Mudanças na política agrícola brasileira têm preconizado a adoção de mecanismos de mercado para o fortalecimento da comercialização, financiamento à produção e mitigação dos riscos agropecuários, tanto o climático, quanto o de mercado. O seguro rural é um dos instrumentos mais promissores nesse novo estágio da política agrícola, pois permite a administração do risco agrícola, ao mesmo tempo em que lastreia as operações de comercialização e financiamento agrícola. O seguro de receita emerge como um instrumento ainda mais robusto de estabilização a receita agrícola, na medida em que garante a variação de produtividade e preço, simultaneamente. O instrumento já é consolidado nos Estados Unidos e começa a ser estudado no Brasil. Por essa razão, a primeira parte do estudo, capítulo 2, visa analisar os planos de seguro existentes e indicar os modelos que devem ser fomentados no Brasil. Constatou-se que os modelos estadunidenses baseados no plano de Proteção de Renda (IP - Income Protection) e Receita Garantida (RA - Revenue Assurance), substituídos pelo plano Proteção de Receita (RP - Revenue Protection), são os mais adequados para iniciar o desenvolvimento dessa modalidade de seguro no Brasil. Na segunda parte do trabalho, capítulo 3, é apresentado modelo teórico de plano de seguro de receita, bem como procedimento metodológico de cálculo da taxa de prêmio, de modo univariado e bivariado. Aplicada a metodologia ao caso da soja no Paraná, concluiu-se que as taxas calculadas no estudo são inferiores às praticadas nos dois projetos experimentais existentes. O distanciamento entre as taxas praticadas no mercado e a diferença em relação às estimadas na nesta pesquisa indicam imprecisão no cálculo das taxas de prêmio e são evidências de superestimação das taxas pelas seguradoras. / Changes in Brazilian agricultural policies have advocated the adoption of market mechanisms for strengthening the marketing, the financing to production, and both climate and market farming risk mitigation. Rural insurance is one of the most promising instruments in this new stage of agricultural policy, for crop risk administration at the same time it serves as collateral to marketing operations and agricultural funding. The insurance revenue emerges as an even more robust stabilization of agricultural revenue instrument to the extent that it ensures the variation of productivity and price simultaneously. The instrument is already consolidated in the United States and begins to be studied in Brazil. For this reason, the first part of the study, Chapter 2, aims to analyze existing insurance plans and indicate the models that should be encouraged in Brazil. It was found that models based on U.S. Income Protection (IP) and Revenue Assurance (RA), replaced by the plan Revenue Protection are best suited to start the development of this type of insurance in Brazil. In the second part of the dissertation, Chapter 3, the theoretical model of revenue insurance plan is presented, as well as a methodology for univariate and bivariate premium ratemaking. The methodology was applied to the case of soybean in Paraná, and it was concluded that the rates calculated in this study are lower than those of the two existing experimental projects. The gap between the market rates and the difference in relation to the rates estimated in the study indicate inaccuracy in the calculation of premium rates and are evidence of rate overestimation by insurers.

Mudanças na política agrícola brasileira têm preconizado a adoção de mecanismos de mercado para o fortalecimento da comercialização, financiamento à produção e mitigação dos riscos agropecuários, tanto o climático, quanto o de mercado. O seguro rural é um dos instrumentos mais promissores nesse novo estágio da política agrícola, pois permite a administração do risco agrícola, ao mesmo tempo em que lastreia as operações de comercialização e financiamento agrícola. O seguro de receita emerge como um instrumento ainda mais robusto de estabilização a receita agrícola, na medida em que garante a variação de produtividade e preço, simultaneamente. O instrumento já é consolidado nos Estados Unidos e começa a ser estudado no Brasil. Por essa razão, a primeira parte do estudo, capítulo 2, visa analisar os planos de seguro existentes e indicar os modelos que devem ser fomentados no Brasil. Constatou-se que os modelos estadunidenses baseados no plano de Proteção de Renda (IP - Income Protection) e Receita Garantida (RA - Revenue Assurance), substituídos pelo plano Proteção de Receita (RP - Revenue Protection), são os mais adequados para iniciar o desenvolvimento dessa modalidade de seguro no Brasil. Na segunda parte do trabalho, capítulo 3, é apresentado modelo teórico de plano de seguro de receita, bem como procedimento metodológico de cálculo da taxa de prêmio, de modo univariado e bivariado. Aplicada a metodologia ao caso da soja no Paraná, concluiu-se que as taxas calculadas no estudo são inferiores às praticadas nos dois projetos experimentais existentes. O distanciamento entre as taxas praticadas no mercado e a diferença em relação às estimadas na nesta pesquisa indicam imprecisão no cálculo das taxas de prêmio e são evidências de superestimação das taxas pelas seguradoras. / Changes in Brazilian agricultural policies have advocated the adoption of market mechanisms for strengthening the marketing, the financing to production, and both climate and market farming risk mitigation. Rural insurance is one of the