6 курс / Судебная медицина / Лабораторные_и_специальные_методы_исследования_в_судебной_медицине
.pdfсти (Xi) принято называть отклонением отдельных из мерений от их среднего арифметического.
Таким образом:
Основной характеристи кой степени точности изме рений в теории ошибок яв ляется мера точности h, вхо дящая в формулу Гаусса. Практически удобнее оцени вать точность измерений тремя показателями: средней
квадратичной ошибки а, вероятной Q, средней 5.
В теории ошибок для них введены выражения, устанав ливающие их зависимость от меры точности.
Существенным с практической точки зрения преимущест вом показателей точности по сравнению с h является то, что
они поддаются непосредственному |
расчету через известные |
из опыта величины Х{. |
|
Средняя квадратичная ошибка |
отдельных измерений а |
определяется выражением: |
|
средняя квадратичная ошибка от среднего:
Вероятная ошибка р отдельных измерений по определе нию делит всю совокупность п случайных ошибок на равные
группы, в одну из которых входит —• ошибок <р, а в дру гую— столько же ошибок >р, определяется как р — 0,6745а соответственно
Средняя ошибка 5 отдельного измерения по определению
237
Из теории ошибок известно, что
Хо, чтс |
весьма су |
щественно: из этого следует, что при увеличении числа изме рений п, ат и рт вначале быстро уменьшаются, следователь но, повышается точность анализа, но затем, начиная с неко торого п « 10—15, это уменьшение становится весьма незна чительным. Отсюда следует, что с целью уменьшения оши бок окончательного результата и увеличения точности ана лиза нет необходимости чрезмерно увеличивать число изме рений. Дальнейшее уменьшение величины ошибок может быть достигнуто лишь за счет увеличения меры точности, т. е. применения более точных методов измерения.
Таким образом, измеряемая определенным методом вели чина, должна быть представлена в виде
В случае необходимости проведения сравнительного ана лиза двух измеренных величин (Лх ±от и А2 ± ат2) для установления наличия (или отсутствия) статистически устой чивого различия их (или совпадения) в пределах точности метода используется простейший прием оценки по t (кри терий достоверности), который может быть представлен следующей расчетной формулой:
В том случае, если t>3, существует статистически до стоверное различие в пределах точности метода; если tx2, то отмечается лишь тенденция к статистически достоверно му различию (для окончательного решения необходимо перейти к более точному методу); если, наконец t<\, то статистически достоверного различия в пределах точности метода не существует. Нередко экспериментаторы переходят к оценке вероятности встречаемости данного события (Р), используя таблицы Стьюдента.
Одно из первых условий, которое должен выполнять экспериментатор, это разумно (удобно, наглядно) подгото вить таблицы для записи первоначальных данных, оформле ния окончательных результатов, которые по мере необходи мости должны быть представлены графически.
В качестве примера расчета и оформления экспертного материала рассмотрим следующий случай.
238
На одежде имеется два однотипной формы повреждения (материал — трикотаж, концы повреждений нечетки). Нужно измерить их длину (h и h) и показать, существует ли в пре делах точности метода различие в значениях длин.
Каждое повреждение имеется в данном случае 10 раз (при более однородных объектах можно ограничиваться 3 5 измерениями). Первичный материал и все проводимые расчеты приведены в табл. 11.
Т а б л и ц а 11
Пример расчета экспериментальных данных
239
Рис. 62. Графическая зависимость коэффициента зольности костной ткани от возраста.
Следовательно, существует статистически устойчивая раз ница в значениях 1\ и 1%.
В тех случаях, когда определяемый признак изучают в зависимости от воздействия на него какого-либо внешнего или внутреннего фактора, окончательные данные желатель но свести в таблицы и представить в графической форме.
Результаты статистической оценки по t удобнее предста вить в виде матрицы. Так, например, определяется коэффи циент зольности (Р) костной ткани для трех возрастных групп (2—6, 20—25 и 50—55 лет). В каждой возрастной группе исследовано 6—10 объектов (VI ребро справа). Про ведена экспериментальная работа и для каждой возрастной группы получены определенные данные, которые должны быть представлены на удобной для обозрения и анализа таблице (табл. 12).
На рис. 62 представлено графическое изображение коэф фициента зольности костной ткани возрастных групп, приве денных в табл. 12 (причем можно дать общий разброс всех
Т а б л и ц а 12
Пример оформления экспериментального материала в виде таблицы
|
|
Коэффициент зольности |
|
|
|
||
^Возрастные группы, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
годы |
Р (%) |
|
°т |
|
р |
—Р |
• |
|
|
|
|
max |
mm |
||
|
|
|
|
|
|
|
|
2 - 6 |
35,2 |
|
1,83 |
|
|
43—28 |
|
20—25 |
49,2 |
|
1,23 |
|
|
53—42 |
|
50—55 |
37,5 |
|
1,24 |
|
|
48—27 |
|
|
|
|
|
|
|
|
|
240
полученных экспериментальных значений) в виде отдельных
точек.
Статистическая оценка по t показывает, что величина ко эффициента зольности действительно зависит от возраста:
Наиболее удобно представить этот материал в форме матрицы t:
|
|
|
|
|
(1) |
(2) |
|
|
|
|
|
|
2—6 лет |
20—25 лет |
|||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
(2) |
|
|
|
|
|
|
|
|
20—25 лет |
|
|
6,3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(3) |
|
|
|
|
|
|
|
|
50—55 лет |
|
|
»1 |
6,9 |
|
|
|
|
|
|
|
|
|||
Приведенные примеры оформления |
расчета |
экспертных |
||||||
и экспериментальных |
данных |
наиболее |
просты |
и обосно |
||||
ванны. |
|
|
|
|
|
|
|
|
В настоящее время, кроме оценки по t, приводится очень |
||||||||
много |
других моделей |
расчета |
(доверительные |
интервалы |
||||
и др.), |
нередко переходят от t |
к Р (вероятность |
встречаемо |
сти данного события). Этот прием для практики пока не ре комендуется, так как требует обоснованного эксперимен тального подтверждения.
СИСТЕМА МАТЕМАТИЧЕСКОГО АНАЛИЗА ДАННЫХ СУДЕБНО-МЕДИЦИНСКОГО ИССЛЕДОВАНИЯ С ЦЕЛЬЮ РЕШЕНИЯ ЗАДАЧИ ДИФФЕРЕНЦИАЦИИ {ИЛИ ИДЕНТИФИКАЦИИ)
На базе приведенных выше основных понятий сделана попытка создать общую систему исследования объектов су дебно-медицинской экспертизы с помощью физико-химиче ских и технических методов с целью выявления и сценки Дифференциальных (идентификационных) признаков.
Задача сравнительного исследования с целью дифферен циации (идентификации) заключается в установлении с определенной степенью вероятности общности происхождения сравниваемых объектов, т. е. принадлежность их к определен ному «целому». В отдельных случаях процесс идентификации доводится до индивидуального понятия «целого».
Понятие «целого» характеризуется определенным числом установленных стойких дифференциальных (идентификаци онных) признаков, выделяющих «целое» из ряда других
16-2257 |
241 |
сходных объектов1. Методы, выявляющие эти признаки, мо гут быть различными. Если нет достаточных статистически надежных данных о принадлежности объекта одному «цело-i му», то необходимо указать свойства того, другого, «целого», принадлежность объекта к которому статистически досто вернее.
Такая постановка задачи должна значительно снизить ошибки в экспертных заключениях и требует:
1. Обоснования и подбора объектов исследования для решения определенной судебно-экспертной задачи (коллек ция объектов) ;
2. Обоснования и выбора методики исследования, обеспе чивающей оптимальные условия проведения эксперимента для получения большой количественной информации об изу чаемых признаках;
3. Изучения объектов с целью выяснения принципиальной возможности (допустимости) проведения сопоставления их с целью идентификации и установления для них минималь ных и максимальных количеств, достаточных для сохране
ния идентификационных признаков; |
|
4. Выявления идентификационных признаков, |
изучения |
их статистических характеристик и установления |
по ним, |
«целого», т. е. установление основной совокупности объекта, в пределах которой с наибольшей достоверностью возможен процесс идентификации частных совокупностей;
5.Выбора и обоснования соответствующих статистиче ских методов обработки экспертного материала;
6.И, наконец, решения больших проблемных задач соз данием регистрационной карты, в которую включаются все факторы, могущие влиять на изучаемые или изученные при-> знаки.
Выбор и изучение необходимого для статистического ана лиза материала из судебно-медицинских актов представляют большие трудности. В настоящее время в судебной медици не начинается переход на регистрационную карту, в которой учтено все необходимое для решения данной проблемы, а описательные признаки даны в определенной кодировке.
Весь экспериментальный материал оформляют в форме, удобной для обработки на ЭВМ. В настоящее время обра ботку экспериментального судебно-медицинского материала проводят по специально подготовленным программам на БЭСМ-3.
1 Только в том случае, если понятие «целого» определено достаточ ным числом статистически достоверных признаков, можно говорить о диф ференциации или идентификации объектов. В остальных случаях можно говорить только о сходстве определенных количественных критериев, полученных при исследовании сравниваемых объектов (в пределах точ ности метода).
242
Такая постановка задачи должна рассматриваться в двух вариантах — в зависимости от того, какой объем информа ции имеется в настоящее время об объектах исследования.
Первый вариант предполагает, что имеется большой объ ем информации об объектах, и «целое» статистически надеж но может быть установлено благодаря наличию достаточно го количества идентификационных признаков и использовано в экспертном исследовании. Это могут быть специально подобранные и обработанные данные литературы, материа лы следственных дел, акты вскрытий, данные собственных исследований, полученных в большом количестве опытов.
Понятие «целое» — обобщающее. Например, генеральная совокупность вариаций (физиологические разбросы) 25 признаков, определяющих раз
меры черепа, для каждого признака |
генеральная |
совокупность может |
быть разбита на две статистически |
независимые |
совокупности — муж |
ская и женская, каждая из которых рассматривается как «целое». При экспертном исследовании череп, поступивший в качестве вещественного доказательства, относят к одной из двух совокупностей. Генеральная совокупность вариаций (физиологические разбросы) микроэлементов кост ной ткани ребра может быть разбита на 3 статистически достоверные совокупности (дети, взрослые до 35 лет и взрослые после 35 лет), каж дая из которых опять же рассматривается как понятие «целое». Исполь зование при (решении этих задач различных методов (рентгенологиче ский, абсорбционный спектральный анализ, микроскопия и т. д.) создает возможность выявлять новые признаки и приближает к решению задачи идентификации.
Для большинства объектов судебно-медицинской экспер тизы в силу их специфичности и, главное, своеобразности вопросов, определяющих направление исследования, такой предварительной информации в литературе найти почти не возможно. Используемые документы следствия не очень хорошо подготовлены для извлечения из них информации для полного статистического анализа на ЭВМ. Следователь но, ее должны получить и в настоящее время получают при решении основных судебно-экспертных задач. Это создает необходимость проводить большую предварительную научноисследовательскую работу, которая могла бы дать надежную информацию. Данный процесс достаточно трудоемок, длите лен, но совершенно необходим.
Второй вариант предполагает, что такой достаточно на дежной информации нет, т. е. не имеется данных литерату ры и, главное, эксперт не располагает достаточным проме жутком времени для ее получения. В таких случаях каждая экспертиза проводится в форме небольшого (сокращенного) научного исследования, при котором изучают малую группу объектов, присоединенных дополнительно к вещественным доказательствам.
Статистическую оценку проводят по описанной выше схе ме, т. е. определяют средние арифметические значения для всех обнаруженных данным методом количественных крите-
16* |
243 |
риев, и по этим данным устанавливают наличие (или отсут ствие) статистически достоверного совпадения (или разли чия) двух сравниваемых объектов. Обычно эксперту присы лают ограниченное число объектов, которые подлежат сравнению по экспериментально установленным признакам. Выбор объектов сравнения должен производиться с пре дельной тщательностью, с учетом всех факторов, которые могли каким-либо образом повлиять на оценку избранных признаков. Нередко эти признаки не оценены статистически предварительным анализом, поэтому ответ в экспертном за ключении дается в вероятностной форме.
Математические системы и модели, которые можно ис пользовать при решении задачи второго варианта, многочис ленны: установление доверительных интервалов, оценка ожи даемого результата по малым выборкам, оценка по коэффи циентам корреляции, по ^-критерию и т. д. Одни из них не имеют никакого преимущества перед предлагаемой простой системой, другие вносят излишнюю конкретизацию в реше ние задачи.
Далее мы остановимся только на первом варианте зада чи. Этот вариант начинается с подбора коллекции объектов, при исследовании которых экспериментатор рассчитывает (основываясь на данных литературы и др.) найти диффе ренциальные (или идентификационные) признаки сопостав ляемых совокупностей объектов, т. е. подбирает объекты ге неральной совокупности, в которую входят две (или несколь ко) частные совокупности.
Правильный подбор «чистой» коллекции и число объек тов, входящих в нее, имеют большое значение для получения достоверного решения поставленной задачи или оценки ве роятного решения. В понятие «чистой» коллекции вклады вается тот смысл, что на признаки практически не влияют никакие другие факторы, кроме изучаемого. Подбор «чис той» коллекции, конечно, необычно затруднен при изучении отдельных частей, органов, тканей и выделений такого слож ного организма, каким является организм человека. Поэто му, подбирая с предельной тщательностью коллекцию, надо еще уметь ее «очистить» с помощью предварительной стати стической обработки.
Число объектов, входящих в состав коллекции и опреде ляющих основную и частные совокупности, должно быть особо оговорено в каждом исследовании. Оно зависит от сложности объекта, степени «чистоты» подобранных объек тов, силы влияния отдельных факторов и т. д.
