Uma empresa de seguros deseja estimar !$ z !$ = preço esperado (em reais) de determinado tipo de motocicleta em função de !$ x !$ = tempo de uso (em anos) e de !$ y !$ = quilometragem rodada (em km). Para isso, a empresa levantou os dados de seis motocicletas, cujos valores estão na tabela a seguir.

Quando !$ y = 0 !$ e !$ x = 0 !$ (a motocicleta é nova), seu preço é igual a R$ 60.000,00. Dois modelos de regressão linear foram considerados por essa empresa:

!$ (1) \, \, \, z = z_0 - ax + \varepsilon !$
!$ (2) \, \, \, z = z_0 - ax - by + \varepsilon , !$

em que !$ z_0 = !$ R$ 60.000,00 e !$ \varepsilon !$ representa um erro aleatório com média zero e desvio padrão constante igual a !$ \sigma !$.

Com base nessas informações e considerando que !$ \hat {a} !$ e !$ \hat {b} !$ representam, respectivamente, as estimativas dos coeficientes !$ a !$ e !$ b !$, julgue o item seguinte acerca de regressão linear.

Considere que o modelo (2) seja adequado para descrever a relação entre !$ x !$, !$ y !$ e !$ z !$. Nessa situação, se uma moto, com um ano de uso, rodou 60.000 km e custa R$ 44.000,00 e se uma outra moto, com dois anos de uso, rodou 12.000 km e custa R$ 39.000,00, então, com base apenas nesses valores, é correto afirmar que !$ a !$ =12.000 e !$ b !$ = 0,1.