ESTADÍSTICA PARA LA AUDITORÍA

Unidad 1
Indicadores estadísticos en la auditoría y muestreo
 ESCUELA DE NEGOCIOS

Directora: Lorena Baus Piva

ELABORACIÓN

Experto disciplinar: José Luis Fuentes Morales

Diseñadora instruccional: Marjorie Balbontín Azúa

VALIDACIÓN

Experta disciplinar: Marisol López Núñez

Jefa de Diseño Instruccional: Alejandra San Juan Reyes

EQUIPO DE DESARROLLO

Didactic

AÑO

2022
Tabla de contenidos

Aprendizaje esperado ................................................................................................. 4

Introducción .............................................................................................................. 5

1. Tipos de análisis .................................................................................................... 6

1.1. Análisis descriptivo ........................................................................................... 6

1.2. Análisis inferencial ........................................................................................... 7

2. Indicadores ........................................................................................................... 8

3. Medidas de resumen ............................................................................................ 10

3.1. Medidas de tendencia central ......................................................................... 12

3.1.1. Media aritmética...................................................................................... 12

3.1.2. Moda ..................................................................................................... 13

3.1.3. Mediana ................................................................................................. 14

3.2. Medidas de posición ...................................................................................... 16

3.2.1. Cuartiles ................................................................................................ 16

 3.2.2. Deciles.................................................................................................... 18

3.2.3. Percentiles .............................................................................................. 20

3.3. Medidas de dispersión .................................................................................... 22

3.3.1. El rango .................................................................................................. 22

3.3.2. La varianza............................................................................................. 22

3.3.3. La desviación estándar ............................................................................. 24

3.3.4. El coeficiente de variación ........................................................................ 26

Cierre ..................................................................................................................... 28
Aprendizaje esperado

Caracterizan indicadores estadísticos, considerando su alcance en análisis de

información.

Fuente: Freepik (s.f.)

Introducción
¿Cuál es el aporte de la estadística a la auditoría?
La auditoría, dentro de la gran cantidad de procesos que puede avaluar, necesita de una
herramienta que le permita obtener resultados rápidos y confiables, sin necesidad de tener
que evaluar dichos procesos analizando toda la información que se dispone.
Si se consideran aspectos como, cantidad de información y su clasificación según el tipo
de movimientos, el tiempo que tomaría analizarla y el costo que conlleva un estudio
considerando los puntos anteriores, nos damos cuenta que un auditor necesita de
herramientas que le permitan analizar toda esta información vital de la organización y
medir sus diferentes procesos, con el fin de hacer los ajustes o correcciones necesarios
que le permitan un desarrollo óptimo de todas sus actividades.
Es aquí donde interviene la estadística. Esta, como ciencia, proporciona una serie de
protocolos que permiten obtener resultados confiables, manejando menor información, a
menor costo y en un menor tiempo. Este aporte se da mediante uno de los campos de
acción de la estadística, la inferencia.

¿Qué aporta la inferencia estadística?

Específicamente, el trabajo con muestras y el cálculo de distintos indicadores que permiten
dilucidar el comportamiento completo de cada proceso que se desea evaluar.
Esta semana se entregarán las nociones básicas de los indicadores necesarios de conocer
y que resumen un conjunto de observaciones mediante un valor numérico, medible,
interpretable y confiable.

5
1. Tipos de análisis

La estadística permite realizar dos tipos de estudios. La diferencia entre uno y otro está en
la información que se utilizará en un análisis, pudiendo ser de tipo descriptivo o de tipo
inferencial.

Figura 1. Tipos de análisis estadísticos.

1.1. Análisis descriptivo

Un análisis descriptivo o estadística descriptiva, involucra todos los procedimientos básicos

de la ciencia de la estadística. Abarca desde la recolección o captura de la información y
su organización, hasta el análisis y presentación de los resultados. Es de carácter
deductiva pues la interpretación de sus resultados es un relato del momento en que la
información es obtenida.
Podríamos resumir sus características principales de la siguiente forma:
✓ Recopila o captura información, la organiza y presenta parte de los resultados
resumiéndolos en tablas y gráficos.

6
 ✓ Define las características (variables) importantes o representativas a analizar de
entre la información recopilada, proporcionando además su forma o escala de
medición.
✓ Proporciona otras formas de resumir la información, distinta a las gráficas y tablas,
en un valor numérico que representa al conjunto de observaciones. Los
parámetros. Ejemplo: la media aritmética, la moda, la desviación estándar.
✓ Permite describir algunas tendencias.

