Dentre as recentes aplicações da teoria da informação em ciências cognitivas está uma revisão da aprendizagem associativa, desafiando a visão clássica de que o aprendizado ocorre em um processo gradual, sugerindo que, ao menos em alguns casos, este seria um processo quase instantâneo. A aprendizagem se manifestaria baseada em um processo de tomada de decisão que, ao atingir determinado nível de informação, levaria à mudança no comportamento. Com a quantificação dessa informação foi formulada uma nova teoria que visa a prever que tipo de associação acontecerá e quantas vezes o sujeito deverá ser exposto à tarefa para que a associação se manifeste. Este número, em média, é inversamente proporcional à informação transmitida. Este trabalo explorou tarefas comportamentais e buscou descrevê-las com a ajuda da teoria da informação. Foi realizada um revisão bibliográfica em teoria da informação, conceitos de entropia, probabilidade e bases comportamentais do aprendizado associativo. Foi refeito o cálculo de entropia para as distribuições de probabilidade normal e exponencial e, como proposta um novo tipo de modelagem, baseado em distribuições log-normal e gaussiana inversa, que descrevem melhor os dados experimentais em tarefas de intervalo fixo, por exemplo. Estes resultados sugerem que a teoria da informação pode ser aplicada ao aprendizado mesmo quando são utilizadas distribuições não-normais para a modelagem dos dados experimentais.