蒙特卡罗(洛)方法（Monte Carlo method），也称统计模拟方法，是1940年代中期由于科学技术的发展和电子计算机的发明，而提出的一种以概率统计理论为指导的数值计算方法。是指使用随机数来解决很多计算问题的方法。
下面的系列文章是《Deep Learning Book》一书第17章的部分肤浅读书笔记。由于本人理论水平有限，我认为满是公式、基本没有实例的《Deep Learning Book》第17章“很难看”、不利于学习。因此，我根据第17章的章节结构，自己去查阅了一些其他资料，找到了很多实例来写成了这些文章，我认为对初学者来说，它们可以让人更容易看懂。
不过，还是需要事先声明，这些文章中的某些陈述，是我个人的理解，本人水平有限，难免会有各种错误，请自行辨别。
➤ 马尔科夫链蒙特卡罗／Markov chain Monte Carlo, MCMC
➤ 马尔科夫链／Markov chain
➤ 马尔科夫链的平稳分布
➤ 马尔科夫链的细致平稳条件／Detailed Balance
➤ 马尔科夫链的接受率／Acceptance Probability
➤ 标准MCMC算法实现及其存在的问题
➤ Metropolis Hastings MCMC算法
➤ 吉布斯采样／Gibbs Sampling
