GUÍA PRÁCTICA PARA LA CONSTRUCCIÓN DE MUESTRAS

Transcripción

1 Cntralría General de la República Unidad Técnica de Cntrl Extern GUÍA PRÁCTICA PARA LA CONSTRUCCIÓN DE MUESTRAS Abril

2 Unidad Técnica De Cntrl Extern ÍNDICE 1. PRESENTACIÓN CONCEPTOS DEL PROCESO DE MUESTREO Muestra Definición Relevancia de la definición de bjetivs Determinación de variables en estudi Tamañ de una muestra Representatividad Parámetrs de estimación muestral Inferencia Selección de ls elements de una muestra Muestre cn selección aleatria simple Muestre estratificad Submuestras Reemplaz Muestre de unidad mnetaria y pr registr Muestre de unidad mnetaria Muestre pr registr Pass para determinar una muestra representativa METODOLOGÍA DE MUESTREO Análisis de dats Tamañ de la muestra Selección de la muestra Anex N 1 Análisis de infrmación y selección de partidas claves Anex N 2 Funcines de ACL Anex N 3 Tabla dinámica en excel para crear estrats Anex N 4 Infrme de muestre Anex N 5 Evaluación de errr Anex N 6 Guía práctica Guía Práctica para la cnstrucción de muestras 2

3 Unidad Técnica De Cntrl Extern 1 Presentación La Cntralría General de la República, CGR, en el desarrll de su prgrama de frtalecimient de la gestión pr resultads, ha requerid ptenciar el prces de selección de muestras, en el desarrll de la ejecución de auditría. Para ell, resulta necesari dispner de una metdlgía capaz de rientar la btención de la muestra, tant desde el punt de vista teóric cm práctic. La expresión muestre, eje central de este prces, requiere inicialmente, dispner de claridad respect de ls bjetivs generales y específics que rienten un análisis de ls dats. Cn ests elements, la metdlgía generada da pas a tres instancias dentr del prces de muestre, y que tienen su base en la aleatriedad de la selección de ls dats, situación que garantiza que dicha elección, n se encuentre fundada en pinines criteris prpis. Para alcanzar l anterir, y cm primer pas del prces, se debe generar una pblación de estudi univers 1, identificand la ttalidad de las variables que l cmpnen, cn el fin de analizar y evaluar la integridad de estas, rientand y distinguiend sus elements. L señalad, permite evitar una distrsión en el prces estadístic. Efectuad el recncimient de la pblación baj revisión, su cuantía y características, se da pas a una segunda fase, la cual cnsiste en calcular el tamañ de la muestra, utilizand un instrument estadístic llamad distribución. Es así cm, en esta etapa, se requiere distinguir el fc en estudi, para definir ls atributs de la selección a realizar, pudiend ser pr elements cm registrs, pr la magnitud ecnómica de ls misms. Finalmente, se debe realizar la selección para el tamañ de muestra requerid, en frma aleatria, para l cual se pdrá utilizar el métd de selección aleatria simple, de estratificación prprcinal de la pblación. En resumen, la presente guía, está rientada a apyar al fiscalizadr, en la btención de una muestra representativa, carente de sesgs, y que respalde técnicamente el desarrll de las auditrías. 1 Para efects práctics, y en función de las características de ls dats analizads pr CGR, se hmlgará el cncept de univers y pblación Guía Práctica para la cnstrucción de muestras 3

4 Unidad Técnica De Cntrl Extern 2 Cncepts del Prces de Muestre. 2.1 Muestra Definición. Durante el transcurs de la auditría, se establece un númer cnsiderable de elements a examinar, para ls cuales deben ser empleads instruments estadístics, capaces de apyar dicha revisión. Al respect, si durante la fiscalización resulta cmplej determinar cada un de ls elements que cmpnen el univers, bien, si el cst para realizar tal labr resulta significativ, se deberá seleccinar una muestra. Cnfrme a l anterir, la definición de univers crrespnderá al ttal de elements que cmpnen un espaci de la fiscalización, que tienen incrprad un filtr, y que respnden a características glbales, per a la vez, l suficientemente específicas cm para delimitar el ámbit de acción, elements que deberán ser incrprads en ls bjetivs generales establecids para cada auditría Relevancia de la definición de bjetivs. Sbre la materia, es necesari precisar que antes de iniciar el prces de muestre, se deben establecer ls bjetivs de la auditría, ls cuales cnstituyen el enunciad glbal sbre l que se pretende cnseguir cn el trabaj a realizar. Es así cm, el bjetiv general detalla la finalidad de la auditría, en cuant a sus expectativas más amplias. Éste se puede btener cntestand las interrgantes qué?, dónde? y para qué?, tal cm se puede apreciar en la tabla 1. En relación a ls bjetivs específics, ésts requieren de una descripción de mayr precisión, fcalizándse en respnder qué se debe realizar para alcanzar el bjetiv general. Tabla 1: Principis básics en la fijación de bjetivs Ejempls Pregunta QUÉ DÓNDE PARA QUÉ Respuesta Fiscalización de la inversión en infraestructura a través de la ejecución de cntrats de cnservación rutinaria en las redes secundarias y de pequeñs aeródrms. En la Dirección de Aerpuerts del Ministeri de Obras Públicas, entre el 1 de ener de 2011 y el 31 de ener del presente añ, en las regines IV,V, IX, X, XI, XII y XIV. Cn el fin de verificar el cumplimient de ls aspects técnics, legales, administrativs y financiers. La respuesta a estas interrgantes rientarán el inici de la revisión debiend señalar, además, el alcance de ésta, en relación a la extensión del examen, es decir, si se examinará la ttalidad del univers sl parte de él, y el períd de tiemp determinad, el cual puede ser medid a través de añs, meses, semanas, etc. L anterir, requiere distinguir claramente la meta a alcanzar, así cm las variables que se buscan analizar, para l cual se debe definir: Entidad a revisar Materia a auditar Variable en estudi Guía Práctica para la cnstrucción de muestras 4

5 Unidad Técnica De Cntrl Extern Períd Finalidad de la revisión (cumplimient legal, técnic, reglamentari, cntractual, cntable, entre trs) Lugar gegráfic que abarca la revisión Al respect, la definición descrita anterirmente, apunta a que el equip cnzca el bjetiv general de la auditría y cn ell la aplicación de criteris de fcalización, cuestión que permitirá distinguir y actar el univers en estudi. Es así cm, a md de ejempl, si se establece el bjetiv general cm Verificar que las bras ejecutadas cn recurss de la Dirección de Obras Hidráulicas de la Región de la Araucanía, se hiciern cnfrme a la nrmativa vigente, y cuys pags efectuads, que representen avance físic real, sea superir al 5% del ttal, se puede bservar, que el univers se fcalizó en un espaci gegráfic y en estads de pags claramente definids. Prduct del bjetiv establecid, realizar dicha fiscalización puede significar analizar dcumentación que invlucre una cantidad significativa de registrs y de unidades mnetarias, n bstante su fcalización permite que el univers, ls mnts y ls registrs, describan un cnjunt menr, denminad pblación en estudi. Pr cnsiguiente, la variable a analizar será Númer de Obras que dispnen de un avance físic real, superir al 5% de la región de la Araucanía, ejecutadas cn recurss de la Dirección de Obras Hidráulicas. Una vez definid el bjetiv general de la auditría, se deben cnsiderar elements tales cm recurss financiers, de tiemp y persnal dispnible, para lueg ser cmunicad al equip de auditría al inici de la fiscalización Determinación de variables en estudi. Tal cm se indicó en el párraf anterir, la descripción de la variable las variables en estudi, dependerá del bjetiv establecid. N bstante, puede existir la necesidad de fcalizarla, aún más, l que implicará perfeccinar ls bjetivs, cmplementándls cn un mayr númer de elements que describan la fcalización, situación que deberá efectuarse en estricta crdinación cn la supervisión de la fiscalización, de frma tal que quede explícit en el bjetiv general. En relación cn l anterir, la infrmación prprcinada pr las entidades a fiscalizar, se presenta en frma de registrs elements, que entregan infrmación de las accines realizadas, ests están cnstituids pr unidades, las que se pueden clasificar cm de registr valr. El factr anterir, permite diferenciar entre ls tips de fiscalización que la CGR realiza, dependiend, si la unidad de evaluación es la cantidad de elements que cnstituyen la pblación, ls valres mnetaris, situación que deberá quedar definida explícitamente en el bjetiv general de la auditría. En la tabla 2, se presentan ls tips de auditrías, las materias, y ejempls de registrs y/ valres ecnómics a ser fiscalizads. Guía Práctica para la cnstrucción de muestras 5

6 Tabla 2: Ejempls de tips de variables para muestre Unidad Técnica De Cntrl Extern Tip de Auditría Materias Registr Mnetari Auditría de transaccines y auditría de estads financiers Auditría de pryects y prgramas Ingress prpis, abastecimient y gasts Transferencias a tras entidades, prgramas y cnvenis Listad de cmprbantes cntables, númer de cmprbantes, etc. Listad de empresas que se adjudicarn cntrats fnds, númer de beneficiaris, númer de prgramas pryects, cantidad de cmprbantes, estads de pag, etc. Mnts de valres en listad de cmprbantes cntables, mnts de valres de cmprbantes, mnts de valres (Incluye dats de mnt, númer de cmprbantes, asignación presupuestaria, nmbres, etc.). Valres de cntrats de empresas que se adjudican fnds, mnts entregads a beneficiaris, mnt de pryects asciads a ls prgramas, valres en ls cmprbantes, estads de pags, etc. Auditría de remuneracines Recurss humans Auditría técnica de bras Auditria mediambiental Inversión en infraestructura Funcines institucinales Listad de funcinaris (incluye nmbre, rut, escala, mnts). Númer de bras, listad de partidas que cmpnen el cntrat y listads de estads de pag. N de actuacines (cass en ls cuales el servici aplica sus atribucines), n de usuaris beneficiaris del servici. Mnts pagads a funcinaris. Mnts adjudicads a bras, mnts de estads de pags, subcntrats, facturas, etc. Mnts entregads pr pryects, mnts de pags y cmpras, 2.2 Tamañ de una muestra. El tamañ de la muestra se representa pr el valr n -letra ene minúscula-, cuy valr está cndicinad pr el bjetiv general que describe la pblación, y está dad en frma única pr un mdel matemátic que define y permite mdelar numersas investigacines de diferente índle. Al respect, existen numerss mdels estadístics que prprcinan este cálcul, ls cuales se denminan distribucines. Principalmente, las distribucines se utilizan, en el muestre prbabilístic, cn el fin de impedir ls sesgs cnscientes incnscientes de ls investigadres. Además, se emplea para cntrlar el errr, cuand se requiere alcanzar una amplia representación en la fiscalización. La CGR utiliza ds tips de distribucines para calcular el tamañ de la muestra, la primera de ellas es la distribución Nrmal y la segunda, crrespnde a la de Pissn. Si bien existen diferencias entre ellas, respect a su descripción, n existe impediment en su utilización, n bstante, se debe señalar que la distribución de Pissn debe ser utilizada cn la herramienta ACL. Guía Práctica para la cnstrucción de muestras 6

7 Unidad Técnica De Cntrl Extern En efect, cuand la auditría dispne de una cantidad de registrs a revisar mayr a , se deberá adptar el mdel Pissn, en cas cntrari, se deberá utilizar la distribución Nrmal, mediante el sistema autmatizad de muestre/excel. A mayr abundamient, la distribución de Pissn, en términs estricts, se refiere a prcess que pueden ser detallads cn una variable aleatria discreta. Así, la prbabilidad de exactamente x currencias en una distribución de Pissn, se calcula de acuerd a la ecuación 1. Ecuación 1: Prbabilidad de currencia, distribución de Pissn Pr tra parte, el mdel de distribución Nrmal es el más utilizad en el desarrll de estudis, en el cual ls valres se distribuyen, frmand una campana, denminada Campana de Gauss, en trn a un valr central que cincide cn el valr medi de la distribución, de acuerd la ecuación 2. Ecuación 2: Tamañ de muestra cn distribución Nrmal Tal cm se aprecia, la utilización de instruments estadístics n depende de las características de la infrmación de ls dats en análisis, sin de la situación que se requiera fiscalizar, l que puede resultar en un muestre estadístic extremadamente difícil. Un de ls principales prblemas que tiene el fiscalizadr en relación cn el muestre, cnsiste en saber si el grup elegid es el adecuad. Cn respect a ls resultads btenids cn ambs métds, ésts difieren entre sí, debid a que ls cálculs pseen distints parámetrs, ls que resultan ser cincidentes en la medida que el tamañ de la pblación tiende a aumentar pr sbre ls mil registrs Representatividad. La representatividad es la característica más imprtante de una muestra estadística, y se define cm la capacidad de un subcnjunt de presentar iguales características a las del cnjunt cmplet, pr ende el muestre adquiere td su sentid en cuant se garantice que las características que se quieren bservar en la pblación quedan reflejadas adecuadamente en la muestra. Al respect, una muestra será representativa de la pblación de la que fue tmada, si la suma de sus características se aprxima al cnjunt de características de la pblación. N bstante, las muestras n tienen que ser representativas en tds ls aspects, limitándse a las características imprtantes para ls intereses reales del estudi. Se establece entnces que, la representatividad sól puede respnder a la muestra generada pr medi de herramientas estadísticas, pudiend eventualmente, n existir relación entre ls cncepts de representatividad y cbertura, pr cuant esta última es la prprción de elements seleccinads en la muestra respect de la pblación. Es así cm, la representatividad n garantiza la cbertura en niveles pr sbre el 50% de la muestra, en relación a la pblación. N bstante, la representatividad del muestre pr unidad mnetaria prprcina una mayr cbertura, respect de ls mnts que sn parte de la fiscalización. Guía Práctica para la cnstrucción de muestras 7

