馬爾可夫鏈蒙特卡洛方法（Markov Chain Monte Carlo, MCMC）是一種利用馬爾可夫鏈進行隨機抽樣的技術，主要用於統計推斷和貝葉斯分析。
MCMC方法的基本思想是構造一條馬爾科夫鏈，使其平穩分布為待估參數的後驗分布，通過這條馬爾科夫鏈產生後驗分布的樣本，並基於這些樣本進行蒙特卡洛積分。這種方法首先構建一個馬爾科夫鏈，使其平穩分布就是要進行抽樣的分布，然後基於該馬爾科夫鏈進行隨機遊走，產生樣本序列，最後使用這些樣本進行近似數值計算。
MCMC方法的主要優勢在於能夠處理複雜的機率分布，特別是當這些分布難以直接抽樣時。它通過智慧型地構建馬爾科夫鏈來模擬這些分布，從而進行有效的抽樣。這種方法在統計學和機器學習的許多領域都得到了廣泛套用。