 65 78 128 199 19 31 31 43 43 54 76 96 146 241 24 38 38 51 63 74 96 138 199 15 25 25 25 34 34 43 52 60 93 100 19 30 30 30 40 40 50 68 93 110 150 11 18 18 18 18 18 25 32 32 32 38 14 22 22 22 22 30 30 37 44 44 50 1% 2% 3% 4% 5% 6% 7% 8% 9% 10% 12% 15% 20% Tasa aceptable de desviaciones
90%
299
149
99 257
74 156 294
59 93 181
49 78 127 195
42 66 88 129 239
95%
36 58 77 95 146 240
32 51 68 84 100 158 279
29 46 46 76 89 116 179 298
Con los datos de nuestro ejemplo: nivel de confianza del 90 por ciento, tasa esperada de desviaciones del 3 por ciento, y una tasa aceptable de desviaciones del 8 por ciento, accedemos a la tabla y obtenemos un tamao de muestra de 82.
53
Nota: Una alternativa al uso de tablas estadsticas son los programas de software para muestreo, que permiten calcular el tamao de la muestra y posteriormente evaluar los resultados. 10. Extraer la muestra Una vez determinado el tamao de la muestra, el siguiente paso es seleccionar en forma aleatoria un conjunto de elementos de la poblacin en cantidad igual a dicho tamao. Hay diferentes tcnicas posibles para la seleccin aleatoria de los elementos que integrarn la muestra. Un punto esencial en las aplicaciones de muestreo estadstico es que todos los elementos de la poblacin tengan igual probabilidad de ser seleccionados. En primer lugar habr que asociar un nmero diferente a cada elemento de la muestra, de manera que permita identificarlo biunvocamente. Es posible que las transacciones ya estn identificadas por un nmero. Si bien no es imprescindible, por razones prcticas nos convendr que las transacciones estn numeradas en forma correlativa a partir de 1. Si los elementos de la poblacin no estn ya numerados de la forma conveniente, le asignaremos un nmero correlativo a cada elemento (1, 2, 3, etc.). Esta tarea se puede hacer basndose en un listado de transacciones, o bien con un archivo de computadora que contenga un registro por cada transaccin y al que podamos acceder por nmero relativo de registro. A continuacin, con la ayuda de una tabla de nmeros al azar extraeremos nmeros con una cantidad de dgitos acorde con la cantidad de elementos de la poblacin. A medida que obtengamos nuevos nmeros iremos descartando aquellos que estn fuera del rango de nmeros asociados a los elementos de la poblacin. Adems, descartaremos eventuales repeticiones de nmeros que pudieran producirse. Este proceso continuar hasta haber obtenido una cantidad de nmeros aleatorios igual al tamao de la muestra. Una vez obtenidos los nmeros de elementos de la poblacin, nuestra muestra estar formada por los elementos de la poblacin asociados a cada uno de los nmeros. En los papeles de trabajo habr que dejar detalladamente documentado el mtodo utilizado para la seleccin de la muestra. Por ejemplo, supongamos que tenemos que extraer una muestra de 82 elementos, de una poblacin representada por un listado impreso de transacciones numeradas correlativamente de 1 a 2844. En las tablas de nmeros al azar los nmeros suelen estar dispuestos en columnas de cuatro o cinco dgitos de ancho. Elegimos una pgina en la tabla de nmeros al azar, dentro de la pgina seleccionamos una columna, y 54
dentro de la columna marcaremos un punto de arranque que no necesariamente ser el de ms arriba. Como de acuerdo al tamao de nuestra poblacin nos interesa obtener nmeros de 4 dgitos, descartaremos los dgitos excedentes si los hubiere. A partir del punto de arranque y avanzando hacia abajo en la columna iremos seleccionando y contando cada grupo de 4 dgitos que estn comprendido entre 0001 y 2844. Tacharemos los nmeros que estn fuera de dicho rango. Cuando hayamos alcanzado la cantidad de 82 nmeros dentro del rango deseado, daremos por terminada la seleccin. Luego sealaremos en el listado de transacciones las 82 correspondientes a los nmeros obtenidos. En los papeles de trabajo incluiremos una referencia a la pgina de la tabla de nmeros al azar, mencionando el criterio utilizado para seleccionar la pgina y el punto de arranque. Si no hay limitaciones de Copyright que lo impidan podremos fotocopiar la pgina utilizada de la tabla de nmeros al azar, con nuestras anotaciones. Adems guardaremos el listado de transacciones que sirvi de base para la extraccin de la muestra. 11. Aplicar procedimientos de auditora sobre las transacciones de la muestra Por cada elemento de la muestra obtenida habr que acceder a la documentacin correspondiente a la transaccin, y sobre cada una de ellas se aplicarn las pruebas de auditora que permitan, de acuerdo a los criterios previamente definidos, identificar la existencia de desviaciones en el funcionamiento de los controles. Se deber documentar el resultado de las pruebas realizadas sobre cada una de las transacciones de la muestra, tomando nota de todas las irregularidades detectadas. 12. Determinar la cantidad de desviaciones En base a los procedimientos de auditora realizados sobre las transacciones de la muestra, habr que calcular la cantidad de transacciones en las cuales se hayan detectado desviaciones en el funcionamiento de los controles segn los criterios establecidos. En nuestro ejemplo, supongamos que entre los 82 pagos de la muestra encontramos dos con la orden de pago sin firma, uno de los cuales carece adems del comprobante de recepcin de la mercadera. Hay tambin un pago con la factura sin conformar. Esto totaliza un error de 3 errores o desviaciones en la muestra. (Si bien el total de irregularidades observadas es de 4, son 3 los pagos con errores, y un mismo pago no debera contarse ms de una vez.) 55
UNASAM-FEC Escuela Acadmico Profesional de Contabilidad 13. Evaluar la suficiencia de la muestra obtenida
A fin de evaluar la suficiencia de la muestra, habr que aplicar la tasa esperada de desviaciones de la poblacin al tamao de la muestra. Si el resultado no es entero, se llevar al nmero entero inmediato superior. El valor obtenido es la cantidad mxima de desviaciones que puede tener la muestra para ser considerada suficiente para el trabajo realizado. Pero si la cantidad de desviaciones encontradas en la muestra superan dicho lmite, ser necesario rever la evaluacin del riesgo de control planificada, dado que sera un indicio de que la estimacin de errores en la poblacin es incorrecta. En el ejemplo que venimos desarrollando, el tamao de muestra es 82 y la tasa esperada de desviaciones es del 8 por ciento. Calculamos la cantidad mxima aceptable de desviaciones en la muestra = 82 x 8% = 6.56 7. Como el nmero de desviaciones 2 es inferior a 7, no hay inconveniente en seguir adelante con la prueba. 14. Estimar el total de errores de la poblacin La estimacin de errores de la poblacin se puede hacer con la ayuda de tablas En la tabla de la Figura 2, para el nivel de confianza seleccionado se busca la interseccin de la fila correspondiente al tamao de muestra con la columna correspondiente a la cantidad de desviaciones halladas. Se obtiene, expresado en porcentaje, el lmite de precisin superior logrado para la poblacin. (Aplicando dicho porcentaje al tamao de la poblacin, es decir la cantidad total de transacciones, obtendramos una estimacin de la cantidad mxima de desviaciones correspondiente al nivel de confianza escogido.) Si el valor extrado de la tabla es menor o igual que la tasa mxima aceptable de desviaciones, concluiremos que para el nivel de confianza seleccionado la tasa de errores de la poblacin no supera el mximo tolerable. Por ejemplo, si nuestro nivel de confianza es 90, el tamao de muestra es 82, y al aplicar las pruebas de auditora previstas a las 82 transacciones se detectaron 2 desviaciones, entramos con estos valores en la tabla de la Figura 2. Dado que la tabla prev tamaos de muestra de 80 y de 85 pero no de 82, haremos una interpolacin lineal. El lmite de precisin superior para un tamao de muestra de 80 es de 6,7%, y para una muestra de 85 es de 6,3%. El valor para 82 ser aproximadamente: 6,7% + (6,3% 6,7%) x (82 80) / (85 80) = 6,5%. Como nuestra tasa mxima aceptable era del 8 por ciento, siendo 6,3 < 8, la evaluacin hecha para la poblacin est dentro 56
de los valores admisibles. Podemos expresar los resultados en los siguientes trminos: Existe un 90 por ciento de probabilidad de que la cantidad de pagos que no estn debidamente autorizados o justificados no supere el 8 por ciento. En otras palabras, hay un 10 por ciento de probabilidad de que la tasa de errores supere el mximo tolerable del 8 por ciento. Este 10 por ciento es el riesgo de evaluar demasiado bajo el riesgo de control.
57
Figura 2: Muestreo de atributos Tabla de evaluacin de resultados

