Textbook Handbook of Statistical Distributions With Applications Second Edition Krishnamoorthy Ebook All Chapter PDF

Handbook of statistical distributions
with applications Second Edition

Krishnamoorthy
Visit to download the full and correct content document:
https://textbookfull.com/product/handbook-of-statistical-distributions-with-applications-
second-edition-krishnamoorthy/
More products digital (pdf, epub, mobi) instant
download maybe you interests ...
Generalized Statistical Thermodynamics Thermodynamics

of Probability Distributions and Stochastic Processes
Themis Matsoukas
https://textbookfull.com/product/generalized-statistical-
thermodynamics-thermodynamics-of-probability-distributions-and-
stochastic-processes-themis-matsoukas/
Applied statistical inference with MINITAB Second

Edition Lesik
https://textbookfull.com/product/applied-statistical-inference-
with-minitab-second-edition-lesik/
Robust statistical methods with R Second Edition

Jure■ková
https://textbookfull.com/product/robust-statistical-methods-with-
r-second-edition-jureckova/
Handbook of Statistical Analysis and Data Mining

Applications 2nd Edition Robert Nisbet
https://textbookfull.com/product/handbook-of-statistical-
analysis-and-data-mining-applications-2nd-edition-robert-nisbet/
Kappa Distributions. Theory and Applications in Plasmas
George Livadiotis (Eds.)
https://textbookfull.com/product/kappa-distributions-theory-and-
applications-in-plasmas-george-livadiotis-eds/
Handbook of essential oils science technology and

applications Second Edition Ba■er
https://textbookfull.com/product/handbook-of-essential-oils-
science-technology-and-applications-second-edition-baser/
Statistical Computing with R Second Edition Chapman

Hall CRC The R Series Rizzo
https://textbookfull.com/product/statistical-computing-with-r-
second-edition-chapman-hall-crc-the-r-series-rizzo/
An Introduction To Statistical Learning With

Applications In R Gareth James
https://textbookfull.com/product/an-introduction-to-statistical-
learning-with-applications-in-r-gareth-james/
Elementary probability with applications Second Edition

Rabinowitz
https://textbookfull.com/product/elementary-probability-with-
applications-second-edition-rabinowitz/
Handbook of
Statistical Distributions
with Applications
Second Edition
© 2016 by Taylor & Francis Group, LLC

Handbook of
Statistical Distributions
with Applications
Second Edition
K. Krishnamoorthy
University of Louisiana
Lafayette, Louisiana, USA

CRC Press
Taylor & Francis Group
6000 Broken Sound Parkway NW, Suite 300
Boca Raton, FL 33487-2742
CRC Press is an imprint of Taylor & Francis Group, an Informa business
No claim to original U.S. Government works

Version Date: 20150915
International Standard Book Number-13: 978-1-4987-4150-7 (eBook - PDF)
This book contains information obtained from authentic and highly regarded sources. Reasonable
efforts have been made to publish reliable data and information, but the author and publisher cannot
assume responsibility for the validity of all materials or the consequences of their use. The authors and
publishers have attempted to trace the copyright holders of all material reproduced in this publication
and apologize to copyright holders if permission to publish in this form has not been obtained. If any
copyright material has not been acknowledged please write and let us know so we may rectify in any
future reprint.
Except as permitted under U.S. Copyright Law, no part of this book may be reprinted, reproduced,
transmitted, or utilized in any form by any electronic, mechanical, or other means, now known or
hereafter invented, including photocopying, microfilming, and recording, or in any information stor-
age or retrieval system, without written permission from the publishers.
For permission to photocopy or use material electronically from this work, please access www.copy-
right.com (http://www.copyright.com/) or contact the Copyright Clearance Center, Inc. (CCC), 222
Rosewood Drive, Danvers, MA 01923, 978-750-8400. CCC is a not-for-profit organization that pro-
vides licenses and registration for a variety of users. For organizations that have been granted a photo-
copy license by the CCC, a separate system of payment has been arranged.
Trademark Notice: Product or corporate names may be trademarks or registered trademarks, and are
used only for identification and explanation without intent to infringe.
Visit the Taylor & Francis Web site at
http://www.taylorandfrancis.com
and the CRC Press Web site at
http://www.crcpress.com
In Memory of My Parents

Contents
List of Figures xviii
List of Tables xix
Symbols xx
Preface to the First Edition xxiii
Preface to the Second Edition xxv
1 StatCalc 1
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Contents of StatCalc . . . . . . . . . . . . . . . . . . . . . . 5
2 Preliminaries 9
2.1 Random Variables and Expectations . . . . . . . . . . . . . . 9
2.2 Moments and Other Functions . . . . . . . . . . . . . . . . . 11
2.2.1 Measures of Central Tendency . . . . . . . . . . . . . 12
2.2.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.3 Measures of Variability . . . . . . . . . . . . . . . . . 13
2.2.4 Measures of Relative Standing . . . . . . . . . . . . . 13
2.2.5 Other Measures . . . . . . . . . . . . . . . . . . . . . . 14
2.2.6 Moment Generating Function . . . . . . . . . . . . . . 14
2.3 Some Functions Relevant to Reliability . . . . . . . . . . . . 15
2.4 Model Fitting . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4.1 Q–Q Plot . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4.2 The Chi-Square Goodness-of-Fit Test . . . . . . . . . 17
2.5 Methods of Estimation . . . . . . . . . . . . . . . . . . . . . 17
2.6 Inference . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.6.1 Hypothesis Testing . . . . . . . . . . . . . . . . . . . . 19
2.6.2 Interval Estimation . . . . . . . . . . . . . . . . . . . . 22
2.7 Pivotal-Based Methods for Location-Scale Families . . . . . 23
2.7.1 Pivotal Quantities . . . . . . . . . . . . . . . . . . . . 24
2.7.2 Generalized Pivotal Quantities (GPQ) . . . . . . . . . 25
2.8 Method of Variance Estimate Recovery . . . . . . . . . . . . 27
2.9 Modified Normal-Based Approximation . . . . . . . . . . . . 28
2.9.1 Linear Combination of Independent Random Variables 28
vii

viii Contents
2.9.2 Ratio of Two Independent Random Variables . . . . . 29

2.10 Random Number Generation . . . . . . . . . . . . . . . . . . 29
2.11 Some Special Functions . . . . . . . . . . . . . . . . . . . . . 30
Discrete Distributions 33
3 Discrete Uniform Distribution 35

3.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4 Binomial Distribution 37
4.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.3 Probabilities, Percentiles, and Moments . . . . . . . . . . . . 38
4.4 Proportion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.4.1 Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.4.2 Power and Sample Size Calculation . . . . . . . . . . . 43
4.4.3 Confidence Intervals . . . . . . . . . . . . . . . . . . . 45
4.4.4 Sample Size Calculation for a Given Precision . . . . . 47
4.5 Prediction Intervals . . . . . . . . . . . . . . . . . . . . . . . 49
4.6 Tolerance Intervals . . . . . . . . . . . . . . . . . . . . . . . . 52
4.6.1 Equal-Tailed and Two-Sided Tolerance Intervals . . . 52
4.6.2 Tolerance Intervals Based on Approximate Quantiles . 53
4.7 Tests for the Difference between Two Proportions . . . . . . 54
4.7.1 Approximate Tests . . . . . . . . . . . . . . . . . . . . 55
4.7.2 Fisher’s Exact Test . . . . . . . . . . . . . . . . . . . . 56
4.7.3 Powers and Sample Size Calculation . . . . . . . . . . 56
4.8 Two-Sample Confidence Intervals for Proportions . . . . . . 58
4.8.1 Difference . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.8.2 Relative Risk and Odds Ratio . . . . . . . . . . . . . . 60
4.9 Confidence Intervals for a Linear Combination of Proportions 64
4.10 Properties and Results . . . . . . . . . . . . . . . . . . . . . 66
4.10.1 Properties . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.10.2 Relation to Other Distributions . . . . . . . . . . . . . 67
4.10.3 Approximations . . . . . . . . . . . . . . . . . . . . . . 68
4.12 Computation of Probabilities . . . . . . . . . . . . . . . . . . 69
5 Hypergeometric Distribution 73
5.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
5.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5.4 Point Estimation . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.5 Test for the Proportion and Power Calculation . . . . . . . . 79
5.6 Confidence Interval and Sample Size Calculation . . . . . . . 80
5.7 Test for Comparing Two Proportions . . . . . . . . . . . . . 82

Contents ix

6 Poisson Distribution 89
6.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
6.4 Model Fitting with Examples . . . . . . . . . . . . . . . . . . 92
6.5 One-Sample Inference . . . . . . . . . . . . . . . . . . . . . . 94
6.6 Test for the Mean . . . . . . . . . . . . . . . . . . . . . . . . 94
6.7 Confidence Intervals for the Mean . . . . . . . . . . . . . . . 96
6.10 Tests for Comparing Two Means and Power Calculation . . . 101
6.11 Confidence Intervals for the Ratio of Two Means . . . . . . . 104
6.12 Confidence Intervals for the Difference between Two Means . 106
6.13 Inference for a Weighted Sum of Poisson Means . . . . . . . 108
6.14.1 Properties . . . . . . . . . . . . . . . . . . . . . . . . . 109
6.14.3 Approximations . . . . . . . . . . . . . . . . . . . . . . 110
7 Geometric Distribution 115

7.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
7.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
8 Negative Binomial Distribution 119

8.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
8.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
8.4 Point Estimation . . . . . . . . . . . . . . . . . . . . . . . . . 122
8.5 Test for the Proportion . . . . . . . . . . . . . . . . . . . . . 123
8.6 Confidence Intervals for the Proportion . . . . . . . . . . . . 124
8.7.1 Properties . . . . . . . . . . . . . . . . . . . . . . . . . 124

x Contents
9 Logarithmic Series Distribution 129

9.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
9.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
9.4 Inferences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
9.4.1 Point Estimation . . . . . . . . . . . . . . . . . . . . . 132
9.4.2 Interval Estimation . . . . . . . . . . . . . . . . . . . . 133
Continuous Distributions 137
10 Continuous Uniform Distribution 139

10.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
10.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
10.3 Inferences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
11 Normal Distribution 143

11.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
11.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
11.4.1 Test for the Mean and Power Computation . . . . . . 149
11.4.2 Confidence Interval for the Mean . . . . . . . . . . . . 151
11.4.3 Confidence Interval for the Coefficient of Variation and
Survival Probability . . . . . . . . . . . . . . . . . . . 152
11.4.4 Prediction Intervals . . . . . . . . . . . . . . . . . . . 155
11.4.5 Test for Variance . . . . . . . . . . . . . . . . . . . . . 157
11.5 Two-Sample Inference . . . . . . . . . . . . . . . . . . . . . . 159
11.5.1 Inference for the Ratio of Variances . . . . . . . . . . 159
11.5.2 Inference for the Difference between Two Means . . . 160
11.5.3 Inference for the Difference between Two Means when
Variances Are Unknown and Arbitrary . . . . . . . . . 163
11.5.4 Comparison of Two Coefficients of Variation . . . . . 164
11.6.1 Two-Sided Tolerance Intervals . . . . . . . . . . . . . 166
11.6.2 One-Sided Tolerance Limits . . . . . . . . . . . . . . . 167
11.6.3 Equal-Tailed Tolerance Intervals . . . . . . . . . . . . 169
11.6.4 Simultaneous Hypothesis Testing for Quantiles . . . . 169
11.7 Inference Based on Censored Samples . . . . . . . . . . . . . 170
11.7.1 Confidence Intervals for the Mean and Variance . . . . 172
11.7.2 Tolerance Intervals . . . . . . . . . . . . . . . . . . . . 173

Contents xi
11.7.3 Inference Based on Type I Censored Samples . . . . . 175

11.9 Relation to Other Distributions . . . . . . . . . . . . . . . . 178
11.10 Random Number Generation . . . . . . . . . . . . . . . . . 178
11.11 Computation of the Distribution Function . . . . . . . . . . 180
12 Chi-Square Distribution 183

12.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
12.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
12.4 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
12.5.1 Properties . . . . . . . . . . . . . . . . . . . . . . . . . 186
12.5.3 Approximations . . . . . . . . . . . . . . . . . . . . . . 187
13 F Distribution 189
13.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
13.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
13.4.1 Identities . . . . . . . . . . . . . . . . . . . . . . . . . 191
13.4.3 Series Expansions . . . . . . . . . . . . . . . . . . . . 192
13.4.4 Approximations . . . . . . . . . . . . . . . . . . . . . . 193
13.6 A Computational Method for Probabilities . . . . . . . . . . 194
14 Student’s t Distribution 195

14.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
14.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
14.4 Distribution of the Maximum of Several |t | Variables . . . . 197
14.4.1 Applications . . . . . . . . . . . . . . . . . . . . . . . 197
14.4.2 Percentiles of Max{|t1 |, ..., |tk |} . . . . . . . . . . . . . 198
14.5.1 Properties . . . . . . . . . . . . . . . . . . . . . . . . . 199
14.5.3 Series Expansions for Cumulative Probability . . . . . 200

xii Contents
15 Exponential Distribution 203

15.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
15.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
15.4 Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
15.5 Confidence Intervals . . . . . . . . . . . . . . . . . . . . . . . 205
15.7 Tolerance Limits and Survival Probability . . . . . . . . . . . 207
15.8 Two-Sample Case . . . . . . . . . . . . . . . . . . . . . . . . 209
15.8.1 Confidence Interval for Comparing Two Parameters . 209
15.8.2 Ratio of Scale Parameters . . . . . . . . . . . . . . . . 210
15.8.3 Confidence Interval for the Difference between Two
Means . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
16 Gamma Distribution 215

16.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
16.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
16.4 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
16.5 Estimation of Parameters: Three-Parameter Case . . . . . . 219
16.6.1 One-Sample Tests . . . . . . . . . . . . . . . . . . . . 220
16.6.2 One-Sample Confidence Intervals . . . . . . . . . . . . 223
16.6.3 Prediction Intervals, Tolerance Intervals, and Survival
Probability . . . . . . . . . . . . . . . . . . . . . . . . 226
16.7 Comparison of Several Gamma Distributions . . . . . . . . . 229
16.10 Computational Method for Probabilities . . . . . . . . . . . 237
16.11 R Programs . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
17 Beta Distribution 247

17.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
17.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
17.4 Inferences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
17.5 Applications with an Example . . . . . . . . . . . . . . . . . 250
17.6.1 An Identity and Recurrence Relations . . . . . . . . . 253

Contents xiii
18 Noncentral Chi-Square Distribution 259

18.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
18.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
18.4 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
18.5.1 Properties . . . . . . . . . . . . . . . . . . . . . . . . . 262
18.5.2 Approximations to Probabilities . . . . . . . . . . . . 262
18.5.3 Approximations to Percentiles . . . . . . . . . . . . . 263
18.7 Evaluating the Distribution Function . . . . . . . . . . . . . 264
19 Noncentral F Distribution 267

19.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
19.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
19.4 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
19.5.1 Properties . . . . . . . . . . . . . . . . . . . . . . . . . 270
19.5.2 Approximations . . . . . . . . . . . . . . . . . . . . . . 270
20 Noncentral t Distribution 275

20.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
20.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
20.4 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
20.5.1 Properties . . . . . . . . . . . . . . . . . . . . . . . . . 277
20.5.2 An Approximation . . . . . . . . . . . . . . . . . . . . 278
21 Laplace Distribution 283

21.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
21.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
21.4 Maximum Likelihood Estimators . . . . . . . . . . . . . . . . 285
21.5 Confidence Intervals and Prediction Intervals . . . . . . . . . 287
21.7 Applications with Examples . . . . . . . . . . . . . . . . . . 290

xiv Contents
22 Logistic Distribution 295

22.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
22.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
22.7 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
23 Lognormal Distribution 305

23.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305
23.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305
23.5 Confidence Interval and Test for the Mean . . . . . . . . . . 307
23.6 Methods for Comparing Two Means . . . . . . . . . . . . . . 309
23.7 Tolerance Limits, Prediction Limits, and Survival Probability 311
23.8 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
23.11 Calculation of Probabilities and Percentiles . . . . . . . . . 314
24 Pareto Distribution 315

24.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
24.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
24.5 Prediction Intervals and Tolerance Limits . . . . . . . . . . . 318
24.6 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
25 Weibull Distribution 321

25.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
25.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
25.4 Maximum Likelihood Estimators and Pivotal Quantities . . 323
25.6 One-Sided Tolerance Limits . . . . . . . . . . . . . . . . . . . 326
25.7 Survival Probability . . . . . . . . . . . . . . . . . . . . . . . 326
25.8 Prediction Limits . . . . . . . . . . . . . . . . . . . . . . . . 327

Contents xv
26 Extreme Value Distribution 331

26.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331
26.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332
26.6 Prediction Interval, Tolerance Limits, and Survival Probability 337
26.7 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . 338
27 Cauchy Distribution 343

27.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343
27.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343
27.3 Probabilities and Percentiles . . . . . . . . . . . . . . . . . . 344
27.4 Inference . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344
27.4.1 Estimation Based on Sample Quantiles . . . . . . . . . 345
27.4.2 Maximum Likelihood Estimators . . . . . . . . . . . . 345
27.5 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . 345
28 Inverse Gaussian Distribution 347

28.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
28.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
28.4.1 A Test for the Mean . . . . . . . . . . . . . . . . . . . 349
28.4.2 Confidence Interval for the Mean . . . . . . . . . . . . 350
28.5.1 Inferences for the Difference between Two Means . . . 350
28.5.2 Inferences for the Ratio of Two Means . . . . . . . . . 351
29 Rayleigh Distribution 353

