INTEGRANTES:

* BARZOLA SALVADOR, GERARDO MANUEL
* SALINAS MARCOS, MIGUEL ANGEL
* NUÑEZ VEINTIMILLA, JOSÉ LUIS

RESUMEN:

La investigación analiza la heterogeneidad del mercado laboral de Lima Metropolitana mediante técnicas de aprendizaje no supervisado aplicadas a los microdatos de la Encuesta Permanente de Empleo Nacional (EPEN) 2026, correspondientes al trimestre enero-febrero-marzo, con 17 350 registros y 131 variables. Se implementó un pipeline reproducible de preprocesamiento que incluyó filtrado de outliers, imputación iterativa mediante MICE con Random Forest y estandarización, seguido de la aplicación y comparación de K-Means y K-Prototypes. Para K-Means, los criterios Silhouette y GAP coincidieron en k=2, con una silueta de 0.128, mientras que el método del codo sugirió k=17; el análisis de importancia de variables mostró que la partición está principalmente determinada por variables relacionadas con aseguramiento en salud y pensiones, indicando que los grupos capturan principalmente diferencias asociadas con la formalidad e informalidad laboral, más que con la condición de actividad Ocupado/Desocupado/Inactivo. K-Prototypes, aplicado a variables numéricas y categóricas, identificó k=3 mediante el método del codo, con grupos de 58.3 %, 33.8 % y 7.9 %. Los resultados evidencian que la población analizada no presenta grupos naturalmente muy diferenciados en el espacio sociodemográfico, sino un continuo con gradientes asociados principalmente a la formalidad laboral y la protección social, y se reconocen como limitación el filtrado de la muestra a la PEA ocupada y la necesidad de futuras investigaciones que permitan contrastar los segmentos con la condición de actividad completa.

KEYWORDS:
Clustering; condición laboral; mercado laboral; variables sociodemográficas; aprendizaje no supervisado; K-Means; K-Prototypes; DBSCAN, EPEN; Perú.

DATASET:


CUADERNO IPYNB: