A presença de erros grosseiros corrompe os resultados obtidos por meio de procedimentos de reconciliação de dados que consideram distribuição de probabilidades normal. A abordagem clássica para lidar com esse problema consiste na detecção e eliminação desses erros, o que pode ser feito iterativamente por estratégias seqüenciais ou simultâneas com a reconciliação. A literatura científica tem mostrado que distribuições derivadas da estatística robusta são potenciais candidatas para realizar este procedimento, resultando em estimadores robustos que reduzem ou eliminam os efeitos negativos dos erros grosseiros sem a necessidade de eliminá-los. Seguindo esta direção, este trabalho introduz os estimadores robustos de Bell, Ramsay e Insha e realiza uma para análise comparativa entre estes e os estimadores robustos presentes no simulador EMSO e os apresentados por Zhou et al. (2006) em um problema não linear, em estado estacionário. O estimador de Insha obteve o melhor resultado global.