.tb-button{color:#f1f1f1}.tb-button--left{text-align:left}.tb-button--center{text-align:center}.tb-button--right{text-align:right}.tb-button__link{color:inherit;cursor:pointer;display:inline-block;line-height:100%;text-decoration:none !important;text-align:center;transition:all 0.3s ease}.tb-button__link:hover,.tb-button__link:focus,.tb-button__link:visited{color:inherit}.tb-button__link:hover .tb-button__content,.tb-button__link:focus .tb-button__content,.tb-button__link:visited .tb-button__content{font-family:inherit;font-style:inherit;font-weight:inherit;letter-spacing:inherit;text-decoration:inherit;text-shadow:inherit;text-transform:inherit}.tb-button__content{vertical-align:middle;transition:all 0.3s ease}.tb-button__icon{transition:all 0.3s ease;display:inline-block;vertical-align:middle;font-style:normal !important}.tb-button__icon::before{content:attr(data-font-code);font-weight:normal !important}.tb-button__link{background-color:#444;border-radius:0.3em;font-size:1.3em;margin-bottom:0.76em;padding:0.55em 1.5em 0.55em} .tb-button[data-toolset-blocks-button="d21cb3cfcb6a747a2b858c7e81b59caa"] { text-align: center; } .tb-button[data-toolset-blocks-button="d21cb3cfcb6a747a2b858c7e81b59caa"] .tb-button__link { background-color: rgba( 255, 255, 255, 1 );border-radius: 13px;color: rgba( 0, 0, 0, 1 );border: 2px solid rgba( 89, 52, 255, 1 );font-size: 16px;color: rgba( 0, 0, 0, 1 ); } .tb-button[data-toolset-blocks-button="d21cb3cfcb6a747a2b858c7e81b59caa"] .tb-button__icon { font-family: dashicons; } .tb-field[data-toolset-blocks-field="dd2301d13c2824d2c96b677a23505961"] { font-size: 13px;font-style: italic;color: rgba( 89, 89, 89, 1 );margin-top: 20px;margin-bottom: 20px; }  .tb-field[data-toolset-blocks-field="dd2301d13c2824d2c96b677a23505961"] a { color: rgba( 89, 89, 89, 1 );text-decoration: none; } h3.tb-heading[data-toolset-blocks-heading="3b57f2c06042c810e62cf4b0b6e91446"]  { font-size: 17px;color: rgba( 0, 0, 0, 1 ); }  h3.tb-heading[data-toolset-blocks-heading="3b57f2c06042c810e62cf4b0b6e91446"] a  { color: rgba( 0, 0, 0, 1 );text-decoration: none; } .tb-fields-and-text[data-toolset-blocks-fields-and-text="7a435434a462c5c10caa04a6fd8cf277"] { font-size: 13px;color: rgba( 123, 220, 181, 1 ); } .tb-fields-and-text[data-toolset-blocks-fields-and-text="7a435434a462c5c10caa04a6fd8cf277"] p { font-size: 13px;color: rgba( 123, 220, 181, 1 ); } .tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-container.tb-container[data-toolset-blocks-container="b5a2a1f08d1627075e53cd72b6615a53"] { padding: 25px 0 25px 0; } .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] { grid-template-columns: minmax(0, 0.72fr) minmax(0, 0.28fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 }  .tb-field[data-toolset-blocks-field="668ae1855b25b162eb8e46027e84eed6"] a { text-decoration: none; }  .tb-field[data-toolset-blocks-field="a093f80b98988f44867bc92bc8b2bcce"] a { text-decoration: none; }  .tb-field[data-toolset-blocks-field="b207be1f09b5cfeaede6a71988a74275"] a { text-decoration: none; }  .tb-field[data-toolset-blocks-field="66077008f8b3822688e427d9e039f21f"] a { text-decoration: none; } h3.tb-heading[data-toolset-blocks-heading="40237bba3ab4f27cbbbaf8fded95dd4e"]  { font-size: 16px;color: rgba( 0, 0, 0, 1 ); }  h3.tb-heading[data-toolset-blocks-heading="40237bba3ab4f27cbbbaf8fded95dd4e"] a  { color: rgba( 0, 0, 0, 1 );text-decoration: none; } .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; } .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end}h2.tb-heading[data-toolset-blocks-heading="085dbbbc0defeadc27b23b5737ace645"]  { color: rgba( 255, 255, 255, 1 );background-color: rgba( 6, 147, 227, 1 );padding-top: 20px;padding-bottom: 20px;padding-left: 25px;margin-top: 20px;margin-bottom: 20px; }  h2.tb-heading[data-toolset-blocks-heading="085dbbbc0defeadc27b23b5737ace645"] a  { color: rgba( 255, 255, 255, 1 );text-decoration: none; } .tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-container.tb-container[data-toolset-blocks-container="7990017b9d2a69714997192d12cdf930"] { padding: 25px;box-shadow: 5px 5px 10px 0 rgba( 0, 0, 0, 0.5 ); } .tb-field[data-toolset-blocks-field="793659d82f8f96b556a5767bd3036678"] { margin-top: 30px;margin-bottom: 30px; }  .tb-field[data-toolset-blocks-field="793659d82f8f96b556a5767bd3036678"] a { text-decoration: none; }  h1.tb-heading[data-toolset-blocks-heading="4f5a660589f8a2eb8e7a8502090d81dc"] a  { text-decoration: none; } @media only screen and (max-width: 781px) { .tb-button{color:#f1f1f1}.tb-button--left{text-align:left}.tb-button--center{text-align:center}.tb-button--right{text-align:right}.tb-button__link{color:inherit;cursor:pointer;display:inline-block;line-height:100%;text-decoration:none !important;text-align:center;transition:all 0.3s ease}.tb-button__link:hover,.tb-button__link:focus,.tb-button__link:visited{color:inherit}.tb-button__link:hover .tb-button__content,.tb-button__link:focus .tb-button__content,.tb-button__link:visited .tb-button__content{font-family:inherit;font-style:inherit;font-weight:inherit;letter-spacing:inherit;text-decoration:inherit;text-shadow:inherit;text-transform:inherit}.tb-button__content{vertical-align:middle;transition:all 0.3s ease}.tb-button__icon{transition:all 0.3s ease;display:inline-block;vertical-align:middle;font-style:normal !important}.tb-button__icon::before{content:attr(data-font-code);font-weight:normal !important}.tb-button__link{background-color:#444;border-radius:0.3em;font-size:1.3em;margin-bottom:0.76em;padding:0.55em 1.5em 0.55em}  .tb-container .tb-container-inner{width:100%;margin:0 auto}.tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] { grid-template-columns: minmax(0, 0.5fr) minmax(0, 0.5fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 }      .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; } .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .tb-container .tb-container-inner{width:100%;margin:0 auto}   } @media only screen and (max-width: 599px) { .tb-button{color:#f1f1f1}.tb-button--left{text-align:left}.tb-button--center{text-align:center}.tb-button--right{text-align:right}.tb-button__link{color:inherit;cursor:pointer;display:inline-block;line-height:100%;text-decoration:none !important;text-align:center;transition:all 0.3s ease}.tb-button__link:hover,.tb-button__link:focus,.tb-button__link:visited{color:inherit}.tb-button__link:hover .tb-button__content,.tb-button__link:focus .tb-button__content,.tb-button__link:visited .tb-button__content{font-family:inherit;font-style:inherit;font-weight:inherit;letter-spacing:inherit;text-decoration:inherit;text-shadow:inherit;text-transform:inherit}.tb-button__content{vertical-align:middle;transition:all 0.3s ease}.tb-button__icon{transition:all 0.3s ease;display:inline-block;vertical-align:middle;font-style:normal !important}.tb-button__icon::before{content:attr(data-font-code);font-weight:normal !important}.tb-button__link{background-color:#444;border-radius:0.3em;font-size:1.3em;margin-bottom:0.76em;padding:0.55em 1.5em 0.55em}  .tb-container .tb-container-inner{width:100%;margin:0 auto}.tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] { grid-template-columns: minmax(0, 1fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"]  > .tb-grid-column:nth-of-type(1n+1) { grid-column: 1 }      .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; } .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .tb-container .tb-container-inner{width:100%;margin:0 auto}   } 

