Ebook PDF Business Statistics 3rd Canadian Edition PDF

(eBook PDF) Business Statistics, 3rd
Canadian Edition
Visit to download the full and correct content document:
https://ebooksecure.com/download/ebook-pdf-business-statistics-3rd-canadian-editio
n/
BUSINESS THIRD
CANADIAN
EDITION
STATISTICS
BUSINESS STATISTICS
SHARPE DE VEAUX
THIRD CANADIAN EDITION

VELLEMAN
WRIGHT
www.pearsoncanada.ca
ISBN 978-0-13-389912-2
SHARPE DE VEAUX
9 0 0 0 0
VELLEMAN WRIGHT
9 780133 899122
Meet the Authors
Norean Radke Sharpe (Ph.D. University of Virginia) has developed an international reputation
as an educator, administrator, and consultant on assessment and accreditation. She is currently a
professor at the McDonough School of Business at Georgetown University, where she is also Senior
Associate Dean and Director of Undergraduate Programs. Prior to joining Georgetown, Norean taught
Business Statistics and Operations Research courses to both undergraduate and MBA students for
14 years at Babson College. Before moving into business education, she taught Statistics for sev-
eral years at Bowdoin College and conducted research at Yale University. Norean is co-author of
the recent text, A Casebook for Business Statistics: Laboratories for Decision Making, and she has
authored more than 30 articles—primarily in the areas of Statistics education and women in science.
Norean currently serves as Associate Editor for the journal Cases in Business, Industry, and Govern-
ment Statistics. Her scholarship focuses on business forecasting, Statistics education, and student
learning. She is co-founder of the DOME Foundation, a nonprofit foundation that works to increase
diversity and outreach in mathematics and engineering, and she currently serves on two other non-
profit boards in the Washington, D.C., area. Norean has been active in increasing the participation of
women and underrepresented students in science and mathematics for several years and has two
children of her own.
Richard D. De Veaux (Ph.D. Stanford University) is an internationally known educator, consul-

tant, and lecturer. Dick has taught Statistics at a business school (Wharton), an engineering school
(Princeton), and a liberal arts college (Williams). While at Princeton, he won a Lifetime Award for
Dedication and Excellence in Teaching. Since 1994, he has taught at Williams College, although
he returned to Princeton for the academic year 2006–2007 as the William R. Kenan Jr. Visiting
Professor of Distinguished Teaching. He is currently the C. Carlisle and Margaret Tippit Professor
of Statistics at Williams College. Dick holds degrees from Princeton University in Civil Engineering
and Mathematics and from Stanford University in Dance Education and Statistics, where he studied
with Persi Diaconis. His research focuses on the analysis of large data sets and data mining in sci-
ence and industry. Dick has won both the Wilcoxon and Shewell awards from the American Society
for Quality. He is an elected member of the International Statistics Institute (ISI) and a Fellow of the
American Statistical Association (ASA). He currently serves on the board of directors of the ASA.
Dick is also well known in industry, having consulted for such Fortune 500 companies as American
Express, Hewlett-Packard, Alcoa, DuPont, Pillsbury, General Electric, and Chemical Bank. He was
named the Statistician of the Year for 2008 by the Boston Chapter of the American Statistical Asso-
ciation for his contributions to teaching, research, and consulting. In his spare time he is an avid
cyclist and swimmer. He also is the founder and bass player for the doo-wop group The Diminished
Faculty, and is a frequent singer and soloist with various local choirs, including the Choeur Vittoria of
Paris, France. Dick is the father of four children.
Paul F. Velleman (Ph.D. Princeton University) has an international reputation for innovative
Statistics education. He designed the Data Desk® software package and is also the author and
designer of the award-winning ActivStats® multimedia software, for which he received the EDUCOM
Medal for innovative uses of computers in teaching Statistics and the ICTCM Award for Innovation
in Using Technology in College Mathematics. He is the founder and CEO of Data Description, Inc.
(www.datadesk.com), which supports both of these programs. He also developed the internet site Data
and Story Library (DASL; lib.stat.cmu.edu/DASL/), which provides data sets for teaching Statistics. Paul
co-authored (with David Hoaglin) the book ABCs of Exploratory Data Analysis. Paul teaches Statistics
at Cornell University in the Department of Statistical Sciences and in the School of Industrial and
Labor Relations, for which he has been awarded the MacIntyre Prize for Exemplary Teaching. His
research often focuses on statistical graphics and data analysis methods. Paul is a Fellow of the
American Statistical Association and of the American Association for the Advancement of Science.
Paul’s experience as a professor, entrepreneur, and business leader brings a unique perspective to
the book. Richard De Veaux and Paul Velleman have authored successful books in the introductory
college and AP High School market with David Bock, including Intro Stats, Fourth Edition (Pearson,
A01_SHAR9122_03_SE_FM.indd 7 29/11/16 4:56 PM

viii Meet the Authors
2014); Stats: Modeling the World, Fourth Edition (Pearson, 2015); and Stats: Data and Models, Third
Edition (Pearson, 2012).
David Wright combines an Engineering Ph.D. from Cambridge University, UK, with his current
position as Full Professor at the University of Ottawa’s Telfer School of Management to provide a
business perspective on new technology. Dr. Wright has taught in universities on three continents
and has experience in government and in industry. In government, he has developed statistical
models to evaluate the impact of industrial society on natural resource depletion. In industry, he
has worked with telecommunications equipment vendors and network operators on the impact
of new technology on business. His university teaching and research includes the economics of
solar energy, business statistics, and the environmental impact of the ICT industry. He is cited
in Who’s Who in the World, Who’s Who in Canadian Business, and Who’s Who in Science and
Engineering.

Brief Contents
Preface xix
Part I EXPLORING AND COLLECTING DATA
Chapter 1 An Introduction to Statistics 1
Chapter 2 Data 8
Chapter 3 Surveys and Sampling 27
Chapter 4 Displaying and Describing Categorical Data 56
Chapter 5 Displaying and Describing Quantitative Data 88
Chapter 6 Scatterplots, Association, and Correlation 143
Chapter 7 Introduction to Linear Regression 172
Part 2 UNDERSTANDING PROBABILITY DISTRIBUTIONS
AND STATISTICAL INFERENCE
Chapter 8 Randomness and Probability 205
Chapter 9 Random Variables and Probability Distributions 245
Chapter 10 Sampling Distributions 309
Chapter 11 Confidence Intervals for Proportions 336
Chapter 12 Testing Hypotheses About Proportions 363
Chapter 13 Confidence Intervals and Hypothesis Tests for Means 411
Chapter 14 Comparing Two Means 443
Chapter 15 Design of Experiments and Analysis of Variance (ANOVA) 487
Chapter 16 Inference for Counts: Chi-Square Tests 537
Chapter 17 Nonparametric Methods 566
Part 3 EXPLORING RELATIONSHIPS AMONG VARIABLES
Chapter 18 Inference for Regression 602
Chapter 19 Understanding Regression Residuals 643
Chapter 20 Multiple Regression 688
Chapter 21 Building Multiple Regression Models 726
Part 4 USING STATISTICS FOR DECISION MAKING
Chapter 22 Time Series Analysis 772
Chapter 23 Decision Making and Risk 824
Chapter 24 Quality Control 848
Chapter 25 Introduction to Data Mining (Online) 886
Appendix A: Answer Key
Appendix B: Statistical Tables, Formulas, and Excel/XLStat
Appendix C: Ethical Guidelines for Statistical Practice
Index
ix

This page intentionally left blank
A01_LO5943_03_SE_FM.indd iv 04/12/15 4:22 PM

Contents
Preface xix
Part I Exploring and Collecting Data

Chapter 1 An Introduction to Statistics 1
1.1 So What Is Statistics? 2 • 1.2 How Is Statistics Used in Management? 5
1.3 How Can I Learn Statistics? 6
Mini Case Studies 7
Chapter 2 Data 8
2.1 What Are Data? 9 • 2.2 Variable Types 12 • 2.3 Where, How, and When 18
Ethics in Action 19
Mini Case Studies 21
Technology Help: Computer-Based Statistics Packages 22
Chapter 3 Surveys and Sampling 27

3.1 Three Principles of Sampling 28 • 3.2 A Census—Does It Make Sense? 31
3.3 Populations and Parameters 32 • 3.4 Simple Random Sampling (SRS) 33
3.5 Other Random Sample Designs 34 • 3.6 Practicalities 39
3.7 The Valid Survey 40 • 3.8 How to Sample Badly 42
Ethics in Action 45
Technology Help: Random Sampling 48
Chapter 4 Displaying and Describing Categorical Data 56

4.1 The Three Rules of Data Analysis 57 • 4.2 Frequency Tables 57 • 4.3 Charts 59
4.4 Exploring Two Categorical Variables: Contingency Tables 62 • 4.5 Simpson’s Paradox 69
Ethics in Action 72
Technology Help: Displaying Categorical Data on the Computer 74
Chapter 5 Displaying and Describing Quantitative Data 88

5.1 Displaying Data Distributions 89 • 5.2 Shape 93 • 5.3 Centre 95
5.4 Spread 98 • 5.5 Reporting the Shape, Centre, and Spread 102
5.6 Adding Measures of Centre and Spread 103 • 5.7 Grouped Data 103
5.8 Five-Number Summary and Boxplots 105 • 5.9 Percentiles 108
5.10 Comparing Groups 109 • 5.11 Dealing With Outliers 111
5.12 Standardizing 113 • 5.13 Time Series Plots 115
5.14 Transforming Skewed Data 118
Ethics in Action 122
Technology Help: Displaying and Summarizing Quantitative Variables 127
Chapter 6 Scatterplots, Association, and Correlation 143

6.1 Looking at Scatterplots 144 • 6.2 Assigning Roles to Variables in Scatterplots 146
6.3 Understanding Correlation 147 • 6.4 Straightening Scatterplots 153
6.5 Lurking Variables and Causation 155
Technology Help: Scatterplots and Correlation 162
xi

xii CHAPTER
Contents
Chapter 7 Introduction to Linear Regression 172

7.1 The Linear Model 173 • 7.2 Correlation and the Line 175 • 7.3 Regression to
the Mean 179 • 7.4 Checking the Model 180 • 7.5 Learning More From the Residuals 181
7.6 Variation in the Model and R 2 183 • 7.7 Reality Check: Is the Regression Reasonable? 184
7.8 Nonlinear Relationships 187
Technology Help: Regression 193
Part 2 Understanding Probability Distributions

and Statistical Inference
Chapter 8 Randomness and Probability 205
8.1 Random Phenomena and Empirical Probability 206 • 8.2 The Nonexistent Law of
Averages 208 • 8.3 Two More Types of Probability 209 • 8.4 Probability Rules 211
8.5 Joint Probability and Contingency Tables 216 • 8.6 Conditional Probability and
Independence 218 • 8.7 Constructing Contingency Tables 220 • 8.8 Probability
Trees 221 • 8.9 Reversing the Conditioning: Bayes’s Rule 224
Chapter 9 Random Variables and Probability Distributions 245

9.1 Expected Value of a Random Variable 246 • 9.2 Standard Deviation and Variance of
a Random Variable 248 • 9.3 Adding and Subtracting Random Variables 251 • 9.4 Introduction
to Discrete Probability Distributions 258 • 9.5 The Geometric Distribution 259 • 9.6 The Binomial
Distribution 261 • 9.7 The Poisson Distribution 267 • 9.8 Continuous Random Variables 270
9.9 The Uniform Distribution 271 • 9.10 The Normal Distribution 272 • 9.11 The Normal
Approximation to the Binomial 285 • 9.12 The Exponential Distribution 288
Technology Help: Probability Distributions 296
Chapter 10 Sampling Distributions 309

