INFORMALIDAD Y SUS EFECTOS EN EL PERÚ

¿Cuál será el porcentaje de trabajadores informales y pobladores económicamente

activa (PEA) en el Perú hasta el año 2025 en personas mayores de 40 años, y si hay una

variación después de la llegada de la pandemia?

INTRODUCCIÓN 3
MARCO TEÓRICO 5
1. LA INFORMALIDAD Y PEA 5
2. ANALISIS BIDIMENSIONAL 5
1.1 Dependencia funcional. 5
1.2 Diagrama de dispersión. (nube de puntos) 6
3. CORREALACIÓN DE PEARSON 7
3.1 Fórmula para hallar la correlación de Pearson 7
BIBLIOGRAFIA 8
INTRODUCCIÓN

Esta investigación surgió acerca del problema de los trabajadores informales en el Perú, todo

comenzó cuando nos encontrábamos en la clase de Gestión empresarial donde teníamos un

diálogo acerca de cómo la pandemia afectó económicamente a muchas de las familias, todos

ellos tuvieron que encontrar una nueva forma de generar ingresos, una de las opciones es

siendo trabajador informal, algunos de ellos optaron por el trabajo informal porque es una

buena forma de generar ingresos debido a que están evadiendo los impuestos. Esta es el

motivo principal de mi investigar cuánto será el porcentaje de trabajadores informales hasta el

año 2025, este problema nos solo está asociado en Perú o América, es un problema a nivel

mundial y esto afecta de alguna manera afectará a los pobladores económicamente activa

(PEA), y al país económicamente, debido a que gran parte de la economía del país se debe a

la recaudación de tributos, en gran mayoría son impuestos.

Como estudiante me gustaría ayudar a mi país y por ello calculará cuál será el número de

trabajadores informales, para realizar esta exploración matemática trabajaré con dos variables

(tiempo y edad) los cuales me permitan llegar a un resultado exacto. Como informa Infobae

desde el 2019 hasta el 2020, aumentó considerablemente con 1 millón de trabajadores

informales. De la misma manera, esto se reflejó después de la pandemia cuando el 72% de

los trabajadores en el Perú son informales, esto debido a la baja demanda de la mano laboral

en el mercado, dado que la pandemia no solo afectó la economía, esto tuvo un gran impacto

en las microempresas que recién comenzaban a introducirse en el mercado. Sin embargo, los

efectos causados por el covid- 19, impacta de manera negativa a la población económica
activa quien tiene que remediar los efectos de la informalidad. Para esta exploraciómn

matemática utilizaré el Análisis Bidimensional esta herramienta es utilizada para estudiar

fenómenos en los que intervienen dos variables conjuntamente, buscando la relación que

existe entre ambas. Así, por ejemplo, se puede estudiar la influencia que tienen los ingresos

de una determinada familia en los gastos que tiene, o cómo influye la velocidad de un cierto

automóvil en su consumo de combustible, o qué relación existe entre los pesos y las estaturas

de un grupo de personas.

Para la primera parte nos centraremos en la búsqueda de información de la informalidad

desde el 2015 hasta el 2021 en. Con los datos obtenidos mediante una gráfica colocarlos en

un plano cartesiano teniendo en cuenta las dos variables, para ver su grado de relación.

Para la segunda parte interpretaremos el grado de crecimiento de los últimos 5 años, y de esa

manera poder estimar la cantidad de trabajadores informales hasta el año 2030.

Nota: Adaptado de Manual de publicaciones de Comex Perú, por Sociedad de Comercio Exterior del Perú, 2021,

manual Moderno.Derechos de Autor 2021 Comercio Exterior del Perú.

MARCO TEÓRICO

1. LA INFORMALIDAD

La informalidad se puede definir cómo el conjunto de personas, empresas y/o organizaciones

las cuales son invisibles o no transitan en el marco de legalidad.

