[pt] A presente dissertação aborda o algoritmo de Seleção de Variáveis Baseada em Informação Mútua sob Distribuição de Informação Uniforme (MIFS-U) e expõe um método alternativo para estimação da entropia e da informação mútua, medidas que constituem a base deste algoritmo de seleção. Este método tem, por fundamento, a informação mútua quadrática de Cauchy-Schwartz e a entropia quadrática de Rényi, combinada, no caso de variáveis contínuas, ao método de estimação de densidade Janela de Parzen. Foram realizados experimentos com dados reais de domínio público, sendo tal método comparado com outro, largamente utilizado, que adota a definição de entropia de Shannon e faz uso, no caso de variáveis contínuas, do estimador de densidade histograma. Os resultados mostram pequenas variações entre os dois métodos, mas que sugerem uma investigação futura através de um classificador, tal como Redes Neurais, para avaliar qualitativamente tais resultados à luz do objetivo final que consiste na maior exatidão de classificação. / [en] This dissertation approaches the algorithm of Selection of Variables under Mutual Information with Uniform Distribution (MIFS-U) and presents an alternative method for estimate entropy and mutual information, measures that constitute the base of this selection algorithm. This method has, for foundation, the Cauchy-Schwartz quadratic mutual information and the quadratic Rényi entropy, combined, in the case of continuous variables, with Parzen Window density estimation. Experiments were accomplished with real public domain data, being such method compared with other, broadly used, that adopts the Shannon entropy definition and makes use, in the case of continuous variables, of the histogram density estimator The results show small variations among the two methods, what suggests a future investigation through a classifier, such as Neural Networks, to evaluate this results, qualitatively, in the light of the final objective that consists of the biggest sort exactness.

[pt] Nos anos 50, Henrry Markowitz criou um modelo que maximiza a razão entre a média e o desvio padrão [Markowitz, 1952 & 1959]. Esse modelo é muito utilizado até os dias de hoje. Porém ele supõe que os retornos dos ativos do portifólio sejam normalmente distribuídos, e isso não é tão comum, logo seu uso é limitado. Esse trabalho propõe um modelo mais robusto em termos de risco, que possa ser utilizado sem restrições de distribuições, não necessitando do conhecimento a priori das distribuições e que seja uma aproximação do modelo de Markowitz, caso os retornos dos ativos sejam normalmente distribuídos. Para possibilitar isso, o índice maximizado pelo modelo de Markowitz é escrito como uma função da média e da entropia. A seleção do portifólio é dada pelo portifólio que obtiver o maior índice proposto dentro da amostra selecionada. / [en] In the 50 s, Henrry Markowitz created a model that maximizes the mean to standard deviation ratio [Markowitz, 1952]. This model is largely use in the financial market. However, it assumes that portfolio s equities returns are normally distributed, and this not always happens, therefore limiting its use. This work proposes a more robust model in risk measure that can be used without any distribution constraint, however it reduces to Markowitz model if the assets returns are normal distributed. To make it possible, the index maximized by Markowitz will be written as a function of the mean and the entropy. The portfolio selection is that one witch has the largest proposed index in the selected sample.