10.1 Modelling Sample Proportions 310 • 10.2 The Sampling Distribution for Proportions
312 • 10.3 The Central Limit Theorem—The Fundamental Theorem of Statistics 317
10.4 The Sampling Distribution of the Mean 319 • 10.5 Standard Error 321
Chapter 11 Confidence Intervals for Proportions 336

11.1 A Confidence Interval 338 • 11.2 Margin of Error: Certainty vs. Precision 341
11.3 Critical Values 342 • 11.4 Assumptions and Conditions 344 • 11.5 Choosing
the Sample Size 346 • 11.6 Confidence Interval for the Difference Between Two Proportions 349
Technology Help: Confidence Intervals for Proportions 355
Chapter 12 Testing Hypotheses About Proportions 363

12.1 Hypotheses 364 • 12.2 A Trial as a Hypothesis Test 367 • 12.3 P-Values 369
12.4 Alpha Levels and Significance 372 • 12.5 The Reasoning of Hypothesis Testing 374
12.6 Critical Values 380 • 12.7 Confidence Intervals and Hypothesis Tests 381
12.8 Comparing Two Proportions 385 • 12.9 Two Types of Error 388 • 12.10 Power 390
Technology Help: Testing Hypotheses About Proportions 399

xiii
Contents
Chapter 13 Confidence Intervals and Hypothesis Tests for Means 411

13.1 The Sampling Distribution for the Mean 412 • 13.2 A Confidence Interval for Means
414 • 13.3 Assumptions and Conditions 415 • 13.4 Cautions About Interpreting Confidence
Intervals 420 • 13.5 Hypothesis Test for Means 420 • 13.6 Sample Size 424
Technology Help: Inference for Means 431
Chapter 14 Comparing Two Means 443

14.1 Comparing Two Means 444 • 14.2 The Two-Sample t-Test 446 • 14.3 Assumptions
and Conditions 447 • 14.4 A Confidence Interval for the Difference Between Two Means 452
14.5 The Pooled t-Test 454 • 14.6 Paired Data 460 • 14.7 The Paired t-Test 461
Technology Help: Comparing Two Means 469
Chapter 15 Design of Experiments and Analysis of Variance (ANOVA) 487

15.1 Observational Studies 488 • 15.2 Randomized, Comparative Experiments 490
15.3 The Four Principles of Experimental Design 491 • 15.4 Experimental Designs 493
15.5 Blinding and Placebos 497 • 15.6 Confounding and Lurking Variables 498
15.7 Analyzing a Completely Randomized Design: The One-Way Analysis of Variance 499
15.8 Assumptions and Conditions for ANOVA 503 • 15.9 ANOVA on Observational Data 507
15.10 Analyzing a Randomized Block Design 508 • 15.11 Analyzing a Factorial Design—
Two-Way Analysis of Variance 511
Technology Help: ANOVA 523
Chapter 16 Inference for Counts: Chi-Square Tests 537

16.1 Goodness-of-Fit Tests 539 • 16.2 Interpreting Chi-Square Values 543 • 16.3 Examining
the Residuals 544 • 16.4 The Chi-Square Test of Homogeneity (Independence) 545
Technology Help: Chi-Square 555
Chapter 17 Nonparametric Methods 566

17.1 Data Types for Nonparametric Tests 567 • 17.2 The Wilcoxon Signed-Rank Test 569
17.3 Friedman Test for a Randomized Block Design 575 • 17.4 The Wilcoxon Rank-Sum Test
(or, the Mann-Whitney Test) 577 • 17.5 Tukey’s Quick Test 581 • 17.6 Kruskal-Wallis Test 583
17.7 Kendall’s Tau 586 • 17.8 Spearman’s Rank Correlation 588 • 17.9 When Should You
Use Nonparametric Methods? 591
Part 3 Exploring Relationships Among Variables

Chapter 18 Inference for Regression 602
18.1 The Population and the Sample 604 • 18.2 Assumptions and Conditions 605
18.3 The Standard Error of the Slope 610 • 18.4 A Test for the Regression Slope 612
18.5 A Hypothesis Test for Correlation 617 • 18.6 Predicted Values 618
Technology Help: Regression Analysis 628

xiv Contents
Chapter 19 Understanding Regression Residuals 643

19.1 Examining Residuals for Groups 644 • 19.2 Extrapolation and Prediction 647
19.3 Unusual and Extraordinary Observations 649 • 19.4 Working with Summary Values 653
19.5 Autocorrelation 655 • 19.6 Linearity 658 • 19.7 Transforming (Re-expressing) Data
659 • 19.8 The Ladder of Powers 664
Technology Help: Regression Residuals 673
Chapter 20 Multiple Regression 688

20.1 The Linear Multiple Regression Model 691 • 20.2 Interpreting Multiple Regression
Coefficients 693 • 20.3 Assumptions and Conditions for the Multiple Regression Model 695
20.4 Testing the Multiple Regression Model 703 • 20.5 The F-Statistic and ANOVA 705
20.6 R 2 and Adjusted R 2 707
Technology Help: Regression Analysis 714
Chapter 21 Building Multiple Regression Models 726

21.1 Indicator (or Dummy) Variables 728 • 21.2 Adjusting for Different Slopes—Interaction
Terms 733 • 21.3 Multiple Regression Diagnostics 735 • 21.4 Building Regression Models 742
21.5 Collinearity 750
Technology Help: Multiple Regression Analysis 758
Part 4 Using Statistics for Decision Making

Chapter 22 Time Series Analysis 772
22.1 Time Series and Index Numbers 774 • 22.2 Components of a Time Series 776
22.3 Smoothing Methods 780 • 22.4 Summarizing Forecast Error 786 • 22.5 Autoregressive
Models 788 • 22.6 Multiple Regression–Based Models 795 • 22.7 Additive and Multiplicative
Models 799 • 22.8 Cyclical and Irregular Components 801 • 22.9 Forecasting with Regression-
Based Models 802 • 22.10 Choosing a Time Series Forecasting Method 805 • 22.11 Interpreting
Time Series Models: The Whole Foods, Data Revisited 806
Technology Help: Time Series Analysis 812
Chapter 23 Decision Making and Risk 824

23.1 Actions, States of Nature, and Outcomes 825 • 23.2 Payoff Tables and Decision Trees
826 • 23.3 Minimizing Loss and Maximizing Gain 827 • 23.4 The Expected Value of an Action
828 • 23.5 Expected Value with Perfect Information 829 • 23.6 Decisions Made with Sample
Information 830 • 23.7 Estimating Variation 832 • 23.8 Sensitivity 834
23.9 Simulation 835 • 23.10 More Complex Decisions 837
Chapter 24 Quality Control 848

24.1 A Short History of Quality Control 849 • 24.2 Control Charts for Individual Observations
(Run Charts) 853 • 24.3 Control Charts for Sample Measurements: x, R, and S Charts 857
24.4 Actions for Out-of-Control Processes 864 • 24.5 Control Charts for Attributes: p Charts
and c Charts 869 • 24.6 Quality Control in Industry 873
Technology Help: Quality Control Charts 877

xv
Contents
Chapter 25 (Online) Introduction to Data Mining 886

25.1 Big Data W3 • 25.2 The Goals of Data Mining W4 • 25.3 Data Mining Myths W5
25.4 Successful Data Mining W6 • 25.5 Data Mining Problems W7
25.6 Data Mining Algorithms W8 • 25.7 The Data Mining Process W12
25.8 Summary W13
Ethics in Action W14
Appendixes
A. Answer Key A-1
B. Statistical Tables, Formulas, and Excel/XLStat B-1
C. Ethical Guidelines for Statistical Practice C-1
Index I-1

Better Decisions. Better Results
PTER 19 Understanding Regression Residuals
The authors’ unique blend of academic, consulting, industrial, government, and entrepreneurial experience brings a
compelling,
manufacturers real-world
aim cereals edge
at different to this
segments book
of the that
market. will capture
students’ interest and equip them with skills for the future.
A common tech-
nique used to attract different customers is to place different types of cereals on 110 CHAPTER 5 Displaying and Describing Quantitative Data
certain shelves. Cereals for kids tend to be on the “kids’ shelf,” at their eye level.
Toddlers aren’t likely to grab a box from this shelf and beg, “Mom, can we please
Analyzing Data and

get this All-Bran with Extra Fibre?”
How can we take this extra information into account in our analysis? Figure 19.5
GUIDED EXAMPLE New York Stock Exchange Trading Volume
Communicating Results
shows a scatterplot of Calories and Sugar, coloured according to the shelf on which
the cereals were found, with a separate regression line fit for each shelf. Now we can
Are some months on the NYSE busier than others? Boxplots of the number of shares traded by month are a good
way to see such patterns. We’re interested not only in the centres, but also in the spreads. Are volumes equally
variable from month to month, or are they more spread out in some months?
see that the top shelf is unlike the bottom two shelves. We might want to report two
Plan/Do/Report
regressions, guided
one for the top shelf and oneexamples walk
for the bottom students
two shelves.1
through PLAN Setup Identify the variable, We want to compare the daily volume of shares traded from month to month
the steps of how to: report the time frame of the
data, and state the objective.
on the NYSE during 2006.
The daily volume is quantitative and measured in number of shares.
140
• Plan
120
the problem, checking assumptions and conditions. DO Mechanics Choose an appropri- We can partition the values by month and use side-by-side boxplots to com-
ate display for the data. pare the volume across months.
100
• Do80 the calculations. 3.0
Calories
2.7 *
Daily Volume (billions)

2.4
60 2.1
• Report
40
findings within a business context. Bottom shelf
1.8
1.5
1.2
Middle shelf
0.9
20 Top shelf 0.6 *
1 2 3 4 5 6 7 8 9 10 11 12
Reports
0 are often presented
3 6
in the
9
form
12
of a memo to Month
–3 0
model realistic business Sugar
communications.
(g)
REPORT Conclusion Report what you’ve MEMO
Figure 19.5 Calories and Sugars coloured according to the shelf on which the cereal was learned about the data and any
Re: Research on the Trading Volume of the NYSE
found in a supermarket, with regression lines fit for each shelf individually. Do these data recommended action or analysis.
We have examined the daily sales volume on the NYSE (number of shares
appear homogeneous? That is, do all the cereals seem to be from the same population of traded) for each month of 2006. As the attached display shows, sales
cereals? Or are there kinds of cereals that we might want to consider separately? volume has lower median volume in March and August. The highest median
trading activity is found in November. The variability of trading volume
also shows a pattern. June and December have higher variability than the
rest, and March has noticeably less variability. There were several unusually
high-volume days that bear investigation and extremely low-volume days in
For example Diamond prices

July and November.
The price of a jewellery diamond depends on the 4 C’s: carat weight, cut, clarity, and
page 110
colour. Diamond colours are assigned letters from D, for colourless stones, through
K, for increasingly more yellow stones. A K-colour stone is only faintly yellow and still FOR EXAMPLE Comparing boxplots
considered jewellery quality. We’ve collected a sample of diamond prices from a website.
Here’s a scatterplot of Price vs. Carat Weight with points coloured according to Colour: QUESTION For the data in For Example: “Creating a histogram of the number of
For Example—short, illustrative business music downloads,” compare the a.m. downloads with the p.m. downloads by displaying
the two distributions side by side with boxplots.
Colour examples have been added ANSWER to most
There sections
are generally more downloadstoin the afternoon than in the morn-
ing. The median number of afternoon downloads is around 22 as compared with
10,000 D
E solidify understanding of newly learned statistical
14 for the morning hours. The p.m. downloads are also much more consistent. The
entire range of the p.m. hours, 15, is about the size of the IQR for a.m. hours. Both
8,000 F
G
methods and concepts.
6,000
Price
H
4,000 I
J
2,000
K
M05_SHAR9122_03_SE_C05.indd 110 29/08/16 5:53 PM
0.5 1.0 1.5 2.0

Carat Weight
page 646
1
Another alternative is to fit a multiple regression model by adding variables (called dummy or
indicator variables) that distinguish the groups. This method will be discussed in Chapter 21.
The Latest Technology
• Expanded coverage of the latest software includes

Excel® 2010, with screenshots and guidance on how
dd 646 29/09/16 4:07 PM
to use Excel to perform statistical analysis.

