模式分析——西方犯罪情报分析技术简介二探讨与研究.docVIP

积分 都是垃圾 撒旦发生发大 水范德萨 发撒旦 犯罪模式分析——西方犯罪情报分析技术简介　　注意，标准偏差理论告诉我们，在正常的情况下，所测量数据中68%的会与平均值发生偏差(如案例中的一月份汽车盗窃案件发生情况)，95%的会与两个平均值出现偏差，99。7%的情况下再现三个偏差。 　　标准偏差理论认为，在正常的测量中，68%的数据变量偏差幅度在1个偏差振动值以内，95%的数据变量振动幅度在2个偏差振动值以内，99.7%的数据变量振动幅度不超过3个偏差振动值。根据这标准偏差理论，犯罪情报分析人员可以在犯罪情报分析中应用以下几个术语指标： 　　Cold 指犯罪数据大大低于偏差标准，低于2个偏差振动值以上 　　Cool 指犯罪数据低于偏差标准，低于1——2个偏差振动值之间 　　Normal 指犯罪数据与偏差标准相比，处于+1偏差标准值与-1偏差标准值之间 　　Warm 指犯罪数据高于偏差标准，大于1——2个偏振动值之间 　　Hot 指犯罪数据大大高于偏差标准，高于2个偏差振动值以上。 　　将这套指标应用在上述案例中，我们可以发现北滩区、南区、高地公园区在一月份的汽车盗窃案件数量较偏差标准相比，均在+1偏差标准值与-1偏差标准值之间，属于Normal(正常);而市中心区与滨湖区的汽车盗窃案件数量较偏差标准相比均大大高于偏差标准，高于2个偏差振动值以上，属于Hot(过热)，这也意味着这两个区的汽车盗窃犯罪中存在着一种未被发觉的犯罪模式。而西区，则属于Cold(过冷)，其中该区可能存在某种遏制汽车盗窃犯罪的因素。 　　虽然某个区域或街区内汽车盗窃犯罪案件发生数量突然增多并不必然意味着该区内的每一起汽车盗窃案件都存在一种犯罪模式，也不意味着该区必然存在着一种新的犯罪模式。但是，在这种汽车犯罪案件数量急剧增多的情况下，犯罪情报分析人员应当认真地去分析在这此区域内发生的汽车盗窃案件，以判断在这引动汽车盗窃案件中是否存在一种相同的犯罪模式。只有对这些汽车盗窃案件中的相关因素进行了认真地分析，犯罪情报分析人员才能够作出决定。 　　应用这种偏差标准理论来判断是否存在一种犯罪模式的方法也存在着一个关键问题，这就是犯罪情报分析机构必须建立好一个完善的犯罪情报管理系统以保存所有的犯罪记录，同时每个月都要作好各种犯罪数据统计而不能中断。即使犯罪情报分析人员能够通过计算机来计算犯罪发案的偏差标准，但他也需要将相关犯罪数据一个个地录入到计算机存贮器中;一旦犯罪情报分析人员决定更换其中的一个数据统计变量(如统计数据的范围)，那么他还得从头开始计算。 　　对于那些掌握了先进检索与查询技术的犯罪情报分析人员而言，他们能够在自己的犯罪情报分析系统中直接开展检索与查询，因而他们可以随时随地进行实时查询与动态分析。当然，有些犯罪情报分析系统建立了先进的SQL数据系统，这些SQL数据系统的应用就超出了本文的研究范围。 　　一旦掌握了偏差标准分析，犯罪情报分析人员每天都可以应用初步分析技术来分析犯罪情报;但是，对于犯罪模式分析工作而言，却并不需要每天都利用偏差标准理论来开展一次犯罪模式分析，最好是每隔一段时间开展一次，如每个月或每周对每一种类型的犯罪来应用偏差标准理论开展一次初步分析就足够了。 　　关于初步分析的最后一点，就是：由于犯罪数据的统计与测量是一个长期的事物，将某段时期内某种犯罪案件发生数量的平均值与偏差标准值相比较，可能不一定总是有效的。例如将南区近年来一月份汽车盗窃案件的相关数据分析如下： 　　年代 汽车盗窃案数量 　　1994 50 　　1995 49 　　1996 48 　　1997 44 　　1998 40 　　1999 38 　　2000 36 　　2001 33 　　平均数 42 　　标准偏差 6.4 　　2002 48 　　虽然2002年一月份的汽车盗窃案件数量仍然在标准偏差数值以内，但是在该区自1994年以来一月份的汽车盗窃案件数量一直呈递减趋势的前提下，2002年一月份的48起汽车盗窃案件数量与2001年一月份相比却增长了45%。 　　犯罪情报分析人员在这种情况下可能会发现，如果比较该区每年一月份汽车盗窃案件数量变动值、再计算其中的偏差标准的价值更大一些。 　　年代 汽车盗窃案数量 变动量 　　1994 50 　　1995 49 -1 　　1996 48 -1 　　1997 44 -4 　　1998 40 -4 　　1999 38 -2 　　2000 , nbsp; 36 -2 　　2001 33 -3 　　平均数 42 -2.43 　　标准偏差 6.4 1.27 　　2002 48 15 　　这种更换变量后再应用偏差标准理论的方法，我们就能发现该区2002年一月份的汽车盗窃案件数量较前一年(2001)增长了15起，大大超出了正常的偏差标准值，这意