Considerando que o modelo de regressão por mínimos quadrados ordinários (MQO) seja dado por !$ \hat {y}_t = \hat {a} + \hat {\beta}x_t !$ , em que !$ \hat {y}_t !$ é o valor estimado pelo modelo para a variável dependente yt, xt, é a variável independente e !$ \hat {a} !$ e !$ \hat {\beta} !$ são, respectivamente, os estimadores dos coeficientes linear a e angular β de um modelo de regressão linear simples, julgue o item a seguir.
O estimador !$ \hat {\beta} !$ pode ser escrito da seguinte forma: !$ \hat {\beta} = \dfrac {Var (x_t)} {Cov (x_t, y_t)} !$ em que Var(xt) é a variância de xt e Cov(xt,yt) é a covariância de xt e yt.
