Desigualdad a través de las matemáticas

Al conocer cómo se desarrolla la desigualdad por ingresos económicos en

varias regiones del mundo me llamó mucho la atención saber cómo se desenvuelve

este tema en España. Investigando encontré que, en esta nación, el inicio de la

pobreza se basa en la distribución de los ingresos por unidad de consumo de las

personas, la cual tiene en cuenta la situación de la población a la que se pertenece.

Al investigar sobre el sistema de ingresos en España y su brecha de

desigualdad, pude notar cómo la matemática estaba tan inmersa en este tema, y

me tracé como objetivo explicar la desigualdad de ingresos por hogar en España a

través de la curva de Lorenz y el índice de Gini.

La curva de Lorenz fue desarrollada por el economista estadounidense Max

O. Lorenz en 1905, y tuvo como objetivo representar la distribución de la riqueza en

la sociedad estadounidense, junto con el coeficiente de Gini, el cual mide el grado

de desigualdad de ingresos en una economía dada (y que se deriva a sí mismo de

la curva de Lorenz).

Tanto la curva de Lorenz como el coeficiente de Gini son herramientas que

se emplean en la economía para medir la desigualdad de los ingresos de una

población o sociedad.

Existe una representación gráfica que funciona según los ingresos o riqueza

de un sistema económico, los percentiles de la población se señalan en el eje

horizontal (eje x) de un gráfico. Esto, se compara con el ingreso o la riqueza

acumulados, que se traza en el eje vertical (eje y) de ese gráfico, creando una línea

curva denominada “la curva de Lorenz”.

Cuanto más alejada de la diagonal (línea de 45°) está la curva, más desigual

cuantitativamente es la distribución del ingreso.

Al graficar, la curva mostrará la proporción de ingresos obtenidos por

cualquier porcentaje de la población. La línea en el ángulo de 45º tiene una

pendiente de 1 y muestra una distribución del ingreso igual. En cuanto a la otra

línea, mostrará la distribución real del ingreso.

Cuanto más inclinada es la curva de Lorenz, mayor es el grado de

desigualdad de ingresos en la economía. Ahora bien, si es una curva poco profunda

que se acerca más a la línea de “Igualdad perfecta” indica un nivel más alto de

igualdad de ingresos.

Anexo 1:
 En la gráfica, la línea representada por el punto 1 es la línea de la igualdad

perfecta, la línea 2 es más desigual que la línea 1 pero menos desigual que la línea

3 y la línea 3 es la que representa mayor desigualdad.

Analizando lo que había encontrado hasta el momento, me di cuenta de que

además de la desigualdad, la concentración del ingreso también es importante. El
término concentración fue introducido en el vocabulario estadístico por el italiano
Corrado Gini, en general, se denomina concentración a la mayor o menor equidad
en el reparto de la suma total de la variable considerada.

Las variables estadísticas a las cuales se les quiera estudiar la concentración,

deberán ser variables positivas y, habitualmente, recogerán magnitudes
económicas. Supongamos que tenemos n cantidades que miden los valores de una
variable determinada para n casos. Para fijar las ideas, supongamos que se trata
de la renta de n individuos. Ordenamos dichas cantidades 𝑥1 , 𝑥2 , … , 𝑥𝑛 en orden
creciente, de modo que cada una de ellas sea menor o igual que la sucesiva, es
decir:

𝑥𝑖 ≤ 𝑥1+𝑖 , 𝑖 = 1, … , 𝑛 − 1

Lo que me interesa es estudiar hasta qué punto la suma total de rentas ∑𝑛𝑖=1 𝑥𝑖
está equitativamente repartida. Las posiciones que pueden presentarse estarán
entre las dos situaciones extremas:
• Concentración máxima: de las n personas, solo una percibe el total de la
renta, en tanto que los demás no perciben nada:

𝑥1 = 𝑥2 = ⋯ = 𝑥𝑛−1 = 0, 𝑥𝑛 ≠ 0

• Concentración mínima o equidistribución: todas las personas perciben la

misma cantidad:
𝑥1 = 𝑥2 = ⋯ = 𝑥𝑜

Me interesa encontrar algunas medidas que permitan valorar cuál es el grado

de desigualdad en el reparto de la renta. Para ello, es importante considerar la
siguiente sucesión de rentas acumuladas:

𝑆1 = 𝑥1
𝑆2 = 𝑥1 + 𝑥2
𝑆3 = 𝑥1 + 𝑥2 + 𝑥3
…
 𝑆𝑛 = 𝑥1 + 𝑥2 + ⋯ + 𝑥𝑛

Así, para 𝑖 = 1,2, … 𝑛, Si es la renta total percibida por las i personas que
menos renta perciben, y 𝑆𝑛 es la renta total, cuyo reparto me interesa estudiar.