most promising instruments in this new stage of agricultural policy, for crop risk administration at the same time it serves as collateral to marketing operations and agricultural funding. The insurance revenue emerges as an even more robust stabilization of agricultural revenue instrument to the extent that it ensures the variation of productivity and price simultaneously. The instrument is already consolidated in the United States and begins to be studied in Brazil. For this reason, the first part of the study, Chapter 2, aims to analyze existing insurance plans and indicate the models that should be encouraged in Brazil. It was found that models based on U.S. Income Protection (IP) and Revenue Assurance (RA), replaced by the plan Revenue Protection are best suited to start the development of this type of insurance in Brazil. In the second part of the dissertation, Chapter 3, the theoretical model of revenue insurance plan is presented, as well as a methodology for univariate and bivariate premium ratemaking. The methodology was applied to the case of soybean in Paraná, and it was concluded that the rates calculated in this study are lower than those of the two existing experimental projects. The gap between the market rates and the difference in relation to the rates estimated in the study indicate inaccuracy in the calculation of premium rates and are evidence of rate overestimation by insurers.

Informações que caracterizam o risco quebra de produção agrícola são necessárias para a precificação de prêmio do seguro agrícola de produção e de renda. A distribuição de probabilidade da variável rendimento agrícola é uma dessas informações, em especial aquela que descreve a variável aleatória rendimento agrícola condicionada aos fatores de risco climáticos. Este trabalho objetiva aplicar redes Bayesianas (grafo acíclico direcionado, ou modelo hierárquico Bayesiano) a estimação da distribuição de probabilidade de rendimento da soja em alguns municípios do Paraná, com foco na analise comparativa de riscos. Dados meteorológicos (ANA e INMET, período de 1970 a 2011) e de sensoriamento remoto (MODIS, período de 2000 a 2011) são usados conjuntamente para descrever espacialmente o risco climático de quebra de produção. Os dados de rendimento usados no estudo (COAMO, período de 2001 a 2011) requerem agrupamento de todos os dados ao nível municipal e, para tanto, a seleção de dados foi realizada nas dimensões espacial e temporal por meio de um mapa da cultura da soja (estimado por SVM - support vector machine) e os resultados de um algoritmo de identificação de ciclo de culturas. A interpolação requerida para os dados de temperatura utilizou uma componente de tendência estimada por dados de sensoriamento remoto, para descrever variações espaciais da variável que são ofuscadas pelos métodos tradicionais de interpolação. Como resultados, identificou-se relação significativa entre a temperatura observada por estações meteorológicas e os dados de sensoriamento remoto, apoiando seu uso conjunto nas estimativas. O classificador que estima o mapa da cultura da soja apresenta sobre-ajuste para safras das quais as amostras usadas no treinamento foram coletadas. Além da seleção de dados, a identificação de ciclo também permitiu obtenção de distribuições de datas de plantio da cultura da soja para o estado do Paraná. As redes bayesianas apresentam grande potencial e algumas vantagens quando aplicadas na modelagem de risco agrícola. A representação da distribuição de probabilidade por um grafo facilita o entendimento de problemas complexos, por suposições de causalidade, e facilita o ajuste, estruturação e aplicação do modelo probabilístico. A distribuição log-normal demonstrou-se a mais adequada para a modelagem das variáveis de ambiente (soma térmica, chuva acumulada e maior período sem chuva), e a distribuição beta para produtividade relativa e índices de estado (amplitude de NDVI e de EVI). No caso da regressão beta, o parâmetro de precisão também foi modelado com dependência das variáveis explicativas melhorando o ajuste da distribuição. O modelo probabilístico se demonstrou pouco representativo subestimando bastante as taxas de prêmio de seguro em relação a taxas praticadas no mercado, mas ainda assim apresenta contribui para o entendimento comparativo de situações de risco de quebra de produção da cultura da soja. / Information that characterize the risk of crop losses are necessary to crop and revenue insurance underwriting. The probability distribution of yield is one of this information. This research applies Bayesian networks (direct acyclic graph, or hierarchical Bayesian model) to estimate the probability distribution of soybean yield for some counties in Paraná state (Brazil) with focus on risk comparative analysis. Meteorological data (ANA and INMET, from 1970 to 2011) and remote sensing data (MODIS, from 2001 to 2011) were used to describe spatially the climate risk of production loss. The yield data used in this study (COAMO, from 2001 to 2011) required grouping to county level and, for that, a process of data selection was performed on spatial and temporal dimensions by a crop map (estimated by SVM - support vector machine) and by the results of a crop cycle identification algorithm. The interpolation required to spatialize temperature required a trend component which was estimated by remote sensing data, to describe the spatial variations of the variable obfuscated by traditional interpolation methods. As