Информатизация судебной системы 4 страница

В почерковедческой экспертизе применяются следующие основные понятия.

Наклон почерка зависит от направления сгибательных дви­жений при выполнении прямолинейных элементов. По накло­ну почерк бывает: прямой, право- и левонаклонный.

Рис. 27. Наклон почерка: А — прямой; Б — правонаклонный; В — левонаклонный

Рис. 28. Связность почерка: А — высокосвязный; Б — средний по степени связности; В — отрывистый

Нажим почерка выражает его интенсивность и размещение нажимов в процессе письма. Выработанность почерка отражает навык письма, осуществляемого в быстром темпе (скоропись). Связнность — способность пишущего выполнять непрерывным движением большее или меньшее количество элементов пись­менных знаков без отрыва пишущего прибора от бумаги. Сложность почерка тесно связана со степенью его выработанности; упрощение или усложнение письменных знаков и их свя­зей по сравнению с принятыми нормами.

Дактилоскопическая экспертиза заключается в исследо­вании следов папиллярных узоров для установления фактов, связанных с образованием этих следов.

Основным объектом исследования в дактилоскопии явля­ется папиллярный узор пальцев рук (см. рис. 29).

Рис. 29. Папиллярный узор

Рис. 30. Типы папиллярных узоров

Папиллярные узоры делятся на три основных типа: завитковые (круговые), петлевые и дуговые.

Детали папиллярного узора — различные виды начала и окончания папиллярной линии, ее перерывы, резкие анома­лии ее длины (обрывок, точка) и ширины (тонкие линии), раз­двоение линий (вилы), комбинации раздвоений и аномалий длины (глазки, мостики, крючки).

Математические расчеты показывают, что полный и чет­кий отпечаток пальцев может повториться только один раз на 10³⁰ или 10⁵⁰ отпечатков.

Сочетание небольшого количества деталей настолько ин­дивидуализирует узор, что для отождествления достаточно 7—10 деталей, хотя в полном узоре пальца их число достига­ет 120—150.

В последние годы формируется дерматоглифика — уче­ние о кожных узорах. Представители данного направления разрабатывают способы использования данных дактилоскопии для решения следующих задач:

определение пола,

определение роста,

определение возраста,

определение дополнительных (приобретенных) статисти­ческих особенностей,

восстановление папиллярного узора и др.

§ 3. Математические основы криминалистической идентификации

Главной задачей судебно-экспертного исследования явля­ется идентификация криминалистических объектов.

В процессе криминалистической идентификации речь идет об объектах двоякого рода:

1) о следах (признаках), обнаруженных на месте преступ­ления,

2) об образцах, полученных от подозреваемого лица (лиц).

Идентификации могут подлежать любые материальные предметы и явления, их роды и виды, количества и качества, человеческая личность в целом, ее отдельные признаки, фи­зические свойства.

Процесс идентификации заканчивается установлением: факта тождества; факта отсутствия тождества сравниваемых объектов.

Вывод о тождестве опирается на идентификационный ком­плекс признаков — совокупность индивидуально-определен­ных, устойчивых признаков, неповторимых (или обладающих редкой встречаемостью), по их соотношению, местоположе­нию, взаиморасположению и т. п.

Между двумя объектами установлено отношение тожде­ства, если:

1. Между множеством признаков первого объекта и мно­жеством признаков второго объекта имеется взаимно-однознач­ное соответствие.

2. Отсутствует существенное различие между первым и вторым объектами.

3. Соответствие между двумя объектами опирается на уве­ренность в том, что оно не является следствием случайного стечения обстоятельств.

Отношение тождества может быть представлено в следу­ющем виде:

Q ₁ º Q ₂

Q ₁ — первый объект;

Q ₂ — второй объект;

º — знак тождества.

Графически отношение тождества двух объектов представ­лено на рис. 31.

Рис. 31. Взаимно-однозначное соответствие двух объектов

Процесс идентификации опирается на два принципа:

принцип единственности выделенного объекта;

принцип оптимальности выделения такого объекта.

