Bayes统计学能够从空中楼阁的理论广泛地落地于自然科学、经济学和社会学等领域,得益于计算机技术和马尔可夫链蒙特卡洛(Markov chain Monte Carlo,简称MCMC)法的发展。文章介绍了MCMC方法在Bayes推断中的应用,主要讨论了MCMC方法中的独立抽样和随机游走抽样的Metropolis-Hastings(M-H)算法,利用可读性较强的Matlab程序来实现两种抽样算法,并给出了详细的程序实施过程,分析了两种抽样的优缺点。模拟分析结果表明:独立抽样M-H算法比较容易实施,但是要求建议分布和后验分布的吻合度较高,否则计算效率低下,而且模拟效果不理想;随机游走抽样的M-H算法不需要建议分布接近后验分布,模拟效果也比较好,因此,克服了独立抽样算法的不足,适用范围更广。