在4.1.3版本的R语言中建立加权有向ergm模型，参照分布项设置为泊松分布，对模型分别使用MH采样函数以及Gibbs采样函数下的MCMC算法进行参数估计，迭代1000次绘制迭代轨迹图、后验密度图，展示结果

首先，我们需要加载ergm包和所需数据。这里以lesmis数据为例：

library(ergm)
data(lesmis)

然后，我们可以使用ergm()函数建立加权有向ergm模型，设置分布项为泊松分布，并使用MH采样函数进行参数估计：

model1 <- ergm(edges ~ bw(directed = TRUE, w = weight), 
               constraints = "density", 
               response = "Poisson", 
               control = ergm.control(nsteps = 1000, method = "MH"))
summary(model1)

接下来，我们使用Gibbs采样函数进行参数估计：

model2 <- ergm(edges ~ bw(directed = TRUE, w = weight), 
               constraints = "density", 
               response = "Poisson", 
               control = ergm.control(nsteps = 1000, method = "Gibbs"))
summary(model2)

最后，我们可以使用plot()函数绘制迭代轨迹图和后验密度图：

plot(model1)
plot(model2)

其中，model1和model2分别对应于使用MH采样函数和Gibbs采样函数进行参数估计的加权有向ergm模型。