在复杂统计模型中，精确计算似然是困难的，蒙特卡罗方法可以用于近似最大似然估计。本文考虑通过马尔可夫链蒙特卡罗得到的近似。当样本量（初始值和蒙特卡罗值）趋于无穷大时，我们证明了所得估计量的一致性和渐近正态性。我们的结果可以应用于具有难以处理的归一化常数和缺失数据模型的模型。我们还研究了数值实验中估计量的性质。

在统计模型的基础上，为了尽可能精确地计算风险，为了获得最大风险的估计，采用了一种新的方法。蒙特卡洛市南部贝塞斯的普鲁帕特地区的方法越来越接近。Dans cet文章中，Monte Carlo par chanes de Markov pour lesquelles nous montrons la consistance et la normalésymplosique de l’estimateur ainsi de fini的蒙特卡洛方法的一部分是一致性和渐近性。没有任何一位顾问会对正常化的持续性应用匿名模式，这是可以计算的，也是可以计算的。Nous illustrons enfin celaápartir des nombreuses experiences numériques（无插图画家）。