Statistikk og rettsgenetikk Thore Egeland 30 sept 2009 Thore Egeland, Tidsskrift for Strafferett, nr 2, 2009, 190-204.

Slides:



Advertisements
Liknende presentasjoner
Rettens sammensetning
Advertisements

FAGVERK Institutt for maskin- og marinfag.
Krav til rettslig grunnlag for behandling av personopplysninger
Klimaforhandlingene på rett spor? Innledning for Natur og Ungdom Bård Lahn,
Enhalet og tohalet hypotesetest
Grunnleggende spørsmål om naturfag
Grunnleggende prinsipper for ABC-kalkyler
Sammenligning av to kilder for registrering av narkotikadødsfall i Norge, Dødsårsaksregisteret (DÅR) og politiet, Anders Bryhni og Ellen Amundsen,
Faktoranalyse Thore Egeland UiO/HIO 9 sept
3. seminar i “Grunnlagsprobblemer i statsvitenskap” Carl Henrik Knutsen, 9/ Karl Popper: The Logic of Scientific Discovery.
Nico Keilman Befolkning og velferd ECON 1730 Høst 2010
Oppgave gjennomgang Kap. 3 og 4.
Dagens tema Opplæringsloven § 5-4 presiseringer
Kvalitetssikring av analyser til forskningsbruk
Jæger: Robuste og sikre systemer INF150 Programmering mandag 2.10 Default values – standardverdier ved oppstart MER OM: Sub-prosedyrer og sub-funksjoner.
Sekretærens oppgaver i Rotary Distriktssamling 2009 Arendal 7. mars Langesund 21. mars.
Inntak etter individuell vurdering Skoleåret 2009/2010.
Sqlite Et lite eksempel på en SQL- database. SQL kan startes på ulike måter Kommandolinjeversjon or Windows –Programmet må innstalleres Hentes fra
Folkehelsestatistikk – muligheter, hensyn, begrensninger
Fasit 1) a)P(T>1)=P(T≠1)=1-P(T=1) = 1-1/6 = 5/6 ≈ 83.3%. Evt. P(T>1)=p(T=2)+P(T=3)+P(T=4)+P(T=5)+ P(T=6)=5/6. P(T=2 | T≠1) = P(T=2 og T≠1)/P(T≠1) = (1/6)/(5/6)
Oppgaver 1)Vi anser hvert av de seks utfallene på en terning for å være like sannsynlig og at to ulike terningkast er uavhengige. a)Hva er sannsynligheten.
Naturfag i sommerferien?
Automated Testing Tool & When to Stop Testing
Metode.
PROSJEKT: UADRESSERT REKLAME Omnibus: 23. august – 30 august 2006
Krav til rettslig grunnlag for behandling av personopplysninger
Diskrete stokastiske variable
Krav til rettslig grunnlag for behandling av personopplysninger Dag Wiese Schartum.
Thore Egeland Statistisk forsøksplanlegging – hvordan en spennende assosiasjon kan bli til et prosjekt.
C O M M E N T O R A / S Commentor A/S – Hørkær 24 – 2730 Herlev - Tel : (+45) Fax : (+45) Team System VSS user guide to TFVC.
Jæger: Robuste og sikre systemer INF150 Programmering Kapittel 2: Problemløsning Kapittel 3.1 og 3.2.
Om personopplysningslovens betydning for systemutvikling Dag Wiese Schartum, Avdeling for forvaltningsinformatikk (AFIN), UiO.
Institutt for offentlig rett, stipendiat Maria Astrup Hjort Strafferett for ikke-jurister våren 2007 Lærer: Maria Astrup Hjort, Institutt for offentlig.
Subversion addin for Visual Studio.NET Gruppe 03-10: Arild Fines Per August Krämer Kristin Borud.
Gener i populasjoner Thore Egeland vikarierer for Marit H. Solaas Kap. 7 i Thompson&Thompson.
Bayesiansk statistikk Petter Mostad Overblikk Tilbakeblikk på sannsynlighetsbegrepet Hvordan gjøre Bayesianske analyser Analyser ved hjelp.
Forskning – 3 grupper (OECD 1981) Grunnforskning Originale undersøkelser som har til hensikt å skape ny kunnskap og forståelse Karakteriseres ved at den.
Årsakssammenheng Innledning Samvirkende skadeårsaker
Hypotesetesting, og kontinuerlige stokastiske variable
Standardisering Nico Keilman Demografi grunnemne ECON 1710 Høst 2009.
Usikkerheter og sannsynligheter Petter Mostad
Siste forelesning er i morgen!
Pensum Bordens: Research design and methods A process approach 5. eller 6. utgave Kap Fordeling: Bjørnebekk har spesielt ansvar for delen ”Qualitative.
Regresjon Petter Mostad
Prinsipper for sakkyndighet Thore Egeland Oslo, 13 feb 2009 “These are my principles. If you don't like them I have others”. Groucho Marx.
Forelesning 5 HSTAT1101 Ola Haug Norsk Regnesentral
Forelesning 6 HSTAT1101 Ola Haug Norsk Regnesentral
Kræsjkurs Del Ii Hypotesetesting
Statistikk 2 M1 årskurs HVE 31. august 2009.
M1 årskurs HVE 7. september 2009
Stian Grønning Master i samfunnsøkonomi Daglig leder i Recogni.
Om personopplysningslovens betydning for systemutvikling -grunnkrav Dag Wiese Schartum, Avdeling for forvaltningsinformatikk, AFIN.
3.14 X AXIS 6.65 BASE MARGIN 5.95 TOP MARGIN 4.52 CHART TOP LEFT MARGIN RIGHT MARGIN Tracking av digitalradio-andel i Norge © TNS Tracking.
Statistikk Forkurs Hva er statistikk? undersøke registrere lage oversikt→ Presentasjon av informasjon formidle Arbeidet med statistikk kan vi dele.
KOBLERKOMMUNEN Midtveisseminar Levende Lokaler
Miljøproblemer. Miljøproblemer Miljøproblemer Miljøproblemene skyldes gjerne eksterne virkninger, dvs. virkninger av produksjon og forbruk som rammer.
Kapittel 3 Metode.
Krav til rettslig grunnlag for behandling av personopplysninger
Krav til rettslig grunnlag for behandling av personopplysninger
MET 8006 Statistikk Forelesning nr. 1 Kapittel 1: Oversikt
Fra idé til publikasjon
Case og øvingsoppgaver
RVTS - MIDT Ressurssenteret om vold, traumatisk stress og
MET 2211 Statistikk og dataanalyse
Forelesninger i statsrett -Rettighetsdelen Lovskrav, tilbakevirkning og ekspropriasjon mv Vår 2018 av Benedikte Moltumyr Høgberg Professor ved Det juridiske.
Dynamisk DNS registrering for Windows 10
Krav til rettslig grunnlag for behandling av personopplysninger
Forholdet mellom tiltalebeslutning og dom
Gjenåpning Jo Stigen, Oslo, 30. april 2019.
Divide ratios.
Utskrift av presentasjonen:

