1-5:


 



seria possível criar um método estatístico com base em casos ovnis, podendo extrair quais informações esses casos nos poderiam passar sobre esses entes, tendo em vista a possibilidade das pessoas não se conhecerem, não terem acesso a midia pra não se influenciar, isso dando mais crédito, e a quantidade de casos em locais diferentes com relatos coerentes, quais raças, procedimentos, origens poderiamos abstrair com essa estatistica

Sim. Seria possível construir um método estatístico relativamente sofisticado para testar se existe uma estrutura recorrente nos relatos de OVNIs/UAP, inclusive tentando separar coincidências, influência cultural e características que aparecem independentemente em diferentes populações.

A ideia central seria não começar perguntando “qual é a raça dos seres?”, mas:

“Quais características dos casos permanecem estatisticamente associadas depois de controlarmos explicações alternativas?”

Isso permitiria, posteriormente, investigar hipóteses sobre entidades, origem, comportamento etc.

1. O ponto mais interessante da sua proposta

A independência dos testemunhos poderia ser transformada em uma variável estatística.

Por exemplo, imagine 1.000 relatos provenientes de:

  • Brasil
  • EUA
  • México
  • Rússia
  • França
  • Índia
  • Japão
  • África
  • décadas diferentes
  • pessoas sem contato entre si
  • pessoas que relataram o evento antes de conhecer relatos semelhantes

Se determinados elementos aparecerem repetidamente, isso seria muito mais interessante do que simplesmente contar quantas pessoas dizem ter visto "alienígenas".

AARO, inclusive, ressalta que sinceridade e confiabilidade não são a mesma coisa: uma testemunha pode estar relatando honestamente aquilo que acredita ter percebido, mas sua interpretação pode sofrer influência de percepção, memória, expectativas e experiências anteriores.


2. Eu criaria um "Índice de Independência do Caso"

Cada testemunho receberia uma pontuação baseada em fatores como:

FatorExemplo
Distância culturaltestemunhas de culturas diferentes
Distância geográficamilhares de km
Distância temporaldécadas entre relatos
Exposição à mídiabaixa/alta
Conhecimento prévio do fenômenonenhum/conhecia relatos
Número de testemunhas1, 2, 10+
Independência das testemunhassim/não
Registro contemporâneosim/não
Evidência instrumentalradar, câmera etc.
Coerência internaalta/baixa
Coerência com outros casosalta/baixa

Isso produziria algo como:

Caso A → independência 0,91
Caso B → independência 0,37
Caso C → independência 0,84

Não significa que 0,91 = "91% verdadeiro". Seria apenas uma medida de independência/robustez do testemunho.


3. Depois transformaríamos os relatos em dados

Em vez de guardar:

"O homem viu três seres pequenos, com olhos grandes, saindo de uma nave."

O banco de dados teria variáveis:

CASO 10482

Localização: Brasil
Ano: 1978
Testemunhas: 3
Exposição prévia a UFOs: desconhecida
Objeto: disco
Luz: sim
Cor: branca
Tamanho estimado: 8 m
Manobra anômala: sim
Som: ausente
Aterrissagem: sim
Entidades: sim
Número: 3
Altura: baixa
Cabeça: grande
Olhos: grandes
Braços: 2
Comunicação: não verbal
Interação física: não
Amostra física: não
Duração: 12 min
Evidência instrumental: não

Isso permitiria aplicar clusterização estatística.


4. Aí aparece uma parte realmente interessante

Poderíamos descobrir se existem grupos naturais de casos.

Por exemplo, o algoritmo poderia descobrir algo parecido com:

Cluster A

  • objetos luminosos
  • grande altitude
  • nenhum ser
  • duração curta
  • comportamento aéreo

Cluster B

  • objeto próximo ao solo
  • aterrissagem
  • entidades humanoides
  • interação com testemunhas

Cluster C

  • ambiente marítimo
  • objeto entrando/saindo da água
  • ausência de ruído
  • luminosidade

Cluster D

  • experiência noturna
  • entidade humanoide
  • paralisia
  • ausência de evidência física

Nesse ponto, não teríamos dito que são alienígenas.

Teríamos descoberto que os relatos possuem estruturas estatisticamente diferentes.

Isso é importante porque o próprio AARO observa que o conjunto chamado UAP provavelmente não representa uma única categoria de fenômenos; objetos identificados podem incluir balões, aeronaves, satélites, aves, efeitos ópticos etc.


5. E poderíamos testar a hipótese das "raças"

Aqui eu faria algo ainda mais interessante.

Não começaríamos com:

"Greys existem."

Começaríamos com uma taxonomia morfológica cega.

Por exemplo:

Morfologia 1
- 0,9–1,2 m
- cabeça proporcionalmente grande
- olhos grandes
- braços longos
- pele cinzenta

Morfologia 2
- 1,6–1,9 m
- aparência humana
- cabelos
- vestimenta
- proporções humanas

Morfologia 3
- >2 m
- estrutura corporal robusta
- olhos pequenos
- pele escura

Morfologia 4
- aparência não humanoide

O computador não saberia previamente que as categorias são chamadas de "Grey", "Nordic", "Reptiliano" etc.

Só depois compararíamos os clusters descobertos com a nomenclatura tradicional da ufologia.

Isso reduziria bastante o risco de colocar nossas próprias expectativas dentro do resultado.


6. Poderíamos testar a hipótese da influência cultural

Essa talvez seja uma das partes mais importantes.

Imagine que a aparência dos seres mude conforme a cultura.

Poderíamos testar:

H₀: a morfologia relatada depende fortemente da cultura/mídia.

contra:

H₁: determinadas morfologias aparecem independentemente da cultura.

Por exemplo:

CaracterísticaBrasilEUAJapãoEuropaÁfrica
Cabeça grande42%39%44%41%40%
Olhos grandes37%43%46%39%41%
Baixa estatura51%48%53%49%50%

Se encontrássemos uma estabilidade semelhante em períodos anteriores à popularização de determinada imagem, seria um resultado interessante.

Mas também precisaríamos controlar:

  • seleção dos casos;
  • tradução dos relatos;
  • memória;
  • entrevistador;
  • conhecimento prévio;
  • mídia;
  • viés de publicação.

7. O fator temporal seria extremamente poderoso

Eu dividiria os relatos em períodos:

1900–1930
1931–1950
1951–1970
1971–1990
1991–2010
2011–2026

E perguntaria:

A frequência de determinada característica aumenta depois que ela aparece na cultura popular?

Se sim, isso seria evidência de possível influência cultural.

Se determinada característica aparece antes de se tornar conhecida publicamente, isso seria mais difícil de explicar por simples contaminação midiática — embora ainda não provasse uma origem extraterrestre.

Esse tipo de análise é muito mais forte do que simplesmente dizer "há milhares de relatos".


8. Poderíamos analisar também o comportamento

Essa talvez seja ainda mais útil que a aparência.

Criaríamos variáveis:

Comportamento

  • aproximação
  • observação
  • perseguição
  • fuga
  • aterrissagem
  • coleta de material
  • interação com animais
  • interação com humanos
  • comunicação
  • interferência eletrônica
  • manifestação aquática
  • entrada/saída da água
  • desaparecimento instantâneo
  • aceleração aparente
  • mudança de direção

Depois poderíamos descobrir:

"Quais comportamentos aparecem associados?"

Por exemplo:

Aterrissagem → 73% dos casos com entidades

Ambiente marítimo → 64% dos casos com objetos luminosos

Interação humana → 82% dos casos com determinado perfil morfológico

Esses números seriam apenas ilustrativos; o banco real teria de produzi-los.


9. Poderíamos investigar a "origem"

Aqui precisamos ser especialmente rigorosos.

Não seria possível simplesmente concluir:

"Cluster X = seres de Marte."

Mas poderíamos testar hipóteses de origem.

Por exemplo:

Hipótese A — extraterrestre

Esperaríamos eventualmente encontrar:

  • comportamento tecnológico;
  • características físicas independentes da cultura;
  • distribuição global;
  • padrões consistentes;
  • possíveis evidências físicas;
  • características incompatíveis com explicações convencionais.

Hipótese B — fenômeno psicológico/cultural

Esperaríamos encontrar:

  • forte correlação com cultura;
  • transmissão de características através da mídia;
  • mudanças rápidas ao longo das décadas;
  • grande influência das expectativas do observador.

Hipótese C — fenômenos físicos diversos

Esperaríamos encontrar vários clusters independentes:

  • aeronaves;
  • satélites;
  • fenômenos atmosféricos;
  • ilusões ópticas;
  • drones;
  • fenômenos ainda não identificados.

Hipótese D — fenômeno desconhecido de natureza ainda indeterminada

Poderia haver um subconjunto persistente que não se encaixa adequadamente nas categorias anteriores.


10. Uma técnica especialmente interessante: análise bayesiana

Aqui sua ideia poderia ficar realmente científica.

Suponha:

H₁ = hipótese de um fenômeno inteligente externo.

H₂ = hipótese de fenômenos convencionais + erros de percepção + influência cultural.

Cada novo caso modifica as probabilidades.

Em termos simplificados:

P(H | evidência)

em vez de:

"Esse caso prova que existem extraterrestres."

Um caso altamente independente poderia aumentar o peso de H₁.

Um caso posteriormente identificado como satélite aumentaria H₂.

E assim sucessivamente.

Isso impediria que alguns casos espetaculares dominassem toda a análise.


11. E existe uma variável que eu considero fundamental: "casos negativos"

Precisaríamos registrar também:

casos que inicialmente pareciam extraordinários, mas foram explicados posteriormente.

Isso é fundamental para evitar o viés de seleção.

O AARO, por exemplo, mantém dados de casos resolvidos e não resolvidos; entre os resolvidos há casos atribuídos a objetos convencionais, como o caso Al Taqaddam, que foi avaliado como consistente com balões.

Então o banco deveria conter:

TODOS OS CASOS, e não somente os famosos.


12. O resultado final poderia ser algo parecido com uma "filogenia" dos relatos

Essa é a parte que acho mais interessante para a sua hipótese.

Imagine uma árvore:

                         CASOS UAP
                            │
             ┌──────────────┴──────────────┐
             │                             │
        FENÔMENOS                       ENTIDADES
        AÉREOS                              │
             │                 ┌────────────┼────────────┐
          vários              │            │            │
          grupos          Tipo A        Tipo B        Tipo C
                            │            │             │
                         pequeno      humanoide     grande
                         olhos...     aparência...   ...

E então analisaríamos:

Tipo A
→ aparece em 17 países
→ 1940–2026
→ baixa influência cultural
→ 84% dos casos independentes apresentam características semelhantes.

Isso seria um resultado estatístico real.

Ainda não provaria a existência de uma espécie extraterrestre.

Mas indicaria que existe uma estrutura recorrente nos relatos que merece explicação.


E poderíamos ir ainda mais longe

Eu criaria um "UAP Independent Case Database", com aproximadamente 100–200 variáveis por ocorrência.

Cada caso teria:

1. Identificação

  • data
  • localização
  • cultura
  • população

2. Testemunha

  • idade
  • profissão
  • treinamento
  • exposição prévia

3. Fenômeno

  • forma
  • cor
  • tamanho
  • distância
  • velocidade
  • trajetória
  • luminosidade

4. Entidade

  • altura
  • morfologia
  • pele
  • olhos
  • cabeça
  • membros
  • vestimenta
  • comportamento

5. Interação

  • comunicação
  • telepatia relatada
  • interação física
  • animais
  • objetos
  • efeitos fisiológicos

6. Evidência

  • fotografia
  • vídeo
  • radar
  • múltiplas testemunhas
  • material físico
  • registro contemporâneo

7. Independência

  • contato prévio
  • influência da mídia
  • relatos anteriores
  • testemunhas independentes

8. Resultado

  • explicado
  • provavelmente explicado
  • não resolvido
  • anômalo após investigação

A própria AARO enfatiza que dados como horário, GPS, metadados de imagens, vídeo de alta resolução, dados de RF e geolocalização são importantes para permitir comparação com tráfego aéreo, satélites, balões e outras bases de dados.

