证据的法律概念（完结）

避免悖论的一种方法是采取对每个元素来说不够跨越概率阈值的位置; 原告（或检察机构）只有在原告的（或检察机关）案件的概率总体上只超出适用的概率门槛。 因此，在我们的示例中，原告应该失去，因为总体概率低于0.5。 但这建议的解决方案是不满意的。 然后，总体概率水平将打开民事索赔或刑事指控的内容。 元素数量越大，平均每人的概率水平越高，必须证明它们中的每一个。 这被认为是任意的，因此是令人反感的。 正如两个评论员所指出的那样，盗窃的法律定义包含更多的元素，而不是谋杀。 刑法在所有国家都不一样。 我们可能需要采取以下内容的方便近似，法律在某些国家的内容：谋杀案是（1）这一行为，导致了一个人（2）的死亡，这是为了造成死亡的意图，并构成盗窃，必须有（1）有意拿走财产，（2）不诚实地接受房产，（3）从另一个人的占有权删除该物业，（4）该人缺乏同意。 由于盗窃罪包含两倍的元素与谋杀相比，盗窃的各个元素必须被证明到更高水平的概率（为了使他们结合越过整体门槛的概率）而不是更严重的谋杀罪（艾伦和Leiter 2001：1504-5）。 这直观地是不可接受的。

解决悖论的另一种提案是远离思考作为绝对概率的量化阈值的证据标准，而是将其解释为概率比。 事实上的研究员必须比较原告在原告的审判中提出的证据的概率在被告人的案件理论下的证据（两者不需要增加到1）下的概率，并以更高的概率授予判决（程2013）。 对这种证据标准解释的一个批评是它忽略了，并且不提供忽略的基础，一个概率超过另一个概率的余量，概率的差异可能因案件的不同元素而变化（Allen和Stein 2013：598）。

概率概念的证据标准概念存在深刻的问题。 似乎似乎令人满意地对符合法医背景的概率的解释。 唯一合理的候选人是概率的主观意义，根据哪种概率被解释为相信的力量。 证据足以满足对事实有争议的问题的证据标准 - 例如，才能证明被告杀死受害者的积极发现，只有在审议证据的情况下，只有被认为是被告被杀害的足够强烈的信念，才能杀死受害者的积极发现受害者。 有关如何处理证据和表格信仰的指导可以在称为贝叶斯定理的数学定理中找到; 它是理想的理性事实 - 发现者将根据新证据修改或更新他的信仰的方法。[19] 要返回前面的假设情景，假设事实 - 发现者最初认为被告有罪的可能性是1：1（“先前的赔率”）或者，不同的情况下，有0.5个内疚概率。 然后，事实上发现了证据表明，A型血液的血液被发现在犯罪现场，并且被告有一种血液。 50％的人口具有这种血型。 在贝叶斯方法上，通过将先前的赔率（1：1）乘以可能性比率来计算后差，因为我们在上述第2.1.2节中看到的，是2：1）。 事实 - 发现人员对有罪可能性的信仰应该被修改为2：1; 内疚的可能性现在增加到0.67（Lempert 1977）。

受主观主义贝叶斯的法律事实发现理论受到攻击（参见一般Amaya 2015：82-93; Pardo 2013：591）。 首先，正如我们在第3.1节中所看到的那样，确定似然比的确是非常有问题的。 其次，贝叶斯理论对证据的重量不敏感，大致放置，是可用的证据量。 第3.3节进一步探讨了这种批评和重量的概念。

第三，虽然贝叶斯定理提供了根据新证据更新概率的方法，但它沉默了初始概率应该是什么。 在试验环境中，初始概率不能设置为零，因为这意味着被指责的纯真的确定性。 然后没有新的证据可以差异; 无论证据的可能性比例如何，将其乘以零（先前概率）仍将最终零概率为零。 另一方面，以初始概率开始也是有问题的。 这在刑事案件中特别是如此。 为了开始与有罪的一些可能性的审判是让事实上的发现者患上一些初步信念，以至于被告有罪，这并不容易调和纯真的推定。 （部落1971：1368-1372; CF.Posner 1999：1514，建议在弗里德曼2000批评的情况下启动审判50:50的审判。如果我们简单地发现了先前概率的问题，据说修复了现有概率的问题关于似然比率：沙利文，2019：45-59。）

第四，我们已经依赖于高度简化 - 因此不切实际的例子易于说明。 在实际情况下，必须计算通常有多个和依赖的证据和这些物品的所有可能的连词的概率，这将需要计算。 这些计算太复杂，无法由人类进行（召唤1982：10-15）。 不可能遵守贝叶斯模型的不可能性破坏了其规范性价值。

