ПРОГНОЗИРОВАНИЕ ПРЕСТУПНОСТИ: ПЕРСПЕКТИВЫ СТОХАСТИЧЕСКОГО ПОДХОДА
ВАСИН Юрий Геннадьевич,
кандидат юридических наук,
старший научный сотрудник сектора уголовного права, криминологии и проблем правосудия Института государства и права Российской академии наук (ИГП РАН). E-mail: criminal_law@igpran.ru
Краткая аннотация: в статье предложен вариант методики, позволяющей выдвинуть предположения о некоторых количественных показателях будущего состояния преступности, имеющих вероятностную природу. Методика предназначена для научно-обоснованного формирования модели преступности, которая характеризуется определенным уровнем надежности. Показана необходимость уголовно-правового и криминологического прогнозирования показателей преступности. Выдвинуты предложения по повышению эффективности противодействия преступности.
The article proposes a variant methodology to hypothesize about some quantitative indicators of the future state of crime with the probabilistic nature. The method is designed for a science-based model of the formation of crime, which is characterized by a certain level of reliability. The necessity of criminal law and criminological forecasting crime rates on a permanent basis. Put forward proposals to improve the efficiency of combating crime.
Ключевые слова: преступность; моделирование; управление борьбой с преступностью; мониторинг; прогнозирование; системный подход; математические методы; уголовная статистика.
Criminality; modeling; management fighting crime; monitoring; forecasting; system approach; mathematical methods; criminal statistics.
Уголовно-правовое и криминологическое моделирование преступности решает несколько прикладных задач. В настоящей статье предпринята попытка предложить вариант решения одной из них - прогнозирование некоторых показателей преступности по количественным показателям. Такая постановка вопроса объясняется очевидной потребностью настоящего времени в рассмотрении имеющихся возможностей по определению хотя бы основных ориентиров будущих показателей свойств и тенденций преступности в связи с увеличением потребности в государственном планировании по вопросам противодействия преступности. Разработка государственной программы Российской Федерации должна основываться на научно обоснованном прогнозе, проведенном как по качественным параметрам, так и количественным.
Следует отметить, что российские ученые юристы уже подходили к изучению количественных закономерностей социально-правовых явлений , однако в настоящей статье, на основе
их работ, предпринята попытка предложить вариант методики, позволяющей выдвинуть предположения о некоторых количественных показателях будущего состояния преступности, имеющих вероятностную (стохастическую) природу с соблюдением предварительных условий их корректного применения, разработанным теорией вероятностей и юридической статистикой.
Предлагаемая методика предназначена для научно обоснованного формирования модели вида (рода) преступности, которая характеризуется определенным уровнем надежности и последующего прогнозирования показателей данной модели.
Модели преступности предлагается формировать в виде совокупности следующих параметров:
- значений величин математического ожидания и среднего квадратического отклонения статистических показателей зарегистрированной преступности, являющихся оценками
1 Гаврилов О.А. Математические методы и модели в социально-правовом исследовании. М.: Наука, 1980. 184 с.; Леванский В.А.
Моделирование в социально-правовых исследованиях. М.: Наука, 1986. 158 с.; Лунеев В.В. Юридическая статистика. М.: Юрист, 1999. 400 с.
реальных показателей преступности (генеральной совокупности);
- надежности модели, определяемой уровнем совпадения количественных показателей, характеризующих зарегистрированную преступность, с теоретическим законом распределения плотности вероятностей, а также видом применяемого закона (нормальный закон).
Математическое ожидание будет определять наиболее вероятные (часто встречаемые) значения показателей, характеризующих совершение преступлений в субъектах Российской Федерации.
Среднее квадратическое отклонение, в свою очередь, показывает степень разброса всех зафиксированных аналогичных показателей преступности относительно величины, определяемой математическим ожиданием.
В целях обоснованного применения данной методики используемые в качестве исходных данных количественные показатели преступности - зарегистрированные преступления должны образовывать статистическую совокупность (т.е. быть достаточно массовидны-ми). Для построения прогноза целесообразно использовать статистические данные не менее чем за три равных периода времени (квартал, полугодие, год и т.д.).
Для анализа предлагается использовать совокупности статистических данных, характеризующих вид преступности (выявленные, раскрытые преступления, преступления уголовные дела по которым направлены в суд, количество лиц, совершивших преступления и т.п.) в субъектах Российской Федерации. Исходным материалом могут являться не только абсолютные показатели преступности, но и относительные (коэффициент преступности и пр.). Для уточнения ситуации абсолютные и относительные коэффициенты могут использоваться совместно.
