Horváth András vegyészszakértő BSZKI

Átírás

1 Horváth András vegyészszakértő BSZKI

2 A büntetőeljárás - feladata és célja: a bűncselekmények felderítése, a büntetőjogi felelősségről való döntés bizonyítási eljárás keretén belül. - folyamat, amely a bűncselekmény gyanújától a büntetőjogi felelősségről történő döntésig tart. Szakaszai: -Nyomozati (vizsgálati) -Ügyészi -Bírósági eljárás(ok) -Rendkívüli perorvoslat(ok) Magyarországon a vád bizonyítása a vádló (pl. ügyész) feladata (1 kivétel van!)

3 Bizonyítás: eljárás(sorozat), amely a tények (szakértői eszközökkel történő) helyes (valóságnak megfelelő) megállapítását teszi lehetővé. Bizonyítás tárgya: amire a bizonyítás irányul (Be. értelmében azokra a tényekre terjed ki, amelyek a büntető törvények és az eljárási szabályok alkalmazása szempontjából jelentősek. Nem kell bizonyítani azokat a tényeket, amelyek köztudomásúak, vagy amelyekről a hatóságnak hivatalos tudomása van. A bizonyítékok felderítése, összegyűjtése, és biztosítása során a Be. rendelkezései szerint kell eljárni ) Szabad bizonyítás elve: az eljárásban felhasználható minden eszköz, amely a tényállás bizonyítására alkalmas. Bizonyítás eszközei különösen: szakértői vélemény, tanúvallomás, tárgyi bizonyítási eszköz, okirat, szemle, helyszínelés, bizonyítási kísérlet Tárgyi bizonyítási eszköz: - minden olyan dolog, amely a bizonyítandó tény bizonyítására alkalmas. (Be) - mindazon tárgyak (dolgok; bűnjelek), amelyek önmagukban, létezésüknél fogva, tulajdonságaik alapján alkalmasak a bizonyítandó tény bizonyítására.

4 2005. évi XLVIII. Törvény az igazságügyi szakértői tevékenységről: 1. (1)Az igazságügyi szakértő feladata, hogy a bíróság, a közjegyző, az ügyészség, a rendőrség és a jogszabályban meghatározott más hatóság (a továbbiakban együtt: hatóság) kirendelése, vagy megbízás alapján, a tudomány és a műszaki fejlődés eredményeinek felhasználásával készített szakvéleménnyel segítse a tényállás megállapítását, a szakkérdés eldöntését. (2) Az igazságügyi szakértő a tevékenységét e törvény és más jogszabályok rendelkezései, valamint a tevékenységére irányadó szakmai szabályok megtartásával, legjobb tudása szerint köteles végezni. A szakértői objektivitás szakmai feltételei, garanciái: -A vizsgálat (adatgyűjtés, feldolgozás, értékelés) elvégzéséhez tudományosan megalapozott, korszerű eszközöket, eljárásokat, módszereket alkalmaz. -Tevékenységét megfelelő módon dokumentálja. -A megállapítások érvényességi határait tudományos módszerek alkalmazásával határozza meg. -Következtetéseit tudományosan megalapozott módszerekre és a (formális) logika szabályira vezeti vissza

5 1. Határozat, végzés alapján 13. (1) A kirendelésnek tartalmaznia kell: a) a kirendelt szakértő vagy szakértői csoport vezetőjének a megnevezését, a kirendelés ügyszámát és az ügy tárgyát, b) a szakértői feladat teljesítéséhez szükséges adatokat, c) azt, hogy a bizonyításra hivatalból kerül-e sor, és a szakértői díj fedezésére - ha törvény alapján ez szükséges volt - milyen összeg letétbe helyezését rendelték el, d) a szakértő részére átadandó iratok és tárgyak megjelölését, valamint az átadás időpontját, ha pedig az átadás nem lehetséges, annak meghatározását, hogy a szakértő az iratokat és tárgyakat hol és mikor tekintheti meg, e) az átadott iratok és tárgyak kezelésére, vizsgálatára, visszaadására, részleges megváltoztatására vagy megsemmisítésére vonatkozó rendelkezéseket, f) a mintavétel elrendelését, ha a mintát a kirendelő szerv nem biztosította, g) azokat a szakkérdéseket, amelyekre a szakértőnek választ kell adnia, h) a szakvélemény előterjesztésére meghatározott határidőt, az esetleges soronkívüliségre való utalást és az előterjesztés módjára vonatkozó felhívást, i) több szakértő egyidejű kirendelése esetén a többi szakértő személyére vonatkozó tájékoztatást, j) személy vizsgálatával járó kirendelés esetén a szakkonzultáns személyéhez történő hozzájárulás beszerzésének kötelezettségét és k) a kirendelő előzetes hozzájárulását a vizsgálati tárgy megváltozásával vagy megsemmisülésével járó vizsgálat elvégzéséhez, ha a hozzájárulásra a miniszter rendelete alapján szükség van, l) - indokolt esetben - a kirendelő arra vonatkozó utasítását, hogy a szakértő az érintett részére az általa kezelt adatokra vonatkozó, az Info tv. szerinti tájékoztatást megtagadni köteles.