Si bien cualquier estudio de tipo descriptivo es muy confiable, existen algunos problemas
que se pueden presentar, tales como:
✓ El volumen de información recopilada dificulta su análisis.
✓ El tiempo dedicado a la recopilación no puede ser infinito si se requiere evaluar
ciertos procesos constantemente.
✓ Si el método de recopilación de la información no es el correcto, los resultados no
serán confiables.
✓ Las características (variables) elegidas a analizar, así como, su forma de medición,
de no ser las pertinentes, provocará problemas en la etapa de análisis.

1.2. Análisis inferencial

Un análisis inferencial o inferencia estadística, no trabaja con toda la información

recopilada, sino que utiliza una parte de ella y mediante el uso de “estimadores” y las
probabilidades, permiten análisis igual de confiables y precisos. Es de carácter inductivo,
es decir, predictivo; esto porque los valores de los estimadores deben ajustarse a los
valores que arrojaría un análisis considerando toda la información.

Los aspectos importantes a considerar en este tipo de análisis son:

✓ Se trabaja con un volumen menor de información.

7
 ✓ Las características (variables) definidas son las mismas que en un estudio
descriptivo.
✓ Se trabaja con “estadísticos”. Estos son estimadores de los parámetros.
✓ Utiliza como herramienta base el uso de las probabilidades.

El hecho de trabajar con una parte de toda la información con que se cuenta debe
considerar algunos problemas que se pueden presentar, tales como:
✓ La cantidad de observaciones utilizadas para estimar un parámetro no son
suficientes.
✓ El proceso o método por el cual fueron elegidas las observaciones no es el
adecuado.
✓ El error producto de la estimación, al trabajar con una menor cantidad de
observaciones, no fue bien calculado o definido.

Pese a las dificultades de trabajar con un volumen menor de datos, si se aplican bien
todas las herramientas que la estadística proporciona, los resultados producto de un
análisis inferencial serán precisos y confiables para cualquier proceso que una auditoría
quiera evaluar.

2. Indicadores
Un indicador es un valor o característica que puede ser observado o medido y cuya
información refleja alguna situación en particular o el resultado de alguna acción.
La importancia de los indicadores está en que la información que entregan permite tener
un punto de comparación respecto de cambios, comportamientos y variaciones de algún
fenómeno en particular a través del tiempo, que, a partir de su comprensión y análisis,

8
facilita la toma de decisiones oportuna por parte de distintas organizaciones
(gubernamentales, empresariales, corporaciones, fundaciones, etc).
Algunos ejemplos de indicadores son: indicadores de desempeño, indicadores de gestión
(KPI´s), indicadores para evaluar procesos, etc.
En estadística, estos indicadores reciben el nombre de parámetros (en caso de ser
obtenidos desde poblaciones) o estadísticos (si son obtenidos de muestras). Entre los más
utilizados en auditoría están la media aritmética, las proporciones, la desviación estándar
y el coeficiente de variación.

Figura 2. Indicadores según el tipo de análisis estadístico.

El esquema muestra algunos indicadores, los que son utilizados por un auditor, que serán
analizados en el siguiente apartado.

9
3. Medidas de resumen
Las medidas de resumen son valores numéricos que “resumen” un conjunto de datos. Sin
embargo, su uso dependerá de cómo fue definida la característica (variable) de estudio y
la escala de medición utilizada.

Figura 3. Clasificación de las variables y las escalas a utilizar.

• Variable cualitativa
Una variable cualitativa es aquella en donde la medición de la característica (variable)
se realiza mediante un concepto o atributo. Por ejemplo: estado civil, nivel académico,
medir el nivel de satisfacción respecto de cuán feliz se siente cada persona.
Las escalas de medición pueden ser de dos tipos:
a. Escala nominal: es aquella escala en que no existe necesidad de priorizar el
atributo o característica. Ejemplo: el color de pelo, color de ojos, etc.
b. Escala ordinal (o categórica): es aquella escala donde si existe un orden o
nivel de importancia necesaria de tener en cuenta al momento de resumir la
información. Ejemplo: si se está midiendo el nivel de satisfacción respecto del clima
laboral en una empresa, por lo general se hace mediante una escala Likert, la cual
presenta un orden decreciente o creciente respecto a cuán satisfecho se puede o
no estar.