29.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
29.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
29.4 Confidence Interval . . . . . . . . . . . . . . . . . . . . . . . 354
29.5 Prediction Intervals and One-Sided Tolerance Limits . . . . . 355

xvi Contents
30 Bivariate Normal Distribution 357

30.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 357
30.2 Computing Probabilities . . . . . . . . . . . . . . . . . . . . 358
30.3 Inferences on Correlation Coefficients . . . . . . . . . . . . . 359
30.4 Comparison of Two Correlation Coefficients . . . . . . . . . 364
30.5 Test and Confidence Interval for Variances . . . . . . . . . . 365
30.6 Some Properties . . . . . . . . . . . . . . . . . . . . . . . . . 366
30.8 A Computational Algorithm for Probabilities . . . . . . . . . 368
31 Some Nonparametric Methods 369

31.1 Distribution of Runs . . . . . . . . . . . . . . . . . . . . . . . 369
31.2 Sign Test and Confidence Interval for the Median . . . . . . 372
31.3 Wilcoxon Signed-Rank Test and Mann–Whitney U Statistic 374
31.4 Wilcoxon Rank-Sum Test . . . . . . . . . . . . . . . . . . . . 376
31.5 Quantile Estimation and Nonparametric Tolerance Interval . 379
References 383
Index 395

List of Figures
1.1 Selecting the dialog box for computing binomial probabilities 2

1.2 Dialog boxes for computing binomial and hypergeometric prob-
abilities . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.1 The probability mass function when N = 10 . . . . . . . . . . 35
4.1 Binomial probability mass functions . . . . . . . . . . . . . . 39
5.1 Hypergeometric probability mass functions . . . . . . . . . . 75
6.1 Poisson probability mass functions . . . . . . . . . . . . . . . 91
8.1 Negative binomial probability mass functions; k is the number

of failures until the rth success . . . . . . . . . . . . . . . . . 121
9.1 Probability mass functions of logarithmic series distribution . 131
10.1 The probability density function of uniform(2,5) distribution 140
11.1 Normal probability density functions with µ = 0 . . . . . . . 144

11.2 Normal probability density functions with σ = 1 . . . . . . . 145
11.3 Q–Q plot of the exposure data . . . . . . . . . . . . . . . . . 147
12.1 Chi-square probability density functions . . . . . . . . . . . . 184
13.1 The probability density functions of Fm,n . . . . . . . . . . . 190
14.1 The probability density functions of tn . . . . . . . . . . . . . 196
15.1 Exponential probability density functions . . . . . . . . . . . 204
16.1 Gamma probability density functions . . . . . . . . . . . . . . 217

16.2 Gamma Q–Q plot for vinyl chloride concentrations . . . . . . 223
16.3 Normal Q–Q plot for cube root transformed lifetime data on
air conditioning equipment . . . . . . . . . . . . . . . . . . . 228
17.1 Beta probability density functions . . . . . . . . . . . . . . . 248
xvii

xviii List of Figures
18.1 Noncentral chi-square probability density functions . . . . . . 261
19.1 Noncentral F probability density functions . . . . . . . . . . 268
20.1 Noncentral t probability density functions . . . . . . . . . . . 276
21.1 Laplace probability density functions . . . . . . . . . . . . . . 284

21.2 Q–Q plot of differences in flood stages data . . . . . . . . . . 292
22.1 Logistic probability density functions; a = 0 . . . . . . . . . . 297
23.1 Lognormal probability density functions; µ = 0 . . . . . . . . 306
24.1 Pareto probability density functions; σ = 1 . . . . . . . . . . 316
25.1 Weibull probability density functions; m = 0 and b = 1 . . . . 322

25.2 Weibull probability plot of the vinyl chloride data . . . . . . 330
26.1 Extreme value probability density functions . . . . . . . . . . 332

26.2 Extreme value Q–Q plot for survival times of 20 rats . . . . . 336
26.3 Extreme value Q–Q plot for the lifetime data . . . . . . . . . 339
27.1 Cauchy probability density functions; a = 0 . . . . . . . . . . 344
28.1 Inverse Gaussian probability density functions; µ = 1 . . . . . 348
29.1 Rayleigh probability density functions . . . . . . . . . . . . . 354
31.1 Probability mass functions of runs . . . . . . . . . . . . . . . 370

31.2 Probability mass function of the WSR statistic . . . . . . . . 375

List of Tables
4.1 Fractions of Defective Chips in a Sample of 21 Wafers . . . . 51

4.2 2 × 2 Table . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.3 Types of Diets in Tumor Study . . . . . . . . . . . . . . . . . 66
6.1 Observed Frequency Ox of the Number of α Particles x in 7.5

Second Periods . . . . . . . . . . . . . . . . . . . . . . . . . . 92
6.2 Horse Kick Data . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.3 95% Incidence Rates for Myocardial Infarction in Women by
Age and Reporting Unit . . . . . . . . . . . . . . . . . . . . . 109
9.1 Number of Items Ordered per Call or Mail-In Order . . . . . 132

9.2 Number of Items Ordered per Call or Mail-In Order after a Few
Months . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
11.1 Observed and Normal Quantiles for Exposure Data . . . . . . 147
15.1 Failure Mileage of 19 Military Carriers . . . . . . . . . . . . . 207
16.1 Vinyl Chloride Concentrations in Monitoring Wells . . . . . . 222

16.2 Lifetime Data on Air Conditioning Equipment . . . . . . . . 223
16.3 Survival Time Data . . . . . . . . . . . . . . . . . . . . . . . 226
16.4 Weekly Rainfall Data with Sample Statistics and MLEs . . . 231
17.1 Percentage of Sunshine Period in a Day in November 1974 . . 251

17.2 Observed and Beta Quantiles for Sunshine Data . . . . . . . 252
21.1 Differences in Flood Stages . . . . . . . . . . . . . . . . . . . 291

21.2 Breaking Strength of 100 Yarns . . . . . . . . . . . . . . . . . 291
22.1 Failure Mileage (in 1000) of Locomotive Controls . . . . . . . 300
25.1 Numbers of Millions of Revolutions of 23 Ball Bearings before

Failure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
25.2 95% Upper Prediction Limits for the Vinyl Chloride Data . . 329
30.1 TV Sales Data . . . . . . . . . . . . . . . . . . . . . . . . . . 363
xix

Symbols
Symbol Description
α Level of significance PI Prediction interval

µ Population mean s Sample standard deviation
σ2 Population variance Qα 100α percentile of Q
Σ Population covariance ma- µ′k kth moment about the ori-
trix gin
Φ Standard normal distribu- µk kth moment about the mean
tion function m′k Sample kth moment about
φ Standard normal pdf the origin
pmf Probability mass function
mk Sample kth moment about
pdf Probability density function
the mean
cdf Cumulative distribution
χ2m Chi-square random variable
function
with m degrees of freedom
df Degrees of freedom
Γ(x) Gamma function pb Sample proportion
ρ Population correlation coef- Fm,n F distribution with numera-
ficient tor df = m and denominator
r Sample correlation coeffi- df = n
cient tm (δ) Noncentral t random vari-
x̄ Sample mean able with df = m and non-
UPL Upper prediction limit centrality parameter δ
CI Confidence interval ψ Digamma function; ψ(x) =
Γ′ (x)
TI Tolerance interval Γ(x)
xxi

Preface to the First Edition
Statistical distributions and models are commonly used in many applied areas,
such as economics, engineering, social, health, and biological sciences. In this
era of inexpensive and faster personal computers, practitioners of statistics
and scientists in various disciplines have no difficulty in fitting a probability
model to describe the distribution of a real-life data set. Indeed, statistical
distributions are used to model a wide range of practical problems, from mod-
eling the size grade distribution of onions to modeling global positioning data.
Successful applications of these probability models require a thorough under-
standing of the theory and familiarity with the practical situations where some
distributions can be postulated. Although there are many statistical software
packages available to fit a probability distribution model for a given data set,
none of the packages is comprehensive enough to provide table values and
other formulas for numerous probability distributions. The main purpose of
this book and the software is to provide users with quick and easy access to ta-
ble values, important formulas, and results of the many commonly used, as well
as some specialized, statistical distributions. The book and the software are
intended to serve as reference materials. With practitioners and researchers in
disciplines other than statistics in mind, I have adopted a format intended to
make it simple to use the book for reference purposes. Examples are provided
mainly for this purpose.
I refer to the software that computes the table values, moments, and other
statistics as StatCalc. For rapid access and convenience, many results, formu-
las and properties are provided for each distribution. Examples are provided
to illustrate the applications of StatCalc. The StatCalc is a dialog-based ap-
plication, and it can be executed along with other applications.
The programs of StatCalc are coded in C++ and compiled using Microsoft
Visual C++ 6.0. All intermediate values are computed using double precision
so that the end results will be more accurate. I compared the table values
of StatCalc with classical hard copy tables, such as Biometrika Tables for
Statisticians, Handbook of Mathematical Functions by Abramowitz and Ste-
gun (1965), Tables of the Bivariate Normal Distribution Function and Related
Functions by the National Bureau of Standards (1959), Pocket Book of Statis-
tical Tables by Odeh et al. (1977), and the tables published in various journals
listed in the references. Table values of the distributions of Wilcoxon rank-sum
statistic and Wilcoxon signed-rank statistic are compared with those given in
Selected Tables in Mathematical Statistics. The results are in agreement wher-
ever I checked. I have also verified many formulas and results given in the
xxiii

