O quadro a seguir mostra as estimativas de mínimos quadrados ordinários dos coeficientes de um modelo de regressão linear simples na forma !$ y_i=\beta_0+\beta_1x_i+\epsilon_i !$, em que !$ i \in \{1, ..., 6\} !$ e !$ \epsilon_i !$ representa o erro aleatório com média zero e variância !$ \sigma^2 !$.
| coeficiente | estimativa | erro padrão | razão t |
| !$ \beta_0 !$ | 0,9 | 0,10 | 9 |
| !$ \beta_1 !$ | 0,2 | 0,05 | 4 |
Considerando essas informações e sabendo que !$ \hat{\sigma}^2=0,01 !$, julgue o item seguinte.
!$ SQ_{RESÍDUOS} = \sum\limits^6_{i=1}(\hat{y}_i - \overline{y})^2=0,04 !$, em que !$ \hat{y}_i=0,9 + 0,2 x_i !$.
