Baixe o app para aproveitar ainda mais
Prévia do material em texto
MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO 2020 Prof. Rodrigo Ramos Nogueira GABARITO DAS AUTOATIVIDADES 2 MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO UNIDADE 1 TÓPICO 1 1 Leia o texto a seguir: Os sistemas de Machine learning, em português conhecidos como sis- tema de aprendizagem automática ou sistemas de aprendizado de máquina, podem ajudar a descobrir padrões, realizar determinadas tarefas através da generalização de casos e na utilização de dados. FONTE: OLIVEIRA, P. M. M. de. Benchmarking sobre técnicas de otimização para modelos de apoio à decisão na medicina intensiva. 2015. Tese de Doutorado. Os algoritmos de aprendizado de máquina têm um modo de aprendizado que depende de um especialista externo para avalizar seus resultados. Assinale a alternativa CORRETA que contenha esse modo: a) ( ) Aprendizado por reforço. b) ( ) Aprendizado supervisionado. c) (X) Aprendizado não supervisionado. d) ( ) Aprendizado por inteligência. 2 Leia o texto a seguir: Os algoritmos de Machine learning podem ser aplicados para uma larga gama de situações problema, desde detecção de fraudes fiscais, até recomendações, porém isso só pode ser feito devido à grande quantidade de dados fornecidas pelos datasets. FONTE: FREITAS, D. W. Recomendação de animes utilizando Machine learning: uma abordagem baseada em avaliações dos usuários. Engenharia da Computação, 2018. Com relação aos algoritmos de Machine learning, assinale a alternativa CORRETA que contenha os paradigmas de aprendizado: 3 MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO a) (X) Simbólico, estatístico, conexionista e genético. b) ( ) Supervisionado, estatístico, conexionista e genético. c) ( ) Simbólico, estático, conexionista e genético. d) ( ) Simbólico, estatístico, colaborador e georreferenciado. 3 A internet soma mais de 2 bilhões de sites publicados, sendo a principal fonte de informação deste século. No entanto, cada vez mais opções de sites implicam diversos veículos que não produzem notícias verdadeiras, as ditas fakes news. O sistema desenvolvido por Monteiro, Nogueira e Moser (2019) tem como objetivo implementar um algoritmo de Machine Leaning para classificar notícias em reais e fake news. FONTE: MONTEIRO, R.; NOGUEIRA, R.; MOSER, G. Desenvolvimento de um sis- tema para a classificação de Fakenews acoplado à etapa de ETL de um Data Wa- rehouse de Textos de Notícias em língua Portuguesa. In: Anais da XV Escola Regio- nal de Banco de Dados. SBC, 2019. p. 131-140. Disponível em: https://sol.sbc.org. br/index.php/erbd/article/view/8486/8387. Acesso em: 2 out. 2020. Sobre o problema de Machine learning apresentado no enunciado, indique a experiência, a tarefa e a medida de desempenho. R.: E: experiência com as notícias armazenadas e identificadas (re- ais e fake news); T: a tarefa é de categorizar as notícias; P: a medida de desempenho é a porcentagem de mensagens de bots corretamente classificadas. 4 MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO 4 Leia o texto a seguir: A lucratividade promovida pelo Google em sua nova plataforma de distribuição de vídeos do YouTube atraiu um número crescente de usuários. No entanto, esse sucesso também atraiu usuários mal- intencionados, que têm como objetivo autopromover seus vídeos ou disseminar vírus e malwares. Como o YouTube oferece ferramentas limitadas para moderação de comentários, o volume de spam aumenta surpreendentemente, o que leva os proprietários de canais famosos a desativar a seção de comentários em seus vídeos. FONTE: ALBERTO, T. C.; LOCHTER, J. V.; ALMEIDA, T. A. TubeSpam: Comment spam filtering on YouTube. In: 2015 IEEE 14th International Conference on Machine learning and Applications (ICMLA). IEEE, 2015. p. 138-143. Disponível em: http:// www.dt.fee.unicamp.br/~tiago/papers/TCA_ICMLA15.pdf. Acesso em: 2 out. 2020. No trabalho descrito pelo texto, foram implementados algoritmos de Machine learning para a detecção de comentários de publicidade (spam) em vídeos da internet. Sobre o problema de Machine learning apresentado, indique a experiência, a tarefa e a medida de desempenho. R.: E: experiência com histórico de várias mensagens anteriores cor- retamente identificadas (spam ou não); T: tarefa de categorizar os co- mentários como spam; P: a medida de desempenho é a porcentagem de mensagens corretamente classificadas 5 Os algoritmos de Machine learning têm seu aprendizado baseado em dados históricos e diversas aplicações: agricultura de precisão, reconhecimento de imagem, classificação de textos, desenvolvimento de chatbots. Torna-se difícil um setor do novo modelo tecnológico que não utilize suas técnicas. Sobre Machine learning, assinale a alternativa CORRETA que contenha as tarefas de aprendizado: a) ( ) Classificação, revolução, agrupamento e associação. b) (X) Classificação, regressão, agrupamento e associação. c) ( ) Categorização, regressão, análise e dissociação. d) ( ) Classificação, regressão, agrupamento e dissociação. 5 MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO TÓPICO 2 1 Leia o texto a seguir: Machine learning pode ser utilizado para vários objetivos, para ofertar programação de acordo com sua utilização na Netflix, saber o que estão falando sobre sua marca no Twitter e detecção de fraudes em compras com cartão de crédito, por exemplo. FONTE: STAUDT, J. M. Machine learning para análise do desgaste da força de tra- balho. Monografia (Sistemas de Informação). Novo Hamburgo: Universidade Feeva- le, 2017. Disponível em: https://tconline.feevale.br/NOVO/tc/files/0002_4351.pdf. Acesso em: 2 out. 2020 Assinale a alternativa CORRETA que contenha uma linguagem de programação que pode ser utilizada para desenvolvimento de algoritmos de Machine learning: a) ( ) Matlab. b) ( ) Python. c) ( ) Java. d) (X) Todas as alternativas. 2 No desenvolvimento de programas que aplicam algoritmos de Machine learning, a linguagem Python tem sido muito utilizada, principalmente pelo seu grande número de bibliotecas e pela participação da comunidade em sua evolução. Dentro do Python, o PIP tem uma importante contribuição. Assinale a alternativa CORRETA sobre o PIP: a) (X) O PIP é o gerenciador de pacotes do Python. b) ( ) O PIP é o gerenciador de arquivos do Python. c) ( ) O PIP é a linguagem de programação do Python. d) ( ) O PIP é o sistema operacional do Python. 3 O Jupyter Notebook permite a execução de códigos Python no navegador, fazendo com que os usuários incluam texto formatado, visualizações estáticas e dinâmicas, equações matemáticas, entre outros recursos. Assinale a alternativa CORRETA com o comando para inicializar o Jupyter Notebook: 6 MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO a) ( ) pip install jupyter. b) ( ) sudo apt-get jupyter. c) (X) jupyter notebook. d) ( ) notebook jupyter. 4 Leia o texto a seguir: Machine learning é uma técnica utilizada para auxiliar os programas a aprenderem a partir de informações existentes em bases de dados, cujo principal objetivo é a previsão de resultados futuros, por exemplo, indicando um produto do agrado de um consumidor de acordo com o comportamento de compras dele. FONTE: STAUDT, J. M. Machine learning para análise do desgaste da força de tra- balho. Monografia (Sistemas de Informação). Novo Hamburgo: Universidade Feeva- le, 2017. Disponível em: https://tconline.feevale.br/NOVO/tc/files/0002_4351.pdf. Acesso em: 2 out. 2020. Sobre o Google Colab Research, assinale a alternativa CORRETA: a) ( ) É uma linguagem de programação. b) (X) É uma plataforma colaborativa para codificação. c) ( ) É um navegador de internet. d) ( ) É um porta-documentos na nuvem. 