Historia Matematyczne podstawy ukrytych modeli Markowa zostały rozwinięte w latach 60. XX wieku w pracach Leonarda E. Bauma i współautorów dotyczących probabilistycznych funkcji skończonych łańcuchów Markowa. W latach 70. i 80. modele te stały się szczególnie ważne w rozpoznawaniu mowy, a klasyczny artykuł przeglądowy Lawrence’a Rabinera z 1989 roku ugruntował ich standardową prezentację przez trzy podstawowe problemy: ocenę, dekodowanie i uczenie.
W bioinformatyce ukryte modele Markowa rozpowszechniły się jako narzędzie analizy sekwencji biologicznych, między innymi w rozpoznawaniu genów, modelowaniu rodzin białek i wykrywaniu motywów sekwencyjnych.
Rodzaje emisji W zależności od typu danych stosuje się różne rozkłady emisji: emisje dyskretne – obserwacje należą do skończonego alfabetu, np. litery, nukleotydy albo klasy symboli; emisje ciągłe – obserwacje są liczbami lub wektorami, a emisje modeluje się np. rozkładami normalnymi; emisje mieszane – obserwacje zawierają jednocześnie zmienne dyskretne i ciągłe; emisje regresyjne – rozkład obserwacji zależy od dodatkowych zmiennych objaśniających.