Estadística Social Básica

Portada:
Foto de Pablo Bielli del mural de Esteban Roberto Garino, ubicado en el primer piso de la Facultad
de Ciencias Sociales de la Universidad de la República.
De la segunda edición:
© Fernando Cortés, Rosa María Rubalcava y Tabaré Fernández
ISBN: 978-9974-0-1104-5
Corrección y diagramación:
Tabaré Fernández, Tania Biramontes y Victor Borrás
Mail: [email protected]
Impreso en TRADINCO S.A.

Minas 1377 – Montevideo, Uruguay
Tel. (598) 2409-4463
Mail: administració[email protected]
www.tradinco.com.uy
2|Estadística Social Básica

ESTADÍSTICA SOCIAL BÁSICA
Segunda Edición – Quinta reimpresión
Fernando Cortés, Rosa María Rubalcava y Tabaré Fernández.
Con la colaboración de:

Tania Biramontes, Soledad Bonapelch, Víctor Borrás, Pablo Menese, Laura Noboa,
Cecilia Reolón y Adrián Silveira
Coedición de:
Universidad de la República (UDELAR) – Facultad de Ciencias Sociales (FCS) –

Departamento de Sociología (DS).
Universidad Nacional Autónoma de México (UNAM) – Programa Universitario de Estudios

sobre el Desarrollo (PUED).
Montevideo, Agosto de 2019
Estadística Social Básica | 3

Capítulo VII. La medición de la desigualdad98
La desigualdad es un concepto de naturaleza eminentemente relativa, en tanto que se contrapone

al de igualdad, para el cual puede haber más de una definición. Es un concepto que, además, que
se constituye con connotaciones valorativas cualquiera sea la argumentación en la que participa
(Dagum, 1993; Cowell, 1998; Sen, 2001; Cortés & Rubalcava, 1982). Junto con los conceptos de
justicia y de libertad, conforman un campo semántico clásico sobre la que se ha desarrollado
prácticamente toda la filosofía social de occidente.
Ante tan amplias acepciones, cualquier debate sobre la desigualdad requiere como
primer acto la delimitación del objeto: el ingreso, la tierra, el conocimiento, los medios de
comunicación. Amartya Sen lo dejó planteado en uno de sus más conocidos ensayos “Nuevo
examen de la desigualdad” (Sen, 1995): es posible que la desigualdad en la tenencia o acceso a un
bien que una sociedad pueda tolerar en una dimensión sea intolerable en otra. Si realizamos un
breve ejercicio recordando titulares en los medios de comunicación, podríamos concluir que las
sociedades occidentales en los últimos diez años han discutido más sobre la desigualdad de
oportunidades educativas o del conocimiento que sobre la desigualdad en la posesión de las
tierras agrícolas.
Desde el punto de vista estadístico, diremos que una distribución es desigual si no
concuerda con algún criterio de igualdad previamente estipulado (Cortés & Rubalcava, 1982). La
repartición del total de una variable es justa o injusta de acuerdo con la repartición teórica que se
puede derivar a partir de la aplicación de una norma que expresa el criterio de igualdad adoptado.
Los criterios teóricos adoptados podrían ser de muy diversa expresión. El criterio
“democrático”, que tendrá una importante aplicación en este capítulo, establece que la repartición
del ingreso se hará en tantas partes iguales como sujetos haya para distribuir el total de esa
variable. Obsérvese que dicha norma puede resultar en no pocas ocasiones en “claras injusticias”
si el criterio pertinente fuera el de la necesidad. El mismo monto de ingreso asignado a todos por
igual resultaría una aplicación democrática que, sin embargo, podría desconocer diferencias de
partida pronunciadas entre jefas o jefes de hogar que enfrentan grandes gastos por tener muchos
niños y otros hogares compuestos únicamente por adultos sin gastos elevados en relación con sus
ingresos. En el estudio de la desigualdad la omisión de estas diferencias se expresa con el término
de “principio de anonimidad” u “homogeneidad de la población” (Shorrocks, 1983, pág. 3).
Una norma de distribución podría relacionar la variable de interés con la distribución de
otra variable. Por ejemplo, podría sostenerse que el ingreso generado en la producción de una
empresa será distribuido con justicia si a cada trabajador se le asignara el equivalente de su
productividad marginal; es decir, la norma es “tanto produces, tanto recibes”. Finalmente, cabría
incluso establecer una norma en la que la distribución del ingreso se fijase según una función
completa de características personales, tales como la edad, el sexo, para las mujeres si están
embarazadas o amamantando, la presencia de enfermedades crónicas, el área de residencia, las
condiciones de la vivienda y el nivel de escolaridad. Si esos ingresos fueran el resultado de una
98
Este capítulo toma por base los capítulos 1 “Consideraciones Preliminares” y 2 “Medidas de desigualdad para
datos no agrupados” del libro de Fernando Cortés y Rosa María Rubalcava sobre el tema (Cortés & Rubalcava,
1982). La adaptación y la revisión fueron realizadas por Tabaré Fernández.
E s t a d í s t i c a S o c i a l B á s i c a | 189
transferencia que una política social realizara, la medida de desigualdad podría informar cuán
discrepante (desigual) sería la asignación efectiva frente a la esperada por la aplicación de la
norma.
Por lo expuesto, es claro que la selección del patrón que se usará para juzgar el grado de
desigualdad existente en una distribución, al estar fuertemente relacionada con juicios de valor,
será en sí misma objeto de discusiones en las que difícilmente se podrá llegar a un acuerdo
universal (Dagum, 1993). En ellas se encontrarán involucradas posturas teóricas, políticas y
metodológicas irreconciliables, tanto relativas a qué criterio usar así como cuánta desigualdad es
tolerable.
También debiera quedar claro una segunda conclusión: que toda evaluación de la
desigualdad sólo resultará válida para la variable que se está estudiando. Esto, claro está, sin
desmedro de las correlaciones que existen entre medidas de las diferentes dimensiones del
bienestar, como el ingreso, la calidad de la vivienda, los aprendizajes escolares o las prestaciones
de salud a que pueden acceder los miembros de un hogar.
Este capítulo presenta una introducción a las medidas de desigualdad, estudiando dos
estadísticos que explicitan criterios de desigualdad: índice o coeficiente de Gini y el índice de
entropía de Theil. Los llamamos “específicos” en la medida en que se han desarrollado ex profeso
con el requerimiento de resumir la concentración de una distribución contrastándolo con un
patrón. Sin embargo, en la medición de la desigualdad también suelen usarse estadísticos que no
se diseñaron originalmente para estudiar la concentración de la variable y que por tanto, solo
implícitamente se identifica un patrón de desigualdad: la varianza, el desvío, el coeficiente de
variación y la razón cuantílica. Dado que son ideas familiares que han sido presentadas en los
capítulos anteriores, comenzaremos por este tipo de estadísticos que denominamos “positivos”.
La fortaleza y debilidad de cada estadístico de desigualdad es generalmente evaluada
aplicándoles pruebas basadas al menos en un conjunto de propiedades o axiomas: insensibilidad
a la escala, Pigou-Dalton, cambio relativo, descomposición. Trabajamos estas nociones
conjuntamente con la presentación de los estadísticos positivos para que sea más claro su
significado.
En la exposición que sigue usaremos primero un ejemplo de simulación relativamente
sencillo, totalmente irreal, pero que nos será útil para destacar por exageración las propiedades
de interés. Luego, al final del capítulo, analizaremos resultados concretos sobre desigualdad,
tanto calculados por nosotros como aquellos publicados por organismos internacionales, como
por ejemplo lo hace anualmente la Comisión Económica para América Latina (CEPAL) en su
Panorama Social de América Latina.
VII.1. Nivel, desigualdad y bienestar
Para evitar confusiones, frecuentes en los estudios empíricos, y que de presentarse en este texto
podrían afectar su lectura, consideramos pertinente dedicar algo de espacio a perfilar tres ideas
que aparecen casi siempre estrechamente ligadas con la noción de desigualdad: i) el nivel de la
variable; ii) el cambio en el grado o concentración de una variable; y iii) la forma de la
desigualdad. Estas ideas ya han sido adelantadas en el capítulo V, al introducir la noción de
medidas de posición, dispersión y de forma de una distribución.
El nivel de la variable refiere al total. El grado de concentración tiene que ver con la
manera como se reparte el total de una variable entre un conjunto de observaciones o unidades.
La diferencia entre ambas nociones, el nivel de la variable y el grado de concentración de su
distribución, así como las conclusiones que podrían extraerse, pueden ejemplificarse con dos
190 | E s t a d í s t i c a S o c i a l B á s i c a
situaciones hipotéticas. Sea el ingreso de tres hogares de una localidad que fueron observados en
dos momentos diferentes, t=1 y t=2, interesa saber cómo evolucionó el bienestar de la población
entre ambas mediciones.
La primera situación hipotética, representada en la tabla VII.1, se caracteriza por
mantener el mismo ingreso total (Y=1000) en ambos momentos (1 y 2). Sin embargo, se puede
apreciar que en el momento 2 (t=2) el hogar identificado con el número 3 (i=3) tiene 650$, 50$
más respecto del ingreso que en el momento 1 (t=1). A su vez, el hogar identificado con el número
1 (i=1) redujo sus ingresos desde 100$ a 50$. Se aprecia que en ambos momentos el ingreso
promedio de los hogares es 333,3 $, pero que la distribución del mismo es diferente, existiendo
una concentración del ingreso en el segundo momento. En este primer ejemplo, el bienestar
agregado se mantiene constante pero el bienestar de los hogares ha sido modificado de manera
regresiva.
TABLA VII.1.
Base de datos de hogares observados en dos momentos del tiempo.
Datos ficticios de tres hogares.
Identificación
Ingresos Tiempo
del hogar
1 100 1
2 300 1
3 600 1
1 50 2
2 300 2
3 650 2
La segunda situación hipotética, expuesta en la tabla VII.2, se caracteriza, a primera vista,

