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



Podobné dokumenty
Rychlokurz forenzní DNA statistiky Anastassiya Žídková

Cíl lekce. Kvantifikace síly důkazního materiálu. Ideální forenzně využitelný důkaz. Osnova přednášky. Typický forenzně využitelný důkaz

Statistika. Testování hypotéz statistická indukce Úvod do problému. Roman Biskup

Jak (ne)vážit Spravedlnost. Halina Šimková

Zahrnutí alelického dropoutu

Počáteční ohodnocení pravděpodobnosti. Úprava ohodnocení pravděpodobnosti. Úprava ohodnocení pravděpodobnosti. Spektrum pravděpodobností

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

Jednofaktorová analýza rozptylu

Zajímavé kazuistiky ve znaleckém testování otcovství aneb Co se taky může přihodit. Radovan Haluza

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

Pravděpodobnost, náhoda, kostky

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)

Cvičení ze statistiky - 8. Filip Děchtěrenko

Základy teorie pravděpodobnosti

Jana Vránová, 3. lékařská fakulta UK

Usuzování za neurčitosti

cv3.tex. Vzorec pro úplnou pravděpodobnost

ANALÝZA DAT V R 9. VÝPOČET VELIKOSTI SOUBORU. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK.

Zpracování neurčitosti

Vzdělávání v oblasti forenzní genetiky reg. č. CZ.1.07/2.3.00/

Vyšetřování případu Psa baskervilského intuitivně a bayesovskou logikou

Úvod do inferenční logiky pro interpretaci forenzních (forenzněgenetických) důkazů

LIMITY APLIKACE STATISTICKÝCH TESTŮ VÝZNAMNOSTI V PEDAGOGICKÉM VÝZKUMU: SEMINÁŘ PRO NESTATISTIKY

Cvičení ze statistiky - 9. Filip Děchtěrenko

Testování lidské identity

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. 1

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

13538/14 mhr/zc/kno 1 DG D 2B

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

Dokazování je procesním právem (též normy EU, mezinárodní úmluvy apod.) upravený postup, jehož prostřednictvím soud zjišťuje skutečnosti významné pro

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY

Epidemiologické ukazatele. lních dat. analýza kategoriáln. Prof. RNDr. Jana Zvárová, DrSc. Záznam epidemiologických dat. a I E

analýza kategoriáln lních dat Prof. RNDr. Jana Zvárová, DrSc. Záznam epidemiologických dat Epidemiologické ukazatele

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina

Testování hypotéz. testujeme (většinou) tvrzení o parametru populace. tvrzení je nutno předem zformulovat

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/

7.1. Podstata testu statistické hypotézy

ZÁKLADY SPOLEČENSKÝCH VĚD

Testování statistických hypotéz

Inovace studia obecné jazykovědy a teorie komunikace ve spolupráci s přírodními vědami. reg. č.: CZ.1.07/2.2.00/

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

Verze: Platí od: Vypracoval: Ing. Aleš Hořínek, Mgr. Anastassiya Zidkova doc. Mgr. Jiří Drábek, PhD.

KYBERNETICKÁ KRIMINALITA TRESTNÍ PRÁVO PROCESNÍ A KYBERNETICKÁ KRIMINALITA

Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz.

Intervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace

Genetický polymorfismus jako nástroj identifikace osob v kriminalistické a soudnělékařské. doc. RNDr. Ivan Mazura, CSc.

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/

Ing. Michael Rost, Ph.D.

Intervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace

KGG/STG Statistika pro geografy

You created this PDF from an application that is not licensed to print to novapdf printer (

Číslo projektu: CZ.1.07/1.5.00/ Název projektu: Inovace a individualizace výuky

Pravděpodobnost, náhoda, kostky

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/

Testování hypotéz. 1. vymezení základních pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/

Kvalita v laboratorní a kontrolní praxi

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

ČÁST D ZRUŠENÍ A/NEBO PROHLÁŠENÍ NEPLATNOSTI ODDÍL 2 HMOTNĚPRÁVNÍ USTANOVENÍ

Informační a znalostní systémy

IV. znalostní test zaměřený na kriminalistiku správné řešení

Kriminalistická identifikace Podstata:

Statistika, Biostatistika pro kombinované studium. Jan Kracík

Ranní úvahy o statistice

Prokazování původu lesního reprodukčního materiálu pomocí genetických markerů

4ST201 STATISTIKA CVIČENÍ Č. 7

Forenzní stomatologie. doc. MUDr. Alexander Pilin, CSc. Ústav soudního lékařství a toxikologie 1. LF UK a VFN v Praze

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/

Testování statistických hypotéz

Testování hypotéz. 4. přednáška

Gymnázium a Střední odborná škola, Rokycany, Mládežníků 1115

Outcome mapping evaluation - nová možnost pro ČR? Vladimír Sodomka

Úvod do managementu rizik ve smyslu směrnice 2004/49/ES a nařízení č. 352/2009

Univerzita Karlova v Praze Evangelická teologická fakulta

Testování hypotéz a měření asociace mezi proměnnými

Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta, UP v Olomouci

PSY117/454 Statistická analýza dat v psychologii Přednáška 10

Filozofie validace. Je validace potřebná? Mezinárodní doporučení pro provádění validací ve forenzně genetických laboratořích

Základy počtu pravděpodobnosti a metod matematické statistiky

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

Analýza střepin dělostřeleckých střel za účelem identifikace jejich ráže a typu

KONTROLA KVALITY VAZBA HLA S CHOROBAMI

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D.

VZDĚLÁVACÍ PROGRAM v oboru SOUDNÍ LÉKAŘSTVÍ

Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II

Odposlech a záznam telekomunikačního provozu a další zvláštní důkazy a postupy

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

1. Statistická analýza dat Jak vznikají informace Rozložení dat

= = 2368

Statistika. Jindřich Soukup. University of South Bohemia in České Budějovice Faculty of Fisheries and Protection of Waters, School of complex systems

Četnost brýlové korekce v populaci

Genotypy absolutní frekvence relativní frekvence

Jednostranné intervaly spolehlivosti

Příbuznost a inbreeding

KONTROLA KVALITY VAZBA HLA S CHOROBAMI

Příklad 1. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 11

1. Matematická logika

Disciplinární řád České asociace sester

Transkript:

Logická interpretace důkazu INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ doc. Mgr. Jiří Drábek, PhD. Ústav molekulární a translační medicíny LEM, Univerzita Palackého, Olomouc Československá společnost pro forenzní genetiku Olomouc Vzdělávání v oblasti forenzní genetiky reg. č. CZ.1.07/2.3.00/09.0080 INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ www.4n6gen.org 1 2 Mé odborné zázemí Genetičtí předřečníci Co je to DNA Jak se testuje Jak se archivují/databázují výsledky Co může snížit hodnotu DNA jako markanty 3 4 Nalezena biologická stopa, získáno z N buněk Forenzní zpracování vzorku Neporušený důkazní řetězec? Je dost DNA? Kontaminace? Z buněk izolováno n cílové DNA Část n 0 použita pro PCR Cíl přednášky Upravit Vaše očekávání ohledně znaleckých posudků a vědeckých důkazů Naučit interpretovat důkazy univerzálním, Bayesovským způsobem PCR vytvoří n t kopií Detekční limit, směs? Elektroforéza Odečtení přítomných alel 5 6

