Neste trabalho propomos uma abordagem Bayesiana nao-parametrica para a modelagem de dados com comportamento extremo. Tratamos o parâmetro de locacao _ da distribuicao generalizada de valor extremo como uma funcao aleatoria e assumimos um processo Gaussiano para tal funcao (Rasmussem & Williams 2006). Esta situacao leva a intratabilidade analitica da distribuicao a posteriori de alta dimensao. Para lidar com este problema fazemos uso do metodo Hamiltoniano de Monte Carlo em variedade Riemanniana que permite a simulacao de valores da distribuicao a posteriori com forma complexa e estrutura de correlacao incomum (Calderhead & Girolami 2011). Alem disso, propomos um modelo de serie temporal autoregressivo de ordem p, assumindo a distribuicao generalizada de valor extremo para o ruido e determinamos a respectiva matriz de informacao de Fisher. No decorrer de todo o trabalho, estudamos a qualidade do algoritmo em suas variantes atraves de simulacoes computacionais e apresentamos varios exemplos com dados reais e simulados.