20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 1
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 1 Современные криминалистические средства в деятельности по выявлению, раскрытию и расследованию преступлений Спецкурс для студентов ННГУ им. Лобачевского 2008 Лекция 2
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 2 Алгоритмические поисковые процедуры (АПП) Лекция 2 Новая криминалистическая категория. предложена В.Ю. Толстолуцким
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 3 методы информатики как основа новых криминалистических методов В XXI веке в криминалистику включаются знания, представляющие собой статистическую теорию информации, теорию алгоритмов и других современных теорий, используемых в информатике. Достижения математики, кибернетики и логики должны быть включены в криминалистику и творчески переработаны в ней. В этом и заключается закон Буринского–Винберга
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 4 Алгоритмическая поисковая процедура (АПП) Новое криминалистическое понятие АПП в наглядной форме представлено деревом принятия решений: В АПП реализуется механизм выбора – что есть сущность категории «информация» Дерево версий – частный случай АПП
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 5 АПП образована путем трансформации нескольких понятий информатики для решения задач криминалистики дерево принятия решений; Декомпозиция целого на части; Биты информации – это шаги в дереве; Метод кодирования Нбит – шаги по уровням дерева; N – число вариантов Н=log2N N – количество вариантов, которые можно рассмотреть, за Н шагов 1 0 0 0 1 1
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 6 Исторический экскурс Развитие информатики
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 7 Этапы исторического развития статистической теории информации Первый этап – с 1700 г.г. до настоящего времени. Формирование понятия «вероятность» и развитие науки: теория вероятностей Второй этап. С 50-х г.г. XX века. Использование методов кодирования для передачи информации и формирование статистической теории информации
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 8 Первый этап Теория вероятностей
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 9 Содержание научной категории «вероятность». «…интересующей переменной является сама вероятность, а не переменная, задающая вероятность. Так, если я научно изучаю рулетку, меня может интересовать переменная «вероятность того, что в следующий раз выпадет красное», которая имеет числовые значения в интервале от 0 до 1, а не переменная «цвет, который выпадет в следующий раз», которая имеет только два значения: ”красное” и ”черное”»[1]. [1] Эшби У. Р. Введение в кибернетику. М.: Изд-во иностр. лит., 1959. С. 65.
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 10 Значение понятия вероятность У. Эшби видит в следующем «Система, включающая последнюю переменную, почти наверняка непредсказуема, тогда как система, включающая первую переменную (вероятность), может быть вполне предсказуемой, ибо указанная вероятность имеет постоянное значение…»[1]. [1] Эшби У. Р. Указ. соч. С. 65.
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 11 Понятие вероятности позволяет отражать реальность с помощью переменных двух типов Первая переменная – качественная характеристика свойства объекта или события. Эта сторона событий случайна и не предсказуема. Мы не можем предсказать какие следы оставит преступник. Вторая переменная – вероятность появления свойства (признака): количественная характеристика. Постоянна и предсказуема. На протяжении десятилетий преступность имеет близкие значения
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 12 Сложные и простые события Декомпозиция сложного события на простые позволяет вычислить вероятность наступления сложного события на основе знания вероятностей простых событий
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 13 «Элементарное введение в теорию вероятностей». Б. В. Гнеденко и А. Я. Хинчин Авторы обратились к читателям 7 января 1945 года в предисловии к первому изданию: «… В области теории вероятностей дело обстоит так, что с практическими приложениями этой науки приходится иметь дело большому числу командиров (а подчас и рядовых работников) армии, промышленности … математическое образование которых весьма ограничено. … Книжка полностью доступна всем окончившим десятилетнюю среднюю школу; она почти целиком доступна и окончившим семилетку».[1] во-первых, показать прикладное значение методов теории вероятностей, обучать которым считалось целесообразным даже во время войны командиров («а подчас и рядовых работников») армии; во-вторых, отметить, что с точки зрения математической подготовки для овладения предлагаемыми методами достаточно средней школы; в-третьих, объяснить причины использования примера, в котором решаются военные задачи. 1] Гнеденко Б. В., Хинчин А. Я. Элементарное введение в теорию вероятностей. 4-е изд. М.: Гос. изд-во тех. теор. лит. 1957. С. 5.
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 14 Условия задачи Вероятность сбить самолет противника выстрелом из винтовки равна 0, 004. Найдите вероятность уничтожения неприятельского самолета при одновременной стрельбе из 250 винтовок. Осознанное выполнение приказа требует ответа на вопрос: «Есть ли смысл стрелять из винтовки, тратить патроны, если вероятность сбить самолет ничтожна – 4 самолета на тысячу выстрелов»?
