Fundamentals of Statistics 5th Edition

(eBook PDF)
Visit to download the full and correct content document:
https://ebooksecure.com/download/fundamentals-of-statistics-5th-edition-ebook-pdf/
 F U N DAM E N TA L S O F

Get the Most Out of

MyStatLab ®
STATISTICS
INFORMED DECISIONS USING DATA 5e

INFORMED DECISIONS USING DATA

FUNDAMENTALS OF STATISTICS
MyStatLab is the leading online homework, tutorial, and assessment
program designed to help you learn and understand statistics. Michael Sullivan, III
S Personalized and adaptive learning
S Interactive practice with immediate feedback
S Multimedia learning resources
S Complete eText
S Mobile-friendly design
S Full access to StatCrunch

MyStatLab is available for this textbook.

To learn more, visit www.mystatlab.com

5e
ISBN-13: 978-0-13-450830-6
ISBN-10: 0-13-450830-0
9 0 0 0 0
SULLIVAN

9 780134 508306
 This page intentionally left blank

561590_MILL_MICRO_FM_ppi-xxvi.indd 2 24/11/14 5:26 PM

 Contents
Preface to the Instructor xi
Resources for Success xvi
Applications Index xxi

PART 1 Getting the Information You Need 1

Data Collection 2
1.1 Introduction to the Practice of Statistics 3
1 1.2
1.3
Observational Studies versus Designed Experiments
Simple Random Sampling 21
14

1.4 Other Effective Sampling Methods 28

1.5 Bias in Sampling 36
1.6 The Design of Experiments 42
Chapter 1 Review 52
Chapter Test 55
Making an Informed Decision: What College Should I Attend? 57
Case Study: Chrysalises for Cash (Online)

PART 2 Descriptive Statistics 59

Summarizing Data in Tables and Graphs 60
2.1 Organizing Qualitative Data 61
2 2.2
2.3
Organizing Quantitative Data 74
Graphical Misrepresentations of Data 94
Chapter 2 Review 103
Chapter Test 107
Making an Informed Decision: Tables or Graphs? 109
Case Study: The Day the Sky Roared (Online)

Numerically Summarizing Data 110

3.1 Measures of Central Tendency 111
3 3.2
3.3
Measures of Dispersion 124
Measures of Central Tendency and
Dispersion from Grouped Data 140
3.4 Measures of Position and Outliers 147
3.5 The Five-Number Summary and Boxplots 157
Chapter 3 Review 165
Chapter Test 169
Making an Informed Decision: What Car Should I Buy? 171
Case Study: Who Was “A Mourner”? (Online)

vii

A02_SULL8306_05_AIE_FM_ppi-xxvi.indd 7 24/09/16 12:24 PM

 viii CONTENTS

Describing the Relation between Two Variables 172

4.1 Scatter Diagrams and Correlation 173
4 4.2
4.3
Least-Squares Regression 189
The Coefficient of Determination 203
4.4 Contingency Tables and Association 209
Chapter 4 Review 220
Chapter Test 225
Making an Informed Decision: Relationships among Variables
on a World Scale 226
Case Study: Thomas Malthus, Population, and Subsistence (Online)

PART 3 Probability and Probability Distributions 227

Probability 228
5.1 Probability Rules 229
5 5.2
5.3
The Addition Rule and Complements 244
Independence and the Multiplication Rule 255
5.4 Conditional Probability and the General Multiplication Rule 261
5.5 Counting Techniques 271
5.6 Putting It Together: Which Method Do I Use? 284
Chapter 5 Review 289
Chapter Test 293
Making an Informed Decision: The Effects of Drinking and
Driving 294
Case Study: The Case of the Body in the Bag (Online)

Discrete Probability Distributions 296

6.1 Discrete Random Variables 297
6 6.2 The Binomial Probability Distribution
Chapter 6 Review 323
308

Chapter Test 326

Making an Informed Decision: Should We Convict? 327
Case Study: The Voyage of the St. Andrew (Online)

The Normal Probability Distribution 328

7 7.1
7.2
Properties of the Normal Distribution 329
Applications of the Normal Distribution 339
7.3 Assessing Normality 350
7.4 The Normal Approximation to the Binomial
Probability Distribution 355
Chapter 7 Review 360
Chapter Test 363
Making an Informed Decision: Stock Picking 364
Case Study: A Tale of Blood Chemistry (Online)

A02_SULL8306_05_AIE_FM_ppi-xxvi.indd 8 24/09/16 12:24 PM

 CONTENTS ix

PART 4 Inference: From Samples to Population 365

Sampling Distributions 366
8.1 Distribution of the Sample Mean 367
8 8.2 Distribution of the Sample Proportion 380
Chapter 8 Review 387
Chapter Test 389
Making an Informed Decision: How Much Time Do You Spend
in a Day … ? 390
Case Study: Sampling Distribution of the Median (Online)

Estimating the Value of a Parameter 391

9.1 Estimating a Population Proportion 392
9 9.2
9.3
Estimating a Population Mean 406
Putting It Together: Which Procedure Do I Use? 420
Chapter 9 Review 423
Chapter Test 426
Making an Informed Decision: How Much Should I Spend for this
House? 427
Case Study: Fire-Safe Cigarettes (Online)

Hypothesis Tests Regarding a Parameter 428

10.1 The Language of Hypothesis Testing 429
10 10.2 Hypothesis Tests for a Population Proportion 436
10.3 Hypothesis Tests for a Population Mean 450
10.4 Putting It Together: Which Method Do I Use? 460
Chapter 10 Review 463
Chapter Test 466
Making an Informed Decision: Selecting a Mutual Fund 467
Case Study: How Old Is Stonehenge? (Online)

Inferences on Two Samples 468

11.1 Inference about Two Population Proportions 469
11 11.2 Inference about Two Means: Dependent Samples 480
11.3 Inference about Two Means: Independent Samples 491
11.4 Putting It Together: Which Method Do I Use? 502
Chapter 11 Review 507
Chapter Test 510
Making an Informed Decision: Which Car Should I Buy? 512
Case Study: Control in the Design of an Experiment (Online)

A02_SULL8306_05_AIE_FM_ppi-xxvi.indd 9 24/09/16 12:25 PM

 x Contents

Additional Inferential Techniques 513

12.1 Goodness-of-Fit Test 514
12 12.2 Tests for Independence and the Homogeneity
of Proportions 527
12.3 Testing the Significance of the Least-Squares Regression
Model 542
12.4 Confidence and Prediction Intervals 556
Chapter 12 Review 562
Chapter Test 566
Making an Informed Decision: Benefits of College 568
Case Study: Feeling Lucky? Well, Are You? (Online)

Appendix A Tables A-1

Appendix B Additional Topics at

www.pearsonhighered.com/sullivanstats B-1
B.1 Lines B-1
B.2 Estimating a Population Standard Deviation B-6
B.3 Hypothesis Tests for a Population Standard Deviation B-12
B.4 Inference about Two Population Proportions:
Dependent Samples B-17
B.5 Inference about Two Population Standard Deviations B-22
B.6 Comparing Three or more Means (One-Way Analysis of Variance) B-31

