Grupo: B3

Grupo: B3

Muestreo No Estadístico

Integrantes: Pablo Alejandro Galindo Natareno André Gerard Armas Sánchez Rosita Vicente Lux Byron Josué Rivera Natareno 1037 06 12420 1937 15 6050 1037 07 10841 1037 11 2427

Muestreo No Probabilístico

Es aquel utilizado en forma empírica; esto es, no se efectúa bajo normas probabilísticas de selección. En sus procesos intervienen opiniones y criterios personales del investigador. No existe norma bien definida o validada.

Algunas características de este tipo de muestreo: 1) No se basa en la teoría de la probabilidad; por lo tanto, no es posible calcular la exactitud. 2) No es posible el cálculo de la confianza de las estimaciones, la precisión de la muestra resultante. 3) El investigador elige los casos que más le interesan con el propósito de lograr información más nutrida. 4) Es posible obtener buenos resultados siempre y cuando el investigador tenga un conocimiento claro y preciso de la población que quiere observar y de las características que quiere observar. 5) Las inferencias alcanzan planos lógicos y hasta de opinión. 6) Son los más apropiados para las investigaciones cualitativas, ya que en este tipo de investigaciones no se busca la representatividad de los resultados, sino el punto de vista

Muestreo por cuotas

Este muestreo también es denominado "accidental". Se sustenta generalmente sobre la base de un buen conocimiento de los estratos de la población y/o de los individuos más "representativos" o "adecuados" para los fines de la investigación. Mantiene semejanzas con el muestreo aleatorio estratificado, pero sin su carácter de aleatoriedad. En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de individuos que reúnen unas determinadas condiciones; por ejemplo: 20 individuos de 25 a 40 años, de sexo femenino y residentes en una cierta comunidad. Una vez definida la cuota se eligen los primeros elementos que se encuentren que cumplan esas características. Este método se utiliza mucho en las encuestas de opinión. Puede verse como la versión no probabilística del muestreo estratificado. Consta de tres fases: 1) Segmentación Se divide la población objeto de estudio en grupos de forma exhaustiva (todos los individuos están en un grupo) y mutuamente excluyentes (un individuo sólo puede estar en un grupo), de forma similar a la división en estratos empleada en el muestreo estratificado. Normalmente esta segmentación se hace empleando alguna variable sociodemográfica como sexo, edad, región o clase social. 2) Fijar el tamaño de las cuotas Posteriormente, se establece el objetivo de individuos a encuestar para cada uno de estos grupos. Normalmente se definen estos objetivos de forma proporcional al tamaño del grupo en la población. Ejemplo: Se han definido unos segmentos por sexo en una población en la que hay un 60% de mujeres y un 40% de hombres, y se desea obtener una muestra de 1.000 personas, se define un objetivo de 600 mujeres y 400 hombres. Estos objetivos se conocen como cuotas. En este ejemplo, se tendría una cuota por sexo de 600 mujeres y 400 hombres. En ocasiones se definen cuotas no proporcionales a la población, por ejemplo, para poder profundizar en el análisis de un grupo específico. 3) Selección de participantes y comprobación de cuotas Finalmente, se buscan participantes para cubrir cada una de las cuotas definidas. En este punto es donde hay diferencias de un muestreo probabilístico: en el muestreo por cuotas se permite que la selección de individuos no sea aleatoria, puede ser una selección mediante muestreo por conveniencia. Ejemplo: en un estudio en el que se haya definido una cuota de 100 personas menores de 25 años y 100 personas de 25 o más años, se podría salir a la calle y abordar a las personas que pasan. Se les pregunta su edad y se encuestan si no se ha cubierto el objetivo.

Ventajas e inconvenientes La principal ventaja del muestreo por cuotas es que ofrece resultados útiles a un costo efectivo y, si se han elegido correctamente las variables sobre las que segmentar, dichos resultados suelen ser fiables. Los principales inconvenientes son dos: (1) la imposibilidad de acotar el error que se está cometiendo al usar este tipo de muestreo y (2) el riesgo de obviar una cuota relevante en un estudio. Por ejemplo, si en un estudio electoral no se fija una cuota por regiones y resulta que la tendencia de voto es muy diferente en unas regiones respecto a otras, los resultados globales estarán fuertemente distorsionados.