20 395 211.25 7 1.91
24 326.875 389.375 8 2.25
30 431.25 637.5 9 2.41
36 691.25 875.625 10 2.42
11 2.67
a) Taking the two years together, obtain a linear regression
of materials cost per kilometre as a function of pipe diameter.
a) Fit a linear regression of demand against quarter.
b) Larger pipes are also made of thicker metal, so the cost
b) Sales grew quickly at first but are now slackening off like xvii
Contents
may be dependent on the square of the diameter. Obtain a
a log function. Fit a linear regression of demand against
linear regression of materials cost per kilometre as a func-
log10(quarter).
tion of the square of pipe diameter.
c) Compare the results of (a) and (b). Which do you pre-
c) Compare the results of (a) and (b). Which do you pre-
fer? Hint: The data are for “sales.” Larry wants to forecast
fer? LO ➊, ➌
“demand.” In some quarters, sales were less than demand
53. piston ring entrepreneur. For his Master’s degree thesis because Larry had insufficient production equipment.
Cases
in Metallurgy at McGill University, Larry developed an LO ➊, ➌
Congratulations! You have now completed all seven chapters of Part I, “Exploring and Collecting Data.” A compre-
hensive case study available online in MyStatLab draws together many of the topics you have learned in Part I. Here
is a brief synopsis:
Case Studies covering
multiple chapters are provided
AIDS in Canada
at the end of Parts 1, 2, and
How do we tell the difference between a few isolated cases of a new disease and the start of an epidemic? This case
study puts you in the position of a manager at Health Canada, the Canadian Institute for Health Information, and/ 3 of the book, giving students
or the Public Health Agency of Canada when confronted by a new disease. It is based on real data that was available experience working through an
to such a person when AIDS was new and illustrates how to analyze unusual patterns and formats of data using the
information from Part I of this book. in-depth application using real 125
Mini Case Studies
Learning Objectives data

• Know how to calculate and
percentiles. scenarios from
• Know how to construct a boxplot by hand from a five-number summary.
actual
Chapter 1 2 3 4 5 6 7
organizations.
• Know how to calculate the z-score of an observation.
Report • Be able to describe and compare the distributions of quantitative variables in terms of their shape,
centre, and spread.
Learning Objective 1 1, 2 1 1 5, 7 1, 2 1, 2, 3 • Be able to discuss any outliers in the data, noting how they deviate from the overall pattern of the
data.
• Be able to describe summary measures in a sentence. In particular, know that the common measures
of centre and spread have the same units as the variable they summarize and that they should be
described in those units.
page• 204
Be able to compare two or more groups by comparing their boxplots.
• Be able to discuss patterns in a time series plot, in terms of both the general trend and any changes
in the spread of the distribution over time.
case
MINI
M07_SHAR9122_03_SE_C07.indd 204
studies 20/09/16Exports
Canadian 5:33 PM
Statistics on Canadian exports are used for a variety of purposes, from pro-
jecting Canada’s foreign exchange earnings to planning capacity in Canadian
ports. The file ch05_MCSP_Canadian_Exports contains monthly
export data from Statistics Canada for three geographical areas.
Statistics Canada calculates exports on a “Customs” basis and also
on a “Balance of Payments” basis, and the file contains footnotes
Mini Case Studies at the end of each chapter ask students to describing the difference.6
investigate a question or make a business decision using real a) Draw time series graphs of this export data and identify any major
differences between the “Customs” and “Balance of Payments”
series.
data. Students define the objective, plan the process, complete b) Explain which basis of calculation, “Customs” or “Balance of
Payments,” would be appropriate for projecting Canada’s foreign
the analysis, and report their conclusion(s). Data are provided. exchange earnings.
c) Explain which basis of calculation, “Customs” or “Balance of Payments,” would be
appropriate for planning capacity in Canadian ports.
122 CHAPTER 5 Displaying and Describing Quantitative Data
d) Are there any exceptional periods during which exports in the three geographical
areas have differed from overall trends?
the summaries for you. After all, the computer doesn’t care what the numbers e) In order to forecast future exports, for which geographic region(s) would the mean
mean.
value of the data be appropriate? Give reasons for your answer.
• Watch out for multiple modes. If the distribution—as seen in a histogram, for page 125
example—has multiple modes, consider separating the data into groups. If
you can’t separate the data in a meaningful way, you shouldn’t summarize Solar Power in Ontario
the centre and spread of the variable. As a result of the Green Energy Act, Ontario has led the other Canadian provinces in
• Beware of outliers. If the data have outliers but are otherwise unimodal, con- solar power deployment. Many installers compete to mount solar modules on residen-
sider holding the outliers out of the further calculations and reporting them tial roofs in all the major cities, but an underserved market is small communities.
Better Statistical Thinking

individually. If you can find a simple reason for the outlier (for instance, a One installer, based in Kingston, has found people in small communities to be
data transcription error), you should remove or correct it. If you can’t do more entrepreneurial than people in large cities and more willing to consider their
either of these, then choose the median and IQR to summarize the centre house as a means of generating electric power and revenue, whereas people in cities
and spread.
6
Based on Statistics Canada. CANSIM using CHASS, Table 228-0058: Merchandise imports and exports,
customs and balance of payments basis for all countries (2014) (dollars).
ETHICS IN ACTION
B
eth Ghazi owns Zenna’s Café, an independent coffee employees volunteered fewer than two hours per week,
shop located in a small city in Atlantic Canada. Since but Beth noticed that one part-time employee volunteered
opening Zenna’s in 2002, she has been steadily grow- more than 20 hours per week. She discovered that her What Can Go Wrong? 395
ing her business and now distributes her custom coffee employees collectively volunteered an average of 15 hours
blends to a number of regional restaurants and markets. She
operates a microroaster that offers specialty-grade Arabica
per month (with a median of eight hours). She planned to
report the average number and believed that most people
What Can Go
WHAT CAN M05_SHAR9122_03_SE_C05.indd
gO WRONg? 125 29/08/16 5:53 PM
coffees recognized as some of the best in the area. In addi-
tion to providing the highest-quality coffees, Beth wants her
would be impressed with Zenna’s level of commitment to
the local community.
Wrong? Sections
• Don’t base your null hypotheses on what you see in the data. You’re not allowed to
business to be socially responsible. To that end, she pays
fair prices to coffee farmers and donates profits to help
Ethical Issue The outlier in the data affects the average
in a direction that benefits Beth Ghazi and Zenna’s Café
look at the data first and then adjust your null hypothesis so that it will be
rejected. If your sample value turns out to be pn = 51.8% with a standard de-
near the end of each
chapter help students
charitable causes in Panama, Costa Rica, and Guatemala. viation of 1%, don’t form a null hypothesis as H0: p = 49.8%, knowing that
(related to Item C, ASA Ethical Guidelines; see Appendix C,
She also encourages her employees to get involved in the this will enable you to reject it. Your null hypothesis describes the “nothing
the American Statistical Association’s Ethical Guidelines for
local community. Recently, one of the well-known multina- interesting” or “nothing has changed” scenario and should not be based on
tional coffeehouse chains announced plans to locate shops
in her area. This chain is one of the few to offer Certified
Statistical Practice, also available online at www.amstat.org/
about/ethicalguidelines.cfm).
the data you collect. detect common
• Don’t base your alternative hypothesis on the data, either. You should always think
Free Trade coffee products and work toward social justice in
the global community.
Ethical solution Beth’s data are highly skewed. There is an
outlier value (for a part-time employee) that pulls the aver-
about the situation you’re investigating and base your alternative hypoth-
esis on that. Are you interested only in knowing whether something has
statistical errors and
Consequently, Beth thought it might be a good idea
for her to begin communicating Zenna’s message of
age number of volunteer hours up. Reporting the average
is misleading. In addition, there may be justification to
increased? Then write a one-tail (upper tail) alternative. Or would you be
equally interested in a change in either direction? Then you want a two- practise debunking
eliminate the value, since it belongs to a part-time employee tailed alternative. You should decide whether to do a one- or two-tailed test
misuses of statistics.
social responsibility to the public, but with an emphasis
on its commitment to the local community. Three months (and 10 of the 12 employees are full-time). It would be based on what results would be of interest to you, not on what you might
ago, she began collecting data on the number of volun- more ethical for Beth to (1) report the average but discuss see in the data.
teer hours donated by her employees per week. She has the outlier value; (2) report the average for only full-time • Don’t make your null hypothesis what you want to show to be true. Remember,
a total of 12 employees, of whom 10 are full-time. Most employees; or (3) report the median instead of the average. the null hypothesis is the status quo, the nothing-is-strange-here position
that a skeptic would take. You wonder whether the data cast doubt on that.
You can reject the null hypothesis, but you can never “accept” or “prove”
page 395
page 122 the null.
• Don’t forget to check the conditions. The reasoning of inference depends on
WHAT HAVE WE LEARNED? randomization. No amount of care in calculating a test result can save you
Ethics In
Learning Objectives
Action boxes in every chapter teach
➊ We’ve learned how to display and summarize quantitative data to help us see the story the
from a biased sample. The probabilities you compute depend on the Inde-
pendence Assumption. And your sample must be large enough to justify
students to identify challenging issues and propose

data have to tell. your use of a Normal model.
• We can display the distribution of quantitative data with a histogram or a stem-and-leaf • Don’t believe too strongly in arbitrary alpha levels. There’s not really much dif-
display.
ethically and • We’vestatistically sound
seen the power of transforming our data so solutions.
that it’s not so skewed. Questions
ference between a P-value of 0.051 and a P-value of 0.049, but sometimes
it’s regarded as the difference between night (having to retain H 0) and
day (being able to shout to the world that your results are “statistically
are included for study and reflection. significant”). It may just be better to report the P-value and a confidence
interval and let the world (perhaps your manager or client) decide along
with you.
• Don’t confuse practical and statistical significance. A large sample size can make
it easy to discern even a trivial change from the null hypothesis value. On
M05_SHAR9122_03_SE_C05.indd 122 29/08/16 5:53 PM the other hand, you could miss an important difference if your test lacks
sufficient power.
• Don’t forget that despite all your care, you might make a wrong decision. No one
can ever reduce the probability of a Type I error (a) or a Type II error (b) to
zero (but increasing the sample size helps).