por el incremento en el nivel de la variable y un cambio en la distribución entre el momento 1 y
2. Estrictamente, para t=2 se han multiplicado por dos los valores observados en t=1. Se aprecia
que la concentración de la variable se ha mantenido constante, sin embargo, podría decirse que
el bienestar agregado de la población ha mejorado.
TABLA VII.2.
Base de datos de hogares observados en dos momentos del tiempo.
Datos ficticios de tres hogares.
Identificación Ingresos Tiempo

del hogar
1 100 1
2 300 1
3 600 1
1 200 2
2 600 2
3 1200 2
Otros casos podrían exponerse para aclarar más las diferencias entre estas dos
nociones99. Sin embargo, los dos casos hipotéticos examinados permiten sintetizar algunas
99 Algunas de estas situaciones se exponen en el texto original. (Cortés & Rubalcava, 1982, págs. 14-22)
nociones elementales. En primer lugar, la evaluación del bienestar de la población no se agota
con la observación por separado del nivel o de la concentración de una variable de interés (por
ejemplo, el ingreso). Es teóricamente posible que un aumento simultáneo del nivel de ingresos y
de la desigualdad en su distribución, no signifique que haya habido empobrecimiento, y que al
contrario, se traduzcan en el mejoramiento del bienestar social. A la inversa, la caída en el nivel
de una variable y en la desigualdad puede significar un empeoramiento del bienestar aunque en
t=2 haya menos diferencia entre “ricos” y “pobres”.
Ahora bien, entendidas las diferencias entre el nivel (agregado) del bienestar y el grado
de concentración, es necesario indicar que hace bastantes décadas, a menos desde los años
sesenta que tanto en la Economía como en la Sociología, se ha extendido el consenso respecto de
que no se puede evaluar el bienestar en una sola dimensión (Cortés & Rubalcava, 1982) ni con
unos únicos criterios (Sen, 1995; Sen, 2001).
En particular, al comparar el bienestar contemporáneo que disfrutan distintas
sociedades, o al comparar el bienestar en distintos períodos para una misma sociedad, es
necesario contar con una nueva medida que combine la aproximación por el nivel de ingreso y la
aproximación por la distribución a los efectos de representar más adecuadamente el desarrollo
en un país y en un momento determinado. Si computados una medida de nivel para la variable X
normalizándola por la población y luego la multiplicamos por el complemento de un índice de
desigualdad, I, con recorrido cerrado (0≤I≤1), obtenemos una medida B de bienestar. Amartya
Sen (1976) propuso una medida que satisface estas exigencias. El índice de bienestar social, (W,
por “Welfare”, bienestar en inglés), pondera el valor de la equiparticipación en el ingreso total
por el complemento del índice de Gini (G). Formalmente:
𝑋
(𝑉𝐼𝐼. 1) 𝑊= ∗ (1 − 𝐺)
𝑁
Más allá de la elegancia y sobriedad que presenta esta relación matemática propuesta por
Sen, en este capítulo no ingresaremos en los diferentes y complejos problemas teóricos que
presenta la vinculación entre la desigualdad y el bienestar100.
VII.2. Propiedades que deberían satisfacer los indicadores de desigualdad
Una vez que hemos especificado lo que entendemos por grado de concentración y por cambio en
el nivel de la variable, se nos presenta la necesidad de proponer algunas medidas estadísticas. Se
trata de definir algunas funciones matemáticas que permitan distinguir entre diversos grados de
concentración y que además posean la característica de ser sensibles a sus variaciones en el
tiempo. Esta última idea es muy importante de retener: así como sucede en otros campos de la
100
Estos problemas aluden básicamente al fundamento utilitarista de la casi totalidad de funciones de bienestar a
la que acuden los economistas y que luego se expresan en el teorema de la imposibilidad de Arrow, a evaluaciones
hechas con base en el principio de eficiencia de Pareto (mejoras de Pareto) y a los cuestionamientos relativos a
evaluar una distribución de bienes con base al principio de Pareto–óptimo. Es claro que la función W propuesta
por Sen (Sen, 2001) se aparta de la tradición utilitarista en la medida en que el bienestar social no es sólo una mera
sumatoria del bienestar de cada individuo.
estadística, se trata de resumir información de una matriz de manera tal que permita comparar
los resultados entre distintas matrices en forma válida.
El problema que se nos plantea puede pensarse como los momentos de la generación de
un indicador:
(i) Se establece un concepto no muy precisamente definido en el sentido de que no es clara

ni determinada la forma cómo será observado.
(ii) Diversos autores proponen indicadores alternativos para hacer observable el
concepto, generándose así una variedad de medidas que no son similares ni en valores
(magnitudes) ni tampoco en cuanto a los supuestos (teóricos y estadísticos) empleados en los
cálculos.
(iii) Se introduce una serie de criterios que deberían cumplir los indicadores de aquel
concepto para considerarlos como “buenos”.
Tomemos un ejemplo para ilustrar esas ideas recurriendo a nociones desarrolladas en los
capítulos precedentes. Dentro de la estadística descriptiva, la noción de “tendencia central”,
“posición” o “localización” de una distribución no se encuentra definida de manera única en
relación con su representación gráfica. Las distintas medidas de tendencia central (promedio,
mediana, moda) pueden entenderse como indicadores de posición que dan concreción numérica
a tres diferentes formas de operacionalizar el concepto: el centro de gravedad de la distribución;
el valor que divide en dos partes iguales el ordenamiento de las unidades; el valor más frecuente.
Para seleccionar una de estas medidas y aplicarla en un análisis particular se recurre a criterios
tales como la sensibilidad con respecto a valores extremos, propiedades algebraicas que la
caracterizan, etc.
En la medición de la desigualdad también se presenta un problema cuya naturaleza
coincide con lo ejemplificado. Se trata de los requisitos que deben cumplir las buenas medidas.
Estos criterios son el tamiz que permitirá discriminar y seleccionar cuáles son las más apropiadas
para los fines de la investigación.
VII.2.1. Tres propiedades sobre escalas y transferencias
Las propiedades mínimas que caracterizan a los buenos indicadores de desigualdad son:
(i) La medida debe ser invariable a las transformaciones proporcionales o cambios de

escala. Supongamos que aplicamos un coeficiente de desigualdad “I” sobre la distribución de la
variable “X” y que obtenemos como resultado I= a, donde “a” es un valor numérico específico del
coeficiente. Esta propiedad exige que si cambiamos la unidad de medida para la variable X
mediante una transformación lineal, F(X), el valor del indicador deberá seguir siendo I=a.
Consideremos a manera de ejemplo que X es el ingreso de los hogares y que ha sido medida en
pesos uruguayos de 2006. Si en lugar de registrar los ingresos de los hogares en la moneda
nacional usamos el dólar, el indicador de desigualdad calculado no debería informar de un valor
distinto por el mero hecho de tener ahora los ingresos dolarizados. Esta propiedad suele
cumplirse toda vez que el estadístico de desigualdad no es una función de la media aritmética de
la distribución X.
(ii) La medida debe cumplir con la propiedad de Pigou-Dalton. Supóngase que se
observan en dos momentos distintos, t=1 y t=2, la distribución del ingreso de los hogares en una
localidad y que se registra que una proporción “p=0.10” de hogares, los más favorecidos,
transfiere ingresos a una proporción igual, p=0.10, de los hogares menos favorecidos. A su vez, el
nivel del ingreso en ambos períodos no ha cambiado. Un indicador de desigualdad debería
registrar este cambio y presentar un valor menor para t=2. Esta propiedad es conocida también
como “axioma débil de transferencia”.
(iii) El coeficiente de concentración debería satisfacer el denominado axioma fuerte de

transferencias propiedad de cambio relativo. Este requisito exige de los indicadores una
sensibilidad diferencial para marcar cambios en los grados de concentración según el nivel en
que se realicen las transferencias entre hogares. Así por ejemplo, si se lleva a cabo una
redistribución de cierta cantidad de ingresos de un hogar que posee muy altos ingresos a otro
hogar que se encuentra casi sobre la línea de pobreza monetaria, el coeficiente debería marcar
una caída mayor que si el ingreso se hubiera distribuido entre hogares de clase media. Esta
propiedad es conocida también como “axioma fuerte de transferencia”.
En términos generales, se sostiene que un indicador cumple con la condición de cambio

relativo también cumplirá con la condición Pigou-Dalton, porque la única condición que impone
este criterio es que haya una relación directa entre el nivel de la concentración y su indicador.
Pero una medida que cumpla con el criterio de Pigou-Dalton no necesariamente cumple con el
criterio de cambio relativo. Sin embargo, existen argumentos y demostraciones aportadas por
Sen y por Foster relativas a que hay al menos una medida (la varianza de los logaritmos) que
satisface la propiedad de cambio relativo pero no cumple con la propiedad de Pigou-Dalton, esto
en situaciones especiales (Sen, 2001, págs. 46-47, 178; Foster & Ok, 1969).
VII.2.2. Otras propiedades
Existen otras propiedades con las cuales se evalúan los indicadores de desigualdad que citaremos
a continuación.
(iv) Una de gran interés es la descomposición (Sen, 2001, págs. 176-182) En su

