ประชากรเป็นชุด (สมมุติ) ของทุกคนที่มีความเสี่ยงที่จะเป็นโรค โดยปกติแล้วประกอบด้วยคนทุกคน (หรือกลุ่มย่อยบางกลุ่มที่สามารถระบุได้อย่างชัดเจน) ซึ่งอาศัยอยู่ในพื้นที่ศึกษา มันเป็นสิ่งสำคัญในการกำหนดประชากรนี้อย่างชัดเจนเพราะเป็นเป้าหมายของการศึกษาและการอนุมานทั้งหมดที่ทำจากข้อมูล
เมื่อกรณีของโรคที่มีอิสระ (ซึ่งอาจจะเป็นสมมติฐานที่เหมาะสมเมื่อเป็นโรคที่ไม่ได้สื่อสารได้อย่างง่ายดายระหว่างคนและไม่ได้เกิดจากสภาพแวดล้อมท้องถิ่น) และพวกเขาจะหายากแล้วนับอย่างใกล้ชิดควรเป็นไปตามการกระจาย Poisson สำหรับการกระจายนี้ประมาณการที่ดีของส่วนเบี่ยงเบนมาตรฐานของมันคือรากที่สองของการนับ
(180,90,45,210)(13.4,9.5,6.7,14.5)เหตุการณ์จำนวนจริงของโรคที่สังเกตได้ในแต่ละฤดูกาลจะแตกต่างจากอัตราจริง สแควร์รูทของอัตราจริง (แต่ไม่ทราบ!) คำนวณปริมาณของความผันแปรที่น่าจะเกิดขึ้น เนื่องจากจำนวนที่ตรวจพบควรใกล้เคียงกับอัตราจริงรากที่สองของพวกเขาควรจะเป็นผู้รับมอบฉันทะที่สมเหตุสมผลสำหรับสแควร์รูทของอัตราที่แท้จริง พร็อกซีเหล่านี้เป็นสิ่งที่หมายถึงโดย "ข้อผิดพลาดมาตรฐาน"
1657714.577
9(20,10,5,23)(4.5,3.2,2.2,4.8). Multiplying by 9 to convert from clusters to people gives (40,28.5,20,44). Notice how much larger these values are than before: clustering increases relative error.
เกี่ยวกับเท่าที่สามารถไปกับข้อมูลที่ จำกัด เหล่านี้ การคำนวณอย่างง่ายเหล่านี้ได้เปิดเผยว่า:
การจำแนกลักษณะประชากรเป็นสิ่งสำคัญ
สแควร์รูทของการนับเป็นจุดเริ่มต้นคร่าวๆสำหรับการประเมินข้อผิดพลาดมาตรฐาน
รากที่สองจะต้องมีการคูณ (ประมาณ) โดยปัจจัยบางอย่างเพื่อสะท้อนให้เห็นถึงการขาดความเป็นอิสระในกรณีของโรค (และปัจจัยนี้อาจจะเกี่ยวข้องกับขนาดของกลุ่มโรค)
ความแปรปรวนระหว่างจำนวนเหล่านี้สะท้อนให้เห็นถึงการเปลี่ยนแปลงในอัตราการเกิดโรคในช่วงเวลาส่วนใหญ่มากกว่าความไม่แน่นอน (ประมาณความรุนแรงปัวซองพื้นฐาน)