Para validar as suposições clássicas usuais e detectar potenciais violações de um modelo de regressão linear múltipla na forma y = β₀ + β₁x₁ + β₂x₂ + ... + β_kx_k + ε, será feita uma análise de resíduos, a partir dos dados a seguir.

• Resíduo: \(e_i = y_i − \hat{y}_i\)
• Resíduos padronizados: \(\dfrac{e_i}{\hat{σ}}\) , em que \(\hat{σ} = \sqrt{QMR}\) e \(QMR\) é o quadrado médio do resíduo.
• Resíduos estudentizados: \(\dfrac{e_i}{\sqrt{QMR(1-h_{ii})}}\), em que h_ii é o i-ésimo elemento da diagonal da matriz hat.

Considerando as informações precedentes, julgue os itens que se seguem.

Os resíduos estudentizados são preferidos aos resíduos ordinários para a detecção de outliers, pois consideram o efeito alavanca de cada observação e possuem variâncias mais uniformes entre as observações.