Minor Rechtspsychologie
HOORCOLLEGE 6: BEPERKINGEN VAN BAYES
Onderwerpen:
Voordelen en nadelen van het Bayesiaanse model;
Ambiguïteit in het uitvoeren van de Bayesiaanse methode;
Prior odds en posterior odds;
Afsluiting.
Voordelen en nadelen van het Bayesiaanse model
In dit college kijken we naar de beperkingen van het Bayesiaanse model voor het beantwoorden van
de schuldvraag. Maar eerst wordt onderstaand een opsomming gegeven van de voordelen van dit
model (en dus ook de gevaren bij geen gebruik van dit model):
Geen last meer van subjectieve waarderingen: Er komt een einde aan wat het gevoel zegt –
of iets wel of niet moet kloppen – door de kwantificatie van de bewijsmiddelen;
Door meten ben je af van tunnelvisie. Door de likelihood ratio zit er automatisch een
schuldscenario en een onschuldscenario in, dus er kan nooit meer iemand zeggen dat je geen
rekening gehouden hebt met het alternatief scenario dat iemand het niet gedaan heeft;
Op het moment dat je ontlastende informatie in het dossier hebt, dan kan je daar een
getalletje aan plakken. De ontlastende informatie zal vervolgens de totale bewijskracht
dempen (zonder de Bayesiaanse methode wordt niet altijd iets met die ontlastende
informatie gedaan);
Volgorde effecten, inclusief assimilatie. Assimilatie is als een volgend bewijsmiddel sterker of
zwakker wordt gezien al naar gelang hetgeen je daarvoor hebt waargenomen. Denk aan het
voorbeeld in hoorcollege 3 over zwijgen. Zwijgen wordt anders geïnterpreteerd als je net
hoort dat er DNA op de plaats delict van deze verdachte is gevonden. Dit is niet de bedoeling
natuurlijk; het bewijsmiddel moet intrinsiek even krachtig blijven (en dus niet krachtiger!).
Met de Bayesiaanse methode heb je hier geen last van;
Van de verankering door irrelevante informatie (zoals de houding van de verdachte, emoties
bij het slachtoffer en irrelevante informatie uit het verleden van de verdachte) heb je geen
last, het is namelijk simpelweg een som.
Het Bayesiaanse model gaat niet alleen maar over rozen, er zitten namelijk ook beperkingen aan het
Bayesiaanse model:
Het is moeilijk, dus het stuit op weerstand. Dit is een praktisch probleem. Het is raar of (nog)
niet gebruikelijk dat een rechter een rekenmachine erbij pakt om te bekijken hoe groot de
bewijskracht is dat iemand het gedaan heeft. Het gaat nu gewoon met een gesprekje (‘Denk
jij dat hij schuldig is?’, ‘Ik denk het wel’, etc.). De praktijk is dus (nog) niet ingericht op het
gebruik van statistische informatie;
Kan informatie (bewijs) in het dossier wel vertaald worden in een getalletje? Dit is een
principieel punt. Aan veel kwantificaties zijn we gewend (het opmeten van koorts, de kans op
1
HOORCOLLEGE 6: BEPERKINGEN VAN BAYES
Onderwerpen:
Voordelen en nadelen van het Bayesiaanse model;
Ambiguïteit in het uitvoeren van de Bayesiaanse methode;
Prior odds en posterior odds;
Afsluiting.
Voordelen en nadelen van het Bayesiaanse model
In dit college kijken we naar de beperkingen van het Bayesiaanse model voor het beantwoorden van
de schuldvraag. Maar eerst wordt onderstaand een opsomming gegeven van de voordelen van dit
model (en dus ook de gevaren bij geen gebruik van dit model):
Geen last meer van subjectieve waarderingen: Er komt een einde aan wat het gevoel zegt –
of iets wel of niet moet kloppen – door de kwantificatie van de bewijsmiddelen;
Door meten ben je af van tunnelvisie. Door de likelihood ratio zit er automatisch een
schuldscenario en een onschuldscenario in, dus er kan nooit meer iemand zeggen dat je geen
rekening gehouden hebt met het alternatief scenario dat iemand het niet gedaan heeft;
Op het moment dat je ontlastende informatie in het dossier hebt, dan kan je daar een
getalletje aan plakken. De ontlastende informatie zal vervolgens de totale bewijskracht
dempen (zonder de Bayesiaanse methode wordt niet altijd iets met die ontlastende
informatie gedaan);
Volgorde effecten, inclusief assimilatie. Assimilatie is als een volgend bewijsmiddel sterker of
zwakker wordt gezien al naar gelang hetgeen je daarvoor hebt waargenomen. Denk aan het
voorbeeld in hoorcollege 3 over zwijgen. Zwijgen wordt anders geïnterpreteerd als je net
hoort dat er DNA op de plaats delict van deze verdachte is gevonden. Dit is niet de bedoeling
natuurlijk; het bewijsmiddel moet intrinsiek even krachtig blijven (en dus niet krachtiger!).
Met de Bayesiaanse methode heb je hier geen last van;
Van de verankering door irrelevante informatie (zoals de houding van de verdachte, emoties
bij het slachtoffer en irrelevante informatie uit het verleden van de verdachte) heb je geen
last, het is namelijk simpelweg een som.
Het Bayesiaanse model gaat niet alleen maar over rozen, er zitten namelijk ook beperkingen aan het
Bayesiaanse model:
Het is moeilijk, dus het stuit op weerstand. Dit is een praktisch probleem. Het is raar of (nog)
niet gebruikelijk dat een rechter een rekenmachine erbij pakt om te bekijken hoe groot de
bewijskracht is dat iemand het gedaan heeft. Het gaat nu gewoon met een gesprekje (‘Denk
jij dat hij schuldig is?’, ‘Ik denk het wel’, etc.). De praktijk is dus (nog) niet ingericht op het
gebruik van statistische informatie;
Kan informatie (bewijs) in het dossier wel vertaald worden in een getalletje? Dit is een
principieel punt. Aan veel kwantificaties zijn we gewend (het opmeten van koorts, de kans op
1