В качестве иллюстрации в данной методике мы будем говорить о количестве зарегистрированных преступлений определенного вида, а точнее о соответствующих коэффициентах преступности.
При этом сравнительный анализ абсолютных статистических данных о регистрируемом количестве преступлений может демонстрировать значительное отличие между субъек-
тами Российской Федерации по данному показателю. Такое положение не является препятствием для применения предлагаемой методики.
Научной основой анализа совокупностей статистических данных о преступности является теория вероятностей и математическая статистика, одним из основных методов которых является положение о выборке и группировке на основе понятий об их репрезентативности и од-
1
нородности .
Отметим, что репрезентативность определяется на основании того, что статистические массивы являются основой фактологических данных и наиболее объективной оценкой состояния и тенденций преступности.
С точки зрения теории методологии вероятностей, мерой однородности любой совокупности случайных параметров является ее способность соответствовать известным теоретическим законам распределения плотности вероятностей случайной величины . Мерой надежности этого соответствия (для нормального закона распределения) является критерий Карла Пирсона (х). Указанный критерий определяет степень соответствия реального закона распределения (эмпирического) - выбранному ис-
3
следователем теоретическому распределению . При этом достоверность этого соответствия определяется в виде определенной вероятности, которая может соответствовать проценту надежности модели (0,95 - 95%; 0,01 - 1%) и определять достоверность информации, которая будет получена при ее исследовании.
В том случае если данное соответствие установлено мы можем использовать для формирования прогнозных суждений отработанный практикой математический аппарат теории вероятностей.
Методически вычисление критерия соответствия Пирсона требует создания другой формы математической модели, отличной от совокупности данных уголовной статистики в статистической таблице, а именно - в виде гистограм-
1 Васин Ю.Г. О методических подходах к построению уголовно-правовой и криминологической модели организованной преступности // Пробелы в российском законодательстве. 2014. № 6. С. 101-109.
2 Законом распределения дискретной случайной величины называют перечень ее возможных значений и соответствующих им вероятностей.
3 Лунеев В.В. Юридическая статистика. М.: Юрист, 1999. С. 111-116.
мы, представляющей собой совокупность вероятностей регистрации определенного количества преступлений в некотором (определяемом исследователем) количестве регионов.
Для построения гистограммы по оси абсцисс мы откладываем совокупность интервалов, определяемых исследуемой величиной (количество преступлений). По оси ординат -вероятность того, что данная величина объема преступности будет зарегистрирована в определенном количестве регионов.
Для этого мы определяем количество регионов, в которых зарегистрировано определенное (выбранное исследователем) количество преступлений, поделенное на определенные интервалы, например, от 0 до 500 преступлений, от 500 до 1000 преступлений и т.д. Затем указанные интервалы откладываются по оси абсцисс. Таким образом, формируется шкала измерения.
После этого выделяем группы субъектов Российской Федерации, в которых был зарегистрирован указанный объем преступности (0-500 преступлений, 501-1000 преступлений и т.д.).
Затем поделив количество регионов, в которых был зарегистрирован объем преступности, входящий в выбранный интервал, на общее количество регионов, мы для каждого объема преступности (например, от 0 до 500 преступлений было совершено в 5 субъектах Российской Федерации, и мы делим 5 на 85) определяем искомую вероятность Р(х,), которую откладываем по оси ординат. Далее также вычисляется вероятность для следующего интервала (например, от 500 до 1000 преступлений). Потом указанные вычисления мы проводим для следующих интервалов, пока мы не дойдем до максимального объема совершенных в каком либо субъекте Российской Федерации количества преступлений.
Таким образом, определяются координаты эмпирической гистограммы, служащей основой для формирования уголовно-правовой и криминологической модели преступности.
Далее вычисляем критерий Пирсона по следующей формуле:
2 (т, — Л
X =2^-7->гг,е
~Г т,
m¡ - эмпирическое (определяемое по практическим гистограммам) появление ¡-го зна-
чения (в нашем случае - количество регионов с ¡-м значением объема преступности).
т/ - теоретическое значение вероятности появления ¡-го значения (количество регионов с ¡-м значением объема преступности). При этом теоретические значения вычисляются при нормировании фактического отклонения показателя преступности от его математического ожидания по величине среднего квадра
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.