O presente trabalho trata de algumas técnicas para a determinação de componentes da variância para dados não balanceados. Foram estudados os “MÉTODOS DE HENDERSON” (1953), ou mais especificamente, o “MÉTODO DA ANÁLISE DA VARIÂNCIA” (MÉTODO 1 DE HENDERSON), o do “AJUSTE PARA O VÍCIO NOS MODELOS MISTOS” (MÉTODO 2 DE HENDERSON) e “O MÉTODO DE AJUSTAR CONSTANTES” (MÉTODO 3 DE HENDERSON). O desenvolvimento teórico foi feito a partir de um modelo linear geral, sendo que os resultados obtidos são válidos para qualquer modelo linear de interesse. A partir de conjuntos de dados hipotéticos fizemos adaptações e aplicações numéricas para alguns casos de modelos com dois e três fatores de classificação. O MÉTODO 1 deve ser usado apenas para modelos aleatórios e é praticamente uma generalização do método usual da análise da variância de dados balanceados. O MÉTODO 2 é usado para modelos mistos desde que não exista interações e qualquer tipo de hierarquização entre efeitos fixos e aleatórios. Quanto ao volume de cálculo é um pouco mais trabalhoso que o MÉTODO 1. O MÉTODO 3 para modelos mistos e aleatórios, apesar de sua maior aplicabilidade, envolve na maioria das vezes matrizes de grandes dimensões.

The present work discusses about some tecniques for variance components estimation for unbalanced data. Henderson's Methods (1953) were studied, more specificaly the “Analysis of variance Method” (first Henderson’s Method), “Adjusting for bias in Mixed Models” (second Henderson’s Method) and “Fitting Constants Method” (third Henderson’s Method). The theoretical development was done from the general linear model, and the results obtained were valid for any linear model. Numerical ilustration with two or three factors of classification were presented with all the details. The first method should be used only for randon models and it is a generalization of the usual analysis of variance method of balanced data. The second method is used for mixed models with no interaction including randon and fixed effects and any type of nesting including randon and fixed effects. The third method, for mixed models and randon, despite of its good applicability, involves large matrices manipulations.