Detection of concealed information using event-related potentials

Existe un interés considerable en hallar métodos que nos ayuden a saber cuándo una persona miente y cuándo dice la verdad desde un punto de vista forense. Actualmente, una de las líneas de investigación se inclina hacia el uso de potenciales relacionados con eventos. Se pretende hacer una revisión de los artículos que estudian estos procedimientos mediante distintos métodos: propiedades, fiabilidad, validez y limitaciones. Los resultados indican tasas de acierto en la discriminación de culpables en un rango de 7 al 100 por ciento, y en la de inocentes de 31 a 100 por ciento. La gran variabilidad y la posibilidad de “falsear” las respuestas llevan a cuestionar la inexactitud utilizada en algunos círculos mediáticos respecto a las cualidades y finalidades de dicha prueba. Se concluye la necesidad de profundizar más la posibilidad de que esta prueba sea utilizada con fines forenses.

Euclidean Distance Between Haar Orthogonal and Gaussian Matrices

In this work, we study a version of the general question of how well a Haar-distributed orthogonal matrix can be approximated by a random Gaussian matrix. Here, we consider a Gaussian random matrix (Formula presented.) of order n and apply to it the Gram–Schmidt orthonormalization procedure by columns to obtain a Haar-distributed orthogonal matrix (Formula presented.). If (Formula presented.) denotes the vector formed by the first m-coordinates of the ith row of (Formula presented.) and (Formula presented.), our main result shows that the Euclidean norm of (Formula presented.) converges exponentially fast to (Formula presented.), up to negligible terms. To show the extent of this result, we use it to study the convergence of the supremum norm (Formula presented.) and we find a coupling that improves by a factor (Formula presented.) the recently proved best known upper bound on (Formula presented.). Our main result also has applications in Quantum Information Theory.