Explore les chaînes de Markov et leurs applications dans des algorithmes, en se concentrant sur l'impatience des utilisateurs et la génération d'échantillons fidèles.
Couvre les processus de Markov, les densités de transition et la distribution sous réserve d'information, en discutant de la classification des états et des distributions fixes.
Explore les classes communicantes dans les chaînes de Markov, en distinguant les classes transitoires et récurrentes, et approfondit les propriétés de ces classes.