Sea 𝑞𝑖 el cociente entre Si y Sn, y 𝑝𝑖 el cociente entre i y n:

𝑆𝑖
𝑞𝑖 =
𝑆𝑛

𝑖
𝑝𝑖 =
𝑛

𝑞𝑖 = proporción que representa la suma de las i rentas inferiores sobre el

volumen total de las n rentas consideradas, es decir, es la proporción de la renta
total que perciben conjuntamente las i personas con menos renta.

𝑝𝑖 = proporción que representa el número de las i personas más “pobres”

sobre el número total de las personas.

Entre mayor sea la desigualdad, mayor será la concentración de la variable

(la renta, en este caso).
𝑝𝑖 ≥ 𝑞𝑖

Es evidente que la desigualdad 𝑝𝑖 ≥ 𝑞𝑖 es cierta en n-1 casos, o sea, para los

n-1 valores que puede alcanzar i desde 1 hasta n-1. Sin embargo, cuando i alcance
el valor n, sucede necesariamente que 𝑝𝑖 = 𝑞𝑖 , ya que el total de las personas
percibirá el total de la renta.

He dicho que pueden establecerse n-1 desigualdades 𝑝𝑖 ≥ 𝑞𝑖 y que de sus

valores depende la intensidad de la concentración. Es posible obtener un índice de
concentración a partir de una fórmula que tenga en cuenta estas n-1 desigualdades
o, de forma equivalente, las n-1 diferencias pi – qi.

El índice de concentración de Gini tiene las siguientes propiedades:

• Crece con el aumento de la concentración: al aumentar la desigualdad, las

diferencias 𝑝𝑖 − 𝑞𝑖 se hacen mayores.
• En el caso de concentración máxima, Gini = 1: es así por construcción, ya
que entonces: 𝑞1 = 𝑞2 = … = 𝑞𝑛 − 1 = 0
• Cuando la concentración es nula, es decir, cuando hay equidistribución, Gini
=0: ya que entonces: 𝑝𝑖 = 𝑞𝑖 , 𝑖 = 1, … , 𝑛
• Cualquier transferencia de un individuo “rico” a otro más “pobre”,
manteniendo los demás factores constantes, reduce el Gini. Del mismo
 modo, toda transferencia de un individuo “pobre” a otro más “rico”, hace que
el Gini aumente.

Para construir la curva de Lorenz para España, necesito la distribución de los

ingresos y el número de personas que perciben ese ingreso, por ese motivo tomaré
el límite inferior por deciles de la renta anual neta media, que es un resultado de la
Encuesta de Calidad de Vida, realizada por el Instituto Nacional de Estadística
(INE), adicionalmente, al observar la metodología de la encuesta encontré que se
le realizó a 13.000 hogares aproximadamente; como el dato de la renta está en
deciles tomaré los 13.000 hogares y los dividiré en 10, para encontrar
aproximadamente cuántos hogares se pueden ubicar en cada decil. Este
procedimiento lo realizaré para tres años consecutivos (2018, 2019, 2020) para
observar qué tanto se acerca el Gini encontrado de forma manual, con el Gini
publicado en el INE.

2018:

• Datos:

Límite
Total inferior por
de hogares decil de la
(miles) renta anual
media
Decil
1.300 0
1
Decil
1.300 6.266,8
2
Decil
1.300 8.846,8
3
Decil
1.300 10.815,0
4
Decil
1.300 12.997,1
5
Decil
1.300 15.015,3
6
Decil
1.300 17.422,5
7
Decil
1.300 20.358,2
8
Decil
1.300 24.103,6
9
Decil
1.300 29.907,0
10
 Al graficar estos datos obtengo la curva de Lorenz para el año 2018.

