Utilice este módulo para calcular una matriz de correlaciones (Pearson, Spearman o Kendall), de covarianza, de similaridad o disimilaridad para una tabla rectangular, cruzando las líneas o las columnas, y probar la hipótesis de ausencia de estructura de correlación en el caso de una matriz de correlación paramétrica (correlación de Pearson) gracias a la prueba de esfericidad de Bartlett.
Las similaridades calculadas sobre los datos cuantitativos son:
| Similaridad | Disimilaridad |
| Correlación de Pearson | Distancia euclídea |
| Correlación de Spearman | Distancia del khi² |
| Correlación de Kendall | Distancia de Manhattan |
| Inercia | Disimilaridad de Pearson |
| Covarianza (n) | Disimilaridad de Spearman |
| Covarianza (n-1) | Disimilaridad de Kendall |
Para los datos binarios (0/1):
Similaridad / Disimilaridad: Índice de Jaccard, Índice de Dice, Índice de Sokal & Sneath (2), Índice de Rogers & Tanimoto, Índice de Sokal & Michener, Índice de Sokal & Sneath (1), Phi de Pearson, Índice de Ochiai, Índice de Kulczinski.