Quantitative analysis for management -

eBook PDF
Visit to download the full and correct content document:
https://ebooksecure.com/download/quantitative-analysis-for-management-ebook-pdf/
 T H I R T E E N T H E D I T I O N

QUANTITATIVE ANALYSIS
for MANAGEMENT

BARRY RENDER • RALPH M. STAIR, JR. • MICHAEL E. HANNA • TREVOR S. HALE

 T H I R T E E N T H E D I T I O N

QUANTITATIVE ANALYSIS
for MANAGEMENT
BARRY RENDER
Charles Harwood Professor Emeritus of Management Science
Crummer Graduate School of Business, Rollins College

RALPH M. STAIR, JR.

Professor Emeritus of Information and Management Sciences,
Florida State University

MICHAEL E. HANNA
Professor of Decision Sciences,
University of Houston–Clear Lake

TREVOR S. HALE
Associate Professor of Management Sciences,
University of Houston–Downtown

New York, NY

A01_REND3161_13_AIE_FM.indd 1 02/11/16 10:04 PM

 To my wife and sons—BR

To Lila and Leslie—RMS

To Zoe and Gigi—MEH

To Valerie and Lauren—TSH

Vice President, Business Publishing: Donna Battista Managing Producer, Business: Ashley Santora
Director, Courseware Portfolio Management: Ashley Dodge Operations Specialist: Carol Melville
Director of Portfolio Management: Stephanie Wall Creative Director: Blair Brown
Senior Sponsoring Editor: Neeraj Bhalla Manager, Learning Tools: Brian Surette
Managing Producer: Vamanan Namboodiri M.S. Content Developer, Learning Tools: Lindsey Sloan
Editorial Assistant: Linda Albelli Managing Producer, Digital Studio, Arts and Business: Diane
Vice President, Product Marketing: Roxanne McCarley Lombardo
Director of Strategic Marketing: Brad Parkins Digital Studio Producer: Regina DaSilva
Strategic Marketing Manager: Deborah Strickland Digital Studio Producer: Alana Coles
Product Marketer: Becky Brown Full-Service Project Management and Composition: Thistle
Field Marketing Manager: Natalie Wagner Hill Publishing Services / Cenveo® Publisher Services
Field Marketing Assistant: Kristen Compton Interior Design: Cenveo® Publisher Services
Product Marketing Assistant: Jessica Quazza Cover Design: Bruce Kenselaar
Vice President, Production and Digital Studio, Arts and Cover Art: 123RF
Business: Etain O’Dea Printer/Binder: Edward Bros./Malloy
Director of Production, Business: Jeff Holcomb Cover Printer: Phoenix Color
Microsoft and/or its respective suppliers make no representations about the suitability of the information contained in the documents and
related graphics published as part of the services for any purpose. All such documents and related graphics are provided “as is” without
warranty of any kind. Microsoft and/or its respective suppliers hereby disclaim all warranties and conditions with regard to this informa-
tion, including all warranties and conditions of merchantability, whether express, implied or statutory, fitness for a particular purpose,
title and non-infringement. In no event shall Microsoft and/or its respective suppliers be liable for any special, indirect or consequential
damages or any damages whatsoever resulting from loss of use, data or profits, whether in an action of contract, negligence or other tor-
tious action, arising out of or in connection with the use or performance of information available from the services.

The documents and related graphics contained herein could include technical inaccuracies or typographical errors. Changes are periodi-
cally added to the information herein. Microsoft and/or its respective suppliers may make improvements and/or changes in the product(s)
and/or the program(s) described herein at any time. Partial screen shots may be viewed in full within the software version specified.

Microsoft® and Windows® are registered trademarks of the Microsoft Corporation in the U.S.A. and other countries. This book is not
sponsored or endorsed by or affiliated with the Microsoft Corporation.

Copyright © 2018, 2015, 2012 by Pearson Education, Inc. or its affiliates. All Rights Reserved. Manufactured in the United States of
America. This publication is protected by copyright, and permission should be obtained from the publisher prior to any prohibited repro-
duction, storage in a retrieval system, or transmission in any form or by any means, electronic, mechanical, photocopying, recording,
or otherwise. For information regarding permissions, request forms, and the appropriate contacts within the Pearson Education Global
Rights and Permissions department, please visit www.pearsoned.com/permissions/.

Acknowledgments of third-party content appear on the appropriate page within the text.

Unless otherwise indicated herein, any third-party trademarks, logos, or icons that may appear in this work are the property of their
respective owners, and any references to third-party trademarks, logos, icons, or other trade dress are for demonstrative or descriptive
purposes only. Such references are not intended to imply any sponsorship, endorsement, authorization, or promotion of Pearson’s prod-
ucts by the owners of such marks, or any relationship between the owner and Pearson Education, Inc., or its affiliates, authors, licensees,
or distributors.

Library of Congress Cataloging-in-Publication Data

Names: Render, Barry, author. | Stair, Ralph M., author. | Hanna, Michael E.,
author. | Hale, Trevor S., author.
Title: Quantitative analysis for management / Barry Render, Charles Harwood
Professor of Management Science, Crummer Graduate School of Business,
Rollins College; Ralph M. Stair, Jr., Professor of Information and
Management Sciences, Florida State University; Michael E. Hanna, Professor
of Decision Sciences, University of Houston/Clear Lake; Trevor S. Hale,
Associate Professor of Management Sciences, University of Houston/Downtown.
Description: Thirteenth edition. | Boston : Pearson, 2016. | Includes
bibliographical references and index.
Identifiers: LCCN 2016037461| ISBN 9780134543161 (hardcover) | ISBN
0134543165 (hardcover)
Subjects: LCSH: Management science—Case studies. | Operations research—Case
studies.
Classification: LCC T56 .R543 2016 | DDC 658.4/03—dc23
LC record available at https://lccn.loc.gov/ 2016037461
10 9 8 7 6 5 4 3 2 1

ISBN 10:   0-13-454316-5
ISBN 13: 978-0-13-454316-1

A01_REND3161_13_AIE_FM.indd 2 28/10/16 10:13 AM

 About the Authors

Barry Render is Professor Emeritus, the Charles Harwood Distinguished Professor of Operations
Management, Crummer Graduate School of Business, Rollins College, Winter Park, Florida. He
received his B.S. in Mathematics and Physics at Roosevelt University and his M.S. in Operations
Research and his Ph.D. in Quantitative Analysis at the University of Cincinnati. He previously
taught at George Washington University, the University of New Orleans, Boston University, and
George Mason University, where he held the Mason Foundation Professorship in Decision Sciences
and was Chair of the Decision Science Department. Dr. Render has also worked in the aerospace
industry for General Electric, McDonnell Douglas, and NASA.
Dr. Render has coauthored 10 textbooks published by Pearson, including Managerial
Decision Modeling with Spreadsheets, Operations Management, Principles of Operations
Management, Service Management, Introduction to Management Science, and Cases and
Readings in Management Science. More than 100 articles by Dr. Render on a variety of man-
agement topics have appeared in Decision Sciences, Production and Operations Management,
Interfaces, Information and Management, Journal of Management Information Systems, Socio-
Economic Planning Sciences, IIE Solutions, and Operations Management Review, among others.
Dr. Render has been honored as an AACSB Fellow and was named twice as a Senior
Fulbright Scholar. He was Vice President of the Decision Science Institute Southeast Region
and served as software review editor for Decision Line for six years and as Editor of the New
York Times Operations Management special issues for five years. From 1984 to 1993, Dr. Render
was President of Management Service Associates of Virginia, Inc., whose technology clients
included the FBI, the U.S. Navy, Fairfax County, Virginia, and C&P Telephone. He is currently
Consulting Editor to Financial Times Press.
Dr. Render has taught operations management courses at Rollins College for MBA and
Executive MBA programs. He has received that school’s Welsh Award as leading professor and
was selected by Roosevelt University as the 1996 recipient of the St. Claire Drake Award for
Outstanding Scholarship. In 2005, Dr. Render received the Rollins College MBA Student Award
for Best Overall Course, and in 2009 was named Professor of the Year by full-time MBA
students.

Ralph Stair is Professor Emeritus at Florida State University. He earned a B.S. in chemical engi-
neering from Purdue University and an M.B.A. from Tulane University. Under the guidance of Ken
Ramsing and Alan Eliason, he received a Ph.D. in operations management from the University of
Oregon. He has taught at the University of Oregon, the University of Washington, the University of
New Orleans, and Florida State University.
He has taught twice in Florida State University’s Study Abroad Program in London. Over
the years, his teaching has been concentrated in the areas of information systems, operations
research, and operations management.
Dr. Stair is a member of several academic organizations, including the Decision Sciences
Institute and INFORMS, and he regularly participates in national meetings. He has published
numerous articles and books, including Managerial Decision Modeling with Spreadsheets,
Introduction to Management Science, Cases and Readings in Management Science, Production
and Operations Management: A Self-Correction Approach, Fundamentals of Information
Systems, Principles of Information Systems, Introduction to Information Systems, Computers in

iii

A01_REND3161_13_AIE_FM.indd 3 28/10/16 10:13 AM

 iv   ABOUT THE AUTHORS

Today’s World, Principles of Data Processing, Learning to Live with Computers, Programming
in BASIC, Essentials of BASIC Programming, Essentials of FORTRAN Programming, and
Essentials of COBOL Programming. Dr. Stair divides his time between Florida and Colorado.
He enjoys skiing, biking, kayaking, and other outdoor activities.

Michael E. Hanna is Professor of Decision Sciences at the University of Houston–Clear Lake

(UHCL). He holds a B.A. in Economics, an M.S. in Mathematics, and a Ph.D. in Operations
Research from Texas Tech University. For more than 25 years, he has been teaching courses in sta-
tistics, management science, forecasting, and other quantitative methods. His dedication to teach-
ing has been recognized with the Beta Alpha Psi teaching award in 1995 and the Outstanding
Educator Award in 2006 from the Southwest Decision Sciences Institute (SWDSI).
Dr. Hanna has authored textbooks in management science and quantitative methods, has
published numerous articles and professional papers, and has served on the Editorial Advisory
Board of Computers and Operations Research. In 1996, the UHCL Chapter of Beta Gamma
Sigma presented him with the Outstanding Scholar Award.
Dr. Hanna is very active in the Decision Sciences Institute (DSI), having served on the
Innovative Education Committee, the Regional Advisory Committee, and the Nominating
Committee. He has served on the board of directors of DSI for two terms and also as regionally
elected vice president of DSI. For SWDSI, he has held several positions, including ­president,
and he received the SWDSI Distinguished Service Award in 1997. For overall service to the
profession and to the university, he received the UHCL President’s Distinguished Service
Award in 2001.

Trevor S. Hale is Associate Professor of Management Science at the University of Houston–

Downtown (UHD). He received a B.S. in Industrial Engineering from Penn State University,
an M.S. in Engineering Management from Northeastern University, and a Ph.D. in Operations
Research from Texas A&M University. He was previously on the faculty of both Ohio University–
Athens and Colorado State University–Pueblo.
Dr. Hale was honored three times as an Office of Naval Research Senior Faculty Fellow. He
spent the summers of 2009, 2011, and 2013 performing energy security/cyber security research
for the U.S. Navy at Naval Base Ventura County in Port Hueneme, California.
Dr. Hale has published dozens of articles in the areas of operations research and quantita-
tive analysis in journals such as the International Journal of Production Research, the European
Journal of Operational Research, Annals of Operations Research, the Journal of the Operational
Research Society, and the International Journal of Physical Distribution and Logistics
Management, among several others. He teaches quantitative analysis courses at the University
of Houston–Downtown. He is a senior member of both the Decision Sciences Institute and
INFORMS.