Наиболее характерной чертой идентификации является выделение единственного объекта из множества других объектов. Если такой объект выделен и степени его встречаемости дана приемлемая оценка, т. е. вероятность появления второго такого объекта практически ничтожна, то можно считать, что процесс идентификации достиг своего результата.*

* То есть совпадение деталей двух объектов не может быть случайным.

Например, вероятностная оценка комплекса признаков может составлять дроби:

Если эти частоты (вероятности) приемлемы в конкретных условиях, то они могут служить объективным критерием ус­тановления тождества. Очевидно, что чем дробь меньше, чем ее идентификационное значение больше, тем реже встреча­ется выделенная совокупность признаков.

Процесс идентификации осуществляется путем постепен­ного сужения объема генеральной совокупности.

Пусть в качестве такой совокупности будет 100 млн. граж­дан, умеющих писать по-русски. Тогда по данному признаку можно выделить группу в 10⁶ человек, каждый из которых может быть исполнителем исследуемой рукописи и т. д. Нельзя сказать априори, сколько признаков необходимо использовать при решении задачи идентификации. Все зависит от идентификационной значимости каждого признака и их ком­плекса.

Особо значимо нахождение таких признаков, которые встречаются крайне редко, т. е. имеют очень низкую вероят­ность появления. Так, метод генной идентификации основан на том, что строение молекул ДНК — носителей генетической информации — у всех существ одного вида одинаково, но не­которые зоны, разбросанные вдоль всей молекулы, повторя­ются у каждого в разной последовательности и сочетаниях. Вероятность совпадения таких участков у двух людей 1:30 млрд., т. е. практически нулевая. Генный "отпечаток" имеется в любой клетке, появляется возможность его использования для иден­тификации личности.

Однако и события, обладающие очень малой вероятнос­тью, осуществляются вполне закономерно. Маловероятные события при многократно повторяемом явлении приобретают вполне устойчивую определенность, хотя и происходят в од­ном случае из многих миллионов.*

* Так, с точки зрения теории вероятностей возникновение жизни на Зем­ле представляется необычайно редким событием. Тем не менее оно про­изошло.

Если взять два независимых друг от друга признака, то в совокупности они будут обладать большей идентифицирующей способностью.

Это требует применения теоремы умножения вероятностей.

Обозначим буквами А, В, С случайные события — появ­ление признаков определенного рода. Например:

А —появление первого взятого признака;

В — появление второго признака;

С — появление третьего признака.

Тогда идентифицирующий комплекс может быть представ­лен в виде произведения случайных событий:

Q = A • В • С.

Если эти признаки независимы, то для определения веро­ятности их совокупности необходимо перемножить вероятнос­ти, относящиеся к каждому признаку, по формуле:

Р (Q) = Р(А) • Р (В) • Р(С),

где символ Р обозначает вероятность появления каждого при­знака.

Вероятности Р_i встречаемости признака А соответствует идентификационная значимость (информативность признака):

J _i = – lg P_i.

Принцип оптимальности процесса идентификации зак­лючается в том, что используется критерий достаточности вы­деления определенного числа признаков.

В этих целях воспользуемся величинами

N — генеральная совокупность признаков.

1 /N — величина обратная размеру генеральной совокуп­ности.

Примеры величины N:

число всех жителей данной страны,

число всех жителей данной страны, пишущих на опреде­ленном алфавите,

число пишущих машинок в определенном городе,

число единиц огнестрельного оружия определенного вида и т.д.

Величина 1 /N должна быть учтена при установлении тож­дества. Основная идентификационная формула приобретает вид:

(1)

Другими словами, вероятность появления комплекса при­знаков должна быть меньше (или равна) величины 1/ N.

Величина 1 /N показывает, каков предел величины Р(Q). Если Р(Q) < 1 /N, то дальнейшее уменьшение величины Р(Q) нецелесообразно.

Процесс идентификации протекает лучше, когда величи­на N относительно невелика. Соответственно небольшой явля­ется и величина 1 /N.

Например, если N = 10 000, то вероятность встретить в генеральной совокупности выделенный объект не столь вели­ка. При этом выделение одного-единственного объекта суще­ственно облегчено. Если величина N растет, то необходимо понижать величину дроби Р(Q).

При нарушении неравенства (I):

идентификационное значение установленных признаков падает. Возрастает вероятность того, что может появиться второй при­знак, обладающий выделенным набором.

При анализе возникшей ситуации целесообразно брать величины, обратные используемым вероятностям.

Рассмотрим пример.

Обратными величинами в данном случае будут Q * = 10⁶ и N * = 10⁷.

Один выделенный признак будет приходиться среднеста­тистически на 10⁶ признаков. Но наша генеральная совокуп­ность в 10 раз больше. Следовательно, вероятность встретить второй объект возрастает в 10 раз.

В процессе применения математических методов в крими­налистике и судебной экспертизе принципиальное значение имеет установленный теорией вероятностей принцип практи­ческой уверенности.

В силу этого принципа событие, имеющее очень низкую вероятность, считается недостоверным (т. е. его значение при­равнивается к 0).

Если вероятность события А в данном опыте весьма мала, то можно быть практически уверенным в том, что при одно­кратном выполнении опыта событие А не произойдет.

Принцип практической уверенности не может быть дока­зан математическими средствами. Он подтверждается всем опы­том человечества. При оценке надежности заключения экспер­та о тождестве объекта в расчет берется вся совокупность об­стоятельств уголовного дела.

Описанный аппарат обладает большой степенью общности и позволяет решить задачу идентификации для объектов раз­личной природы (например, профилограмм в трасологии, спек­трограмм и осциллограмм в физико-химических исследовани­ях, вообще для произвольных одномерных графических обра­зов).

Процесс криминалистической идентификации, в том чис­ле личности по почерку, является творческим, сложным мыс­лительным процессом. Эксперт-криминалист изучает все при­знаки сравниваемых объектов. Он изучает все особенности, выявляет их сущность, взаимосвязь и зависимость от различ­ных факторов, всю совокупность качественных и количествен­ных признаков.

§ 4. Математические методы установления групповой принадлежности объектов

В судебно-экспертных исследованиях установление груп­повой принадлежности нередко выступает в качестве само­стоятельной экспертной задачи. Групповая принадлежность — это принадлежность некоторого объекта Х к одному из под­множеств множества М₀:

С позиций теории вероятностей данная задача может рас­сматриваться как вариант проверки статистических гипотез. Надо проверить гипотезы:

В данном случае символ Н_i означает статистическую ги­потезу о принадлежности исследуемого криминалистического объекта к группе со значком " i ".

Например, это принадлежность автора рукописи к муж­скому или женскому полу, той или иной возрастной, образо­вательной группе; принадлежность исследуемых химических материалов к тому или иному типу вещества; принадлежность исследуемого вещества к одной из марок бензина.

В. И. Пашкова разработала методику определения половой принадлежности человека по черепу. В результате исследова­ния 682 мужских и женских черепов она получила функции распределения для 25 измерительных признаков и предложи­ла доступную для всех методику оценки с помощью пяти ха­рактеристических интервалов (1958).

Возможность установления групповой принадлежности основывается на факте, что той или другой группе объектов свойственно наличие комплекса специфических признаков. Критерием распознавания группы является высокая вероят­ность одновременного проявления совокупности признаков в одной группе и практическая невозможность проявления этой совокупности в какой-либо другой группе.

В данном случае криминалистическую ценность имеют такие признаки, которые наиболее вероятны.*

* Этим задачи определения групповой принадлежности отличаются от обычной идентификационной задачи, где имеют значение как раз наибо­лее редко встречающиеся признаки и их вероятности.

В простых случаях в качестве показателя групповой при­надлежности можно использовать отношение произведений условных вероятностей в группах:

В этом выражении приняты следующие обозначения: Р (i/A ₁ ) — вероятность i -го признака в группе А₁ (напри­мер, в группе мужчин);

Р (i/A ₂ ) — вероятность i -го признака в группе женщин.