6 4. Szakértői vélemény elkészítése Jogszabályi rendelkezés: 31/2008 IRM rendelet A szakvélemény magában foglalja: 1. (a) a vizsgálat tárgyára, a vizsgálati eljárásokra és eszközökre, valamint a vizsgálati tárgyban bekövetkezett változásokra vonatkozó részletes adatokat (lelet) (b) a vizsgálat módszerének rövid ismertetését (c) a szakmai megállapítások összefoglalását (szakmai ténymegállapítás) (d) a szakmai ténymegállapításból levont következtetéseket, ennek keretében a feltett kérdésekre adott válaszokat (vélemény) 2. A szakértőnek véleménye megalkotásánál értékelnie kell az ügyben esetleg már korábban lefolytatott vizsgálat adatait és megállapításait is.

7 Lelet : - előzményi adatok, - a vizsgálati tárgyak leírása, - a vizsgálati körülmények, - a vizsgálatban felhasznált módszer, eljárás ismertetése, - a vizsgálati tárgy(ak)ban bekövezett változás(ok), Szakmai ténymegállapítás: - vizsgálati eredmények, és azok - értékelése,valamint az azokhoz - felhasznált információk Vélemény: - kérdésekre adott tömör válaszok közérthető formában - a válaszok a leletből következzenek, új bizonyítékokat nem tartalmazhatnak.

8 Előzetes értékelés - kérdések tanulmányozása, értelmezése ( lefordítása az adott szakterületre), a megoldandó probléma megértése ; kirendelés indoklás része - pl.: (a) a lefoglalt por tartalmaz-e kábítószert? (b) X.Y. vezette-e a gépjárművet a baleset pillanatában? - vizsgálandó tárgyak - illetékességi kör kérdése - határidő - kommunikáció a kirendelővel, ha szükséges Vizsgálati program készítése és végrehajtása (lásd előző előadásokat!)

9 A szakvéleményben, vagy a tárgyaláson általában igény, hogy a szakértő az általa levont következtetés bizonyossági fokáról nyilatkozzon. (kategorikus tartalmú (teljes bizonyossággal állítható), vagy csak valószínűsíthető) Ihatott-e a sértett 60 m/m%-os (vizes) NaCl-oldatot? kategorikus NEM Felhasználói szempontból (bíróság): -A lefoglalt por kokaint tartalmaz, a kokain-bázis tartalma 345 g ±22 g jelentős mennyiség 20 g-tól kategorikus -A késen talált ujjlenyomat XY-tól származik mikor került rá?

10 A bizonytalanság kifejezése évi XIX. törvény a büntetőeljárásról; 4. (2): A kétséget kizáróan nem biztonyított tény nem értékelhető a terhelt terhére Valószínűség miről beszélünk?? Mit jelent az, hogy egy szabályos dobókockával a hatos dobás valószínűsége 1/6? Klasszikus válasz: Mivel szabályos kocka esetén mindegyik oldal előfordulása egyenlően lehetséges, és az esetek közül nekünk csak az egyik kedvez, ezért a kedvező esetek és az egyenlően lehetséges esetek számának aránya egyhatod lesz, és ez a hatos dobás valószínűsége. Logikai válasz: A hatos dobás valószínűsége azért egyhatod, mert az a kijelentés, hogy az eredmény hatos lesz, egyhatod mértékben következik abból a kijelentésből, hogy a kockát eldobtuk, egy mindkét kijelentést tartalmazó nyelvben