results, a significant relation between temperature from meteorological stations and remote sensing data was found, sustaining the use of the supposed relation between the two variables. The soybean map classifier shown over-fitting for the crop seasons for which the training samples were collected. Besides the data collection, a seeding dates distribution of soybean in Paraná state was obtained from the crop cycle identification process. The Bayesian networks showed big potential and some advantages when applied to agronomic risk modeling. The representation of the probability distribution by graphs helps the understanding of complex problems, with causality suppositions, and also helps the fitting, structuring and application of the probabilistic model. The log-normal probability distribution showed to be the best to model environment variables (thermal sum, accumulated precipitation and biggest period without rain), and the beta distribution to be the best to model relative yield and state indexes (NDVI and EVI ranges). In the case of beta regression, the precision parameter was also modeled with explanation variables as dependencies increasing the quality of the distribution fitting. In the overall, the probabilistic model had low representativity underestimating the premium rates, however it contributes to understand scenarios with risk of yield loss for the soybean crop.

O presente trabalho tem como principal objetivo, propor e testar métodos alternativos de precificação de contratos de seguro agrícola, baseados em um indicador de produtividade regional. A taxa de prêmio é calculada utilizando a abordagem nãoparamétrica de estimação da densidade da produtividade agrícola, a abordagem paramétrica utilizando as distribuições Normal e Beta e modelos hierárquicos Bayesianos. Na recuperação do processo gerador destes dados, são considerados os efeitos temporal, espacial e espaço-temporal visando a predição e a precificação de um contrato de seguro agrícola regional. Os dois primeiros métodos são aplicados a um conjunto de dados de produtividade municipal do Instituto Brasileiro de Geografia e Estatística (IBGE), no período de 1990 a 2002, para as culturas da soja, milho e trigo, no Estado do Paraná. Na análise empírica do modelo Bayesiano, são utilizados dados de produtividade municipal de milho, no Estado do Paraná, nos anos de 1990 a 2002. A escolha do melhor modelo dentre os modelos não-aninhados ajustados, é baseado no critério da preditiva a posteriori. As metodologias utilizadas nesta pesquisa incorporam melhorias no cálculo atuarial da taxa de prêmio, tendo em vista o pequeno número de observações de produtividade agrícola existentes. Além de propor novas metodologias, estudou-se a viabilidade de implantar um esquema de seguro agrícola regional na região de Castro, no Estado do Paraná, levando em conta a quantificação e redução do risco sistêmico proveniente da aquisição do seguro e da correlação da produtividade individual e regional. Para melhor entendimento dos diversos aspectos do problema, é feito um amplo levantamento histórico e principais tendências do seguro agrícola no Brasil e nos EUA, ressaltando os aspectos legal, institucional e operacional. O estudo mostrou que se o seguro regional de produtividade for oferecido na região de Castro, os produtores se beneficiariam devido à redução do risco proveniente do seguro e também devido ao prêmio relativamente menor do que aquele cobrado pelas seguradoras para os mesmos municípios estudados. / This research analyses alternative methods of pricing agricultural insurance contract based on regional yields. The premium rate is calculated using three different approaches: nonparametric method to estimate the density of the agricultural yield; parametric approach fitting the Normal and Beta distributions; and, hierarchical Bayesian models. The data generating process is recovered considering the temporal, spatial and spatio-temporal aspects to make predictions and pricing for area-yield insurance contract. The data used are county yields, collected by the Brazilian Institute of Geography and Statistics (IBGE), 1990 through 2002. The first two methods were applied to soybean, corn and wheat in the State of Paraná. In the Bayesian model, the empirical analysis limited to corn, in the State of the Paraná, from 1990 through 2002. The choice of the best model among the several non-nested models tested was based on the posterior predictive criteria. The methods proposed in this research intend to improve the actuarial calculation of the premium rate, taking into account the small size of data regarding agricultural yields. Besides proposing different methodologies, a case study of the viability was carried out. The possibility of implementation of an are-yield agricultural insurance was studied in the region of Castro, in the State of the Paraná. This case study considers the quantification and reduction of the systemic risk and also the correlation of the individual and regional yield. To better understand the problem involving the agricultural insurance, a broad historical review of literature was made in Brazil and U.S.A., considering its legal, institutional and operational aspects. The study shows that if a regional yield insurance contract is offered in the Castro region, producers would benefit from exposure to lower risk levels and also a relatively smaller premium rate than the rates charged by insurance companies in the same region.

