El documento habla sobre el muestreo, explicando que se basa en la teoría de probabilidades y es una herramienta utilizada por auditores para tomar decisiones. Describe los diferentes tipos de muestreo como probabilístico y no probabilístico, e incluye ejemplos como el muestreo aleatorio simple, estratificado y por conveniencia. También cubre conceptos como población, parámetro, error y cómo se construye un intervalo de confianza.
Muestreo probabilístico y no probabilístico: tipos y ventajas
1.
2.
3. ¿ MUESTREO?
El muestreo se basa en la teoría de probabilidades. El
muestreo no es un instrumento instantáneo. Para el
contador constituye una herramienta en que se basa para
tomar una decisión. De acuerdo al tipo de control interno
que se aplique dentro de una organización se reconocerá el
tipo de muestra a aplicar en la auditoría. El auditor debe
tener un vasto conocimiento de las respectivas cuentas,
asientos o documentos de donde seleccionará las muestras.
5. VENTAJAS DEL MUESTREO:
a) Costos reducidos.
b) Mayor rapidez para obtener resultados.
c) Mayor exactitud o mejor calidad de la información
Factibilidad de hacer el estudio cuando la toma de datos implica técnicas
destructivas
VENTAJAS DEL CENSO:
a) Existe una cobertura total.
b) Tiene aceptación pública.
c) No se requieren grandes conocimientos de estadística.
6.
7. *MUESTREO PROBABILISTICO:
-muestreo aleatorio simple
-muestreo aleatorio sistemático
-muestreo aleatorio estratificado
-muestreo aleatorio por conglomerados
*MUESTREO NO PROBABILISTICO :
-muestreo por cuotas
-muestreo intencional o por conveniencia
-bola de nieve
-muestreo discrecional
8. Son aquellos en los que todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de una muestra.
Dentro de este método se encuentran los siguientes tipos:
9. Aquel que no presenta ningún orden y la toma de muestra es
vareada (al azar)
Consiste en extraer todos los individuos al azar de una
lista
10. Aquel que presenta un orden con intervalo fijo de
repetición que indica cada cuanto tomar la muestra,
es decir es constante (un orden).
11. Se divide en sectores y se reporta de manera proporcional
según su tamaño de muestra requerida, es decir el tipo de
muestreo depende del tipo de población que manejen y de
la función de su facilidad.
Se divide la población total en clases homogéneas,
llamadas estratos; por ejemplo, por grupos de edades,
por sexo
12. Consiste en seleccionar aleatoriamente un
cierto numero
de conglomerados y en investigar después
todos los elementos pertenecientes a los
conglomerados elegidos.
13. Es una técnica de muestreo donde las muestras se recogen en un proceso
que no brinda a todos los individuos de la población iguales oportunidades
de ser seleccionados.
Es empírico.
Dentro de este método se encuentran los siguientes tipos:
14. Se basa en seleccionar la muestra después de dividir
la población en grupos o estratos.
Se utiliza cuando se tienen datos adicionales de los
individuos
15. Consiste en seleccionar a los individuos que convienen al
investigador para la muestra. Esta conveniencia se
produce porque al investigador le resulta más sencillo
examinar a estos sujetos
16. Se realiza sobre poblaciones en las que no se conoce a
sus individuos o es muy difícil acceder a ellos. Podrían
ser los casos de sectas secretas, indigentes, grupos
minoritarios, etc.
Se llama muestreo de bola de nieve porque cada sujeto
estudiado propone a otros, produciendo un efecto
acumulativo parecido al de la bola de nieve.
17. Los sujetos se seleccionan a base del conocimiento y juicio del
investigador, selecciona a los individuos a través de
su criterio profesional, Puede basarse en la experiencia de
otros estudios anteriores o en su conocimiento sobre
la población y el comportamiento de ésta frente a las
características que se estudian.
18. Un parámetro estadístico es
un número que se obtiene a partir
de los datos de una distribución
estadística, sirven para sintetizar
la información dada por una tabla o
por una gráfica.
Hay tres tipos parámetros estadísticos:
*De centralización.
*De posición
*De dispersión.
19. Nos indican en torno a qué valor (centro) se
distribuyen los datos.
Las medidas de centralización son:
Media aritmética:
La media es el
valor promedio de
la distribución.
Mediana:
La mediana es la puntación de
la escala que separa la mitad
superior de la distribución y la
inferior, es decir divide la
serie de datos en dos partes
iguales.
Moda:
La moda es el valor que más
se repite en una distribución.
20. Las medidas de posición dividen un conjunto de datos en
grupos con el mismo número de individuos.
Para calcular las medidas de posición es necesario que
los datos estén ordenados de menor a mayor.
Percentiles:
Los percentiles dividen
la serie de datos
en cien partes iguales.
Cuartiles:
Los cuartiles dividen la serie de
datos en cuatro partes iguales.
Las medidas de posición son:
Deciles:
Los deciles dividen la
serie de datos en diez
partes iguales.
