马尔可夫链
MCMC与Metropolis算法
抽样：抽取若干样本点使其满足某种分布。在计算机中，均匀分布是比较容易实现抽样的。
假如要产生其他分布的随机数，如果该分布不是很复杂，可以借助产生均匀分布的随机数来实现。比如产生正态分布的随机数，可以使用Box-Muller变换。
常用的分布，都可以通过类似Box-Muller变换的方法得到。而对于随意的分布，或者形式更复杂的分布，样本的生成就比较困难了，这时我们就可以使用MCMC方法。
MCMC算法的意义在于：转移矩阵的抽样是容易的，而平稳分布的概率是比较复杂的。波尔滋曼机中，转移矩阵是对称的。
MH算法：
Gibbs采样
波尔滋曼机与Gibbs采样的联系
热平衡状态其实就等同于Gibbs采样。