全文总字数：3100字

1. 研究目的与意义及国内外研究现状

马尔科夫链蒙特卡洛方法（markov chain monte carlo,mcmc）是一种基于贝叶斯统计理论通过大量采样构造趋于平稳的马尔科夫链来解决复杂的不确定性问题的一种有效手段。

在数学研究领域的反问题中常有用mcmc方法来模拟各种复杂后验概率密度函数的分布，并且对复杂后验表达式中的未知参数mcmc方法也有很好的反演效果。

这篇毕业论文打算利用自适应的mcmc采样方法来对种群捕食的生物模型未知参数做出反演。

2. 研究的基本内容

1.了解蒙特卡洛系统及其相关的简介；

2.熟悉马尔可夫链，如何构造一个马尔科夫链，并了解它在mcmc方法中所起到的作用；

3.详细介绍mh(metropolis-hastings)抽样方法，gibbs抽样方法以及它们的相关伪代码和应用实例，基于应用实例对两种抽样方法进行了简明扼要的分析；

3. 实施方案、进度安排及预期效果

2017年3月28日到2017年4月12日 论文选题和收集资料

2017年4月13日到2017年4月16日 完成翻译文献

2017年4月17日到2017年5月18日 完成开题报告、任务书、和论文初稿

4. 参考文献

[1]吴喜之．现代贝叶斯统计学[m]．北京：中国统计出版社，2010.10.：2-34

[2]唐欣．贝叶斯在影像解释中的应用[m]．北京：测绘出版社，2011.6.：93-34

[3]beven, k., freer, j., 2001. “equifinality, data assimilation, and uncertainty estimation in mechanistic modelling of complex environmental systems using the glue methodology. j. hydrol. 249 (1e4), 11e29.