Metodología
Las reglas del juego
Toda colección de evidencia UAP necesita una respuesta a tres preguntas: qué cuenta, cómo se pesa, y cuándo cambia. Acá las tres, explícitas — para que cualquiera pueda auditar el análisis en lugar de creerlo.
Capítulo 1
Por qué Roswell no equivale a Meier
3 niveles de evidencia (S/A/B) — Tier S (militar+sensor) no pesa lo mismo que Tier B (testigo único); y el tier no es un veredicto
No todos los casos UAP son equivalentes en valor evidencial. Mezclar niveles opaca el análisis e infla artificialmente la apariencia de evidencia. El público y la prensa confunden esos niveles con frecuencia — esa es una fuente principal de confusión.
| Tier | Categoría | Ejemplos |
|---|---|---|
| S | Evidencia fuerte: sensor instrumental + múltiples testigos (típicamente militar) | Tehran 1976, Nimitz, Belgian Wave, Lake Huron |
| A | Evidencia institucional: múltiples testigos verificables o documentación oficial | Ariel School, JAL 1628, Manises, Westall, Roswell |
| B | Evidencia limitada: testigo único, local o sin verificación primaria | Hessdalen, Communion, Maury Island, Bonnybridge |
Una "evidencia" Tier B no debería usarse para sustentar conclusiones que exigen Tier S. La escala (heredera de las categorías de encuentros cercanos de Hynek) mide solo la fuerza de la evidencia — no qué fue el caso.
Tres ejes independientes — no confundir
Cada caso se describe con tres medidas distintas, repartidas entre las vistas del sitio. Es fácil confundirlas porque las tres suenan a «calidad»:
- Tier (S/A/B) — la fuerza de la evidencia. Se ve como badge en cada caso y como color del marcador en el mapa.
- Probabilidad (0–100%) — cuán genuinamente inexplicado está el caso. Un fenómeno natural puede seguir sin explicación, así que NO equivale a «no-prosaico». Se ve como «%» en cada caso y como tamaño del marcador en el mapa.
- Partición MECE — qué fue: la distribución sobre seis narrativas excluyentes. ver /probabilidades →
Son ortogonales: un caso bien documentado (Tier S/A) puede tener como explicación más plausible un posible fraude, y un Tier B no es, por eso, un fraude.
Capítulo 2
Por qué el caso número 50 ya no agrega nada nuevo
Un caso con sensor produce un posterior nítido que mueve masa entre narrativas; el caso 50 del mismo patrón solo refuerza la que ya dominaba
Cada caso suma su posterior completo a la partición —el agregado es lineal, sin «rendimientos decrecientes» ocultos—. Lo que cambia es qué tan informativo es ese posterior: un caso institucional con sensor produce un posterior nítido que puede desplazar masa hacia una narrativa antes casi vacía; el caso número cincuenta del mismo patrón solo refuerza la narrativa que ya dominaba, sin enseñarnos nada nuevo sobre la forma de la partición.
Desplaza masa entre narrativas
- ·Tier S/A con multi-sensor → posterior nítido (Tehran, Nimitz)
- ·Categoría de evidencia nueva (Hessdalen, Lake Huron)
- ·Caso que contradice el patrón establecido
- ·Sensores oficiales + video correlacionado
Solo refuerza lo dominante
- ·Contactado aislado Tier B → casi todo mundano/indet (Meier)
- ·Caso #50 del mismo patrón (escala la narrativa dominante)
- ·Predicción de contactado fallida (carga mundano_natural)
Estado: los casos "contactado" aislados aportan posteriores dominados por mundano_natural e indeterminable — no redistribuyen la partición. Los institucionales con sensor (Tier S/A) producen posteriores nítidos que sí mueven masa entre narrativas.