Statistikk og rettsgenetikk Thore Egeland 30 sept Thore Egeland, Tidsskrift for Strafferett, nr 2, 2009,

Rettsmedisinsk institutt

Oversikt. Første gang Partsuavhengige sakkyndigbevis Prinsipper LR. DNA Familias. Intro DNAMIX. Intro

Rettsmedisinsk institutt Den sakkyndiges rolle. 3. Skyldnivå –Er den tiltalte skyldig? Den sakkyndige skal naturligvis ikke uttale seg om dette. 2. Aktivitetsnivå –Kan tiltalte knyttes til handling? Den sakkyndige kan noen ganger uttale seg om dette: funn av sæd kan være informativt for aktivitet, men spørsmålet om voldtekt er en annen sak. 1. Kildenivå –Samsvarer tiltaltes DNA-profil med overgripers DNA-profil? Den sakkyndig rapporterer normalt på dette nivå.

Rettsmedisinsk institutt Motiverende eksempel: P-pillesak I Påstand –“…dødsfallet skyldes pillebruken”. Høyesterett (Rt. 1974, s. 1160) –“…ikke tilstrekkelig grunnlag for at døden var forårsaket ved bruken av Anovlar”. Kritikk fra CA Fleischer (1977) –“Skal man stille krav til sannsynlighetsovervekt, må det være i forhold til andre mulige hypoteser. Men Høyesterett har nettopp unnlatt å ta standpunkt til andre mulige dødsårsaker, som det kunne være naturlig å sammenlikne med”.

Rettsmedisinsk institutt Prinsipper 1.For å kunne bedømme usikkerheten i en påstand må den stilles opp mot minst en alternativ påstand. 2.Vitenskapelig fortolkning baseres på spørsmål av typen “Hvor sannsynlig er sakkyndigbeviset gitt en påstand?” 3.Vitenskapelig fortolkning må ta eksterne forhold i betraktning i tillegg til konkurrerende forklaringer.

Rettsmedisinsk institutt Hypoteser Hd: Forsvarets hypotese: –“En ukjent person har avsatt sporet”. Hp: Aktoratets hypotese: –“Tiltalte har avsatt sporet”.

Rettsmedisinsk institutt ‘Likelihood ratio’ (LR) sannsynligheten for funn gitt aktoratets hypotese sannsynligheten for funn gitt forsvarets hypotese

Rettsmedisinsk institutt Eksempel 1. Beregning Anta at vi aksepterer følgende: –“Voldtektsmannen har et grønt og et blått øye”, –“Tiltalte har et grønt og et blått øye”, –“I den relevante populasjonen har 1% (dvs sannsynlighet 0,01) et grønt og et blått øye”

Rettsmedisinsk institutt Eksempel 1. Fortolkning Funnet (observasjonen) er 100 ganger mer sannsynlig dersom aktoratets hypotese legges til grunn sammenlignet med forsvarets hypotese.

Rettsmedisinsk institutt Eksempel 1. Mer fortolkning Hva blir LR hvis tiltalte ikke har et blått og et grønt øye?

