Vyšetřování případu Psa baskervilského intuitivně a bayesovskou logikou



Podobné dokumenty
Popis reprezentativní knihy tzv. Quick Scan. Záhlaví. Zpracovala: Jana Váňová. Arthur Conan Doyle / Pes baskervillský / 1902 / úroveň 1

Usuzování za neurčitosti

Rychlokurz forenzní DNA statistiky Anastassiya Žídková

Zpracování neurčitosti

EU_12_sada2_12_ČJ_Detektivní_literatura_Dur

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

Pravděpodobnost vs. Poměr šancí. Pravděpodobnostní algoritmy: Bayesova věta. Bayesova teorie rozhodování. Bayesova věta (teorém) Vzorec. ...

Jak (ne)vážit Spravedlnost. Halina Šimková

Bayesovská klasifikace

Motivace. Náhodný pokus, náhodný n jev. Pravděpodobnostn. podobnostní charakteristiky diagnostických testů, Bayesův vzorec

pseudopravděpodobnostní Prospector, Fel-Expert

Metody zpracování fyzikálních měření

Ústav teorie informace a automatizace. J. Vomlel (ÚTIA AV ČR) Úvod do bayesovských sítí 30/10/ / 28

Motivace. Náhodný pokus, náhodný n jev. pravděpodobnost. podobnostní charakteristiky diagnostických testů, Bayesův vzorec. Prof.RND. RND.

Logická interpretace důkazu. Genetičtí předřečníci. Mé odborné zázemí. Forenzní zpracování vzorku. Cíl přednášky

BAYESOVSKÉ ODHADY. Michal Friesl V NĚKTERÝCH MODELECH. Katedra matematiky Fakulta aplikovaných věd Západočeská univerzita v Plzni

Teorie her a ekonomické rozhodování. 7. Hry s neúplnou informací

Základy teorie pravděpodobnosti

O P A T Ř E N Í. Příloha č. 1. ZN.../2008 V... dne...

6 Reprezentace a zpracování neurčitosti

Jak kriticky myslet? Kamil Gregor

Jak kriticky myslet? Kamil

Expertní systémy. Typy úloh: Klasifikační Diagnostické Plánovací Hybridní Prázdné. Feingenbaum a kol., 1988

Informační systémy pro podporu rozhodování

Intuitivní pojem pravděpodobnosti

Úvod do inferenční logiky pro interpretaci forenzních (forenzněgenetických) důkazů

Teorie pravěpodobnosti 1

PRAVDĚPODOBNOST A STATISTIKA. Bayesovské odhady

Ing. Alena Šafrová Drášilová

Základy počtu pravděpodobnosti a metod matematické statistiky

TEORIE PRAVDĚPODOBNOSTI. 2. cvičení

Bayesovské sítě. Kamil Matoušek, Ph.D. Informační a znalostní systémy

Vysoká škola ekonomická Praha. Tato prezentace je k dispozici na:

různé typy přehledových studií integrativní typ snaha o zobecnění výsledků z množství studií

1. Matematická logika

Květná neděle. Neboť ty jsi, Pane, zemřel, abychom my mohli žít. Tobě buď chvála na věky věků. Amen.

Přednáška II. Vztah pravděpodobnosti, statistiky a biostatistiky

= je prostý orientovaný graf., formálně c ( u, v) 0. dva speciální uzly: zdrojový uzel s a cílový uzel t. Dále budeme bez

Inženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti.

MYCIN, Prospector. Pseudodefinice [Expertní systémy, Feigenbaum a kol. 1988] oblasti kvality rozhodování na úrovni experta.

9 karet alibi. Každá z nich představuje postavu ze světa Mr. Jacka. Každá z těchto karet také zobrazuje počet přesýpacích hodin (0,1 nebo 2).

