Statistische aspecten van de vaststelling van fraude na opsporing via datamining. Marjan Sjerps - KdVI (Uva) - NFI
|
|
- Emiel van der Velde
- 6 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Statistische aspecten van de vaststelling van fraude na opsporing via datamining Marjan Sjerps - KdVI (Uva) - NFI
2 - Statistiek team - Principal scientist team - Stochastiek cluster
3 Inhoud De LR methode voor interpretatie van bewijs DNA database match interpretatie Search en selectie problemen Toepassing op verzekeringsfraude (?)
4 DE LR METHODE VOOR EVALUATIE VAN BEWIJS
5 Kansuitdrukkingen 1 rode 10 zwarte fractie: 1/11 frequentie: 1 op 11 percentage: 9,09% kansverhouding= 1:10 Engels: odds
6 Moord op de Costa Magica
7 Leve de wiskunde 2011
8 DNA profiel
9 Kans dat Jan het spoor maakte mogelijke daders: Jan anderen Hoe groot is de kans dat Jan het spoor maakte? Antwoord: 1 tegen /1001 Informatie: Het DNA profiel van Jan is hetzelfde als van het spoor. Er is een match. Berekende frequentie profiel is 1/100 Hoe groot is nu de kans dat Jan het spoor maakte? Antwoord: 1 tegen 10 1/11
10 Moord op de Judith
11 Kans dat Kees het spoor maakte Mogelijke daders: Kees anderen Hoe groot is de kans dat Kees het spoor maakte? Antwoord: 1 tegen 100 1/101 Informatie: Het DNA profiel van Kees is hetzelfde als van het spoor. Er is een match. Berekende frequentie profiel is 1/100 Hoe groot is nu de kans dat Kees het spoor maakte? Antwoord: 1 tegen 1 1/2
12 Kans dat verdachte het spoor maakte frequentie profiel 1/100 Aantal anderen Kans dat verdachte het spoor maakte / /2??
13 LR benadering H p : hypothese van het OM H d : alternatieve hypothese van de verdediging I: alle achtergrondinformatie over het misdrijf. E: DNA profielen van verdachte en spoor prior odds x LR = Posterior odds P[H p ] x [E H p ] = P[H p E] P[H d ] P[E H d ] P[H d E]
14 LR is maat voor bewijskracht H1 uitgesloten neutraal H2 uitgesloten 0 1 LR Bewijs steunt H2 Bewijs steunt H1
15 Het LR-framework: de magische vragen Welke hypothesen wil ik beschouwen? Hoe waarschijnlijk zijn deze a priori? (prior odds) Welke observaties vormen het bewijsmateriaal? Hoe waarschijnlijk zijn deze observaties als hypothese 1 waar is? En als hypothese 2 waar is? (LR) Hoe waarschijnlijk zijn de hypothesen gegeven dit bewijsmateriaal? (posterior odds)
16 LA-ICP-MS
17 Case data: 10 elemental concentrations (LA-ICP-MS)
18 Voorbeeld: chemische elementsamenstelling (glas) Hypothese 1: fragmentje is van ruitje achterdeur Hypothese 2: fragmentje is van andere glasbron Bevindingen: LA-ICP-MS data
19 Likelihood ratio (LR): chemisch (glas) Kans op bevindingen, als hypothese 1 waar is Kans op bevindingen, als hypothese 2 waar is Teller: Hoe goed passen de concentraties in het fragmentje bij de concentraties in het ruitje? (variatie binnen de bron) Noemer: Hoe goed passen de concentraties in het fragmentje bij de concentraties van een willekeurige glasbron? (variatie tussen bronnen) (zeldzaamheid) Teller/Noemer =LR
20 Conclusie: glas De bevindingen zijn veel waarschijnlijker wanneer het fragment afkomstig is van het ruitje van de achterdeur dan wanneer het fragment afkomstig is van een andere glasbron
21 Wat is de kans dat het glasfragment van de achterdeur afkomstig is? Hiervoor moet je twee dingen weten: 1. De LR van de bevindingen t.a.v. hypothese 1 en 2 2. Wat is de overige informatie in de zaak? Verdachte is op heterdaad gearresteerd Verdachte liep twee straten verder s nachts op straat
22 De regel van Bayes Prior odds x LR = posterior odds
23 De Likelihood Ratio (LR): algemeen Kans op bevindingen, als hypothese 1 waar is Kans op bevindingen, als hypothese 2 waar is = x% y% = LR
24 Bewijs principes Principe 1: De deskundige kan geen uitspraak doen over de kans op een hypothese, bijv. dat het spoor afkomstig is uit een bepaalde bron Principe 2: Om de waarde van een bewijsmiddel te bepalen moet je tenminste twee hypothesen beschouwen Principe 3: Bevindingen vormen bewijs als het waarnemen ervan waarschijnlijker is onder de ene hypothese dan onder de andere Principe 4: Bewijskracht kun je meten met de Likelihood Ratio Principe 5: De deskundige doet een uitspraak over de LR, de jurist stelt hiermee zijn a priori kans bij (regel van Bayes)
25 Interpretatie van database matches
26 DNA Database matches sporen verdachten Neemt de bewijswaarde van de DNA match af als de database groeit?
27 Match in UK database (5 miljoen personen) verdachten Jan 1 op 1 miljoen
28 Hoe groter de database, hoe meer personen zijn uitgesloten als mogelijke donor, hoe sterker het bewijs. Deskundige kan gewoon berekende frequentie rapporteren (p) Hoe groter de database, hoe groter de kans dat de zoekactie een toevalsmatch oplevert, dus hoe zwakker het bewijs. Deskundige moet frequentie corrigeren (n x p)
29 May DNA matches aren't always a lock At Puckett's trial earlier this year, the prosecutor told the jury that the chance of such a coincidence was 1 in 1.1 million. Jurors were not told, however, the statistic that leading scientists consider the most significant: the probability that the database search had hit upon an innocent person. In Puckett's case, it was 1 in 3. The case is emblematic of a national problem, The Times has found. Interpretatie van (DNA) bewijs
30 PS Public service.co.uk
31 ROTTERDAM - De Rotterdamse korpschef Frank Paauw wil dat alle Nederlanders dna afstaan, zodat de politie meer misdrijven kan oplossen. Tot nu toe moeten alleen verdachten van een misdrijf waar vier jaar celstraf of meer voor staat, hun dna afgeven. (14 maart 2011)
32 Likelihood Ratio (LR) voor DNA match Hypothesen: hypothese 1: Jan is de donor hypothese 2: onbekende persoon is de donor Kans op DNA match als Jan donor is Kans op DNA match als onbekende donor is = 1/Match kans (aanname: geen fouten) = (bijvoorbeeld voor partieel profiel) = 1 miljard (volledig DNA profiel)
33 De regel van Bayes Prior odds x LR = posterior odds
34 Aandachtspunt in NFIrapport Onvolledig DNA profiel / mengsel en geen andere aanwijzingen Volledig DNA profiel en andere aanwijzingen Toeval zeker niet uitgesloten Toeval vrijwel uitgesloten
35 Samenvatting database match Bewijskracht DNA neemt niet af bij meer vergelijkingen Bij een database match kan overige bewijs ontbreken Vooral bij profielen met lage bewijswaarde dan een reële kans dat DNA niet van verdachte is Jurist moet DNA-match wegen met overige bewijs
36 Search en Selectie effecten: algemeen
37 Interessante vragen: Stel dat een waarneming eerst wordt gebruikt voor identificatie van een interessant subject en vervolgens als bewijsmiddel tegen datzelfde subject. Mogen waarnemingen in deze dubbele rol worden gebruikt? Hypothesen worden opgesteld nadat men naar de waarnemingen gekeken heeft. Mogen dergelijke data-afhankelijke hypothesen worden geformuleerd? Stel dat de kenmerken van een spoor worden vergeleken met de kenmerken van meerdere potentiele bronnen. Daarna wordt ingezoomd op de best gelijkende bron en de bewijswaarde van de overeenkomst in de kenmerken tussen deze bron en het spoor wordt gerapporteeerd > Moeten we corrigeren voor het aantal vergelijkingen dat is gemaakt? > Moeten we corrigeren voor de voorselectie ( selection bias ), zodat we al bij voorbaat weten dat we een look-alike gaan vergelijken?
38 Fingerprints: Brandon Mayfield
39 Vezel vergelijking
40 Beeld vergelijking
41 Dienstroosterdata: Lucia de B.
42 Criminele analyses Kenniscentrum intelligente dataanalyse (NFI / KECIDA)
43 Antwoord: Bayesiaanse model voor interpretatie bewijs Er is geen enkel probleem met dubbele rollen Voor data-afhankelijke hypothesen en selection bias wordt gecorrigeerd via de prior kansen op de hypothesen, dus dit is ook geen enkel probleem Meer vergelijkingen voegt alleen maar informatie toe en is ook geen probleem Zie Sjerps en Meester (2009)
44 Search en Selectie effecten: verzekeringsfraude
45 Verzekeringsfraude (?) Twee situaties: 1. Probable cause: Er zijn externe aanwijzingen dat Jan fraudeert (bijvoorbeeld aangifte door collega). Op basis hiervan wordt de score op parameter S van Jan vergeleken met een databestand. Het blijkt dat de score van Jan (s) opvallend hoog is. 2. Database screen: Een analist onderzoekt een groot databestand. Jan valt op omdat hij een opvallend hoge score (s) heeft voor parameter S (bijv aantal declaraties). Jan wordt op basis hiervan verdacht van fraude en er wordt een onderzoek naar hem gestart. Relevante vraag: hoe groot is de kans dat Jan fraudeert?
46 Database screen: vragen - Mag de score s van Jan dubbel gebruikt worden in situatie 2: eerst om Jan als verdachte te selecteren en vervolgens als bewijs tegen hem? - Hypothese Jan fraudeert is data-afhankelijk (je stelt hem pas op nadat je het bestand hebt gescreend). Mag dat? - Zoekproces levert altijd een verdachte met hoge score op. Is er correctie nodig voor de selectie bias?
47 LR benadering H p : Jan fraudeert H d : Jan is eerlijk I: alle achtergrondinformatie E: score van Jan (s) prior odds x LR = Posterior odds P[H p ] x [E H p ] = P[H p E] P[H d ] P[E H d ] P[H d E]
48 De Likelihood Ratio (LR): verzekeringsfraude Kans dat Jan score s heeft, als hij fraudeert Kans dat Jan score s heeft, als hij eerlijk is = x% y% = LR
49 Aandachtspunt Vrij hoge score maar geen andere aanwijzingen Extreem hoge score en andere aanwijzingen Toeval zeker niet uitgesloten Toeval vrijwel uitgesloten
50 Samenvatting fraude Bewijskracht score s neemt niet af bij groter databestand Dubbele rol informatie (selectie en bewijs), dataafhankelijke hypothesen, selection bias zijn geen probleem: correctie met prior odds. Bij een database screen kan overige bewijs ontbreken Als bewijskracht (LR) van de score niet extreem hoog is dan een reële kans dat verdachte niet fraudeerde Beslisser moet bewijskacht van de score wegen met overige bewijs
51 ICFIS August 2014 Welcome to the Netherlands! 9th International Conference on Forensic Inference and Statistics
Forensische Statistiek
Korteweg-de Vries Instituut voor Wiskunde Universiteit van Amsterdam Wiskunde D-dag 1 juni 2011 Outline Misdrijf 1 Misdrijf 2 3 4 Outline Misdrijf 1 Misdrijf 2 3 4 Forum Romanum Forensisch Forum = markt
Nadere informatieVakbijlage - De reeks waarschijnlijkheidstermen van het NFI en het Bayesiaanse model voor interpretatie van bewijs
Vakbijlage De reeks waarschijnlijkheidstermen van het NFI en het Bayesiaanse model voor interpretatie van bewijs Inhoudsopgave 1. De vakbijlage algemeen 1.! 2.! 3.! 4.! 5.! 6.! 7.! Het Nederlands Forensisch
Nadere informatieDe Essenties van forensisch DNA-onderzoek. Samenvatting interpretatie DNA-bewijs
EDERLA DSFORE SISCHIN TITUUT De Essenties van forensisch DNA-onderzoek Samenvatting interpretatie DNA-bewijs 2007 Nederlands Forensisch Instituut Alle rechten voorbehouden. Niets uit deze uitgave mag worden
Nadere informatieBerekening en toepassing van forensische bewijswaarde: frequentistisch of Bayesiaans?
