Este artículo de revisión tiene como objetivo proporcionar un contexto global para varios trabajos sobre el ajuste de cadenas de Markov no homogéneas en tiempo continuo con espacio de estados finito, y también señalar algunos aspectos seleccionados de dos técnicas previamente introducidas -estimación y calibración- relevantes para aplicaciones y utilizadas para ajustar un modelo de cadena de Markov en tiempo continuo a datos mediante la selección adecuada de parámetros. La denominación se ajusta mejor al procedimiento cuando se emplean técnicas estadísticas, por ejemplo, estimadores de máxima verosimilitud, mientras que abarca el caso en el que, por ejemplo, alguna técnica de optimización encuentra un mejor parámetro de aproximación para garantizar un buen ajuste del modelo. Para mayor completitud, proporcionamos un breve resumen de importantes nociones y resultados conocidos formulados para cadenas de Markov no homogéneas que, en general, pueden transferirse al caso homogéneo. Luego, como ilustración para el caso homogéneo, presentamos un resultado seleccionado de Billingsley sobre la estimación de parámetros para cadenas irreducibles con espacio de estados finito. En el caso no homogéneo, citamos dos resultados recientes, uno de tipo calibración y el otro con un sabor más estadístico. Proporcionamos un amplio conjunto de referencias bibliográficas para que el lector que desee continuar sus estudios pueda hacerlo de manera más fácil y productiva.