Operations Management Creating Value Along Canadian 1St Edition Russel Solutions Manual Full Chapter PDF

Operations Management Creating Value
Along Canadian 1st Edition Russel

Solutions Manual
Visit to download the full and correct content document: https://testbankdeal.com/dow
nload/operations-management-creating-value-along-canadian-1st-edition-russel-soluti
ons-manual/
Solutions Manual for Operations Management: Creating Value Along the Supply Chain, Canadian Edition 12- 1
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
CHAPTER 12 – FORECASTING
ANSWERS TO QUESTIONS, PROBLEMS, AND CASE PROBLEMS
Answers to Questions
12-1. Production planning, such as scheduling, inventory, process, facility layout and design,
work force, material purchasing, financial planning, including the development of
budgets and capital expenditures; and various marketing functions are dependent on
forecasting demand.
12-2. Qualitative forecasting methods are subjective estimates based on judgment, opinion, past
experience, and so on, whereas quantitative methods are mathematical, based on
formulas.
12-3. Short-range forecasts typically encompass the immediate future, in other words, several
months, and are concerned with daily operations; medium-range forecasts encompass
anywhere from several months up to several years and are used for annual budgets and
production plans or the development of a project or program; long-range forecasts usually
are for periods longer than one or two years and are used for strategic planning, such as
new product development or new programs.
12-4. All the elements of the supply chain including purchasing, inventory, production,
scheduling, facility location, transportation, and distribution are affected by forecasting.
An inaccurate forecast can result in excessive costly inventories or frequent stockouts and
late deliveries.
12-5. Continuous replenishment requires that suppliers replenish a company’s inventory levels
as products are demanded. The primary benefit of a continuous replenishment system is
minimal inventory. Thus, it requires very accurate forecasts by suppliers to always be
able to meet customer demand on very short notice. Without accurate inventories,
suppliers must maintain high inventory levels themselves.
12-6. Quality customer service means having products or services available when customers
demand them, and, being able to deliver products and services on time. Without accurate
forecasting of customer demand, it is difficult to keep the appropriate amount of
inventory on hand to meet demand in a timely manner without excessive costs.
12-7. Qualitative methods are most often used for long-range strategic planning. Often called,
“the jury of executive opinion,” it uses judgment, expertise and opinion of knowledgeable
people in a company. Other methods include consumer research, the Delphi method, and
consulting firms.
12-8. The Delphi method uses the informed opinions, expertise, and judgments of
knowledgeable individuals and experts. A questionnaire is used to develop a consensus
forecast of future trends and events. It’s especially useful for predicting technological
Copyright © 2014 John Wiley & Sons Canada, Ltd. Unauthorized copying, distribution, or transmission of this page is strictly prohibited.
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
advances.
12-9. A trend is a gradual, long-term, up or down movement of demand; a cycle is an

undulating up-and-down movement that repeats itself over a lengthy time span; a
seasonal pattern is an oscillating movement in demand that occurs periodically and is
repetitive.
12-10. Exponential smoothing is a moving average that weights the most recent past data more
strongly than more distant past data.
12-11. Other ways used to obtain initial forecasts include taking an average of demand in
preceding periods or making a subjective estimate. If forecasting has been a continual
process, then preceding forecasts might be used.
12-12. The higher the smoothing constant, the more sensitive the forecast will be to changes in
recent demand.
12-13. Adjusted exponential smoothing is the simple exponential smoothing forecast with a
trend adjustment factor added to it.
12-14. It is a judgmental choice, but in general, a high smoothing constant  reflects trend
changes more than a lower 
12-15. In a linear trend line equation, the independent variable, x, is always time.
12-16. This question requires an opinion of the student, but in general, the appropriate model is
determined primarily by the extent of any trend pattern.
12-17. A linear trend model will not adjust to a change in trend as the adjusted exponential
smoothing model will, thus limiting the trend line method to a shorter time frame.
12-18. By summing the differences between the actual forecast and demand; a large positive
value indicates the forecast is probably consistently low, whereas a large negative value
implies the forecast is consistently high.
12-19. The movement of a tracking signal is compared to control limits, as long as the tracking
signal is within the control limits, the forecast is in control and not biased.
12-20. This question requires a subjective estimate on the part of the student. A particular
method might be viewed as being superior because it is easier to use (compared to the
other methods), it is easier to interpret, it makes more sense, it can be used alone rather
than in comparison, or it seems to fit the data better.
12-21. Linear regression relates demand to one other independent variable, whereas multiple
regression reflects the relationship between a dependent variable and two or more
independent variables.
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
12-22. y is the dependent variable, x is the independent variable, a is the intercept, and b is the
slope of the line.
12-23. The Delphi method might be an appropriate method to use to forecast technological
advances in video equipment, whereas market/consumer research could be used to
forecast consumer demand. Various individuals in-house might also be able to assist in
developing a forecast.
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Answers to Problems
(Answers may vary due to rounding)
12-1. a., b.
3-Month 5-Month
Moving Moving
Month Sales Average Average
January 9.00 — —
February 7.00 — —
March 10.00 — —
April 8.00 8.67 —
May 7.00 8.33 —
June 12.00 8.33 8.20
July 10.00 9.00 8.80
August 11.00 9.67 9.40
September 12.00 11.00 9.60
October 10.00 11.00 10.40
November 14.00 11.00 11.00
December 16.00 12.00 11.40
January — 13.33 12.60
c. 3-month MAD = 1.89; 5-month MAD = 2.43. The dealer should use the 3-month
forecast for January because the smaller MAD indicates a more accurate forecast.
12-2. a., b.
Weighted
3-Month 3-Month
Moving Moving
Month Sales Average Average
1 5 — —
2 10 — —
3 6 — —
4 8 7.00 17.20
5 14 8.00 7.58
6 10 9.33 11.06
7 9 10.67 11.08
8 12 11.00 9.93
9 — 10.33 10.77
c. 3-month MAD = 2.07; weighted 3-month MAD = 2.49. The 3-month moving average
forecast appears to be slightly more accurate.
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
12-3. a., b., c.
3-Quarter Weighted
Moving 5-Quarter 3-Quarter
Average Moving Moving
Quarter Demand Forecast Error Average Error Average
1 105.00 — — — — —
2 150.00 — — — — —
3 93.00 — — — — —
4 121.00 116.00 5.00 — — 113.85
5 140.00 121.33 18.67 — — 116.69
6 170.00 118.00 52.00 121.80 48.20 125.74
7 105.00 143.67 –38.67 134.80 –29.80 151.77
8 150.00 138.33 11.67 125.80 24.20 132.40
9 150.00 141.67 8.33 137.20 12.80 138.55
10 170.00 135.00 35.00 143.00 27.00 142.35
11 110.00 156.67 –46.67 149.00 –39.00 160.00
12 130.00 143.33 –13.33 137.00 –7.00 136.69
13 — 136.67 — 142.00 — 130.20
d. Cumulative errors are:

3-quarter moving average, E = 32.0
5-quarter moving average, E = 36.4
Weighted 3-quarter moving average, E = 28.05
The weighted 3-quarter forecast appears to be the most accurate. All the forecasts
exhibit a low bias.
There appears to be a slight upward trend in the demand data and a pronounced
seasonal pattern with a peak increase during the second quarter each year, followed
by a substantial decrease in the third quarter.
12-4.
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
12-5. a., b.
3-Semester Exponentially
Moving Smoothed
Semester Enrollment Average Forecast
1 270 — —
2 310 — 270.00
3 250 — 278.00
4 290 276.67 272.40
5 370 283.33 275.92
6 410 303.33 294.74
7 400 356.67 317.79
8 450 393.33 334.23
9 — 420.00 357.38
c. 3-semester MAD = 61.33; exponentially smoothed MAD = 70.42; 3-semester moving

average appears to be slightly more accurate.
12-6. a., b.
Adjusted
Exponentially
Exponentially Smoothed
Smoothed Forecast
Forecast (  = 0.30,
Month Demand (  = 0.30 )  = 0.20 )
October 800 - —
November 725 800.00 800.00
December 630 777.50 773.00
January 500 733.25 720.70
February 645 663.27 639.23
March 690 657.79 637.46
April 730 667.45 653.18
May 810 686.21 678.55
June 1200 723.35 724.64
July 980 866.34 895.98
August — 900.44 930.96
c. Exponentially smoothed MAPD = 1, 282.86 / 7,710 = 0.166 = 16.6%; MAPD =

1282.86/6910 = 18.6%
Adjusted forecast MAPD = 1, 264.59 / 7,710 = 0.1640 = 16.4%. MAPD = 1264.59/6910 =
18.3%
Both forecasts appear to be approximately equally accurate.
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
12-7.
Adjusted
Exponentially Linear
Exponentially Smoothed Trend
Smoothed Forecast Line
Forecast (  = 0.40, y = 63.54
Month Price (  = 0.40 )  = 0.30 ) + 0.607x
1 62.70 — 64.15
2 63.90 62.70 62.70 64.75
3 68.00 63.18 63.32 65.36
4 66.40 65.10 65.78 65.97
5 67.20 65.62 66.25 66.57
6 65.80 66.25 66.88 67.18
7 68.20 66.07 66.46 67.79
8 69.30 66.92 67.45 68.39
9 67.20 67.87 68.53 69.01
10 70.10 67.60 67.98 69.61
11 — 68.60 69.17 70.22
Adjusted
Exponentially Exponentially Linear
Smoothed Smoothed Trend
Cumulative
Error 14.75 10.73 —
MAD 1.89 1.72 1.09
The linear trend line forecast appears to be the most accurate.
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
12-8.
Adjusted
Occupancy Forecast (  = 0.20, y = .683
Year Rate (  = 0.20 )  = 0.20 ) + .024x
1 .75 — .71
2 .70 .75 .75 .73
3 .72 .74 .74 .76
4 .77 .74 .73 .78
5 .83 .74 .74 .80
6 .81 .76 .76 .83
7 .86 .77 .77 .85
8 .91 .79 .80 .88
9 .87 .81 .82 .90
10 — .82 .83 .92
Exponentially
Smoothed Adjusted Linear Trend
Forecast Forecast Trend Forecast
E .046 .044 —
MAD .064 .061 0.026
12-9. a. 3-month moving average forecast for month 21 = 74.67

MAD = 3.12
b. 3-month weighted moving average forecast for month 21 = 75.875

MAD = 2.98
c. Exponentially smoothed forecast ( = 0.40 ) for month 21 = 74.60

MAD = 2.87 MAD = 2.99
d. The lowest MAD values are with both the weighted 3-month moving average
forecast and the exponentially smoothed forecast.
12-10. Group data into 3-month periods to forecast periods 19, 20 and 21.
Possible models include the following:
Exponential smoothing forecasts ( = 0.3) . F19, 20, 21 = 51.67, MAD = 18.93
Linear trend line forecasts F19, 20, 21 = 69.27, MAD = 1.10
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
12-11.
Adjusted
Exponentially
Exponentially Smoothed
Ice Smoothed Forecast
Cream Forecast (  = 0.50,
Quarter Sales (  = 0.50 )  = 0.50 ) Error
1 350 — —
2 510 350.00 350.00 160.00
3 750 430.00 470.00 280.00
4 420 590.00 690.00 –270.00
5 370 505.00 512.50 –142.50
6 480 437.50 407.50 72.50
7 860 458.75 454.37 405.62
8 500 659.37 757.50 –257.50
9 450 579.69 588.91 –138.91
10 550 514.84 487.03 62.97
11 820 532.42 527.30 292.69
12 570 676.21 745.55 –175.55
13 — 623.11 631.22 —
E = 26.30
E = 289.336
The forecast seems to be biased low.
12-12. Seasonal factors:

