Cette séance de cours couvre le concept de chaînes Monte Carlo Markov, en mettant l'accent sur les algorithmes itératifs pour l'échantillonnage des configurations d'essai et l'acceptation des états basés sur les probabilités. Il examine également les méthodes d'échantillonnage Metropolis-Hastings et Gibbs, en mettant l'accent sur des critères détaillés d'équilibre et de convergence.