各位，在看一篇论文的时候用到了MCMC的算法，因为不是学统计出生的，有几个简单的问题，还烦请能帮忙解答：
1. MCMC的主要作用是是什么？看了一些材料，很粗的理解，是为了在计算机中对某个分布进行抽样，抽样后是为了估计分布的参数吗？
2. 如果我有一个观测的数据，也有一个模型，如何使用MCMC方法计算找到模型中的参数？怎么去运用观测的数据？
谢谢！
1.mcmc is used to sample from a posterior distribution.
2.Suppose that you have a likelihood function l(y_1, y_2, y_3, ...... y_n | theta) and have a prior for theta, for example, normal distribution, denoted as p(theta), then based on the bayes theorem, you have a posterior:

p(theta | y_1, y_2, y_3, ...... y_n ) proportion to l(y_1, y_2, y_3, ...... y_n | theta) * p(theta),

p(theta | y_1, y_2, y_3, ...... y_n ) is the unnormalised distribution for the parameter theta, theta could be a univariate or multivariate.

Actually, we have different method to improve the accept rate of MCMC, from M-H, Gibbs, Hybrid(Hamilton), Adaptive etc and a totally different - stochastic variational inference.

wish these could help you under mcmc.
7 天 后
咱也没有统计学学士背景，但前几年自修时阅读过“马氏链”，有点儿像stats space空间状态分析模式。然后去年才考了专业data scientist文凭...目前在正在啃书进修中～
http://blog.sciencenet.cn/blog-520608-733458.html

顺道分享一下，Martin Crowder,Mark Dixon,Anthony Ledford,Mike Robinson2002也使用“马氏链”
http://onlinelibrary.wiley.com/doi/10.1111/1467-9884.00308/abstract
[未知用户]
找了个能打中文的电脑。我还是认为MCMC更加偏向的是贝叶斯的理论，但是从Gibbs 或者MH都可以看出来。 :-)
首先需要了解你的目标模型是什么样的呢？很多时候没有必要用MCMC。例如模型比较简单可以用MLE就没有必要用MCMC。
很多时候都是贝叶斯的后验分布里面 分布本身表达比较繁琐 用Markov Chain模拟分布 Monte Carlo做一些inference。
做之前考虑考虑必要性建议~