Um amigo representa um cliente em apelação, após um julgamento criminal no qual parece que a seleção do júri foi racialmente tendenciosa.
O júri consistia de 30 pessoas, em 4 grupos raciais. A acusação usou desafios peremptórios para eliminar 10 dessas pessoas da piscina. O número de pessoas e o número de desafios reais em cada grupo racial foram, respectivamente:
A: 10, 1
B: 10, 4
C: 6, 4
D: 4, 1
total: 30 in pool, 10 challenges
O réu era do grupo racial C e as vítimas dos grupos raciais A e D; portanto, a preocupação a priori é se o grupo C é superestimado e os grupos A e D subestimado. Legalmente (IIUC; IANAL), a defesa não precisa provar o viés racial, mas apenas mostrar que os dados parecem indicar viés, o que sobrecarrega a acusação para explicar cada desafio de forma não racial.
A análise a seguir está correta em sua abordagem? (Eu acho que os cálculos estão bem.):
Existem nCr (30,10) = 30.045.015 conjuntos distintos de 10 membros do pool. Desses conjuntos distintos, conto que 433.377 conjuntos incluem ambos (não mais que 2 membros do grupo A e D combinados) e (nada menos que 4 membros do grupo C).
Assim, a chance de atingir o nível observado de parcialidade aparente favorecendo os grupos A e D sobre o grupo C (onde favorecer significa não incluir no conjunto de 10 desafios) seria a razão entre eles, 433/30045 = 1,44%.
Assim, a hipótese nula (sem esse viés) é rejeitada no nível de significância de 5%.
Se essa análise for metodologicamente correta, qual seria a maneira mais sucinta de descrevê-la em um tribunal, incluindo uma referência acadêmica / profissional (isto é, não a Wikipedia)? Embora o argumento pareça simples, como alguém pode demonstrar de maneira mais clara e sucinta ao tribunal que está correto, não travessuras?
Atualização: Esta questão estava sob consideração como argumento terciário em um escrito de apelação. Dada a complexidade técnica (do ponto de vista do advogado) da discussão aqui e a aparente falta de precedentes legais, o advogado optou por não levantá-la, portanto, neste ponto, a questão é principalmente teórica / educacional.
Para responder a um detalhe: acredito que o número de desafios, 10, foi estabelecido com antecedência.
Depois de estudar as respostas e os comentários pensativos e desafiadores (obrigado, todos!), Parece que existem quatro questões separadas aqui. Para mim, pelo menos, seria mais útil considerá-los separadamente (ou ouvir argumentos por que eles não são separáveis).
1) A consideração das corridas de réus e vítimas, nos desafios do júri, é de interesse legal a priori ? O objetivo do argumento do recurso seria meramente suscitar uma preocupação razoável, o que poderia levar a uma ordem judicial de que a acusação declarasse a razão de cada contestação individual. Isso não me parece uma questão estatística, mas social / legal, que fica ao critério do advogado de levantar ou não.
2) Supondo (1), minha escolha de uma hipótese alternativa (qualitativamente: preconceito contra jurados que compartilham a raça do réu, em favor daqueles que compartilham as raças das vítimas) é plausível, ou é inadmissivelmente post hoc ? Do meu ponto de vista leigo, essa é a pergunta mais desconcertante - sim, é claro que ninguém a levantaria se não a observasse! O problema, pelo que entendi, é o viés de seleção: os testes de uma pessoa devem considerar não apenas esse grupo de jurados, mas o universo de todos esses grupos de jurados, incluindo todos aqueles onde a defesa não observou discrepância e, portanto, não foi tentada a levantar a questão. . Como alguém resolve isso? (Por exemplo, como o teste de Andy lida com isso?) Parece que, embora eu esteja errado sobre isso, a maioria dos entrevistados não se preocupa com possíveis post-hocs.Testes unicaudais de viés exclusivamente contra o grupo do réu. Como seria metodologicamente diferente testar simultaneamente o viés para os grupos de vítimas, assumindo (1)?
3) Se alguém estipula minha escolha de uma hipótese alternativa qualitativa, conforme declarado em (2), então qual é uma estatística apropriada para testá-la? É aqui que fico mais intrigado com as respostas, porque a proporção que proponho parece ser um análogo um pouco mais conservador do teste de Andy para a hipótese alternativa mais simples de "viés contra C" (mais conservadora porque meu teste também conta todos os casos mais adiante) na cauda, não apenas a contagem exata observada.)
Ambos os testes são testes simples de contagem, com o mesmo denominador (mesmo universo de amostras) e numeradores correspondentes precisamente à frequência das amostras que correspondem às respectivas hipóteses alternativas. Então, @whuber, por que não é tão idêntico ao meu teste de contagem quanto ao de Andy que "pode ser baseado em hipóteses nulas [mesmas] e alternativas [conforme descritas] estipuladas e justificadas usando o lema de Neyman-Pearson"?
