Las redes de reacción son herramientas importantes para modelar una variedad de fenómenos biológicos en una amplia gama de escalas, por ejemplo, como modelos de regulación génica dentro de una célula o brotes de enfermedades infecciosas en una población. Por lo tanto, calibrar estos modelos a datos observados es útil para predecir el comportamiento futuro del sistema. Sin embargo, la estimación estadística de los parámetros de las redes de reacción a menudo es desafiante debido a verosimilitudes intratables. Aquí exploramos ecuaciones de estimación para estimar los parámetros de velocidad de reacción de procesos de salto de Markov dependientes de la densidad (DDMJP). Los pesos de varianza-covarianza que proponemos utilizar en las ecuaciones de estimación se obtienen de un proceso aproximado, derivado de la aproximación de Fokker-Planck de la ecuación maestra química para redes de reacción estocásticas. Investigamos el rendimiento de la metodología propuesta en un estudio de simulación del modelo depredador-presa de Lotka-Volterra y ajustando un modelo susceptible, infeccioso, recuperado (SIR) a datos reales del brote histórico de peste en Eyam, Inglaterra.