En este gráfico se puede observar que el 20% de las personas percibe menos
del 10% del total de las rentas medias, mientras que el 40% de las personas percibe
tan solo cerca del 20% del total de las rentas.

Con esta curva ya es posible encontrar el Gini, simplemente, como lo

mencioné anteriormente, hay que saber la división entre el área que está encerrada
entre la línea de igualdad perfecta y la curva de Lorenz (A) y área total (A+B).

𝐴
𝐺𝑖𝑛𝑖 =
𝐴+𝐵

La línea de la igualdad perfecta puede ser definida como f(x)= x y la curva de

Lorenz es una función L(x). Para encontrar la función L(x), Excel cuenta con la
herramienta de línea de tendencia, la cual se va a ajustar a la curva. Esta curva de
tendencia, representada por el color rojo en la siguiente gráfica, tiene asociado un
polinomio calculado por Excel.
 𝑦 = 0,914𝑥 2 + 0,0792𝑥

− 0,0058

Polinomio asociado a la línea de

tendencia para acercarse a la función de

la curva de Lorenz

Volviendo a la ecuación del Gini, con toda la información que ya encontré, la

puedo reescribir. El cálculo de A se puede realizar por medio de una integral
definida, está integral sirve para encontrar el valor de áreas que se delimitan por
curvas y rectas en cierto intervalo y el eje horizontal. Con esto en mente la ecuación
se puede ir reescribiendo como:
1 Anteriormente ya había
∫ (𝑥 − 𝐿(𝑥)) 𝑑𝑥
𝐺𝑖𝑛𝑖 = 0
𝐴+𝐵 definido que la línea de igualdad

perfecta es f(x)=x y que la curva de

Además, se puede observar que el área de A+B es simplemente el área de Lorenz es L(x)
un triángulo rectángulo, que es el producto de los dos catetos dividido en 2. En este
caso cada cateto tiene una medida de 1, porque se encuentra en porcentaje. Puedo
seguir reescribiendo la ecuación del Gini como:
1
∫ (𝑥 − 𝐿(𝑥)) 𝑑𝑥
𝐺𝑖𝑛𝑖 = 0
1
2
Por ley de medios y extremos finalmente el Gini queda definido por:
1

𝐺𝑖𝑛𝑖 = 2 ∗ ∫(𝑥 − 𝐿(𝑥)) 𝑑𝑥

0
Y también tengo la función L(x):
1

𝐺𝑖𝑛𝑖 = 2 ∗ ∫(𝑥 − (0,914𝑥 2 + 0,0792𝑥 − 0,0058)) 𝑑𝑥

0
Ahora para poder encontrar el Gini por medio de la aproximación matemática
debo calcular la integral enunciada anteriormente:
 1

𝐺𝑖𝑛𝑖 = 2 ∗ ∫(𝑥 − (0,914𝑥 2 + 0,0792𝑥 − 0,0058)) 𝑑𝑥

0

𝐺𝑖𝑛𝑖 = 2 [∫ 𝑥 𝑑𝑥 − ∫ 0,914𝑥 2 𝑑𝑥 − ∫ 0,0792𝑥 𝑑𝑥 + ∫ 0,0058𝑑𝑥]

𝑥2 𝑥3 𝑥2
𝐺𝑖𝑛𝑖 = 2 [ − 0,914 ( ) − 0,0792 ( ) + 0,0058𝑥 ]
2 3 2

Una vez resuelta la integral, paso a evaluarla entre los límites para encontrar
el valor del área y por consiguiente el valor del Gini.

(1)2 (1)3 (1)2

𝐺𝑖𝑛𝑖 = 2 [ − 0,914 ( ) − 0,0792 ( ) + 0,0058(1) ]
2 3 2

1 0,914 0,0792
𝐺𝑖𝑛𝑖 = 2 [ − ( )−( ) + 0,0058(1) ]
2 3 2

𝑮𝒊𝒏𝒊 𝟐𝟎𝟏𝟖 = 𝟎, 𝟑𝟐𝟑𝟎𝟔𝟔𝟔𝟔𝟔

Ahora repetiré el mismo procedimiento para los años 2019 y 2020.

