Forensische statistiek

6 EC

Semester 2, periode 4, 5

5122FOST6Y

Eigenaar Bachelor Wiskunde
Coördinator prof. dr. M.J. Sjerps
Onderdeel van Bachelor Wiskunde, jaar 2Bachelor Wiskunde, jaar 3

Studiewijzer 2016/2017

Globale inhoud

Forensisch wetenschappers passen exacte wetenschap toe op sporen die door de politie verzameld worden op de plaats van een misdrijf. Het is een breed vakgebied waarbij de sporen variëren van schoenspoor en DNA-spoor tot digitale sporen, en de misdrijven van diefstal en fraude tot terroristische aanslagen. Uiteindelijk levert de wetenschapper een rapport waarin hij de bewijskracht van zijn onderzoeksresultaten moet aangeven. Dit college gaat over die bewijskracht, met een speciale focus op de bewijskracht van DNA-profielen. Hoe is deze gedefinieerd, hoe wordt zij bepaald en gecommuniceerd, en hoe kan zij worden gecombineerd met het overige bewijs in de zaak? Het college zal worden geïllustreerd met voorbeelden van strafzaken.

Aan de orde komen o.a.: verschillende kansbegrippen en stromingen in de statistiek, de Likelihood Ratio als maat voor bewijskracht, voor discrete en continue, univariate en multivariate data, enkelvoudige en samengestelde hypothesen, speciale problemen (zoals database zoekacties, selectie anderszins, ankering en eilandprobleem), veel gemaakte denkfouten, Bayesiaanse netwerken, forensische DNA statistiek, chemical profiling, validatie

Studiemateriaal

Literatuur

  • - aangeraden, maar niet verplicht: Balding DJ and Steele CD (tweede editie 2015) Weight-of-evidence for forensic DNA profiles, Chichester UK: Wiley & Sons

     - artikelen en boekhoofdstukken

Overig

  • college-aantekeningen en presentatie

Leerdoelen

Aan het eind van het vak kan de student:

  •  Vaardigheid: De student kan praktische problemen die te maken hebben met statistiek en kansrekening vertalen naar een wiskundige vraag en die oplossen
  • Theorie: Hij/zij kan uitleggen hoe bewijskracht kan worden gemeten; wat de fundamentele verschillen zijn tussen de diverse stromingen in de kansrekening en hoe deze doorwerken in de praktijk.
  • Theorie: Hij/zij kan uitleggen wat een Bayesiaans netwerk is en hoe dat kan worden gebruikt om bewijs te evalueren.
  • Vaardigheid: Hij/zij kan in eenvoudige situaties zelfstandig het bewijs evalueren en een Bayesiaans netwerk model ontwerpen.
  • Kritisch denken: Hij/zij kan denkfouten herkennen in waarschijnlijkheidsredenaties.

Onderwijsvormen

  • Hoorcollege
  • Werkcollege
  • (Computer)practicum

Colleges waarbij theorie wordt afgewisseld met opdrachten (dus geïntegreerde hoor-en werkcolleges). Totaal 26 bijeenkomsten op UvA Science Park en VU, en 1 keer op het Nederlands Forensisch Instituut in Den Haag. Periode feb-mei 2017.

Verdeling leeractiviteiten

Activiteit

Aantal uur

Tentamen

3

opdrachten

30

Colleges

54

Zelfstudie

81

Aanwezigheid

Aanwezigheidseisen opleiding (OER-B):

  • Van elke student wordt actieve deelname verwacht aan het examenonderdeel waarvoor hij/zij staat ingeschreven.
  • Als een student door overmacht niet aanwezig kan zijn bij een verplicht onderdeel van het examenonderdeel, dient hij/zij dit zo snel mogelijk schriftelijk te melden bij de betreffende docent. De docent kan, eventueel na overleg met de studieadviseur, besluiten om de student een vervangende opdracht op te leggen.
  • Het is niet toegestaan om verplichte onderdelen van een examenonderdeel te missen als er geen sprake is van overmacht.
  • Bij kwalitatief of kwantitatief onvoldoende deelname, kan de examinator de student uitsluiten van verdere deelname aan het examenonderdeel of een gedeelte daarvan.

