Regresión lineal simple y múltiple: aplicación en la predicción de variables naturales relacionadas con el crecimiento microalgal

Abstract

<p class="p1">En la actualidad, existe una creciente necesidad en diferentes campos de investigación y producción, y en la industria de la agricultura de precisión, de almacenar y procesar datos provenientes de múltiples sensores. Muchas veces estos dispositivos se encuentran ubicados en lugares remotos. El modo usual de recolección de datos implica el uso de un equipo para cada variable de interés, lo cual dificulta y encarece la integración y el procesamiento conjunto. Se considera entonces la posibilidad de incorporar la temática del Internet de las Cosas, con el fin de aprovechar las capacidades computacionales y de procesamiento en la nube para que los investigadores puedan disponer de la información que les permita tomar decisiones oportunas.</p><p class="p1">La presente investigación se centra en los modelos de regresión lineal, simple y múltiple, con el fin de establecer las bases para modelar la relación entre las variables de temperatura, luz, pH y oxígeno disuelto, y de esta manera poder conocer las factores que afectan l crecimiento del cultivo de microalgas en futuras investigaciones.</p>

Development of a Multivariate Model Focused on the Analysis of Water Availability in Mexico

“…The null hypothesis states that the slope is zero, and the alternative hypothesis specifies that the slope is not equal to zero. If the test's p-value is less than α, the null hypothesis is rejected, and it is concluded that the predictor variable is significantly related to the response variable [46].…”

“…On the other hand, one of the most essential and common questions in the development of correlational research is whether there is a statistical relationship between a response variable (Y) and the explanatory variables (Xi) [46]. The multiple regression model is the extension of the simple regression model to k explanatory variables.…”

“…The multiple regression model is the extension of the simple regression model to k explanatory variables. The multiple regression model structure is based on predicting and describing how Y depends on X, which is expressed structurally in Equation ( 1) [46,47].…”

Implementación de las técnicas de predicción en la generación de energía eléctrica en el sector industrial

“…En la regresión simple se tiene una única variable predictora. Mientras que, si se integran dos o más variables regresoras o predictoras, se debe recurrir al uso del modelo regresión múltiple [7] [8]. A partir de la regresión lineal es posible obtener predicciones sobre la variable dependiente con base a los valores de la variable dependiente [9], la ecuación de análisis de regresión lineal simple está dada por:…”

La costumbre al envenenamiento: El caso de los contaminantes atmosféricos de la ciudad de Guadalajara, México

“…En un modelo de regresión pueden intervenir tanto datos cualitativos como cuantitativos. Los factores cuantitativos son aquellos que se pueden asociar a un rango principalmente numérico; mientras que los factores cualitativos son aquellos que no se pueden asociar de manera numérica o de magnitud (Carrasquilla, Chacón, Núñez, Gómez, Valverde, Guerrero, 2016).…”