La temperatura de transición dúctil-frágil (DBTT) es un parámetro importante para comprender el comportamiento del material en un amplio rango de temperaturas, incluyendo la de operación. Sin embargo, para que las decisiones basadas en los valores de DBTT sean adecuadas, se debe acceder y declarar la incertidumbre de medición asociada. Para que el método Guía para la Expresión de la Incertidumbre en la Medición (GUM) sea aplicado los valores del mensurando deben estar distribuidos normalmente. Por lo tanto, este artículo evalúa, utilizando el lenguaje de programación Python, la adherencia de los datos de la curva completa de tres materiales diferentes a cinco distribuciones de probabilidad: Weibull, Normal, Lognormal, Exponencial y Gamma. Se realizaron ensayos Charpy en una máquina de impacto Zwick/Roell HIT450P, en un rango de temperatura de – 190 °C a + 200 °C para obtener la curva de transición dúctil-frágil. La biblioteca Reliability, con la función Fit_Everything(), se utilizó para un análisis inicial de los datos. Posteriormente, se emplearon las funciones Fit_Weibull_2P() y Fit_Normal_2P() para comparar las distribuciones Weibull y Normal, que presentaron la mejor adherencia. Finalmente, se realizaron pruebas de hipótesis de Komolgorov-Smirnov (KS) (función stats.kstest() en Python) para verificar el ajuste de las distribuciones Weibull y Normal. El valor de log-likehood mostró que el mejor ajuste se obtuvo para la distribución Weibull, seguida de la distribución Normal. La prueba de Komolgorov-Smirnov mostró que los datos siguen las distribuciones Normal y Weibull.