Главная Работы на конкурс Предметное образование Технические дисциплины Статья «Оценка результатов экспертного эксперимента в рамках математико-статистического подхода и вероятностно-статистической оценки частных признаков»

Статья «Оценка результатов экспертного эксперимента в рамках математико-статистического подхода и вероятностно-статистической оценки частных признаков»

Автор: Порываева Полина Сергеевна

Место работы/учебы (аффилиация): Волгоградская академия МВД России, 3 курс

Научный руководитель: Прокофьева Елена Васильевна

В данной статье рассмотрены проблемы получения образцов для сравнительного исследования в рамках экспертного эксперимента, связанные, с так называемым, субъективным мнением эксперта. Проанализированы характерные особенности заключение эксперта, в рамках трасологической экспертизы, имеющее весомое доказательственное значение, опирающееся на проведенное исследование (на экспертный эксперимент), как на неопровержимые факты. Представлены организационно-тактические условия проведения экспертного эксперимента и дана оценка его результатов в рамках математико-статистического подхода и вероятностно-статистической оценки частных признаков. Выявлена и обоснована необходимость совместного использования методов криминалистики и математического анализа в процессе получения и толкования результатов экспертного эксперимента.

Ключевые слова: экспертный эксперимент, трасология, частный признак, математико-статистический подход, вероятностно-статистическая оценка.

Актуальность работы в том, что мнение эксперта, зачастую, бывает субъективно, и представляет собой – оценку, определенную точку зрения, не всегда приводящую к истинным, достоверным результатам в рамках выполнения профильных задач, в том числе и в формировании выводов по результатам экспертного эксперимента. В наших исследованиях, на основе эмпирических данных и математических расчётов, мы попытались сформировать мнение (заключение), максимально приближенное к объективному – как неопровержимый факт, с которым нельзя поспорить, именно в этом и заключается цель работы.

