Profiling vs. Case-specific Evidence: A Probabilistic Analysis

Each language version is independently generated for its own context, not a direct translation.

🕵️‍♂️ El Gran Engaño de la "Evidencia de Perfil"

Imagina que eres un detective en una película. Acabas de llegar a una escena del crimen: un banco ha sido robado. Tienes dos tipos de pistas para encontrar al culpable.

La Pista Específica: Ves unas huellas dactilares en la caja fuerte que coinciden exactamente con las del Sr. Pérez. O un testigo que vio a alguien con una chaqueta roja huyendo justo cuando sonó la alarma.
La Pista de Perfil: Sabes que el 90% de los ladrones de bancos en esta ciudad son hombres jóvenes con antecedentes penales. El Sr. Pérez es un hombre joven con antecedentes penales.

La pregunta clave del artículo es: ¿La segunda pista (el perfil) te dice realmente que el Sr. Pérez robó ese banco esa noche?

Los autores del artículo, Marcello Di Bello y sus colegas, dicen un rotundo NO. Y aquí te explico por qué, usando una analogía de una caja de galletas.

🍪 La Analogía de la Caja de Galletas

Imagina que tienes una caja gigante llena de galletas.

Sabes que el 80% de las galletas en toda la caja son de chocolate.
El Sr. Pérez es una galleta de chocolate.

El argumento de los "defensores del perfil" dice:
"¡Mira! Como el 80% de las galletas son de chocolate y el Sr. Pérez es de chocolate, ¡es muy probable que él sea la galleta que se comió el niño! ¡Tenemos un 80% de certeza!"

El argumento de los autores (y la realidad) dice:
"Espera un momento. Esa estadística es sobre todas las galletas de la caja. Pero el crimen no fue 'cualquier galleta'. El crimen fue una galleta específica que se rompió en la cocina a las 3:00 de la tarde".

Aquí es donde entra la magia (y el error):

Si miras solo la cocina, quizás el 99% de las galletas que se rompen allí son de avena, no de chocolate.
Si miras el sótano, quizás el 99% son de chocolate.
Si no sabes dónde ni cuándo se rompió la galleta específica, usar la estadística de "toda la caja" es un error.

La conclusión: Saber que el Sr. Pérez encaja en el "perfil de galleta de chocolate" no te dice nada sobre si él rompió esa galleta específica en esa cocina específica.

🧩 Dos Tipos de Evidencia: El Mapa vs. La Foto

Los autores dividen la evidencia en dos categorías muy claras:

1. Evidencia de Perfil (El Mapa General)

Es como tener un mapa que dice: "En esta ciudad, la mayoría de los criminales son jóvenes".

Lo que hace: Te dice que es probable que algún joven haya cometido algún crimen en algún momento.
El problema: No te dice que este joven cometió este crimen. Es como decir: "Como la mayoría de los pilotos de aviones son hombres, si hay un accidente, el piloto debe ser un hombre". Es estadísticamente cierto, pero no prueba que el piloto específico que estaba en el avión ayer sea el culpable.

2. Evidencia Específica del Caso (La Foto del Momento)

Es como tener una foto de la escena del crimen.

Lo que hace: Conecta al sospechoso con el crimen en un tiempo y lugar exactos.
Ejemplo: "El Sr. Pérez tenía huellas en la caja fuerte" o "El Sr. Pérez fue visto huyendo del banco a las 3:00 PM".
Por qué funciona: Crea una historia causal. Si el Sr. Pérez es inocente, ¿cómo explicamos que sus huellas estén ahí? Necesitas una explicación extraña (como que alguien se las puso). Si el Sr. Pérez encaja en un perfil (es joven), no necesitas explicar nada si es inocente; es normal que haya jóvenes inocentes.

🤔 ¿Por qué nos sentimos incómodos con el perfil?

Mucha gente piensa: "Pero las matemáticas dicen que si el 80% de los ladrones tienen antecedentes, y el sospechoso los tiene, entonces es más probable que sea culpable".

Los autores dicen: Sí, las matemáticas funcionan, pero para la pregunta equivocada.

Si preguntas: "¿Es probable que un hombre con antecedentes cometa un robo en algún momento de su vida?", la respuesta es SÍ.
Si preguntas: "¿Es probable que este hombre específico haya robado este banco específico anoche?", la respuesta es NO (o al menos, no sabemos).

El error es mezclar la probabilidad genérica (cualquier crimen) con la probabilidad específica (este crimen).

Una analogía final:
Imagina que vives en un barrio donde el 90% de los robos los comete gente que usa gorras rojas.

Si ves a un hombre con una gorra roja, es probable que sea un ladrón en general.
Pero si alguien te roba el coche hoy, y solo ves a un hombre con una gorra roja, no puedes arrestarlo solo por eso. Podría ser el cartero, el repartidor de pizza o tu vecino. La gorra roja no te dice quién rompió la ventana de tu coche.

💡 ¿Qué significa esto para la vida real?

En los juicios: No se puede condenar a alguien solo porque "encaja en el perfil" (ej. "es un exconvicto", "es de una etnia específica", "tiene un historial de drogas"). Necesitas pruebas que conecten a esa persona con ese crimen específico (huellas, cámaras, testigos).
En la vida diaria (Estereotipos): El artículo también habla de cómo nos comportamos.
- Si caminas por un barrio peligroso y te pones alerta porque "la gente de este perfil suele robar", eso es una precaución estadística (como mirar el mapa).
- Pero si ves a alguien con ese perfil y piensas "¡Ese es el ladrón! ¡Atrápenlo!" sin ninguna otra prueba, estás cometiendo un error epistémico. Estás asumiendo que la estadística del grupo es una prueba de culpabilidad individual.

🏁 En resumen

La evidencia de perfil es como saber que la mayoría de los piratas tienen una pata de palo. Si ves a un hombre con una pata de palo, es probable que sea un pirata en general. Pero si hay un barco hundido y buscas al capitán, no puedes arrestar a ese hombre solo por su pata de palo. Necesitas saber si él estaba en el barco cuando se hundió.

La culpa no se demuestra con estadísticas de grupos; se demuestra con hechos específicos de un caso.

Each language version is independently generated for its own context, not a direct translation.

Resumen Técnico: "Evidencia de Perfilado vs. Evidencia Específica del Caso: Un Análisis Probabilístico"

Autores: Marcello Di Bello, Nicolò Cangiotti y Michele Loi.

1. El Problema

El uso de evidencia de perfilado (perfil criminal) en juicios penales es un tema controvertido en la epistemología legal y la teoría de la prueba. Existe un consenso generalizado entre académicos y tribunales de que este tipo de evidencia no puede, por sí sola, establecer la culpabilidad más allá de una duda razonable. Sin embargo, la mayoría de los teóricos asumen que, aunque insuficiente por sí sola, la evidencia de perfilado es probativa (es decir, aumenta la probabilidad de culpabilidad) y puede fortalecer el caso de la acusación.

El problema central que abordan los autores es desafiar esta premisa fundamental: ¿Es la evidencia de perfilado realmente probativa de la culpabilidad del acusado por el crimen específico que se le imputa? La intuición legal sugiere que no, pero las explicaciones existentes a menudo se basan en argumentos morales, políticos o epistémicos no probabilísticos (como la falta de "seguimiento de la verdad" o el riesgo de estereotipos). Los autores buscan una refutación estrictamente dentro del marco de la teoría de la probabilidad.

2. Metodología

El artículo emplea un análisis probabilístico formal basado en el Teorema de Bayes y el concepto de razón de verosimilitud (Likelihood Ratio).

Marco Teórico: Utilizan la forma de odds del Teorema de Bayes para actualizar las creencias sobre la culpabilidad ( $G$ ) ante nueva evidencia ( $E$ ). La actualización depende de la razón de verosimilitud: $LR = P(E|G) / P(E|I)$, donde $I$ es la inocencia.
Distinción Conceptual Clave: Diferencian entre dos hipótesis de culpabilidad:
1. Hipótesis Genérica ( $G_g$ ): El acusado cometió (o cometerá) un delito de cierto tipo en algún momento y lugar indeterminado.
2. Hipótesis Específica ( $G_s$ ): El acusado cometió el delito concreto (en un tiempo, lugar y modo específicos) por el cual está siendo juzgado.
Análisis de Invariancia: Examina la suposición de que la probabilidad de que un acusado encaje en un perfil dado que es culpable ( $P(\text{Perfil} | G)$ ) permanece constante al pasar de la hipótesis genérica a la específica. Utilizan un Modelo de Anidación Multinivel (Appendix) para demostrar matemáticamente por qué esta suposición es epistémicamente injustificada.

3. Contribuciones Clave

A. La Falacia de la Probatividad del Perfilado

Los autores argumentan que la evidencia de perfilado no es probativa de la culpabilidad específica.

