gRain

ジェノタイプ推定で学ぶベイジアンネットワーク

ベイジアンネットワークは確率事象の関係をグラフにして、情報が与えられたときの事後確率を計算してくれる 家系図があるとき、一部個人のジェノタイプがわかっているとき、ほかの個人のジェノタイプを推定する作業をベイジアンネットワーク化することができ…

なんちゃって病院でベイジアンネットワーク

先日、法廷でベイジアンネットワークという記事を書いた 病院だとどうなるか? ごく簡単に ネットワークを作るとき、病気である事前確率は有病率などで決まる。問診の結果で有病率推定事前確率を決めてもよい 検査をする PPV、NPVで出す これは・・・ librar…

関数にしてみる:法廷用ベイジアンネットワーク

library(gRain) my.forensic.bn.2 <- function(n.p.type,N.p,n.g.type,Freq.g,frac.s,typing.prec.mat,L.prob,mot.levels,M.prob,Cr.prob,rs){ # タイプ別個人の存在 ps <- Gs <- list() yn <- c("1","0") p.type <- paste("p",1:n.p.type,sep="") for(i in …

犯行現場の遺留品:法廷用ベイジアンネットワーク

現場に居たか居ないか、犯行に関与したかしないかで遺留品を残す確率は変わる たとえば、、「柱の噛み跡犯人探し」のときの「噛み跡から検出された唾液」という場合と、「犯行現場付近の自動販売機から検出された指紋」という場合とでは、前者が「現場に居て…

犯行に及ぶ:法廷用ベイジアンネットワーク

犯行は現場に居ないと犯せない 現場に居て、動機があっても犯すとは限らない 現場に居ると、動機があってもなくても、何かの拍子に犯すかも 確率的に考えても、「最後の犯行実行者は1人(とわかっているときは)」なら、「可能性のある複数人から選ぶ」必要が…

動機を定量する:法廷用ベイジアンネットワーク

犯行の動機には色々ありえる 旧知の関係なら、仲良しかもしれないけれど、憎悪のきっかけも多いと思われる ベイジアンネットワークでは、カテゴリ変数の扱いが楽なので、「強い動機」「弱い動機」「偶発(動機なし)だけれど犯行につながった」のようなカテゴ…

現場に居る確率:法廷用ベイジアンネットワーク

ある容疑者Xを疑っている。そのほかにたくさん(N=99)の人が「もしかしたら」犯人かもしれない まずは、現場にいたかどうかの確率を計算したい その上で、容疑者Xか、その他大勢か、どちらが現場にいたっぽかったかを数値で比較したい 『犯行現場』を定義しよ…

DNAのサンプリングとタイピング:法廷用ベイジアンネットワーク

サンプルの取り違え、タイピングエラーを考慮して、標本のジェノタイプ実験結果から、個人の真のジェノタイプの事後確率を算出する 2人p1,p2居る。2つのジェノタイプがある。 2人からDNAタイピング用のサンプルを採取する。丁寧に取り扱っているので、取…

法廷用ベイジアンネットワーク

昨日の記事でRのgRainパッケージのビニェットを動かしてみた 法廷証拠用に使う(〜(ほぼ同じ)臨床判断用に使う)ことを前提に試してみる 標本取り違え・タイピングエラー 現場に居る確率 動機の定量 犯行に及ぶ 犯行現場の遺留品 関数にしてみる

条件付き確率

bnlearnパッケージはデータから、適切な因果ネットワークをアルゴリズムに基づいて推定するパッケージ(こちら) ベイジアンネットワークを与えて(Directed Acyclic Graphを作り、その各ノードに確率表を与えたもの)、さらにそこにエビデンスを設定し、エビデ…