Marymount 11A

María Lucía Zárate 15 de enero de 2021

Matemáticas Número de páginas: 12

Efectos de la desigualdad en Colombia con la tasa de mortalidad infantil

Introducción
Colombia es, por cuenta de fenómenos como las décadas de conflicto armado en el
país, en general la capacidad económica con la que cuenta, y la distribución de
recursos presente desde el Estado, un país con una desigualdad económica que es
visible desde el más urbano de los entornos hasta las partes rurales del país. Yo nací
en Colombia, por lo cual el tema de la desigualdad en este país siempre ha sido de mi
interés, teniendo en cuenta también que el entorno en el que me sitúo es uno de
privilegio en el que puedo presenciar las situaciones de desigualdad que viven los
grupos más marginados, pero no vivirlas.

Por esto, quise con esta exploración analizar la desigualdad en el país en relación con
una variable como el índice de mortalidad infantil, porque quería tomar la oportunidad
para explorar la relación matemática entre un fenómeno como las altas tasas de
mortalidad infantil y la desigualdad en mi país, para el cual pienso trabajar en un futuro
con un enfoque social en el que la prioridad sea rebajar la desigualdad en Colombia.
Sin embargo, con este análisis lo que pretendo es saber un poco más de los efectos de
la desigualdad en problemas sociales que son visibles.

Para esto, decidí utilizar varias herramientas con el fin de establecer la relación entre la
desigualdad salarial y la tasa de mortalidad infantil. Entre estas, se encuentran fuentes
de internet como el banco mundial, sitios de economía para encontrar información
acerca del coeficiente de Gini y la medición de la tasa de mortalidad infantil, así como
también explicaciones acerca de procedimientos matemáticos de los que no tenía
conocimientos previos, como el método de Gauss Jordan y el de mínimos cuadrados.
Por otro lado, se utilizaron principalmente herramientas de cálculo como Excel, para
realizar procedimientos con matrices y en general con los datos.
En el análisis lo que se hizo fue, en primer lugar, definir ambas variables por separado
en un análisis univariado, en el cual se presentan los datos con respecto al año y se
hace una explicación a fondo de cada variable. Posteriormente, se hizo el análisis
bivariado, en el cual se relacionan ambas variables en un diagrama de dispersión y en
una tabla con los datos. Teniendo en cuenta esto, se muestra todo el proceso mediante
el cual finalmente se llega a la ecuación de la función de mejor ajuste.

A continuación, se presentarán los datos del coeficiente de Gini en Colombia desde

1990 al 2019;

A continuación, se presentarán los datos de la tasa de mortalidad infantil en Colombia

desde 1990 hasta el 2019 según Gapminder.org:
A continuación, se encuentra la tabla de los datos correspondientes a ambas variables
y el año en el que se mide cada dato.

Análisis univariado
Se tendrá en cuenta como variable a explicar el coeficiente de Gini en Colombia,
variable de tipo cuantitativo continuo, y de la misma manera se hará referencia a esta
variable. Se han tomado en cuenta los datos del coeficiente de Gini por año desde
1990 hasta 2019.

El coeficiente de Gini, es un método para medir la desigualdad salarial en una región

determinada, para determinar la concentración de ingresos en diferentes lugares de
una región en un período de tiempo determinado (Rodriguez, 2016). Esta cifra es un
número real entre 0 y 1 cuando está en su forma decimal, mientras que cuando está
expresado como porcentaje, es un número entre 0 y 100. Para este caso se tendrá en
cuenta el coeficiente de Gini como porcentaje. Para la cifra de Gini, 0 corresponde a la
mayor igualdad posible en términos de distribución salarial o de renta en una región
específica dentro de determinado período de tiempo, y 1 o 100 corresponden a la
medición de una distribución de renta completamente desigual en una región (Medina,
2001).

Para proponer un ejemplo, el coeficiente de Gini en Colombia en el año 2017 fue de

50.9%. En este ejemplo se ve que el coeficiente de Gini en Colombia se acerca más al
100%, el equivalente a la mayor desigualdad de distribución salarial, que al 0%, que es
la cifra equivalente a la mayor igualdad posible en el país. Que el coeficiente de Gini
esté en el 50.9% significa que el 49.1% de la población cuenta con la mayoría de la
renta nacional, mientras que el 50.9% de la población vive en relativa pobreza.

Para lograr una visualización más simplificada de los datos, a continuación, se presenta
la representación gráfica de los datos en cuestión:

Como es posible observar en la

gráfica, el coeficiente de Gini en
Colombia creció de 1990 a 1999,
cuando llegó a su punto más alto,
y comenzó a bajar hasta el 2005,
año desde el que hubo un
crecimiento leve y posteriormente
comenzó a crear una tendencia a
bajar hasta el 2019.