Nivel de confianza: 90%
Tamao Cantidad de desviaciones halladas de muestra 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 9.2 15.6 21.3 26.8 32.0 37.1 42.2 26 8.9 15.0 20.5 25.7 30.8 35.7 40.5 27 8.6 14.4 19.7 24.8 29.6 34.4 39.0 28 8.3 13.9 19.0 23.9 28.6 33.1 37.6 42.1 29 8.0 13.4 18.4 23.1 27.6 32.0 36.3 40.6 30 7.7 13.0 17.8 22.3 26.7 30.9 35.1 39.3 31 7.5 12.6 17.2 21.6 25.8 29.9 34.0 38.0 32 7.2 12.2 16.7 20.9 25.0 29.0 32.9 36.8 40.6 33 7.0 11.8 16.2 20.3 24.2 28.1 31.9 35.7 39.4 34 6.8 11.4 15.7 19.7 23.5 27.3 31.0 34.7 38.2 35 6.6 11.1 15.2 19.1 22.9 26.5 30.1 33.7 37.1 36 6.4 10.8 14.8 18.6 22.2 25.8 29.3 32.7 36.1 39.5 37 6.2 10.5 14.4 18.1 21.6 25.1 28.5 31.8 35.1 38.4 38 6.1 10.2 14.0 17.6 21.1 24.4 27.7 31.0 34.2 37.4 39 5.9 10.0 13.7 17.2 20.5 23.8 27.0 30.2 33.3 36.4 40 5.8 9.7 13.3 16.7 20.0 23.2 26.4 29.5 32.5 35.5 38.5 41 5.6 9.5 13.0 16.3 19.5 22.6 25.7 28.7 31.7 34.7 37.6 42 5.5 9.3 12.7 15.9 19.1 22.1 25.1 28.1 31.0 33.8 36.7 43 5.4 9.1 12.4 15.6 18.6 21.6 24.5 27.4 30.2 33.1 35.8 44 5.3 8.8 12.1 15.2 18.2 21.1 24.0 26.8 29.6 32.3 35.0 37.7 45 5.1 8.6 11.8 14.9 17.8 20.6 23.4 26.2 28.9 31.6 34.2 36.9 46 5.0 8.5 11.6 14.5 17.4 20.2 22.9 25.6 28.3 30.9 33.5 36.1 47 4.9 8.3 11.3 14.2 17.0 19.7 22.4 25.1 27.7 30.2 32.8 35.3 48 4.8 8.1 11.1 13.9 16.7 19.3 22.0 24.5 27.1 29.6 32.1 34.6 37.1 49 4.7 7.9 10.9 13.7 16.3 18.9 21.5 24.0 26.5 29.0 31.5 33.9 36.3 50 4.6 7.8 10.7 13.4 16.0 18.6 21.1 23.6 26.0 28.4 30.8 33.2 35.6 55 4.2 7.1 9.7 12.2 14.6 16.9 19.2 21.4 23.6 25.8 28.0 30.2 32.4 34.5 60 3.9 6.5 8.9 11.2 13.3 15.5 17.6 19.6 21.7 23.7 25.7 27.7 29.7 31.6 33.6 35.5 65 3.6 6.0 8.2 10.3 12.3 14.3 16.2 18.1 20.0 21.9 23.7 25.5 27.4 29.2 31.0 32.8 34.6 70 3.3 5.6 7.6 9.6 11.4 13.3 15.1 16.8 18.6 20.3 22.0 23.7 25.4 27.1 28.8 30.4 32.1 33.7 75 3.1 5.2 7.1 8.9 10.7 12.4 14.1 15.7 17.3 19.0 20.6 22.1 23.7 25.3 26.8 28.4 30.0 31.5 33.0 80 2.9 4.9 6.7 8.4 10.0 11.6 13.2 14.7 16.3 17.8 19.3 20.8 22.2 23.7 25.2 26.6 28.1 29.5 31.0 32.4 33.8 85 2.7 4.6 6.3 7.9 9.4 10.9 12.4 13.9 15.3 16.7 18.1 19.5 20.9 22.3 23.7 25.1 26.4 27.8 29.1 30.5 31.8 33.2 90 2.6 4.3 5.9 7.4 8.9 10.3 11.7 13.1 14.4 15.8 17.1 18.4 19.8 21.1 22.4 23.7 25.0 26.2 27.5 28.8 30.1 31.3 32.6 95 2.4 4.1 5.6 7.0 8.4 9.8 11.1 12.4 13.7 15.0 16.2 17.5 18.7 20.0 21.2 22.4 23.6 24.9 26.1 27.3 28.5 29.7 30.9 32.1 100 2.3 3.9 5.3 6.7 8.0 9.3 10.5 11.8 13.0 14.2 15.4 16.6 17.8 19.0 20.1 21.3 22.5 23.6 24.8 25.9 27.1 28.2 29.3 30.5 31.6 110 2.1 3.5 4.9 6.1 7.3 8.4 9.6 10.7 11.8 12.9 14.0 15.1 16.2 17.2 18.3 19.4 20.4 21.5 22.5 23.6 24.6 25.6 26.7 27.7 28.7 120 1.9 3.2 4.4 5.6 6.7 7.7 8.8 9.8 10.8 11.8 12.8 13.8 14.8 15.8 16.8 17.8 18.7 19.7 20.6 21.6 22.5 23.5 24.4 25.4 26.3 130 1.8 3.0 4.1 5.2 6.2 7.1 8.1 9.1 10.0 10.9 11.9 12.8 13.7 14.6 15.5 16.4 17.3 18.2 19.1 19.9 20.8 21.7 22.6 23.4 24.3 140 1.7 2.8 3.8 4.8 5.7 6.6 7.5 8.4 9.3 10.2 11.0 11.9 12.7 13.5 14.4 15.2 16.0 16.9 17.7 18.5 19.3 20.1 21.0 21.8 22.6 150 1.5 2.6 3.6 4.5 5.3 6.2 7.0 7.9 8.7 9.5 10.3 11.1 11.9 12.6 13.4 14.2 15.0 15.7 16.5 17.3 18.0 18.8 19.6 20.3 21.1 160 1.4 2.4 3.3 4.2 5.0 5.8 6.6 7.4 8.1 8.9 9.6 10.4 11.1 11.9 12.6 13.3 14.0 14.8 15.5 16.2 16.9 17.6 18.3 19.0 19.7 170 1.4 2.3 3.1 3.9 4.7 5.5 6.2 6.9 7.7 8.4 9.1 9.8 10.5 11.2 11.8 12.5 13.2 13.9 14.6 15.2 15.9 16.6 17.3 17.9 18.6 180 1.3 2.2 3.0 3.7 4.4 5.2 5.9 6.5 7.2 7.9 8.6 9.2 9.9 10.5 11.2 11.8 12.5 13.1 13.8 14.4 15.0 15.7 16.3 16.9 17.6 190 1.2 2.1 2.8 3.5 4.2 4.9 5.6 6.2 6.8 7.5 8.1 8.7 9.4 10.0 10.6 11.2 11.8 12.4 13.0 13.6 14.2 14.8 15.4 16.0 16.6 200 1.2 2.0 2.7 3.4 4.0 4.6 5.3 5.9 6.5 7.1 7.7 8.3 8.9 9.5 10.1 10.7 11.2 11.8 12.4 13.0 13.5 14.1 14.7 15.2 15.8 220 1.1 1.8 2.4 3.0 3.6 4.2 4.8 5.4 5.9 6.5 7.0 7.6 8.1 8.6 9.2 9.7 10.2 10.7 11.3 11.8 12.3 12.8 13.3 13.9 14.4 240 1.0 1.6 2.2 2.8 3.3 3.9 4.4 4.9 5.4 5.9 6.4 6.9 7.4 7.9 8.4 8.9 9.4 9.8 10.3 10.8 11.3 11.8 12.2 12.7 13.2 260 0.9 1.5 2.1 2.6 3.1 3.6 4.1 4.5 5.0 5.5 5.9 6.4 6.8 7.3 7.7 8.2 8.6 9.1 9.5 10.0 10.4 10.8 11.3 11.7 12.2 280 0.8 1.4 1.9 2.4 2.9 3.3 3.8 4.2 4.6 5.1 5.5 5.9 6.4 6.8 7.2 7.6 8.0 8.4 8.8 9.3 9.7 10.1 10.5 10.9 11.3 300 0.8 1.3 1.8 2.2 2.7 3.1 3.5 3.9 4.3 4.7 5.1 5.5 5.9 6.3 6.7 7.1 7.5 7.9 8.3 8.6 9.0 9.4 9.8 10.2 10.5
58