8 Unidad Técnica De Cntrl Extern Asimism, y en relación a las partidas claves, éstas se definen cm elements seleccinads discrecinalmente, sin ningún respald estadístic, sin más bien, cn la direccinalidad que la fiscalización requiere. L anterir, es de gran imprtancia, pr cuant al mment de la presentación de bservacines de la auditría, deben separarse aquellas derivadas pr partidas claves de aquellas prvenientes de la aplicación del muestre estadístic, tal cm se muestra en la ilustración 1. Ilustración 1: Univers, Muestra Estadística y Partidas Claves Para mayr detalle sbre la btención de partidas claves, revisar anex N Parámetrs de estimación muestral. Las distribucines estadísticas requieren de valres específics que se cncen cm parámetrs, para btener sus resultads. A cntinuación, se describen las principales medidas a cnsiderar para el cálcul del tamañ de pblación. Errr muestral de estimación: Medida de la variabilidad de las estimacines de muestras repetidas en trn al valr de la pblación. Este parámetr, trga una nción clara de hasta dónde y cn qué prbabilidad una estimación basada en una muestra se aleja del valr que se hubiera btenid pr medi de un cens cmplet. En efect, siempre se cmete un errr, per la naturaleza de la fiscalización indicará hasta qué medida se cmeterá, ya que ls resultads se smeten a errr muestral e intervals de cnfianza que varían muestra a muestra. Nivel de cnfianza: Prbabilidad de que el interval cnstruid en trn a un estadístic capte el verdader valr del parámetr. En este sentid, se establece que, a mayr valr del tamañ de interval, mayr es el tamañ de la muestra, tant para distribucines Pissn cm Nrmal. Semilla aleatria: Númer inicial para generar valres aleatris. Ests pueden ser generads utilizand funcines de sistemas cmputacinales, a md de ejempl en Excel la función aleatri() en ACL el cmand aleatri. Errr tlerable (materialidad): Se entiende cm cantidad máxima de errres que el fiscalizadr está dispuest a aceptar sin detección en la pblación en estudi. Este valr n es suministrad pr ACL, sin embarg, en el Sistema Autmatizad de Muestre (Excel) es prvist en la hja MUM, pr l que, de cupar ACL, este valr se debe btener desde Excel, una vez que se dispne de ls mnts en estudi y la precisión. Precisión: Grad de exactitud cn que se pueden cncer ls parámetrs pblacinales, representa la cantidad prcentaje aceptable de desviación en el valr btenid en el examen, respect al verdader prmedi de la pblación. La precisión en el muestre es semejante a la tlerancia utilizada en cntrl de calidad. Este parámetr es prpi de la distribución Nrmal y el MUM, y en general, tiende al valr del errr muestral, a mens que baj alguna justificación, el equip de auditría estime l cntrari, situación que debe ser validada junt cn la UTCE. Guía Práctica para la cnstrucción de muestras 8

9 Unidad Técnica De Cntrl Extern En relación a l anterirmente señalad, la CGR ha definid que el nivel de cnfianza para la cnstrucción del tamañ de la muestra, estará dad pr la tabla 3: Tabla 3: Matriz de resultads para Cnfianza, Errr y Precisión Riesg Nivel de cnfianza 2 Errr Precisión Alt 95% 3% 3% Medi 75% 2% 2% Baj 50% 1% 1% Tal cm se muestra en la tabla N 3, se va presumir, a priri, un riesg un alt, pr ende el nivel de cnfianza asciende a un 95%, el errr estimad al 3% y la precisión al 3%, para la primera etapa de este mdel. Para el próxim períd, y cnsiderand el índice de riesg, se evaluará la disminución de ests parámetrs Inferencia. Cn ls elements descrits previamente, surge la interrgante de la utilización de la representatividad. L anterir, debid a que la representatividad frece a la muestra la psibilidad de inferir, es decir, se puede pinar respect a la pblación. Al respect, crrespnde señalar, que esta pción n debe ser utilizada, ya que el resultad de la fiscalización ejecutada pr medi de una muestra estadística, n generará inferencia, pr l que el fiscalizadr sól debe prnunciarse de l examinad en la muestra seleccinada. 2.3 Selección de ls elements de una muestra. Sbre el particular, una muestra es representativa cuand la selección de ls elements de la pblación se realizan aleatriamente y cuand cada element tiene la misma psibilidad de ser seleccinad. Tal cm ya se mencinó en el punt 2.2, de este manual, para efectuar dicha selección, la CGR utiliza ds métds que difieren centralmente pr el tamañ de la pblación en estudi. En efect, cuand la pblación determinada sea inferir a 200 elements, también se recmienda utilizar la selección aleatria simple, en cambi, cuand existan más de 200 registrs, se sugiere adptar el muestre estratificad. N bstante l anterir, se pdrá emplear estratificación en pblacines de tamañ menr, aunque la ventaja de estratificar radica en la prprcinalidad que lgra para tds ls espacis de la pblación Muestre cn selección aleatria simple. Es la mdalidad de muestre más cncida y que alcanza mayr rigr científic, garantizand la equisprbabilidad de elección de cualquier element, y la independencia de selección de cualquier tr. En este prcedimient se extraen al azar un númer determinad de elements, n, del cnjunt mayr N pblación, de acuerd a ls siguientes pass: 2 Para el cas de las auditrías a préstams (crédits BID), de acuerd al dcument AF-500, la muestra debe representar al mens un 35% del ttal del gast, pr l que, de n cumplir l slicitad cn un parámetr de 95%, se debe aumentar para lgrar btener l slicitad. Guía Práctica para la cnstrucción de muestras 9

