La predicción de comportamientos de uso de energía es un requisito necesario para diseñar programas de eficiencia energética personalizados y escalables. Los comportamientos de uso de energía de los ocupantes de oficinas son diferentes a los de los ocupantes residenciales y aún no han sido estudiados tan intensamente como los de los ocupantes residenciales. Este artículo propone un método basado en la cadena de Markov Monte Carlo (MCMC) para predecir los comportamientos de uso de energía de los ocupantes de oficinas. Primero, se desarrolla un sistema interior de Internet de las cosas eléctricas (IEIoTS) para el escenario de oficina con el fin de recopilar datos de series temporales del estado de conmutación de equipos eléctricos seleccionados por el usuario (computadora de escritorio, dispensador de agua, luz) y los parámetros ambientales históricos. Luego, se utiliza el algoritmo de Metropolis-Hastings (MH) para muestrear y obtener la solución óptima de los parámetros para la función de comportamiento de los ocupantes de oficinas, cuyo modelo incluye el modelo de acción de energía, el modelo de horas de trabajo de energía y el modelo de comportamiento de uso de energía del aire acondicionado. Finalmente, se realizan experimentos comparativos para evaluar el rendimiento del método propuesto. Los resultados experimentales muestran que, si bien el valor medio se desempeña de manera similar en la estimación del modelo de uso de energía, el método propuesto supera al método de Estimación de Máxima Verosimilitud (MLE) en la cuantificación de la incertidumbre con intervalos de confianza relativamente más estrechos.