[pt] A avaliação dos projetos de investimentos é uma tarefa difícil para muitas empresas, especialmente para aqueles cujo fluxo de caixa depende dos preços das commodities, já que o nível de incerteza nos preços tem um alto impacto na determinação do momento adequado para o investimento. Os métodos de avaliação tradicionais, que não levam em consideração a flexibilidade gerencial nem a modelagem da incerteza do projeto, podem levar a decisões não ótimas. Esta pesquisa desenvolve um modelo que considera estas variáveis, usando árvores binomiais implícitas ajustados por outros indicadores de risco, como assimetria e curtose da rentabilidade do projeto. O nível de incerteza pode não só ser medido pela volatilidade do retorno do projeto, mas também pela probabilidade de se obter um resultado baixo ou negativo no projeto. A magnitude dessa probabilidade poderia ser a avaliada conhecendo-se o valor da assimetria e curtose do retorno do projeto. Para modelar o comportamento de um projeto, esta dissertação apresenta dois tipos de árvores binomiais implícitas, recombinantes e não recombinante. Cada árvore tem sua própria abordagem específica para determinar o valor do projeto, incluindo opções. Um caso aplicado é apresentado considerando uma empresa de mineração. Os resultados sugerem que o nível de assimetria contribui para uma melhor avaliação do risco do projeto, que combinado com a metodologia de opções reais captura melhor o valor das flexibilidades do projeto; o que é uma importante contribuição do modelo proposto nesta dissertação. / [en] Valuation of capital investment projects is a difficult task for many companies, especially for those whose cash flows depend on commodity prices. The level of uncertainty in commodity prices has a significant impact in determining the proper timing for an investment. Traditional valuation methods, which do not take into account managerial flexibility or project uncertainty modeling can lead to non-optimal decisions. This research develops a dynamic model that considers these variables, and uses implied binomial trees adjusted by other indicators of risk, such as project return s skewness and kurtosis. The level of uncertainty can not only be measured by the project return s volatility, but also by how probable is the occurrence of a low or negative result in the project. The magnitude of this probability could be assessed by knowing the project return s skewness and kurtosis. To model the project s behavior, this dissertation presents two kinds of implied binomial trees, recombining and non-recombining trees. Each tree has its own specific approach to determining the value of the project, including options or managerial flexibility. An applied case is presented considering a mining project. The results suggest that the level of skewness helps to have a better measure of project risk, which combined with the real option approach, allows capturing the value of project managerial flexibilities; which is an important contribution of the proposed model in this dissertation.