11 Szubjektivista válasz: Az, hogy a hatos dobás valószínűsége egyhatod, azt jelenti, hogy egyhatod mértékben hiszünk a hatos dobás eseményében. Frekventista válasz: A hatos dobás egyhatod valószínűsége semmi mást nem jelent, mint hogy a hatos relatív gyakorisága közel egyhatod lesz a kockadobások egy elegendően hosszú sorozatában. Hajlandósági (propensity) válasz: A hatos dobásnak azért egyhatod a valószínűsége, mert a kocka a fizikai környezetével együtt rendelkezik azzal az egyhatod mértékű kauzális hajlammal, hogy egy adott dobás során hatos legyen.

12 Klasszikus felfogás: adott esemény bekövetkezésének valószínűsége egy objektív mérőszám. Szubjektív értelmezés -egy szubjektumnak adott állapot megítélésére vonatkozó bizonyossági foka mindazok alapján, amit eddig tud - a hit mértéke -P(E I); E: bármi, amiben bizonytalanság uralkodik (hipotézis, esemény; I: a háttér információk -A klasszikusokból: k k P( p ) P( p [ ]) 1, ha n n n -Biztos esemény kicsit másként: Egy E biztos esemény egy adott t időhöz és a helyhez kötött olyan bázisállítás, amelyre érvényes, hogy egy t > t időpontban senki sem kételkedik abban, hogy E bekövetkezett

13 Nyomszakértői esetek: - Illetszthető anyagrészek - Lőfegyver azonosítás a töltényen lévő nyomok alapján - Egyedi(nek elfogadott) sajátosságok alapján Felhasználó szempontok alapján kategorikus: lásd előbb Jelenlegi tudásunk alapján egyedi: - Ujjnyomat - DNS

14 1. Az ujjnyomat részletei állandóak. (anatómia, bőr morfogenezise) 2. Egy adott személy ujjnyomata egyedi. (Több millió ujjnyomat szakértői vizsgálatán alapuló axióma )

15 Bűncselekmények: látens ujjnyomatok összehasonlítása! 1999 ; USA vs. Byron Mitchell - ujjnyomat egyedisége objektív nem volt eddig tesztelve + fals pozitív találatai arány nem ismert (Daubert!) Átlagos ujjnyomat 46 minúcia Guideline: 12 minúcia összehasonlítása alapján Számos valószínűségi modell létezik: A.) Téves azonosítás (másodfajú hiba) valószínűsége 1 : B.) - 12 minúcia esetén p = 5,86* minúcia esetén p = 1,33*10-77 Trauring (1963; AFIS-style); adott konfiguráció valószínűsége P(N) = (0,1944) N (N minúcia) N 1/(0,1944) 12 = 3,4*10 8 1: IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 24, NO. 8, AUGUST 2002; p On the Individuality of Fingerprints Pankanti, Prabhakar, Jain

16 Klasszikus felépítésben: (a) E esemény p valószínűséggel bekövetkezik, ha H hipotézis igaz Oksági lánc értelmében előre irányuló, feltételes kijelentés (b) H vagy igaz, vagy nem (c) döntési előírás: a H hipotézist elvetjük, ha az X tesztváltozó x realizációja egy kritikus T tartományba esik, ellenkező esetben elfogadjuk H-t (d) Döntés: kizárólag a mintaadatokra támaszkodva

17 Zenész és az iszákos esete E: 10-ből 10-szer eltalálja az eredményt H 0 : az iszákos találgat p = 0,5 H: az iszákosnak paraképességei vannak (p > 0,5) n p k k n k P(E H 0 )= 0,5 10 = 1/1024 < 0,05 (1 p) H 0 -t 5%-os szignifikancia szinten elvetjük P(H 0 =( E? sokszor ez érdekelne minket! Ez a kérdés a klasszikus szignifikancia teszt keretében nem értelmezhető.

