(Original PDF) A Primer of Ecological

Statistics 2nd Edition

Visit to download the full and correct content document:
https://ebooksecure.com/download/original-pdf-a-primer-of-ecological-statistics-2nd-e
dition/
Who measures heaven, earth, sea, and sky
Thus seeking lore or gaiety
Let him beware a fool to be.
SEBASTIAN BRANT, Ship of Fools, 1494. Basel, Switzerland.

[N]umbers are the words without which exact description of any natural
phenomenon is impossible…. Assuredly, every objective phenomenon, of
whatever kind, is quantitative as well as qualitative; and to ignore the for-
mer, or to brush it aside as inconsequential, virtually replaces objective
nature by abstract toys wholly devoid of dimensions — toys that neither
exist nor can be conceived to exist.
E. L. MICHAEL, “Marine ecology and the coefficient of association: A plea in
behalf of quantitative biology,” 1920. Journal of Ecology 8: 54–59.

[W]e now know that what we term natural laws are merely statistical
truths and thus must necessarily allow for exceptions. …[W]e need the
laboratory with its incisive restrictions in order to demonstrate the invari-
able validity of natural law. If we leave things to nature, we see a very dif-
ferent picture: every process is partially or totally interfered with by
chance, so much so that under natural circumstances a course of events
absolutely conforming to specific laws is almost an exception.
CARL JUNG, Foreword to The I Ching or Book of Changes.Third Edition,
1950, translated by R. Wilhelm and C. F. Baynes. Bollingen Series XIX,
Princeton University Press.
Brief Contents

PART I
FUNDAMENTALS OF PROBABILITY AND
STATISTICAL THINKING
1 An Introduction to Probability 3
2 Random Variables and Probability Distributions 25
3 Summary Statistics: Measures of Location and Spread 57
4 Framing and Testing Hypotheses 79
5 Three Frameworks for Statistical Analysis 107
PART II
DESIGNING EXPERIMENTS
6 Designing Successful Field Studies 137
7 A Bestiary of Experimental and Sampling Designs 163
8 Managing and Curating Data 207
PART III
DATA ANALYSIS
9 Regression 239
10 The Analysis of Variance 289
11 The Analysis of Categorical Data 349
12 The Analysis of Multivariate Data 383
PART IV
ESTIMATION
13 The Measurement of Biodiversity 449
14 Detecting Populations and Estimating their Size 483
Appendix Matrix Algebra for Ecologists 523
Contents

PART I
Fundamentals of
Probability and
Statistical Thinking
CHAPTER 1
An Introduction to
Probability 3 Bayes’ Theorem 22
What Is Probability? 4 Summary 24
Measuring Probability 4
The Probability of a Single Event: CHAPTER 2
Prey Capture by Carnivorous Plants 4
Estimating Probabilities by Sampling 7
Random Variables and
Problems in the Definition of Probability 9 Probability Distributions 25
The Mathematics of Probability 11 Discrete Random Variables 26
Defining the Sample Space 11 Bernoulli Random Variables 26
Complex and Shared Events: Combining An Example of a Bernoulli Trial 27
Simple Probabilities 13 Many Bernoulli Trials = A Binomial Random
Probability Calculations: Milkweeds and Variable 28
Caterpillars 15 The Binomial Distribution 31
Complex and Shared Events: Rules for Poisson Random Variables 34
Combining Sets 18
An Example of a Poisson Random Variable:
Conditional Probabilities 21 Distribution of a Rare Plant 36

The Expected Value of a Discrete Random
Variable 39
The Variance of a Discrete Random Variable 39
Continuous Random Variables 41
Uniform Random Variables 42
The Expected Value of a Continuous Random
Variable 45
Normal Random Variables 46
Useful Properties of the Normal
Distribution 48
Other Continuous Random Variables 50
The Central Limit Theorem 53
Summary 54
CHAPTER 3
Summary Statistics: Measures
of Location and Spread 57
Measures of Location 58
The Arithmetic Mean 58
Other Means 60
Other Measures of Location: The Median and
the Mode 64
When to Use Each Measure of Location 65
Measures of Spread 66
The Variance and the Standard Deviation 66
The Standard Error of the Mean 67
Skewness, Kurtosis, and Central Moments 69
Quantiles 71
Using Measures of Spread 72
Some Philosophical Issues Surrounding
Summary Statistics 73
Confidence Intervals 74
Generalized Confidence Intervals 76
Summary 78
Contents ix
CHAPTER 4
Framing and Testing
Hypotheses 79
Scientific Methods 80
Deduction and Induction 81
Modern-Day Induction: Bayesian Inference 84
The Hypothetico-Deductive Method 87
Testing Statistical Hypotheses 90
Statistical Hypotheses versus Scientific
Hypotheses 90
Statistical Significance and P-Values 91
Errors in Hypothesis Testing 100
Parameter Estimation and Prediction 104
Summary 105
CHAPTER 5
Three Frameworks for
Statistical Analysis 107
Sample Problem 107
Monte Carlo Analysis 109
Step 1: Specifying the Test Statistic 111
Step 2: Creating the Null Distribution 111
Step 3: Deciding on a One- or Two-Tailed
Test 112
Step 4: Calculating the Tail Probability 114
Assumptions of the Monte Carlo Method 115
Advantages and Disadvantages of the Monte
Carlo Method 115
Parametric Analysis 117
Step 1: Specifying the Test Statistic 117
Step 2: Specifying the Null Distribution 119
Step 3: Calculating the Tail Probability 119
Assumptions of the Parametric Method 120
Advantages and Disadvantages of the
Parametric Method 121
x Contents
Non-Parametric Analysis: A Special Case of
Monte Carlo Analysis 121
Bayesian Analysis 122
Step 1: Specifying the Hypothesis 122
Step 2: Specifying Parameters as Random
Variables 125
Step 3: Specifying the Prior Probability
Distribution 125
PART II
Designing Experiments
CHAPTER 6
Designing Successful
Field Studies 137
What Is the Point of the Study? 137
Are There Spatial or Temporal Differences in
Variable Y? 137
What Is the Effect of Factor X on
Variable Y? 138
Are the Measurements of Variable Y Consistent
with the Predictions of Hypothesis H? 138
Using the Measurements of Variable Y,
What Is the Best Estimate of Parameter θ
in Model Z? 139
Manipulative Experiments 139
Natural Experiments 141
Snapshot versus Trajectory Experiments 143
The Problem of Temporal Dependence 144
Press versus Pulse Experiments 146
Replication 148
How Much Replication? 148
How Many Total Replicates Are Affordable? 149
The Rule of 10 150
Step 4: Calculating the Likelihood 129
Step 5: Calculating the Posterior Probability
Distribution 129
Step 6: Interpreting the Results 130
Assumptions of Bayesian Analysis 132
Advantages and Disadvantages of Bayesian
Analysis 133
Summary 133
Large-Scale Studies and Environmental
Impacts 150
Ensuring Independence 151
Avoiding Confounding Factors 153
Replication and Randomization 154
Designing Effective Field Experiments and
Sampling Studies 158
Are the Plots or Enclosures Large Enough to
Ensure Realistic Results? 158
What Is the Grain and Extent of the Study? 158
Does the Range of Treatments or Census
Categories Bracket or Span the Range of
Possible Environmental Conditions? 159
Have Appropriate Controls Been Established
to Ensure that Results Reflect Variation Only
in the Factor of Interest? 160
 Contents xi