Muestreo por conveniencia

Es una técnica comúnmente usada. Consiste en seleccionar una muestra de la población por el hecho de que sea accesible. Es decir, los individuos empleados en la investigación se seleccionan porque están fácilmente disponibles, no porque hayan sido seleccionados mediante un criterio estadístico. Esta conveniencia, que se suele traducir en una gran facilidad operativa y en bajos costos de muestreo, tiene como consecuencia la imposibilidad de hacer afirmaciones generales con rigor estadístico sobre la población. Por ejemplo, se quiere conocer la opinión de los estudiantes universitarios de una región acerca de la política. Una muestra probabilística requeriría acceder a un censo del total de estudiantes de todas las universidades de la región, con el fin de seleccionar al azar un grupo de individuos y encuestarlos. Una muestra por conveniencia podría consistir en dirigirse a 3 universidades cercanas, simplemente porque están en la población en la que reside el encuestador, y encuestar a unos cuantos individuos que acepten participar al salir de las aulas por la mañana. Las limitaciones de este tipo de muestreo son obvias. En el ejemplo anterior, podría suceder que diferentes tipos de universidades correlacionen con estratos sociales y con opiniones políticas. Es más, si se seleccionan estudiantes de 3 universidades concretas y se encuestan por la mañana, sus opiniones podrían ser diferentes de las de estudiantes del turno de tarde (que tal vez trabajan al mismo tiempo que estudian). De acuerdo con lo anterior, ¿los resultados de una muestra por conveniencia son totalmente irrelevantes, no dicen nada de la población? No exactamente. Si se considera que hay buenas razones para pensar que la selección por conveniencia no va a introducir sesgos respecto al total de la población, los resultados que se obtienen pueden ser una buena imagen del universo estudiado. El problema es que no se sabe que tan buena es esa imagen: no es posible usar herramientas estadísticas como el margen de error y el intervalo de confianza para medir la precisión de los resultados. Los lectores del estudio tendrán que confiar en los criterios de la selección hecha por el investigador. Ventajas e inconvenientes La principal ventaja del muestreo por conveniencia es esa, su conveniencia. Es simple, económico, rápido... Puede dar información valiosa en muchas circunstancias, especialmente cuando no existen razones fundamentales que diferencien a los individuos que se tienen accesibles de los que forman el total de la población. El principal defecto en este muestreo es la falta de representatividad; la imposibilidad de hacer aseveraciones estadísticas sobre los resultados y el riesgo de incurrir en sesgos debido al criterio de muestreo empleado. Incluso, la muestra conveniente puede presentar un sesgo sistemático respecto al total de la población, lo que produciría resultados distorsionados.

Muestreo intencional

En este tipo de muestreo, la muestra intencional aleatoria tiene un propósito, esto significa que, al emplear este muestreo, se decide elegir un grupo específico de personas u objetos dentro de una población para su análisis. Sin embargo, la intención es describir a la población como un todo. El grupo elegido a menudo es el que puede ofrecer la mayor parte de la información a los investigadores. Por ejemplo, una muestra intencional aleatoria relacionada con el comportamiento electoral puede incluir a personas de cada condición socioeconómica y por lo tanto puede orientarse únicamente a las áreas en las que exista una alta heterogeneidad socioeconómica. Esta muestra es aleatoria y al mismo tiempo tiene un propósito. Este proceso ocurre en etapas. Inicialmente, se determina un subgrupo de la población, tal como en el muestreo intencional normal. Posteriormente, se obtiene una muestra aleatoria de dicho subgrupo. Esencialmente la muestra es aleatoria, no de la población sino de una subpoblación. Por lo tanto, para obtener una muestra intencional aleatoria, por ejemplo, para propósitos electorales, la aleatorización de los sujetos probablemente se llevará a cabo después de que los investigadores hayan reunido una lista de los residentes que viven en áreas económicamente heterogéneas. Ventajas e inconvenientes Entre sus ventajas, permite a los investigadores extraer puntos de datos de la población densos en información, brindándoles una mayor capacidad para hacer inferencias interesantes. Al igual que el muestreo aleatorio, el muestreo intencional aleatorio incrementa la validez estadística de la muestra.

Las muestras intencionales aleatorias no pueden generalizar con respecto a la población total. Esta es una gran desventaja ya que limita la capacidad para interpretar los resultados. Además de eso la elección del subgrupo de la población es un tanto subjetiva, lo cual es problemático debido a que está implícito que una muestra aleatoria es objetiva.

