یکی از مسائل مهم در هر تحلیل آماری، وجود مشاهدات غیرمنتظره است. بعضی از مشاهدات بخشی از مسائل مورد مطالعه نیستند و به عنوان داده پرت شناخته شده‌اند. بررسی‌ها نشان داده است که داده‌های پرت بر عملکرد روش‌های استاندارد آماری در مدل‌ها و پیش‌‌بینی‌ها تأثیر می‌گذارد. هدف این مقاله ارائه بسته‌ی موجود در نرم‌افزار‎‏‎ ‎R‎ ‎ برای شناسایی داده پرت در رگرسیون دایره‌ای-دایره‌ای است که توسط نگارنده این مقاله نوشته شده است. ابتدا توضیح مختصری در مورد داده دایره‌ای و رگرسیون دایره‌ا‏ی داده می‌شود‏، سپس بسته‌های موجود در نرم‌افزار ‎ R ‎برای انجام رگرسیون دایره‌ای معرفی شده، توابع موجود در بسته ‎  CircOutlier ‎ شرح داده می‌شود و برای هر کدام از توابع مثالی ارائه خواهد شد.

روش کمترین واگرایی توان چگالی یک برآورد استوار در مواجهه با موقعیت‌هایی که داده‌ها شامل تعدادی داده پرت هستند ارائه می‌دهد. در این پژوهش به معرفی و استفاده از برآوردگر استوار کمترین واگرایی توان چگالی برای برآورد پارامترهای مدل رگرسیون خطی پرداخته و در ادامه با چند مثال عددی از رگرسیون خطی، استواری این برآوردگر را در مواجهه با مجموعه داده‌هایی که شامل تعدادی داده پرت هستند نشان می‌دهیم.