This page intentionally left blank
A01_LO5943_03_SE_FM.indd iv 04/12/15 4:22 PM

xix
Preface
Preface
The question that motivates a business student’s study of Statistics is “How can I make
better decisions?” As entrepreneurs and consultants, we know that in today’s data-rich envi-
ronment, knowledge of Statistics is essential to survive and thrive in the business world.
But, as educators, we’ve seen a disconnect between the way Business Statistics is tradition-
ally taught and the way it should be used in making business decisions. In Business Statistics,
we try to narrow the gap between theory and practice by presenting relevant statistical
methods that will empower business students to make effective, data-informed decisions.
Of course, students should come away from their Statistics course knowing how to
think statistically and how to apply Statistics methods with modern technology. But they
must also be able to communicate their analyses effectively to others. When asked about
Statistics education, a group of CEOs from Fortune 500 companies recently said that
although they were satisfied with the technical competence of students who had studied
Statistics, they found the students’ ability to communicate their findings to be woefully
inadequate.
Our “Plan, Do, Report” rubric provides a structure for solving business problems that
mimics the correct application of statistics to solving real business problems. Unlike many
other books, we emphasize the often neglected thinking (Plan) and communication (Report)
steps in problem solving in addition to the methodology (Do). This approach requires up-
to-date, real-world examples and data. So we constantly strive to illustrate our lessons with
current business issues and examples.
What’s New in This Edition?

We’ve been delighted with the reaction to previous editions of Business Statistics. We con-
tinue to update examples and exercises so that the story we tell is always tied to the ways
Statistics informs modern business practice.
More Use of Canadian Business Examples
We teach with real data whenever possible, so we’ve updated data throughout the book.
New examples ref lect current stories in the news and recent economic and business events.
The Mini Case Studies have been updated with new data and new contexts.
Improved Pedagogical Features
• Streamlined design. Our goal has always been an extremely readable text. In this edi-
tion, the major theme of each chapter is more linear and easier to follow. Supporting
material is clearly boxed, so students know where to focus their study efforts.
• Reflecting the Changing World. Since our previous edition, the world economies have
changed with major impacts on business. We have updated many of our examples and
exercises to ref lect the current situation using recent data.
• Precise Analysis and Precise Business Implications. Statistics in practice means mak-
ing smart decisions based on data. We’ve tightened our discussions to ensure that rig-
orous and precise statistical reasoning is applied to realistic business situations, and we
then give precise interpretation of our results to support managerial decision making.
• Learning Objectives. Each chapter begins with a short list of learning objectives so
that it is clear what you should master from this chapter. These objectives are ref-
erenced in the margins of the sections that address them and in the end-of-chapter
section and chapter exercises.
• Section Examples. Almost every section of every chapter includes a focused example
to illustrate and apply the concepts and methods discussed in that section.
xix

xx Contents
Preface
• Section Exercises. Each chapter’s exercises begin with single-concept exercises that
target section topics. This makes it easier to check your understanding of each topic as
you learn it.
• Recent Data and New Examples. We teach with real data whenever possible. To keep
examples and exercises fresh, we’ve updated data throughout the book.
• Chapter Summaries. Our “What Have We Learned?” chapter summaries link back
to the Learning Objectives stated at the start of the chapter so that you can see clearly
when you have learned the key concepts in each chapter.
• Statistical Case Studies. Each chapter ends with a selection of Mini Case Studies, and
there are more extensive cases found on MyStatLab for Parts 1, 2, and 3 of the text.
Each part-ending case study covers material from multiple chapters.
• Streamlined “Technology Help” Sections with Additional Excel Coverage. Technol-
ogy Help sections were updated to ref lect changes in commercial software, and, when
possible, Excel screen shots are included to illustrate the menu options available.
What We Retained in This Edition: Statistical Thinking

For all of the improvements, examples, and updates that are included in this edition of
Business Statistics, we haven’t lost sight of our original mission—to write a modern Busi-
ness Statistics text that addresses the importance of statistical thinking when making business
decisions and that acknowledges how Statistics is actually used in business.
Statistics is practised with technology. This insight informs everything, from our choice
of forms for equations (favouring intuitive forms over calculation forms) to our extensive
use of real data. But most important, understanding the value of technology allows us to
focus on teaching statistical thinking rather than just calculation. The questions that moti-
vate each of our hundreds of examples are geared not to the question “How do you find the
answer?” but rather to the question “Does your data satisfy the necessary assumptions and
how do you apply the result to a business situation?” This focus on statistical thinking ties
the chapters of the book together.
Our Goal: Read This Book!

The best textbook in the world is of little value if it isn’t read. Here are some of the ways we
made Business Statistics more approachable:
• Readability. We strive for a conversational, approachable style, and we introduce
anecdotes to maintain interest. While using the First Canadian Edition, instructors
reported (to their amazement) that their students read ahead of their assignments vol-
untarily. Students write to tell us (to their amazement) that they actually enjoy the
book.
• Focus on assumptions and conditions. More than any other textbook, Business Statis-
tics emphasizes the need to verify assumptions when using statistical procedures. We
emphasize this focus throughout the examples and exercises. We make every effort to
provide templates that reinforce the practice of checking assumptions and conditions,
rather than simply rushing through the computations. Business decisions have con-
sequences. Blind calculations open the door to errors that could easily be avoided by
taking the time to graph the data, check assumptions and conditions, and then check
again that the results make sense.

xxi
Preface
• Emphasis on graphing and exploring data. Our consistent emphasis on the impor-
tance of displaying data is evident from the first chapters devoted to understanding
data to the sophisticated model-building chapters at the end of the book. Examples
often illustrate the value of examining data graphically, and the exercises reinforce
this concept. Graphics reveal structures, patterns, and occasional anomalies that could
otherwise go unnoticed. The sight of patterns displayed graphically often raises new
questions and informs both the path of a resulting statistical analysis and the ensuing
business decisions. The graphics that appear throughout the book also demonstrate
that the simple structures that underlie even the most sophisticated statistical infer-
ences are the same ones we look for in the simplest examples. That helps to tie the
concepts of the book together to tell a coherent story.
• Consistency. Having taught the importance of plotting data and checking assump-
tions and conditions, we are careful to model that behaviour throughout the book.
(Check the exercises in the chapters on multiple regression or time series and you’ll
find us still requiring and demonstrating the plots and checks that were introduced in
the early chapters.) This consistency helps reinforce these fundamental principles and
provides a familiar foundation for the more sophisticated topics.
Coverage
We were guided in our choice of topics by the GAISE (Guidelines for Assessment and
Instruction in Statistics Education) Report, which emerged from extensive studies explor-
ing how students best learn Statistics (www.amstat.org/education/gaise/). Those recommenda-
tions, now officially adopted and recommended by the American Statistical Association,
urge (among other detailed suggestions) that Statistics education should achieve the follow-
ing goals:
1. Emphasize statistical literacy and develop statistical thinking;
2. Use real data;
3. Stress conceptual understanding rather than mere knowledge of procedures;
4. Foster active learning;
5. Use technology for developing conceptual understanding and analyzing data; and
6. Use assessments to improve and evaluate student learning.
With respect to the order of topics, we followed the principle that a coherent introduc-
tory course should be designed so that concepts and methods fit together in a stepwise pro-
gression to provide a new understanding of how reasoning with data can uncover new and
important truths. For example, we teach inference concepts with proportions first and then
with means. Most students have had exposure to proportions through polls and advertising.
And by starting with proportions, we can teach inference with the Normal model and then
introduce inference for means with the Student’s t distribution. We introduce the concepts of
association, correlation, and regression early in Business Statistics. Our experience in the class-
room shows that introducing these fundamental ideas early makes Statistics useful and rele-
vant, even at the beginning of the course. Later in the semester, when we explore data through
inference, it feels natural and logical to build on the fundamental concepts learned earlier.
Syllabus Flexibility
Many instructors prefer to teach topics in a different sequence than the one presented in
the textbook. In order to assist you with your decision, Figure 1 is a diagram that illustrates
the dependency among chapters.

xxii Preface
Ch 1–5 Ch 6 Ch 7
Data Correlation Regression
Ch 8–9
Probability and
Distributions
Ch 18–21
Ch 10–16 Ch 22–25
Regression
Inference Selected Topics
Inference
Ch 17
Nonparametrics
Figure 1 Visual map of the links between chapters
The subject of Business Statistics is sometimes taught in a single semester and other
times taught over the course of two semesters. Table 1 offers one suggestion for the way
in which chapters can be divided between two semesters.
Features
A textbook isn’t just words on a page—instead, it’s the cumulation of many features that
form a big picture. The features in Business Statistics are designed to provide a real-world
context for concepts, to help students to apply these concepts, to promote problem
solving, and to integrate technology—all in the name of helping students to more readily
identify the key themes the book is trying to teach.
Core Topics Optional Topics
Probability Multiple
Data Regression Distributions Inference Nonparametrics Regression Selected Topics
First Semester Ch 1–5 Ch 6–7 Ch 8–9

Ch 22–25
Second Semester Ch 18–19 Ch 10–16 Ch 17 Ch 20–21
Table 1 Chapter selection

xxiii
Preface
Motivating Vignettes. Each chapter opens with a motivating vignette, often taken
from the authors’ consulting experiences. These descriptions of companies—such as Bell
Canada, Sport Chek, Rogers, Intact Financial Corp., Ipsos Reid, PotashCorp of Saskatch-
ewan, Canada’s Wonderland, and Loblaw—enhance and illustrate the story of each chapter
and show how and why statistical thinking is so vital to modern business decision mak-
ing. We analyze data from or about the companies in the motivating vignettes throughout
the chapter.
For Examples. Nearly every section of every chapter includes a focused example that illus-
For Example trates and applies the concepts or methods of that section. The best way to understand and
remember a new theoretical concept or method is to see it applied in a real-world business
context right away. That’s what these examples do throughout the book.
Step-by-Step Guided Examples. The answer to a statistical question is almost never just a
PLAN number. Statistics is about understanding the world and making better decisions with data. To
that end, some examples in each chapter are presented as Guided Examples. A thorough solu-
tion is modelled in the right column while commentary appears in the left column. The over-
DO all analysis follows our innovative Plan, Do, Report template. That template begins each
analysis with a clear question about a business decision and an examination of the data avail-
able (Plan). It then moves to calculating the selected statistics (Do). Finally, it concludes with
REPORT a Report that specifically addresses the question. To emphasize that our goal is to address
the motivating question, we present the Report step as a business memo that summarizes
the results in the context of the example and states a recommendation if the data are able to
support one. To preserve the realism of the example, whenever it is appropriate we include
limitations of the analysis or models in the concluding memo, as would be required when
writing a report for management.
What Can Go What Can Go Wrong? Each chapter contains an innovative section called “What Can
Go Wrong?” which highlights the most common statistical errors and the misconceptions
Wrong? about Statistics. The most common mistakes for the new user of Statistics involve misusing
a method—not miscalculating a statistic. Most of the mistakes we discuss have been experi-
enced by the authors in a business context or in a classroom situation. One of our goals is
to arm students with the tools to detect statistical errors and to offer practice in debunking
misuses of Statistics, whether intentional or not. In this spirit, some of our exercises probe
how, and why, common errors tend to arise.
N otation A lert Notation Alert. Throughout this book, we emphasize the importance of clear communica-
tion. Proper notation is part of the vocabulary of Statistics, but it can be daunting. We all
know that in Algebra, n can stand for any variable, so it may be surprising to learn that in
Statistics, n is reserved for the sample size. Statisticians dedicate many letters and symbols
for specific meanings (e.g., the letters b, e, n, p, q, r, s, t, and z, along with many Greek let-
ters, all carry special connotations). Our “Notation Alerts” clarify which letters and sym-
bols statisticians use and the purpose of each letter and symbol.
Just Checking Just Checking. It is easy to start nodding in agreement without really understanding, so we
ask questions at points throughout the chapter. These questions are designed to conduct a
quick check of whether or not students have properly understood a section; most involve
very little calculation, and the answers are given in Appendix A. The questions can also be
used to motivate class discussion.
Optional Math Boxes. In many chapters we present the mathematical underpinnings of
Optional Math Box the statistical methods and concepts. We set proofs, derivations, and justifications apart
from the narrative in “Optional Math Boxes,” so the underlying mathematics is available