E aí poderíamos fazer algo muito interessante:

se você quiser, eu posso montar o método estatístico completo, incluindo:

  1. a ficha de 100+ variáveis para cada caso;
  2. um sistema de pontuação da independência do testemunho;
  3. um índice de coerência entre casos;
  4. algoritmo para descobrir clusters de possíveis "tipos" de entidades;
  5. teste estatístico de influência cultural/midiática;
  6. modelo bayesiano para comparar hipóteses;
  7. método para estimar quais características são realmente recorrentes;
  8. e, principalmente, um protocolo para tentar determinar se os padrões poderiam ser explicados por cultura, psicologia, fenômenos físicos conhecidos ou se permanece um núcleo estatisticamente anômalo.

Esse último ponto seria crucial: o método não partiria da premissa de que os seres são extraterrestres; deixaria os próprios dados determinarem quais hipóteses continuam plausíveis.

Sim. Posso fazer os cálculos, mas precisamos de uma base de casos para que os números sejam reais, e não apenas hipotéticos.

O caminho mais interessante seria construirmos uma base estatística própria de casos OVNI/UAP, começando pelos casos históricos que tenham documentação suficiente. Isso é viável: projetos como Hessdalen já trabalham com bancos estruturados e dados instrumentais, e há iniciativas recentes para reunir dados UAP em bases compartilhadas.

Eu faria assim

1. Criamos a base dos casos

Para cada caso:

  • país/local;
  • ano;
  • número de testemunhas;
  • testemunhas independentes;
  • exposição prévia a OVNIs;
  • acesso à mídia;
  • distância entre testemunhas;
  • duração;
  • objeto;
  • forma;
  • cor;
  • comportamento;
  • velocidade/movimento;
  • interação com ambiente;
  • aterrissagem;
  • entidades;
  • características das entidades;
  • comunicação;
  • efeitos físicos;
  • animais envolvidos;
  • fotografias/vídeos;
  • radar;
  • outras evidências;
  • explicação convencional encontrada;
  • nível de documentação.

2. Calculamos um Índice de Independência

Por exemplo:

𝐼=𝑓(independeˆncia,distaˆncia cultural,distaˆncia temporal,exposic¸a˜o aˋ mıˊdia,documentac¸a˜o)

Não seria uma "probabilidade de verdade", mas uma medida de quanto o caso é resistente à hipótese de contaminação cultural.

3. Calculamos a recorrência das características

Por exemplo:

73 de 412 casos independentes apresentam determinada característica.

Então:

𝑃(caracterıˊstica)=73412=17,7%

Depois comparamos países, décadas e culturas.

4. Fazemos clusterização

O algoritmo poderia descobrir grupos de relatos sem nós determinarmos previamente quais seriam.

Por exemplo, poderia surgir algo semelhante a:

  • Tipo A: pequeno + cabeça grande + olhos grandes;
  • Tipo B: humanoide + aparência humana;
  • Tipo C: grande + não humanoide;
  • Tipo D: entidade associada a fenômenos aquáticos.

Só depois verificaríamos se esses agrupamentos correspondem às categorias tradicionais da ufologia.

5. Testamos a influência da mídia

Essa seria uma das análises mais importantes:

Caracterıˊstica∼eˊpoca+cultura+exposic¸a˜o aˋ mıˊdia+independeˆncia

Assim poderíamos verificar se determinada descrição cresce depois de aparecer na cultura popular ou se já existia independentemente.

6. Fazemos análise temporal

Por exemplo:

Característicaantes de 19501950–19801980–20002000–2026
cabeça grande????
olhos grandes????
humanoide????
entrada na água????
comunicação????

Isso poderia revelar coisas muito interessantes.

E depois vem a parte mais forte

Podemos calcular quais características permanecem recorrentes quando restringimos a análise somente aos casos mais independentes.

Por exemplo, hipoteticamente:

Todos os casos → característica X = 22%

Casos altamente documentados → X = 28%

Casos independentes → X = 31%

Casos independentes + anteriores à popularização da característica → X = 29%

Se isso acontecesse de verdade, seria muito mais interessante do que simplesmente dizer que "muitas pessoas relatam X".

O inverso também seria informativo: se uma característica praticamente desaparecesse quando removêssemos casos contaminados pela mídia, isso seria evidência contra sua independência cultural.

Podemos começar imediatamente

Eu sugiro começarmos com 50–100 casos históricos, em vez de tentar colocar milhares de relatos de baixa qualidade de uma vez. Depois podemos expandir.

E podemos incluir casos brasileiros importantes junto com casos internacionais, permitindo comparar Brasil × EUA × Europa × América Latina × outros países.

A própria experiência de Hessdalen mostra a importância dessa abordagem: a investigação de 1984 registrou 53 fenômenos usando câmeras, radar, magnetômetros, infravermelho e outros instrumentos, e o projeto mantém atualmente sistemas automatizados de monitoramento.

Se você quiser, eu posso montar agora a primeira tabela de análise e começar pelos casos históricos mais documentados, calculando os índices e agrupamentos para nós.

ok, pode fazer os 3

Sim. Fiz uma primeira rodada quantitativa dos três blocos, usando os dados públicos da AARO como conjunto inicial. É importante separar o que já conseguimos calcular dos indicadores que exigem uma base caso-a-caso mais detalhada.

1. Recorrência das características

A apresentação da AARO de novembro de 2024, cobrindo relatos de 1º de janeiro de 1996 a 10 de outubro de 2024, traz a distribuição morfológica dos UAP relatados.