10 Unidad Técnica De Cntrl Extern Pass 1.- Definir la pblación, cnfeccinand una lista de tds ls elements registrs, asignándles númers cnsecutivs desde 1 hasta N ; 2.- La unidad de estudi de la muestra debe ser la misma; Tabla 4: Muestre cn selección aleatria simple Ejempl Pblación={Luis, Marcela, Jsé, Verónica, Ana, Andrés} 1. Luis 2. Marcela 3. Jsé 4. Verónica 5. Ana 6. Andrés Pblación N=6. Unidad de estudi: nmbres de persnas. 3.- Definir el tamañ de la muestra Usand una distribución Nrmal, cn parámetrs: 95% cnfianza, 3% errr y 3% precisión. El tamañ n=5 4.- Extraer al azar ls elements Selección aleatria, usand un númer calculad pr el cmputadr (+aleatri()), generó: muestra={luis, Marcela, Verónica, Ana, Jsé} La muestra seleccinada cn este métd quedará frmada pr ls n elements btenids mediante srte de la pblación. Ls prcedimients más cmunes de extracción de ls elements en este tip de muestre sn las tablas de númers aleatris, incluidas en ls manuales de estadística, ls clásics sistemas de ltería, y trs prcedimients de extracción al azar, cm las aplicacines infrmáticas Muestre estratificad. Este muestre se utiliza cuand la pblación es psible cnfrmarla en estrats cnjunts hmgénes, cn respect a la característica variable que se estudia. Dentr de cada estrat área, se puede aplicar el muestre aleatri sistemátic, cnsistente en subdividir la pblación en subgrups estrats cn arregl a la/s característica/s que se cnsideren, y en elegir la muestra de md que ls diferentes estrats queden representads. Al respect, se dispne de un sistema desarrllad en Excel, que autmatiza el prces, sin embarg, las capacidades de dicha herramienta permiten cm máxim cnstruir estrats de 500 x 250, pr cuant si la fiscalización supera ests límites, se recmienda utilizar ACL. Para la btención de la muestra estratificada, se deberán seguir ls pass que se indican en la tabla 5. Guía Práctica para la cnstrucción de muestras 10

11 Unidad Técnica De Cntrl Extern Pass 1.- Identificar a l mens- una variable para clasificar la pblación. 2.- Clasificar la infrmación en función de una variable, generará una matriz de p x q celdas áreas, dividiend la pblación en estrats. Cada celda quedará representada en unidades de valr (númer de registrs, mnts, etc.). Tabla 5: Muestre estratificad Pblación N=6. Variables: nmbres, premi y cmuna. Ejempl Nmbre Premi Cmuna 1 Luis Renca 2 Marcela Ñuña 3 Jsé Clina 4 Verónica Prvidencia 5 Ana Clina 6 Andrés Renca a) Clasificación de la infrmación en función del mnt del premi: Nmbres Ttal general 6 Premi Matriz de tamañ 1 X 3, estrats, que representan al númer de persnas relacinadas cn el valr del premi. Premi b) Clasificación de la infrmación en función del Mnt del Premi y de la Cmuna: Clina Ñuña Prvidencia Renca Matriz de tamañ 4 X 3 estrats, que representan al númer de persnas relacinadas cn el valr del premi y la cmuna a la que pertenecen. 3.- Definir el tamañ de la muestra Usand una distribución Nrmal, cn parámetrs: 95% cnfianza, 3% errr y 3% precisión. El tamañ n=5 4.- El tamañ de cada estrat, al ser pnderad respect del ttal de unidades incluidas en la matriz, establece el tamañ prcentual de ls estrats. Cada estrat se representa en valres enters cm factres de 100, respect del tamañ muestra (n) cnfrmand las unidades que representan una muestra prprcinal al tamañ del estrat. Tamañ prcentual de ls estrats Nmbres % % % Ttal general 6 Premi Muestra prprcinal al tamañ del estrat: Nmbres Representación Muestra % 1, % 2, % 0,83 1 Ttal general 6 5,00 5 Premi 4.- Extraer al azar ls elements Selección aleatria, usand un númer calculad pr el cmputadr (+aleatri()), pr estrat: Pblación Estrat ={Luis, Andrés} Pblación Estrat ={Marcela, Verónica, Ana} Guía Práctica para la cnstrucción de muestras 11

12 Unidad Técnica De Cntrl Extern Pblación Estrat ={Jsé} Tamañ de muestra: Estrat = 2 Estrat = 2 Estrat = 1 El cmputadr generó la siguiente selección: Muestra Estrat ={Luis, Andrés} Muestra Estrat ={Marcela, Verónica} Muestra Estrat ={Jsé} Cn respect a l anterir, se debe señalar, que la utilización de estrats entrega prprcinalidad, a tds ls elements de la pblación, rdenada para la cnfrmación de la muestra. Asimism, este tip de muestre presenta la ventaja que cada estrat, aprta en prprción al tamañ de la muestra, en función de l que ese espaci representa, pr ende estratificar n significa btener un tamañ de muestra menr Submuestras. Durante el desarrll de la auditría se puede presentar la necesidad de cnfrmar una varias submuestras, la que puede ser un estrat que cumple determinadas cndicines. Para l anterir, se define una submuestra cm una nueva aplicación de la metdlgía, cnsiderand esta vez cm univers, a la muestra previamente btenida, l cual debe quedar explícitamente indicad en el bjetiv. Cabe señalar, que el us de submuestra n está recmendad en la fiscalización, sin embarg, si las circunstancias l ameritan debe ser aplicad. Para el cas de las validacines efectuadas en terren, las submuestras deben ser btenidas pr la Unidad Técnica de Cntrl Extern respectiva, la que evaluará ls resultads btenids de la primera muestra, y en base a ests, determinará el nivel de cnfianza a aplicar a la submuestra Reemplaz. Ante la impsibilidad de realizar el análisis de un varis elements seleccinads en una muestra se debe aplicar un reemplaz. Sbre el particular, la metdlgía de reemplaz de ls elements definida para una fiscalización, indica que, se debe establecer al inici del prces, en frma explícita, si se hará cn sin reemplaz. La recmendación, es realizar reemplaz sól cuand la magnitud de la pblación en cantidad de registrs sea significativa. Metdlgía de Reemplaz. El reemplaz, debe ser realizad manteniend la metdlgía que se utiliza para seleccinar la muestra. Al respect, si ls elements fuern seleccinads pr medi del mdel aleatri simple, entnces se debe reemplazar el element faltante usand la misma metdlgía. A mayr abundamient, si la selección se realiza pr medi de estratificación, el element que se debe reemplazar crrespnde ser sustituid pr tr element de su mism estrat, y seleccinad pr el mdel aleatri simple. Dich prces, deberá cnsignarse en el infrme de auditría. L anterir, es de gran imprtancia, pr cuant la alteración de una muestra, reemplazand eliminand elements discrecinalmente, hará perder la representatividad alcanzada, quedand dicha situación en evidencia mediante ls dats estadístics. Guía Práctica para la cnstrucción de muestras 12

