29.01.2023 Views

MANUAL DE PRUEBA PERICIAL_Suprema Corte

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

Las ciencias forenses a la luz del ADN 281

• Falsos positivos —FA, false acceptances—: casos en los que la persona

experta reporte una identificación en un caso preparado donde sabemos

con certeza que la muestra dubitada no tiene origen en el

sospechoso.

• Falsos negativos —miss, miss detections—: caso en el que la persona

experta reporte una exclusión en un caso preparado donde sabemos

con certeza que la muestra dubitada tiene origen en el sospechoso.

Obviamente, el error que más interesa reducir o eliminar es el de los falsos positivos,

ya que podrían dar lugar a incriminar a un inocente. Pero, asimismo, junto

a una baja probabilidad de falsos positivos (P FA ), la técnica debe mostrar simultáneamente

una baja tasa de falsos negativos (P miss ), ya que, en caso contrario,

muchos criminales estarían librándose de la acusación por la falta de capacidad

de la técnica en cuestión para identificarlos.

Una medida mucho más informativa sobre la capacidad de discriminación de un

método, aunque algo más compleja de manejar, son las curvas de rendimien to

conjunto P FA versus P miss , como son las curvas ROC, —receiver operation curve—

y DET —detection error tradeoff)—, 38 o las curvas Tippet (Tippet plots) para distribuciones

de LR. 39 La ventaja de estas representaciones gráficas es que muestran

el rendimien to del sistema en discriminación en cualquier punto de trabajo posible,

es decir, para cualquier umbral hipotético que pudiéramos elegir. Estas

curvas se obtienen analizando las distribuciones de puntuaciones same-source y

different-source —es decir, viendo cómo puntúa el sistema cuando sabemos que

tienen mismo origen, frente a cómo puntúa el sistema cuando sabemos que tienen

origen distinto—; cuanto más separadas estén y menos cruces existan entre

ambas distribuciones, menor será el error del sistema para cualquiera de los puntos

de trabajo posibles.

38

González-Rodríguez, “Evaluating automatic speaker recognition systems: An overview of the NIST

speaker recognition evaluations”, en Loquens, e007-e007.

39

Ibid.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!