Os projetos de desenvolvimento no segmento de Exploração e Produção (E&P) da indústria do petróleo exigem altos dispêndios de capital, e possuem intrinsecamente um elevado grau de risco associado aos diversos tipos de incertezas presentes nas variáveis do problema. A tomada de decisão nesses projetos, seja ela baseada em maximização de lucro, de reservas ou de produção acumulada, é fundamentada na previsão sobre o comportamento futuro do reservatório. Entretanto, estas previsões apresentam um alto grau de variabilidade, sobretudo, devido às incertezas originadas em diversos fatores do processo de modelagem, dentre os quais podemos citar: (1) incertezas na modelagem geológica (geometria, estrutura, distribuição espacial das propriedades, etc.), (2) incertezas na caracterização dos fluidos do reservatório, (3) incertezas sobre o comportamento do sistema rocha-fluido e (4) incertezas econômicas. A necessidade de quantificar as incertezas em projetos de E&P surge naturalmente a partir do processo de modelagem, pois é simplesmente impraticável, ou mesmo impossível, representar com precisão todas as propriedades de um sistema dinâmico real. Para obter uma maior contabilidade nas curvas de previsão de produção de fluidos, resultantes do modelo de simulação numérica, é de extrema importância uma modelagem que consiga caracterizar adequadamente propriedades do meio poroso, tais como a permeabilidade e porosidade. Contudo, estas propriedades são inerentemente heterogêneas e exibem um alto grau de variabilidade espacial o que, somada à natureza esparsa dos dados disponíveis, contribuem para o surgimento de incertezas na caracterização dessas propriedades e, consequentemente, incertezas na previsão do comportamento futuro do reservatório. A proposta deste trabalho é apresentar um modelo substituto para alguma variável dinâmica de interesse que leve em conta as incertezas existentes nas propriedades estáticas do reservatório. A abordagem seguida neste trabalho é baseada na expansão espectral dos campos randômicos de entrada por meio da expansão de Karhunen-Loeve (em sua versão linear ou não linear) e das variáveis aleatórias de saída por meio da expansão do caos polinomial (PCE). Esta abordagem é geralmente uma ou mais ordens de grandeza mais rápida do que técnicas baseadas em Monte Carlo e tem a vantagem de que o modelo de simulação pode ser tratado como caixa-preta, implicando numa implementação relativamente direta.The production development projects in Exploration and Production (E&P) segment of the oil industry require high capital expenditures, and inherently have a high degree of risk associated with various types of uncertainties present in the problem variables. Decision making in these projects, be it based on maximizing profits, reserves or cumulative oil production is based on the forecast of the future reservoir behavior. However, these predictions have a high degree of variability, especially because of the uncertainties arising in various factors in the modeling process, among which include: (1) uncertainties in the geological modeling (geometry, structure, spatial distribution of the properties, ...), (2) uncertainty in the characterization of reservoir fluids, (3) uncertainties about the behavior of the rock-fluid system and (4) economical assumptions. The need to quantify uncertainties in E&P projects arises naturally from the modeling process, because it is simply impractical, if not impossible, to accurately represent all the properties of a real dynamic system. For greater reliability in the fluid production forecast resulting from numerical simulation model it is of utmost importance as modeling that can adequately characterize properties of the porous medium such as permeability and porosity. However, these properties are inherently heterogeneous and exhibit a high degree of spatial variability which, in addition to the sparse nature of the data available, contribute to the emergence of uncertainties in the characterization of these properties and, consequently, uncertainties in predicting reservoir behavior. The purpose of this thesis is to present a proxy model for some dynamic variable of interest that takes into account uncertainties in the static properties of the reservoir. The approach followed in this work is based on the spectral expansion of the input random fields through Karhunen- Loeve expansion (in its linear or non-linear version) and the random variables output by the polynomial chaos expansion (PCE). This approach is typically one or more orders of magnitude faster than techniques based on Monte Carlo, and has advantage that the simulation model can be treated as black-box, implying in a relatively straightforward implementation.