§2. Теоретические основы статистической дактилоскопии
Научной основой статистической дактилоскопии являются теория криминалистической идентификации, теория ве-
Свойства папиллярных узоров...
17
роятностей, математическая статистика, теория информации и математическая теория множеств. Первые четыре теоретические концепции достаточно активно используются в криминалистике и судебной экспертизе. Математическая теория множеств в концепциях криминалистики почти не используется, хотя с ее помощью возможна выработка формализованных понятий судебной экспертизы и прежде всего в области теории идентификации.
Применение теории вероятностей и математической статистики в криминалистике имеет уже богатую историю. Достаточно вспомнить, что еще в 1963 г. в Москве прошла научная конференция "Применение теории вероятностей и математической статистики в судебной экспертизе"3. Здесь нет смысла перечислять даже наиболее значимые работы. Отметим только, что важные результаты в этой области уже в то время были получены криминалистами В.Ф.Орловой, З.И.Кирсановым, В.С.Митричевым, Г.Л.Грановским, А.А.Эсманом, Г.Л.Ланцманом и другими, а также математиками В.Н. Колосовой, В.И. Кринским, В.З.Поляковым, ЛАГегечкори, Г.М.Собко и др. Поэтому многие проблемы использования теории вероятностей и математической статистики достаточно полно разработаны. Что же касается теории множеств, то в данном случае дело обстоит иначе. Хотя эта математическая теория широко используется при практической идентификации, основные научные положения в силу их якобы очевидности выносятся за скобки. Вместе с тем это не соответствует действительности. Теория множеств позволяет более четко определить не только цели и задачи статистической дактилоскопии, но сделать более ясными и некоторые технологические аспекты процесса дактилоскопической идентификации. Поэтому мы остановимся на определенных положениях этой теории, которые фактически используются при идентификации и которые пригодятся при дальнейшем изложении материала, так как множественный подход позволяет уяснить и
3 Применение теории вероятностей и математической статистики в судебной экспертизе: Мат-лы науч. конф. 5—6 июня 1963. М., 1964.
2 Зак. 3551
18
Глава 1
основные принципы применения в дактилоскопии теории вероятностей и математической статистики. И это не случайно.
Теория множеств является методологической базой всей современной математики. Так, П.С.Александров и А.В.Колмогоров считают, что "...огромное влияние теории множеств на развитие математики последнего полстолетия является в настоящее время общепризнанным фактом"4. У Н.Бурбаки читаем: "В совокупности эти книги должны дать теоретико-множественную основу для построения всей современной математики"5. Кроме того, как уже говорилось, теория множеств содержит необходимый понятийный аппарат. Однако более важной для судебной экспертизы, в том числе и для статистической дактилоскопии, причиной сближения теории криминалистической идентификации и теории множеств является связь идентификационных исследований с необходимостью оперировать определенными реальными множествами. Это могут быть множества объектов анализа численно точно определенные, например, когда эксперт имеет дело с пятью марками автомобильного бензина, установленными лишь приближенно (например, множество лиц, пишущих на русском языке), либо даже численно не определенными (например, не известно количество пистолетов данной марки, представленных для судебно-бал-листической экспертизы). В процессе исследования эксперт может анализировать только то множество объектов, которое ему прислано для производства экспертизы. В других случаях он соотносит анализируемые объекты с генеральной совокупностью аналогичных объектов, которые тоже представляют собой множество. Таким образом, множество — это та категория, с которой эксперт встречается повседневно при проведении исследований вещественных доказательств. Не менее важным является и то, что основную задачу идентификации можно сформулировать как выделе-
А
4 Александров Н.С. Введение в общую теорию множеств и функций. М.; Л., 1948. С. 8.
5 Бурбаки Н. Очерки по истории математики. М., 1963. С. 11.
Свойства папиллярных узоров...
19
ние единичного объекта из множества. Эта мысль последовательно проходит через все теоретические исследования по криминалистической идентификации.
"В результате идентификационного исследования, — пишет А-Я.Колдин, — устанавливается (отождествляется) единичный материальный объект"6. Эту же мысль, по существу, ранее высказал и С.М.Потапов, утверждая, что "криминалистическая идентификация как процесс есть сравнительное исследование мысленно отделяемых представлений о признаках вещи, но именно тех, которые определяют ее тождество и отличие от всех других вещей"7. Ведь отличить одну вещь от всех других вещей это и значит выделить единичный объект из множества аналогичных объектов. Эта же идея проводилась и в работах таких криминалистов, как Н.В.Терзиев, А.И.Винберг, Б.М.Комаринец, Б.И.Шевченко8. Очень четко проводит указанную мысль в своих работах З.И.Кирсанов. "Представляется, — пишет он, — что наиболее характерной чертой идентификации является выделение конкретного (единичного) объекта из множества других объектов материального мира"9. Это утверждение встречается и в работах других криминалистов, посвященных идентификации10.