Umělá inteligence II

Matematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

12 HRY S NEÚPLNOU INFORMACÍ

Úvod do expertních systémů

Úvod do logiky (PL): sémantika predikátové logiky

III. Úplná pravděpodobnost. Nezávislé pokusy se dvěma výsledky. Úplná pravděpodobnost Nezávislé pokusy se dvěma výsledky Náhodná veličina

OVLÁDÁNÍ RIZIKA ANALÝZA A MANAGEMENT

Fuzzy logika a reálný svět, aneb jsou všechny hromady skutečně malé?

3. Podmíněná pravděpodobnost a Bayesův vzorec

Organizace a poskytování paliativní hospicové péče ve Švýcarsku a systém vzdělávání v této oblasti

Obr. 1: Vizualizace dat pacientů, kontrolních subjektů a testovacího subjektu.

I. Základní informace. II. Útok. III. Konspirační teorie

Markovské procesy. příklad: diabetický pacient, hladina inzulinu, léky, jídlo

Pravděpodobnost a statistika

Ga Ma Ja!! ČASOPIS NIŽŠÍHO STUPNĚ WICHTERLOVA GYMNÁZIA

Vytěžování znalostí z dat

NMAI059 Pravděpodobnost a statistika

POČÍTAČOVÁ FORMALIZACE MENTÁLNÍCH MODELŮ METODAMI PRAVDĚPODOBNOSTNÍHO JAZYKOVÉHO MODELOVÁNÍ

Pravděpodobnost, náhoda, kostky

Zahrnutí alelického dropoutu

Podmíněná pravděpodobnost

UČENÍ BEZ UČITELE. Václav Hlaváč

Využití metod strojového učení v bioinformatice David Hoksza

6. prosince 2011 J. Vomlel (ÚTIA AV ČR) Aplikace bayesovských sítí 6. prosince / 3

Pravděpodobnost, náhoda, kostky

Jan Pavĺık. FSI VUT v Brně

Formální konceptuální analýza

Dvanácté zlo Kapitola 2

pravděpodobnosti a Bayesova věta

PRAVDĚPODOBNOST JE. Martina Litschmannová

Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti

PRAVDĚPODOBNOST Náhodné pokusy. Náhodný jev

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

Fisherův exaktní test

MO-ME-N-T MOderní MEtody s Novými Technologiemi CZ.1.07/1.5.00/

Přednáška II. Vztah pravděpodobnosti, statistiky a biostatistiky

Databázové systémy. * relační kalkuly. Tomáš Skopal. - relační model

1. Znalostní systémy a znalostní inženýrství - úvod. Znalostní systémy. úvodní úvahy a předpoklady. 26. září 2017

Tomáš Karel LS 2012/2013

Úvod do logiky a logického programování.

a kriminalita v souvislosti s

Ranní úvahy o statistice

ARTHUR CONAN DOYLE PES BASKERVILLSKÝ

Sebevražednost v České a ve Slovenské republice

Vybrané přístupy řešení neurčitosti

Odhalování a vyšetřování kybernetické kriminality

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT


Základní škola Nový Bydžov Karla IV.209. Program proti šikanování 2016/2017

Ochutnávka strojového učení

Trestní právo procesní III. Obviněný, obhájce, poškozený a další osoby. 17. března 2016 J. Provazník

2. neděle velikonoční C. S vírou v Ježíše Krista, našeho Pána a Boha, prosme za církev a za celý svět. (Budeme odpovídat: Pane, smiluj se.

Základní pojmy matematické logiky

FILOSOFIE ČLOVĚKA a VĚDY

Informační a znalostní systémy

Místo pojmu výroková formule budeme používat zkráceně jen formule. Při jejich zápisu

Cíle lokalizace. Zjištění: 1. polohy a postavení robota (robot pose) 2. vzhledem k mapě 3. v daném prostředí

NÁZEV ŠKOLY: Základní škola Javorník, okres Jeseník REDIZO:

8 Coxův model proporcionálních rizik I

Transkript:

