En este documento se deriva el límite de información de Cramer-Rao para los modelos ARMAX (Modelos de Auto-Regresión-Media-Móvil-con-Entradas-Exógenas) bajo ruido no gaussiano. Se muestra que la aplicación directa del Método de Mínimos Cuadrados (LSM) conduce a estimaciones de parámetros incorrectas (desplazadas). Esta inconsistencia puede corregirse mediante la implementación del uso paralelo del procedimiento MLMW (Método de Máxima Verosimilitud con Blanqueamiento), aplicado a todas las variables medibles del modelo, y una transformación residual no lineal utilizando la información sobre la densidad de distribución de un ruido no gaussiano que participa en la estructura de Media Móvil. Se discute en detalle el diseño del estimador de parámetros correspondiente, que realiza el procedimiento MLMW sugerido. Se muestra que este método es asintóticamente óptimo, es decir, alcanza este límite de información. Si la distribución de ruido pertenece a alguna clase dada, entonces el enfoque de Huber (versión min-max de MLM) puede aplicarse de manera efectiva. Un ejemplo numérico ilustra el enfoque sugerido.