[pt] A indústria de óleo e gás utiliza a sísmica para investigar a distribuição de tipos de rocha (facies) em subsuperfície. Por outro lado, apesar de seu corriqueiro uso em geociências, medidas sísmicas costumam ser ruidosas, e a inversão do dado sísmico para a distribuição de facies é um problema mal posto. Por esta razão, diversos autores estudam esta inversão sob o ponto de vista probabilístico, para ao menos estimar as incertezas da solução do problema inverso. O objetivo da presente dissertação é desenvolver método quantitativo para estimar a probabilidade de reservatório com hidrocarboneto, dado um traço sísmico de reflexão, integrando modelagem sísmica direta, e conhecimento geológico a priori. Utiliza-se, um dos métodos mais recentes para resolver o problema inverso: Modelo de Markov Oculto com Efeito Convolucional (mais especificamente, a Aproximação por Projeção de (1)). É demonstrado que o método pode ser reformulado em termos do Modelo de Markov Oculto (MMO) ordinário. A teoria de sísmica de AVA é apresentada, e usada conjuntamente com MMO com Efeito Convolucional para resolver a inversão de sísmica para facies. A técnica de inversão é avaliada usando-se medidas difundidas em Aprendizado de Máquina, em um conjunto de experimentos variados e realistas. Apresenta-se uma técnica para medir a capacidade do algoritmo em estimar valores confiáveis de probabilidade. Pelos testes realizados a aproximação por projeção apresenta distorções de probabilidade inferiores a 5 por cento, tornando-a uma técnica útil para a indústria de óleo e gás. / [en] Oil and Gas Industry uses seismic data in order to unravel the distribution of rock types (facies) in the subsurface. But, despite its widespread use, seismic data is noisy and the inversion from seismic data to the underlying rock distribution is an ill-posed problem. For this reason, many authors have studied the topic in a probabilistic formulation, in order to provide uncertainty estimations about the solution of the inversion problem. The objective of the present thesis is to develop a quantitative method to estimate the probability of hydrocarbon bearing reservoir, given a seismic reflection profile, and, to integrate geological prior knowledge with geophysical forward modelling. One of the newest methods for facies inversion is used: Convolved Hidden Markov Model (more specifically the Projection Approximation from (1)). It is demonstrated how Convolved HMM can be reformulated as an ordinary Hidden Markov Model problem (which models geological prior knowledge). Seismic AVA theory is introduced, and used with Convolved HMM theory to solve the seismic to facies problem. The performance of the inversion technique is measured with common machine learning scores, in a broad set of realistic experiments. The technique capability of estimating reliable probabilities is quantified, and it is shown to present distortions smaller than 5 percent. As a conclusion, the studied Projection Approximation is applicable for risk management in Oil and Gas applications, which integrates geological and geophysical knowledge.