Esta tese concentra-se essencialmente em modelos para análise e previsão de séries temporais vetoriais onde o comportamento sazonal é o foco principal, e no procedimento Bayesiano correspondente de estimação seqüencial. A estrutura básica do modelo multivariado proposto, não- linear, de crescimento sazonal multiplicativo para séries temporais, consiste de uma componente de tendência localmente linear para cada série individual e uma única componente sazonal, multiplicativa, compartilhada por todas as séries marginais. O procedimento de estimação seqüencial baseia-se em aproximações analíticas que viabilizam uma análise conjugada, representando uma extensão não-linear do algoritmo apresentado em Barbosa and Harrison (1992) para modelos lineares dinâmicos multivariados. Detalhes do modelo proposto e sua implementação são apresentados, assim como exemplos da aplicação do método, com dados simulados e reais. Para os dados reais, escolheu-se os valores do consumo de energia elétrica no Brasil, cuja metodologia de previsão adotada pelas empresas de energia também faz parte deste trabalho.