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.
Quando os erros do modelo não seguem distribuição normal, mas atendem às demais suposições de Gauss-Markov (média zero, homocedasticidade e não autocorrelação), os estimadores de MQO deixam de ser os melhores estimadores lineares não viesados (BLUE), sendo necessário recorrer à máxima verossimilhança para a obtenção de estimadores eficientes.