xxiv Preface to the First Edition
book either numerically or analytically. All algorithms for random number

generation and evaluating cumulative distribution functions are coded in For-
tran, and verified for their accuracy. Typically, I used 1,000,000 iterations to
evaluate the performance of random number generators in terms of the speed
and accuracy. All the algorithms produced satisfactory results. In order to
avoid typographical errors, algorithms are created by copying and editing the
Fortran codes used for verification.
A reference book of this nature cannot be written without help from nu-
merous people. I am indebted to many researchers who have developed the
results and algorithms given in the book. I thank my colleagues for their
valuable help and suggestions. Special thanks are due to Tom Rizzuto for pro-
viding me numerous books, articles, and journals. I am grateful to computer
science graduate student Prasad Braduleker for his technical help at the ini-
tial stage of the StatCalc project. It is a pleasure to thank P. Vellaisamy at
IIT–Bombay who thoroughly read and commented on the first fourteen chap-
ters of the book. I am thankful to my graduate student Yanping Xia for
checking the formulas and accuracy of the software StatCalc.
K. Krishnamoorthy
University of Louisiana at Lafayette

Preface to the Second Edition
This revision maintains the organization of chapters and presentation of ma-

terials as in the first edition. Although I cover very much the same topics,
the book has been largely revised by adding some popular results, including
tolerance intervals, prediction intervals, confidence intervals, and many new
examples. In the following, I summarize the major changes by chapter.
Chapter 3 on binomial distribution and Chapter 5 on Poisson distribution
have been revised by adding tolerance intervals, prediction intervals, confi-
dence intervals for the risk ratio, odds ratio, and for a linear combination of
parameters. Fiducial methods and some recent new methods for finding in-
terval estimates are added in these two chapters. I have included one- and
two-sample problems involving coefficients of variation, and one-sample in-
ference with censored data in the chapter on normal distribution. Inferential
methods for estimating/testing are added to chapters on exponential, gamma,
lognormal, logistic, Laplace, Pareto, Weibull, and extreme value distributions.
Pivotal-based exact methods, likelihood methods, and other accurate approx-
imate methods are now described in some of these chapters. The chapter on
gamma distribution now includes likelihood methods for testing means and
parameters, parametric bootstrap confidence intervals for parameters, mean,
and for comparing means. In addition, tolerance intervals, prediction inter-
vals, comparison of several gamma distributions with respect to parameters,
and means are also covered in the chapter on gamma distribution. The chap-
ter on Weibull distribution has been enhanced by adding confidence intervals,
prediction intervals, and tolerance intervals. Some new materials, such as the
Fisher z-transformation, comparison of two correlation coefficients, and com-
parison of two correlated variances, are provided in the chapter on bivariate
normal distribution.
The PC calculator StatCalc has also been enhanced by incorporating the
new materials from the book. Calculation of confidence intervals, tolerance
intervals, prediction intervals, sample size calculation, and power calculation
can be carried out using StatCalc in a straightforward manner. Furthermore,
StatCalc now comes with help topics, and the topic for a dialog box can be
accessed by clicking the help button in the dialog box. The purpose of StatCalc
is to aid users to carry out calculation accurately with ease, although it may
lack graphical appearance. R functions are given for the cases where StatCalc
is not applicable. To avoid entering codes manually, an electronic version of
the R codes is provided along with StatCalc software. This R program file
xxv

xxvi Preface to the Second Edition
“HBSDA.r” is located in the StatCalc installation directory. StatCalc software

is available at www.ucs.louisiana.edu/∼kxk4695.
I have been very much encouraged by positive comments from the reviewers
of the first edition of this book, reviewers of the sample chapters from the
current edition, and many readers. I am grateful to those readers who have
passed on errors found in the first edition.
K. Krishnamoorthy
University of Louisiana at Lafayette

1
StatCalc
1.1 Introduction
The software accompanying this book is referred to as StatCalc1 , which is
a PC calculator that computes various statistical table values. More specifi-
cally, it computes table values of all the distributions presented in the book,
necessary statistics to carry out some hypothesis tests and to construct confi-
dence intervals, prediction intervals, tolerance intervals, sample size to carry
out a test within specified accuracy, and much more. Readers who are familiar
with some statistical concepts and terminologies, and PC calculators may find
StatCalc simple and easy to use. In the following, we explain how to use this
program and illustrate some features.
The dialog boxes that compute various table values are grouped into three
categories, namely, continuous, discrete, and nonparametric, as shown in the
main page of StatCalc in Figure 0.1(a). Suppose we want to compute bino-
mial probabilities, percentiles, or moments; if so, then we should first select
“Discrete dialog box” (by clicking on the radio button [Discrete]) as the binomial
distribution is a discrete distribution (see Figure 0.1(b)). Click on [Binomial],
and then click on [Probabilities, Critical Values and Moments] to get the binomial
probability dialog box. This sequence of selections is indicated in the book by
the trajectory [StatCalc→Discrete→Binomial→Probabilities, Critical Values and
Moments]. Similarly, if we need to compute factors for constructing tolerance
intervals for a normal distribution, we first select [Continuous] (because the
normal distribution is a continuous one), and then select [Normal] and [Tolerance
and Prediction Intervals]. This sequence of selections is indicated by the trajectory
[StatCalc→Continuous→Normal→Tolerance and Prediction Intervals]. After select-
ing the desired dialog box, input the parameters and other values to compute the
desired table values.
StatCalc is a stand-alone application, and many copies (as much as the screen
can hold) of StatCalc can be opened simultaneously. To open two copies, click on
StatCalc icon on your desktop or select from the start menu. Once the main page
of StatCalc opens, click on the StatCalc icon again on your desktop. The second
copy of StatCalc pops up exactly over the first copy, and so using the mouse, drag
the second copy to a different location on your desktop. Now, we have two copies
of StatCalc. Suppose we want to compare binomial probabilities with those of the
1 To download, visit www.ucs.louisiana.edu/∼kxk4695 or the publisher’s site.

2 1 StatCalc
hypergeometric with lot size 5000, and the number of defective items in the lot is
1000, then select binomial from one of the copies and hypergeometric from the other.
(a)
(b)
FIGURE 1.1: Selecting the dialog box for computing binomial probabilities
Input the values as shown in Figure 0.2. We observe from these two dialog boxes

1.1 Introduction 3
(c)
(d)
FIGURE 1.1 continued.
that the binomial probabilities with n = 20 and p = 0.2 are very close to those of
the hypergeometric with lot size (population size) 5000 and the number of items
with the attribute of interest is 1000. Furthermore, good agreement of the moments
of these two distributions clearly indicates that, when the lot size is 5000 or more,
the hypergeometric probabilities can be safely approximated by the binomial prob-
abilities.
StatCalc can be opened along with other applications, and the values from the

Another random document with
no related content on Scribd:
Ontstemde stilte viel in en ’t meid-geluid vlak achter beschot, treurde
weer nà in het scheemrige werkhokje, met beverige lijfschokken van
wrijfbonzen, tusschen ’r zangstooten.
—Gehail allain.… moe.. et.. ik hier dwoale.…

Ik vi.… ind main minnoar ni.. i.. immer weer.…
Joa langsaom sa.… al.. mai.. in laife kwai.. aine.
Piet kleurde van ergernis.… dat was verduuveld weer ’n ander

lied.… die maid zat nou puur vol akeligheden, en ratelvaartend er
tegen in, dreunde z’n zangerige stem met café-chantantkomiek-
timbre. [148]
—Op hede.… in de groote kemedie.… Mikke hou je vàst an de slip

van main hemd.… treurespel mi ketelmesiek en melaische
trombom.… neutemaide aa’s swafelstokkies.—Doàmes mi
klompe.… toegang ses sint.… heere f’r naige..—sel speult worde.…
Te-e-e filis Skeersalf.… of.… manke Metrain mo’ je geloofe.…
De meisjes gierden, koppen bijeen in donkering, met de stijf-

uitpriemende teenen van hun half gevlochten mandjes elkaar
beprikkend. Nou lachte Klaas zelf mee. Hij kon zich niet meer
inhouen, maar woest was ie toch op Piet, dat ie z’n meiden zoo
inpalmde.… dat gaf niks goed.… niks goeds.…
—Nou furt an ’t werk, joeg ie weer op, dat de meisjes hun lachen
inpersten maar telkens weer in licht gegichel uitproestten, aanhalend
de anderen, onder nieuw geratel van Piet’s lolletjes, die op één
dreun bleef gekkigheidjes zeggen.
Kees bekeek met grimmigheid Klaas, die werkte als hing er z’n leven
van af. Wat kon ie die arme maide toch beule.… was da nou werk
veur maide.… Hai kon ommers best ’n poar kerels doar sette.…
Stinksuinige vrouw.… s’n jonge die d’r hielp en in ’t land somers nog
al s’n kooters plukte.… en hai niks.… niks.…
—Is da nou maidewerk Kloas, je mos je aige skame, is da nou hullie

