Stochastic chains with memory of variable length, consists of analyzing a portion of the past, called context, to predict the next symbol. Recently, they have been used to model up scientific data in areas as different as biology, linguistics and music. This work seeks to define this family of stochastic chains, present the maximum likelihood estimation of transition probabilities given a context tree, present the algorithm context, the BIC method and compare these two methods in software R.Cadeias estocásticas com memória de alcance variável, consiste em analisar uma porção do passado, chamado contexto, para predizer o próximo símbolo de uma determinada sequência de interesse. Recentemente tem sido usado para modelar dados em diferentes áreas da ciência como biologia, linguística e música. Este trabalho busca definir essa família de cadeia estocástica, apresentar a estimação por máxima verossimilhança das probabilidades de transição dado uma árvore de contextos, apresentar o algoritmo contexto, o método BIC e comparar esses dois métodos no software R.