[pt] A preocupação com o aquecimento global e a poluição tem aumentado significativamente o interesse no desenvolvimento de fontes renováveis de energia. Este estudo tem como eixo principal a energia eólica, o uso dessa energia elimina resíduos indesejados e prejudiciais à saúde e ao meio ambiente causados por outras fontes de energia, como carvão e usinas nucleares. Este trabalho objetiva analisar a relação de dependência entre a velocidade do vento e a geração de energia eólica, esta é uma relação bastante complexa, por isso busca-se entender a natureza estocástica de ambas as variáveis. Como ferramenta metodológica foi utilizada a teoria da cópula. O estudo baseia-se na análise e modelagem da dependência entre dados de velocidade do vento e geração de energia eólica, para um banco de dados horário de um parque eólico do estado da Bahia, no período de janeiro a dezembro de 2017, após encontrar a cópula correspondente a estrutura de dependência para o ano completo e para cada mês individualmente, foram geradas simulações e apresentadas as probabilidades de ocorrência dos cenários em intervalos pré-definidos, os resultados obtidos foram significativos, testes estatísticos adequados foram realizados, evidenciando a qualidade do ajuste. / [en] Concern about global warming and pollution has significantly increased interest in developing renewable energy sources. This study has wind energy as its main axis, the use of this energy eliminates unwanted and harmful waste to health and the environment caused by other energy sources, such as coal and nuclear power plants. This work aims to analyze the dependence relationship between wind speed and wind energy generation, this is a very complex relationship, so we seek to understand the stochastic nature of both variables. As a methodological tool, the copula theory was used. The study is based on the analysis and modeling of the dependence between wind speed data and wind energy generation, for an hourly database of a wind farm in the state of Bahia, from January to December 2017, after finding the copula corresponding to the dependency structure for the entire year and for each month individually, simulations were generated and the probabilities of occurrence of the scenarios were presented at pre-defined intervals, the results obtained were significant, adequate statistical tests were performed, evidencing the quality of the fit .