In general, data that are obtained by counting processes, strictly discrete or discretized (from truncations and/or rounding), are analyzed, without exhaustion, by the Geometric, Logarithmic, Poisson and Negative Binomial distributions. In recent years a large number of discrete distributions have been proposed in the literature from the discretization of continuous random variables. Many of the discretization methods preserve one or more characteristics of the continuous version, with the proposal of Nakagawa e Osaki (1975) being the most used. In this paper, from this methodology, which makes use of the survival function, we propose the discrete version of the continuous generalized Half-Normal distribution, introduced in the literature by Cooray e Ananda (2008). Some of its properties are discussed and Monte Carlo simulations evaluate the bias and accuracy of the estimates obtained by the maximum likelihood method and method of moments. Some discrete data sets found in the literature are considered to illustrate the applicability of the proposed distribution.Geralmente, dados que são obtidos por processos de contagem, estritamente discretos ou discretizados (provenientes de truncamentos e/ou arredondamentos), são analisados, sem exaustão, pelas distribuições Geométrica, Logarítmica, Poisson e Binomial negativa. Nos últimos anos um grande número de distribuições discretas vêm sendo propostas na literatura a partir da discretização de variáveis aleatórias contínuas. Muitos dos métodos de discretização preservam uma ou mais características da versão contínua, sendo que a proposta de Nakagawa e Osaki (1975) é a mais utilizada. Neste artigo, a partir dessa metodologia, a qual faz uso da função de sobrevivência, é proposta a versão discreta da distribuição Half-Normal generalizada contínua, introduzida na literatura por Cooray e Ananda (2008). Discute-se algumas de suas propriedades e via simulações Monte Carlo avalia-se o viés e a acurácia das estimativas obtidas pelo método da máxima verossimilhança e pelo método dos momentos. Alguns conjuntos de dados discretos da literatura são considerados para ilustrar a aplicabilidade da distribuição proposta.