Los modelos de optimización estocástica siempre asumen distribuciones de probabilidad conocidas sobre parámetros inciertos. Sin embargo, es irrealista conocer las distribuciones verdaderas. En la era de big data, con el conocimiento de características informativas relacionadas con parámetros inciertos, este estudio tiene como objetivo estimar directamente las distribuciones condicionales de los parámetros inciertos y resolver el problema resultante de optimización estocástica contextual utilizando un conjunto de realizaciones extraídas de las distribuciones estimadas, lo cual se llama método de estimación de distribución contextual. Utilizamos un problema de programación energética como caso de estudio y realizamos experimentos numéricos con datos del mundo real. Los resultados demuestran que el método propuesto de estimación de distribución contextual ofrece beneficios específicos en escenarios particulares, lo que resulta en decisiones mejoradas. Este estudio contribuye a la literatura sobre problemas de optimización estocástica contextual al introducir el método de estimación de distribución contextual, que tiene una importancia práctica para abordar problemas de decisión inciertos basados en datos.