Ir al contenido
σestadistica.ar

estadistica.ar · Enciclopedia de Estadística en españolhttps://estadistica.ar/conceptos/curva-de-lorenz-y-gini

M05 · Tasas y demografíaIntermedioProcedimiento

Curva de Lorenz y coeficiente de Gini

Cómo se mide la desigualdad de una distribución: la curva, el coeficiente que la resume y lo que ese único número no puede distinguir.

Por Jorge Luis Montivero, Licenciado en Estadística · Mu3Sigma

1 · La curva de Lorenz

Relaciona la población acumulada, ordenada de menor a mayor ingreso, con el ingreso acumulado que concentra.

0% 0% 25% 25% 50% 50% 75% 75% 100% 100% Población acumulada Ingreso acumulado Gini = 0.420
Curva de Lorenz del ingreso de la ocupación principal, primer trimestre de 2026.La diagonal representa la igualdad perfecta; cuanto más se aleja la curva, mayor la desigualdad.Fuente: EPH continua, 1T 2026, INDEC. Elaboración propia.
Curva de Lorenz y coeficiente de Gini: cómo se mide la desigualdad · video, 4:14

2 · El coeficiente de Gini

G=aˊrea entre la diagonal y la curvaaˊrea bajo la diagonalG = \frac{\text{área entre la diagonal y la curva}}{\text{área bajo la diagonal}}

Equivale al doble del área entre las dos líneas, y va de 0 a 1:

GGSignifica
0igualdad perfecta: todos tienen lo mismo
1concentración total: una persona tiene todo
0,25 – 0,35desigualdad baja (países nórdicos)
0,40 – 0,50desigualdad alta (América Latina)

El 1 es un límite: con nn personas, el máximo posible es (n−1)/n(n-1)/n, que con miles de casos es prácticamente 1.

3 · Los diez deciles

El Gini del ejemplo es 0,420, y esta es la distribución que resume:

Decil% del ingresoDecil% del ingreso
11,3 %68,7 %
23,0 %710,1 %
34,5 %812,5 %
45,9 %916,1 %
57,4 %1030,7 %
Indicador derivadoValor
Razón decil 10 / decil 124,2
Índice de Palma (decil 10 / deciles 1 a 4)2,1

4 · Lo que un solo número no puede distinguir

Un Gini de 0,40 puede corresponder a:

  • Una sociedad con una élite muy rica y el resto parejo.
  • Una sociedad con una base muy pobre y el resto parejo.

Las dos requieren políticas opuestas. Por eso el Gini se acompaña de:

MedidaQué agrega
Participación por decilesdónde está concentrado
Razón 10/1 o 20/20la brecha entre extremos
Índice de Palmadecil 10 sobre los cuatro deciles más pobres
Índice de Theildescomponible entre grupos y dentro de grupos

Una transferencia desde arriba, en cambio, sí se nota, y más cuanto más abajo llega. Pasar el 1 % de la masa de ingresos del decil 10 al decil 1 lleva el Gini a 0,402; pasar la misma plata al decil 5, a 0,410. El Palma marca la diferencia con más claridad: de 2,09 a 1,90 en el primer caso y a 2,03 en el segundo.

5 · Sus otros usos

No es exclusivo de ingresos: se aplica a cualquier distribución donde importe la concentración.

  • Tierra: concentración de la propiedad rural.
  • Mercados: concentración de ventas entre empresas.
  • Salud: distribución de recursos sanitarios entre regiones.
  • Educación: años de escolaridad.

6 · Detalles de cálculo

Con datos agrupados —por deciles— el Gini se subestima, porque se pierde la desigualdad que hay adentro de cada grupo. Cuánto, con estos mismos datos:

CálculoGini
Con microdatos0,4199
Con la tabla de diez deciles0,4094

Una centésima de diferencia, un 2,5 % menos, solo por trabajar con la tabla publicada en vez de con la base. Con quintiles en lugar de deciles la subestimación es mayor: 0,388, un 7,6 % menos.

Con ponderadores, como los de una encuesta, hay que usarlos: el cálculo simple sobre casos sin ponderar da un valor distinto. Acá, 0,407 sin ponderar, 0,416 con PONDERA —el ponderador general— y 0,420 con PONDIIO, el que el INDEC calibra para el ingreso de la ocupación principal y el que corresponde usar.

Su error estándar no tiene fórmula sencilla: se estima por bootstrap.

7 · Errores frecuentes

  • Comparar Gini de universos distintos: ingreso individual, familiar, per cápita, antes o después de impuestos.
  • Interpretarlo como porcentaje. Un Gini de 0,42 no es “42 % de desigualdad”.
  • Reportarlo solo, sin la participación por deciles.
  • Calcularlo sobre datos agrupados y compararlo con uno de microdatos.
  • Ignorar los ponderadores de la encuesta.
  • Usar un intervalo que ignore el diseño muestral.
  • Leer variaciones chicas como cambios reales: sin intervalo de confianza, una diferencia de 0,005 no significa nada.

