이 책은 총 7장으로 구성되었고, 내용은 다음과 같다.
제1장의 확률 기초이론은 이후 전개될 확률모형을 잘 이해하기 위한 기본적인 확률이론들을 제시한다. 제2장은 확률모형의 가장 기본이 되는 지수분포와 포아송 과정을 다루는데, 수리적으로 간편하면서도 복잡한 현실 시스템을 잘 표현할 수 있는 기본도구들이다. 제3장에서는 본격적인 확률모형의 시작으로, 이산시간 확률모형인 마코프 체인을 다루고 있으며 두 가지 흥미로운 응용 예를 소개하고 있다. 제4장은 마코프 체인을 의사결정에 활용하는 두 가지 이론을 제시하고 있는데, 정지시간과 마코프 결정과정이다. 마코프 결정과정은 최근 인공지능 분야에서 매우 중요한 도구 가운데 하나인 강화학습의 기본 이론이며 간단한 예제를 통해 적용방법을 학습한다. 제5장은 연속시간 확률모형인 마코프 과정을 다루고 있는데 이는 대기행렬 모형의 밑바탕을 이루지만 그 자체로도 매우 중요한 확률모형 이론이다. 제6장의 대기행렬 모형에서는 일반적인 대기행렬 시스템의 특성에 이어서 비교적 단순한 마코비안 대기모형을 다루며, 비마코비안 모형의 경우는 이 책의 범위를 벗어나므로 아주 간단하게만 언급한다. 마지막 제7장은 Hall(1991)을 바탕으로 정리하였다. 대기행렬 모형이 모형 수립에서의 편리함을 위해 안정상태에서의 분석에 초점을 두므로 현실 시스템에의 적용에 어려움이 다소 있다. 이 장에서는 고객 도착률과 같은 각종 모수들이 시간에 따라 변하는 현실상황을 반영하기 위해 비정상 포아송 과정을 모형에 도입하고 도착과정, 서비스 과정 등의 제어를 통해 대기성능을 향상하는 쉽고도 매우 유용한 내용들을 담고 있다.