Neste trabalho é apresentado uma abordagem bayesiana acerca dos modelos potência normal bimodal (PNB) e potência normal bimodal assimétrico (PNBA). Apresentamos ambos os modelos e em seguida, especificamos prioris não informativas para os parâmetros alpha (bimodalidade) e lambda (assimetria). As distribuições a posteriori foram geradas pelo método MCMC, o qual tivemos que testar a viabilidade de seu uso a partir de um diagnóstico de convergência. Depois disso, utilizamos diferentes prioris informativas para ambos os parâmetros e fizemos a análise de sensibilidade com o intuito de avaliar o efeito da variação dos hiperparâmetros na distribuição a posteriori. Também foi feita uma simulação para avaliar o desempenho do estimador bayesiano utilizando prioris informativas, o qual constatamos que o método bayesiano apresentou resultados mais satisfatórios comparado ao método de máxima verossimilhança. Uma aplicação com dados bimodais reais foi realizada. Por último, introduzimos o modelo de regressão linear com resíduos PNB e PNBA.