Ir al contenido
σestadistica.ar

estadistica.ar · Enciclopedia de Estadística en españolhttps://estadistica.ar/conceptos/esperanza-de-vida

Esperanza de vida y tabla de vida

El indicador que resume toda la mortalidad de una población en un número, y por qué no predice cuánto va a vivir nadie.

Por Jorge Luis Montivero, Licenciado en Estadística · Mu3Sigma

1 · Qué es

La esperanza de vida al nacer es la cantidad media de años que viviría una persona si a lo largo de toda su vida estuviera sometida a las tasas de mortalidad por edad del momento actual.

Esperanza de vida: qué es y cómo se calcula la tabla de vida · video, 6:12

2 · Por qué es el mejor resumen de la mortalidad

Porque ya está estandarizada por edad en su construcción: se calcula a partir de las tasas específicas, así que no depende de la estructura de la población.

Indicador¿Depende de la estructura?
Tasa bruta de mortalidadSí, mucho
Tasa estandarizadaNo, pero depende de la referencia elegida
Esperanza de vidaNo

Es, además, directamente interpretable: “años”, en lugar de “muertes por cada mil”.

3 · La tabla de vida

Es el instrumento que la produce. Parte de una cohorte hipotética —habitualmente 100.000 nacimientos— y la va reduciendo con las tasas de mortalidad de cada edad.

ColumnaQué es
qxq_xprobabilidad de morir entre xx y x+1x+1
lxl_xsobrevivientes a la edad exacta xx
dxd_xdefunciones entre xx y x+1x+1
LxL_xaños vividos entre xx y x+1x+1
TxT_xaños por vivir desde xx
exe_xesperanza de vida a la edad xx
ex=Txlxe_x = \frac{T_x}{l_x}

Así se escribe con edades simples. En una tabla abreviada, como la de la sección siguiente, cada fila es un grupo de nn años: la probabilidad es nqx_nq_x, la de morir entre xx y x+nx+n, y los años vividos se calculan suponiendo que las muertes caen a mitad del grupo, nqx=n m/(1+n2 m)_nq_x = n\,m / (1 + \tfrac{n}{2}\,m) y nLx=n (lx−12 ndx)_nL_x = n\,(l_x - \tfrac{1}{2}\,{}_nd_x). El último grupo es abierto: ahí los años vividos son lx/mxl_x / m_x.

4 · Una tabla de vida argentina

Construida con las defunciones y la población de 2022, en los dieciséis grupos de edad disponibles:

Jurisdiccióne0e_0e65e_{65}Llegan a los 65
Tierra del Fuego79,218,487,0 %
Ciudad de Buenos Aires79,018,386,9 %
Argentina76,116,682,7 %
Catamarca76,116,582,9 %
Misiones73,615,278,7 %
Chaco71,814,575,2 %
70 años 75 años 80 años Esperanza de vida al nacer 79,2 79,0 76,1 76,1 73,6 71,8 75 % 80 % 85 % Llegan a los 65 años 87,0 86,9 82,7 82,9 78,7 75,2 Tierra del Fuego Ciudad de Buenos Aires Argentina Catamarca Misiones Chaco
Entre Tierra del Fuego y Chaco hay más de siete años de esperanza de vida al nacer, y casi doce puntos en la proporción que llega a los 65.Fuente: DEIS, Ministerio de Salud de la Nación. Tabla de vida con las defunciones y la población de 2022.

5 · La esperanza de vida a otras edades

e0e_0 es la más citada, pero no la única, y las otras corrigen la lectura ingenua de la primera.

En poblaciones con alta mortalidad infantil el fenómeno es más extremo: la esperanza de vida al año de edad puede ser mayor que al nacer. Es lo que explica un malentendido histórico frecuente: que en la Edad Media la esperanza de vida fuera de 30 años no significa que la gente muriera a los 30, sino que morían muchísimos niños. Quien llegaba a los 20 solía vivir hasta los 45 o 50, y no era raro llegar a los 60.

La esperanza de vida a la edad de jubilarse es, además, la cifra clave en el diseño de sistemas previsionales: determina cuántos años en promedio se paga una jubilación. En la Argentina esa edad es 60 para las mujeres y 65 para los varones.

6 · Lo que no es

Tampoco distingue calidad de vida, lo que motivó indicadores complementarios:

IndicadorQué agrega
Esperanza de vida saludabledescuenta los años con discapacidad
AVAD / DALYcombina muerte prematura y discapacidad
AVPPpondera las muertes por su precocidad

7 · Cómo se interpreta una diferencia

Una diferencia de esperanza de vida entre dos poblaciones puede descomponerse por edad y por causa: qué edades y qué causas explican la brecha. Esa descomposición es más útil para la política pública que la diferencia total. El método habitual es el de Arriaga (1984), que reparte la brecha entre los grupos de edad y suma exactamente la diferencia.

Con las tablas de arriba, los 7,2 años entre CABA y Chaco se reparten así:

EdadesAños de la brechaParte del total
0 a 90,618,5 %
10 a 491,9426,9 %
50 a 641,7724,5 %
65 y más2,9040,1 %

Cuando la mortalidad infantil es muy alta, como en la Argentina de hace un siglo, es ella la que domina estas descomposiciones. Con tasas de un dígito, como las de hoy, el centro de la brecha se corre a la edad adulta.

