Na estimação do vetor de parâmetros !$ \beta !$, em modelos lineares, podem ser utilizados vários métodos. Os mais comuns são o Método dos Mínimos Quadrados e o Método da Máxima Verossimilhança. O propósito desses métodos é encontrar um estimador para o vetor de parâmetros !$ \beta !$ tal que o somatório dos quadrados das distâncias entre cada ponto observado e seu correspondente estimado pelo modelo seja mínimo. Para esses dois métodos citados, os estimadores obtidos são iguais, no entanto, pode ocorrer, que para métodos diferentes, resultam-se estimadores diferentes. Nesses casos, é necessário escolher o melhor estimador. Assinale a alternativa que apresenta o(s) principal(is) critério(s) utilizado(s) para avaliar um estimador !$ \mathsf{\hat{\beta}_i} !$ de um parâmetro !$ \mathsf{\beta_i} !$ para um modelo linear.

Considere o seguinte:

1. Não viesado - !$ \mathsf{E(\hat{\beta}_i)=\beta_i} !$ ;

2. Consistência - !$ \mathsf{\underset{n \rightarrow \infty}{lim}P\left (|\hat{\beta_i}-\beta_i|\ge\varepsilon \right )=0 } !$ para qualquer !$ \varepsilon>0 !$ ;

3. Suficiência - quando a função de densidade de probabilidade conjunta condicional das observações amostrais, dado !$ \mathsf{\hat{\beta}_i} !$ , não depende do parâmetro !$ \mathsf{\beta_i} !$ ;

4. Variância Mínima - um estimador !$ \mathsf{\hat{\beta}_i} !$ é de variância mínima de !$ \mathsf{\beta_i} !$ se para qualquer outro estimador !$ \mathsf{\hat{\beta}_i^*~~var\hat{(\beta_i)}\le var(\hat{\beta}_i~^*)} !$ para todo !$ \mathsf{\hat{\beta}_i~^*} !$ .

5. Normalidade – os parâmetros !$ \mathsf{\hat{\beta_i}} !$ devem distribuir-se conforme a distribuição normal padrão.