xxiv Preface
for those who want greater depth, but the text itself presents the logical development of the
topic at hand using a minimal amount of mathematics.
Ethics In Action Ethics in Action. Statistics involves more than simply plugging numbers into formulas;
most statistical analyses require a fair amount of judgment. When faced with these sorts of
important judgments, the best advice we can offer is to make an honest and ethical attempt
to address the appropriate business issue. The chapter-specific Ethics in Action boxes illus-
trate some of the judgments needed when conducting statistical analyses, identify possible
errors, link the issues to the American Statistical Association’s Ethical Guidelines, and then
propose ethically and statistically sound alternative approaches.
What Have Learning Objectives and What Have We Learned? Each chapter begins with a specific
list of learning objectives and ends by relating the objectives to the chapter summary (i.e.,
We Learned? the “What Have We Learned?” section). We review the concepts, define the terms intro-
duced in the chapter, and list the skills that form the core message of the chapter. The
“What Have We Learned?” sections make excellent study guides: the student who under-
stands the concepts in the summary, knows the terms, and practises the skills correctly is
better prepared to apply statistics to the world of business.
Technology Help Technology Help. At the end of each chapter, we summarize what students can find in the
most common software, often with annotated output. We then offer specific guidance for
Excel, Minitab, SPSS, and JMP, formatted in easy-to-read sections. This advice is intended
not to replace the documentation that accompanies the software, but rather to point the
way and provide startup assistance.
Mini Case Studies. Each chapter includes Mini Case Studies that ask students to conduct
an analysis based on a real business situation. Students define the objective, plan the pro-
case
MINI cess, complete the analysis, and report a conclusion. An ideal way for students to write up
studies
their work is the “Plan/Do/Report” format described above and used in each chapter. Data
for the Mini Case Studies are available on the MyStatLab site and are formatted for use
with various technologies.
Case Studies. Parts 1, 2, and 3 of the book have a Comprehensive Case Study on
MyStatLab. Students are given realistically large data sets (also on the MyStatLab site) and
challenged to respond to open-ended business questions using the data. Students have the
opportunity to bring together methods they have learned in the chapters included in that
part (and indeed, throughout the book) to address the issues raised. Students will be required
to use a computer to manipulate the large data sets that accompany these Case Studies.
Section Exercises. The Exercises for each chapter begin with a series of straightforward
Exer c i se s exercises targeted at the topics in each chapter section. This is the place to check under-
standing of specific topics. Because the exercises are labelled by section, turning back to the
right part of the chapter to clarify a concept or review a method is easy.
Chapter Exercises. These exercises are designed to be more realistic than the Section
Exercises and to lead to conclusions about practical management situations. The Chapter
Exercises may combine concepts and methods from different sections. We’ve worked hard
to make sure that they contain relevant, modern, and realistic business situations. When-
ever possible, the data are on the MyStatLab site (always in a variety of formats) so they can
be explored further. Often, we pair the exercises so that each odd-numbered exercise (with
answers that appear at the end of the book) is followed by an even-numbered exercise on
the same Statistics topic.

