La estimación de parámetros estocásticos y la inversión se han vuelto cada vez más populares en los últimos años. Hoy en día, es razonable y común resolver problemas inversos complejos dentro del marco bayesiano de manera computacional. Las aplicaciones de inferencias bayesianas para problemas inversos requieren la investigación de la distribución posterior, la cual suele tener un paisaje complejo y ser altamente dimensional. En estos casos, los métodos de Monte Carlo de cadenas de Markov (MCMC) suelen ser utilizados.