Have All Replicates Been Manipulated in the CHAPTER 8

Same Way Except for the Intended
Treatment Application? 160
Have Appropriate Covariates Been Measured
in Each Replicate? 161
Summary 161
CHAPTER 7
A Bestiary of Experimental
and Sampling Designs 163
Categorical versus Continuous Variables 164
Dependent and Independent Variables 165
Four Classes of Experimental Design 165
Regression Designs 166
ANOVA Designs 171
Alternatives to ANOVA: Experimental
Regression 197
Tabular Designs 200
Alternatives to Tabular Designs: Proportional
Designs 203
Summary 204
Managing and Curating
Data 207
The First Step: Managing Raw Data 208
Spreadsheets 208
Metadata 209
The Second Step: Storing and Curating the
Data 210
Storage: Temporary and Archival 210
Curating the Data 211
The Third Step: Checking the Data 212
The Importance of Outliers 212
Errors 214
Missing Data 215
Detecting Outliers and Errors 215
Creating an Audit Trail 223
The Final Step: Transforming the Data 223
Data Transformations as a Cognitive Tool 224
Data Transformations because the Statistics
Demand It 229
Reporting Results: Transformed or Not? 233
The Audit Trail Redux 233
Summary: The Data Management Flow
Chart 235

PART III
Data Analysis
CHAPTER 9
Regression 239
Defining the Straight Line and Its Two
Parameters 239
Fitting Data to a Linear Model 241
Variances and Covariances 244
xii Contents
Least-Squares Parameter Estimates 246
Variance Components and the Coefficient of
Determination 248
Hypothesis Tests with Regression 250
The Anatomy of an ANOVA Table 251
Other Tests and Confidence Intervals 253
Assumptions of Regression 257
Diagnostic Tests For Regression 259
Plotting Residuals 259
Other Diagnostic Plots 262
The Influence Function 262
Monte Carlo and Bayesian Analyses 264
Linear Regression Using Monte Carlo
Methods 264
Linear Regression Using Bayesian Methods 266
Other Kinds of Regression Analyses 268
Robust Regression 268
Quantile Regression 271
Logistic Regression 273
Non-Linear Regression 275
Multiple Regression 275
Path Analysis 279
Model Selection Criteria 282
Model Selection Methods for Multiple
Regression 283
Model Selection Methods in Path Analysis 284
Bayesian Model Selection 285
Summary 287
CHAPTER 10
The Analysis of Variance 289
Symbols and Labels in ANOVA 290
ANOVA and Partitioning of the Sum of
Squares 290
The Assumptions of ANOVA 295
Hypothesis Tests with ANOVA 296
Constructing F-Ratios 298
A Bestiary of ANOVA Tables 300
Randomized Block 300
Nested ANOVA 302
Two-Way ANOVA 304
ANOVA for Three-Way and n-Way Designs 308
Split-Plot ANOVA 308
Repeated Measures ANOVA 309
ANCOVA 314
Random versus Fixed Factors in ANOVA 317
Partitioning the Variance in ANOVA 322
After ANOVA: Plotting and Understanding
Interaction Terms 325
Plotting Results from One-Way ANOVAs 325
Plotting Results from Two-Way ANOVAs 327
Understanding the Interaction Term 331
Plotting Results from ANCOVAs 333
Comparing Means 335
A Posteriori Comparisons 337
A Priori Contrasts 339
Bonferroni Corrections and the Problem of
Multiple Tests 345
Summary 348
CHAPTER 11
The Analysis of Categorical
Data 349
Two-Way Contingency Tables 350
Organizing the Data 350
Are the Variables Independent? 352
Testing the Hypothesis: Pearson’s Chi-square
Test 354
An Alternative to Pearson’s Chi-Square:
The G-Test 358

The Chi-square Test and the G-Test for R × C
Tables 359
Which Test To Choose? 363
Multi-Way Contingency Tables 364
Organizing the Data 364
On to Multi-Way Tables! 368
Bayesian Approaches to Contingency Tables 375
Tests for Goodness-of-Fit 376
Goodness-of-Fit Tests for Discrete
Distributions 376
Testing Goodness-of-Fit for Continuous
Distributions: The Kolmogorov-Smirnov
Test 380
Summary 382
CHAPTER 12
The Analysis of Multivariate
Data 383
Approaching Multivariate Data 383
The Need for Matrix Algebra 384
Comparing Multivariate Means 387
Comparing Multivariate Means of Two
Samples: Hotelling’s T 2 Test 387
Comparing Multivariate Means of More Than
Two Samples: A Simple MANOVA 390
PART IV
Estimation
CHAPTER 13
The Measurement of Biodiversity
449
Estimating Species Richness 450
Standardizing Diversity Comparisons through
Random Subsampling 453
Contents xiii
The Multivariate Normal Distribution 394
Testing for Multivariate Normality 396
Measurements of Multivariate Distance 398
Measuring Distances between Two
Individuals 398
Measuring Distances between Two Groups 402
Other Measurements of Distance 402
Ordination 406
Principal Component Analysis 406
Factor Analysis 415
Principal Coordinates Analysis 418
Correspondence Analysis 421
Non-Metric Multidimensional Scaling 425
Advantages and Disadvantages of Ordination
427
Classification 429
Cluster Analysis 429
Choosing a Clustering Method 430
Discriminant Analysis 433
Advantages and Disadvantages of
Classification 437
Multivariate Multiple Regression 438
Redundancy Analysis 438
Summary 444
xiv Contents

Rarefaction Curves: Interpolating Species
Richness 455
The Expectation of the Individual-Based Rar-
efaction Curve 459
Sample-Based Rarefaction Curves: Massachu-
setts Ants 461
Species Richness versus Species Density 465
The Statistical Comparison of Rarefaction
Curves 466
Assumptions of Rarefaction 467
Asymptotic Estimators: Extrapolating
Species Richness 470
Rarefaction Curves Redux: Extrapolation and
Interpolation 476
Estimating Species Diversity and Evenness
476
Hill Numbers 479
Software for Estimation of Species Diversity
481
Summary 482
CHAPTER 14
Detecting Populations
and Estimating their Size 483
Occupancy 485
The Basic Model: One Species, One Season,
Two Samples at a Range of Sites 487
Occupancy of More than One Species 493
A Hierarchical Model for Parameter Estima-
tion and Modeling 495
Occupancy Models for Open Populations 501
Dynamic Occupancy of the Adelgid in Massa-
chusetts 505
Estimating Population Size 506
Mark-Recapture: The Basic Model 507
Mark-Recapture Models for Open Populations
516
Occupancy Modeling and Mark-Recapture:
Yet More Models 518
Sampling for Occupancy and Abundance
519
Software for Estimating Occupancy and
Abundance 521
Summary 522
APPENDIX
Matrix Algebra for Ecologists 523
Glossary 535
Literature Cited 565
Index 583
Preface

