regresiones lineales

2 Modelos Estadísticos

Para el caso de los modelos estadísticos se presentan menos datos en las gráficas si se comparan con las regresiones simples o compuestas, esto debe al hecho que para estos análisis se tomaron los datos diarios y no los horarios como era el cado de los análisis anteriores; en este orden de ideas se efectuaron las regresiones estadísticas desarrolladas porAngström-Prescott,1924, entre otros al conjunto de datos, para validar la posible ecuación que permita estimar la radiación solar e identificar el modelo de mejor ajuste. De la Figura a la Figura se presentan las regresiones realizadas y las ecuaciones efectuadas.


Figura Regresión lineal planteada por Angström-Prescott
Para la modelo estadístico lineal planteado por Angström-Prescott (ver Figura ) querelaciona la radiación solar con las horas de sol, da como resultado una mayor distribución de los datos hacia lo estimado por el modelo con un rango de 0,19 a 0,82, mientras que en lo medido por el modelo los datos se concentran en el rango de 0,30 a 0,55. El modelo presenta un R de 0,3327 lo que indica una relación directa y un R2 de 11,07% lo cual indica una relación relativamente débil entrelas variables; el modelo de mejor ajuste para la regresión es el de . Según el análisis estadístico se presenta un MAE de 0,209 presentando una fuerte relación entre las variables y menor diferencia entre lo medido y lo estimado.



Figura Regresión cuadrática planteada por Olgeman et al.


En cuanto al modelo planteado por Olgelman et al, 1984 que relaciona la radiación solar medida yla radiación estimada con la duración de las horas de sol reales y las calculadas se puede apreciar mayor distribución hacia lo estimada, observando datos desde 0,2 hasta 0,8. En el modelo se presenta un coeficiente de correlación R2 de 11%, para este caso el MAE es de 164,085





Figura Regresión cubica planteada por Samuel (Corregir)
Para el Modelo estadístico exponencial de tercerorden que relaciona la razón de proporcionalidad de la radiación solar con la razón de cambio entre las horas de sol teóricas y medidas, muestra una mejor distribución de los datos hacia lo estimado en un rango que oscila entre 0,19 a 0,82, mientras que en lo estimado por el modelo los datos se concentran en el rango de 0,38 a 0,59; para el modelo se presenta una R2 de 10,19% y un MAE de 0,0904indicando una relación fuerte entre las variables presentadas para el modelo.


Figura Regresión lineal entre la radiación y la temperatura propuesta por Benghamen et al.
Para el modelo estadístico que relaciona la razón de proporcionalidad de la radiación solar y la temperatura, se muestra una mejor distribución tendiente a lo estimado por el modelo con un rango de datos que oscila entre 0,18 a0,81, mientras que para lo medido por el modelo los datos se concentran en el rango de 0,4 a 0,56 y se presenta un R de -0,2271 presentando una relación inversa entre las variables, lo cual es corroborado por un R2 de 5,16% lo que indica poca relación de los datos en el modelo, en cuanto al MAE que es de 0,089.


Figura Regresión lineal entra la radiación solar y humedad relativa propuestapor Benghamen et al.
Para la regresión estadística lineal entre la estimación de la radiación solar y la humedad relativa se presenta una mejor distribución tendiente a lo estimado con un rango de datos que oscilan entre 0,18 a 0,8 mientras que la concentración de los datos hacia lo medido oscila entre los valores de 0,45 a 0,55; el modelo en genera presenta un coeficiente de relación de 0,1687lo que indica una relación directa y un R2 de 2,85% manifestando una baja relación entre los datos para el modelo.

En la Tabla se muestra el resumen de los parámetros estadísticos de las regresiones antes descritas; en esta se pueden observar los coeficientes de relación R y R2, los coeficientes identificados en la ecuación y el error medio absoluto (MAE) para cada una de las regresiones....