13 Unidad Técnica De Cntrl Extern 2.4 Muestre de Unidad Mnetaria y pr Registr Muestre de Unidad Mnetaria. El muestre de Unidad Mnetaria, MUM, utiliza el valr abslut de un camp en el registr para determinar la selección de ésts, y se aplica cuand se requiere analizar centralmente ls dats desde la perspectiva de ls mnts invlucrads. En relación a l anterir, este métd genera muestras de mayr tamañ en cbertura, % del mnt ttal, y menr en cantidad de registrs, siend el fc de atención ls mnts valres ecnómics. Si la auditría requiere analizar diners, tales cm pags, mnts de traspass mnts de remuneracines, entre trs, se deberá utilizar el muestre pr Unidad Mnetaria cm métd de selección, bteniend cm resultad un mayr prcentaje de cbertura, en un menr númer de elements a estudiar Muestre pr Registr. Este tip de muestre, trata a cada un de ls registrs en frma equitativa, trgándles el valr nminal 1, bteniend cm resultad una muestra basada en la cantidad de elements, de md que cada un de ells psee la misma psibilidad de ser seleccinad. Cnfrme a l anterir, este métd es utilizad cuand existe interés en ls elements y n en sus mnts. A md de ejempl, se puede citar la selección de persnas beneficiarias de un prgrama y n ls mnts que han btenid estas persnas. L anterir establece, que el univers crrespnde a la cantidad de registrs, y pr cnsiguiente, un element de $ y un element $1.-, tienen la misma prbabilidad de ser seleccinads. 2.5 Pass para determinar una muestra representativa. Al respect, se ha definid una metdlgía para las auditrías, que en tres pass rienta la cnstrucción de una muestra. N bstante, pueden surgir dudas, respect del tip de distribución y del métd de muestre a utilizar. Cn el bjet de aclarar este prces, la ilustración 2 muestra un flujgrama que da cuenta de las etapas a cnsiderar: Ilustración 2: Determinación del tamañ de muestra Pblación Identificación de Parámetrs Descripción de variables Tip de Distribución ACL Sistema Autmatizad de Muestre Tamañ de la muestra (n) Guía Práctica para la cnstrucción de muestras 13

14 Unidad Técnica De Cntrl Extern Tal cm se aprecia en la ilustración N 2, el primer pas para generar una muestra, es cncer el valr del tamañ ttal de la pblación en estudi (N), y ls parámetrs de errr, cnfianza y/ precisión, que sn ls elements que se utilizan para determinar el tamañ de la muestra. A md de ejempl, se puede señalar que, si la pblación en estudi sn 5 bras del Ministeri de Salud, N=5. Una vez establecids ests dats, se seleccina la herramienta de trabaj para determinar el tamañ de la muestra, las cuales sn el ACL el Sistema Autmatizad de Muestre Excel, bteniend un valr llamad n. Siguiend el ejempl anterir, al utilizar el Sistema Autmatizad de Muestre Excel, cn ls parámetrs de 95% de cnfianza, 3% de errr y 3% de precisión, se btiene una muestra de 5 bras, n=5. Sbre esta materia, se ha definid que para el trabaj en terren es psible usar el Sistema Autmatizad de Muestre Excel, dada su prtabilidad y fácil utilización. N bstante, existen limitacines a su us, las que están relacinadas cn la capacidad de prcesamient, tal cm ya se mencinara anterirmente, debid a que permite un máxim de registrs. En su defect, se encuentra dispnible la herramienta de ACL, que tiene mayres capacidades, sin embarg su limitación está en la prtabilidad y la cantidad de registrs a analizar, la cual debe ser superir a 100. En cnsecuencia, cn la utilización de cualquiera de las ds herramientas indicadas, se btendrá el tamañ de la muestra, n, cuy valr es únic y calculable, situación que permite crrbrar el resultad y dar validez al estudi. Seguidamente, y definid el tamañ de la muestra, n, l que prcede es seleccinar sus elements, para l cual existen 2 métds, el aleatri simple estratificad. Es necesari señalar, que la diferencia en la selección del métd, se encuentra dada pr el tamañ de la pblación. Pr l anterir, se recmienda estratificar, cuand el tamañ de la pblación sea superir a 200 registrs. N bstante, se pdrá efectuar una selección aleatria simple, l que debe ser smetid a validación entre el equip de auditría y la UTCE. Asimism, y cn el fin de definir si ls elements de la muestra deben ser seleccinads cm registrs pr su valr ecnómic, se deberán cnsiderar ls criteris cnstitutivs del bjetiv general. A cntinuación se señalan 2 ejempls, cn el fin de aclarar esta materia: Ejempl 1: El bjetiv de la auditría es verificar que las bras ejecutadas cn recurss de la Dirección de Obras Hidráulicas, se efectuarn cnfrme a la nrmativa vigente, en la región de la Araucanía. Ejempl2: Al respect, l que se busca es el númer de entidades a fiscalizar, definida pr la cantidad de bras, pr l tant, la selección de ls elements de la muestra, aleatri simple estratificada, se realizará pr registrs. El bjetiv de la auditría es verificar que las bras ejecutadas cn recurss de la Dirección de Obras Hidráulicas, se efectuarn cnfrme a la nrmativa vigente, en la región de la Araucanía, para ls pags realizads, que representen el avance físic real y superir al 5%. Del mism md, en este cas l que se busca es analizar ls mnts ecnómics de ls pags realizads, pr l tant, la selección de ls elements de la muestra se realizarán pr Unidad Mnetaria (MUM). Guía Práctica para la cnstrucción de muestras 14

