O presente trabalho teve como objetivo a seleção de uma equação hipsométrica não linear que melhor se ajuste à base de dados em estudo, expandir a equação para a forma mista, com efeitos aleatório associados às unidades amostrais, e verificar se houve ganho de precisão das predições. Os dados foram obtidos a partir do inventário florestal de plantios de Pinus caribaea var. hondurensis, com espaçamento de 2,5 x 2 m na região do triângulo mineiro, no estado de Minas Gerais. Foram ajustados seis modelos hipsométricos não lineares, utilizando a linguagem R. Inicialmente, todos os parâmetros dos modelos foram considerados como fixos e o melhor modelo foi expandido por meio da modelagem mista com parâmetros aleatórios associados às unidades amostrais e selecionou-se a melhor estrutura mista que, em seguida, foi calibrada com diferentes alternativas para posterior aplicação à base de teste completa. A equação de Naslund foi a que obteve o melhor resultado para a base de dados em estudo e sua forma mista, com parâmetros aleatórios associados ao β₀ e β₁ proporcionou predições mais acuradas, por meio da calibração com medidas de nove árvores de acordo a classificação diamétrica da unidade amostral.