马尔科夫蒙特卡洛（Markov chain Monte Carlo，MCMC）方法（含随机游走蒙特卡洛方法）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。创建一个具有期望属性的马氏链并非难事，难的是如何决定通过多少步可以达到在许可误差内的稳定分布。一个好的马氏链具有快速混合，从开始阶段迅速获得的一个稳定状态。
伴随着这个，又有了使用的数据分析新方法，例如，马尔科夫链，蒙特卡洛模拟这些大型计算机密集型算法。
Accompanying this have been new approaches to data analysis using, for example, Markov Chain Monte Carlo simulations that are hugely computer intensive.
该模型的核心部分是根据观测到的资料，通过蒙特卡洛马尔科夫链随机抽样的方法来估计变点位置的后验概率分布。
Given the observed hydrological data, the model can estimate the posterior probability distribution of each location of change-point by using the Monte Carlo Markov Chain (MCMC) sampling method.
本文提出了一个基于蒙特卡洛-马尔科夫链方法的随机模型生成方法，以产生准则函数值最小的备选模型。
In this paper I suppose an MCMC random model generating procedure that can generate a model with the lowest criterion value.
应用推荐