mały|Coraz dokładniejsze szacowanie rozkładu przy pomocy algorytmu Metropolisa-Hastingsa z użyciem rosnącej liczby powtórzeń mały|Znalezienie maksimum funkcji przy pomocy algorytmu Metropolisa-Hastingsa Algorytm Metropolisa-Hastingsa – metoda statystyczna typu MCMC (próbkowania Monte Carlo łańcuchami Markowa), pozwalająca stochastycznie oszacowywać całki (takie jak estymatory) i rozkłady prawdopodobieństwa dla złożonych systemów, które są zbyt trudne do modelowania analitycznego, np. układów wielowymiarowych. Narzędzie to jest wykorzystywane między innymi we wnioskowaniu bayesowskim i modelowaniu systemów fizycznych. Procedurę opisał po raz pierwszy publicznie zespół Nicholasa Metropolisa w 1953 r., a rozwinął ją w 1970 r. Metody Monte Carlo tego rodzaju stosowali także Enrico Fermi i Stanisław Ulam w trakcie tajnych prac nad Projektem Manhattan.
Systemy wielowymiarowe obarczone są zjawiskiem przekleństwa wymiarowości, polegającego na tym, że wraz ze wzrostem liczby wymiarów problemu, liczba obserwacji potrzebnych do oszacowania ich cech rośnie wykładniczo.