bewijs Berekening en toepassing van forensische bewijswaarde: frequentistisch of Bayesiaans? Nederlands Instituut, en VU Universiteit Amsterdam k.slooten@vu.nl Nationale Wiskundedagen, 3 februari 2018
Nadere informatieVakbijlage De reeks waarschijnlijkheidstermen van het NFI en het Bayesiaanse model voor interpretatie van bewijs
Vakbijlage De reeks waarschijnlijkheidstermen van het NFI en het Bayesiaanse model voor interpretatie van bewijs Inhoudsopgave 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. Wat is een vakbijlage? Inleiding
Nadere informatieBerekening en toepassing van forensische bewijswaarde: frequentistisch of Bayesiaans?
Berekening en toepassing van forensische bewijswaarde: frequentistisch of Bayesiaans? Nederlands Instituut, en VU Universiteit Amsterdam LR in een k.slooten@vu.nl Nationale Wiskundedagen, Veldhoven, 1
Nadere informatieBayes Factor voor samengestelde hypothesen
Bayes Factor voor samengestelde hypothesen Rob Steur 20 juli 2012 Bachelorscriptie Begeleiding: prof. dr. Marjan Sjerps Tweedebeoordelaar: dr. A.J. (Bert) van Es Thomas Bayes (1702-1761) KdV Instituut
Nadere informatieDNA Profile. DNA profielen. DNA profielen. DNA profielen. DNA profielen
Succesvol Onderscheidend vermogen Wetenschappelijke grondslag Precieze statistische informatie (Random Match Probability) www.ai.rug.nl/forensicscience/ DNA Profile Locus Alleles times allele observed
Nadere informatieBewijs en overtuiging: Redeneren in de rechtszaal
Bewijs en overtuiging: Redeneren in de rechtszaal Charles Berger 1, Diederik Aben 2 In het huidige deel van dit drieluik komen wij te spreken over de toepassing van het Bayesiaanse redeneerschema in de
Nadere informatieCriminalistiek is terugredeneren
Criminalistiek is terugredeneren Logisch correct redeneren in forensische rapportages......en in de rechtszaal Charles Berger 1 De wetenschap speelt een toenemende rol in het strafrecht, en terecht worden
Nadere informatienaar sporen Forensisch expert worden
Speuren B naar sporen Forensisch expert worden 3. Vaststellen identiteit Deze les ga je je verdiepen in één specifiek forensisch onderzoeksgebied. Je wordt als het ware zelf een beetje forensisch expert.
Nadere informatieStatistische paradoxen in de rechtszaal - theorie, voorbeelden en antwoorden
Statistische paradoxen in de rechtszaal - theorie, voorbeelden en antwoorden Charlotte Vlek www.charlottevlek.nl c.s.vlek@rug.nl 1 februari, 2014 1 Theorie 1.1 Bayesiaanse statistiek Met Bayesiaanse statistiek
Nadere informatieDe Essenties van forensisch DNA-onderzoek. 8 Interpretatie van DNA-bewijs III
EDERLA DSFORE SISCHIN TITUUT De Essenties van forensisch DNA-onderzoek 8 Interpretatie van DNA-bewijs III de context van de berekende frequentie 2007 Nederlands Forensisch Instituut Alle rechten voorbehouden.
Nadere informatieStatistiek voor A.I. College 7. Dinsdag 2 Oktober
Statistiek voor A.I. College 7 Dinsdag 2 Oktober 1 / 30 2 Deductieve statistiek Kansrekening 2 / 30 Vraag: test Een test op HIV is 90% betrouwbaar: als een persoon HIV heeft is de kans op een positieve
Nadere informatieBewijskracht 10, volle vaart recht vooruit
Bewijskracht 10, volle vaart recht vooruit Bewijskracht 10, volle vaart recht vooruit Rede in verkorte vorm uitgesproken bij de aanvaarding van het ambt van bijzonder hoogleraar Forensische Statistiek
Nadere informatieHOOFDSTUK 6: INTRODUCTIE IN STATISTISCHE GEVOLGTREKKINGEN
HOOFDSTUK 6: INTRODUCTIE IN STATISTISCHE GEVOLGTREKKINGEN Inleiding Statistische gevolgtrekkingen (statistical inference) gaan over het trekken van conclusies over een populatie op basis van steekproefdata.
Nadere informatieCriminalistiek is terugredeneren
646 Praktijk Criminalistiek is terugredeneren Logisch correct redeneren in forensische rapportages... en in de rechtszaal Charles Berger 1 DE WETENSCHAP SPEELT EEN TOENEMENDE ROL IN HET STRAFRECHT, EN
Nadere informatieHet juiste gewicht in de schaal
Het juiste gewicht in de schaal Charles Berger * Meten is weten, luidt de gevleugelde kreet, en meten kan inderdaad belangrijke informatie opleveren. Alleen zal voor het trekken van conclusies uit meetresultaten
Nadere informatieStatistische paradoxen in de rechtszaal - opdrachten
Statistische paradoxen in de rechtszaal - opdrachten Charlotte Vlek www.charlottevlek.nl c.s.vlek@rug.nl 1 februari, 2014 Opdracht 1: de regel van Bayes De regel van Bayes is P (H E) = P (E H)P (H) P (E)
Nadere informatieIs statistiek wel betrouwbaar?