Nivel de confianza: 95%
Tamao Cantidad de desviaciones halladas de muestra 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 12.0 19.0 25.2 31.0 36.6 42.1 47.4 26 11.5 18.3 24.2 29.9 35.2 40.5 45.6 27 11.1 17.6 23.3 28.7 33.9 39.0 43.9 28 10.7 17.0 22.5 27.7 32.7 37.6 42.3 47.0 29 10.3 16.4 21.7 26.8 31.6 36.3 40.9 45.3 30 10.0 15.8 21.0 25.9 30.5 35.1 39.5 43.8 31 9.7 15.3 20.3 25.0 29.6 33.9 38.2 42.4 32 9.4 14.8 19.7 24.3 28.6 32.9 37.0 41.1 45.1 33 9.1 14.4 19.1 23.5 27.8 31.9 35.9 39.9 43.8 34 8.8 14.0 18.5 22.8 26.9 30.9 34.9 38.7 42.5 35 8.6 13.6 18.0 22.2 26.2 30.1 33.9 37.6 41.3 36 8.3 13.2 17.5 21.6 25.4 29.2 32.9 36.5 40.1 43.6 37 8.1 12.8 17.0 21.0 24.8 28.4 32.0 35.5 39.0 42.5 38 7.9 12.5 16.6 20.4 24.1 27.7 31.2 34.6 38.0 41.3 39 7.7 12.2 16.2 19.9 23.5 27.0 30.4 33.7 37.0 40.3 40 7.5 11.9 15.8 19.4 22.9 26.3 29.6 32.9 36.1 39.3 42.4 41 7.3 11.6 15.4 18.9 22.3 25.7 28.9 32.1 35.2 38.3 41.4 42 7.1 11.3 15.0 18.5 21.8 25.1 28.2 31.3 34.4 37.4 40.4 43 7.0 11.1 14.7 18.1 21.3 24.5 27.6 30.6 33.6 36.5 39.5 44 6.8 10.8 14.3 17.6 20.8 23.9 26.9 29.9 32.8 35.7 38.6 41.4 45 6.7 10.6 14.0 17.2 20.4 23.4 26.3 29.2 32.1 34.9 37.7 40.5 46 6.5 10.3 13.7 16.9 19.9 22.9 25.8 28.6 31.4 34.2 36.9 39.6 47 6.4 10.1 13.4 16.5 19.5 22.4 25.2 28.0 30.7 33.4 36.1 38.7 48 6.3 9.9 13.1 16.2 19.1 21.9 24.7 27.4 30.1 32.7 35.4 37.9 40.5 49 6.1 9.7 12.9 15.8 18.7 21.5 24.2 26.8 29.5 32.1 34.6 37.2 39.7 50 6.0 9.5 12.6 15.5 18.3 21.0 23.7 26.3 28.9 31.4 33.9 36.4 38.9 55 5.5 8.6 11.5 14.1 16.7 19.1 21.6 23.9 26.3 28.6 30.9 33.1 35.4 37.6 60 5.0 7.9 10.5 12.9 15.3 17.5 19.8 21.9 24.1 26.2 28.3 30.4 32.4 34.5 36.5 38.5 65 4.6 7.3 9.7 11.9 14.1 16.2 18.2 20.2 22.2 24.2 26.1 28.0 29.9 31.8 33.7 35.5 37.4 70 4.3 6.8 9.0 11.1 13.1 15.0 16.9 18.8 20.6 22.4 24.2 26.0 27.8 29.5 31.3 33.0 34.7 36.4 75 4.0 6.3 8.4 10.4 12.2 14.0 15.8 17.5 19.3 21.0 22.6 24.3 25.9 27.6 29.2 30.8 32.4 34.0 35.6 80 3.8 5.9 7.9 9.7 11.5 13.2 14.8 16.4 18.1 19.6 21.2 22.8 24.3 25.8 27.4 28.9 30.4 31.9 33.4 34.9 36.3 85 3.5 5.6 7.4 9.1 10.8 12.4 13.9 15.5 17.0 18.5 20.0 21.4 22.9 24.3 25.8 27.2 28.6 30.0 31.4 32.8 34.2 35.6 90 3.3 5.3 7.0 8.6 10.2 11.7 13.2 14.6 16.0 17.5 18.9 20.2 21.6 23.0 24.3 25.7 27.0 28.3 29.7 31.0 32.3 33.6 34.9 95 3.2 5.0 6.6 8.2 9.6 11.1 12.5 13.8 15.2 16.5 17.9 19.2 20.5 21.8 23.0 24.3 25.6 26.8 28.1 29.4 30.6 31.8 33.1 34.3 100 3.0 4.8 6.3 7.8 9.2 10.5 11.9 13.2 14.4 15.7 17.0 18.2 19.5 20.7 21.9 23.1 24.3 25.5 26.7 27.9 29.1 30.3 31.4 32.6 33.8 110 2.7 4.3 5.7 7.1 8.3 9.6 10.8 12.0 13.1 14.3 15.4 16.6 17.7 18.8 19.9 21.0 22.1 23.2 24.3 25.4 26.4 27.5 28.6 29.6 30.7 120 2.5 4.0 5.3 6.5 7.6 8.8 9.9 11.0 12.0 13.1 14.1 15.2 16.2 17.2 18.2 19.3 20.3 21.3 22.3 23.2 24.2 25.2 26.2 27.2 28.1 130 2.3 3.7 4.9 6.0 7.1 8.1 9.1 10.1 11.1 12.1 13.1 14.0 15.0 15.9 16.8 17.8 18.7 19.6 20.5 21.5 22.4 23.3 24.2 25.1 26.0 140 2.1 3.4 4.5 5.5 6.5 7.5 8.5 9.4 10.3 11.2 12.1 13.0 13.9 14.8 15.6 16.5 17.4 18.2 19.1 19.9 20.8 21.6 22.4 23.3 24.1 150 2.0 3.2 4.2 5.2 6.1 7.0 7.9 8.8 9.6 10.5 11.3 12.1 13.0 13.8 14.6 15.4 16.2 17.0 17.8 18.6 19.4 20.2 21.0 21.7 22.5 160 1.9 3.0 3.9 4.9 5.7 6.6 7.4 8.2 9.0 9.8 10.6 11.4 12.2 12.9 13.7 14.4 15.2 15.9 16.7 17.4 18.2 18.9 19.6 20.4 21.1 170 1.8 2.8 3.7 4.6 5.4 6.2 7.0 7.7 8.5 9.2 10.0 10.7 11.4 12.2 12.9 13.6 14.3 15.0 15.7 16.4 17.1 17.8 18.5 19.2 19.9 180 1.7 2.6 3.5 4.3 5.1 5.8 6.6 7.3 8.0 8.7 9.4 10.1 10.8 11.5 12.2 12.8 13.5 14.2 14.8 15.5 16.2 16.8 17.5 18.1 18.8 190 1.6 2.5 3.3 4.1 4.8 5.5 6.2 6.9 7.6 8.3 8.9 9.6 10.2 10.9 11.5 12.2 12.8 13.4 14.1 14.7 15.3 15.9 16.5 17.2 17.8 200 1.5 2.4 3.2 3.9 4.6 5.3 5.9 6.6 7.2 7.9 8.5 9.1 9.7 10.3 11.0 11.6 12.2 12.8 13.4 13.9 14.5 15.1 15.7 16.3 16.9 220 1.4 2.2 2.9 3.5 4.2 4.8 5.4 6.0 6.6 7.1 7.7 8.3 8.8 9.4 10.0 10.5 11.1 11.6 12.1 12.7 13.2 13.8 14.3 14.8 15.4 240 1.3 2.0 2.6 3.2 3.8 4.4 4.9 5.5 6.0 6.6 7.1 7.6 8.1 8.6 9.1 9.6 10.1 10.6 11.1 11.6 12.1 12.6 13.1 13.6 14.1 260 1.2 1.8 2.4 3.0 3.5 4.1 4.6 5.1 5.6 6.0 6.5 7.0 7.5 8.0 8.4 8.9 9.4 9.8 10.3 10.7 11.2 11.6 12.1 12.5 13.0 280 1.1 1.7 2.3 2.8 3.3 3.8 4.2 4.7 5.2 5.6 6.1 6.5 7.0 7.4 7.8 8.3 8.7 9.1 9.5 10.0 10.4 10.8 11.2 11.6 12.1 300 1.0 1.6 2.1 2.6 3.1 3.5 4.0 4.4 4.8 5.2 5.7 6.1 6.5 6.9 7.3 7.7 8.1 8.5 8.9 9.3 9.7 10.1 10.5 10.9 11.3
15. Anlisis cualitativo de las desviaciones El auditor no deber conformarse con conocer la cantidad de desviaciones en la muestra o en la poblacin, sino que tambin deber hacer una cuidadosa evaluacin de todas las anormalidades detectadas que le permitan identificar sus causas. Se deber determinar si los errores son casos aislados, si hay fallas en el diseo del 59
proceso de control, o bien si el procedimiento previsto no se est aplicando de la forma adecuada. Con estos elementos estar en condiciones incluir en el informe sobre el trabajo recomendaciones concretas para corregir las fallas observadas en el funcionamiento de los controles.
60
LA DECISIN
Las decisiones son el corazn del xito y, a veces, hay momentos crticos en que pueden presentar dificultad, perplejidad y exasperacin. Este sitio ayuda y orienta a tomar buenas decisiones estratgicas, que sean eficaces, usando un proceso eficiente y sistemtico de toma de decisiones. Un gerente debe tomar muchas decisiones todos los das. Algunas de ellas son decisiones de rutina o intrascendentes mientras que otras tienen una repercusin drstica en las operaciones de la empresa donde trabaja. Algunas de estas decisiones podran involucrar la ganancia o prdida de grandes sumas de dinero o el cumplimiento o incumplimiento de la misin y las metas de la empresa. En este mundo cada vez ms complejo, la dificultad de las tareas de los decisores aumenta da a da. El decisor (una persona que tiene un problema) debe responder con rapidez a los acontecimientos que parecen ocurrir a un ritmo cada vez ms veloz. Adems, un decisor debe asimilar a su decisin un conjunto de opciones y consecuencias que muchas veces resulta desconcertante
Una decisin por lo general consta de tres etapas: 1. El reconocimiento de una necesidad: sensacin de insatisfaccin con uno mismo; sensacin de vaco o necesidad; 2. 3. La decisin de cambiar, para llenar el vaco o la necesidad; La dedicacin consciente para implementar la decisin.
Adems de eso, observamos que la toma de decisiones correctas no es slo lo que queremos hacer, sino que concuerda con lo que se debe hacer. Por eso, el miedo a tomar la decisin equivocada es lo que nos impulsa y gua a tomar las decisiones utilizando un abordaje cientfico. De esto se ocupa la Ciencia de la Administracin.
Cada da laborable el gerente pone a prueba algunas cuestiones que requieren decisiones. Primero se las debe identificar como problemas u oportunidades, justificar y clasificar dentro de los modelos matemticos para los que existir una respuesta, pudiendo as controlar el problema mediante la actualizacin de las soluciones debido a la naturaleza dinmica de las decisiones de los negocios. Este es el ncleo absoluto
61
del abordaje que hace la Ciencia de la Administracin de la toma de decisiones, que es la ciencia de la toma de decisiones. Es este abordaje el que hace que un negocio sea exitoso. Pero es importante advertir que este proceso no es fcil. Como ya dijimos, se basa en tres etapas que encierran doctrinas de integracin de informtica, clasificacin matemtica y modelizacin y finalmente el reingreso de transformaciones de datos nuevos que aparecern a medida que el tiempo transcurra. Este es el anlisis complejo en el que trabajaremos. La Ciencia de la Administracin puede ayudar a disminuir o eliminar el miedo a tomar decisiones equivocadas, contribuyendo en cuanto al proceso. De hecho, la meta de la Ciencia de la Administracin es eliminar la decidofobia. Esto se logra a travs de los procesos en fases que dividen los componentes de la decisin en elementos viables y permiten proceder a la etapa de la toma de la decisin con una base de conocimiento firme para la eleccin. Sin embargo, si elige no utilizar la ciencia de la administracin, existen muchas formas de evitar tomar una decisin.
El Proceso de Toma De Decisiones La toma de decisiones es un proceso de seleccin entre cursos alternativos de accin, basado en un conjunto de criterios, para alcanzar uno o ms objetivos. Toma de decisiones es el trmino que generalmente se asocia con las primeras cinco etapas del proceso de resolucin de problemas. As, la toma de decisiones se inicia al identificar y definir el problema, y termina con la eleccin de una alternativa, que es el acto de tomar una decisin.
Las tres primeras fases del proceso decisorio constituyen la Estructuracin del Problema y las dos ltimas fases son el Anlisis del problema
62
La fase de anlisis del proceso de toma de decisiones puede asumir dos formas bsicas: cualitativa y cuantitativa. El anlisis cualitativo se basa primordialmente en el razonamiento y la experiencia del decisor; incluye la impresin intuitiva que el decisor tiene del problema. Cuando se utiliza el enfoque cuantitativo, el analista se concentra en los hechos o datos asociados al problema y desarrolla expresiones matemticas que describen los objetivos, las restricciones y las relaciones existentes en el problema. Despus, utilizando uno o ms mtodos cuantitativos, el analista ofrece una recomendacin con base en los aspectos cuantitativos del problema.
A los problemas que no implican ms de un criterio de decisin se les denomina problemas de decisin de criterio nico, y en el caso contrario se les denomina problemas de criterios mltiples o problemas de decisin multicriterio.
Componentes del proceso estructurado de toma de decisiones