15 Unidad Técnica De Cntrl Extern 3 Metdlgía de Muestre Cn respect a esta materia, la metdlgía de muestre de la CGR, establece que ls bjetivs generales de las auditrías deben acmpañarse detalladamente cn las características de fcalización criteris que rientarán la fiscalización, de frma tal que el fiscalizadr pueda distinguir la las variables en estudi, y relacinar la frmulación de ests cn la acción que se busca desarrllar. Efectuad el análisis anterir, se deben desarrllar ls siguientes tres pass, ls que ayudarán a definir la pblación, calcular el tamañ de la muestra y seleccinar ls elements de ésta, garantizand la btención de una muestra representativa. 3.1 Análisis de dats. La dispnibilidad de registrs electrónics, cuya fuente es la entidad auditada, permite al fiscalizadr desarrllar accines de estudi cn ls dats dispnibles. Es así cm, en el cas de que ls dats se encuentren en frmat Excel, cada tabla distingue clumnas, las que se pueden asciar al cncept de variables. Sbre el particular, esta fase requiere distinguir en el bjetiv general, la meta a alcanzar, así cm las variables que se buscan analizar. En l que respecta al bjetiv, debe ser entregad al fiscalizadr, al inici del prces de la auditría, el cual pdrá ser adaptad de ser necesari. El estudi de ls dats señalad, permitirá que el fiscalizadr, junt cn las instancias crrespndientes, defina si ls bjetivs dispnen de una direccinalidad y claridad necesaria, respect del univers dnde se desarrllará la fiscalización. Para l anterir, las herramientas dispnibles para muestrear, ACL y el Sistema Autmatizad de Muestre Excel, permiten aplicar funcines a ls dats, cn el bjet de dispner de un análisis descriptiv de ells, y así distinguir, entre trs aspects, ls siguientes elements indicads en la ilustración 3 y detallads a cntinuación: Ilustración 3: Criteris de Análisis Sbre el particular, esta fase requiere distinguir en el bjetiv general, la meta a alcanzar, así cm las variables que se buscan analizar. En l que respecta al bjetiv, debe ser entregad al fiscalizadr, al inici del prces de la auditría, el cual pdrá ser adaptad de ser necesari. El estudi de ls dats señalad, permitirá que el fiscalizadr, junt cn las instancias crrespndientes, defina si ls bjetivs dispnen de una direccinalidad y claridad necesaria, respect del univers dnde se desarrllará la fiscalización. Para l anterir, las herramientas dispnibles para muestrear, ACL y el Sistema Autmatizad de Muestre Excel, permiten aplicar funcines a ls dats, cn el bjet de dispner de un análisis descriptiv de ells, y así distinguir, entre trs aspects, ls siguientes elements: Guía Práctica para la cnstrucción de muestras 15

16 Unidad Técnica De Cntrl Extern Integridad de ls dats: ls dats a simple vista presentan inexactitudes en fechas, y en atributs de sus variables, cm pr ejempl, para la variable estad de factura, existen ds pcines recurrentes, pagadas y pendientes. N bstante, también pueden estar definidas tras cm cancelad, en cuy cas, n crrespndería a las pcines anterires. Singularidad de ls registrs dispnibles: cada registr, en una tabla, pueden presentar elements que sean ttalmente distints, pr l que cada un se representa pr sí mism. En algunas situacines, pueden existir registrs que cntienen la misma infrmación y que bedecen a errres en el registr, pues crrespnden a una duplicación. Clasificación de registrs en función de sus atributs: es imprtante registrar las variables que serán imprtantes según el bjetiv de la auditría, después de haber limpiad la base de dats. Clasificación de las variables dispnibles en el estudi: en cada estudi se fcalizan variables, pudiend recncer si sn cualitativas cuantitativas, para l cual, se deben clasificar en variables cm nminales, rdinales, discretas cntinuas, facilitand el análisis de ls dats. Estudi del cmprtamient de estadígrafs simples: cnsiste en calcular el prmedi de ls registrs para una variable numérica, su máxim y mínim y la desviación estándar. Este estudi prprcina infrmación relativa al cmprtamient de ls dats y psibles fcs de revisión. Generación de tablas de frecuencia: en la medida que crrespnda generar tablas de frecuencia para rdenar ls dats y detectar tendencias. Graficar ls dats de camps significativs para el auditr: cn esta actividad se pdrá bservar el cmprtamient de ls dats, dispniend de una visión más amplia del cmprtamient distribución. Estudi de camps inusuales (Ley de Benfrd): cncida cm la Ley de ls númers anómals de Benfrd, este estudi aplica a mnts que respndan a prcess de interacción. En relación cn las funcines señaladas anterirmente, se debe indicar, que éstas frman parte del análisis autmátic de ACL, n así en el cas de la herramienta en Excel, ya que para ell es necesari desarrllarlas pr medi de las funcines que dich sftware tiene dispnible. Al respect, en el anex N 6 Guía Práctica, se analiza cn mayr detalle la utilización de estas funcines. Del mism md, para la herramienta de ACL, las funcines ya mencinadas, se prfundizan en el anex N 2, Funcines de ACL. 3.2 Tamañ de la muestra. Para calcular el tamañ de la muestra, se requiere dispner de la infrmación rdenada en el prces anterir, distinguiend elements tales cm el tamañ de la pblación, N, las variables, ls tips y características de éstas. Asimism, y cnsiderand el bjetiv establecid, se determinará el mdel de selección a utilizar, estableciend además, ls parámetrs de cnfianza, errr y precisión, ya analizads en detalle en el punt N 2.2.2, de este manual. Cnfrme a l anterir, y ante la eventualidad de advertir que la pblación en estudi, tiene características distintas a las esperadas, se recmienda vlver al pas 1, análisis de dats, cn el fin de redefinir ls bjetivs y rientar la pblación. En el punt N 2.3.3, Submuestras se analiza cn mayr detalle esta materia Selección de la muestra. Efectuads l pass anterires, se deberá seleccinar la muestra, para l cual se requiere cncer ls bjetivs y el tip de elements a seleccinar, est es mnetari registr. Cn esta infrmación y dependiend del tamañ de la pblación, N, se determinará el métd de selección, se recmienda para efects de cálcul, l siguiente: Muestre aleatri simple (N< 200) ó, Muestre estratificad (N>200) Es así cm, en función del tamañ, N, de registrs de la pblación, dependerá el us de un u tr métd de selección. Si el tamañ N es pequeñ, resultará más práctic, seleccinar el métd aleatri simple, de l cntrari si la pblación es grande, se recmienda estratificar. Al respect, se recmienda utilizar tablas dinámicas de Excel para mdelar sus estrats, tal cm se señala en el anex N 3 Tablas dinámicas. Guía Práctica para la cnstrucción de muestras 16