5 As aplicações de Machine learning estão dominando os mais diversos setores, mandatoriamente os da tecnologia, mas também envolvendo diversas áreas multidisciplinares. Com isso, são gerados cada vez mais dados. Vimos alguns sites de datasets que fornecem dados para pesquisas com Machine learning. Busque na webe liste ao menos outros cinco sites que forneçam dados. R.: 1- http://labelme.csail.mit.edu/Release3.0/browserTools/php/da- taset.php; 2- http://image-net.org/; 3- https://www.data.gov/; 4- https://storage.googleapis.com/openimages/web/download.html; 5- https://www.ukdataservice.ac.uk/. 7 MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO TÓPICO 3 1 Considere o texto e a imagem a seguir: Para que ocorra o armazenamento dos Tweets para posterior uso nas consultas, é efetuada a coleta dos textos, assim como o pré-processamento, compondo a etapa de ETL. Finalmente, após os dados pré-processados e limpos, podem ser realizadas consultas OLAP para explorar o cubo de dados. Com os textos já limpos, seleciona-se a data do registro e é efetuada sua formatação para que possa ser inserido na base. A partir disso, os dados do Tweet estão preparados para que possam ser “quebrados” e se efetue a Bag of Words. Com os dados do Tweet, as palavras são quebradas pelo script e inseridas na base de dados multidimensional. Caso a palavra já exista na base, é apenas atualizada sua frequência. FONTE: SUTER, J. et al. Um Data Warehouse baseado no Twitter para análise de sentimento em língua portuguesa: estudo de caso das eleições de 2018. In: Anais da XV Escola Regional de Banco de Dados. Anais [...] SBC, 2019. p. 41-50. Disponí- vel em: https://sol.sbc.org.br/index.php/erbd/article/view/8477/8378. Acesso em: 2 out. 2020. Analisando a imagem e associando com as etapas de aprendizado de um algoritmo de Machine learning, assinale a alternativa CORRETA sobre em qual etapa o processo de fonte de dados e Crawler estão relacionados: a) (X) Coleta de dados. b) ( ) Preparação de dados. c) ( ) Escolha do modelo. d) ( ) Divisão em treino/teste. 8 MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO 2 Considere o texto a seguir: Uma coleção de 243 perguntas em português, curadas por profissionais médicos, também foi incluída na base de conhecimento do chatbot Dra. Lara, para ter capacidade de responder às perguntas comuns que as gestantes normalmente querem saber, como a possibilidade de comer um determinado elemento ou riscos associados à prática de um determinado exercício. FONTE: CARVALHO, L. et al. Dra. Lara: assistente virtual de apoio e acompanha- mento ao pré-natal. In: Conferências IADIS Ibero-Americanas WWW/Internet e Computação Aplicada. Anais [...] 2019. Disponível em: https://www.researchgate. net/publication/338668367_DRA_LARA_ASSISTENTE_VIRTUAL_DE_APOIO_E_ ACOMPANHAMENTO_AO_PRE-NATAL. Acesso em: 2 out. 2020. Considerando que se deseja avaliar a base de dados, assinale a alternativa CORRETA com o nome de como a base de dados é dividida para tal fim: a) (X) Treino/teste. b) ( ) Coleta de dados. c) ( ) Preparação de dados. d) ( ) Seleção. 3 Machine Learning tem como objetivo principal a extração de conhecimentos a partir dos dados, na qual, entre suas técnicas, se destaca a classificação. Sobre a classificação de spams, considere a figura a seguir: FONTE: <https://towardsdatascience.com/spam-or-ham-introduction-to-natural-lan- guage-processing-part-2-a0093185aebd?gi=c3977479b17d>. Acesso em: 2 out. 2020. 9 MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO Assinale a alternativa CORRETA sobre o que representa o campo Prediction: a) (X) Predição de um campo (output). b) ( ) Conjunto de características (input). c) ( ) Conjunto de características (output). d) ( ) Predição de um campo (input). 