Como el modelo de un sistema es la re-presentacin del sistema que contiene los elementos que afectan el objetivo de la decisin es importante identificar los elementos ms importantes. El resultado deseado generalmente determina las entradas controlables. Las entradas de un sistema pueden clasificarse en entradas controlables e incontrolables, como lo ilustra la figura que aparece a continuacin. Los horizontes temporales de la revisin de modelizacin deben seleccionarse lo suficientemente cortos como para que las entradas incontrolables (o el conocimiento probabilstico que se tiene de ellas) no cambien de manera significativa. Al resultado por lo general se lo conoce como la medida de desempeo del sistema. Como dice Tom Peters, experto internacional en administracin de empresas, " Si no se puede medir, no se puede administrar". Cuando se mide el desempeo, el desempeo mejora. Cuando el desempeo se mide y se informa, la mejora se acelera. La siguiente figura muestra el abordaje del proceso estructurado de toma de decisiones en la IO/CA. Recuerde que cuando las estructuras y los sistemas estn alineados, se facilita el empoderamiento. Cuando no lo estn, operan en su contra. 63
Los modelos de IO/CA apuntan a asistir al decisor en el proceso de toma de decisiones. En el proceso de modelizacin de la toma de decisiones investigamos el efecto de la presentacin de diferentes decisiones retrospectivamente decir, "como si" la decisin ya se hubiera tomado segn diferentes cursos de accin. Es por eso que la secuencia de pasos en el proceso debe considerarse en forma invertida. Por ejemplo, el resultado (que es el resultado de nuestra accin) debe considerarse en primer lugar. ; esto es 'como si" la decisin ya hubiese sidotomada bajo un diferente curso de accin. Como se indic anteriormente en el diagrama de actividades, el proceso de toma de decisiones posee los siguientes componentes: 1. Medida del desempeo: Brinda el nivel deseado de resultado (objetivo de la decisin). El objetivo es importante para identificar el problema. La tarea principal del decisor es la solucin del problema de "valores" entre diferentes objetivos, y la seleccin de un nico objetivo el que tiene el "mayor valor". Entonces, si es necesario, todos los dems objetivos deben incluirse en el conjunto de restricciones a satisfacer. 2. Entradas incontrolables: Provenientes del entorno del decisor. Las entradas incontrolables por lo general crean el problema y restringen las acciones.
64
UNASAM-FEC Escuela Acadmico Profesional de Contabilidad 3.
Parmetros: Los parmetros son los elementos constantes que cambian durante el horizonte temporal de la revisin de la decisin. Estos son los factores que definen parcialmente al problema.
4.
Entradas controlables: Las entradas controlables son el conjunto de todos los cursos de accin posibles que usted podra tomar.
5.
Interacciones entre estos componentes: Estas son funciones matemticas lgicas que representan las relaciones de causa y efecto entre las entradas, los parmetros y el resultado. Existen tambin grupos de restricciones que se aplican a cada uno de estos componentes. Por lo tanto, no es necesario tratarlas en forma separada.
6.
Cursos de accin: La accin es la ltima decisin y es el mejor curso de la estrategia para lograr la meta deseada. La toma de una decisin implica seleccionar un curso de accin (medio) en pos del objetivo (fin). La forma en que el curso de accin afecta el resultado de una decisin depende de cmo se interrelacionan las entradas y los parmetros del problema y, a su vez, cmo se relacionan stos con el resultado. La funcionalidad es el tipo de relacin ms importante en las interacciones del proceso de toma de decisiones. Cuando el resultado de una decisin depende del curso de accin, modificamos uno o ms aspectos de la situacin problemtica con la intencin de lograr un cambio deseado en algn otro aspecto de la misma. Lo logramos si conocemos la interaccin entre los componentes del problema. "Oh, mente ma, concdeme la serenidad para saber cul entrada es controlable y cul no, y para elegir la mejor del primer tipo, y la capacidad para realizar anlisis probabilstico y estadstico para predecir y luego reaccionar ante cualquier cambio del segundo tipo, y la sabidura para conocer la diferencia!"
7.
Control del problema: Pocos problemas en la vida, una vez resueltos, permanecen as. Las condiciones cambiantes tienden a sacar a la luz problemas que anteriormente se haban resuelto, y sus soluciones crean nuevos problemas. Estos nuevos problemas deben identificarse y anticiparse. Si no lo puede controlar, debe medirlo para poder predecirlo.
Ambientes De Decisin El anlisis de decisin implica el uso de un proceso racional para seleccionar la mejor entre varias alternativas. La bondad de una alternativa seleccionada depende de la 65
calidad de los datos utilizados para describir la situacin de decisin. Desde este punto de vista, un proceso de toma de decisiones cae en tres categoras. 1. Toma de decisiones bajo certidumbre: En la que se conocen los datos de forma determinista. 2. Toma de decisiones bajo riesgo: En la que los datos se describen mediante distribuciones de probabilidad 3. Toma de decisiones bajo incertidumbre: En la que no es posible asignar a los datos pesos relativos que representen su grado de relevancia en el proceso de decisin.
Anlisis de Decisin Multicriterio Un problema de decisin puede considerarse como un problema multicriterio si existen al menos dos criterios en conflicto y al menos dos alternativas de solucin. En otras palabras, en un problema de decisin multicriterio se trata de identificar la mejor o las mejores soluciones considerando simultneamente mltiples criterios en competencia. Los criterios se dice que pueden encontrarse estrictamente en conflicto lo que se traduce en que el incremento en la satisfaccin de uno, implica el decremento de la satisfaccin del otro. La toma de decisiones multicriterio ha desarrollado una personalidad propia que utiliza una terminologa especfica que incluye conceptos nuevos, a continuacin se definen los mismos: Alternativas: Posibles soluciones o acciones a tomar por el decisor. Atributos: Caractersticas que se utilizan para describir cada una de las alternativas disponibles pueden ser cuantitativas (atributos objetivos) o cualitativas (atributos subjetivos), cada alternativa puede ser caracterizada por un nmero de atributos (escogidos por el decisor). Objetivos: Los objetivos son aspiraciones que indican direcciones de
perfeccionamiento de los atributos seleccionados, estn asociados con los deseos y preferencias del decisor. Metas: Aspiraciones que especifican niveles de deseos de los atributos. Criterios: Los criterios son los parmetros, directrices y puntos de referencia que van a permitir evaluar las opciones o alternativas que se presenten en el proceso de decisin. 66
Modelo econmico de inventarios