werk?
’t Was er uit bij Kees, draaide al lang in ’m rond. Klaas was

woedend, hij begreep niet waar de kerel zich mee bemoeide.
Jaloesie most ’t sain, dat ie ’t sain nie lie doen.
—Seg Kees, stem-goeiïgde gemaakt Klaas,—je ben d’r ’n bofenste

beste.… moar ik seg moar.… da binne main soake.. jai hep je eige
saoke.… dà binne maine.…
Stroef was t’r uitgevenijnd, en bleekig trilden z’n neusvleugels van

stille drift.
—Nou ’t is puur skande.… kaik se sweete.… d’r ruggetjes breke

t’met.… die hep ’r hand weer op d’r sai, en dìe steunt aa’s ’n big.…
d’r is t’met niemand in de ploats waor maide werke.…
—Soo?.… nou koopman.… dan kaik ie mi je neus.… [149]vroeger

nie!.… daa’s gelaik.… moar op hede huis an huis.. Doar hejje
dochter van Piet Beugel, de maide van Molenaar, van Deuter, van
Renke.… de maide van.… van.… van nou noem d’r self m’r is wa’
op.… die werke t’met veul langerst aa’s sullie.…
—Daa’s net, lachte Geert, moar die kraige feur ieder tientje ’n sint.…
en wai.… wai.
—Da hep d’r niks van, niks van, schreeuwde Klaas onthutst, met één
hand nog uitgespreid door het vinger-langzaam optellen van
tuindersnamen, waar meisjes aan huis vlochten.
—Hee, d’r af daor, d’r àf!.… schreeuwde Trijn, tegen twee jochies,
die uit school binnen gestormd waren en in lawaai stonden te
wiebelen op de mandjes en teenen-bossen.
—D’r af, schreeuwde Klaas, wi jelui deur main goed snerte.. benne
jullie heule gaor daàs.…
—Wàrrimpies! Wàrrimpies’ blies Jan Grint, vlak op de kachel

geduwd, met ’n akelig benauwd gezicht, zoo komiek toch, dat ze
lachten, allen.
—Je hep ’n kop aa’s ’n skarretje da nie lache ken.… lolde Piet.…
—Wa mo je.… goan noà je snoeptoàfel.… laileke koàketoe!.…—
—Komp dan d’r is hier langerst.. lolde Piet terug, met ’n zinlijk
oogknikje naar z’n zus, mooie Geert.
—Hoor!.… nou hep se ’t op d’r heupe, lachte Geert, met ’r vinger op

d’r mond om te stilte-sussen, luisterend naar waschmeid, die jolig
stem-tierde nù;.…
—O! doch je ferempel dat maines was bai d’r.… o ho! koopman,.…
kom bai de huur terecht.… se kraigt puur d’r kinders in ’t joar.…
—Seg, mi fesoen Jaa’n berispte Klaas streng, die zelf ’n gemeen

nieuwtje had willen vertellen, maar niet durfde, en ’t nou deftig maar
gooide op ’t fatsoen.…
Kees voelde zich weer gloeien. Hai, hài wist, wat ’n merakel-monster
Klaas weest was, in Amsterdam, toen ze voor jàren hèr samen
gevent hadde doar.… hoe se doar same de beest [150]uithonge;.…
weest ware, van d’ eene meid na d’ andere.… steeg in steeg uit.…
en nou most Jan se snuut houë.
—Of ’t maines is, vroeg Trijn, se hep ’r vraier tog moar blind mit
fit’r’jool gooit, bai de Gasperlaon,.… vlak bai bolleskuur van Neelis.
—Hep sài da daan?.… is sai dá’? vroeg Piet onthutst.…, nou ken ik
d’r fraier ook.… pàl in se lampies hep se sain raokt.… dan hep se
ook vier jaor sête.… hai is stekeblind!.…
—Daa’s net, bromde Klaas, se hadde d’r motte vieredeele, dá’

varke.
—Nou, driftte Geert uit, moar hai hep ’r late sitte mi twee kinders.…
en alle maide ware sain.… nooit hep ie se hande thuis houe
kenne.… nie Annie? nie Cor? en naige skaïve f’rdiende ie.… en
nooit niks kreeg ze.… ik had t’met ook dààn.
—Wa jài.… jai hou je bek!.… jai muurvarke.… wa jài.… hep ’t hart en
la’ ’t so waid komme.… jai.…
—Nou speul d’r moar nie soo òp.… ik bin tog va main aige.…
—Hou je bek, woedde Klaas, d’r wort je niks-en vroàgt.…
—Nou, tog is ’t woar, snibbigde Geert na, blij dat ze tegenstribbelen

kon.
—Nou Kees, wai kraige ook pirsinte van Poa, lachte Annie, om weer
’n beetje goeiïgen toon te krijgen in ’t gesprek.
—Pirsinte? angstigde vragend Klaas,—nee kind, da mo’ je ’m nie

lappe.… dan skie ’k in.… sullie kraige t’met tien sint veur de
honderd.…
—t’Jonge.… t’jonge.… daa’s main ’n klodder.… daa’s gul.… en jai

moàkt anderhalf sint p’r mandje, scherpte Kees.
—Soo?.… enne main tieme?.… kwartje per bossie.… de leertieme
dèrtig.…
—t’Jonge.… sarde Kees door, meroàkel.… moar sullie moake de

heule keet!.…
—Dà’ wee’k soo net nie!.… dá’ wee’k so net nie, ik moak oore en
boompies, de swoarste karrewei t’met.…
Onder veel rumoer werd Jo, jongste meisje van Klaas, goud-
blondige [151]krullebol, zoo uit school, met ’r kort-geknipt groote-
vrouwenmanteltje nog om, uit vlechtend kringetje gerold. De jongens
trokken ’r aan de reuzige paarlmoer knoopen, door de
mandstapeltjes en teenbossen heen.
—F’rdomme goan jullie achter.… jullie hep hier niks.… schreeuwde

Klaas ’n teen-end om zich heen zwiepend uit nerveuze heetigheid.
—Aauw! pijnde Geert, kaik toch uit, main neus raok je.…
—La se dan d’r biese pakke.. ongelukke bin kwoàje kanse,.. ’t is d’r
hier krek om te stikke poe, poe!! trap ze d’r uit waif.. waif!! wá’ sit
je.… trap se op stroat.—
De jochies en ’t uit de werkgroep weggerolde meisje, riepen mee,

om ’t hardst, of ’t alleen vrouw Grint gold.
—Moeder.… moe-der!.… Voader roept.… Poa roept!..
—Aa’s da’ kriel van skool komp, vloekte nijdig Klaas, hep je hullie
binne de mikke.… Waor sit moeder nou?.… is die weer bai vrouw
Doalwiek?
Er was broeiing in ’t hokje. De meisjes stutten hun ruggen met

handen, onder pijnuitroepen van vermoeienis. Klaas wou ’r niet naar
hooren. Hij stikte van werkbenauwing. ’t Zweet glom vettig op z’n
gezicht.… Moar d’r most iets overheen gepraat worden.
—Seg Kees, hai jai ’t ooit so sout gete?.… main waif hep malle
sel’dremente meroakelsoàke t’met!.… Die hep puur de duufel in d’r
sielement.… Se la soo maor ’n toafel dànse.… van d’r eige self’rs.…
aas se d’r an goàt sitte.… se hep se allegoar snik moakt!.… laik t’r
één van ’t gekruist ras.… en bang da s’is van d’r eige ’s nachts.…
—Nou poà, nou moakt u d’r óók wa van.… mokte mooie Geert,
goochelvlug nieuwe teenen in ’r aarbei-mandje stekend en
vervlechtend.—Haar blank gezichtje donkerde telkens weg in buk.
Soms éven,—als ze op keek naar Kees en lachte, lachte, aanhalig
tegen hem, met fijne grimassen en trekjes om d’r mond, doezelde er
lichtschemer òver, bukte ’t weer weg, dat haardos van achterhoofd
en nekblank alleen nog te zien bleef. [152]
—O Kristus, wa’ si’k hard, zuchtte Cor zwaar, m’n stuit breekt
t’met.… Neenet Kees.… poa moakt ’r ’n slòa’tje van.… se saie da
moeder an ’t spirretirrem is.… da’ sai d’r senie van hep.… sien-ie?
—Hou je mond jai muurpeek, wee jai ’t weer beterder?!
—Wel neenet.…, snibbigde ze geraakt, u weet ’r ommers ook niks

van.… En u is t’r bang veur aa’s de dood.… Nie Jaàn? nie An? nie
Geert?.… is poa nou nie.… nou freeslik.. bang?.…
En met stem-zangerige stijging ging ze door naar Kees en Piet

