Respuesta rápida: La correlación mide qué tan relacionadas están dos variables numéricas y en qué dirección. Se expresa con un coeficiente que va de menos 1 a más 1: cerca de más 1 significa que cuando una sube la otra también, cerca de menos 1 que cuando una sube la otra baja, y cerca de 0 que no hay relación lineal. El coeficiente más usado es el de Pearson, que mide relaciones lineales. La covarianza mide lo mismo pero en las unidades originales, lo que impide comparar entre variables distintas; la correlación es la covarianza estandarizada. Y lo más importante: una correlación alta no significa que una variable cause la otra.

Qué mide y cómo se lee

La correlación responde una pregunta simple: cuando una variable sube, ¿qué hace la otra?

El coeficiente va de menos 1 a más 1:

Valor	Qué significa	Ejemplo
Cerca de +1	Suben juntas	Horas de estudio y nota del examen
Cerca de 0	No hay relación lineal	Talla de zapato e ingresos
Cerca de -1	Una sube, la otra baja	Precio y cantidad vendida

Sobre la fuerza, una guía práctica: por debajo de 0.3 la relación es débil, entre 0.3 y 0.7 es moderada y por encima de 0.7 es fuerte. El signo indica dirección y el valor absoluto indica fuerza, así que una correlación de menos 0.8 es más fuerte que una de más 0.5.

Covarianza y correlación: la diferencia práctica

La covarianza mide lo mismo, pero en las unidades originales de las variables. Y ahí está el problema: su valor depende de la escala.

Si mides ingresos en soles y ventas en unidades, la covarianza te da un número en "soles por unidad" que no puedes comparar con nada. Cambia los soles a dólares y la covarianza cambia, aunque la relación entre las variables sea exactamente la misma.

La correlación es la covarianza estandarizada: se divide entre las desviaciones estándar de ambas variables y el resultado queda siempre entre menos 1 y más 1, sin unidades. Por eso sí se puede comparar: puedes decir que la relación entre publicidad y ventas es más fuerte que la relación entre precio y ventas, aunque estén en escalas distintas.

En la práctica casi siempre vas a usar correlación. La covarianza aparece por debajo, en el cálculo de otras cosas como el análisis de componentes principales.

Pearson y Spearman

El coeficiente de Pearson es el que se usa por defecto y mide relaciones lineales: qué tan bien se ajustan los puntos a una recta. Tiene dos límites que conviene conocer.

El primero: es ciego a las relaciones curvas. Si dos variables tienen una relación en forma de U perfecta, Pearson puede dar cerca de cero y concluirías que no hay relación cuando hay una fortísima.

El segundo: es muy sensible a valores extremos. Un solo dato atípico puede subir o bajar el coeficiente de forma dramática.

El coeficiente de Spearman resuelve ambos parcialmente porque trabaja con los rangos (las posiciones) en vez de con los valores. Detecta relaciones que suben o bajan aunque no sean rectas, y es mucho más robusto ante datos extremos. Conviene usarlo cuando los datos no son normales o cuando sospechas de la forma de la relación.

La recomendación práctica: grafica siempre un diagrama de dispersión antes de reportar un coeficiente. Diez segundos de mirar el gráfico te ahorran una conclusión falsa.

Correlación no es causalidad

Es la frase más repetida de la estadística y la que más se ignora en la práctica. Que dos cosas se muevan juntas puede deberse a tres motivos distintos, y solo uno es el que la gente asume:

A causa B. El caso que todos suponen.
B causa A. La dirección al revés. Si encuentras que las empresas con más capacitación son más rentables, quizá capacitar hace rentable, o quizá ser rentable permite pagar capacitación.
Una tercera variable causa ambas. La venta de helados y los ahogamientos correlacionan fuerte. Ninguno causa al otro: es el calor.

Ese tercer caso, la variable escondida, es el que produce las decisiones más caras. Si ves que los clientes que usan cierta función de tu producto se quedan más tiempo, quizá la función retiene, o quizá los clientes más comprometidos son los que exploran funciones nuevas. Actuar sobre la primera lectura significa invertir en algo que no mueve la aguja.

Para establecer causalidad hace falta otra cosa: un experimento controlado, donde asignas al azar quién recibe el tratamiento. Es la razón por la que existen los test A/B y por la que valen tanto.

Dónde se usa en el trabajo real

Antes de modelar: ver qué variables se relacionan con lo que quieres predecir, para saber cuáles vale la pena incluir.
Para detectar redundancia: si dos variables correlacionan por encima de 0.9, están diciendo casi lo mismo y conviene dejar solo una. Eso es multicolinealidad y ensucia los modelos.
Para explorar: una matriz de correlación entre todas las variables numéricas es de las primeras cosas que se miran en un análisis.
En finanzas: para armar carteras con activos que no se muevan todos igual.

Ese segundo punto conecta directo con la regresión: meter dos variables muy correlacionadas en el mismo modelo hace que los coeficientes se vuelvan inestables y difíciles de interpretar.

Preguntas frecuentes

¿Qué es la correlación?

Es una medida de qué tan relacionadas están dos variables numéricas y en qué dirección. Se expresa con un coeficiente entre menos 1 y más 1: cerca de más 1 suben juntas, cerca de menos 1 una sube y la otra baja, y cerca de 0 no hay relación lineal.

¿Cómo se interpreta el coeficiente de correlación?

El signo indica la dirección y el valor absoluto la fuerza. Como guía práctica, por debajo de 0.3 la relación es débil, entre 0.3 y 0.7 moderada y por encima de 0.7 fuerte. Una correlación de menos 0.8 es más fuerte que una de más 0.5.

¿Cuál es la diferencia entre covarianza y correlación?

La covarianza mide la relación en las unidades originales, así que su valor depende de la escala y no se puede comparar entre variables distintas. La correlación es la covarianza estandarizada: queda entre menos 1 y más 1, sin unidades, y por eso sí es comparable.

¿Qué es la correlación de Pearson?

Es el coeficiente de correlación más usado y mide relaciones lineales, es decir qué tan bien se ajustan los puntos a una recta. Es ciego a las relaciones curvas y muy sensible a valores extremos, por eso conviene graficar un diagrama de dispersión antes de reportarlo.

¿Por qué la correlación no implica causalidad?

Porque dos variables pueden moverse juntas por tres motivos: que una cause la otra, que la causalidad vaya en dirección contraria, o que una tercera variable escondida cause ambas. Para establecer causalidad hace falta un experimento controlado con asignación al azar.

¿Cuándo uso Spearman en vez de Pearson?

Cuando los datos no siguen una distribución normal, cuando hay valores extremos que pueden distorsionar el coeficiente, o cuando la relación sube o baja de forma consistente pero no en línea recta. Spearman trabaja con rangos y es más robusto en esos casos.

Machine learning no se aprende memorizando fórmulas

La IA ya escribe el código del modelo. Lo que decide es saber qué técnica corresponde, si el resultado tiene sentido y cómo se lee. Eso es lo que enseño en el curso de SQL + Python, que incluye siete módulos de machine learning con proyectos y datasets reales. En vivo.

Ver el curso de datos Haz el test: por dónde empezar

Formate con Gera