Los estadisticos correlacionales, son diferentes a las relaciones comparativas que hacemos con estadísticos como la T student por ejemplo, en los estadísticos correlacionales esta configurada es decir, ambas variables se relacionan en un punto, en un plano identity mencionado en él estadístico de causalidad vemos la influencia de una variable sobre la otra en los estadísticos comparativos vemos las diferencias y similitudes entre las dos variables en los estadísticos correlacionales en cambio se van a unir estas dos variables los datos de las dos variables para representar un punto dentro de un plano cartesiano bidimensional continuamos entonces y vamos a ver que los estadísticos aplicables a las correlaciones son básicamente 3,  hay más pero los más representativos son la R de pearson para medidas con datos en unidades y que tienen distribución normal.

Spiderman cuando se trata de datos en unidades pero no tienen una distribución normal o sean del tipo ordinario, Kendall cuando ambas son ordinales ambos este ambos grupos tienen medidas ordinales vamos a ver acá cómo se presenta en la matriz para la R de Pearson como dijimos son datos cuantitativos en unidades con distribución normal.

Tenemos acá ambas variables con escala es decir en unidades o cuantitativos, estos van a ser objeto de una representación, fusiona tanto los pares ordenados para representar en un plano bidimensional en estos casos ambos datos van a constituir un punto en el plano bidimensional como dijimos que una de las características para la R de Pierson ,  que tengan una distribución normal ambas variables y una sola tuviera distribución normal y la otra no le sería aplicable Spirman, en este caso no requiere de homocedasticidad porque simplemente es la normalidad lo que debe de haber, no solamente es para datos cuantitativos en unidades también les son aplicables a datos originales.

Por ejemplo  puede haber una categoriza ordinal por el cargo alcanzado por el título o la profesionalización que puede ser doctor, magíster, licenciado, bachiller o simplemente egresado, con otra categorización de repente que tenemos: gigante, medio, pequeño, alto, bajo, algo que tenga unas mediciones originales pero también se puede hacer comparaciones o correlaciones entre variables ordinales con variables  en unidades o cuantitativas.

Por ejemplo el peso, cada par ordenado va a formar un punto de correlación en el plano bidimensional acá vamos a tener una variable,  la segunda variable,  y se van a fusionar en puntos que nos van a indicar el grado nivel y fuerza de la correlación.

En este cuadro tenemos dos tipos de variables la variable 1 y la variable 2, si la variable 1 es en unidades y la variable 2 también en unidades y tienen distribución normal ambos es aplicable la R de Pierson, si ambas variables son en unidades y no hay una distribución normal,  tenemos una en unidades la otra variables en ordinal pero obviamente en este caso no tienen distribución normal o no importa que tenga ( que la primera tenga distribución normal )  va a ser aplicable la Spirman y cuando se trata de ambas variables ordinales puede ser aplicable Kendall, vamos a ver en esta parte que como dijimos no solo es aplicable a datos cuantitativos sino también a datos ordinales como en este caso estamos ordenando de acuerdo al grado que han alcanzado 

Alcanzado esto en doctor, magister,  licenciados, bachilleres lo vamos a correlacionar con el nivel económico alcanzado que tiene acá 10 categorías ordinales, vamos a ver acá la diferencia entre tau B  tau C, vemos que la tau b de Kendall es cuando  se tiene dos categorías una y dos pero si fueran disímiles de decir una variable tuviera dos categorías y la otra variable por ejemplo tuviera más es aplicable Kendall en una vez que llegamos al cálculo de Kendall la significancia como sabemos si es menor a 0.05 aceptamos la hipótesis del investigador porque la hipótesis es nula es que no hay el correlación con que son independientes 

También tenemos correlación ordinales y es aplicable una línea de tendencia cuadrática del tipo cuadrático en forma lineal como corresponde a la R de Pierson, debemos tener en cuenta que siempre las tendencias son estocásticas es decir no son completamente lineales y no son líneas promedios eso implica que no toca a todos los puntos sino que es aproximadamente a ellos estos no son líneas de tendencia estocásticas que es aplicable en estos casos 

En este caso, ambas variables son cuantitativas y la fuerza que tienen, ambos también nos indica, y esto lo podemos ver en esta tabla bueno tenemos en forma más detallada con positivos y negativos porque en los artículos científicos podemos dar lectura a todo un estadístico por ejemplo si es que tenemos este este valor, una investigación concluye que la correlación es igual AR 800 junto 850 por ejemplo la lectura que podemos tener es de 3 datos muy importantes el primero de ellos es que al aplicarse la R de Pierson quiere decir que los grupos son en unidades y tienen distribución normal este es el primer dato que podemos leer.

La segunda lectura que podemos tener es que al tener un signo positivo es decir que ambas variables tienen una correlación directa, van a evolucionando en el mismo sentido y la tercera lectura que tenemos de este estadístico es que tienen una fuerza de correlación bastante fuerte al estar al ser cercano a la unidad que implica una correlación perfecta positiva al ser muy cercano nos indica una fuerza de correlación bastante fuerte estos son los 3 datos que podemos tomar lectura de un estadístico de esta manera o en otro ejemplo por ejemplo si tenemos 1 t con un valor de menos a 0.230 la lectura que podemos tener es que en primer lugar la tierra presenta la letra griega tau que corresponde al estadístico de taubert de Kendall no esto nos indica que se trata de 2 variables ordinales no ordinales el signo negativo nos dice que son inversamente proporcionales es decir mientras una variable aumenta la otra disminuye y el tercer dato que podemos tener acá es que al ser bastante menor a 1 y aproximarse a cero es bastante débil la correlación existente entre ambas variables, de igual manera hacer lectura por ejemplo del estadístico Spierman un valor de rojo con 673 de repente. 673 nos va a indicar que se ha aplicado el estadístico rodman que ambas variables no tienen distribución normal el signo positivo que son aumenta ambas o disminuyen no son tiene una correlación positiva y un valor medio de fuerza de correlación porque no es ni cercana a 1 ni cercana a cero una correlación media se puede decir después por último tenemos acá el cuadro de hipótesis donde un valor este menor a cero puntos 05 nos indicará que hay correlación probaremos la hipótesis alterna en cambio si el error es mayor es superior a 0.05 diremos que ambas variables son independientes y no hay correlación