Another random document with
no related content on Scribd:
gravemente e saggiamente questa questione: Quanti angeli possono
ballare sulla punta di un ago? Voi, signori, siete lontani dalla vita
intellettuale del secolo XXº, quanto poteva esserlo, una diecina di
migliaia d’anni fa, un mago pellirossa che facesse incantesimi in una
foresta vergine.
Ernesto lanciò questa frase come se fosse adirato, a giudicare dal
volto acceso, dalle sopracciglia contratte, dal lampeggiare degli
occhi, dai movimenti del mento e delle mascelle; tutti segni di un
umore aggressivo. In realtà, quello era il suo modo di fare, che però
eccitava le persone, esasperandole con quegli assalti improvvisi. Già
i nostri convitati perdevano il loro contegno abituale. Il Vescovo
Morehouse, inchinato in avanti, ascoltava attentamente; il viso del
dottor Hammerfield era rosso d’indignazione e di dispetto; gli altri
erano anch’essi esasperati; solo alcuni sorridevano con aria di
superiorità. Per me, la scena era divertentissima. Guardai mio padre,
e mi parve di vederlo scoppiare dalle risa, all’effetto di quella bomba
umana introdotta audacemente nella nostra cerchia.
— Vi esprimete in modo un po’ vago, — interruppe il dottor
Hammerfield. — Che volete dire precisamente, chiamandoci
metafisici?
— Vi chiamo metafisici, — riprese Ernesto, — perchè parlate
metafisicamente; il vostro metodo è contrario a quello della scienza
e le vostre conclusioni non hanno validità alcuna. Provate tutto e non
provate nulla: e non riuscite in due a mettervi d’accordo su un punto
qualsiasi. Ognuno di voi si tuffa nella propria coscienza per spiegare
l’universo e se stesso. E voler spiegare la coscienza con la
coscienza, è come se voleste sollevarvi tirando a voi i legacci delle
scarpe.
— Non capisco, — interruppe il Vescovo Morehouse. — Mi sembra
che tutte le cose dello spirito sieno metafisiche. La matematica
stessa, la più esatta e profonda di tutte le scienze, è puramente
metafisica; il minimo processo mentale dello scienziato che ragiona,
è atto di natura metafisica. Certo, sarete d’accordo con me su
questo punto, non è vero?
— Come dite voi stesso, non capite, — replicò Ernesto. — Il
metafisico ragiona per deduzione, partendo dalla sua stessa
soggettività. Lo scienziato ragiona per induzione, basandosi sui fatti
forniti dall’esperienza. Il metafisico procede dalla teoria ai fatti, lo
scienziato va dai fatti alla teoria. Il metafisico spiega l’universo
secondo se stesso, lo scienziato spiega se stesso secondo
l’universo.
— Dio sia lodato che non siamo scienziati, — mormorò il dottor
Hammerfield, con un’aria di soddisfazione beata.
— Che siete, dunque?
— Siamo filosofi.
— Eccovi lanciati, — disse Ernesto ridendo. — Avete abbandonato il
terreno reale e solido, per lanciarvi in aria con una parola, come
macchina volante. Per favore, ridiscendete quaggiù, e vogliatemi
dire, alla vostra volta, che intendete esattamente per filosofia?
— La filosofia è... — il dottor Hammerfield si raschiò la gola —
qualche cosa che non si può definire in modo comprensibile se non
a menti e a temperamenti filosofici. Lo scienziato che si limita a
ficcare il naso nei suoi provini non potrà mai capire la filosofia.
Ernesto sembrò insensibile a quella puntata. Ma aveva l’abitudine di
ritorcere l’attacco contro l’avversario, e così fece subito, con viso e
voce oltremodo fraterni.
— In questo caso, voi capirete certamente la definizione della
filosofia, che voglio proporvi. Ad ogni modo, prima di cominciare, vi
prego, o di rilevarne gli errori, o di serbare un silenzio metafisico. La
filosofia è semplicemente la più vasta di tutte le scienze. Il suo
sistema di ragionamento è uguale a quello di una scienza particolare
qualunque o di tutte le scienze in generale. Ed appunto per questo
sistema di ragionamento, il sistema induttivo, la filosofia fonde
insieme tutte le scienze particolari, in una sola grande scienza.
Come dice Spencer, i dati di ogni scienza particolare non sono altro
che nozioni parzialmente unificate; mentre la filosofia sintetizza le
nozioni fomite da tutte le scienze. La filosofia è la scienza delle
scienze, la scienza maestra, se volete. Che pensate di questa
definizione?
— Molto bella, degna di credito, — mormorò il Dottor Hammerfield.
Ma Ernesto era senza pietà:
— Guardatevene: la mia definizione è fatale alla metafisica. Se fin
da ora non potete trovare un’incrinatura nella mia definizione, sarete
squalificati quando vorrete opporre poi argomenti metafisici. Dovrete
passare la vita a cercare questo filo di appiglio, e restare muti fin
quando l’avrete trovato.
Ernesto aspettò. Il silenzio si prolungava e diventava penoso.
Il dottor Hammerfield era tanto mortificato, quanto incuriosito.
Quell’attacco a colpi di maglio lo disorientava. Non era abituato a
quel metodo semplice e diretto di discussione.
Egli, con uno sguardo implorante, fece il giro della tavola, ma
nessuno rispose per lui. Sorpresi il babbo che soffocava le risa dietro
il tovagliolo.
— C’è un altro modo di squalificare i metafisici, — riprese Ernesto,
quando la sconfitta del dottore fu ben verificata — e consiste nel
giudicarli dalle loro opere. Che cosa fanno per l’umanità se non
tessere delle fantasie aeree e scambiare per divinità la propria
ombra? Ammetto che abbiano aggiunto nuovi motivi all’allegria del
genere umano, ma quale bene reale hanno mai apportato? Essi
hanno filosofeggiato, scusatemi la parola di cattivo gusto, sul cuore,
considerandolo come la sede delle emozioni, mentre gli scienziati
studiavano la circolazione del sangue. Hanno declamato sulla peste
e sulla carestia, considerandole flagelli di Dio, mentre gli scienziati
costruivano depositi di rifornimento o epuravano gli accentramenti
urbani. Descrivevano essi la terra come centro dell’universo, mentre
degli scienziati scoprivano l’America e scrutavano lo spazio per
scoprirvi le stelle e le leggi degli astri. In conclusione, i metafisici non
hanno fatto niente, assolutamente per l’umanità. Hanno dovuto
indietreggiare a passo a passo davanti alle conquiste della scienza.
Ma, appena i fatti constatati scientificamente rovesciavano le loro
spiegazioni soggettive, essi ne fabbricavano altre su più vasta scala
per spiegare gli ultimi fatti accertati. E così, senza dubbio,
continueranno a fare sino alla fine dei secoli. Signori, i metafisici
sono impostori. Fra voi e l’esquimese che immaginava Dio come un
mangiatore di grasso e rivestito di pelliccia, non intercorre alcun
divario se non quello costituito da qualche migliaio di anni di
constatazione di fatti. Ecco tutto!
— Eppure il pensiero di Aristotele ha governato l’Europa durante
dodici secoli, — disse pomposamente il dottor Ballingford, — e
Aristotele era un metafisico.
Il dottor Ballingford girò lo sguardo intorno alla tavola e fu
ricompensato con cenni e gesti di approvazione.
— Il vostro esempio non è felice, — rispose Ernesto. — Voi
rievocate proprio uno dei più oscuri periodi della storia dell’umanità,
di quelli che noi chiamiamo secoli d’oscurantismo, un’epoca in cui la
scienza era schiava della metafisica, e la fisica si limitava alla ricerca
della pietra filosofale, e l’alchimia aveva preso il posto della chimica,
e l’astrologia quello dell’astronomia. Triste dominazione, quella del
pensiero di Aristotele!
Il dottor Ballingford sembrò indispettito, ma subito il viso gli si
rischiarò, ed egli riprese:
— Anche ammettendo il nero quadro che ci avete dipinto, dovete
però riconoscere alla metafisica un grande valore intrinseco, poichè
ha potuto liberare l’umanità dall’oscurantismo e avviarla verso la luce
dei secoli posteriori.
— La metafisica non c’entra in questo, — ribattè Ernesto.
— Come! — esclamò il dottor Hammerfield, — ma, forse, il pensiero
speculativo non ha condotto alle grandi scoperte?
— Ah! caro signore — disse Ernesto sorridendo, — vi credevo
squalificato. Non avete ancora trovato una pagliuzza nella mia
definizione della filosofia, e siete sospeso nel vuoto. Ma è
un’abitudine dei metafisici e vi perdòno. No, ripeto, la metafisica non
ebbe alcun influsso in tutto questo. I viaggi di scoperta furono
provocati da quistioni di pane cotidiano, di seta e gioielli, di monete
d’oro e danaro, e incidentalmente, dalla chiusura delle vie
commerciali di terra verso l’India. Alla caduta di Costantinopoli, nel
1453, i Turchi chiusero il cammino delle carovane dell’India, e i
trafficanti Europei dovettero cercarne un altro.
Tale fu la causa vera, originale di quelle esplorazioni. Cristoforo
Colombo navigava per trovare una nuova via per le Indie; tutti i libri
di storia ve lo diranno. Si scopersero incidentalmente dei fatti nuovi
in natura: la grandezza, e la forma della terra: e il sistema Tolemaico
diede loro nuova luce.
Il dottor Hammerfield emise una specie di grugnito.
— Non siete d’accordo con me? — gli chiese Ernesto. — Allora
ditemi in che consiste il mio errore.
— Posso sostenere soltanto il mio punto di vista, — replicò
aspramente il dottor Hammerfield. — Sarebbe una storia troppo
lunga.
— Non c’è storia troppo lunga, per uno scienziato. — osservò con
dolcezza Ernesto. — Ecco perchè lo scienziato scopre e ottiene,
ecco perchè è arrivato in America.
Non ho intenzione di descrivere tutta la serata, sebbene sia una
gioia per me ricordare ogni particolare di quel primo incontro, di
quelle prime ore passate con Ernesto Everhard.
La discussione era animatissima, e i ministri avvampavano, quando
Ernesto lanciava loro gli epiteti di filosofi romantici, di proiettori da
lanterna magica, e altri del genere. Ad ogni istante li fermava per
ricondurli ai fatti.
— Il fatto, mio caro, il fatto irrefragabile, — proclamava trionfante,
ogni qualvolta assestava un colpo decisivo. Era irto di fatti e lanciava
loro i fatti fra i piedi, per farli inciampare: drizzava loro davanti i fatti
per farli cadere in una imboscata, li bombardava con i fatti a volo.
— Tutta la vostra devozione è per l’altare del fatto — lanciò a sua
volta, con aria sprezzante, il dottor Hammerfield.
— Il fatto solo è Dio, e il signor Ernesto è il suo profeta, — parafrasò
il dottor Ballingford.
Ernesto, sorridendo, approvò col capo.
— Sono come un abitante del Texas, — disse. E poichè insistevano
perchè spiegasse, aggiunse: — L’uomo del Missouri dice sempre:
Bisogna farmi vedere questo; ma l’uomo del Texas dice: Bisogna
mettermelo in mano. Donde appare evidente che non è un
metafisico.
In altro momento, avendo Ernesto detto che i filosofi metafisici non
potrebbero sopportare la prova della verità, il dottor Hammerfield
tuonò:
— Qual’è la prova della verità, giovanotto? Vorreste avere la bontà di
spiegarci ciò che ha lungamente imbarazzato menti più sagge della
vostra?
— Certamente, — rispose Ernesto con quella sicurezza che li
indispettiva. — Le menti sagge sono state a lungo imbarazzate dalla
ricerca della verità, perchè la cercavano per aria, lassù! Se fossero
rimaste sulla terra ferma, l’avrebbero facilmente trovata. Quei saggi
avrebbero certamente scoperto che essi stessi costituivano
precisamente la prova della verità, in ogni azione e pensiero pratico
della loro vita.
— La prova, la prova. — ripetè con impazienza il dottor
Hammerfield. — Lasciate da parte i preamboli. Datecela e
diventeremo come gli Dei.
C’era in queste parole e nel modo con cui erano dette, lo scetticismo
aggressivo e ironico che provava la maggioranza dei convitati,
quantunque il Vescovo Morehouse sembrasse colpito.
— Il dottor Jordan [11] l’ha stabilito molto chiaramente. — disse
Ernesto. — Ecco il suo modo di verificare una verità: È essa
concreta, in atto? le affidereste la vostra vita?
— Bah! — sogghignò il dottor Hammerfield.
— Dimenticate, nei vostri calcoli, il Vescovo Berkeley [12]. In
conclusione, non gli hanno mai risposto.
— Il metafisico più nobile di tutti, — disse Ernesto ridendo, — ma
scelto proprio male come esempio. Si può considerare Berkeley
stesso come testimonio che la sua metafisica era campata in aria.
Immediatamente, il dottor Hammerfield si infuriò, come se avesse
sorpreso Ernesto nell’atto di rubare o mentire.
— Giovanotto, — esclamò con voce tonante, — questa
dichiarazione è pari a tutto quanto avete detto stasera. È
un’asserzione indegna e senz’alcun fondamento.
— Eccomi annientato — mormorò Ernesto, con aria compunta. —
Disgraziatamente non mi pare d’essere colpito. Bisognerebbe
farmelo toccare con mano, dottore.
— Benissimo, benissimo, — balbettò il dottor Hammerfield. — Non
potete dire che il Vescovo Berkeley abbia dimostrato che la sua
metafisica non fosse pratica. Non ne avete le prove, giovanotto, non
ne sapete niente. Essa è stata sempre concreta e reale.
— La miglior prova ai miei occhi, che la metafisica di Berkeley era
pura astrazione, sta nel fatto che Berkeley stesso, — ed Ernesto
riprese fiato tranquillamente — aveva l’abitudine inveterata di
passare per le porte e non attraverso i muri, e s’affidava, per nutrir la
sua vita, al pane e burro, e al buon arrosto, e si radeva con un rasoio
che radeva bene.
— Ma queste sono cose della vita fisica, — esclamò il dottore, — e
la metafisica è dello spirito.
— E funziona in spirito anche? — chiese con dolcezza Ernesto.
L’altro assentì con un cenno del capo.
— E, in ispirito, una miriade di angeli può ballare sulla punta di un
ago, — continuò Ernesto, con aria pensosa. — E può esistere in
ispirito, un Dio impellicciato e bevitore d’olio, perchè non ci sono
prove contrarie in ispirito. E suppongo, dottore, che lei viva in ispirito
non è vero?
— Il mio spirito è il mio regno, — rispose l’interrogato.
— Cioè, vivete nel vuoto. Però ritornate sulla terra, ne sono sicuro,
all’ora dei pasti, o al sussultare d’un terremoto. Obiettereste per
caso, che non avreste nessun timore, in un simile cataclisma, perchè
convinto che il vostro corpo immateriale non può essere colpito da
una tegola immateriale?
Istintivamente e in modo insolito, il dottor Hammerfield si toccò la
testa, dove i capelli nascondevano una cicatrice. Ernesto aveva
toccato proprio un fatto avvenuto, perchè, durante il grande
terremoto [13], il dottore aveva corso il rischio di essere schiacciato
da un camino. Risero tutti.
— Ebbene, — disse Ernesto quando l’ilarità cessò, — aspetto
sempre la prova del contrario. — E nel silenzio di tutti, aggiunse: —
Passi quest’ultimo vostro argomento, ma non è ancora ciò che
desidero.
Il dottor Hammerfield era fuori di combattimento; ma la battaglia
continuò in un’altra direzione. Su tutti i punti, Ernesto sfidava i
ministri.
Quand’essi pretendevano di conoscere la classe operaia, egli
esponeva loro delle verità fondamentali che essi non conoscevano,
e li sfidava a contraddirlo. Esponeva loro fatti, sempre fatti, frenava i
loro slanci verso la luna e li riconduceva verso un terreno solido.
Come mi ritorna alla mente tutta questa scena! Mi pare di rivederlo,
col suo tono aggressivo, colpirli col fascio dei fatti di cui ciascuno era
una verga sferzante! Senza pietà: non chiedeva tregua e non ne
accordava. Non dimenticherò mai la scudisciata finale che inflisse
loro:
— Avete riconosciuto questa sera, più volte, spontaneamente o con
le vostre dichiarazioni d’incompetenti, che non conoscete la classe
operaia. Non vi biasimo per questo: come potreste conoscerla
infatti? Non vivete fra il popolo, ma pascolate in altre praterie, con la
classe capitalista. E perchè dovreste agire diversamente? La classe
capitalista vi paga, vi nutre, vi dà gli abiti che portate questa sera. In
cambio, voi predicate ai vostri padroni le poche citazioni di
metafisica che sono loro gradite e che essi accettano perchè non
minacciano l’ordine naturale delle cose.
A queste parole, ci fu una protesta generale.
— Oh! non metto in dubbio la vostra sincerità. — proseguì Ernesto.
— Voi siete sinceri. A ciò che predicate voi credete! In questo
consiste la vostra forza e il vostro valore agli occhi della classe
capitalista. Ma se pensaste di modificare l’ordine stabilito, la vostra
predicazione diverrebbe inaccettabile agli occhi dei vostri padroni, i
quali vi metterebbero fuor dell’uscio. Così, ogni tanto, qualcuno di voi
viene congedato. Non ho forse ragione? [14].
Questa volta, non ci fu nessuna protesta: tutti conservarono un
silenzio significativo, tranne il dottor Hammerfield, che dichiarò:
— Solo quando il modo di pensare di questi tali è falso, si chiedono
le loro dimissioni.
— Cioè quando il loro modo di pensare è inaccettabile. Così vi dico
sinceramente: continuate a predicare e a guadagnare il vostro
danaro, ma, per amor del cielo lasciate in pace la classe operaia.
Non avete nulla di comune con essa; voi appartenete al campo
nemico. Le vostre mani sono bianche perchè altri lavorano per voi i
vostri stomachi pieni, i vostri ventri rotondi. A questo punto il dottor
Hammerfield fece una smorfia e tutti sbirciarono la sua straordinaria
corpulenza; a causa della quale si diceva che da anni egli non
vedesse più i suoi piedi! — E le vostre menti sono infarcite di dottrine
che servono a reggere l’arco dell’ordine stabilito. Siete dei mercenari
sinceri, lo ammetto, ma come lo erano gli uomini della Guardia
Svizzera [15] sotto l’antica monarchia francese. Siete fedeli a coloro
che vi danno il pane, il sale e la paga: sostenete con le vostre
predicazioni gli interessi dei vostri signori, ma non scendete verso la
classe operaia per offrirvi come falsi condottieri! Non potreste vivere
onestamente in due campi opposti. La classe operaia ha fatto senza
di voi, e credetemi, continuerà a farne senza. E inoltre potrà sbrigarsi
meglio senza di voi che con voi.
CAPITOLO II.
SFIDE.
Appena gli invitati se ne furono andati, mio padre si lasciò cadere su