Технология выделения единичного объекта из множества. Далее на конкретных примерах мы покажем, каким образом из разного типа множеств выделяется единичный объ-
4
6 Колдин А.Я. Идентификация и ее роль в установлении истины по уголовным делам. М., 1969. С. 38.
7 Потапов С.М. Введение в криминалистику. М., 1946. С. 15.
8 См.: Терзиев Н.В. Идентификация в криминалистике // Сов. гос. и право. 1948. № 12; Винберг А.И. Основные принципы советской криминалистической экспертизы. М., 1949; Комаринец Б.М. Идентификация огнестрельного оружия по выстреленным пулям // Методика криминалистической экспертизы. Вып. 3. М., 1952; Шевченко Б.И. Научные основы современной трасологии. М., 1947.
9 Кирсанов З.И. Математические методы исследования в криминалистике // Вопросы кибернетики и права. М., 1967. С. 101.
10 См.: Селиванов Н.А. Теория криминалистической идентификации и дидактические вопросы специальной подготовки сотрудников аппарата БХСС: Учебное пособие. Горький, 1980. С. 19.
20
Глава 1
екг. В первом случае рассмотрим пример, в котором структура множества известна абсолютно точно.
Представим себе, что в мешке имеется множество в 70 шаров семи цветов по 10 штук каждого цвета. Значит, частота встречаемости каждого цвета равна 1/7. Вытащим один красный шар, и так как распределение цветов во множестве известно, можно сделать точный вывод о том, что в мешке осталось еще 9 красных шаров.
Включим в эксперимент дополнительный признак — шары имеют еще и 5 видов размеров (частота встречаемости каждого 1/5). Вынут самый маленький шар красного цвета. Значит, суммарная частота встречаемости 1/7 х 1/5 = 1/35. Так как шаров всего 70, значит в мешке есть еще один красный шар маленького размера.
Включим третий бинарный признак -— шары могут быть гладкими и шероховатыми (частота встречаемости 1/2). Вынут самый маленький гладкий шар красного цвета. Суммарная частота встречаемости 1/7 х 1/5 х 1/2 = 1/70. Значит, в данном случае мы выделили единичный объект из множества, в котором таких шаров больше нет. Подчеркнем, что в теории подобные множества задаются перечислением. Они обладают двумя качествами: конечностью и небольшим числом элементов, которые можно перечислить.
Как правило, в реальной ситуации подобные задачи, когда признаки во множестве независимы и когда все элементы индивидуальны и по совокупности признаков можно выделить единичный объект, точно зная, что второй такой отсутствует, встречаются редко. Чаще на этапе постановки задачи о множестве вообще известно очень мало либо неизвестно ничего. Реальная задача близка по своей сути задаче с "черным ящиком", когда по некоторому числу выходных данных пытаются судить о его содержании. Такие множества задаются описанием. Они обладают очень большим количеством элементов, поэтому описываются только некоторые свойства таких множеств11.
А
11 См.: Кондаков Н.И. Логический словарь. М., 1971 С. 308.
Свойства папиллярных узоров...
21
Как поступают в такой ситуации? Из множества, мощность которого известна (например, число элементов равно 100 тыс.), берется некоторое количество объектов, которые можно изучить в реальный отрезок времени. Затем в этих объектах выделяется определенная совокупность формализованных признаков и подсчитывается частота их встречаемости. После этого в конкретном объекте вычисляется суммарная частота встречаемости комплекса признаков и делается один из двух выводов. Например, оказалось, что суммарная частота выделенных признаков равна 1/30 000. Так как в полном множестве объектов гораздо больше (т.е. 100 тыс.), вывод о тождестве не делается. Ведь во множестве есть еще по крайней мере 3—4 объекта с такой же совокупностью признаков. Не исключено, конечно, что этот объект может оказаться и единственным в множестве, структура которого неизвестна. Но вероятность такого события не превышает 3,567%. Делать вывод об индивидуальности подобного объекта в общем случае некорректно.