18 Θ állapottér: az adott szituációban lehetséges állapotok halmaza (véletlen változónak tekintünk minden változót, paramétert, ami nem ismert előttünk) P(Θ i ): Cél: az a valószínűség, amivel S személy hiszi, hogy a Θ i állapot áll fenn. S személy szempontjából egy bizonyos időben a Θ állapottér apriori becslése Θ-t jól becsülni mintaadatok L(a Θ i ) kísérleti eloszlás : az a realizáció valószínűsége, amikor Θ i a tényleges állapot P(Θ i :( a a megfigyelése nyomán módosított apriori eloszlás: aposzteriori eloszlás Általában: egy minta áll rendelkezésre, amelyből azokra a feltételekre (állapotokra) akarunk visszakövetkeztetni, amelyek ehhez a mintához vezettek!!

19 H 0 : az iszákos találgat (p = 0,5) H: az iszákos tud valamit (1 p 0,5) a p találati valószínűség apriori eloszlásáról kell nyilatkozni. Legyen : P(p=0,5) = 0,98 f (p) 0; ha p 0,5 2 k(1- p ); ha 1 p 0,5 Mivel f(p) sűrűségfüggvény: k = 4/375 A poszterior: f(pminta) 0; ha p 0,5 4 2 c (1 p )p ; ha 1 p 0,5 c = 904,2882

20 Vagyis a poszteriori becslése annak, hogy a p=0,5 áll fenn: PO (p=0,5) 0,84 és PO (1>p>0,5) 0,16 PoO= 0,84/0,16 = 5,25 Ha most 25 dobás eredményét találja el,akkor PO (p=0,5) 0,02; PO(1>p>0,5) 0,98 PoO -1 = 0,98/0,02 = 49

21 Következtetés: tekintettel az E(I) esemény bekövetkeztére, a H hipotézis (amelynek eddig p valószínűséget tulajdonítottunk) p valószínűséggel áll fenn. Odds-os alak: Poszterior arány, a bírót ez érdekli Prior arány, ezt a bíró ismer(het)i, de a szakértő (általában) nem P( H P( H vád védelem E, I) E, I) P( E H P( E H vád védelem, I), I) P( H P( H vád védelem I) I) LR: ez az, amit a szakértő igyekszik megbecsülni

22 1. Értékelő szakértői véleményt kell adni, ha a szakértőt a kirendelő arra kéri, hogy vizsgáljon és/vagy hasonlítson össze anyagokat. Az értékelést egymással versengő hipotézisek keretében kell megadni, ahol a hipotéziseket vagy a kirendelő nyújtja, vagy a szakértő az adott esetre vonatkozó körülmények ismeretében állít fel. 2. A értékelésben a bizonytalanság mértékeként- valószínűségeket kell használni, melyek az üggyel összefüggő adatokon, szakértői tapasztalaton és a speciális esetkörülményeken kell alapulniuk. 3. Az értékelés a likelihood- arány (LR) megadásával történik. Az értékelésnél a következő elveket kell követni:

23 I. Kiegyenlítettség: az eredményeket (megfigyelés, mérési adat, osztályozás) legalább 2 hipotézis keretében kell értelmezni., melyek közül az egyik (általában) a vád, a másik (általában ) a védelem álláspontján alapul. Amennyiben alternatív hipotézis nem áll rendelkezésre, értékelő szakvélemény nem adható. A szakértőnek ilyenkor egyértelműen ki kell nyilvánítania, hogy nem nyilatkozik a vizsgálati eredménye értékéről. II. Logika: Az értékelésnél az eredmények valószínűségét kell megállapítani az adott hipotézisek és a rendelkezésre álló háttér információk, mint feltételek mellett és nem fordítva. III. IV. Robosztusság: A szakértőnek meg kell győződni arról, hogy az értékeléshez felhasznált adatok robosztusak. Amennyiben nem robosztus adatot is felhasznál, azt csak úgy teheti meg, ha szakértői tapasztalatára alapulva meg tudja indokolni az alkalmazása jogosságát, valamint képes megadni a hozzá tartozó valószínűséget is. Átláthatóság: Úgy kell megfogalmazni, hogy a felhasználók megértsék.

24 Hamisított zárjegyű cigaretták 100 db Kár: kb Ft. Bíró: a 100 db cigaretta mindegyike hamis? Egyenkénti vizsgálat összköltsége: kb Ft. Kérés a szakértő felé: - lehetőleg a Ft ot ne haladja meg a vizsgálatok költsége a bíró elveszti a bizonyosság érzését - lehetőleg minél pontosabban nyilatkozzon a szakértő a hamis cigaretták mennyiségéről Előzetes vizsgálat: 1 db-ot választottunk ki hamisított zárjegyű.