A01_REND3161_13_AIE_FM.indd 4 28/10/16 10:13 AM

 Brief Contents

CHAPTER 1 Introduction to Quantitative Analysis 1

CHAPTER 2 Probability Concepts and Applications 21

CHAPTER 3 Decision Analysis 63

CHAPTER 4 Regression Models 111

CHAPTER 5 Forecasting 147

CHAPTER 6 Inventory Control Models 185

CHAPTER 7 Linear Programming Models: Graphical and Computer Methods 237

CHAPTER 8 Linear Programming Applications 289

CHAPTER 9 Transportation, Assignment, and Network Models 319

CHAPTER 10 Integer Programming, Goal Programming, and Nonlinear
Programming 357

CHAPTER 11 Project Management 387

CHAPTER 12 Waiting Lines and Queuing Theory Models 427

CHAPTER 13 Simulation Modeling 461

CHAPTER 14 Markov Analysis 501

CHAPTER 15 Statistical Quality Control 529

ONLINE MODULES

1 Analytic Hierarchy Process M1-1

2 Dynamic Programming M2-1
3 Decision Theory and the Normal Distribution M3-1
4 Game Theory M4-1
5 Mathematical Tools: Determinants and Matrices M5-1
6 Calculus-Based Optimization M6-1
7 Linear Programming: The Simplex Method M7-1
8 Transportation, Assignment, and Network Algorithms M8-1

A01_REND3161_13_AIE_FM.indd 5 28/10/16 10:13 AM

 Contents

PREFACE xiii CHAPTER 2 Probability Concepts and

Applications 21
CHAPTER 1 Introduction to Quantitative Analysis 1
2.1 Fundamental Concepts 22
1.1 What Is Quantitative Analysis? 2
Two Basic Rules of Probability 22
1.2 Business Analytics 2
Types of Probability 22
1.3 The Quantitative Analysis Approach 3
Mutually Exclusive and Collectively Exhaustive
Defining the Problem 4 Events 23
Developing a Model 4 Unions and Intersections of Events 25
Acquiring Input Data 4 Probability Rules for Unions, Intersections,
Developing a Solution 5 and Conditional Probabilities 25
Testing the Solution 5 2.2 Revising Probabilities with Bayes’
Analyzing the Results and Sensitivity Theorem 27
Analysis 6 General Form of Bayes’ Theorem 28
Implementing the Results 6 2.3 Further Probability Revisions 29
The Quantitative Analysis Approach and Modeling 2.4 Random Variables 30
in the Real World 6 2.5 Probability Distributions 32
1.4 How to Develop a Quantitative Analysis Probability Distribution of a Discrete Random
Model 6 Variable 32
The Advantages of Mathematical Modeling 9 Expected Value of a Discrete Probability
Mathematical Models Categorized Distribution 32
by Risk 9 Variance of a Discrete Probability
1.5 The Role of Computers and Spreadsheet Distribution 33
Models in the Quantitative Analysis Probability Distribution of a Continuous
Approach 9 Random Variable 34
1.6 Possible Problems in the Quantitative 2.6 The Binomial Distribution 35
Analysis Approach 12
Solving Problems with the Binomial
Defining the Problem 12 Formula 36
Developing a Model 13 Solving Problems with Binomial
Acquiring Input Data 14 Tables 37
Developing a Solution 14 2.7 The Normal Distribution 38
Testing the Solution 14 Area Under the Normal Curve 40
Analyzing the Results 15 Using the Standard Normal Table 40
1.7 Implementation—Not Just the Final Haynes Construction Company Example 41
Step 15 The Empirical Rule 44
Lack of Commitment and Resistance to 2.8 The F Distribution 44
Change 16
2.9 The Exponential Distribution 46
Lack of Commitment by Quantitative
Analysts 16 Arnold’s Muffler Example 47
Summary 16 Glossary 16 Key Equations 17 2.10 The Poisson Distribution 48
Self-Test 17 Discussion Questions and Summary 50 Glossary 50 Key Equations 51
Problems 18 Case Study: Food and Solved Problems 52 Self-Test 54 Discussion
Beverages at Southwestern University Football Questions and Problems 55 Case Study:
Games 19 Bibliography 20 WTVX 61 Bibliography 61
Appendix 2.1: Derivation of Bayes’ Theorem 61

vi

A01_REND3161_13_AIE_FM.indd 6 28/10/16 10:13 AM

  CONTENTS    vii

4.7 Multiple Regression Analysis 126

CHAPTER 3 Decision Analysis 63
Evaluating the Multiple Regression
3.1 The Six Steps in Decision Making 63 Model 127
3.2 Types of Decision-Making Jenny Wilson Realty Example 128
Environments 65
4.8 Binary or Dummy Variables 129
3.3 Decision Making Under Uncertainty 65
4.9 Model Building 130
Optimistic 66
Stepwise Regression 131
Pessimistic 66
Multicollinearity 131
Criterion of Realism (Hurwicz Criterion) 67
4.10 Nonlinear Regression 131
Equally Likely (Laplace) 67
4.11 Cautions and Pitfalls in Regression
Minimax Regret 67
Analysis 134
3.4 Decision Making Under Risk 69 Summary 135 Glossary 135 Key
Expected Monetary Value 69 Equations 136 Solved Problems 137
Expected Value of Perfect Information 70 Self-Test 139 Discussion Questions and
Expected Opportunity Loss 71 Problems 139 Case Study: North–South
Airline 144 Bibliography 145
Sensitivity Analysis 72
Appendix 4.1: Formulas for Regression Calculations 145
A Minimization Example 73
3.5 Using Software for Payoff Table
Problems 75 CHAPTER 5 Forecasting 147
QM for Windows 75 5.1 Types of Forecasting Models 147
Excel QM 75 Qualitative Models 147
3.6 Decision Trees 77 Causal Models 148
Efficiency of Sample Information 82 Time-Series Models 149
Sensitivity Analysis 82 5.2 Components of a Time-Series 149
3.7 How Probability Values Are Estimated by 5.3 Measures of Forecast Accuracy 151
Bayesian Analysis 83 5.4 Forecasting Models—Random Variations
Calculating Revised Probabilities 83 Only 154
Potential Problem in Using Survey Results 85 Moving Averages 154
3.8 Utility Theory 86 Weighted Moving Averages 154
Measuring Utility and Constructing a Utility Exponential Smoothing 156
Curve 86 Using Software for Forecasting Time
Utility as a Decision-Making Criterion 88 Series 158
Summary 91 Glossary 91 Key Equations 92 5.5 Forecasting Models—Trend and Random
Solved Problems 92 Self-Test 97 Discussion Variations 160
Questions and Problems 98 Case Study: Starting Exponential Smoothing with Trend 160
Right Corporation 107 Case Study: Toledo
Trend Projections 163
Leather Company 107 Case Study: Blake
Electronics 108 Bibliography 110 5.6 Adjusting for Seasonal Variations 164
Seasonal Indices 165
CHAPTER 4 Regression Models 111 Calculating Seasonal Indices with
4.1 Scatter Diagrams 112 No Trend 165
4.2 Simple Linear Regression 113 Calculating Seasonal Indices with
Trend 166
4.3 Measuring the Fit of the Regression
Model 114 5.7 Forecasting Models—Trend, Seasonal,
and Random Variations 167
Coefficient of Determination 116
The Decomposition Method 167
Correlation Coefficient 116
Software for Decomposition 170
4.4 Assumptions of the Regression Model 117
Using Regression with Trend and Seasonal
Estimating the Variance 119
Components 170
4.5 Testing the Model for Significance 119 5.8 Monitoring and Controlling
Triple A Construction Example 121 Forecasts 172
The Analysis of Variance (ANOVA) Table 122 Adaptive Smoothing 174
Triple A Construction ANOVA Example 122 Summary 174 Glossary 174 Key
4.6 Using Computer Software for Equations 175 Solved Problems 176
Regression 122 Self-Test 177 Discussion Questions
Excel 2016 122 and Problems 178 Case Study:
Forecasting Attendance at SWU Football
Excel QM 123 Games 182 Case Study: Forecasting Monthly
QM for Windows 125 Sales 183 Bibliography 184

A01_REND3161_13_AIE_FM.indd 7 01/11/16 12:31 PM

 viii   CONTENTS
CHAPTER 6 Inventory Control Models 185
6.1 Importance of Inventory Control 186
Decoupling Function 186
Storing Resources 187
Irregular Supply and Demand 187
Quantity Discounts 187
Avoiding Stockouts and Shortages 187
6.2 Inventory Decisions 187
6.3 Economic Order Quantity: Determining
How Much to Order 189
Inventory Costs in the EOQ Situation 189
Finding the EOQ 191
Sumco Pump Company Example 192
Purchase Cost of Inventory Items 193
Sensitivity Analysis with the EOQ Model 194
6.4 Reorder Point: Determining When to
Order 194
6.5 EOQ Without the Instantaneous Receipt
Assumption 196
Annual Carrying Cost for Production Run
Model 196
Annual Setup Cost or Annual Ordering
Cost 197
Determining the Optimal Production
Quantity 197
Brown Manufacturing Example 198
6.6 Quantity Discount Models 200
Brass Department Store Example 202
6.7 Use of Safety Stock 203
6.8 Single-Period Inventory Models 209
Marginal Analysis with Discrete
Distributions 210
Café du Donut Example 210
Marginal Analysis with the Normal
Distribution 212
Newspaper Example 212
6.9 ABC Analysis 214
6.10 Dependent Demand: The Case for
Material Requirements Planning 214
Material Structure Tree 215
Gross and Net Material Requirements Plans 216
Two or More End Products 218
6.11 Just-In-Time Inventory Control 219
6.12 Enterprise Resource Planning 220
Summary 221 Glossary 221 Key
Equations 222 Solved Problems 223
Self-Test 225 Discussion Questions and
Problems 226 Case Study: Martin-Pullin
Bicycle Corporation 234 Bibliography 235
Appendix 6.1: Inventory Control with QM for
Windows 235
CHAPTER 7 Linear Programming Models:
Graphical and Computer Methods 237
7.1 Requirements of a Linear Programming
Problem 238
A01_REND3161_13_AIE_FM.indd 8
7.2 Formulating LP Problems 239
Flair Furniture Company 240
7.3 Graphical Solution to an LP
Problem 241
Graphical Representation of Constraints 241
Isoprofit Line Solution Method 245
Corner Point Solution Method 248
Slack and Surplus 250
7.4 Solving Flair Furniture’s LP Problem
Using QM for Windows, Excel 2016, and
Excel QM 251
Using QM for Windows 251
Using Excel’s Solver Command to Solve LP
Problems 252
Using Excel QM 255
7.5 Solving Minimization Problems 257
Holiday Meal Turkey Ranch 257
7.6 Four Special Cases in LP 261
No Feasible Solution 261
Unboundedness 261
Redundancy 262
Alternate Optimal Solutions 263
7.7 Sensitivity Analysis 264
High Note Sound Company 265
Changes in the Objective Function
Coefficient 266
QM for Windows and Changes in Objective
Function Coefficients 266
Excel Solver and Changes in Objective Function
Coefficients 267
Changes in the Technological Coefficients 268
Changes in the Resources or Right-Hand-Side
Values 269
QM for Windows and Changes in Right-Hand-
Side Values 270
Excel Solver and Changes in Right-Hand-Side
Values 270
Summary 272 Glossary 272 Solved
Problems 273 Self-Test 277 Discussion
Questions and Problems 278 Case Study:
Mexicana Wire Winding, Inc. 286
Bibliography 288
CHAPTER 8 Linear Programming Applications 289
8.1 Marketing Applications 289
Media Selection 289
Marketing Research 291
8.2 Manufacturing Applications 293
Production Mix 293
Production Scheduling 295
8.3 Employee Scheduling Applications 299
Labor Planning 299
8.4 Financial Applications 300
Portfolio Selection 300
Truck Loading Problem 303
8.5 Ingredient Blending Applications 305
01/11/16 12:31 PM
  CONTENTS    ix
Diet Problems 305
Ingredient Mix and Blending Problems 306
8.6 Other Linear Programming
Applications 308
Summary 310 Self-Test 310
Problems 311 Case Study: Cable &
Moore 318 Bibliography 318
CHAPTER 9 Transportation, Assignment,
and Network Models 319
9.1 The Transportation Problem 320
Linear Program for the Transportation
Example 320
Solving Transportation Problems Using
Computer Software 321
A General LP Model for Transportation
Problems 322
Facility Location Analysis 323
9.2 The Assignment Problem 325
Linear Program for Assignment Example 325
9.3 The Transshipment Problem 327
Linear Program for Transshipment
Example 327
9.4 Maximal-Flow Problem 330
Example 330
9.5 Shortest-Route Problem 332
9.6 Minimal-Spanning Tree Problem 334
Summary 337 Glossary 338 Solved
Problems 338 Self-Test 340 Discussion
Questions and Problems 341 Case Study:
Andrew–Carter, Inc. 352 Case Study:
Northeastern Airlines 353 Case Study:
Southwestern University Traffic Problems 354
Bibliography 355
Appendix 9.1: Using QM for Windows 355
CHAPTER 10 Integer Programming, Goal
Programming, and Nonlinear
Programming 357
10.1 Integer Programming 358
Harrison Electric Company Example of Integer
Programming 358
Using Software to Solve the Harrison Integer
Programming Problem 360
Mixed-Integer Programming Problem
Example 360
10.2 Modeling with 0–1 (Binary) Variables 363
Capital Budgeting Example 364
Limiting the Number of Alternatives
Selected 365
Dependent Selections 365
Fixed-Charge Problem Example 366
Financial Investment Example 367
10.3 Goal Programming 368
Example of Goal Programming: Harrison Electric
Company Revisited 369
Extension to Equally Important Multiple
Goals 370
A01_REND3161_13_AIE_FM.indd 9
Ranking Goals with Priority Levels 371
Goal Programming with Weighted Goals 371
10.4 Nonlinear Programming 372
Nonlinear Objective Function and Linear
Constraints 373
Both Nonlinear Objective Function and Nonlinear
Constraints 373
Linear Objective Function with Nonlinear
Constraints 374
Summary 375 Glossary 375 Solved
Problems 376 Self-Test 378 Discussion
Questions and Problems 379 Case Study:
Schank Marketing Research 384 Case Study:
Oakton River Bridge 385 Bibliography 385
CHAPTER 11 Project Management 387
11.1 PERT/CPM 389
General Foundry Example of PERT/CPM 389
Drawing the PERT/CPM Network 390
Activity Times 391
How to Find the Critical Path 392
Probability of Project Completion 395
What PERT Was Able to Provide 398
Using Excel QM for the General Foundry
Example 398
Sensitivity Analysis and Project
Management 399
11.2 PERT/Cost 400
Planning and Scheduling Project Costs:
Budgeting Process 400
Monitoring and Controlling Project
Costs 403
11.3 Project Crashing 405
General Foundry Example 406
Project Crashing with Linear Programming 407
11.4 Other Topics in Project Management 410
Subprojects 410
Milestones 410
Resource Leveling 410
Software 410
Summary 410 Glossary 410 Key
Equations 411 Solved Problems 412
Self-Test 414 Discussion Questions and
Problems 415 Case Study: Southwestern
University Stadium Construction 422
Case Study: Family Planning Research Center of
Nigeria 423 Bibliography 424
Appendix 11.1: Project Management with QM for
Windows 424
CHAPTER 12 Waiting Lines and Queuing Theory
Models 427
12.1 Waiting Line Costs 428
Three Rivers Shipping Company Example 428
12.2 Characteristics of a Queuing System 429
Arrival Characteristics 429
Waiting Line Characteristics 430
01/11/16 2:59 PM
 x   CONTENTS