Capítulo 3
Por qué las probabilidades suman 100%
Las seis narrativas son mutuamente excluyentes por caso; la distribución es comparable y reparte el 100%
Por caso, las narrativas son mutuamente excluyentes: cada caso tuvo una causa real y la incertidumbre se reparte entre los candidatos, sumando 100%. Sumadas sobre el corpus dan una partición comparable — se puede decir qué explicación da cuenta de más casos. En la presentación del sitio se aplica una clasificación forzada: lo prosaico se abre en tres hipótesis (misidentificación, fenómeno natural, posible fraude), las dos no-humanas se muestran juntas, y la masa que el caso no permite asignar se reparte entre las hipótesis que sí apoya — de modo que ningún caso queda sin clasificar. El marco anterior, donde los porcentajes no sumaban 100 ni se podían comparar, se reemplazó precisamente para corregir eso.
El detalle por explicación (con números y casos modales) vive en /probabilidades → para no duplicar el contenido acá.
Capítulo 4
Lo decidido vs la frontera
La mayor parte del corpus es prosaico (sobre todo misidentificación); las hipótesis no-humanas son minoría y se concentran en los casos mejor documentados.
El modelo se reformuló para dar números COMPARABLES. Antes, cada hipótesis era una afirmación existencial independiente («al menos un caso es X») y sus porcentajes no sumaban 100 ni competían entre sí — no se podía decir qué explicación era más probable que otra. Ahora cada caso reparte el 100% sobre las mismas seis narrativas mutuamente excluyentes, y el corpus las agrega en una partición que reparte el 100% de forma comparable. Cada narrativa bundlea objeto + postura institucional, de modo que «no-humano + ocultación estatal» es una clase propia. Las hipótesis del marco anterior se conservan como mapeo dentro de cada narrativa, y «entidades no humanas» (suma de las dos narrativas no-humanas) y «heterogeneidad» quedan como vistas derivadas.
La partición completa, las seis narrativas y los casos modales de cada una viven en /probabilidades →.
Capítulo 5
Qué movería el análisis ahora
Análisis isotópico de Lake Huron, material recuperado verificable, reconocimiento formal de un nuevo país
- +++Análisis isotópico independiente de residuos físicos publicado
- +++Material recuperado con fotos verificables
- +++Lake Huron fragmentos análisis publicado
- +Nuevo país que reconoce formalmente el fenómeno
- +Otro Tehran-equivalente con sensor data
- ~0Nuevo contactee con cosmología detallada
Posterior por caso, agregado mecánico
Cómo cada caso nuevo mueve las probabilidades automáticamente
Las probabilidades del corpus se derivan en build-time de forma pública y comparable. Cada caso reparte el 100% entre seis narrativas mutuamente excluyentes: un posterior que suma 1. El corpus las agrega en el nº esperado de casos por narrativa —Eⱼ = Σᵢ P(narrativaⱼ | casoᵢ)—, que reparte el 100% y es comparable entre narrativas; al ser una esperanza (lineal), es válido aunque los casos estén correlacionados. Son juicios analíticos estructurados, no frecuencias calibradas empíricamente: el modelo dice qué explicación es más coherente con cada caso, no cuál es objetivamente correcta. Cada caso nuevo recalcula la partición sin intervención humana.
El posterior de cada caso es un juicio declarado, no un cálculo a partir de pesos: el análisis del caso reparte explícitamente el 100% según qué tan bien cada explicación da cuenta de la evidencia. No hay fórmula oculta — el reparto es el juicio, y queda visible en la página del caso. La masa que el caso no permite asignar (la antigua «indeterminable») se redistribuye, en las gráficas, entre las hipótesis que el caso sí apoya: clasificación forzada, ningún caso queda sin clasificar.
El agregado del corpus es puramente mecánico: suma esos posteriores en el nº esperado de casos por narrativa y los redondea con el método de mayor resto (Hamilton) para que los porcentajes mostrados sumen exactamente 100. Cada caso nuevo entra con su posterior y recalcula la partición sin intervención adicional.
Cada caso muestra su posterior en su propia página, en la sección "Distribución de explicaciones". En los incidentes el posterior mide la naturaleza del objeto; en los casos-documento (memos, audiencias, filtraciones) mide el «lean» evidencial —hacia qué explicación inclina su contenido—, ya que no tienen un objeto que clasificar.
Ya entiendes el método
Ahora mira el resultado: seis narrativas que reparten el corpus
Toda la metodología vive en esta página — sin documentos externos ni dependencias técnicas. Auditable directamente desde acá.