Wintersymposium KONINKLIJK WISKUNDIG GENOOTSCHAP Is statistiek wel betrouwbaar? ZATERDAG 12 JANUARI 2019 UNIVERSITEIT UTRECHT Academiegebouw (bij de Dom) THEMA Dit jaar is het thema van het wintersymposium
Nadere informatieBig Data en de officiële statistiek Enkele voorbeelden
Big Data en de officiële statistiek Enkele voorbeelden Piet Daas, May Offermans, Martijn Tennekes, Alex Priem, Paul van den Hurk Overzicht Het CBS Data en bronnen Waarom Big Data? 3V s en mogelijk gebruik
Nadere informatieDe Essenties van forensisch DNA-onderzoek. 7 Interpretatie van DNA-bewijs II
EDERLA DSFORE SISCHIN TITUUT De Essenties van forensisch DNA-onderzoek 7 Interpretatie van DNA-bewijs II onvolledige DNA-profielen en DNA-mengprofielen 2007 Nederlands Forensisch Instituut Alle rechten
Nadere informatieBig Data en het CBS. Enkele voorbeelden. Piet Daas, May Offermans, Martijn Tennekes, Alex Priem, Paul van den Hurk
Big Data en het CBS Enkele voorbeelden Piet Daas, May Offermans, Martijn Tennekes, Alex Priem, Paul van den Hurk Overzicht Wat is Big Data? Definitie en eigenschappen Relatie tot de statistiek Waarom?
Nadere informatieKansrekening in forensisch DNA-onderzoek
1 26 NAW 5/13 nr. 1 maart 2012 Kansrekening in forensisch DNA-onderzoek Klaas-Jan Slooten Klaas-Jan Slooten Nederlands Forensisch Instituut Postbus 24044 2490 AA Den Haag k.slooten@nfi.minvenj.nl Onderzoek
Nadere informatieIs Bewijsrecht Kans-Loos?
Is Bewijsrecht Kans-Loos? Peter Grünwald CWI / Leiden (Veruit) Belangrijkste Boodschap Stel, er is iets heel onverwachts gebeurd; iets met een hele kleine kans. Men redeneert vaak als volgt:...er is iets
Nadere informatieKansloos: van Willem Ruis tot Lucia de B.
Kansloos: van Willem Ruis tot Lucia de B. Peter Grünwald Centrum voor Wiskunde en Informatica Kruislaan 413, 1098 XJ Amsterdam homepages.cwi.nl/~pdg Uitspraken van de vorm deze gebeurtenis heeft X procent
Nadere informatieHet vaststellen van feiten in strafzaken: een forensisch perspectief. Marjan Sjerps 18 maart NFI -KdVI en CLHC, UvA
Het vaststellen van feiten in strafzaken: een forensisch perspectief Marjan Sjerps 18 maart 2015 -NFI -KdVI en CLHC, UvA VOORBEELDEN BAYES NETS IN FORENSIC SCIENCE 2 Bayesiaanse netwerken -demo munt 3
Nadere informatieNaar wettig en overtuigend bewijs
Naar wettig en overtuigend bewijs Who never doubted never half believed. Where doubt there truth is t is her shadow Philip James Bailey Over bewijs in strafzaken Strafproces neemt onzekerheid over misdrijf
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 10 Donderdag 14 Oktober 1 / 71 1 Kansrekening Indeling: Bayesiaans leren 2 / 71 Bayesiaans leren 3 / 71 Bayesiaans leren: spelletje Vb. Twee enveloppen met kralen, waarvan
Nadere informatieFormulier voor het beoordelen van de kwaliteit van een artikel over een diagnostische test of screeningsinstrument.
Formulier voor het beoordelen van de kwaliteit van een artikel over een diagnostische test of screeningsinstrument. Behorend bij: Evidence-based logopedie, hoofdstuk 3. Toelichting bij de criteria voor
Nadere informatie3p 1 Onderzoek of de relatieve toename van het aandeel van armen en handen groter is dan de relatieve toename van het aandeel van benen en voeten.
