Apakah ada pembenaran Bayesian untuk vonis Murdaugh? – Beragampengetahuan

Jonathan Falk menulis:

Saya tahu Anda lebih merupakan Bayesian komputasi daripada Bayesian filosofis, dan saya menganggap Anda sama bodohnya dengan saya tentang fenomena nasional persidangan Murdo, tetapi saya tidak begitu mengerti.

Misalkan fakta-fakta berikut ini benar:
(1) Dua orang tewas: seorang ibu dan anak
(2) Setelah menyangkal bahwa dia berada di dekat tempat kejadian, suami dan ayah tersebut dipaksa untuk mengakui bahwa dia ada di sana sesaat sebelum mereka dibunuh oleh bukti yang tidak dapat disangkal.
(3) Dia adalah pecandu dan penggelap narkoba.
(4) Hampir tidak ada bukti lain yang menghubungkan dia dengan kejahatan tersebut.

Mulailah dengan praduga tidak bersalah (tidak yakin apa artinya ini dalam istilah probabilistik, tetapi di mana p adalah kemungkinan bersalah sebelumnya, p<.5）作为贝叶斯主义者，您如何从 (1)-(4) 结合先验到后验“排除合理怀疑”？ （同样，撇开精确校准不谈，肯定是 p>>.9)

Orang berbohong sepanjang waktu, sebagian besar pecandu narkoba dan penggelap bukanlah pembunuh, dan meskipun dekat dengan lokasi pembunuhan (terutama di properti pribadi yang terpencil) adalah bukti yang baik, biasanya tidak cukup bukti tanpa bukti baik lainnya Siapa pun yang dihukum, seperti pembunuhan senjata, atau motif yang jelas. Saya bersedia mendukung model dengan probabilitas posterior sekitar 0,7, tetapi tidak jelas bagi saya bagaimana seorang Bayesian yang gigih akan melanjutkan kasus ini dan menemukan terdakwa bersalah.

ide?

Dia memiliki pertanyaan besar. Saya punya dua jawaban:

1. Ketersediaan heuristik. Mudah membayangkan Murdo sebagai pembunuhnya, tapi tidak ada penjelasan bagus lainnya.

2. Analisis keputusan. Falk menggambarkan masalah ini dalam istilah probabilistik: jenis bukti apa yang diperlukan untuk meningkatkan probabilitas dari jauh di bawah 50% menjadi jauh di atas 90%, dan saya memahami maksudnya bahwa beberapa bukti kuat diperlukan, mungkin lebih dari sekarang. lebih banyak diangkat di persidangan. Tapi menurut saya kerangka kerja juri yang lebih relevan adalah: apa yang harus mereka putuskan?

Misalkan dua pilihannya adalah menemukan Murdaugh bersalah atas pembunuhan tingkat pertama atau tidak bersalah. Bayangkan diri Anda membuat keputusan ini sebagai juri, dan pertimbangkan matriks hasil 2 x 2 di bawah setiap opsi:

– Benar Bersalah, Ditemukan Tidak Bersalah oleh Pengadilan: Orang jahat telah melakukan salah satu kejahatan terburuk yang bisa dibayangkan dan lolos begitu saja.

– Benar-benar bersalah, dinyatakan bersalah oleh pengadilan: orang jahat dihukum dan keadilan ditegakkan. sebuah kemenangan.

– Benar-benar tidak bersalah, Dinyatakan tidak bersalah oleh pengadilan: Kesalahan dihindari. Wow!

– Benar-benar tidak bersalah, dinyatakan bersalah oleh pengadilan: Pecandu narkoba dan penggelapan yang berbohong, menyeramkan, dipertanyakan tidak benar-benar membunuh istri dan anak-anaknya – setidaknya, tidak seperti yang dituduhkan. Tapi dia pergi selamanya. Tidak banyak kerugian masyarakat di sini.

Intinya adalah keadaan kejahatan dan kesan juri secara keseluruhan terhadap terdakwa relevan dengan putusan tersebut. Probabilitas yang dinilai bahwa dia benar-benar melakukan kejahatan adalah relevan, tetapi tidak ada hubungan langsung antara probabilitas dan keputusan bagaimana juri memilih. Jika menurut Anda terdakwa adalah orang yang cukup buruk, maka Anda sebenarnya tidak perlu terlalu khawatir dengan positif palsu.

Meskipun demikian, ini akan berbeda dari satu juri ke juri lainnya, beberapa di antaranya mungkin berpegang pada hal-hal yang “tidak diragukan lagi”. Dari sudut pandang saya, saya melihat logika dalam perspektif analisis keputusan, bahwa seorang juri dapat sepenuhnya Bayesian, memperkirakan kemungkinan bersalah sebesar 0,7 atau lebih, dan tetap memilih untuk menghukum.

polistiren Untuk para komentator yang belum pernah mendengar tentang persidangan Murdaugh. .. Anda dapat meng-google-nya! Itu cerita yang bagus.