O risco de produtividade afeta diretamente a renda do produtor rural, mas existem diversas ferramentas de administração que visam diminuir esses riscos. O trabalho apresenta, a partir de uma revisão abrangente da literatura, os possíveis ganhos e perdas que a diversificação espacial como controle de risco oferecem ao produtor rural. Através de mapas que apresentam medidas estatísticas de dispersão e evidenciam o efeito da distância e da direção geográfica na correlação da produtividade da soja entre regiões, pode-se mostrar como a diversificação espacial pode beneficiar o produtor rural. Com a utilização de dados do IBGE e de métodos estatísticos bayesianos foram estimados prêmios líquidos de seguro para a soja e estudado o efeito da diversificação espacial no cálculo desses prêmios de seguro. Os resultados obtidos ao longo do trabalho permitem concluir que as produtividades variam espacialmente com mais intensidade no sentido da latitude (leste-oeste) do que no sentido da longitude (norte-sul). Ainda, foi possível verificar que o cálculo da taxa de prêmio líquido de seguro a partir da regressão das produtividades anteriores retorna valores mais baixos do que quando calculada pela média desses dados e que a diversificação espacial reduz o prêmio médio do seguro em comparação a quando o seguro é calculado para cada município individualmente. / The productivity risk affects the income of the rural producer directly but several administration tools that seek to reduce those risks exist. The work presents, starting from an including revision of the literature, the possible earnings and losses that the space diversification as risk control offers to the rural producer. Through maps that present statistical measures of dispersion and they evidence the effect of the distance and of the geographical direction in the correlation of the productivity of the soy among areas, it can be shown as the space diversification can benefit the rural producer. With the use of data of IBGE and of statitical bayesian methods they were dear liquid prizes of insurance for the soy and studied the effect of the space diversification in the calculation of those prizes of safe. The results obtained along the work allow to conclude that the productivities vary espacialmente with more intensity in the latitudinal direction (east-west) than in the longitudinal direction (north-south). Still, it was possible to verify that the calculation of the tax of liquid prize of insurance starting from the regression of the previous productivities returns lower values than when made calculations by the average of those data and that the space diversification reduces the medium prize of the insurance in comparison with when the insurance is calculated for each municipal district individually.

O presente trabalho tem por objetivo utilizar a abordagem dos modelos lineares generalizados e os modelos de dispersão no contexto do seguro agrícola. Os modelos lineares generalizados (MLG\'s) constituem uma extensão dos modelos lineares de regressão múltipla introduzida por Nelder e Wedderburn (1972), que inclui modelos cuja variável resposta pertence à família exponencial de distribuições. O MLG é formado por um componente aleatório, que possui distribuição pertencente à família exponencial, um componente sistemático, conectados por uma função de ligação. Jorgensen (1997) estende a utilização dos MLG para uma classe mais ampla de modelos probabilísticos, denominados modelos de dispersão. A estimação dos parâmetros foi baseada no método da máxima verossimilhança, e também, em função da amostra ser relativamente pequena, optou-se pelo método de bootstrap não-paramétrico. As duas abordagens foram aplicadas a dois conjuntos de dados de sinistros de 15 municípios do estado do Rio Grande do Sul. Os resultados mostraram que a precipitação acumulada tem influência na ocorrência de sinistros. Entretanto, na modelagem do montante do sinistro não foi encontrada nenhuma variável significativa. Usando o método de bootstrap, foi encontrada influência das variáveis precipitação acumulada e a temperatura média no numero de sinistros / The main objective of this work is to use the generalized linear models and dispersion models in the agricultural insurance context. The Generalized Linear Model (GLM) are an extension of the multiple regression linear models presented by Nelder e Wedderburn (1972). This approach include situations in which the response variable can be included in exponencial the family. The GLM is composed of a randomized component, a sistematic component and the link functions. JÁrgensen (1997) extend the application of the GLM for a more general class of probability models, called dispersion models. Both approaches were applied in two insurance datasets for 15 citys in Rio Grande do Sul. The parameters estimation was based in the maximum likelihood method, in addition, because of the relatively small sample, the non-parametric Bootstrap method was used. This study show, using GLM, that only the accumulated rainfall was statistically significant . However, any of the covariates was significant when modelling the amount of claims. In the analysis using Bootstrap method the accumulated rainfall and average temperature were significant when modelling the number of insurance clains.