Answers ANS-1
Photo Credits PC-1
Index I-1

A02_SULL8306_05_AIE_FM_ppi-xxvi.indd 10 29/09/16 2:18 PM

 Preface to the Instructor
Capturing a Powerful and Exciting
Discipline in a Textbook
Statistics is a powerful subject, and it is one of my passions.
Bringing my passion for the subject together with my desire
to create a text that would work for me, my students, and
my school led me to write the first edition of this textbook.
It continues to motivate me as I reflect on changes in
students, in the statistics community, and in the world
around us.
When I started writing, I used the manuscript of this text
in class. My students provided valuable, insightful feedback,
and I made adjustments based on their comments. In many
respects, this text was written by students and for students.
I also received constructive feedback from a wide range of
statistics faculty, which has refined ideas in the book and
in my teaching. I continue to receive valuable feedback
from both faculty and students, and this text continues
to evolve with the goal of providing clear, concise, and
readable explanations, while challenging students to think
statistically.
In writing this edition, I continue to make a special
effort to abide by the Guidelines for Assessment and
Instruction in Statistics Education (GAISE) for the college
introductory course endorsed by the American Statistical
Association (ASA). The GAISE Report, which has been
updated in 2016, gives six recommendations for the course:
1. Emphasize statistical literacy and develop statistical
thinking
2. Use real data in teaching statistics
3. Stress conceptual understanding
4. Foster active learning
5. Use technology for developing conceptual understanding
6. Use assessments to improve and evaluate student
learning
Changes to this edition and the hallmark features of the
text reflect a strong adherence to these important GAISE
guidelines.
Putting It Together
When students are learning statistics, often they struggle
with seeing the big picture of how it all fits together. One
of my goals is to help students learn not just the important
concepts and methods of statistics but also how to put
them together.
At the front of the text, you’ll see a pathway that provides
a guide for students as they navigate through the process of
learning statistics. The features and chapter organization in
the fifth edition reinforce this important process.
New to This Edition
• Over 350 New and Updated Exercises The fifth edition
makes a concerted effort to require students to write a
few sentences that explain the results of their statistical
A02_SULL8306_05_AIE_FM_ppi-xxvi.indd 11
analysis. To reflect this effort, the answers in the back
of the text provide recommended explanations of the
statistical results. In addition, exercises have been
written to require students to understand pitfalls in
faulty statistical analysis.
• Over 100 New and Updated Examples The examples
continue to engage and provide clear,concise explanations
for the students while following the Problem, Approach,
Solution presentation. Problem lays out the scenario of
the example, Approach provides insight into the thought
process behind the methodology used to solve the
problem, and Solution goes through the solution utilizing
the methodology suggested in the approach.
• Videos The suite of videos available with this edition
has been extensively updated. Featuring the author
and George Woodbury, there are both instructional
videos that develop statistical concepts and example
videos. Most example videos have both by-hand
solutions and technology solutions (where applicable).
In addition, each Chapter Test problem has video
solutions available.
• Retain Your Knowledge A new problem type. The
Retain Your Knowledge problems occur periodically at
the end of section exercises. These problems are meant
to assist students in retaining skills learned earlier in the
course so that the material is fresh for the final exam.
• Big Data Problems Data is ubiquitous today. The ability
to collect data from a variety of sources has resulted in
very large data sets. While analysis of data sets with tens
of thousands of observations with thousands of variables
is not practical at the introductory level, it is important
for students to analyze data sets with more than fifty
observations. These problems are marked with a icon
and the data is available at www.pearsonhighered.com/
sullivanstats.
• Technology Help in MyStatLab Problems in MyStatLab
that may be analyzed using statistical packages now have
an updated technology help feature. Marked with a
icon, this features provides step-by-step instructions on
how to obtain results using StatCrunch, TI-84 Plus/TI-84
Plus C, and Excel.
• Instructor Resource Guide The Instructor Resource
Guide provides an overview of the chapter. It also de-
tails points to emphasize within each section and sugges-
tions for presenting the material. In addition, the guide
provides examples that may be used in the classroom.
Hallmark Features
• Student Activity Workbook The updated activity
workbook contains many in-class activities that may be
used to enhance your students’ conceptual understanding
of statistical concepts. The activities involve many
tactile and applet-based simulations. Applets for the
activities may be found at www.pearsonhighered.com/
sullivanstats. In addition, the activity workbook
xi
24/09/16 12:25 PM
 xii PREFACE TO THE INSTRUCTOR
includes many exercises that introduce simulation and
randomization methods for statistical inference.
• Chapter 10 has simulation techniques that are
powerful introductions to the logic of hypoth-
esis testing. There are two activities that utilize
simulation techniques. It also contains an activity on
using Bootstrapping to test hypotheses for a single
mean.
• Chapter 11 has randomization techniques for an-
alyzing the difference of two proportions and the
difference of two means. There are four activities
for analyzing the difference of two proportions and
two activities for analyzing the difference of two
means.
• Chapter 12 has randomization techniques for an-
alyzing the strength of association between two
quantitative variables. There are two activities for a
randomization test for correlation.
The workbook is accompanied by an instructor resource
guide with suggestions for incorporating the activities into
class.
• Because the use of Real Data piques student interest
and helps show the relevance of statistics, great efforts
have been made to extensively incorporate real data in
the exercises and examples.
• Putting It Together sections appear in Chapters 5, 9,
10, and 11. The problems in these sections are meant to
help students identify the correct approach to solving
a problem. Many new exercises have been added to
these sections that mix in inferential techniques from
previous sections. Plus, there are new problems that
require students to identify the inferential technique
that may be used to answer the research objective (but
no analysis is required). For example, see Problems 23 to
25 in Section 10.4.
• Step-by-Step Annotated Examples guide a student
from problem to solution in three easy-to-follow steps.
• “Now Work” problems follow most examples so
students can practice the concepts shown.
• Multiple types of Exercises are used at the end of sections
and chapters to test varying skills with progressive levels
of difficulty. These exercises include Vocabulary and
Skill Building, Applying the Concepts, and Explaining
the Concepts.
• Chapter Review sections include:
• Chapter Summary.
• A list of key chapter Vocabulary.
• A list of Formulas used in the chapter.
• Chapter Objectives listed with corresponding re-
view exercises.
• Review Exercises with all answers available in the
back of the book.
• Chapter Test with all answers available in the back
of the book. In addition, the Chapter Test problems
have video solutions available.
A02_SULL8306_05_AIE_FM_ppi-xxvi.indd 12
Integration of Technology
This book can be used with or without technology. Should
you choose to integrate technology in the course, the
following resources are available for your students:
• Technology Step-by-Step guides are included in
applicable sections that show how to use Minitab®,
Excel®, the TI-83/84, and StatCrunch to complete
statistics processes.
• Any problem that has 12 or more observations in the data
set has a icon indicating that data set is included on the
companion website (http://www.pearsonhighered.com/
sullivanstats) in various formats. Any problem that
has a very large data set that is not printed in the text
has a icon, which also indicates that the data set
is included on the companion website. These data sets
have many observations and often many variables.
• Where applicable, exercises and examples incorporate
output screens from various software including
Minitab, the TI-83/84 Plus C, Excel, and StatCrunch.
• Twenty new Applets are included on the companion
website and connected with certain activities from
the Student Activity Workbook, allowing students to
manipulate data and interact with animations. See the
front inside cover for a list of applets.
• Accompanying Technology Manuals are available that
contain detailed tutorial instructions and worked out
examples and exercises for the TI-83/84 and TI-89 and
Excel.
Companion Website Contents
• Data Sets
• Twenty new Applets (See description on the insert in
front of the text.)
• Formula Cards and Tables in PDF format
• Additional Topics Folder including:
• Review of Lines
• Estimating a Population Standard Deviation
• Hypothesis Tests for a Population Standard
Deviation
• Inference about Two Population Proportions:
Dependent Samples
• Inference about Two Population Standard Deviations
• Comparing Three or More Means (One-Way
Analysis of Variance)
• A copy of the questions asked on the Sullivan Statistics
Survey I and Survey II
• Consumer Reports projects that were formerly in the text
• Case Studies for each chapter
Key Chapter Content Changes
Chapter 1 Data Collection
The chapter now includes an expanded discussion of con-
founding, including a distinction between lurking variables
and confounding variables.
24/09/16 12:25 PM

Chapter 4 Describing the Relation
between Two Variables
The conditional bar graphs in Section 4.4 have been
drawn so that each category of the explanatory variable is
grouped. This allows the student to see the complete distri-
bution of each category of the explanatory variable. In ad-
dition, the material now includes stacked (or segmented)
conditional bar graphs.
Chapter 6 Discrete Probability Distributions
The graphical representation of discrete probability distri-
butions no longer is presented as a probability histogram.
Instead, the graph of a discrete probability distribution is
presented to emphasize that the data is discrete. Therefore,
the graph of discrete probability distributions is drawn using
vertical lines above each value of the random variable to a
height that is the probability of the random variable.
Chapter 7 The Normal Probability
Distribution
The assessment of normality of a random variable using
normal probability plots has changed. We no longer rely on
normal probability plots drawn using Minitab. Instead, we
utilize the correlation between the observed data and normal
scores.This approach is based upon the research of S.W.Looney
and T. R. Gulledge in their paper, “Use of the Correlation
Coefficient with Normal Probability Plots,” published in the
American Statistician. This material may be skipped with-
out loss of continuity (especially for those who postponed
the material in Chapter 4). Some problems from Chapter 9
through 13 may need to be skipped or edited, however.
Chapter 9 Estimating the Value
of a Parameter
The Putting It Together section went through an extensive
renovation of the exercises. Emphasis is placed on
identifying the variable of interest in the study (in particular,
whether the variable is qualitative or quantitative). In
addition, there are problems that simply require the student
to identify the type of interval that could be constructed to
address the research concerns.
Chapter 10 Hypothesis Testing Regarding
a Parameter
The Putting It Together section went through an extensive
revision. Again, emphasis is placed on identifying the
variable of interest in the study. The exercises include a mix
A02_SULL8306_05_AIE_FM_ppi-xxvi.indd 13
PREFACE TO THE INSTRUCTOR xiii
of hypothesis tests and confidence intervals. Plus, there are
problems that require the student to identify the type of
inference that could be constructed to address the research.
Chapter 11 Inference on Two Samples
The material on inference for two dependent population pro-
portions is now covered in Section B.4 utilizing the chi-square
distribution. As in Chapter 9 and Chapter 10, the Putting It
Together section’s exercises were revised extensively. There is
a healthy mix of two-sample and single-sample analysis (both
hypothesis tests and confidence intervals). This will help stu-
dents to develop the ability to determine the type of analysis
required for a given research objective.
Chapter 12 Comparing Three or More
Means
In Section 12.2, we now emphasize how to distinguish
between the chi-square test for independence and the chi-
square test for homogeneity of proportions.
Flexible to Work with Your Syllabus
To meet the varied needs of diverse syllabi, this book has
been organized to be flexible.
You will notice the “Preparing for This Section”
material at the beginning of each section, which will tip
you off to dependencies within the course. The two most
common variations within an introductory statistics course
are the treatment of regression analysis and the treatment
of probability.
• Coverage of Correlation and Regression The text was
written with the descriptive portion of bivariate data
(Chapter 4) presented after the descriptive portion of
univariate data (Chapter 3). Instructors who prefer
to postpone the discussion of bivariate data can skip
Chapter 4 and return to it before covering Section 12.3.
• Coverage of Probability The text allows for light to
extensive coverage of probability. Instructors wishing
to minimize probability may cover Section 5.1 and
skip the remaining sections. A mid-level treatment
of probability can be accomplished by covering
Sections 5.1 through 5.3. Instructors who will cover the
chi-square test for independence will want to cover
Sections 5.1 through 5.3. In addition, an instructor
who will cover binomial probabilities will want to
cover independence in Section 5.3 and combinations
in Section 5.5.
24/09/16 12:25 PM
 xiv PREFACE TO THE INSTRUCTOR

Acknowledgments demonstrate her expertise; Tamela Ambush, who provided

Textbooks evolve into
their final form through the
efforts and contributions
of many people. First and
foremost, I would like to
thank my family, whose
dedication to this project was
just as much theirs as mine:
my wife, Yolanda, whose words of encouragement and
support were unabashed, and my children, Michael, Kevin,
and Marissa, who have been supportive throughout their
childhood and now into adulthood (my how time flies).
I owe each of them my sincerest gratitude. I would also
like to thank the entire Mathematics Department at Joliet
Junior College and my colleagues who provided support,
ideas, and encouragement to help me complete this project.
From Pearson Education: I thank Patrick Barbera, whose
editorial expertise has been an invaluable asset; Deirdre
Lynch, who has provided many suggestions that clearly
organizational skills that made this project go smoothly;
Tiffany Bitzel and Andrew Noble, for their marketing savvy
and dedication to getting the word out; Vicki Dreyfus, for
her dedication in organizing all the media; Rose Kernan,
for her ability to control the production process; Dana
Bettez for her editorial skill with the Instructor’s Resource
Guide; and the Pearson sales team, for their confidence
and support of this book.
I also want to thank Ryan Cromar, Susan Herring, Craig
Johnson, Kathleen McLaughlin, Alana Tuckey, and Dorothy
Wakefield for their help in creating supplements. A big
thank-you goes to Brad Davis and Jared Burch, who assisted
in verifying answers for the back of the text and helped in
proofreading. I would also like to acknowledge Kathleen
Almy and Heather Foes for their help and expertise in
developing the Student Activity Workbook. Finally, I would
like to thank George Woodbury for helping me with the
incredible suite of videos that accompanies the text. Many
thanks to all the reviewers, whose insights and ideas form
the backbone of this text. I apologize for any omissions.

