Ir al contenido principal

Ejercicios sobre medidas de concentración y desigualdad

Un par de ejercicios, para entender mejor lo explicado.

Ejercicio 1

La distribución de los salarios de una determinada empresa X es la siguiente:

Categoría Salarios (euros) Número de
Trabajadores
A
[500-1300)
19
B
[1300-1900)
18
C
[1900-3500)
3

Tenemos que:
  1. Obtener el grado de concentración de los salarios.
  2. Si esta empresa decide fusionarse  con otra empresa Y, teniendo ésta el mismo nivel de concentración , ¿podemos determinar con esta información el nivel de concentración de los salarios de la empresa resultante de la fusión?
  3. Suponiendo que el número de asalariados en cada categoría en la nueva empresa Y es proporcional al de asalariados de la empresa X, determinar el grado de concentración de la entidad X-Y.
  4. Si la empresa X-Y decide aumentar los salarios en un 20%, ¿cuál será entonces el nivel de concentración de la nueva distribución de salarios?
1.

Vamos a calcular el índice de concentración de Lorenz:

Li-1 -Li ni Ni pi xi xini Ai qi
[500-1300)
19
19
0,48
900
17100
17100
0,32
[1300-1900)
18
37
0,93
1600
28800
45900
0,85
[1900-3500)
3
40
1,00
2700
8100
54000
1

IXL = ∑(pi - qi)/∑pi = 0,16

Los sumatorios irían desde i = 1 hasta i = 2. En la empresa X existe poca concentración de la masa salarial.

2.

En este caso, no puede determinarse el nivel de concentración de los salarios de la entidad resultante de la fusión, pues aunque ésta sea la misma en ambas empresas, puede ocurrir, por ejemplo, que los niveles de sueldos sean diferentes y al fundirse las empresas se tenga mayor desigualdad; esto es consecuencia de que, como ya hemos visto, la concentración de una población no puede obtenerse como a partir de las subpoblaciones mediante el índice de Lorenz.

3.
Empresa X:

Li-1 -Li ni
[500-1300)
19
[1300-1900)
18
[1900-3500)
3

Empresa Y:

Li-1 -Li ni
[500-1300)
19k
[1300-1900)
18k
[1900-3500)
3k

Empresa X-Y:

Li-1 -Li ni Ni pi xi xini Ai qi
[500-1300)
19(k+1)
19(k+1)
0,47
900,00
17100(k+1)
17100(k+1)
0,32
[1300-1900)
18(k+1)
37(k+1)
0,92
1600,00
28800(k+1)
45900(k+1)
0,85
[1900-3500)
3(k+1)
40(k+1)
1,00
2700,00
8100(k+1)
54000(k+1)
1

Por lo tanto, IX-YL = IXL = 0,16. Es decir, el índice de Lorenz no se ve afectado por un cambio de escala en las frecuencias, puesto que no varían ni los pi ni los qi.

4.

Si denotamos por xi' a los nuevos salarios de la empresa X-Y, se tendrá: xi' = (1,2)xi. Ahora, el nivel de concentración de la empresa X-Y es el mismo que el del apartado anterior, 0,16, puesto que el índice de Lorenz no se ve afectado por un cambio de escala en la variable.

Ejercicio 2

Las distribuciones del gasto anual en viajes para tres clases de familias A, B y C son las siguientes:

Gasto (euros) niA niB niC
[0-300)
2
1
1
[300-800)
2
4
2
[800-2000)
1
2
3
  1. Determinar la desigualdad que soporta o genera cada estrato de gasto de las familias de tipo A.
  2. ¿En qué clase de familia se encuentra más desigualmente repartido el gasto?
  3. ¿Se podría obtener la desigualdad del gasto en viajes de todas las familias a partir de cada tipo?
1.

