Esta dissertaãƒâ§ãƒâ£o aborda a aplicaãƒâ§ãƒâ£o dos mãƒâ©todos de monte carlo via cadeias de markov na aprendizagem de estruturas de redes bayesianas. estes mãƒâ©todos tem se mostrado extremamente eficientes nos cãƒâ¡lculos aproximados de problemas nos quais ãƒâ© impossãƒâ­vel obter uma soluãƒâ§ãƒâ£o exata. neste sentido, apresenta um mãƒâ©todo para gerar estruturas de redes bayesianas a partir dos dados para que possam ser utilizadas para realizar consultas sobre o domãƒâ­nio do problema e tambãƒâ©m que permitam extrair conhecimento sobre o problema atravãƒâ©s dos modelos grãƒâ¡ficos gerados. analisando as redes geradas durante as execuãƒâ§ãƒâ?es do algoritmo, juntamente com os dados capturados na submissãƒâ£o dos casos de teste, pode-se concluir que os resultados mostraram-se muito satisfatãƒâ³rios, devido principalmente ãƒâ s taxas de erros apresentadas nas matrizes de classificaãƒâ§ãƒâ£o. pode-se crer que os bons resultados obtidos devem-se ao processo utilizado na coleta de modelos de rede, onde eram salvos os melhores modelos durante toda a execuãƒâ§ãƒâ£o do programa.