aplicación más elemental, la descomposición se entiende por adición. Básicamente, establece el
que el valor del indicador calculado para toda la población fuera igual a una suma algebraica
conocida de los valores que el indicador asuma en cada una de las categorías de otra variable que
pueda usarse para dividir la población estudiada (Sen, 2001, pág. 179). Por ejemplo, la
desigualdad del ingreso de los activos debiera descomponerse con la desigualdad de ingresos de
las mujeres y de la desigualdad de los varones. Esta acepción aditiva, la propiedad suele aplicarse
mediante la descomposición de la varianza que ha sido presentada en el capítulo V, sección 6. Si
“j” y “k” representan dos clases excluyentes en que se puede dividir la distribución X, “w” es un
valor que representa el peso (ponderador) de cada una de las clases en el total, entonces la
desigualdad total I se puede descomponer en una parte “dentro de grupos”(DG) y una parte “entre
grupos” (EG):
(𝑉𝐼𝐼. 2) 𝐼(𝑋) = [𝐷𝐺] + [𝐸𝐺]
De donde se desarrolla:
(𝑉𝐼𝐼. 3) 𝐼(𝑋) = [𝑤 𝐼 𝑋 + 𝑤 𝐼(𝑋 )] + [𝐼 𝑋 , 𝑋 ]
(v) La propiedad de población establece que las medidas deberían ser insensibles al
tamaño de la población analizada, permitiendo así comparar distribuciones tomadas de distinto
tamaño N. Esta propiedad es lógica y elemental, dada la finalidad explícita del estudio de la
desigualdad de observar cambios y diferencias en el bienestar entre poblaciones y momentos
históricos.
(vi) Propiedad del rango. A veces se agrega a los criterios que permiten discriminar
entre los buenos y malos indicadores, el requisito de que el coeficiente asuma valores dentro de
un recorrido cerrado entre valores límites conocidos y estandarizados, a los que se les asigna un
contenido significativo. Es una convención ampliamente aceptada en la Estadística, limitar el
recorrido al intervalo definido por los valores 0 y 1. En el caso de los coeficientes de desigualdad,
el 0 denota equidistribución y el 1 concentración total. La desigualdad total o absoluta
corresponde al caso límite en que la suma de la variable pertenece a una única observación (en el
ejemplo del ingreso, a una persona o un hogar). La satisfacción de esta propiedad permite realizar
operaciones algebraicas como las propuestas en el índice de bienestar de Amartya Sen que fuera
presentado más arriba.
(vii) La propiedad de anonimato indica que para todos los efectos del análisis, resultan
indiferentes las otras propiedades que caracterizan las unidades analizadas (Shorrocks, 1983).
VII.4. Medidas de dispersión para medir la desigualdad
Tal como indicáramos en la introducción, un primer conjunto de medidas disponible para

informar sobre la concentración de una variable está constituido por medidas de dispersión
clásicas (varianza, el desvío estándar, el coeficiente de variación y la razón entre el decil 10 y el
decil 1). A estas agregaremos la varianza o desvío de los logaritmos. En este apartado revisaremos
su utilidad estudiando si cumplen con las tres propiedades mínimas (relativas a las escalas y las
transferencias). Para esto utilizaremos un universo ficticio de diez hogares que han sido
observados en cuatro momentos del tiempo diferentes. Para cada momento calcularemos estas
medidas y luego en qué grado los resultados informan de cambios en la desigualdad.
VII.4.1. Definiciones
La varianza, V(X) y el desvío estándar, S(X), de la distribución de un bien entre las unidades de
una población, se definen en la forma clásica computando las semi-sumas de las desviaciones al
cuadrado de la media aritmética.
∑ (𝑥 − 𝑥̅ )
(𝑉𝐼𝐼. 4) 𝑉𝑎𝑟(𝑥) = 𝑆 =
𝑁
∑ (𝑥 − 𝑥̅ )
(𝑉𝐼𝐼. 5) 𝑆 =
𝑛
El coeficiente de variación, CV, se define como la razón entre el desvío y la media

aritmética:
𝑆
(𝑉𝐼𝐼. 6) CV =
𝑥̅
Existen dos indicadores de desigualdad que se basan en medidas de dispersión y que son
de uso corriente. En primer lugar está la razón de cuantiles101. Este es un indicador intuitivo,
empírico y sin ajuste a una norma previa, de cómo es la concentración de la variable, que además
es muy sencillo de calcular y también de comunicar su significado a un público no especializado.
Por lo general se utiliza el ingreso promedio de los deciles 10º y 1º, aunque también pueden
usarse los percentiles 5 y 95, o los quintiles 1 y 5 según el grado de elongamiento de la forma de
la distribución (Cortés & Rubalcava, 1982). Si denominados a este indicador como RD, y tomamos
el ingreso del último decil y el ingreso del primer decil, entonces podemos construir una razón
decílica102:
𝑋( )
(VII. 7) 𝑅𝐷 =
𝑋( )
Esta medida nos dice qué proporción del ingreso del primer decil es el ingreso del décimo;
o más sencillamente, cuántos pesos concentra los individuos u hogares del décimo decil por cada
peso que concentran los individuos u hogares del primer decil. Rápidamente, se entenderá que el
resultado de este cociente es varias veces superior a 1. Sin embargo, debe notarse que no es una
medida de la desigualdad equivalente a las otras que presentas ya que aquéllas operan sobre toda
la distribución y esta sólo toma en cuenta una parte de ella. Como se recuerda del capítulo V, los
cuantiles son medidas de posición bastante conectadas con la forma de la distribución. Cuando
mayor sesgo se observa, más distancia existe entre los primeros y últimos cuantiles.
En segundo lugar, se encuentra el desvío de los logaritmos (H), un indicador de mayor
complejidad de cálculo y de interpretación menos intuitivo:
101
Debe destacarse que esta medida nos dice qué proporción del ingreso del décimo decil es el ingreso del primer
decil, por tanto no es una medida de la desigualdad equivalente a las otras que se presentan, ya que aquéllas
operan sobre toda la distribución
102
En varios manuales e investigaciones esta razón se especifíca como inter-percentílica y se utilizan por ejemplo,
los percentiles 95 y 5, o los percentiles 90 y 10.
∑ [𝐿𝑛(𝑋 ) − 𝑙𝑛(𝑥) ]
(VII. 8) 𝐻=
𝑁
Esta medida introduce la variante de tomar logaritmos del ingreso de la unidad de análisis
y del ingreso medio. Sabido es que la transformación logarítmica de una distribución tiene la
propiedad de reducir el sesgo positivo. En consecuencia la contribución que harán los (pocos)
hogares con altos ingresos a la sumatoria es sensiblemente menor a la que harán los (muchos)
hogares de bajos ingresos. Esto permitirá contar con una medida más más sensible al
mejoramiento o empeoramiento de los hogares más pobres que a los hogares más ricos,
cumpliendo así con axioma fuerte de transferencias. De todas las medidas positivas presentas, H
es la única que cumple esta propiedad. Además es insensible a la escala y salvo en casos
excepcionales pero teóricamente identificables, también cumple Pigou-Dalton (Sen, 2001, págs.
46-47, 178; Foster & Ok, 1969). También es de reconocer que difícil comunicar valores de una
medida que se define como la raíz del promedio de la suma de la desviación del logaritmo del
ingreso al logaritmo del promedio del ingreso.
VII.4.2. Simulación de resultados y prueba de propiedades
Supongamos que se cuenta con la matriz de datos de un estudio longitudinal de tipo panel, donde
un universo cerrado de diez hogares (n=10) han sido entrevistados en cinco años sucesivos (t=5)
con el fin de conocer sobre distintas medidas de bienestar, entre otras su ingreso total disponible.
La matriz de datos presenta la información sobre el ingreso registrado.
MATRIZ DE DATOS VII.1.

Registro simulado del ingreso de 10 hogares en cinco observaciones en el tiempo.
ID del hogar T=1 T=2 T=3 T=4 T=5
1 50000 50 50 50 300
2 150000 150 150 180 330
3 400000 400 400 400 450
4 550000 550 550 550 550
5 850000 850 850 820 820
6 1000000 1000 1000 1000 1000
7 1190000 1190 1190 1190 1190
8 1451000 1451 1481 1451 1401
9 1552000 1552 1522 1552 1502
10 2807000 2807 2807 2807 2457
A todos los efectos prácticos, supondremos en primer lugar que estos hogares son en
todos los aspectos iguales, excepto en el ingreso. En segundo lugar, supondremos que durante
este período no hubo ni inflación ni aumentos reales de ingresos, lo cual nos permitirá obviar el
problema del incremento del nivel de la variable y concentrarnos sólo en los cambios en la
concentración; es decir:
(VII. 9) 𝑋( ) = 𝑋( ) = 𝑋( ) = 𝑋( ) = 𝑋( )
El primer año de observaciones los diez hogares tenían en total $10000000 (diez millones
de pesos) y un nivel de ingreso medio o per cápita de $ 100000 (un millón de pesos por hogar).
El segundo año de observaciones, t=2, el registro del ingreso se modificó debido a un
cambio en la moneda consistente en la división entre mil de los valores103. Ningún otro elemento
se modificó entre una y otra observación. Se aprecia que la repartición del total en términos
proporcionales no ha variado con el cambio de la escala de medida del ingreso.
Sin embargo, en t=2 se puede apreciar que tanto la varianza, V, como el desvío, S, informan
que la concentración del ingreso es menor que en t=1. Esto no ocurre con el coeficiente de
variación, CV, ni para la razón cuantílica, ni tampoco para el desvío de los logaritmos, H, que
informan el mismo valor para ambas distribuciones. Esto tiene una explicación sencilla: V y S
dependen del promedio para su cálculo; los resultados se han modificado de la forma y con las
consecuencias recogidas en la propiedad 4 del promedio y en la propiedad 4 de la varianza
presentados en el capítulo V. Es fácil ver que la razón de deciles no se altera porque los ingresos
en el primer y el último decil no cambiaron. Por su parte, H no resulta modificado en razón de que
las transformaciones lineales de cada sumando (en cada valor y en el promedio) se cancelan
mutuamente aplicando la propiedad del producto del logaritmo. Este primer ejemplo simulado
sirve para entender la propiedad de insensibilidad a la escala.
TABLA VII.3.
Indicadores positivos de desigualdad calculados con base a la matriz de datos simulados.
T=1 T=2 T=3 T=4
Varianza, V. 601945400000 601945.40 601519.40 597925.40

