Criminalistiek en F. DNA week 5
1. Wat houdt de formule van Bayes bij gebruik in het strafrecht in?
Wat is überhaupt de formule van Bayes in algemene zin? (je kan het ook
buiten het strafrecht om gebruiken)
De formule luidt: posterior odds= prior odds x likelihood ratio
Waarbij:
Posterior odds: de kansverhouding tussen hypo 1 en 2 na het zien
van het bewijs je hebt het bewijs dus nu meegenomen in je
overweging Hypo zijn van die van schuld en onschuld (deze
hypotheses moeten elkaar uitsluiten) je gaat kijken naar posterior
odds = de toereikendheid van het bewijs (de gehele
bewijsconstructie)de redengevendheid Je vertrekt dus vanuit de
hypotheses schuld of onschuld het is aan de rechter om hier iets over
te zeggen en een beslissing op basis hiervan te nemen. (rechters
gebruiken dit impliciet en gaan niet echt hiermee rekenen. Vertrekken
vanuit een hypothese en kijken welke bewijsmiddelen daarbij passen)
denk aan de rode en witte stoel van het college.
1 als cijfer:
- Als het lager is dan 1 dan is het onschuld scenario wss.
- Als het hoger is dan 1 dan is het schuldige scenario het meest wss.
- Als het precies 1 is dan is het onschuldige scenario even wss als het
schuldige scenario dan moet de rechter vrijspreken.
Likelihood ratio: de kans verhouding van 2 hypotheses per 1
bewijsmiddel waarbij je vertrekt vanuit de bevindingen
redengevendheid van bewijs
Op niveau van een individueel bewijsmiddel, elk bewijsmiddel heeft
een ander likelihoodratio Je vertrekt vanuit de bevindingen er zijn 2
hypo aangedragen die elkaar uitsluiten (bijv. VD is donor of iemand
anders is donor) aan desk! En dus niet schuldig/onschuldig dan krijg je
prosecuters fallacy! de deskundige gaat dan kijken naar de
bevindingen die hij heeft gedaan (bijv. uit DNA-profiel) vervolgens
gaat hij gaat kijken of die bevindingen (kans van bijv. 1 op 1 miljard)
beter passer bij hypo 1 of 2. DNA heeft een hoge bewijswaarde dus
dat kan leiden tot een heel hoog LR
Prior odds (komen vaak uit het dossier door OM opgesteld): de
verhouding van kansen op de juistheid van hypotheses voordat het
bewijs bekend is de contextuele factoren dit zijn eigk je andere
bewijsmiddelen
Je vertrekt vanuit de bevindingen voor het zien van het bewijs
Denk bijv. aan de kans dat een pedo op een bepaald moment in een
park is of de kans dat een horloge 15 minuten voor- of achterloopt.
Dit is slechts de eerste keer een schatting (je moet zelf de prior odds
gaan inschatten), dit is een ander verhaal bij bv. DNA daarna worden
, je posterior odds de prior odds in de tweede keer dat je de formule gaat
toepassen
Je hebt een LR voor elk bewijsmiddelen dus stel je hebt 10 bewijsmiddelen dan
moet je 10x deze formule toepassen.
Dit doet de rechter niet zo statistisch uitrekenen, want er zijn vaak meerdere
hypotheses en de rechter moet ook overtuigd zijn en ook al zegt het getal bijv.
0,75 dan kan de rechter nog veroordelen als hij denkt overtuigd te zijn van de
schuld van VD.
De desk maken wel gebruik van het Bayesiaans redeneren.
De rechter vertrekt vanuit de hypotheses (rode en witte stoel) dan gaan ze
kijken naar alle bewijsmiddelen uit het dossier ze zouden gebruiken om die
hypothese te bevestigen om t rekijken welke bevindingen bij de hypothese
aansluiten.
Oefening
H1: DNA spoor is afkosmtig van verdachte
H 2: DNA spoor is afkomstig van een ander dan de verdacht
De kans is 1 op een miljoen dat het dna afkomstig is dan een ander dan de
verdachte
LR = 1 miljoen
Prior Odds = kansverhouding, stel 0,25 (dit is altijd een schatting en geen
hard bewijs dus dit is ook het punt van kritiek!)
post odds = 250 000
250 000 worden nu je prior odds!
250 000 x LR = 3de bewijsmiddel
zo ga je alle bewijsmiddelen af en krijg je een definitieve posterior odd en als
die meer is dan 1, is het meer waarschijnlijk dat de persoon schuldig is.
Het maakt niet uit met welk bewijsmiddel je begint!
Context bayes in strafrecht:
Context x redengevenheid van een individueel bewijsmiddel= bewijskracht van de gehele
bewijsconstructie (toereikendheid van bewijs)
In het strafrecht wordt de Bayesiaanse formule gebruikt om de waarschijnlijkheid van de
hypotheses van schuld of onschuld van een verdachte te evalueren op basis van
bewijsmateriaal. De hypothese is bijvoorbeeld “de verdachte is schuldig”. Het bewijs kan
bijvoorbeeld een DNA-match zijn.
