Considerando o modelo de regressão linear simples \( Y_i = \beta_0 + \beta_1 X_i + \varepsilon_i \), \( i = 1, \dots, n \), em que os erros \( \varepsilon_i \) são independentes e identicamente distribuídos, com \( \varepsilon_i \sim N(0, \sigma^2) \), julgue os itens subsequentes.
Sob a suposição de normalidade dos erros, os estimadores de mínimos quadrados ordinários (MQO) para \( \beta_0 \) e \( \beta_1 \) coincidem com os estimadores de máxima verossimilhança (MV).
