马尔可夫链蒙特卡洛算法，由R语言实现，是在Gibbs采样中每步利用Metropolis采样。程序非常清晰，是理解MCMC的好东西-Naive Gibbs Sampling with Metropolis Steps

Gibbs Sampling 这个绝妙的想法在1953年被 Metropolis想到了，为了研究粒子系统的平稳性质， Metropolis 考虑了物理学中常见的波尔兹曼分布的采样问题，首次提出了基于马氏链的蒙特卡罗方法，即Metropolis算法，并在最早的计算机上编程实现。Metropolis 算法是首个普适的采样方法，并启发了一系列 MCMC方法，所以人们把它视为随机模拟技术腾飞的起点。 Metropolis的这篇论文被收录在《统计学中的重大突破》中， Metropolis算法也被遴选为二十

吉布斯(Gibbs)抽样方法是 Markov Chain Monte Carlo(MCMC)方法的一种,也是应用最为广泛的一种(The simplest Gibbs sampling is a special case of Metropolis-Hastings algorithm, while the extension of Gibbs sampling can be regarded as a universal sampling system. This system takes a