What is the “added value” for readers in purchasing this Second Edition? For this
Second Edition, we have added a new Part 4, on “Estimation,” which includes
two chapters: “The Measurement of Biodiversity” (Chapter 13), and “Detect-
ing Populations and Estimating their Size” (Chapter 14). These two new chap-
ters describe measurements and methods that are beginning to be widely used
and that address questions that are central to the disciplines of community ecol-
ogy and demography. Some of the methods we describe have been developed
only in the last 10 years, and many of them continue to evolve rapidly.
The title of this new section, “Estimation,” reflects an ongoing shift in ecolo-
gy from testing hypotheses to estimating parameters. Although Chapter 3
describes summary measures of location and spread, most of the focus of the
First Edition—and of many ecological publications—is on hypothesis testing
(Chapter 4). In the two new chapters, we are more concerned with the process
of estimation itself, although the resulting estimators of biodiversity and pop-
ulation size certainly can be used in conventional statistical tests once they are
calculated. It is useful to think of biodiversity and population sizes as latent or
unknown “state variables.” We want to measure these things, but it is impossi-
ble to find and tag all of the trout in a stream or discover all of the species of ants
that lurk in a bog. Instead, we work only with small samples of diversity, or lim-
ited collections of marked animals, and we use these samples to estimate the
“true” value of the underlying state variables. The two new chapters are united
not only by their focus on estimation, but also by their common underlying sta-
tistical framework: methods for asymptotic estimators of species richness dis-
cussed in Chapter 13 were derived from methods developed for mark-recapture
studies discussed in Chapter 14. We hope the methods described in these two
chapters will provide some fresh statistical tools for ecologists to complement
the more classical topics we cover in Chapters 1–12.
Chapter 13 begins with what seems like a relatively simple question: how
many species are there in an assemblage? The central problem is that nature is
xvi Preface

(still) vast, our sample of its diversity is tiny, and there are always many rare and
undetected species. Moreover, because the number of species we count is heav-
ily influenced by the number of individuals and samples we have collected, the
data must be standardized for meaningful comparisons. We describe methods
for both interpolation (rarefaction) and extrapolation (asymptotic species rich-
ness estimators) to effectively standardize biodiversity comparisons. We also
advocate the use of Hill numbers as a class of diversity indices that have useful
statistical properties, although they too are subject to sampling effects. We thank
Anne Chao, Rob Colwell, and Lou Jost for their ongoing collaboration, as well
as their insights, extended correspondence, and important contributions to the
literature on biodiversity estimation.
In Chapter 14, we delve deeper into the problem of incomplete detection,
addressing two main questions. First, how do we estimate the probability that
we can detect a species, given that it is actually present at a site? Second, for a
species that is present at a site, how large is its population? Because we have a
limited sample of individuals that we can see and count, we must first estimate
the detection probability of an individual species before we can estimate the size
of its population. Estimates of occupancy probability and population size are
used in quantitative models for the management of populations of both rare
and exploited species. And, just as we use species richness estimators to extrap-
olate beyond our sample, we use estimates from occupancy models and mark-
recapture studies to extrapolate and forecast what will happen to these popula-
tions as, for example, habitats are fragmented, fishing pressure increases, or the
climate changes. We thank Elizabeth Crone, Dave Orwig, Evan Preisser, and Rui
Zhang for letting us use some of their unpublished data in this chapter and for
discussing their analyses with us. Bob Dorazio and Andy Royle discussed these
models with us; they, along with Evan Cooch, have developed state-of-the-art
open-source software for occupancy modeling and mark-recapture analysis.
In this edition, we have also corrected numerous minor errors that astute read-
ers have pointed out to us over the past 8 years. We are especially grateful for the
careful reading of Victor Lemes Landeiro, who, together with his colleagues Fabri-
cio Beggiato Baccaro, Helder Mateus Viana Espirito Santo, Miriam Plaza Pinto,
and Murilo Sversut Dias, translated the entire book into Portuguese. Specific con-
tributions of these individuals, and all the others who sent us comments and
pointed out errors, are noted in the Errata section of the book’s website (har-
vardforest.fas.harvard.edu/ellison/publications/primer/errata). Although we have
corrected all errors identified in the first edition, others undoubtedly remain
(another problem in detection probability); please contact us if you find any.
All code posted on the Data and Code section of the book’s website (har-
vardforest.fas.harvard.edu/ellison/publications/primer/datafiles) that we used
 Preface xvii

for the analyses in the book has been updated and reworked in the R program-
ming language (r-project.org). In the time since we wrote the first edition, R has
become the de facto standard software for statistical analysis and is used by most
ecologists and statisticians for their day-to-day analytical work. We have pro-
vided some R scripts for our figures and analyses, but they have minimal anno-
tation, and there are already plenty of excellent resources available for ecologi-
cal modeling and graphics with R.
Last but not least, we thank Andy Sinauer, Azelie Aquadro, Joan Gemme, Chris
Small, Randy Burgess, and the entire staff at Sinauer Associates for carefully edit-
ing our manuscript pages and turning them into an attractive book.1

Preface to the First Edition

Why another book on statistics? The field is already crowded with texts on bio-
metry, probability theory, experimental design, and analysis of variance. The
short answer is that we have yet to find a single text that meets the two specific
needs of ecologists and environmental scientists. The first need is a general intro-
duction to probability theory including the assumptions of statistical inference
and hypothesis testing. The second need is a detailed discussion of specific
designs and analyses that are typically encountered in ecology.
This book reflects several collective decades of teaching statistics to under-
graduate and graduate students at the University of Oklahoma, the University
of Vermont, Mount Holyoke College, and the Harvard Forest. The book repre-
sents our personal perspective on what is important at the interface of ecology
and statistics and the most effective way to teach it. It is the book we both wish
we had in our hands when we started studying ecology in college.
A “primer” suggests a short text, with simple messages and safe recommen-
dations for users. If only statistics were so simple! The subject is vast, and new
methods and software tools for ecologists appear almost monthly. In spite of the
book’s length (which stunned even us), we still view it as a distillation of statis-
tical knowledge that is important for ecologists. We have included both classic
expositions as well as discussions of more recent methods and techniques. We
hope there will be material that will appeal to both the neophyte and the expe-
rienced researcher. As in art and music, there is a strong element of style and
personal preference in the choice and application of statistics. We have explained
our own preferences for certain kinds of analyses and designs, but readers and
users of statistics will ultimately have to choose their own set of statistical tools.

1
And for dealing with all of the footnotes!
xviii Preface

How To Use This Book

In contrast to many statistics books aimed at biologists or ecologists—“biome-
try” texts—this is not a book of “recipes,” nor is it a set of exercises or problems
tied to a particular software package that is probably already out of date.
Although the book contains equations and derivations, it is not a formal statis-
tical text with detailed mathematical proofs. Instead, it is an exposition of basic
and advanced topics in statistics that are important specifically for ecologists
and environmental scientists. It is a book that is meant to be read and used, per-
haps as a supplement to a more traditional text, or as a stand-alone text for
students who have had at least a minimal introduction to statistics. We hope this
book will also find a place on the shelf (or floor) of environmental profession-
als who need to use and interpret statistics daily but who may not have had
formal training in statistics or have ready access to helpful statisticians.
Throughout the book we make extensive use of footnotes. Footnotes give us
a chance to greatly expand the material and to talk about more complex issues
that would bog down the flow of the main text. Some footnotes are purely his-
torical, others cover mathematical and statistical proofs or details, and others
are brief essays on topics in the ecological literature. As undergraduates, we both
were independently enamored of Hutchinson’s classic An Introduction to Popu-
lation Biology (Yale University Press 1977). Hutchinson’s liberal use of footnotes
and his frequent forays into history and philosophy served as our stylistic model.
We have tried to strike a balance between being concise and being thor-
ough. Many topics recur in different chapters, although sometimes in slightly
different contexts. Figure and table legends are somewhat expansive because they
are meant to be readable without reference to the text. Because Chapter 12
requires matrix algebra, we provide a brief Appendix that covers the essentials
of matrix notation and manipulation. Finally, we have included a comprehen-
sive glossary of terms used in statistics and probability theory. This glossary may
be useful not only for reading this book, but also for deciphering statistical meth-
ods presented in journal articles.