La necesidad de las empresas y productores de mantener inventarios, trajo como consecuencia el estudio de los mismos, de manera tal, que se garantizara la forma ms econmica de mantenerlos. Un buen nmero de modelos matemticos que han sido desarrollados, permite determinar, bajo un conjunto de condiciones dadas, la manera ptima de tener inventarios. Segn lvarez y Valle (1987): Se denomina inventario a un conjunto de recursos o mercancas en buen estado, que se encuentran almacenados con el objetivo de ser utilizados en un futuro. Estos recursos pueden ser materiales, equipos, dinero, etc. Los sistemas de inventarios pueden clasificarse atendiendo a tres consideraciones fundamentales: Segn el nmero de rdenes y nivel de independencia de la demanda. 1. Orden repetitiva con demanda independiente. 2. Orden no repetitiva con demanda independiente. 3. Orden repetitiva con demanda dependiente. Segn su relacin con la secuencia completa de las operaciones de produccin. 1. Abastecimientos. 2. Materias primas. 3. Productos en procesos. 4. Produccin terminada. Ntese que el inventario de producto final para una empresa puede ser el de materia prima de otra. Segn la predecibilidad de la demanda. 1. Determinstico: si la demanda es conocida y constante. 2. Probabilstico: si la demanda es una variable aleatoria. Todo inventario debe tener un lmite, pues si no el costo sera perjudicial y econmicamente insostenible, por tener gran cantidad de recursos ociosos.
67
Para la direccin de un sistema de produccin es importante conocer: Qu cantidad de recursos se debe tener en inventario en el sistema?, Cada qu tiempo se deben reaprovisionar los inventarios? La teora de inventarios rene una serie de tcnicas que permite dar respuestas a estas interrogantes. Slo que hay que saber cul utilizar en cada caso, para esto se hace necesario conocer algunos aspectos imprescindibles para aplicar correctamente el modelo adecuado.
Procedimiento para aplicar el modelo de inventario