Quarter 1: 1,170 / 6,630 = 0.18
Quarter 2: 1,540 / 6,630 = 0.23
Quarter 3: 2, 430 / 6,630 = 0.37
Quarter 4: 1, 490 / 6,630 = 0.22
Forecast for 2015: y = 1,850 + 180 x = 2,570
Seasonally adjusted forecasts:
Quarter 1: 2,570 ( 0.18) = 453.53
Quarter 2: 2,570 ( 0.23) = 596.95
Quarter 3: 2,570 ( 0.37 ) = 941.95
Quarter 4: 2,570 ( 0.22 ) = 577.57
The seasonal factor seems to provide a more accurate forecast.
12-13. Seasonal factors:

Quarter 1: 395/1,594 = 0.25
Quarter 2: 490 /1,594 = 0.31
Quarter 3: 308/1,594 = 0.19
Quarter 4: 401/1,594 = 0.25
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Forecast year 4: y = 440.33 + 45.5x = 622.33

Seasonally adjusted forecasts:
Quarter 1: 622.33 ( 0.25 ) = 155.6
Quarter 2: 622.33 ( 0.31) = 192.9
Quarter 3: 622.33 ( 0.19 ) = 118.2
Quarter 4: 622.33 ( 0.25 ) = 155.6
12-14.
Day Daily Demand

1 212
2 182
3 215
4 201
5 158
6 176
7 212
8 188
 D = 1,544
D1 389
S1 (10 A.M. − 3 P.M.) = = = 0.25
D 1,544
D2 567
S2 ( 3 P.M. − 7 P.M.) = = = 0.37
D 1,544
D3 320
S3 ( 7 P.M. − 11 P.M.) = = = 0.21
D 1,544
D4 268
S4 (11 P.M. − 2 A.M.) = = = 0.17
 D 1,544
Linear trend forecast for day 9: y = 202.54 − 2.12x = 183.46
Day 9 forecast for 10 A.M. − 3 P.M.: 183.46 ( 0.25) = 45.87
3 P.M. − 7 P.M. : 183.46 ( 0.37 ) = 67.88
7 P.M. − 11 P.M. : 183.46 ( 0.21) = 38.52
11 P.M. − 2 A.M. : 183.46 ( 0.17 ) = 31.18
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
12-15.
Adjusted
Forecast (  = 0.30, y = 4, 690
Year Sales (  = 0.30 )  = 0.20 ) − 211.67x
1 4,260.00 — — 4,478.33
2 4,510.00 4,260.00 4,260.00 4,266.67
3 4,050.00 4,335.00 4,350.00 4,055.00
4 3,720.00 4,249.50 4,244.40 3,843.33
5 3,900.00 4,090.65 4,054.80 3,631.67
6 3,470.00 4,033.45 3,993.34 3,420.00
7 2,890.00 3,864.42 3,798.52 3,208.33
8 3,100.00 3,572.09 3,460.91 2,996.67
9 — — 3,313.19 2,785.00
Adjusted
Exponentially
Smoothed Linear Trend
Forecast Line
MAD 431.71 166.25
E –2.522
12-16. a. Seasonally adjusted forecast

January − March : D1 = 106.8
April − June : D2 = 135.6
July − September : D3 = 109.0
October − December : D4 = 233.6
D1 106.8
s1 = = = 0.18
D 585
D2 135.6
s2 = = = 0.23
D 585
D3 109.0
s3 = = = 0.19
 D 585
D4 233.6
s4 = = = 0.40
D 585
Linear trend line forecast for 2015: y = 96.33 + 6.89 x = 137.67
January–March forecast for 2015: SF1 = S1F6 = 0.18 (137.67 ) = 24.78
April–June forecast for 2015: SF2 = S2 F6 = 0.23 (137.67 ) = 31.66
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
July–September forecast for 2015: SF3 = S3 F6 = 0.19 (137.67 ) = 26.16

October–December forecast for 2015: SF4 = S4 F6 = 0.40 (137.67 ) = 55.07
b. Linear trend line forecast for January–March 2015:

y = 16.29 + 1.69 x = 26.43
Linear trend line forecast for April–June 2015:
y = 21.75 + 1.79 x = 32.49
Linear trend line forecast for July–September 2015:
y = 18.35 + 1.15x = 25.25
Linear trend line forecast for October–December 2015:
y = 39.94 + 2.26 x = 53.50
c.
Linear
Seasonally Trend
Adjusted Line
Year/Quarter Orders Forecast Dt − Ft Forecast Dt − Ft
2010 Jan–Mar 18.6 18.58 0.02 17.98 0.62
Apr–Jun 23.5 23.74 0.24 23.54 0.04
Jul–Sep 20.4 19.61 0.79 19.50 0.90
Oct–Dec 41.9 41.29 0.61 42.20 0.30
2011 Jan–Mar 18.1 19.82 1.72 19.67 1.57
Apr–Jun 24.7 25.32 0.62 25.33 0.63
Jul–Sep 19.5 20.92 1.42 20.65 1.15
Oct–Dec 46.3 44.04 2.26 44.46 1.84
2012 Jan–Mar 22.4 21.06 1.34 21.36 1.04
Apr–Jun 28.8 26.91 1.89 27.12 1.68
Jul–Sep 21.0 22.23 1.23 21.80 0.80
Oct–Dec 45.5 46.80 1.30 46.72 1.22
2013 Jan–Mar 23.2 22.30 0.90 23.05 0.15
Apr–Jun 27.6 28.49 0.89 28.91 1.31
July–Sep 24.4 23.54 0.86 22.95 1.45
Oct–Dec 47.1 49.56 2.50 48.98 1.88
2014 Jan–Mar 24.5 23.54 0.96 24.74 0.24
Apr–Jun 31.0 30.08 0.92 30.70 0.30
July–Sep 23.7 24.85 1.15 24.10 0.40
Oct–Dec 52.8 52.31 0.49 51.24 1.56
 | Dt − Ft | = 22.07  | Dt − Ft | = 19.08
Seasonally adjusted forecast MAD = 

22.07 | D1 − F1 |
= 1.10 =
n 20
Linear trend forecast for seasons MAD =

| D1 − F1 | 19.08
=

= 0.954
n 20
Although both forecasts seem to be relatively accurate, the linear trend line forecast
for each season is slightly more accurate according to MAD.
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
173.3
12-17. S ( Fall ) = = .215
806.1
155.9
S ( Winter ) = = .193
806.1
203.5
S (Spring ) = = .252
806.1
273.4
S ( Summer ) = = .339
806.1
y = 195.55 + 2.39 ( 5) = 207.5
Forecasts for 2015:
Fall: ( 207.5)(.215) = 44.61
Winter: ( 207.5)(.193) = 40.13
Spring: ( 207.5)(.252 ) = 52.38
Summer: ( 207.5)(.339 ) = 70.34
Yes, there does appear to be a seasonal pattern.
12-18.
Year
Time 1 2 3 4 5 6 Total
7:00 AM 56 64 66 60 72 65 383
8:00 31 41 37 44 52 46 251
9:00 15 22 24 30 19 26 136
10:00 34 35 38 31 28 33 199
11:00 45 52 55 49 57 50 308
Noon 63 71 57 65 75 70 401
1:00 PM 35 30 41 42 33 45 226
2:00 24 28 32 30 35 33 182
3:00 27 19 24 23 25 27 145
6:00 31 47 36 45 40 46 245
7:00 25 35 41 43 39 45 228
8:00 14 20 18 17 23 27 119
9:00 10 8 16 14 15 18 81
Total 410 472 485 493 513 531 2904
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Linear Trend Line:

a= 410.40
b= 21.03
Linear trend line forecast for year 7 = 557.6
Year 7 Forecasts:
SF1 (7:00)= 73.54
SF2 (8:00)= 48.19
SF3 (9:00)= 26.11
SF4 (10:00)= 38.21
SF5 (11:00)= 59.14
SF6 (noon)= 77.00
SF7 (1:00)= 43.39
SF8 (2:00)= 34.95
SF9 (3:00)= 27.84
SF10 (6:00)= 47.04
SF11 (7:00)= 43.78
SF12 (8:00)= 22.85
SF13 (9:00)= 15.55
12-19.
Exponentially Adjusted
Pool
Year Smoothed Error Trend Smoothed Error
Attendance
Forecast Forecast
1 410 410.00
2 472 410.00 62.00 0.0000 410.00 62.00
3 485 428.60 56.40 3.7200 432.32 52.68
4 493 445.52 47.48 6.3600 451.88 41.12
5 513 459.76 53.24 7.9368 467.70 45.30
6 531 475.73 55.27 9.5436 485.28 45.72
9 492.31 10.951 503.27
MAD = 49.364
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
12-20.
Patients per Period

Week Weekend Weekdays Total
1 105 73 178
2 119 85 204
3 122 89 211
4 128 83 211
5 117 96 213
6 136 78 214
7 141 91 232
8 126 100 226
9 143 83 226
10 140 101 241
Total 1277 879 2156
Linear Trend Line:
a = 186.93
b = 5.21
Linear trend line forecast for Week 11 = 244.27
SF1 (weekend) = 144.68

SF2 (weekdays) = 99.59
12-21.  D = 2,156
1, 277
S1 = = .592
2,156
879
S2 = = .408
2,156
Linear trend line forecast for week 11: y = 186.9 + 5.21x = 244.27
Weekend forecast: ( 244.27 )(.592 ) = 144.68
Weekday forecast: ( 244.27 )(.408) = 99.59
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Foreca Runni
Cumulativ
Actual s n Tracking
e
t g
Dema Dema
Mont Dt − Ft
n n Error MAD Error Signal
h
d d
10.
1
1 160 170 –10 0 –10 –1.00
0
0
12.
1
2 150 165 –15 5 –25 –2.00
5
0
14.
1
3 175 157 18 3 –7 –0.49
8
3
19.
3
4 200 166 34 2 27 1.40
4
5
16.
5 190 183 7 7 8 34 2.02
0
19.
3
6 220 186 34 6 68 3.46
4
7
17.
7 205 203 2 2 1 70 4.08
4
15.
8 210 204 6 6 7 76 4.83
5
14.
9 200 207 –7 7 7 69 4.67
8
15.
1
10 220 203 17 0 86 5.73
7
0
1
86 5
0
Cumulative error 86.00

Bias 8.60
MAD 15.00
MAPD 0.08
There is really no way to determine if this is an accurate forecast method unless it is
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
compared with some other method.
12-22. See Problem 12-21 solution for tracking signal values.
The forecast appears to be biased low (i.e., actual demand exceeds the forecast).
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
12-23.  = 239.38; There does not seem to be any high or low bias in the forecast.
12-24.
Year Error Cumulative Running Tracking

Error MAD Signal
1 — — —
2 250 250 250.00 1.00
3 –300 –50 275.00 –0.18
4 –524.4 –574.4 358.13 –1.60
5 –154.8 –729.4 307.30 –2.37
6 –523.34 –1,252.54 350.51 –3.57
7 –908.52 –2,161.06 443.51 –4.87
8 –360.91 –2,521.97 431.71 –5.84
The control chart suggests the forecast is not performing accurately and is consistently
biased high (i.e., the actual demand is consistently lower than the forecast).
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
12-25. a.
Month Demand Forecast Error Dt − Ft

Running Cumulative Tracking
MAD Error Signal
March 120 — — — — — —
April 110 120.0 –10.00 10.00 10.00 –10.0 –1.00
May 150 116.0 34.00 34.00 22.00 24.0 1.09
June 130 129.6 0.40 0.40 14.80 24.4 1.65
July 160 129.7 30.30 30.30 18.67 54.7 2.93
August 165 141.8 23.20 23.20 19.58 77.9 3.98
September 140 151.1 –11.10 11.10 18.17 66.8 3.67
October 155 146.7 8.30 8.30 16.76 75.1 4.48
November 150.0 75.10 117.30
Bias 10.73
MAD 16.76
MAPD 0.1038
b.
3-Month
Month Demand Moving Error Dt − Ft
Average
March 120 — — —
April 110 — — —
May 150 — — —
June 130 126.67 3.33 3.33
July 160 130.00 30.00 30.00
3-Month
Month Demand Moving Error Dt − Ft
Average
August 165 146.67 18.33 18.33
September 140 151.67 –11.67 11.67
October 155 155.00 0.00 0.00
November 153.33 39.99 63.33
Bias 8.00
MAD 12.67
MAPD 0.08
MSE 276.64
The 3-month moving average seems to provide a better forecast.
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
c. The tracking signal moves beyond the 3 MAD control limit for July and continues
increasing indicating the forecast is consistently biased low.
12-26. The 3-month moving average forecast appears to be more accurate.
Month Demand Forecast Dt − Ft Month Demand Forecast Dt − Ft