25 Klasszikus hipotézis tesztelés: H 0 : A cigaretta populációban a hamisított zárjegyű cigaretták kevesebb mint K H: A cigaretta populációban a hamisított zárjegyű cigaretták száma legalább K H 0 -t elvetjük, ha P(X x Θ<K) α n 9 (financiális feltételből) n = 9; α = 0,05; K 73 Interpretáció: A mintavétel alapján 95%-os megbízhatósággal állíthatjuk,hogy a cigaretták legalább 73%-a hamisított. Bíró, ügyész:??! Ügyvéd: A szakértő csak a megvizsgált 9 db-ról állíthatja, hogy hamisított, a többit ui. kézbe sem vette!

26 H 1 : legalább Θ százaléka hamisított zárjegyű H 2 : csak a megvizsgált cigaretták hamisított zárjegyűek E: 9 kivett cigarettából 9 db hamisított zárjegyű f(θ α,β) = Be(α,β) = ( ) 1 1 (1 ) ( ) ( ) Nincs előítélet: α=β=1 (Y N-n,Θ) és (x n,θ) binomiális eloszlású minták Poszterior valószínűség: 91 (11) ( y 10) (92 y P( Y y) y (10) (102) y) H 1 : y 64 P(H 1 ) 0,968 H 2 : y = 0 P(H 2 ) 5, PoO 1,

27 A kriminalisztika az individualizáció tudománya (Kirk P.L.,1963) Azonosítás: redukciós folyamat, melynek végső célja a potenciális források leszűkítése egyetlen tárgyra. - karakterisztikus sajátságok vizsgálata, - összehasonlítás, csoportazonosítás Individualizáció: két minta közös eredetére vonatkozó következtetés/döntés. Source level hipotézisei (általános alak): háttér információkat nem, vagy csak minimális mértékben használ fel. H vád : Az anyag(maradvány) valós eredete a feltételezett eredet. H véd : Az anyag(maradvány) valós eredete más, alternatív forrás.

28 Lokuszok (fizikailag elhelyezkedő DNS-szakasz) vizsgálata genetikai profil: megfelelő számú, polimorf helyen megállapított allélok összessége. Genetikai, statisztikai elemzések adott nyomból meghatározott genetikai profil milyen mértékben származhat egy adott személytől? Szükséges, hogy rendelkezzünk információval a genetikai profilban megadott polimorf allélok relatív gyakoriságáról!

29 Hipotézisek: H vád : A nyomból kimutatott genetikai profil Sóska Jóskától származik. H véd : A nyomból kimutatott genetikai profil ismeretlen személytől származik. X: a nyomból meghatározott genetikai profil Y: Sóska Jóska genetikai profilja E(X,Y): a genetikai profil vizsgálatából adódó bizonyíték LR P( E H P( E H vád véd, I), I) P( x y, H P( x y, H vád véd, I) P( y H, I) P( y H vád véd, I), I) P( x y, H LR P( x y, H, I), I) P( x y, H vád vád 1 véd? P( x H véd, I), I) f

30 Multiplex STR-vizsgálat 3 lokuszos elektroferogramja 1: allél-létra 2, 3, 5: három személy DNSprofilja 4: helyszíni nyom (cigarettacsikk) DNS-profilja D3S1358 vwa FGA 3: A személy 16/17 14/16 22/23 4: Cigarettacsikk 15/18 14/17 23/25 5: B személy 15/18 14/17 23/25 Különböző eredet = Kategorikus kizárás Azonos eredet? = Származás? Véletlen egyezés valószínűsége?

31 DNS-profil előfordulási gyakoriság becslés populációs adatbázisból Populációs adatbázis H véd és I alapján, pl. lehetséges elkövetők A legtöbb DNS profil olyan ritka, hogy egyszer sem fordul elő az adatbázisban! A DNS-profil gyakorisága kifejezhető a profilt alkotó allélok előfordulási gyakoriságával!