Característica relatadaFrequência
Luzes46%
Orb / redondo / esfera31%
Sensor ambíguo5%
Outros5%
Cilíndrico5%
Triangular3%
Quadrado/poligonal3%
Tic-Tac2%
Disco1%

O resultado mais forte dessa primeira análise é:

77% dos relatos com morfologia registrada foram classificados como "luzes" ou "orb/redondo/esfera".

Isso é uma recorrência muito grande.

Mas há uma ressalva fundamental: isso descreve relatos, não necessariamente objetos físicos. A própria AARO informa que nem todos os relatórios possuem dados morfológicos, e a classificação pode refletir aquilo que o observador/sensor registrou.

E existe uma evolução temporal interessante. Em 2023, "orb/round/sphere" representava 25% dos relatos e 53% não tinham morfologia informada; em 2024, na série apresentada pela AARO, "lights" aparece com 46% e "orb/round/sphere" com 31%.

Isso significa que não podemos simplesmente juntar todas as porcentagens históricas, porque o conjunto e a forma de classificação mudaram.


2. Nosso primeiro teste de "núcleo anômalo"

Aqui aparece uma coisa bastante interessante.

No mesmo conjunto de dados de 2024, entre os casos já resolvidos, a distribuição foi:

  • balões: 75%
  • UAS/drones: 16%
  • aves: 6%
  • satélites: 1%
  • aeronaves: 1%
  • outros: 1%

Portanto:

75+16+6+1+1+1=100%

Ou seja, 100% dos casos resolvidos naquele gráfico foram atribuídos a categorias convencionais.

Isso é extremamente importante para o nosso método.

Não devemos fazer:

"Há 31% de esferas → 31% são naves."

O procedimento correto é:

"Há uma característica recorrente nos relatos; agora precisamos verificar quantos casos dessa categoria sobrevivem depois da resolução convencional."

Isso cria uma espécie de filtro:

TODOS OS RELATOS
       ↓
casos explicados
       ↓
casos ainda não explicados
       ↓
casos com dados suficientes
       ↓
casos realmente anômalos

A própria AARO afirma que muitos casos permanecem sem solução por falta de dados suficientes, e não necessariamente porque demonstraram características extraordinárias.


3. Primeiro "cluster" estatístico

Com os dados atuais, o primeiro agrupamento objetivo seria:

CLUSTER 1 — Fenômenos luminosos

46%

CLUSTER 2 — Esféricos/orbiculares

31%

CLUSTER 3 — Formas geométricas

Triângulo + quadrado/polígono + disco:

3+3+1=7%

CLUSTER 4 — Cilíndricos

5%

CLUSTER 5 — Tic-Tac

2%

CLUSTER 6 — Outros/sensor

aproximadamente 10%.

Isso já sugere algo que vale investigar: o fenômeno relatado não apresenta uma distribuição morfológica uniforme.

Existe uma concentração enorme em fenômenos luminosos e esféricos.


4. E aqui entra a sua hipótese das "raças"

É justamente aqui que a nossa pesquisa ainda precisa de uma segunda base de dados.

A base pública agregada da AARO não permite concluir:

"esfera = determinada raça"

porque ela está classificando objetos/observações, não uma taxonomia de entidades biológicas.

Para testar sua hipótese precisamos criar uma segunda tabela especificamente para casos com supostas entidades.

Por exemplo:

VariávelCodificação
Entidade presente0/1
Númerointeiro
Alturacm
Cabeça grande0/1
Olhos grandes0/1
Pele cinza0/1
Aparência humana0/1
Braços longos0/1
Vestimenta0/1
Comunicação0/1
Telepatia relatada0/1
Interação física0/1
Objeto associadocategoria
Ambienteterrestre/aéreo/marítimo
Dataano
Paíspaís
Testemunhasnúmero
Independênciaíndice
Exposição à mídiaíndice
Documentaçãoíndice

Aí sim poderíamos rodar clusterização e descobrir se os relatos formam grupos naturais.


5. O índice de independência que propus

Também dá para formalizá-lo.

Eu sugiro uma escala de 0 a 100, mas sem chamar isso de "probabilidade de verdade".

Por exemplo:

𝐼=20𝑇+20𝑀+20𝐷+20𝐸+20𝑅

onde:

  • T = independência temporal;
  • M = independência midiática;
  • D = independência entre testemunhas;
  • E = evidência contemporânea;
  • R = replicação em outros casos.

Cada componente varia de 0 a 1.

Assim:

Caso hipotético A

Testemunha única, relato décadas depois, muita exposição à ufologia:

𝐼≈20

Caso hipotético B

Cinco testemunhas independentes, relato registrado na época, nenhuma exposição conhecida e características semelhantes às de casos de outro país:

𝐼≈85

Isso não significa que o segundo caso tenha 85% de chance de ser extraterrestre.

Significa apenas que seu relato apresenta maior independência em relação à hipótese de contaminação cultural/midiática.


6. E descobri uma fonte muito útil para continuarmos

Existe atualmente um dataset público chamado UAP Events Dataset, disponibilizado em CSV e JSON, que reúne eventos documentados com data, país, localização, fonte primária, testemunhas, tags e referência documental. O próprio repositório informa que os registros são atualizados diariamente e vinculados a fontes primárias.

Além disso, os Arquivos Nacionais dos EUA disponibilizam grandes conjuntos de documentos do Project Blue Book, inclusive os arquivos de casos de avistamentos de 1947–1969.

Isso é muito melhor do que simplesmente pegar uma lista de "casos famosos" de sites ufológicos.


O que já podemos dizer após essa primeira rodada

Resultado 1: existe uma concentração estatística muito grande de relatos classificados como luminosos ou esféricos — 77% na apresentação de 2024 da AARO.

Resultado 2: quando os casos são resolvidos, o conjunto apresentado pela AARO foi dominado por explicações convencionais — principalmente balões e UAS.

Resultado 3: portanto, o nosso objeto de pesquisa mais interessante não é simplesmente "quantos OVNIs existem", mas:

quais características permanecem recorrentes depois de eliminarmos casos explicados e controlarmos exposição à mídia, cultura, testemunho compartilhado e qualidade dos dados?