January 9 9.00 — August 11 9.27 1.73
February 7 9.00 2.00 September 12 9.62 2.38
March 10 8.60 1.40 October 10 10.09 0.09
April 8 8.88 0.88 November 14 10.07 3.92
May 7 8.70 1.70 December 16 10.86 5.14
June 12 8.36 3.64 January — 11.88 —
July 10 9.09 0.91
Moving Average Exponentially Smoothed

Forecast (Prob. 12-1a) (Prob. 12-20)
Mad 1.89 2.16
12.27. MAD = 1.79

Cumulative error = 12.36
According to these measures, the forecast appears to be fairly accurate.
Year Demand Forecast Error Running Cumulative Tracking

MAD Error Signal
1 16.8 16.8 0 — — —
2 14.1 16.8 −2.7 2.70 −2.7 −1.00
3 15.3 15.7 −0.4 1.55 −3.1 −2.00
4 12.7 15.5 −2.8 1.97 −5.9 −3.00
5 11.9 14.4 −2.5 2.10 −8.4 −4.00
6 12.3 13.4 −1.1 1.90 −9.5 −5.00
7 11.5 12.9 −1.4 1.82 −10.9 −6.00
8 10.4 12.4 −1.6 1.79 −12.5 −7.00
The tracking signal goes outside of the control limits beginning in year 4, indicating a
forecast that is biased high.
Linear trend model:
Year Demand Forecast

1 16.80 15.87
2 14.10 15.10
3 15.30 14.33
4 12.70 13.56
5 11.90 12.79
6 12.30 12.02
7 11.50 11.24
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
8 10.80 10.47
9 — 9.70
MAD = 0.68
The linear trend line forecast appears to be more accurate for MAD.
12-28. y = 49.95 + 0.428x, where y = occupancy rate and x = wins.

Forecast if the Red Jays win 85 games: 49.95 + .428 (85) = 86.3 occupancy rate.
yes; r = .8626
12-29. a. y = .51 + .403x, where y = sales and x = permits.

Forecast if 25 permits are filed: .51 + .403 ( 25) = 10.57
b. The correlation coefficient is .914 indicating a strong causal relationship.
12-30. a. y = −50.21 + 2.056 x, where y = gallons of ice cream and x = temperature. Forecast for
temperature of 80 : − 50.21 + 2.056 (80 ) = 114.29 gal.
b. The correlation coefficient is 0.833, indicating a strong causal relationship.
12-31. Coefficient of determination = ( 0.833)2 = 0.694, indicating that 69.4% of the variation of ice
cream sales can be attributed to the temperature.
12-32. a. y = 7039.24 − 0.337 x where y = applications and x = tuition.

If tuition is $10,000, forecast is 7039.24 −.337 (10, 000 ) = 3, 670.12 applications.
If tuition is $7,000, forecast is 7039.24 − .337 ( 7000) = 4, 680.86 applications.
b. The correlation coefficient is −.808, indicating a fairly strong linear relationship

between tuition costs and number of applicants.
c. Number of class sections, number of dormitory rooms, number of persons per class,
plus numerous budgeting decisions.
12-33. y = 15.864 − 0.575x

r = −0.785
r 2 = 0.616
There seems to be a relatively strong relationship between production time and defects.
Forecast for “normal” production time of 23 minutes:
y = 15.864 − 0.575 ( 23)
y = 2.64% defects
12-34. y = 1.317 + 0.151x

r = .744, which indicates a fairly strong relationship between hits and orders
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
r 2 = 0.553,
which means 55.3% of the variation in orders can be attributed to the number
of website hits.
At 60,000 hits/month, y = 1.317 + .151( 60 ) =10.4 or 10,400 orders
12-35.
Linear Trend
Year Application Line Forecast
1 6,010 6,069.72
2 5,560 5,886.12
3 6,100 5,702.51
4 5,330 5,518.91
5 4,980 5,335.30
6 5,870 5,151.69
7 5,120 4,968.09
8 4,750 4,784.78
9 4,615 4,600.88
10 4,100 4,417.27
11 — 4,233.66
y = 6253.33 − 183.606x
Correlation coefficient = −0.850
a. The linear regression forecast (from Problem 12-30) has a MAD value of 310
whereas the MAD value for the linear trend line forecast in this problem is 256,
indicating that the linear trend line forecast is somewhat better.
b. The correlation coefficient is −0.850, indicating a strong relationship between

applications and time.
12-36. The slope, b = 2.98, indicates the rate of change, that is, the number of gallons sold for
each degree increase in temperature.
12-37. a. y = 380.93 + 16.03x

y (11) = 380.93 + 16.03 (11)
= 557.26 printers
b. y = −22.07 + .41x
y = −22.07 + .41(1500 )
= 594.10
c. MAD for the linear trend line forecast in a. equals 85.69 while MAD for the linear
regression forecast in b. equals 45.20. In addition, the correlation coefficient for the
linear trend is r = 0.426 whereas the correlation coefficient for the linear regression is
r = .848. This evidence seems to indicate the forecast model in b. is best.
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
12-38.
Year Demand Forecast

1 381 —
2 579 381.00
3 312 440.40
4 501 401.88
5 296 431.62
6 415 390.93
7 535 398.85
8 592 439.21
9 607 485.04
10 473 521.63
11 507.04
The exponential smoothing forecast ( MAD = 104.54 ) appears to be less accurate than the
linear regression forecast ( MAD = 45.20 ) developed in 12-35a.
12-39. a. Seasonally adjusted forecast:

Quarter 1: D1 = 306
Quarter 2: D2 = 334
Quarter 3: D3 = 404
Quarter 4: D4 = 348
306
S1 = = 0.220
1392
354
S2 = = 0.240
1392
404
S3 = = 0.290
1392
348
S4 = = 0.250
1392
Linear trend line forecast for year 6: y = 271.2 + 2.4 x ; y ( 6 ) = 271.2 + 2.4 ( 6 ) = 285.6
SF1 = ( 0.220 )( 285.6 ) = 62.78
SF2 = ( 0.240 )( 285.6 ) = 68.53
SF3 = ( 0.290 )( 285.6 ) = 82.82
SF4 = ( 0.250 )( 285.6 ) = 71.40
b. Quarter 1: y = 52.69 + 0.3973x

y ( 20 ) = 56.69 + 0.3973 ( 20 )
= 64.64 =60.64
Quarter 2: y = 91.62 − 0.71x
y ( 36 ) = 91.62 − ( 0.71)( 36 )
= 66.06
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Quarter 3: y = 73.57 + 0.29x

y ( 25 ) = 73.57 + 0.29 ( 25 )
= 80.82
Quarter 4: y = 37.47 + 1.06 x
y ( 30 ) = 37.47 + 1.06 ( 30 )
= 69.27
c. This is an intuitive assessment, which managers must do on occasion. In general, the

linear regression forecast provides a more conservative estimate.
12-40. The adjusted exponentially smoothed forecast ( = 0.4,  = 0.4 ) has a first quarter forecast
for year 6 of 75.68 percent seat occupancy. It has a E (bias) value of 1.08 and a MAD
value of 8.6, which seem low. Thus, this may be the best overall forecast model
compared to the one developed in 12-37a.
12-41. The following table shows several different forecast models developed using Excel and
selected measures of forecast accuracy.
Year 25
Forecast Method Forecast MAD E (bias)
Moving average ( n = 3) 5.89 1.58 .127
Linear trend line 8.22 1.86 0.000
Exponential smoothing
( = 0.3) 6.64 1.59 −0.330
( = 0.5) 6.13 1.29 .031
( = 0.3,  = 0.4 ) 6.24 1.33 −0.020
( = 0.4,  = 0.5) 5.94 1.22 0.003
Although this selection of forecast models is not exhaustive, it does seem to indicate the
exponential smoothing models are the most accurate, especially the adjusted model with
(  = 0.4 and  = 0.5 ).
12-42.
y = 13.8399 + .00150 x
y (12000 ) = 31.79
r = 0.95
12-43. a. Forecast of applicants:

y = 13,803.07 + 470.55 x
y (11) = 18,979.12 applicants
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Forecast of % acceptances:
y = 37.72 + .247 x
y (11) = 40.44%
Estimated offers = 5,000 /.4044 = 12,634
% offers = 12,364 /18,979.12 = 65.15%
b. Forecast of % offers:
y = 83 − 1.68 x
y (11) = 64.54%
c. If the forecast of % acceptances is accurate, then the number of applicants is not

relevant; 12,634 offers will yield 5,000 acceptances.
12-44. a. y = 381.32 + 68.40 x

y (11) = 1, 270.48
b. r = .973
There appears to be a very strong linear relationship
12-45. a. y = 219.27 + 12.28x

y (16) = 415.67
b. y = −5349.77 + .147 x
y (39,300) = 438.31
r = .966
y (40, 000) = 541.41
The club should use the linear regression model. The correlation coefficient shows that
town population is a good predictor of the growth in the number of club players plus it
provides a more favourable forecast for the club.
12-46. a. y = 116.12 − 1.28x

y (70) = 116.12 − 1.28(70)
= 26
r 2 = .537
b. y = 116.9 − 1.24 x1 − 0.14 x2

y (70, 40) = 116.9 − 1.24(70) − 0.14(40)
= 25
r 2 = .538
Very little difference between the two forecasts. Annual budget appears to replicate
endowment.
12-47. y = 1.704 + 0.269 x, where y = sales and x = promotional expenditures.

Correlation coefficient = 0.546
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
The correlation coefficient indicates a weak linear relationship between sales and
promotion, thus a linear regression model should not be used.
12-48. We tested 3 forecasting methods, as follows:
Adjusted
Linear Exponentially
3-Month Smoothing
Month Demand Trend
Moving
Line Average Forecast
Forecast (  = 0.30,
 = 0.50 )
1 8.20 8.24 — 18.20
2 7.50 8.42 — 8.20
3 8.10 8.59 — 7.99
4 9.30 8.77 7.93 8.02
5 9.10 8.95 8.30 8.40
6 9.50 9.13 8.83 8.61
7 10.40 9.31 9.30 8.88
8 9.70 9.49 9.67 9.34
9 10.20 9.67 9.87 9.44
10 10.60 9.84 10.10 9.67
11 8.20 10.02 10.17 9.95
12 9.90 10.20 9.67 9.42
13 10.30 10.38 9.57 9.57
15 11.70 10.74 10.23 10.00
16 9.80 10.92 10.83 10.51
17 10.80 11.09 10.67 10.30
14 10.50 10.56 9.47 9.79
18 11.30 11.27 10.77 10.45
19 12.60 11.45 10.63 10.70
20 11.50 11.63 11.57 11.27
21 10.80 11.81 11.80 11.34
22 11.70 11.99 11.63 11.18
23 12.50 12.17 11.33 11.33
24 12.80 12.34 11.67 11.68
25 — 12.52 12.33 12.29
Forecasting Alternatives MAD E

Linear trend line 0.546 —
3-month moving average 0.825 9.2
Adjusted exponential smoothing 0.817 9.47
All three methods we chose to evaluate appear to be relatively accurate. The student
might select another method that will be more accurate.
12-49. a. y = 745.91 − 2.226 x1 + 0.163x2
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
b. r 2 = 0.992
c. y = 7,186.91
12-50. a. y = 608.795 + 0.215 x1 − 0.985 x2 y = 144.67 + 0.371x1 – 0.307x2
b. r 2 = 0.766
c. y = 608.795 + 0.215 (1,500 ) − 0.985 ( 300 ) = 635.79 = 144.67 + 0.371(1500)-0.307(300) =

608.50
12-51. a. y = 219.167 − 0.027 x1 + 233.871x2
b. r 2 = 0.956
c. y = 219.67 − 0.027 (10, 000 ) + 233.871( 4 ) = $882.82
12-52. Selected forecast models 5-day moving average forecasts for day 21:
11 −12 = 82.11, MAD = 12.40
12 −1 = 128.4, MAD = 28.32
1− 2 = 93.0, MAD = 15.82
Exponentially smoothed ( = 0.3) forecasts for day 21:
11 −12 = 82.11, MAD = 12.40
12 −1 = 129.7, MAD = 26.36
1 − 2 = 99.61, MAD = 14.23
Linear trend line forecasts for day 21:
11 −12 = 81.86, MAD = 11.25
12 −1 = 132.42, MAD = 22.14
1 − 2 = 103.5, MAD = 12.44
The “best” forecast model depends on what models are selected for comparison. For the
models tested above, they all seem to be relatively close, although the linear trend model
consistently had the highest next period forecast and a slightly lower MAD value.
12-53. a. y = 43.09 + .0007 x1 + 1.397 x2 where y = SOL scores

x1 = average teacher salary
x2 = average tenure
b. r 2 = 0.696
Approximately 70% of the amount of variation in SOL scores can be attributed to
teacher salaries and tenure. This is a moderately strong relationship indicating the
superintendent is at least partially right.
c. y = 43.09 + .0007 ( 30, 000 ) + 1.397 ( 9 ) = 76.66

No, the SOL score would only increase to 76.66.
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Answers to Case Problem 12.1: Forecasting at Tech University

Forecasting would be appropriate in a number of different areas. The university needs to be able
to forecast future applications and enrolments both in the short and long term. A forecast of the
college age population that will apply to Tech is very important for planning purposes. A
multiple regression model that related applications to variables such as population, tuition levels,
and entrance requirements would probably be most appropriate for this purpose.
Internal forecasts for classroom space, facilities, dormitory space, dining, etc., would enhance the
planning process. Times series methods would probably be sufficient for this type of forecasting.
The university might consider using a forecasting model to determine future funding from the
province. Several models, such as a multiple regression and perhaps a qualitative technique like
the Delphi method might be combined. Forecasts for other sources of funding such as
endowments and tuition increases could be forecast using more conventional methods such as
regression or time series.
The university’s TQM approach requires a forecast of what customers perceive educational
quality to be in the future—that is, a definition of quality according to students, parents, and
legislators. In-house forecasting using key administrators, faculty, and students might be
appropriate. Surveys and market research techniques of alumni, students, and parents might be
useful in determining what quality factors will be important in the future.
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Answers to Case Problem 12.2: The University Bookstore Student Computer

Purchase Program
The following table shows several different forecast models developed using POM for Windows
and selected measures of forecast accuracy:
Forecast Method Year 15 MAD E (bias)

Forecast
Moving average ( n = 3) 1,004.66 96.96 66.00
Linear trend line 1,020.07 73.24 0.00
( = 0.3) 941.53 126.88 108.59
( = 0.5) 1,003.70 104.95 74.72
( = 0.3,  = 0.4 ) 983.22 109.58 62.19
( = 0.4,  = 0.5) 1,031.09 105.13 61.31
Although this selection of different models is not exhaustive, it does seem to indicate that the
linear trend line model is the best.
Other forecast models that the bookstore might consider include forecasts of student enrolment
and entering freshmen. Also, for longer term forecasts, the bookstore could investigate which
different majors and classes might be moving to more extensive computer usage in the future,
thus driving up long-run student demand. Additionally forecasts for other products would help
the bookstore plan their inventory, warehouse usage, and distribution better.
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Answers to Case Problem 12.3: Cascades Swim Club

Attendance
Week
Day 1 2 3 4 5 6 7 8 9 10 11 12 13 Total
M 139 198 341 287 303 242 194 197 275 246 224 258 235 3,139
T 273 310 291 247 223 177 207 273 241 177 239 130 218 3,006
W 172 347 380 356 315 245 215 213 190 161 274 195 271 3,334
Th 275 393 367 322 258 390 304 303 243 308 205 238 259 3,865
F 337 421 359 419 193 284 331 262 277 256 361 224 232 3,956
Sa 402 595 463 516 378 417 407 447 241 391 411 368 317 5,353
Su 487 497 578 478 461 474 399 399 384 400 419 541 369 5,886
Total 2,085 2,761 2,779 2,625 2,131 2,229 2,057 2,094 1,851 1,939 2,133 1,954 1,901 28,539
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
The seasonal factors for each weekday are as follows:

3,139
S1 ( Monday ) = = .110
28,539
3, 006
S2 ( Tuesday ) = = .105
28,539
3,334
S3 ( Wednesday ) = = .117
28,539
3,865
S4 ( Thursday ) = = .135
28,539
3,956
S5 ( Friday ) = = .139
28,539
5,353
S6 ( Saturday ) = = .188
28,539
5,886
S7 ( Sunday ) = = .206
28,539
The linear trend line equation computed from the 13 weekly totals is
y = 2,598.2308 − 57.5604 x
Using this forecast model to forecast weekly demand for each of the 13 weeks for the next
summer and multiplying each weekly forecast by the daily seasonal factors will give the daily
forecast for the next summer. For example, the daily forecast for week 1 is computed as
y = 2,598.2308 − 57.5604 (1) = 2,540.67
Week 1 Forecasts:
Monday = (.110 )( 2,540.67 ) = 279.5
Tuesday = (.105)( 2,540.67 ) = 266.8
Wednesday = (.117 )( 2,540.67 ) = 297.3
Thursday = (.135)( 2,540.67 ) = 343.0
Friday = (.139 )( 2,540.67 ) = 353.2
Saturday = (.188)( 2,540.67 ) = 477.6
Sunday = (.206 )( 2,540.67 ) = 523.4
The remaining 12 weeks of daily forecasts would be developed similarly.
If the board of directors perceived that the pattern of weekly attendance totals would be closely
followed next summer—i.e., low demand in the first week followed by high demand in weeks 2,
3 and 4 followed by gradually declining demand for the remaining 9 weeks—then a seasonally
adjusted forecast could be used. That is, seasonal factors could be developed for all 13 weeks,
and, weekly forecasts could be computed by multiplying these weekly seasonal factors by the
projected summer total attendance, rather than using the linear trend like forecast to compute
forecasted weekly attendance.
–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Answers to Case Problem 12.4: Forecasting Airport Passenger Arrivals

Seasonal factors:
4–6 am 98,900/677,200 = .146
6–8 am 111,000/677,200 = .164
8–10 am 116,100/677,200 = .171
10–Noon 65,200/677,200 = .096
Noon–2 pm 80,700/677/200 = .119
2–4 pm 85,300/677,200 = .126
4–6 pm 74,800/677,200 = .110
6–8pm 34,600/677,200 = .051
8–10pm 10,600/677,200 = .016
a. Linear trend line forecast for year 4 developed by averaging 10 sample days for each year,
creating 3 data point:
y = 11,413.3 + 5580 x
y (4) = 33,733.3
b. Linear trend line forecast for year 4 developed using all 30 sample data points:
y = 14,893 + 503.62 x
y (31) = 30,505.2
Seasonally Adjusted Forecast (a.) Seasonally Adjusted Forecast (b.)