O presente trabalho tem como principal objetivo, propor e testar métodos alternativos de precificação de contratos de seguro agrícola, baseados em um indicador de produtividade regional. A taxa de prêmio é calculada utilizando a abordagem nãoparamétrica de estimação da densidade da produtividade agrícola, a abordagem paramétrica utilizando as distribuições Normal e Beta e modelos hierárquicos Bayesianos. Na recuperação do processo gerador destes dados, são considerados os efeitos temporal, espacial e espaço-temporal visando a predição e a precificação de um contrato de seguro agrícola regional. Os dois primeiros métodos são aplicados a um conjunto de dados de produtividade municipal do Instituto Brasileiro de Geografia e Estatística (IBGE), no período de 1990 a 2002, para as culturas da soja, milho e trigo, no Estado do Paraná. Na análise empírica do modelo Bayesiano, são utilizados dados de produtividade municipal de milho, no Estado do Paraná, nos anos de 1990 a 2002. A escolha do melhor modelo dentre os modelos não-aninhados ajustados, é baseado no critério da preditiva a posteriori. As metodologias utilizadas nesta pesquisa incorporam melhorias no cálculo atuarial da taxa de prêmio, tendo em vista o pequeno número de observações de produtividade agrícola existentes. Além de propor novas metodologias, estudou-se a viabilidade de implantar um esquema de seguro agrícola regional na região de Castro, no Estado do Paraná, levando em conta a quantificação e redução do risco sistêmico proveniente da aquisição do seguro e da correlação da produtividade individual e regional. Para melhor entendimento dos diversos aspectos do problema, é feito um amplo levantamento histórico e principais tendências do seguro agrícola no Brasil e nos EUA, ressaltando os aspectos legal, institucional e operacional. O estudo mostrou que se o seguro regional de produtividade for oferecido na região de Castro, os produtores se beneficiariam devido à redução do risco proveniente do seguro e também devido ao prêmio relativamente menor do que aquele cobrado pelas seguradoras para os mesmos municípios estudados. / This research analyses alternative methods of pricing agricultural insurance contract based on regional yields. The premium rate is calculated using three different approaches: nonparametric method to estimate the density of the agricultural yield; parametric approach fitting the Normal and Beta distributions; and, hierarchical Bayesian models. The data generating process is recovered considering the temporal, spatial and spatio-temporal aspects to make predictions and pricing for area-yield insurance contract. The data used are county yields, collected by the Brazilian Institute of Geography and Statistics (IBGE), 1990 through 2002. The first two methods were applied to soybean, corn and wheat in the State of Paraná. In the Bayesian model, the empirical analysis limited to corn, in the State of the Paraná, from 1990 through 2002. The choice of the best model among the several non-nested models tested was based on the posterior predictive criteria. The methods proposed in this research intend to improve the actuarial calculation of the premium rate, taking into account the small size of data regarding agricultural yields. Besides proposing different methodologies, a case study of the viability was carried out. The possibility of implementation of an are-yield agricultural insurance was studied in the region of Castro, in the State of the Paraná. This case study considers the quantification and reduction of the systemic risk and also the correlation of the individual and regional yield. To better understand the problem involving the agricultural insurance, a broad historical review of literature was made in Brazil and U.S.A., considering its legal, institutional and operational aspects. The study shows that if a regional yield insurance contract is offered in the Castro region, producers would benefit from exposure to lower risk levels and also a relatively smaller premium rate than the rates charged by insurance companies in the same region.