Aanvullende eisen voor dit vak:

Aanvullende eisen voor dit vak:

Niet verplicht maar natuurlijk wel aangeraden

Toetsing

Onderdeel en weging Details

Eindcijfer

0.1 (10%)

opdracht R Meester

0.1 (10%)

opdracht K Slooten

0.1 (10%)

opdracht M Sjerps

0.7 (70%)

Tentamen

Herkansbaar

Inzage toetsing

De manier van inzage wordt via de digitale leeromgeving gecommuniceerd.

Opdrachten

opdracht R Meester

  • theoretische vragen; individueel; cijfer telt 10% voor eindcijfer

opdracht K Slooten

  • theoretische vragen; individueel; cijfer telt 10% voor eindcijfer

opdracht M Sjerps

  • modelleer opdracht Bayesian network;  individueel; cijfer telt 10% voor eindcijfer

Onderstaande opdrachten komen aan bod in deze cursus:

  •    Naam opdracht 1 : beschrijving 2
  •    Naam opdracht 2 : beschrijving 1
  •    ....

Fraude en plagiaat

Dit vak hanteert de algemene 'Fraude- en plagiaatregeling' van de UvA. Hier wordt nauwkeurig op gecontroleerd. Bij verdenking van fraude of plagiaat wordt de examencommissie van de opleiding ingeschakeld. Zie de Fraude- en plagiaatregeling van de UvA: www.uva.nl/plagiaat

Weekplanning

day month weekday begin end location teacher topic
6 Feb Mon 13 15 UvA M Sjerps LR framework in forensic science
9 Feb Thurs 11 13 VU M Sjerps LR framework in forensic science
13 Feb Mon 13 15 UvA M Sjerps LR framework in forensic science
16 Feb Thurs 11 13 VU M Sjerps LR framework in forensic science
20 Feb Mon 13 15 UvA K Slooten Forensic DNA; relatedness; database search 
23 Feb Thurs 11 13 VU R Meester Probability; belief; island problems; p-values
27 Feb Mon 13 15 UvA K Slooten Forensic DNA; relatedness; database search 
2 March Thurs 11 13 VU R Meester Probability; belief; island problems; p-values
6 March Mon 13 15 UvA K Slooten Forensic DNA; relatedness; database search 
9 March Thurs 11 13 VU R Meester Probability; belief; island problems; p-values
13 March Mon 13 15 UvA R Meester Probability; belief; island problems; p-values
16 March Thurs 11 13 VU K Slooten Forensic DNA; relatedness; database search 
20 March Mon 13 15 UvA M Sjerps Bayesian networks and combination of evidence
23 March Thurs 11 13 VU M Sjerps Bayesian networks and combination of evidence
27 March            
30 March            
3 April Mon 13 15 UvA M Sjerps Bayesian networks and combination of evidence
6 April Thurs 11 13 VU R Meester Probability; belief; island problems; p-values
10 April Mon 13 15 UvA K Slooten Forensic DNA; relatedness; database search 
13 April Thurs 11 13 VU R Meester Probability; belief; island problems; p-values
17 April            
20 April Thurs 11 13 VU R Meester Probability; belief; island problems; p-values
24 April Mon 13 15 UvA K Slooten Forensic DNA; relatedness; database search 
27 April            
1 May Mon 13 15 UvA M Sjerps Bayesian networks and combination of evidence
4 May Thurs 11 13 VU K Slooten Forensic DNA; relatedness; database search 
8 May Mon 13 15 UvA K Slooten Forensic DNA; relatedness; database search 
11 May Thurs 11 13 VU R Meester Probability; belief; island problems; p-values
15 May Mon 13 15 UvA M Sjerps validation
18 May Thurs 11 13 VU M Sjerps  LR model validation
22 May Mon ? ? UvA all 3 question hour and loose ends
               
1 Juni Thur 9 12 UvA M Sjerps exam

Contactinformatie

Coördinator

  • prof. dr. M.J. Sjerps

prof dr RWJ Meester (email: r.w.j.meester@vu.nl)

prof dr K Slooten (email: k.slooten@vu.nl)