4) Se alguém estipular (2) e (3), existem referências na jurisprudência que convencessem um tribunal de apelação cético? Das evidências até o momento, provavelmente não. Além disso, nesta fase de apelação, não há oportunidade para nenhuma "testemunha especialista", portanto as referências são tudo.
Respostas:
Veja como eu poderia abordar a resposta à sua pergunta usando ferramentas estatísticas padrão.
Abaixo estão os resultados de uma análise probit sobre a probabilidade de rejeição, dada a participação no grupo do jurado.
Primeiro, veja como são os dados. Eu tenho 30 observações de grupo e um indicador binário rejeitado:
Aqui estão os efeitos marginais individuais, bem como o teste conjunto:
Aqui estamos testando as hipóteses individuais de que as diferenças na probabilidade de serem rejeitadas nos grupos A, C e D em comparação ao grupo B são zero. Se todo mundo tivesse a probabilidade de ser rejeitado como o grupo B, eles seriam zero. A última parte da produção nos diz que os jurados do grupo A e D são menos propensos a serem rejeitados, enquanto que os jurados do grupo C têm mais probabilidade de serem rejeitados. Essas diferenças não são estatisticamente significativas individualmente, embora os sinais estejam de acordo com a sua conjectura tendenciosa.
No entanto, podemos rejeitar a hipótese conjunta de que as três diferenças são todas nulas em .p=0.0436
Termo aditivo:
Se eu combinar os grupos A e D em um, uma vez que compartilham as raças das vítimas, os resultados probit ficam mais fortes e têm uma boa simetria:
Isso também permite que Fisher exiba resultados congruentes (embora ainda não em 5%):
fonte
Penso que a introdução de um método estatístico ad hoc será um impedimento para o tribunal. É melhor usar métodos que são "prática padrão". Caso contrário, você provavelmente terá que provar suas qualificações para desenvolver novos métodos.
Para ser mais explícito, não acho que seu método atenda ao padrão de Daubert. Também duvido muito que seu método tenha alguma referência acadêmica por si só. Você provavelmente teria que seguir o caminho de contratar uma testemunha especialista em estatística para apresentá-la. Seria facilmente combatido, eu acho.
A pergunta básica aqui é provável: "O desafio do júri foi independente do agrupamento racial?"
O uso do teste exato de Fisher fornece resultados semelhantes:
Minha interpretação é que não há muita evidência para argumentar o viés racial.
fonte
Eu fiz uma pergunta semelhante anteriormente (para referência aqui é o caso particular que discuto). A defesa precisa simplesmente mostrar um caso prima facia de discriminação nos desafios de Batson (assumindo a lei criminal dos EUA) - portanto, os testes de hipóteses são provavelmente um fardo maior do que o necessário.
Então para:
A resposta anterior de Whuber fornece a probabilidade desse resultado específico ser determinado pela distribuição hipergeométrica :
Qual Wolfram-Alpha diz igual neste caso:
Infelizmente, não tenho uma referência além dos links que forneci - imagino que você possa encontrar uma referência adequada para a distribuição hipergeométrica na página da Wikipedia.
Isso ignora a questão sobre se os grupos raciais A e D estão "sub-desafiados". Estou cético de que você possa argumentar legalmente sobre isso - seria uma reviravolta estranha na cláusula de proteção igualitária. Esse grupo em particular é muito protegido! , que eu não acho que voaria. (Mas eu não sou advogado - então leve com um pouco de sal.)
Atualizei alguns dos meus pensamentos em uma postagem no blog . Minha postagem é específica para Batson Challenges, portanto, não está claro se você procura outra situação (suas atualizações para 1 e 2 não fazem sentido no contexto dos Batson Challenges.)
Consegui encontrar um artigo relacionado (disponível na íntegra no link):
Isso deu a mesma sugestão para o uso da distribuição hipergeométrica. No meu blog, mostro como se você recolher as categorias em dois grupos, isso será equivalente ao teste exato de Fisher.
Se alguém tomar conhecimento da jurisprudência que realmente usa isso (ou qualquer coisa além de frações), eu estaria interessado.
fonte
Não vamos esquecer a questão dos vários testes. Imagine 100 advogados de defesa, cada um procurando motivos para recorrer. Todas as rejeições do jurado foram realizadas lançando moedas ou lançando dados para cada jurado em potencial. Portanto, nenhuma das rejeições foi racialmente tendenciosa.
Agora, cada um dos 100 advogados faz o teste estatístico em que todos concordam. Aproximadamente cinco desses 100 rejeitarão a hipótese nula de "imparcial" e terão motivos de apelação.
fonte