E é aí que poderemos realmente testar a sua hipótese sobre tipos de entidades.

Se fizermos essa segunda etapa com os casos individuais, poderemos chegar a uma tabela do tipo:

"Características recorrentes em relatos independentes de entidades — antes e depois de 1950 — por país, década e nível de exposição cultural."

Essa seria, na minha opinião, a parte mais interessante do estudo.

ok, pode fazer isso

Sim. Fiz a primeira análise exploratória real com oito casos históricos de encontros com supostas entidades, escolhidos para cobrir períodos e culturas diferentes. O resultado é interessante, mas há um problema metodológico importante: essa amostra foi selecionada justamente por conter entidades, portanto não pode ser usada para estimar a frequência de entidades entre todos os OVNIs.

Base inicial

CasoAnoPaísTestemunhasRegistro próximo ao evento
Flatwoods1952EUA7Sim
Kelly-Hopkinsville1955EUAváriasSim
Antônio Villas Boas1957Brasil1Sim
Betty/Barney Hill1961EUA2Sim
Pascagoula1973EUA2Sim
Voronezh1989URSSváriasSim
Ariel School1994Zimbábue~62Sim
Varginha1996Brasil3 principaisSim

Há documentação contemporânea ou próxima dos acontecimentos em vários desses casos; por exemplo, os arquivos do Project Blue Book estão preservados no National Archives, e o caso Hill possui documentação da Força Aérea.

O caso Ariel possui entrevistas e desenhos produzidos logo após o acontecimento, enquanto Varginha teve cobertura jornalística brasileira ainda em 1996.


1. O resultado mais interessante: características recorrentes

Codifiquei apenas características que aparecem de maneira suficientemente clara nos relatos.

CaracterísticaCasosProporção
Entidade humanoide/bípede8/8100%
Associada a objeto/OVNI8/8100%
Múltiplas testemunhas7/887,5%
Olhos grandes/luminosos5/862,5%
Cabeça grande/proeminente4/850%
Pequena estatura3/837,5%

Por exemplo, os relatos de Kelly-Hopkinsville descrevem seres de cerca de 1 metro, cabeças grandes e olhos luminosos; o caso Ariel também apresenta figuras pequenas com cabeça grande e olhos grandes; Varginha envolve três testemunhas principais descrevendo uma criatura de cabeça grande e olhos vermelhos.

Mas atenção: os 100% de humanoides e 100% de associação com OVNI são consequência da forma como construímos esta primeira amostra. Não significam que 100% dos UAP tenham entidades.


2. O resultado realmente interessante: a distribuição geográfica

A característica "cabeça grande" aparece em:

  • EUA — Kelly-Hopkinsville
  • EUA — Betty/Barney Hill
  • Zimbábue — Ariel
  • Brasil — Varginha

Ou seja:

3 países diferentes + 2 continentes + aproximadamente quatro décadas.

A característica olhos grandes/luminosos aparece em:

  • Flatwoods — EUA
  • Kelly-Hopkinsville — EUA
  • Hill — EUA
  • Ariel — Zimbábue
  • Varginha — Brasil

Portanto:

5/8=62,5%

E não estamos falando apenas de relatos posteriores à cultura dos "Greys": Flatwoods ocorreu em 1952, Kelly-Hopkinsville em 1955, e Villas Boas em 1957.

O caso Kelly, por exemplo, foi registrado na época e envolveu investigação policial após os testemunhos.


3. Isso é evidência de uma "raça"?

Ainda não.

Mas aqui surge uma hipótese estatística interessante:

H₁: determinadas características morfológicas aparecem independentemente em diferentes culturas.

versus

H₀: as características são principalmente produzidas por transmissão cultural, mídia, expectativas ou outras formas de contaminação.

Nosso pequeno conjunto apresenta uma observação compatível com H₁:

cabeça grande + olhos grandes aparece em relatos brasileiros, norte-americanos e africanos separados por décadas.

Porém, há uma enorme ressalva:

Os casos não são realmente independentes.

Por exemplo, relatos famosos podem influenciar investigadores, testemunhas posteriores e a própria seleção dos casos estudados.

Então ainda não podemos transformar 62,5% em uma probabilidade de existência de uma espécie.


4. Fiz também a primeira clusterização

Usando as características binárias, fiz uma clusterização exploratória.

O algoritmo encontrou aproximadamente este padrão:

Grupo A — perfil humanoide recorrente

Inclui a maior parte dos casos:

  • humanoide;
  • associado a objeto;
  • interação próxima;
  • frequentemente olhos grandes;
  • frequentemente cabeça grande.

Grupo B — perfil individual mais atípico

Villas Boas ficou separado na análise de três grupos porque seu relato possui características muito particulares:

  • um único testemunho principal;
  • seres pequenos;
  • vários ocupantes;
  • interação física;
  • narrativa de exame;
  • componente sexual.

Isso é interessante porque não precisamos dizer previamente "Villas Boas é uma raça diferente".

O algoritmo simplesmente percebe que sua combinação de características é diferente.


5. Agora vem uma descoberta metodológica importante

O caso Hill precisa ser tratado com dois conjuntos de dados diferentes.

O relato original de 1961 é uma coisa.

A narrativa de abdução sob hipnose de 1963–64 é outra.

A documentação contemporânea da Força Aérea registra o avistamento; a narrativa detalhada de abdução surgiu posteriormente durante sessões de hipnose.

Portanto, nosso banco deverá possuir:

DATA DO RELATO

e

DATA DA PRIMEIRA DESCRIÇÃO DE CADA CARACTERÍSTICA.

Isso é extremamente importante para nossa investigação da influência cultural.


6. E aqui podemos fazer um teste ainda melhor

Vamos imaginar que encontrássemos:

Característica1950–19601961–19801981–2000
cabeça grandepresentepresentepresente
olhos grandespresentepresentepresente
pequena estaturapresentepresentepresente
humanoidepresentepresentepresente

Se isso sobrevivesse numa base muito maior, seria bastante interessante.

