Vital para la Conciencia Situacional del Espacio, la Determinación de Órbita Inicial (IOD) puede ser utilizada para inicializar el seguimiento de objetos y asociar observaciones con un satélite rastreado. Los algoritmos clásicos de IOD proporcionan solo una solución puntual y son sensibles a mediciones ruidosas y a ciertas geometrías objetivo-observador. Este trabajo examina la capacidad de un GPR Multivariante (MV-GPR) para realizar con precisión IOD y cuantificar la incertidumbre asociada. Dados los inputs de prueba perfectos, MV-GPR se desempeña de manera comparable a un algoritmo GPR de aprendizaje multitarea más simple y al IOD clásico de Gauss-Gibbs en términos de precisión de predicción. Supera significativamente al algoritmo GPR de aprendizaje multitarea en la cuantificación de incertidumbre debido al manejo directo de correlaciones de dimensiones de salida. Un algoritmo de emparejamiento de momentos proporciona una solución analítica al problema de ruido de entrada bajo ciertas suposiciones. El algoritmo se adapta a la formulación de MV-GPR y se muestra como una herramienta efectiva para cuantificar con precisión la incertidumbre adicional en la entrada. Este trabajo muestra que el MV-GPR puede proporcionar una solución viable con incertidumbre cuantificada que es robusta al ruido de observación y a geometrías de órbita-observador tradicionalmente desafiantes.