8 · En el software

Con el archivo de personas de la EPH, usu_individual_T126.txt: ocupados (ESTADO 1) con ingreso de la ocupación principal (P21) mayor que cero.

# R
ind <- read.table("usu_individual_T126.txt", sep = ";", dec = ",", header = TRUE)
oc  <- subset(ind, ESTADO == 1 & P21 > 0)

lorenz <- function(x, w) {
  o <- order(x); x <- as.numeric(x[o]); w <- as.numeric(w[o])   # sin overflow
  list(p = c(0, cumsum(w) / sum(w)),             # la curva arranca en el origen
       q = c(0, cumsum(w * x) / sum(w * x)))
}
gini <- function(x, w) {
  l <- lorenz(x, w)
  1 - sum((l$q[-1] + head(l$q, -1)) * diff(l$p))
}
gini(oc$P21, oc$PONDIIO)                          # 0,420

l <- lorenz(oc$P21, oc$PONDIIO)
plot(l$p, l$q, type = "l"); abline(0, 1)          # la curva y la diagonal
100 * diff(approx(l$p, l$q, xout = 0:10 / 10)$y)  # 1,3 ... 30,7

# El IC, por bootstrap de viviendas (CODUSU), no de personas
viv <- split(seq_len(nrow(oc)), oc$CODUSU)
set.seed(1)
b <- replicate(500, {
  i <- unlist(viv[sample(length(viv), replace = TRUE)], use.names = FALSE)
  gini(oc$P21[i], oc$PONDIIO[i])
})
gini(oc$P21, oc$PONDIIO) + c(-1, 1) * 1.96 * sd(b)  # 0,407 a 0,432

# Sin ponderar, con paquete: ineq::Gini(oc$P21) da 0,407
# Python
import numpy as np
import pandas as pd

ind = pd.read_csv("usu_individual_T126.txt", sep=";", decimal=",", low_memory=False)
oc = ind[(ind.ESTADO == 1) & (ind.P21 > 0)]

def lorenz(x, w):
    o = np.argsort(x); x, w = x[o], w[o]
    p = np.r_[0, np.cumsum(w) / w.sum()]          # la curva arranca en el origen
    q = np.r_[0, np.cumsum(w * x) / (w * x).sum()]
    return p, q

def gini(x, w):
    p, q = lorenz(x, w)
    return 1 - np.sum((q[1:] + q[:-1]) * np.diff(p))

x, w = oc.P21.to_numpy(float), oc.PONDIIO.to_numpy(float)
print(gini(x, w))                                 # 0,420
p, q = lorenz(x, w)
print(100 * np.diff(np.interp(np.linspace(0, 1, 11), p, q)))   # 1,3 ... 30,7
Excel:  ingreso ordenado de menor a mayor en A2:A15449, ponderador en B2:B15449
        C2  =B2/SUMA(B$2:B$15449)                 y C3 =C2+B3/SUMA(B$2:B$15449)
        D2  =A2*B2/SUMAPRODUCTO(A$2:A$15449;B$2:B$15449)    y D3 =D2+ ...
        Gini =1-C2*D2-SUMAPRODUCTO(D3:D15449+D2:D15448;C3:C15449-C2:C15448)
SPSS:   SELECT IF ESTADO = 1 AND P21 > 0.
        SORT CASES BY P21.
        COMPUTE wx = PONDIIO * P21.
        CREATE cw = CSUM(PONDIIO) /cwx = CSUM(wx).
        AGGREGATE /OUTFILE=* MODE=ADDVARIABLES /tw = SUM(PONDIIO) /twx = SUM(wx).
        COMPUTE p = cw / tw.
        COMPUTE q = cwx / twx.
        COMPUTE tramo = (q + LAG(q)) * (p - LAG(p)).
        IF ($CASENUM = 1) tramo = q * p.
        DESCRIPTIVES tramo /STATISTICS = SUM.     Gini = 1 - la suma

Herramientas de este tema

Seguir leyendo

Cómo citar: Montivero, J. L. (2026). Curva de Lorenz y coeficiente de Gini. estadistica.ar. https://estadistica.ar/conceptos/curva-de-lorenz-y-gini

estadistica.ar es gratuita y sin publicidad. Si te sirvió, podés invitar un cafecito por transferencia al alias mu3sigma. Asesoramiento estadístico, encuestas y capacitaciones: m3s.pro · WhatsApp +54 9 383 499-7929.

Cómo citar esta entrada

APA (7.ª edición)

Montivero, J. L. (2026). Curva de Lorenz y coeficiente de Gini. estadistica.ar. https://estadistica.ar/conceptos/curva-de-lorenz-y-gini

BibTeX

@misc{estadistica_ar_curva_de_lorenz_y_gini,
  author       = {Montivero, Jorge Luis},
  title        = {{Curva de Lorenz y coeficiente de Gini}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/curva-de-lorenz-y-gini}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-11-18}
}

Última actualización: 18 de noviembre de 2026. El contenido está bajo licencia CC BY-NC-SA 4.0: se puede reutilizar citando la fuente y sin fines comerciales.