Os Modelos Lineares Generalizados (MLG) estendem o escopo da regressão linear para variáveis resposta que não seguem uma distribuição normal. A estrutura de um MLG é definida por uma distribuição da família exponencial, um preditor linear e uma função de ligação. Acerca desses modelos, registre V, para as afirmativas verdadeiras, e F, para as falsas:

(__)A principal característica de um MLG é que ele transforma a variável resposta (Y) para que ela siga uma distribuição normal, permitindo então o ajuste de um modelo de regressão linear padrão.
(__)A função de ligação (link function) é o componente que conecta o preditor linear (η = β₀ + β₁X 1 + ...) à média da variável resposta (E[Y] = μ ), de forma que g( μ) = η.
(__)A Regressão de Poisson, um tipo de MLG, é adequada para modelar dados de contagem e assume que a variância da variável resposta é sempre maior que sua média, um fenômeno conhecido como subdispersão.
(__)A Regressão Logística para dados binários é um caso especial de MLG onde a variável resposta segue uma distribuição de Bernoulli (ou Binomial) e a função de ligação canônica é a função logit.

Após análise, assinale a alternativa que apresenta a sequência correta dos itens acima, de cima para baixo: