Scielo RSS http://www.scielo.org.co/rss.php?pid=0120-175120230001&lang=pt vol. 46 num. 1 lang. pt http://www.scielo.org.co/img/en/fbpelogp.gif http://www.scielo.org.co http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512023000100001&lng=pt&nrm=iso&tlng=pt Abstract A new generalized family of models called the Gamma Odd Weibull Generalized-G (GOWG-G) family of distributions is proposed and studied. Properties of the new family of distributions including moments, conditional moments, distribution of the order statistics and Rényi entropy are derived. Maximum likelihood estimation technique is used to estimate the model parameters. Four special cases of the GOWG-G family of distributions are considered. A simulation study was carried out to examine the accuracy of the Maximum Likelihood Estimates (MLE) of the parameters.<hr/>Resumen Una nueva familia generalizada de modelos llamada Gamma Odd Weibull Se propone y estudia la familia de distribuciones Generalized-G (GOWG-G). Propiedades de la nueva familia de distribuciones incluyendo momentos, condicional Se derivan momentos, estadísticas de distribución del orden y entropía de Rényi. La técnica de estimación de máxima verosimilitud se utiliza para estimar los parámetros del modelo. Cuatro casos especiales de la familia de distribuciones GOWG-G son considerado. Un estudio de simulación para examinar el sesgo y el error cuadrático medio de los estimadores de máxima verosimilitud y aplicaciones a conjuntos de datos reales para ilustra la utilidad de la distribución generalizada. http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512023000100045&lng=pt&nrm=iso&tlng=pt Abstract This paper presents robust estimators for binary and multinomial circular logistic regression, where a circular predictor is related to the response. An extensive Monte Carlo Simulation Study clearly shows the robustness of proposed methods. Finally, three numerical examples of Botany, Crime and Meteorology illustrate the application of these methods to Life and Social Sciences. Although in the Botany data the proposed method showed little improvement, in the Crime and Meteorological data an increment up to 5% and 4% of accuracy, respectively, is achieved.<hr/>Resumen Este artículo presenta estimadores robustos para el modelo de regresión logística circular binomial y mutinomial. Un estudio de Monte Cario muestra la robustez de los métodos propuestos. Finalmente, tres ejemplos numéricos en botánica, criminalística y meteorología muestran la aplicación de estos modelos a las Ciencias.