Apresentamos neste trabalho, um estudo sobre modelos não-lineares com ênfase num modelo muito utilizado em aplicações biológicas, o modelo de Michaelis-Menten. Em especial, destacamos a importância de uma boa parametrização que garanta boas inferências assintóticas, e introduzimos uma anáIise Bayesiana aproximada usando densidades a priori não-informativas e informativas. Nessas aproximações, enfatizamos o uso do método de Laplace para obter os sumários a posteriori de interesse. Também consideramos o uso de distribuições não-normais para o erro e o uso de técnicas de transformações para os dados sob o enfoque Bayesiano. Finalizamos ilustrando com vários exemplos de aplicação considerando o modelo de Michaelis-Menten.

In this work, we present a study on non-linear models with special consideration for a model very popular in biological applications, the Michaelis-Menten model. In special, we discuss the importance of a good parametization which implies in good asymptotical inferences, and we inüoduce a Bayesian analysis using approximation methods considering noninformative and informative prior densities. In these approximations, we explore the use of Laplace's method to get the posterior summaries of interest. 'We also consider the use of non-norrnal distributions for the error and the use of fiansformation techniques for the data considering the Bayesian approach. We illustrate with some examples.