Mathematical Content
Although we have not shied away from equations when they are needed, there
is considerably less math here than in many intermediate level texts. We also try
to illustrate all methods with empirical analyses. In almost all cases, we have used
data from our own studies so that we can illustrate the progression from raw
data to statistical output.
Although the chapters are meant to stand alone, there is considerable cross-
referencing. Chapters 9–12 cover the traditional topics of many biometry texts
and contain the heaviest concentration of formulas and equations. Chapter 12,
 Preface xix

on multivariate methods, is the most advanced in the book. Although we have

tried to explain multivariate methods in plain English (no easy task!), there is
no way to sugar-coat the heavy dose of matrix algebra and new vocabulary nec-
essary for multivariate analysis.

Coverage and Topics

Statistics is an evolving field, and new methods are always being developed to
answer ecological questions. This text, however, covers core material that we
believe is foundational for any statistical analysis. The book is organized around
design-based statistics—statistics that are to be used with designed observational
and experimental studies. An alternative framework is model-based statistics,
including model selection criteria, likelihood analysis, inverse modeling, and
other such methods.
What characterizes the difference between these two approaches? In brief,
design-based analyses primarily address the problem of P(data | model): assess-
ing the probability of the data given a model that we have specified. An impor-
tant element of design-based analysis is being explicit about the underlying
model. In contrast, model-based statistics address the problem of P (model |
data)—that is, assessing the probability of a model given the data that are pres-
ent. Model-based methods are often most appropriate for large datasets that may
not have been collected according to an explicit sampling strategy.
We also discuss Bayesian methods, which somewhat straddle the line between
these two approaches. Bayesian methods address P(model | data), but can be
used with data from designed experiments and observational studies.
The book is divided into three parts. Part I discusses the fundamentals of
probability and statistical thinking. It introduces the logic and language of prob-
ability (Chapter 1), explains common statistical distributions used in ecology
(Chapter 2), and introduces important measures of location and spread (Chap-
ter 3). Chapter 4 is more of a philosophical discussion about hypothesis testing,
with careful explanations of Type I and Type II errors and of the ubiquitous
statement that “P < 0.05.” Chapter 5 closes this section by introducing the three
major paradigms of statistical analysis (frequentist, Monte Carlo, and Bayesian),
illustrating their use through the analysis of a single dataset.
Part II discusses how to successfully design and execute observational studies
and field experiments. These chapters contain advice and information that is to
be used before any data are collected in the field. Chapter 6 addresses the practi-
cal problems of articulating the reason for the study, setting the sample size, and
dealing with independence, replication, randomization, impact studies, and envi-
ronmental heterogeneity. Chapter 7 is a bestiary of experimental designs. How-
ever, in contrast to almost all other texts, there are almost no equations in this
xx Preface

chapter. We discuss the strengths and weaknesses of different designs without get-
ting bogged down in equations or analysis of variance (ANOVA) tables, which
have mostly been quarantined in Part III. Chapter 8 addresses the problem of
how to curate and manage the data once it is collected. Transformations are intro-
duced in this chapter as a way to help screen for outliers and errors in data tran-
scription. We also stress the importance of creating metadata—documentation
that accompanies the raw data into long-term archival storage.
Part III discusses specific analyses and covers the material that is the main
core of most statistics texts. These chapters carefully develop many basic models,
but also try to introduce some more current statistical tools that ecologists and
environmental scientists find useful. Chapter 9 develops the basic linear regres-
sion model and also introduces more advanced topics such as non-linear, quan-
tile, and robust regression, and path analysis. Chapter 10 discusses ANOVA (analy-
sis of variance) and ANCOVA (analysis of covariance) models, highlighting which
ANOVA model is appropriate for particular sampling or experimental designs.
This chapter also explains how to use a priori contrasts and emphasizes plotting
ANOVA results in a meaningful way to understand main effects and interaction
terms. Chapter 11 discusses categorical data analysis, with an emphasis on chi-
square analysis of one- and two-way contingency tables and log-linear modeling
of multi-way contingency tables. The chapter also introduces goodness-of-fit tests
for discrete and continuous variables. Chapter 12 introduces a variety of multi-
variate methods for both ordination and classification. The chapter closes with an
introduction to redundancy analysis, a multivariate analog of multiple regression.

About the Cover

The cover is an original still life by the ecologist Elizabeth Farnsworth, inspired
by seventeenth-century Dutch still-life paintings. Netherlands painters, includ-
ing De Heem, Claesz, and Kalf, displayed their skill by arranging and painting
a wide range of natural and manmade objects, often with rich allusions and hid-
den symbolism. Elizabeth’s beautiful and biologically accurate renderings of
plants and animals follow a long tradition of biological illustrators such as Dürer
and Escher. In Elizabeth’s drawing, the centerpiece is a scrolled pen-and-paper
illustration of Bayes’ Theorem, an eighteenth-century mathematical exposi-
tion that lies at the core of probability theory. Although modern Bayesian meth-
ods are computationally intensive, an understanding of Bayes’ Theorem still
requires pen-and-paper contemplation.
Dutch still lifes often included musical instruments, perhaps symbolizing the
Pythagorean beauty of music and numbers. Elizabeth’s drawing incorporates
Aaron’s bouzouki, as the writing of this book was interwoven with many ses-
sions of acoustic music with Aaron and Elizabeth.
 Preface xxi

The human skull is the traditional symbol of mortality in still life paintings.
Elizabeth has substituted a small brain coral, in honor of Nick’s early disserta-
tion work on the ecology of subtropical gorgonians. In light of the current world-
wide collapse of coral reefs, the brain coral seems an appropriate symbol of mor-
tality. In the foreground, an Atta ant carries a scrap of text with a summation
sign, reminding us of the collective power of individual ant workers whose
summed activities benefit the entire colony. As in early medieval paintings, the
ant is drawn disproportionately larger than the other objects, reflecting its dom-
inance and importance in terrestrial ecosystems. In the background is a speci-
men of Sarracenia minor, a carnivorous plant from the southeastern U.S. that
we grow in the greenhouse. Although Sarracenia minor is too rare for experi-
mental manipulations in the field, our ongoing studies of the more common
Sarracenia purpurea in the northeastern U.S. may help us to develop effective
conservation strategies for all of the species in this genus.
The final element in this drawing is a traditional Italian Renaissance chick-
en carafe. In the summer of 2001, we were surveying pitcher plants in remote
bogs of the Adirondack Mountains. At the end of a long field day, we found our-
selves in a small Italian restaurant in southern Vermont. Somewhat intemper-
ately, we ordered and consumed an entire liter-sized chicken carafe of Chianti.
By the end of the evening, we had committed ourselves to writing this book, and
“The Chicken”—as we have always called it—was officially hatched.

Acknowledgments
We thank several colleagues for their detailed suggestions on different chap-
ters: Marti Anderson (11, 12), Jim Brunt (8), George Cobb (9, 10), Elizabeth
Farnsworth (1–5), Brian Inouye (6, 7), Pedro Peres-Neto (11,12), Catherine
Potvin (9, 10), Robert Rockwell (1–5), Derek Roff (original book proposal),
David Skelly (original book proposal), and Steve Tilley (1–5). Laboratory dis-
cussion groups at the Harvard Forest and University of Vermont also gave us
feedback on many parts of the book. Special kudos go to Henry Horn, who read
and thoroughly critiqued the entire manuscript. We thank Andy Sinauer, Chris
Small, Carol Wigg, Bobbie Lewis, and Susan McGlew of Sinauer Associates, and,
especially, Michele Ruschhaupt of The Format Group for transforming pages of
crude word-processed text into an elegant and pleasing book.
The National Science Foundation supports our research on pitcher plants,
ants, null models, and mangroves, all of which appear in many of the examples
in this book. The University of Vermont and the Harvard Forest, our respective
home institutions, provide supportive environments for book writing.
PART I
Fundamentals of
Probability and
Statistical Thinking
Another random document with
no related content on Scribd:
Dat de hertog een speler was, die zijn vrouw had genomen om haar
geld en dat geld met handen vol het venster uit had gesmeten,
zoodra hij het onder zijn bereik had gekregen.

Dat de hertogin eensklaps van de onderste rangen der samenleving

tot invloed en rang was geklommen en dat haar snelle stijging eerst
tot rijkdom en later tot den hoogsten stand in den lande haar hoofd
waarschijnlijk op hol en haarzelve in den waan gebracht had, dat ze
alles straffeloos mocht en kon doen.

Rijkdom en titel hadden haar denkvermogen van streek gebracht.

Zij, de hertogin, had te laat ontdekt, dat ze een dwaasheid had

gedaan, toen zij den hertog trouwde, die haar niet liefhad en niet
achtte.

Ze waren nog geen jaar getrouwd geweest en toch had hij reeds een
belangrijk gedeelte van haar onmetelijk fortuin verdobbeld en
verkwist.

Iedereen wist nu te vertellen, dat de hertogin begonnen was als

dagmeisje in een kommensalenhuis en tot rijkdom gekomen door
haar broeder, een gewoon Londensch werkman, die zijn vak geleerd
had als smidsjongen en later als gasfitter.

Velen wisten het met volkomen zekerheid te zeggen, dat de hertogin

lezen noch schrijven kon; terwijl anderen in bedekte termen te
verstaan gaven, dat haar verandering van naam, bij het verhuizen
naar New-York, haar grond vond in dingen, die in fatsoenlijk
gezelschap niet met name genoemd konden worden.

Maar als vaststaande wist een ieder, zoowel in de salons van West-
End als aan de bars in de burgerwijken te vertellen, dat de hertogin
haar man vergiftigd had, omdat zijn dobbelen en zijn losbandigheid
haar ergerden en omdat hij haar al te duidelijk en te gauw had laten
gevoelen, dat hij niet haarzelf, maar haar geld had getrouwd.

De eenige vraag, die de menschen overwogen en bespraken was:

„Waarom heeft ze hem vergiftigd?”

Niemand echter kwam op de gedachte om de vraag te stellen, die

toch allereerst had behooren te worden gedaan:

„Heeft ze hem wel vergiftigd?”

De nieuwsbladen rakelden alle mogelijke voorvallen op van eigen en

vreemden bodem, waarin hooggeplaatste giftmengers of
moordenaressen van aanzien een rol hadden gespeeld.

Zij liepen de zaak vooruit door de vermoedelijke toedracht [18]en het

vermoedelijke vonnis te fingeeren en bewerkten de openbare
meening, door verhalen van gelijksoortige gevallen in den breede op
te disschen, blijkbaar overtuigd, dat iedereen de strekking wel zou
begrijpen en het verband weten te vinden.

Voor Lily zelf waren deze dagen van angstig wachten onuitsprekelijk
droevig.

Maar zij hield zich goed; zoo goed als zij kon.

Èn toch!

De aanklacht was van dien aard, dat zij wel in staat moest zijn om
elke vrouw, de sterkste niet uitgezonderd, van schrik en ontsteltenis
te doen verstommen.

Toen Lily het gedetailleerd verslag van de lijkschouwing hoorde

voorlezen, hoe ongelooflijk schenen toen alle omstandigheden in
elkander te vatten; hoe gemakkelijk te verklaren dacht het haar toen,
dat een ieder aan haar schuld geloofde.

De geneesheeren—de gerechtelijke scheikundigen—de

verpleegsters—de detectives—de dienstboden—allen hadden
onderdeelen te vertellen van dezelfde geschiedenis; onderdeelen, die
elkander aanvulden en versterkten en die onveranderlijk hierop
neerkwamen:

De hertogin heeft haar echtgenoot vergiftigd!

Bertie was vergiftigd! Dat stond vast! Ook bij haar!

Maar wie ter wereld kon dat gedaan hebben?

En waarom?

Niet voordat zijzelve dit raadsel had vermogen op te lossen zou zij
zich schoon gewasschen achten in de oogen der menschen,—ook al
mocht het haar gelukken, door de rechters te worden vrijgesproken
bij gebrek aan voldoende bewijzen.

De arme vrouw begreep wel, dat de schijn fel tegen haar was, maar
dat iemand in volle ernst haar kon verdenken van Bertie te hebben
vergiftigd, dat wilde haar maar niet klaar worden.

De gedachte alleen was zoo monsterachtig slecht en wreed.

Wat haar echter het meest van alles deed ontstellen, was niet de
ontdekking, dat de buitenwereld haar wel degelijk verdacht, maar dat
haar eigen rechtsgeleerde raadslieden, de mannen, die haar zaken
zouden behartigen en verdedigen, klaarblijkelijk geen geloof sloegen
aan de betuigingen van onschuld van hun cliënt.

Lily zelve verdacht niemand.

Maar toch begreep ook zij, dat iemand het gedaan moest hebben—
hetzij dan de verpleegster of de dokter of een van de dienstboden of
wie dan ook,—maar één van allen moest de morphine hebben
gemengd in Berties voedsel.

Lily’s gedachten dwaalden terug naar de tijden, toen ze als de

eenvoudige miss Baker in deze zelfde stad, waarin ze thans zoo
nameloos, zoo onduldbaar veel te lijden had, kamers verhuurde.

Toen kwelden haar wel eens geldelijke zorgen; toen moest ze niet
zelden rekenen en nog eens rekenen om de maand uit te komen
zonder schulden te hebben gemaakt bij bakker, slager of kruidenier.

Wat leken die kleine, peuterige zorgen haar nu belachelijk.

Hoe had ze toch ooit kunnen tobben over zulke nietige, onbelangrijke
dingen!

Hoe had ze er toch ooit een zwaar hoofd in kunnen hebben, dat al die
kleinigheden niet terecht kwamen, in orde werden gebracht.

En ze dacht aan de leveranciers, die haar destijds hunne waren

leverden; ze haalde zich hun gelaatstrekken weer voor den geest.

En ook dacht ze aan de personen, die ze had bediend, en toen

verrees daar in haar verbeelding de nobele figuur van den
donkeroogigen student John Williams, den sympathieken jongeman,
die haar in haar huis in Onslow Gardens kwam bezoeken, omdat hij,
„als oude kennis” het zoo onaangenaam had gevonden, haar te
moeten begroeten op den soirée van lady Simpson te midden van het
banale gebabbel der gasten.

Lily herinnerde zich, hoe onhebbelijk Bertie haar dien middag had
bejegend in het bijzijn van den bezoeker, en hoe hij dien bijna
vijandig tegemoet was getreden.
Haar gedachten gingen terug naar al die andere keeren, dat de
hertog haar onhebbelijk had behandeld, onrechtvaardig ruw had
bejegend.

