用于评估法医鞋印证据的贝叶斯分层模型
应用统计
2020-02-28 v2 统计方法学
摘要
当在犯罪现场发现潜鞋印时，法医分析人员会检查其是否有独特的磨损图案，例如源鞋鞋底上的划痕和孔洞（称为偶然特征）。如果其偶然特征与嫌疑人鞋子的偶然特征相符，则该鞋印可作为法医证据，将嫌疑人置于犯罪现场。该证据的强度取决于随机匹配概率——即随机选择的一只鞋与犯罪现场鞋印的偶然特征相匹配的概率。评估随机匹配概率需要一个准确的鞋底偶然特征空间分布模型。总统科学技术顾问委员会最近的一份报告批评了文献中的现有模型，呼吁开发新的经验验证技术。我们通过一个在分层贝叶斯框架内开发的、用于偶然特征位置的新空间点过程模型来回应这一要求。我们将每只鞋的胎面花纹作为协变量，使我们能够汇集来自大型异构鞋子数据库的信息。现有模型忽略了这一信息；我们的结果表明，包含该信息能显著改善模型拟合。我们通过将模型拟合到这样一个数据库来证明这一点。
引用
@article{arxiv.1906.05244,
title = {A Bayesian Hierarchical Model for Evaluating Forensic Footwear Evidence},
author = {Neil A. Spencer and Jared S. Murray},
journal= {arXiv preprint arXiv:1906.05244},
year = {2020}
}
备注
Accepted for publication at the Annals of Applied Statistics. Code available at http://github.com/neilspencer/cindRella