A partir del gráfico anterior se hace evidente que la de mayor ajuste es la temperatura debido a su fuerte relación lineal con la altura. En segundo lugar y a partir de la correlación de Pearson, se considera que es apropiado predecir humedad. Finalmente, se predice precipitación. En cada uno de estos casos, se evalúan diversas formas funcionales polinómicas (hasta tercer grado), exponenciales y logarítmicas, buscando obtener el mayor ajuste (evaluado a partir de los criterios de Akaike-Shwartz y el criterio de información bayesiano). Del análisis anterior, los modelos predictores resultantes fueron (en las ecuaciones siguientes, mes y zona hacen referencia al conjunto de variables dummy asociadas a la regresión):