En ten slotte bleef zij zich in haar geest wederom bezighouden met
lord Aberdeen. Ze dacht terug aan dien slanken jongeman met de
doordringende en toch zoo trouwe oogen en het was haar als een
geruststelling, waarvan ze zich geen verklaring kon geven, dat ze
wist, dat lord Aberdeen haar niet had vergeten.

In zijn wijde „dievenjas” gehuld, zooals Charly Brand het kleedingstuk

van John C. Raffles betitelde, had lord Lister zich op weg begeven.
Nadat hij ongeveer een kwartier had voortgeloopen, nam hij een cab
en in die cab reed hij nog een groot half uur.

Daarna stapte hij uit, betaalde den koetsier met [19]een goede fooi en
liep nog vijf minuten door. Toen was hij, waar hij moest zijn.

Het huis in de dwarsstraat, dat het einddoel van zijn tocht was, was
laag van verdieping.

Lord Lister drukte drie keer op de electrische bel en toen uit een raam
van de eerste en eenige verdieping een hoofd werd gestoken, riep
hij: „Varken en koe!”

„All right,” klonk de stem terug en geen twee minuten later werd de
deur geopend, juist zoover als noodig was om den slanken bezoeker
door te laten.

„Bonjour, Hoper,” zei de nieuw aangekomene.

„Goeden middag, sir,” antwoordde de stem van den man uit het lage
huisje, „ik hoorde al aan de manier, waarop u het wachtwoord riept,
dat u het waart, graaf Harrison. Ik heb u in geen tijden gezien. Komt u
zaken doen?”

„Ja, Arthur, er moet worden ingebroken.”

„En dan komt u bij den chef van het vak, nietwaar sir?”

De „chef van het vak” zag er volstrekt niet uit, zooals onze lezers zich
hem misschien zullen voorstellen: een boeventronie met platten
neus, breeden mond, laag voorhoofd en dikke wenkbrauwen. De
„chef” was een goed gekleed man, met het voorkomen van een heer,
die beleefd boog en onmiskenbaar goede manieren had. Maar de
goede opmerker—en Arthur Hopers bezoeker was een uitnemend
observator—zag ook de weinig goeds beduidende uitdrukking in de
loerende, groene oogen van den „chef” en het leelijke lachje, dat
speelde in de hoeken van zijn dikke lippen, een lachje, dat sprak van
de grootste onbeschaamdheid.

„Kom binnen, graaf,” noodde Hoper, „ik was juist aan m’n brandy-
soda. Is er veel te verdienen?”

„Ja.”

De oogen van den inbreker glinsterden.

„En is ’t werk gevaarlijk?”

„Neen. Niet voor jou. Je hebt er enkel maar zorg voor te dragen, dat
de pakken, die ik je misschien zal aanreiken, zoo gauw mogelijk in
veiligheid worden gebracht.”

Het gelaat van den „chef” betrok desondanks.

„Loopt ’t erg in den kijker?” vroeg hij. „Heel Scotland Yard weet, dat ik
een van de gevaarlijksten van ons vak ben. Alle detectives hebben
me in hun boekje en weten op een prikje te vertellen, dat Arthur
Hoper „meneer de inbreker” is.”

Hij richtte zich in zijn volle lengte op en keek zijn bezoeker ernstig
aan.

„Als de politie me in handen krijgt, graaf, dan laat ze mij niet weer los,
en dan kon het wel eens wezen, dat ze u ook in de kladden kreeg.
Wat zou dan ’t eind van ’t liedje zijn, graaf?”

„Je waagt niets, Hoper, dat kan ik je verzekeren en ik zou in dezen je

hulp niet hebben ingeroepen, als ik die niet inderdaad noodig had.
Hoe ben je eensklaps zoo bang geworden?”

De „chef van het vak” keek den ander verbaasd aan.

„Heb je van den dood van hertog Silverton gelezen?” vroeg de

„graaf.”

„Alle duivels uit de hel! Die arme Bertie! Och graaf, u weet, dat al de
Silvertons vroeg aan hun eindje komen en als zijn vrouw het niet hem
gedaan had, dan zou—die.…..”

„Hou je mond!” viel de „graaf” in.

„’t Is anders jammer van de hertogin!

„Ik heb haar eens gezien bij de Derby-rennen. Ze zag er allemachtig

goed uit. Die zal nou heel wat jaartjes te brommen krijgen. Al neemt
ze nòg zoo’n knap advocaat, vrij krijgen doet-ie ’r toch niet! Ik
verzeker je graaf, dat ik, stevig vermomd, de rechtszitting zal
bijwonen.”

„Ken je het huis, waar de hertog is gestorven?”

„Asjeblieft graaf! Arthur kent alle voorname huizen in Londen!”

„Onze onderneming is van een beetje griezeligen aard.”

De bezoeker keek om zich heen en sprak toen op fluisterenden toon:

„We zijn hier toch onbespied?”

„We zijn hier zoo veilig als in de Bank, meneer!”

Hij nam wederom een grooten slok uit het grocglas en sprak toen met
een aanmoedigend gebaar tot zijn bezoeker:

„Heeft het zaakje wat te maken met hertogin Silverton? Hebt u die
flauwe kletspraatjes in de kranten gelezen over de hertogin? Wat
maken ze weer een kabaal, die dagbladen. Wie het meeste kabaal
maakt, heet de knapste en best ingelichte. Ze hebben al heel wat
over ’r geschreven, graaf. Eerst toen ze uit Amerika naar hier kwam!
Toen was ’t niets dan goeds en moois, wat ze van haar te vertellen
hadden en nou ze haar hoogvereerden heer gemaal zoo’n kool heeft
gestoofd, laten ze geen haar goed an d’r. En als de zaak eerst voor
de rechtbank komt, dan begint het [20]ware pas, dan wordt alles
haarfijn uitgeplozen.”

En Arthur Hoper sloot één oog om des te beter de opstijgende

koolzuurbelletjes in zijn glas te kunnen waarnemen, trok de lippen
samen en floot zachtjes een deuntje.

„Je bekendheid met de hertogelijke woning komt me uitstekend van

pas,” vervolgde nu de graaf. „Is ze van de achterzijde te bereiken?”

„Ja, dat is ze.

„De „chef” weet alles, graaf.

„Luister!
„Aan de achterzijde van de prachtige huizen in Onslow Gardens vindt
men een doorloopend zinken plat, een soort terras of platform.

„Dit plat verbindt de huizen onderling en wordt gevormd door de

daken der uitgebouwde tuinkamers, die maar één verdieping hoog
zijn, zoodat men, door uit een der vensters van de eerste verdieping
te klimmen, gemakkelijk op het terras kan komen.

„En dat tref je nou bijzonder prachtig, graaf, want twee huizen
verwijderd van Silvertons woning, dient een vriendin van me als
kamenier. Ze woont op nummer twintig en ze zal me natuurlijk helpen
bij mijn uitstapje.”

Hier daalde het gesprek tot den fluistertoon en nadat „de graaf” nog
eenigen tijd met den „chef van het vak” had gesproken en hem ten
slotte een banknoot van twintig pond in de hand had gedrukt, na
welke geste de „chef” hoffelijk boog, verliet Raffles het lage huis in de
dwarsstraat, waar hij met Arthur Hoper zulke eigenaardige „zaken”
had gedaan.

Een uur later trad lord Lister zijn woning in Regent Park weer binnen.
Hij was van de onaanzienlijke zijstraat naar huis teruggewandeld,
want hij voelde behoefte om de koele voorjaarslucht langs zijn
voorhoofd te voelen strijken.