una poltrona, e si abbandonò all’allegria d’una pantagruelica risata.
Mai, dalla morte della mamma, lo avevo visto ridere così di cuore.
— Scommetterei che il dottor Hammerfield non ha mai affrontato
nulla di simile in vita sua — disse fra l’uno e l’altro scoppio di risa. —
La cortesia delle dispute ecclesiastiche! Hai osservato che ha
cominciato come un agnello, parlo di Everhard, per mutarsi subito in
un leone ruggente? Ha una mente disciplinata meravigliosamente.
Sarebbe diventato uno scienziato di prim’ordine se la sua energia
fosse stata orientata in tal senso.
Occorre confessare che Ernesto Everhard mi interessava molto: non
soltanto per quanto aveva detto, e per il modo con cui l’aveva detto,
ma per se stesso, come uomo. Non ne avevo incontrato mai di
simile, e credo che per questo, a ventiquattro anni suonati, non ero
ancora sposata. Comunque, sentii che mi piaceva e che la mia
simpatia era dovuta non alla sua intelligenza nella discussione, ma
ad altra cosa. Nonostante i suoi bicipiti e il torace di boxeur, mi
pareva un giovanotto d’animo puro. Sotto l’apparenza di
chiacchierone intellettuale, indovinavo uno spirito delicato e
sensibile.
Le sue impressioni mi erano trasmesse in modo che non posso
definire altrimenti, se non come per intuito femminile. C’era nel suo
dire tonante qualcosa che mi era andato al cuore: e mi sembrava
sempre di udirlo e desideravo udirlo ancora. Sarei stata lieta di
vedere nei suoi occhi quel lampo di gaiezza che smentiva
l’impassibilità del resto del viso.
Altri sentimenti vaghi, indistinti, ma più profondi si agitavano in me.
Lo amavo già quasi. Pertanto, se non lo avessi più riveduto,
suppongo che questi sentimenti indefiniti si sarebbero cancellati ed
avrei dimenticato facilmente.
Ma non era nel mio destino non rivederlo più: l’interesse che
prendeva mio padre, da un po’ di tempo, alla sociologia, ed i pranzi
che dava regolarmente, escludevano una simile possibilità. Il babbo
non era un sociologo. La sua specialità scientifica era la fisica, e le
sue ricerche in questo campo erano state fruttuose. Il matrimonio lo
aveva pienamente soddisfatto, ma dopo la morte della mamma, le
ricerche che egli faceva non riuscivano a colmare l’orribile vuoto. Si
occupò di filosofia con poco interesse dapprima, poi con maggiore
attrattiva, e fu trascinato verso l’economia politica e le scienze
sociali, e siccome possedeva un vivo sentimento di giustizia, non
tardò ad appassionarsi e a volere la riparazione dei torti. Osservai
con somma gioia questi indizî d’un rinascente interesse per la vita,
senza immaginare dove la nostra vita potesse indirizzarsi.
Il babbo, con l’entusiasmo degli adolescenti, si immerse in nuove
ricerche senza chiedersi menomamente dove l’avrebbero condotto.
Abituato da tempo al laboratorio, trasformò la sala da pranzo in un
laboratorio sociale: persone di ogni specie e condizione vi si
trovavano riunite, scienziati, politicanti, banchieri, commercianti,
professori, capi d’officina, socialisti ed anarchici. Ed egli li spingeva a
discutere fra loro, poi esaminava le loro idee sulla vita e sulla
società. Aveva conosciuto Ernesto poco tempo prima della «serata
dei predicatori». Dopo la partenza degli ospiti, mi raccontò come
l’avesse incontrato. Una sera, in una via, si era fermato ad ascoltare
un uomo che, salito sopra una cassa di sapone, parlava a un gruppo
di operai. Era Ernesto. Molto apprezzato dalla Direzione del partito
socialista, costui era considerato come uno dei capi del partito, e
riconosciuto tale dai dottrinarî del socialismo. Possedendo il dono di
presentare in forma semplice e chiara anche le questioni più ardue,
questo educatore nato, non credeva di avvilirsi salendo su di una
cassa di sapone per spiegare l’economia politica ai lavoratori.
Mio padre si fermò per ascoltarlo, si interessò al discorso, stabilì un
convegno con l’oratore, e, fatta la presentazione, lo invitò al pranzo
dei reverendi. E solo in seguito mi rivelò alcune informazioni che
aveva potuto raccogliere su di lui.
Ernesto era figlio di operai, quantunque discendesse da un’antica
famiglia stabilitasi da più di duecento anni in America [16]. All’età di
10 anni era andato a lavorare nelle officine, e più tardi aveva
imparato il mestiere del maniscalco. Era un autodidatta, aveva
studiato, da solo, il francese e il tedesco, e in quell’epoca si
guadagnava modestamente la vita, traducendo delle opere
scientifiche e filosofiche per una casa precaria di edizioni socialiste
di Chicago. A questo stipendio egli aggiungeva i diritti di autore
provenienti dalla vendita, ristretta, delle opere sue.
Ecco ciò che seppi di lui prima di coricarmi, e stetti a lungo sveglia
ascoltando, con la mente, il suono della sua voce. Mi spaventai dei
miei stessi pensieri. Assomigliava così poco agli uomini della mia
classe! Sembrava così estraneo a tutti, e così forte! La sua
padronanza mi piaceva e mi spaventava insieme, e la mia fantasia
galoppava tanto, che mi sorpresi a considerarlo come innamorato e
come marito. Avevo sempre sentito dire che la forza in un uomo è
un’attrattiva irresistibile per le donne; ma egli era troppo forte.
— No, no! — esclamai, — è impossibile, è assurdo! — E il giorno
dopo, svegliandomi, sentii in me il desiderio di rivederlo, di assistere
alla sua vittoria in una nuova discussione, di vibrare ancora al suo
tono di combattimento, di ammirarlo nella sua sicurezza e nella sua
forza, quando spezzava la loro albagia e distoglieva il loro pensiero
dal solito circolo vizioso. Che cosa importavano le sue
smargiassate? Secondo quanto aveva detto egli stesso, esse
trionfavano in realtà, raggiungevano la mèta. Inoltre, erano belle a
sentirle, eccitanti come un principio di lotta.
Passai parecchi giorni a leggere i libri di Ernesto, che il babbo mi
aveva prestato. La sua parola scritta era come quella parlata, chiara
e convincente. La sua semplicità assoluta vi convinceva mentre
dubitavate ancora. Aveva il dono della lucidità. L’esposizione
dell’argomento era perfetta. Ciò nonostante, malgrado il suo stile,
molte cose mi spiacevano. Dava troppa importanza a ciò che
chiamava la lotta di classe, all’antagonismo fra lavoro e capitale, al
conflitto degli interessi.
Il babbo mi riferì allegramente l’apprezzamento del dottor
Hammerfield su Ernesto: «Un insolente bòtolo, gonfiato di boria da
un sapere insufficiente», e come non avesse punto voglia di
rivederlo.
Invece, il vescovo di Morehouse si era interessato molto di Ernesto e
desiderava vivamente avere una nuova conversazione con lui. «Un
giovanotto forte», aveva dichiarato, e «vivace, molto vivace, ma
troppo sicuro di sè, troppo sicuro!».
Ernesto ritornò un pomeriggio, con papà. Il vescovo di Morehouse
era già arrivato, e sorbivano il thè sulla veranda. Devo dire che la
prolungata assenza di Ernesto a Berkeley si spiegava col fatto che
egli seguiva dei corsi speciali di biologia all’Università, e anche
perchè lavorava molto a un’opera nuova intitolala: «Filosofia e
Rivoluzione». [17]
Quando Ernesto entrò, la veranda sembrò improvvisamente
rimpicciolita: non perchè egli fosse straordinariamente alto (era alto
un metro e settantadue) ma perchè sembrava irradiare un’atmosfera
di grandezza. Fermandosi per salutarmi, mostrò una leggera
esitazione, in istrano contrasto con i suoi occhi arditi e la sua stretta
di mano ferma e sicura. I suoi occhi non erano meno sicuri, ma,
questa volta, sembravano interrogare, mentre mi guardavano, come
il primo giorno, indugiando un po’ troppo.
— Ho letto il vostro libro: «Filosofia delle classi lavoratrici», — gli
dissi, e vidi i suoi occhi brillare di contentezza.
— Naturalmente, — rispose, — avrete tenuto conto dell’uditorio al
quale la conferenza era rivolta.
— Sì, ed è appunto su ciò che vorrei interrogarvi.
— Anch’io, — disse il vescovo di Morehouse, — ho una questione
da definire con voi.
A questa doppia sfida, Ernesto alzò le spalle, con aria di rassegnato
buon umore, e accettò una tazza di thè.
Il vescovo s’inchinò per darmi la precedenza.
— Voi fomentate l’odio di classe, — dissi a Ernesto. — E mi pare
che sia uno sbaglio, un delitto, fare appello a tutto ciò che vi è di
ristretto e di brutale nella classe operaia. L’odio di classe è anti-
sociale, e mi sembra anti-socialista.
— Mi difendo, pur essendo innocente, — rispose Ernesto. — Non
c’è odio di classe nè nella parola, nè nello spirito di nessuna mia
opera.
— Oh! — esclamai in tono di rimprovero.
Presi il libro e lo apersi.
Egli beveva il suo thè, tranquillo e sorridente mentre io sfogliavo il
volume per trovare il punto che cercavo:
— Pagina 132 — lessi ad alta voce: «Così la lotta delle classi si
produce nelle attuali condizioni di sviluppo sociale, fra la classe che
paga i salarii, e le classi che li ricevono».
Lo guardai con aria di trionfo.
— Non si tratta di odio di classe, là dentro, — mi disse sorridendo.
— Ma voi dite «lotta di classe».
— Non è affatto la stessa cosa. E credetemi, noi non fomentiamo
l’odio. Noi diciamo che la lotta delle classi è una legge dello sviluppo
sociale. Non ne siamo responsabili. Non siamo noi a farla. Ci
limitiamo a spiegarla, come Newton spiegava la gravitazione. Noi
esaminiamo la natura del conflitto d’interessi, che produce la lotta di
classe.
— Ma non dovrebbe esserci conflitto di interessi! — esclamai.
— Sono del vostro preciso parere, — rispose. — E noi socialisti
tendiamo all’abolizione di questo conflitto di interessi. Scusate,
lasciatemi leggere un altro punto. — Prese il libro e ne voltò alcuni
fogli. — Pagina 126: «Il ciclo della lotta di classe, cominciato con la
dissoluzione del comunismo primitivo della tribù e la nascita della
proprietà individuale, finirà con l’abolire la proprietà individuale dei
mezzi dell’esistenza sociale».
— Ma non sono d’accordo con voi, — interruppe il vescovo, dal
pallido volto d’asceta, leggermente arrossato dall’intensità dei suoi
sentimenti. — Le vostre premesse sono false. Non esiste conflitto
d’interessi fra il lavoro e il capitale, o almeno, non dovrebbe esistere.
— Vi ringrazio, — disse gravemente Ernesto — di avermi restituito le
mie premesse, con la vostra ultima proposizione.
— Ma perchè ci sarebbe conflitto? — domandò il vescovo, con
calore.
Ernesto alzò le spalle:
— Perchè siamo fatti così, suppongo.
— Ma non siamo fatti così!
— Parlate forse dell’uomo ideale, divino, privo di egoismo? — chiese
Ernesto, — ma ce n’è tanto pochi, che si ha il diritto di considerarli
inesistenti, oppure parlate dell’uomo comune, ordinario?
— Parlo dell’uomo ordinario.
— Debole, fallibile, e soggetto ad errare?
Il vescovo fece un segno di consenso.
— E meschino, egoista?
Il pastore rinnovò il gesto.
— State attento, — dichiarò Ernesto. — Ho detto egoista.
— L’uomo ordinario è egoista. — affermò calorosamente il vescovo.
— Che vuole avere tutto ciò che può avere?
— Vuole avere il più possibile. È deplorevole, ma è vero.
— Allora ci siete. — E la mascella di Ernesto scattò come una molla.
— Consideriamo un uomo che «lavora sui tranvai».
— Egli non potrebbe lavorare se non ci fosse il capitale, —
interruppe il vescovo.
— È vero, e voi sarete con me nell’ammettere che il capitale
perirebbe se la mano d’opera non facesse guadagnare i dividendi.
Il vescovo non rispose.
— Non siete del mio parere? — insistette Ernesto.
Il prelato acconsentì col capo.
— Allora le nostre due proposizioni si annullano reciprocamente, e ci
ritroviamo al punto di partenza. Ricominciamo: I lavoratori dei tranvai
forniscono la mano d’opera, e gli azionisti il capitale. Da
quest’unione del lavoro col capitale nasce il guadagno [18]. I due
fattori si dividono questo guadagno: la parte che tocca al capitalista
si chiama dividendo, la parte che tocca al lavoro si chiama salario.
— Benissimo, — interruppe il vescovo. — Ma non c’è motivo perchè
questa divisione non avvenga amichevolmente.
— Avete già dimenticato le premesse, — replicò Ernesto. —
Eravamo già d’accordo nell’ammettere che l’uomo ordinario è
egoista; l’uomo ordinario così com’è. Voi svisate la questione se
volete fare una distinzione fra quest’uomo e gli uomini come
dovrebbero essere, ma come non sono in realtà. Ritorniamo al
soggetto: il lavoratore, essendo egoista, vuole avere quanto più può
nella divisione; il capitalista, essendo egoista, vuole, del pari, avere
tutto ciò che può prendere. Quando una cosa esiste in quantità
limitata, e due uomini vogliono averne ciascuno il massimo, nasce
un conflitto d’interessi. È il conflitto che esiste fra capitale e lavoro,
ed è una lotta senza possibilità di conciliazione. Finchè esisteranno
operai e capitalisti, litigheranno per la divisione del guadagno. Se
foste stato a S. Francisco, questo pomeriggio, sareste stato
obbligato ad andare a piedi: neppure un tranvai girava per le vie.
— Un altro sciopero? [19] — chiese il vescovo, preoccupato.
— Sì, litigano per l’equa divisione dei guadagni delle ferrovie urbane.
Il vescovo si stizzì.
— Hanno torto! — esclamò. — Gli operai non vedono di là dal loro
naso. Come possono sperare di conservare la nostra simpatia?...
— Quando ci obbligano ad andare a piedi — disse maliziosamente
Ernesto.
E il vescovo, concluse, senza badargli:
— Il loro punto di vista è troppo angusto. Gli uomini devono agire da
uomini e non da bruti. Ci saranno ancora violenze ed uccisioni, e
vedove ed orfani addolorati. Il capitale e il lavoro dovrebbero essere
uniti, dovrebbero procedere insieme, per il reciproco interesse.
— Eccovi di nuovo nelle nuvole, — osservò freddamente Ernesto. —
Vediamo, ridiscendete sulla terra, e non perdete di vista la nostra
asserzione: l’uomo è egoista.
— Ma non dovrebbe esserlo! — esclamò il vescovo.
— Su questo punto sono d’accordo con voi: non dovrebbe essere
egoista, ma lo sarà sempre finchè vivrà secondo un ordinamento
sociale fondato su una morale da porci.
Il dignitario della Chiesa ne fu spaventato, mentre il babbo si torceva
dal ridere.
— Sì una morale da porci. — riprese Ernesto, senza rimorso. — Ed
è l’ultima parola del vostro sistema capitalista, è ciò che sostiene la
vostra Chiesa, ciò che voi predicate ogni qualvolta salite sul pulpito:
un’etica da porci, non c’è altro nome da darle.
Il vescovo si voltò come per appellarsi a mio padre, ma questi alzò la
testa ridendo.
— Credo che il nostro amico abbia ragione — disse. — È la politica
del laissez-faire, dell’ognuno per sè e che il diavolo trascini l’ultimo.
Come disse l’altra sera il signor Everhard, il compito vostro di gente
di Chiesa consiste nel mantenere l’ordine stabilito, e la Società è
fondata su tale principio!
— Ma non è la dottrina di Cristo. — esclamò il vescovo.
— Oggi la Chiesa non insegna la dottrina di Cristo. — rispose
Ernesto. — Perciò gli operai non vogliono avere a che fare con essa.
La Chiesa approva la terribile brutalità, la forza selvaggia con la
quale il capitalista tratta le masse dei lavoratori.
— Non l’approva affatto. — obbiettò il vescovo.
— Ma non protesta neppure. — replicò Ernesto; — e perciò approva,
perchè non bisogna dimenticare che la Chiesa è sostenuta dalla
classe capitalistica.
— Non avevo mai considerato le cose da questo punto di vista —
disse innocentemente il vescovo. — Ma credo che sbagliate. So che
sono molte le tristezze e le brutture del mondo; so che la Chiesa ha
perduto il... ciò che voi chiamate proletariato [20].
— Non lo avete mai avuto il proletariato, — esclamò Ernesto. —
Esso si è sviluppato fuori della Chiesa, e senza di essa.
— Non afferro più il vostro pensiero, — disse debolmente il vescovo.
— Vi spiego. Dopo l’introduzione delle macchine e delle officine,
verso la fine del sec. XVIII, la grande massa dei lavoratori fu distolta
dalla terra, e l’antico modo di lavorare, mutato. I lavoratori, tolti dai
loro villaggi, si trovarono rinchiusi nelle città industriali: le madri e i
fanciulli furono impiegati a servizio delle nuove macchine; la vita di
famiglia ne fu infranta, e le condizioni divennero atroci. È una pagina
di storia scritta col sangue e con le lagrime.
— Lo so, — interruppe il vescovo, con espressione angosciosa. —
Fu terribile, ma ciò avvenne in Inghilterra, un secolo e mezzo fa.
— Così un secolo e mezzo fa, nacque il proletariato moderno, —
continuò Ernesto. — E la Chiesa stava muta, ed oggi conserva la
stessa inerzia. Come dice Austin Lewis [21], parlando di quell’epoca,
coloro che avevano ricevuto il comandamento: «Pascete agnelli
miei», videro, senza protestare, quegli agnelli venduti e mortalmente
sfruttati [22]. Prima di continuare vi prego di dirmi sinceramente se
siamo o non d’accordo. La Chiesa ha protestato o no, a quel tempo?
Il vescovo Morehouse esitò: come il dottor Hammerfield, non era
abituato a quel genere di offensiva a domicilio, secondo
l’espressione di Ernesto.
— La storia del secolo XVIII è scritta, — suggerì questi. — Se la
Chiesa non è stata muta, si devono trovare le tracce della sua
protesta, in qualche libro.
— Disgraziatamente credo che sia stata muta, — confessò il
dignitario della Chiesa.
— E rimane muta anche oggi.
— In questo non siamo più d’accordo.
Ernesto tacque, guardò attentamente il suo interlocutore e accettò la
sfida.
— Benissimo, — disse, — vedremo. Ci sono, a Chicago, delle donne
che lavorano tutta la settimana per novanta cents. Protesta forse la
Chiesa?
— È una novità per me, — fu la risposta. — Novanta cents? È
orribile!
— La Chiesa ha forse protestato? — insistette Ernesto.
— La Chiesa lo ignora. — E il prelato appariva penosamente agitato.
— Eppure la Chiesa ha ricevuto il comandamento: «Pascete, agnelli
miei!», — disse Ernesto, con amara ironia. Poi, riprendendosi:

