A escolha de modelos estatísticos exige não apenas observar sua capacidade de ajuste aos dados, mas também considerar os critérios que penalizam a complexidade excessiva. Em muitos casos, modelos com maior número de parâmetros oferecem melhor aderência, mas isso nem sempre resulta em maior poder explicativo. O equilíbrio entre precisão e parcimônia é um desafio recorrente na análise estatística. Em uma análise envolvendo dados experimentais, foram ajustados dois modelos distintos para prever o comportamento de uma variável dependente Y com base na variável X: um modelo linear simples e um modelo polinomial de terceiro grau. Ambos os modelos foram aplicados ao mesmo conjunto de N igual a 20 observações. Após os ajustes, observou-se que: - O modelo linear apresentou R ao quadrado igual a 0 vírgula 89 - O modelo cúbico apresentou R ao quadrado igual a 0 vírgula 91 No entanto, ao calcular o coeficiente de determinação ajustado, os resultados se inverteram. Com base nas informações fornecidas, analise as afirmativas a seguir: I. O modelo cúbico perdeu qualidade explicativa ao considerar a penalidade pelos parâmetros adicionais. II. O modelo linear apresenta menor capacidade de ajuste, mas maior parcimônia estatística. III. O R ao quadrado ajustado aumenta automaticamente com o grau do polinômio, independentemente dos dados. Está correto o que se afirma em: Questão 6Resposta A. I, II e III. B. II e III, apenas. C. I e II, apenas. D. I, apenas. E. I e III, apenas.