क्या यह सांख्यिकीय रूप से दिखाया जा सकता है कि कारों को हत्या के हथियार के रूप में उपयोग किया जाता है?


10

मैंने हाल ही में एक कहानी सुनी, जिसमें किसी ने कहा कि अगर वे किसी को मारना चाहते हैं (और इसके साथ भाग जाते हैं) तो वे इसे अपनी कार के साथ करेंगे। उन्होंने ऑटो से संबंधित मौतों की संख्या (कार-पर-पैदल यात्रियों सहित) के बारे में विभिन्न आंकड़ों का हवाला दिया, जो कि ड्राइवरों की संख्या के बारे में अतिरिक्त आंकड़ों के साथ मिलकर वास्तव में किसी भी तरह के अपराध की सजा सुनाई गई है ... ब्ला, ब्ला, ब्ला।

मेरा प्रश्न यह है: क्या यह प्रदर्शित करने के लिए सांख्यिकीय रूप से संभव है कि कार हत्या (सांख्यिकीय रूप से बोलना) वास्तव में हत्या करने के लिए हथियारों के रूप में उपयोग की जाती है?

दूसरे शब्दों में, मुझे एहसास है कि यह प्रदर्शित करना संभव नहीं हो सकता है कि किसी भी कार-ऑन-पैदल यात्री 'दुर्घटना' वास्तव में एक प्रयास / प्रतिबद्ध हत्या थी। बल्कि, मैं सोच रहा था कि क्या कोई ऐसी विधि की कल्पना की जा सकती है जिसमें यह प्रदर्शित किया जा सकता है कि उन 'दुर्घटनाओं' का कुछ प्रतिशत वास्तव में, सभी संभावनाओं में है, न कि दुर्घटनाओं में ...


2
क्या यह फ्रीकोनॉमिक्स पॉडकास्ट पर था?
स्टीव एस।

मैं आसानी से कल्पना नहीं कर सकता कि: हत्या और हत्या के बीच का अंतर 'दुर्भावना से भरी' है (मानसिक या प्रेरक अवस्था); हत्या और हत्या भी इरादे के प्रकार से प्रतिष्ठित हैं। सांख्यिकीय विश्लेषण के लिए न तो कोई अंतर बहुत स्पष्ट है।
कंजगेटपायर

मैंने शीर्षक को समायोजित किया है ताकि यह आपके वास्तविक प्रश्न को प्रतिबिंबित कर सके।
conjugateprior

यह देखते हुए कि लोग कितनी बार dirveways पर चलते हैं, मुझे लगता है कि यह बहुत कठिन होगा।
इयान रिंगरोज ने

जबकि विशेष रूप से एक सांख्यिकीय पद्धति नहीं है, जहां दुर्घटना हुई थी, इस पर निर्भर करते हुए, फोरेंसिक विज्ञान के लिए यह निर्धारित करना पूरी तरह से संभव है कि दुर्घटना हो सकती है। यह सभी दुर्घटनाओं के लिए संभव नहीं है, लेकिन फर्श पर चिह्नों के आधार पर जो गति में बदलाव, विशिष्ट युद्धाभ्यासों के चश्मदीद गवाह, और अन्य अपराध दृश्य साक्ष्य को इंगित करते हैं, आप यह निर्धारित कर सकते हैं कि कुछ घटनाएं वास्तव में दुर्घटना नहीं थीं, लेकिन जानबूझकर हमले थे। इसके अलावा, एक संख्या या कानूनी अधिकार क्षेत्र में, ऐसे लोग हैं जिन्हें किसी व्यक्ति को अपने वाहन से टकराने के लिए हत्या करने का दोषी ठहराया गया है।
नजल्ल

जवाबों:


13

यह एक लंबा-शॉट (व्यावहारिक रूप से बोलना) हो सकता है, लेकिन यदि आप (पीड़ित, ड्राइवर) जोड़े पर अपने हाथ पा सकते हैं और एक सभ्य सामाजिक नेटवर्क खोज इंजन था, तो आप ड्राइवर और पीड़ित के बीच "अलगाव की डिग्री" की गणना कर सकते हैं। और फिर स्थानीय आबादी जहां दुर्घटना हुई (उदाहरण के लिए, विशिष्ट आने-जाने की दूरी के भीतर हर कोई) से ड्राइवर और पीड़ित के यादृच्छिक असाइनमेंट मानकर "अलगाव की डिग्री" के एक अशक्त वितरण का निर्माण करें। यह "छोटे शहर" प्रभाव के लिए सही होगा, जहां हर किसी के पास हर किसी के करीब संबंध हैं।

