Dados longitudinais tem grande relevância em análises para avaliar diversos fatores. Por vezes, há também o problema de ausência de dados coletados em algum momento durante o estudo, o que leva à necessidade de, ou desconsiderá-los, trabalhando assim com uma amostra de menor tamanho, ou utilizar técnicas adequadas para estimar tais dados ausentes. No presente estudo, com base em dados sobre a qualidade da água nos rios Jaguari e Atibaia, são apresentados resultados de imputação múltipla de dados para dados não normais, através da "Imputação Múltipla Livre de Distribuição" e, posteriormente, resultados para a análise dos dados através de técnicas de Bootstrap em blocos. Por fim, são apresentados os resultados práticos obtidos através da análise realizada, a fim de identificar resumidamente a situação de ambos os rios ao longo dos 15 anos de estudo.ABSTRACT: Dados longitudinais tem grande relevância em análises para avaliar diversos fatores. Por vezes, há também o problema de ausência de dados coletados em algum momento durante o estudo, o que leva à necessidade de, ou desconsiderá-los, trabalhando assim com uma amostra de menor tamanho, ou utilizar técnicas adequadas para estimar tais dados ausentes. No presente estudo, com base em dados sobre a qualidade da água nos rios Jaguari e Atibaia, são apresentados resultados de imputação múltipla de dados para dados não normais, através da "Imputação Múltipla Livre de Distribuição" e, posteriormente, resultados para a análise dos dados através de técnicas de Bootstrap em blocos. Por fim, são apresentados os resultados práticos obtidos através da análise realizada, a fim de identificar resumidamente a situação de ambos os rios ao longo dos 15 anos de estudo.