1. Identificar el modelo de inventario a aplicar. Existen dos grandes grupos de inventario de acuerdo con la caracterstica de la demanda. Estos grupos son: Modelos de inventario determinstico: Son aquellos en los cuales la demanda est perfectamente determinada o es conocida para un perodo dado. Modelo de inventario estocstico: Son aquellos en los cuales la demanda es una variable aleatoria, con una funcin de distribucin conocida. Atendiendo a las consideraciones antes definidas, para el desarrollo de este trabajo se utilizarn solamente los modelos de inventarios determinsticos, dentro de este se encuentran: 1. Modelo general de inventario determinstico. 2. Modelo de inventario que no permite dficit. 3. Modelo de inventario con reaprovisionamiento instantneo. 4. Modelo de inventario con reaprovisionamiento instantneo que no permite dficit. Los dos primero se utilizan para sistemas donde existe produccin, o sea estos productos o materias primas llegan al almacn poco a poco, mientras los dos restantes se emplean en sistemas donde los productos llegan instantneamente. Por otra parte el modelo 2 y 4 no permiten dficit, o sea no se acumulan pedidos, no ocurriendo as con el 1 y 3 que si admiten acumulaciones de pedidos que luego sern entregados. 2. Identificar las variables controladas y no controladas del sistema.
68
En un problema de inventario existen una serie de variables que pueden ser controladas por aquellas personas que dirigen el sistema y otras que no pueden ser controladas. Las variables controladas en un sistema de inventario, son: Cantidad a adquirir (cunto). Frecuencia de adquisicin (cundo).
Las variables no controladas pueden ser variables de costos u otras. Las principales variables no controladas en un problema de inventario son: 1. Costo por mantener el inventario. Este costo puede desglosarse en los siguientes: a) Costo de inmovilizacin de recursos. b) Costo de manipulacin. c) Costo de almacenaje (depreciacin, construccin, etc.) d) Costo de depreciacin u obsolescencia del inventario. e) Costo de carcter administrativo (salario, etc.) 2. Costo por dficit: Es el costo en que se incurre cuando un inventario se termina y que trae consecuencia, tener que adquirir la mercanca en cuestin, de una forma no habitual, invirtiendo recursos para usar transporte ms rpido, produccin extra, etc. 3. Costo de lanzamiento: Cuando el inventario forma parte del sistema de produccin, se denomina costo de lanzamiento a la preparacin de una nueva orden de produccin, que se incorporar a dicho inventario. En el caso que el inventario sea considerado como un sistema nico, el costo por lanzamiento es aquel en que se incurre por los trabajos administrativos para hacer la adquisicin. 4. Costo de produccin: Es el costo unitario de produccin de un artculo que se incorporar al inventario. 5. Demanda: Puede estar perfectamente determinada para cada perodo de tiempo o puede ser aleatoria, en cuyo caso se necesitara conocer su funcin de distribucin probabilstica para poder tomar decisiones. 69
6. Tiempo de reaprovisionamiento: Es el tiempo transcurrido desde que se entrega la orden de reaprovisionamiento, hasta que los recursos son incorporados al inventario. El tiempo de reaprovisionamiento puede ser fijo o aleatorio. 3. Aplicar el modelo seleccionado
Figura 1. Representacin grfica del modelo de inventario determinstico que no permite dficit. Fuente: Delgado Landa (2008). El ciclo de inventario como bien se observa en la figura anterior sigue la secuencia siguiente: 1. Comienza con el inventario igual a cero. 2. Comienza la produccin con una razn constante (r). Habr una razn de consumo (a) constante, donde r>a, hasta que se alcance un nivel determinado, detenindose la produccin (intervalo t ). 3. Despus habr un consumo del inventario a una razn constante (a) ocurriendo durante un tiempo t , hasta agotar todo el inventario y nuevamente se repetir el ciclo. Para la formulacin matemtica de este modelo se define: r: razn de produccin constante (unidades fsicas por unidad de tiempo). 70
a: demanda constante (unidades fsicas por unidad de tiempo). s : nivel mximo de inventario (unidades fsicas). Q: cantidad de unidades a producir en cada corrida o tamao de lote (unidades fsicas). t y t : intervalos de tiempo representados en el grfico de la figura 2.1. Se tendrn como datos, adems, los siguientes costos: c: costo unitario de produccin (costo por unidad fsica). h: costo por mantener el inventario. [Costo/ (unidad fsica por unidad de tiempo)] k: costo de lanzamiento (costo). Partiendo de lo anterior, las expresiones para este modelo se aprecian en el Cuadro 2. Cuadro 2 Frmulas necesarias para aplicar el modelo de inventario que no permite dficit. Fuente: Delgado Landa (2008).
71
Caso Prctico para sustentar la Toma de Decisiones de Inventarios.

