Physical systems far from thermo dynamic equilibrium present excitability and irreversibility. The excitability is responsible for the great sensitivity of these systems to external stimuli while the irreversibility is associated with energy dissipation. The thermal fluctuations, inevitable in any real system, arise due to the interaction between many particles of the system. For such systems one of the best approaches is given by the non-equilibrium Statistical Mechanics, since it is virtually impossible an individualized approach of the motion equations. Many works in the current literature use a Gaussian stochastic modeling (without correlations) to represent the fluctuations. However, there is a growing number of studies reporting the occurrence of correlated fluctuations, mainly related to biological systems. In this thesis we investigate the influence of non-Gaussian stochastic distribution on the properties for two representative excitable models. In the first model we study the influence of distribution on the neural dynamics through the stochastic resonance (SR) mechanism. In the second model we approach the ratchet effect (RE) on directed transport of particles. In both systems we use a non-Gaussian power-law distributed noise obtained through a random multiplicative process (RMP). This process allows a fine tuning of the asymptotic power-law decay exponent. The optimization conditions are reported. In particular, we show that the optimization conditions for resonance and directed transport in Brownian ratchets are reached for a finit decay exponent of the stochastic distribution that represents a Strong non-Gaussian character. As non-Gaussian fluctuations occur with great frequency in natural systems, we believe that the non-Gaussian character can optimize the efficiency on the stochastic transport mechanisms in micro and nanoscale. / Fundação de Amparo a Pesquisa do Estado de Alagoas / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Sistemas físicos fora do equilíbrio termo dinâmico apresentam excitabilidade e irreversibilidade. A excitabilidade é responsável pela grande sensibilidade desses sistemas a estímulos externos enquanto a irreversibilidade está asso ciada à dissipação de energia. As flutuações térmicas, inevitáveis em qualquer sistema real, surgem devido à interação entre as inúmeras partículas do meio. Para tais sistemas uma das melhores abordagens é dada pela Mecânica Estatística de não-equilíbrio, uma vez que é praticamente impossível uma abordagem individualizada das equações de movimento. Muitos trabalhos na literatura atual utilizam uma modelagem estocástica gaussiana (sem correlação) para representar as flutuações. No entanto, há um número crescente de trabalhos que relatam a ocorrência de flutuações correlacionadas, principalmente em sistemas biológicos. Nesta tese nós investigamos a influência da distribuição estocástica não-gaussiana sobre as propriedades de dois modelos excitáveis representativos. No primeiro, estudamos a influência da distribuição sobre a dinâmica neural através do mecanismo de ressonância estocástica (RE). No segundo, abordamos o mecanismo do efeito catraca (EC) sobre o transporte direcionado de partículas. Nos dois sistemas utilizamos um ruído colorido não-gaussiano com distribuição tipo lei de potência obtido através de um processo multiplicativo aleatório (PMA). Esse processo permite o ajuste no do expoente de decaimento assintótico da lei de potência. As condições de otimização são relatadas. Em particular, obtivemos que as condições de otimização para a ressonância e para o transporte direcionado em catracas brownianas são atingidas para um valor finito do expoente da distribuição estocástica que representa um caráter fortemente não-gaussiano. Como flutuações não-gaussianas o correm com muita frequência nos sistemas naturais, acreditamos que o caráter não-gaussiano pode otimizar a eficiência dos mecanismos estocásticos de transporte em micro e nanoescala.