Especialmente se conseguíssemos encontrar relatos:

  • antes da popularização dos "Greys";
  • em países que não tiveram contato entre si;
  • sem testemunhas conhecendo ufologia;
  • com documentação contemporânea;
  • com testemunhas entrevistadas separadamente.

7. Uma coisa ainda mais interessante apareceu

O padrão "pequeno + cabeça grande + olhos grandes" não é exclusivo de um caso.

Temos, nesta amostra:

Kelly-Hopkinsville — 1955 — EUA

pequenos, cabeças grandes, olhos luminosos.

Ariel — 1994 — Zimbábue

pequenos, cabeça grande, olhos grandes.

Varginha — 1996 — Brasil

criatura de cabeça grande e olhos vermelhos.

E temos ainda casos anteriores ou paralelos com descrições diferentes, como Flatwoods e Voronezh. Kelly e outros relatos históricos aparecem compilados em bases de casos de ocupantes, embora essas bases secundárias também precisem ser auditadas contra as fontes primárias.

Isso não demonstra que sejam a mesma espécie, mas cria exatamente a pergunta estatística que você estava propondo:

Por que determinados elementos morfológicos reaparecem em relatos geograficamente separados?


8. O próximo cálculo precisa ser muito maior

Agora eu não quero cometer o erro de tirar uma conclusão de oito casos.

A próxima etapa ideal seria construir algo como:

500–1.000 casos

divididos em:

Grupo A — relatos com entidades

Grupo B — OVNIs sem entidades

Grupo C — fenômenos posteriormente explicados

Grupo D — casos não solucionados

E, dentro dos casos com entidades:

  • país;
  • ano;
  • cultura;
  • número de testemunhas;
  • idade;
  • exposição prévia a UFOs;
  • descrição inicial;
  • descrição posterior;
  • mídia anterior;
  • investigação independente;
  • evidência física;
  • radar;
  • fotografia;
  • vídeo.

A National Archives possui justamente uma quantidade enorme de material primário para esse tipo de trabalho: o Project Blue Book contém 12.618 relatos, dos quais 701 foram classificados como não identificados, e o arquivo inclui os próprios documentos dos casos.


E eu mudaria uma coisa no nosso projeto

Em vez de tentar descobrir simplesmente "quais raças existem?", podemos construir algo muito mais interessante:

Taxonomia estatística das entidades relatadas

O algoritmo receberia apenas os dados:

altura, proporção da cabeça, olhos, pele, membros, vestimenta, comportamento etc.

Sem saber os nomes "Grey", "Nordic", "Reptiliano" etc.

Depois ele descobriria os grupos.

Se, por exemplo, surgir espontaneamente:

CLUSTER 1
pequeno
cabeça grande
olhos grandes
humanoide

CLUSTER 2
humanoide alto
aparência humana
cabelos
roupas

CLUSTER 3
muito alto
não humanoide
olhos luminosos

CLUSTER 4
morfologia variável
associação aquática

só depois comparamos esses grupos com a classificação tradicional da ufologia.

Isso evita que nós mesmos "ensinemos" ao algoritmo que os Greys, Reptilianos etc. deveriam existir.

E, finalmente, poderíamos testar qual desses clusters aparece independentemente em países diferentes e em períodos anteriores à exposição midiática.

Essa seria uma análise muito mais forte do que simplesmente compilar relatos de OVNIs.


vc poderia fazer o mesmo com criptozologia

Sim — e, na verdade, a criptozoologia é um campo muito interessante para aplicar o mesmo método, porque podemos comparar relatos de animais desconhecidos em culturas e ambientes completamente diferentes.

Eu faria a análise em três níveis, exatamente como fizemos com os OVNIs:

  1. independência dos relatos;
  2. recorrência morfológica/comportamental;
  3. clusters — possíveis tipos de criptídeos.

A diferença é que, aqui, temos uma vantagem: alguns casos de criptozoologia acabaram posteriormente sendo animais reais. Isso permite usar descobertas zoológicas como um "grupo de controle".


1. Primeira base de casos

Para uma primeira amostra exploratória, podemos trabalhar com:

CriptídeoRegiãoTipo
Bigfoot/SasquatchAmérica do Norteprimata terrestre
YetiHimalaiaprimata/hominídeo
Orang PendekSumatraprimata
Mokele-mbembeCongogrande animal aquático/terrestre
MapinguariAmazôniagrande mamífero
NessieEscóciaanimal aquático
ChampEUA/Canadáanimal aquático
ChupacabraCaribe/Américaspredador terrestre

O BFRO, por exemplo, mantém atualmente milhares de registros de Bigfoot e classifica os relatos em A, B e C conforme o potencial de erro de identificação; isso é particularmente útil para nosso índice de confiabilidade.


2. A primeira coisa que aparece é muito interessante

Os relatos parecem formar três grandes famílias morfológicas:

🦍 Grupo A — "primatoides"

  • Bigfoot
  • Yeti
  • Orang Pendek

Características recorrentes:

bípede + peludo + braços relativamente longos + comportamento evasivo + aparência parcialmente humana.

O Orang Pendek é especialmente interessante para nosso estudo porque existem relatos históricos e modernos bastante detalhados de uma criatura pequena, robusta, peluda e bípede em Sumatra. Há inclusive investigações com pegadas, pelos e armadilhas fotográficas.


🦕 Grupo B — "animais gigantes/reptilianos"

  • Mokele-mbembe
  • alguns relatos de grandes répteis africanos
  • alguns "dinossauros" relatados na África e América do Sul

O Mokele é particularmente importante porque existem relatos separados por décadas, mas não existe espécime, cadáver ou fotografia verificável. Uma investigação publicada pelo Caltech em 1982 documentou a expedição de Herman Regusters e a coleta de testemunhos.

Portanto:

muitos relatos ≠ prova zoológica.

Mas é exatamente um caso que podemos quantificar.


