Este trabalho de pesquisa trata da modelagem estocástica de dois algoritmos adaptativos bem conhecidos na literatura, a saber: o algoritmo fxlms (filtered-x least-mean-square) e o algoritmo nlms (normalized least-mean-square). particularmente, para o algoritmo fxlms são desenvolvidos dois modelos estocásticos, ambos considerando aplicações de controle e equalização ativa de ruído periódico, porém em diferentes estruturas (monocanal e multicanal). baseado nas expressões de modelo obtidas, diversos aspectos do comportamento do algoritmo fxlms são discutidos, evidenciando o impacto dos parâmetros do algoritmo sobre seu desempenho. para o algoritmo nlms, são propostos dois modelos estocásticos, ambos considerando uma aplicação de identificação de sistemas com sinais de entrada branco gaussiano e correlacionado gaussiano. especificamente, o primeiro modelo do algoritmo nlms é derivado assumindo que o filtro adaptativo e a planta a ser estimada podem possuir ordens diferentes (tal suposição que é condizente com cenários práticos, não é usualmente tratada na literatura devido às dificuldades matemáticas surgidas no desenvolvimento da modelagem estocástica). o segundo modelo do algoritmo nlms considera uma formulação matemática mais geral (quando comparada a outros trabalhos da literatura) para representar a planta a ser identificada, possibilitando a representação de diversos tipos de sistemas variantes no tempo; originando, assim, um modelo estocástico capaz de predizer o comportamento do algoritmo nlms em uma ampla gama de cenários de operação. resultados de simulação são apresentados, ratificando a precisão dos modelos estocásticos propostos, tanto na fase transitória quanto em regime permanente.