Técnicas De Muestreo Para Auditorías Más Eficientes

1y ago

17 Views

1 Downloads

618.06 KB

31 Pages

Report/dmca

Download PDF

Transcription

Objetivos de la presentación:Diversas son las normas que para las que el muestreo es un auxiliar en la obtención deevidencia para la realización de las tareas de auditoría necesarias para evaluar el cumplimiento(por ejemplo, ISO 27001, COSO), y a pesar de la existencia de registros electrónicos quepermiten un monitoreo continuo, una revisión exhaustiva de los mismos, o comparativa contraorígenes que en varios casos son documentos físicos no siempre son posibles, permitiendo elmuestreo estadístico alcanzar los objetivos de la revisión.Las técnicas de muestreo estadístico, correctamente aplicadas, permiten ampliar el alcance dela mirada del auditor sobre la población a revisar, extrayendo conclusiones sobre aquelloselementos que, aunque no hayan formado parte de la muestra, son resultado del procesoauditado, agregando por lo tanto valor a las tareas de auditoría y ampliando el alcance de surevisión.www.isaca.org.ar Copyright ADACSI. Todos los derechos reservados.

Agenda:1. La calidad de datos y el muestreo2. Algunas herramientas para analizar con qué datoscontamos3. Introducción al muestreo4. Inferencia5. Conclusiones6. Algo de bibliografíawww.isaca.org.ar Copyright ADACSI. Todos los derechos reservados.

La calidad de datos y el muestreo Salvo una, las técnicas de muestreo estadístico sebasan en conocimientos previos de la población. Este conocimiento puede estar basado en:– conocimiento general del fenómeno a estudiar,– análisis previos como resultado de muestras,estadísticas de las variables a analizar y variablesrelacionadas, etc.www.isaca.org.ar Copyright ADACSI. Todos los derechos reservados.

La calidad de datos y el muestreo (cont.) Las técnicas de caracterización de la población yde selección de la muestra parten de considerarque los datos con los que se cuenta cumplen conrequisitos mínimos de calidad.www.isaca.org.ar Copyright ADACSI. Todos los derechos reservados.

Algunas herramientas para analizar con qué datoscontamos Análisis de calidad de datosMedidas estadísticas de resumenAnálisis gráficoLey de Benfordentre otras.www.isaca.org.ar Copyright ADACSI. Todos los derechos reservados.

Análisis de calidad de datos Completitud: ¿hay datos faltantes? Medición usual:cantidades o porcentajes de datos faltantes o nulos. Unicidad: ¿se registra algún valor más de una vez?Medición usual: cantidad o porcentajes deduplicados. Oportunidad: ¿representan la realidad en elmomento requerido? Medición usual: diferenciastemporales.www.isaca.org.ar Copyright ADACSI. Todos los derechos reservados.

Análisis de calidad de datos (cont.) Validez: ¿la sintaxis de los datos está de acuerdocon su definición (tipo de dato, formato y rango devalores)? Medición usual: porcentaje de datosinválidos. Precisión: ¿en qué medida el dato describeadecuadamente lo que representa? Medición usual:porcentaje de datos que tienen diferencias conrespecto a un patrón (muestra, o comparacióncontra un conjunto de datos validado).www.isaca.org.ar Copyright ADACSI. Todos los derechos reservados.

Análisis de calidad de datos (cont.) Consistencia: ¿existe alguna diferencia entre datosque representan un mismo aspecto de un tema (porejemplo, cruzando dos o más conjuntos de datos)?Medición usual: porcentaje de datos condiferencias.www.isaca.org.ar Copyright ADACSI. Todos los derechos reservados.

¿Cómo afecta la falta de calidad de datos almuestreo?Algunos ejemplos: completitud, validez variables de estratificación unicidad definición de tamaño consistencia, validez algunas formas demuestreo e inferencia (estimadores de razón)www.isaca.org.ar Copyright ADACSI. Todos los derechos reservados.

Medidas estadísticas de resumenPara caracterizar una población, suelenutilizarse: Tendencia central: media (aritmética, lamás usual), mediana Variabilidad: desvío estándar, distanciaintercuartil, coeficiente de variabilidad Rango de datos: mínimo, máximo,primer y tercer cuartilPara el total de la población, o chance.com/applets/Dotplot.html?language 1 Copyright ADACSI. Todos los derechos reservados.

Ley de Benford Newcomb (1881): No todos los dígitosocurren con la mismafrecuencia. En posicionesposteriores, lasdiferencias defrecuencia no sonsignificativas. Copyright ADACSI. Todos los derechos reservados.

