Markov Chain Monte Carlo (MCMC) — Metropolis-Hastings dan Pensampelan Gibbs

Markov Chain Monte Carlo (MCMC) ialah satu keluarga algoritma simulasi yang membina rantai Markov yang taburan pegunnya ialah taburan posterior sasaran, membolehkan inferens Bayesian dan pengiraan kamiran berdimensi tinggi yang jika tidak, ia tidak dapat diselesaikan secara analitik. Dipelopori oleh Metropolis dan rakan-rakannya pada tahun 1953 dan dikembangkan oleh Hastings pada tahun 1970, MCMC menjadi asas statistik Bayesian moden. Dua varian yang paling meluas digunakan ialah Metropolis-Hastings, yang mencadangkan pergerakan daripada taburan cadangan umum, dan pensampelan Gibbs, yang menarik setiap parameter secara bergilir-gilir daripada taburan bersyarat penuhnya.