Desvío estándar, S. 775851 775.85 775.58 773.26
Coeficiente de Variación, CV 0.7759 0.7759 0.7756 0.7733
Razón de Deciles 56.14 56.14 56.14 56.14
Desvío de los logaritmos, H 1.14684 1.14684 1.14683 1.12419
En t=3 sólo se registró un cambio en la distribución del ingreso: el hogar con id=8 tiene
$1481 de ingresos en lugar de los $1451 habidos en t=2. En cambio el hogar con id=9 tiene
x=1522, treinta pesos menos que en t=2. Ha habido una transferencia progresiva de ingresos
ocurrida en la “parte alta de la distribución”. Vemos que V difiere entre ambos tiempos. También
S difiere debido a que es función de V, aunque para notarlo requerimos dos cifras significativas
luego del cero para verlo con claridad. Los cálculos con planilla electrónica permiten reportar que
H difiere entre t=2 y t=3, pero requerimos usar cinco cifras significativas para notarlo. La razón
103
En los últimos cuarenta años Uruguay vivió 2 veces este tipo de simplificación: a mediados de los setenta, se
dividió el valor del peso entre mil y se crearon los “nuevos pesos”. A principios de los años noventa, se volvió a
dividir el valor entre mil y se creó el “peso uruguayo”, que luego se denominó solo “peso”. Estas “simplificaciones
monetarias” son propias de los períodos hiperinflacionarios y coinciden con la aplicación de políticas de ajuste
macroeconómicas.
de deciles no permite distinguir entre ambas distribuciones. Este tercer ejemplo permite
comprender la robustez de cada medida frente al axioma débil de transferencia.
La cuarta observación en el tiempo, t=4, se caracteriza porque el segundo hogar de la
distribución (id=2) incrementó su ingreso en $30, es decir un quinto más o un 20% adicional
respecto a lo que tenía en t=3. A su vez, el ingreso el último hogar, id=5, se redujo en 30$ respecto
a lo observado en t=3, esto es, una reducción del 3.6%. No hubo cambios en la en otras partes de
la distribución. Además, los hogares con id=8 e id=9, volvieron a tener el mismo ingreso que
tenían respectivamente en t=2. En este cuarto ejemplo, todas las medidas positivas registran la
caída en la desigualdad, excepto la razón de deciles en la medida en que precisamente, los cambios
se observaron fuera los dos únicos valores de la distribución que son tomados para calcular el
indicador.
Sin embargo, lo interesante es comparar cuánto cambian las medidas frente a un mismo
cambio absoluto, 30$, ocurridos en t=3 y t=4, pero en distintos lugares de la distribución. En t=3
el cambio fue en la parte alta, en t=4, en la parte baja. Veremos los cambios uniformizando los
indicadores en términos de números índice con valores iguales a 100 para t=2. La tabla VII.4
muestra esta variación relativa y los comportamientos diferenciales de estas medidas.
TABLA VII.4.
Comparación relativa entre los indicadores de desigualdad calculados con base a la
matriz de datos simulados. Base = 100 para t=2.
T=2 T=3 T=4
Varianza, V. 100 99.929 99.332

Desvío estándar, S. 100 99.965 99.666
Coeficiente de Variación, CV 100 99.965 99.666
Razón de Deciles 100 100.000 100.000
Desvío de los logaritmos, H 100 99.999 98.025
Utilizando hasta tres cifras significativas, se puede constatar que V registra con mayor
sensibilidad que S y CV los cambios en la parte alta de la distribución ocurridos en t=3: el
mejoramiento del bienestar del hogar id=8 conlleva una caída relativa mayor en V que en los otros
dos. Al contrario, H prácticamente no registra cambios en su valores, tornándolo relativamente
insensible a los cambios ocurridos en esta parte alta de la distribución. De aquí que se diga que
teóricamente pueden pensarse situaciones en las que viole la propiedad débil de transferencias.
En t=4, V reporta una mayor caída de la desigualdad que S y CV. Sin embargo, es H la medida que
informa con mayor claridad la reducción de la desigualad por el mejoramiento del bienestar de
uno de los hogares de menores ingresos. Es decir, es más sensible a las transferencias entre
hogares “pobres” que entre “hogares ricos” y por tanto, cumple con el axioma fuerte de las
transferencias o propiedad del cambio relativo.
La evaluación de los estadísticos según las propiedades deseables para una medida de
desigualdad se presenta en el esquema VII.1. Será de utilidad mantener estas conclusiones
presentes al realizar una evaluación similar para las medidas normativas. Por lo pronto, existe
consenso en la literatura que sólo el CV y el H resultan aceptables, aunque no es posible su
descomposición.
ESQUEMA VII.1.
Evaluación de las medidas positivas de desigualdad
Estadístico Fortalezas Problemas
Sensible a la escala (Depende del promedio).
Varianza (V) Pigou-Dalton, descomposición Difícil comunicación de resultados. No tiene
recorrido cerrado
Sensible a la escala (Depende del promedio).
Desvío (S) Pigou-Dalton Difícil comunicación de resultados. No tiene
recorrido cerrado. No se puede descomponer
Es más sensible los cambios observados en la
Coeficiente de Pigou-Dalton e parte alta de la distribución. Difícil comunicación
Variación (CV) Indiferencia a la escala de resultados. No tiene recorrido cerrado. No se
puede descomponer
Sensible a la escala. No cumple Pigou-Dalton
Razón de Ninguna.
para valores intermedios. No cumple cambio
cuantiles Fácil comunicación de resultados
relativo. No se puede descomponer.
Desvío de los Indiferencia a la escala, cambio relativo. Difícil comunicación de resultados. No tiene
logaritmos (H) Teóricamente no cumpliría Pigou-Dalton. recorrido cerrado.
VII.5.- Medidas específicas sobre la desigualdad
A diferencia de las medidas de dispersión, las medidas que trataremos ahora fueron desarrolladas
para medir específicamente concentración o desigualdad en la distribución de un bien104. Suele
decirse que utilizan o definen alguna norma o patrón que explícitamente se fija como ideal de
igualdad105. Se adelantó en la introducción, que el patrón más usado es la distribución
democrática que fija iguales cantidades para cada unidad. Este concepto de equidistribución,
representado gráficamente por la curva de Lorenz, da sustento al coeficiente de Gini.
VII.5.1. La curva de Lorenz
A principios del siglo XX, Max Lorenz106 propuso una representación gráfica que es utilizada
frecuentemente para plasmar la distribución relativa de una variable en un dominio determinado.
104
En la economía del bienestar, por ejemplo Sen (2001), los contenidos de esta sección suelen agruparse con las
medidas anteriores en la medida en que no se trataría de medidas normativas. Este término a su vez, remite a la
existencia de una conexión explicita entre la medida y una función de bienestar incorporada. Dado que nuestro
enfoque no ingresa a este último tema, obviamos esta nomenclatura y las distinguimos de las anteriores por ser
“específicamente diseñadas para medir concentración”.
105
De todas formas, obsérvese que las medidas de dispersión como la varianza o el desvío de los logaritmos
también utilizan implícitamente un patrón democrático: contrastan la cantidad retenida por cada unidad con el
promedio de la distribución.
106
Max Otto Lorenz (19 de septiembre de 1876 en Burlington (Iowa) - † 1 de julio de 1959 en Sunnyvale, CA)
fue un economista estadounidense que desarrolló el concepto conocido como curva de Lorenz en 1905, para
describir las desigualdades en las rentas. Publicó este concepto mientras era doctorando en la Universidad de
Wisconsin-Madison. Su tesis doctoral, publicada en 1906, llamada 'Teoría económica de las tarifas ferroviarias',
no hacía referencia alguna al que es, quizás, su concepto más famoso. Su carrera fue muy prolífica, tanto en
publicaciones como en carrera docente, siendo consultado y empleado en diversas ocasiones por la Oficina del
Censo de los Estados Unidos y otras instituciones estadounidenses de información estadística. El término curva
de Lorenz parece haber sido usado por primera vez en 1912 en el libro de texto The Elements of Statistical Method.
Tomado de http://es.wikipedia.org/wiki/Max_O._Lorenz.
El dominio puede ser el conjunto de hogares o personas de una región o país, por ejemplo. La
variable cuya distribución se estudia puede ser el ingreso de los hogares o de las personas, pero
también podría ser aplicada a los años de escolaridad aprobados o a la cantidad de tierra habida
por los establecimientos agropecuarios. La gráfica VII.1 presenta una aproximación estilizada.
Presentaremos las nociones elementales de la Curva de Lorenz en tres pasos. Primero una
descripción general, luego desarrollaremos paso a paso la noción de equidistribución sobre la que
se basa, para finalizar esbozando nociones generales implicadas en las comparaciones entre
curvas.
La gráfica tiene dos ejes: la frecuencia relativa acumulada de unidades y la frecuencia
relativa acumulada del ingreso. Para la construcción de la curva, las personas u hogares se
ordenan en forma ascendente de acuerdo con su ingreso y cada punto de la curva se lee como la
proporción acumulada del ingreso (Qi) que corresponde a una proporción acumulada de la
población (Pi). En el eje de las abscisas (horizontal) se presenta la frecuencia relativa acumulada
de la población, Pi. En el eje de las ordenadas (vertical) se presenta la frecuencia acumulada de la
variable de interés, Qi, para cada Pi.
GRÁFICA VII.1.
Curva de Lorenz
Proporcion acumulada de la
variable (Q)
Proporcion acumulada de casos (P)
Formalmente, dado un vector de ingresos x, y una determinada proporción acumulada

de la población Pi que se ubica en el i-ésima unidad, la ordenada Qi , se computa:
∑ 𝑥 ∑ 𝑥
(VII. 10) 𝑄 = 𝐿 (𝑃 ) = =
∑ 𝑥 𝑥̅ 𝑛
Los valores máximos para ambas frecuencias relativas acumuladas son iguales a 1. La
diagonal principal del cuadrado formado por los puntos (0,0), (0,1), (1,0) y (1,1) expresa de
manera idealizada la distribución teórica construida sobre la base del principio de repartición
igualitaria y habitualmente se denomina línea de equidistribución. En el otro extremo, podemos
definir la situación de desigualdad perfecta cuando una unidad tiene todo el ingreso, en tanto que
las N-1 restantes tienen X=0. En este caso, la curva coincidiría con el eje horizontal hasta el punto
(0.99, 0) donde saltaría al punto (1,1).
La curva de Lorenz de una distribución observada se encuentra entre ambos casos
extremos. Es una curva no decreciente y convexa, delimitada en el intervalo [0,1], de tal forma
que el 0% de la población tienen el 0% del ingreso, y el 100% de la población tiene el 100% del
ingreso.
Desarrollemos paso a paso ahora la idea de equidistribución, cómo se construye y su
contraste con la curva de la distribución observada. Comencemos por aclarar la simbología. La
letra “x” (minúscula) la usaremos para indicar un valor de la variable repartida, de tal forma que
xi representa la cantidad de “x” que tiene la i-ésima unidad. La letra mayúscula Q ya la usamos
para la frecuencia relativa acumulada. En negrita, x, representa el vector que reúne a todos los
valores observados de x en los n elementos de la población. Utilizaremos la letra minúscula “q”
para indicar la cantidad apropiada de una variable por la i-ésima unidad; el super-índice “T”
indicará que estamos refiriéndonos a la distribución teórica. Esta cantidad la indicaremos como:
𝑞 . La letra “N” indicará el total de casos. La letra “p” es la proporción o peso que representa la i-
ésima unidad en el total. La letra mayúscula “P” representará la frecuencia relativa acumulada
(proporción) en la población observada.
El peso de la i-ésima observación equivaldría a:
1
(VII. 11) 𝑝 =
𝑛
La proporción de la variable en manos de la i-ésima unidad, qi, es el resultado de:
𝑥
(VII. 12) 𝑞 =
∑ 𝑥
Obsérvese que esta ecuación se distingue de VII.10 en que ésta informa de la frecuencia
relativa simple retenida de la variable, en tanto que aquella lo hacía sobre la frecuencia relativa
acumulada.
Estas dos ecuaciones permiten calcular las participaciones relativas en la variable y en las
observaciones que corresponden a la i-ésima unidad. El esquema VII.3 muestra las características
propias de la distribución equitativa (obsérvese el super-índice “T” para “x” y para “q”). También
organiza los distintos pasos para el cómputo de las frecuencias relativas simples y acumuladas,
tanto para la distribución del ingreso como para la población.
ESQUEMA VII.3.
Frecuencias relativas simples y acumuladas en el caso de equidistribución teórica (“T”).
Orden en la
1 2 3 4 … n
distribución
Valor de la
𝑥 =𝑥 =𝑥 =𝑥 … =𝑥 =𝑘
variable
Frecuencia 1
relativa de las 𝑝 =𝑝 =𝑝 =𝑝 … =𝑝 =
observaciones 𝑁
Frecuencia 1
relativa de la 𝑞 =𝑞 =𝑞 =𝑞 … =𝑞 =
variable 𝑁
Frecuencia
relativa 1 2 3 4 𝑁
acumulada de 𝑃 = 𝑃 = 𝑃 = 𝑃 = … 𝑃 = =1
las 𝑁 𝑁 𝑁 𝑁 𝑁
observaciones
Frecuencia
relativa 1 2 3 4 𝑁
𝑄 = 𝑄 = 𝑄 = 𝑄 = … 𝑄 = =1
acumulada de 𝑁 𝑁 𝑁 𝑁 𝑁
la variable
Se dirá que hay equidistribución si se cumple que: (i) cada unidad se apropia de una
cantidad igual de la variable, que podemos denominar “k” y (ii) esta cantidad es la misma para el
caso empírico y el caso teórico. Si se cumpliera con las condiciones de equidistribución, entonces
se verificaría que:
(VII. 13) 𝑞 = 𝑞 = 𝑞 =. . . = 𝑞
Y que también la proporción acumulada del ingreso hasta la i-ésima unidad se expresa
como sigue, utilizando la ecuación VII.8 presentada al inicio del apartado:
∑ 𝑥 ∑ 𝑘 𝑖∗𝑘 𝑖
(VII. 14) 𝑄 = = = =
∑ 𝑥 ∑ 𝑘 𝑛∗𝑘 𝑛
Obsérvese que como resultado de las igualdades anteriores, se concluye necesariamente

que:
(VII. 15) Q =P ∀ i
Esto es, la proporción acumulada de la variable es igual a la proporción acumulada de los

individuos. Lo cual resulta una definición operacional de una distribución democrática: cada
persona tiene la misma cuota parte de X. Ambas igualdades son una consecuencia de haber
construido, como hicimos, una distribución teórica de frecuencias apoyada en la norma
democrática. De aquí que no debe extrañar que la frecuencia relativa acumulada de los casos
coincida con la frecuencia relativa acumulada de la variable.
Una vez que hemos explicado la representación gráfica del concepto de equidistribución,
corresponde presentar las nociones relativas a las áreas que están delimitadas por los ejes, la
curva y la línea, para ingresar en rudimentariamente al problema de la comparación entre las
formas de las curvas graficadas.
Debemos partir aquí de la observación simple de que el trazado de cualquier curva de
Lorenz para una distribución x observada divide el área bajo la línea de equidistribución en dos
partes, indicadas con las letras “A” y “B” en la gráfica VII.2. La suma de A y B representa la mitad
del área del trazado de un cuadrado. Con la letra A se indica geométricamente el apartamiento de
la curva observada a la igualdad. Diremos que la observación de la curva de Lorenz y del área A
informan de la magnitud de la desigualdad y de la forma. Sobre la primera base, podría decirse
que conforme aumenta el área de A, será mayor la desigualdad en la distribución.
GRÁFICA VII.2.
Curva de Lorenz, línea de equidistribución y áreas delimitadas
Ahora bien, al comparar dos curvas (por ejemplo, de la misma población en dos momentos
del tiempo), el informe de la magnitud del área A respectiva podría resultar en una reducción
cuestionable del problema de la desigualdad. Podría ser de interés saber dónde se produjeron las
transferencias de ingreso. Esto es, si los cambios en el área obedecieron a cambios en las
participaciones de las unidades con mayores ingresos o de las unidades con menores ingresos.
Teóricamente es posible tener dos áreas iguales pero con distintas formas de distribución. Un
ejercicio de comparación de esta naturaleza en situaciones reales, requiere aplicar tanto criterios
empíricos como normativos propios de la economía del bienestar (Shorrocks, 1983; Foster & Ok,
1969; Atkinson, 1970; Foster & Shorrocks, 1988; Sen, 2001), exigencia que está más allá de los
objetivos de este capítulo introductorio.
En consecuencia, sólo haremos una comparación con base en dos situaciones nítidamente
distintas, estilizadas y por tanto, poco frecuentes. En la primera, compararemos dos
distribuciones del ingreso representadas con sendas curvas de Lorenz que no tienen ningún
punto de intersección, “no se cruzan” en su recorrido. En la segunda situación, las curvas se
intersectan en un solo punto. En ambos casos, no hubo modificaciones en el total del ingreso ni
en el tamaño de la población, lo que por consecuencia implica que no hubo cambios en el
promedio. En ambas situaciones, mantenemos también el principio de anonimidad: los hogares
son iguales en todos los atributos, excepto en el ingreso (Atkinson, 1970; Shorrocks, 1983). Las
diferencias entre las dos situaciones radican en sólo en la concentración (esto es, en las
participaciones acumuladas, Qi).
Las gráficas VII.3 A y B, presentan curvas de Lorenz correspondientes a la medición de la
distribución del ingreso registrada en la cuarta, quinta y sexto levantamiento el estudio ficticio
representado en la matriz VII.1. Las denominaremos L4, L5 y L6.
GRAFICA VII.3.
Dos curvas de Lorenz sin intersección (A) y con intersección (B)
(A) Curva de Lorenz para t=4 y t=5 (B) Curva de Lorenz para t=4 y t=6
1
1
.8
.8
Lorenz y (by t)
Lorenz y (by t)
.6
.6
M
.4
.4
.2
.2
0
0 .2 .4 .6 .8 1 0 0 .2 .4 .6 .8 1
Cumulative population proportion Cumulative population proportion
Proporción acumulada de la población Proporción acumulada de la población
t==4 t==5 t==4 t==6
En t=5, se registra un incremento sustantivo de los ingresos de aquellos hogares cuyos

ingresos eran iguales o superiores a $1000 en t=4. Para lograr esto, se ha redistribuido ingresos
de los tres deciles superiores a tasas crecientes, partiendo del 4% y llegando hasta un 16% en el
último decil. La sexta observación en nuestro panel simulado, t=6, registra una situación opuesta:
una drástica reducción del ingreso de los hogares en los tres primeros deciles, en torno al 40%, y
un aumento de los ingresos de los restantes deciles, en especial de los intermedios.
En la gráfica de la izquierda, (A), las curvas L4 y L5 tienen la propiedad de no intersectarse
en ningún punto. Esto permite distinguir claramente que el área A5 es menor que el área A4, dado
que la L5 se encuentra trazada totalmente dentro del área dejada por L4. Se dice que existe una
situación en la que aplica el criterio de dominancia de Lorenz. Dadas dos distribuciones,
representadas por los vectores x e y, la distribución x domina en el sentido de Lorenz a la
distribución y, y se denota “x L y”, siempre que la curva de Lorenz asociada a x no se sitúe por
debajo de la curva de Lorenz de y en ninguno de los puntos donde han sido estimadas.
Formalmente:
𝐿 ≥𝐿
Si tuviéramos alguna preferencia particular por una más equitativa distribución del
ingreso, diríamos que en L5 representa una distribución más igualitaria y además un mayor
bienestar social107. L5 representa una transferencia progresiva de un hogar de mayores ingresos
a uno de menores ingresos (eso es, cumple con la propiedad de Pigou-Dalton).
107
Sin embargo, y tal como se ha anotado más arriba, este juicio no deja de ser conflictivo. En nuestros ejemplos
simulados, dado que la población y el total se mantienen constante, llegar a esta situación ha implicado empeorar
la participación de varias unidades. Por lo tanto, no hubo una mejora de Pareto y este estado no cumpliría con ser
un Pareto-óptimo.
En la gráfica de la derecha, (B), las curvas se intersectan de tal forma que la curva L6 va
“por debajo” de la L4 hasta el punto M. En este caso, la comparación requiere evaluar las áreas
entre las curvas a la izquierda de M y a la derecha de M con base a un criterio de preferencia.
¿Dónde es socialmente deseable que haya un mejoramiento? Los hogares medios sin dudas
mejoraron su participación. Pero, si aplicáramos el axioma fuerte de transferencias, es claro que
deberíamos informar que L6 representa una peor distribución del ingreso: ha habido una
transferencia regresiva desde hogares de menor ingreso a hogares de ingresos medios. Si la
comparación entre las curvas cumpliera con la propiedad de cambio relativo (axioma fuerte de
transferencias), entonces deberíamos sostener que la curva L5 domina la curva L6 108.
VII.5.2.- El coeficiente de Gini
Una medida de amplia utilización para representar el grado de concentración de la distribución