第五，据哈卡，贝叶斯理论有错误的方式。 重要的是事实上的力量的信仰本身。 应当理解的证据标准，而是根据所提出的证据来相信的事实 - 查找者是合理的，这是证据证明信仰保证的程度的问题。 证据是合法地，在法律上，它保证了法律要求的有争议的事实要求。 证据是否有权承担事实索赔，这些证据是如何支持索赔的强有力，就如何独立确保证据是如何获得证据，以及事实上的有关证据（即证据的全面性 - 见下文第3.3节进一步讨论）。 HAACK是针对数学概率的识别担保程度。 逮捕度的程度不符合标准概率微积分的公理。 例如，在证据较弱的情况下，不需要P NOR-P没有P; 相反，P的概率和NOT-P的概率必须加入最多1.此外，在P的概率和Q的概率均小于1的情况下，P和Q的概率，是P的概率的概率和Q的概率，小于概率也是如此。 另一方面，P和Q连词的逮捕证程度可能高于您的权证。[20] （参见海袋2004,2008a，2014，2014年，她的宣传学理论的法律应用。对于她的认识论理论，请参阅Haack 1993：Ch。4; Haack 2009：Ch。4; Haack 2003：Ch。3.）

六，实验性心理学的研究表明，事实 - 发现者不一定地评估证据并以数学模型所需的单向方式评估证据（Amaya 2015：114-5）。 相反，采取全面的方法，其中离散的证据项目融入大型认知结构（各种标记为“心理模型”，“故事”，“叙述”和“案例理论”），并在全球范围内评估犯罪或民事声明的法律定义这是争议（Pennington和Hastie 1991,1993; Pardo 2000）。 推理不会从证据开始线性进展到结论; 这是双向，前进的，因为事实上 - 发现者对证据的考虑倾向于他对特定判决，他倾向于朝着这个结论倾向于修改他的原始看法和他对证据的评估（Simon 2004,1211）。

这些研究所揭示的证据推理的整体性质具有创造性的替代理论，这些理论是非数学性质的。 已经提到的一个替代方案是由艾伦和其他合作者一起提出的“解释性”或“相对合理性”理论（艾伦1986,1991,1994; Pardo 2000; Allen和Leiter 2001; Allen和Jehl 2003年; Pardo和Allen 2008; Allen和Pardo 2019; CF.Nance 2001，Friedman 2001）。[21] 他们争辩，事实 - 发现者不是以贝叶斯模型描绘的时尚而理由。 相反，他们通过绑架推理或绘制“最佳解释推断”的过程从事可用证据的解释或假设，并根据证据进行比较这些竞争解释或假设。[22] 比较不是假设该假设的否定，其中假设的概率与其否定的可能性进行了比较。 相反，比较是一个假设，其中一个或多个特定的替代假设，由党主张或由事实 - 发现者自己构建。 在这种方法上，X的合理性，建立被告有罪或被告责任的情况的情况，与假设Y的合理性相比，一个特定的替代账户，指向被告的无罪或被告的非 - 可行性，并且可能存在多种这样的特定替代账户。

在这个理论上，当解释证据和潜在事件的最佳假设时，证据足以满足证据和潜在事件的最佳假设，包括索赔的所有要素。 因此，在疏忽案例中，最佳假设必须包括原告的违法行为和对被告的伤害的因果关系，因为这些是必须证明在法律索赔中取得成功的要素。 对于中间的“清晰和令人信服”的证据标准，最佳可用的解释必须比替代品好。 为了建立不可分割的疑虑的证据标准，必须有合理的解释包括犯罪的所有要素的证据，并且此外，必须没有合理的解释，这与纯洁（Pardo和Allen 2008：238-240; Pardo 2013：603-604）。

相对合理性理论本身被认为具有许多缺点。[23] 首先，该理论描绘了符合合理性的评估，作为判断的判断，涉及就雇用各种标准，例如连贯，一致性，简洁，善行等。 但是，该理论对合理性的含义略有概括，评估合理性的标准很大程度上未分明。[24]

对相对合理性理论的第二批评是，尽管据称利用“推理最佳解释”推理，但判决不受最佳解释控制。 例如，即使起诉的假设比防御的假设好，也可能很好。 在这种情况下，法院必须拒绝起诉的假设，即使它是最好的替代方案（Laudan 2007）。 一个建议的对这笔批评的缓解是对认识的努力进行一些需求，即事实的特点必须采取（例如，通过充分勤勉和彻底）构建最佳选择的一组假设（Amaya 2009：155）。