Razonamiento: La evidencia de perfilado (ej. antecedentes penales, etnia, edad) puede aumentar significativamente la probabilidad de la hipótesis genérica ( $G_g$ ). Sin embargo, para ser probativa de la hipótesis específica ( $G_s$ ), debe aumentar la probabilidad de que el acusado cometió ese crimen en particular.
El Problema de la Especificidad: Los crímenes específicos varían en circunstancias (lugar, hora, método). Estas variaciones alteran la distribución demográfica de los perpetradores. Por lo tanto, la prevalencia de un perfil en la clase general de criminales no es necesariamente igual a la prevalencia en la subclase de criminales que cometen un crimen específico bajo ciertas condiciones.
Resultado Matemático: Sin información específica sobre las circunstancias del crimen, el numerador de la razón de verosimilitud específica ( $P(\text{Perfil} | G_s)$ ) es desconocido. Si el numerador es desconocido, la razón de verosimilitud específica no puede calcularse, y la evidencia no puede actualizar racionalmente la probabilidad de culpabilidad específica.

B. Distinción entre Evidencia de Perfilado y Evidencia Específica del Caso

Definen la evidencia específica del caso como aquella que está anclada en hechos espacio-temporales concretos y posee una conexión causal presunta con el delito (ej. huellas dactilares en el arma, testigo que ve al acusado huyendo en el momento exacto).

A diferencia del perfilado, la evidencia específica conecta al acusado con el evento singular, permitiendo una evaluación de la razón de verosimilitud que es distinta de la tasa base poblacional.
El perfilado carece de esta conexión causal específica; es "predictivo" en lugar de "diagnóstico" en relación con el acto concreto.

C. Reinterpretación de las Críticas Epistémicas

Los autores muestran que otras críticas epistémicas a la evidencia de perfilado (falta de "seguimiento de la verdad", falta de "apoyo normico", incapacidad de descartar alternativas relevantes) son, en realidad, manifestaciones de la misma falta de especificidad.

Seguimiento de la verdad: El perfilado no varía con los hechos del caso específico (el acusado tendría el perfil tanto si es culpable como si es inocente del crimen específico).
Alternativas Relevantes: El perfilado no reduce la probabilidad de alternativas específicas (ej. "el acusado estaba en otro lugar en ese momento"), porque no discrimina entre el culpable específico y un inocente que comparte el perfil.

4. Resultados Principales

La Razón de Verosimilitud Específica es Indefinida: En ausencia de datos contextuales que vinculen el perfil con las circunstancias específicas del crimen, la razón de verosimilitud para la hipótesis de culpabilidad específica es efectivamente 1 (o desconocida), lo que significa que la evidencia de perfilado no aporta información probatoria sobre la culpabilidad específica.
El Error de la Invariancia: La suposición de que la distribución de perfiles es uniforme a través de todas las subclases de delitos (invariancia) es falsa. Los autores demuestran con un modelo numérico que, si un crimen ocurre en un contexto específico (ej. barrio rico, día), la prevalencia de un perfil (ej. reincidentes) puede ser drásticamente diferente a la prevalencia promedio de todos los crímenes de ese tipo.
Distinción Contextual: La evidencia de perfilado puede ser aceptable en contextos de evaluación de riesgo general (ej. decisiones de libertad bajo fianza o reincidencia futura), donde la hipótesis es genérica ("¿cometerá un delito?"). Sin embargo, es epistémicamente inválida en juicios penales donde la hipótesis es específica ("¿cometió este delito?").

5. Significado e Implicaciones

Para la Teoría de la Prueba: El artículo proporciona una justificación matemática rigurosa para la exclusión de la evidencia de perfilado en juicios penales, sin depender de argumentos morales o de política pública. Establece que la resistencia intuitiva a este tipo de evidencia no es un sesgo cognitivo, sino una respuesta racional a la falta de valor probatorio específico.
Para la Epistemología Legal: Refuerza la idea de que la "especificidad espacio-temporal" es un requisito fundamental para que una evidencia sea probativa en un juicio penal.
Implicaciones para el Estereotipado: Los autores extienden su argumento al fenómeno del estereotipado social. Señalan que el estereotipado es epistémicamente injustificado cuando se utiliza para atribuir culpabilidad a un individuo en un caso específico basándose únicamente en patrones estadísticos grupales. La transición de una hipótesis genérica (grupo) a una específica (individuo en un momento dado) rompe la cadena inferencial, convirtiendo la inferencia en un error epistémico.

En conclusión, Di Bello, Cangiotti y Loi demuestran que la evidencia de perfilado, aunque estadísticamente significativa a nivel macro, es epistémicamente muda respecto a la culpabilidad individual en un caso concreto, ya que no puede superar la incertidumbre sobre las circunstancias específicas del delito.