I løpet av det siste tiåret har det vært få teoretiske bidrag til Markov Chain Monte Carlo (MCMC) metoder, men forståelsen og anvendelsen av MCMC i forbindelse med løsning av inferensproblemer har utviklet seg betydelig. Den andre utgaven av "Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference" gir en konsis, tilgjengelig og omfattende innføring i metodene bak denne verdifulle simuleringsmetoden. Denne nye utgaven inkorporerer teoretiske endringer og fremhever nye anvendelser av MCMC. I tillegg til innholdet, gir boken tilgang til en nettside som inneholder koden, skrevet i R og WinBUGS, som brukes i en rekke eksisterende og nye eksempler samt øvelser. De selvforklarende kodene gjør det mulig for leseren å endre input og variere metodene i ulike retninger for videre utforskning. Blant de betydelige endringene i forhold til forrige utgave er det flere eksempler med diskusjon av beregningsdetaljer i kapitlene om Gibbs-sampling.
