El género Yucca está conformado por 52 especies de las cuales 29 se localizan en México y representan el 60% de su riqueza; además, el 50% de éstas son propias de este territorio y se distribuyen principalmente en las zonas áridas y semiáridas de México y Estados Unidos de América. Yucca es un género de importancia ecológica, económica y cultural, con alta representatividad y número de especies endémicas en México, por lo que es necesario conocer algunos de los factores que influyen en la distribución, abundancia y estatus ecológico de sus especies. Por tanto, en este estudio se realizó la modelación del nicho ecológico de las especies de Yucca sección Yucca. El objetivo de este trabajo fue analizar la distribución geográfica de la sección Yucca mediante el modelado del nicho ecológico de 17 especies. La hipótesis se basa en que las especies de Yucca sección Yucca que se localizan en zonas áridas y semiáridas ocuparán áreas climáticas más similares entre ellas que aquellas que se localizan en zonas templadas. Para ello, se elaboró una base de datos con 2193 registros obtenidos mediante salidas al campo, información contenida en ejemplares de herbario y bases de datos. Se emplearon las 19 variables bioclimáticas de Worldclim, seleccionadas por especie mediante un Análisis de Componentes Principales. Los modelos de distribución se generaron con el algoritmo MaxEnt y se proyectaron en el programa ArcGIS 10.5. Las áreas de distribución potencial de las especies se registraron principalmente en el norte de la República Mexicana y al sureste de Estados Unidos de América, asociadas con temperaturas medias de los meses más cálidos y precipitaciones de los meses más húmedos. Este resultado posiblemente se debe a que, si bien la mayoría de las especies se localizan en zonas áridas y semiáridas, otras habitan regiones montañosas o en las transiciones entre áreas áridas y bosques tropicales o templados. Si bien los modelos presentaron un buen rendimiento, para mejorarlos se sugiere reducir el área accesible, incrementar las regularizaciones del algoritmo y evaluar otras variables, entre ellas las topográficas, especialmente para los modelos que mostraron mayor sobreajuste.