kijkend, met groote angstig-geloovige oogen.…
—Moeder het spooke sien.… weet je.… spooke die je nìe sièn
ken.…
—Seg, is t’r nou uit mit die lamme poppekasterij.… schaterde Piet,
mo jullie main of main jassie!.…
—Nou, da seg ikke nou ook.… t’met moakt se hullie alle-goar daas,
snauwde Klaas, blij dat Piet ’m bijviel.… ze benne veur de half hier al
tuureluursch.… Spooke!.… spooke! geloof d’r gain bal van.… Aa’s
sai die heule keet nie fierkant tuureluursch moak hiet ik gain Kloas
meer.… Ik sien d’r gain hail in.…—Gaif main die boompies effe an
Jaan?.… en jai Kees wà jai?—
Kees begreep Klaas’ kwaadaardigheid. Zoo terloops had ie van Ant

gehoord, dat vrouw Grint al ’n paar maanden behekst was.… da se
mit de duufel en de boose geest vocht. Nou wist Kees, waarom
Klaas zoo nijdigde, maar wat ie zeggen moest wist ie niet. Hij kon d’r
nooit niks uitkrijgen. Zoo als ie daar stond, tegen het beschot,
beenen over elkaar, vond ie ’t alleen duizelig-lekker warm, en loerde
ie op ’t lieve snoetje van Geert. Als ze opkeek, lachte ie in ’r mooie
lampies, waar uit telkens dat rood gevonk opspatte.—Wat ’n
kiekers.… wa lekkere maid.… Dol was ie op da jonge goedje!—
Maar Piet, z’n broer had de begeerige stilheid van Kees gemerkt, z’n
loeren naar Geert, waar ook hij dol op was en Jan Hassel, de neef,
die als ’n stille schaduw schuwen bleef in z’n donker hoekje.—Piet
kon Kees wel ’n mestvork in z’n pens [153]steken.… Wat had ie nou
mit die maid te lache!.… hai had tog se waif.… wou die Geert nou
veur sain neus wegkape.… die skooier. En sai, sai lacht f’rjenne ook!
die peek. Maar Klaas keek naar ’m òp, van den grond, uitstrooiend
z’n nieuwtjes.
—Hai jullie hoort Piet, van die oarstitek uit de Beekstroàt, op de

ploas, da’ hullie sain heppe pàk.… de p’lisie.… dat ie stoapel
tuureluurs is.… se saie da’ tie puur van oàdel mo weuse.… Nou wou
die veertig huisies sette op één meter, hier an de weg.… noas de
sekerterie.…
—Daa’s hai nie poà.… je hep ’t mis.… daa’s sain broer uit
Hoarlem.…
—Vast nie.… vast nie, schreeuwde Klaas, woedend dat al z’n halve
nieuwtjes vermorseld werden door z’n kinders.—
—Vast wel, hield Jan, stug-kalm vol, even met z’n handen plat op
den grond zich uit z’n zit ophijschend van vermoeienis.—
—Jesus, main rug brant van pain, klaagde Geert, met ’r kin op ’r
borst gedrukt, snel doorvlechtend om toch geen verwijt van Klaas te
hooren wijl ze klaagde.
—Nou ikke seg.…, daa’k g’laik hep Jaàn, se heppe sàin pàkt. S’n
vrouw en sullie allegoar ’n noakende boel.. S’n broer hep ook op de
ploats woont.… moar daa’s hài nie.… nou, die is mi tachtig duuzend
gulde d’r van deur goàn van de inlegf’briek. en hai woont.… hai.. sai
’k moar segge.… tussche dronke Frans, de blomkweeker en.…
en.… tussche Jaffer.… die weeduuw.… woar netaoris Verstrooke ’t
mee weut.…
’n Poos viel werkstilte in, tusschen golving van donkere handparen,

die snel voortwriemelden in ’t schemerlicht. Uit het triestende
werkgroepje wasemde hette òp, puf-benauwend. De hoofden bukten
weg in duister en schaduwing, en telkens greep één uit den kring
naar drinkketel, de tuit bezuigend in lipgesmak, met ’n zuchtadem
als ’t klaar was, ’m neerbonzend op den vloer. ’t Korselde in Klaas
nà, lust om nog wat nieuwigheidjes van de plaats te vertellen. Dat
was hartstocht van Wierelanders en Duinkijkers om alles over de
tong te halen, elk gezin, te martelen stil geniepig, te lasteren, met
schampere [154]glimlachjes, klein-vunzige haatjes. Hartstocht van
Klaas om ieders leven omver te halen, er in te grabbelen, grabbelen,
als ’n bedelaar in vuilnisbak.… En dan van ònder òp moest ie de
boel hebben, er uitzwabberend alles wat afgunst kon knauwen, nijd
kon slikken. Dat konkelende grimas, dat heete verlangen om te
bekladden, te knauwen, leefde zoo hevig in Klaas, dat ie geen uur ’r
zonder kon zijn, of hij voelde zich leeg, onrustig. Als ie niets wist dàn
maar aan ’t verminken van nieuwtjes, die ie zelf gehoord had. Zelfs
zou ie ze peperen als d’r niet genoeg brandends aan zat. En dan,
rondgaand ’t praatje als ’n vuurtje, ’t wéér hooren, verminkt, erger
altijd, uit andere monden; dat wàs z’n lust, z’n leven. Dat rondgaan
van meid tot jongen, al maller, gemeener. En allemaal onder mekaar
zoo, in Wiereland en Duinkijk, waarheidjes rondgerold en
omgekonkeld in lasterpraat. Zoo ieder gekruisigd, beplozen,
gehangen of vastgepriemd aan ’t spit van hun haastige babbelzucht,
geroosterd op ’t vuur van hun schroeiend venijn, verlustigend de
luisteraars en kijkers in ’t spatspel, ’t vet dat afdroop van hun lijven.
Zoo roosterend, de lucht vol gebrand vleesch en dan smulpapend
ieder met gulzige kaakhappen aan het lastermaal. Zoo zat Klaas, als
ergste konkeltype met barstend lijf vol venijn en kleine stekelige
haatjes, afkammerijtjes en verdachtmaking, stedeke-klein konkelend
in eunuke onmachtjes; zat ie gezwollen van kleine afgunst, kleine
indringerijtjes. Kanibaalsch vreugdegekrijsch klonk er om het
braadspit van een vastgepriemde; makabere marteldans, tegen ’t
ellende-gejank en gesnik van ’t gestoken slachtoffer.… Maar bij
elkaar-gesapt venijn kwam te luchten, afgunst te gloeien. En overal
rauw gescheur van vleeschbrokken en bloedgevloei rondom, en
lekkende lastertongen, die opzogen het rood-warme vocht.… De
volgende week zag ie zichzelf aan ’t spit opgepriemd en vermarteld
door anderen. Da’ wist Klaas, moar toch nooit dood, altijd levend
bestaantje van laster en stedeke-afgunst bleef ’t. O, Klaas zat vol
nog.
—Nou Kees, wa seg jai nou van die hailige Markus in ’t Duin, drie
keer te kerk per dag.… die faine! Verduuveld, lachte [155]ie
stemrochelend, nou heppe de maide hier sain gisteroafend op loer
sien.… twai volle ure en nou gong de hailige.… en d’ appeteker.…
en meneer Loskruit en hai van de Kooseweg, mit d’r viere.… achter
mekoar gonge sullie binne.… dat benne nou heule Perlutte.… Se
dochte aa’s da wullie in donker ni sien heppe.… moar.… moar wullie
binne pienter weust.
—O jee joà.… lachte Geert, in zenuw-haast voortvlechtend,

afvegend met ’r mouw zweet op ’r neus en donkere wang.—Eerst
gong de lange Loskruit. Om half naige.… nie! en toen de
àppeteker.… en de klaine hailige achteran teuge tien ure.… nou,.…
die hep se ook moar achter s’n mouw hee?.…
—En, drong Klaas op, hittig, en d’rlui moeder stong an de deur, die
hep wacht houe motte.… sakrejenne.… en hai schutterde op pad
hain en weer.… hain en weer.. wa sloeries hee?
Vet van konkelhitte rauwde z’n stem; er zat heete lol in z’n mond en
z’n pruimpje sopte vies-bruin door z’n rotte tanden heen.
—Wa sou ’t, driftigde Kees, hee jullie daar nou skik van.… wa sou
’t.… Joap mag weete wa jullie nog t’met doen.… loa se goan.…
benne jullie soake nie.—
—Nou seg, faine merreke, schimpte Klaas, moeder en dochter te

g’laik.… ànlegge met wie d’r wul.… da benne kattelieke.… loope de
kerk plat.… de kerel suipt s’n aige dood..
—F’rek, wa hep jai dan weest veur ’n meneer.…, laileke smuugert,