17 Unidad Técnica De Cntrl Extern Una vez btenida la muestra, se deberán evaluar ls elements que la cnfrman. En aquells cass, en ls cuales la infrmación btenida al aplicar la aleatriedad, n cnsidere tds ls elements que el fiscalizadr estime necesari, pdrá ptar pr algunas de las siguientes accines: Vlver al pas N 1 Análisis de ls dats, redefiniend ls bjetivs de frma tal que quede claramente especificad el univers en estudi. L anterir, deberá cmplementarse cn ls elements específics de la descripción de la pblación, situación que implica su aument disminución. Cmplementar la fiscalización, adicinand elements cm partidas claves a la muestra. Sbre este punt, se debe señalar, que la muestra es representativa y las partidas claves n, pr l tant se requerirá fundamentar esta decisión. Un análisis más detallad sbre esta materia, se analiza en el anex N 1, Análisis de infrmación y selección de partidas claves. Cn respect a l anterir, y en aquells cass en ls cuales se haya definid una partida clave, deberán cnsignarse de frma separada en el respectiv infrme de auditría, aquellas bservacines derivadas del muestre estadístic de aquellas derivadas de las partidas claves. Finalmente, el fiscalizadr deberá cmpletar la infrmación requerida en el Infrme de muestre, cuy detalle se indica en el anex N 4. Guía Práctica para la cnstrucción de muestras 17

18 Unidad Técnica De Cntrl Extern ANEXO N 1 ANÁLISIS DE INFORMACIÓN Y SELECCIÓN DE PARTIDAS CLAVES. Se entenderá pr selección de partidas claves, el prcedimient excepcinal y adicinal al muestre estadístic, que cnsiste en incrprar tds aquells cmpnentes de la materia a auditar que sn imprtantes individualmente, pr su imprte prque lucen cm candidats a cntener errres imprtantes y que n fuern cntempladas en el muestre estadístic 3. N bstante, en cass debidamente justificads, el fiscalizadr pdrá seleccinar estas partidas de un univers basad en distints factres, ls cuales deberán ser aprbads pr el supervisr y el ejecutiv a carg de la auditría en la crrespndiente actividad de la MAC 3.0. Es así cm, las partidas claves crrespnden, a aquellas que parecen; sspechsas, n cmunes, particularmente prpensas al riesg que tienen un histrial de errr. Si bien la aplicación de pruebas selectivas de partidas claves del sald de una cuenta clases de transaccines, nrmalmente es un medi eficiente de reunir evidencia de auditría, n cnstituye un muestre de auditría. Al respect, al utilizar partidas claves, ls resultads de prcedimients aplicads a estas partidas n pueden ser pryectads a td el univers, ya que n prprcina la representatividad del muestre estadístic, sin que únicamente permite btener una pinión exclusiva de ls registrs revisads. Sbre el particular, este manual prpne identificar en frma detallada, ls análisis que pueden llevar a ls equips de auditría a btener partidas claves. Para ell, se detallan a cntinuación ls prcedimients de análisis de dats necesaris a desarrllar para la ejecución de la auditría. En relación a l anterir, es necesari que, en primer lugar, el fiscalizadr analice la base de dats prprcinada pr el servici y determine la existencia de partidas que cnsidere que sn necesarias de revisión, cm pr ejempl, si un funcinari del servici auditad prprcina cierts indicis sbre una partida específica. Pr cnsiguiente, el análisis de infrmación debe cnsiderar 2 etapas: Verificar la integridad de ls dats Realizar análisis de ls dats. El análisis efectuad de ambs cncepts, pueden tener n cm resultad la btención de una partida clave, la que deberá ser examinada pr el equip. 1. Verificar la integridad de sus dats El análisis mencinad cumple cn el bjet de garantizar que ls dats que cntiene el archiv sn válids y cmplets. L anterir, se materializa al realizar pruebas tales cm cntar ls registrs, ttalizar ls camps y verificar ls dats, cn el fin de asegurar que ls archivs cntengan el númer crrect de registrs, que ls ttales numérics crrespndan a ls ttales prprcinads pr ls prpietaris de ls dats, y que ls camps cntengan sól dats válids. 3 Pág Manual Metdlgía Mac Ernst & Yung IGT Añ Guía Práctica para la cnstrucción de muestras 18

19 Unidad Técnica De Cntrl Extern 2. Realizar el análisis de ls dats Efectuada la verificación de integridad de ls dats, ésts deberán ser analizads, cn el bjetiv de determinar en frma glbal alguns incnvenientes, tales cm: Númers de registr faltantes: Se deben examinar númers secuenciales, para est se debe utilizar el cmand númers faltantes y prbar si falta alguna transacción, cm pr ejempl el n de dcument, el cual debería seguir una secuencia numérica. Transaccines duplicadas: Identificar transaccines duplicadas ptenciales para análisis psterires, para est se debe utilizar el cmand duplicads, cm pr ejempl, n facturas duplicadas. Transaccines inusuales: Análisis de transaccines inusuales altamente cmplejas, especialmente aquellas cercanas al cierre del ejercici presupuestari cntable, de acuerd a l establecid pr la nrma SAS 99. Transaccines en hraris inhábiles: Análisis de asients cntables prcesads en hraris y días inhábiles, de acuerd a l establecid en la ya señalada nrma SAS 99, para llevar a cab esta prueba, deberá ingresar ls días n hábiles en un archiv y relacinarl cn la base de dats. Incnsistencias en las relacines de dats: Relacinar, unir, cmbinar y anexar tablas, cn el fin de btener archivs que cntengan infrmación relacinada que se necesite para verificar que se cumpla alguna cndición. Cabe señalar, que ests análisis pueden ser desarrllads a través del Excel mediante el us del ACL, el cual permite analizar el 100% de ls dats recibids, prcesand grandes cantidades. Asimism, deberá cmpletar la infrmación del Infrme de Muestre, el cual requiere dcumentar el mnt de la suma de las partidas claves y el númer de registrs relacinads, cuy detalle se analiza en el anex N 4. Guía Práctica para la cnstrucción de muestras 19

