En este documento, proponemos una nueva técnica llamada Filtro de Kalman Elipsoidal y Gaussiano para la estimación de estado de sistemas no lineales en tiempo discreto en situaciones en las que para algunas partes de la incertidumbre conocemos las distribuciones de probabilidad, mientras que para otras partes de la incertidumbre solo conocemos los límites (pero no conocemos las probabilidades correspondientes). Similarmente al filtro de Kalman usual, nuestro algoritmo es iterativo: en cada iteración, primero predecimos el estado en el próximo momento de tiempo, y luego utilizamos los resultados de las mediciones para corregir las estimaciones correspondientes. En cada paso de corrección, resolvemos un problema de optimización convexa para encontrar la estimación óptima del estado del sistema (y la elipse óptima para describir la incertidumbre del sistema). La prueba de nuestro algoritmo en varios problemas altamente no lineales ha demostrado que el nuevo algoritmo supera la técnica del filtro de Kalman extendido, la técnica de estimación de estado generalmente aplicada a tales problemas no lineales.