10
 • Variable cuantitativa
Una variable cuantitativa es aquella en donde la medición de la característica
(variable) se realiza mediante un valor numérico. Por ejemplo: número de hijos,
salarios, etc.
Las escalas de medición pueden ser de dos tipos:
a. Escala discreta: es aquella que toma valores enteros, no pudiendo tomar un
valor intermedio o entre dos valores. Ejemplo: número de hijos, número de casas
en un sector, etc.
b. Escala continua: es aquella en que se resume la información a través de
rangos o también llamados intervalos. Ejemplo: agrupar los ingresos de un grupo
de personas mediante rangos de ingresos.

Teniendo clara la clasificación de la variable a utilizar, las medidas de resumen se pueden

dividir en: medidas de tendencia central, medidas de posición y medidas de dispersión,
cada una de las cuales proporciona distintos tipos de indicadores.

Figura 4. Clasificación de las medidas de resumen y sus respectivos indicadores.

11
3.1. Medidas de tendencia central

Resumen la información en torno a un valor central que representa al conjunto de

observaciones. Las medidas de tendencia central son: la media aritmética (promedio), la
moda y la mediana.

Figura 5. Clasificación de las medidas de tendencia central

3.1.1. Media aritmética

La media aritmética es el promedio de un conjunto de datos. Es posible calcular solo

cuando la variable es de tipo cuantitativa.

¿Cómo se calcula?
Si los datos están desagrupados (no están en tablas), ver el siguiente ejemplo:

Figura 6. Ejemplo de cálculo de la media aritmética para datos no agrupados.

Su interpretación es: el promedio de horas semanales realizadas es de 29,4 horas.

12
Si los datos están agrupados, ver los siguientes ejemplos:

Figura 7. Ejemplos de cálculos de la media aritmética para datos agrupados.

Las interpretaciones son:

- El promedio de carga familiares de los trabajadores es de 2,1.
- El promedio de comisiones pagadas es de $284.950.

3.1.2. Moda

La moda comúnmente se define como el dato más repetido o la situación que se da un

mayor número de veces. Es posible de obtener tanto para variables cualitativas como
cuantitativas.

¿Cómo se calcula?
Si los datos están desagrupados (no están en tablas), ver el siguiente ejemplo:

Figura 8. Ejemplo de cálculo de la moda para datos no agrupados.

Su interpretación es: lo común es que se realizaran 33 horas extraordinarias a la semana.

13
Si los datos están agrupados, ver los siguientes ejemplos:

Figura 9. Ejemplos de cálculos de la moda para datos agrupados.

Las interpretaciones son:

- Lo común es que los trabajadores tengan 2 cargas familiares.
- Lo común es que las comisiones sean de $350.000 aproximadamente.

3.1.3. Mediana

La mediana divide un conjunto de datos en dos partes iguales. Se puede calcular solo
para variables cuantitativas.

14
¿Cómo se calcula?
Si los datos están desagrupados (no están en tablas), ver el siguiente ejemplo:

Figura 10. Ejemplo de cálculo de la mediana para datos no agrupados.

Su interpretación es: En el 50% de las semanas se realizaron como máximo 29 horas

extraordinarias. (En el 50% de las semanas se realizaron como mínimo 29 horas
extraordinarias).

Si los datos están agrupados, ver los siguientes ejemplos:

Figura 11. Ejemplos de cálculos de la mediana para datos agrupados.

15
Las interpretaciones son:
- El 50% de los trabajadores tienen como máximo 2 cargas familiares. (El 50% de los
trabajadores tienen como mínimo 2 cargas familiares).
- El 50% de las comisiones son como máximo $304.348. (El 50% de las comisiones
son como mínimo $304.348).

3.2. Medidas de posición

Divide un conjunto de observaciones en grupos o partes iguales. Las medidas de posición

son: cuartiles, deciles y percentiles.

Figura 12. Clasificación de las medidas de posición

3.2.1. Cuartil

Los cuartiles dividen un conjunto de datos en cuatro partes iguales. Cada una equivalente
al 25% de las observaciones y se trabaja de forma acumulada. Así se tiene que:
o Cuartil 1: equivale al 25% de los datos.
o Cuartil 2: equivale al 50% de los datos (coincide con la mediana).
o Cuartil 3: equivale al 75% de los datos.
o Cuartil 4: equivale al 100% de los datos.

