En el Análisis de Datos Funcionales (FDA), las estadísticas resumen existentes hasta ahora son elementos en el espacio de Hilbert de funciones cuadrado-integrables. Estos elementos no constituyen un conjunto ordenado; por lo tanto, no son suficientes para resolver problemas relacionados con la comparabilidad, como obtener una medida de correlación o comparar la variabilidad entre dos conjuntos de curvas, determinar la eficiencia y consistencia de un estimador funcional, entre otras cosas. En consecuencia, presentamos un enfoque de redefinición coherente de algunas estadísticas resumen comunes como la varianza muestral, la covarianza muestral y la correlación en el Análisis de Datos Funcionales (FDA). En cuanto a la varianza, la covarianza y la correlación entre datos funcionales, nuestras estadísticas resumen conducen a números en lugar de funciones, lo cual es útil para resolver los problemas mencionados anteriormente. Además, discutimos brevemente la coherencia de algunas formas funcionales de estadísticas ya presentes en el FDA. Enumeramos formalmente y demostramos algunas propiedades de nuestras estadísticas resumen funcionales. Luego, se presenta brevemente un estudio de simulación, con evidencia de la consistencia de la varianza propuesta. Finalmente, presentamos la implementación de nuestras estadísticas a través de dos ejemplos de aplicación.