barstte Kees los, zwaar z’n lichaam uit beenkromming opveerend,
dat wild z’n dreigschaduw op het zwak-belichte hok-beschotje
donkerde;—benne hullie in de ploas soo fain.… bai jou femilje.… bai
jou.… se legge tog allegoar in de loan.… wa poer je nou van de
aêre.
—Stuif jai mer nie soo.…, talm-treiterde Klaas.… wa segge se dan

van jullie Guurt, daa’s nou je bloedaige sus.…
Jan Grint, op den grond, beefde.… Z’n bleek groenige kop zag in
schrik òp naar z’n vader in ’t licht. Ze wisten allemaal op de plaats,
dat ie dol was op Guurt, dat ze elkaar van jeugd [156]af kenden, maar
dat Guurt ’m afgewezen had. Toch bleef ie op ’r loeren, bevend van
jaloezie, ruw met stik-zwoele ziel van gloei-hartstocht. Z’n vader gaf
d’r niks om. Juist zei ie, wat ie gehoord had, dan wist Jan waar ie
zich an houen most.
—Nou vertelle hullie overal t’met toen se lest noa buite gong da sai,
sel’k moar segge.… da sai, drie moande ’n luchie hep motte
skeppe.… en da sai skoon thuis komme is.…
—Veur main mag se veur eeuwig weg.… moar jullie hep sain achter
de mouw, zei Kees straf, onverschillig voor wat ze zeien van Guurt.
—En jai hep altait duufel in,—treiterde Klaas, met onverwachte

zwenking, gesprek op stroopen draaiend, in langzamen kuch, z’n
mes door’n teen-end snijend dat afbrak bij invlechting,—altait aas ik
seg.… sel’k moar segge.… dà je dieft.… sel’k moar segge
fierkant.… Aa’s jai stroopt.… dief je.…
—Ik dief nie, daa’s puur vuil.… jai vuile.… ik stroop, daa’k freete
mo!.… mo ’k f’rrekke van honger?.… da wou je wel sien hee?.… Jai
gluupert … ja!.. jai! jài hep freete!.. Jai bloedhond hee? je hep
kinders hee?.… jai.… jai jai snurkert.… hun mosse je beuke.… jai
bloedhond.… jai.… jai, jai!
Klaas werd bang. Oogen van Kees driftten dol. Hij stik-stemde van
woede.… De vloeken stotterden en taterden in gift van z’n lippen. Er
zat wilde jeuking in z’n handen en z’n voeten stonden klaar om den
vent in mekaar te trappen.… Die laffe lammeling, die de groote
meneere.… likke moar.…
—Jài, dreunde ie voort, jài mo’t heppe van je gluupstreke.. de dokter
hee?.… de notaris hee?.… dioàke hee?.… die likkie.… laileke
sloddervos.… vuile bunsum.… kaik da.. dá’ goan je gladjanus!
Rumoer-zwaar had Kees spogstraal op den vloer gefluimd en

woedend wreef één zware modderlaars over den knarsenden
zandgrond.—
De meisjes zaten verstomd, dieper ingebukt, met d’r gezichten op de

borst in snelle golving van handen-paren, stil-zwaar-geploeter.
[157]Alleen Piet keek Kees aan, wetend, dat ’t ’r voor Klaas leelijk
ging uitzien als ie ’m nog meer prikkelde. Hij wist hoe Kees woedde
op ieder die ’m voor dief schold, omdat ie stroopte. Klaas voelde ’t
zelf ook al. Hij was ril-bang voor Kees’ reuze-knuisten. Die kon wel ’n
moord doen, die vent, zei de heele ploats en tot an zee zeie ze ’t dat
ie d’r al ’n poar op s’n geweten had. Kruiperig wou ie iets
vergoelijken; doodsbang nou dat ie te ver was gegaan.
—Nee, lui bin je nie, da mo’k je noagaife.… moar da je niks.… nooit

niks omhande hep.… so heulegoar niks.… da gaon main boofe main
pet.
—Daa’s net, aa’s ik liege en diefe wou aa’s jai, haa’k neuit honger.…
moar jai.… jai, jai bin ’n bloedhond.… de groote meneere likke veur
’n poar roe minder pacht, hee?
Klaas schoof onrustig heen en weer op den grond, brak in angst

telkens nieuwe teenen.… Nou was ie nie van de vent af te krijgen.
En Piet zei ook moar niks. Jan Grint, van angstige verlegenheid,
pompte in den vuilen gloei-doffen kachel-muil nog wat blokken. De
meisjeskopjes bukten dieper, zwaarder donkerden hun haarhoofd en
nek; stiller schoven handen in grabbel onder de gespleten teenen.
Het gordijntje, hoog-rood beglansd, kaatste licht af, droomerig over
de werkhoofden in wazigen schijn, stille sfeer die zacht-innig te
glanzen lei tusschen lijf-donkering der werkmenschen, omplengd
van zweverige plekjes roodgoud hier en daar.
Plots leek Kees bedaard. Ruw hakkend z’n woorden vroeg ie:
—Kort en goed, hai je tweehonderd boompies te moake kwartje ’t

uur?.…
Kloas durfde niet weigeren. Miskien kreeg ie anders nog op z’n test,
moar ’n kwartje per uur was te veul.… en tog kon ie nie alleen de
boompies moake.
—Twintig sint, stem-schuchterde Klaas, want afdingen moèst ie. Er

wrokte weer drift in Kees, trilling in de beenen om dat gierige brok
mensch in mekaar te trappen, maar hij smoorde ’t, dacht aan thuis,
àan z’n eigen krepeeren. Al de heule week had d’r bijna gain freete
weest,.… ’t moakte ’m zoo [158]wild, zoo brandend, zoo woest van
binnen aa’s tie z’n Wimpie sag ligge doàr.
—F’rrek moàr, twintig sint.… in drie uur benne se d’r,.. langerst ke’k
tog nie uithouë.
Dâ vat ’k, lachte Klaas, die wist wat ’n hellewerk ’t was, drie uur
mandboompies maken; blij dat ie d’r voor ’n koopje af kwam.—
Elk lach-antwoordje, venijnigend op dunne lippen van Klaas, deed

heviger drift in Kees grommen. Diep, diep, kraterde ingehouen
vechtlust, traplust, dat hij met z’n stomme poote nou die rotte
boompies mos goàn moàke. En ’t bedonderde dat hai ’t ook niet
langer dan drie uur op z’n hoogst kon uithouen.
Dat was, in dat brand-benauwde hokkie ’n karwei om te vloeke van

senuwighait.… Met de teenen, weerbarstig onder z’n voeten, uren
achtereen, diep gebukt, dat ’t bloed ’m naar de strot lekte, dat ’t
zweet ’m langs z’n nek en ooren afdroop.… draaien, draaien,
invlechten, poef!.… d’r uit duwen verspringerig teenengoedje.…
poef!.… d’r invlechtend; en zonder ophouên, dat ie duizelde,
duizelde, alles voor z’n oogen begon te donkeren, en
benauwingsvlagen door z’n kop vlamden, z’n beenen waggelen
gingen, zwaar, loodzwaar, tot ie d’r bij omsmakte. Maar tenminste
had ie nou ’n paar kwartjes.
—Hai je twai in f’rskot, vroeg ie bedremmeld ’n beetje, zonder Klaas

aan te zien.
—Ka je ’t mi één nie af?
—Te duufel, gromde ’t in Kees, wá’ skavuit.… f’ruit d’r mee.… ’k mo’
freete.…
Onverschillig, vaag voelend waarom ’t zwaar in ’m gromde, was

Kees modderpad weer langs gesjokt naar huis. Om zeven uur zou ie
van avond al in z’n nest kruipe. Sloape, sloàpe,.… dat was lekker.
Dan merkte ie niet van knaagwee in s’n bast, verdrong ie z’n
beroerdigheid.… Stroope gong nie.… om elf uur was licht.… geen
stuk hagel van z’n aige. Noar s’n nest was ’t beste.… dan kon ie
weer twee nachte uithoue.…
Kilheid donkerde op ’t duinpad naar huis. In dreig-schimmig gezwijg,

tusschen fijn grauw van struiken en wilgen, somberde [159]voor ’m
uit, ’t stervensdroeve avondland. De nacht kwam zwart-vleugelend
aandonkeren over veldenwijdte, omduisterend lage hut-huisjes in
droeve eenzaamheid. Voor raampjes en geveltjes hier, geveltjes
daar, grauwde droomerig waas van schemer, de muurtjes
verdonkerend, smartelijk half uitgedoezeld tegen luchtlaagte. Het
ruitjes-licht verdofte, als stierf plechtig binnen-in, hutjesleven van
gebroken ruit-oogenlicht, in droeven staar, naar den duin-winter
àlom. De stille, diepe ruischende stilte, verwelfde in ’t schemergrauw
van akkers, duin-verre glooiing van heuvelen. Nog tuinders in duister
stonden heien af te steken, of te spitten in valen schemerkring,
donker aard-brok niet meer ziend bijna, onder duister beweeg van
gereedschap.
—Genoafend, klonk ’t wijd-eenzaam in ruimte-grauw, als Kees langs