Для достижения поставленной цели, нам было необходимо решить задачу: на стадии выполнения экспертного эксперимента в рамках математико-статистического подхода сформировать методику объективного выявления группы признаков в трасологических следах, а именно следах орудий взлома. В качестве основополагающих методов, которые были применены, для реализации поставленной задачи, стали – общенаучные методы (математические методы) и специальные методы криминалистических экспертиз (методы судебно-трасологической экспертизы).

В качестве объектов исследования были выбрали динамические следы скольжения (трасологические следы) на металлических пластинках (металле – алюминии). Предметом исследования стала следовая картина (индивидуализирующие признаки).

Результаты и выводы. Основным способом повышения объективности любого процесса исследования, как известно, является применение математических методов на определенных этапах исследования. В данной работе была предпринята попытка разрешения проблемы объективного получения образцов для сравнительного исследования в рамках экспертного эксперимента, минуя, или максимально скомпенсировав, так называемое – «субъективное мнением эксперта». Были проанализированы характерные (общие) и частные особенности при проведении экспертного эксперимента, в рамках трасологической экспертизы с точки зрения методов криминалистики и математического анализа. Исследование было выстроено последовательно в 8 этапов и позволило дать оценку его результатов в рамках математико-статистического подхода и вероятностно-статистической оценки частных признаков исследуемых нами объектов (динамические следы скольжения на металлических пластинках). Математические методы позволили нам определить наиболее информативные признаки и дифференцировать их, на основании чего был отобран наиболее пригодный для идентификации след.

С 1 по 5 этап. Основываясь на математико-статистическом подходе, в рамках экспертного эксперимента, была выбрана пластинка со следом скольжения, в котором наиболее полно и достоверно отобразился весь комплекс индивидуализирующих признаков в сравнении с исходным (контрольным) следом. В рамках выбранной нами методологии, сочетании совместного использования методов криминалистики и математического анализа в процессе получения и толкования результатов экспертного эксперимента, максимально объективно была выбрана пластинка №6 со следом скольжения, в котором наиболее полно и достоверно отобразился весь комплекс индивидуализирующих признаков.

Если посчитать вероятность выбора, установленной нами пластинки, по совокупности всех рассматриваемых математических методов и оценок, то она достаточно маленькая, всего 12,5%. То есть эксперту в рамках экспертного эксперимента, выбрать именно эту пластинку, на стадии экспертного эксперимента, наиболее информативную, не с субъективной, а с математически обоснованной, объективной точки зрения – пренебрежимо мала.

6 этап. На данном этапе исследования, для достижения поставленной цели, был использован математический метод, позволивший установить закономерности механизма следообразования следов скольжения орудия взлома (стамески) на металлический поверхности – методом геометрической интерпретации (в рамках экспертного эксперимента). Было установлено, что для лучшего уяснения различных закономерностей механизма следообразования (следов орудий взлома) очень полезны графические (схематические) построения. В целях наглядности были проиллюстрировали основные положения (типичные и нетипичные) следообразующего объекта (стамески) относительно следовоспринимающей поверхности (металлической поверхности).

7 этап. На данном этапе исследования была дана вероятностно-статистическая оценка частных признаков в следовой картине орудия взлома. Нами была разработана система встречающихся независимых информативных признаков и установлена вероятность появления их в следах. Разработанная система признаков была дифференцирована на три группы: размерные и ориентационные признаки; «адекватные», информативные признаки, локализованные по периметру следа; наличие информативных зон с высокой идентификационной значимостью признаков, локализованных по периметру следа. Особенности проявления вышеуказанных признаков в следовой картине свидетельствует о состоятельности следа в целом для идентификации в рамках трасологической экспертизы.

8 этап. На заключительном этапе исследования, была определена статистическая значимость результата (p-значение), представляющее собой оцененную меру уверенности в «истинности» результата. В нашей работе, результат, подвергающийся оценке, заключался в определении значимости, выбранных нами индивидуализирующих признаков следов орудия взлома (определенных на 7 этапе исследования), в рамках поведения экспертного эксперимента, в понимании их информативности для идентификации.

Исходя из систематизации данных и анализа результатов всех, определенных нами, этапов исследования, мы описали конкретные организационно-тактические условия проведения экспертного эксперимента и дали оценку его результатов в рамках математико-статистического подхода и вероятностно-статистической оценки частных признаков исследуемых объектов. Также нами было выявлено и дано обоснование необходимости совместного использования методов криминалистики и математического анализа в процессе получения и толкования результатов экспертного эксперимента в рамках трасологической экспертизы.

Добавить комментарий Отменить ответ

Смотреть похожие работы

Технические дисциплины

Статья «Возможности открытых интерфейсов API для регионального финансового рынка России»

Целью работы является исследование возможностей открытых интерфейсов API в банковском секторе, стадии их развития и перспективах применения в регионах России. Объектом исследования являются Open API, их ключевые возможности, а также необходимые услов...

Посмотреть работу

Технические дисциплины