马尔科夫蒙特卡洛 编辑
马尔可夫链蒙地卡罗方法方法是一组用马氏链从随机分布取样的算法，之前步骤的作为底本。步数越多，结果越好。
1
相关
贝叶氏谱系分析是根据已知的先验几率推导后验几率的似然函数，进而去预测最可能的系谱树。随着电脑计算速度的演进以及马尔科夫蒙特卡洛的演进，贝叶氏谱系分析越来越受重视和应用。贝叶斯推断时常应用于分子系统发生学以及系统分类学。
孟晓犁，上海人，华裔美国人，统计学家，哈佛大学Whipple V.N. Jones冠名统计学教授，曾于2001年获考普斯会长奖。孟晓犁著有多篇研究性论文，涉及马尔科夫蒙特卡洛算法及其它统计学方法。
贝叶氏谱系分析是根据已知的先验几率推导后验几率的似然函数，进而去预测最可能的系谱树。随着电脑计算速度的演进以及马尔科夫蒙特卡洛的演进，贝叶氏谱系分析越来越受重视和应用。贝叶斯推断时常应用于分子系统发生学以及系统分类学。
梅特罗波利斯－黑斯廷斯算法是统计学与统计物理中的一种马尔科夫蒙特卡洛方法，用于在难以直接采样时从某一概率分布中抽取随机样本序列。得到的序列可用于估计该概率分布或计算积分等。梅特罗波利斯－黑斯廷斯或其他MCMC算法一般用于从多变量分布中采样。对于单变量分布而言，常会使用自适应判别采样等其他能抽取独立样本的方法，而不会出现MCMC中样本自相关的问题。
梅特罗波利斯－黑斯廷斯算法是统计学与统计物理中的一种马尔科夫蒙特卡洛方法，用于在难以直接采样时从某一概率分布中抽取随机样本序列。得到的序列可用于估计该概率分布或计算积分等。梅特罗波利斯－黑斯廷斯或其他MCMC算法一般用于从多变量分布中采样。对于单变量分布而言，常会使用自适应判别采样等其他能抽取独立样本的方法，而不会出现MCMC中样本自相关的问题。
并行退火，也称作replica exchange MCMC sampling，是一种用于动态改进蒙特卡罗方法的模拟算法。该算法用于模拟物理过程。同时更普遍地应用于马尔科夫蒙特卡洛抽样方法。
Sugita和Okamoto数学定义了一种分子动力学描述的并行退火算法：通常被称为replica-exchange molecular dynamics。
吉布斯采样是统计学中用于马尔科夫蒙特卡洛的一种算法，用于在难以直接采样时从某一多变量概率分布中近似抽取样本序列。该序列可用于近似联合分布、部分变量的边缘分布或计算积分。某些变量可能为已知变量，故对这些变量并不需要采样。
吉布斯采样是统计学中用于马尔科夫蒙特卡洛的一种算法，用于在难以直接采样时从某一多变量概率分布中近似抽取样本序列。该序列可用于近似联合分布、部分变量的边缘分布或计算积分。某些变量可能为已知变量，故对这些变量并不需要采样。
吉布斯采样是统计学中用于马尔科夫蒙特卡洛的一种算法，用于在难以直接采样时从某一多变量概率分布中近似抽取样本序列。该序列可用于近似联合分布、部分变量的边缘分布或计算积分。某些变量可能为已知变量，故对这些变量并不需要采样。
梅特罗波利斯－黑斯廷斯算法是统计学与统计物理中的一种马尔科夫蒙特卡洛方法，用于在难以直接采样时从某一概率分布中抽取随机样本序列。得到的序列可用于估计该概率分布或计算积分等。梅特罗波利斯－黑斯廷斯或其他MCMC算法一般用于从多变量分布中采样。对于单变量分布而言，常会使用自适应判别采样等其他能抽取独立样本的方法，而不会出现MCMC中样本自相关的问题。