De oude James vertelde hem, dat mister Brand was uitgegaan en

eerst tegen het diner thuis zou komen.

Ook lord Lister verliet reeds een kwartier later weer het „Vossenhol”,
zooals hij en Charly de veilige villa bij voorkeur noemden.

Hij was nu gekleed in een zwarte winterjas en droeg daarbij weer den
gladden cylinder.
De rechterhand met fijne castoorleeren handschoen omklemde den
gouden knop van een ebbenhouten wandelstok.

Lord Lister begaf zich naar het gebouw van de „Club of Lords.”

Hij wist, dat hier op dezen tijd van den dag, het gewone bitteruur der
heeren, druk bezoek zou zijn en dit was het juist, wat hij noodig had.

Daar, te midden der praatgrage jonge en oudere heeren, wenschte hij

eenigen tijd te vertoeven.

Toen hij binnentrad was reeds het gesprek der clubleden in vollen
gang.

Raffles zag eenige kennissen, die met hoogroode kleur en druk

gesticuleerend zaten te betoogen en weer anderen, die schenen op
te komen tegen de meening van hen, met wie zij een twistgesprek
voerden.

En aldra vernam hij nu, dat zijn vermoeden was bewaarheid.

Men sprak slechts over één ding; over den vreemden, plotselingen
dood van Bertie Silverton.

Basil Malwood zat omringd door een aantal oudere heeren.

„Wat mij betreft,” hoorde Raffles den hooggeplaatsten ambtenaar van

het handels-ministerie zeggen, „ik heb dien grootvader van Silverton
nog heel even gekend. Die man heeft zich indertijd allerellendigst
gedragen.

„Hij heeft zich zelf van het leven beroofd, maar als hij dat noodig
oordeelde, dan had hij toch minstens de moeite kunnen nemen om
een stukje papier na te laten, waarom hij het gedaan had, al was het
maar alleen om anderen voor verdenking te vrijwaren.
„Iemand, die zichzelf te kort doet, begaat onrecht tegenover zichzelf!”

„Volkomen waar, mr. Berton,” sprak nu graaf Simkins, „en bovendien

vind ik, dat iemand, die zelfmoord pleegt en den schijn laat bestaan,
dat hij vermoord werd, zeer onrechtvaardig is jegens anderen!”

„Wel,” sprak nu Basil Malwood, „ik ben het volstrekt niet met de
heeren eens. Ik vind het al erg genoeg, als iemand zich van kant
moet maken. Waarom zou hij dan bovendien nog schande moeten
brengen over zijn familie?

„Toen ik eens, jaren terug, het zal nu vijf of zes jaar geleden zijn, met
Bertie Silverton in de „Kaart en de Dobbelsteen” over een dergelijk
onderwerp sprak, was hij het volkomen met mij eens.”

„Wat beweerde hij dan?” klonk plotseling de sonore stem van lord
Aberdeen, die zoojuist de clubzaal was binnengekomen en
stilzwijgend gedurende de laatste vijf minuten het gesprek der heeren
had aangehoord.

„Wat beweerde Silverton destijds, mr. Malwood?”

Basil kreeg een kleur. [21]

Hij hield niet van de doordringende oogen en het strenge

ondervragen van den ernstigen lord.

Maar juist in de oogen van dien man, dien hij onwillekeurig als zijn
meerdere erkende, trachtte hij steeds een zoo goed mogelijk figuur te
slaan en daarom antwoordde hij op gewichtigen toon:

„Hertog Silverton beweerde destijds, dat hij, àls hij eens er toe zou
moeten overgaan, zichzelven van kant te maken, waartoe hij
misschien door geldgebrek nog wel eens zou kunnen komen, hij
evenmin een briefje na zou laten om zichzelf aan te klagen en de
nieuwsgierigheid van anderen te bevredigen.”

„Volkomen juist!” viel lord Crofton bij, „men moet ieder laten raden,
hoe en waarom het gebeurd is en als de menschen het niet kunnen
gissen, dan moeten ze het maar blauw-blauw laten.”

„De Silvertons,” sprak Basil, „zagen er ook niet tegenop, als hun de
wind wat al te vinnig tegen was.

„En dat wist de heele wereld. Bertie maakte er nooit een geheim van,
dat spel en zelfmoord in zijn geslacht inheemsch waren.

„Ze verkwistten hun vermogen en dan sneden ze zich den hals af.
Dat is bij hen de gewone loop van zaken.

„Zoodra het hoofd van het geslacht „op” is, trouwt zijn opvolger een
rijke erfgename, speelt en drinkt tot alles weg is en dan … hetzelfde
programma weer opnieuw. Zoodra zoo iemand zijn laatste bezitting
verdobbeld heeft of genoeg heeft van zijn vrouw of zijn jaloezie voelt
opgewekt—volgt hij het doorluchtig voorbeeld van zijn voorgangers,
snijdt zich den hals af en—’t is uit!”

De tachtigjarige graaf Mortby boog zich voorover en wendde zich tot

den vraagbaak van het gezelschap, tot Basil, die alle
schandaalnieuwtjes in voorraad scheen te hebben.

„Is het waar,” informeerde hij en zijn spitse neus stak puntig naar
voren, „is het waar, dat de hertog zijn gemalin haatte, hoewel zij een
engel van goedheid en liefde was?”

Basil haalde de schouders op.

„Rechtstreeks heb ik dit nooit vernomen,” sprak hij met een gewichtig
air, „maar het tegendeel is me toch ook nooit ter oore gekomen.
„Wel weet ik, dat hij de laatste tijden weer ontzettend grof heeft
gepeeld.”

„En gelukkig?”

„Integendeel, voortdurend verloren.”

„Maar dat kon hem met de onmetelijke rijkdommen, die zijn vrouw
hem heeft meegebracht, toch niet deeren,” beweerde graaf Mortby
weer.

Basil lachte geheimzinnig.

Hij wachtte eenige oogenblikken, voordat hij antwoordde, toen sprak

hij langzaam:

„Och, ook aan de grootste rijkdommen komt eenmaal een einde, en

zeer zeker als ze in handen vervallen van iemand als Silverton was.”

Lord Aberdeen mengde zich niet meer in het gesprek, maar van
alles, wat in dit bitteruur werd gesproken over den plotselingen dood
van den hertog, ontging hem geen woord en vooral schonk hij
bijzondere aandacht aan alles, wat de gladde tong van Malwood met
blijkbaar welgevallen er uit flapte.

Toen hij ongeveer een uur in den leeren fauteuil had zitten luisteren
en een groot aantal sigaretten in rook had doen opgaan, stond hij
langzaam op, dronk zijn portglas leeg en riep den kellner, die ijlings
toeschoot met de jas en den cylinder van zijn lordschap.

Toen reed Edward Lister terug naar Regent Park waar hij om zes uur
met Charly het middagmaal gebruikte. [22]
[Inhoud]
ZESDE HOOFDSTUK.
 De vermomming.

„Edward, ik heb voor vanavond twee plaatsen genomen in het

Empire-theater.

„Het feëen-ballet gaat voor ’t eerst en je zult me toch moeten

toegeven, met al de liefde, die je voor het kikkerlandje koestert, dat
zóó iets ons in Nederland niet wordt geboden.

„De onkosten van zoo’n ballet beloopen zooveel duizenden, dat zelfs
het Circus aan den Amstel die kosten er nooit zou kunnen uithalen.