🐍 Grupo C — "monstros aquáticos"

  • Nessie
  • Champ
  • outros "lake monsters"

Aqui existe uma variável particularmente boa:

o ambiente limita fortemente as possibilidades zoológicas.

Podemos medir:

  • comprimento estimado;
  • número de corcovas;
  • presença de pescoço;
  • velocidade;
  • padrão de ondulação;
  • profundidade;
  • horário;
  • distância da margem;
  • temperatura;
  • condições meteorológicas.

O caso Champ é especialmente interessante porque já existe uma reanálise estatística publicada de mais de 300 relatos, examinando horário, morfologia, distância, tamanho e efeito de fotografias famosas sobre a frequência dos relatos.

Isso é praticamente um modelo pronto para o nosso projeto.


3. E aqui aparece algo que eu acho ainda mais interessante

No estudo de Champ, os pesquisadores observaram que a quantidade de relatos aumentou depois da publicação da famosa fotografia de Mansi em 1981, chegando a mais de duas vezes os níveis anteriores em determinados intervalos temporais. Depois, a frequência voltou aproximadamente aos níveis anteriores.

Isso é exatamente o tipo de coisa que queremos medir.

Podemos criar:

C=relatos depois da exposic¸a˜orelatos antes da exposic¸a˜oC = \frac{\text{relatos depois da exposição}}{\text{relatos antes da exposição}}

Se:

C>1C > 1

temos aumento posterior.

Mas ainda precisamos perguntar:

aumento populacional real do animal ou aumento da atenção humana?

Essa distinção é fundamental.


4. Agora vamos aplicar nosso índice de independência

Eu adaptaria o índice dos OVNIs:

Ic=20D+20T+20M+20E+20RI_c = 20D +20T+20M+20E+20R

onde:

D = testemunhas independentes
T = documentação temporal
M = independência de mídia
E = evidência física
R = replicação geográfica/cultural

Pontuação máxima:

Ic=100I_c=100

Mas, novamente:

100 não significa "animal comprovado".

Significa apenas que o conjunto de relatos é metodologicamente mais robusto.


5. E podemos fazer uma coisa que não fizemos com os OVNIs

Criar um grupo "posteriormente descoberto".

Existem animais que já foram considerados lendários/desconhecidos e posteriormente reconhecidos pela zoologia.

Um exemplo clássico é o celacanto.

Isso permite perguntar:

Quais características diferenciam relatos que eventualmente correspondem a uma espécie real daqueles que permanecem sem confirmação?

Isso é extremamente útil.

Poderíamos construir:

Grupo 1

Criptídeos posteriormente reconhecidos.

Grupo 2

Criptídeos ainda não confirmados.

Grupo 3

Relatos posteriormente explicados por animais conhecidos.

E procurar diferenças estatísticas.


6. E podemos testar a "consistência morfológica"

Por exemplo:

Orang Pendek

Os relatos compilados por investigadores apresentam repetidamente:

  • ~1–1,5 m;
  • bípede;
  • corpo robusto;
  • braços longos;
  • pelos escuros;
  • comportamento evasivo.

Há testemunhos separados em diferentes localidades de Sumatra com descrições semelhantes.

Podemos calcular:

CR=caracterıˊsticas compartilhadascaracterıˊsticas observadasCR=\frac{\text{características compartilhadas}}{\text{características observadas}}

Isso seria nosso:

Índice de Consistência Morfológica (ICM)


7. O Mokele daria um resultado completamente diferente

Temos:

  • grande porte;
  • pescoço longo;
  • ambiente aquático/pantanoso;
  • comportamento evasivo;
  • descrições de animal herbívoro.

Mas existe um problema sério:

parte importante da documentação moderna passou por expedições que já procuravam especificamente o Mokele-mbembe.

Isso diminui o nosso índice de independência.

E há ainda o problema linguístico e cultural: o termo e as descrições podem não corresponder a uma única espécie zoológica. Fontes sobre o tema também registram que o significado e a aplicação dos nomes locais são contestados.

Portanto:

Mokele poderia ter alta consistência narrativa, mas menor independência epistemológica.

Essa distinção é muito importante.


8. O Chupacabra mostra outro fenômeno

Aqui temos uma mudança morfológica muito interessante.

Nos primeiros relatos de Porto Rico dos anos 1990, aparecem descrições de um animal:

  • pequeno;
  • ereto;
  • pele escamosa;
  • olhos grandes/vermelhos;
  • espinhos;
  • aparência reptiliana.

A imprensa da época registrou testemunhos desse tipo.

Mas posteriormente o "Chupacabra" passou a ser frequentemente associado a animais canídeos com sarna, especialmente em relatos nos EUA e México.

Portanto poderíamos dividir:

CHUPACABRA-A

criatura bípede/reptiliana.

CHUPACABRA-B

canídeo quadrúpede.

E testar:

a entidade mudou morfologicamente com a expansão geográfica do mito?

Isso seria uma análise estatística excelente.


9. Poderíamos descobrir se existe "convergência mundial"

Imagine que nossa base encontre:

CaracterísticaAméricaÁsiaÁfricaAmérica do Sul
bípede78%81%65%74%
peludo82%76%70%79%
comportamento evasivo68%74%63%71%
olhos grandes31%29%34%28%

Se esses números sobrevivessem a uma base de centenas/milhares de relatos, teríamos uma convergência morfológica intercultural.

Isso seria muito mais interessante do que simplesmente dizer:

"existem relatos de Bigfoot no mundo inteiro."


10. E podemos fazer a mesma coisa que fizemos com os OVNIs

O algoritmo não receberia:

"Bigfoot"

"Yeti"

"Mokele"

Ele receberia:

altura
peso estimado
bipedalismo
quadrupedalismo
pelagem
cor
formato da cabeça
comprimento dos braços
comprimento das pernas
cauda
pescoço
olhos
orelhas
dentição
habitat
dieta
vocalização
comportamento
horário
distância observacional
número de testemunhas
evidência física

E então:

K-means / clustering hierárquico / DBSCAN

poderiam descobrir agrupamentos.