Informações que caracterizam o risco quebra de produção agrícola são necessárias para a precificação de prêmio do seguro agrícola de produção e de renda. A distribuição de probabilidade da variável rendimento agrícola é uma dessas informações, em especial aquela que descreve a variável aleatória rendimento agrícola condicionada aos fatores de risco climáticos. Este trabalho objetiva aplicar redes Bayesianas (grafo acíclico direcionado, ou modelo hierárquico Bayesiano) a estimação da distribuição de probabilidade de rendimento da soja em alguns municípios do Paraná, com foco na analise comparativa de riscos. Dados meteorológicos (ANA e INMET, período de 1970 a 2011) e de sensoriamento remoto (MODIS, período de 2000 a 2011) são usados conjuntamente para descrever espacialmente o risco climático de quebra de produção. Os dados de rendimento usados no estudo (COAMO, período de 2001 a 2011) requerem agrupamento de todos os dados ao nível municipal e, para tanto, a seleção de dados foi realizada nas dimensões espacial e temporal por meio de um mapa da cultura da soja (estimado por SVM - support vector machine) e os resultados de um algoritmo de identificação de ciclo de culturas. A interpolação requerida para os dados de temperatura utilizou uma componente de tendência estimada por dados de sensoriamento remoto, para descrever variações espaciais da variável que são ofuscadas pelos métodos tradicionais de interpolação. Como resultados, identificou-se relação significativa entre a temperatura observada por estações meteorológicas e os dados de sensoriamento remoto, apoiando seu uso conjunto nas estimativas. O classificador que estima o mapa da cultura da soja apresenta sobre-ajuste para safras das quais as amostras usadas no treinamento foram coletadas. Além da seleção de dados, a identificação de ciclo também permitiu obtenção de distribuições de datas de plantio da cultura da soja para o estado do Paraná. As redes bayesianas apresentam grande potencial e algumas vantagens quando aplicadas na modelagem de risco agrícola. A representação da distribuição de probabilidade por um grafo facilita o entendimento de problemas complexos, por suposições de causalidade, e facilita o ajuste, estruturação e aplicação do modelo probabilístico. A distribuição log-normal demonstrou-se a mais adequada para a modelagem das variáveis de ambiente (soma térmica, chuva acumulada e maior período sem chuva), e a distribuição beta para produtividade relativa e índices de estado (amplitude de NDVI e de EVI). No caso da regressão beta, o parâmetro de precisão também foi modelado com dependência das variáveis explicativas melhorando o ajuste da distribuição. O modelo probabilístico se demonstrou pouco representativo subestimando bastante as taxas de prêmio de seguro em relação a taxas praticadas no mercado, mas ainda assim apresenta contribui para o entendimento comparativo de situações de risco de quebra de produção da cultura da soja. / Information that characterize the risk of crop losses are necessary to crop and revenue insurance underwriting. The probability distribution of yield is one of this information. This research applies Bayesian networks (direct acyclic graph, or hierarchical Bayesian model) to estimate the probability distribution of soybean yield for some counties in Paraná state (Brazil) with focus on risk comparative analysis. Meteorological data (ANA and INMET, from 1970 to 2011) and remote sensing data (MODIS, from 2001 to 2011) were used to describe spatially the climate risk of production loss. The yield data used in this study (COAMO, from 2001 to 2011) required grouping to county level and, for that, a process of data selection was performed on spatial and temporal dimensions by a crop map (estimated by SVM - support vector machine) and by the results of a crop cycle identification algorithm. The interpolation required to spatialize temperature required a trend component which was estimated by remote sensing data, to describe the spatial variations of the variable obfuscated by traditional interpolation methods. As results, a significant relation between temperature from meteorological stations and remote sensing data was found, sustaining the use of the supposed relation between the two variables. The soybean map classifier shown over-fitting for the crop seasons for which the training samples were collected. Besides the data collection, a seeding dates distribution of soybean in Paraná state was obtained from the crop cycle identification process. The Bayesian networks showed big potential and some advantages when applied to agronomic risk modeling. The representation of the probability distribution by graphs helps the understanding of complex problems, with causality suppositions, and also helps the fitting, structuring and application of the probabilistic model. The log-normal probability distribution showed to be the best to model environment variables (thermal sum, accumulated precipitation and biggest period without rain), and the beta distribution to be the best to model relative yield and state indexes (NDVI and EVI ranges). In the case of beta regression, the precision parameter was also modeled with explanation variables as dependencies increasing the quality of the distribution fitting. In the overall, the probabilistic model had low representativity underestimating the premium rates, however it contributes to understand scenarios with risk of yield loss for the soybean crop.

