Articulo de referencia

Desviación logarítmica media

En estadística y econometría , la desviación logarítmica media (DLM) es una medida de la desigualdad de ingresos . La DLM es cero cuando todos tienen el mismo ingreso y adquiere...

En estadística y econometría , la desviación logarítmica media (DLM) es una medida de la desigualdad de ingresos . La DLM es cero cuando todos tienen el mismo ingreso y adquiere valores positivos mayores a medida que los ingresos se vuelven más desiguales, especialmente en el extremo superior.

Definición

El MLD del ingreso familiar se ha definido como [ 1 ]

METROLD=1nortei=1nortelnincógnita¯incógnitai{\displaystyle \mathrm {MLD} ={\frac {1}{N}}\sum _{i=1}^{N}\ln {\frac {\overline {x}}{x_{i}}}}

donde N es el número de hogares,incógnitai{\displaystyle x_{i}}es el ingreso del hogar i , yincógnita¯{\displaystyle {\overline {x}}}es la media deincógnitai{\displaystyle x_{i}}Naturalmente, la misma fórmula puede utilizarse para variables positivas distintas de los ingresos y para unidades de observación distintas de los hogares.

Las definiciones equivalentes son

METROLD=1nortei=1norte(lnincógnita¯lnincógnitai)=lnincógnita¯lnincógnita¯{\displaystyle \mathrm {MLD} ={\frac {1}{N}}\sum _{i=1}^{N}(\ln {\overline {x}}-\ln x_{i})=\ln {\overline {x}}-{\overline {\ln x}}}

dóndelnincógnita¯{\displaystyle {\overline {\ln x}}}es la media de  ln( x ). La última definición muestra que MLD es no negativo, ya quelnincógnita¯lnincógnita¯{\displaystyle \ln {\overline {x}}\geq {\overline {\ln x}}}por la desigualdad de Jensen .

MLD se ha denominado "la desviación estándar de ln( x )", [ 1 ] (SDL), pero esto no es correcto. La SDL es

SDL=1nortei=1norte(lnincógnitailnincógnita¯)2{\displaystyle \mathrm {SDL} ={\sqrt {{\frac {1}{N}}\sum _{i=1}^{N}(\ln x_{i}-{\overline {\ln x}})^{2}}}}

y esto no es igual a la MLD.

En particular, si una variable aleatoriaincógnita{\displaystyle X}sigue una distribución lognormal con media y desviación estándar deregistro(incógnita){\displaystyle \log(X)}serμ{\displaystyle \mu }yσ{\displaystyle \sigma }, respectivamente, entonces

miincógnita=exp{μ+σ2/2}.{\displaystyle EX=\exp\{\mu +\sigma ^{2}/2\}.}

Por lo tanto, asintóticamente, MLD converge a:

ln{exp[μ+σ2/2]}μ=σ2/2{\displaystyle \ln\{\exp[\mu +\sigma ^{2}/2]\}-\mu =\sigma ^{2}/2}

Para la distribución log-normal estándar, SDL converge a 1, mientras que MLD converge a 1/2.

El MLD es un caso especial del índice de entropía generalizado . Específicamente, el MLD es el índice de entropía generalizado con α=0.

Referencias

  1. 1 2 Jonathan Haughton y Shahidur R. Khandker. 2009. Manual sobre pobreza y desigualdad . Washington, DC: Banco Mundial.