Em modelos de regressão, o método de Regressão em Cristas é uma alternativa ao método de mínimos quadrados em situações em que há multicolinearidade, consequência da existência de relações lineares entre as variáveis explicativas. Essa dissertação tem como objetivo apresentar atualizações ao trabalho realizado por (Oishi, 1983) sobre Regressão em Cristas. Inicialmente, é apresentado o procedimento de Regressão em Cristas, que consiste na adição de uma constante k denotada por parâmetro das cristas, na diagonal principal da matriz X^X, as propriedades e uma generalização do método. Em seguida, serão apresentadas diferentes maneiras de estimação de k e uma discussão sobre inferência para os coeficientes de regressão e também é realizado um estudo de simulação para testar a eficiência dos intervalos de confiança para os coeficientes construídos através do método de bootstrap. Por último, é feita uma aplicação dos procedimentos descritos em um conjunto de dados reais.

In regression models, the Ridge Regression method is an alternative to ordinary least squares in situations where there is multicolinearity, which is a consequence of the existence of linear relations between explanatory variables. This work has as objective to present updates on the work made by (Oishi, 1983) about Ridge Regression. Initially, it will be shown the Ridge Regression procedure that consists in adding the constant k, also known as ridge parameter, to the main diagonal of the matrix X^X, the method's properties and generalization. Then, it will be presented different ways for estimating the constant k and a discussion about inference for the regression coefficients and also a simulation study is made to test the efficiency of confidence intervals for the coefficients built using the bootstrap method. Finally, the described methods will be applied to a real dataset.