Muestreo bola de nieve

El muestreo por bola de nieve es una técnica de muestreo no probabilística en la que los individuos seleccionados para ser estudiados reclutan a nuevos participantes entre sus conocidos. El nombre de "bola de nieve" proviene justamente de esta idea: del mismo modo que una bola de nieve al rodar por una ladera se va haciendo más y más grande, esta técnica permite que el tamaño de la muestra vaya creciendo a medida que los individuos seleccionados invitan a participar a sus conocidos. Se emplea con frecuencia para acceder a poblaciones de baja incidencia y a individuos de difícil acceso por parte del investigador. En estudios en los que se quiere estudiar un colectivo muy específico (por ejemplo, personas aficionadas a la filatelia o coleccionismo de sellos), puede resultar mucho más

efectivo obtener una muestra a través de conocidos y amigos de los propios coleccionistas que, mediante una selección puramente aleatoria, en la que una gran cantidad de individuos candidatos a participar serían descartados. Es muy probable que un coleccionista de sellos conozca a otros coleccionistas de sellos, lo que hace de esta técnica una forma efectiva de muestrear un colectivo que de otra manera resultaría de difícil acceso para el investigador. Este muestreo funciona especialmente bien cuando el rasgo distintivo de la población que se quiere estudiar tiende a agrupar a dichos individuos, a favorecer su contacto social. Es algo más habitual de lo que podría parecer a simple vista. Es obvio que coleccionistas, practicantes de un deporte o aficionados a un tipo de música pueden cumplir con esta propiedad. Pero también aplica a otros colectivos como pacientes de una enfermedad rara, por poner un ejemplo, ya que su circunstancia personal facilita que estas personas entren en contacto con otras personas con el mismo rasgo (por ejemplo, en la consulta del médico, en asociaciones, etc.). Ventajas • Permite muestrear a poblaciones de difícil acceso. • Es un proceso económico y sencillo. • Requiere poca planificación y pocos recursos humanos: los propios sujetos entrevistados hacen de mano de obra. Inconvenientes:

• Falta de control sobre cómo se constituye la muestra, ya que está en manos de los propios encuestados y su criterio para seleccionar nuevos individuos. • Como toda técnica no probabilística, la bola de nieve no garantiza representatividad, ni permite conocer el grado de precisión que ofrecerá. • Esta técnica es especialmente sensible al sesgo de muestreo.

Ejemplo

Ejemplo, Se tiene un inventario cuyo total de libros asciende a $ 225 millones para 50.000 artículos. Para determinar el tamaño de muestra se asume:

a) Materialidad tolerable de $11,25 millones b) Materialidad Esperada de $2,8 millones c) Riesgo de aceptación incorrecta (Riesgo Beta): 5% d) No se aceptan excepciones: Nº de excepciones: 0

El auditor puede usar un procedimiento similar usando muestreo No Estadístico; en este caso, el riesgo de muestreo queda sujeto al criterio del auditor. El auditor determina el tamaño de muestra con la siguiente información: • Riesgo Inherente (RI): Riesgo de declaración falsa material. • Control de Riesgo (RC): Riesgo de descubrir una declaración falsa material.

• Detección del Riesgo de procedimientos: Riesgo de otros procedimientos de auditoría, como procedimientos analíticos que pueden fallar en descubrir una declaración falsa material.

El factor de riesgo se obtiene de la siguiente tabla:

Tomando el ejemplo anterior, suponga que el auditor evalúa el RC y RI ambos “casi máxima” y tiene confianza sustancial en el Control Interno (CI). Para calcular el tamaño de la muestra, el factor de riesgo se obtiene de la tabla anterior, en el cruce de a fila “casi máxima” con la columna “sustancial”:

Tomada la muestra, el auditor realiza la evaluación de los resultados, analizando si las causas de las excepciones encontradas se deben a: • Procedimientos adicionales aplicados. • Juicios sobre el control interno o la eficacia de procedimientos analíticos. • Otras acciones o circunstancias. La proyección del monto de excepciones se obtiene de la siguiente forma:

Ejemplo: El valor total de un inventario es de $585 millones y que se ha considerado una materialidad de $33,75 millones. El auditor evalúa el RI y RC “casi máxima” y tiene confianza sustancial en el Control Interno (CI). Con factor de riesgo 1,6 se calculó el tamaño de muestra n=28. Se seleccionó la muestra MUM, se auditaron y evaluaron los resultados y se determinaron las siguientes excepciones (millones):

Clase 7