O sistema nervoso é submetido a diversas fontes de ruído. Em geral essas fontes se classificam em endógenas e exógenas. O ruído sináptico e o ruído de canais iônicos são as principais fontes de ruído endógeno. O ruído exógeno pode ser atribuído à variabilidade advinda de estímulos externos. O sistema nervoso é munido de estratégias para lidar com a presença do ruído, contudo muito é discutido acerca do papel do ruído no processamento neuronal. Em modelos matemáticos de neurônios, há ao menos duas maneiras de introduzir as fontes de ruído endógenas: uma delas é considerar um modelo determinístico e adicionar termos estocásticos às entradas iônicas ou sinápticas recebidas pelo neurônio, a outra é assumir que o disparo de um neurônio é um evento intrinsecamente aleatório. É possível modelar o último caso por meio de um limiar de disparo que flutua aleatoriamente, onde a ocorrência de um potencial de ação é definido por uma função de probabilidade de disparo dependente da voltagem. Na presente dissertação, utilizamos um modelo intrinsecamente aleatório com o objetivo de determinar as influências que o seu ruído possui em fenômenos a nível celular e de rede. Para isso, primeiro propomos um método para estimar as curvas de probabilidade de disparo de neurônios a partir de registros eletrofisiológicos. Em seguida, utilizamos essas curvas no modelo estocástico para estudar o efeito do ruído intrínseco em fenômenos neurais de importância destacada como confiabilidade nos tempos de disparo e ressonância estocástica. Terminamos a dissertação com o estudo do efeito da topologia sobre a estocasticidade intrínseca dos neurônios individuais em redes complexas de maior porte. Estudamos as topologias com conectividade aleatória e com conectividade específica de uma microcircuitaria cortical. Utilizando uma série temporal do potencial de membrana de ratos, derivamos a curva de probabilidade de disparo utilizada no modelo estocástico, mostrando que para os dados utilizados ela possui uma forma exponencial como observado na literatura. Dentre os resultados obtidos pode-se observar a existência de ressonância estocástica devido ao ruído intrínseco do neurônio e a reprodutibilidade do fenômeno de aumento na confiabilidade nos tempos de disparo em função do ruído sináptico inserido no neurônio. Por fim, os estudos em redes mostraram que a influência causada pelo neurônio estocástico é dependente do estado dinâmico e topologia da rede, surtindo menos efeito em redes aleatórias assíncronas e regulares

The nervous system is submitted to several sources of noise. In general, those sources can be classified as endogenous and exogenous. Synaptic noise and ionic channel noise are the main endogenous sources of noise. The exogenous noise can be assigned to the variability existent in external stimuli. The nervous system has strategies to deal with the presence of noise, however, it has been discussed the role of noise in neuronal processing. There are at least two ways of introducing endogenous noise sources in mathematical neuron models: the first is to consider a deterministic model and add stochastic terms to the ionic or synaptic inputs received by the neuron, the second is to assume that the emission of an action potential is an intrinsically stochastic event. It is possible to model the latter by introducing a random fluctuating spike threshold, where the occurrence of an action potential is defined by means of a voltage-dependent spike probability function. In this dissertation, we have used an intrinsically stochastic neuron model, aiming to determine the influences of its noise on cellular and network scales. To do so, first, we propose a method to estimate the spike probability curves from eletrophysiological data. Then, we use those curves in the stochastic model to study the effect of the intrinsic noise on relevant natural phenomena as the spiking time reliability and stochastic resonance. We finish the dissertation studying the effect of different network topologies on the intrinsic stochasticity of individual neurons. We study topologies with random connectivity and specific connectivity of a cortical microcircuit. Using a time series of membrane potential we have estimated the spiking probability curve used in the stochastic model, showing that it has an exponential shape as observed in the literature. Among the results obtained, it can be observed the existence of stochastic resonance caused by the neurons intrinsic noise, and the reproducibility of the increasing spiking time reliability due to input synaptic noise into the neuron. Finally, studies of the network show that the influence caused by the stochastic neuron is dependent on the networks dynamical state and topology, with weaker effects on asynchronous and regular random networks