Muestreo de variables MUS vs muestreo de variables clásico

Aspectos centrales

MUS es más eficiente cuando los errores se concentran en montos grandes; clásico es más eficiente cuando los errores se distribuyen uniformemente por recuento de transacciones.
MUS requiere menos tamaño de muestra típicamente, pero exige proyección de errores más detallada y documentación explícita del método de extrapolación.
Los hallazgos de inspección de autoridades internacionales muestran que los auditores confunden frecuentemente la proyección de errores en MUS (que es monetaria) con la proyección clásica (que es por recuento).

Cómo funcionan

Ambos métodos están autorizados por la NIA-ES 530.5 como procedimientos de auditoría que proporcionan evidencia de auditoría sobre aseveraciones de saldos monetarios. La diferencia radica en cómo se define y se calcula la unidad de muestreo.
En el muestreo MUS, la unidad de muestreo es una unidad monetaria individual dentro de la población. Si la población tiene saldo total de €5 millones y se selecciona una muestra de 100 unidades monetarias, se espera que aquellas transacciones cuyo saldo sea más alto tengan mayor probabilidad de ser seleccionadas. Esto ocurre de forma automática: una factura de €50.000 está presente en 50.000 unidades monetarias sucesivas dentro de la población ordenada, mientras que una factura de €1.000 ocupa solo 1.000 unidades. Cuando se genera un número aleatorio dentro de la población ordenada (por ejemplo, 2.345.678), la factura que contiene esa posición monetaria se selecciona. NIA-ES 530.A11 señala que este método es especialmente útil cuando se espera que los errores se concentren en montos grandes.
En el muestreo de variables clásico, la unidad de muestreo es una transacción o línea. Si la población tiene 10.000 facturas, se selecciona una muestra aleatoria de un número específico de facturas (por ejemplo, 100 facturas). Cada factura tiene la misma probabilidad de selección, independientemente de su monto. La proyección del error de muestreo se basa en la variabilidad de los montos dentro de la muestra seleccionada.

Distinción : cuándo importa en un encargo

La elección entre MUS y variables clásico no es cosmética. Determina (1) cuántas transacciones necesitas auditar, (2) cómo documentas el riesgo de muestreo, y (3) si tu conclusión es defensible ante una inspección regulatoria.
Los auditores eligen MUS cuando anticipa que los errores (si existen) estarán principalmente en montos grandes. Una cartera de deudas por cobrar donde el 2% de las cuentas representan el 70% del saldo es candidata natural para MUS: una muestra pequeña de esas cuentas grandes tendrá alta probabilidad de contener cualquier error material si existe.
Los auditores eligen variables clásico cuando la naturaleza de los errores es aleatoria o se distribuye uniformemente por transacción. Un mayor número de transacciones de igual magnitud (por ejemplo, pagos de servicios recurrentes de similar valor) requiere estadística clásica: la precisión viene del número de transacciones examinadas, no de la concentración de valores grandes.

Tabla comparativa

| Dimensión | MUS | Variables clásico |
|---|---|---|
| Unidad de muestreo | Unidad monetaria (€1) | Transacción o línea contable |
| Probabilidad de selección | Proporcional al valor monetario | Igual para todas las transacciones |
| Tamaño de muestra típico | Menor (a menudo 50-150 para deudas por cobrar) | Mayor (típicamente 100-500+) |
| Proyección de errores | Tasa de error monetario por unidad monetaria | Media y desviación estándar de los montos en muestra |
| Mejor para | Poblaciones donde errores concentrados en valores altos | Poblaciones donde errores distribuidos uniformemente |
| Documentación de riesgo de muestreo | Límite de precisión monetaria en euros | Error máximo tolerado en euros |
| Riesgo de confusión | Proyección monetaria interpretada como por recuento | Desviación estándar omitida del cálculo |