4–6 am 4,926.50 4455.06
6–8 am 5529.24 5000.12
8–10 am 5783.28 5229.85
10–Noon 3247.80 2937.01
Noon–2 pm 4019.91 3635.22
2–4 pm 4249.05 3842.43
4–6 pm 3726.01 3369.45
6–8pm 1723.53 1558.60
8–10pm 528.02 477.59
Another random document with
no related content on Scribd:
Így jár életem részleteivel az emlékezetem is. Olyan vihar volt az
ifjúságom, bárha külsőleg gondtalan volt és vidám, de lelki világom
viharai úgy kergettek át az élet tájain, mint a szél azt a falevelet és
az a néhány részlet, amely mélyebben bevésődött emlékezetembe,
úgy tünik föl, mint ama megpihenés szigetei, mint az eszmélés
sajátságos fészke. Közöttük elzúg a sodró szél és mintegy sötét
porfelhőkbe dobott, szinte megvakítva a legközelebbi tisztánlátásig.
És ahogyan véletlenül és önkényesen kiválasztottaknak látszanak
azok a helyek, amelyeken a szél elbocsájtja könnyü áldozatát, úgy
emlékeim sincsenek egymással semmiféle vonatkozásban és
fejlődésemmel sincsenek fölismerhető összefüggésben. Egyszer
nevetséges semmiség körül forognak, máskor jelentéktelen
különösségek körül, amelyekről nem tudnám megmondani, miért
éppen ezek ragadtak meg az emlékezetemben. Ritkán maradt meg
az emlékezetemben olyan élmény, amely döntő változást vagy
fordulópontot jelent az életemben. Így például emlékszem arra, hogy
egyszer mint kis fiú arra kértem az apámat, távolítson el egy csomót
egy zsinórról. Apám létrán állott, hogy egy vörös lámpást aranyos
láncon a menyezetre akasszon és lehajolt, hogy segítsen rajtam.
Akkor négy éves lehettem. Ez legrégibb visszaemlékezésem. Sokkal
később képet láttam, amelyen folyó partján, mező alján fehérruhás
asszonyok ültek székeken, azután ismét hatalmába kerített a feledés
homályos vihara mindaddig, míg iskolába nem kerültem. A kényszer
és kötelesség ez első napjainak benyomásaiból a legtisztábban az
maradt meg, hogy az a fiú, aki az iskolapadban a szomszédom volt,
egy napon két palavesszőt hozott, amelyek csaknem félig vörös és
aranyozott mintájú, brokátszerű papirral voltak körülragasztva.
Lelkem szegény levelét ezeken a palavesszőkön pihentette meg a
zavaros vihar. Mosolyogsz azon és csodálkozol, hogy miért mondom
el mindezt neked? Összefügg azzal, amit előbb elmondtam és azzal,
amit még el akarok neked beszélni. Sohasem jártam másképpen,
mint a gyermek és talán nem tévedek, ha fölteszem, hogy a legtöbb
embernek egész életén át ugyanez a sorsa. A fejedet rázod. Nos,
hát mondjad el, hogy a legutóbbi évből való emlékeid miféle
vonatkozásban vannak lelked fejlődésével. Máris habozol és
nemsokára szövevényes utaknak és a pihenés meg nem értett
helyeinek kúsza képe lesz előtted! Ki tanulta meg, hogy a lelkével
éljen? Pedig csak ott van az út, amelynek értelme és célja a
megismerés, a megismerés azonban megszünteti a zavaros vihart,
mint ahogy egykor Krisztus szava lecsöndesítette a szelet a
hullámok fölött és az így nyert nyugalomból az el nem mulónak
tükörképe fénylik és bezárja a kört a tiszta szívben.
Valamivel magasabban vagyok, mint te. Mérd meg; tenyérnyivel
magasabban. Ebből a helyzetből szól hozzád egyszerű szavam, de
abban az időben, amikor az életet szenvedtem, mint sokan, én is
csak levél voltam a világ komor szelében. Így fiatal szerelmem ama
boldog napjairól is csak keveset tudok elmondani, oly keveset, hogy
mosolyognál szegénységemen. A szerelem nyugtalanságában
ébred föl az első figyelmeztetés, de a lelkem nem értette meg, a
halállal föltámad az utolsó figyelmeztetés, mert hidd el nekem,
senkihez sem megy a halál, hogy időt ne engedne neki, a
szellemvilág egy fénylő alakja egy pillanatra mindig visszatartja a
borzalmas kaszát és a tiszta szemek nálad rólad kérdezősködnek.
– Várj, – kiáltottam, – várj, hadd kérdezlek! Ha a halál ruhájában
hátrafelé tekintve a jövő tisztább birodalmából szólsz hozzám, akkor
mondj meg nekem egyet, egyet mindenekelőtt, egyet a
legérthetőbben, mondd meg, mi az igazság.
A halott a csillagok fényében mosolygott.
– Ó, te élő ember, – mondta jóakaratúan. – Ugyan mit nem
kérdezel! Az igazság inkább az, ami téged kérdezésre unszol, mint
az, amit bármikor is feleletül kaphatnál. Aki megízlelte az igazságot,
nem kérdez többé senkit, mert tudja, hogy az igazság szentsége az
üdvösségnek, melyre elhivattatott. Az igazság hang a mulandóban
való otthon nélkül, virág gyökér és talaj nélkül. A lélek tiszta
mélységeiben virágzik, illatozik és sugárzik. Aki érezte szagát,
fényét, nem kutatgatja többé lényének értelmét, megmagyarázni az
igazságot nem lehet, de érezni lehet és benne lehet lenni.
– Ha visszatekintek a Reginával töltött boldog napokra, – folytatta
a halott kis hallgatás után az elbeszélését, – azt hiszem, hogy úgy
az örömmel, mint a szenvedéssel a gyermekségemért fizettem meg.
Gyermeknapjaim külső lefolyásukban bizonyára olyanok voltak,
aminőket általában boldognak szoktak mondani, derűlten teltek el és
akadályok nélkül, de azt hiszem, hogy ez a jólét lett a végzetem. A
gyermek létében fölbukkanó akadályok, az életnek minden
keménysége, amelyet idő előtt éreznie kell, egyáltalán nem hatnak
oly károsan, mint általában hiszik. Lehet, hogy a lélek egyik-másik
gyönge hajtását zavarják a fejlődésben, sőt le is törik, de
egyszersmind kifejlesztik a lélek ellenálló erejét és ez az utóbbi
hasznosabb a földi utazásra nézve, mint amennyire káros az előbbi.
Ezt a valóságot magamon tapasztaltam és azon az igazságon
alapszik, hogy igazi kedélyt alapjában nem lehet károsan
befolyásolni, gyönge ellenálló erőt ellenben, amely nagy dologra
tartogatja magát, nagyon is erősíteni lehet. Így fölnövekedésem
éveiben szellemem és lelkem gyönge és ingatag sarjakat fakasztott
és bár senkinek sem voltam terhére, amikor férfi kezdtem lenni, de
magam sem voltam fölvértezve szorongattatások ellen. Sejteni
kezdtem, hogy csak azért voltam kedves az emberek szemében,
mert életjogaimat korlátoztam és amikor láttam, hogy annak az
emberi közösségnek, amelybe jutottam, szolgáló tagja lettem,
hasznos, tűrt és becsült, rájöttem egyszersmind arra, hogy a
sekélyes társadalmi életnek nyujtott kis szeretetadományok kedvéért
eltemettem magamban ez erős és kiméletlen egyéniség iránt való
nagyobb szeretetet.
Efféle megfontolgatások és következtetések akkor bizonytalanul
ébredeztek öntudatomban és pedig annál inkább, minél jobban
szembe állította a szerelmem jellememet és személyemet a tiszta
természet jelképével, amelyet Regina lénye mutatott. De nem
kínoztak túlságosan, mert nagyon is tapasztalatlan voltam, semhogy
sokkal többre ne becsültem volna a szerelem lecsillapító
jótéteményeit, mint a legnagyobb igazságosságra való könyörületlen
akaratát. Azok közé a boldog emberek közé tartoztam, akiket vakká
tesz a szerelem, vakká mindenekelőtt a saját igényeik értéke vagy
értéktelensége iránt. Joggal hirdetem ezt az állapotot földi
boldogságnak, mert jaj a léleknek, amely szerelme tüzében látni tud,
fájdalmasabb a végzete mint a vértanúk szenvedésének útja.
Mindezzel azonban csak azokban a napokban jöttem igazán
tisztába, amikor Regina egy másik férfi iránt kezdett érdeklődni. Az
idén kora tavasszal láttam azt az idegent először. Meleg, gyönge
szívemet, mintha hideg kéz markolta volna meg, rettegés fogta el,
anélkül, hogy meg tudtam volna magamnak magyarázni, mi okozta
ezt a megrázkódtatást. Vasárnap délután volt és Reginával a folyó
partján ültem kis erdei vendéglő előtt. A parton gyermekek régi
csónakkal játszadoztak és a tavaszi fény ott csillogott a vizen. Mivel
későre járt az idő, a legtöbben a vendégek közül már útra keltek a
város felé. A kert elhanyagoltnak és egyszersmind otthonosnak
tetszett, a lenyugvó nap sugarai a bükkök ágainak fiatal zöldjén
keresztül végigúsztak az elhagyott asztalokon és székeken és a
földön papirosfoszlányok hevertek. Az idegen az erdőből jött egy
kisérővel és a korcsmárost hívta, akivel valami okból civakodni
kezdett. Talán megtagadták tőle, amit kivánt, talán csak Regina
figyelmét akarta magára terelni, biztosan nem tudnám megmondani,
mert erre az emberre az első pillanattól kezdve azzal az előitélettel
tekintettem, amelyet az irigység és a csodálat szül. Vannak férfiak,
akiknak megjelenését, mint láthatatlan folyam, erejük és képességük
atmoszférája lengi körül, sőt úgy látszik, mintha átlátszó köpenyként
a vállukon viselnék sorsukat, végzetüket vagy szerencséjüket, látjuk
őket lépni, járni, szeretni vagy beszélni és egyidőben lesujtanak és
magukhoz vonzanak. Mások érdeklődésének világát, a körülöttük
levő fényecskék gyönge sugarát beleszívják élethatalmuk forróbb
zónáiba, közvetetlenül jóakaratot vagy ellenérzést, de minden esetre
állandóan érdeklődést keltenek. Azok a férfiak, akik személyük e
hatását nemcsak ismerik, de uralkodnak is rajta, gyakran már nem
tudják minden egyes esetben, hogy ezt a hatást mennyiben
érvényesitik alkalmilag, véletlenül vagy szándékosan.
Elfogtam egy pillantást, amelyet az idegen Reginára vetett,
hosszú, fölbátorítóan nyugodt pillantást, amikor fejét félig feléje
fordította. És különös, hogy amily szemtelennek tűnt föl állhatatos
nézése, az arcán tükröződő szeretetreméltó bámulás, derűlt és
őszinte csodálkozása éppen oly öntudatosnak és szinte
szükségesnek tetszett, hogy igazán nem tudtam, büszke legyek-e
vagy haragra lobbanjak. Hasonló hidegvérrel készítette elő a velünk
való megismerkedést. Föltünő érdeklődésén való fölháborodásomat
annyira fokozta, hogy később büszkeségből mindent inkább meg
tudtam volna tenni, mint azt, hogy visszautasítsam
csónakkirándulásra szóló meghívását. Odajött az asztalunkhoz. Úgy
tett, mintha arra menve akkor vett volna észre bennünket, szinte
hirtelen ötlet hatása alatt megállott, kalapot emelt és megszólított
bennünket. Gúnyos mosolya, amellyel habozásomat fogadta,
meggyőzőtt arról, hogy szántszándékkal hívott ki és hogy önérzetem
fölingerlésével hasznára akarta fordítami ellenállásomat. Tekintete
azután rólam nyugodtan, csaknem szomorú bátorítással a leányra
vándorolt, majd némiképpen sajátmagára és úgy éreztem, hogy a
szeme azt mondja nekem: ennek a leánynak érzelmeit nem
merészeled magadért kockára tenni vagy kipróbálni.
Magától értetődött tehát, hogy bár tisztában voltam azzal, hogy
esztelenül cselekszem, beleegyeztem, nehogy erkölcstelennek
tűnjek föl. Azt vártam, hogy fölháborodás vagy harag
megkönnyebbülést fog nekem szerezni, de az idegennek
magatartása következtében megcsalódtam e várakozásomban,
szeretetreméltó volt és tapintatos, Regina iránt nem volt
figyelmesebb mint irántam és a legkevésbbé az a tapasztalatom
elégített ki, hogy ha már önző számítás volt az eljárásban, nagyra
becsülte a jegyesemet. Este együtt tértünk vissza a tavaszi erdőn
keresztül és a városka kapujánál váltunk el egymástól, miután
közösen kifejeztük ama reményünket, hogy ismét találkozni fogunk.
Regina utunknak utolsó részén, amelyet apja házáig kellett
megtennünk, élénk volt és vidám, nyiltan és tartózkodás nélkül
elmondta, hogy az idegen nagyon tetszett neki és hogy a barátja
nyilván a kisérők ama fajtájához tartozott, akik csak éppen kisérők,
ott vannak, de egyébként nem számítanak. Észrevehetőleg gúnyolta
és a róla mondott könyelmű itélet egyes részletei, melyeket
magamra is vonatkoztathattam volna, sértettek. Valószínűleg csak
lehangoltságom tette lehetővé ezt a fölfogásomat és Regina
beszédje egyáltalán nem izgatott volna, ha már nem lettem volna
érzékeny és bizalmatlan azzal a képpel szemben, amelyet ezen az
estén az idegen mellett én magam nyujtottam.
Viszonyunkban azután elkövetkezett egy időpont, amely
lehetetlenné tett és annál jobban megzavart, minél határozottabban
bizonyos terv szerint cselekedtem. Egyszer ajánlatosnak tartottam,
hogy hidegebben és önérzetesebben lépjek föl, másszor meg azt
hittem, hogy kemény elzárkozottságommal igazságtalanságot
követtem el. Nemsokára azonban azt gondoltam, hogy a némi kis
lenéző leereszkedéssel párosult engedékenység is oktalan és
melankólikusnak, mindig gondolatokba elmerűltnek mutattam
magamat. És képzeletben mindig magunk közt láttam az idegent, aki
elrabolta biztosságomat. Sohasem beszéltünk többé róla, szinte
elfeledtük és eltűnt az életünkből, de mégis naponta érezni véltem a
befolyását. Nehány komoly vagy víg megjegyzését visszaidéztem az
emlékezetembe és megfelelő helyzeteket teremtve, amelyeket
Regina sem meg nem értett, sem meg nem tűrt, mert megérezte
bennük az önkénykedést, titokban cáfolgattam Regina előtt azokat a
megjegyzéseket. Magányos bánkódás után áldott órában egyszerű
elhatározás mentett meg: elhatároztam, hogy a jövőben csak
olyannak fogok mutatkozni és úgy fogok cselekedni, amilyen vagyok.
Megvetéssel néztem vissza arra a nevetséges fáradozásra, amelyre
az elhamarkodott féltékenykedés kényszerített, nem értettem meg
boldogságomat és a könnyezésig szégyeltem magamat, mert azt
mertem remélni, hogy szemfényvesztéssel megvigasztalhatom és
meggyógyíthatom szenvedésemet. Betörőnek láttam magamat, aki a
maga házába tör be és szenvedtem, mert életem boldogságát a