Toegepast op een strafzaak betekent de Bayesiaanse formule dat de kans op schuld van de
verdachte wordt berekend door de kans op het bewijs als de verdachte schuldig is te
1. Wat houdt de formule van Bayes bij gebruik in het strafrecht in?
Wat is überhaupt de formule van Bayes in algemene zin? (je kan het ook
buiten het strafrecht om gebruiken)
De formule luidt: posterior odds= prior odds x likelihood ratio
Waarbij:
Posterior odds: de kansverhouding tussen hypo 1 en 2 na het zien
van het bewijs je hebt het bewijs dus nu meegenomen in je
overweging Hypo zijn van die van schuld en onschuld (deze
hypotheses moeten elkaar uitsluiten) je gaat kijken naar posterior
odds = de toereikendheid van het bewijs (de gehele
bewijsconstructie)de redengevendheid Je vertrekt dus vanuit de
hypotheses schuld of onschuld het is aan de rechter om hier iets over
te zeggen en een beslissing op basis hiervan te nemen. (rechters
gebruiken dit impliciet en gaan niet echt hiermee rekenen. Vertrekken
vanuit een hypothese en kijken welke bewijsmiddelen daarbij passen)
denk aan de rode en witte stoel van het college.
1 als cijfer:
- Als het lager is dan 1 dan is het onschuld scenario wss.
- Als het hoger is dan 1 dan is het schuldige scenario het meest wss.
- Als het precies 1 is dan is het onschuldige scenario even wss als het
schuldige scenario dan moet de rechter vrijspreken.
Likelihood ratio: de kans verhouding van 2 hypotheses per 1
bewijsmiddel waarbij je vertrekt vanuit de bevindingen
redengevendheid van bewijs
Op niveau van een individueel bewijsmiddel, elk bewijsmiddel heeft
een ander likelihoodratio Je vertrekt vanuit de bevindingen er zijn 2
hypo aangedragen die elkaar uitsluiten (bijv. VD is donor of iemand
anders is donor) aan desk! En dus niet schuldig/onschuldig dan krijg je
prosecuters fallacy! de deskundige gaat dan kijken naar de
bevindingen die hij heeft gedaan (bijv. uit DNA-profiel) vervolgens
gaat hij gaat kijken of die bevindingen (kans van bijv. 1 op 1 miljard)
beter passer bij hypo 1 of 2. DNA heeft een hoge bewijswaarde dus
dat kan leiden tot een heel hoog LR
Prior odds (komen vaak uit het dossier door OM opgesteld): de
verhouding van kansen op de juistheid van hypotheses voordat het
bewijs bekend is de contextuele factoren dit zijn eigk je andere
bewijsmiddelen
Je vertrekt vanuit de bevindingen voor het zien van het bewijs
Denk bijv. aan de kans dat een pedo op een bepaald moment in een
park is of de kans dat een horloge 15 minuten voor- of achterloopt.
Dit is slechts de eerste keer een schatting (je moet zelf de prior odds
gaan inschatten), dit is een ander verhaal bij bv. DNA daarna worden
, je posterior odds de prior odds in de tweede keer dat je de formule gaat
toepassen
Je hebt een LR voor elk bewijsmiddelen dus stel je hebt 10 bewijsmiddelen dan
moet je 10x deze formule toepassen.
Dit doet de rechter niet zo statistisch uitrekenen, want er zijn vaak meerdere
hypotheses en de rechter moet ook overtuigd zijn en ook al zegt het getal bijv.
0,75 dan kan de rechter nog veroordelen als hij denkt overtuigd te zijn van de
schuld van VD.
De desk maken wel gebruik van het Bayesiaans redeneren.
De rechter vertrekt vanuit de hypotheses (rode en witte stoel) dan gaan ze
kijken naar alle bewijsmiddelen uit het dossier ze zouden gebruiken om die
hypothese te bevestigen om t rekijken welke bevindingen bij de hypothese
aansluiten.
Oefening
H1: DNA spoor is afkosmtig van verdachte
H 2: DNA spoor is afkomstig van een ander dan de verdacht
De kans is 1 op een miljoen dat het dna afkomstig is dan een ander dan de
verdachte
LR = 1 miljoen
Prior Odds = kansverhouding, stel 0,25 (dit is altijd een schatting en geen
hard bewijs dus dit is ook het punt van kritiek!)
post odds = 250 000
250 000 worden nu je prior odds!
250 000 x LR = 3de bewijsmiddel
zo ga je alle bewijsmiddelen af en krijg je een definitieve posterior odd en als
die meer is dan 1, is het meer waarschijnlijk dat de persoon schuldig is.
Het maakt niet uit met welk bewijsmiddel je begint!
Context bayes in strafrecht:
Context x redengevenheid van een individueel bewijsmiddel= bewijskracht van de gehele
bewijsconstructie (toereikendheid van bewijs)
In het strafrecht wordt de Bayesiaanse formule gebruikt om de waarschijnlijkheid van de
hypotheses van schuld of onschuld van een verdachte te evalueren op basis van
bewijsmateriaal. De hypothese is bijvoorbeeld “de verdachte is schuldig”. Het bewijs kan
bijvoorbeeld een DNA-match zijn.
Toegepast op een strafzaak betekent de Bayesiaanse formule dat de kans op schuld van de
verdachte wordt berekend door de kans op het bewijs als de verdachte schuldig is te