Vyšetřování případu sa baskervilského intuitivně a bayesovskou logikou doc. Mgr. Jiří Drábek, hd. Ústav molekulární a translační medicíny Československá společnost pro forenzní genetiku XIII. tradiční setkání Učíme se myslet: Věda jako průprava dobrého lékaře Sanatorium EDEL, Zlaté Hory 4. 6. ledna 2013

http://geektyrant.com/news/2011/6/17/geek-art-sherlock-holmes-hound-ofbaskervilles.html

Sir Arthur Ignatius Conan Doyle The Hound of the Baskervilles (1893 byl Sherlock Holmes zavražděn, ale čtenáři si vydobyli zmrtvýchvstání v su baskervilském)

Cílem ukázat, že Inferenční logika ukázaná na jednoduchém případu souhlasí s intuitivní interpretací ravděpodobnost závisí na použitém modelu Jednoduchý případ může mít skryté háčky Bayesovské sítě (BN) si poradí s inferenční logikou i v komplikovaném případě Taroni F, Aitken C, Garbolino, Biedermann A. Bayesian Networks and robabilistic Inference in Forensic Science. Chippenham: John Wiley and Sons, Ltd.; 2006.

Osnova přednášky říběh sira Arthura Conan Doyla při použití formálního inferenčního značení Zarámování případu Definice hypotéz opis dvou důkazních položek Bayesova věta v šancové formě Watsonův intuitivní závěr Bayesovská síť (BN) Stavba sítě Zkoumání sítě Holmesova aktualizace sítě Závěry

Konvenční značení H p d E I pravděpodobnost, personální ohodnocení důvěry v pravdivost jevu hypotéza, scénář, verze, varianta, tvrzení obžaloba, z anglického prosecution obhajoba, z anglického defense důkaz, výsledek expertního vyšetření, z anglického evidence další znalosti o případu, rámec okolností (někdy je ve vzorcích za vertikálním lomítkem opomíjeno) vertikální lomítko značící podmínku: za předpokladu, že.

ravidla inferenční logiky Interpretaci provádíme vždy v rámci okolností daného případu (I) Expert zvažuje svá pozorování ve světle dvou jasně definovaných hypotéz, hypotézy obžaloby a hypotézy obhajoby (H p a H d ) Expert vypočítává pravděpodobnost svého pozorování (důkazu) za předpokladu, že platí hypotéza obžaloby, a pravděpodobnost téhož důkazu za předpokladu, že platí hypotéza obhajoby a dává tyto dvě pravděpodobnosti do poměru (vypočítává věrohodnostní poměr LR). Expertní svědectví je omezeno jen na určení LR. ( E H ) LR = p ( E H ) d

Zarámování případu (I) V kraji Dartmooru koluje legenda o ďábelském psovi, který kdysi zabil Huga z rodu Baskervillů za únos dívky (která při útěku zemřela vyčerpáním); pes pronásleduje rod Baskervillů

Zarámování případu (I) V kraji Dartmooru koluje legenda o ďábelském psovi, který kdysi zabil Huga z rodu Baskervillů za únos dívky (která při útěku zemřela vyčerpáním); pes pronásleduje rod Baskervillů Sir Charles Baskerville měl nemocné srdce a obával se rodinné kletby. Chodíval večer před spaním na kuřáckou vycházku, z vycházky 4. května se nevrátil; sluhou Barrymorem nalezen mrtvý Dr. Mortimerovi se to nezdá (a bojí se o Charlesova dědice Henryho), proto volá Holmesovi Na blatech bydleli jen manželé Barrymorovi, soused pan Frankland, dr. Mortimer a jeho žena, přírodovědec Jack Stapleton a jeho krásná mladší sestra

Watson může postulovat tyto hypotézy (H) H1: Sir Charles Baskerville zemřel přirozenou smrtí H2: Sir Charles Baskerville zemřel zločinem H3: Sir Charles Baskerville spáchal sebevraždu H4: Sir Charles Baskerville byl zabit nadpřirozenou silou

