Christian ( Xi'an ) Robert 和 George Casella 的这篇论文很好地总结了 MCMC 的历史。来自论文（重点是我的）。

可以合理地视为第一个 MCMC 算法的是我们现在所说的 Metropolis 算法，由 Metropolis 等人发表。（1953 年）。它来自产生蒙特卡洛方法的同一组科学家，即洛斯阿拉莫斯的研究科学家，主要是从事数学物理和原子弹研究的物理学家。

Metropolis 算法后来被 Hastings (1970) 和他的学生 Peskun (1973,1981) 推广

尽管与经典意义上的统计推断有所不同，并且基于统计物理学中使用的早期技术，但 Geman 和 Geman (1984) 的里程碑式论文将 Gibbs 抽样带入了统计应用领域。本文还负责命名吉布斯采样

特别是，Geman 和 Geman (1984) 影响了 Gelfand 和 Smith (1990) 写了一篇论文，该论文是主流统计界广泛使用 MCMC 方法的真正起点。通过使用 Gibbs 采样器和 Metropolis-Hastings 算法等计算算法，它引发了对贝叶斯方法、统计计算、算法和随机过程的新兴趣。

有趣的是，Tanner 和 Wong (1987) 的早期论文与 Gelfand 和 Smith (1990) 具有基本相同的成分，即从条件分布进行模拟足以从关节渐近模拟这一事实。这篇论文被认为足够重要成为美国统计协会杂志的讨论文件，但与 Gelfand 和 Smith (1990) 相比，它的影响在某种程度上是有限的。

我找不到随时间推移发表的期刊文章的数量，但这里有一个 Google Ngram 图，显示了一段时间内的提及次数。它或多或少同意 MCMC在 1990 年 Gelfand 和 Smith 的论文之后变得司空见惯的观点。

参考

罗伯特、克里斯蒂安和乔治·卡塞拉。“马尔可夫链蒙特卡洛简史：来自不完整数据的主观回忆。” 统计科学（2011）：102-115。

knrumsey的出色回答提供了一些关于 MCMC 重要学术工作进展的历史。另一个值得研究的方面是开发软件以方便普通用户进行 MCMC。统计方法通常主要由专家使用，直到它们在软件中实现，允许普通用户在不编程的情况下实现它们。例如，软件 BUGS 于 1997 年首次发布。这似乎并没有改变 N-Grams 图中的增长轨迹，但它可能对该方法在发现它的用户中普遍使用产生了影响令人生畏地编写自己的例程。