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

• Autores: Arys Carrasquilla Batista, Alfonso Chacón Rodríguez, Kattia Núñez Montero, Olman Gómez Espinoza, Johnny Valverde Cerdas, Maritza Guerrero Barrantes
• Localización: Tecnología en Marcha, ISSN 0379-3982, ISSN-e 2215-3241, Vol. 29, Nº. Extra 5, 2016 (Ejemplar dedicado a: Encuentro de Investigación y Extensión 2016), págs. 33-45
• Idioma: español
• Títulos paralelos:
  • Simple and multiple regression: application in the prediction of natural variables related to microalgae growing process
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    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.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.

  • English

    Nowadays, there is a growing need in various research fields and in the industry of precision agriculture to record and process data from multiple sensors, sensors sometimes located in remote areas, miles apart from each other. The usual approach to sensor data recording implies measurement of each variable in separate equipment, making it difficult and expensive to integrate and process jointed data. The possibility of incorporating the theme of Internet of Things (I.oT.) in research is being analyzed to take advantage of the ubiquitous computing capabilities available today. This article is about simple regression and multiple regression models, which offer the bases to explore the relationship between variables associated to microalgae kinetic growth: temperature, light, pH and dissolved oxygen. Recorded data will provide new approaches to present works; in this way, researchers will perform various data analysis online.