Este trabalho propõe um modelo preditivo para estudar a balneabilidade das praias do município de Goiana (Pernambuco-Brasil). Na criação do banco de dados para o modelo foi utilizado os dados obtido pelo programa de monitoramento de balneabilidade da Agência Estadual de Meio Ambiente (CPRH) no período de 2001 a 2012. Foram utilizados 3 pontos de amostragem semanal do programa de monitoramento, um na Praia de Carne de Vaca, o segundo na Praia de Ponta de Pedras e o terceiro na Praia de Catuãma. Foram adicionados ao banco de dados valores de temperatura superficial da água do mar, obtidos junto à National Oceanic and Atmospheric Administration (NOAA), e precipitação total mensal, obtidos junto à Agência Pernambucana de Águas e Clima (APAC). Os dados foram agrupados segundo as estações seca e chuvosa e por praia, para analisar quais variáveis são mais influentes na balneabilidade dessas praias. Foi utilizado como ferramenta computacional o ambiente R. O modelo proposto é um modelo logístico com a finalidade de estimar a probabilidade de prais em estudo ser imprópria e identificar e explicar a relação de possíveis variáveis explicativas. As implicações da utilização do modelo em monitoramento das praias são muitas em face ao crescimento sócio-econômico recente da região e o consequente aumento da população residente. Ainda, o modelo aponta a influência de cada uma das variáveis e permite previsões de acordo com variações observadas no local, estação do ano, índice de precipitação e a temperatura superficial da água do mar.CAPESThe objective of the work was to develop a model that could explain and predict the probability of beaches being non-compliant to water quality standards for recreational bathing. Three beaches (carne de Vaca; Ponta de Pedras; Catuãma) at the Brazilian Northeast (Goiana Municipality, Pernambuco State) were used as the case study. A binomial model was obtained by using the State Environmental Agency (CPRH) data (MPN thermos tolerant bacteria 100 mL-1) sampled weekly from 2001 to 2012. Water temperature data from the National Oceanic and Atmospheric Administration (NOAA) and total monthly rainfall from Pernambuco state Climate and Water Agency (APAC). Data were arranged by season (rainy and dry periods) and place, and the model adjusted to include only the variables that did actually influence the probability of the beaches being non-compliant for recreational bathing (rainfall and water temperature). It was applied to R environment. The proposed model is a logistic model that could estimate the probability of those beaches been suitable or unsuitable and identify relations between the variables in the dataset. The model agreed with the observations and was proved to be useful for correctly predicting water quality within a 77% chance. The model has potential implications that could be used for better water quality monitoring strategies and beach management.