[论文解读] Tutorial for Bayesian forensic likelihood ratio

Niko Brümmer|arXiv (Cornell University)|Apr 12, 2013

Anomaly Detection Techniques and Applications被引用 5

一句话总结

本教程提出了一种完全贝叶斯方法，用于计算法医学DNA证据的似然比（LR），通过共轭先验（β分布）整合模型参数不确定性，生成稳健的非信息性似然比，即使在数据稀疏时仍保持合理。其核心贡献是一种有原则的方法，通过自然地将似然比限制在1和L+1之间，避免了过度自信，其中Haldane先验确保在数据库中未观察到变异时结果为非信息性。

ABSTRACT

In the Bayesian paradigm for presenting forensic evidence to court, it is recommended that the weight of the evidence be summarized as a likelihood ratio (LR) between two opposing hypotheses of how the evidence could have been produced. Such LRs are necessarily based on probabilistic models, the parameters of which may be uncertain. It has been suggested by some authors that the value of the LR, being a function of the model parameters should therefore also be considered uncertain and that this uncertainty should be communicated to the court. In this tutorial, we consider a simple example of a 'fully Bayesian' solution, where model uncertainty is integrated out to produce a value for the LR which is not uncertain. We show that this solution agrees with common sense. In particular, the LR magnitude is a function of the amount of data that is available to estimate the model parameters.

研究动机与目标

• 开发一个完全贝叶斯框架，用于计算法医学DNA分析中的似然比，以考虑群体模型参数的不确定性。
• 证明通过使用非信息先验对不确定参数进行积分，可产生直观且稳健的似然比，避免在数据稀疏时出现过度自信。
• 证明Haldane先验（β(0,0)的极限）作为非信息选择的合理性，仅在数据中观察到变异时产生信息性似然比。
• 表明贝叶斯似然比是有界的，即使在数据库大小L较小或为零时仍表现合理，而频率学估计可能产生无穷大的似然比。

提出的方法

• 将DNA分型建模为K个二值基因座，每个基因座状态独立地从参数为q_k的伯努利分布中抽取。
• 为每个q_k使用共轭β先验，参数为(α_k, β_k)，实现闭式贝叶斯更新。
• 通过在后验预测分布上进行边缘化，消除模型参数q_k，从而获得完全贝叶斯似然比。
• 应用Haldane先验（α_k, β_k → 0）以实现非信息行为，确保当数据中未观察到变异时LR = 1。
• 推导匹配状态（r_k = s_k）下的似然比为LR_k(1,1) = (L+1)/(n_k+1) 和 LR_k(0,0) = (L+1)/(L+1−n_k)，其中n_k为数据库中1的计数。
• 通过取α_k, β_k → 0的极限推导最终的似然比表达式，确保数学一致性与直观行为。

实验结果

研究问题

• RQ1 在贝叶斯框架中，如何恰当地处理法医学DNA似然比中模型参数的不确定性？
• RQ2 当数据库为空或仅包含一种等位基因时，似然比的行为如何？
• RQ3 选择非信息先验（特别是Haldane先验）如何影响最终的似然比？
• RQ4 为何贝叶斯似然比始终在1和L+1之间有界，与频率学估计相比有何不同？
• RQ5 在贝叶斯框架中，似然比在何种条件下变为非信息性（即LR = 1）？

主要发现

• 贝叶斯似然比在1和L+1之间有界，当匹配基因座状态在数据库中完全缺失时达到最大值。
• 当数据库为空（L = 0）时，似然比恰好为1，反映非信息性证据，与匹配状态无关。
• 当某个基因座在数据库中无变异时（n_k = 0 或 n_k = L），似然比保持为1，表明无区分能力。
• 贝叶斯似然比仅在数据充足时（n_k ≫ 1 且 L−n_k ≫ 1）与频率学估计LR ≈ L/n_k一致，但能避免n_k = 0时出现无穷大值。
• Haldane先验确保似然比为非信息性（LR = 1）当且仅当在嫌疑人、嫌疑人和数据库样本中均未观察到状态变化。
• 该方法产生了一致且直观的结果：数据越多，我们对似然比的信心越强，且即使在极少或无数据时也具有鲁棒性。