Sin embargo, Colombia sigue siendo uno de los países más desiguales del mundo. La
mayoría de los países tienen un coeficiente de Gini menor al 50%, mientras que, en el
2018, solamente Sudáfrica (57,7%), Namibia (55%), Sri Lanka (51,4%), China (51%) y
Colombia (50.8%) llegaron a tener un coeficiente de Gini mayor al 50%, situando a
Colombia como el quinto país más desigual del mundo (knoema, 2018).

La segunda variable que se tendrá en cuenta para el análisis como variable explicativa
es la tasa de mortalidad infantil en Colombia. Se hará referencia a esta variable
cuantitativa discreta como Tasa de Mortalidad Infantil (TMI) en Colombia.

La tasa de mortalidad infantil (TMI) se entiende como el número de muertes de infantes

menores de 5 años por cada 1000 nacidos vivos en un determinado año y en un
territorio o región determinada, por lo que es una (OMS, 2000). Es un valor entre el 1 y
el 1000, donde 1 significa que solamente 1/1000 niños de menos de 5 años en
promedio falleció en todo el año en un lugar determinado, y en donde 1000 significa
que 1000/1000 infantes de menos de 5 años en promedio falleció.

Por otra parte, el proceso de cálculo de la tasa de mortalidad infantil es un método

universal, y consiste en una ecuación que tiene en cuenta la relación entre el número
total de fallecidos menores a 5 años y el número total de nacidos vivos de 0 a 5 años
en ese mismo año, multiplicado por mil, aunque esta ecuación también es posible
tenerla en cuenta para infantes menores de 1, 2, 3 o 4 años. En Colombia se calcula de
la siguiente manera:

Nª de fallecidos menores de 5 años

TMI = ∗1000
Nª total de nacimientos

(CDC, 2020).

Con el fin de lograr una visualización más clara y simplificada de los datos, a
continuación se presenta una representación gráfica de los datos en cuestión:

Como bien se puede observar

en la gráfica, la tasa de
mortalidad infantil en Colombia
ha tenido una tendencia
descendente desde 1990, lo
cual indica que en Colombia la
mortalidad de niños por debajo
de 5 años ha venido bajando
con el tiempo. En relación con
el resto del mundo, la tasa de mortalidad infantil está por debajo del promedio mundial
(28.2 en 2019), mientras que en Colombia en el 2019 la tasa de mortalidad infantil fue
de 13.8 (Banco Mundial, 2019).
Análisis bivariado
En esta sección de la exploración se encontrará el análisis bivariado de las variables de
coeficiente de Gini en Colombia y Tasa de mortalidad infantil (TMI) en Colombia, y se
estará analizando a fondo la correlación entre ambas variables, hasta llegar a la
ecuación de la función más adecuada para su relación.

Con base en la tabla, a continuación se encuentra el diagrama de dispersión que

relaciona a ambas variables con la variable a explicar en el eje y y la variable
explicativa en el eje x.

En el diagrama se logra evidenciar en

el eje y el coeficiente de Gini en
Colombia (variable a explicar)
relacionado con la tasa de mortalidad
infantil de individuos de 0 a 5 años por
cada mil. Por ejemplo, cuando el
coeficiente de Gini fue 57.7%, la tasa
de mortalidad infantil fue de 25 niños
de 0 a 5 años por cada 1000 en el
mismo año.

Con base en el diagrama de dispersión, se logró llegar a un rango de funciones para la

línea de ajuste de la relación entre las dos variables. Cada función (lineal, exponencial,
logarítmica o polinómicas) tiene un coeficiente de determinación, que se refiere a la
proporción de la varianza (medida que determina cuánto varían los datos con respecto
a la media) total de las variables a estudiar (López, 2017). El coeficiente de
determinación es un número de 0 a 1. Entre más se acerque a 1, mayor es el ajuste de
la función a la variable a explicar, y entre más se acerque a 0, menos fiable será el
ajuste de la función con respecto a la variable. A continuación se encuentra la tabla que
ilustra las posibles funciones que se podrían usar para la línea de ajuste en el diagrama
de dispersión con su respectivo coeficiente de determinación:
Como se ve en la tabla, las funciones que mejor se ajustan a los datos según su r
cuadrado con las funciones polinómicas. Sin embargo, la función de mejor ajuste que
se utilizará para el análisis es la de la función polinómica de grado 3, ya que el r
cuadrado de esta es de
0.893, y está lo
suficientemente cerca al 1,
además de ser la función
más simplificada que se
ajusta mejor a los datos, lo
cual es importante en el
análisis estadístico y
contribuye a los objetivos
finales.