Другая ситуация — суммарная частота выделенных признаков равна 1/100 000, т.е. величина числителя дроби совпадает с мощностью множества. Здесь обычно делается вывод о тождестве, так как, скорее всего, во множестве не должно быть другого подобного объекта, хотя и такое событие (наличие хотя бы еще одного объекта с подобной совокупностью признаков) не исключено, и вероятность его не так уж мала и равна 63,212% (об этом более подробно см. в конце главы). По существу, в дактилоскопии имеет место именно подобная ситуация. Абсолютно точных данных о структуре множества мы не имеем, а судим о нем именно по частотным характеристикам, которые подсчитаны по относительно небольшому числу папиллярных узоров. В результате подсчета стало известно, что частота встречаемости дуг — 5%, петель — 65%, завитков — 30%. То же самое можно сказать о любых других выделенных и формализованных признаках — частота встречаемости их, как правило, становится известной исследователю в результате подсчетов на небольшом экспериментальном массиве. И здесь делается вывод о том,
22
Глава 1
что если частота встречаемости в сумме больше или равна мощности множества — значит, из него выделен единичный объект. Например, частота встречаемости признака — 1/10. Мощность множества — 1 млн. Если в объекте 6 таких формализованных признаков, суммарная частота встречаемости равна 1/1 000 000, т.е. равна мощности множества. Теоретически это должно служить основанием для формулирования вывода о тождестве. Однако в действительности имеются свои сложности.
Прежде всего, как показано выше, даже в этом случае в множестве с довольно большой вероятностью может оказаться хотя бы еще один объект с такой же совокупностью признаков. И все же в таких случаях имеется определенное теоретическое основание делать идентификационный вывод. И объясняется это тем, что в дактилоскопии имеется некоторая специфика с определением понятия генеральной совокупности.
Что такое генеральная совокупность объектов? В общем случае под генеральной совокупностью понимается такое множество, которое содержит все аналогичные объекты данного типа (все лица, пишущие на русском языке, все пистолеты ТТ, все дактилоскопические отпечатки людей, проживающих на планете, и т.д.).
Реально эта проблема решается не столь прямолинейно. Естественно, генеральной совокупностью при дактилоскопической идентификации должно быть множество примерно в 60 млрд пальцев (на планете проживает примерно 6 млрд человек). Но чаще всего это множество ограничивается численностью населения определенного региона, например, отдельно взятой страны. Понятие отдельно взятой страны является весьма неопределенным. Например, в Китае население страны равно 1 млрд 200 млн (12 млрд пальцев), а в Люксембурге проживает примерно 400 тыс. человек (около 4 млн пальцев). Значит ли это, что в Китае и Люксембурге отождествление по папиллярным узорам следует проводить по разному числу совпавших деталей в следе и отпечатке подозреваемого? Простая логика подсказывает, что подобный вывод был бы некорректным.
Свойства папиллярных узоров...
23
В действительности есть некий разумный уровень, которого обычно придерживаются, когда разрабатывают методику дактилоскопической идентификации. Крайний случай подобного подхода продемонстрировал Бальтазар, который остановился на множестве в 16 млн отпечатков (1,6 млн человек), исходя из возможности оперировать множеством, равным числу жителей Парижа тех лет. В прошлом в нашей стране при разработке количественных методик обычно ориентировались на реальное население страны (порядка 200 млн человек). Практика показала, что такой подход позволял обеспечивать высокую надежность идентификации с применением математических подходов. Думается, что дело тут не в количестве жителей страны. Такое ограничение генеральной совокупности было бы достаточно и для китайских криминалистов и оказалось бы надежным и для криминалистов Люксембурга, т.е. для Китая следовало бы руководствоваться множеством, существенно меньшим, чем реальное число жителей, а для Люксембурга, напротив, множеством, существенно превышающим жителей страны. В криминалистике до последнего времени считалось, что индивидуализация обеспечивается при условии, когда имеет место вероятность 1/N, где числитель символизирует выделенный из множества единичный объект, а N и есть генеральная совокупность. Однако генеральную совокупность не следует определять в чисто теоретическом плане как величину, равную всем имеющимся в природе аналогичным объектам. В действительности она устанавливается путем экспериментального подбора таким образом, чтобы обеспечить надежность экспертного вывода. При определении такой надежности, вопреки существующим вероятностным подходам, приходится учитывать не только величину генеральной совокупности, но и еще ряд других величин, о которых до сих пор в дактилоскопии не упоминалось. Эта проблема будет проанализирована далее, а сейчас необходимо рассмотреть некоторые общие принципы определения стандарта дактилоскопической идентификации.
24
Глава 1
«все книги «к разделу «содержание Глав: 28 Главы: 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. >