ПОЛИГРАФ - ФОРУМ

[$erP]

[York]

$erP

В данном конкретном случае это Ваша полиграмма. Я думаю Вы её видели.

Результат конечно выглядит достаточно парадоксальным. Но на эту ситуацию можно посмотреть с другой стороны. А какова вероятность получить такую полиграмму, если взять действительно правдивого и Вы проведёте тест? Если такая вероятность не очень мала, то зависимоть от априорной вероятности действительно должна настораживать и говорить о нерепрезентативности обучающих выборок.

Но именно у Out_LUEr - a обучающая выборка - это российские полиграммы. А проверял его я на американской выборке и результат классифкации очень хороший. Кроме того я сравнивал его на независимой российской выборке из 200 полиграмм с Соколом. Отличие результатов алгоритмов на ней минимально. Поэтому грешить на обочающую выборку я совсем не спешу...да и грешить вообще не спешу

[$erP]

[York]

Относительно априорной вероятности. Её надо понимать как входной параметр в модель, которую использует Out_LIEr. Неустойчивость результатов алгоритма к входным параметрам - это скорее недостаток алгоритма. При прочих равных надо выбирать тот алгоритм, который показывает большую устоичивость к изменению входных параметров.

Вот утрированный пример: при значении априорной вероятности 0,5 - диагносирована правда, а при 0,51 - диагностирована ложь. Алгоритм крайне неусточив по отношению к входному параметру. Это плохо.

В алгоритме классификации возможно использование другой модели, в которой будет другая зависимость от априорной вероятности. Как такое возможно? Разные модели учитывают разное количество информации содержащееся в даных. Например тест, его результат можно рассматривать как целое. Например, суммарный балл - результат теста МКВ. Но конкретный балл может быть получен разными путями. В смысле суммарный балл является суммой баллов, а таких сумм, которые дадут этот конкретный балл может быть великое множество. В модели в которой тест - единое целое, а его результат суммарный балл, теряется информация о том как был получен этот балл - о значениях тех баллов сумма, которых дала конкретный суммарный балл.

Возможна другая модель теста МКВ. В этой модели тест рассматривается не как одно целое, а как совокупность повторяющихся экспериментов. В этой модели учитывается информация о каждом балле, который был получен каждым проверочным вопросом. В такой модели эта информация не теряется.

У первой и второй модели будет разная зависимость от априорной вероятности, и разница может быть существенной.

Выбор в пользу первой или второй можно сделать только по результатам испытаний, по результатам классификации полиграмм. Та в которой будут достигаться лучшие результаты, ту следует выбрать.

Кроме того выбор обуславливается "практической реальностью". Например, если в тесте шесть проверочных вопросов и используется модель теста как единого целого, и если из теста убрать один проверочный (например артефакт), то по-большому счёту надо уже использовать другую модель. Модель теста как целого с пятью проверочными вопросами. Но если такие ситуации (артефакты) достаточно редки, то при использовании модели с шестью проверочными (когда правильно с - пятью), не будет приводить к существенному росту ошибок классификации. А поэтому на правильность модели можно закрыть глаза. А в другой ситуации, если неправильность используемой модели ведёт к росту ошибок классификации, закрывать глаза на неправильность нельзя.

[York]

[York]

Вот та полиграмма о которой шла речь выше. Правда в базе у меня были данные только трёх первых повторов. Почему - не помню и объяснить не могу. После проверки оказалось, что повторов четыре. Измерил четвёртый повтор, добавил данные - результат не изменился.

Что можно сказать о полиграмме на основе анализа данных?

Показатели детерминированности у всех показателей средние - присутсвует изрядная доля шума. Основное достоинство полиграммы в том, что все лямды имеют один знак. Это значит, что изменения в показателях вызванные стимулами происходили достаточно синхронно. Эти особенности привели к очень низкому значению p-value и высокой вероятности достоверности диагностируемого признака.