magam teljes mivoltomnak kockáztatása nélkül akartam
megerősíteni vagy kiküzdeni.
Most azonban hogy megfontolva és szent buzgalommal kezdtem
Reginával beszélni és azon iparkodtam, hogy gondosan mérlegelt
szavakkal csak legigazibb érzelmeimet tárjam ki előtte, azt kellett
látnom, hogy kevesebb figyelemmel hallgatott, hogy mintha csak azt
várná, hová lyukadok ki, kissé gúnyos kiváncsisággal, sőt csaknem
lenézően vizsgálgatott, hogy azonban mindenesetre
bizalmatlankodott és csak ritkán egy-két pillanatig törődött velem
komolyan. Ekkor fölismerni véltem, hogy a nő alapjában véve
keveset törődik a férfi őszinteségével, csak azok a megnyilvánulások
érdeklik, amelyek csakis őt illetik és hogy többre becsüli a személyét
érintő hazugságot az igazságnál, amely túlterjed az ő pillanatnyi
érdeklődésének világán. Emellett észrevettem, hogy jószándékú
odaadásom visszautasítását olykor gyöngeséggel határos
ingerültsége váltja föl, amely siránkozásban, makacskodásban és
szeszélyességben nyilvánult meg, de nem volt szeretetreméltóság
híján és konok, hanem tele volt fájdalommal és mintha ártatlan
türelmetlenség könnyeit fojtotta volna vissza.
E kínzó szorongattatásomban én ostoba ismét elmulasztottam az
egyetlen utat, amely a közösségünkben történt titkos szakadást
áthídalhatta volna. Az a kívánságunk, hogy egy szeretett nő lelkének
kitárjuk magunkat, abban a mértékben veszít gyöngén elkeserítő
kielégületlenségéből, amely mértékben odaadta magát nekünk, mert
a gyermek az egyszerű embert is szinte megnyugtatja az odaadásra
való törekvésében és belső erejének kimutatásában. Nem voltam
több egy egyszerű embernél és felelőségérzet meg mélyebb
becsvágy hiányában szűkölködő lényem legalább azzal a haszonnal
járt, hogy sohasem éltem vissza frivol gondolkozású nő érzelmi
világával, amint azok szokták tenni, akik kötelességérzésüket nem
tudják az asszonyhoz és a gyermekhez való viszonyukra korlátozni.
Ismerőseim egyike megkérdezte tőlem egyszer, vajjon egyáltalán
nem veszem-e észre, hogy menyasszonyom és jövendőbeli
hitvesem magaviselete ha nem is tesz éppen csúffá, de mégis kissé
nevetségessé tesz. Körülményesen szőtte egymásba szavait és a
felebarátjáért aggódó ember köpenyében állott elém, amely ruhát
gyakran választják az emberek, hogy kárörömüket leplezzék vele.
Nagyon komoly volt és atyai, én azonban örvendezőnek és
gyermekesnek láttam, de ahelyett hogy arcul ütöttem volna, úgy
fogadtam a szavait, ahogyan hozzánk, bajban levő szegényekhez
illik, gondtalannak és hálásnak mutatkoztam, gyanakvó
mosolygását, kissé meghökkenve, hasonlóval viszonoztam és
megigértem neki a helyzet megvizsgálását. Emellett éreztem, miként
áramlik ki a vérem a szívkamrákból és fenyeget megfulladással,
aggodalmam akkora volt, hogy nem tudtam semmit sem gondolni,
sem határozni még akkor sem, amikor már régóta ismét egyedül
voltam. Először éreztem egészen világosan, hogy nincs semmiféle
eszköz, az erőnek, a cselnek, az alázatosságnak semmiféle
eszköze, amely ilyen hatalmakkal, ha életünkre törnek, szembe
tudna szállni. Jóakaratú árulómnak minden szavát, már amikor
elhangzott, egykedvűen eleresztettem a fülem mellett, de ez a
magatartásom megbosszulta magát később, amikor nyilatkozatait
visszaidéztem az emlékezetembe és értelmüket meg súlyukat
mérlegelni próbáltam. Este együtt mennek a városligetbe és a
városban mindenki, aki nem olyan könnyelmű és tájékozatlan mint
az az idegen, egészen jól tudja, melyik pad van ott a legrejtettebb
helyen, de Reginán mégis csak csodálkozni kell. Ezzel nem akar
semmi becsületbevágót mondani, igazán nem, csak éppen nem elég
óvatosan cselekszik. Körülbelül így hangzottak a gúnyolódó
szánakozással teli fulánkos szavak. Nem láttam a gyalázatomat,
nem megcsalt bizalmamat, csak Reginát, a nagy szőke leányt,
kedves élettulajdonomat láttam egy másik ember kezének,
szemének és akaratának hatalmában.
Egyre jobban hatalmába kerített az az egyetlen kivánság, hogy
legelőször is mindenekelőtt bizonyosságot szerezzek. Elégtétel,
büntetés, megbocsátás és talán egy megujult fájó boldogság,
minden attól a bizonyosságtól függött, amelyre törekedtem, amelyet
kerestem és amely megölt engem. Estéről-estére elrejtőztem az
erdőben a fenyők alatt, ama pad közelében, amelyet nekem
megjelöltek, miután előbb a szokott esti órában gyanutlannak és
elfogulatlannak mutatkozva, elbúcsúztam Reginától. Már a negyedik
estén megláttam mindkettőjüket, amint a homályos úton közeledtek.
Regina habozva ment a férfi mellett, kissé a karjába kapaszkodott és
szalmakalapját erőtlen kezében vitte. Amikor leültek a padra, amely
mögött a fenyőágak alatt feküdtem, Regina mély sóhajtását és
sírását hallottam. Az idegen bátorította. Szavait nem értettem, bár
tisztán hallottam a hangját, amely lágy volt és kissé éneklő, de a
szavakat zúgó gyűlöletemben, amely eltöltött, mint a tenger hangja
valami nagy csigát, nem tudtam elfogni. Azt azonban megértettem,
hogy az érdeklődés, amely lelket adott a szavaknak, sokkal
lagymatagabb, nyugodtabb és közönbösebb volt, mint aminőnek
látszani akart. Szavaiból bizonyos egykedvű, csaknem neheztelő
mellékzönge volt kiérezhető, amelyet leplezni óhajt az az ember, aki
már biztos a győzelmében és még kiméli a legyőzöttet, hogy várt
megadásának meggondolatlanul elébe ne vágjon. Éreztem, hogy a
Regináért folytatott küzdelem órái már mögötte vannak és hogy ez
az erdei esti séta erejének volt az eredménye. A meghatottság
élessé teszi az érzékeket és egyszersmind meg is bénitja,
kinyilatkoztatásokat tesz a megszokott tudás helyére és mint valami
megváltozott tükör, eltolódva mutatja minden tapasztalat egész
eredményét.
Itt ezen az ágon, a haláltól megnyomorítva, úgyszólván csak mint
meghalásom példázata függök, mert valójában azon az estén a
fenyőágak alatt haltam meg. Lassan, kortyról-kortyra, mint valami
méreggel telt serleget üritettem ki életem derűltségébe a halált, hogy
maró sötétsége lassanként megemésszen. Erős testem és lelkem
egészséges volt, töretlen emberi voltom tudata, mint meleg érzékeny
vér áramlott rajtam át. Éreztem miként oszlik föl magamban énem,
megfigyeltem haláltusáját, elszáradását, mint valami virág
pusztulását a száraz csészében, amelyet könyörtelen tűz lassan
ízzóvá tesz.
A két alak fönn, magasan fölöttem, a hold halvány fényétől
körülölelve hosszú csókban olvadt össze, de Regina hirtelen, mintha
fájó csúfság esett volna meg rajta, eltépte magát. De mintha valami
démon kiáltotta volna oda nekem, megéreztem, hogy fölháborodása
leplezett csábítgatás és ereimben megállott a vér. Az idegen pedig
ravaszul és elnézően, a boldogságérzetet eláruló különös módon
nevetett és ez akkora gyűlöletet szított a véremben, hogy
összeharapdoztam a kezemet, nehogy fölordítsak. Láttam, hogy
Reginát ez a nevetés megijesztette, vállánál fogva megint ellökte
magától a szorongatót, hogy a holdfénynél arcába tekinthessen. De
ez tovább nevetett, csak még egykedvűbben, vágyakozva és annyira
tele ártatlan győzelmi tudattal, hogy megrettentem tőle. Ekkor a
leány, mint valami állat, megborzongató megadásban halkan és
panaszosan fölkiáltott és meghatóan bűnös mozdulattal lebocsátotta
a karját. Panaszos és édes nyöszörgése irtózatos látomásokkal
töltött el. Egy haldoklót láttam, már teljesen föloszlót, amint vihogva
gyöngyöző bort szürcsölget és egy pajkos leány meztelenül és
szemtelenül szemérmetlen táncot lejtett a temetőben. A két
különböző lény arca, mint a sárga márvány hidegen és csöndesen
fénylett, a két test egymás mellett feküdt mint rögei a fölszántott
földnek, amely tele volt nagy világos virágokkal és a leány a halott
kialudt szeme fölött táncolt. Kár, kár, hogy nem volt már jogom
fölugorni és a boldoggá tett embert galád mámorában megfojtani,
nem tehettem, az előttem levő mozdulatlan fenyőágakat kellett
figyelnem, mert mindenikükön a holdfénynek parányi, ezüstös útja
futott végig, amely csillogott mint a hó és a földön is szorosan álam
előtt két kis gomba ütötte föl a fejét, az egyik valamivel nagyobb mint
a másik, de mindkettő még igazi törpe társaik közt. A hold halvány
világában gyöngéden és tisztán állottak gömbölyü fejecskéikkel, mint
nagy barna gyöngyök. Hirtelen magamat láttam a két gomba közt
jönni, úgy ahogyan vasárnaponként szoktam sétálni és a gombák
árnyékuk különös világában védelmet adtak nekem.
Ott feküdtem és nagyokat, lassan és csöndben lélekzettem,
hiszen nem volt szabad zavarnom és úgy éreztem, hogy a tüdőm
hideg üreg a mellemben. Szívem tompa kalapácsütésekkel verte a
földet, amelyre kezem és állam támaszkodott, gyantaszagú volt és
hozzám kegyes. Hálából sírni tudtam volna, gyermeki és értelmetlen
módon, de sírásom rokon lett volna azzal, amelynek könyével a
kiskorúak tehetetlensége zokog az anyához.
Ruha és levél suhogott köröskörül a nyomasztó
mindenhatóságban, amely legyőzött mindnyájunkat, mindenkit a
maga végzete szerint. Most lomha, vontatott lépések zaja vegyült
bele szívem dobogásába, az üres padra ráesett a holdfény és az
ülés alatt átnézve, messze az erdő lombjai mögött színesen pislogó
csillagot láttam az égen. Így egyedül feküdtem most és néztem az
égen a csillagot. Milyen messze is volt az a csillag. Eszembe jutott,
hogy sohasem törődtem az égi csillagokkal, amelyek földi talaj nélkül
haladnak tovább, mily kegyesek, mert nem törődnek a vágyainkkal,
tiszták és jók a távolból. Semmi elérhetőt nem fogok többé
megérinteni, fölmentve akarok lenni és út nélkül akarok tovább
haladni. Lassanként, mint ködön áttörő látomásban, tisztán állott
előttem, hogy az út, a kötelesség és a szándék elgondolt,
meghatározott és kijelölt pályája volt, az amely a földet oly
fájdalmassá teszi.
Amikor nemsokára hazamentem, hogy az éjben elhozzam a
kötelemet és azután visszatértem erre a helyre, ahol rámtaláltál,
könnyű volt a szívem és nem szenvedtem. A sors első súlyos
csapása és amaz órák közt, amelyekben a fájdalom belénk ékelődik,
üres tér van. Kissé szégyenkezve még ezen a téren haladtam
keresztül. Gondolataim ismét a rendes útra terelődtek ugyan,
különösen amikor szobám megszokott dolgait láttam, a barátságos
butort és Regina bekeretezett képét, de tulajdonképpen csak tárgyi
tereken mozogtak és magammal csak mellesleg foglalkoztak. Amíg
az élők közt voltam, legutolsó elégtételem, amelyre emlékszem, az
volt, hogy ura voltam a testemnek és az eltávozásra irányuló
vágyam szerencsére egészen új lényben fogamzott meg. Így azután
nem kínok közt távoztam az életből, hanem a szégyenkezés
érzetével, amelybe didergő fájdalom vegyült. Ebben az állapotban
határoztam el, amikor kivilágosodott, hogy virágokat keresek és
búcsúzóul leteszem, de ez nem bánatból történt, hanem inkább
udvariasságból, ahogyan tehetetlen emberek szokták tenni, akik
bocsánatot szeretnének kérni állapotukért. A léleknek ehhez hasonló
fölbuzdulását olykor haldoklókon is észrevették; nekünk
meghalóknak valahogyan kínos, hogy már nem vagyunk teljes
erőnkben. Nem tagadom, hogy Reginára és halálomra vonatkozó
gondolatok is foglalkoztattak, de jelentéktelen természetűek voltak
és fontosság nélkül, aminthogy életemben a szabadsághoz vivő ez
az út el volt zárva létem elől. Abban csúcsorodtak ki, hogy jó lesz, ha
hamar elkotródom, mert ha a szerencsém most ez egyszeri fontos
alkalommal cserbenhagy, akkor egy ismételt találkozáskor nem
lennék ügyesebb és a lassú sülyedéstől sokkal jobban féltem, mint
az ismeretlen haláltól. Lehet, hogy a közönséges gondolkodás nem
így szokott okoskodni, de a szerelem ismeri ezt a hangot, mert a
világ folyásában olykor az értelemmel ellentétben igazolja magát, és
aki nemesen gondolkodik, gyakran irigyli a holtakat.
Szerelmem nyugodt lelkiismeretet adott a tettemhez. Ó,
gondoltam, a szerelem hatása alatt milyen jó is a lelkiismeretünk
minden cselekedetünkben, még a legrettenetesebbikben is. Nincs
jog, amely vitássá tehetné a szerelem jogát. Mit törődik a gyermek
az emberek tilalmával és ennek következményeivel, ha a természet
engedelmet adott neki? Kesernyés, kissé dacos diadalérzet
lelkesített és gyásszal meg fénnyel teli bátorság.
Testem összeroppanása és rövid ellenállása, amikor ezen a fán a
halál erőszakosan megérintette, mély, izzó gyönyört okozott,
összeolvadt a testem és a lelkem, valami amit elvesztettem
boldogítva belém tért és én tudtam, mi volt az. Órák ketyegését
hallottam és láttam anyám arcát, akit életében alig ismertem.
Most itt ülsz és rám bámulsz, de nem veszed észre, hogy a
reggeli csillag már világos égtájon pislákol és hogy itt-ott fölébred a
csöndben a madarak szava, gyönge, érces hanggal, mintha acélt
élesítenének vagy vékony üveg törne össze. Ha a fák közül kiérsz
majd a földekre, hajnali derengésben lesz a tájék előtted és
nemsokára a magasba röpül a pacsirta. Amikor ott látlak, lélekzetet
véve és okosan gondolkozva, élve, teli várakozással,
visszaemlékezésem lassan ismét reménységgé válik. Mily szép az
élet. És még mindig tart, még mindig…
HATODIK FEJEZET.
Teja.
Abban az időben történt, amikor jóllehet már elmultam húsz éves,