Service Facility Characteristics 430 Role of Computers in Simulation 485

Identifying Models Using Kendall Notation 431 Summary 486 Glossary 486 Solved
12.3 Single-Channel Queuing Model with Problems 487 Self-Test 489 Discussion
Poisson Arrivals and Exponential Service Questions and Problems 490 Case Study:
Times (M/M /1) 434 Alabama Airlines 496 Case Study: Statewide
Development Corporation 497 Case Study:
Assumptions of the Model 434 FB Badpoore Aerospace 498
Queuing Equations 434 Bibliography 500
Arnold’s Muffler Shop Case 435
Enhancing the Queuing Environment 438 CHAPTER 14 Markov Analysis 501
12.4 Multichannel Queuing Model with 14.1 States and State Probabilities 502
Poisson Arrivals and Exponential Service
Times (M/M/m) 439 The Vector of State Probabilities for Grocery
Store Example 503
Equations for the Multichannel Queuing
Model 439 14.2 Matrix of Transition Probabilities 504
Arnold’s Muffler Shop Revisited 440 Transition Probabilities for Grocery Store
Example 504
12.5 Constant Service Time Model
(M/D/1) 442 14.3 Predicting Future Market Shares 505
Equations for the Constant Service Time 14.4 Markov Analysis of Machine
Model 442 Operations 506
Garcia-Golding Recycling, Inc. 443 14.5 Equilibrium Conditions 507
12.6 Finite Population Model (M/M/1 with 14.6 Absorbing States and the Fundamental
Finite Source) 443 Matrix: Accounts Receivable
Application 510
Equations for the Finite Population
Model 444 Summary 514 Glossary 514 Key
Equations 514 Solved Problems 515
Department of Commerce Example 444 Self-Test 518 Discussion Questions and
12.7 Some General Operating Characteristic Problems 519 Case Study: Rentall Trucks 523
Relationships 445 Bibliography 525
12.8 More Complex Queuing Models and the Appendix 14.1: Markov Analysis with QM for
Use of Simulation 446 Windows 525
Summary 446 Glossary 447 Key Appendix 14.2: Markov Analysis with Excel 526
Equations 447 Solved Problems 449
Self-Test 451 Discussion Questions and
Problems 452 Case Study: New England
Foundry 457 Case Study: Winter Park
CHAPTER 15 Statistical Quality Control 529
Hotel 459 Bibliography 459 15.1 Defining Quality and TQM 529
Appendix 12.1: Using QM for Windows 460 15.2 Statistical Process Control 531
Variability in the Process 531
CHAPTER 13 Simulation Modeling 461 15.3 Control Charts for Variables 532
13.1 Advantages and Disadvantages of The Central Limit Theorem 533
Simulation 462 Setting x- -Chart Limits 534
13.2 Monte Carlo Simulation 463 Setting Range Chart Limits 536
Harry’s Auto Tire Example 464 15.4 Control Charts for Attributes 537
Using QM for Windows for Simulation 468 p-Charts 537
Simulation with Excel Spreadsheets 469 c-Charts 539
13.3 Simulation and Inventory Analysis 471 Summary 541 Glossary 541 Key
Simkin’s Hardware Store 472 Equations 541 Solved Problems 542
Analyzing Simkin’s Inventory Costs 475 Self-Test 543 Discussion Questions and
Problems 543 Bibliography 546
13.4 Simulation of a Queuing Problem 476
Appendix 15.1: Using QM for Windows for SPC 547
Port of New Orleans 476
Using Excel to Simulate the Port of New Orleans
Queuing Problem 478 APPENDICES 549
13.5 Simulation Model for a Maintenance APPENDIX A Areas Under the Standard Normal
Policy 479
Curve 550
Three Hills Power Company 479
Cost Analysis of the Simulation 481 APPENDIX B Binomial Probabilities 552
13.6 Other Simulation Issues 484
Two Other Types of Simulation Models 484 APPENDIX C Values of e − L for Use in the Poisson
Verification and Validation 485 Distribution 557

A01_REND3161_13_AIE_FM.indd 10 01/11/16 12:31 PM


APPENDIX D F Distribution Values 558
APPENDIX E Using POM-QM for Windows 560
APPENDIX F Using Excel QM and Excel Add-Ins 563
APPENDIX G Solutions to Selected Problems 564
APPENDIX H Solutions to Self-Tests 568
INDEX 571
ONLINE MODULES
MODULE 1 Analytic Hierarchy Process M1-1
M1.1 Multifactor Evaluation Process M1-2
M1.2 Analytic Hierarchy Process M1-3
Judy Grim’s Computer Decision M1-3
Using Pairwise Comparisons M1-5
Evaluations for Hardware M1-5
Determining the Consistency Ratio M1-6
Evaluations for the Other Factors M1-7
Determining Factor Weights M1-8
Overall Ranking M1-9
Using the Computer to Solve Analytic Hierarchy
Process Problems M1-9
M1.3 Comparison of Multifactor Evaluation
and Analytic Hierarchy Processes M1-9
Summary M1-10 Glossary M1-10
Key Equations M1-10 Solved Problems M1-11
Self-Test M1-12 Discussion Questions and
Problems M1-12 Bibliography M1-14
Appendix M1.1: Using Excel for the Analytic Hierarchy
Process M1-14
MODULE 2 Dynamic Programming M2-1
M2.1 Shortest-Route Problem Solved Using
Dynamic Programming M2-2
M2.2 Dynamic Programming
Terminology M2-5
M2.3 Dynamic Programming Notation M2-7
M2.4 Knapsack Problem M2-8
Types of Knapsack Problems M2-8
Roller’s Air Transport Service Problem M2-8
Summary M2-13 Glossary M2-14
Key Equations M2-14 Solved Problem M2-14
Self-Test M2-16 Discussion Questions
and Problems M2-17 Case Study: United
Trucking M2-19 Bibliography M2-20
MODULE 3 Decision Theory and the Normal
Distribution M3-1
M3.1 Break-Even Analysis and the Normal
Distribution M3-1
Barclay Brothers Company’s New Product
Decision M3-1
Probability Distribution of Demand M3-2
A01_REND3161_13_AIE_FM.indd 11
CONTENTS    xi
Using Expected Monetary Value to Make a
Decision M3-4
M3.2 Expected Value of Perfect Information
and the Normal Distribution M3-5
Opportunity Loss Function M3-5
Expected Opportunity Loss M3-5
Summary M3-7 Glossary M3-7 Key
Equations M3-7 Solved Problems M3-7
Self-Test M3-8 Discussion Questions and
Problems M3-9 Bibliography M3-10
Appendix M3.1: Derivation of the Break-Even
Point M3-10
Appendix M3.2: Unit Normal Loss Integral M3-11
MODULE 4 Game Theory M4-1
M4.1 Language of Games M4-2
M4.2 The Minimax Criterion M4-2
M4.3 Pure Strategy Games M4-3
M4.4 Mixed Strategy Games M4-4
M4.5 Dominance M4-6
Summary M4-7 Glossary M4-7
Solved Problems M4-14 Self-Test M4-8
Discussion Questions and Problems M4-9
Bibliography M4-10
MODULE 5 Mathematical Tools: Determinants
and Matrices M5-1
M5.1 Matrices and Matrix Operations M5-1
Matrix Addition and Subtraction M5-2
Matrix Multiplication M5-2
Matrix Notation for Systems of Equations M5-5
Matrix Transpose M5-5
M5.2 Determinants, Cofactors, and
Adjoints M5-5
Determinants M5-5
Matrix of Cofactors and Adjoint M5-7
M5.3 Finding the Inverse of a Matrix M5-9
Summary M5-10 Glossary M5-10
Key Equations M5-10 Self-Test M5-11
Discussion Questions and Problems M5-11
Bibliography M5-12
Appendix M5.1: Using Excel for Matrix
Calculations M5-13
MODULE 6 Calculus-Based Optimization M6-1
M6.1 Slope of a Straight Line M6-1
M6.2 Slope of a Nonlinear Function M6-2
M6.3 Some Common Derivatives M6-5
Second Derivatives M6-6
M6.4 Maximum and Minimum M6-6
M6.5 Applications M6-8
Economic Order Quantity M6-8
Total Revenue M6-8
Summary M6-9 Glossary M6-10
Key Equations M6-10 Solved Problems M6-10
Self-Test M6-11 Discussion Questions and
Problems M6-11 Bibliography M6-12
01/11/16 12:31 PM
 xii   CONTENTS
MODULE 7 Linear Programming: The Simplex
Method M7-1
M7.1 How to Set Up the Initial Simplex
Solution M7-2
Converting the Constraints to Equations M7-2
Finding an Initial Solution
Algebraically M7-3
The First Simplex Tableau M7-4
M7.2 Simplex Solution Procedures M7-7
The Second Simplex Tableau M7-8
Interpreting the Second Tableau M7-11
The Third Simplex Tableau M7-12
Review of Procedures for Solving LP
Maximization Problems M7-14
M7.3 Surplus and Artificial Variables M7-15
Surplus Variables M7-15
Artificial Variables M7-15
Surplus and Artificial Variables in the Objective
Function M7-16
M7.4 Solving Minimization Problems M7-16
The Muddy River Chemical Corporation
Example M7-16
Graphical Analysis M7-17
Converting the Constraints and Objective
Function M7-18
Rules of the Simplex Method for Minimization
Problems M7-18
First Simplex Tableau for the Muddy River
Chemical Corporation Problem M7-19
Developing a Second Tableau M7-20
Developing a Third Tableau M7-22
Fourth Tableau for the Muddy River Chemical
Corporation Problem M7-23
Review of Procedures for Solving LP
Minimization Problems M7-24
M7.5 Special Cases M7-25
Infeasibility M7-25
Unbounded Solutions M7-25
Degeneracy M7-26
More Than One Optimal Solution M7-27
M7.6 Sensitivity Analysis with the Simplex
Tableau M7-27
High Note Sound Company Revisited M7-27
A01_REND3161_13_AIE_FM.indd 12
Changes in the Objective Function
Coefficients M7-28
Changes in Resources or RHS Values M7-30
M7.7 The Dual M7-32
Dual Formulation Procedures M7-33
Solving the Dual of the High Note Sound
Company Problem M7-33
M7.8 Karmarkar’s Algorithm M7-34
Summary M7-35 Glossary M7-35
Key Equations M7-36 Solved Problems M7-36
Self-Test M7-40 Discussion Questions and
Problems M7-41 Bibliography M7-50
MODULE 8 Transportation, Assignment,
and Network Algorithms M8-1
M8.1 The Transportation Algorithm M8-1
Developing an Initial Solution: Northwest Corner
Rule M8-2
Stepping-Stone Method: Finding a Least-Cost
Solution M8-3
Special Situations with the Transportation
Algorithm M8-9
Unbalanced Transportation Problems M8-9
Degeneracy in Transportation Problems M8-10
More Than One Optimal Solution M8-12
Maximization Transportation Problems M8-13
Unacceptable or Prohibited Routes M8-13
Other Transportation Methods M8-13
M8.2 The Assignment Algorithm M8-13
The Hungarian Method (Flood’s Technique) 14
Making the Final Assignment M8-18
Special Situations with the Assignment
Algorithm M8-18
Unbalanced Assignment Problems M8-18
Maximization Assignment Problems M8-19
M8.3 Maximal-Flow Problem M8-20
Maximal-Flow Technique M8-20
M8.4 Shortest-Route Problem M8-24
Shortest-Route Technique M8-24
Summary M8-26 Glossary M8-26
Solved Problems M8-26 Self-Test M8-33
Discussion Questions and Problems M8-33
Bibliography M8-43
01/11/16 12:31 PM
 Preface

