MEDIDAS DE CONCENTRACIÓN

1. Concepto.

Las medidas o índices de concentración tienen como objetivo fundamental cuantifi-

car el grado de desigualdad en el reparto o distribución de una magnitud económica
(rentas, negocio, beneficios, etc...), entre un número determinado de “unidades” (indivi-
duos, familias, empresas, etc...).

La forma de la distribución de una magnitud, representada por una variable estadísti-

ca, ya se ha estudiado a través de diversas medidas de posición, dispersión, asimetría y
apuntamiento. Lo que ahora nos interesa es la mayor o menor equidad en el reparto de
la suma total observada de una magnitud entre los integrantes del conjunto perceptor de
dicha suma. Para ello, deberemos recoger de cada elemento perteneciente al conjunto
perceptor, la información de la cuantía individual recibida en el reparto. La dificultad
reside en que, en muchas ocasiones, esa información viene agrupada en clases y, por
tanto, el estudio de la concentración no se podrá hacer con la precisión debida.

Es evidente que las dos situaciones extremas que podemos considerar, respecto a la
equidad en el reparto, son:

- Mínima concentración o máxima igualdad: cuando a todos los integrantes del

conjunto perceptor se les asigna la misma cantidad en el reparto del monto total.

- Máxima concentración o mínima igualdad: cuando un único perceptor recibe

la suma total a repartir y los demás no perciben nada.

Estas dos situaciones deberán estar claramente identificadas por las medidas de con-
centración que se definan y que, asimismo, deberán graduar las situaciones intermedias,
entre las que se encontrará la mayoría de los casos estudiados en la práctica.

2. Índice de Gini.
Para la obtención de este índice de concentración se debe ordenar, previamente, el
conjunto de perceptores de menor a mayor cuantía obtenida en el reparto de la magnitud
distribuida. Si el número de perceptores es N y representamos por Vi el valor que le co-
rresponde al perceptor i-ésimo, la ordenación supondrá que:

V1 ≤ V2 ≤ ··· ≤ Vi ≤ ··· ≤ VN-1 ≤ VN

A continuación se obtendrán las cantidades acumuladas, tanto del número de percep-

tores como del valor percibido, para determinar, finalmente, las proporciones corres-
pondientes a estas cantidades acumuladas.

Todo lo anterior se puede exponer en el siguiente cuadro:

 percep- Valor número acu- valor
tores obtenido mulado de acumulado i Ui
q = × 100
Vi perceptores Ui pi = × 100
1º 1
N i
Uq1
V1 U1 = V1 p1 N
2º V2 2 U2 = V1+V2 p2 q2
··· ··· ··· ··· ··· ···
iº Vi i Ui = V1+...+Vi pi qi
··· ··· ··· ··· ··· ···
(N-1)º VN-1 N-1 UN-1 = V1+...+VN-1 pN-1 qN-1
Nº VN N UN = V1+...+VN pN = 100 qN = 100

Las dos últimas columnas nos describen de qué forma se ha llevado a cabo la distri-
bución de la cuantía total entre los perceptores. Si el reparto hubiese sido igualitario, to-
dos percibiendo la misma cantidad, se cumpliría que pi = qi ∀ i = 1, ... ,N-1; mientras
que en el caso de que un único perceptor obtuviera la cuantía total, caso de máxima
concentración, se tendría que qi = 0 ∀ i = 1, ... ,N-1. En cualquier otro caso intermedio,
que serán los considerados en la práctica, se dará que pi > qi, pudiéndose establecer que
si estos valores están muy próximos la concentración será muy baja, y si están muy ale-
jados entre sí, la concentración será elevada. Cuanto mayor sea la diferencia (pi - qi)
mayor será la concentración producida en el reparto, pudiendo, así, identificar en qué
sectores o grupos del conjunto perceptor se da mayor concentración, por el mayor valor
de esas diferencias.

El índice de concentración de Gini se define como:

∑( p - q )
N -1 N-1

i i ∑q i

[7.1]
i=1 i=1
IG = N-1 = 1- N-1

∑p i
∑p i

i=1 i=1

Cumpliendo que:

- Caso de mínima concentración o máxima igualdad (pi = qi ∀ i = 1, ... ,N-1): IG = 0

- Caso de máxima concentración o mínima igualdad (qi = 0 ∀ i = 1, ... ,N-1): IG = 1

- Casos intermedios: cuanta mayor concentración se detecte, más cerca de 1 se situará el

valor del índice, y cuanta mayor igualdad haya en el reparto más cerca de 0 estará.
Por tanto:
0 ≤ IG ≤ 1