Talvez o resultado seja:

CLUSTER 1
pequeno
bípede
peludo
braços longos

CLUSTER 2
grande
bípede
peludo
humanoide

CLUSTER 3
aquático
alongado
várias corcovas

CLUSTER 4
quadrúpede
canídeo
pelagem variável

CLUSTER 5
grande
pescoço longo
ambiente pantanoso

E só depois perguntaríamos:

Cluster 1 corresponde a Orang Pendek?

Cluster 2 corresponde a Bigfoot/Yeti?

Cluster 3 corresponde aos lake monsters?

Isso evita "forçar" os dados para encaixar nos nomes tradicionais.


11. Um resultado preliminar que já podemos estabelecer

A criptozoologia possui pelo menos três fenômenos estatísticos diferentes que não devemos misturar:

A. Persistência independente

Relatos que continuam surgindo sem depender claramente de um evento midiático.

B. Contaminação cultural

Relatos que aumentam ou mudam depois de fotografia, filme, livro ou programa de TV.

O caso Champ é um exemplo particularmente útil para testar isso.

C. Tradição zoológica local

Relatos indígenas ou locais que precedem a classificação ocidental e que podem representar:

  • animais reais;
  • animais mal identificados;
  • espécies desconhecidas;
  • folclore;
  • combinação dos anteriores.

Mokele e Mapinguari são especialmente interessantes nesse ponto. No caso do Mokele, por exemplo, existem registros de testemunhos locais investigados por expedições modernas, mas nenhuma confirmação física da espécie alegada.


O projeto pode ficar muito bom

Eu estruturaria finalmente dois bancos paralelos:

🛸 Banco UAP

~500–1.000 casos

→ objetos
→ entidades
→ comportamento
→ independência cultural
→ clusters morfológicos.

🐾 Banco Cryptid

~500–1.000 relatos

→ morfologia
→ habitat
→ comportamento
→ testemunhas
→ evidência física
→ influência cultural
→ clusters zoológicos.

E depois criaríamos uma terceira camada:

🔬 "Casos que sobreviveram aos filtros"

Somente relatos que apresentam:

independência + consistência + documentação + ausência de explicação convencional satisfatória.

Aí sim poderíamos perguntar quantitativamente:

Existe um padrão mundial de relatos de animais desconhecidos que não pode ser explicado satisfatoriamente pela transmissão cultural e por erros de identificação?

Essa é uma pergunta empiricamente testável — e bem mais interessante do que simplesmente tentar provar antecipadamente que determinado criptídeo existe.

Comentários

  1. https://www.instagram.com/reel/DcLvArWOfbF/?stkn=Y2JoOWgyeXZjanE0

    ResponderExcluir
  2. Sim. **Houve bastante pesquisa oficial sobre OVNIs durante a Guerra Fria**, principalmente nos EUA — e ela ocorreu em paralelo às pesquisas de parapsicologia.

    A sequência principal foi:

    * **Project SIGN (1948–1949)** — primeiro programa da Força Aérea dos EUA dedicado a coletar e avaliar relatos de objetos não identificados. A preocupação inicial incluía a possibilidade de serem tecnologias desconhecidas ou soviéticas. ([CIA][1])
    * **Project GRUDGE (1949)** — sucedeu ao SIGN e analisou centenas de relatos. ([National Archives][2])
    * **Project BLUE BOOK (1952–1969)** — foi o programa mais conhecido e investigou **12.618 relatos**, dos quais 701 permaneceram classificados como não identificados segundo os registros da Força Aérea. ([National Archives][3])
    * **CIA** — acompanhou o fenômeno e chegou a patrocinar o **Robertson Panel**, em 1953, formado por cientistas para avaliar os relatos. ([CIA][1])
    * Também existiam registros relacionados ao **Office of Special Investigations** e a unidades de inteligência da Força Aérea. ([National Archives][4])

    O interessante para o seu post anterior é que podemos mostrar **duas linhas de pesquisa da Guerra Fria lado a lado**:

    **PARAPSICOLOGIA 🧠**
    SRI → Targ/Puthoff → visão remota → GRILL FLAME → STARGATE

    **OVNIS 🛸**
    Project SIGN → GRUDGE → BLUE BOOK → CIA/Robertson Panel

    E uma ressalva importante: **o fato de esses governos terem investigado os fenômenos é documentado; isso não significa que tenham comprovado uma origem paranormal ou extraterrestre.** No caso do Blue Book, a Força Aérea encerrou o programa em 1969 e declarou não ter encontrado evidência de veículos extraterrestres. ([National Archives][3])

    Se quiser, dá para fazer uma **imagem para Instagram juntando as duas linhas — “Parapsicologia + OVNIs na Guerra Fria” — em estilo documental, como a imagem anterior.**

    [1]: https://www.cia.gov/stories/story/how-to-investigate-a-flying-saucer/?utm_source=chatgpt.com "How To Investigate a Flying Saucer - CIA"
    [2]: https://www.archives.gov/news/articles/project-blue-book-50th-anniversary?utm_source=chatgpt.com "Public Interest in UFOs Persists 50 Years After Project Blue Book Termination | National Archives"
    [3]: https://www.archives.gov/research/military/air-force/ufos?utm_source=chatgpt.com "Project BLUE BOOK - Unidentified Flying Objects | National Archives"
    [4]: https://www.archives.gov/research/topics/uaps/textual-and-microfilm?utm_source=chatgpt.com "Records Related to Unidentified Flying Objects (UFOs) and Unidentified Anomalous Phenomena (UAPs) at the National Archives: Textual and Microfilm | National Archives"

    ResponderExcluir
  3. UAP ser visto ou não, intenção do fenomeno ou da pessoa, ou as duas coisas juntas

    ResponderExcluir
  4. Ramificações em muitos mundos e dimensões infinitas geraria infinitas possibilidades, como se o universo fosse infinito. Onde a lua seria habitada, Marte, Etc

    ResponderExcluir

Postar um comentário

Postagens mais visitadas deste blog

,,,

HH