Lichaamsoppervlak De buitenkant van je lichaam is je lichaamsoppervlak. Gegevens over iemands lichaamsoppervlak worden bijvoorbeeld gebruikt voor risicoanalyse bij bestrijdingsmiddelen. De schadelijke
Nadere informatieDNA in strafzaken: een analyse van het gebruik. Caroline Stappers 26 april 2018
DNA in strafzaken: een analyse van het gebruik Caroline Stappers 26 april 2018 DNA Bevat genetisch informatie Uniek voor ieder individu (m.u.v. identieke tweelingen) Gelijk in iedere cel (bv. speeksel,
Nadere informatieStochastiek 2. Inleiding in the Mathematische Statistiek. staff.fnwi.uva.nl/j.h.vanzanten
Stochastiek 2 Inleiding in the Mathematische Statistiek staff.fnwi.uva.nl/j.h.vanzanten 1 / 12 H.1 Introductie 2 / 12 Wat is statistiek? - 2 Statistiek is de kunst van het (wiskundig) modelleren van situaties
Nadere informatieRegistratie-eisen en toetsingsprocedure Humane DNA-analyse en -interpretatie 001.1. Versie 1.1 (Juli 2010)
Humane DNA-analyse en -interpretatie 001.1 Versie 1.1 (Juli 2010) Registratie-eisen en toetsingsprocedure Humane DNA-analyse en - interpretatie De kwaliteitseisen geformuleerd in het tweede lid van artikel
Nadere informatieDNA-bewijs ontrafeld. Door: Fleur le Roy, masterstudente strafrecht
DNA-bewijs ontrafeld Door: Fleur le Roy, masterstudente strafrecht Tunnelvisie, confirmation bias, falsificatie en cognitieve dissonantie. Het zijn termen die refereren naar het altijd bestaande gevaar
Nadere informatieBayesiaanse analyses van complexe strafzaken door deskundigen. Betrouwbaar en zo ja: nuttig? 1
Bayesiaanse analyses van complexe strafzaken door deskundigen. Betrouwbaar en zo ja: nuttig? 1 Henry Prakken Faculteit der Rechtsgeleerdheid, Rijksuniversiteit Groningen & Faculteit Bètawetenschappen,
Nadere informatieBewijs en overtuiging: Een helder zicht op valkuilen
Bewijs en overtuiging: Een helder zicht op valkuilen Charles Berger*, Diederik Aben** Met dit derde deel sluiten we het drieluik bewijs en overtuiging af. Als u de eerste twee delen (nog) niet gelezen
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 8 Vrijdag 2 Oktober 1 / 17 1 Kansrekening Geschiedenis en filosofie 2 / 17 De Kolmogorov Axioma s De kansrekening kan uit deze axioma s worden opgebouwd: 3 / 17 De Kolmogorov
Nadere informatieKansrekening en Statistiek. Overzicht Kansrekening
Kansrekening en Statistiek Overzicht Kansrekening 1 / 30 Overzicht: stochasten Discrete stochasten X - distributiefuncties f P(X A) = i A f (x) = i A P(X = i). 2 / 30 Overzicht: stochasten Discrete stochasten
Nadere informatieExamen VWO. wiskunde C (pilot) tijdvak 1 woensdag 22 mei uur. Bij dit examen hoort een uitwerkbijlage.
Examen VWO 2013 tijdvak 1 woensdag 22 mei 13.30-16.30 uur wiskunde C (pilot) Bij dit examen hoort een uitwerkbijlage. Dit examen bestaat uit 22 vragen. Voor dit examen zijn maximaal 78 punten te behalen.
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 9 Dinsdag 12 Oktober 1 / 21 1 Kansrekening Indeling: Stelling van Bayes Bayesiaans leren 2 / 21 Vraag: test Een test op HIV is 90% betrouwbaar: als een persoon HIV heeft
Nadere informatieStatistiek in de rechtszaal Het proces van Lucia de B
Statistiek in de rechtszaal Het proces van Lucia de B Willem R. van Zwet HOVO Leiden, november 2011 1 V=27 verplegenden D=1029 diensten van 8 uur (d.w.z. 343 dagen) D L =142 diensten van Lucia I=8 incidenten
Nadere informatieMicrodata Services. Documentatie Volgtijdelijk vergelijkbare Persoon_id's van personen (VTVPERSOONTAB)
Documentatie Volgtijdelijk vergelijkbare Persoon_id's van personen (VTVPERSOONTAB) Datum: 11 april 2019 Bronvermelding Publicatie van uitkomsten geschiedt door de onderzoeksinstelling of de opdrachtgever
Nadere informatieDATATEAMS VOOR ONDERWIJSVERBETERING. SOK studiedag, 6 juni 2014 Kim Schildkamp: k.schildkamp@utwente.nl
DATATEAMS VOOR ONDERWIJSVERBETERING SOK studiedag, 6 juni 2014 Kim Schildkamp: k.schildkamp@utwente.nl Programma Opbrengstgericht werken Wat is het en waarom belangrijk? Datateam methode Resultaten onderzoek
Nadere informatieDigitale sporen Kansen voor de opsporing. Christianne de Poot
Digitale sporen Kansen voor de opsporing Christianne de Poot opsporing en bewijs Opsporing en vervolging van misdrijven (strafrechtelijk onderzoek) Reactief onderzoek: Inzetten van opsporingsmiddelen om
Nadere informatieForensisch onderzoek in de strafketen
Forensisch onderzoek in de strafketen Studiekring over Strafrecht. 17 maart 2016 Forensisch onderzoek in de strafketen Agenda: Forensisch onderzoek (film NFI?) Bayesiaanse statistiek en niveaus van hypotheses
Nadere informatieDNA-verwantschapsonderzoek
Vakbijlage DNA-verwantschapsonderzoek Versie 2 Vakbijlage DNA-verwantschapsonderzoek versie 2 1/5 Inleiding Deze vakbijlage DNA-verwantschapsonderzoek dient als algemene toelichting op het onderzoek en
Nadere informatieLeerlingenhandleiding
Leerlingenhandleiding Afsluitende module Wie van de drie? Ontwikkeld door het Forensic Genomics Consortium Netherlands (opgeheven in 2013) in samenwerking met Its Academy en de Faculteit der Natuurwetenschappen,
Nadere informatieTechnische Universiteit Delft Faculteit Elektrotechniek, Wiskunde en Informatica Delft Institute of Applied Mathematics
Technische Universiteit Delft Faculteit Elektrotechniek, Wiskunde en Informatica Delft Institute of Applied Mathematics Statistiek in de rechtszaal: Wiskundige modellen achter de zaak Lucia de B. (Engelse
Nadere informatieSamenvatting Dutch summary
Samenvatting Dutch summary SAMENVATTING INTRODUCTIE De afgelopen jaren zijn er in Nederland verschillende moordzaken geweest die vanaf de aanvang van het opsporingsonderzoek verkeerd werden geïnterpreteerd
Nadere informatieValkuilen bij Nulhypothese Toetsen inleiding tot het gastcollege van Dr. Eric-Jan Wagenmakers. Peter Grünwald HOVO
Valkuilen bij Nulhypothese Toetsen inleiding tot het gastcollege van Dr. Eric-Jan Wagenmakers Peter Grünwald HOVO 24-10 2011 Frequentistisch Toetsen Vrijwel alle wetenschappelijke onderzoeken waarover
Nadere informatieVrije Universiteit 28 mei Gebruik van een (niet-grafische) rekenmachine is toegestaan.
