文章提出使用链事件图（CEG）评估法医证据对活动级命题的支持程度。针对毒品走私案件中钞票污染证据的复杂性，研究开发了改进型CEG框架：1) 条件化处理法庭公认证据以简化模型结构并支持连续变量；2) 设置双汇节点区分控辩双方论证路径。通过真实毒品走私案例（Compton案）演示了如何整合专家判断与物证数据，计算活动级命题的似然比。案例中污染钞票与物证袋的统计建模表明，该方法能有效量化证据强度并识别关键概率参数。
文章提出改进型链事件图（CEG）框架解决活动级命题评估的复杂性。标准CEG通过概率树着色和同构子树合并构建，但存在法医应用局限。研究引入两项关键改进：
证据条件化：仅保留法庭公认证据对应的路径，删除未发生事件分支。该方法允许在CEG中整合连续型法医证据（如毒品污染测量值），其边概率表示为条件概率密度函数：
\[ f(\mathbf{Y},\mathbf{Z} \mid s) = \text{污染测量值的联合概率密度} \]
双汇节点结构：设置圆形（辩方）和三角形（控方）两个汇节点，明确分离对抗性论证路径。此结构既符合司法系统特征，又确保似然比计算时控辩路径独立处理。
以Compton毒品走私案为范例，涉案£107,000钞票中检出海洛因污染（比例50% vs 流通钞票2-5%）。文章构建CEG整合四类证据：
控辩双方各提出两条活动级命题路径。例如控方主张嫌疑人直接贩毒（\(H_{p1}\)）或知情洗钱（\(H_{p2}\)）；辩方主张合法珠宝交易（\(H_{d1}\)）或不知情洗钱（\(H_{d2}\)）。CEG通过12条故事线整合污染来源（毒品交易、嫌疑人吸毒、警方污染台面）的3种组合，边概率依赖专家判断与有限数据集。
法医证据的似然比计算基于CEG路径概率：
\[ LR = \frac{f(\mathbf{Y},\mathbf{Z} \mid H_p)}{f(\mathbf{Y},\mathbf{Z} \mid H_d)} = \frac{w_1 \sum_{s_{p_i}} f(\mathbf{Y}|s_{p_i})f(\mathbf{Z}|s_{p_i}) p'(s_{p_i}) + w_2 \sum...}{ \alpha \beta \gamma \epsilon \sum... } \]
其中钞票污染\(\mathbf{Y}\)建模为多元正态分布，物证袋污染\(\mathbf{Z}\)简化为二项分布。参数估计显示：当数据生成分布包含毒品交易时对数似然比为正（最高+9.0），反之显著为负（最低-41.2）。敏感性分析表明，当洗钱概率(\(\beta\))和知情概率(\(\delta\))变化时，LR结果呈现显著波动。
相比贝叶斯网络，CEG具三重优势：1) 直观展示时间顺序事件链；2) 无需精细定义随机变量；3) 支持非对称路径。案例证明CEG能有效量化"污染是否来自毒品交易"等活动级命题。但边概率严重依赖专家判断，需通过敏感性分析验证关键参数影响。未来可扩展至钞票污染模式分析等新证据类型。