toolbox
Inicio / Asuntos legales, seguridad y cumplimiento / Estimador del tamaño de muestra de auditoría de verificación KYC

Estimador del tamaño de muestra de auditoría de verificación KYC

Esta calculadora estima cuántos expedientes o casos de verificación KYC conviene incluir en una muestra estadística cuando se quiere medir una proporción —por ejemplo, la tasa de excepciones— con un nivel de confianza y un margen de error determinados. Aplica la fórmula de Cochran y una corrección por población finita.

Es útil para planificar pruebas de control y dimensionar una revisión antes de seleccionar los elementos concretos. El tamaño calculado no sustituye el diseño de auditoría: el método de selección, el riesgo del control, la estratificación y los requisitos regulatorios pueden exigir una muestra diferente o pruebas adicionales.

Datos de entrada

casos
%
%
Resultado
—
casos en la muestra
Fracción de muestreo—
Muestra sin corrección finita—
Población analizada—

1. Indica la población
Introduce el número total de casos elegibles para la revisión en el periodo y alcance definidos.

2. Elige el nivel de confianza
Selecciona 90 %, 95 % o 99 % según la precisión requerida para la estimación estadística.

3. Define el margen de error
Un margen menor exige normalmente una muestra mayor.

4. Introduce la proporción esperada
Si no dispones de una estimación previa, 50 % es una elección conservadora para maximizar el tamaño de muestra.

5. Interpreta la muestra
Usa el resultado como referencia estadística y ajusta el diseño si el riesgo, la metodología o la normativa exigen otra cobertura.

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

Donde N es la población, z el valor z del nivel de confianza, p la proporción esperada en decimal y e el margen de error en decimal. El resultado se redondea hacia arriba.

Qué significa el resultado

La cifra principal es el número mínimo aproximado de elementos que produce el nivel de precisión estadística introducido bajo un muestreo aleatorio simple.

No incorpora automáticamente riesgo de control, materialidad, estratos, diseño por conglomerados, pruebas dirigidas ni requisitos de una autoridad supervisora.

Datos: población de 10.000 casos, 95 % de confianza (z = 1,96), margen de error del 5 % y proporción esperada del 50 %.

Cálculo: n₀ = (1,96² × 0,5 × 0,5) / 0,05² = 384,16. Con corrección finita: n = 384,16 / (1 + 383,16/10.000) = 370,0.

Resultado: se redondea hacia arriba a 371 casos.

¿Por qué 50 % produce una muestra grande?

En una proporción binaria, p = 0,5 maximiza la variabilidad p × (1 − p). Por eso es una opción conservadora cuando no existe una tasa esperada fiable.

¿Qué pasa si aumento el nivel de confianza?

La muestra crece porque se exige mayor seguridad estadística. Pasar de 95 % a 99 % puede aumentar la muestra de forma apreciable.

¿Puedo usar esta muestra para cualquier auditoría de cumplimiento?

No. Es una referencia para estimar proporciones con muestreo aleatorio simple; una auditoría basada en riesgo puede requerir selección dirigida, estratificación u otro diseño.

¿Por qué se aplica una corrección por población finita?

Cuando la población no es enorme frente a la muestra, la corrección reduce el tamaño necesario porque cada elemento seleccionado aporta más información sobre el conjunto.

¿Debo redondear hacia arriba?

Sí. Redondear hacia abajo podría dejar la muestra por debajo del tamaño calculado para los supuestos introducidos.