Decisión entre muestreo estadístico o noestadísticoNOPodemospensar enmuestreoestadísticowww.isaca.org.ar¿Las conclusiones noaplicarán a toda la población?¿Población pequeña omonetariamente pocosignificativa ( )?¿Alto costo de logístico deselección?SIPodemospensar enmuestreo noestadístico Copyright ADACSI. Todos los derechos reservados.

Muestreo aleatorio simple Todos los elementos de la población tienen lamisma probabilidad de ser seleccionados. La muestra es fácil de calcular. No pondera características de la población.www.isaca.org.ar Copyright ADACSI. Todos los derechos reservados.

Muestreo aleatorio simple (cont.) Costo: los elementos resultantes pueden noencontrarse en la misma localización geográfica(sucursal, ciudad).www.isaca.org.ar Copyright ADACSI. Todos los derechos reservados.

Muestreo por intervalos También llamado sistemático, o por intervalo fijo. Selecciona un elemento cada k elementos:(k tamaño de la población / tamaño de lamuestra) La muestra es fácil de seleccionar. Problemas: dispersión, variaciones periódicas nodetectadas, tendencias lineales.www.isaca.org.ar Copyright ADACSI. Todos los derechos reservados.

Muestreo estratificado Se divide la población en estratos y se selecciona unamuestra dentro de cada uno de ellos.Estrato: subconjunto homogéneo de la población, conbaja variabilidad entre sus elementos. La variabilidadentre estratos debe ser alta. Más eficaz en poblaciones heterogéneas. Permite ponderar por tamaño.www.isaca.org.ar Copyright ADACSI. Todos los derechos reservados.

Muestreo por conglomerados Se divide la población en conglomerados, y seselecciona la muestra en uno de ellos.Conglomerado: subconjunto heterogéneo de la población,con alta variabilidad entre sus componentes. Lavariabilidad entre conglomerados es baja. La dificultad es el agrupamiento por conglomerados. Útil para poblaciones geográficamente dispersas.www.isaca.org.ar Copyright ADACSI. Todos los derechos reservados.

Definición del tamaño de muestra qué se evalúa precisión esperada (nivel de error con respecto a laestimación del parámetro, significatividad o nivel deconfianza) supuestos sobre dispersión de la característicaprincipal que se evalúa recursos disponibleswww.isaca.org.ar Copyright ADACSI. Todos los derechos reservados.

Inferencia: estimaciones puntuales Resultado: valor más probable del parámetropoblacional para la muestra obtenida. Algunos estimadores comunes en auditoría:– media– proporciónLa forma de cálculo depende del método empleadoen la selección de la muestra.www.isaca.org.ar Copyright ADACSI. Todos los derechos reservados.

Estimaciones por intervalos de confianza Resultado: intervalo de valores dentro de los que sepodría encontrar el parámetro poblacional, con undeterminado nivel de confianza.La forma de cálculo depende del método empleadoen la selección de la muestra.Valores rior Copyright ADACSI. Todos los derechos reservados.

ConclusionesEl muestreo estadístico permite ampliar el alcance de laopinión que brinda el auditor para abarcar elementos queno han sido revisados, pero forman parte de la mismapoblación.Ninguna técnica de muestreo puede realizarseadecuadamente sin contar con datos de calidad pararealizar la selección de elementos que la conformarán, ypara realizar la inferencia posterior.www.isaca.org.ar Copyright ADACSI. Todos los derechos reservados.

Algo de bibliografía Cochran, W. G. (1995). Técnicas de muestreo. CECSA, México. Institute of Internal Auditors (2011). Data Analysis Technologies.Disponible en: d-guidance/practiceguides/Pages/GTAG16.aspx Lohr, S. (1999). Sampling: Design and Analysis. Pacific Grove,CA: Duxbury Press. Newcomb, S. (1881). Note on the Frequency of Use of theDifferent Digits in Natural Numbers. American Journal ofMathematics, 4(1), 39-40. doi:10.2307/2369148. Disponible en:https://www.jstor.org/stable/2369148?seq 2#metadata info tab contentswww.isaca.org.ar Copyright ADACSI. Todos los derechos reservados.

muestreo estadístico alcanzar los objetivos de la revisión. Las técnicas de muestreo estadístico, correctamente aplicadas, permiten ampliar el alcance de la mirada del auditor sobre la población a revisar, extrayendo conclusiones sobre aquellos elementos que, aunque no hayan formado parte de la muestra, son resultado del proceso