Overview
Welcome to the thirteenth edition of Quantitative Analysis for Management. Our goal is to pro-
vide undergraduate and graduate students with a genuine foundation in business analytics, quan-
titative methods, and management science. In doing so, we owe thanks to the hundreds of users
and scores of reviewers who have provided invaluable counsel and pedagogical insight for more
than 30 years.
To help students connect how the techniques presented in this book apply in the real world,
computer-based applications and examples are a major focus of this edition. Mathematical
­models, with all the necessary assumptions, are presented in a clear and “plain-English” manner.
The ensuing solution procedures are then applied to example problems alongside step-by-step
­“how-to” instructions. We have found this method of presentation to be very effective, and stu-
dents are very appreciative of this approach. In places where the mathematical computations are
intricate, the details are presented in such a manner that the instructor can omit these sections
without interrupting the flow of material. The use of computer software enables the instructor to
focus on the managerial problem and spend less time on the details of the algorithms. Computer
output is provided for many examples throughout the book.
The only mathematical prerequisite for this textbook is algebra. One chapter on probability
and another on regression analysis provide introductory coverage on these topics. We employ
standard notation, terminology, and equations throughout the book. Careful explanation is pro-
vided for the mathematical notation and equations that are used.

Special Features
Many features have been popular in previous editions of this textbook, and they have been
updated and expanded in this edition. They include the following:

●● Modeling in the Real World boxes demonstrate the application of the quantitative analysis
approach to every technique discussed in the book. Three new ones have been added.
●● Procedure boxes summarize the more complex quantitative techniques, presenting them as a
series of easily understandable steps.
●● Margin notes highlight the important topics in the text.
●● History boxes provide interesting asides related to the development of techniques and the
­people who originated them.
●● QA in Action boxes illustrate how real organizations have used quantitative analysis to solve
problems. Several new QA in Action boxes have been added.
●● Solved Problems, included at the end of each chapter, serve as models for students in solving
their own homework problems.
●● Discussion Questions are presented at the end of each chapter to test the student’s under-
standing of the concepts covered and definitions provided in the chapter.

xiii

A01_REND3161_13_AIE_FM.indd 13 28/10/16 10:13 AM

 xiv   PREFACE

●● Problems included in every chapter are applications-oriented and test the student’s ability
to solve exam-type problems. They are graded by level of difficulty: introductory (one
bullet), moderate (two bullets), and challenging (three bullets). Twenty-six new problems
have been added.
●● Internet Homework Problems provide additional problems for students to work. They are
available on the Companion Website.
●● Self-Tests allow students to test their knowledge of important terms and concepts in prepara-
tion for quizzes and examinations.
●● Case Studies, at the end of most chapters, provide additional challenging managerial
applications.
●● Glossaries, at the end of each chapter, define important terms.
●● Key Equations, provided at the end of each chapter, list the equations presented in that
chapter.
●● End-of-chapter bibliographies provide a current selection of more advanced books and
articles.
●● The software POM-QM for Windows uses the full capabilities of Windows to solve quantita-
tive analysis problems.
●● Excel QM and Excel 2016 are used to solve problems throughout the book.
●● Data files with Excel spreadsheets and POM-QM for Windows files containing all the
­examples in the textbook are available for students to download from the Companion
Website. Instructors can download these plus additional files containing computer solutions
to the relevant end-of-chapter problems from the Instructor Resource Center Website.
●● Online modules provide additional coverage of topics in quantitative analysis.
●● The Companion Website, at www.pearsonhighered.com/render, provides the online modules,
additional problems, cases, and other material for every chapter.

Significant Changes to the Thirteenth Edition

In the thirteenth edition, we have introduced Excel 2016 in all of the chapters. Updated screen-
shots are i­ ntegrated in the appropriate sections so that students can easily learn how to use Excel
2016 for the calculations. The Excel QM add-in is used with Excel 2016, allowing students with
limited Excel experience to easily perform the necessary calculations. This also allows students
to improve their Excel skills as they see the formulas automatically written in Excel QM.
From the Companion Website, students can access files for all of the examples used in the
textbook in Excel 2016, QM for Windows, and Excel QM. Other files with all of the end-of-
chapter problems involving these software tools are available to the instructors.
Business analytics, one of the hottest topics in the business world, makes extensive use of
the models in this book. A discussion of the business analytics categories is provided, and the
relevant management science techniques are placed into the appropriate category.
Examples and problems have been updated, and many new ones have been added. New
screenshots are provided for almost all of the examples in the book. A brief summary of the
changes in each chapter of the thirteenth edition is presented here.

Chapter 1 Introduction to Quantitative Analysis. The section on business analytics has been
updated, and a new end-of-chapter problem has been added.

Chapter 2 Probability Concepts and Applications. The Modeling in the Real World box has been
updated. New screenshots of Excel 2016 have been added throughout.

Chapter 3 Decision Analysis. A new QA in Action box has been added. New screenshots of
Excel 2016 have been added throughout. A new case study has been added.

Chapter 4 Regression Models. New screenshots of Excel 2016 have been added throughout. A
new end-of-chapter problem has been added.

A01_REND3161_13_AIE_FM.indd 14 28/10/16 10:13 AM

  PREFACE    xv

Chapter 5 Forecasting. A new QA in Action box has been added. New screenshots of Excel 2016
have been added throughout. Two new end-of-chapter problems have been added.

Chapter 6 Inventory Control Models. A new QA in Action box has been added. New screenshots
of Excel 2016 have been added throughout. Two new end-of-chapter problems have been added.

Chapter 7 Linear Programming Models: Graphical and Computer Methods. The Learning
Objectives have been modified slightly. Screenshots have been updated to Excel 2016.

Chapter 8 Linear Programming Applications. Two new problems have been added to the Internet
Homework Problems. Excel 2016 screenshots have been incorporated throughout.

Chapter 9 Transportation, Assignment, and Network Models. Two new problems have been
added to the Internet Homework Problems. Excel 2016 screenshots have been incorporated
throughout.

Chapter 10 Integer Programming, Goal Programming, and Nonlinear Programming. Two new
problems have been added to the Internet Homework Problems. Excel 2016 screenshots have
been incorporated throughout.

Chapter 11 Project Management. Four new end-of-chapter problems and a new Modeling in the
Real World box have been added.

Chapter 12 Waiting Lines and Queuing Theory Models. Four new end-of-chapter problems
have been added.

Chapter 13 Simulation Modeling. Two new end-of-chapter problems have been added.

Chapter 14 Markov Analysis. Two new end-of-chapter problems have been added.

Chapter 15 Statistical Quality Control. Two new end-of-chapter problems have been added.
Excel 2016 screenshots have been updated throughout.

Modules 1–8 The only significant change to the modules is the update to Excel 2016 throughout.

Online Modules
To streamline the book, eight topics are contained in modules available on the Companion
Website for the book.
1. Analytic Hierarchy Process
2. Dynamic Programming
3. Decision Theory and the Normal Distribution
4. Game Theory
5. Mathematical Tools: Determinants and Matrices
6. Calculus-Based Optimization
7. Linear Programming: The Simplex Method
8. Transportation, Assignment, and Network Algorithms

Software
Excel 2016 Excel 2016 instructions and screen captures are provided, throughout the book.
Instructions for activating the Solver and Analysis ToolPak add-ins in Excel 2016 are provided
in an appendix. The use of Excel is more prevalent in this edition of the book than in previous
editions.

A01_REND3161_13_AIE_FM.indd 15 28/10/16 10:13 AM

 xvi   PREFACE

Excel QM Using the Excel QM add-in that is available on the Companion Website makes
the use of Excel even easier. Students with limited Excel experience can use this and learn
from the formulas that are automatically provided by Excel QM. This is used in many of the
chapters.

POM-QM for Windows This software, developed by Professor Howard Weiss, is available to
students at the Companion Website. This is very user-friendly and has proven to be a very
popular software tool for users of this textbook. Modules are available for every major prob-
lem type presented in the textbook. At press time, only version 4.0 of POM-QM for Windows
was available. Updates for version 5.0 will be released on the Companion Website as they
become available.

Companion Website
The Companion Website, located at www.pearsonhighered.com/render, contains a variety of
materials to help students master the material in this course. These include the following:

Modules There are eight modules containing additional material that the instructor may choose
to include in the course. Students can download these from the Companion Website.

Files for Examples in Excel, Excel QM, and POM-QM for Windows Students can download the
files that were used for examples throughout the book. This helps them become familiar with
the software, and it helps them understand the input and formulas necessary for working the
examples.

Internet Homework Problems In addition to the end-of-chapter problems in the textbook, there
are additional problems that instructors may assign. These are available for download at the
Companion Website.

Internet Case Studies Additional case studies are available for most chapters.