Pero, como se ha expuesto antes, la información de la distribución nos puede venir agrupada en clases
o intervalos. En este caso los datos deberán ordenarse según lo per- cibido por los integrantes de las
clases y no por el valor que corresponda a toda la clase. Si se pudieran determinar las marcas de clase,
éstas deberán estar ordenadas de menos a más. Las proporciones acumuladas de los valores se calcularán
sobre los valores totales percibidos por las clases. El cuadro quedará de la siguiente forma:
 cla- marcas fre- valor frecuen- valor
ses de cuen- obtenido cias acu- acumulado Ni U
clase cias Vi muladas Ui = × 100 q = i × 100
pi
C1 x1 n1 V1= x1·n1 N1 U1 = V1 Np i
Uq
1 1
C2 x2 n2 V2= x2·n2 N2 U2 = V1+V2 p2 q2
··· ··· ··· ··· ··· ··· ··· ···
Ci xi ni Vi= xi·ni Ni Ui = V1+...+Vi pi qi
··· ··· ··· ··· ··· ··· ··· ···
Cn-1 xn-1 nn-1 Vn-1=xn-1·nn- Nn-1 Un-1 = V1+...+Vn-1 pn-1 qn-1
1
Cn xn nn Vn= xn·nn Nn = N Un = V1+...+Vn = U pn = 100 qn = 100
N U

De tal forma que en la clase C1 estarán incluidos los perceptores con menor cuantía asignada
en el reparto, mientras que en la última clase estarán los que les haya corres- pondido mayor
cantidad. Esta ordenación implica que las marcas de clase cumplirán que: x1 ≤ x2 ≤ ··· ≤ xi ≤
··· ≤ xn-1 ≤ xn. Sin embargo, los valores Vi no tendrán que verifi- car una ordenación como ésa,
ya que sus cuantías dependerán de las frecuencias (ni) que correspondan a cada clase.

Para este caso el índice de concentración de Gini se definirá así:

∑( p - q )
n-1 n-1

i i ∑q i

[7.2]
i=1 i=1
IG = n-1 = 1- n-1

∑p i
∑p i

i=1 i=1

Manteniéndose la misma relación entre sus valores y los distintos casos de concen- tración
que se describieron anteriormente. Lo único a señalar es que el valor de este úl- timo índice
[7.2] será una aproximación del anterior [7.1], dado que éste se calcularía con la información
de todas las cuantías correspondientes a cada uno de los integrantes del grupo perceptor, con
las proporciones acumuladas uno a uno, mientras que el otro utiliza las proporciones
acumuladas por las clases o intervalos que recogen la informa- ción de los diferentes
perceptores incluidos en ellas.

MEDIDAS DE DISPERSIÓN

A pesar de la gran importancia de las medidas de tendencia central y de la cantidad de información que aportan individualmente,
no hay que dejar de señalar que en muchas ocasiones esa información, no sólo no es completa, sino que puede inducir a errores en
su interpretación. Veamos algunos ejemplos.

Consideremos dos grupos de personas extraídos como muestras respectivas de dos poblaciones distintas: el primero está
compuesto por 100 personas que asisten a la proyección de una película para niños, y el segundo por 100 personas elegidas entre
los asistentes a una discoteca juvenil. Pudiera ocurrir que, aun siendo las distribuciones de las edades de ambos grupos muy
distinta, la media y la mediana coincidieran para ambas. (Da un ejemplo concreto en que esto ocurra).

Igualmente ocurre en este otro ejemplo. La caja de un kiosco registra las siguientes entradas en miles de pesos, a lo largo de dos
semanas correspondientes a épocas distintas del año

1ª semana 2ª semana
10 30
20 40
30 50
50 50
60 60
80 60
100 60
350 350

La media y la mediana de ambas distribuciones coinciden (el valor de ambas es 50 en los dos casos) y, sin embargo, las
consecuencias que se podrían derivar de una y otra tabla son bien distintas.

Comprendemos pues, a la vista de estos ejemplos, la necesidad de conocer otras medidas, aparte de los valores de centralización,
que nos indiquen la mayor o menor desviación de cada observación respecto de aquellos valores.

Las medidas de desviación, variación o dispersión que estudiaremos a continuación son: Rango o amplitud, desviación media y
desviación típica.

