Vamos analisar cada uma das alternativas sobre regressão linear: A) "Na regressão linear um polinômio de grau 2 é ajustado a um conjunto de pares de observação (x1,y1), (x2,y2),..., (xn,yn)." - Esta afirmação é incorreta, pois a regressão linear se refere ao ajuste de uma reta (polinômio de grau 1), não de um polinômio de grau 2. B) "Na regressão linear ajustamos uma reta que passa por todos os pontos observados." - Esta afirmação também é incorreta. Na regressão linear, a reta não necessariamente passa por todos os pontos; ela é ajustada para minimizar os erros. C) "Na regressão linear o coeficiente r² é chamado de coeficiente de correlação." - Esta afirmação é incorreta. O coeficiente r² é o coeficiente de determinação, que mede a proporção da variabilidade dos dados que é explicada pela regressão, enquanto o coeficiente de correlação (r) mede a força e a direção da relação linear entre duas variáveis. D) "Na regressão linear a estratégia utilizada para encontrar a “melhor” reta que representa a tendência geral dos dados é minimizar o valor absoluto da soma dos erros residuais para todos os dados disponíveis." - Esta afirmação é incorreta. A técnica utilizada é minimizar a soma dos quadrados dos erros residuais, não o valor absoluto. E) "Na regressão linear o erro padrão da estimativa quantifica a dispersão em torno da reta de regressão." - Esta afirmação é correta. O erro padrão da estimativa mede a quantidade de variação ou dispersão dos pontos em relação à reta de regressão. Portanto, a alternativa correta é: E.