Cadeias de Markov finitas são tratadas com foco em tempos de mistura, acoplamento e limites probabilísticos.

O texto apresenta ferramentas algorítmicas para problemas que envolvem caminhadas aleatórias e métodos estocásticos; inclui resultados aplicáveis à teoria de algoritmos e provas de convergência.

Aplicações computacionais aparecem em contextos como amostragem aleatória e algoritmos randômicos, com exemplos que conectam conceitos teóricos a usos práticos.