Rettsmedisinsk institutt Eksempel 2 Husk Ofte blir P(funn gitt Hp) = 1, P(funn gitt Hd) = “frekvensen av DNA-profilen i befolkningen” =“match probability”. Dermed blir LR=1/“match probability” –Hvis “match probability”=1/100000, så blir LR=100000

Rettsmedisinsk institutt Vilkårlig gradering Bør dette forenkles i rettslige sammenhenger? SKL Sverige:

Rettsmedisinsk institutt H 1 : M1 father H 2 : Unknown man father LR (Paternity index ) A,B A,AB,B M1 F1 M2

Rettsmedisinsk institutt Egeland, T; Mostad, P; Mevåg, B; Stenersen, M: For Sci Int Vol 110, Nr. 1, 2000.

Rettsmedisinsk institutt

H 1 : M1 father H 2 : Unknown man father Posterior probability A,AB,B A,B M1 F1 M2 W=P(H 1 |data)= Flat prior

Rettsmedisinsk institutt Example Stain M={A 1,A 2,A 3 } Victim V={A 1,A 2 } Suspect S={A 1,A 3 } H p : V+S H d : V+unknown Pr(M|H p )=1 Need Pr(M|H d )

Rettsmedisinsk institutt Direct method Stain M={A 1,A 2,A 3 } Victim V={A 1,A 2 }

Rettsmedisinsk institutt Software DNAMIX3 Stain Known contributor B Hp: B and two unknown contributed to the stain Hd: Three unknown contributed to the stain Curran JM, Triggs CM, Buckleton J. Weir B.S. J For Sci1999;44(5);

Rettsmedisinsk institutt 1.Open a Command Prompt (For Windows users, click Start --> run) 2.Change directory to where DNAMIX3 is installed, eg: cd M:\www_docs\RMIcourse2009\lect\DNAMIX3 3.Start program: 4. Click YES 5. Select Caucasian, add done 6. Input according to instructions Alternative to steps 1-3: Create shortcut to dos C:\WINDOWS\system32\cmd.exe Right click short cut, choose ‘Properties’ and set ‛Start in’ to appropriate directory.

Rettsmedisinsk institutt

Ekstra materiale. Gjennomgås nok ikke nå

Rettsmedisinsk institutt Eksempler Farskapssaker (sivilsaker) før DNA-æraen: –LR>20 “Far” –LR<0,05 “Ikke far” Etter DNA-æraen ble verdiene typisk mer ekstreme: –LR> “Extremely strong support for prosecution” –LR<0, “Extremely strong support for defence” P-verdier er vanlig (unntak:genetisk koblingsanalyse): –Kunne vi brukt p-verdier?

Rettsmedisinsk institutt Grad +4 Resultaten talar med visshet för att … Grad +3 Resultaten talar starkt för att … Grad +2 Resultaten talar för att … Grad +1 Resultaten talar i någon mån för att … Grad 0 Frågan lämnas öppen … Grad -1 Resultaten talar i någon mån för att … inte Grad -2 Resultaten talar för att … inte Grad -3 Resultaten talar starkt för att … inte Grad -4 Resultaten talar med visshet för att … inte LR beregninger oversettes

Rettsmedisinsk institutt Tibake til øyeeksemplet. Frekvensen av et blått og et grønt øye er kritisk for beregningen. –Hvor sikkert er anslaget på 1%? –Hva er den relevante populasjonen? –Blir dette problemet mindre hvis den sakkyndige rapporterer på en svensk skala?

Rettsmedisinsk institutt Eksempel 3 Hd: Forsvarets hypotese: –“En bror av tiltalte har avsatt sporet”. Hp: Aktoratets hypotese: –“Tiltalte har avsatt sporet”. Slektninger kan ha ganske like DNA-profiler. Dermed blir LR vesentlig lavere i dette tilfellet. Hvilken hypotese er optimal for forsvaret?

Rettsmedisinsk institutt Fallgruber. Aktors fallgrube “Prosecutors fallacy” består i å snu på sakkyndigbeviset slik at det blir et utsagn om skyld –Sakkyndig: “Sannsynligheten for DNA-resultatet gitt aktors hypotese er 0,999”. –Aktor fremstiller dette som at sannsynligheten for hans hypotese er 0,999. Dette kan tale sterkt for skyld. Dette blir feil fordi den sakkyndige ikke har uttalt seg om skyld. Mer generelt kalles dette ‘transposed conditional’ fordi P(funn gitt Hp) forveksles med P(Hp gitt funn)

Rettsmedisinsk institutt Fallgruber. Forsvarers fallgrube “Defence attorneys fallacy” består i å se bort fra kontekst eller hvordan tiltalte ble brakt inn i saken: –“Dersom en DNA-profil har en frekvens på en på en million, så kan man statistisk forvente å finne 5 nordmenn med denne profilen. Altså er det bare 1/5 eller 20% sannsynlighet for at tiltalte er skyldig”. Argumentet forutsetter at alle i en populasjon i utgangspunktet har samme sannsynlighet for å være gjerningsmannen. Argumentet blir dermed feil hvis tiltalte er havnet i saken på annet grunnlag.