極めて細かい話で恐縮ですが，1_3_代表的な確率分布.ipynb での
二項分布（binomial distribution）入力[14] # サンプル化から分散を計算
ポアソン分布（Poisson distribution）入力[18] # サンプル化から分散を計算
は，いずれも「化」は削除して「サンプルから分散を計算」かと存じます．
書籍では，そのようになっております．

また，一様分布（uniform distribution）の入力[23] および出力[23] は不要ではないでしょうか（入力[21] および出力[21] で既出のため）．

p43の下段のプログラムの4, 5行目ですが、「攪乱項εは平均0の一様分布に従うとする」とあり、一様分布からサンプリングしています。
しかしながら、p42には提案分布を正規分布とするとありますので、この通り実装するのであれば、正規分布からサンプリングしないといけないのではないでしょうか？
間違えていたら申し訳ございませんが、ご確認宜しくお願い致します。

私が間違っているかもしれないのですが、p47の最初のコードにある自己相関のプロットについて、axes[0]はposterior_large_stepをプロットしている一方でタイトルにはstep size=0.01（一番ステップ幅が小さいもの）になっていました。これはaxes[1]でプロットしているposterior_small_stepと逆になっているのではないかと思ったのですが、正しいでしょうか？

仮に正しいとして図1.10を見直すと、真ん中の図(step size=0.01)は収束に向かっているが、ステップ幅が小さすぎてサンプル数が足りていない様子を表していると解釈できたりしますか？

他方で、図1.10の上の図(step size=10.0)は、自己相関が一旦なくなるもののステップ幅が大きすぎるために再び自己相関を持ってしまうと解釈できたりしますか？

よろしくお願いします。

該当 jupyter notebook の In [27]: に関する指摘です。

posterior_large_step と posterior_small_step は burn-in 期間を除外済ですので、[n_burnin:] は不要と思われます。
お手数ですがご確認お願いいたします。

Before

fig, axes = plt.subplots(3, 1, figsize=(10, 10), sharex=True)
ax = axes[0]
az.plot_autocorr(np.array(posterior_large_step[n_burnin:]), ax=ax)
ax.set_title(f'step size = 10.0')
ax.set_ylabel('autocorr')

ax = axes[1]
az.plot_autocorr(np.array(posterior_small_step[n_burnin:]), ax=ax)
ax.set_title(f'step size = 0.01')
ax.set_ylabel('autocorr')
~~~

After

fig, axes = plt.subplots(3, 1, figsize=(10, 10), sharex=True)
ax = axes[0]
az.plot_autocorr(np.array(posterior_large_step), ax=ax)
ax.set_title(f'step size = 10.0')
ax.set_ylabel('autocorr')

ax = axes[1]
az.plot_autocorr(np.array(posterior_small_step), ax=ax)
ax.set_title(f'step size = 0.01')
ax.set_ylabel('autocorr')
~~~

PythonBayesianMLBookリポジトリ内のソースコード類はどういったライセンス形態で公開されているのでしょうか？