1. RANGO, AMPLITUD TOTAL O RECORRIDO

El rango se suele definir como la diferencia entre los dos valores extremos que toma la variable. Es la medida de dispersión más
sencilla y también, por tanto, la que proporciona menos información. Además, esta información puede ser errónea, pues el hecho
de que no influyan más de dos valores del total de la serie puede provocar una deformación de la realidad.
Comparemos, por ejemplo, estas dos series:

Serie 1: 1 5 7 7 8 9 9 10 17
Serie 2: 2 4 6 8 10 12 14 16 18

Ambas series tienen rango 16, pero están desigualmente agrupadas, pues mientras la primera tiene una mayor concentración en el
centro, la segunda se distribuye uniformemente a lo largo de todo el recorrido.

El uso de esta medida de dispersión, será pues, bastante restringido.

2. DESVIACIÓN MEDIA
En teoría, la desviación puede referirse a cada una de las medidas de tendencia central: media, mediana o moda; pero el interés se
suele centrar en la medida de la desviación con respecto a la media, que llamaremos desviación media.

Puede definirse como la media aritmética de las desviaciones de cada uno de los valores con respecto a la media aritmética de la
distribución, y de indica así:

DM 
 xx
N

Nótese que se toman las desviaciones en valor absoluto, es decir, que la fórmula no distingue si la diferencia de cada valor de la
variable con la media es en más o en menos.

Ya se habrá advertido que esta expresión sirve para calcular la desviación media en el caso de datos sin agrupar. Veamos un
ejemplo:
Se tiene los valores 2, 2, 4, 4, 5, 6, 7, 8, 8. Averiguar la desviación media de estos valores.

x xx x
2 -3 3
2 3 3
4 -1 1
4 -1 1
4 -1 1
5 0 0
6 1 1
7 2 2
8 3 3
8 3 3

DM = 1,8

Veamos ahora cómo se calcula la desviación media en el caso de datos agrupados en intervalos.

DM 
 n x i

donde observamos que ahora las desviaciones van multiplicadas por las frecuencias de los intervalos correspondientes.

Además, las desviaciones son de cada centro, o marca de clase, a la media aritmética. Es decir,

DM 
 n (x i m  x)
N

Ejemplo: Para hallar la desviación media de la siguiente tabla referida a las edades de los 100 empleados de una cierta empresa:

Clase ni
16-20 2
20-24 8
24-28 8
28-32 18
32-36 20
36-40 18
40-44 15
44-48 8
48-52 3

veamos cómo se procede:

Clase ni xm ni  xm xx ni  x  x
16-20 2 18 36 16,72 33,44
20-24 8 22 176
24-28 8
28-32 18
32-36 20
36-40 18
40-44 18
44-48 8
48-52 3
100
DM = 6,09

La desviación media viene a indicar el grado de concentración o de dispersión de los valores de la variable. Si es muy alta, indica
gran dispersión; si es muy baja refleja un buen agrupamiento y que los valores son parecidos entre sí.

La desviación media se puede utilizar como medida de dispersión en todas aquellas distribuciones en las que la medida de
tendencia central más significativas haya sido la media. Sin embargo, para las mismas distribuciones es mucho más significativa
la desviación típica, que estudiaremos a continuación, y eso hace que el uso de la desviación media sea cada vez más restringido.

3. DESVIACIÓN TÍPICA
Es sin duda la medida de dispersión más importante, ya que además sirve como medida previa al cálculo de otros valores
estadísticos.

La desviación típica se define como la raíz cuadrada de la media de los cuadrados de las desviaciones con respecto a la media de
la distribución. Es decir,

S
 x  x  2

para datos sin agrupar, o bien:

 xx
2

S
N

4. Cálculo de la desviación típica para datos no agrupados en clases

Veamos la fórmula anterior aplicada a un caso concreto.

Hallar la desviación típica de la serie: 5, 8, 10, 12, 16.

x xx xx 2

5 -5,2 27,04
8 -2,2 4,84
10 -0,2 0,04
12 1,8 3,24
16 5,8 33,64

Primero hallamos x = 10,2

luego S = 13,76  3,71

5. Cálculo de la desviación típica para datos agrupados en clases y

agrupados por frecuencias
Método largo: Se aplica la siguiente fórmula

S
 fx 2

N
donde x  x m  x y f es la frecuencia absoluta de cada intervalo.

Método abreviado o corto: La fórmula a utilizar es:

 fd   fd 
2 2

SI  
N  N 
 

donde:
I: amplitud de la clase
D: distancia en clases desde cada una en concreto a la clase que contiene a la media supuesta A.

Ejemplo: Las alturas en cm de un grupo de 103 personas se distribuyen así:

Clases f
150 – 155 3
155 – 160 6
160 – 165 12
165 – 170 18
170 – 175 25
175 – 180 17
180 – 185 10
185 – 190 7
190 – 195 4
195 – 200 1
103
Resp: S = 9,56