POM-QM for Windows Developed by Howard Weiss, this very user-friendly software can be
used to solve most of the homework problems in the text.

Excel QM This Excel add-in will automatically create worksheets for solving problems. This is
very helpful for instructors who choose to use Excel in their classes but who may have students
with limited Excel experience. Students can learn by examining the formulas that have been
created and by seeing the inputs that are automatically generated for using the Solver add-in for
linear programming.

Instructor Resources
●● Instructor Resource Center: The Instructor Resource Center contains the electronic files
for the test bank, PowerPoint slides, the Solutions Manual, and data files for both Excel and
POM-QM for Windows for all relevant examples and end-of-chapter problems (www
.pearsonhighered.com/render).
●● Register, Redeem, Login: At www.pearsonhighered.com/irc, instructors can access a variety
of print, media, and presentation resources that are available with this text in downloadable,
digital format. For most texts, resources are also available for course management platforms
such as Blackboard, WebCT, and Course Compass.
●● Need help? Our dedicated technical support team is ready to assist instructors with questions
about the media supplements that accompany this text. Visit support.pearson.com/getsupport
for answers to frequently asked questions and toll-free user support phone numbers. The
supplements are available to adopting instructors. Detailed descriptions are provided in the
Instructor Resource Center.

A01_REND3161_13_AIE_FM.indd 16 28/10/16 10:13 AM

  PREFACE    xvii

Instructor’s Solutions Manual The Instructor’s Solutions Manual, updated by the authors, is
available for download from the Instructor Resource Center. Solutions to all Internet Homework
Problems and Internet Case Studies are also included in the manual.

PowerPoint Presentation An extensive set of PowerPoint slides is available for download from
the Instructor Resource Center.

Test Bank The updated test bank is available for download from the Instructor Resource Center.

TestGen The computerized TestGen package allows instructors to customize, save, and generate
classroom tests. The test program permits instructors to edit, add, or delete questions from the
test bank; edit existing graphics and create new graphics; analyze test results; and organize a
database of test and student results. This software allows instructors to benefit from the
extensive flexibility and ease of use. It provides many options for organizing and displaying
tests, along with search and sort features. The software and the test banks can be downloaded
from the Instructor Resource Center.

Acknowledgments
We gratefully thank the users of previous editions and the reviewers who provided valuable
suggestions and ideas for this edition. Your feedback is valuable in our efforts for continuous
improvement. The continued success of Quantitative Analysis for Management is a direct result
of instructor and student feedback, which is truly appreciated.
The authors are indebted to many people who have made important contributions to this
project. Special thanks go to Professors Faizul Huq, F. Bruce Simmons III, Khala Chand Seal,
Victor E. Sower, Michael Ballot, Curtis P. McLaughlin, and Zbigniew H. Przanyski for their
contributions to the excellent cases included in this edition.
We thank Howard Weiss for providing Excel QM and POM-QM for Windows, two of the
most outstanding packages in the field of quantitative methods. We would also like to thank the
reviewers who have helped to make this textbook the most widely used one in the field of quan-
titative analysis:

Stephen Achtenhagen, San Jose University Arun Khanal, Nobel College

M. Jill Austin, Middle Tennessee State University
Raju Balakrishnan, University of Michigan–Dearborn
Hooshang Beheshti, Radford University
Jason Bergner, University of Nevada
Bruce K. Blaylock, Radford University
Rodney L. Carlson, Tennessee Technological University
Edward Chu, California State University, Dominguez Hills
John Cozzolino, Pace University–Pleasantville
Ozgun C. Demirag, Penn State–Erie
Shad Dowlatshahi, University of Missouri–Kansas City
Ike Ehie, Kansas State University
Richard Ehrhardt, University of North Carolina–Greensboro
Sean Eom, Southeast Missouri State University
Ephrem Eyob, Virginia State University
Mira Ezvan, Lindenwood University
Wade Ferguson, Western Kentucky University
Robert Fiore, Springfield College
Frank G. Forst, Loyola University of Chicago
Stephen H. Goodman, University of Central Florida
Irwin Greenberg, George Mason University
Nicholas G. Hall, Ohio State University
Robert R. Hill, University of Houston–Clear Lake
Bharat Jain, Towson University
Vassilios Karavas, Nomura International
Kenneth D. Lawrence, New Jersey Institute of Technology
Jooh Lee, Rowan College
Richard D. Legault, University of Massachusetts–Dartmouth
Douglas Lonnstrom, Siena College
Daniel McNamara, University of St. Thomas
Peter Miller, University of Windsor
Ralph Miller, California State Polytechnic University
Shahriar Mostashari, Campbell University
David Murphy, Boston College
Robert C. Myers, University of Louisville
Barin Nag, Towson State University
Nizam S. Najd, St. Gregory’s University
Harvey Nye, Central State University
Alan D. Olinsky, Bryant College
Savas Ozatalay, Widener University
Young Park, California University of Pennsylvania
Yusheng Peng, Brooklyn College
Dane K. Peterson, Missouri State University
Sanjeev Phukan, Bemidji State University
Ranga Ramasesh, Texas Christian University
Bonnie Robeson, Johns Hopkins University
Grover Rodich, Portland State University
Vijay Shah, West Virginia University–Parkersburg
L. Wayne Shell, Nicholls State University

A01_REND3161_13_AIE_FM.indd 17 28/10/16 10:13 AM

 xviii   PREFACE

Thomas Sloan, University of Massachusetts–Lowell Chris Vertullo, Marist College

Richard Slovacek, North Central College
Alan D. Smith, Robert Morris University
John Swearingen, Bryant College
Jack Taylor, Portland State University
Andrew Tiger, Union University
James Vigen, California State University, Bakersfield
Larry Weinstein, Wright State University
Fred E. Williams, University of Michigan–Flint
Mela Wyeth, Charleston Southern University
Oliver Yu, San Jose State University

We are very grateful to all the people at Pearson who worked so hard to make this book
a success. These include Donna Battista, Jeff Holcomb, Ashley Santora, Neeraj Bhalla,
Vamanan Namboodiri, and Dan Tylman. We are also grateful to Angela Urquhart and Andrea
Archer at Thistle Hill Publishing Services. Thank you all!

Barry Render
brender@rollins.edu

Ralph Stair

Michael Hanna
hanna@uhcl.edu

Trevor S. Hale
halet@uhd.edu

A01_REND3161_13_AIE_FM.indd 18 28/10/16 10:13 AM

Another random document with
no related content on Scribd:
merkkiä tiestä, kuin muutamia vanhoja jälkiä, jotka olivat täynnä
mustanpunervaa vettä.

Kun hän oli käynyt tuon kostean pehmeäpohjaisen, ruskea-

multaisen notkon poikki, jossa kasvoi tiheässä pieniä puita ja
pensaita, tuli hän taas lujemmalle maalle, mielensä rauhoittui vähän
ja hän huusi taas:

"Tui kotiin — tui tuii!" Mutta ei yhtään mylvivää vastausta kuulunut.

Silloin oli hänen mielestään paras kääntyä ympäri. Mutta nyt

huomasi hän yhtäkkiä, ettei hän tietänyt missä oli. Ja sitten
sammuttivat vielä lisäksi pilvet valon, niin että metsä äkkiä tuli
melkein pimeäksi. Fiina rupesi pelkäämään, hän saisi viettää kylmän
yön villieläinten keskellä ja kaiken, mitä erämaassa voi löytyä — ja
mitä se on, sitä ei edes tiedä, sillä yksi on nähnyt yhtä, toinen toista,
kummallisia nelijalkaisia siivekkäitä eläimiä, harmaita velhoja, jotka
olivat ihmisten kaltaisia, mutta hiipivät hiljaa ohi, tyttöjä, jotka kävivät
puolialastomina ja rallattivat kun hullut ihmiset, hiukset hajallaan, ja
tulikonnia, jotka menivät läpi veden ja valkean. Kun hän siten kulki ja
peljätti itseään moisilla ajatuksilla, tuli hän aukealle paikalle, jossa oli
muutamia vanhoja honkia hajallaan siellä täällä. Hän arveli
voisikohan se olla joku noista hiilipuiden kaatopaikoista, joita oli
takametsällä, jossa aikojen aikoina oli poltettu hiiliä ja myyty
rautatehtaisiin. Juuri käydessään, narskahti hänen jalkainsa alla, se
oli hiilten jäännöksiä. Tämän seudun pitäisi olla tuttua, arveli hän.
Mutta kuinka hän etsikin, ei hän löytänyt tietä, jonka piti viemän
täältä kotiin päin. Vihdoin löysi hän tiheästä kuusimetsiköstä vanhan
miilunpolttajan majan ja hän päätti viettää mieluummin yönsä siellä
kuin kulkea umpimähkään ympäri metsää. Se oli hataraseinäinen,
ilman ovea ja sen tuohikatto oli puoleksi sortunut sisään, mutta siitä
oli sentään vähän suojaa. Nurkassa oli läjä puolimädänneitä olkia.

Pilvipeite kajautui repeileviin hattaroihin taivaan rantaa kohti ja kuu

nousi puiden takaa. Majan kaikki seinän raot irvistelivät, kuu kumotti
katon läpi ja oviaukko oli kuin suuri, valkoinen neliskulmainen läpi.
Oli rauhallista, mutta ei hiljaista. Kaikkialla kuului ääniä, joilla ei
tuntenut olevan syytä, eikä alkua, jotka voivat olla ihmisten jalkojen
narinaa, mutta yhtä hyvin kyhmyisen, kuivan hongan tuntematonta
kieltä, ne voivat olla kehrääjälintujen äänten surinaa, mutta yhtä
hyvin rukin pyörinää, jota vanha noita pitää käynnissä, ne voivat olla
lintujen siiven suhinaa, mutta myöskin metsäkummitusten ja henkien
kuiskeita.

Fiina istui majan oljilla ja tuijotti oviaukkoon. Hän oli kiihottanut

mielensä mietteillään ja istui vaan ja odotti, että yö kuluisi. Silloin
muisti hän äkkiä, että metsässä oli useampia sysipoltto-alueita, ja
että yksi sellainen oli myöskin ihan lähellä sitä lampea, mihin hän
aikoinaan oli heittänyt säkin jossa oli lapsi. Sinne asti ei hänen
sentään olisi pitänyt ehtiä — se oli toisella suunnalla. Ajatus lapsesta
peljätti häntä kuitenkin vielä enemmän ja hän rupesi miettimään
katkismusta. "Ei sinun pidä muita Jumalia pitämän minun edessäni"
— ei, sitä ei hän toki ollut tehnyt. "Ei sinun pidä turhaan lausuman
Herras, sinun Jumalas nimeä." Niin, ei hän juuri niin rivosuinen
oikeastaan ollut, mutta ehkä sentään joskus ajatuksissaan. "Ei sinun
pidä huorin tekemän" — "Ei sinun pidä tappaman." Voi, voi, voi! Hän
oli tehnyt ensinmainitun, mutta se ei liene niin vaarallista, ajatteli hän
yksinkertaisuudessaan, mutta se toinen. Oi, voi, voi! Hän painoi
käden sydäntään vasten — silloin tömisi yhtäkkiä maa oviaukon
luona ja siinä seisoi musta kummitus kuun valossa — se oli
paholainen — hän oli nähnyt sen kuvan viinalohikäärmeen päällä
tuvassa, kotona — kaksi karvaista jalkaa, hontelo ruumis, suuret
korvat ja sitten kartioilla nuo kauheat siivet tuntosarvineen — nyt tuli
paholainen hakemaan häntä tuon säkin tähden — hän veti hameen
kasvojensa yli — kuuli päristyksen, huusi kuin kuoleman tuskassa ja
heittäytyi alas painaen päänsä olkiin. Kuinka kauan hän makasi, ei
hän itsekään tiennyt, mutta kun hän tointui ja uskalsi katsoa ulos, oli
paholainen poissa ja aamuruskon kajastus levisi puiden takana,
jotka kuvastuivat taivasta vasten vääntyneine, puolikuivine oksineen.
Oliko hän siis kuitenkin tullut lammelle? Ne olivat samoja puita, joita
kasvoi sen järven rannoilla, jonka pohjalla säkki oli.

