Cómo leer las probabilidades del corpusHow to read the corpus probabilities

Cuando ves que un caso reparte «46% mundano/natural, 25% indeterminable, 9% no-humano abierto…», eso no es una corazonada disfrazada de número. Es una distribución: cada caso de incidente reparte el 100% entre las mismas seis narrativas mutuamente excluyentes y exhaustivas (un modelo MECE). Porque todos los casos usan la misma partición, los números son comparables —se puede decir, coherentemente, qué explicación da cuenta de más casos.

Pero comparable no es lo mismo que verdadero. Estos posteriores son juicios analíticos estructurados, no frecuencias calibradas empíricamente: el modelo dice qué explicación es más coherente con el análisis de cada caso, no cuál es objetivamente correcta. Por eso existe la narrativa «indeterminable» —la masa que la evidencia disponible no permite asignar—. Es la válvula de honestidad del modelo: no todo se puede resolver.

El agregado del corpus suma esos posteriores en el número esperado de casos por narrativa. Al ser una esperanza (lineal), vale aunque los casos estén correlacionados. Cuando dudes de un número, no mires el decimal aislado: mirá el posterior completo del caso y cuánta masa cae en «indeterminable». Ahí está, a la vista, lo que todavía no sabemos.

When you see a case split into "46% mundane/natural, 25% indeterminable, 9% open non-human…", that is not a hunch dressed up as a number. It is a distribution: each incident case splits 100% among the same six mutually-exclusive and exhaustive narratives (a MECE model). Because every case uses the same partition, the numbers are comparable —one can coherently say which explanation accounts for more cases.

But comparable is not the same as true. These posteriors are structured analytical judgments, not empirically calibrated frequencies: the model says which explanation is most coherent with each case's analysis, not which is objectively correct. That is why the "indeterminable" narrative exists —the mass the available evidence does not let us assign—. It is the model's honesty valve: not everything can be resolved.

The corpus aggregate sums those posteriors into the expected number of cases per narrative. Being an expectation (linear), it holds even if the cases are correlated. When you doubt a number, don't look at the isolated decimal: look at the case's full posterior and how much mass lands in "indeterminable". That is where what we still don't know is on display.