32 A DNS-profil gyakoriság a genotípus gyakoriságokból könnyen kifejezhető LR = 1/1, = 8, Table 21.2, J.M. Butler (2005) Forensic DNA Typing, 2 nd Edition 2005 Elsevier Academic Press

33 Értelmezés és félreértelmezés: Helytelen: A kimutatott biológiai profil LR-szer nagyobb valószínűséggel szárazik a gyanúsítottól, mint egy ismeretlen személytől. (vád téves következtetése) Helyes: A meghatározott DNS-profil LR-szer nagyobb valószínűséggel mutatható ki a biológiai nyomban akkor, ha feltesszük azt, hogy a biológiai nyom Sóska Józskától és nem más személytől származott

34 Védelem téves következtetése: A biológiai nyom DNS-profiljával rendelkező mindegyik személy ugyanolyan eséllyel bűnös lehet, ezért a bizonyítéknak nincs jelentősége! Nem igaz! populáció szűkítés + általában van más bizonyíték is (pl. bűncselekmény elkövetési helye,szemtanú, sértett vallomása)! Tévedés egyediség, ritkaság értelmezésében: Ha a DNS-profil előfordulási valószínűsége kisebb a népességszám reciprokánál, akkor a DNS-profil egyedi (azaz csak egy személyben fordulhat elő) Legyen f = és N= 10 7 P* = 1 (1-f) N = 0,55

35 H vád : H véd : Az idegen textilszálak a gyanúsított nadrágjából származnak. Az idegen textilszálak a gyanúsított nadrágjával megegyező szálakat tartalmazó textíliából származnak. Az idegen textilszálak nem a gyanúsított nadrágjából származnak. Az idegen textilszálak a tettes nadrágjából származnak, nem a gyanúsítottéból. Az idegen textilszálak ismeretlen személy ruházatából származnak.

36 Vád: Betöréses lopás (1) Épp most vette kézbe az ügyet a bíró. (LR=?) (2) A gyanúsított fehér európai férfi. Egy szemtanú látott egy fehér európai férfit elfutni a tetthelyről. (3) A gyanúsított kabátján üvegszemcséket találtak, amelyek relatív törésmutatója a helyszínen betört ablak anyagának relatív törésmutatójával egyezik. (4) A gyanúsított a tetthely közelében lévő ház lebontásánál dolgozik. Ezen ház ablakainak relatív törésmutatója megegyezik a tetthelyen betört ablak relatív törésmutatójával.

37 Hipotézisek activity szinten: Hvád: A gyanúsított legfeljebb 0,5 m-re állt az ablaktól, amikor az betört Hvéd: A gyanúsított nem volt jelen a helyszínen, amikor az ablak betört Hipotézisek offence szinten: H vád : A gyanúsított a tettes H véd : A gyanúsított ártatlan A szakértő NEM bíró!

38 Eset: Gépjármű önkényes elvétele. Gyanúsított kalapáccsal betörte a vezetőoldali ablaküveget, majd az ajtót kinyitotta és a gépjárművel elhajtott. Hvád: A gyanúsított a vezetőoldali ajtó ablak közelében állt, amikor az betört Hvéd: A gyanúsított nem volt jelen a helyszínen, amikor a gépjármű vezetőoldali ablaküvege betört Gyanúsított ruházatában 10 db üvegszemcse volt - egy csoport (X) Gépjármű ablaküvegét reprezentáló üvegminta (Y) LR P( X Y, H P( X H d p, I), I) t 0 b 1 s10 f t b 1 s10 f 10 b 0 t 0 t10b b s f

39 LR becsléshez szükségünk van olyan adatokra, adatbázisokra, amelyből megbecsülhető: - az adott populáció egyedinek ruházatán egy csoportba sorolható üvegszemcse előfordulásának valószínűsége; (b eloszlása) - a valószínűsége annak, hogy az adott üvegcsoportban lévő üvegszemcsék száma 10; (s eloszlása) - annak a valószínűsége, hogy a talált üvegcsoport RI-ja megegyezik a kontroll minta RI-val. (f) Ezen felül a transzfer valószínűségre is becslést kell adni!

40 Üvegszemcsék véletlenszerű előfordulása ruházatokban publikált kutatásokból Fekete (LHS): a kontroll mintától eltérő RI-jú szemcsékre végzett felmérés ruházatokon a gyanúsítotti populációban (589 személy, 4000 fragmens) Szürke (ME): általános (RI-t figyelembe nem vevő) üvegszemcsékre végzett felmérés bűncselekménnyel kapcsolatba nem hozható személyek ruházatán (432 ruházat)

41

42

43 Ha nincs alkalmas, bemutatható, publikált adat: a. Nem publikált adat, de indokolni kell az alkalmasságát b. Hasonló ügyek során szerzett tapasztalat c. Adott kérdésben jártas szakértőkkel folytatott konzultációk Ritka ügyeknél a. Ha van specialista, akkor az ő tapasztalata b. Adott eset körülményeire szabott modellkísérletek, szimulációk Ha ezek sincsenek nem adható értékelő szakértői vélemény!

44 LR P( X Y, H P( X H d p, I), I) t 0 b 1 s10 f t b 1 s10 f 10 b 0 t 0 t10b b s f Adatbázisból: 2326 mintából 19 esetben nem tudunk különbséget tenni Welch teszt alapján - f =0,0082 Transzfer.: t 10 = 0,8 (szakértői tapasztalat korábbi ügyek alapján; esetkörülmények) b, s : Science and Justice, 2001, 41, 39-48, Table 3 P(1 s 3)= 0,95; P(s>3) = 0,05 P(b =0) = 0,4; P(b=1) = 0,26 A fenti adatokkal LR = t

45

46 Üveg : leginkább akkor, ha törik Textilszálas esetek: - Kiszakadt textil darab, amit megtalálnak egy kerítésen. (S) - Gépkocsi lopás; textilszálak a vezetőülés felületén. (A) - Testi sértés; textilszálak a sértett és a gyanúsított ruházatának felületén. (A) - Fegyveres rablás; az elkövető maszkot viselt. Néhány apróság : - Kevert szálas anyagok - Kétirányú, nem feltétlenül függetlennek tekinthető transzfer - A textília felépítése hatással van a transzfer és megmaradási sajátságokra; változatos szálengedő és szálmegtartó sajátság - Nagyon gyakori.nak TŰNIK!

47 Alapvető kérdések egy textiles eset értékelésénél: (1) Milyen fajta egyező, idegen eredetű szála(ka)t találtunk? (2) Milyen gyakori(ak) ez(ek) a fajta szál(ak)? (3) Mekkora a véletlen találat valószínűsége? (4) Mennyit találtunk belőlük? (5) A kérdéses ruházato(ko)n hol találtuk ezeket a szálakat? Statisztika?? igen is, nem is Célszál tanulmányok: Egy adott karakterisztikájú textilszál előfordulása ruházaton egy elterjedt gépkocsi üléshuzat textília szálait keresték (kék gyapjú). 27 ruházaton találtak összesen 67 egyező szálat, egy ruházaton maximum 11 db volt.

48 (2) Populáció vizsgálatok (elsősorban a háttér szálak miatt) Különféle szálpopulációk vizsgálata reprezentatív minta alapján; különféle száljellemzők vizsgálata Pl. gépkocsi vezetőülésein végzett felmérések (1996) N=5,299 szálból Szín- általános polimer összetétel

49 Pozitív hozadék : véletlen egyezés valószínűségének vizsgálata. 40 ruházaton 763 idegen eredetű szál több, mint db vizsgálat!!!! Mesterséges alapanyagú textilszálak nagy változatosságot mutatnak, a véletlen egyezésnek nagyon kicsi az esélye! (3) Textíliák adatbázisa: - referencia szálgyűjtemény - felmérés a népesség körében a viselt textíliák típusa, összetétele (címke), színe (szubjektív/objektív) alapján, valamint, hogy ki hordja - esetek feldolgozásából adódó, részletes adatbázis (Metropolitan Laboratory (1990) 7367 ruházatból szál adata; BKA (1998) ruházat) - mesterséges elemi szálak morfológiai adatai, - polimer összetétel adott száltípuson belül - különféle textíliákban előforduló különböző elemi szál típusok gyakorisága - konkrét ruházatban található specifikus elemi szál típusok, színek, - gyártók termékválaszték kézikönyvében megtalálható anyagok, - stb.

