MANUAL DE PRUEBA PERICIAL_Suprema Corte

280
Manual de prueba pericial
pero con un personal con clara inquietud y capacidad científica —en el sentido
de búsqueda y curiosidad, cuestionándose y evaluando crítica pero constructivamente
los procesos actuales para mejorarlos—, y dedicando el tiempo y los recursos
necesarios, sabemos cómo recorrer ese camino para llegar a metodologías
científicas de valoración probabilística del peso de la evidencia, como en el caso
del ADN, validadas con datos suficientes en condiciones equivalentes a las de los
casos por resolver, y con protocolos y estándares conocidos de aplicación de
las técnicas desarrolladas.
3. Validación del LR:
discriminación y calibración
Las distintas propiedades beneficiosas descritas para la formulación de conclusiones
mediante relaciones de verosimilitud se verifican solo si dichos valores de
LR están correctamente estimados. Eso se conseguirá, como veremos a continuación,
si los LR calculados por un determinado método tienen, por un lado, suficiente
capacidad de discriminación —o separación— entre fuentes distintas, y si, por
otro lado, presentan buenas propiedades en términos de calibración, esto es, si
transmiten de forma fiel y útil para el proceso la información extraída del análisis
de la evidencia.
Una primera medida que informa sobre la capacidad de discriminación en disciplinas
donde se toman decisiones absolutas de identificación o exclusión es la
tasa de error de identificación. Al existir una decisión final de identificar o no,
para evaluar la tasa de error da igual cómo se llega a esa decisión, y solo importa la
decisión tomada. Por eso, la obtención de la tasa de error consistirá simplemente
en probar a ciegas, sobre una batería de casos de prueba con solución conocida
—bien porque los casos son fabricados ex profeso para realizar la prueba, o porque
son casos de solución conocida con certeza por alguno u otro motivo—, la
habilidad de la persona experta o la técnica al analizar esta batería de casos y
simplemente contar el número de errores de identificación producidos y dividirlo
entre el número total de casos evaluados. Distinguiremos entre dos tipos de
errores que se pueden producir: