马尔科夫链蒙特卡罗（Markov Chain Monte Carlo;MCMC），理学-统计学-大数据统计分析-贝叶斯统计-马尔科夫链蒙特卡洛，贝叶斯统计中一种常用的基于马尔可夫链和蒙特卡罗思想的参数估计方法。马尔可夫链蒙特卡罗是一种常用的贝叶斯推断算法。假设数据观测数据为，感兴趣的参数为。贝叶斯统计中通常将参数看作随机变量，且具有先验分布。贝叶斯统计的核心问题就是根据观测数据和先验分布，计算的后验分布。简单情况下可以直接使用贝叶斯公式求解后验分布；但在复杂贝叶斯模型下，后验分布常常是无法直接计算的。在这种情况下，马尔可夫链蒙特卡罗方法就是一种常用的后验分布的估计算法。顾名思义，马尔可夫链蒙特卡罗方法的核心有两部分：马尔可夫链、蒙特卡罗。其基本思想是：①构造一个马尔可夫链，使其平稳分布为待求解的目标分布（即后验分布）。②基于该马尔可夫链进行随机游走，得到样本序列。待其分布平稳后（假定为时刻），采样得到的样本序列就可看作是来自真实后验分布的样本。③基于平稳后得到的样本（），通过蒙特卡罗方法进行近似数值计算。