Este documento propone un enfoque de Cadena de Markov basado en algoritmos genéticos que se puede utilizar para la estimación no paramétrica de coeficientes de regresión y sus límites de confianza estadística. El enfoque propuesto puede generar muestras de una función de densidad de probabilidad desconocida si se conoce una forma funcional formal de su verosimilitud. El enfoque se prueba en la estimación no paramétrica de coeficientes de regresión, donde se considera que la función de minimización de mínimos cuadrados es la máxima verosimilitud de una distribución multivariante. Este enfoque tiene una ventaja sobre los métodos tradicionales de Monte Carlo de Cadena de Markov porque se ha demostrado que converge y genera muestras imparciales de manera computacionalmente eficiente.