В разделе объясняется, почему дискретные стохастические объекты требуют специального математического описания и почему для них подходит аппарат марковских случайных процессов. Формулируются проблема, цель, задачи, объект и предмет проекта, а также кратко описывается выбранный пример системы и последовательность дальнейшего исследования.

Пункт раскрывает содержание понятий «система», «состояние», «событие», «случайная величина» и «случайный процесс». Рассматривается отличие детерминированного поведения от вероятностного, объясняется дискретность времени и множества состояний, приводятся примеры технических, информационных и бытовых объектов, которые можно описывать вероятностной моделью.

Здесь формулируется марковское свойство и показывается, почему для прогноза следующего состояния достаточно текущего состояния объекта. Описываются цепи Маркова с дискретным временем, однородные и неоднородные переходы, а также ограничения допущения о независимости будущего от более ранней истории.

Раздел посвящён главному способу математического задания цепи Маркова — матрице переходных вероятностей. Объясняется смысл её элементов, условие нормировки строк, связь матрицы с графом состояний и порядок вычисления распределения вероятностей через умножение вектора состояния на матрицу переходов.

В пункте рассматриваются долгосрочное поведение цепи, стационарное распределение и условия его существования. Поясняется, как по матрице переходов оценить вероятность нахождения объекта в каждом состоянии, средние доли времени, частоту событий и возможную сходимость к устойчивому режиму.

Практическая часть начинается с выбора конкретного дискретного стохастического объекта и описания его поведения. Определяются возможные состояния, шаг моделирования, допустимые переходы и исходные вероятности. Обосновывается, почему выбранную систему можно приближённо представить цепью Маркова.

В разделе создаются граф состояний и матрица переходных вероятностей, после чего выполняются пошаговые вычисления. При необходимости используется электронная таблица или программа на Python. Получаются вероятностные векторы для нескольких шагов, строятся таблицы и графики изменения состояний.

Здесь интерпретируются результаты расчётов и выясняется, какие состояния становятся наиболее вероятными. Проверяются суммы вероятностей, сопоставляются ручные и программные вычисления, обсуждаются устойчивость и ограничения модели. Отдельно оценивается, насколько выбранные переходы соответствуют свойствам исходного объекта.

В заключении обобщаются результаты изучения аппарата марковских случайных процессов и практического моделирования дискретного стохастического объекта. Отмечается, какие задачи решены, подтверждена ли применимость построенной модели, какие ограничения выявлены и как её можно развить за счёт дополнительных состояний, данных или более сложных переходов.

В список включаются учебники и учебные пособия по теории вероятностей, случайным процессам, математическому и имитационному моделированию систем. Также указываются официальные электронные ресурсы и документация используемых программных средств. Для каждого источника приводятся автор, название, издательство или адрес, год обращения и дата доступа.