Hui, kuinka se huusi! Taivaan Jumala armahda minua! Lapsi

huutaa vielä, huutaa, huutaa… kimeästi, vaikeroiden, se itkee, itkee.
Taivaan Jumala, armahda — se on vedenhaltia, joka tahtoo kostaa…
se itkee, itkee — lamminhaltia, josta olen kuullut ihmisten puhuvan,
kummitus, paholainen toisessa muodossa… Mutta päivä valkenee…
hänen täytyy nyt uskaltaa lähteä pois… Herra Jumala, hänen täytyy
lähteä… ryömii ulos majasta ja nousee ylös, näkee lammen
jyrkänteen alapuolella… ja samalla kävi kuin ryöppyinen roiske yli
kirkkaan, tyynen veden pinnan ja kauhea haamu syöksyy eteenpäin
pitkin vettä, voimakkain, läiskähtävin siiveniskuin. Alhaalta vedestä
kuuluu helvetillinen melu… pian saavuttaa hirviö hänet… mutta hän
juoksee… niin, hän juoksee kuin henkensä edestä, muistaa kuitenkin
vetää hiuspalmikot leukansa alle, ettei paholainen, joka ryntää hänen
perässään, saa niistä kiinni takaapäin. Pensaissa rytisee ja rätisee
monessa kohden… mutta hän juoksee hengen edestä. Sitten näkee
hän harmaapukuisen miehen kävelevän puiden välissä… siis on hän
kokonaan mennyttä… tuolla tulee itse metsäihminen häntä
vastaan… Fiina huutaa kuin riivattu, kompastuu puunjuureen ja
kaatuu ja jää makaamaan kasvot maata vasten ja tukiten käsillään
korviaan.
 Ystävällisin sanoin saa isäntä Fiinan taas virkoamaan ja vei hänet
kotiin. Hänellä ei ollut enää mitään vastustusvoimaa, hän ei voinut
salata mitään, vaan kertoi kaikki, mitä oli nähnyt metsässä. Osa
ihmisistä uskoi mitä hän sanoi, puisteli ajattelevasti päätään ja arveli,
että sellaista on ennenkin nähty lammen puolella. Mutta ylioppilas,
joka oli kesävieraana, puhui oppineita sanoja hirven varjokuvasta
haarukkaisine sarvineen — ne olisivat muka olleet paholaisen siivet
— kuikan valittavasta äänestä ja vaikeudesta saada ilmaa siipiensä
alle, lentäissään ylös. Voihan se tosin olla niinkin, arvelivat ihmiset,
mutta kun paholainen on irti, niin on se irti ja ainahan siellä
salomaalla on ollut kummituksia. Sen ovat vanhat sanoneet ja hehän
sen parhaiten tietävät. Sitä paitsi, puhutaanhan katkismuksessakin
metsänhaltioista, vedenhaltioista, tontuista ja muista senkaltaisista.

Sen yön jälkeen oli Fiinan luonto toisenlainen. Hän oli lempeämpi
ja ystävällisempi ja aivankuin voitettu mieleltään. Erämaan kummitus
oli rangaissut häntä. Toisinaan meni hän kirkkoonkin ja antautui
keskusteluihin uskovaisten joukon kanssa, joka teki työtä
voittaakseen uusia sieluja oikeaan kotiin.

Mutta miten lieneekään, tuli kuitenkin tuo lapsijuttu ilmi…

luultavasti oli hän jo metsässä puhunut siitä isännälle… siellä
peljästyksissään. Toiset palvelijat rupesivat katselemaan häntä
epäluulolla ja puhuivat peittelevin sanoin tapahtumasta. Mutta sitä ei
heidän olisi pitänyt tehdä. Fiinahan oli kärsinyt rangaistuksensa —
Herra Jumala — olihan hän kärsinyt metsässä — ja olihan hän
nöyryyttänyt ihmisten ja Jumalan edessä. Mitä sanomista oli siis
piioilla ja rengeillä. Uhkamielisyys rupesi uudestaan nousemaan
hänen sydämeensä ja hänen silmänsä muuttuivat ilkeän näköisiksi.
Pian oli hän samanlainen kuin ennenkin, ja kun hänen piti lähteä
käräjiin lapsi- ja säkki-jutun tähden, oli hän saanut kyllikseen
kanssaihmisistään, juoksi alas kotiniemekkeelle ja heittäytyi
salmeen.

Kaksi vanhusta.

1.

Se tapahtui kerran harhaillessa merellä. Olin purjehtinut useita

päiviä milloin penikulmien laajuisilla aukoilla, milloin kapeitten,
hymyilevien salmien läpi, milloin punaisten merikallioitten lomissa.
Huvini oli ollut uhmailla valkeita aaltoja, purjehtia huimaavaa vauhtia
pitkin tyyniä vesiä tuulen suojassa matalien vuorentöykämien välissä
ja kun kaunis, päilyilevä lahti houkutteli liian voimakkaasti, olin
laskenut ankkurin. Olin purjehtinut auringonpaisteessa ja sateessa,
punertavassa hämärässä ja valkoisessa kuunvalossa ja nyt oli
mielestäni hauskempi viettää yötä maalla, kuin kajutassa.

Kun siten ajelehdin erääseen salmeen, avautui äkkiä toiselle

puolen viheriä niittyrantainen lahdelma jyrkkien vuorien välissä ja
niityllä, vanhan lehmuksen alla oli punainen tupa. Porstuan keltaiset
kaksoisovet olivat tosin suljetut, mutta savupiipusta nouseva sininen
savu oli merkkinä, että asukkaat olivat kotona. Suuntasin veneeni
tuulen yläpuolelle ja hetkisen kuluttua laskin ankkurin.
 Purjeiden kokoaminen ja kaiken kuntoon paneminen yöksi vei
vähän aikaa ja kun olin saanut ne tehdyksi ja katselin rantaan päin,
olivat keltaiset ovet auki ja laituria kohden tuli vanhus, kumarainen ja
kankea, mutta jonka ryhdissä kuitenkin oli jotakin, joka ilmaisi, että
hän oli ollut merimies. Hän souti ruuhella ulos rannasta ja kysyi
tulisinko maalle.

Josko saisin yösijaa? Tietysti. Vielä ei hänen ollut tarvinnut kieltää

kulkioilta ja purjehtioilta yön suojaa, vaikka ei kenties enää ole pitkälti
siihenkään aikaan. Sillä sekä hän että eukko olivat tulleet vanhoiksi
ja melkein saamattomiksi. Ja kun eukolla ei enää ollut voimia keittää
useammalle henkilölle, eikä laittaa useampia vuoteita kuntoon, ja
kun hän itse, vanhus ei jaksanut hakata tavallista enemmän puita,
silloin täytyi varmaankin vastata kieltävästi — mutta siihen asti oli
aina jokainen rehellinen matkustaja tervetullut heille, samoin kuin
hänkin oli nauttinut vieraanvaraisuutta monen luona eri maissa. Hän
oli nimittäin purjehtinut ennen maailmassa.

Tuvassa istuu vanha mummo kangaspuissa. Sisään astuissamme

hellitti hän luhat ja tuli minua vastaan melkein laahustavin askelin.
Mutta katse, joka lasisilmien läpi minua kohtasi, oli ystävällinen ja
miellyttävä. Saatuaan tietää, että jäisin yöksi, rupesi hän rauhallisesti
ja hiljaa puuhailemaan ruuan kanssa sill’aikaa kun kissa silitteli
selkäänsä polveani vasten ja vanhus itse kävi pöydän viereen
istumaan.

Tuvassa vallitsi erinomainen hiljaisuus. Harvoin ovat loppuun

kuluneen työpäivän viimeiset hetket minuun sellaista vaikutusta
tehneet kun täällä näiden patriarkallisten, kunnia-arvoisten
vanhusten kodissa, jossa he elävät hiljaa omassa maailmassaan,
jonka he itse ovat raivanneet itselleen erämaasta. Niityn ja
perunamaan ovat he muokanneet kahden mäen väliseen
suonotkoon, tuvan ja ulkohuoneet ovat he rakentaneet, ja
huonekalut oli ukko itse suurimmaksi osaksi tehnyt taloutta
alkaissaan, tai ollessaan kotona jonkun talven vaimonsa ja
pienokaisten luona. Ikkunaverhot, matot ja vaatteet oli vaimo kutonut
ja ommellut, ei ainoastaan ne joita nyt käytettiin, vaan kaikki nekin,
mitä aikoinaan on tarvittu taloudessa niin hyvin puolivillaiset ja
pellavaiset kun pumpulisetkin. Kaikki elämänmuistot olivat heillä
ympärillään, paitsi lapset, jotka olivat lentäneet ulos pesästä ja
kyntivät nyt vuorostaan laineita taikka raivasivat pelloksi uusia
suorotkoja. Oli niin ihmeen rauhaisaa. Vanhukset olivat työntäneet
nahkakengät jaloistaan maton pätkälle oven viereen ja kävelivät
ympäri kotitekoisissa tallukoissa — minusta tuntui, kun eivät he itse
olisi tahtoneet saastuttaa pyhättöään meluamalla, vaikka
ymmärsinkin, että syynä oli lattian pesun hankaluus. Ainoa ääni, joka
keskeytti hidasta keskustelua, oli puiden räiskynä takassa ja ääni,
joka syntyi siitä, kun jokin keittoastia otettiin alas seinältä.

Ylhäällä, katon-aluksen alla olivat pyssyt, joita nyt enää ei juuri

käytetty ja niiden vieressä joukko sinisiä paperikääröjä, joiden pian
huomasin olevan merikorttia. Nurkkahyllyllä oli suuri kompassi ja
pitkä tähystin — se oli ostettu Rostokista. Vanhus oli purjehtinut
rippikouluajastaan alkaen, ensin laivapoikana ja kokkina ja
jungmannina, mutta sitten oli hän suorittanut tutkinnon ja kuljettanut
prikiä ja kuunaria monena Herran vuotena Itämerellä ja sen lahdilla.
Se oli vanhaan, hyvään aikaan. Nyt ei se enää kannattanut noiden
höyrylaivojen tähden. Hän oli tullut vanhaksi sopivaan aikaan, arveli
hän.

Mutta vaikka hän oli tullut niin huonoksi, niin ei hän saanut
kokonaan luopua merimieselämästään.
 "Sillä vielä tänäkin tulevat ne tänne saadakseen minut luotsiksi
milloin Vaasaan, milloin Pietariin."

Ukko hymyili hieman, kenties jonkinlaisella tyytyväisyydellä.

"Ja parin päivän kuluttua lähden minä pojan kanssa — hän on

neljänkymmenen vuotias — Loviisaan. Kauemmaksi itäänpäin en
enää löydä. Kun tulee vanhaksi, niin unohtaa yhden ja toisen
meriviitan, eikä muista kaikkia vuorenkärkiä."

"Eikö poikanne voi saada ketään nuorempaa kanssaan?"

"Se on nyt siten, että sen täytyy ikäänkuin kulkea isältä pojalle.
Meillä on monta merkitsemätöntä väylää, joiden läpi me kuljemme
silloin kun muiden täytyy kulkea kiertotietä. Ne olen minä oppinut
isältäni ja hän hänen isältään ammoisista ajoista alkaen ja minun
tulee jättää ne pojalleni perinnöksi ja oikeus pysyy oikeutena."

"Kuinka vanha te olette?"

"Ainoastaan kahdeksankymmenen vuotias. Äiti on

kahdenyhdeksättä ja hän hoitaa taloa minun poissaollessani."

"Mutta nuoret?"

"Tyttö on naimisissa. Poika asuu tässä samalla maalla, vastaisella

puolella. Hän on nyt ostanut jahdin."

"Keltalaitaisen jahdin," lisäsi eukko, joka oli ylpeä siitä, että se ei

ollut muiden jahtien kaltainen, "ja oikein risteilijän, sillä sellaisia eivät
ole kaikki, kuten isä sanoo. Ja kun hän ansaitsee vähän, hankkii hän
itselleen kaljaasin."
 "Ehkä hän saa sen," arveli vanhus, "kun meitä ei enää ole ja hän
saa sen vähän, mitä meiltä jää jälelle."

"Mutta nyt täytyy meidän mennä lehmän luo, isä."

Hiljaa lähtivät nuo kaksi vanhusta sukkasillaan tuvan lattian poikki,

pistivät nahkakengät jalkaansa ja kävelivät hitain askelin porstuan
läpi pitkin polkua niityn poikki navettaan, vaimo kantaen kahta kiulua
ja ukko perässä, ämpärillä vieden juoman lehmälle, molemmat
kumaraisina ja tasaisessa tahdissa, joka ilmaisi, että he jo monta
vuotta ovat suorittaneet tuon matkan yhdessä.

Kun maito oli kannettu sisään, menimme me kaksi miehen puolta

hakkaamaan puita, s.o. vanhus katseli, kuinka hakkaaminen sujuisi
minulta ja hakatessani kertoi hän, miten on meneteltävä,
saadakseen kirveen pysymään varressaan. Hän tunsi kaikki
kokemuksesta.

Kun tulimme tupaan, tuotiin uusia perunoita pöydälle ja tuoretta

haukea — sillä vielä jaksoi vanhus laskea koukkuja — ja tuoretta
voita, sillä vielä jaksettiin kirnuta, kun vuorotellen liikuteltiin mäntää.

Sitten saatettiin minut kammariin, jonka pian huomasin vanhusten

pitkän elämänsä aikana kokoaman omaisuuden ja merkillisyyksien
säilytyspaikaksi. Suuria höyhenpatjoja ja monta oivallista peitettä,
pari arkkua täynnä kangaskääröjä — "niin, ne olen kaikki kutonut ja
kenties ehdin vielä vähän, ennen kun kuolen" — joukko valmiita
vaatteita, sekä miehen että vaimon, kummallisia lasikoristeita
Lyypekistä ja piippuja Kiielistä.

"Ne ovat kaikki sellaista, mitä lapset saavat kun me vanhat

kuolemme.
Jotain pientä ovat he jo saaneetkin ja lastenlapset myös."

Kun seuraavana aamuna heräsin, oli kahvi valmiina tuvan takalla

ja molemmat vanhukset istuivat auringon paisteessa vieretysten
portaalla porstuan edessä, kädet helmassa, katsellen niittyä, josta
ukko oli niittänyt vähän ruohoa, joka oli kasvanut toistamiseen.
Luuvalo ei ollut vaivannut niin pahoin aamulla.

Myöhemmin päivällä lähtisi hän poikansa kanssa matkalle

Loviisaan, neuvomaan tietä, jolla aikaa mummon tulisi pitää huolta,
että heinät tulevat katon alle — sillä karjanruuasta tulee puute ensi
talvena. Sitten kutoo hän valmiiksi uuden kankaan, kun isä tulee
kotiin — sillä siitä tulee sarkaa hänelle hänen yhdeksänyhdeksättä
syntymäpäiväkseen. Ja se on parin viikon perästä.

2.

Pari vuotta myöhemmin laskin minä vinhan vihurin kiidättämänä

Guldkrona-selän poikki. Upea vihreä vesi kihisi ja kuohui keulan
ympäri. Olin tyytyväinen hyvään vauhtiin sillä lounaasta nousi pilvi ja
jo yöllä olin kuullut ukkosen käyvän sillä ilman suunnalla. Kello ei
ollut enempää kuin kuusi tai seitsemän aamulla, aurinko paistoi vielä
ja suurusajoissa olisin varmaankin noiden kahden vanhuksen luona
— jos he vielä elävät — ja siellä suojassa rajuilmalta.

Ohi vanhojen tuttujen niemien ja kivien kiiti alus saaristoon. Pilvi oli
jo korkealla, se oli hajautunut useampiin eri joukkioihin, joiden syrjät
olivat loistavan valkoisia, yksi ulottui aina keskitaivaalle asti. Mutta
pian olen minäkin perillä. Tuolla näkyi jo punainen tupa ja savu
tuprusi uuninpiipusta. He elivät siis vielä, nuo vanhukset — vai
olikohan mahdollisesti muita ihmisiä asettunut heidän sijaansa? Tuuli
kävi suoraan lahteen. Minun täytyi purjehtia sen ohi ja luovailin ylös
pojan torpan kohdalla, joka sijaitsi puolen kilometriä itäänpäin ja
jonka minä myöskin tunsin ja jossa olen käynyt.

Laskin ankkurin ja hinasin purjeen alas. Pilvet yläpuolellani olivat

uhkaavia ja ukkonen kuului monelta taholta. Kajutan ikkunasta näin,
että ihmiset olivat ylhäällä rantaniityllä kokoamassa heinää
kotilatoon, sillä satoi jo vähän.

Silloin loisti äkkiä salama, jota silmänräpäyksessä seurasi kova ja

lyhyt jyrinä. Se tuli niin odottamatta ja ilman lyhempiä enteitä, että se
vaikutti kauhistuttavasi. Heti sen jälkeen katsahdin minä torppaan
päin ja näin silloin pienen savupatsaan nousevan ladon katolta ja
naishenkilön seisovan vuorella ja viuhtovan käsillään kaikille
suunnille. Salama oli sytyttänyt ladon ja se oli saatava sammumaan,
ennenkuin liekit vinhassa tuulessa saavuttaisivat asuinrakennuksen
ja muut ympärillä olevat rakennukset. Minä otin veneämpärin ja
soudin maalle.

Ihmisiä tuli juosten pitkin polkuja kauempaa saarella sijaitsevista

torpista, mutta jo ennen kun minä astuin pois aluksesta puhkasi tuli
katon. Kun minä ehdin ladon luo vedellä täytetyn ämpärini kanssa,
tuli torpan vaimo vastaani äänekkäästi valittaen ja itkien. Töin tuskin
oli hän saanut miehensä ja ainoan poikansa, viidentoista vuotiaan
vedetyksi ulos ladosta, jossa ukkonen oli heihin iskenyt. Nyt
makasivat he pitkällään vuorella, toisella sininen juopa ohimoilta alas
kaulaan ja toisella vaatteet palaneina. Saapuville tulleitten avulla
kannettiin he tupaan, jossa kolme säikähtynyttä lasta itki,
nuorimman, joka oli ainoastaan puolen vuorokauden vanha,
huutaessa voimainsa takaa.

Mutta nyt ei ollut aikaa auttaa heitä. Tuli oli sammutettava.

Palokoukun ja parin pikon avulla vedettiin hirret alas ja sammutettiin
sitä mukaa. Asuinrakennusta ja navettaa uhkaava vaara oli torjuttu.

Kun ihmiset vielä hääräilivät sammutuspuuhissa, lähdin minä

polkua pitkin vanhusten tupaa kohden, joka oli tuulen yläpuolella
palopaikasta. Tahdoin varovasti ilmoittaa vanhuksille tapahtumasta
— jos he vielä elävät ja jos he eivät vielä olleet saaneet tietää
mitään.

Sisäänastuissani istui mummo kangaspuissa ja vanhus itse oli

ottanut esille pitkän tähystimensä ja katseli lahdelle, missä vaahto
vyöryi kuin savu.

"Mistä ihmeestä tulee herra tässä ilmassa — myrskyssä,

ukkosessa ja sateessa?"

Kerroin muutamalla sanalla matkastani.

"Nyt täytyy keittää kahvia, kun tuli näin harvinainen vieras," sanoi
mummo ja sipsutti sukkasillaan muurin luo, samalla kun
kissanpoikanen ryömi ulos korista ja keikahutteli itseään lattialla.

"Äsken kävi oikein tavattoman kova ukkosen jyrinä. Oikein muuri

rämisi."

"Niin, se rapisi aivankuin — kuinka sanoisinkaan" — lisäsi

mummo.
 Puhuisinkohan minä tuosta ukkosen iskusta. Huomasin, että olin
ottanut itselleni liian vaikean tehtävän, minä en uskaltanut lausua ilmi
sitä mitä tiesin. Eiköhän koskisi liian kovin vanhuksiin, ehkä he
kuolisivatkin, saatuaan tietää, että heidän ainoa poikansa ja
pojanpoikansa on ukkosessa saaneet surmansa. Toiselta puolen
näyttäisi kummalliselta, kun minä istun siellä, enkä kerro mitään, kun
toisista torpista tullaan tuomaan tietoa. Minä istuin ja olin kovin
tuskissani.

Ukko katseli lahdelle päin tähystimellään. "Hongat kaatuvat

Palomaan metsässä," sanoi hän. "Mutta kaiketi se taas pian tyyntyy,
luulen, että se jo on laimentunut.

"Oikein seinät huojuu," arveli mummo, kun kattohirret ratisivat.

Mitä tulisi minun tehdä — melkein valtasi minut tuska istuissani.

Niityn toiselta puolen näin miehen tulevan pitkin askelin. Laivuri
suuntasi tähystimen häneen.

Nyt täytyi minun puhua, tahdoinko tahi en.

"Salama, joka tuli tuon kovan tärähdyksen kanssa, iski varmaan

alas!"

Silloin avautui yht'äkkiä ovi ja mies astui sisään nokisena ja

märkänä.

"Herra Jesus", alotti hän, mutta sitten näki hän minut — "vai niin,
herra on jo varmaankin kertonut kaikki."

Vanhukset tuijottivat mieheen ja kävivät puoli lattiaan häntä

vastaan —
"Itäniemeläinen."
 "Mutta mitä se sitten on?"

Miehen suusta tulvi virtanaan sanoja, vanhusten katsellessa

vuoroin häntä, vuoroin minua, kunnes he ymmärsivät, että se oli
totta.

He ottivat lasisilmät pois ja katselivat toisiaan silmiin, menivät

sitten käsikädessä vuoteen luo, ja istuivat sen laidalle.

"Hoh hoo!" huokasivat molemmat.

"Kuinka on vaimon ja äsken syntyneen laita?"

"Ei suinkaan heillä liene hätää. Siellä on kyllä niitä, jotka hoitavat
heitä."

"Niinhän se on, että ihminen päättää, mutta Jumala säätää."

Sitten olivat he kauan aikaa vaiti ja hiljaisuuden kestäessä lähti

Itäniemeläinen tiehensä. Hän oli toimittanut asiansa ja tunsi itsensä
tarpeettomaksi. Sellaiseksi tunsin minäkin itseni ja menin myös ulos.
Myrsky oli tyyntymään päin ja ilma kirkastui.

Vähän ajan kuluttua näin minä molemmat vanhukset horjuvin

askelin kävelevän navettaan päin, vielä kumaraisempina, kun viime
kerralla nähdessäni heidät, mummo molempine kiuluineen ja ukko
vieden juomaa ämpärillä. Mutta käydessään asetti mummo kiulunsa
alas ja pyyhkäsi esiliinalla silmiään ja ukko asetti varovaisesti
lehmänjuoman alas ja teki saman liikkeen takin hiallaan. Sitten
menivät he taas eteenpäin.

Illalla ei puhuttu paljon. Vanhukset istuivat parhaastaan ja

vaikenivat. Heidän tupansa tuntui minusta taas hiljaiselta pyhäköltä.
 "Ja minä kun luulin näkeväni poikani kaljaasilaivurina ja hänen
poikansa luotsina jollakin noista suurista laivoista," arveli vanhus.

"Nyt saamme ruveta myymään miesten sarkakääröjä, isä, kun ei

enää ole miehenpuoleisia perillisiä."

"Niin, ja taitaa olla paras, että sinä lopetat kankaasi ja alotat

kutomaan naisten kankaita."

"Kyllä kai se niin on."

"Ja niin alkavat kai päivät mennä."

"Eikä niitä taida olla niin montaa enää."

Kun seuraavana aamuna purjehdin pois, tunsin minä, että näin

vanhukset viimeisen kerran ja minä jätin paikan melkein hartaudella.

Hiljattain olen kuullut, että vanhukset ovat ottaneet itselleen

kasvattipojan. He tarvitsivat vihdoin kuitenkin jonkun, joka hakkaa
heidän puunsa ja perunamaan. Kenties tarvitsi ukko myöskin jonkun,
jolle saisi neuvoa tien rantoja pitkin.

Kevät

1.
 Talvi on pohjoisen luonnon lepoaika. Hiljaisena ja kalpeana ja
juhlallisena lepää maa, tummina seisovat metsät vuorten harjanteilla.
Valkea lumi peittää kivet ja aidat, mättäät ja kallionjyrkänteet, ja
levittää kaikkialle yhden ainoan eheän suuren tunnelman, kuin kellon
kumina yli äärettömän avaruuden.

Talvi on pimeä ja kylmä mutta kun pimeys ja pakkanen ovat

kulkeneet polttopisteensä ohi ja pitkät auringonpaisteiset päivät
kimaltelivat yli luonnon, ovat laaksot kiedotut siniseen siimekseen,
auringon valaisemat vuorenjyrkänteet kimaltelevat keltaisina
lämpimän punaisina taloineen, ja metsät ikäänkuin palavat keltaisen
punervassa valossa. On tyyntä ja hiljaista ja kaikuu kuuluu laaksosta
laaksoon, kun kulkuset kilisevät. Pohjoinen talvi osoittaa, mitä
suurta, eheää ja komeaa se voi saada aikaan.

Kun taivas iltasin alkaa käydä veripunaiseksi ja ilma sen

yläpuolella on vaalean viheriä ja läpikuultava, kun tähdet kimaltelevat
kirkkaasti ennen pimeän tuloa, silloin on talven valta voitettu, silloin
on kevät lähellä. Eräänä päivänä alkaa ilmaantua juomuja ja
pilvenhöytäleitä taivaalla, tuulenpuuskat puhaltelevat avaruudessa,
luonto muuttuu värittömäksi, sataa lunta ja lumiräntää ja etelästä
päin tulee kosteaa ilmaa ja sumua. Ihmiset pysytteleivät mielellään
huoneissa, sillä ulkona tuntuu raa'alta ja kylmältä, vaikka onkin
lämpimämpi kuin ennen. Mutta kun muutamana päivänä tuuli ja sade
lakkaavat ja ihmiset taas uskaltavat mennä ulos, niin kurkistavat
mättäät, kivet ja mäet ulos lumipeitteistään, joka näyttää vettyneeltä
ja harmaalta ja paljailla maantäplillä kihisee pieniä lintuja, mustia,
punarintaisia, ruskeita. Sitten tulee aurinko esiin pilvien lomista, jotka
ovat käyneet keveiksi ja valkeiksi ja silloin kuuluu äkkiä
hamppuvarpusen iloinen nauru koivusta ja kuuntelija tulee itse niin
iloiseksi, että seisahtuu, katselee sinne ylös ja hymyilee. Rastaat
lentävät pienissä parvissa, taikka parittain ja laskeutuvat lepän
latvoille. Kummallisia, harmaanruskeita lintuja lentää ylös teiltä, joita
myöten kuljemme, lintuja, joita emme koskaan ennen ole nähneet,
ainoastaan kuulleet — sillä ne kummalliset linnut ovat leivosia.

Aurinko paistaa niin että kaupunkilaistenkin huoneet tulevat

valoisammiksi ja ilma on lämmin päivällä. Aurinko paistaa sisään
ikkunoista, niin että ensimmäiset ruusut puhkeavat ja tuoksuavat.
Vanhat kumaraiset mummot, jotka eivät ole tohtineet mennä ulos
talvella, kömpivät esiin piilopaikoistaan ja nauttivat säteilevästä
auringonpaisteesta, taikka antavat taluttaa itsensä lämpimille
katukäytäville, missä vilisee lapsia ja lastenvaunuja. Päivänvarjot
tulevat esiin ja kasvot niiden alla näyttävät iloisemmilta kuin ennen.
Raskas mieliala on poissa ja ihmisistä tuntuu elämä valoisammalta.

Puutarhoissa ja puistoissa käännetään lumi sulamaan ja kirsi

poistetaan krookkuslavoilta. Jos kaikkivoipa aurinko saa levittää
säteensä noille hennoille iduille, nostavat ne sitten kyllä pian maasta
keltaiset päänsä ja seisovat siinä avuttomina kuin pienet lapset, joita
ihmiset ystävällisesti katselevat. Puutarhaystävät rupeavat jo
ajattelemaan istutuksiaan, mitä he kylvävät tähän ja mitä tähän
istutetaan — keväthaaveita. Mutta kun urheilijat tuntevat auringon
lämmön selässään, heräävät kesäajatukset heti heissä ja he
kävelevät venevalkamilleen ja katselevat kuinka alukset ovat
säilyneet talvella — retkeilythän alkavat taas pian — sill’aikaa kun
rouvat kotona ottavat esiin vaaleita vaatteita, tarkastelevat ja
sovittelevat ja katsovat ovatko ne käyneet liian ahtaiksi pienokaisille.

Ympäristöillä ovat harakat nauraneet enemmän kuin tavallisesti ja

nauraneet ilosta ja sitten on niille tullut kiire rakentamaan suuria
pyöreitä risupesiään jonnekin tiheään nuoreen mäntymetsään.
Teerensoitin kuuluu — mistä, sitä ei oikein tiedä — se voi olla lähellä,
mutta yhtä hyvin voi se olla kaukanakin.

Lehmät ja lampaat lasketaan pihamaalle auringonpaisteeseen ja

ovat niin tottumattomia voimakkaaseen valoon, etteivät oikein tiedä
mihin ryhtyisivät. Vihdoin lähtevät ne nelistämään ympäri pihaa ja
peljättävät kanat, jotka kaakottaen pakenevat joka suunnalle,
samalla kun lapset, jotka seisovat portin sisäpuolella ja katselevat
näytelmää säkenöivin silmin, nauravat sydämen pohjasta vasikkain
keikahduksille.

Kun luotsiukko aamulla menee ulos hakkaamaan puita, on hän

kuulevinaan tuttuja ääniä ilmasta — ehkä etäällä olevien kurkien
parkunaa, taikka kenties allien, jotka hakevat aukeaa paikkaa, tai
kalalokkien kirkunaa.

Luotsiukko noutaa tähystimen, menee ylös odotusvuorelle ja

katselee ympärilleen. Ei, ei näy sinistä juovaa, eikä railoa jäässä,
hän oli varmaan kuullut väärin — hän luuli ehkä vaan, että hänen
olisi pitänyt kuulla jotakin. Mutta kaikessa tapauksessa saattaa olla
varminta, että vähitellen ryhtyy asettamaan kuntoon
ampumavehkeitään. — Sen saavat pojat iltatyökseen tehdä.

Jos kävelee pitkin polkuja metsässä, pysähtyy ja kuuntelee, niin ei

alussa kuule mitään. Mutta maltappas — siellä sorisee, porisee ja
huokaa — ne ovat puroja, jotka kaivautuvat eteenpäin lumipeitteen
alla, siellä hengittää, huokuu ja kuiskii itse lumessakin, sen hitaasti
painuessa kokoon, kuusien latvoista tippuu kirkkaita pisaroita ja
puolukanvarret karisevat noustessaan esiin honganrunkojen
ympärillä sitä mukaa kuin lumi sulaa. Pikkulinnut eivät ole vielä
uskaltaneet mennä metsään — niiden täytyy pysytellä teillä, ladoissa
ja pihoilla löytääkseen ravintoaan.
 Keväthuvilat ovat hiljaa ja uneksivat viimevuotisista
kesämuistoistaan, ehkäpä tulevista tapahtumistakin, mutta he
tuntevat jo, että ovat ihmisten ajatuksien esineinä.

Ensimmäinen kevättunnelma väräjää luonnossa ja väräjää

ihmisten sydämissä. Maa valmistautuu lumen alla tulemaan jälleen
nuorekkaaksi, nuoret tunteet itävät ja iloitsevat ja kaihoavat kaikkien
rinnoissa, ihmiset puristavat toistensa käsiä lämpimämmin kuin
ennen — kaikki tuon siunatun kevään tähden!

2.

Kielessämme löytyy tuskin sanaa, joka voi loihtia esiin niin

vakaavaa nuoruuden, valon ja kevään tunnelmaa, kuin sana
Toukokuu. Kun kuulee sen sanan, tai lukee siitä, alkavat tunteemme
värähdellä, keväiset ajatukset heräävät ja eteemme nousee näkyjä
nuoruutemme päiviltä. Kuulemme säveliä avaruudesta, "Tulles
kaunis Toukokuu," jota lapsena lauloimme jollakin vihreällä niityllä,
taikka "Touon aika lähenee," joka kaikui riemuiten, samalla kun
ympärillä näkyi valkolakkeja, pieniä kukkakimppuja ja iloisia kasvoja.
Tämän kevät-tunnelman herättää sana Toukokuu, satakoonpa sitten
ulkona, tai pyryttäköön, tai olkoon lämmintä ja vihreäistä. Kunhan
vaan on Toukokuu!

Itse asiassa on Toukokuussa jotain erinomaisen runollista.

Toukokuu on kevään ilo ja kevään surumielisyys, kevään onni ja
kevään lempeä, hento suru, pitkän hämärän ja puolivaloisan yön
kuukausi, päivät uhkuen heräävää elämänhalua ja yöt kaihoavaa
salaperäisyyttä. Toukokuu on se kuukausi, jolloin laulu kaikuu
toivehikkaampana, jolloin ihmiset tekevät työtä ja laulavat, jolloin
linnut laulavat ja rakentavat pesiään, jolloin kaikki näyttää heräävän
toimeliaisuuteen, riemuun ja onnenunelmiin, jolloin umput puhkeavat
ja versovat kaikkialla.

Toukokuu on puutarhojen ja puistojen lumottu aika, jolloin joka

päivä on kuin uusi ihme, loihtii esiin uusia pronssinvärisiä silmikkoja
ja pieniä vihreitä lehtiä, uusia lauluja, uusia säveliä, uusia kukkia,
jolloin joka yö uinuu kalpenevien tähtien alla, taikka kuun alla, joka ei
valaise, samalla kun rakennukset ja puut muodostavat kauniita
varjokuvia vasten pohjan vaaleaa taivasta.

Läpi jokapäiväisimmän ja uudenaikaisemmankin kaupungin,

kaupungin, jolla ei ole sukuperää eikä muistoja, ei taruja eikä satuja,
väräjää tiedottomasti kevättunnelma. Se kulkee sisään tulleista,
syöksyy mereltä, se virtaa esiin ilman lämpimässä ja valuu valon
mukana alas itse taivaasta.

Satamajäät sulautuvat taikka murskautuvat sohjuksi, lippuja

hinataan, vastamaalatut höyrylaivat alkavat liikkua ja purjealukset
lemuavat kivihiilisavulle ja tervalle. Jonakuna kauniina päivänä on
liike käynnissä ja toimelias elämä alkaa satamassa. Rannikkolaisten
veneet raivaavat itselleen tietä jäälohkareitten lomitse ja
maaseuduilta tulvaa myyjiä, jotka tarjoilevat hentoa vihervää,
sinivuokkoja ja valkovuokkoja, joista leviää hienoin ja raittiin
keväinen tuoksu. Rantalaiturilla ja sen vieressä tapaamme
muutamana aamuna kaupan joukon aluksia, joiden laiteet loistavat
tuoreesta puusta- ja kuparinauloista, ja jotka herättävät ihmisissä
kesäisiä ajatuksia kalastusmatkoista ja souturetkeilyistä pyöreitten
loistavien kallioitten lomissa taikka rantoja pitkin, joita riippakoivut
varjostavat.