4 Os algoritmos de Machine learning geram conhecimento a partir de bases de dados, permitindo realizar, entre muitas tarefas, a classificação. Sobre a tarefa de classificação de spams, considere a figura a seguir: FONTE: <https://towardsdatascience.com/spam-or-ham-introduction-to-natural- -language-processing-part-2-a0093185aebd>. Acesso em: 2 out. 2020. Assinale a alternativa CORRETA sobre o que representa o campo text: a) (X) Conjunto de características (input). b) ( ) Predição de um campo (output). c) ( ) Conjunto de características (output). d) ( ) Predição de um campo (input). 5 Considere o texto a seguir: Os algoritmos de Machine learning, também conhecidos como aprendizes, são diferentes: eles descobrem tudo sozinhos, fazendo inferências a partir de dados. E quanto mais dados têm, melhor ficam seus resultados. 10 MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO FONTE: DOMINGOS, P. O algoritmo mestre: como a busca pelo algoritmo de Ma- chine learning definitivo recriará nosso mundo. Novatec Editora, 2017. Assinale a alternativa CORRETA sobre a etapa do processo de Machine learning que tem como objetivo obter os melhores parâmetros para os algoritmos: a) (X) Tuning de parâmetros. b) ( ) Predição de parâmetros. c) ( ) Conjunto de parâmetros. d) ( ) Aplicação de parâmetros. UNIDADE 2 TÓPICO 1 1 Nas mais diversas áreas do conhecimento, os sistemas de Machine learning podem ajudar a descobrir padrões, realizar determinadas tarefas, por meio da generalização de casos e da utilização de dados. Com relação à classificação, assinale a alternativa CORRETA: a) (X) É um método supervisionado. b) ( ) É um método não supervisionado. c) ( ) É um método dessupervisionado. d) ( ) É um método visionado. 2 Os métodos de classificação permitem rotular automaticamente novos registros com base em histórico de dados. Supondo que exista um conjunto de dados que possa receber rótulos 0-negativos ou 1-positivos, qual tipo de tarefa de classificação que será realizada? a) (X) Classificação binária. b) ( ) Classificação unária. c) ( ) Classificação ternária. d) ( ) Classificação multiclasse. 11 MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO 3 A categorização de textos de notícias é a tarefa de rotular uma determinada notícia, com base em um conjunto de textos previamente rotulado. Considerando que, em uma base de dados, existam 35 categorias de notícias, qual tipo de tarefa de classificação será realizado? a) (X) Classificação multiclasse. b) ( ) Classificação binária. c) ( ) Classificação unária. d) ( ) Classificação ternária. 4 O Python é uma linguagem de alto nível, interpretada, orientada a objetos com uma semântica dinâmica, amplamente utilizada em projetos de Machine learning. Sobre a utilização do Python, assinale a biblioteca que implementa os métodos de Machine learning: a) (X) Scikit-learn. b) ( ) Pandas. c) ( ) Matlab. d) ( ) PIP. 5 Python é uma linguagem básica, simples, utilizada em diversos cenários da computação, com destaque para projetos de Machine learning. Sobre o Python, assinale qual biblioteca é utilizada para a visualização de dados: a) (X) MatplotLib. b) ( ) Scikit-learn. c) ( ) Pandas. d) ( ) Numpy. TÓPICO 2 1 A distância euclidiana é uma das medidas de dissimilaridade entre comunidades mais utilizadas na prática. Assim, quanto menor o valor da distância euclidiana entre dois objetos, mais próximas elas se apresentam em termos de parâmetros 12 MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO quantitativos. Considere a fórmula da distância euclidiana, apresentada a seguir, e assinale a alternativa CORRETA no que se refere ao n: FONTE: O autor a) (X) O número de objetos. b) ( ) Um ponto no espaço c) ( ) O somatório do espaço. d) ( ) O erro de desvio. 