2019
• Datos:

Lími
To te inferior
tal de por decil
hogares de la renta
(miles) anual
media (€)
D 1.
0
ecil 1 300
D 1. 6.26
ecil 2 300 6,8
D 1. 8.84
ecil 3 300 6,8
D 1. 10.8
ecil 4 300 15,0
D 1. 12.9
ecil 5 300 97,1
 D 1. 15.0
ecil 6 300 15,3
D 1. 17.4
ecil 7 300 22,5
D 1. 20.3
ecil 8 300 58,2
D 1. 24.1
ecil 9 300 03,6
D 1. 29.9
ecil 10 300 07,0

Curva de Lorenz:

En este gráfico se puede observar que el 20% de las personas percibe menos
del 10% del total de las rentas medias, mientras que el 40% de las personas percibe
tan solo cerca del 20% del total de las rentas. Lo que me muestra que, de un año a
otro la distribución de las rentas ha variado casi nada.

Línea de tendencia y función L(x):

 𝑦 = 0,1133𝑥 3 + 0,744𝑥 2

+ 0,144𝑥 − 0,0098

Polinomio asociado a la línea de

tendencia para acercarse a la función de la

curva de Lorenz

Resolución integral Gini:

𝐺𝑖𝑛𝑖 = 2 ∗ ∫(𝑥 − ( 0,1133𝑥 3 + 0,744𝑥 2 + 0,144𝑥 − 0,0098)) 𝑑𝑥

0

𝐺𝑖𝑛𝑖 = 2 [∫ 𝑥 𝑑𝑥 − ∫ 0,1133𝑥 3 𝑑𝑥 − ∫ 0,744𝑥 2 𝑑𝑥 − ∫ 0,144𝑥𝑑𝑥 + ∫ 0,0098𝑑𝑥]

𝑥2 𝑥4 𝑥3 𝑥2
𝐺𝑖𝑛𝑖 = 2 [ − 0,1133 ( ) − 0,744 ( ) − 0,144 ( ) + 0,0098𝑥 ]
2 4 3 2

(1)2 (1)4 (1)3 (1)2

𝐺𝑖𝑛𝑖 = 2 [ − 0,1133 ( ) − 0,744 ( ) − 0,144 ( ) + 0,0098(1) ]
2 4 3 2

1 0,1133 0,744 0,144

𝐺𝑖𝑛𝑖 = 2 [ − ( )−( )−( ) + 0,0098(1) ]
2 4 3 2

𝑮𝒊𝒏𝒊 𝟐𝟎𝟏𝟗 = 𝟎, 𝟑𝟐𝟐𝟗𝟓

2020:

• Datos:

Límite
Total inferior por
de hogares decil de la
(miles) renta anual
media (€)
 Decil
1.300 0
1
Decil 6.600,0
1.300
2
Decil 9.449,1
1.300
3
Decil 11.685,7
1.300
4
Decil 13.840,1
1.300
5
Decil 16.043,4
1.300
6
Decil 18.525,6
1.300
7
Decil 21.452,7
1.300
8
Decil 25.188,6
1.300
9
Decil 31.521,1
1.300
10

Curva de Lorenz:

Este gráfico respecto a los anteriores no varía mucho, esto me muestra que
de 2018 a 2020 la distribución de las rentas no ha cambiado de forma abrupta y el
análisis de los dos años anteriores es válido también para este.

Línea de tendencia y función L(x):

 𝑦 = 0,9313𝑥 2 + 0,0574𝑥

Polinomio asociado a la línea de

tendencia para acercarse a la función de la

curva de Lorenz

Resolución integral Gini:

𝐺𝑖𝑛𝑖 = 2 ∗ ∫(𝑥 − ( 0,9313𝑥 2 + 0,0574𝑥 )) 𝑑𝑥

0

𝐺𝑖𝑛𝑖 = 2 [∫ 𝑥 𝑑𝑥 − ∫ 0,9313𝑥 2 𝑑𝑥 − ∫ 0,0574𝑥𝑑𝑥]

𝑥2 𝑥3 𝑥2
𝐺𝑖𝑛𝑖 = 2 [ − 0,9313 ( ) − 0,0574 ( ) ]
2 3 2

(1)2 (1)3 (1)2

𝐺𝑖𝑛𝑖 = 2 [ − 0,9313 ( ) − 0,0574 ( )]
2 3 2

1 0,9313 0,0574
𝐺𝑖𝑛𝑖 = 2 [ − ( )−( )]
2 3 2

𝑮𝒊𝒏𝒊 𝟐𝟎𝟐𝟎 = 𝟎. 𝟑𝟐𝟏𝟕𝟑𝟗𝟓𝟒𝟐

El cálculo del Gini por medio del método matemático me permite comparar

qué tanto se acerca este cálculo a los valores publicados por el INE y si hay

diferencias podré revisar por qué se da la diferencia dependiendo del valor.

