Los modelos de estados múltiples han demostrado ser de utilidad para el análisis de datos longitudinales, particularmente aquellos que involucran información acerca de la progresión de una enfermedad a través del tiempo (Salazar et al, 2007). Trabajos previos en esta dirección han reportado dificultades de tipo computacional en el proceso de obtención de las tasas de transición de un estado a otro (Salazar et al, 2007; Kay, 1988). En este trabajo se implementa un método de estimación bayesiano de las tasas de transición que gobiernan un modelo de tres estados con estructura markoviana de primer orden. Los métodos bayesianos han probado ser útiles en situaciones de alta complejidad, especialmente cuando se usan técnicas Monte Carlo Markov Chain (Gordon, 2001). Estas tasas de transición se vinculan con las covariables por medio del modelo de Andersen-Gill (Andersen, Gill, Borgan and Keiding, 2003). De esta manera, la estimación óptima de los efectos de las covariables permitirá obtener mejores estimaciones de las tasas de transición. Esta técnica bayesiana se compara vía simulación con la técnica de estimación estudiada por Iral y Salazar (Iral y Salazar, 2006). Finalmente, esta técnica de estimación se ilustra usando datos reales recopilados previamente en la Corporación para Investigaciones Biológicas CIB.