16
¿Cómo se calculan?
Si los datos están desagrupados (no están en tablas), ver el siguiente ejemplo:

Figura 13. Ejemplo de cálculo del cuartil 1 para datos no agrupados.

Su interpretación es: el 25% de las semanas se realizaron como máximo 25,5 horas
extraordinarias.

Si los datos están agrupados, ver los siguientes ejemplos:

Figura 14. Ejemplos de cálculos del cuartil 1 para datos agrupados.

17
Las interpretaciones son:
- El 25% de los trabajadores tiene como máximo una carga familiar.
- El 25% de las comisiones son como máximo $158.823.

3.2.2. Decil

Los deciles dividen un conjunto de datos en 10 partes iguales. Cada una de las partes
contiene al 10% de los datos y se trabaja de forma acumulada. Así se tiene que:
o Decil 1: equivale al 10% de los datos.
o Decil 2: equivale al 20% de los datos.
o Decil 3: equivale al 30% de los datos.
o Así sucesivamente hasta llegar al decil 10 que equivale al 100% de los datos.

¿Cómo se calculan?
Si los datos están desagrupados (no están en tablas), ver el siguiente ejemplo:

Figura 15. Ejemplo de cálculo del decil 6 para datos no agrupados.

Su interpretación es: en el 60% de las semanas se realizaron como máximo 31,2 horas
extraordinarias

Observación
Excel al no tener la función decil, se debe hacer uso de la función percentil. Si se desea
calcular, por ejemplo, el decil 4, la formula deberá ser: PERCENTIL(MATRIZ;40%).

18
Si los datos están agrupados, ver los siguientes ejemplos:

Figura 16. Ejemplos de cálculos del decil 6 para datos agrupados.

Las interpretaciones son:

- El 60% de los trabajadores tiene como máximo dos cargas familiares.
- El 60% de las comisiones son como máximo $339.130.

19
3.2.3. Percentil

Los percentiles dividen un conjunto de datos en 100 partes iguales. Cada una de las
partes contiene al 1% de los datos y se trabaja de forma acumulada. Así se tiene que:
o Percentil 1: equivale al 1% de los datos.
o Percentil 2: equivale al 2% de los datos.
o Percentil 3: equivale al 3% de los datos.
o Así sucesivamente hasta llegar al percentil 100 que equivale al 100% de los
datos.
¿Cómo se calculan?
Si los datos están desagrupados (no están en tablas), ver el siguiente ejemplo:

Figura 17. Ejemplo de cálculo del percentil 85 para datos no agrupados.

Su interpretación es: el 85% de las semanas se realizaron como máximo 37,5 horas
extraordinarias.

20
Si los datos están agrupados, ver los siguientes ejemplos:

Figura 18. Ejemplos de cálculos del percentil 85 para datos agrupados.

Las interpretaciones son:

- El 85% de los trabajadores tiene como máximo cuatro cargas familiares.
- El 85% de las comisiones son como máximo $450.000.

Todas las medidas de posición solo pueden ser obtenidas cuando se trabaja con variables
cuantitativas.

21
3.3. Medidas de dispersión

Es de las medidas más importantes, pues mide la homogeneidad o dispersión de un

conjunto de observaciones (miden qué tan similares son las observaciones respecto a una
característica). Dentro de estas medidas están: el rango, la varianza, la desviación
estándar y el coeficiente de variación.

Figura 19. Clasificación de las medidas de dispersión

3.3.1. El rango

El rango es la diferencia entre el mayor y menor de los valores que toma la variable de
estudio. Solo puede ser calculado en variables cuantitativas.

3.3.2. La varianza

La varianza, al igual que la desviación estándar, mide la variabilidad o dispersión de cada

observación respecto del promedio general de observaciones. Solo es posible de calcular
cuando la variable es medida de forma cuantitativa y el cálculo dependerá también si se
está trabajando sobre una población o una muestra.

22
¿Cómo se calcula?
Si los datos están desagrupados (no están en tablas), ver el siguiente ejemplo:

Figura 20. Ejemplo de cálculo de la varianza para datos no agrupados para población y
muestra.
*No se interpreta.
Si los datos están agrupados, ver los siguientes ejemplos:

Figura 21. Ejemplo de cálculo de la varianza para datos agrupados en tablas discretas
para población y muestra.