20 Unidad Técnica De Cntrl Extern ANEXO N 2 FUNCIONES DE ACL. Ilustración 4: menú Analizar En relación a la herramienta de ACL, en el menú analizar, se presentan aquellas funcines que aprtarán al cncimient más detallad de la infrmación existente para el desarrll del prces de muestre. N bstante, se debe indicar, que su dispnibilidad n implica el us de tdas ellas. Al respect, se recmienda recncer la infrmación que cada una de dichas funcines genera, cn el bjet de establecer aquellas que aprtarán en mayr medida al desarrll del trabaj. A cntinuación, se individualizan cada una de las funcines, desde la perspectiva cnceptual de ACL, cn el detalle de ls parámetrs y las imágenes de pantalla respectivas, respect de un ejempl en particular. 1. Funcines 1.1 Función Cntar Esta función se utiliza para cntar la cantidad de registrs de la tabla actual sól aquells que cumplen cn una cndición de prueba especificada. Ficha Principal Si : es un parámetr de ámbit que permite ejecutar un cmand en registrs que satisface una prueba especificada. Este parámetr filtra tds ls registrs que n satisfagan la prueba y n depende de la psición de registr actual. Ingrese la cndición directamente en el cuadr de text Si haga clic en el btón Si para que se despliegue el generadr de expresines. Ilustración 5: Función Cntar Guía Práctica para la cnstrucción de muestras 20

21 Unidad Técnica De Cntrl Extern Ficha Más Esta ficha muestra la pción ámbit que permite limitar el númer de registrs que serán analizads, utilizand ls parámetrs Primer, Siguiente y Mientras. Al respect, deberá especificar el númer de registrs que serán analizads. Cabe precisar, que la pción ámbit viene predeterminada cn Tds. 1.2 Función Ttalizar. Este cmand se utilizará para ttalizar camps numérics expresines en la tabla actual, para ell se definirán ls siguientes aspects: Ficha Principal Ttalizar camps : Muestra slamente ls camps numérics expresines definidas en la tabla. Debe seleccinar ls camps que se ttalizarán del cuadr de lista, hacer clic en ttalizar camps, para mstrar el cuadr de diálg camps seleccinads. Si...: Es un parámetr de ámbit que permite ejecutar un cmand en registrs que satisfacen una prueba especificada. Este parámetr filtra tds ls registrs que n satisfagan la prueba y n depende de la psición de registr actual. Ingrese la cndición directamente en el cuadr de text Si haga clic en Si, para mstrar el generadr de expresines. Ilustración 6: Función Ttalizar Ficha Más Esta ficha muestra la pción ámbit que permite limitar el númer de registrs que serán analizads, utilizand ls parámetrs Primer, Siguiente y Mientras. Al respect, deberá especificar el númer de registrs que serán analizads. Cabe precisar, que la pción ámbit viene predeterminada cn Tds. Guía Práctica para la cnstrucción de muestras 21

22 Unidad Técnica De Cntrl Extern 1.3 Funcines de Estadística. Esta función se utiliza para calcular estadísticas descriptivas de ls camps numérics y de fecha en la tabla activa. Para est, se deben definir l siguientes parámetrs: Ficha Principal Estadísticas en...: Especifica ls camps expresines numéricas de ls que se btendrán estadísticas. Seleccine ls camps del cuadr de lista, haga clic en Estadística para mstrar el cuadr de diálg Camps seleccinads. Si...: Si es un parámetr de ámbit que permite ejecutar un cmand en registrs que satisfacen una prueba especificada. Este parámetr filtra tds ls registrs que n satisfagan la prueba y n depende de la psición de registr actual. Ingrese la cndición directamente en el cuadr de text Si haga clic en Si para mstrar el generadr de expresines. Desviación Estándar: Active esta pción para calcular la desviación estándar de ls camps especificads, además de tras estadísticas. Ilustración 7: Función Estadísticas Ficha Más Esta ficha muestra la pción ámbit que permite limitar el númer de registrs que serán analizads, utilizand ls parámetrs Primer, Siguiente y Mientras. Al respect, deberá especificar el númer de registrs que serán analizads. Cabe precisar, que la pción ámbit viene predeterminada cn Tds. Nº de alts/bajs: Especifica las cantidades de valres alts y bajs que se mantendrán durante el prcesamient. Valr predeterminad: 5. Ficha Salida Para especificar pcines de salida, haga clic en la ficha Salida en cualquier cuadr de diálg de cmand. Las pcines de salida n se aplican a ls cmands que aparecen en gris. Al respect, ACL guarda su cnfiguración de salida sól durante la sesión, y cuand reinicia, la pción de salida de ese cmand será la cnfiguración predeterminada. Guía Práctica para la cnstrucción de muestras 22

23 Unidad Técnica De Cntrl Extern 1.4 Función Estratificar. La función Estratificar se utiliza para cntar la cantidad de registrs que crrespnde a cada interval específic, estrats, de camps numérics valres de expresines, así cm también, para subttalizar un más camps para cada estrat. El recuent de registrs de cada estrat se lista en la clumna Recuent en la salida. Ficha Principal Estratificar en...: Especifica el camp numéric expresión que debe estratificarse. Seleccine el camp de la lista desplegable haga clic en Estratificar en para mstrar el cuadr de diálg Camps seleccinads. Camps de subttales...: Especifica ls camps numérics expresines para ls que ACL prprcina ttales pr estrat. Seleccine ls camps en la vista de lista haga clic en Camps de subttales para mstrar el cuadr de diálg Camps seleccinads. Mínim: Especifica el valr mínim del primer interval. Si anterirmente emitió el cmand Perfil Estadística, aparecerá pr defect el valr más baj en el camp estratificad. Máxim: Especifica el valr máxim del últim interval. Si anterirmente emitió el cmand Perfil Estadística, aparecerá pr defect el valr más alt del camp. Si especificó intervals libres, el valr más alt especificad se mstrará pr defect. Intervals: Especifica el númer de intervals unifrmes que ACL generará en el interval de Mínim a Máxim. El valr predeterminad es 10, per puede cambiarl en el cuadr de diálg Opcines. Libre: Le permite especificar el punt de inici de cada interval y el punt final del últim interval. Ingrese ests valres en el cuadr de text Libre, un pr línea. Si...: Si es un parámetr de ámbit que permite que se ejecute un cmand en registrs que satisfacen una prueba especificada. Si filtra tds ls registrs que n satisfagan la prueba y n depende de la psición de registr actual. Ingrese la cndición directamente en el cuadr de text Si haga clic en Si para mstrar el Generadr de expresines. Ilustración 8: Función Estratificar Ficha Más Esta ficha muestra la pción ámbit que permite limitar el númer de registrs que serán analizads, utilizand ls parámetrs Primer, Siguiente y Mientras. Al respect, deberá especificar el númer de registrs que serán analizads. Cabe precisar, que la pción ámbit viene predeterminada cn Tds. Guía Práctica para la cnstrucción de muestras 23