DISEÑO DE MODELOS MATEMÁTICOS PARA EVALUACIÓN
Y CLASIFICACIÓN, BAJO EL MODELO COSO – PDVSA,
DE LOS RIESGOS ASOCIADOS CON LOS PROCESOS A OBJETOS DE REVISIÓN POR LA
DEAIC PDVSA.
Autor (a):
Lcda. Jannuary Antonieta Hurtado Torrealba
Tutor
Académico:
Prof. Richard
Rico
El
siguiente informe de pasantía, se realizó en la Gerencia de Auditoría
Interna Corporativa de la empresa Petróleos de Venezuela (PDVSA) División Oriente, ubicada en el edificio sede Guaraguao de
Puerto La Cruz, Estado Anzoátegui, con la finalidad de
buscar una solución a la
problemática planteada por esta dependencia, en la
que no poseen una herramienta informática que pueda disminuir las diferencias
de criterios sobre los resultados de auditorías en cuanto a la clasificación de
los riesgo en general, según las causas y acciones bajo el enfoque COSO PDVSA obtenidos entre los auditores, para
la cual se propuso la creación de
una herramienta tecnológica e
informática, como es la elaboración de un programa, basado en los modelos
matemáticos que permita agrupar y analizar todos los elementos que se tienen en
cuenta en una auditoría, tomando como referencia el enfoque COSO PDVSA. Los
pasos utilizados para el desarrollo de los modelos matemáticos fueron:
Obtención de la información, clasificación de la información, análisis de la
información, establecimiento de la propuesta, diseño de los modelos y
documentación; con los cuales se pudo realizar el desarrollo de los modelos
matemáticos, así como la realización de una aplicación Web que dieran con la solución del problema.
Palabras
claves: Auditoría, control interno,
enfoque COSO, PDVSA, modelo matemático, riesgo, muestras, variables discretas y
variables continúas.
http://grupos.emagister.com/documento/diseno_de_modelos_matematicos_para_evaluacion_y_clasificacion_bajo_el_modelo_coso_u2013_pdvsa__de_los_riesgos_asociados_con_los_procesos_a_objetos_de_revision_por_la_deaic_pdvsa__presentado_en_la_universidad_/21325-1365646
http://grupos.emagister.com/documento/diseno_de_modelos_matematicos_para_evaluacion_y_clasificacion_bajo_el_modelo_coso__pdvsa__de_los_riesgos_asociados_con_los_procesos_a_objetos_de_revision_por_la_deaic_pdvsa_/21325-1365645
http://grupos.emagister.com/documento/diseno_de_modelos_matematicos_para_evaluacion_y_clasificacion_bajo_el_modelo_coso__pdvsa__de_los_riesgos_asociados_con_los_procesos_a_objetos_de_revision_por_la_deaic_pdvsa_/21325-1365644
http://grupos.emagister.com/documento/diseno_de_modelos_matematicos_para_evaluacion_y_clasificacion_bajo_el_modelo_coso__pdvsa__de_los_riesgos_asociados_con_los_procesos_a_objetos_de_revision_por_la_deaic_pdvsa_/21325-1365645
http://grupos.emagister.com/documento/diseno_de_modelos_matematicos_para_evaluacion_y_clasificacion_bajo_el_modelo_coso__pdvsa__de_los_riesgos_asociados_con_los_procesos_a_objetos_de_revision_por_la_deaic_pdvsa_/21325-1365646
http://grupos.emagister.com/documento/corrida_del_sistema_disenado_por_jannuary_hurtado_informe_de_pasantia_tipo_tesis_como_requisito_parcial_para_optar_al_grado_de_licenciada_en_matematica_codigo_126_/21325-1318913
http://grupos.emagister.com/documento/diseno_de_modelos_matematicos_para_evaluacion_y_clasificacion_bajo_el_modelo_coso__pdvsa__de_los_riesgos_asociados_con_los_procesos_objetos_de_revision_por_la_deaic_pdvsa_con_la_finalidad_de_disminuir_la_incertidumbre_o_grado_de_subjetividad_en_las_mi/21325-1366984
http://grupos.emagister.com/documento/diseno_de_modelos_matematicos_para_evaluacion_y_clasificacion_bajo_el_modelo_coso__pdvsa__de_los_riesgos_asociados_con_los_procesos_objetos_de_revision_por_la_deaic_pdvsa_con_la_finalidad_de_disminuir_la_incertidumbre_o_grado_de_subjetividad_en_las_mi/21325-1366984
Anexos
¿Por qué la media es la desviación estándar de la dispersión de los datos del modelo matemático?
ResponderEliminarPorque para estimar un conjunto de datos muy grandes se busca un estimador que produzca valores muy cercanos a la media aritmética, cuyos valores siempre será un valor positivo, que nunca va anular, los posibles valores de máxima verosimilitud, por lo tanto esta medida de dispersión es la más recomendable cuando se estima valores muy cercanos, que no muestran tanta dispersión. Como su nombre lo indica el valor de máxima verosimilitud siempre resulta un valor donde la función de densidad alcanza un máxima, por lo tanto como el valor de la desviación estándar siempre es un valor positivo, siempre va alcanzar un máxima en dicho punto, cuyo valor es muy cercano al de la media.
Por otra parte la función de máxima verosimilitud de una muestra aleatoria depende de la dispersión de los datos, por lo cual la desviación estándar representa el valor de la media por ser este valor un punto muestral cercano a ella y que todos los valores de la desviación estándar disminuyen o aumentan en torno a la media.
Así mismo el valor de máxima verosimilitud del parámetro desconocido gira en torno a un punto fijo, que es la media y cuyos valores son muy pequeños a medida que se aproxima a su verdadero valor. De este modo la media interviene como desviación estándar de la dispersión de los datos del modelo matemático.