В обычной задаче основную совокупность практически составляют 100—200 объектов. В такой совокупности можно рассматривать до 4 частных совокупностей (по 25—50 объек тов). Нередко удается выявить необходимые дифференциаль
244
ные признаки и на меньшем числе частных совокупностей, однако это возможно только при наличии сильно действую щих факторов, определенного опыта работы и достаточного количества предварительного экспериментального материа ла или в том случае, если сравниваются самоконтролирую щие друг.друга совокупности. В других случаях, наоборот, число членов совокупности возрастает до нескольких сотен, так как действующий фактор слабо изменяет частные сово купности при наличии больших физиологических разбросов. Иногда приходится считаться со сложностью изъятия объ екта и большим промежутком времени, необходимым для подбора нужного числа членов совокупности. Таким обра зом, первым и наиболее ответственным звеном системы яв ляется правильный подбор коллекции объектов сравнитель ного исследования.
Подооранные объекты коллекции исследуют с целью получения определенной количественной информации, кото рую затем используют для установления и оценки дифферен циальных (идентификационных) признаков при помощи не обходимых для этой цели методов, принятых в физико-тех нических отделениях (спектральные, рентгеновские, люми несцентные, краниометрические и т. д.). Полученные экспе риментальные ряды проходят последовательную статистиче скую обработку. Началом ее является построение функции распределения (графическая зависимость частоты встречае мости изучаемого количественного признака в исследуемой совокупности). Опыт работы с судебно-медицинскими объек тами показывает, что какие бы физико-химические, механи ческие или биохимические признаки не изучались, исследо ватель почти всегда сталкивается с колоколообразной кривой (близкой к кривой Гаусса-—нормальное распределение). Построение основной совокупности для одного количествен ного критерия основывается на всем экспериментальном ряде полученных данных. В эту кривую должны уклады ваться функции распределения частных совокупностей (этого же количественного критерия по экспериментальным рядам частных совокупностей).
Анализ полученных функций распределения помогает осмысливать и оценивать полученные данные.
Некоторым критерием для установления «чистоты» подо бранной коллекции может служить форма кривой. Резкое от клонение ее от колоколообразной формы, двугорбость и т. д. нередко удается связать с нарушением правила подбора «чистой» коллекции, наличием неразделенных (неучтенных) частных совокупностей, сложностью физиологического и па тологического развития и т. д. Дисперсию кривой при учете ошибки эксперимента в целом нередко удается связать непо средственно с физиологическим разбросом, который обу-
245
словлен в данной группе объектов также влиянием изучае
мого фактора.
Основной анализ проводится сопоставлением двух (или нескольких) кривых для частных совокупностей. Их сдвиг, дисперсия, форма дают возможность в очень удобной и на глядной форме оценить полученные данные в качестве диффе ренциального (идентификационного) признака.
Далее экспериментальный материал обрабатывают обыч ными приемами: определяют средние арифметические значе ния рядов для всех изучаемых, анализируемых и сопостав ляемых признаков (Аг), средние квадратичные отклонения (Т и Тт) для каждого экспериментального ряда и, наконец, дают оценку изучаемого признака по коэффициенту досто верности t.
Для каждой пары полученных признаков определяют ко эффициент корреляции (г), устанавливающий силу (тесноту) связи между ними:
Если дифференциальные признаки тесно взаимосвязаны, то г>0,5; если взаимосвязь слабая, то г<0,5.
В судебно-медицинских исследованиях даже сильно кор
релирующие взаимосвязанные признаки |
(г — 0,6—0,7) ис |
|
пользуются как самостоятельные (если используется |
5-бал |
|
льная система, описанная далее). |
|
|
Для решения некоторых задач введена |
5-балльная |
систе |
ма оценки полученных результатов, разбив общий разброс двух сравниваемых совокупностей по какому-либо признаку на 5 интервалов: достоверный интервал для одной совокуп ности (I), достоверный интервал для второй совокупности (V), два вероятных интервала (II и IV границы опреде ляются принадлежностью той или иной совокупности в пре делах 33%) и неопределенный интервал (III).
В качестве примера (рис. 63) приводим полное сравне
ние двух гистограмм по одному |
признаку (признак № 15, |
|||
см. |
главу XX). |
Гистограмма |
(1)—женская, |
гистограм |
ма |
(2) •— мужская |
совокупность. |
Представлены |
интервалы |
/, //, ///, IV и V, на которые разбивается общий разброс зна |
||||
чения d. Выведены средние арифметические и о, |
di = 123,8±' |
|||
±2,6 и d2=131,8±2,7. Показаны коэффициенты корреляции |
этого признака с остальными 23 изученными признаками (ris с 1—5, 7, 9—18, 21, 22 — 0,1—0,4 — малая теснота связи, при знак независим и ri 5 с 6, 18, 19, 20, 23«0,6—0,8 — большая теснота, признаки взаимосвязаны). Кривые 3 и 4 (шкала Р%) —значение вероятности принадлежности к одной и дру: гой совокупности. 5-балльную систему оценки данных вво-
246