Resumen
O presente estudo teve como objetivo modelar via abordagem Bayesiana a temperatura máxima mensal de Piracicaba em São Paulo-Brasil, utilizando funções lineares e não-lineares para incorporar a tendência no parâmetro de posição da distribuição generalizada de valores extremos (GEV). Foram analisadas distribuições a priori informativas e não informativas e para a obtenção das distribuições marginais a posteriori foi utilizado o método Monte Carlo via cadeias de Markov. Analisando o fator de Bayes e critérios de seleção, verificou-se que nos meses janeiro a março e agosto e setembro, a melhor distribuição foi a GEV estacionária. Nos meses de abril a junho e outubro, a melhor distribuição foi a GEV não estacionária com tendência linear e com tendência não-linear para os meses julho, novembro e dezembro. Em quatro dos meses a priori informativa propiciou resultados mais precisos. As temperaturas máximas esperadas para diferentes tempos de retorno foram preditas.