Considerando que um modelo de regressão linear apresenta a forma y = X ∙ β + ε, em que y é o vetor resposta, X é a matriz de covariáveis, β é o vetor de parâmetros e ε é o erro do modelo, julgue o próximo item acerca do estimador de mínimos quadrados (EMQ) e do estimador de máxima verossimilhança (EMV) para esse modelo.

Quando os erros são homoscedásticos e normalmente distribuídos, os estimadores EMQ e EMV são não viesados e atingem o limite inferior de Cramér-Rao.