Войти
Использование доказательств в соответствии с теоремой Байеса относится к вероятности обнаружения доказательств в отношении обвиняемого, где теорема Байеса касается вероятности события и его обратное. В частности, он сравнивает вероятность обнаружения конкретных доказательств, если бы обвиняемые были виновны, и если бы они не были виновны. Примером может служить вероятность найти волосы человека на месте происшествия, если он виновен, по сравнению с просто проходящим через место происшествия. Другой вопрос - найти ДНК человека там, где он жил, независимо от того, совершил ли там преступление.
Среди свидетельств ученых, изучение свидетельств в последние десятилетия стали широко междисциплинарными и включают в себя идеи из психологии, экономики и теории вероятностей. Одной из областей, вызывающих особый интерес и разногласий, была теорема Байеса. Теорема Байеса является элементарным предложением теории вероятностей. Это дает возможность обновить в свете новой информации вероятность того, что предложение истинно. Исследователи доказательств интересовались их применением в своей области: либо для изучения значения правил доказательства, либо для помощи в установлении фактов на судебном разбирательстве.
Предположим, что доказываемое утверждение Этот обвиняемый был источником волос, обнаруженных на месте преступления. Прежде чем узнать, что волосы генетически совпадают с волосами обвиняемого, сборщик фактов полагает, что вероятность того, что ответчик был источником волос, составляет 2 к 1. Если бы они использовали теорему Байеса, они могли бы умножить эти априорные шансы на «отношение правдоподобия», чтобы обновить ее шансы, узнав, что волосы совпадают с волосами ответчика. Отношение правдоподобия - это статистика, полученная путем сравнения вероятностей того, что свидетельство (свидетельство эксперта совпадения) было бы найдено, если бы обвиняемый был источником с вероятностью его обнаружения. если ответчик не был источником. Если в десять раз больше вероятность совпадения показаний, если бы ответчик был источником, чем если бы нет, то установщик фактов должен умножить свои предыдущие шансы на десять, получив апостериорные шансы 20 к одному.
Байесовские скептики возражали против такого использования теоремы Байеса в судебных процессах по разным причинам. Они простираются от путаницы присяжных и вычислительной сложности до утверждения, что стандартная теория вероятностей не является нормативно удовлетворительной основой для вынесения решения о правах.
Байесовские энтузиасты ответили на два фронта. Во-первых, они заявили, что, независимо от ее значения в судебном процессе, теорема Байеса ценна при изучении правил доказывания. Например, его можно использовать для моделирования релевантности. Он учит, что релевантность доказательства того, что предположение истинно, зависит от того, насколько свидетельство изменяет предыдущие шансы, и что насколько оно изменяет предыдущие шансы, зависит от того, насколько вероятно, что свидетельство будет найдено (или нет), если предположение было истинным.. Эти базовые идеи также полезны при изучении правил предоставления индивидуальных доказательств, таких как правило, позволяющее отвести свидетелей от должности по ранее вынесенным обвинительным приговорам.
Во-вторых, они заявили, что практично использовать теорему Байеса в ограниченном наборе обстоятельств судебного разбирательства (например, объединение доказательств генетического соответствия с другими доказательствами), и что утверждения, что теория вероятности не подходит для судебных определений бессмысленными или непоследовательными.
Некоторые наблюдатели полагают, что в последние годы (i) дебаты о вероятностях зашли в тупик, (ii) главные действующие лица в дебатах о вероятностях разговаривают друг с другом, (iii) на самом высоком уровне не происходит ничего особенного. -теоретический уровень, и (iv) наиболее интересная работа находится в эмпирическом исследовании эффективности инструкций по теореме Байеса в повышении точности жюри. Однако возможно, что этот скептицизм по поводу дебатов о вероятностях в праве основывается на наблюдениях за аргументами, выдвинутыми известными главными действующими лицами в юридической академии. В областях, не связанных с законом, работа над формальными теориями неопределенности не ослабевает. Одним из важных достижений была работа над "", такая как была проведена, например, в Беркли в рамках BISC Лотфи Заде (Berkeley Initiative in Soft Computing). Другой пример - растущий объем работы людей как в рамках закона, так и вне его, над теорией «аргументации». Также продолжается работа над байесовскими сетями. Часть этой работы начинает проникать в юридические круги. См., Например, множество статей о формальных подходах к неопределенности (включая байесовские подходы) в оксфордском журнале: Law, Probability and Risk [1].
Есть несколько известных случаев, когда Теорема Байеса применима.