2 A distância euclidiana é uma das medidas de dissimilaridade entre comunidades mais utilizadas na prática. Quanto menor o valor da distância euclidiana entre dois objetos, mais próximas elas se apresentam em termos de parâmetros quantitativos. Sobre a fórmula da distância euclidiana, assinale a alternativa CORRETA sobre x e y: a) (X) Dois pontos no espaço. b) ( ) Erro. c) ( ) O número de objetos. d) ( ) Inicio do vetor. 3 Considere a figura a seguir, na qual o ponto vermelho representa uma nova amostra a ser classificada pelo algoritmo KNN, e responda: FONTE: O autor 13 MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO a) Considerando que K = 6, qual é a classe da amostra vermelha?R.: Classe A. b) Considerando que K = 3, qual é a classe da amostra vermelha? R.: Classe B. c) Considerando que K = 1, qual é a classe da amostra vermelha? R.: É esperado que o aluno discorra que, visualmente, não é possível afirmar, tornando-se necessário fazer o cálculo. TÓPICO 3 1 Considere o texto e a figura a seguir: O classificador Naïve Bayes é construído utilizando dados de treinamento para estimar a probabilidade de um documento pertencer a uma classe. O teorema de Bayes, mostrado a seguir, é utilizado para estimar estas probabilidades. FONTE: OLIVEIRA, G. L.; NETO, M. G. M. Expertext: Uma ferramenta de combinação de múltiplos classificadores naive bayes. Anales de la 4ª Jornadas Iberoamericanas de Ingeniería de Software e Ingeniería de Conocimiento. Madrid, v. 1, p. 317-32, 2004. a) Indique o significado de C. R.: Representa o conjunto de categorias. b) Indique o significado de x. R.: É o conjunto de dados. c) Indique o significado de P (c | x). R.: É a probabilidade posterior da classe (c, alvo) dada preditor (x, atributos). 14 MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO d) Indique o significado de P (C) R.: É a probabilidade original da classe. e) Indique o significado de P (x | c) R.: É a probabilidade que representa a probabilidade de preditor dada a classe. f) Indique o significado de P (x). R.: É a probabilidade original do preditor. 2 Considere o texto a seguir: A regressão linear é uma ferramenta estatística utilizada para traçar a tendência de funções com variação linear. Este método, apesar de simples, quando é convenientemente aplicado, pode produzir resultados satisfatórios na previsão de séries temporais, quando estas são lineares. FONTE: OLIVEIRA, G. L.; NETO, M. G. M. Expertext: Uma ferramenta de combinação de múltiplos classificadores naive bayes. Anales de la 4ª Jornadas Iberoamericanas de Ingeniería de Software e Ingeniería de Conocimiento. Madrid, v. 1, p. 317-32, 2004. Sobre a regressão linear e sua implementação no scikit-learn, assinale a alternativa que apresenta o trecho de código que instancia um objeto classificador do tipo regressão linear: a) (X) Classificador_RL = LinearRegression() b) ( ) Classificador_RL = RegLIn() c) ( ) Classificador_RL = RegressionMB() d) ( ) Classificador_RL = Bernoullli() 15 MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO UNIDADE 3 TÓPICO 1 1 Regressão é uma tarefa que permite gerar modelos preditivos para valores contínuos. Tendo como objetivo encontrar a relação entre um conjunto de atributos de entrada (variáveis preditoras) e um atributo-meta contínuo. Assinale a alternativa CORRETA: a) (X) É um método supervisionado. b) ( ) É um método não supervisionado. c) ( ) É um método desupervisionado. d) ( ) É um método visionado. 2 Os sistemas de Machine learning podem ajudar a descobrir padrões, realizar determinadas tarefas por meio da generalização de casos e da utilização de dados. Os métodos de regressão, é possível rotular automaticamente novos registros, com base em histórico de dados. Sobre os tipos de dados em que as regressões atuam, assinale a alternativa CORRETA: a) (X) Dados contínuos. b) ( ) Dados discretos. c) ( ) Dados binários. d) ( ) Dados multiclasse. 