Afdeling Wiskunde Volledig tentamen Statistics Deeltentamen 2 Statistics Vrije Universiteit 28 mei 2015 Gebruik van een (niet-grafische) rekenmachine is toegestaan. Geheel tentamen: opgaven 1,2,3,4. Cijfer=
Nadere informatieForensische statistiek
106 NAW 5/5 nr. 2 juni 2004 Forensische statistiek Marjan Sjerps Marjan Sjerps Nederlands Forensisch Instituut Volmerlaan 17 2288 GD Rijswijk m.sjerps@nfi.minjus.nl Onderzoek Forensische statistiek Forensische
Nadere informatieStageopdrachten Zilveren Kruis
Stageopdrachten Zilveren Kruis Opdracht 1: Subgroup Discovery -> regionale analyse 2 Opdracht 2: Profiling: wie zijn de fraudeurs? 4 Opdracht 3: Modelleren van Risico s in een Bayesian Network 5 Opdracht
Nadere informatieIn onderling verband en in samenhang bezien
Frans Alkemade en Harry Stikkelbroeck Dr. F. Alkemade werkt als cursusdocent voor de SSR en treedt af en toe op als Bayesiaans deskundige in strafzaken. Ook is hij fysicus en als atmosfeeronderzoeker verbonden
Nadere informatieInterdisciplinair Forensisch Onderzoek
Vakbijlage Interdisciplinair Forensisch Onderzoek Inhoudsopgave 1. De vakbijlage algemeen 2. Inleiding vakgebied 3. Scenario s en hypothesen 4. Kernelementen 5. Contextinformatie 6. Combineren van resultaten
Nadere informatieTweede Kamer der Staten-Generaal
Tweede Kamer der Staten-Generaal 2 Vergaderjaar 2016 2017 Aanhangsel van de Handelingen Vragen gesteld door de leden der Kamer, met de daarop door de regering gegeven antwoorden 2224 Vragen van het Van
Nadere informatieStatistiek en Rechtspraak prima combinatie of riskant?
Statistiek en Rechtspraak prima combinatie of riskant? BWI-werkstuk geschreven door: Margaret van Valkengoed Bedrijfswiskunde & Informatica Vrije Universiteit, Amsterdam 1 Voorwoord Een van de laatste
Nadere informatieSamenvatting NLT Forensisch onderzoek
Samenvatting NLT Forensisch onderzoek Samenvatting door D. 3149 woorden 2 november 2014 7,3 45 keer beoordeeld Vak NLT Forensich onderzoek is natuurwetenschappelijk onderzoek, doel > analyse maken van
Nadere informatieNederlands bedrijfsleven: maak faillissementsfraude snel openbaar
Nederlands bedrijfsleven: maak faillissementsfraude snel openbaar Korte peiling over een actueel onderwerp op het gebied van credit management juni 2014 Tussentijdse meting Trendmeter 14 B16475 / juni
Nadere informatiewaar of niet waar vrouwen doen beter rijexamen dan mannen
waar of niet waar vrouwen doen beter rijexamen dan mannen Hoe weet je wat waar is? En hoe kan statistiek je daarbij helpen? Onderzoek het verschil tussen twee groepen Na de les ken je de techniek om te
Nadere informatieOnderzoek: 23 augustus 2018 Auteur: Lisette van Vliet. DNA afstaan verplichten?
Onderzoek: 23 augustus 2018 Auteur: Lisette van Vliet DNA afstaan verplichten? Samenvatting Samenvatting 'Verplicht DNA-afname' Een meerderheid (66%) vindt het een goed idee om DNA-afname bij een bepaalde
Nadere informatieDe Essenties van forensisch DNA-onderzoek. 6 Interpretatie van DNA-bewijs I
EDERLA DSFORE SISCHIN TITUUT De Essenties van forensisch DNA-onderzoek 6 Interpretatie van DNA-bewijs I match en berekende frequentie 2007 Nederlands Forensisch Instituut Alle rechten voorbehouden. Niets
Nadere informatieSystematische review als middel tot synthese van bestaande kennis
Systematische review als middel tot synthese van bestaande kennis Trudy Bekkering, epidemioloog Cebam, 2018 1 Inhoud Achtergrond Wat is een systematische review? Hoe systematische reviews maken? Verschillende
Nadere informatieOver Het Bedrijven van Statistiek in Kansloze Situaties
Over Het Bedrijven van Statistiek in Kansloze Situaties Arrest in Hoger Beroep Lucia de B. Gerechtshof s Gravenhage, 2004 Op pagina 1 (!) lezen wij: toevalsberekeningen gebruikt.... Peter Grünwald CWI
Nadere informatieKansoordelen door deskundigen: over logisch rapporteren en wat daarbij mis kan gaan
740 Ars Aequi september 2018 rode draad Rode draad Kansen & risico s Kansoordelen door deskundigen: over logisch rapporteren en wat daarbij mis kan gaan Henry Prakken* Kansoordelen door deskundigen worden
Nadere informatieConclusies. Martijn de Ruyter de Wildt en Henk Eskes. KNMI, afdeling Chemie en Klimaat Telefoon +31-30-2206431 e-mail mruijterd@knmi.