Если К > 1, то почерк принадлежит лицу мужского пола.

Если К < 1, то почерк принадлежит лицу женского пола.

С другой стороны, должны быть учтены и такие призна­ки, которые встречаются редко и малохарактерны для данной группы объектов.

С задачей определения групповой принадлежности сопри­касается и такая задача, как дифференциация объектов.

Основная сущность криминалистической дифференциа­ции заключается не только в том, что при исследовании ис­пользуются различия. Более важно то, что при дифферен­циации обязательно должна решаться дихотомическая зада­ча, т. е. отнесение исследуемого объекта к одному из двух классов.

3. И. Кирсанов с другими криминалистами выполнили ста­тистические исследования, цель которых —установление за­висимости относительной частоты встречаемости некоторых признаков почерка от пола, возраста, образования.

Анализ практики применения специалистами-почерковедами методик дифференциации рукописей на мужские и женские показал относительно высокую надежность результатов прово­димых исследований. Научно-криминалистическим центром МВД проведены исследования признаков почерка в прописных бук­вах русской скорописи. Анализ статистических данных рас­пределения признаков почерка осуществлялся на 800 образцах рукописей с использованием ЭВМ "Искра-226" и ЕС-1055. Ис­следовательская работа, связанная с поиском критериев раз­граничения мужских и женских рукописей, основывалась на вероятностно-статистическом анализе признаков почерка. Для решения указанной задачи был применен аппарат теории рас­познавания образов, а именно — способ оптимальной двоич­ной дискриминации классов.

Предлагаемый метод:

ориентирован на использование различных элементов ру­кописи средневыработанного и высоковыработанного почерка (прописные и строчные буквы);

предусматривает различные варианты применения — от ручной технологии построения заключений до автоматизиро­ванной;

позволяет проводить количественную оценку качества при­нимаемого решения о поле исполнителя рукописи с учетом индивидуальных особенностей.

Правило принятия решения для дискриминатора, опти­мального по критерию минимума средней вероятности ошиб­ки, имеет вид:

где l — отношение правдоподобия

где Р(у/ 2 ), Р(у/ 1 ) — оценки условных вероятностей появле­ния вектора значений признаков у для объектов, принадлежа­щих второму и первому классу.

Во ВНИИ МВД РФ было выполнено исследование, по­зволяющее определять пол человека по эпителиальным клет­кам волос.

Литература

Автоматизированные рабочие места и компьютерные си­стемы органов внутренних дел. М., 1993.

Белкин Р. С. Криминалистическая энциклопедия. М., 1997.

Буринский Е. Ф. Судебная экспертиза документов. СПб., 1903.

Викарук А. Я., Гегечкори Л. А. Математические аспекты экспертно-криминалистической идентификации // Правовая информатика. Вып. 3. 1998.

Вероятностно-статистические методы в почерковедческих исследованиях. М., 1974.

Грановский Г. Л. Основы трасологии. М., 1974.

Жарков Е. А., Булдарев Е. К., Ковшов В. К. Установление количественных критериев криминалистической идентифика­ции. М., 1985.

Кирсанов З. И., Рогозин А. П. Методика распознавания по почерку возраста и пола исполнителя рукописи // Вероятнос­тно-статистические методы почерковедческих исследований. М., 1976.

Кирсанов В. И., Рогозин А. П. Распознавание пола и возра­ста исполнителя рукописи по почерку // Правовая киберне­тика. М., 1973.

Кирсанов З. И. Математические методы в криминалисти­ке // Вопросы кибернетики и права. М., 1967.

Методика определения пола исполнителя кратких руко­писных текстов. М., 1990.

Пашкова В. И. Определение пола и возраста по черепу. Ставрополь, 1958.

Полевой Н. С. Криминалистическая кибернетика. М., 1989.

Пошкявичюс В. А. Возможности дифференциации руко­писных знаков методом проверки статистических гипотез с использованием ЭВМ // Проблемы правовой кибернетики. М., 1968.

Применение теории вероятностей и математической ста­тистики в судебной экспертизе: Материалы научной конфе­ренции 5—6 июня 1963 г. М., 1964.

Растрагин Л. А. Об идентификаций плоских изображений пространственных объектов // Вопросы кибернетики и права. М., 1967.

Статистическая дактилоскопия. Вопросы методологии / Под ред. Л. Г. Эджубова. М., 1999.

Собко Г. М. Основы применения математических методов в судебно-почерковедческих исследованиях. М., 1980.

Собко Г. М. Применение формализованных языков для описания почерковых объектов (подписей, кратких записей) в идентификационных исследованиях (научно-методические ре­комендации). М., 1978.

Стечнова Т. В., Печерский В. Л., Князенков С. Н. Волосы головы как объект судебно-биологической экспертизы. М., 1990.

Эджубов Л. Г. Использование кибернетики и ЭВМ в кри­миналистике и судебной экспертизе // Кибернетика и право. М., 1970.

Эджубов Л. Г. Некоторые криминалистические проблемы автоматизации судебно-экспертных исследований // Право­вая кибернетика. М., 1977.

Эджубов Л. Г. Структурный анализ папиллярного узора и пути определения объема дактилоскопической информации. Проблемы правовой кибернетики // Материалы симпозиу­ма. М., 1968.

Эджубов Л. Г., Брудовский Б. С. О критерии дактилоско­пического тождества // Правовая кибернетика. М., 1973.

Хвыля-Олинтер В. И. Математическая модель дактилос­копического изображения // Информ. бюлл. Вып. 11. М., 1990.

Глава 10. Социологическая информация

§ 1. Математическая фирма представления эмпирических данных

Социологическая (социально-правовая) информация — это информация, которая получается в результате организации и проведения правовых социологических исследований.*

Главы десятая и одиннадцатая написаны совместно с кандидатом техни­ческих наук, доцентом МГИМО МИД РФ Л. Д. Гавриловой.

* Социология права — часть общей теории права, в задачу которой входит изучение социальной эффективности и социальной обусловленности права.

Цели этих исследований могут быть сформулированы сле­дующим образом:

1) выявление на базе опроса экспертов (юристов, эконо­мистов, социологов, демографов, экологов, представителей технических специальностей и др.) всего круга общественных отношений, которые должны регулироваться данным актом;

2) выявление всех субъектов права, интересов, потребно­стей и статусов, которые могут быть затронуты законопроек­том;

3) анализ потенциальной активности подготавливаемого акта на базе учета иных социальных регуляторов, которые вместе с данным актом будут воздействовать на регулируе­мые отношения и процессы;

4) предварительный анализ эффективности юридических процедур, которые должны быть включены в законопроект и призваны обеспечить и гарантировать точное применение его норм и принципов;

5) социологический и юридический анализ возможных от­клонений от требований данного акта, возможных правонару­шений и методов их предупреждения, анализ мер юридичес­кой ответственности за нарушение требований акта.

Аксиоматический подход выражается во введении неко­торых точных математических определений признаков и свойств первичной количественной информации и использовании ма­тематических моделей ее представления.

В социально-правовом исследовании имеется конечное множество социальных объектов, подлежащих изучению. Это множество (оно может быть довольно большим) представляет собой генеральную совокупность. Обозначим его буквой N:

Находящиеся в фигурных скобках буквы обозначают кон­кретные объекты социологического анализа.

Из этого множества по определенным правилам выбороч­ного метода (см. ниже) отбирается для непосредственного ис­следования некоторое подмножество М:

При этом:

Подмножество М и является непосредственным объектом социологического исследования.

Рис. 32. Основные этапы правового конкретно-социологического исследования с применением ЭВМ и математических методов

Каждый элемент полученной совокупности обладает зна­чительным числом свойств. Из них необходимо выделить те, которые представляют интерес для целей данного социально-правового исследования.

Выделенное свойство единицы (объекта) социологическо­го наблюдения на математическом языке называется призна­ком (или параметром, показателем).

Признаки могут быть либо количественными (возраст, образование, размер территории региона, численность насе­ления и т. д.), либо качественными (пол, место жительства, юридическая квалификация действия, ориентация на право­вые ценности и т. д.).

Каждый объект социологического анализа характеризу­ется набором признаков:

В содержании понятия "признак" необходимо выделить такой важный аспект, как его значение. Например, "образова­ние" — это признак (показатель). "Начальное", "среднее", "выс­шее" — значения данного признака. Значения признака назы­вают также его уровнями (или градациями).

Выделим из множества всех признаков некоторый при­знак Р. Он может принимать значения: p _i ¹, р _i ²,..., р _i^m:

Каждый объект социологического наблюдения характери­зуется упорядоченным набором значений признаков:

где е_k — выделенный объект исследования; Р_i (е_k) — значение признака Р_i, соответствующее объекту е_k; s — общее число признаков, подлежащих изучению.

Значения каждого, признака порождают разбиение иссле­дуемой совокупности объектов на т_i классов, где т_i — число значений выделенного признака Р_i.

Вектор-строкой называется упорядоченная система чисел, записанных в виде одной строки. Вектор-строка имеет следу­ющий вид:

Строки матрицы эмпирических данных соответствуют от­дельным социологическим объектам. Каждый объект описыва­ется набором конкретных значений параметров.

Пусть в качестве объектов социологического наблюдения выступают отдельные индивиды. Тогда для произвольно взя­того индивида вектор-строка будет содержать набор его ко­личественных и качественных признаков в их конкретных зна­чениях:

где цифры условно обозначают следующие значения призна­ков: 1 — женщина; 32 — возраст; 3 — законченное высшее образование; 80 — доход в рублях на одного члена семьи; 2 — средний уровень социально-правовой активности.

Каждый столбец матрицы эмпирических данных удобно рассматривать как вектор. Его можно назвать вектор-столб­цом наблюдений:

Вектор-столбец можно интерпретировать как совокупность значений какого-либо признака, отнесенных к разным объек­там социологического наблюдения. Так, это может быть сово­купность ответов разных респодентов на один и тот же вопрос социологической анкеты.

В форме вектор-столбца могут быть представлены и неко­торые другие данные эмпирического исследования. Так, воз­раст индивидов является признаком, который принимает кон­кретные числовые значения: 50, 25 лет, 31 год, 40 лет. Век­тор-столбец в данном случае имеет следующий вид:

Основной массив социологической информации, характе­ризующей правовые объекты, содержит так называемые ка­чественные признаки.

В правовом конкретно-социологическом исследовании воз­можно использование и таких показателей, которые заведо­мо обладают количественной мерой. Количественным призна­ком может служить, например, возраст индивидов, доход на одного члена семьи, уровень урбанизации, который действует на многие социально-правовые процессы и явления (правосоз­нание, информированность, правонарушения и т. д.).

Количественными являются многие характеристики адми­нистративно-территориального устройства: размер террито­рии, численность населения, численность аппарата управле­ния и т. д. При создании программы для ЭВМ целесообразно также предусмотреть обработку признаков, выраженных ко­личественно.

Среднее значение для п наблюденных значений количе­ственного параметра z_j определяется так:

Частное значение z_ij называется наблюденным (выбороч­ным) значением и соответствует измерению при произвольном начале координат и произвольных единицах измерения.

Для удобства математико-статистического анализа принято приводить количественные признаки к стандартному виду — центрировать и нормировать их.

Центрированное значение i -го признака j- го объекта рав­но разности между конкретным значением признака z'_ij и сред­ним по всем объектам значением этого признака :

Центрирование признака означает перенос начала коор­динат в точку, соответствующую среднему его значению.

Нормирование признака имеет целью представить его в некоторых безразмерных единицах, характеризующих отно­сительное значение признака. Наиболее часто каждое значе­ние признака относят к его эмпирическому среднеквадратич­ному отклонению (по всем объектам):

где

Дата добавления: 2015-04-25