Se propone un modelo de regresión lineal parcialmente funcional con efectos aleatorios para abordar el caso de covariables euclidianas y covariables funcionales. Específicamente, el modelo asume que los efectos aleatorios siguen una distribución gaussiana previa para establecer la estructura de vinculación entre las covariables euclidianas y las respuestas escalares. Para las covariables funcionales, se asume una relación lineal con respuestas escalares, y las covariables funcionales se aproximan utilizando la expansión de Karhunen-Loève. Para mejorar la robustez del modelo predictivo, se emplea una estrategia de ensamble basada en validación cruzada para optimizar el método propuesto. Los resultados tanto de estudios de simulación como de análisis de datos del mundo real demuestran el rendimiento superior y la competitividad del enfoque propuesto en cuanto a precisión de predicción y estabilidad del modelo.