L'ouvrage fait un point sur l'ensemble des méthodes pour aider à la compréhension des techniques d'estimation des incertitudes . Il analyse leurs avantages et faiblesses avec des exemples simples. Il est divisé en deux partis distincts : les méthodes basées sur la dérivée et la statistique descriptive . Sont décrits les éléments de statistique descriptive nécessaires, la méthode classique du GUM, les méthodes basées sur l'inférence bayésienne et les corrélations entre les données expérimentales. les méthodes stochastiques . Sont décrit la propagation des incertitudes par la méthode de Monte-Carlo, l'analyse de sensibilité aux grandeurs d'entrée, la méthode de chaos polynomial et le couplage de ces méthodes avec l'inférence bayésienne. Le dernier chapitre traite de la propagation des incertitudes dans un code de calcul. Les exemples varient et sont écrits en langage Python . Il est toujours possible d'appliquer et de comparer les méthodes. Les corrections des exercices proposés sont disponibles sur le site de l'auteur.