Populacja jest (hipotetycznym) zbiorem wszystkich osób zagrożonych zachorowaniem; zazwyczaj składa się ze wszystkich osób (lub pewnej wyraźnie identyfikowalnej podgrupy osób) zamieszkałych na badanym obszarze. Ważne jest, aby jasno zdefiniować tę populację, ponieważ jest ona celem badania i wszystkich wniosków wyciągniętych z danych.
Gdy przypadki choroby są niezależne (co może być uzasadnioną hipotezą, gdy choroba nie jest łatwo komunikowana między ludźmi i nie jest spowodowana lokalnymi warunkami środowiskowymi) i są rzadkie, liczby powinny być ściśle zgodne z rozkładem Poissona . Dla tego rozkładu dobrym oszacowaniem jego odchylenia standardowego jest pierwiastek kwadratowy zliczenia .
( 180 , 90 , 45 , 210 )( 13,4 , 9,5 , 6,7 , 14,5 )w rzeczywistości rzeczywista liczba chorób zaobserwowanych w sezonie będzie się różnić od tego prawdziwego wskaźnika. Pierwiastek kwadratowy z prawdziwej (ale nieznanej!) Częstości określa ilość możliwych zmian. Ponieważ obserwowane liczby powinny być zbliżone do prawdziwych stawek, ich pierwiastki kwadratowe powinny być rozsądnym przybliżeniem pierwiastków kwadratowych prawdziwych stawek. Te proxy są dokładnie tym, co rozumie się przez „błąd standardowy”.
1657714.577
9( 20 , 10 , 5 , 23 )( 4.5 , 3.2 , 2.2 , 4.8 )9( 40 , 28,5 , 20 , 44 )
To tyle, na ile można posunąć się z tymi ograniczonymi danymi. Te proste obliczenia wykazały, że:
Charakterystyka populacji ma kluczowe znaczenie,
Pierwiastek kwadratowy zliczenia jest wstępnym punktem wyjścia do oceny jego błędu standardowego,
Pierwiastek kwadratowy musi zostać pomnożony (z grubsza) przez jakiś czynnik, aby odzwierciedlić brak niezależności w przypadkach chorobowych (i ten czynnik może być w przybliżeniu związany z wielkościami skupisk chorób),
Zróżnicowanie między tymi liczbami odzwierciedla przede wszystkim zmienność częstości występowania choroby w czasie, a nie niepewność (dotyczące podstawowej intensywności Poissona).