[pt] O objetivo desta dissertação é desenvolver modelos matemáticos que permitam estimar o tempo médio dos banhos com a utilização de chuveiros elétricos e a curva de carga desses aparelhos, considerando as informações das Pesquisas de Posses e Hábitos de Consumo (PPH) e medições realizadas com o auxílio de medidores eletrônicos com memória de massa, em residências com chuveiros elétricos. A motivação do estudo advém de uma exigência da ANEEL que determina que as distribuidoras de energia elétrica realizem a cada 2 (dois) ciclos de revisão tarifária a PPH em suas unidades consumidoras. Os métodos empregados foram: estatística descritiva (para a obtenção do tempo médio de banho); aplicação da regressão linear e de redes neurais (para corrigir a curva de carga horária obtida com a PPH, com base nos dados das medições). Os resultados foram promissores, pois o tempo médio de banho se encontra próximo às estimativas do PROCEL (que são de 8 (oito) a 10 (dez) minutos) e a curva de carga estimada se encontra próxima à da medição, sendo esta última o consumo real. Conclui-se que a abordagem desta dissertação resultou em melhorias na estimativa dos coeficientes de ajustes e que o método de redes neurais foi relativamente melhor que o método de regressão linear simples. / [en] The aim of this dissertation is to develop mathematical models that would allow the estimation of the average time of baths using electric showers and the load shape curves for these devices, obtained from two sources: the information of Electrical Appliances Ownership Survey and measurements of electric shower usage in households carried out with electronic meters with storage capacity. The motivation stems from a requirement of ANEEL that determines that the electric energy distributors periodically should hold a PPH in their consumer units. Concerning the average time of shower baths, the last PPH survey conducted by PROCEL in 2005 estimated this time between 8 (eight) and 10 (ten) minutes. The methods employed in this work were: descriptive statistics (for obtaining the average bath time); application of linear regression and neural networks (to estimate the correction factors to approximate the load shape curves obtained by PPH to those obtained by measurements). The obtained results are rather promising due to the following reasons: the average time of bath is next to the estimates of PROCEL and the corrected load shape curve estimated is quite close to the measured curve, the latter being the actual consumption. This approach has resulted in improvements in the estimation of the coefficients of adjustments and the method of neural networks was relatively better than the simple linear regression method.