贝叶斯分析方法（Bayesian Analysis）提供了一种计算假设概率的方法，这种方法是基于假设的先验概率、给定假设下观察到不同数据的概率以及观察到的数据本身而得出的。其方法为，将关于未知参数的先验信息与样本信息综合，再根据贝叶斯公式，得出后验信息，然后根据后验信息去推断未知参数的方法。

计算后验分布期望的传统数值计算方法是数值积分、拉普莱斯近似计算和蒙特卡洛（Monte Carlo）重要抽样。目前，MCMC方法，即马尔可夫链——蒙特卡罗(Markov chain Monte Carlo)方法已经变成了非常流行的贝叶斯计算方法。一方面是由于它处理非常复杂问题的效率，另一方面是因为它的编程方法相对容易。

关于MCMC方法最重要的软件包是BUGS（Bayesian inference using gibbs sampling）和WinBUGS。这个软件最初是由位于英国剑桥的生物统计学研究所（Biostatistics the Medical Research Council, Cambridge, United Kingdom）研制的，现在由这个研究所和位于伦敦的皇家学院医学分院（the Imperial College School of Medicine）共同开发。

BUGS的运行以MCMC方法为基础，它将所有未知参数都看做随机变量，然后对此种类型的概率模型进行求解。它所使用的编程语言非常容易理解，允许使用者直接对研究的概率模型作出说明。软件中的MCMC分析部分采用Fortran语言编写，相关的编程语言设计非常有效。BUGS主要的目的是解决对完全概率模型的MCMC分析，BUGS软件包适用于计算机的各种操作平台。WinBUGS是在BUGS基础上开发面向对象交互式的Windows软件版本，它可以在Windows 操作系统中使用，此外，WinBUGS还提供了图形界面，允许通过鼠标的点击直接建立研究模型。