Ejemplo práctico: cómo se diferencian en auditoría

Cliente: Distribuciones Ibéricas S.L., Bilbao
Saldo de deudores: €8.200.000 en 3.847 facturas. Rango de facturas: €500 a €180.000. Error tolerable: €164.000.
Escenario MUS:
Paso 1: Calcular intervalo de muestreo
Documentación: El auditor registra que el método selecciona una factura cada €102.500 de saldo acumulado. Las 10 facturas más grandes (en total €1.850.000) tienen probabilidad de selección elevada.
Paso 2: Seleccionar facturas
Se genera un número aleatorio inicial (por ejemplo, 45.123). Se suma el intervalo reiteradamente (45.123 + 102.500 = 147.623; + 102.500 = 250.123, etc.). Cada vez que se alcanza una nueva suma, se selecciona la factura que contiene esa posición monetaria dentro de la población ordenada.
Documentación: Se lista cada número aleatorio usado y la factura resultante, con su saldo y fecha.
Paso 3: Verificar cada factura seleccionada
80 facturas (típicamente entre €500 y €180.000, sesgo hacia las grandes). Se audita cada una. Se encuentra: 1 factura con error de €8.500 (verificación de crédito omitida), resto sin error.
Documentación: Tabla de muestreo con saldo registrado, saldo auditado, diferencia, y explicación de cada error.
Paso 4: Proyectar el error
MUS proyecta de forma monetaria. Si se encontró 1 error de €8.500 en 80 unidades monetarias de una población de 8.200 unidades, la tasa de error es 1/80 = 1,25%. La proyección es 1,25% × €8.200.000 = €102.500 de error proyectado en la población.
Documentación: "Tasa de error observada: 1/80. Error proyectado: 1,25% × €8.200.000 = €102.500. Error tolerable: €164.000. Conclusión: La precisión es adecuada; no se requieren procedimientos adicionales."
Escenario variables clásico:
Paso 1: Definir el tamaño de muestra
Documentación: Se registran los supuestos: desviación estándar, confianza, y el cálculo del tamaño.
Paso 2: Seleccionar facturas
Se genera una lista aleatoria de 186 números entre 1 y 3.847. Cada número corresponde a una factura en la población ordenada.
Documentación: Se lista cada número aleatorio y la factura resultante.
Paso 3: Verificar cada factura
186 facturas se auditan. Se encuentran 2 errores: uno de €8.500 y otro de €3.200.
Documentación: Tabla de muestreo idéntica a MUS.
Paso 4: Proyectar el error
Variables clásico proyecta por recuento. Media de saldos en muestra: €43.851. Media de errores en muestra: (€8.500 + €3.200) / 186 = €62,90 por factura. Error proyectado: 62,90 × 3.847 = €242.000.
Documentación: "Media de saldos: €43.851. Media de errores: €62,90 por factura. Error proyectado: €242.000. Error tolerable: €164.000. Conclusión: Se requieren procedimientos adicionales; el error proyectado excede la tolerancia."
Conclusión de la comparación:
Con MUS, se auditaron 80 facturas y se concluyó aceptación. Con variables clásico, se auditaron 186 facturas y se concluyó que se necesitan pruebas adicionales. Ambos métodos son válidos según NIA-ES 530, pero producen conclusiones distintas en la misma población porque MUS asume que los errores grandes son más probables (sesgo de selección explícito) mientras que variables clásico los trata como desviaciones de una distribución normal (sin sesgo de selección).

• Saldo poblacional: €8.200.000
• Tamaño de muestra deseo: 80 unidades monetarias
• Intervalo de muestreo: €8.200.000 ÷ 80 = €102.500 por unidad monetaria
• Población: 3.847 facturas
• Desviación estándar estimada del saldo de facturas: €28.000 (se estima de auditorías anteriores o de una muestra piloto)
• Error máximo tolerable: €164.000
• Confianza del 95%: factor z = 1,96
• Tamaño de muestra: n = (1,96 × 28.000 / 164.000)² × [(3.847 − 1) / 3.847] = aproximadamente 186 facturas

Cuándo los revisores atrapan errores

Los errores de muestreo que encuentran inspectores internacionales (AFM, FRC) y que deberías evitar:
Error Tier 1: Proyectar errores de MUS como si fueran variables clásico. Esto ocurre cuando el auditor identifica un error en una factura seleccionada por MUS, cuenta el número de transacciones con error (por ejemplo, 1 de 80), y proyecta como 1/80 = 1,25% de todas las 3.847 transacciones. Esto es incorrecto en MUS. NIA-ES 530.A11 requiere que la proyección sea monetaria: tasa de error en euros, no en recuento de transacciones. La FRC ha señalado este error en sus reportes de inspección como una aplicación central mal entendida del método.
Error Tier 2: No documentar explícitamente qué método se usó antes de seleccionar la muestra. Cuando revisores leen el expediente del auditor, no debería haber ambigüedad: "Muestreo MUS, intervalo €102.500" es defensible. "Se seleccionaron 80 facturas al azar" deja abierta la pregunta de si fue MUS o variables clásico, y si el tamaño fue técnicamente justificado. NIA-ES 530.6 exige que el método de selección sea documentado antes de la ejecución. Documentación posterior genera sospecha de "fitting" (ajustar el método a los resultados hallados).
Error Tier 3: Omitir el cálculo de error máximo permitido (riesgo de muestreo) después de la proyección. En MUS, después de proyectar el error, debe calcularse el límite de precisión monetaria (el rango de error máximo que el método permite dado el tamaño de muestra). Si el error proyectado está dentro del límite pero cerca del borde, la documentación debe mostrar esta evaluación de riesgo residual. Muchos auditores proyectan pero no evalúan si la precisión lograda es suficiente.

Términos relacionados

• Riesgo de muestreo: diferencia entre conclusión basada en la muestra y la que se alcanzaría si la población se auditara completa
• Intervalo de muestreo: en MUS, el monto en euros por el que se selecciona una unidad; en variables clásico, el número de transacciones por el que se selecciona una unidad
• Error tolerable: monto máximo de error que el auditor está dispuesto a aceptar sin calificar la opinión
• Error proyectado: cantidad estimada de error en la población basada en errores hallados en la muestra
• Procedimientos analíticos: alternativa a muestreo estadístico que usa relaciones entre datos para evaluar aseveraciones
• Muestreo por atributos: método para evaluar tasas de desviación en controles, no montos; gobernado también por NIA-ES 530 pero no es variables ni MUS

Herramienta de cálculo de muestreo

ciferi ofrece la Calculadora de tamaño de muestra NIA-ES 530 que automatiza los cálculos de tamaño tanto para MUS como para variables clásico. Introduce el saldo poblacional, error tolerable, y confianza deseada; la herramienta genera el tamaño y el intervalo de muestreo.
Abrir calculadora de muestreo