Considerando que um modelo de regressão linear apresenta a forma \(y = X ⋅ β + \epsilon\), em que y é o vetor resposta, X é a matriz de covariáveis, \(β\) é o vetor de parâmetros e \(\epsilon\) é o erro do modelo, julgue os próximos itens acerca do estimador de mínimos quadrados (EMQ) e do estimador de máxima verossimilhança (EMV) para esse modelo.

Quando os erros são homoscedásticos e normalmente distribuídos, os estimadores EMQ e EMV são não viesados e atingem o limite inferior de Cramér-Rao.