Considere que B 1sejam os estimadores de mínimos quadrados e...

A afirmação está incorreta.

Nos modelos de regressão linear, os estimadores de mínimos quadrados ordinários (OLS) e os estimadores de máxima verossimilhança (MLE) para os parâmetros β são, na verdade, idênticos. Isso é verdadeiro sob as suposições clássicas do modelo de regressão linear, onde os erros têm média zero, variância constante e são independentes e normalmente distribuídos.

Portanto, tanto E(B1) quanto E(B2​) são iguais a β

Além disso, se as condições para a aplicação dos estimadores de mínimos quadrados ordinários e de máxima verossimilhança forem atendidas, então V(B1)=V(B2​). Isso significa que a variância dos estimadores será a mesma.

Assim, a afirmativa de que V(B1)>V(B2) está incorreta.

o Método de Mínimos Quadrados busca obter estimativas que minimizam a soma dos quadrados das distâncias entre os dados observados e a estimativa obtida.

Ou seja, se quisermos estimar a média de um conjunto de dados, devemos procurar o valor cuja soma dos quadrados das distâncias deste valor para todos os dados observados seja mínima.