8 · Errores frecuentes

  • Leerla como predicción individual.
  • Concluir que “antes la gente moría joven” sin considerar la mortalidad infantil.
  • Restar la edad actual a la esperanza de vida al nacer para estimar los años que quedan. Para eso está exe_x.
  • Comparar esperanzas de vida de años distintos sin aclararlo.
  • Usarla para poblaciones muy chicas, donde las tasas específicas son inestables.
  • Olvidar que es una construcción hipotética, no una medición.
  • Ignorar las diferencias por sexo, que son sistemáticas y grandes.

9 · En el software

El código baja las defunciones y la población de 2022, construye la tabla abreviada de cada jurisdicción y descompone la brecha entre CABA y Chaco.

# R — tabla de vida abreviada con las defunciones y la población de 2022
zip <- tempfile(fileext = ".zip")
download.file("https://estadistica.ar/descargas/estandarizacion.zip", zip, mode = "wb")
d <- read.csv(unz(zip, "estandarizacion/datos/mortalidad-2022.csv"))
x <- c(0, seq(10, 80, 5))                 # 0-9, 10-14, ..., 80 y más
n <- c(diff(x), Inf)                      # el último grupo es abierto

tabla_de_vida <- function(defunciones, poblacion) {
  m  <- defunciones / poblacion           # tasas específicas
  q  <- ifelse(is.finite(n), n * m / (1 + n / 2 * m), 1)   # muertes a mitad del grupo
  l  <- 100000 * c(1, head(cumprod(1 - q), -1))
  dx <- l * q
  L  <- ifelse(is.finite(n), n * (l - dx / 2), l / m)       # abierto: L = l / m
  Tx <- rev(cumsum(rev(L)))
  data.frame(x, q, l, dx, L, Tx, e = Tx / l)
}

resumen <- function(t) c(e0 = t$e[1], e65 = t$e[t$x == 65], llegan_65 = t$l[t$x == 65] / 1000)
tablas <- lapply(split(d, d$jurisdiccion), function(j) tabla_de_vida(j$defunciones, j$poblacion))
pais <- aggregate(cbind(defunciones, poblacion) ~ grupo_edad, d, sum)
pais <- pais[match(unique(d$grupo_edad), pais$grupo_edad), ]
tablas$Argentina <- tabla_de_vida(pais$defunciones, pais$poblacion)
round(t(sapply(tablas, resumen))[c("Ciudad de Buenos Aires", "Argentina", "Chaco"), ], 1)

# Arriaga: qué edades explican la brecha entre dos tablas
arriaga <- function(a, b) {               # a: la de menor e0
  k <- nrow(a); l0 <- 100000
  directo <- a$l / l0 * (b$L / b$l - a$L / a$l)
  indirecto <- c(b$Tx[-1] / l0 * (a$l[-k] / b$l[-k] - a$l[-1] / b$l[-1]), 0)
  directo[k] <- a$l[k] / l0 * (b$Tx[k] / b$l[k] - a$Tx[k] / a$l[k])
  setNames(directo + indirecto, unique(d$grupo_edad))
}
brecha <- arriaga(tablas$Chaco, tablas$`Ciudad de Buenos Aires`)
round(sum(brecha), 2)                     # 7.22 años
round(sum(brecha[x < 65]) / sum(brecha), 2)   # 0.60: el 60 % antes de los 65
# Python — la misma tabla
import io
import urllib.request
import zipfile
import numpy as np
import pandas as pd

pedido = urllib.request.Request("https://estadistica.ar/descargas/estandarizacion.zip",
                                headers={"User-Agent": "Mozilla/5.0"})
z = zipfile.ZipFile(io.BytesIO(urllib.request.urlopen(pedido).read()))
d = pd.read_csv(z.open("estandarizacion/datos/mortalidad-2022.csv"))
x = np.array([0] + list(range(10, 85, 5)))
n = np.append(np.diff(x), np.inf)

def tabla_de_vida(defunciones, poblacion):
    m = np.asarray(defunciones) / np.asarray(poblacion)
    q = np.ones_like(m)
    q[:-1] = n[:-1] * m[:-1] / (1 + n[:-1] / 2 * m[:-1])
    l = 100000 * np.concatenate([[1], np.cumprod(1 - q)[:-1]])
    dx = l * q
    L = np.append(n[:-1] * (l[:-1] - dx[:-1] / 2), l[-1] / m[-1])
    T = L[::-1].cumsum()[::-1]
    return pd.DataFrame({"x": x, "q": q, "l": l, "d": dx, "L": L, "T": T, "e": T / l})

orden = d["grupo_edad"].unique()
for nombre, g in [("Chaco", d[d.jurisdiccion == "Chaco"]),
                  ("Argentina", d.groupby("grupo_edad").sum(numeric_only=True).loc[orden])]:
    t = tabla_de_vida(g["defunciones"], g["poblacion"])
    print(nombre, t.e[0].round(1), t.e[x == 65].iloc[0].round(1), (t.l[x == 65].iloc[0] / 1000).round(1))

Seguir leyendo

Cómo citar: Montivero, J. L. (2026). Esperanza de vida y tabla de vida. estadistica.ar. https://estadistica.ar/conceptos/esperanza-de-vida

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). Esperanza de vida y tabla de vida. estadistica.ar. https://estadistica.ar/conceptos/esperanza-de-vida

BibTeX

@misc{estadistica_ar_esperanza_de_vida,
  author       = {Montivero, Jorge Luis},
  title        = {{Esperanza de vida y tabla de vida}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/esperanza-de-vida}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-11-17}
}

Última actualización: 17 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.