3 Analise o texto a seguir: A regressão é um método estatístico para estimar uma variável (y) em função dos valores de outra variável (x). A regressão é dita linear quando a função ajustada é uma função linear, ou seja, uma função de 1º grau. FONTE: NERY, C. V. M.; OLIVEIRA, D. B.; ABREU, L. H. G. Estudo comparativo entre os índices NDVI obtidos a partir dos sensores Landsat 5-TM e Resourcesat-liss III. Caminhos de Geografia, v. 14, n. 46, 2013. Assinale a alternativa CORRETA que representa o significado de ŷ: 16 MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO a) (X) O valor predito. b) ( ) O rótulo original. c) ( ) Os valores de entrada. d) ( ) O erro. 4 As métricas de avaliação tem como objetivo verificar a eficácia do modelo, comparando com os dados originais. Assinale a alternativa CORRETA que contenha um tipo de erro: a) (X) MSE. b) ( ) Pandas. c) ( ) Matlab. d) ( ) PIP. 5 Python é uma linguagem básica e simples, utilizada em diversos cenários da computação, com destaque para projetos de Machine learning. Sobre o Python, assinale a alternativa CORRETA que indica o elemento utilizado para importar as métricas de avaliação: a) (X) sklearn.metrics. b) ( ) Scikit-learn. c) ( ) Pandas. d) ( ) Numpy. TÓPICO 2 1 A regressão linear é uma tentativa de modelar uma equação matemática linear que descreva o relacionamento entre duas variáveis. Assinale a alternativa CORRETA que contenha uma função que represente a regressão linear. a) (X) f(x) = a + bx. b) ( ) f(x) = x+ 1. c) ( ) f(x) = ax + b. d) ( ) f(x) = x. 17 MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO 2 A regressão linear permite estimar valores com base em um conjunto de entrada e um rótulo esperado. Considere os seguintes dados: X 1 2 3 4 5 6 Y 80,5 81,6 82,1 83,7 83,9 85,0 FONTE: O autor Qual a equação da regressão linear para os valores anteriores? a) (X) ŷ = 79,9 + 0,886x. b) ( ) ŷ = 79,9x+ 0,886. c) ( ) ŷ = 80,5 + 0,81x. d) ( ) ŷ =81,6 + 0,821x. 3 Para o conjunto de dados a seguir, considere o modelo de regressão linear hθ (x) = θ0 + θ1x. Assinale a alternativa CORRETA que contenha os valores de θ0 e θ1 na descida do gradiente descendente? X 1 2 4 0 Y 0,5 1 2 0 FONTE: O autor a) (X) θ0 = 0,θ1 = 0.5. b) ( ) θ0 = 0.5,θ1 = 0. c) ( ) θ0 = 0.5,θ1 = 0.5. d) ( ) θ0 = 1,θ1 = 0.5. 4 Para a hipótese de uma regressão linear, definimos θ₀ = −1, θ₁ = 0,5. Assinale a alternativa CORRETA para hθ (4): a) (X) 1. b) ( ) –1. c) ( ) 4. d) ( ) 0,5. 18 MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO 5 Considere os seguintes dados: X 1 2 3 4 5 6 Y 80,5 81,6 82,1 83,7 83,9 85,0 FONTE: O autor Assinale a alternativa CORRETA que contenha o valor de m: a) (X) 6. b) ( ) 82. c) ( ) 2. d) ( ) 5. TÓPICO 3 1 Para as próximas questões, considere texto e fórmula a seguir: A regressão logística é um método de associação de variáveis no qual se prediz a presença ou ausência de uma característica (no caso, o cancelamento da assinatura) por meio de um conjunto de variáveis preditoras ou explicativas. FONTE: SILVA, L. P. M. da. O mercado de produtos digitais: um estudo de Churn de migrados de assinatura de jornal. Monografia (Administração) – Departamento de Ciências Administrativas, Escola de Administração, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2017. Disponível em: https://lume.ufrgs.br/bitstream/ handle/10183/169919/001051430.pdf?sequence=1&isAllowed=y. Acesso em: 5 nov. 2020. a) Na equação apresentada, indique o significado de e. R.: Representa o número de Euler. b) Na equação apresentada, indique o significado de x₀. R.: Representa o valor do ponto médio da sigmoide no eixo x. 19 MACHINE LEARNING I – CLASSIFICAÇÃO E REGRESSÃO c) Na equação apresentada, indique o significado de L. R.: Representa o valor máximo. d) Na equação apresentada, indique o significado de k. R.: Representa a inclinação da curva.
Compartilhar