Um estatístico necessita relacionar uma variável aleatória dependente Y com duas outras variáveis explicativas X₁ e X₂. Ele observou n vezes os valores de Y em função de X₁ e X₂ e ajustou um modelo linear aos dados observados minimizando a Soma dos Quadrados dos Erros, \( \sum_{i=1}^n (y_i - \hat{y}_i)^2 \) entre valores observados e valores ajustados pelo modelo para estimar os parâmetros por \( \hat{ \beta} = (X' X)^{-1} X' \underline{Y} \). Nessa expressão, \( \hat{ \beta} \)é o vetor de estimativas dos parâmetros, X é a matriz do modelo de ordem nxp e Y é o vetor de respostas, ou seja, a variável dependente. Os resultados do ajuste estão nas tabelas a seguir:

Análise da Variância

Então, é correto afirmar que