मुख्य परिकल्पना यह है: क्या वास्तविक चालक / पीड़ित जोड़े के पास बड़े पैमाने पर जनसंख्या की तुलना में कम अलगाव है? यदि ऐसा है, तो इसका मतलब है कि या तो (ए) करीबी परिचित किसी तरह शहर के बारे में अपने आंदोलनों में "सिंक" कर रहे हैं, उदाहरण के लिए, जनसांख्यिकीय स्तरीकरण] (बी), कम से कम कुछ घटनाओं में करीबी परिचितों की असामान्य रूप से बड़ी संख्या शामिल है।

एक अन्य तरीका यह होगा कि चर के रूप में "पृथक्करण की डिग्री" के साथ लॉजिस्टिक रिग्रेशन किया जाए, और y अक्ष पर "दुर्घटना / शिकार की संभावना" हो। एक दृढ़ता से बढ़ते कार्य एक "निकटता" प्रभाव का सुझाव देगा।

आपको यह देखने की आवश्यकता होगी कि क्या वास्तव में "उच्च संबंध" जोड़े में से कोई भी एक जोड़ी का परीक्षण किया गया था और इसकी तुलना पैदल चलने वालों के टकराव के लिए घरेलू हत्याकांड की समग्र दर से की गई थी।


8
वैकल्पिक रूप से, क्या वास्तविक चालक / पीड़ित जोड़े के पास हत्यारे / पीड़ित जोड़े के रूप में अलगाव की समकक्ष डिग्री है?
एलेक्सिस 5

@ अलेक्सिस बढ़िया सुझाव! मेरी एकमात्र चिंता "कमजोर पड़ने" का प्रभाव है ... अधिकांश पैदल यात्री हिट शायद पूर्व निर्धारित नहीं होते हैं (यानी, वे वास्तव में दुर्घटनाएं हैं), इसलिए मुझे संदेह है कि अलगाव के लिए साधनों की समानता की समग्र परीक्षा से पता चलता है कि वे कक्षा के लिए समान हैं हत्याओं की। हालांकि, आपका सुझाव बहुत उपयोगी होगा यदि हम ड्राइवर / पीड़ित जोड़े की आबादी को अनिवार्य रूप से हत्या और वास्तविक दुर्घटनाओं के मिश्रण के रूप में कल्पना करते हैं। तब हम मिक्सिंग पैरामीटर पर निष्कर्ष निकाल सकते हैं :-) महान सुझाव के लिए धन्यवाद !!

दो बिंदु। सबसे महत्वपूर्ण: आपकी चिंता इस बात का एक बड़ा उदाहरण है कि इस बात पर विचार करने के लिए कि नमूने के आकार की योजना बनाने के लिए एक प्राथमिक शक्ति विश्लेषण का उपयोग करते समय क्या प्रभाव आकार काफी प्रासंगिक है । अगला: क्या आपने समता परीक्षण (और प्रासंगिकता परीक्षण) के लिए उपयुक्त एक परिकल्पना के मेरे सूक्ष्म आग्रह पर ध्यान दिया ।
एलेक्सिस

@ एलेक्सिस अंक अच्छी तरह से लिया! स्पष्ट करने के लिए धन्यवाद ... मुझे आपका

"आने-जाने की दूरी" के भीतर हर कोई "मार्ग पर हर किसी के लिए" एक अच्छा प्रॉक्सी नहीं है। बस एक दोस्त के पास जाने का एक मात्र तथ्य आपको उनके पड़ोसियों के करीब जाने का कारण बनने वाला है। किसी भी प्रकार का उप-निमंत्रण कार्यक्रम निकटता में ड्राइविंग करने वाले करीबी परिचित लोगों की बहुत अधिक एकाग्रता है।
बेन वोयगेट
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.