O risco de produtividade afeta diretamente a renda do produtor rural, mas existem diversas ferramentas de administração que visam diminuir esses riscos. O trabalho apresenta, a partir de uma revisão abrangente da literatura, os possíveis ganhos e perdas que a diversificação espacial como controle de risco oferecem ao produtor rural. Através de mapas que apresentam medidas estatísticas de dispersão e evidenciam o efeito da distância e da direção geográfica na correlação da produtividade da soja entre regiões, pode-se mostrar como a diversificação espacial pode beneficiar o produtor rural. Com a utilização de dados do IBGE e de métodos estatísticos bayesianos foram estimados prêmios líquidos de seguro para a soja e estudado o efeito da diversificação espacial no cálculo desses prêmios de seguro. Os resultados obtidos ao longo do trabalho permitem concluir que as produtividades variam espacialmente com mais intensidade no sentido da latitude (leste-oeste) do que no sentido da longitude (norte-sul). Ainda, foi possível verificar que o cálculo da taxa de prêmio líquido de seguro a partir da regressão das produtividades anteriores retorna valores mais baixos do que quando calculada pela média desses dados e que a diversificação espacial reduz o prêmio médio do seguro em comparação a quando o seguro é calculado para cada município individualmente. / The productivity risk affects the income of the rural producer directly but several administration tools that seek to reduce those risks exist. The work presents, starting from an including revision of the literature, the possible earnings and losses that the space diversification as risk control offers to the rural producer. Through maps that present statistical measures of dispersion and they evidence the effect of the distance and of the geographical direction in the correlation of the productivity of the soy among areas, it can be shown as the space diversification can benefit the rural producer. With the use of data of IBGE and of statitical bayesian methods they were dear liquid prizes of insurance for the soy and studied the effect of the space diversification in the calculation of those prizes of safe. The results obtained along the work allow to conclude that the productivities vary espacialmente with more intensity in the latitudinal direction (east-west) than in the longitudinal direction (north-south). Still, it was possible to verify that the calculation of the tax of liquid prize of insurance starting from the regression of the previous productivities returns lower values than when made calculations by the average of those data and that the space diversification reduces the medium prize of the insurance in comparison with when the insurance is calculated for each municipal district individually.

O presente trabalho tem por objetivo utilizar a abordagem dos modelos lineares generalizados e os modelos de dispersão no contexto do seguro agrícola. Os modelos lineares generalizados (MLG\'s) constituem uma extensão dos modelos lineares de regressão múltipla introduzida por Nelder e Wedderburn (1972), que inclui modelos cuja variável resposta pertence à família exponencial de distribuições. O MLG é formado por um componente aleatório, que possui distribuição pertencente à família exponencial, um componente sistemático, conectados por uma função de ligação. Jorgensen (1997) estende a utilização dos MLG para uma classe mais ampla de modelos probabilísticos, denominados modelos de dispersão. A estimação dos parâmetros foi baseada no método da máxima verossimilhança, e também, em função da amostra ser relativamente pequena, optou-se pelo método de bootstrap não-paramétrico. As duas abordagens foram aplicadas a dois conjuntos de dados de sinistros de 15 municípios do estado do Rio Grande do Sul. Os resultados mostraram que a precipitação acumulada tem influência na ocorrência de sinistros. Entretanto, na modelagem do montante do sinistro não foi encontrada nenhuma variável significativa. Usando o método de bootstrap, foi encontrada influência das variáveis precipitação acumulada e a temperatura média no numero de sinistros / The main objective of this work is to use the generalized linear models and dispersion models in the agricultural insurance context. The Generalized Linear Model (GLM) are an extension of the multiple regression linear models presented by Nelder e Wedderburn (1972). This approach include situations in which the response variable can be included in exponencial the family. The GLM is composed of a randomized component, a sistematic component and the link functions. JÁrgensen (1997) extend the application of the GLM for a more general class of probability models, called dispersion models. Both approaches were applied in two insurance datasets for 15 citys in Rio Grande do Sul. The parameters estimation was based in the maximum likelihood method, in addition, because of the relatively small sample, the non-parametric Bootstrap method was used. This study show, using GLM, that only the accumulated rainfall was statistically significant . However, any of the covariates was significant when modelling the amount of claims. In the analysis using Bootstrap method the accumulated rainfall and average temperature were significant when modelling the number of insurance clains.