Lotos-Euros v1.7: validatierapport voor 10 en bias-correctie Martijn de Ruyter de Wildt en Henk Eskes KNMI, afdeling Chemie en Klimaat Telefoon +31-30-2206431 e-mail mruijterd@knmi.nl Conclusies Bias-correctie:
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 12 Donderdag 21 Oktober 1 / 38 2 Statistiek Indeling: Stochast en populatie Experimenten herhalen Wet van de Grote Getallen Centrale Limietstelling 2 / 38 Deductieve
Nadere informatieintroductie populatie- steekproef- steekproevenverdeling pauze parameters aannames ten slotte
toetsende statistiek week 1: kansen en random variabelen week 2: de steekproevenverdeling Moore, McCabe, and Craig. Introduction to the Practice of Statistics Chapter 5: Sampling Distributions 5.1: The
Nadere informatieBewijs en overtuiging: Rationeel redeneren sinds Aristoteles
Bewijs en overtuiging: Rationeel redeneren sinds Aristoteles Charles Berger 1, Diederik Aben 2 Rechters veronderstellen soms hun werk te doen op basis van Aristoteles, ervaring en intuïtie. Fingerspitzengefühl
Nadere informatieHoofdstuk 12: Eenweg ANOVA
Hoofdstuk 12: Eenweg ANOVA 12.1 Eenweg analyse van variantie Eenweg en tweeweg ANOVA Wanneer we verschillende populaties of behandelingen met elkaar vergelijken, dan zal er binnen de data altijd sprake
Nadere informatieGEBRUIK DEZE HANDLEIDING VOOR HET OPZOEKEN EN CORRIGEREN VAN ONVOLLEDIGE VERSLAGEN IN VREST
H A N D L E I D I N G C O N T R O L E V E R S L A G E N V R E S T GEBRUIK DEZE HANDLEIDING VOOR HET OPZOEKEN EN CORRIGEREN VAN ONVOLLEDIGE VERSLAGEN IN VREST Vanuit de dagelijkse inzending naar de Vrest
Nadere informatieModule E: Van wie zijn de haren op het dode lichaam?
Module E: Van wie zijn de haren op het dode lichaam? Situatieschets Bij het onderzoek door de politie is gebleken dat er op het lichaam van Willem enkele haren zijn gevonden. Die kunnen afkomstig zijn
Nadere informatieDe Verborgen Boodschap van Buitenzintuiglijke Waarneming. Eric-Jan Wagenmakers
De Verborgen Boodschap van Buitenzintuiglijke Waarneming Eric-Jan Wagenmakers Links? Rechts? Typ hier de footer 2 Uh la la Typ hier de footer 3 Links? Rechts? Typ hier de footer 4 Links? Typ hier de footer
Nadere informatieBeschrijvende statistieken
Elske Salemink (Klinische Psychologie) heeft onderzocht of het lezen van verhaaltjes invloed heeft op angst. Studenten werden at random ingedeeld in twee groepen. De ene groep las positieve verhaaltjes
Nadere informatieReactie op Alkemades weerwoord
Reactie op Alkemades weerwoord Ronald Meester Afdeling Wiskunde Vrije Universiteit Amsterdam Henry Prakken Faculteit der Rechtsgeleerdheid, Rijksuniversiteit Groningen & Faculteit Bètawetenschappen, Departement
Nadere informatieUvA-DARE (Digital Academic Repository) Meer voorzorg bij DNA-onderzoek M'charek, A.A.; Toom, V.H. Published in: Het Tijdschrift voor de Politie
UvA-DARE (Digital Academic Repository) Meer voorzorg bij DNA-onderzoek M'charek, A.A.; Toom, V.H. Published in: Het Tijdschrift voor de Politie Link to publication Citation for published version (APA):
Nadere informatieLiteratuuronderzoek. Systematische Review Meta-Analyse. KEMTA Andrea Peeters
Literatuuronderzoek Systematische Review Meta-Analyse KEMTA Andrea Peeters Waarom doen? Presentatie 1. Begrippen systematische review en meta-analyse 2. Hoe te werk gaan bij het opzetten van een review
Nadere informatieTentamen Inleiding Intelligente Data Analyse Datum: Tijd: , BBL 420 Dit is geen open boek tentamen.
Tentamen Inleiding Intelligente Data Analyse Datum: 19-12-2002 Tijd: 9.00-12.00, BBL 420 Dit is geen open boek tentamen. Algemene aanwijzingen 1. U mag ten hoogste één A4 met aantekeningen raadplegen.
Nadere informatievan Willem Ruis tot Lucia de B.
Kansloos: van Willem Ruis tot Lucia de B. Deel II * Centrum voor Wiskunde en Informatica, Kruislaan 413, 1098 XJ Amsterdam. Internet: homepages.cwi.nl/~pdg Uitspraken van de vorm deze gebeurtenis heeft
Nadere informatieInleidend College HOVO Gebruik en Misbruik Statistiek
Inleidend College HOVO Gebruik en Misbruik Statistiek Deze slides worden op de website gezet! Docenten: Richard Gill, Willem van Zwet, Peter Grünwald Web: http://www.math.leidenuniv.nl/~gill/hovo 17-10:
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 5 Dinsdag 27 September 1 / 30 1 Kansrekening Vandaag: Voorwaardelijke kansen Onafhankelijkheid Stelling van Bayes 2 / 30 Vraag: test Een test op HIV is 90% betrouwbaar:
Nadere informatieVIII NIEUW FORENSISCH-TECHNISCH FEIT: DE PIEKENPROFIELEN EN IMPACT OP BEWIJSCONSTRUCTIE HOF
VIII NIEUW FORENSISCH-TECHNISCH FEIT: DE PIEKENPROFIELEN EN IMPACT OP BEWIJSCONSTRUCTIE HOF 1. Een vijfde novum in forensisch-technische zin wordt gevormd door het volgende feit. Zoals hiervoor aangetoond
Nadere informatieBayesiaans leren. Les 1: Bayesiaanse statistiek. Joris Bierkens. augustus Vakantiecursus 1/14
Bayesiaans leren Les 1: Bayesiaanse statistiek Joris Bierkens Vakantiecursus augustus 2019 1/14 Next Section 1 Bayesiaanse statistiek 2 Neurale netwerken 2/14 InBraak Alarm Wordt er ingebroken? Als er
Nadere informatieDatum 26 juni 2017 Onderwerp Antwoorden Kamervragen over de slechte kwaliteit van NFI rapporten
1 > Retouradres Postbus 20301 2500 EH Den Haag Aan de Voorzitter van de Tweede Kamer der Staten-Generaal Postbus 20018 2500 EA Den Haag Turfmarkt 147 2511 DP Den Haag Postbus 20301 2500 EH Den Haag www.rijksoverheid.nl/venj
Nadere informatieSekseverschillen in Huilfrequentie en Psychosociale Problemen. bij Schoolgaande Kinderen van 6 tot 10 jaar
Sekseverschillen in Huilfrequentie en Psychosociale Problemen bij Schoolgaande Kinderen van 6 tot 10 jaar Gender Differences in Crying Frequency and Psychosocial Problems in Schoolgoing Children aged 6
Nadere informatieExamen VWO. wiskunde C. tijdvak 1 woensdag 22 mei 13.30-16.30 uur. Bij dit examen hoort een uitwerkbijlage.
