会计学目前，MCMC已经成为一种处理复杂统计问题的特别流行的工具，尤其在经常需要(xūyào)复杂的高维积分运算的贝叶斯分析领域更是如此。在那里，高维积分运算主要是用来求取普通方法无法得到的后验分布密度。如果合理的定义和实施，MCMC总能得到一条或几条收敛的马尔可夫链，该马尔可夫链的极限分布就是所需的后验分布（一）预备(yùbèi)知识二、MCMC方法(fāngfǎ)（二）基本(jīběn)思想（三）常用MCMC算法(suànfǎ)Gibbs抽样（吉布斯采样算法(suànfǎ)）二、MCMC方法(fāngfǎ)立即(lìjí)更新的Gibbs抽样二、MCMC方法(fāngfǎ)Metropolis-Hastings抽样(chōuyànɡ)二、MCMC方法(fāngfǎ)二、MCMC方法(fāngfǎ)二、MCMC方法(fāngfǎ)三、MCMC方法(fāngfǎ)的收敛性诊断观察样本路径(lùjìng)观察自相关性图方差比收敛性诊断（1）观察样本路径产生多条马尔可夫链，观察样本路径（对多个初始值产生多个马尔可夫链）样本路径是一个描述迭代数对应的实现图。样本路径有时也称为历史图。如果链的混合不是很好，那么在很多次迭代中它会取相同或者相近的数值。一个好的链能够快速地远离初始值，无论(wúlùn)以何值开始。历史(lìshǐ)迭代图(2)观察自相关性图自相关性图用于描述序列在不同迭代延迟下的相关性，延迟i的自相关性是指相距i步的两迭代之间的相关性。具有较差的性质的链随着(suízhe)迭代延迟的增加会表现出较慢的自相关衰弱。四、WinBUGS软件包四、WinBUGS软件包BayesBayes统计(tǒngjì)推断一Bayes统计(tǒngjì)推断概述一Bayes统计推断(tuīduàn)概述二参数(cānshù)的Bayes点估计二参数(cānshù)的Bayes点估计二参数(cānshù)的Bayes点估计二参数(cānshù)的Bayes点估计二参数(cānshù)的Bayes点估计三Bayes区间(qūjiān)估计三Bayes区间(qūjiān)估计三Bayes区间(qūjiān)估计三Bayes区间(qūjiān)估计三Bayes区间(qūjiān)估计三Bayes区间(qūjiān)估计/三Bayes区间(qūjiān)估计四Bayes假设检验四Bayes假设检验四Bayes假设检验四Bayes假设检验四Bayes假设检验贝叶斯因子判断(pànduàn)准则感谢您的观看(guānkàn)。