Osnova přednášky Co čekat od forenzní vědy? Proč soudy nemají rády čísla? Nejistota Mustr pro interpretaci Znalecký výsledek Příklady Čemu se vyhnout? Jak se ptát znalce? Shrnutí Co čekat od forenzní vědy Forenzní věda umožňuje stanovit, zda osoba byla na daném místě v daném čase zda daná osoba vykonala určitou aktivitu (podepsala šek, rozbila okno) zda činnost byla provedena daným nástrojem (náboj vystřelen z dané zbraně, anonymní výhružka volána z daného telefonu) zda jsou daní lidé příbuzní (otcovství, incest). 7 8 Proč soudy nemají rády čísla? Forenzní věda u soudu Někteří experti pronášejí kategorické soudy (daktyloskopie: tyto dva otisky zanechala táž osoba) Někteří experti nevyloučí stejný zdroj stopy a srovnávacího vzorku a udají frekvenci výskytu daného znaku v populaci (analýza indexu lomu skla) Někteří experti operují s těžko pochopitelnými statistickými pojmy (DNA) Historicky špatná zkušenost. 9 10 Dreyfusova aféra Odsouzení kapitána Alfreda Dreyfuse za domnělou zradu francouzských tajných služeb ve prospěch Německého císařství (1894). Důkaz: dopis a přísažné prohlášení Odsouzen na doživotí a degradován. Roku 1899 při znovuotevření případu Cour de Cassation stejný závěr, ale mezinárodní tlak způsobil, že do 2 týdnů prezidentská milost. Okázalá demonstrace patriotizmu, glorifikace armády, antisemitských fobií, hanobení republikánského systému. Odhalení falzifikátora a křivé přísahy 1906 úplná rehabilitace, Řád čestné legie 11 Bertillonova analýza dopisu (bordereau) z odpadkového koše Hodinová nesrozumitelná řeč s výčtem různých nízkých pravděpodobností Závěry Dreyfus napsal seznam dokumentů o francouzském dělostřelectvu a pěchotě za pomoci své ženy a bratra tak, aby to vypadalo, že to psal někdo jiný (!) Důkaz je vědecký, nepopiratelný, neomylný ( geometrický ) V seznamu je kódovaná informace Soud nepřesvědčil Henri Poincaré Bertillonovy pseudovědecké závěry označil za kolosální chyby Další znalec aplikoval Bertillonovy postupy na Bertillonův dopis a došel k závěru jako Bertillon u Dreyfuse. 12

Nejistota Soud Rozhodování v podmínkách nejistoty Nejistota v interpretaci práva Nejistota ohledně faktů Zda-li a jak se události v minulosti udály Důkazy vědecké i nevědecké Subjektivita 13 14 Ideální forenzně využitelný důkaz Má znaky, které jsou unikátní pro individuální osobu Tyto znaky se nemění v čase Znaky jsou jednoznačně určitelné na různých místech různými experty Umožňuje potvrdit přítomnost osoby na místě činu; vyskytuje se vždy, když jej potřebujeme pro potvrzení hypotézy a zároveň se nevyskytuje nikdy jindy Má jednoduché a levné zjištění hodnoty znaku Typický forenzně využitelný důkaz Znak je přítomen, i když hypotéza není pravdivá (falešná pozitivita testu) Znak není přítomen, i když je hypotéza pravdivá (falešná negativita testu) Je pravděpodobnější, že se znak vyskytuje, pokud je hypotéza pravdivá 15 16 Nejednotný přístup soudu Znalec se nesmí vyjadřovat k právním otázkám (o vině a nevině žalovaného) Znalec může vyjádřit pravděpodobnost otcovství Shoda vs. vyloučení: 100% shoda, 100% vyloučení Pokud není 100%, tak to není k ničemu Pokud není 100%, tak je to indicie, důkaz zamítnut, protože není definitivní a jednoznačný Soud odmítne důkaz z důvodů, které nemají co do činění s jeho relevancí. Soud se spoléhá neadekvátně na DNA důkaz. Soud vyžaduje věrohodnostní poměr Pokud nehodnotíme sílu důkazu, tak nevyužijeme sílu důkazu naplno Podhodnotíme (Nadhodnotíme CSI efekt) 17 18

