Un modelo de Markov asume que, para predecir el próximo estado de un sistema, solo importa el estado actual, sin necesitar conocer toda la secuencia de estados anteriores que llevaron hasta ahí. Esta simplificación, llamada propiedad de Markov, hace que muchos problemas se vuelvan mucho más manejables de modelar matemáticamente.
Su aplicación práctica
Se usa para modelar sistemas donde esta suposición es razonable, como el clima de un día en función solo del clima del día anterior, o el próximo estado de una máquina en función únicamente de su estado actual, siendo la base conceptual de modelos más avanzados como las cadenas de Markov ocultas.