Neste trabalho foi considerada uma abordagem bayesiana, através do método de monte carlo via cadeia de markov, para resolver alguns problemas de inversão linearizada de dados sísmicos empilhados. a chamada inversão acústica consiste basicamente em encontrar um modelo de impedância acústica de uma subsuperfície a partir de medidas de ondas sísmicas articiais. mais especicamente, o método foi aplicado para estimar a impedância das rochas, a wavelet e a intensidade do ruído da sísmica. a metodologia utilizada é baseada em um operador direto de convolução e na amostragem de alta resolução dos parâmetros do modelo de subsuperfície, dentro da distribuição posterior de bayes, envolvendo distribuições de probabilidade normais multivariadas propostas para as variáveis. através das amostras, foi possível estimar o modelo mais provável (média) e sua incerteza (desvio padrão). tais informações são importantes para o planejamento da estratégia de exploração de reservatórios de petróleo e gás. a suposição gaussiana permite obter analiticamente algumas distribuições envolvidas no processo, possibilitando o desenvolvimento do algoritmo de gibbs. aplicando os métodos em dados sísmicos empilhados sintéticos, os resultados apresentaram uma boa correlação com os dados originais; e quando aplicado em dados reais, os resultados obtidos foram comparados com os dados de poucos e também se apresentaram consistentes.