toolbox
Inicio / Asuntos legales, seguridad y cumplimiento / Estimador del tamaño de muestra para auditoría de retención de datos

Estimador del tamaño de muestra para auditoría de retención de datos

Esta calculadora estima cuántos registros conviene incluir en una muestra estadística cuando se audita una población finita relacionada con políticas de retención. Usa el nivel de confianza, el margen de error y una proporción esperada para obtener una referencia cuantitativa antes de diseñar el trabajo de auditoría.

El resultado es un punto de partida estadístico, no un tamaño de muestra impuesto por una norma. Una auditoría de cumplimiento puede requerir estratificación, selección dirigida de casos de alto riesgo, pruebas adicionales o una metodología específica definida por el auditor, la organización o la autoridad competente.

Parámetros de muestreo

registros
%
%
Resultado
—
registros en la muestra
Muestra sin corrección—
Fracción de muestreo—
Confianza seleccionada—

1. Indica la población
Introduce el número total de registros elegibles para la auditoría.

2. Selecciona la confianza
Elige el nivel de confianza estadística que se utilizará en la estimación.

3. Define el margen de error
Introduce el error máximo tolerado expresado en porcentaje.

4. Estima la proporción
Si no tienes una estimación previa de la característica que buscas, 50 % produce una muestra conservadora en este modelo.

5. Redondea hacia arriba
La herramienta devuelve un número entero de registros para que la muestra no quede por debajo del cálculo teórico.

n₀ = z² × p × (1 − p) / e² n = n₀ / (1 + (n₀ − 1) / N)

Variables:

z = valor z asociado al nivel de confianza
p = proporción esperada expresada como decimal
e = margen de error expresado como decimal
N = tamaño de la población
n = muestra ajustada por población finita

Supuestos: Se usa un modelo clásico de estimación de proporciones con muestreo aleatorio. La independencia, representatividad y calidad del marco muestral siguen siendo requisitos prácticos.

Qué significa el resultado

El resultado indica cuántos registros incluiría una muestra estadística orientativa con los parámetros seleccionados.

Los resultados son estimaciones operativas y no sustituyen el análisis jurídico, regulatorio o procesal aplicable a cada caso y jurisdicción.

Datos:
Población: 10.000 registros
Confianza: 95 % (z = 1,96)
Margen de error: 5 %
Proporción esperada: 50 %

Cálculo:
n₀ = 1,96² × 0,5 × 0,5 / 0,05² = 384,16
n = 384,16 / (1 + (384,16 − 1) / 10.000) = 369,98
Redondeo hacia arriba = 370

Resultado: 370 registros

Interpretación: Con esos supuestos, una muestra aleatoria de 371 registros sirve como referencia estadística; el plan de auditoría puede ampliar o segmentar la muestra según el riesgo.

¿Por qué 50 % suele dar una muestra grande?

En la fórmula de una proporción, p × (1 − p) alcanza su máximo cerca del 50 %. Por eso se usa a menudo como supuesto conservador cuando no existe una estimación previa fiable.

¿Una confianza del 99 % siempre es mejor?

Aumenta la exigencia estadística y normalmente el tamaño de muestra, pero también el coste de revisión. La elección debe responder al objetivo y al riesgo de la auditoría.

¿Qué pasa si la población es pequeña?

La corrección por población finita reduce la muestra cuando esta representa una parte relevante de la población total. La herramienta aplica esa corrección automáticamente.

¿Puedo elegir manualmente registros de alto riesgo?

Sí, pero esa selección dirigida no es equivalente a una muestra aleatoria. Puede complementarla como prueba de riesgo, siempre que distingas claramente ambos enfoques en la documentación de auditoría.

¿El cálculo demuestra cumplimiento?

No. Solo dimensiona una muestra bajo determinados supuestos estadísticos; la conclusión de cumplimiento depende de los criterios, la evidencia y los hallazgos de la auditoría.