Tankefel i bevisvrdering Christian Dahlman Forskargrupp bevisvrdering Lunds

Tankefel i bevisvärdering Christian Dahlman

Forskargrupp bevisvärdering Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bakgrund Daniel Kahneman född 1934 Nobelpriset i ekonomi 2002 Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bakgrund ”kognitiv bias” = systematiskt tankefel i mänskligt beslutsfattande Daniel Kahneman född 1934 Nobelpriset i ekonomi 2002 Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Kognitiv bias Exempel: anchoring Skriv ner siffran som hjulet stannar på. 1) Bedöm om procentandelen afrikanska stater i FN är större eller mindre än siffran du skrev ner. 2) Bedöm procentandelen afrikanska stater i FN. (rätt svar: 27 %) hjulet stannade på: medelvärde på fråga 2: Testgrupp 1 10 25 % Testgrupp 2 65 45 % Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Tvåsystemteorin System 1 omedvetet automatiskt snabbt heuristiskt System 2 medvetet kontrollerat långsamt analytiskt bias de-basing Daniel Kahneman född 1934 Nobelpriset i ekonomi 2002 Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Olika slags kognitiv bias • confirmation bias • hindsight bias • halo effect • overconfidence • anchoring osv… Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Olika beslutskontexter • ekonomiska beslut • politiska beslut • forskning • val av partner osv… Kognitiv bias i rättslig beslutsfattande? Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Anchoring i rättsligt beslutsfattande Birte Englich & Thomas Mussweiler ”Sentencing Under Uncertainty: Anchoring Effects in the Courtroom” Journal of Applied Psychology (2001) Experiment med tyska domare: straffmätning i ett våldtäktsmål Deltagarna fick aktmaterial och relevant lagtext 1) Bedöm om straffet bör vara strängare eller lindrigare än åklagarens yrkande. 2) Bedöm hur strängt straffet bör vara. åklagarens yrkande: medelvärde på fråga 2: Testgrupp 1 2 månader 19 månader Testgrupp 2 34 månader 29 månader Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bevisvärdering sannolikhetsteori och statistik i rättslig bevisvärdering? • bevisvärdering kan inte reduceras till en ”mekanisk formel” • sifferexempel illustrerar bara matematiska principer • hjälp för tanken ”checklista” för att undvika tankefel Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bevisvärdering beviset föreligger (utslag) bevisfaktum (vittnet identifierar) bevisets motsats föreligger (ej utslag) bevisfaktumets motsats (vittnet identifierar ej) hypotesen är sann (mässlingen) bevistemat är sant (skyldig) hypotesen är falsk (ej mässlingen) bevistemat är falskt (oskyldig) sann positiv falsk negativ sann negativ Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bevisvärdering sannolikhet för sann positiv sannolikhet för falsk positiv Frekvens av patienter med utslag bland patienter med mässlingen? Hur troligt är det att vittnet skulle identifiera den tilltalade som GM om den tilltalade är skyldig? högre sannolikhet => större beviskraft Frekvenser av patienter med utslag bland patienter utan mässlingen? Hur troligt är det att vittnet skulle identifiera den tilltalade som GM om den tilltalade är oskyldig? lägre sannolikhet => större beviskraft Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bevisvärdering sannolikhet för sann positiv beviskraft = sannolikhet för falsk positiv P(E|H) P(E|-H) Exempel: Hur troligt är det att vittnet skulle identifiera den tilltalade som GM om den tilltalade är skyldig? Hur troligt är det att vittnet skulle identifiera den tilltalade som GM om den tilltalade är oskyldig? beviskraft = 0. 90 / 0. 03 = 30 Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020 90 % 3 %