Apriorní pravděpodobnost hypotéz > ( ) + H1 H2 H3 Intuitivně, v hlavě, vyjádřeno jen srovnáním, bez číselného vyjádření pravděpodobností

apriorní pravděpodobnost hypotéz > > > ( + ) Symbolicky

apriorní pravděpodobnost hypotéz ( H1 I ) > ( H I ) 2 ( H1 I ) > ( H I ) 3 ( H1I ) > ( ( H 2 I ) ( H3 I ) = ( ( H 2 I ) ( H3 I ))) + ořád intuitivně, ale převedeno na matematické symboly

Důkazní položka R Jakoby děsem zkřivená tvář bez známek násilí na těle V pitevní zprávě je uvedena jako pravděpodobná příčina smrti selhání srdce H1: H2: H3: ( R H1, I ) > ( R H 2 I ), ( R H3, I ) = 0

Zůstávají dvě hypotézy H1: Sir Charles Baskerville zemřel přirozenou smrtí H2: Sir Charles Baskerville zemřel zločinem

Důkaz R přidává závaží na stranu H1 H1: Sir Charles Baskerville zemřel přirozenou smrtí H2: Sir Charles Baskerville zemřel zločinem

Bayesova věta Úprava pravděpodobnostního očekávání ve světle nových důkazů

Šancová forma Bayesovy věty LR, likelihood ratio, věrohodnostní poměr, Bayesův faktor Odds, šance odds aposterior i = odds apriori LR ( H1R, I ) ( H 2 R, I ) = ( H1I ) ( H 2 I ) ( R H1, I ) ( R H 2, I ) ( H1 R, I ) > ( H 2 R I ),

Důkazní položka F o dešti se dobře daly rozlišit stopy velkého psa obrovský pes honil Sira Charlese Baskervilla? Co dělá pes v bažinách?

důkazní položka F o dešti se dobře daly rozlišit stopy velkého psa obrovský pes honil Sira Charlese Baskervilla? es v bažinách není bez přičinění člověka. ( F R, H1, I ) < ( F R, H 2 I ), ( H1F, R, I ) ( H 2 F, R, I ) = ( H1R, I ) ( H 2 R, I ) ( F H1, R, I ) ( F H 2, R, I )

Watsonův závěr ůvodní šance po důkazu R byla nakloněna spíše pro H1 Aposteriorní šance se může obrátit jen tehdy, když LR pro F převáží původní šanci aktualizovanou R; tj. pokud platí: ( F H 2, R, I ) ( F H1, R, I ) > ( H1R, I ) ( H 2 R, I ) Což Watson hodnotí jako nepravdivé, takže v tuto chvíli uzavírá, že H1 je pořád pravděpodobnější než H2, i když důkaz F svědčí pro H2

Jaká je aposteriorní šance? ( H1F, R, I ) ( H 2 F, R, I ) = ( H1I ) ( H1I ) ( F H1, I ) ( F H 2, I ) ( R H1, F, I ) ( R H 2, F, I )

Totéž v bledě modrém Bayesovské sítě

Kroky tvorby bayesovské sítě Definujeme uzly Definujeme závislosti (směrované hrany) Tabulkově přiřadíme pravděpodobnosti uzlům =? Vznášíme dotazy (fixujeme uzly) +

Definice uzlů a hran H hypotézy H1, H2, H3 R důkaz - nález patologa F důkaz - stopy psa

ravděpodobnostní tabulka pro uzel hypotéz H1: H2: H3: H: H1 H2 H3 (H=Hi) p 1 p 2 p 3 H: H1 H2 H3 (H=Hi) 0,98 0,01 0,01 Ohodnocení pravděpodobností je personální (subjektivní)

ravděpodobnostní tabulka pro stopu psa F H1: H2: H3: Stopa přítomna Stopa nepřítomna true false H: H1 H2 H3 F (F=true H) r 1 r 2 r 3 (F=false H) 1-r 1 1-r 2 1-r 3 H: H1 H2 H3 F (F=true H) 0,01 0,05 0,01 (F=false H) 0,99 0,95 0,99

H1: H2: H3: F: ravděpodobnostní tabulka pro nález patologa R Nález svědčící infarktu Jiný nález true false H: H1 H2 H3 F: true false true false true false R (R=true H, F) 0,4 0,1 0,4 0,001 0 0 (R=false H, F) 0,6 0,9 0,6 0,999 1 1

Tabulka pro H

Tabulka pro F (footprint)

Tabulka pro R (coroner)

Vznášení dotazu fixování přirozené smrti (R H1,I)=(R H1, F, I) (F H1)+(R H1, nonf, I) (nonf H1, I)=10,3 % (0,103) okud by se jednalo o přirozenou smrt, tak jaká by byla pravděpodobnost důkazu R?

Fixování zločinu (R H2,I)=(R H2, F, I) (F H2)+(R H2, nonf, I) (nonf H2, I)=2,1 % (0,021) okud by se jednalo o zločin, tak jaká by byla pravděpodobnost důkazu R?

Fixování přirozené smrti a stopy psa ( R H1, F, I ) ( F H1, I ) ( R H1, I ) (F H1, R, I) = = 0,039 Jaká je pravděpodobnost důkazu F, pokud se jedná o přirozenou smrt a byly nalezeny stopy psa?

Fixování kriminálního činu a stopy psa ( R H 2, F, I ) ( F H 2, I ) ( R H 2, I ) (F H2, R, I) = = 0,955 Jaká je pravděpodobnost důkazu F, pokud se jedná o zločin a byly nalezeny stopy psa?

Fixování obou důkazů Apriorní pravděpodobnost přirozené smrti byla snížena z 98 % na aposteriorní pravděpodobnost 95,15 %, což stále zůstává celkem přesvědčivé Jaká je pravděpodobnost H1, pokud byly nalezeny stopy psa a patologický nález na srdci?

řichází Sherlock Holmes Stapleton má motiv: pokud kromě Charlese zabije i Henryho, stane se Charlesovým dědicem (tedy, pokud se mu podaří uniknout spravedlnosti) Stapleton má kriminální historii (loupež); jeho sestra je ve skutečnosti jeho týraná manželka Stapleton ukradl použitou botu Henryho a nechává ji načichávat svému přerostlému agresivnímu psovi (natřenému fosforem), schovávanému v nepoužívaném cínovém dole Vedlejší motiv uprchlý trestanec, bratr paní Barrymorové, se stane obětí psa, když se pohybuje na blatech v darovaném oblečení Henryho Nové důkazy zavádí nový uzel (S) a mění dosavadní pravděpodobnostní tabulky

S závisí na H a ovlivňuje R i F

Doplníme pravděpodobnostní tabulku

Fixujeme S, R, F ravděpodobnost vraždy roste na hodnotu 99,69 %. ři konfrontaci se Stapleton přiznává.

Závěr jako poselství přednášky ravděpodobnost je personální ravděpodobnost (šanci) lze aktualizovat věrohodnostním poměrem pomocí Bayesovy věty Nový důkaz může změnit předchozí závěr Bayesovské sítě (zdarma pomocí software HUGIN nebo Genie) umožňují odpovědi na otázky výpočtem podmíněných pravděpodobností

Závěr v duchu happy ending Skutečným vrahem sira Charlese byl Stapleton, využívající psa z masa a kostí. Stapleton musel sira Charlese odstranit, aby se zmocnil majetku rodu Baskervillů. Jeho plán na zabití Charlesova dědice, sira Henryho, je nakonec překažen a sám Stapleton hyne v Grimpenských bažinách Henry se ožení s manželkou Stapletona, kterou Stapleton vydával za svoji sestru, a která se jej snažila od jeho plánů odradit a zastavit jeho krvavé tažení za majetkem.

Děkuji Vám za pozornost! jiri_drabek@seznam.cz