В Out_LIEr - e можно увидеть подобную картину. Средние значения дискриминирующей функции по каналам имеют один знак (+ - это в сторону лжи). Основной вклад в результат алгоритма внёс канал АД (5,59 против 2). Средние значения дискриминирующей функции для каждого вопроса имеет положительный знак (все реакции на проверочные вопросы свидетельствуют о лжи). Неокруглённое значение оценки вероятности достоверности диагностируемого свойства равно 0.9999989. С практической точки зрения это единица. Именно поэтому значение априорной вероятности почти не оказывает влияния на окончательный результат талгоритма (если оно не предельно мало).

Полиграмма и данные однозначно свидетельствуют о лживости/значимости. То что это действительно так должна гаранировать верность ЭМИДЛ и соблюдение методических требований из неё вытекающих.

[York]

Пример другого подтверждённого обмана.

Результат Сокола ровно на грани принятия решения. В Out_LIEr-e при снижении априорной вероятности обмана с 0,5 до 0,31 результат становится неопределённым (для предыдущей полиграммы это было примерно при 0,00039).

И в Соколе и в Out_LIEr - e можно увидеть, что результаты алгоритмов (обман) определяются в основном дыханием. Дыхание выдаёт обман. А КГР, ФПГ и АД сильно зашумлены. Реагирование по каналам рассинхронизировано, знаки у лямбд в Соколе и у средних в OL разные. Если б не дыхание результат был бы однозначно неопределённым. Знак дискриминирующей функции у проверочной вопросов скачет с + на -. Вообщем полиграммка никакая (это не оценка работы полиграфолога, полиграфологу огромное спасибо)...если б не дыхание.

Надо напомнить, что математика в Соколе и OL разная. Ну вообще разная - ничего общего. Даже принцип сравнения проверочной тематики с контрольной разный. А итоговый результаты анализа данных совпадают вплоть до поканального сравнения.

[$erP]

[York]

Фабула мне не известна. По названиям полиграмм - что-то про присвоение ценностей на побережье ЧМ.

[York]

Если программу Сокол классифицировать как информационную систему, то самая подходящая категория для неё это персональная Система Поддрежки Принятия Решения. В данном конкретном случае решения полиграфолога.

[ЮРЬЕВ]

Out_LIEr CQT где-то выложен для скачивания?

[York]

ЮРЬЕВ

Соберу последнюю версию (1.20b) c исправленными ошибками и выложу для скачивания на сайте.

[ЮРЬЕВ]

Спасибо. А то уж замуж невтерпеж. Все Сокол, да Сокол любимое детище)))

[York]

Сообщение для полиграфологов, которые участвуют в эксперименте с поисковыми тестами "Правды". Ваши труды не пропадают даром. На данный момент имеется 76 результатов тестов, полученных на полиграфах Триумф и Лафайет.

В настоящее время принимается решение о лжи/значимсоти на самый высокоранговый вопрос (первый по счёту), т.е. с наибольшей силой реакции, если алгоритм OL выдаёт оценку вероятности 75% и выше.


Входящий параметр - априорная вероятность. Если она задана как 1, то это означает, что мы говорим алгоритму, что среди стимулов теста со 100% достоверностью есть значимый для опрашиваемого. Если 0,95 - допускаем небольшую вероятность, что такового нет. Для реальных условий это означает, что у нас нет 100% уверенности в том, что опрашиваемый именно тот, кто скрывает инересуемую информацию. Если 0,90 - тоже, что и с 0,95 но с болшей вероятностью ошибки в том, что опрашиваемый скрывает известную ему информацию.

Сечас результат такой:

1 OL ошибается в 25 случаях, в 51 одном определяет отсутсвие обмана правильно 33% и 67% - специфичность.

0,95 OL ошибается в 12 случаях, в 64 - правильно. 16% и 84% - специфичность.

0,90 OL ошибается в 8 случаях, 68 - правильно. 11% и 89% - специфичность.

Как видно, при сообщении алгоритму, что существует небольшая вероятность того, что человек на самом деле ничего не скрывает количество ошибок уменьшается более чем в 2 раза.

[$erP]

Разумеется, напрашивается вопрос: а если априорная вероятность 0,5 ? Ведь именно с этой априорной вероятностью работают "полиграфологи-поисковики"...