법과학 베이지안 추론 (Bayesian Inference in Forensic Science)

한 줄 정의: 새로운 증거가 나타났을 때 이전에 가지고 있던 가설의 확률(사전확률)을 그 증거의 우도비를 이용해 갱신함으로써, 사건의 가설이 참일 확률(사후확률)을 계산하는 통계적 추론 방식입니다.

쉽게 풀면

우리가 어떤 일에 대해 처음 가지고 있던 믿음의 정도가 새로운 정보를 접하면서 조금씩 바뀌는 과정을 수학적으로 표현한 것이 베이지안 추론입니다. 예를 들어 "용의자가 범인일 가능성"에 대한 기존 판단에 새로운 DNA 일치 증거가 더해지면, 그 증거가 얼마나 강력한지에 따라 판단이 얼마나 바뀌어야 하는지를 계산할 수 있습니다. 법과학에서는 이 방식을 이용해 여러 증거를 하나씩 쌓아가며 최종 결론의 확신 정도를 논리적으로 보여줍니다. 감정 결과를 "일치/불일치"라는 단순한 이분법이 아니라 확률적인 무게로 표현하는 방법이라 할 수 있습니다.

왜 중요한가

법과학 증거가 사건 전체의 유무죄를 단독으로 결정하지 않고, 다른 증거들과 결합해 확률적으로 판단력을 더하는 역할을 한다는 점을 보여주기 때문에 통계 및 확률평가 연구에서 중요하게 다뤄집니다. 우연일치확률과 함께 증거의 증명력을 계량화하는 핵심 틀로 활용됩니다.

논문에서는 이렇게 쓰입니다

"본 연구는 법과학 베이지안 추론 틀을 이용해 지문 증거의 우도비를 산출하는 모형을 제시하였다."

지문 증거가 가설을 얼마나 뒷받침하는지를 베이지안 방식의 우도비로 계산하는 모형을 만들었다는 뜻입니다.

"복수의 독립적인 법과학 증거를 결합할 때 법과학 베이지안 추론이 갖는 이점을 사례를 통해 논의하였다."

여러 증거를 함께 고려할 때 베이지안 방식이 어떤 장점을 갖는지 실제 사례로 설명했다는 의미입니다.

조금 더 깊게 보면

베이지안 추론의 핵심 개념인 우도비는 "증거가 특정 가설 하에서 관찰될 확률"과 "그 반대 가설 하에서 관찰될 확률"의 비율로 정의됩니다. 사전확률에 우도비를 곱해 사후확률을 구하는 베이즈 정리가 기본 틀이며, 우연일치확률 계산 결과가 우도비 산출에 활용되는 경우가 많습니다.

주의할 점

사전확률을 어떻게 설정하느냐에 따라 결론이 달라질 수 있어, 사전확률의 근거와 산출 방식을 투명하게 밝히는 것이 중요하다고 지적됩니다.