„Met veel moeite heb ik nog twee logeplaatsen voor jou en mij
kunnen machtig worden.”

Glimlachend keek de Groote Onbekende zijn opgewonden vriend

aan.

Toen sprak hij:

„Het spijt mij, Charly, maar ik zal er vanavond geen gebruik van
kunnen maken. Neem een van je Clubvrienden mee, mijn jongen.”

Een uitdrukking van groote teleurstelling verscheen op het blozende

gelaat van den jongen secretaris.

„Om het jou naar den zin te maken, Edward, gaat boven mijn
krachten. Nu verheugde ik er mij reeds den geheelen middag op, jou
eens een prettige verrassing te bezorgen en het loopt weer op niets
uit. Waarom ga je niet mee?”

„Ik heb mijn avond bezet,—dringende bezigheden!” was alles wat

Raffles antwoordde.
Toen zweeg Charly.

Met een zucht nam hij een Havanna van het rooktafeltje en nadat hij
dezen had opgerookt, onder het genot van een kopje koffie, stond hij
op om zich te gaan kleeden.

Vóórdat hij de deur der kamer achter zich sloot, bleef hij nog even
staan, keek zijn vriend met vragenden blik aan en sprak:

„Denk je alweer thuis te zijn als ik terugkom uit het empire-theater?”

„Waarschijnlijk ben ik dan pas vertrokken.

„Haast je dus mijnentwege niet. En nu veel genoegen, mijn jongen!”

Edward Lister bleef alleen achter in het rustige vertrek, waar

boekenrijen de wanden bedekten en het electrische licht getemperd
werd door zachtgroene kappen.

Hij strekte de beenen languit, leunde behaaglijk achterover in den

wijden clubfauteuil en opende de portefeuille, gevuld met kostbare
reproducties, welke zooeven voor hem was aangekomen.

Zoozeer was hij verdiept in het beschouwen van de zeldzaam mooie

kunstwerken, dat hij verbaasd opkeek, toen de Westminster klok op
den schoorsteen met zilveren tonen tien sloeg.

Voorzichtig borg hij de platen weer in de groote portefeuille, wierp het

overblijfsel van zijn sigaret in den brandenden haard en verliet de
studeerkamer.

De deur, door welke lord Lister was verdwenen, gaf toegang tot een
eigenaardig vertrek.

Deze kamer was rechthoekig van vorm en ingericht als een

eenvoudige kleedkamer.
Een wit porseleinen waschbak met warm- en koudwaterkranen was
aangebracht in het midden van een der lange wanden.

Bovenaan in dienzelfden muur bevonden zich twee niet al te groote

vensters, zóó hoog, dat men er onmogelijk van buitenaf door zou
kunnen kijken. Nu, terwijl het licht brandde in de kamer, waren deze
vensters bedekt door dikke donkergroene gordijnen.

Links van het waschbekken aan denzelfden muur stond een breede
toilettafel, waarboven een groote spiegel hing, terwijl de korte wand,
die daaraan grensde en die zich tegenover de toegangsdeur naar de
studeerkamer bevond, door één bijzonder grooten [23]spiegel in zeer
smalle zwarte lijst in beslag werd genomen.

De lange wand tegenover de ramen scheen bij den eersten

oogopslag ongebruikt te zijn gebleven.

Bij nadere beschouwing echter ontdekte men de smalle kieren van

deuren en wanneer deze geopend waren, zag men één
doorloopende, reusachtige kast.

Lord Lister had de eenige deur, die toegang gaf tot deze kleedkamer,
zorgvuldig achter zich gesloten en begaf zich naar de, door twee, aan
weerszijden aangebrachte lampen uitstekend verlichte toilettafel.

Het was een vreemde verzameling, die men daarop zag, als bestemd
om gebruikt te worden door een acteur.

Potjes schmink, stiften Oost-Indische inkt, handen-wit, rouge en

poeder in verschillende tinten, potjes cosmetiek en vaseline,
haarkleurmiddelen en lippen-rood stonden daar in keurige orde
bijeen.

Penseelen van velerlei dikte, om de wenkbrauwen en wimpers bij te

werken of rimpels aan te brengen en een glazen stopflesch vol
sneeuwwitte watten bedekten het marmeren blad van de tafel.

Nadat Raffles zich van zijn bovenkleeren had ontdaan, ging hij op
den stoel vóór de toilettafel zitten en keek een oogenblik peinzend in
den spiegel.

Plotseling scheen hij een besluit te hebben genomen. Hij schoof zijn
stoel achteruit, trok de lade van de toilettafel open en haalde er zijn
scheergereedschap uit te voorschijn.

En geen tien minuten later was het intelligente gelaat van den
Grooten Onbekende, waarop zooeven het donkere snorretje de
bovenlip nog had bedekt, geheel kaalgeschoren.

„Het moet maar, over een paar weken is het wel weer aangegroeid,”
glimlachte hij tegen zijn spiegelbeeld.

Toen haalde hij uit een lade van de reusachtige kleerkast een
rossigen baard met snor te voorschijn en bovendien een pruik van
vlasblonde krullen.

Nadat hij deze toiletartikelen op het marmeren blad van de tafel had
neergelegd, begaf hij zich nogmaals naar de kleedkast en thans
kwam hij terug met een zeer klein en zeer zwart pakje kleeren in de
rechterhand.

Een half uur later trad een zonderlinge gedaante, lang en smal van
lijn, met een boosaardige uitdrukking om de lippen, het vertrek
binnen, waar oude James zijn avondkrant zat te lezen, terwijl de
echtgenoote van den trouwen bediende ijverig piekerde op een paar
huispantoffels, die zij bezig was te borduren voor haar man.

Een diepe stem vroeg:

„Woont hier de Groote Onbekende Raffles?”

Oude Mary wilde juist verschrikt opspringen en luidkeels om hulp
schreeuwen, toen James met een guitig trekje om zijn ingevallen
mond opstond en een stoel bij de tafel zette.

„Ja,” zei hij en even trilden zijn neusvleugels. „Die woont hier, maar of
hij voor u te spreken is, zou ik niet durven zeggen. U bent zeker
inspecteur Baxter van Scotland Yard?

„Ik heb mijn meester al dikwijls over u hooren spreken en altijd met
den grootsten eerbied. Als hij u van dienst kan zijn, zal hij zeker niet
in gebreke blijven.”

De oude wilde nog voortgaan, maar door een handbeweging van den
roodharige, wiens zwarte oogen glinsterden van ingehouden pret,
zweeg hij.

Terzelfder tijd verdwenen pruik, baard en snor van het gelaat van den
vermeenden indringer en kwam het gladde, jolige gezicht van lord
Edward Lister van onder de vermomming te voorschijn.

„Wel, heb ik van mijn leven!” zuchtte oude Mary en haar angstig
gelaat klaarde heelemaal op. „Al zou het mij mijn leven gekost
hebben, ik had den lord niet herkend! Wat ziet mijnheer er uit! De lord
is in dat pakje zoo glad als een aal!”

„Meneer is altijd een gladekker,” lachte oude James. „Maar,” voegde

hij er bij en zijn gelaat teekende misnoegen, toen hij naar het
nauwsluitende zwart-tricot pak keek, dat zoo glad de slanke leden
van den lord omspande, „had meneer geen mooier pakje kunnen
uitzoeken? U hebt er wel honderd in de kast hangen en nou kiest u
dat leelijke zwarte doodgraverspak.”

„Meneer gaat zeker naar een bal-masqué,” voegde oude Mary erbij.