Ebook PDF Business Statistics 3rd Canadian Edition PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Ebook PDF Business Statistics 3rd Canadian Edition PDF

Uploaded by

Copyright:

Available Formats

(eBook PDF) Business Statistics, 3rd

THIRD CANADIAN EDITION

Richard D. De Veaux (Ph.D. Stanford University) is an internationally known educator, consul-

A01_SHAR9122_03_SE_FM.indd 7 29/11/16 4:56 PM

A01_SHAR9122_03_SE_FM.indd 8 29/11/16 4:56 PM

A01_SHAR9122_03_SE_FM.indd 9 29/11/16 4:56 PM

A01_LO5943_03_SE_FM.indd iv 04/12/15 4:22 PM

Part I Exploring and Collecting Data

Chapter 3 Surveys and Sampling 27

Chapter 4 Displaying and Describing Categorical Data 56

Chapter 5 Displaying and Describing Quantitative Data 88

Chapter 6 Scatterplots, Association, and Correlation 143

A01_SHAR9122_03_SE_FM.indd 11 29/11/16 4:56 PM

Chapter 7 Introduction to Linear Regression 172

Part 2 Understanding Probability Distributions

Chapter 9 Random Variables and Probability Distributions 245

Chapter 10 Sampling Distributions 309

Chapter 11 Confidence Intervals for Proportions 336

Chapter 12 Testing Hypotheses About Proportions 363

A01_SHAR9122_03_SE_FM.indd 12 29/11/16 4:56 PM

Chapter 13 Confidence Intervals and Hypothesis Tests for Means 411

Chapter 14 Comparing Two Means 443

Chapter 15 Design of Experiments and Analysis of Variance (ANOVA) 487

Chapter 16 Inference for Counts: Chi-Square Tests 537

Chapter 17 Nonparametric Methods 566

Part 3 Exploring Relationships Among Variables

A01_SHAR9122_03_SE_FM.indd 13 29/11/16 4:56 PM

Chapter 19 Understanding Regression Residuals 643

Chapter 20 Multiple Regression 688

Chapter 21 Building Multiple Regression Models 726

Part 4 Using Statistics for Decision Making

Chapter 23 Decision Making and Risk 824

Chapter 24 Quality Control 848

A01_SHAR9122_03_SE_FM.indd 14 29/11/16 4:56 PM

Chapter 25 (Online) Introduction to Data Mining 886

A01_SHAR9122_03_SE_FM.indd 15 29/11/16 4:56 PM

Analyzing Data and

Daily Volume (billions)

For example Diamond prices

0.5 1.0 1.5 2.0

The Latest Technology

• Expanded coverage of the latest software includes

to use Excel to perform statistical analysis.

A01_SHAR9122_03_SE_FM.indd 16 29/11/16 4:56 PM

Learning Objectives data

Better Statistical Thinking

students to identify challenging issues and propose

A01_SHAR9122_03_SE_FM.indd 17 29/11/16 4:56 PM

A01_LO5943_03_SE_FM.indd iv 04/12/15 4:22 PM

What’s New in This Edition?

A01_SHAR9122_03_SE_FM.indd 19 29/11/16 4:56 PM

What We Retained in This Edition: Statistical Thinking

Our Goal: Read This Book!

A01_SHAR9122_03_SE_FM.indd 20 29/11/16 4:56 PM

A01_SHAR9122_03_SE_FM.indd 21 29/11/16 4:56 PM

Figure 1 Visual map of the links between chapters

Core Topics Optional Topics

First Semester Ch 1–5 Ch 6–7 Ch 8–9

Table 1 Chapter selection

A01_SHAR9122_03_SE_FM.indd 22 29/11/16 4:56 PM

A01_SHAR9122_03_SE_FM.indd 23 29/11/16 4:56 PM

A01_SHAR9122_03_SE_FM.indd 24 29/11/16 4:56 PM

Appena gli invitati se ne furono andati, mio padre si lasciò cadere su

• Expanded coverage of the latest software includes