第三个批评是在一般的证据推理的整体理论上，而不是专门的相对合理理论。 虽然可能会描述的是，事实 - 发现者通过竞争解释的合理性，假设，叙述或事实理论来决定判决，这些原因是从证据产生的，这种推理形式可能隐藏偏见和偏见的偏见暴露在贝叶斯分析如贝叶斯分析（Twining 2006：319; Simon 2004,1211）下的系统方法下的机会。 由事实研究员构建的假设可以通过基于某个特征的对被告的偏见概括或背景信仰来潜意地形状，说，他的种族或性史。 为了使这一特征进行个性化并使其成为贝叶斯审查具有所需的效果，使概括或背景信仰在聚光灯下迫使事实 - 发现者面临偏见问题。

3.3证据的重量为证据完整性程度

通过凯恩斯（1921：71）的这种洞察力提示了第三个证据重量的想法：

随着我们处置的相关证据的增加，根据新知识加强不利或有利的证据 但是，在任何一种情况下，某些事情似乎都有增加，我们对其结论休息的更实质性基础。 我通过表示，加入新证据增加了争论的重量。 新的证据有时会降低论证的概率，但它将始终增加其“重量”。

在一些法律学者方面，在评估了满足法律标准的证据充足方面，这一思想已经应用于一些法律学者。[25] 在最简单的情况下，我们可能会在法律事实上的背景下想到体重，以作为法院面前的证据量。 重量与概率不同。 证据的重量可能很高，数学概率低，如在起诉增加了大量证据的情况下倾向于指责被告，但防御有一个不可动摇的alibi（Cohen 1986：641）。 相反，在案例中提出的证据状态可能建立足够程度的概率高，足以越过假定的证据的证据阈值，而且缺乏足够的体重。 在讨论的门克拉斯赫的悖论中，唯一可用的证据表明，被告是牛仔竞技表演的一千名观众之一，而且只发出了四百九十九个门票。 被告被展示组织者起诉，以进行栅栏崩溃。 被告是门克拉斯赫的数学概率为0.501，这符合民事责任的概率阈值。 但是，根据数学概率的否定原则，被告确实为入口支付了0.499的概率。 在这种情况下，发现他有责任（Cohen 1977：75）是直观的。 没有发现他责任的可能解释是证据过于脆弱或体重不足。

证据标准的数学概念的支持者已经站在他们的地面，即使承认重量在贝叶斯的贝叶斯分析和证据的充分性分析中发挥作用。 如果一个缔约方没有产生占有的相关证据，导致法院面临证据缺乏，它可能在计算后概率时对他产生不利推理（KAYE 1986B：667;弗里德曼1997）。 对这种方法的一个批评是，在没有关于缺失证据的信息的情况下，不利推理的绘制是对任意的反对（NANCE 2008：274）开放。 进一步的反对意见是，缔约方与证据保存和介绍的行为的管理应留给法官，而不是陪审团。 法官可能会做些什么来优化证据体重是对党的证据产生施加的负担，并使当未能提供证据，使党遭受的不利发现。 这将作为缔约方以促进证据完整性的兴趣（NANCE 2008,2010,2016）的方式行事的激励。

科恩认为，应作为证据重量完全构思的证据标准，这是在他的理论上，是一个在法庭上进行事实假设的测试或挑战的问题。 他根据弗朗西斯培根和J.S.等作家工作的启发，提供了法律实况调查的叙述。 工厂。 感应概率不同于概率的经典演算。 它基于对许可相关推理的绘制的常识概括的归纳支持。 根据其通过的测试数量或以另一种方式将其放置，通过相关变量的伪造程度来分级，对概括的归纳支持被评分。 参数的归纳概率等于涵盖参数的概括的归纳支持的可靠性等级。

除了合理怀疑之外的证明代表了归纳概率的最大水平。 检察机关可能会试图说服法院推断被告通过制定证据确定他在晚上在受害者家附近找到了他在他身上的被盗的物体附近被发现了。 这种推断是通过概括的授权，通常如果在拥有被盗物体的入室盗窃之后立即发现陌生人，他故意将其移除。 防守可以尝试通过表明在特定情况下不适用的概括来击败推断，例如，通过呈现证据表明被告在街道上发现了该物体。 起诉的假设现在挑战或投入测试。 作为一个逆势，它可能会产生证据，以确定该物体在街道上没有撒谎。 如果在所有可能的观点处通过防御休息的概况休息挑战的概括，那么无罪被证明是不合理的怀疑。[26] 相同的推理结构在民间背景下适用，除了在公安案件中，原告在证据上取得了证据，这是因为他的结论比其否定更有违法可能。 （科恩1977,1986; CF. Schum 1979。）[27]

科恩的理论似乎要求放置假设的每个测试都可以明确和客观地解决。 但通常情况并非如此。 在我们的示例中，我们可能并不完全相信被指控发现或没有在街道上找到物体，我们的评价将涉及行使判决，这不对申请标准概率概念的证据时所需的判断不那么主观（NANCE 2008年：275-6;舒姆1994：261）。