23
 Figura 22. Ejemplo de cálculo de la varianza para datos agrupados en tablas continuas
para población y muestra.

3.3.3. La desviación estándar

Mide la variabilidad o dispersión de cada observación respecto del promedio general de

observaciones. Es la raíz cuadrada de la varianza y solo es posible de calcular cuando la
variable es medida de forma cuantitativa y el cálculo dependerá también si se está
trabajando sobre una población o una muestra.

¿Cómo se calcula?
Si los datos están desagrupados (no están en tablas), ver el siguiente ejemplo:

Figura 23. Ejemplo de cálculo de la desviación estándar para datos no agrupados para
población y muestra.

24
Interpretación:

Población. La dispersión de las horas extraordinarias de cada semana respecto al

promedio es de 7,01 horas.

Muestra. La dispersión de las horas extraordinarias de cada semana respecto al

promedio es de 7,26 horas.

Si los datos están agrupados, se obtendrán las raíces de los resultados de los ejemplos de
las figuras 18 y 19, situación que se sintetiza en el siguiente cuadro:

Figura 24. Cuadro resumen de las varianzas y desviaciones de los ejemplos desarrollados.

Interpretaciones:
- Ejemplo 18.
o Población. La desviación del número de cargas de cada trabajador respecto
del promedio del grupo es de 1,46 cargas.
o Muestra. La desviación del número de cargas de cada trabajador respecto
del promedio del grupo es de 1,47 cargas.
- Ejemplo 19.
o Población. La desviación de cada comisión respecto al promedio es de
$146.658.
o Muestra. La desviación de cada comisión respecto al promedio es de
$147.583.

25
3.3.4. El coeficiente de variación

El coeficiente de variación también mide dispersión, pero a diferencia de la desviación

estándar, este permite comparar información de poblaciones distintas o unidades de
medidas distintas, por ejemplo, se quiere analizar la dispersión del peso y la estatura de
un conjunto de personas.
El coeficiente de variación (coeficiente de variación de Pearson) se expresa en porcentaje y
resulta de la división de la desviación estándar en la media aritmética. Solo puede ser
calculada a partir de variables cuantitativas.

¿Cómo se calcula?
La fórmula a utilizar es:

Tomaremos como ejemplos los resultados anteriores que se encuentran resumidos en el

siguiente cuadro:
(Se utilizarán solo los resultados correspondientes a poblaciones, pues en el caso de las
muestras, el procedimiento es el mismo)

Figura 25. Cuadro resumen de la información necesaria para el calculo del coeficiente
de variación y el resultado de este, a partir de los ejemplos desarrollados.

Interpretación.
- La dispersión de las horas extraordinarias semanales es del 23,85%.
- La dispersión de cargas familiares de los trabajadores es de un 69,5%.

26
 - La dispersión de las comisiones es de un 51,47%.

Si se quiere analizar las tres características entre sí, se puede decir que:
- La menor variación está en la cantidad de horas extraordinarias semanales,
mientras que la mayor variación lo presenta el número de cargas familiares.
- Respecto de la dispersión de las comisiones, es preocupante, pues se deduce que
existe gran variabilidad entre ellas, es decir, un grupo cercano al 52% que están
muy por sobre el promedio o bajo el.
Se debe entender que mientras más pequeña sea la dispersión de los datos, implica mayor
homogeneidad, es decir, los resultados individuales tienden a ser parecidos.

27
Cierre
Esta semana se entregaron los contenidos básicos y necesarios que permiten establecer a
la estadística como herramienta de la auditoría.
Los contenidos se resumen en el siguiente esquema:

Figura 26. Cuadro resumen de los contenidos relevantes.

28
Referencias bibliográficas

Freepik. (S.f.). Business feedback results review survey concept [Imagen].

https://www.freepik.com/free-photo/business-feedback-results-review-
survey-concept_16444861.htm

Freepik. (S.f.). Working with financial documents [Imagen de portada].

https://www.freepik.com/free-photo/working-with-financial-
documents_5633874.htm#query=audit&from_query=auditor%C3%ADa&posit
ion=33&from_view=search

Bibliografía de consulta

Whittington, P. (2004). Principios de auditoría. Mc Graw Hill.

Gutiérrez, A. (2014). Probabilidad y estadística. Mc Graw Hill.

29