50 Tegyük fel, hogy X.Y. gépkocsiját ellopták, miközben ő éppen bevásárolt. A gépkocsiba épített biztonsági rendszernek köszönhetően a gépkocsi néhány száz méter megtétele után lefulladt, így azt az elkövető a helyszínen hátrahagyta. Az ügyben eljáró helyszínelők a fekete színű, poliamid anyagú vezetőülés huzatot speciális fóliával (a továbbiakban fóli) még aznap letapogatták, így biztosítva az azon lévő textilszálakat. A sértetten a kérdéses napon fekete farmer, szürke színű pulóver és egy bőrdzseki volt. A lopás bejelentése után 24 órával a nyomozók előállítottak egy gyanúsítottat, akitől lefoglaltak egy barna színű farmernadrágot. Ezt a fólival együtt a laborba küldték vizsgálatra. A szakértő 48 db barna színű, pamut anyagú, színe és mikroszkópi képe alapján a gyanúsított nadrágjának pamutszálaitól mikroszkópi módszerekkel nem megkülönböztethető textilszálat talált az üléshuzatról fólin biztosított textilszálak között. 15 db-nak a színezékét Raman spektroszkópiai és mikrospektrofotometriai módszerrel is megvizsgálta; a szálak ezek alapján sem voltak megkülönböztethetők. A gyanúsított nadrágjának textilanyagában a barna színű pamutszálakon kívül barna színű poliészter szálak is voltak, a kétféle száltípus aránya a nadrágban 50-50%. A szakértő a nadrág textilanyagából származtatható, barna színű poliészter szálat nem talált a fólin. A gépkocsi tulaja azt állítja, hogy rajta kívül senki nem vezette az autóját.

51 A fenti információk alapján a barna színű poliészter szálak hiánya miatt a gyanúsított nadrágja egyértelműen kizárható az üléshuzaton talált barna színű pamutszálak lehetséges forrásai közül. Ez az állítás Tegyük fel most, hogy a gyanúsított nadrágját 100%-ban barna színű pamutszálak alkotják. 66 gépkocsi vezetőülésén végzett szálpopulációs felmérés alapján a barna pamutszálak előfordulása 0,9%-nál kisebb. Ebből, valamint a fenti információkból egyértelműen következik, hogy ezek a vezetőülésről biztosított barna pamutszálak nagyon erős bizonyítékot képviselnek a gyanúsítottal szemben. Ez az állítás Tegyük fel, hogy a sértett azt állítja, hogy éppen a lopás napjának reggelén, mielőtt elindult volna, nagyon alaposan kiporszívózta a gépkocsi üléseit. Ez az állítás -feltéve, hogy a bíróság relevánsnak elfogadja- befolyásolja-e a talált barna szálak bizonyító erejét?

52

53

54

55 Értelmezések, mint pl. - Nem zárható ki - Származhat nem adnak lehetőséget a bizonyíték súlyának megbecslésére! Trace evidence conclusion scale : szubjektív megállapítás a kérdéses hipotézis pár támogatottságáról, megjelenítve a bizonytalansági szintet - Azonosítás (LR ) - Nagyon erős támogatás - Erős támogatás - Mérsékelten erős támogatás - Mérsékelt támogatás - Korlátozott támogatás - Közömbös - Kizárás

56 Identification - A positive identification; an association in which items share individual characteristics that show with reasonable scientific certainty that the items were once from the same source. Very Strong Support - An association in which items are consistent in all measured physical properties or chemical properties and share highly unusual characteristic(s) that are unexpected in the population of this evidence type. Strong Support - An association in which items are consistent in all measured physical properties or chemical properties and share unusual characteristic(s) that are unexpected in the population of this evidence type. Moderately Strong Support - An association in which items are consistent in all measured physical properties or chemical properties so could have originated from the same source. Because similar items have been manufactured or could exist in nature and could be indistinguishable from the submitted evidence, an individual source cannot be determined. Moderate Support - An association in which items are consistent in all measured physical properties or chemical properties so could have originated from the same source. This sample type is commonly encountered in our environment and may have limited associative value. Limited Support - An association in which some minor variation exists between the known and questioned items that could be due to factors such as sample heterogeneity, contamination of the sample(s), or the quality of the sample. The items may be associated, but other sources exist with the same level of association. Inconclusive - No conclusion can be reached regarding the association between the items. Elimination - The items are dissimilar in physical properties or chemical composition and did not originate from the same source.