Caracterizacin de la Empresa objeto de estudio. La Empresa tiene como misin:Producir harina de Trigo, as como Cereales para desayunos, Pellets para frer y Rizos de Maz, Sorbetos, Panes y Repostera Varias, de una calidad alta y con eficiencia, para satisfacer las necesidades de los clientes. La empresa tiene como objetivo general: Realizar el proceso de Molinacin de trigo para la produccin y comercializacin mayorista en ambas monedas, de Harina de Trigo para consumo humano y animal, as como producir Cereales de maz y trigo para el desayuno, saborizados y naturales, y pellets para frer, sorbetos, panes y repostera fina, en ambas monedas.
Propuesta de solucin a la problemtica identificada en el Molino de Trigo.

1. Definicin del problema. El problema que debe ser resuelto con la mayor prioridad en el Molino de Trigo se relaciona con el nivel de inventario que debe permanecer en el almacn. La Empresa despus de un reorganizamiento en el antiguo molino de maz, se dedica ahora a la molinacin de trigo. La misma no cuenta con experiencia suficiente en este sentido por lo que considera necesario un estudio del inventario, con el fin de conocer cul es la cantidad de toneladas de Harina de Trigo que tiene que producir en cada lote de produccin para tener en almacn la menor cantidad posible con el mnimo costo. Pues dada las caractersticas de la harina que puede fcilmente echarse a perder no conviene tener inventario ocioso y por otra parte no debe faltar por la importancia que tiene para la elaboracin del pan. 2. Construccin y solucin del modelo. El modelo a utilizar para dar solucin a la problemtica anterior es el Modelo de inventario. Este permite cabalmente cumplir con los requerimientos de la empresa y decidir los cambios que deben hacerse a partir de que se obtenga la cantidad ptima de sacos de harina que deben permanecer en inventario que garanticen el mnimo costo. 72
Decisiones sobre el control de inventarios es tanto un problema como una oportunidad para por lo menos tres departamentos diferentes tales como Produccin, Comercial y Econmico-financiero. La toma de decisiones en el control de inventarios tiene un impacto enorme en la productividad y desenvolvimiento de la organizacin porque este maneja el flujo total de materiales. El control de inventario apropiado puede minimizar desabastecimiento de materiales, por lo tanto reducir el capital de la organizacin. Adicionalmente posibilita a la organizacin a producir la harina de trigo en cantidades ms econmicas, por lo tanto minimizar el costo general de produccin. Un buen modelo de inventarios permite: Atenuar brechas temporales entre oferta y demanda. Contribuir a la disminucin de los costos de produccin. Proporcionar una forma de "almacenar" trabajo; por ejemplo, fabricar ms toneladas de harina ahora, y liberar trabajo despus. Proporcionar un rpido servicio al cliente.
a. Identificacin del modelo de inventario a aplicar. Dentro de los modelo de inventario teniendo en cuenta que la demanda es conocida y constante se aplicar el Modelo de inventario determinstico que no permite dficit. Es importante aclarar que se selecciona este modelo por la razn que se explica a continuacin: La empresa produce la harina de trigo fundamentalmente para la elaboracin del pan, por lo que no se pueden acumular pedidos. La carencia de harina originara graves problemas para el territorio que se beneficia de esta produccin. Adems el sector de la industria alimenticia es priorizado por el gobierno lo cual justifica el hecho de que no puede faltar este producto. b. Identificacin de las variables controladas y no controladas del sistema. Las variables presentes en el sistema se enuncian como sigue: Variables controladas: Q: Cantidad a producir en cada lote de produccin. F: Frecuencia de produccin. 73
UNASAM-FEC Escuela Acadmico Profesional de Contabilidad Variables no controladas:
h: costo por mantener el inventario. [Costo/ (unidad fsica por unidad de tiempo)] Segn el departamento de economa de la empresa el costo por mantener el inventario es de 1,68 pesos por cada tonelada almacenada diariamente. k: costo de lanzamiento (costo). El costo de lanzamiento fue necesario estimarlo, conociendo que: El salario de la persona encargada de coordinar los pedidos es de $ 640,00. La cuenta promedio del telfono usado en esta tarea.
Se conoce adems que esta persona dedica como promedio una hora en preparar cada corrida de produccin. El clculo del costo de lanzamiento sera: Costo de lanzamiento = Costo de salario + Costo de telfono Costo de lanzamiento = $ 3,33 + $ 10,07 Costo de lanzamiento = $ 13,40 Costo de salario Costo de salario = [(Salario/24 das) 1/ 8 horas] tiempo de preparacin de la corrida Costo de salario = [(640/24 das) 1/ 8 horas] 1 hora Costo de salario = $ 3,33 Costo de telfono Para determinar el costo de telfono se observaron las cuentas de telfonos, determinando las llamadas por concepto de preparacin de rdenes de produccin durante los meses correspondientes al segundo semestre del ao 2007. Los importes se promediaron, arrojando como resultado $ 10,07 por cada lote de produccin. c: Costo unitario de produccin (costo por unidad fsica). Segn la ficha de costo de harina de trigo consultada, el costo por producir una tonelada es de 570,20 pesos
74
a: Demanda constante (unidades fsicas por unidad de tiempo). La demanda diaria de harina de trigo es de 72 toneladas y aparece desglosada por clientes en el Cuadro 3. Cuadro 3. Demanda diaria de la Harina de Trigo. Fuente: Delgado Landa (2008).
Clientes Cantidad de toneladas requeridas por da
Empresa de Alimentos Provincial
60
Empresa Mayorista Provincial de Alimentos
10
Crnico
Total
72
a. Aplicacin del modelo Los datos necesarios para la formulacin matemtica del modelo son los siguientes: r= 95 t x da. a=72 t x da. Capacidad de almacenamiento =165 t Nota: se considera 24 das laborables al mes y 24 horas diarias de trabajo. Costos: c= $ 570,20 x t h: $1,68 x t diarias k: $13.40 x lote. Partiendo de lo anterior, los clculos para este modelo son:
75
UNASAM-FEC Escuela Acadmico Profesional de Contabilidad Tamao del lote ptimo.
El tamao ptimo de lote es de 69 toneladas de Harina de Trigo, lo cual indica que se debe producir esta cantidad en cada corrida de produccin. Tiempo ptimo entre corridas.. T = 0,9583 das 24 h= 23 horas La corrida completa de produccin demora aproximadamente 23 horas. Frecuencia de las corridas. f = 1,0434 veces al da Intervalos de tiempo. t = = = 0,7263 das 24 h= 17,43 horas La produccin del lote demora 17 horas con 26 minutos aproximadamente.
Finalizada la produccin se sigue consumiendo el producto a partir de lo que se tiene en inventario lo cual demora 5 horas con 34 minutos aproximadamente. Nivel de inventario mximo. s = at = 72 0,2316 = 16,68 El nivel mximo de inventario es de 16 toneladas. Costo total. 76
El costo total es de $ 41 100,40 por da. Como propuesta de solucin al problema objeto de estudio se resume lo siguiente: En cada lote se deben producir 69 toneladas de Harina de Trigo para minimizar el costo total. Comenzando la produccin cada 23 horas. Con lo que se logra un volumen mximo de inventario de 16 toneladas. En el da se har una corrida de produccin y el comienzo de otra. Con todo esto se alcanzar el mnimo costo total posible que sera de $ 41 100,40 diario.
77
CONCLUSIONES
PRIMERO: El manejo de los inventarios es sin lugar a dudas un elemento crtico, para el buen desarrollo de la empresa, si este no se efecta correctamente la posibilidad de tener problemas de abastecimiento o mayores costos es muy alta, es por esto que permanentemente se deben estar revisando los normas para su manejo dentro de la compaa, siendo conscientes de que estamos en una realidad donde lo nico constante es el cambio y que si no somos consecuentes con esta realidad la posibilidad de dejar de ser competitivo y salir del mercado es muy alta. SEGUNDO: La eficiencia del proceso de un sistema de inventarios es el resultado de la buena coordinacin entre las diferentes reas de la empresa, teniendo como premisas sus objetivos generales. TERCERO La toma de decisiones es fundamental para cualquier actividad humana. Sin embargo, tomar una decisin empieza con un proceso de razonamiento, se lleva un procedimiento que va a una misma solucin pero no igual en el sentido de aplicarlo. CUARTO: Se necesita tambin la informacin y la capacidad para analizar y evaluar las alternativas de acuerdo con la meta deseada, aqu inervienen herramientas como la toma de decisiones, el muestreo. Por ltimo, necesitan tener el deseo de llegar a la mejor solucin mediante la seleccin de la alternativa que satisfaga de un modo ms efectivo el logro de la meta. QUINTO: Como las empresas dedican casi todo su tiempo y sus recursos a la realizacin de los procesos de transformacin directamente relacionados con la elaboracin de sus productos y no estn orientadas hacia la innovacin ni el perfeccionamiento, los problemas que perciben y por consiguiente, las decisiones que toma, son rutinarias y se basan en la experiencia y en la memoria personal de los gerentes. SEXTO: la toma de muestras deben de realizarse de manera que se aborden especificante todos los requerimientos para la elaboracin de una buena base de datos para as implementar decisiones concisas y no aventurarnos al delucidar un problema.
78
RECOMENDACIONES
Tener la capacidad de resolucin y voluntad de ejecucin frente a un problema presentado, utilizando las herramientas necesarias para no correr riesgos innecesarios.
Analizar la informacin disponible y hacer uso de la experiencia acumulada, antes de seleccionar el desempeo de accin apropiado. Para muchas de las decisiones que se toman se dedica poco tiempo olvidando aspectos como la planeacin y el proceso, al tomar una decisin se tiene en cuenta solamente lo que se siente en ese momento y se pasan por alto aspectos que de ser analizados llevarn la decisin a un resultado positivo.
Se debe tomar el tiempo necesario, empleando las herramientas necesarias para tomar una decisin aceptada en la gerencia de una organizacin. Es importante tomar decisiones en nuestras vidas cotidianas, ya que de esta manera vamos en la bsqueda del xito o el fracaso. En clases no se llegaron a cumplir los objetivos propuestos en el silabus, as que sera conveniente que se tomaran las acciones necesarias para llegar a cubrir el aprendizaje de los temas de manera particular.
79
BIBLIOGRAFIA