CALIFORNIA Charles Biles, Humboldt State University • Carol Curtis, Fresno City College • Jacqueline Faris, Modesto
Junior College • Freida Ganter, California State University–Fresno • Sherry Lohse, Napa Valley College • Craig Nance,
Santiago Canyon College • Diane Van Deusen, Napa Valley College COLORADO Roxanne Byrne, University of Colorado–
Denver CONNECTICUT Kathleen McLaughlin, Manchester Community College • Dorothy Wakefield, University
of Connecticut • Cathleen M. Zucco Teveloff, Trinity College DISTRICT OF COLUMBIA Monica Jackson, American
University • Jill McGowan, Howard University FLORIDA Randall Allbritton, Daytona Beach Community College • Greg
Bloxom, Pensacola State College • Anthony DePass, St. Petersburgh College Clearwater • Kelcey Ellis, University of Central
Florida • Franco Fedele, University of West Florida • Laura Heath, Palm Beach Community College • Perrian Herring,
Okaloosa Walton College • Marilyn Hixson, Brevard Community College • Daniel Inghram, University of Central Florida •
Philip Pina, Florida Atlantic University • Mike Rosenthal, Florida International University • James Smart, Tallahassee
Community College GEORGIA Virginia Parks, Georgia Perimeter College • Chandler Pike, University of Georgia • Jill
Smith, University of Georgia • John Weber, Georgia Perimeter College HAWAII Eric Matsuoka at Leeward Community
College IDAHO K. Shane Goodwin, Brigham Young University • Craig Johnson, Brigham Young University • Brent
Timothy, Brigham Young University • Kirk Trigsted, University of Idaho ILLINOIS Grant Alexander, Joliet Junior College •
Kathleen Almy, Rock Valley College • John Bialas, Joliet Junior College • Linda Blanco, Joliet Junior College • Kevin
Bodden, Lewis & Clark Community College • Rebecca Bonk, Joliet Junior College • Joanne Brunner, Joliet Junior College •
James Butterbach, Joliet Junior College • Robert Capetta, College of DuPage • Elena Catoiu, Joliet Junior College • Faye
Dang, Joliet Junior College • Laura Egner, Joliet Junior College • Jason Eltrevoog, Joliet Junior College • Erica Egizio, Lewis
University • Heather Foes, Rock Valley College • Randy Gallaher, Lewis & Clark Community College • Melissa Gaddini,
Robert Morris University • Iraj Kalantari, Western Illinois University • Donna Katula, Joliet Junior College • Diane Long,
College of DuPage • Heidi Lyne, Joliet Junior College • Jean McArthur, Joliet Junior College • Patricia McCarthy, Robert
Morris University • David McGuire, Joliet Junior College • Angela McNulty, Joliet Junior College • Andrew Neath, Southern
Illinois University-Edwardsville • Linda Padilla, Joliet Junior College • David Ruffato, Joliet Junior College • Patrick
Stevens, Joliet Junior College • Robert Tuskey, Joliet Junior College • Stephen Zuro, Joliet Junior College INDIANA Susitha
Karunaratne, Purdue University North Central • Jason Parcon, Indiana University–Purdue University Ft. Wayne • Henry
Wakhungu, Indiana University KANSAS Donna Gorton, Butler Community College • Ingrid Peterson, University of Kansas
LOUISIANA Melissa Myers, University of Louisiana at Lafayette MARYLAND Nancy Chell, Anne Arundel Community
College • John Climent, Cecil Community College • Rita Kolb, The Community College of Baltimore County • Jignasa
Rami, Community College of Baltimore County • Mary Lou Townsend, Wor-Wic Community College MASSACHUSETTS
Susan McCourt, Bristol Community College • Daniel Weiner, Boston University • Pradipta Seal, Boston University of
Public Health MICHIGAN Margaret M. Balachowski, Michigan Technological University • Diane Krasnewich, Muskegon
Community College • Susan Lenker, Central Michigan University • Timothy D. Stebbins, Kalamazoo Valley Community
College • Sharon Stokero, Michigan Technological University • Alana Tuckey, Jackson Community College MINNESOTA
Mezbhur Rahman, Minnesota State University MISSOURI Farroll Tim Wright, University of Missouri–Columbia
NEBRASKA Jane Keller, Metropolitan Community College NEW YORK Jacob Amidon, Finger Lakes Community College •

A02_SULL8306_05_AIE_FM_ppi-xxvi.indd 14 24/09/16 12:25 PM

 PREFACE TO THE INSTRUCTOR xv

Stella Aminova, Hunter College • Jennifer Bergamo, Onondaga Community College • Kathleen Cantone, Onondaga
Community College • Pinyuen Chen, Syracuse University • Sandra Clarkson, Hunter College of CUNY • Rebecca Daggar,
Rochester Institute of Technology • Bryan Ingham, Finger Lakes Community College • Anne M. Jowsey, Niagara County
Community College • Maryann E. Justinger, Erie Community College–South Campus • Bernadette Lanciaux, Rochester
Institute of Technology • Kathleen Miranda, SUNY at Old Westbury • Robert Sackett, Erie Community College–North
Campus • Sean Simpson, Westchester Community College • Bill Williams, Hunter College of CUNY NORTH CAROLINA
Fusan Akman, Coastal Carolina Community College • Mohammad Kazemi, University of North Carolina–Charlotte •
Janet Mays, Elon University • Marilyn McCollum, North Carolina State University • Claudia McKenzie, Central Piedmont
Community College • Said E. Said, East Carolina University • Karen Spike, University of North Carolina–Wilmington •
Jeanette Szwec, Cape Fear Community College NORTH DAKOTA Myron Berg, Dickinson State University • Ronald
Degges, North Dakota State University OHIO Richard Einsporn, The University of Akron • Michael McCraith, Cuyaghoga
Community College OREGON Daniel Kim, Southern Oregon University • Jong Sung Kin, Portland State University
SOUTH CAROLINA Diana Asmus, Greenville Technical College • Dr. William P. Fox, Francis Marion University •
Cheryl Hawkins, Greenville Technical College • Rose Jenkins, Midlands Technical College • Lindsay Packer, College of
Charleston • Laura Shick, Clemson University TENNESSEE Tim Britt, Jackson State Community College • Nancy Pevey,
Pellissippi State Technical Community College • David Ray, University of Tennessee–Martin TEXAS Edith Aguirre, El
Paso Community College • Ivette Chuca, El Paso Community College • Aaron Gutknecht, Tarrant County College • Jada
Hill, Richland College • David Lane, Rice University • Alma F. Lopez, South Plains College • Shanna Moody, University
of Texas at Arlington UTAH Joe Gallegos, Salt Lake City Community College • Alia Maw, Salt Lake City Community
College VIRGINIA Kim Jones, Virginia Commonwealth University • Vasanth Solomon, Old Dominion University WEST
VIRGINIA Mike Mays, West Virginia University WISCONSIN William Applebaugh, University of Wisconsin–Eau Claire •
Carolyn Chapel, Western Wisconsin Technical College • Beverly Dretzke, University of Wisconsin–Eau Claire • Jolene
Hartwick, Western Wisconsin Technical College • Thomas Pomykalski, Madison Area Technical College • Walter Reid,
University of Wisconsin-Eau Claire
Michael Sullivan, III
Joliet Junior College

A02_SULL8306_05_AIE_FM_ppi-xxvi.indd 15 24/09/16 12:25 PM

 Resources for Success
MyStatLab® Online Course for Fundamentals of Statistics:
Informed Decisions Using Data 5e by Michael Sullivan, III (access code required)
MyStatLab is available to accompany Pearson’s market leading text offerings. To give students
a consistent tone, voice, and teaching method each text’s flavor and approach is tightly
integrated throughout the accompanying MyStatLab course, making learning the material as
seamless as possible.

New! Technology Support Videos

In these videos, the author demonstrates the
easy-to-follow steps needed to solve a problem
in several different formats—by-hand, TI-84
Plus C, and StatCrunch.

Technology
Step-by-Step
Technology Step-by-Step
guides show how to use
StatCrunch®, Excel®,
and the TI-84 graphing
calculators to complete
statistics processes.

Interactive Applets
Applets are a powerful tool for developing statistical concepts
and enhancing understanding. There are twenty new applets that
accompany the text and many activities in the Student Activity
Workbook that utilize these applets.

www.mystatlab.com

A02_SULL8306_05_AIE_FM_ppi-xxvi.indd 16 24/09/16 12:25 PM

A02_SULL8306_05_AIE_FM_ppi-xxvi.indd 17 24/09/16 12:25 PM
 • Whether you are just getting started with MyStatLab, or
have a question along the way, we’re here to help you learn
about our technologies and how to incorporate them into
your course.
To learn more about how MyStatLab combines proven learning
applications with powerful assessment, visit www.mystatlab.com
or contact your Pearson representative.
MathXL® for Statistics Online Course
(access code required)
MathXL® is the homework and assessment engine that runs
MyStatLab. (MyStatLab is MathXL plus a learning management
system.)
With MathXL for Statistics, instructors can:
• Create, edit, and assign online homework and tests using
algorithmically generated exercises correlated at the
objective level to the textbook.
• Create and assign their own online exercises and import
TestGen® tests for added flexibility.
• Maintain records of all student work, tracked in MathXL’s
online gradebook.
With MathXL for Statistics, students can:
• Take chapter tests in MathXL and receive personalized study
plans and/or personalized homework assignments based on
their test results.
• Use the study plan and/or the homework to link directly to
tutorial exercises for the objectives they need to study.
• Students can also access supplemental animations and
video clips directly from selected exercises.
• Knowing that students often use external statistical
software, we make it easy to copy our data sets, both from
the eText and the MyStatLab questions, into software like
StatCrunch™, Minitab, Excel and more.
Math L for Statistics is available to uali ed adopters. or more
information, visit our website at www.mathxl.com, or contact
your Pearson representative.
StatCrunch™
StatCrunch is powerful web-based statistical software that
allows users to perform complex analyses, share data sets,
and generate compelling reports of their data. The vibrant
online community offers tens of thousand shared data sets for
students to analyze.
• Collect. Users can upload their own data to StatCrunch or
search a large library of publicly shared data sets, spanning
almost any topic of interest. Also, an online survey tool
allows users to quickly collect data via web-based surveys.
www.mystatlab.com
A02_SULL8306_05_AIE_FM_ppi-xxvi.indd 18
• Crunch. A full range of numerical and graphical methods
allow users to analyze and gain insights from any data
set. Interactive graphics help users understand statistical
concepts, and are available for export to enrich reports with
visual representations of data.
• Communicate. Reporting options help users create a wide
variety of visually-appealing representations of
their data.
Full access to StatCrunch is available with a MyStatLab kit, and
Stat runch is available by itself to uali ed adopters. Stat runch
Mobile is also now available; just visit www.statcrunch.com
from the browser on your smart phone or tablet. For more
information, visit our website at www.statcrunch.com, or contact
your Pearson representative.
TestGen®
TestGen® (www.pearsoned.com/testgen) enables instructors
to build, edit, print, and administer tests using a computerized
bank of questions developed to cover all the objectives of the
text. TestGen is algorithmically based, allowing instructors to
create multiple but equivalent versions of the same question
or test with the click of a button. Instructors can also modify
test bank questions or add new questions. The software and
testbank are available for download from Pearson’s Instructor
Resource Center.
Learning Catalytics™
Foster student engagement
and peer-to-peer learning
Generate class discussion, guide your lecture, and promote
peer-to-peer learning with real-time analytics. MyMathLab and
MyStatLab no provide Learning atalytics—an interactive
student response tool that uses students’ smartphones, tablets,
or laptops to engage them in more sophisticated tasks and
thinking.
Instructors, you can:
• Pose a variety of open-ended questions that help your
students develop critical thinking skills
• Monitor responses to nd out here students are struggling
• Use real-time data to adjust your instructional strategy and
try other ways of engaging your students during class
• Manage student interactions by automatically grouping
students for discussion, teamwork, and peer-to-peer
learning
24/09/16 12:25 PM
A02_SULL8306_05_AIE_FM_ppi-xxvi.indd 19 24/09/16 12:25 PM
 This page intentionally left blank

561590_MILL_MICRO_FM_ppi-xxvi.indd 2 24/11/14 5:26 PM

 Applications Index
Accounting CEO performance, 185, 200, 554–555, 561 DSL Internet connection speed, 35
client satisfaction, 23–24 coffee sales, 293 e-mail, 425
customer satisfaction, 30 fingerprint identification, 261
Aeronautics customer service, 354 passwords, 283, 294
moonwalkers, 11 defective products, 270–271, 294 toner cartridges, 170
O-ring failures on Columbia, 117 Disney World statistics conference, 242 user names, 282
Spacelab, 493–495 employee morale, 35
entrepreneurship, 389 Construction
Agriculture fast-food restaurant, 74–75, 83 concrete, 207
optimal level of fertilizer, 45–46 new store opening decision, 40 concrete mix, 119, 135
orchard damage, 55–56 oil change time, 377 housing starts, 416–417
yield packaging error, 269–270, 283, 292 new road, 107
of orchard, 35 quality control, 34, 35, 154–155, 260, 462
soybean, 136 shopping habits of customers, 40 Consumers
Speedy Lube, 350 Coke or Pepsi preferences, 51
Airline travel. See Travel stocks on the NASDAQ, 282 name brand preference, gender differences in, 479
stocks on the NYSE, 282 taste test, 19
Animals/Nature target demographic information gathering, 36
American black bears, weight and length of, traveling salesperson, 282 Crime(s)
184–185, 187, 207, 554, 561 unemployment and inflation, 88 aggravated assault, 422
cricket chirps and temperature, 225, 567 union membership, 101 burglaries, 95
shark attacks, 93–94, 222 waiting in line, 306, 336, 458, 460, 488 fingerprints, 261
worker injury, 102 identity theft, 69
Anthropometrics worker morale, 28 larceny theft, 241–242
height and age in males, 155, 567 Yelp ratings for restaurant, 107 rate of cell phones, 187
upper leg length of 20- to 29-year-old males, robberies, 101
376–377 Chemistry speeding, 36
waist circumference of males, 363 calcium in rainwater, 458–459 violent, 90–91, 92, 155, 225–226
pH in rain, 416, 510–511 weapon of choice, 251–252
Appliances pH in water, 120, 135 weapons used in murder/homicide, 104
refrigerator life span, 337 reaction time, 336, 488, 500
Criminology
Astronomy Combinatorics fraud detection, 156, 157
life on Mars, 294 arranging flags, 292
clothing option, 282 Demographics
Banking combination locks, 282 age married, 417
ATM withdrawals, 378, 457 committee, 269 births, live, 104, 306–307
credit-card debt, 404, 464 committee formation, 282, 294 childless women between 40-44 years of age, 386
credit cards, 385–386, 462 committee selection, 283 family size, 102–103
savings, retirement, 403 license plate numbers, 282, 292 households speaking foreign language as
seating arrangements, 288 primary language, 40
Biology starting lineups, 288 life expectancy, 9, 187, 260
alcohol effects, 50, 54 living alone, 447, 526
blood types, 240 Communication(s) marital status and happiness, 219
cholesterol level, 36 caller ID, 41 number of live births, 50- to 54-year-old
DNA sequences, 282, 294 cell phone, 55 mothers, 306–307
HDL cholesterol, 417–418, 555 brain tumors and, 15 population
hemoglobin, in cats, 156 conversations, 478–479 age of, 146–147
plastic resin effect on organ weight, 457–458 crime rate and, 187 residential, shift in, 525
reaction time, 50, 54, 488, 500 exclusive use of, 467 of selected countries, 9
testosterone levels, 463 in the John, 404 southpaws, 259
rates and, 337
Biomechanics servicing, 435 Drugs. See also Pharmaceuticals
grip strength, 567 time spent on, 115, 363 AndroGel, 403
do-not-call registry, 41 Aspirin, 541
Business. See also Work e-mail, 425 Celebrex, 540
acceptance sampling, 269, 283, 386 high-speed Internet service, 53, 404 marijuana use, 288
advertising length of phone calls, 336 Nexium, 447
campaign, 35 newspaper article analysis, 223–224 Viagra, 243
effective commercial, 104 social media, 254, 269, 415 Zoloft, 511
humor in, 55 teen, 270
airline customer opinion, 34 text messaging Economy
ball bearing manufacturing, 349 while driving, 462 abolishing the penny, 404
bolts production, 54, 137–138 number of texts, 71 health care expenditures, 102
buying new cars, 138–139, 526 poverty, 69
car rentals, 489 Computer(s). See also Internet unemployment and inflation, 88
car sales, 87 download time, 35 unemployment rates, 223
xxi

A02_SULL8306_05_AIE_FM_ppi-xxvi.indd 21 24/09/16 12:25 PM

 xxii APPLICATIONS INDEX

Education. See also Test(s) seat selection in classroom, 292 Environment

advanced degrees, 389 student loans, 354, 462, 463 carbon monoxide levels, 426–427
bachelor’s degree, elapsed time to earn, self-injurious behaviors, 326 CO2 emissions, 156
498–499 sleep disorders and academic performance, pH in rain, 416
birthrate and, 183 511 Secchi disk, 426, 488
board work, 269 smoking and, 511
bullies, 11 speed reading, 163 Exercise
calculus exam score, 11 student opinion poll/survey, 27, 28, 36 caffeine-enhanced workout, 487
class attendance, 200 student services fees, 36 routines, 289
seating and, 524 study time, 363, 459 sustained physical activity, 480
college teaching reading, 48
campus safety, 29 time spent on homework, 108 Family
complete rate, 435, 480 visual vs. textual learners, 500 gender income inequality, 448
course redesign, 479 working students, 11 ideal number of children, 105, 294, 306,
drug use among students, 11 425, 462
enrollment to, 93 Electricity imprisoned members of, 426
exam skills, 502 charge life of battery, 389 infidelity among married men, 447
graduating from, 426 Christmas lights, 259 smarter kids, 461
literature selection, 26–27 light bulbs, 283, 348–349 spanking, 322
self-study courses, 466 structure, 539
student retention, 465 Electronics values, 403
survey, 70, 241 televisions in the household, 89
Farming. See also Agriculture
textbook packages required, 40
Employment. See Work incubation times for hen eggs, 336,
course average, 146
348, 349
course selection, 27 Energy
day care, 3-year-old, 240 carbon dioxide emissions and energy Fashion
developmental math, 48 production, 198 women’s preference for shoes, 106
distribution of educational attainment, consumption, 458
566 gas price, 102, 138 Finance. See also Investment(s)
dropping course, 541 oil reserves, 101–102 ATM withdrawals, 378, 457
exam grades/scores, 112–113, 114, 117, during pregnancy, 388 car prices, 167
120, 122, 125, 135, 163, 208, cash/credit, 504
255 Engineering cigarette tax rates, 90, 146
study time, 198 batteries and temperature, 51 cost of kids, 102
exam time, 119, 135 bearing failures, 170 course redesign, 461
faculty opinion poll, 27 bolts production, 54 credit-card debt, 404, 464
GPA, 106, 146, 168 charge life of battery, 389 credit cards, 385–386, 462
vs. seating choice, 564–565 concrete strength, 553, 560 credit risk, 541
grade distribution, 525 driving under the influence (DUI) credit scores, 207, 541, 552–553, 560
grade inflation, 106 simulator, 489 dealer’s profit, 122
graduation rates, 107, 188, 201, 502 filling machines, 389, 459 deficit reduction, 404, 479
health and, 539 glide testing, 490 derivatives, 260
illicit drug use among students, 11, 40 hardness testing, 489 dividend yield, 90, 146
income and, 198 linear rotary bearing, 465 educational attainment, 64–65, 66–67,
invest in, 554, 561 O-ring thickness, 354 99–100
journal costs, 121 prolong engine treatment, 436 earnings and, 71, 106
level of, feelings on abortion, 218 ramp metering, 500 estate tax returns, 422
marriage and, 288 tire design, 51 federal debt, 93
mathematics triple modular redundancy, 260 FICO credit score, 184, 198–199, 458, 552–553
studying college, 465 valve pressure, 435 Gini index, 90
teaching, 447 health care expenditures, 102
TIMMS exam, 184 Entertainment. See also Leisure and income
TIMS report and Kumon, 504 recreation adjusted gross income, 106
music’s impact on learning, 46–47 Academy Award winners, 92, 378 age vs., 187–188
online homework, 73, 155, 501–502 Demon Roller Coaster, 355 average, 90
premature birth and, 564 movie ratings, 53 distribution, 106, 170
professors Mythbusters, 502 household, 31–32, 40
choosing, 138 neighborhood party, 269 median, 90, 101, 170, 183
online rating of, 188 People Meter measurement, 33 per capita, birth rate and, 108
quality of, 447 raffle, 13 by region, 268
school student survey, 156–157 student survey, 156
admissions, 154 television IRS audits, 261
confidence, 480 in bedroom, obesity and, 19 net worth, 123, 389
dropouts, 268 hours of watching, 355, 418 retirement savings, 403, 436
e-cigs usage, 435, 540 luxury or necessity, 403 stock analysis, 446
enrollment, 88 number of, 388–389 stock market, 185–186, 200, 379–380, 555, 561
illegal drug use in, 11 watching, 378 stock price, random walk in, 404
multitasking, 505 theme park spending, 422 taxing, 326, 416
National Honor Society, 288 tickets to concert, 22 tax rates, 96, 417, 501

A02_SULL8306_05_AIE_FM_ppi-xxvi.indd 22 24/09/16 12:25 PM

 APPLICATIONS INDEX xxiii

tax revenue, 101 Text Twist, 288 emergency room visit, 325, 465
Twitter stock, 93 Trivial Pursuit, 499–500 fitness club member satisfaction, 35
flu shots for seniors, 15
Firearms Gardening ginkgo and memory, 49
muzzle velocity, 167, 422, 487 planting tulips, 240, 270 hair and heart disease, 19
weapon of choice, 251–252 hand-washing behavior, 405
Gender happiness and, 19, 218, 539
Food. See also Nutrition behavior at work, 506 headache, 163
accuracy of drive thru orders, 447 flexibility and, 501 health care expenditures, 102
allergies, 389 lupus and, 449 hearing/vision problems, 253
cauliflowers, 405 step pulses and, 501 heart attacks, 541
cheeseburgers, fat and calories, 221–222 wage gap, 506 HIV test false positives, 259
chewing and consumption amount, weight gain and, 261 hospital-acquired conditions, 252
47–48 hospital admissions, 122, 506
chocolates, 146 Genetics hygiene habits, 11
consumption of popcorn, 435 Huntington’s disease, 241 hypertension, 11, 51, 426
cookies sickle-cell anemia, 241 insomnia, 49
Chips Ahoy, 355 kidney stone treatment, 219
chocolate chip, 164, 348, 349 Geography LDL cholesterol, 50
diameter of, 105 highest elevation for continents, 73 life expectancy, 187
Girl Scout, 293–294 random sample of states, 27 Lipitor, 447
decision making and hunger, 165 live births, 104, 146
dining out, 70–71 Geology lung cancer and, 16, 20–21
fast-food restaurants, 348, 349, 378 density of Earth, 362 Lyme disease vs. drownings, 187
green tea, 50 earthquakes, 89, 164 marriage/cohabitation and weight gain,
insect fragments, 378 Old Faithful geyser (Yellowstone Park), 121, 19–20
McDonald, 91 136–137, 163–164, 170, 377 migraine, 435
M&M, 121, 136, 163, 239–240, 523 obesity, 187
number of drinks, 419 Government social well being and, 539–540
nut mix, 146 federal debt, 93 television in the bedroom and, 19
peanuts, 523 IRS audits, 261 osteoporosis treatment, 509–510
pizza, 435 New Deal policies, 402–403 overweight, 40, 102, 435
priming for, 50–51 Social Security numbers, 282 pulse rates, 120, 135–136, 157, 501
quality control, 435 Social Security reform, 386 self-injurious behaviors, 326
soda preferences, 448 state, 11 shrinking stomach and diet, 49
sugary beverages, 499 trust and confidence in, 322 skinfold thickness procedure, 169
Tootsie Pops, 416 type of, 9 sleep disorders, 511
waste, 12, 500 sleeping habits of students, 40
Gambling. See also Game(s) smoking, 12, 270
betting on sports, 282 Grains. See Agriculture birth weight, 116–117, 201–202
lotteries, 259, 282 cessation program, 419
Cash Five Lottery, 294, 307 Health. See also Exercise; Medicine cigar, 253
instant winner, 288 alcohol dependence treatment, 48 e-cig study, 540
PICK 3, 292 alcohol effects on brain, 457 educational attainment and, 511
PICK 4, 292 allergy sufferers, 321, 322 hypnotism to quit, 511
Powerball, 307 blood alcohol concentration, 122 lung cancer and, 16, 20–21
state, 293 blood types, 240 paternal, 164–165
roulette, 241, 253, 291, 307, 378–379, 563 body mass index, 478 during pregnancy, 447–448
bone mineral density and cola consumption, profile of, 540
Game(s). See also Gambling 56, 200 survival rates, 219
BlackJack, 307 brain tumors and cell phones, 15 tar and nicotine levels in cigarettes, 554,
card drawing, 268, 283, 292 burning calories, 100 560–561
coin toss, 240, 259 calories vs. sugar, 565 weight gain from quitting, 511
Dictator Game, 51 cancer, 19 sneezing habits, 321–322, 360, 465
die/dice, 526 cell phones and brain tumors, 15 St. John’s wort and depression, 49
fair, 566 cholesterol, 36 television stations and life expectancy,
loaded, 243, 525 death in, 268 187
rolling, 87, 240, 242, 259 lung, 16, 20–21 testosterone levels, 463
five-card stud, 292–293 passive smoke and lung cancer, 20–21 tooth whitener, 48, 54
Jumble, 294 power lines and, 20–21 vitamins, 164
Lingo, 289 skin, coffee consumption and, 19 weight of college students, 40
Little Lotto, 283 survival rates, 122 women, aspirin, and heart attacks, 541
Mega Millions, 283 cardiac arrest, 338
poker dihydrogen monoxide deaths, 41–42 Height(s)
flush, 270 doctor visits, 253 arm span vs., 510
royal flush, 270 drug side effects, 243 father and son, 488
seven-card stud, 240 ebola breakout, 51 females
three-card, 325 education and, 539 five-year-old, 338
winning, 377 effect of Lipitor on cardiovascular disease, 43–44 20 years of age, 457

A02_SULL8306_05_AIE_FM_ppi-xxvi.indd 23 24/09/16 12:25 PM

Another random document with
no related content on Scribd:
 — Seis!

Sanders oli vaihtelevalla päällä, ja häntä hiukan kiukutti, koska

hän huomasi itsekin olevansa epävakainen.

— Minkälaisena sait lääkkeen? Pulverina, liuoksena, vai…

Miehen huulet olivat kuivat. Hän ei voinut enää muuta kuin

pudistaa päätänsä avuttomana.

— Päästäkää hänet, sanoi Sanders. Ja Abibu päästi silmukan ja

irrotti hänen kätensä.

— Jos sinä olet valehdellut minulle, sanoi Sanders, — niin sinä

kuolet auringon laskiessa. Kerro ensin Paholaismiehestä, sillä olen
halukas tekemään hänen kanssaan tuttavuutta.

Hän antoi miehelle kymmenen minuuttia aikaa selvitä pelostaan ja

haetti sitten hänet.

— Herra, sanoi hän, — en tiedä mitään muuta Paholaismiehestä,

kuin että hän on maailman suurin poppamies, ja öisin, kun kuu on
ylhäällä ja muutamat tähdet tietyillä paikoillaan, hän tulee kuin aave,
ja me kaikki pelkäämme. Sitten ne, jotka tarvitsevat häntä, menevät
metsään, ja hän antaa meille tarpeemme mukaan.

— Miten hän säilytti lääkettä?

— Herra, se oli kristalliputkessa, jollaisessa valkeat miehet pitävät

lääkkeitään. Tuon sen sinulle.

Hän meni majaansa ja palasi muutaman minuutin kuluttua

mukanaan pieni lasiputki, juuri samanlainen kuin sekin, joka oli
Sandersin hallussa. Komissaari otti sen ja haistoi. Siinä oli hieno
mantelin haju, ja Sanders vihelsi, sillä hän tunsi sinihapon jälkihajun.
Ja se ei ole niitä lääkkeitä, joita poppamiehet tuntevat, vielä
vähemmin käyttävät.

*****

»Voin vain arvella», Sanders kirjoitti päämajaan, »että jonkin

väärinkäytöksen vuoksi sir George Carsley vainajan lääkearkku on
joutunut jonkun alkuasukastohtorin haltuun. Muistanette, että
laatikko oli professorin matkassa, kun hän hukkui. Se on ehkä
ajautunut rantaan ja joku on sen löytänyt… Tällä välin teen uutterasti
tiedusteluja saadakseni selville, kuka on tämä Paholaismies, joka
näyttää äkkiä päässeen suureen maineeseen.»

Sandersille alkoivat, unettomat yöt, nopeitten marssien, joutuisien

jokimatkojen, odottamattomien kyliinsaapumisten, metsäisten
valvomisien ja outojen koskien laskun öitä. Mutta hän ei tavannut
Paholaismiestä, vaikka hän kuuli monia mielenkiintoisia asioita.
Voimakkain hänen taikakapineistaan oli laatikko, »näin pieni», sanoi
joku, joka oli sen nähnyt, ja piirsi kuusituumaisen neliön. Tässä
rasiassa asui pieni vahingonhaluinen jumala, joka nipisteli ja repi
(kuitenkin jälkeä jättämättä), joka saattoi pistellä neuloja
ihmisruumiiseen niin, ettei koskaan tullut verta.

— Minä luovun tästä, sanoi Sanders epätoivoisena ja palasi

asemalleen pohtimaan asiaa selväksi.

Hän istui eräänä iltana päivällisellään, kun kaukaa joelta kuului

rummun ääni. Se ei ollut tavallista lokaliääntä, vaan sarjoittaisia
lyöntejä, ja astuen äänettömästi ovelle hän kuunteli.
 Hän oli lainannut hausamerkinantajia päämajasta ja asettanut
heitä joen varteen. Hiljaisessa yössä kuuluu rummun ääni kauas,
mutta rautapuukeppien rätinä onttoon puunrunkoon kuuluu
kauemmaksi.

Klok-klok, klokoti-klok.

Se kaikui kuin kaukaisen härkälauman mylvintä, mutta Sanders

otti selvän kirjaimista.

— Paholaismies uhraa huomisyönä Unien metsässä.

Kun hän oli kirjoittamassa tiedonantoa valkoisen takkinsa liepeelle,

tuli Abibu juosten polkua pitkin.

— Olen kuullut, sanoi Sanders lyhyesti. — Onko puk-a-pukissa

höyryä?

— Olemme valmiit, sanoi mies.

Sanders otti vain pistoolinsa seinältä ja heitti päällystakin

kainaloonsa, sillä hänen matkakapineensa olivat jo »Zairella» —
olivat olleet jo kolme päivää.

Pimeässä hänen laivansa terävä keula kääntyi joelle, ja

kymmenen minuutin kuluttua viestin saapumisesta alus kynti jo jokea
vastavirtaan.

Koko yön laiva kulki luovien rannalta toiselle välttääkseen kareja.

Aamu tapasi sen puupaikalla, jossa miehet kuumeisen kiireesti

pinosivat sen kannelle puita, kunnes se näytti halkoalukselta.
 Sitten matkalle jälleen pysähtyen vain kuulemaan sinne tänne
joelle siroteltujen vakoojien vahvistuksia tulevasta uhrista.

Sanders tuli Unien metsän laitaan keskiyöllä ja pysähtyi. Hänen

mukanaan oli kymmenen hausapoliisia, ja näiden etunenässä hän
astui maalle metsän pimentoon. Yksi sotilas kulki edellä etsien
polkua, ja yhdessä rivissä joukkue aloitti kaksituntisen marssin.
Kerran he tapasivat kaksi leopardia taistelemassa, kerran he
kompastuivat polulla makaavaan puhveliin. Kahdesti heitä häiritsivät
oudot pedot, jotka hävisivät pensaikkoon heidän tullessaan ja
kulkivat nuuskien heidän jälkiään, kunnes Sanders valaisi niitä kohti
sähkölampullaan. Hiipien he tulivat uhripaikalle.

Ainakin kuusisataa henkeä kyykki puoliympyrässä

puunpökkelöistä rakennetun alttarin ympärillä. Suuret tulet paloivat ja
räiskyivät alttarin kahta puolta; mutta Sanders katseli
Paholaismiestä, joka nojasi alttarille makaamaan asetetun,
nähtävästi nukkuvan nuoren tytön yli.

Kerran paholaismiehellä oli ollut sivistyneen miehen puku, nyt

hänellä oli ryysyt yllään. Hän seisoi siinä lyhyihin liiveihin
pukeutuneena, valkea parta sekaisena ja kampaamattomana, kasvot
kalpeina ja omituinen tuli silmissään. Hänen kädessään oli kiiltävä
veitsi, ja hän puhui — kummallista kyllä, englantia.

— Tämä, hyvät herrat, sanoi hän nojaten kömpelösti tehtyä,

alttaria vasten ja puhuen varmana kuin ainakin mies, joka on pitänyt
monta samanlaista luentoa, — on vakava trypanosomiatapaus.
Voitte huomata kasvojen muuttuneen värin, hämärät silmäterät, ja
nyt voitte havaita rauhasten epänormaalisuuden, joka on varma
tuntomerkki.
 Hän vaikeni ja katsoi suopeasti ympärilleen.

— Voin sanoa eläneeni pitkän ajan alkuasukkaiden keskuudessa.

Minulla oli Keski-Afrikassa kunnioitetun poppamiehen asema…

Hän pysähtyi ja siveli kädellään kulmiaan, koettaen muistella

jotakin; sitten hän tapasi jälleen kadotetun lankansa.

Koko hänen puheensa ajan puolialaston yleisö istui vaiteliaana ja

peloissaan, ymmärtämättä mitään muuta kuin että sen edessä oli
valkokasvoinen poppamies, joka ei ollut tullut mistään ja oli
matkaansaattanut ihmeitä — hänen taikalaatikkonsa osoittautui
sähköpatteriksi — ryhtyen nyt toimittamaan omituisia menoja.

— Herrat, jatkoi mies naputtaen uhrinsa rintaa veitsensä päällä, —

aion toimittaa leikkauksen…

Sanders astui piilopaikastaan ja meni vakavana väliaikaisen

leikkauspöydän ääreen.

— Professori, sanoi hän hiljaa, ja mielipuoli katsoi häneen

hämmästyksestä silmiään rypistäen.

— Keskeytätte leikkauksen, sanoi hän ponnekkaasti, — panen

vastalauseeni…

— Tiedän, herra professori.

Sanders tarttui hänen kainaloonsa, ja sir George Carsley, suuri

tiedemies, suuren lontoolaisen sairaalan neuvotteleva lääkäri ja
monen troopillisia tauteja käsittelevän kirjan tekijä, läksi hänen
mukaansa kuin lapsi.
YKSINÄINEN

Komissaari Sanders oli elänyt niin kauan alkuasukasten parissa, että

hän oli imenyt itseensä suuressa määrin heidän yksinkertaisuuttaan,
Vielä enemmän: hän oli saanut vaarallisen voiman tietää asioita,
joita hän ei olisi tietänyt, ellei hänellä olisi ollut sitä aavistamisen
kykyä, joka on kaikkien alkuasukkaiden synnyinlahja.

Hän oli lähettänyt kolme vakoojaa Isisiin — joka on kaukana

päämajasta ja hankalan taipalen takana — ja kahden kuukauden
jälkeen he palasivat yksissä tuoden hyviä tietoja.

Tämä ärsytti Sandersia suunnattomasti.

— Herra, sanon, että Isisi on hiljainen, intti yksi vakooja, — eikä

siellä ole puhettakaan sodasta.

— Hm! sanoi Sanders kaunistelematta. — Entä sinä?

Hän kääntyi toiseen vakoojaan.

— Herra, sanoi mies, — menin metsään, maan rajoille, eikä siellä

ole puhettakaan sodasta. Päälliköt ja päämiehet kertoivat minulle
niin.
 — Tietenkin olet suuri vakooja, ivasi Sanders, — ja miten menit
päälliköiden ja päämiesten luo? Ja miten he tervehtivät sinua? 'Hei!
Sandin salainen vakooja?' Hah!

Kädellään viitaten hän käski miesten mennä, pani kypärän

päähänsä ja meni hausain luo, jotka pelailivat vaikeitten
kasarmiensa varjossa.

Hausain kapteeni oli valmistamassa lääkettä palturipaperista ja

kiniinistä.

Sanders huomasi hänen kätensä vapisevan ja puhui ärtyisästi.

— Isisissä on kommelluksia, sanoi hän. — Haistan sen. En tiedä,

mitä se on — mutta siellä on jonkinlaista sekamelskaa.

— Salaisia seuroja? ehdotti hausa.

— Salaisia isoäitejä, ärisi Sanders. — Montako miestä sinulla on?

— Kuusikymmentä, siihen luettuna rammat ja vaivaiset, sanoi

hausaupseeri ja nieli palturillisen kiniiniä irvistäen.

Sanders naputti saapastaan norsunluukepillä ja ajatteli.

— Voin tarvita niitä, sanoi hän. — Lähden silmäämään, mikä

isisiläisiä vaivaa.

*****

Henkien joesta erkanevan joen varrelle Imgani, Yksinäinen,

rakensi talon. Hän rakensi sen oikeaan tapaan, varastaen puun
viiden mailin päässä olevasta kylästä. Tässä kylässä oli sattunut
monta kuolemantapausta taudin vuoksi, ja Ylijoen tapa on se, että
kun mies kuolee, hänen majansa kuolee myös.

Ei yksikään mies hae suojaa sellaisen kirotun katon varjosta, jonka

alla Henki istuu mietiskellen; kuolleen miehen aseet särjetään ja
sirotellaan hänen haudalleen, ja hänen vaimojensa padat asetetaan
sinne myös.

Pian tuulien ja sateiden yhteisvaikutuksesta ruokokatto vaipuu ja

painuu, ovenpielet mätänevät; norsunruoho, korkea ja vahva,
nousee seinän ja katon raoista; tulee sitten hieman tavallista
vahvempi tuuli ja vahvempi sade, ja metsä on lakaissut ruman
paikan puhtaaksi.

Imgani, joka sanoi olevansa ngombilaisia eikä pelännyt paholaisia

— ei ainakaan Isisin paholaisia — varasti ovenpieliä ja
alkuasukasköyttä pelkäämättä. Hän varasti niitä öisin, kun kuu oli
puiden takana, ja ivasi kuolleita henkiä sättien niitä pahoilla ja
häväisevillä nimillä.

Kuitenkin hän teki työtänsä varovasti; sillä vaikka hän ei

ottanutkaan lukuun henkiä, piti hän silti suuressa arvossa eläviä
isisiläisiä, jotka olisivat saattaneet hänet alttiiksi kuolemalle, jos
hänen hommansa olisi tullut ilmi, vaikka, kummallista kyllä, hän
pelkäsi kuolemaa vähimmin.

Niin hän varasti kirottuja pönkkiä ja kirottuja kattopuita, olisipa

varastanut katotkin, mutta ne olivat hyvin vanhoja ja täynnä
hämähäkkejä.

Hän tuli ja otti kaikkia näitä esineitä kantaen ne viiden mailin

matkan joen haaraan, ja siellä hän hiljalleen rakensi pienen talon.
Päivät hän nukkui, yöllä hän metsästi eläimiä ja pyyti kaloja, mutta
hän ei yrittänytkään pyydystää suuria lepakoita, jotka tulivat joen
keskellä olevilta saarilta, vaikka ne ovat hyvin maukkaita ja herkkua
alkuasukkaiden kesken.

Eräänä päivänä juuri ennen auringonlaskua hän meni

metsästämään seebroja. Hänellä oli kaksi pitkää metsästyskeihästä,
jollaiset parhaat tehdään Ngombissa, punottu kilpi, ja hänen
selässään riippui nahkahihnassa kuivattuja kaloja, jotka hän oli
pyytänyt joesta.

Imgani oli keskikasvuinen mies, muuten rakenteeltaan

keskulainen, mutta hartioiltaan leveä. Hänen ihonsa kiilsi terveyttä, ja
hänen astuntansa oli kevyt. Kun hän käveli, niin hänen
selkälihaksensa liikkuivat ja kehräsivät kuin hyvinkasvatetun
täysiverisen juoksijan lihakset.

Hän oli puolitiessä metsässä, kun hän tapasi tytön. Tämä kantoi
maniokkikimppua päänsä päällä ja käveli miellyttävästi.

Kun tyttö näki Imganin, hän pysähtyi heti ja kuoleman ja sitäkin

pahemman pelko tuli hänen silmiinsä, sillä hän tiesi Imganin olevan
hylkiön, jolla ei ollut omaisia eikä sukulaisia. Sellaiset miehet ovat
pahempia kuin ingalit, jotka nousevat ruohikosta ja iskevät
myrkkyhampaansa ihmisen sääreen.

He seisoivat tarkastellen toinen toistaan, mies nojaten molemmin

käsin keihäisiinsä, poski kärkiä vasten; tyttö vapisi.

— Nainen, mihin menet? sanoi Imgani.

 — Herra, menen joen rannalla olevaan kylään, sillä tämä on tie
sinne, hätäili tyttö.

— Mitä sinulla on siinä?

— Maniokki, leiväntekoon, kuiskasi tyttö tukahtuneesti.

— Olet juurensyöjä, sanoi Imgani nyökäten.

— Herra, anna minun mennä, sanoi tyttö tuijottaen häneen.

Imgani pudisti päätänsä.

— Huomaan, että pelkäät minua — enkä kuitenkaan halua mitään

sinulta. Minä olen Imgani, joka merkitsee Yksinäinen, eivätkä minua
himoita vaimot eivätkä naiset, koska olen liian ylhäinen mies
sellaiseen. Olet turvassa, juurensyöjä, sillä jos haluan, voin täyttää
tämän metsän päälliköntyttärillä, jotka kaikki juoksevat minun
perässäni.

Tytön pelko oli hävinnyt, ja hän katseli Imgania kummissaan.

Tunnustipa hän mielessään miehen kerskailun voivan olla
aiheellista. Ehkä hän oli hieman ottanut nenäänsä, sillä hän sanoi
kylläkin pistävästi, käyttäen isisiläistä sananlaskua:

— Vain vuohi määkii leopardin kidan jo ollessa avattuna —

isisiläiset lihovat vieraiden kustannuksella.

— Alajuoksun varrella sanotaan isisiläisten myyvän miehiä

arabeille, sanoi mies miettivänä. — Se on pahaa puhetta; voit
mennä.

Nyökäten uudelleen hän kehoitti tyttöä poistumaan.

 Tyttö oli mennyt vähän matkaa, kun Imgani huusi hänet takaisin.

— Juurensyöjä, sanoi hän, — jos miehet kysyvät, kuka olen, niin

sano, että olen Imgani Yksinäinen, joka on ruhtinas ruhtinaiden
joukossa; aikoinani olen tappanut monta miestä, niin monta, etten
muistakaan. Sano myös, että talostani joen rannalla, jonka olen
rakentanut, niin kauas kuin silmä kantaa, joka suunnalle, ulottuu
minun kuningaskuntani, älköönkä kukaan astuko sinne muuten kuin
kantaen käsissään lahjoja, sillä olen hyvin kauhea ja julma.

— Herra, sanoi tyttö, — sanon tämän.

Ja hän meni puolijuoksua, jättäen Imganin jatkamaan matkaansa.

Nyt oli kylässä monta miestä, jotka halusivat olla mieliksi tytölle,
joka kantoi juuria, sillä hän oli päällikön tytär ja sitä paitsi
neljäntoistavuotias, naimisiinmenoiässä. Kun hän siis tuli juosten
kylän kadulle puoleksi hermostuneena pelosta, itkien ja nyyhkyttäen,
ei häneltä puuttunut myötätuntoa eikä palvelijoita, jotka olivat
halukkaat tappamaan loukkaajan.

Keihästä ja lyhyttä miekkaa heiluttaen kuusi miestä tanssi

päällikön ja päällikön tyttären edessä (miltä tämä tuntui tytöstä, voi
jokainen nainen kertoa), ja yksi heistä, Ekebi, jolle oli kieli lahjoitettu,
kuvaili auringonlaskusta kuunnousuun, mikä tekee neljä tuntia, mitä
tapahtuisi Imganille, kun isisiläiset hyökkäisivät hänen kimppuunsa;
kuinka hänen silmänsä väpättäisivät kuin kauhean suuren tulen
edessä, kuinka hänen jalkansa kiepahtaisivat ylöskäsin ja mitä muita
muutoksia tapahtuisi, joita ei tässä tarvitse luetella.

— Tämä on hyvää puhetta, sanoi päällikkö, — mutta koska Sandi

on meidän päällikkömme ja hänellä, on vakoojia kaikkialla, niin älkää
vuodattako verta, sillä veren haju kantautuu kauemmas kuin mies voi
nähdä. Ja tässä tappamisasiassa Sandi on hyvin pirullinen.
Muutenkin, tämä Yksinäinen on vieras, ja jos me sieppaamme hänet,
voimme myydä hänet arabeille, jotka antavat meille hänen
hinnakseen kangasta ja viinaa.

Kuultuaan kaiken tämän he uhrasivat nuoren vohlan ja lähtivät. He

tulivat Imganin talolle, mutta Yksinäinen ei ollut siellä, sillä hän oli
metsässä ajamassa eläimiä; niinpä he polttivat hänen talonsa,
myllersivät hänen puutarhansa, ja kun heihin oli yhtynyt suuri
isisiläisjoukko, joka oli seurannut kunnioittavan matkan päässä, niin
kaikki muu, josta Imgani oli ollut ylpeä, tehtiin olemattomaksi; he
pitivät suuren juhlan, kunnes äkkiä alkoi aurinko paistaa joen
saarelle ja taivaan pienet tähdet häipyivät pois.

Imgani näki kaiken tämän nojatessaan keihäisiinsä metsän

varjossa, mutta hän tyytyi olemaan näkijänä.

Sillä, hän päätteli, jos hän menisi heitä vastaan, niin he voisivat
tappaa hänet tai piestä häntä ruo'oilla, mitä hänen ylpeä luonteensa
ei sallinut.

Hän näki liekkien nuoleksivan taloa, joka oli rakennettu suurella

vaivalla.

— He ovat hupsuja ihmisiä, jupisi hän, — sillä he polttavat

omaansa, ja ehkä kuoleman henget suuttuvat heihin ja kasvattavat
heihin paiseita.

Kun kaikki, mitä hänen omaisuudestaan oli jäljellä, oli vain

tuhkaläjä, tummanpunainen hehku ja kiemurteleva savupatsas, niin
Imgani käänsi kasvonsa metsää kohti.
 Koko päivän hän käveli pysähtyen vain syömään eväänään olevaa
kalaa, ja illalla hän tuli toiseen isisiläiskylään, jonka nimi oli Ofasi.

Hän kulki kylän kadun läpi leveäharteisena ja pystypäisenä

heiluttaen keihäitään suurellisesti. Hän ei katsonut oikeaan eikä
vasempaan; ja kyläläiset kokoontuivat majojensa oville ja sanoivat O
koi, mikä merkitsee, että he olivat hämmästyneitä.

Niin hän vaelsi koko kylän läpi ja oli juuri pääsemässä

metsäpolulle, kun sanantuoja juoksi hänen jälkeensä.

— Herra, sanoi sanantuoja, — tämän kylän päällikkö, joka on

hallitukselle vastuussa kaikista ohikulkijoista, erittäinkin varkaista,
jotka ovat päässeet pakoon Kahleittenkylästä, haluaa nähdä sinut,
varmana siitä, että sinä et ole varas, vaan korkea henkilö, ja haluaa
kunnioittaa sinua.

Niin hän sanoi, ja rauhallisena miehenä, joka oli päässyt

asemaansa sen nojalla, että oli päällikön päävaimon sukulainen, hän
piti tarkoin silmällä leveitä keihäitä ja pakotien selvänä.

— Mene takaisin herrasi luo, orja, sanoi Imgani, ja sano hänelle,

että menen etsimään tarpeeksi yksinäisen paikan, jossa voin nukkua
tämän yön ja ajatella korkeita asioita. Kun olen sen paikan löytänyt,
niin palaan. Sano myös, että olen oman kansani ruhtinas ja että
minun isälläni on niin paljon sotamiehiä, että jos jokainen heistä
ottaisi kourallisen hiekkaa joen pohjalta, niin joki tulisi pohjattomaksi;
sano myös, että nimeni on Imgani ja että rakastan itseäni enemmän
kuin kukaan sen jälkeen kun kuu muuttui valkoiseksi, jottei olisi
auringon näköinen.

Hän meni jättäen sanantuojan ajatuksiinsa.

 Lupauksensa mukaan Imgani palasi.

Hän tuli huomatakseen palaverin olevan käynnissä, mikä palaver

koski päällikön päävaimon sukulaista.

— Joka, sanoi päällikkö, — on laskenut häpeän päälleni, sillä hän

on samanlainen hupsu kuin serkkunsa, minun vaimoni.

— Herra, sanoi onneton sukulainen, — kehoitin häntä tulemaan,

mutta hän oli ylpeä mies ja sitä paitsi halusi mennä.

— Sinun äitisi oli hullu, sanoi päällikkö, — ja hänen äitinsä oli

hullu, ja isäsi, kuka hän sitten olikin, mitä ei kukaan tiedä, oli suuri
hullu.

Tämän mielenkiintoisen, perinnöllisen hulluuden raa'an todistelun

keskeytti Imganin paluu. Hän nousi mäen rinnettä, ja neuvosto
tarkasteli häntä aina tiukasti istuvaan leopardinnahkalakkiin
pistetystä leveästä partaveitsestä nilkoissa heläjäviin ohuihin
messinkirenkaisiin asti.

Päällikkö, joka ei ollut erityisemmän sotainen mies, katseli keihäitä

huomaten kädensijojen tulleen kiiltäviksi paljosta käytöstä.

— Herra, sanoi hän lempeästi, — olen tämän kylän päällikkö,

hallituksen nimittämä. Hallitus antoi minulle kaulassa kannettavan
mitalin, jonka toisella puolella oli suuren parrakkaan miehen kuva ja
toisella puolen muutamanlaisia paholaisenmerkkejä ja suurta voimaa
osoittavia kirjoituksia. Tämä annettiin minulle, jotta kaikki tietäisivät
minut päälliköksi, mutta olen sen kadottanut. Siitä huolimatta olen
tämän kylän päällikkö, niinkuin tästä paperista selviää.
 Hän kaivoi vaatteittensa poimuista nahkapussin, josta veti
päivänvaloon hyvin tahraisen paperin.

Sangen huolellisesti hän avasi sen kääreestä, ja se osoittautui

viralliseksi kirjearkiksi, johon komissaari Sanders oli raapustanut
muutamia sanoja. Ne kuuluivat:

»Alikomissaareille, poliisipäälliköille ja hausajoukkojen

komentajille:

Pidättäkää ja vangitkaa omistaja, jos hänet tavataan muualta kuin

Isisin alueelta.»

Tähän yksinkertaiseen paperiin liittyy oma tarinansa. Se oli

aiheutunut hyökkäyksestä Ochorin alueelle ja oikeudenkäynnistä,
jossa päällikölle oli lyhyesti, mutta selvästi ennustettu, miten hänen
tulee käymään, jos hänet tavataan oman alueensa ulkopuolelta.

Imgani otti paperin käteensä ja hymyili. Hän käänteli sitä, raapi

kynnellään kirjoitusta nähdäkseen, oliko se oikeata, ja antoi sen
takaisin päällikölle.

— Se on hyvin ihmeellinen, vaikka en pelkää taikuutta,

lukuunottamatta erästä taikaa, jota minun isäni poppamiehet
käyttävät, sanoi hän, — enkä tunne hallitusta, joka hallitsisi minua.

Minkä jälkeen hän ryhtyi kertomaan heille isästään, hänen

sotajoukoistaan ja lukuisista muista yhtä mielenkiintoisista asioista.

— Epäilemättä te ymmärrätte minua, sanoi hän. Olen Yksinäinen,

vihaan ihmisten seuraa, sillä he ovat yhtä vaihtelevaisia kuin
vuoriston lumi. Sen vuoksi olen jättänyt taloni ja vaimoni, jotka olivat
niin uskollisia kuin naiset voivat olla, enkä ole ottanut mukaani
myöskään sotaväkeä, koska se oli minun isäni omaa.

Päällikkö oli hämmästynyt.

— En ymmärrä, miksi olet yksinäinen, sanoi hän, mutta

epäilemättä teit oikein jättäessäsi isäsi sotajoukot. Tämä on suuri
asia, joka vaatii miesten neuvottelua.

Ja hän käski lokalin kutsua kylän vanhemmat miehet koolle.

He tulivat tuoden kukin tullessaan juurakkotuolinsa ja asettuivat

katoksen suojaan, jossa päällikkökin istui.

Jälleen Imgani kertoi tarinansa; se käsitti suunnilleen

viisikymmentä vaimoa ja niin lukuisan sotajoukon kuin rannan
hiekka; ja luottavaiset isisiläiset kuuntelivat ja uskoivat.

— Ja minä tarvitsen tämän, sanoi Imgani puheensa päätteeksi; —

pieni talo on rakennettava joenrannalle sellaiseen paikkaan, ettei
yksikään polku mene sivuitseni eikä yksikään ihminen tule näkyviini,
sillä olen luonteeltani hyvin yksinäinen — ja suuri ihmisvihaaja.

Imgani meni asumaan luonnon hänelle luomalle aukealle ja hänen

uusien ystäviensä rakentamaan taloon. Muun vieraanvaraisuuden
hän torjui.

— En halua vaimoja, todisteli hän, — koska minulla on tekeillä

suuria suunnitelmia kuningaskuntani valloittamiseksi pahoilta
miehiltä, jotka ovat isäni neuvonantajia.

Yksinäinen hän todellakin oli, sillä kukaan ei nähnyt häntä muulloin

kuin sattumalta. Hänen tapanaan oli metsästää yöllä ja nukkua
kuumat päivät. Joskus, kun auringon punainen pallo painui joen
läntisen rannan metsän taa, kyläläiset näkivät sinisen savupatsaan
hänen tulestaan, kun hän keitti itselleen ilta-ateriaa; joskus joku
kotiinpalaava venemies näki hänen vaiteliaana kulkevan metsän läpi
kaatomatkoilleen.

He sanoivat häntä Vaiteliaaksi, ja hän tuli jopa hieman kuuluisaksi.

Vieläpä hän nautti isäntiensä luottamustakin. Isisi on Ulkomaan

joen päästävissä, jota myötävirtaa tuli öisin tyhjiä, omituisia veneitä
palaten öisin täynnä niskasta toisiinsa kytkettyjä ihmisiä, ja Ranskan
Länsi-Afrikan viranomaiset — Ranskan Länsi-Afrikka on Isisin
naapurina — kuulivat kertomuksia hyökkäyksistä ja ryöstöistä, joita
he eivät voineet tutkia, sillä Isisin raja on kuudensadan mailin päässä
ranskalaisesta päämajasta, erämaisen taipalen takana.

Imgani näki metsästysmatkoillaan asioita, jotka olisivat

hämmästyttäneet häntä, ellei hän olisi ollut melkein tunteeton mies.

Hän näki pieniä karavaaneja, jotka tulivat ryöstöretkiltä Ranskan

alueelta mukanaan vaikeroivia naisia ja kiroavia miehiä, kaikki
sidottuina.

Hän näki kummallista ihmisten laivausta öisin ja oppi tuntemaan

valkoviittaiset arabit, jotka käyttivät ruoskaa sangen taitavasti.

Eräänä yönä, kun hän seisoi katsellen kaikkia näitä asioita, El

Mahmud, kuuluisa kauppias, näki hänet kuunvalossa ja huomasi
hänen olevan vierasta väkeä.

— Mikä mies sinä olet? kysyi hän.

— Herra, sanoi Imgani, — olen vierasta kansaa, ngombilainen.

 — Se on valhe, sanoi orjakauppias, — sillä sinulla ei ole
ngombilaisen merkkejä kasvoillasi; sinä olet puoliarabi. — Ja hän
puhutteli Imgania arabian kielellä.

Imgani pudisti päätänsä.

— Hän ei ymmärrä, sanoi orjakauppias apulaiselleen. — Ota selko

tämän miehen majasta; jonakin yönä otamme hänet, sillä hän on
rahan arvoinen.

Hän puhui arabiaa, ja apulainen nyökkäsi.

Kun orjakauppias tuli jälleen, niin kolme miestä kävi Imganin

majalla, mutta hän oli metsällä, ja hän oli metsällä joka kerran, kun
pitkät veneet tulivat Ofasiin.

*****

Sanders ei mennyt Ofasiin kuuteen kuukauteen, jonka ajan

kuluessa — se on mainittava — ei tapahtunut mitään, minkä
perusteella olisi voitu kuvitella tulevia levottomuuksia.

Hänen oli tehtävä puolivuosimatkansa Isisiin. Tähkät olivat olleet

satoisat, kalaa runsaasti, sateita kohtalaisesti, eikä sairautta ollut
liikkunut. Nämä seikat on pantava merkille.

Eräänä aamuna, kun sumuverho kierteli puusta puuhun ja itäinen

taivas oli harmenemassa, tuli Imgani metsältä kantaen olallaan yöllä
pyytämänsä kauriin lihoja ja nahkaa.

Kun hän näki majansa edessä pienen tulen ja kyykky — sillään

istuvan miehen, niin hän kalautti keihäitään ja lähestyi, sillä hän ei
pelännyt ketään.
 — Onko maailma niin täynnä miehiä, että sinä tulet häiritsemään
minun yksinäisyyttäni? kysyi hän. — Mieleni tekee tappaa sinut ja
ripustaa sydämesi kuivamaan, sillä en halua nähdä sinun istuvan
tulen ääressä majani edessä.

Hän sanoi tämän julman näköisenä, ja tulen ääressä istuva mies

liikahti.

— Herra, odotin tätä, sanoi hän, — sillä huomaan sinut ylpeäksi

mieheksi; mutta tulen sinun suuruutesi vuoksi ja tuntien, sinun
viisautesi.

Imgani pani kauriin syrjään ja istuutui tuijottaen uhkaavasti ja

asettaen keihäät poikittain paljaille polvilleen.

Toinen kurotti kaulaansa eteenpäin ja puhui innokkaasti.

Aurinko nousi ja valaisi maailman punaiseksi, mutta yhä hän istui

ja innokkaasti puhui Imganin kuunnellessa.

— Niin, herra, päätti hän, — tapamme Sandin, kun hän tulee

palaveriin. Ifiba, Mbuka ja äitini serkku pistävät keihäänsä häneen
sangen nopeasti, ja me tulemme suuriksi.

Imgani nyökkäsi päätään viisaasti.

— Se on totta, sanoi hän. — Ihmiset, jotka tappavat valkeita

miehiä, pääsevät suureen kunniaan, sillä muut kansat sanovat: 'Kas,
nämä miehet tappavat valkeata väkeä.'

— Ja kun hän on kuollut, jatkoi sanantuoja, — monta nuorta

miestä menee veneeseen, joka savuaa, ja he tappavat kaikki hänen
mukanaan olijat.
 — Se on myös viisasta, sanoi Imgani, — kun tapan valkean
miehen, tapan myös hänen ystävänsä.

Hän selosti urotöitään jotensakin laveasti ja hyvin

yksityiskohtaisesti. Miehen mentyä Imgani valmisti aterian kalasta ja
maniokista, kiilloitti keihäittensä terät kostealla hiekalla, kuivasi ne
huolellisesti ruoholla ja paneutui majansa varjoon lepäämään.

Hän heräsi iltapäivällä ja sukelsi veteen uiden pitkin, voimakkain

vedoin keskivirtaa kohti.

Sitten hän ui takaisin rannalle, antoi ihonsa kuivua auringossa ja

pukeutui leopardinnahkaansa.

Hän tuli kylään hitaasti ja havaitsi, että siellä oltiin hämmentyneitä.

Erittäinkin oli hämmentynyt tuo viisas päällikkö, sillä oli saapunut
tieto, että Sandi tulee illalla, ja nyt juuri hänen laivansa tuli joen
mutkassa.

Suunnitelma oli mennyt myttyyn: Sanders tuli kahta päivää liian

varhain, ja Ifiba ja Mbuka, hänen luotettavat miehensä, olivat
matkalla, eikä ollut aikaa hankkia muita murhaa tekemään.

Laiva asettui pitkin rantaa peräratas hitaasti pyörien, ja sitten he

näkivät, Imgani muiden mukana, että kannet olivat täynnä sotilaita,
tyyniä, ruskeita, sinipukuisia ja fetsipäisiä miehiä.

Lankku lennähti alas, ja pitäen kiväärejään korkealla sotilaat tulivat

maihin sekä heidän mukanaan valkoinen upseeri — mutta ei Sandia.

Hän oli töykeä, tuo valkea mies.

— Kuka on täällä päällikkö? kysyi hän.