Bevisvärdering En beviskraft på 30 innebär att… …bevisfaktumet gör oddset för att bevistemat är sant 30 gånger högre. innan vi tog hänsyn till bevisfaktumet bevistemats sannolikhet efter vi har tagit hänsyn till bevisfaktumet odds för bevistemats bevistemat sannolikhet 25 % 0. 25 / 0. 75 ≈ 0. 33 × 30 = 10 91 % (0. 91 / 0. 09 ≈ 10) 50 % 0. 5 / 0. 5 = 1 75 % 0. 75 / 0. 25 = 3 1 × 30 = 30 97 % (0. 97 / 0. 03 ≈ 30) 3 × 30 = 90 99 % (0. 99 / 0. 01 ≈ 90) Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bevisvärdering beviskraft sannolikhet för bevistemat innan vi tog hänsyn till bevisfaktumet efter vi har tagit hänsyn till bevisfaktumet Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bevisvärdering beviskraft > 1 bevisfaktum ökar sannolikheten för att bevistemat är sant beviskraft = 1 bevisfaktum påverkar inte sannolikheten för att bevistemat är sant beviskraft < 1 bevisfaktum minskar sannolikheten för att bevistemat är sant Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bevisvärdering Nationellt forensiskt centrum (NFC) Utlåtandeskala Grad +4 Resultaten talar extremt starkt för att … Grad +3 Resultaten talar starkt för att … Grad +2 Resultaten talar för att … Grad +1 Resultaten talar i någon mån för att … Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bevisvärdering Nationellt forensiskt centrum (NFC) Utlåtandeskala P(E|H) P(E|-H) Grad +4 > 1 000 Resultaten talar extremt starkt för att … Grad +3 Resultaten talar starkt för att … 6 000 – 1 000 Grad +2 Resultaten talar för att … 100 – 6 000 Grad +1 Resultaten talar i någon mån för att … 1 - 100 Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bevisvärdering Tabell 1 Resultat för blå bilar Vittnet uppger att bilen är blå (korrekt) Vittnet uppger att bilen inte är blå (felaktigt) Vittnet A 90 % 10 % Vittnet B 80 % 20% Tabell 2 Resultat för bilar som inte är blå Vittnet uppger att bilen är blå (felaktigt) Vittnet uppger att bilen inte är blå (korrekt) Vittnet A 20 % 80 % Vittnet B 10 % 90 % Beviskraft: Vittne A = 0. 90 / 0. 20 = 4. 5 Vittne B = 0. 80 / 0. 10 = 8 Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bevisvärdering sannolikheten för falsk positiv är viktigare än sannolikheten för sann positiv att underskatta betydelsen av falsk positiv är en kognitiv bias (false positive neglect) Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bevisvärdering 3 % Vittnesmålet från A har klart högre bevisvärde än vittnesmålet från B. 13 % Vittnesmålet från A har något högre bevisvärde än vittnesmålet från B. 48 % Vittnesmålet från A har samma bevisvärde som vittnesmålet från B. 31 % Vittnesmålet från A har något lägre bevisvärde än vittnesmålet från B. 5 % Vittnesmålet från A har klart lägre bevisvärde än vittnesmålet från B. => 95 % underskattar betydelsen av falsk positiv Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bevisvärdering Bevisningen som fällde Thomas Quick: Underskattning falsk positiv? Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bevisvärdering Domen för mordet på Yenon Levi (Hedemora Tingsrätt, 1997 -05 -28) Ställde förhörsledaren Seppo Penttinen ledande frågor? Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bevisvärdering bevistema = Penttinen ställde inte ledande frågor bevisfaktum = Penttinen säger att han inte ställde ledande frågor Hur troligt är det att Penttinen skulle säga att han inte ställde ledande frågor om han inte ställde ledande frågor? 99 % Hur troligt är det att Penttinen skulle säga att han inte ställde ledande frågor om han ställde ledande frågor? 90 % beviskraft = 0. 99 / 0. 90 = 1. 1 Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bevisvärdering Domen för mordet på Yenon Levi (Hedemora Tingsrätt, 1997 -05 -28) Ställde förhörsledaren Seppo Penttinen ledande frågor? ”Genom vittnesmålet med Seppo Penttinen är utrett att förhören hållits på ett föredömligt sätt utan inslag av t. ex. ledande frågor. ” (s. 18) Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bevisvärdering Domen för morden på Trine Jensen och Gry Storvik (Falu Tingsrätt, 2000 -06 -22) Fick Quick sina faktauppgifter från tidningsartiklar? Test där försökspersoner skulle erkänna falskt med hjälp av tidningsartiklar Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bevisvärdering Domen för morden på Trine Jensen och Gry Storvik (Falu Tingsrätt, 2000 -06 -22) antal korrekta uppgifter testgrupp 3. 5 Quick 33 antal felaktiga uppgifter ? ? bevisvärde ? antal korrekta uppgifter testgrupp 3. 5 Quick 33 antal felaktiga uppgifter 6. 5 17 bevisvärde 3. 5 / 6. 5 ≈ 0. 5 33 / 17 ≈ 2 antal korrekta uppgifter testgrupp 3. 5 Quick 33 antal felaktiga uppgifter 6. 5 67 bevisvärde 3. 5 / 6. 5 ≈ 0. 5 33 / 67 ≈ 0. 5 Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Bevisvärdering Domen för morden på Trine Jensen och Gry Storvik (Falu Tingsrätt, 2000 -06 -22) ”Antalet svar som var riktiga […] Skillnaden är alltså för Thomas Quicks del omkring tio gånger större än försökspersonernas. Resultatet medger slutsatsen att Thomas Quick har haft tillgång till avsevärt flera faktauppgifter än vad som publicerats i tidningarna. ” (s. 11 f) Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020

Tack! • Christian Dahlman ”Belastningsparadoxen”, Juridisk Tidskrift, nr. 3, 2013 -2014. • Christian Dahlman & Lena Wahlberg ”Appeal to Expert Testimony” i Thomas Bustamante (red. ) Argument Types and Fallacies in Legal Argumentation, Springer, 2015. Lunds universitet / Juridiska fakulteten / Professor Christian Dahlman / 11/23/2020