21. Las medidas de dispersión nos informan sobre cuanto se
alejan del centro los valores de la distribución.
Las medidas de dispersión son:
Rango o recorrido
El rango es la diferencia entre
el mayor y el menor de
los datos de una distribución
estadística.
Desviación media:
La desviación media es
la media aritmética de
los valores absolutos de
las desviaciones respecto a
la media.
Varianza:
La varianza es la media
aritmética del cuadrado de las
desviaciones respecto a la media.
22. Estadístico: Es una cantidad numérica calculada sobre
la muestra que resume su información sobre algún
aspecto. Se usa para aproximar un parámetro.
Su valor concreto depende de los valores de la muestra
seleccionada en la que es calculado. Es evidente que de
una población cualquiera es posible extraer más de una
muestra diferente del mismo tamaño, por tanto el valor
de un estadístico varía de una muestra a otra. Un
estadístico no es un valor numérico constante (como lo
es un parámetro), sino que es una variable: su valor
concreto depende de la muestra en la que es calculado.
23. El error se define como la diferencia entre el valor
verdadero y el obtenido experimentalmente. Los errores
no siguen una ley determinada y su origen está en
múltiples causas.
24. Según la causa que los origina, los errores están
clasificados en errores de muestreo y de no muestreo.
El error de no muestreo puede ocurrir en cualquier
estudio o encuesta, sea un censo o una muestra. Estos
errores a su vez comprenden errores sistemáticos y
accidentales.
ERRORES SISTEMÁTICOS: Son aquellos que
permanecen constantes durante todo el proceso de
medida y, por tanto, afectan a todas las mediciones de
un modo definido y es el mismo para todas ellas; se
pueden subclasificar en errores instrumentales,
personales o por la elección del método.
25. Error en la elección del método se
presenta cuando se lleva a cabo la
determinación de una medida
mediante un método que no es idóneo
para tal fin; por ejemplo, la medida
del tiempo de caída de un objeto por
mera inspección visual.
Errores instrumentales:
Son los debidos al aparato
de medida; por ejemplo, un
error de calibrado generaría
este tipo de imprecisión.
Errores personales: Se deben
a las limitaciones propias del
experimentador; así, una
persona con algún problema
visual puede cometer errores
sistemáticos en la toma de
ciertos datos.
26. ERRORES ACCIDENTALES: Son aquellos que se
producen en las variaciones que pueden darse entre
observaciones sucesivas realizadas por un mismo
operador.
Estas variaciones no son reproducibles de una medición a
otra y su valor es diferente para cada medida. Las causas
de estos errores son incontrolables para el observador.
Los errores accidentales son en su mayoría de magnitud
muy pequeña y para un gran número de mediciones se
obtienen tantas desviaciones positivas como negativas.
Aunque con los errores accidentales no se pueden hacer
correcciones para obtener valores más concordantes con
el real, si se emplean métodos estadísticos se puede
llegar a algunas conclusiones relativas al valor más
probable en un conjunto de mediciones.
27. ERROR DE MUESTREO
El error de muestreo es la desviación de la
muestra seleccionada de las verdaderas
características, rasgos, comportamientos,
cualidades o figuras de toda la población. Es decir,
la variación natural existente entre muestras
tomadas de la misma población.
La causa más frecuente de dicho error es un
procedimiento de muestreo sesgado. Todo
investigador debe tratar de establecer una
muestra que esté libre de sesgos y sea
representativa de toda la población. Así, el
investigador es capaz de minimizar o eliminar
el error de muestreo.
28. El sesgo muestral se refiere a a una tendencia sistemática inherente a un método de
muestreo que da estimaciones de un parámetro que son, en promedio, menores
(sesgo negativo), o mayores (sesgo positivo) que el parámetro real. Es decir, es la
influencia que ejerce el estimador en la muestra, pues es la diferencia entre su
esperanza matemática, y el valor numérico que estima.
29. Nos proporciona un rango de valores entre los que
tendremos cierto nivel de confianza de que se
encuentre nuestro parámetro poblacional desconocido.
El intervalo de confianza se construye de manera que la
probabilidad del parámetro de la población se localice
en algún lugar dentro del intervalo conocido.
La probabilidad de éxito en la estimación se representa
con 1 - α y se denomina nivel de confianza
30. Para poder determinar la amplitud de
confianza se toman en cuenta los
siguientes puntos:
*El tamaño de la muestra (n)
*la variabilidad de la población
(normalmente se identifica con una s)
*el nivel de confianza deseada.
31. Elementos de un intervalo de confianza.
Para plantear la obtención de un
intervalo de confianza debemos
de tomar en cuenta lo siguiente:
La primera es la elección del
parámetro poblacional del cual
deseamos obtener la estimación.
Generalmente esta elección está
relacionada con el tipo de
distribución que asumimos para la
variable estudiada.
Una segunda elección es el nivel de
confianza con el que deseamos
trabajar. No es una elección sin
importancia, puesto que del nivel de
confianza dependerá la precisión de
la estimación que obtengamos, es
decir, la anchura del intervalo.