ANÁLISIS BIDIMENSIONAL

El análisis bidimensional es una estadística que estudia los fenómenos de dos variables que

tienen relación entre ellas, las cuales intervienen en un suceso. Como menciona el Diccionario

de Matemática “Una distribución bidimensional es aquella en las que a cada individuo le

corresponden los valore de dos variables, las representamos por el par (x, y).” por ejemplo:

Los datos obtenidos serán ubicados en el eje X y eje Y, pero debemos de tener en cuenta

que, al trabajar con dos variables, no podemos afirmar que se trate de una variable

bidimensional ya que la relación entre estas dos puede no ser estadística así que entre estas

dos puede existir.

1.1 Dependencia funcional.

Cuando podemos dar con el resultado con exactitud los valores de una variable a partir de la

otra, se dice que ambas variables están en relación funcional. Dada la variable (X y Y) existirá

una función f(x) tal que y = f (x). Para cada valor de x se puede conocer el valor. Por ejemplo:

- La altura desde la que cae un cuerpo y el tiempo que tarda en llegar al suelo está

sujeto a la ley de la gravedad. Siempre tarda lo mismo en recorrer el mismo espacio.

- El precio de una tela es función del coste del metro de tela y del número de metros.

1.2 Diagrama de dispersión. (nube de puntos)

Una manera sencilla y eficaz de estudiar la posible correlación entre variables es recurrir a los

diagramas de dispersión, que son representaciones gráficas en un sistema de ejes

cartesianos donde cada par (x, y) se representa por un punto. La representación gráfica

resultante se denomina diagrama de dispersión o nube de puntos. Donde la variable ×

representa la variable independiente y se encuentra horizontalmente, mientras que el variable

y es dependiente y se encuentra horizontalmente.

 2. CORREALACIÓN DE PEARSON

La correlación de Pearson nos indica el grado de relación que hay entre las dos variables,

este teorema matemática nos permite comprender a profundidad cuál es el grado de relación

entre el variable dependiente y/o dependiente.

2.1 Fórmula para hallar la correlación de Pearson

2.2

σ xy
r=
σx σ y

Se definen de la siguiente manera:

( Σx).( Σy)
σ xy =∑ xy−
n
2
σ x =∑ x −√ ¿ ¿ ¿
2
σ y =∑ y − √¿ ¿ ¿
Donde “x” es igual a la variable número uno, “y” pertenece a la variable número dos, “ σ x ” es la

desviación estándar de la variable uno, “ σ y ” es la desviación estándar de la variable dos y “N”

es el número de datos.

De la misma forma, una manera más rápida de interpretar la correlación de Pearson es:

Valor der Correlación

0 < |r| ≤ 0,25 Muy débil.

 0,25 < |r| ≤ 0,5 Débil.

0,5 < |r| ≤ 0,75 Moderada.

0,75 < |r| ≤ 1 Fuerte.

Si dos variables están correlacionadas, podemos predecir los valores de una basándonos en

los valores de la otra. Por ejemplo, sabemos que existe una correlación positiva fuerte entre

las calificaciones del Programa del Diploma del IB y los logros universitarios. Por lo tanto, un

encargado de admisiones que procura seleccionar estudiantes con una alta probabilidad de

buen rendimiento en la universidad, elegir estudiantes con altas calificaciones en el IB. Si bien

la fórmula parece complicada a primera vista, hacer la tabla y evaluar el valor de r resulta

bastante sencillo

BIBLIOGRAFIA

Buchanan, L., Fensom, J., Kemp, E., Stevens, J. & Rondie, P. L. la. (2016). Matemáticas Nivel

Medio. Oxford University Press.

ComexPerú. (s. f.). PÉRDIDA DE COMPETITIVIDAD REGIONAL: INFORMALIDAD

CRECE A 12.9 MILLONES DE EMPLEOS AL CIERRE DEL AÑO PASADO.

COMEX - Sociedad de Comercio Exterior del Perú.

https://www.comexperu.org.pe/en/articulo/perdida-de-competitividad-regional-

informalidad-crece-a-129-millones-de-empleos-al-cierre-del-ano-pasado

Estadística bidimensional. (s. f.). Diccionario de Matemáticas

https://www.superprof.es/diccionario/matematicas/estadistica/estadistica-

bidimensional.html