 2018 2019 2020
Gini INE 33,2 33,0 32,1
Gini método
matemático 32,31 32,30 32,17

Tanto en el cuadro como en la gráfica se puede observar que los datos

calculados por el método matemático no son iguales a los publicado por el INE, sin

embargo, no difieren de manera drástica ni preocupante. La diferencia máxima es

de un 1% y esto puede ser explicado por varias cosas.

En primer lugar, se puede observar cómo el Gini publicado por el INE tiene

una caída más pronunciada que el Gini calculado por el método matemático esto se

puede dar porque, en general, como mencioné anteriormente la curva de Lorenz

entre año y año no variaba mucho lo que se traduce en una variación mínima del

área entre la línea de igualdad perfecta y la curva de Lorenz.

La segunda explicación, que le encuentro a la mínima diferencia en el cálculo,

es el polinomio definido por Excel, ya que está función sale de una línea de
tendencia de la curva de Lorenz y no de la curva de Lorenz como tal, la diferencia

entre la línea de tendencia y la curva de Lorenz lleva a que la función con la que se

está encontrando el Gini no sea exacta.

Finalmente, el uso de los decimales también puede impactar el resultado de

las operaciones, no sé el INE con cuántos decimales trabaja y cuando se trata de

cifras que se encuentran en el intervalo [0,1], cada decimal puede marcar la

diferencia en el resultado.

Sería interesante poder obtener la ecuación exacta de la curva de Lorenz

para poder integrar la función que la representa y ver qué tanto cambia el cálculo

del Gini y si se acerca más a los resultados del INE.

Bibliografía

Arya, Jagdish & Lardner. "MATEMÁTICAS APLICADAS a la administración y

a la economía, capítulo 16" [en línea] <http://daltonorellana.info/wp-

content/uploads/sites/436/2017/03/Matematicas-Aplicadas-Jagdish-Arya-Ed5.pdf

>[Consulta: 28 de marzo de 2022]

Alcañiz Zanón, Pérez Marín, Marín Garriga. “Concentración: curva de Lorenz

e índice de Gini”. Universitat de Barcelona. [en línea]

<http://diposit.ub.edu/dspace/bitstream/2445/121804/1/Alca%c3%b1iz%2c%20P%

c3%a9rez%2c%20Mar%c3%adn%20-%20Concentraci%c3%b3n.pdf >
 Brenes, Humberto. “La curva de Lorenz y el coeficiente de Gini como medidas

de la desigualdad de los ingresos”. Universidad Nacional Autónoma de Nicaragua.

[en línea]

<https://www.lamjol.info/index.php/REICE/article/view/9948#:~:text=La%20c

urva%20de%20Lorenz%20y%20el%20coeficiente%20de%20Gini%2C%20son,de

%20una%20poblaci%C3%B3n%20o%20sociedad.>

Buccioni Vadulli. “Estimación del coeficiente de concentración de Gini a partir

de la curva estimada de Lorenz”. Universidad Tecnológica Metropolitana, Santiago

de Chile. [en línea] <https://core.ac.uk/download/pdf/264668083.pdf >

Medina, Fernando. “Consideraciones sobre el índice de Gini para medir la

concentración del ingreso”. Organización de Naciones Unidas. [en línea]

<https://repositorio.cepal.org/bitstream/handle/11362/4788/S01020119_es.pdf?...1

>

Torres, Andrea. “Coeficiente de Gini, el detector de la igualdad salarial”.

BBVA [en línea] <https://www.bbva.com/es/coeficiente-gini-detector-la-

desigualdad-salarial/ >

Imágenes:

Economipedia, 2022. “Relación entre la curva de Lorenz y el coeficiente de

Gini”. [en línea]

 <https://economipedia.com/definiciones/relacion-entre-la-curva-de-lorenz-y-

el-indice-de-gini.html >