először jutottam könyvekhez és igazán olvasni kezdtem. Könnyű
podgyászomban egyre több helyet foglaltak el a könyvek, alig
maradt egy tizedrésznyi hely az élelmiszer és a fehérnemű számára.
Nappal és éjjel válogatás nélkül elolvastam mindent, amihez
hozzáférhettem és amit kerestem vagy ajándékba kaptam, annak
minden fölösleges garasáért könyvet vásároltam. Ez a hajlamom,
mint minden amire ráadtam magamat, zabolátlan szenvedélyemmé
vált és helytelen kizárólagossággal hódoltam neki, miatta minden
mást elhanyagoltam és csekélyre becsültem, még magamat is.
Minden igazi szenvedély sajátossága az, hogy gazdáját kiméli a
legkevésbbé.
A patakban mostam az ingemet és a szabadban háltam, gyakran
nappal, mert ébren sokkal jobban bírtam a hideget, mint alva és
hogy éjjelenként olvashassak, mindig volt velem gyertya, amely a
szénakazalnál, az erdő mélyén vagy a padláson ott égett kinyitott
könyvem mellett. Ha meleg és száraz idő volt, inkább a szabadban
maradtam, lombsátrat építettem és barlangot kerestem buvóhelyül
és gyertyám világa odacsalta az éj állatait. Mindig azt a költőt, akit
éppen olvastam, tartottam a legnagyobbnak mindazok közt, akik
valaha éltek, mint ahogyan olyan lelkek szokták tenni, akiknek
tapasztalata még nem forog saját élményük biztosított középpontja
körül.
Az izzó öntudatosságtól egészen legmélyebb megalázkodásomig
végigkóstoltam a megérző embereknek minden boldogságát és
minden szenvedését, teljesen elvesztettem elfogulatlan
biztosságomat a szellemi világgal szemben és homályos sejtés
lélekzetfojtó elfogódásában most előszőr értettem meg, mekkora
utat kell a lelkemnek megtennie, míg visszanyeri természetének
nyugalmát, amelynek szerénységéből fölriasztottam. Ez a
szenvedéssel teli út a gondolatokon át a sorsa mindenkinek, aki
öntudatosan járja életének útját, ezt a kijelölt utat, amelyet mégis
sajátmagának kell megépítenie. Csak az élettel szemben gyávákat
és a nem őszintéket kiméli meg és még azok közül is, akik fiatalos
lelkesülésből és az igazság megismerésének vágyából léptek erre
az útra, csak a legkevesebben térnek vissza önmagukhoz.
Eltévednek a gondolatok és érzelmek számtalan fonalának
labirintusában, amelyek hálóként körülszőtték az emberiséget. Egy
napon azután, az úton kimerülten összerogyva, idegen tűznél
melegednek és nem a maguk szabadságának világát lélekzik be.
Mert a legtöbb ember nem bízik sem a maga bölcsességében, sem
a maga jogában, sem a maga hibájában. Igaz, hogy ezek mégis
komoly emberek és senkisem nevet rajtuk, de akinek elég nagy
volna a szíve, mégis sírna miattuk.
Az emberek nem azért bíznak keveset a maguk értékében, mert
kevés az eszük és hiányos a gondolatviláguk, hanem mert
fogyatékos a szeretetük. Csak a maguk szeretete erejének a tudata
ad az embereknek igazán bátorságot, szabad lelkiismeretet,
bizalmat a jogukban és erőt hibájuk fölismerésére. Ezekben a
dolgokban rejlik az emberi boldogság és az a hazatérés, amelyet a
világ bölcsei áldozatnak vagy beteljesülésnek mondanak és az
egyház föltámadásnak nevez.
De mi sors érheti az embert ifjúságában! Le akarom írni
élményeimet Tejaval. Úgy érzem, mintha felelnének egy kérdésre,
amely gyakran nyugtalanitott és a feleletet nem tudom másképpen
elmondani, csak ebben a történetben. Ha leírom, nem azért teszem,
hogy mások megtudják vagy elhigyjék, hanem mert jól esik, ha
mindenre erősen visszagondolva emlékezetemben foglalkozhatom
vele. Az emberi szellem valamely művének igazsága különben sem
az események sorrendjében rejlik, hanem csak abban, hogy mi a
viszonyuk egymáshoz és az élethez, valamint abban, hogy
alkalomadtán mit mondanak róluk.
Ez a történet nem új, mert már sokan átélték és még sok ember
át fogja élni, mindenki a maga módja szerint. Persze az átélés az a
művészet, hogy a jelenségeken kivül azok okait is fölismerjük és
ezért viszont Teja sokaknak idegen és bár találkoztak vele, mint én,
róla csak a maguk bajára való visszaemlékezés maradt meg. Ezt a
különös leányt nyárutóján az erdőben kora reggeli órában láttam
meg. Áttetsző hajnali köd úszott a nyirfákkal és fenyőkkel födött
előttem elterülő völgyön, fönn a szálerdő szélén a vörös reggeli nap
megvilágította a fák koronáját. A lomb itt-ott már a nyárutó színét
öltötte magára, csöppek hullottak és a gyalogszeder megérett a
tisztások kapaszkodóin. Szarkacsörgés megállított az utamban,
minden friss és elhagyott volt körülöttem a reggeli világban.
Valahányszor szép volt az idő, újra lemondtam arról a tervről,
hogy téli tartózkodásra biztos helyet keressek magamnak, csak az
éjjelek okoztak gondot, rosszabb volt a sorom, mint bármikor és a
legutóbbi hetekben csaknem mindig a szabadban kellett az éjszakát
eltöltenem. Nem tudom, meddig álltam gondolatokba elmerűlve a
reggeli napban, amelynek gyönge melege lassanként fölfrissítette a
véremet, amikor észrevettem, hogy nem voltam egyedül. Nem
messze tőlem ledöntött fatörzsön, az erdő szélén vadászsátor alatt
vadászruhába öltözött fiatal hölgy ült, fegyvere a térdén, tekintete a
völgy ölén. Oldalvást pillantottam meg és sokáig figyelmesen
szemléltem, de nem tudtam tisztába jönni azzal, hogy mi bilincsel le
annyira megjelenésén. Még azt sem tudtam, hogy egyáltalán
lebilincsel, csak mint érzékeim gondolattalan foglya néztem őt.
Azután odamentem, meghajoltam és alázattal köszöntöttem. Olyan
kalapom volt akkor, amelyet a karimája kiválóan alkalmassá tett a
köszönésre és ezért ez a szokatlan találkozás különös örömet
szerzett nekem. A fiatal hölgy rám tekintett, de nem viszonozta
köszönésemet, hanem csak vizsgálgatott nyugodt szemmel. Azt
hittem, hogy talán megijesztettem és hogy alakom, különösen az
erdei magányosságban és e szokatlan órában, nem tölthette el
föltétlen bizalommal. De tévedtem, az aggodalomnak árnyéka sem
látszott okos arcán, amely figyelemmel felém fordult.
– Kisasszony, gondolja meg – mondám, – hogy a port ha kissé
be van aranyozva, a leggyakrabban többre becsülik, mint az aranyat,
ha kevés por födi. Barátságos szavakat kérek.
Finom homloka mögött mintha idézetemről gondolkodott volna,
azután tiszta szeme föltünően és biztosan föl s alávándorolt rajtam;
hamar észre lehetett venni, hogy figyelmét semmi sem kerülte el és
semmit sem kimélt. Azt gondoltam, hogy most formálja meg itéletét
rólam, tehát be kell avatkoznom. De a fiatal hölgy megelőzött,
látszólag kielégítve a nagy szó értelmétől, amely az elmult éjjeli
olvasmányomból maradt az emlékezetemben, mosolygott és így
szólt:
– Fönntartással elhiszem az aranyat, de az már pártoskodás, ha
kabátjának a porát kevésnek mondja. Honnan vette azokat a szép
szavakat?
Mialatt a kezemmel megpróbáltam a kabátom kiporolását, már
elhangzott a második kérdés:
– Hová iparkodik? Korán kelt föl.
– A bizonytalanságba kisasszony. Az erdőben aludtam.
Leültem a fatörzs végére és ezt kérdeztem:
– Mi van itt a vadásztáskájában?
– A reggelim.
– Mi a menykő!
Mosolygás és szó nélkül odanyujtotta nekem a táskáját.
– Nem akarom megrabolni, de talán osztozkodhatnánk, –
mondtam.
– Igen, ezt megtehetnők… – ismételte meg lassan indítványomat
és szűntelenül figyelmesen vizsgált.
– De mégis megvárom, míg a vadászást befejezi és jobban is
szeretném, ha ön osztana.
– Jól van, de a vadászáshoz nem sokat ért,
– Gyerekkoromban az apámmal néhányszor elmentem vadászni,
de azóta…
– Már csak így… – vágott bele a szavamba.
Eleresztette a puskát és mindkét kezével belemarkolt sűrű szőke
hajába. Mozdulata olyan meggyőzően hű volt és arca olyan
pompásan utánozta valami tetves csirkefogó arckifejezését, hogy
hangosan nevetnem kellett. Ő nem nevetett velem.
– Mi az, – kérdezte gyermekesen, – nincs igazam?
– Ilyesmit még sohasem láttam, – feleltem őszintén. – Előkelő
hölgyből egy pillanat alatt csirkefogóvá tud változni.
– Pedig magának nem egészen idegen ez az átváltozás.
Az arca komoly volt. Úgy láttam, mintha a nevető fény, amelynek
huncutsága lelket adott a szemének, finom két fátyol mögé bujt
volna. Ez a kifejezés olyan hirtelen vágyat ébresztett bennem, hogy
megijedtem. Titkos aggodalmat éreztem, de egyszersmind
kijózanodást is. Így szóltam:
– Amikor idejöttem, attól féltem, hogy megijed tőlem, de most
látom, mily ostoba volt ez a föltevésem, hiszen önnek erős fegyvere
van.
– Csak ez a puska, – vetette oda, de tekintete mélyen a
szemembe vésődött és észrevettem, hogy a felelettel kitért, de hogy
szavaimat úgy értette, ahogyan én gondoltam. Tekintete érdeklődést
árult el és egyszersmind kétséget az iránt, vajjon gyors fölfogásomat
nem köszönte-e meg időnek előtte azzal, hogy kötélnek állott.
Egyszerűen és barátságosan mondá:
– Nos, egyék.
A fiatal hölgynek sokkal jobban kellett volna késlekednie
adományával, hogy egykedvűvé vagy vakmerővé tegyen. Nekem
nem az evés volt a fődolog, talán megértette, hogy miért és ezért
nem unszolt többé. Kis idő mulva mintha régi ismerőssel beszélne,
ezt mondta:
– Akkor indultam el, mikor a kastélyban még mindenki aludt. Van-
e valami szebb, mint fölébredni hajnalhasadáskor, szabadon és
egyedül lenni és kimenni a szűz hajnali harmatra? Mély álom után
hatalmas, tiszta élettel van tele a korai óra, a csönd, a hegy, a mező,
az erdő, a kebel. Gazdagnak, jónak és mások fölött állónak érzem
magamat, csak lassanként a nap teltével hull por a vérbe,
gondolatok, összehasonlítások…
Gyönyörrel hallgattam szavait és nem éreztem a szükségét, hogy
feleljek. Aki igazán egyedül van, a váratlan vallomást a maga titkolt
boldogságaként fogadja, mint ahogyan a szomjas ember gyorsan és
szótlanul kiüríti a vizespoharat. Amikor tovább beszélt, úgy éreztem,
mintha ilyen poharat ürítettek volna ki a fejemre.
– Magának másként kell öltözködnie. Ebben a ruhában
nevetséges keveréke a papjelöltnek, a cirkuszi bohócnak és az utcai
rablónak. Jobb lesz ha csak egyik mellett marad meg. Nagyon kínos
lehet, ha az ember nyomorúságában még komikusan is hat.
– Nem törődöm azzal, minek látszom.
– Ebben tetszeleg magának, valószínűleg azért mert e
pillanatban nem tehet mást. Hát ez is valami, de nem sok. Egyre
megy, hogy maga minek nevezi a helyzetét, mindenesetre szomorú
és szenvedni fog miatta nem csak külsőleg, nem talán csak
egészségileg, hanem általában. Azonkivül a ruha, amelyben valaki
szemünk elé kerül, mindig valami vonatkozásban van az illető
lényével és mindenkinek joga van ahhoz, hogy idegen embert a
külseje szerint értékeljen.
– Nem véletlen, nem is a magam önkénye, hogy úgy élek, amint
látja. Ahonnan eljöttem, nyomorultnak éreztem magamat; amióta
azonban úgy élek, mint most, jól vagyok. Ahol születtem és
nevelkedtem, nem találtam magamnak helyet, megkiséreltem, hogy
engedmények tételével kivárjam, miért vagyok a világon, de eközben
rájöttem, hogy ezek az engedmények megrontottak. Tudom, hogy
két baj körül a kisebbiket választottam.
– Képzelem, mennyire megveti a tanácsokat abból a világból,
amelyből mint gondolta, menekülnie kell, mert nem tudott
beleilleszkedni. Az én indítványomnak azonban semmi köze sincsen
azoknak az embereknek önhitt magabizásához, akiket az élet még
alig érintett. Lehet, hogy magának egy ideig szüksége van erre a
zabolátlanságra, de célnak ezt mégsem tekintheti.
– Talán végzet, amely önnek csak e külső formában nem tetszik.
A mi korunk legjobbjai csavargók.
– Milyen határozottan mondja ezt! Mintha a bibliából olvasná.
Hogyan lehet ez? De nem kell felelnie. Akárhogyan gondolja is,
minden attól függ, hogyan érti meg az ember a korát és kiket
nevezünk a legjobbaknak.
– Valamely kor legjobbjai azok, akik megadják neki szellemi
jellegét, akik tovább fejlesztik és egyszersmind egykor az emberek
szemében állandóságot adnak neki.
– De mi köze van ennek a csavargókhoz?
Megcsalódottnak látszott.
– A vágyódásnak, mint a szerelemnek, nincsen hajléka.
Szürke szeme kételkedő figyelemmel nézett reám; elmélyedése
mintha egyidőre elrabolta volna szabad biztosságát. Azután
nyugodtan és meggyőződéssel így szólt:
– Gyűlölöm a szegénységet és a megalázást, amellyel az embert
sújtja. A nyomorban gonosz az ember és akarata ellenére gonoszat
tesz és fájdalmat okoz magának. Nem is tehet másként. Talán igaza
van abban, amit az emberi érzelmekről mondott, minő a szerelem,
és a vágyódás, talán úgy áll a dolog, ahogyan mondja, de mégsem
kényszeríthet senkit sem az utcára csak azért, hogy része legyen
bennük.
– Kinek adtam tanácsot? Tényről beszéltem, ahogyan látom,
éppen úgy mint ahogyan ön a szegénységről, a megalázásról és
következményeiről beszélt. Ha a vágyódásnak és a szerelemnek
nincs hajléka, akkor nem lesz palotájuk azoknak, akik igazán tele
vannak velük. Többet nem mondok. Ketten szerelemről beszélnek,
az egyik zokog és a másik nevet, másik kettő vágyódásról beszél, az
egyik meghal, a másik vihog.
– Kérem, csak ne faljon föl. Másik kettő pedig szegénységről
beszél. Az egyiknek része volt benne az elzüllés határáig,
végigkóstolta gyalázatát egészen a lealacsonyodásig és megromlott
a vére és a lelke, a másik fiatalos kalandvágyból, kiváncsiságból
vette magára. Az egyik én vagyok és a másik maga. Mit néz rám
olyan hitetlenül? Nem maga követelte, hogy senkit se itéljünk meg
csupán külső megjelenése szerint? Maga a kastélyra gondol,
amelyről beszéltem, azt és úri ruhámat illeti hitetlen mosolya, de
mégis igaz, amit mondok. Magának sohasem volt vándorlása
közben olyan nyomorúságos fekvőhelye, mint nekem
gyerekkoromban abban a nagyvárosi pincében, ahol születtem és
fölnőttem.
– A lelke jóságában nem tett kárt.
– Honnan tudja ezt oly határozottan? Ha csak a fele igaz
azoknak az igényeknek, amelyekre az imént célzott, akkor óva intem
a csalódástól arra az esetre, ha fáradságot venne magának, hogy a
lényemet illető elsietett állításának helyességét alaposan
megvizsgálja. Nem tételezem föl ezt az érdeklődést, de nem
gyávaságból vagy gyermeki utálatból gyűlölöm a szegénységet,
hanem azért, mert ismerem pusztító hatásával együtt.
– Szép lenne és boldoggá tenne, ha alkalmam nyilnék arra a
vizsgálatra, amelytől óva int.
– Nem vonom ki magamat alóla, – mondta egyszerűen és meleg
nyilt mosollyal a fiatal leány. – Örülök, hogy önnel találkoztam, mert

