Este trabalho de pesquisa trata da modelagem estocástica de três algoritmos adaptativos bem conhecidos da literatura, a saber: o algoritmo nlms (normalized least-mean-square), o algoritmo iaf pnlms (individual-activation-factor proportionate nlms) e o algoritmo tdlms (transform-domain least-mean-square). particularmente para o algoritmo nlms, um modelo estocástico analítico é obtido levando em conta um ambiente não estacionário e sinais de entrada gaussianos complexos. baseado nas expressões de modelo, o impacto dos parâmetros do algoritmo sobre o seu desempenho é discutido, evidenciando algumas das características de rastreamento do algoritmo nlms frente ao ambiente não estacionário considerado. para o algoritmo iaf-pnlms, assumindo um ambiente estacionário, um modelo estocástico mais preciso do que os até então disponíveis na literatura é apresentado, considerando sinais de entrada gaussianos correlacionados tanto complexos quanto reais. com respeito ao algoritmo tdlms, um modelo estocástico melhorado é derivado focando em um ambiente não estacionário e sinais de entrada gaussianos correlacionados reais. a partir das expressões de modelo obtidas, o impacto dos parâmetros do algoritmo tdlms sobre o seu desempenho é discutido. resultados de simulação para diferentes cenários de operação são mostrados, confirmando a precisão dos modelos estocásticos propostos tanto na fase transitória quanto em regime permanente.