En el pasado reciente, el trabajo en el área del análisis de ROC ha ganado atención al explicar la precisión de una prueba e identificar el umbral óptimo. Estos tipos de modelos ROC se conocen como modelos ROC bidistribucionales, por ejemplo, Binormal, Bi-Exponencial, Bi-Logístico, entre otros. Sin embargo, en situaciones prácticas nos encontramos con datos que están sesgados en su naturaleza con colas extendidas. Para abordar este problema, la precisión de una prueba debe explicarse involucrando los parámetros de escala y forma. Por lo tanto, el presente artículo se enfoca en proponer un modelo ROC que tenga en cuenta dos distribuciones generalizadas que ayuden a explicar la precisión de una prueba. Además, se construyen intervalos de confianza para la curva propuesta; es decir, las coordenadas de la curva (FPR, TPR) y la medida de precisión, Área Bajo la Curva (AUC), que ayudan a explicar la variabilidad de la curva y proporcionan la sensibilidad en un valor específico de especificidad