Operations Management Creating Value Along Canadian 1St Edition Russel Solutions Manual Full Chapter PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Operations Management Creating Value Along Canadian 1St Edition Russel Solutions Manual Full Chapter PDF

Uploaded by

Copyright:

Available Formats

Operations Management Creating Value

Along Canadian 1st Edition Russel

ANSWERS TO QUESTIONS, PROBLEMS, AND CASE PROBLEMS

12-9. A trend is a gradual, long-term, up or down movement of demand; a cycle is an

12-3. a., b., c.

d. Cumulative errors are:

c. 3-semester MAD = 61.33; exponentially smoothed MAD = 70.42; 3-semester moving

c. Exponentially smoothed MAPD = 1, 282.86 / 7,710 = 0.166 = 16.6%; MAPD =

The linear trend line forecast appears to be the most accurate.

The linear trend line forecast appears to be the most accurate.

12-9. a. 3-month moving average forecast for month 21 = 74.67

b. 3-month weighted moving average forecast for month 21 = 75.875

c. Exponentially smoothed forecast ( = 0.40 ) for month 21 = 74.60

12-12. Seasonal factors:

12-13. Seasonal factors:

Forecast year 4: y = 440.33 + 45.5x = 622.33

Day Daily Demand

The linear trend line forecast appears to be the most accurate.

12-16. a. Seasonally adjusted forecast

July–September forecast for 2015: SF3 = S3 F6 = 0.19 (137.67 ) = 26.16

b. Linear trend line forecast for January–March 2015:

Seasonally adjusted forecast MAD = 

Linear trend forecast for seasons MAD =

Linear Trend Line:

Patients per Period

Linear trend line forecast for Week 11 = 244.27

SF1 (weekend) = 144.68

Cumulative error 86.00

compared with some other method.

12-22. See Problem 12-21 solution for tracking signal values.

Year Error Cumulative Running Tracking

Month Demand Forecast Error Dt − Ft

12-26. The 3-month moving average forecast appears to be more accurate.

Month Demand Forecast Dt − Ft Month Demand Forecast Dt − Ft

Moving Average Exponentially Smoothed

12.27. MAD = 1.79

Year Demand Forecast Error Running Cumulative Tracking

Linear trend model:

Year Demand Forecast

12-28. y = 49.95 + 0.428x, where y = occupancy rate and x = wins.

12-29. a. y = .51 + .403x, where y = sales and x = permits.

b. The correlation coefficient is .914 indicating a strong causal relationship.

b. The correlation coefficient is 0.833, indicating a strong causal relationship.

12-32. a. y = 7039.24 − 0.337 x where y = applications and x = tuition.

b. The correlation coefficient is −.808, indicating a fairly strong linear relationship

12-33. y = 15.864 − 0.575x

12-34. y = 1.317 + 0.151x

b. The correlation coefficient is −0.850, indicating a strong relationship between

12-37. a. y = 380.93 + 16.03x

Year Demand Forecast

12-39. a. Seasonally adjusted forecast:

b. Quarter 1: y = 52.69 + 0.3973x

Quarter 3: y = 73.57 + 0.29x

c. This is an intuitive assessment, which managers must do on occasion. In general, the

12-43. a. Forecast of applicants:

c. If the forecast of % acceptances is accurate, then the number of applicants is not

12-44. a. y = 381.32 + 68.40 x

There appears to be a very strong linear relationship

12-45. a. y = 219.27 + 12.28x

12-46. a. y = 116.12 − 1.28x

b. y = 116.9 − 1.24 x1 − 0.14 x2

12-47. y = 1.704 + 0.269 x, where y = sales and x = promotional expenditures.

12-48. We tested 3 forecasting methods, as follows: