Una de las distribuciones de probabilidad más conocidas utilizada para explicar el comportamiento probabilístico de datos positivos es la log-normal (LN). Aunque la distribución LN es capaz de ajustar tipos de datos, no siempre es completamente cierto que el modelo logre modelar adecuadamente el comportamiento de la respuesta de interés, ya que en algunos casos, el grado de asimetría y/o curtosis de los datos es mayor o menor que los que la distribución LN puede capturar. Otra peculiaridad de la distribución LN es que solo se ajusta a datos positivos unimodales, lo que constituye una limitación al tratar con datos que presentan más de un modo (bimodalidad). Por otro lado, el modelo log-normal solo se ajusta a datos positivos unimodales y en realidad existen múltiples aplicaciones donde el comportamiento de los materiales es bimodal. Para cubrir esta brecha, este documento presenta una nueva distribución de probabilidad que es capaz de ajustarse a datos positivos unimodales o bimodales con un alto o bajo grado de asimetría y/o curtosis. La nueva distribución es una generalización de la distribución LN. Para la nueva propuesta, se estudian sus principales propiedades y se lleva a cabo el proceso de estimación de los parámetros involucrados en el modelo desde una perspectiva clásica utilizando el método de máxima verosimilitud. Una característica importante de esta distribución es la no singularidad de la matriz de información de Fisher, lo que garantiza el uso de la teoría asintótica para estudiar las propiedades de los estimadores de parámetros. Se realiza un estudio de simulación tipo Monte Carlo para evaluar las propiedades de los estimadores y, finalmente, se presenta una ilustración con un conjunto de datos relacionados con la concentración de níquel en muestras de suelo, lo que permite mostrar que la distribución propuesta se ajusta extremadamente bien en ciertas situaciones.