在理解馬爾科夫鏈之前先了解一下馬爾科夫性質，我們假設某一過程是由一個狀態序列構成，就相當於視頻由每一幀構成。這個狀態序列被稱爲狀態空間，假設某一時刻的狀態是其前一時刻狀態的函數，則說明該序列有馬爾科夫性質，通俗的說，該時刻的狀態只與其前一時刻的狀態有關，則序列有馬爾科夫性質。所以我們在預測下一狀態時，只與當前狀態有關，與當前狀態之前的狀態都無關。
由此引出一個概念：馬爾科夫過程。我們僅僅用語言描述：由概率論知識得，第n個狀態的條件概率等於之前n-1個狀態都成立時第n個狀態出現的概率，由於馬爾科夫性質，則簡化成第n個狀態的條件概率就等於第n-1個狀態條件下狀態n出現的概率，滿足這個過程也就稱之爲馬爾科夫過程。
從第n個狀態到第n+1個狀態時，有一個轉換矩陣A，即有P(n+1)=P(n)*A，由此推到得P(n+1)=P(1)A^n（n次冪），當P(n+1)和P(n)的差值在一個很小的範圍內，我們則稱馬爾科夫鏈達到平穩狀態，其中轉換矩陣A實際上就是狀態n中的各個部分轉換成狀態n+1時各部分的轉換概率，這個值可以自己設定，但是我們知道概率之和必須等於1，即A中的元素之和必須等於1。