Bayesova věta jako mustr Inferenční logika Není doménou vyhrazenou pro znalce, mohou a měli by ji používat všichni účastníci soudního řízení. Znalec nemůže vyvodit závěr (např. krevní skvrnu zanechala určitá osoba, dítě bylo zneužito) na základě jediného důkazu. Vědecký důkaz by měl být zkombinován s dalšími důkazy k případu. Nejlepším způsobem, jak to provést, je použití věrohodnostního poměru, který může být zkombinován s dalšími důkazy prostým vynásobením. Důkaz má váhu jen v takovém kontextu, kdy pomáhá rozlišit mezi hypotézami. Problémy s vědeckými důkazy vznikají častěji při intepretaci než z experimentálních chyb. 19 20 Bayesův teorém Úprava pravděpodobnostního očekávání ve světle nových důkazů Pravidlo pro rozhodování mezi více alternativami Logické, konzistentní, univerzální. Bayesův teorém v podobě podílu šancí Aposteriorní podíl šancí = apriorní podíl šancí * věrohodnostní poměr Sázkařské vyjádření: 1000 ku 1 1 ku 2 odpovídá 33 % 21 22 Rozdělení úloh Znalec Nabídka cena:výkon Výpočet věrohodnostního poměru Stanovení alternativních hypotéz Návod k interpretaci Soudce Stanovení alternativních hypotéz Určení apriorní pravděpodobnosti viny Přijetí/nepřijetí důkazu Pokud je důkaz přijat, tak stanovení hranice, kdy aposteriorní pravděpodobnost dosahuje hranici, kdy je vina prakticky prokázána Obhájce Stanovení alternativních hypotéz 23 Spektrum pravděpodobností 0 1 0 % 100 % 24

Spektrum pravděpodobností 0 1 0 % 100 % Spektrum pravděpodobností 0 1 0 % 100 % 25 26 Spektrum pravděpodobností Kombinace s dalšími důkazy 0 0,5 1 0 % 50 % 100 % Limitně se blíží, ale nedosáhne. Aposteriorní poměr šancí = apriorní poměr šancí * věrohodnostní poměr1 * věrohodnostní poměr2= = apriorní poměr šancí 2 * věrohodnostní poměr2 27 28 Bayesův teorém v podobě podílu šancí Apo = apri * věrohodnostní poměr Apriorní poměr šancí Měřítko nejistoty ohledně viny nařčeného předtím, než je provedeno znalecké dokazování. Na základě známosti faktů o případu, k jejichž zhodnocení nejsou potřebné expertní znalosti. Může být odvozeno z frekvence výskytu jevu v populaci, z encyklopedických údajů nebo z životních zkušeností. 29 30

Příklady apriorního poměru šancí Osoba nakažena virem HIV 1 ku 3000 Rychle jedoucí řidič požil alkohol 1 ku 5 Člověk má na sobě skleněné střípky 1 ku 1 pro sklenáře 1 ku 3 pro bezdomovce 1 ku 50 pro kutila Spektrum pravděpodobností LR LR 31 32 Bayesův teorém v podobě podílu šancí Apo = apri * věrohodnostní poměr Hypotézy, scénáře, verze, teze, varianty Na místě činu byla nalezena krevní skvrna, jejíž DNA profil je shodný s profilem podezřelého H1: definuje žalobce Podezřelý zanechal na místě činu krevní skvrnu H2: definuje obhájce Někdo jiný, neznámý, zanechal na místě činu krevní skvrnu. Podezřelý má náhodou shodný profil jako neznámý pachatel. 33 34 Hypotézy u paternit One size fits all Biostatistické zhodnocení otcovství nebo příbuznosti má být postaveno na vzájemně se vylučujících hypotézách o otcovství dítěte nebo genetické příbuznosti Hypotézy představují rozdílné rodokmeny Nejčastěji Nařčený Neznámý nepříbuzný muž Bratr nařčeného Nevlastní (poloviční) bratr nařčeného 35 Ignorování apriorních P a relevantních hypotéz je chybné It is a capital mistake to theorise before one has data. Insensibly one begins to twist facts to suit theories, instead of theories to suit facts (Sherlock Holmes, A Scandal in Bohemia) 36

