Könnte statistisch gezeigt werden, dass Autos als Mordwaffen eingesetzt werden?

Ich habe kürzlich eine Geschichte gehört, in der jemand sagte, wenn er jemanden töten wollte (und damit davonkommen wollte), würde er es mit seinem Auto tun. Sie zitierten verschiedene Statistiken über die Anzahl der autobezogenen Todesfälle (einschließlich Auto-auf-Fußgänger) sowie zusätzliche Statistiken über die Anzahl der Fahrer, die tatsächlich zu irgendeiner Art von Verbrechen verurteilt wurden ... bla, bla, bla.

Meine Frage lautet: Ist es statistisch machbar nachzuweisen, dass Autos (statistisch gesehen) tatsächlich als Waffen für Mord eingesetzt werden?

Mit anderen Worten, mir ist klar, dass es möglicherweise nicht möglich ist, nachzuweisen, dass ein einzelner Autounfall tatsächlich ein versuchter / begangener Mord war. Ich frage mich vielmehr, ob man sich eine Methode vorstellen könnte, mit der gezeigt werden könnte, dass ein gewisser Prozentsatz dieser "Unfälle" höchstwahrscheinlich überhaupt keine Unfälle sind ...

statistical-significance

— sfletche
quelle

War das im Freakonomics-Podcast?

— Steve S

Ich kann mir nicht leicht vorstellen, wie: Der Unterschied zwischen Mord und Tötung ist "Vorsatz" (ein mentaler oder motivierender Zustand); Mord und Totschlag unterscheiden sich auch nach Art der Absicht. Keine der Unterscheidungen scheint für statistische Analysen sehr zugänglich zu sein.

— Conjugateprior

Ich habe den Titel so angepasst, dass er Ihre eigentliche Frage widerspiegelt.

— Conjugateprior

Angesichts der Häufigkeit, mit der Menschen in Fahrten überfahren werden, wird es meiner Meinung nach sehr schwierig.

— Ian Ringrose

Obwohl es sich nicht speziell um eine statistische Methode handelt, kann die Forensik je nach Unfallort durchaus feststellen, dass ein Unfall ein Mord gewesen sein könnte. Es ist nicht für alle Unfälle möglich, aber abhängig von Markierungen auf dem Boden, die auf Geschwindigkeitsänderungen, Augenzeugenberichte über bestimmte Manöver und andere Tatortbeweise hinweisen, können Sie feststellen, dass bestimmte Vorfälle keine Unfälle, sondern vorsätzliche Angriffe waren. In einer Reihe von Gerichtsbarkeiten gibt es auch Personen, die wegen Totschlags verurteilt wurden, weil sie jemanden mit ihrem Fahrzeug geschlagen haben.

— Nzall

Dies mag (praktisch gesehen) ein langer Weg sein, aber wenn Sie die Paare (Opfer, Fahrer) in die Hände bekommen und eine anständige Suchmaschine für soziale Netzwerke haben könnten, könnten Sie den "Grad der Trennung" zwischen Fahrer und Opfer berechnen und dann eine Nullverteilung von "Trennungsgraden" konstruieren, indem eine zufällige Zuordnung von Fahrer und Opfer aus der lokalen Bevölkerung angenommen wird, in der sich der Unfall ereignet hat (z. B. jeder innerhalb der typischen Pendelentfernung). Dies würde den "Kleinstadt" -Effekt korrigieren, bei dem jeder eng mit allen anderen verbunden ist.

Die Schlüsselhypothese lautet: Haben die tatsächlichen Fahrer / Opfer-Paare weniger Trennungsgrade als die Gesamtbevölkerung? Wenn ja, bedeutet dies, dass entweder (a) enge Bekannte in ihren Bewegungen über die Stadt irgendwie "synchronisiert" sind [z. B. demografische Schichtung] (b), zumindest einige der Vorfälle scheinen eine ungewöhnlich große Anzahl enger Bekannter zu betreffen.

Ein anderer Ansatz wäre die logistische Regression mit "Trennungsgraden" als Variable und "Wahrscheinlichkeit eines Unfalls zwischen Opfer und Opfer" auf der y-Achse. Eine stark zunehmende Funktion würde auf einen "Nähe" -Effekt hinweisen.

Sie müssten dies bestätigen, indem Sie prüfen, ob eines der Paare mit "hoher Beziehung" tatsächlich zu einem Mordprozess geführt hat, und es mit der Gesamtrate der Mordanklagen für Fußgängerkollisionen vergleichen.

Haben die tatsächlichen Fahrer / Opfer-Paare

— Alexis

@Alexis Toller Vorschlag! Meine einzige Sorge ist der "Verdünnungseffekt" ... die meisten Fußgängertreffer sind wahrscheinlich nicht vorsätzlich (dh sie sind wirklich Unfälle), daher bezweifle ich, dass der allgemeine Test der Gleichheit der Mittel zur Trennung zeigen würde, dass sie dem für die Klasse ähnlich sind von Morden. Ihr Vorschlag wäre jedoch sehr nützlich, wenn wir uns die Population von Fahrer / Opfer-Paaren als eine Mischung aus Morden und tatsächlichen Unfällen vorstellen. Dann könnten wir Rückschlüsse auf den Mischparameter ziehen :-) Danke für den tollen Vorschlag !!

Zwei Punkte. Zuallererst: Ihr Anliegen ist ein gutes Beispiel dafür, warum Sie überlegen sollten, welche Effektgröße groß genug ist, um relevant zu sein, während Sie eine A-priori- Leistungsanalyse zum Planen von Stichprobengrößen verwenden. Weiter: Haben Sie meine subtile Andeutung einer Hypothese bemerkt, die für Äquivalenztests (und Relevanztests) geeignet ist ?

— Alexis

@Alexis Punkte gut gemacht! Vielen Dank für die Klarstellung ... Ich habe Ihre Unterstellung verpasst

"Jeder in Pendelentfernung" ist wahrscheinlich kein guter Proxy für "Jeder auf der Route". Allein die Tatsache, dass Sie einen Freund besuchen, führt dazu, dass Sie in unmittelbarer Nähe zu seinen Nachbarn fahren. Bei jeder Art von Einladung wird eine sehr hohe Konzentration eng bekannter Personen in der Nähe fahren.

— Ben Voigt