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 15 Решение задачи При отдельном выстреле вероятность не сбить самолет: 1- 0,004=0,996. Вероятность того, что он не будет сбит при 250 выстрелах: (0,996)250 Вероятность сбить самолет составляет 1- (0,996)250 или 5/8=62%.
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 16 Оценка полученного результата Приказ стрелять в самолет статистически оправдан, поскольку вероятность сбить самолет достаточно велика: пять самолетов сбивают из восьми. Обнаруживается высокая предсказуемость результата в ситуациях, в которых исходы, казалось бы, не предсказуемы «по определению».
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 17 Сбить самолет – рассматривается как сложное событие, состоящее из 250 простых событий; Характеристика преступника, например, по полу, рассматривается как сложное событие, вероятность которого вычисляется по ряду простых событий, вероятность наступления которых известна – характеристики жертвы (пол и возраст), место и время преступления, способ и другие.
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 18 Новый этап развития теории вероятностей Статистическая теория информации Основоположник К. Шеннон, предложивший двоичную систему исчисления для передачи информации по каналам технической связи (публикации 1949 года)
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 19 шенноновский подход к информации Информация для Шеннона является тем, что можно измерять. Измеряется информация в битах, которые соответствуют количеству шагов в дереве решений (уровни в АПП) Количество информации определяется по формуле Н=log2N (1). В этой формуле Н – обозначает количество информации, измеряемое в битах; log2 – двоичный логарифм; N – число объектов Количеством бит (011001)– осуществляется кодирование пути в дереве принятия решения
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 20 Для не равновероятных событий Нбит=-∑pilog2pi (2) При равновероятных элементах pi=1/N результат вычислений по формуле (2) совпадает с вычислением по формуле (1). Например, при N=2, pi=1/2=0,5. Тогда по формуле (1) получаем количество информации, равное Н = log2N = log22 = 1 бит. Вычисления по формуле (2) приводят к тому же самому результату: Н=-∑pilog2pi = -∑0,5log20,5= -[0,5 log20,5+0,5 log20,5] = -[(0,5 *-1)+(0,5 *-1)] = -[-0,5+-0,5] = 1.
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 21 обозначения: Р(А) = NA / N; Р(В)= NВ / N; Р(А и В) = NАВ / N, где Р(А) –доля наблюдений (объектов), в которых встретился признак А; Р(В) – доля наблюдений (объектов), в которых встретился признак В; Р(А и В) – доля наблюдений (объектов), в которых встретились одновременно признаки А и В.
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 22 Условные вероятности: Р(А/В) = (NАВ / N)/(NВ / N), = Р(А и В) /Р(В) Р(В/А) = (NАВ / N)/(NА / N)= Р(А и В) /Р(А) Условные вероятности
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 23 показывает наличие связи между двумя событиями. Нас интересует связь между версией и фактом. Рис. Связь между версией и фактом Данная связь позволяет иллюстрировать следующие условные вероятности: H1/А – вероятность гипотезы (правдоподобность версии) при обнаружении факта А; А/H1 – вероятность обнаружения факта при условии выдвижения версии H1. Условная вероятность и контур с обратной связью
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 24
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 25 Условные вероятности
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 26 Попытки использования статистических методов Попытки были сделаны в докторской диссертации А.Ф. Лубина в 1995 году. Однако, автор не смог разработать криминалистического метода
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 27 Криминалистика: Расследование преступлений в сфере экономики /Под ред. В. Д. Грабовского, А. Ф. Лубина. Н.Новгород. 1995. С. 60
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 28 Рекомендации авторов В итоге проведенного исследования авторы приходят к следующим практическим рекомендациям: «Таким образом, при минимальной исходной информации в первоочередном порядке следует проверять версию о 1-м способе действий, затем о 4-м потом о 5-м, не забывая и о сходстве последнего с 8-м». Моя оценка: у авторов АПП в виде восьми шагов. Поскольку сегодня известно 160 способов. Значит такой поиск занимает 160 шагов, в среднем 80. На каждый наг по 1 часу – итого в среднем 10 дней (при 8 часовом рабочем дне).
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 29 Сокращение числа шагов и общего времени поиска
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 30 Надо проверять наиболее вероятный способ первым Такой подход позволяет 1. сократить число шагов в дереве поиска и уменьшить время поиска 2. использовать связи между переменными
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 31
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 32
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 33 Пример В.А. Образцова
20 сентября 2008 лекции профессора В.Ю. Толстолуцкого 34 Конец лекции
22148-wer.ppt
- Количество слайдов: 34