Vliv soutěžících hypotéz na sílu důkazu Vždy záleží na okolnostech DNA důkaz prokáže přítomnost osoby na místě činu K ničemu, pokud se jedná o domácí osobu DNA důkaz prokáže semeno na kalhotkách K ničemu, pokud sex konsensuální Nařčený má 5 znaků biologického otce z 5 testovaných: Pokud nařčený tvrdí: To ne já, to některý z mých bratrů!, síla důkazu se snižuje. Jaký důkaz je relevantní? Důkaz, který přidává na jednu misku vah Takový důkaz, který má tendenci zvýšit nebo snížit pravděpodobnost viny, než kdyby tento důkaz nebyl Jaké je měřítko vlivu důkazu na pravděpodobnost? Věrohodnostní poměr Relevantní důkaz je takový, jehož věrohodnostní poměr se liší od jedné. 37 38 Symbolika P pravděpodobnost E důkaz (evidence) H hypotéza / za předpokladu Věrohodnostní poměr jako znalecký výsledek Likelihood ratio sumarizuje veškerou informaci získanou znaleckým vyšetřením Pravděpodobnost, že daný jev (důkaz) nastal za určitých podmínek, děleno pravděpodobností, že určitý jev (důkaz) nastal za jiných podmínek, přičemž podmínky jsou vzájemně se vylučující. LR = P P( E H ) ( E nonh ) 39 40 Úlohou znalce je vypočítat věrohodnostní poměr Věrohodnostní poměr u nevědeckých důkazů Zkušenost a vědomosti soudcům umožňují neformálně (intuitivně) stanovit věrohodnostní poměr 41 42

Zavedené využití věrohodnostního poměru DNA analýza Střepiny skla Vlákna Krevní skupiny Výhoda použití věrohodnostního poměru Univerzální Logický Demystifikuje vědecký důkaz, protože ho zarámuje stejně jako jakýkoliv jiný důkaz Minimalizuje hraniční efekt 43 44 Hraniční efekt Pokud stanovíme podmínku - prahovou hodnotu, kdy prohlásíme stopu a porovnávací vzorek za shodné (např. na základě Studentova t-testu na 5% nebo 1% hladině významnosti), dostaneme se do úzkých hraniční efekt Prahová hodnota indexu lomu = 1,657±0,003 Náš index lomu = 1,659 shoda? Náš index lomu = 1,661 není shoda? Čím jsou si vzorky podobnější, tím více to svědčí pro hypotézu společného původu Jediná hranice by měla být vina vs. nevina, stanovovaná nakonec soudem. 45 46 Jiné možnosti prezentovat důkazy? Frekvence náhodného výskytu, statistická signifikance Nemožnost kombinovat s jinými typy důkazu Jednotlivá řešení pro jednotlivé situace Některé situace jsou jiným způsobem než pomocí LR neřešitelné. Správný popis zlomku LR Čitatel je pravděpodobnost důkazu za předpokladu, že platí teze obžaloby. Jmenovatel je pravděpodobnost důkazu za předpokladu, že platí teze obhajoby. LR = P P( E H ) ( E nonh ) 47 48

Správný popis zlomku LR u obvyklých paternit Čitatel je pravděpodobnost výsledků genotypizace (pravděpodobnost rodokmene) za předpokladu, že testovaný muž je biologickým otcem dítěte. Jmenovatel je pravděpodobnost výsledků genotypizace (pravděpodobnost rodokmene) za předpokladu, že biologickým otcem je neznámý náhodný muž z populace. Správné slovní vyjádření LR Důkaz je LR krát pravděpodobnější za předpokladu, že platí teze obžaloby, než pokud by platila teze obhajoby. Ať jsou jiné důkazy ve prospěch teze obžaloby jakkoli velké, toto vyšetření je posiluje LR krát. 49 50 Příklady vyjádření LR U identifikace: H1: krevní skvrna pochází z této osoby H2: krevní skupina pochází z neznámé osoby E: krevní skupiny ve skvrně Ať jsou jiné důkazy ve prospěch H1 jakkoliv velké, sérologické určení krevních skupin je navyšuje LR krát. U paternity: H1: biologickým otcem nařčený H2: biologickým otcem neznámý muž E: DNA profily matky, dítěte a žalovaného Ať jsou jiné důkazy ve prospěch H1 jakkoliv velké, DNA profilování matky, dítěte a nařčeného je navyšuje LR krát. Hodnoty LR LR = 1 důkaz je irelevantní, nepodporuje ani jednu hypotézu LR > 1 důkaz podporuje naši hypotézu LR < 1 důkaz podporuje alternativní hypotézu 51 52 Má cenu vyjadřovat sílu důkazu slovně? LR rozsah Slovně <0,001 velmi silný důkaz proti 0,001 0,01 silný důkaz důkaz proti 0,01 0,1 středně silný proti 0,1 0,99 slabý důkaz proti Má cenu vyjadřovat sílu důkazu slovně? LR rozsah Slovně 1 10 slabý důkaz pro 10 100 středně silný důkaz pro 100 1000 silný důkaz pro >1000 velmi silný důkaz pro 53 54

Bayesův teorémv podobě podílu šancí Aposteriorní poměr šancí = apriorní poměr šancí * věrohodnostní poměr P P( H E) ( nonh E) = P P( H ) ( nonh ) P P( E H ) ( E nonh ) Příklad 1: Trubička na detekci alkoholu v dechu 0,950 0,005 P (zezelená\požil) LR = = = 190 P (zezelená\nepožil) Apo = Apri LR 1 = 190 = 5 38 1 55 56 Příklad 2: zneužívané děti Lékařský znalec dětský psycholog s mnohaletou zkušeností tvrdí, že zneužívané děti vykazují známky stresu (např. kousání nehtů) 80 % I nezneužívané děti si koušou nehty 10 % Je osmkrát pravděpodobnější, že si dítě kouše nehty za předpokladu, že bylo zneužíváno, než za předpokladu, že zneužíváno nebylo. Příklad 3: anonymní výhružný telefonát Výhružka bombovým útokem zatelefonována na policejní stanici v australském Perthu Pan Chedzey obviněn, protože telefonní společnost vystopovala volání k jeho domácímu telefonu Chedzey mění výpověď, nicméně pořád tvrdí, že nebyl doma Stopovací zařízení telefonní společnosti udělalo při testování chybu v 5 případech z 12700. 57 58 Hypotézy a důkaz H1: falešný bombový poplach byl zavolán z telefonu Chedzeyho H2: falešný bombový poplach byl zavolán z jiného telefonu v Perthu E: stopovací zařízení označilo Chedzeyho telefon 59 Výpočet LR Čitatel P(E/H1) = (12700-5)/12700 = 0,9996 Jmenovatel P(E/H2) =? Pokud stroj udělá chybu, tak jaká je pravděpodobnost, že poukáže na Chedzeyho telefon? Typ chyby: neidentifikuje žádný telefon P(E/H2) = 0 vs. identifikuje vždy telefon Chedzeyho P(E/H2) = 5/12700 = 0,04 % vs. identifikuje nějaký jiný telefon v Perthu P(E/H2) = 0,0004/N Apriorní poměr šancí 1/N Aposteriorní poměr šancí =1/N*0,9996/(0,0004/N)=2499 ku 1 Jak se chová stopovací zařízení v případě selhání? Měl konkrétní telefonát znaky, u kterých stopování selhává (např. délka hovoru)? 60

Alternativní hypotéza Musí mít reálné opodstatnění Jaké jsou možné chyby při použití čísel 61 62 Čitatel i jmenovatel LR Přehození podmínky LR = P P( E H ) ( E nonh ) Logický trik obžaloby Záměna podmínky a důsledku P(zvíře má čtyři nohy/zvíře je pes) P(zvíře je pes/zvíře má čtyři nohy) 63 64 Logický trik obžaloby Logický trik obžaloby Birminghamská šestka: Je na 99% procent jisté, že tito muži zacházeli s výbušninami. Šance, že biologická stopa patří někomu jinému než R.Cannanovi, je 1 : 260 mil. Podle mého názoru je vysoká pravděpodobnost, že Mr.Smith napsall tento výhružný dopis. Je málo pravděpodobné, že tento otisk zanechala jiná bota. 65 Tvrzení, že P (důkazu/h) = P (H/důkazu), což není pravda P(DNA profil nařčeného a místa činu jsou shodné/nařčený byl na místě činu) P(nařčený byl na místě činu/dna profil nařčeného a místa činu jsou shodné). 66

Logický trik obhajoby Jak se ptát znalce Ignorování dalších důkazů Vydávání pravděpodobnosti genotypu nařčeného za pravděpodobnost, že to není on. Důkaz by měl být zamítnut, protože lidmi s takovými krevními skupinami, jako má O. J. Simpson, se dá naplnit celý fotbalový stadion. 67 68 Nesprávná otázka Jaká je pravděpodobnost nalezení shody při použití této metody? Lze odpovědět před provedením vyšetření Jak častý je DNA profil z místa činu v populaci? Odpověď je správná jen za určitých podmínek. Správná otázka Nakolik důkaz zvyšuje pravděpodobnost viny? Nakolik profilování stopy z místa činu zvyšuje pravděpodobnost, že stopu tam zanechal podezřelý? 69 70 Rozklad správné otázky Jaká je pravděpodobnost důkazu vpřípadě, že obvinění je pravdivé? Jaké jsou vhodné alternativní hypotézy? Proč jsou tyto hypotézy vhodné? Jaká je pravděpodobnost důkazu vpřípadě, že alternativní hypotézy jsou pravdivé? Jak silný je to důkaz? Správná odpověď -věrohodnostní poměr P (důkazu za předpokladu, že obviněný zanechal stopu)/ P(důkazu za alternativního předpokladu, obvykle předloženého obhajobou) 71 72

Proč se dlouhodobě klade špatná otázka? V určitých jednoduchých případech vede špatná otázka ke správné odpovědi Bylo by bludem rozháněče bludů (fallacist s fallacy) správnou odpověď nepřijmout. 73 Shrnutí Samotný důkaz nemůže sám o sobě prokázat vinu. Důkaz jen pomáhá rozlišit mezi hypotézami. Důkaz se musí hodnotit v kontextu apriorní pravděpodobnosti a ve spojitosti s jinými důkazy, nikde ne v izolaci. Síla důkazu se liší podle hypotézy obhajoby. Není zásadní rozdíl mezi vědeckým a nevědeckým důkazem nemohou být dva způsoby zacházení sdůkazy. Je jen jeden logický způsob, který není vázaný na typ důkazu. Bayesova věta je jeho formalizace. Každý jiný přístup buď odpovídá požadavkům Bayesovské interpretace, nebo je nelogický. 74 shrnutí Děkuji Vám za pozornost! Vědecké důkazy mají být předkládány soudu ve formě LR (srovnání pravděpodobností důkazu za každé z relevantních, specifických, vzájemně se vylučujících a jasně definovaných hypotéz) Jiné statistické přístupy nejsou pro forenzní vědy vhodné, protože nechybují jen za přesně vymezených okolností. 75 76