Por lo tanto, a continuación se presentará el proceso que se siguió para llegar a la

ecuación generada por la función de mejor ajuste (polinomial grado 3).

En este punto de mi investigación, elegí el método de mínimos cuadrados para llegar

a la ecuación de la función de mejor ajuste. Este es el proceso numérico por medio del
cual es posible hallar la curva o recta que mejor se ajusta a una muestra de datos
determinada, minimizando las sumas de los cuadrados al analizar los datos. A partir de
este método logré hallar la ecuación de regresión de la función cúbica que caracteriza
los datos, así como también analizar su relación numéricamente. En primer lugar, lo
que hice fue desarrollar un sistema de ecuaciones con base en el método de mínimos
cuadrados, partiendo de una sola ecuación cúbica como la que se muestra a
continuación:

y=ax ❑3 +bx ❑2+ cx +d

Con el sistema de ecuaciones a desarrollar, mi objetivo es encontrar las variables a , b , c
y d , para así tener la ecuación cúbica que caracteriza los datos. A continuación se
presenta el sistema de ecuaciones elaborado:

3 2
Σ y=aΣx ❑ +bΣx ❑ +cΣx +n
4 3 2
Σ xy =aΣx❑ + bΣx❑ + cΣx❑ +dΣx
Σ x ❑2 y=aΣx❑5 +bΣx❑4 + cΣx❑3 +dΣx❑2
3 6 3 2 3❑
Σ x ❑ y=aΣx ❑ +bΣx ❑ + cΣx❑ + dΣx❑

Este sistema de ecuaciones fue elaborado a partir del método anteriormente

presentado. Es importante recordar que x representa la tasa de mortalidad infantil en
Colombia (TMI), y representa el coeficiente de Gini en Colombia, y n representa el
número de datos en la muestra, 30. A continuación se encuentra la tabla con una
muestra de los valores necesarios para realizar el sistema de ecuaciones. En la última
fila se encuentran las sumatorias de los valores de cada columna en diferentes colores
con el fin de que sea fácil de identificar. En la tabla únicamente se evidencian algunos
valores, teniendo en cuenta que los 30 datos dificultan la lectura de la información.

Con base en esto, logré generar las 4 ecuaciones desde el método de mínimos
cuadrados:

1620.2=438085.04∗a+16740.65∗b+683.1∗c+ 30∗¿
 37005.1=12110651.5∗a+ 438085.04∗b+16740.65∗c+ 683.1∗d
907329.13=349785291.6∗a+12110651.5∗b +438085.047∗c +16740.65∗d
23700593.46=10453105051∗a+ 438085.047∗b+16740.65∗c+ 438085.047∗d

Posteriormente, me di cuenta de que un método que me podía ayudar a encontrar las 4

variables era el método de Gauss Jordan, también conocido como método de
matrices inversas. En este método se utilizan operaciones con matrices para resolver
sistemas de ecuaciones de cualquier grado. El objetivo es convertir los coeficientes de
las variables en una matriz identidad, y así encontrar las incógnitas. Lo primero que
hice entonces fue organizar los coeficientes de las variables en una matriz, a partir de
la cual desarrollé el resto del procedimiento. La matriz se encuentra a continuación:

A partir de esto, precisaba crear una diagonal principal en donde los coeficientes se
volvieran 1 y el resto de los coeficientes de la matriz se volvieran 0. Luego de aplicar el
método a las 4 columnas, la siguiente matriz me mostró el resultado en la quinta
columna.

Por lo tanto, se determinó que los valores de a, b, c, y d son los ilustrados por la tabla
presentada a continuación:

a 0.002734368128
b -0.253074605

c 7.310874237

d -11.17035253

A partir de esto, la ecuación de la función de mejor ajuste, polinomial de tercer grado,

es la siguiente:

3 2
y=0.002734368128 x ❑ ±0.253074605 x❑ +7.310874237 x±11.17035253

Para comprobar la validez de la ecuación

hallada, decidí compararla gráficamente en
un programa externo que me permitía
graficar la función correspondiente a la
ecuación que me fue proporcionada por el
programa de excel al graficar los datos en el
diagrama de dispersión, junto con la función
correspondiente a la ecuación hallada por el método de eliminación de Gauss Jordan.
A partir de esto, pude comprobar que la ecuación era lo suficientemente adecuada para
ilustrar la función que más se aproxima al modelo. La de color verde es la ecuación
encontrada con el método de eliminación y la roja es la proporcionada por el programa
de excel.