Examen VWO 2013 tijdvak 1 woensdag 22 mei 13.30-16.30 uur wiskunde C Bij dit examen hoort een uitwerkbijlage. Dit examen bestaat uit 21 vragen. Voor dit examen zijn maximaal 79 punten te behalen. Voor
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 6 Donderdag 30 September 1 / 25 1 Kansrekening Indeling: Voorwaardelijke kansen Onafhankelijkheid Stelling van Bayes 2 / 25 Vraag: Afghanistan Vb. In het leger wordt
Nadere informatieHoe werkt digitaal forensisch bewijs? dr.ir. Harm van Beek
Hoe werkt digitaal forensisch bewijs? dr.ir. Harm van Beek 13 september 2019 zaakonderzoek / R&D / onderwijs ±550 medewerkers / ±30 disciplines forensisch = gerechtelijk 4 foto: Telegraaf 6 herkennen conserveren
Nadere informatieExamen HAVO. Wiskunde A (oude stijl)
Wiskunde A (oude stijl) Examen HAVO Hoger Algemeen Voortgezet Onderwijs Tijdvak 1 Woensdag 23 mei 13.30 16.30 uur 20 01 Voor dit examen zijn maximaal 90 punten te behalen; het examen bestaat uit 20 vragen.
Nadere informatieHoeveel vertrouwen heb ik in mijn onderzoek en conclusie? Les 1
Hoeveel vertrouwen heb ik in mijn onderzoek en conclusie? Les 1 1 Onderwerpen van de lessenserie: De Normale Verdeling Nul- en Alternatieve-hypothese ( - en -fout) Steekproeven Statistisch toetsen Grafisch
Nadere informatieLijk in koffer, Ro-erdam 1927
Lijk in koffer, Ro-erdam 1927 Prof. Dr. Peter de Knijff Forensisch Laboratorium voor DNA Onderzoek (FLDO) Afdeling Humane GeneNca LUMC en het Forensisch Genomisch ConsorNum Nederland (FGCN) het begin van
Nadere informatieLeerlinghandleiding. Afsluitende module. Wie van de drie?
Leerlinghandleiding Afsluitende module Wie van de drie? Ontwikkeld door het Forensic Genomics Consortium Netherlands in samenwerking met Its Academy Tekst Gerrianne Koeman - van der Velde, Dianne Hamerpagt,
Nadere informatieVerdieping: DNA alleen onvoldoende bewijs
Verdieping: DNA alleen onvoldoende bewijs Korte omschrijving werkvorm: De leerlingen luisteren naar een radiofragment van Goedemorgen Nederland en lezen een tekst uit dagblad Trouw over de bewijsvoering
Nadere informatieNederlandse samenvatting. (summary in Dutch)
(summary in Dutch) Type 2 diabetes is een chronische ziekte, waarvan het voorkomen wereldwijd fors toeneemt. De ziekte wordt gekarakteriseerd door chronisch verhoogde glucose spiegels, wat op den duur
Nadere informatieP-waardes deugen niet!
Paranormale Statistiek Peter Grünwald Paranormale Statistiek Peter Grünwald Centrum Wiskunde & Informatica Amsterdam Mathematisch Instituut Universiteit Leiden Dia 35-37 zijn, met toestemming, overgenomen
Nadere informatieSPSS Introductiecursus. Sanne Hoeks Mattie Lenzen
SPSS Introductiecursus Sanne Hoeks Mattie Lenzen Statistiek, waarom? Doel van het onderzoek om nieuwe feiten van de werkelijkheid vast te stellen door middel van systematisch onderzoek en empirische verzamelen
Nadere informatieRekenen aan de zaak Lucy de B.
A.F. DE VOS Rekenen aan de zaak Lucy de B. 1 Inleiding Het gerechtshof in Den Haag heeft op 19 juni 2004 de Haagse verpleegkundige Lucia de B. in hoger beroep veroordeeld tot levenslange gevangenisstraf
Nadere informatieHieronder vindt u antwoorden op veel gestelde vragen over het VISAGE project en het VISAGE consortium.
Hieronder vindt u antwoorden op veel gestelde vragen over het VISAGE project en het VISAGE consortium. 1. Waarom wordt binnen het VISAGE project onderzoek gedaan aan forensische DNAfenotypering? Het VISAGE
Nadere informatieNieuw DNA-onderzoek Nicky Verstappen. Uw hulp is onmisbaar bij het oplossen van dit misdrijf
Nieuw DNA-onderzoek Nicky Verstappen Uw hulp is onmisbaar bij het oplossen van dit misdrijf 1 Het mysterie rond de dood van Nicky Verstappen In de nacht van zondag 9 op maandag 10 augustus 1998 verdween
Nadere informatie