MTODOS CUANTITATIVOS DE LA ADMINISTRACIN Autor: John E. / Ullmann MTODOS CUANTITATIVOS DE LA ADMINISTRACIN Autor: Schelder Byers MTODOS CUANTITATIVOS VOLUMEN II. Eduardo Vicens Salort, Ral Poler Escoto y otros. Espaa-valencia. PROGRAMACION LINEAL METODOLOGA Y PROBLEMAS. M. Mocholi Arce, R. Salla Garrido, Editorial Tbar Flores, S.L. Espaa 1993 INVESTIGACIN DE OPERACIONES. Taha Hamdy A. Sptima Edicin. Pearson Educacin. Mexico.2004 Pag. 848 MTODOS CUANTITATIVOS PARA LOS NEGOCIOS, Novena edicin. Pearson. Barry Render, Ralph M. Stair
Pginas web: http://es.wikipedia.org/wiki/Investigaci%C3%B3n_de_operaciones 14:15 del 08/01/11 http://www.investigacion-operaciones.com/Historia.htm 14:25 del 08/01/11 http://www.buenastareas.com/modelo_redes.html 14:20 del 08/01/11
80

Metodos Cuantitativos Final

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Metodos Cuantitativos Final

Uploaded by

Copyright:

Available Formats

Ao del Centenario de Machu Picchu para el Mundo

FACULTAD DE ECONOMIA Y CONTABILIDAD

REDES, INVENTARIOS, MUESTREO Y DECISIONES EN INVESTIGACIN DE OPERACIONES

CPCC. OJEDA PEREDA, William Z.

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

Construccin de una Red

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad c) Principio de dependencia:

Mtodos cuantitativos Contables Sptimo Ciclo

d) Tipos de actividades, de acuerdo con el inciso anterior: Precedentes; Sucesores.

Procedimiento Para Trazar Un Modelo De Red

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

Anlisis De Red Pert

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad Modelo de la Ruta ms corta (RMC)

Mtodos cuantitativos Contables Sptimo Ciclo

Distancia total involucrada

n-simo nodo mis cercano

2 4 2+2=4 2+7=9 4+3=7 4+4=8 2+7=9 4+4=8 7+1=9 8+5=13 7+7=14

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

2 4 3 1 3 2 2 10 6 1 3 2 1 5 3 2 4 3 3 7 5 0.5 1.5 1 1 2 1.5 1 3 2

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

Costos asociados a un inventario

Caractersticas de los sistemas de inventario

Modelos de cantidad econmica

Modelo de cantidad econmica de pedido clsico. 22

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

Modelos para la Toma De Decisiones

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad

Mtodos cuantitativos Contables Sptimo Ciclo

UNASAM-FEC Escuela Acadmico Profesional de Contabilidad