es el coeficiente propuesto por Corrado Gini109 (1912); aquí examinaremos su fundamento y
desarrollaremos su fórmula haciendo referencia a la Curva de Lorenz.
Varias medidas de desigualdad se construyen sobre la base de los desvíos respecto a la
norma democrática, representada por la media aritmética. El coeficiente Gini se diferencia de los
presentados con anterioridad en la manera como formaliza la norma democrática. En lugar de
comparar los valores observados con el promedio, utiliza el mismo criterio de Lorenz para
construir la línea de igualdad en su gráfica. Es decir, asigna a cada Pi una participación igual en X:
(VII. 16) 𝑄 =𝑃 ∀ 𝑖
De aquí se deriva una primera formalización geométrica de esta medida, consistente en

una comparación entre las áreas delimitadas bajo la línea de igualdad trazada en toda Curva de
Lorenz.
𝐴
(𝑉𝐼𝐼. 17) 𝐺 =
(𝐴 + 𝐵)
108
En la bibliografía, este ejercicio geométrico sobre la distribución se traduce en un ejercicio de comparación
de funciones de bienestar. Si L5 su bienestar será mayor.
109
Corrado Gini (Motta di Livenza, 23 de mayo de 1884 - Roma, 13 de marzo de 1965) fue un estadístico,
demógrafo y sociólogo italiano que desarrolló el llamado coeficiente de Gini, una medida de la desigualdad en
los ingresos en una sociedad. En 1910 se adhirió a la Cátedra de Estadística en la Universidad de Cagliari, y el
lapso transcurrido desde entonces y el final de la Primera Guerra Mundial realizó sus más importantes
contribuciones a la estadística, que se enriquece con muchas técnicas nuevas de medición. Durante y después de
la Primera Guerra Mundial, Gini se involucró cada vez más en los problemas sociales y económicos de la guerra
y la reconstrucción, tales como pérdidas de guerra, los suministros de materias primas, la riqueza y el ingreso
nacionales, la depresión económica y la inflación. Por aquel entonces él era un asesor del Gobierno italiano y la
Liga de las Naciones, y conocido en todo el mundo. Entre 1917 y 1925 fue miembro de numerosos comités
italianos e internacionales. Le fue conferido el grado de Doctor Honoris Causa en Economía por la Universidad
Católica del Sagrado Corazón de Milán (1932), en Sociología por la Universidad de Ginebra (1934), en Ciencias
por la Universidad de Harvard (1936), y en Ciencias Sociales por la Universidad de Córdoba, Argentina (1963).
Tomado de http://es.wikipedia.org/wiki/Corrado_Gini
Desarrollando esta primera noción general, la medida de Gini procede de dos
distribuciones: la empírica (observada) y la equi-distribución teórica. Así planteado, esta medida
tiene una correspondencia clara con la determinación de la Curva de Lorenz, al punto de ser una
transformación algebraica de la representación gráfica de la desigualdad. Más detalladamente,
una segunda formalización del coeficiente de Gini consiste en una suma normalizada de las
discrepancias entre las frecuencias relativas acumuladas de ambas distribuciones (la observada
y la teórica). La normalización aquí difiere de la forma más frecuente, por ejemplo aquella
utilizada en la media aritmética simple, en que el denominador es la sumatoria de las primeras n-
1 proporciones acumuladas de la población. La siguiente ecuación presenta una forma de
computar la medida de desigualdad de Gini, con base en la información provista por las
distribuciones relativas acumuladas.
∑ (𝑃 − 𝑄 )
(𝑉𝐼𝐼. 18) 𝐺 =
∑ 𝑃
Obsérvese que el numerador del estadístico, al estar conformado por la suma de las
discrepancias, se mueve dentro de los límites ideales de 0 y de 1. Gini tomará el valor 0 cuando
cada unidad tenga la misma proporción, Pi = Qi (situación de igualdad), y por tanto, la discrepancia
sea cero, así como también lo será la suma. Gini tomará valor 1 si idealmente, todos los casos
excepto el último, carezcan de la variable distribuida, por lo que para cada caso excepto el último,
la discrepancia sea de 1.
El denominador del estadístico normaliza el coeficiente sobre la base de la participación
de las unidades en la población, es decir, utilizando una aproximación a la norma democrática de
la equi-distribución.
Hay que destacar que ambas sumatorias se realizan sobre n-1 casos, excluyéndose el
aporte de la última observación en el ranking (aquella que tiene la más alta cantidad de la
variable). En el numerador, la discrepancia para la última observación es igual a cero por
definición de frecuencia relativa acumulada.
Antes de concluir conviene presentar otra formalización de la medida de Gini que conlleva
también una interpretación asociada que podría ser algo más intuitiva aunque alejada de la
representación gráfica que desarrollamos aquí. La ecuación VII.19 define al índice de Gini como
un promedio de todas las diferencias absolutas entre todos los pares de valores de “y” registrados
para unidades distintas (i≠j). obsérvese que se ocupa el promedio observado de la distribución
multiplicado por el número de casos para computar el total de la variable.
1
(𝑉𝐼𝐼. 19) 𝐺 = |𝑦 − 𝑦 | ∀ 𝑖≠𝑗
𝑥̅ 𝑛(𝑛 − 1)
Desarrollemos las ideas a través del cálculo del índice para una situación ficticia contenida
en la matriz VII.1. Supóngase la distribución del ingreso observada en t=5. El esquema VII.4
presenta, las frecuencias con la misma notación que antes habíamos utilizado para la distribución
teórica en el esquema VII.3. Al comparar este esquema con el anterior hay que detenerse a
observar que:
(i) Los valores de las frecuencias relativas acumuladas de las observaciones, Pi son iguales
tanto en la distribución teórica como en la empírica.
(ii) Por haber ordenado la variable X desde el menor hasta el mayor ingreso,
necesariamente tendremos que observar que Qi≤Qi+1 toda vez que la distribución empírica no
sigue estrictamente la norma democrática.
ESQUEMA VII.4.
Frecuencias relativas simples y acumuladas en una distribución no equitativa, sobre la
base de la distribución del ingreso en t=5.
Orden en la
1 2 3 4 … 10
distribución
Valor de la
𝑥 <𝑥 <𝑥 <𝑥 … <𝑥
variable
Frecuencia
1
relativa de las 𝑝 =𝑝 =𝑝 =𝑝 … =𝑝 =
10
observaciones
Frecuencia
relativa 300 300 550 650 2357
𝑞 = <𝑞 = <𝑞 = <𝑞 = … <𝑞 =
observada de la 10000 10000 10000 10000 10000
variable
Frecuencia
relativa
1 2 3 4 10
acumulada de 𝑃 = 𝑃 = 𝑃 = 𝑃 = … 𝑃 = =1
10 10 10 10 10
las
observaciones
Frecuencia
relativa
𝑄 <𝑄 <𝑄 <𝑄 … <𝑄
acumulada de
la variable
Hechos los cálculos paso a paso, la desigualdad del ingreso en esta situación ficticia tiene
un valor en G=0.35. Sobre este número, una tarea necesaria es interpretar este resultado. Lo
haremos a través de sucesivas aproximaciones. En primer lugar, recuérdese que:
0≤𝐺≤1
Donde el cero significa nula desigualdad y el valor unitario es máxima desigualdad. Por lo
tanto el valor de G se encuentra lejos de ambos extremos, aunque más próximo a valores de baja
desigualdad.
El segundo paso, es comparar los Gini calculados para las otras distribuciones registradas
en la matriz VII.1. Se aprecia que en t=5 la desigualdad es algo más de diez décimas menor a la
observada en t=4, siendo la menor de todas las estimadas para este panel simulado de hogares.
Esta comparación también se puede expresar mostrando que el cambio relativo respecto del t=2
alcanza a un 24%.
La tabla VII.5 permite observar que el índice de Gini cumple con las propiedades de
insensibilidad a la escala y de Pigou-Dalton, pero no con el axioma fuerte de transferencias.
TABLA VII.5.
Comparación entre los coeficientes de Gini calculados con base a la matriz de datos
simulados y variación con base 100 para t=2.
T=1 T=2 T=3 T=4 T=5 T=6

Gini 0.466 0.466 0.465 0.464 0.351 0.468
Variación 99.86 99.57 75.26 100.34
100.00 100.00
Base 100: t=2
VII.5.3. Índice de entropía de Theil
Henri Theil propuso en 1967 un índice denominado T110, que conjuntamente con otros, conforma
una familia de medidas de desigualdad fundamentada en el concepto de entropía de la teoría de
sistemas, con gran desarrollo en aquel momento en la biología, física y química, y que luego fuera
extendido también al estudio de los sistemas sociales.
En su acepción original, la entropía es una propiedad del caos, de la desorganización, del
desorden. La pervivencia de un sistema depende del desarrollo de mecanismos que reviertan la
entropía. Ahora bien, en la aplicación de la medida de la desigualdad que Theil hizo, la entropía
tiene una connotación positiva: la entropía y la igualdad tienen una relación positiva. Una
sociedad igualitaria es una sociedad entrópica respecto de la distribución del bien que se está
evaluando. Su índice T mide la distancia entre la distribución observada y la situación ideal de
igualdad. A continuación se desarrolla de modo sintético los supuestos básicos para comprender
el Índice de Theil.
Llamaremos xi a la probabilidad de que ocurra un evento i, y e(xi) a la función de
información, cuyo resultado es la utilidad de tener la información que ha ocurrido i antes que el
resto de las personas lo sepan. La idea general detrás de esto es que a menor probabilidad que
ocurra un evento, mayor utilidad tienen esa información, por tanto e(xi) debe ser decreciente en
xi ya que no es muy útil saber con anticipación que ocurrió un evento muy probable que todos
esperaban. Una función que cumple con este requisito es el logaritmo del inverso.
1
(𝑉𝐼𝐼. 20) 𝑒 = 𝑙𝑜𝑔
𝑥
Dado que hay n eventos posibles, i=1, ……n, tomamos las probabilidades respectivas, x1,
x2, ….xN, de tal modo que:
𝑥 ≥0 𝑦 𝑥 =1
110
En su trabajo original, Theil utilizó las letras h y H para la función de información y su sumatoria. Dado que
aquí ya usamos este símbolo para el desvío de los logaritmos, lo sustituimos por las letras E y T.
La información total contenida en la distribución de n eventos independientes, a la cual se
denomina entropía, E, se puede definir como la suma de la información derivada de cada unidad
ponderada por las probabilidades respectivas:
(𝑉𝐼𝐼. 21) 𝐸(𝑥) = 𝑥 ℎ
1
(𝑉𝐼𝐼. 22) 𝐸(𝑥) = 𝑥 log
𝑥
Es claro que cuanto más se aproximan las n probabilidades xi a 1/n, mayor será la
entropía. Si xi se interpreta como la proporción del ingreso recibida por el hogar i-ésimo,
entonces E(x) se parece una medida de igualdad (Sen, 2001, págs. 52-53).
La entropía alcanza su valor máximo cuando todos los eventos tienen la misma
probabilidad de ocurrencia. Si entonces restamos a este valor máximo la entropía observada,
obtendremos la medida de desigualdad propuesta por Theil:
(𝑉𝐼𝐼. 23) 𝑀𝑎𝑥 𝐸 = log 𝑁
(𝑉𝐼𝐼. 24) 𝑇 = log 𝑁 − 𝐸 (𝑥)
(𝑉𝐼𝐼. 25) 𝑇 = 𝑥 log 𝑁 𝑥
(𝑉𝐼𝐼. 26) 𝑇 = [∑ 𝑥 𝑙𝑛( 𝑁) 𝑥 ] / 𝐿𝑛(𝑁)
La diferencia entre las ecuaciones VII.25 y VII.26 es que a ésta última se ha aplicado una
normalización tomando como base que el valor máximo de E es Log N (VII.23).
Una transferencia de una persona más rica a otra más pobre, disminuye T, es decir,
satisface la condición de Pigou-Dalton. Es insensible a la escala en que se registre X. Finamente,
cumple con el axioma fuerte de transferencias o cambio relativo. También satisface la
propiedad de descomposición en su forma aditiva simple: su valor puede ser desagregado
como la suma de dos componentes: uno da cuenta de la contribución de la desigualdad dentro de
los grupos de población y otro de la contribución de desigualdad entre grupos. Esto hace al índice
de Theil particularmente interesante para determinados tipos de análisis, por ejemplo sobre las
desigualdades de género.
Para realizar un primer ejercicio de lectura sobre los resultados del índice de Theil,
presentamos la tabla VII.6 con valores calculados para la matriz VII.1. Agregamos el Gini para
poder tener una comparación de los cambios y tener un ejemplo de desempeños diferentes frente
al axioma fuerte de transferencia. Recordemos que en la cuarta y quinta observaciones hubo
transferencias progresivas de 30 pesos en ambos casos pero en hogares ubicados en distinta
posición en la distribución; en tanto en la sexta observación se produjo una redistribución del
ingreso a favor de los hogares con ingresos medios y de los hogares con ingresos altos, a costa de
los hogares de bajos ingresos. En t=5, observamos que también el índice de Theil informa el más
bajo nivel de desigualdad.
TABLA VII.6
Comparación entre los coeficientes de Gini y Theil calculados con base a la matriz de
datos simulados y variaciones respectivas con base 100 para t=2.
T=1 T=2 T=3 T=4 T=5 T=6

Gini 0.466 0.466 0.465 0.464 0.351 0.468
Variación Gini 99.86 99.57 75.26 100.34
100.00
Base 100: t=2
Theil 0.133 0.133 0.133 0.131 0.071 0.143
Variación Theil
100.00 99.95 98.41 53.55 107.89
Base 100: t=2
La magnitud de la reducción del Theil en t=5 frente a t=2 es igual a un 46%. En la serie de
Gini esta quinta observación reporta una caída menor, del 36%. Esta mayor sensibilidad del Theil
para detectar mejoras en la parte baja de la distribución, también se puede ver con mayor claridad
en la comparación de los cambios entre la tercera y cuarta observación con una transferencia
absoluta similar. Los cambios en t=3 son menores en Theil que en Gini; lo contrario se observa en
t=4. Este ejemplo simple nos informa de que Theil satisface el axioma fuerte de transferencia; no
así en Gini.
VII.6. Desigualdad comparada del ingreso en Uruguay según las distintas

medidas111
En esta última sección del capítulo, aplicamos las medidas de desigualdad presentadas
anteriormente, al estudio de la desigualdad reciente en Uruguay. En el correr de la sección se
buscará determinar similitudes y diferencias entre las estimaciones realizadas con unas y otras
medidas. La unidad de análisis utilizada son los hogares de todo el país y la variable analizada el
ingreso total del hogar112 per cápita. Es decir, ingreso total del hogar dividido la cantidad de
integrantes del hogar.
La primera década del siglo XXI para el Uruguay comenzó con una crisis económica sin
precedente que tuvo su peor año en el 2003. La contracción de la demanda interna,
principalmente, de la participación del Estado en el mercado (como comprador y constructor, por
ejemplo), y la caída consiguiente en el producto, conllevaron efectos multiplicadores y rezagados
que resintieron agudamente el mercado de trabajo por tres vías: reduciendo la creación de
nuevos empleos, disminuyendo los salarios principalmente los privados, y finalmente,
aumentando sustantivamente el desempleo. Este proceso afectó a los hogares de modo doble: por
el incremento de los precios y la caída de los salarios (Boado & Fernánde, 2005)
111
Esta sección fue desarrollada por Victor Borrás.
112
El Ingreso total del hogar con valor locativo, sin servicios doméstico. Variable HT11 de la Encuesta Continua
de Hogares.
Desde 2004 en algunos indicadores y sobre todo a partir de 2005, el país emprendió un
proceso de mejora que, con altos y bajos, ha continuado, encontrándonos en el 2013 con los
mejores indicadores sociales y económicos en varias décadas (INE, 2014) . A continuación nos
proponemos ver, en el contexto poscrisis, cómo ha evolucionado la desigualdad de ingresos.
La primera medida que presentaremos es la razón entre deciles, RD. Como fue dicho
anteriormente este es un indicador intuitivo, empírico y sin ajuste a una norma previa. Tiene
como ventaja de ser de fácil cálculo y de sencillo de comunicar a público no especializado.
TABLA VII.7
Evolución de la razón del ingreso per cápita del primer y décimo decil
Ingreso medio per cápita del primer Ingreso medio per cápita del décimo
RD
decil decil
2006 1377 24693 17.9
2007 1503 27294 18.2
2008 1681 28624 17.0
2009 1863 31094 16.7
2010 2029 30882 15.2
2011 2328 31087 13.4
2012 2459 30668 12.5
2013 2558 30610 12.0
Fuente: Estimación de la pobreza por el método del ingreso 2013 (INE). Nota: Para los cálculos se utilizó el
ingreso con valor locativo per cápita, a precios de enero de 2005
Entre el 2006 y el 2007 la desigualdad de ingresos medida por RD se mantiene constante

(17,9 y 18,2 respectivamente), siendo los ingreso de los hogares del décimo decil 18 veces
superior a los del primer decil. A partir del año 2008 comienza un proceso de reducción de la
desigualdad de ingresos medida por RN que continúa hasta el 2013, año en el cual los ingresos
del décimo decil fueron 12 veces superiores a los del primer decil. Vale destacar que si bien la
evolución del indicador es favorable, los niveles de desigualdad continúan siendo importantes,
destacándose para el año 2013, según este indicador, niveles más altos de desigualdad en
Montevideo (13,3) que en el interior del país (9,8).
A continuación se presentan otras dos de las medidas desarrolladas en la sección anterior:
el Coeficiente de Variación CV y el desvío estándar del logaritmo H. A efectos de comparar las
evoluciones en el tiempo se presentan los números índices con base 100 en 2006.
TABLA VII.8
Evolución del Coeficiente de Variación y del desvío de los logaritmos del ingreso per
cápita de los hogares. Uruguay 2006-2013
Desvío de los
Coeficiente de Variación Número índice del CV Número índice del H con
logaritmos de los
CV Base 100 al año 2006 base 100 al año 2006
ingresos (H)
2006 1.1 0.82 100.00 100.0
2007 1.35 0.93 122.73 113.6
2008 1.08 0.76 98.18 93.3
2009 1.19 0.77 108.18 94.9
2010 1.06 0.76 96.36 93.3
2011 0.94 0.72 85.45 88.5
2012 0.81 0.70 73.64 85.4
2013 0.87 0.69 79.09 84.8
Fuente: elaboración propia en base a ECH 2006-2013, INE.
Tanto el CV como el H disminuyen y presentan un recorrido bastante similar aunque con
algunas diferencias a destacar. Entre el 2006 y el 2007 se registra un aumento de la desigualdad
medida por ambos estadísticos. El coeficiente de variación registra un aumento de la dispersión
de los ingresos que pasa del 1.10 a 1.35, mientras H aumenta de 0.82 a 0.93. Para el caso del CV
se advierte una disminución de la desigualdad entre el 2007 y el 2008, sin embargo, se registra
un nuevo aumento en el año 2009, donde el estadístico asume vales incluso superiores a los del
2006. Para el caso Desvío del Logaritmo, entre el 2008 y 2009 el valor se mantiene prácticamente
idéntico, comenzando una trayectoria descendente que se continúa hasta 2013. El coeficiente de
variación por su parte también cae a partir del 2010 hasta el 2013, año en el que registra un
pequeño aumento.
En términos relativos la caída de la desigualdad en el Uruguay en el período 2006 2013
ha sido mayor si se la analiza a la luz del Coeficiente de Variación que del Desvío del Logaritmo.
La tabla a continuación muestra la evolución de la desigualdad por ingresos medida a través de
los índices de Gini y Theil .
TABLA VII.9
Evolución de la desigualdad de ingresos medida a través de los Índice de Gini, Theil
Índice Número Gini
Gini Theil Theil Base 100 en 2006
Base 100 al 2006
2006 0.455 100.0 0.373 100.0
2007 0.456 100.2 0.387 103.8
2008 0.439 96.5 0.361 96.8
2009 0.438 96.3 0.358 96.0
2010 0.425 93.4 0.329 88.2
2011 0.403 88.6 0.289 77.5
2012 0.379 83.3 0.247 66.2
2013 0.384 84.4 0.255 68.4
Fuente: elaboración propia en base a ECH 2006-2013, INE.
Para todos los dos índices presentados, entre el año 2006 y el 2007 se registra un aumento
de la desigualdad, aspecto que ya había destacada tanto a través de las medidas de dispersión (CV
y H) como de la Razón entre deciles. El Gini, presenta una variación a la alza mínima (0,2%),
aspecto que puede relacionarse a que, si bien cumple con la propiedad de “transferencia débil”,
no cumple con la de “transferencia fuerte”, lo que puede haber llevado a que “transferencias
desigualadoras” en los ingresos más bajos se compensen con “transferencias igualadoras” en otra
parte de la distribución. En el caso de Theil, el aumento de la desigualdad en 2007 fue del 3,8%
respecto a 2006. El mayor aumento de la desigualdad medida por Theil respecto al Gini, puede
responder al hecho que Theil cuenta con mayor sensibilidad para detectar pérdidas en la parte
baja de la distribución, dada la satisfacción del axioma de cambio relativo que presenta este
índice.
A partir del 2008 comienza un descenso en la desigualdad medida por cualquiera de los
dos índices que se continúa hasta el año 2012. Los valores que presentan mayor variación relativa
en este período son los del Índice de Theil, que disminuyen en casi un 44%. Si tenemos en cuenta
que el Theil presenta mayor sensibilidad para detectar mejoras en la parte baja de la distribución,
podemos suponer que en el período 2008-2012, no solo disminuyó la desigualdad, sino que esta
disminución estuvo asociada a transferencias igualadoras de la cola alta de la distribución a la
baja.
El Gini presenta niveles de variación más bajos que el Thiel (13,2% entre 2008 y 2012).
Como se ha mencionado antes, el Gini no cumple con el axioma de transferencia fuerte, por lo que
posibles cambios favorables a la distribución en la cola baja no hayan sido captados por el índice.
Así mismo debe atenderse al hecho que, usualmente, el rango de variación que presenta Gini
suele ser acotado.
Entre el 2012 y 2013 la desigualdad registra un aumento tanto medida por Gini como por
Theil El incremento más importante se da el valor del Theil (2,2%). Nuevamente, teniendo en
cuenta las propiedades del índice, podría interpretarse como una pérdida de ingresos en la cola
baja de la distribución en el período 2012-2013, a la cual el Gini no es sensible. El Gini, si bien
registra un aumento, el mismo es, en términos relativos, del 0.9%
Puede afirmarse a partir del análisis precedente, que sin importar cual se la medida
utilizada, la desigualdad ha registrado un descenso en el período 2006 2013. Más allá de esto,
advertimos que dependiendo de los estadísticos que se utilicen las conclusiones pueden variar.
De todos los indicadores presentados es el Índice de Theil el que muestra la disminución más
importante, disminución de 38 puntos porcentuales en el período analizado. Este índice cumple
tanto con las propiedades de transferencia débil como transferencia fuerte, lo que puede llevar a
pensar que la redistribución realizada entre el 2006 y el 2013 ha tenido foco en los hogares de la
cola inferior de la distribución.
En el extremo opuesto, ha sido el Gini el indicador que menos ha variado en el período
analizado, si bien la desigualdad medida por Gini también ha registrado un descenso, en términos
relativos este ha sido menor (disminución de 15,6%).
El análisis de la evolución de los estadísticos de dispersión –CV y H- también concluye en
destacar una disminución de la desigualdad en ambos casos, si bien el valor de H en el último año
analizado (2013) es menor que el del CV, en términos relativos, el coeficiente de variación
disminuyó más en el período que el desvío de los logaritmos de los ingresos (20,9% Y 15,2% cada
uno respectivamente).
VII.7. Resumen
En este capítulo aprendimos que:

(i) La desigualdad es un concepto de naturaleza relativa, en tanto que se contrapone al
concepto de igualdad.
(ii) Cualquier estudio sobre la desigualdad requiere que se comience por delimitar el objeto:
ingreso, tierra, conocimiento, medios de comunicación
(iii) Desde el punto de vista estadística, cualquier distribución es desigual si no concuerda con
algún criterio de igualdad previamente estipulado. El presente capítulo centró el análisis
de la desigualdad en el criterio “democrático”, el cual establece que la repartición del
ingreso se hará en tantas partes iguales como sujetos haya para distribuir el total de esa
variable. Vale señalar que este no es el único criterio existente y que, en no pocas
ocasiones, puede resultar “injusto” si el criterio pertinente fuera, por ejemplo, la
necesidad. Por tanto, la selección del patrón que se usará para juzgar el grado de
desigualdad existente en una distribución involucrará posturas teóricas, políticas y
metodológicas y, la evaluación de la desigualdad que se realice, será válida únicamente
para la variable en estudio (ingresos, años de educación, etc.)

Estadística Social Básica

Cargado por

Copyright:

Formatos disponibles

Estadística Social Básica

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadística Social Básica

Cargado por

Copyright:

Formatos disponibles

Portada:

© Fernando Cortés, Rosa María Rubalcava y Tabaré Fernández

Impreso en TRADINCO S.A.

2|Estadística Social Básica

Fernando Cortés, Rosa María Rubalcava y Tabaré Fernández.

Con la colaboración de:

Universidad de la República (UDELAR) – Facultad de Ciencias Sociales (FCS) –

Universidad Nacional Autónoma de México (UNAM) – Programa Universitario de Estudios

Montevideo, Agosto de 2019

Estadística Social Básica | 3

La desigualdad es un concepto de naturaleza eminentemente relativa, en tanto que se contrapone

VII.1. Nivel, desigualdad y bienestar

La segunda situación hipotética, expuesta en la tabla VII.2, se caracteriza, a primera vista,

Identificación Ingresos Tiempo

VII.2. Propiedades que deberían satisfacer los indicadores de desigualdad

(i) Se establece un concepto no muy precisamente definido en el sentido de que no es clara

VII.2.1. Tres propiedades sobre escalas y transferencias

(i) La medida debe ser invariable a las transformaciones proporcionales o cambios de

(iii) El coeficiente de concentración debería satisfacer el denominado axioma fuerte de

En términos generales, se sostiene que un indicador cumple con la condición de cambio

VII.2.2. Otras propiedades

(iv) Una de gran interés es la descomposición (Sen, 2001, págs. 176-182) En su

(𝑉𝐼𝐼. 2) 𝐼(𝑋) = [𝐷𝐺] + [𝐸𝐺]

(𝑉𝐼𝐼. 3) 𝐼(𝑋) = [𝑤 𝐼 𝑋 + 𝑤 𝐼(𝑋 )] + [𝐼 𝑋 , 𝑋 ]

VII.4. Medidas de dispersión para medir la desigualdad

Tal como indicáramos en la introducción, un primer conjunto de medidas disponible para

El coeficiente de variación, CV, se define como la razón entre el desvío y la media

VII.4.2. Simulación de resultados y prueba de propiedades

MATRIZ DE DATOS VII.1.

Varianza, V. 601945400000 601945.40 601519.40 597925.40

Varianza, V. 100 99.929 99.332

VII.5.- Medidas específicas sobre la desigualdad

VII.5.1. La curva de Lorenz

Proporcion acumulada de casos (P)

Formalmente, dado un vector de ingresos x, y una determinada proporción acumulada

La proporción de la variable en manos de la i-ésima unidad, qi, es el resultado de:

Obsérvese que como resultado de las igualdades anteriores, se concluye necesariamente

Esto es, la proporción acumulada de la variable es igual a la proporción acumulada de los

En t=5, se registra un incremento sustantivo de los ingresos de aquellos hogares cuyos

VII.5.2.- El coeficiente de Gini

Una medida de amplia utilización para representar el grado de concentración de la distribución

De aquí se deriva una primera formalización geométrica de esta medida, consistente en

T=1 T=2 T=3 T=4 T=5 T=6

VII.5.3. Índice de entropía de Theil

(𝑉𝐼𝐼. 21) 𝐸(𝑥) = 𝑥 ℎ

(𝑉𝐼𝐼. 23) 𝑀𝑎𝑥 𝐸 = log 𝑁

(𝑉𝐼𝐼. 24) 𝑇 = log 𝑁 − 𝐸 (𝑥)

(𝑉𝐼𝐼. 25) 𝑇 = 𝑥 log 𝑁 𝑥

(𝑉𝐼𝐼. 26) 𝑇 = [∑ 𝑥 𝑙𝑛( 𝑁) 𝑥 ] / 𝐿𝑛(𝑁)

T=1 T=2 T=3 T=4 T=5 T=6

VII.6. Desigualdad comparada del ingreso en Uruguay según las distintas

Entre el 2006 y el 2007 la desigualdad de ingresos medida por RD se mantiene constante

En este capítulo aprendimos que:

También podría gustarte