Los métodos de aproximación y cuantificación de incertidumbre basados en la interpolación de Lagrange suelen ser abandonados en casos en los que las distribuciones de probabilidad de uno o más parámetros del sistema no son normales, uniformes o distribuciones estrechamente relacionadas, debido a los problemas computacionales que surgen cuando se desea definir nodos de interpolación para distribuciones generales. Este documento examina el uso de los nodos de Leja ponderados recientemente introducidos con ese propósito. Se presentan reglas de interpolación de Leja ponderadas, junto con un algoritmo de interpolación dispersa adaptable a la dimensión, para ser utilizado en el caso de incertidumbre de entrada de alta dimensión. El rendimiento y la confiabilidad del enfoque sugerido se verifican mediante cuatro experimentos numéricos, donde los modelos respectivos presentan distribuciones de parámetros de valores extremos y normales truncadas. Además, el enfoque sugerido se compara con un método de caos polinómico bien establecido y se encuentra que es comparable o superior en términos de precisión de aproximación y estimación de estadísticas.