Um modelo pode ou não capturar algum tipo de dado que variou naturalmente devido a um fator aleatório ou não indicando a presença de resíduos em sua pesquisa. Dependendo do tipo de estudo realizado, a sua análise pode ter os resultados questionados e/ou até mesmo estes podem se tornar não confiáveis para inferência em razão da violação de pressupostos do modelo. Para evitar esse problema, é comum recorrer a uma análise visual por meio de um gráfico específico de resíduos. A respeito dos gráficos de Error converting from MathML to accessible text., é correto afirmar que: Questão 3Resposta a. todos os gráficos, ao serem construídos, apresentam padrões discerníveis de heterocedasticidade. b. Se o modelo for bem ajustado e a correlação entre as variáveis for boa devemos observar um gráfico muito próximo da função identidade, f(x) = x c. esse tipo de gráfico é caracterizado por formar uma curva exponencial positiva quando os resíduos estão padronizados. d. quanto mais próximos os pontos estejam de uma reta construída nesse gráfico, maior a sugestão da presença de outliers. e. visualmente, a distribuição normal é percebida pela linearidade entre X e Y e a correlação entre os erros.