Com relação à inferência para os parâmetros de modelos de regressão linear, julgue os seguintes itens.

Em um modelo de regressão linear simples, com resposta Y e variável explicativa X, o valor esperado para a variável resposta no ponto X = será igual a .

Com relação aos modelos de regressão, julgue os itens subsecutivos.

Em um modelo de regressão linear, a variância associada às estimativas obtidas pelo método da máxima verossimilhança é menor que as variâncias associadas às estimativas obtidas por mínimos quadrados.

Com relação aos modelos de regressão, julgue os itens subsecutivos.

Suponha que um advogado pretenda estimar o valor concedido para processos de danos morais com relação à idade do proponente. Para isso, ele observou que a relação entre essas variáveis é descrita por Y = -3.500 + 100 . X. Suponha, ainda, que com o objetivo de simplificar a interpretação do modelo, o advogado decida considerar uma nova variável, Z = X - 35, como regressora, criando um modelo com intercepto igual a zero. Nessa situação, é correto afirmar que a variância dos estimadores permanece inalterada

Com relação aos modelos de regressão, julgue os itens subsecutivos.

Em um modelo de regressão linear simples, o coeficiente de determinação cresce à medida que a correlação entre a variável resposta e a variável regressora aumenta.

Com relação aos modelos de regressão, julgue os itens subsecutivos.

O estimador de mínimos quadrados para um modelo de regressão linear simples para uma variável resposta IID, é não viciado e possui mínima variância.