Li-1 – Li
niA niB niC
xi
xiniA
xiniB
xiniC
[0-300)
2
1
1
150
300
150
150
[300-800)
2
4
2
550
1100
2200
1100
[800-2000)
1
2
3
1400
1400
2800
4200
Totales
5
7
6
2100
2800
5150
5450

  • xA = 2800/5 = 560
  • xB = 5150/7 = 735,7
  • xC = 5450/6 = 908,30
diA = (xA/xi) - 1
  • d1A = 560/150 - 1 = 2,73
  • d2A = 560/550 - 1 = 0,02
  • d3A = 560/1400 = 0,6
2.
  • DA = ∑(xA/x - 1)·f1A = 0,98
  • DB = ∑(xB/x - 1)·f1B   = 0,62
  • DC  ∑(xC/x - 1)·f1C = 0,88
El gasto en viajes se encuentra más desigualmente repartido en las familias de tipo A, por tener mayor índice de desigualdad.

3.

La desigualdad del gasto en viajes del conjunto de todas las familias se podría obtener a partir de la desigualdad observada dentro de cada clase y de la desigualdad entre los tres tipos. Esto es debido a que el índice de desigualdad es descomponible.

Comentarios

Entradas populares de este blog

Ojivas

Recibe el nombre de ojiva un gráfico que, mediante el trazado de una línea, muestra las frecuencias acumuladas de la serie. Si representa frecuencias absolutas acumuladas se llama simplemente ojiva, y si representa los porcentajes de las frecuencias relativas acumuladas se llama ojiva porcentual. Para representar una ojiva, se marcan en el eje de abscisas los valores de la variable y en el eje de ordenadas las frecuencias acumuladas. Se utiliza para representar series atemporales de frecuencia. Ejemplo Vamos a representar una ojiva de la serie correspondiente a los complementos salariales (dietas, desplazamientos...) expresados en euros de los 130 empleados y empleadas de una empresa, que aparecen reflejados en la siguiente tabla. Complementos N.º de empleados [50-60) 16 [60-70) 20 [70-80) 32 [80-90) 28 [90-100) 20 [100-110) 10 [110-120) 4 130

Polígonos de frecuencias

Un polígono de frecuencias es un gráfico que se obtiene a partir de un histograma, uniendo los puntos medios de los techos, o bases superiores, de los rectángulos. Se acostumbra a prolongar el polígono hasta puntos de frecuencia cero. Un polígono de frecuencia permite ver con gran claridad las variaciones de la frecuencia de una clase a otra. Son muy útiles cuando se pretende comparar dos o más distribuciones, ya que, así como es difícil representar dos o más histogramas en un mismo gráfico, resulta muy sencillo hacerlo con dos o más polígonos de frecuencias. La suma de las áreas de los rectángulos de un histograma de amplitud constante, es igual al área limitada por el polígono de frecuencias y el eje X. Ejemplo Vamos a construir a partir del histograma explicado en la entrada anterior , su correspondiente polígono de frecuencias. Ejemplo de polígono de frecuencias Interpretación de un polígono de frecuencias El polígono de frecuencias resume, en una sola lín

Ejemplo de tabla de frecuencia para una variable cuantitativa continua

Cuando el estudio se refiere a una variable cuantitativa continua, como el peso, la talla, velocidad, etc., o cuando tratándose de una variable cuantitativa discreta, el número de observaciones es muy grande y la cantidad de valores diferentes que toma la variable también, se recurre a agrupar los datos en intervalos. Cada uno de estos intervalos recibe el nombre de clase. Por ejemplo: En un estudio realizado sobre la estatura de cuarenta alumnos de un curso (variable cuantitativa continua, puesto que entre dos estaturas distintas puede haber un alumno que tenga una estatura intermedia), se han obtenido los siguientes resultados en metros: 1,55 1,66 1,69 1,63 1,64  1,67 1,63 1,56 1,62 1,68 1,68 1,62 1,66 1,62 1,69  1,56 1,57 1,60 1,65 1,64 1,67 1,69 1,63 1,64 1,60  1,62 1,63 1,71 1,62 1,72 1,61 1,61 1,64 1,60 1,70  1,76 1,65 1,65 1,68 1,66 Para su estudio, se procede a la agrupación de los datos en intervalos o clases. Primero se observa cuáles son los valores