Por otro lado, para comprobar de otra forma la efectividad de la ecuación hallada con el
método de Gauss Jordan realicé un proceso de interpolación con una pareja de datos
del conjunto. Para esta verificación elegí un dato de la variable x (Tasa de mortalidad
infantil en Colombia) y reemplacé el dato en la nueva ecuación. Decidí utilizar la tasa
de mortalidad infantil del año 2016:
En esta tabla, la segunda columna representa el dato real del coeficiente de GINI de la
base de datos consultada, la tercera la tasa de mortalidad infantil, es decir la variable
que se utilizó en la ecuación, y en la cuarta columna se puede ver el resultado de la
interpolación, que se puede ver que es muy aproximado al dato real del coeficiente de
GINI, lo cual verifica que la ecuación es efectiva.

Conclusión

En conclusión, es posible decir que los métodos matemáticos utilizados fueron

efectivos y acertados, teniendo en cuenta que los resultados finales fueron fieles a los
arrojados por el programa de excel. Sin embargo, hay un margen de error que podría
cambiar el resultado del estudio, que aunque no sería significativo, presenta una
limitación para el análisis de la correlación entre la tasa de mortalidad infantil y el
coeficiente de GINI en Colombia.

Durante este proceso adquirí varios aprendizajes, como los métodos que utilicé para
llegar a la ecuación de mejor ajuste. Por otro lado, varias herramientas se me dieron a
conocer durante el proceso, tanto tecnológicas como teóricas, que se podrían aplicar
en otros aspectos de la vida.

Por último, es posible decir que el análisis abre la puerta a nuevos estudios acerca de
la relación entre las dos variables que se trataron, teniendo en cuenta que aunque se
encontró la función de mejor ajuste para la relación entre las dos variables, se podría
analizar a profundidad el por qué de esta forma de correlación que claramente existe,
sin embargo no es claro cualitativamente qué implica.
Bibliografía

Torres, A. (2016, November 28). Coeficiente de Gini, el detector de la desigualdad

salarial. Recuperado el 28 de agosto de 2020, de BBVA NOTICIAS página web:

https://www.bbva.com/es/coeficiente-gini-detector-la-desigualdad-salarial/

CDC en Español -Toolkit de ESR - Indicadores Complejos -TMI. (2020). Recuperado el

17 de septiembr de 2020, de

https://www.cdc.gov/Spanish/EncuestasSR/AnalisisE/aeindcom_TMI.html#:~:text=La

%20tasa%20de%20mortalidad%20infantil,la%20que%20sucede%20la%20defunci

%C3%B3n

Atlas mundial de datos. (2019). Índice GINI - Ranking, 2019 - knoema.com.

Recuperado el 18 de septiembre de 2020, de Knoema sitio web:

https://knoema.es/atlas/topics/Pobreza/Desigualdad-del-ingreso/%C3%8Dndice-GINI

Tasa de mortalidad, bebés (por cada 1.000 nacidos vivos) | Data. (2011). Recuperado

el 18 de septiembre de 2020, de Bancomundial.org sitio web:

https://datos.bancomundial.org/indicator/SP.DYN.IMRT.IN

Gapminder Data. (2013). Recuperado el 20 de agosto de 2020, de Gapminder.org sitio

web: https://www.gapminder.org/data/
Gini — Data Documentation. (2013). Recuperado el 18 de septiembre de 2020, de

Gapminder.org website: https://www.gapminder.org/data/documentation/gini/

José Francisco López. (2017, October 2). R Cuadrado (Coeficiente de determinación) -

Definición, qué es y concepto | Economipedia. Retrieved November 16, 2020, from

Economipedia website: https://economipedia.com/definiciones/r-cuadrado-coeficiente-

determinacion.html

LAC Equity Lab: Desigualdad - Distribución de Ingresos. (n.d.). Retrieved from World

Bank website: https://www.bancomundial.org/es/topic/poverty/lac-equity-lab1/income-

inequality/income-distribution

CEPAL. (2001). Consideraciones sobre el índice de Gini para medir la concentración

del ingreso. División de Estadística y Proyecciones Económicas. : 92-1-321793-5

Bustamante, M. M., Flores, R. P., & Universidad Politécnica Salesiana. (2017). Cálculo

Diferencial con Geometría Analítica para Ingeniería Automotriz (1st ed.). Universidad

Politécnica Salesiana. 978-9978-10-268-8

‌
‌