stille werkers aan padrand heentrok en terug galmde ’t plechtig:
genoàfend.
Lager kwam duistere woelige windwolkenlucht hangen op

schemeraarde en somber ingeplant, naakt, wrongen boven z’n hoofd
de boomen, in zijlanen voor ’m uit; afgestorven alleenheid weer, die
daar te sluipen en te heimweeën kroop in de doodschheid van
winterpaden.—Naar huis, bromde ie, noàr je nest.… sloàpe.…
sloàpe.… en aa’s se waif t’met begon, d’r harses insloan, puur, in
één, dat tie d’r kwait was, kàn sain nie bomme, wâ t’met d’r
beurde.… [160]
[Inhoud]
ZESDE HOOFDSTUK.
Ouë Gerrit had vier houtkoopen gedaan. Vroeg in wintergrauw van

land en lucht waren Piet en Dirk erop uitgestapt. De sneeuw in
Wiereland was half weggemodderd en overal in Duinkijk, waar geen
bestrating lag, poelde slijkgrond, doorploegd met sporen van
boerenwagens. Ze liepen naast elkaar. Dirk op klompen en Piet met
z’n hooge kappen, woest heenbrijend door de slijkpoelen. Zwaar-
grauw hing ochtenddamp nog boven de akkers en nauw-woeliger
werd de weg naar Beekerbosch, twee uur achter Wiereland, met z’n
wilden boom-groei en struiken, verwaasd in ochtendmist.
Polderkleiïg diep, zakte de modderweg af naar het bosch, dwars
door smalle paadjes, met woesten struikgroei; paadjes, wild
verkronkeld en verwoeld in halven wielslag van wagens. Soms in
één, uit boompoortig-nauwe laantjes, opende de weg, lagen groen-
vale wei-brokken en brons-zware teenenvelden tusschen stronkige
struik-glooiingen en duin-woeste bergjes, àchter schering afgelijst.
De jongens wisten, waar de koop lag. Nummer dertien moesten ze
hebben. Piet vond het ’n ongelukskoop, dertien, hij wou er eerst niet
aan. Tegen negen uur, toen de ochtenddamp wat weggeneveld was,
stonden ze stil voor hun werk, ’n groote plek jong hout, dat omgehakt
stronkte. Twee uur hadden ze net van huis gestapt in slijkgrond.
Even keken ze stáár in de boscheenzaamheid. Overal rondom lag
gehakt hout en de stompjes van esschen, oranjig-rood, waar leefsap
nog uitvochtte, besprenkelde roestig en wild, als met spatten, dooie
ontzetting van takgrauwheid en stronkige knubbeling der jonge
boomen, in stuipige groeikramp neergeveld. Piet [161]had al ’n hap
gedaan uit z’n stukkenzak voor ie begon, want nou was het voor de
kerels ook te ver om eten te halen.
Van alle kanten klonk dof gehak achter de dichte struiken van nog
niet omgehaalde plekken; gerucht van tuinders die al begonnen
waren. In klaar-scherpe guurte joeg de wind door het kreupel en
lager droefde hemelgrauw op bronsgrond, waar mager-lange
boompjes van hun stam neergehakt stuipten, door elkaar; smart-
stomme stammetjes, in takwarring bijeen gekronkeld als in
doodstrijd.
Hun jekkers gooiden ze uit, de kerels. Het zou straks genog zweeten
zijn in kiel. Zwijgend pakte Dirk aan. Tegenover hem, bewerkte Piet
’n hoek, hakkend, bonkend, knappend om gauw werkhitte in z’n lijf te
voelen kruipen. Dirk, geweldig werkbeest, stond weer stram in
zwijging, flitsend met z’n smal ijl-scherp hak-mes de lucht in, als ie
uit afgevlijmde knoesten, voor ’m liggend, ’n stam buk-moeilijk had
losgewerkt onder in-elkaar gehaakte takkronkels;—met één hand,
onbewust gracielijk, in stil-machtig gebaar den stam in hoogte hief;
dan, met oogenmijmer, éven de lucht in mat, loerend, hoe uit wilden
stronk, in drie hevige kappen, de stevigste rijs te hakken viel.
Telkens zoo greep ie, in buk, nieuwe stammen en stammetjes,
cyklopig ze boven z’n hoofd wentelend, als knotsen. Eerst, van elken
boom, hoog boven ’m uit geheven, sloeg ie af dik onder-end, met ’n
paar geweldige hakhouwen, dat er siddering door z’n arm en
bovenlijf ging, en dan kets!.… flits.… kets.. flits,.. slag op slag keilden
weg, dor-dooie zijtakken. Vlug, in éven mijmerende
oogenberekening, tegen de zware lucht oploerend, kwam stil spel
van overleg en gewoonte, fladderden takjes in kringen, als
splintervogels om z’n kop rond, de ruimte in. Met stroef zwikkenden
hakslag slingerde ie op zij, wat diende voor takkenbos, te klein was
voor rijzengoed. Soms, bij te zwaren boomstronk, drukte ie
onderdeel van den stam tegen z’n knie, hakte ’t hevig, met vier, vijf
slagen van rijsvorm af, dat het zweet van z’n kop gutste, z’n oogen in
z’n hoofd trilden. De zware onderhelft, onbruikbaar voor rijzen,
smeet ie in lichte slingering bij opstapeling van wiels, en dan vlug-
zeker, roefde en [162]flitste z’n hakmes weer tegen bovenste stam-
end, dat snel z’n rijsvorm kreeg, onder z’n cirkelend weggezwaai en
zwikloos geoefend weggekap van dooien takkenhang.—Zoo bleef
Dirk, als stille reus in eenzaamheid, werkhitte uitwasemend, uren op
uren z’n stammen de lucht inheffend, alle gehakte rijzen
neerslingerend op groenige leer-teenen die voor elken rijzenbos al
klaarlag in ’n knoop. Piet bond juist ’n stapel in, op den grond, luchtig
zweef-wippend op de takkerige stammetjes, éénknieig inpersend, in
kniewip de rijzen, met de groenige teenen in lus getrokken, snoerend
den rommel tot zware bossen bijeen. Telkens als ’n bundel klaar was
sjouwde Piet of Dirk ’m naar den weg, achter elkaar tot rijzenhok.
Langs het pad schokkerden telkens boerekarren, be-ponderd met
rijzenvracht, hooiwagenhoog, in waggelkadans, diep doorploegend
wielslag van andere tuinderskarren die al beladen werden.
In grijs-neveligen mist en wind-guurte waarde de middag áán door

het bosch, waar overal doffer nu, hakgerucht echode, ver en
vereenzamend. Aan overkant van het pad, waar Dirk en Piet rijzen
hakten laadde Limmer. Twee paarden stonden er triest te lijf-dampen
voor donker vergroende boerenkar, omwasemend stil, in suffen
staar, d’r droef-lange koppen. Hun slijmerige, schuim-kwijlende
bekken, kieuwig week, besabbelden knabbelend d’r kille gebitten.—
Beender-knokelig rekten hun platte ruggen, verdeukt van afbeuling
en trekken, en hun schoftenskeletten, in droeve vergrauwing van
hun bevlekt vuil-wit vel, stonden omtriest van winterlucht en bronzig
struikgewas alom. Langs het zijpad, dreven lanen in licht-zilveren
mist, verdiept beboomd in dampig ijl-grijs en fijn ademend achter
noenlicht-sluiers, maar droef, droef van stommen weemoed. Als een
klagelijk fluitgeluidje in een éven-zwevend triool door de lucht
gestreept, zangden soms òp winterstemmetjes van vogeltjes. En
rauw er doorheen, met zwarte onheilspellende opfladdering, kraste
kraaienwanhoop door de stille lage lucht. Soms, uit verschuivenden
nevel, tintten òp dof-gouïge elzestruiken, roerloos in dooien
bladerdos, trieste nasier van herfst-brand, die het bosch
doorschroeid had. Even [163]in rijtjes, tintten hun kleurig-doffe
kransen door het zilveren damptoongrijs. Uit één hoek van lage
struiken, in perspektief van breeën jachtlaan, wasemde teer-tonig, ijl-
zilveren mist-schemer, als zichzelf verlichtend, zacht en droomerig
achter stam-donkering ver-violettend. En de mosgronden, zwaar nog
van sneeuw, stronkten vuil bezaaid met takkenstammen, ontheiligd
en klomp-zwaar besmet met groven zwartigen voetdruk, doorgroefd
van dikke modderwielen.
Ouë Gerrit was komen kijken en stond weer, handen in zakken,

vreemd-zwijgend, naar Dirk te loeren. Tusschen wild gehak en
rondsplinterend houtgevlieg, was leuk-kalm een roodborstje
gesprongen en achter dit dierke nog één. Onschuw en rustig-vrij,
met hun oranjig dons borstje, pootjes-fijn, huppelden ze tusschen
den vuilen houtrommel in, tjilpten ze elkaar wat toe, bleef één koel-
wijs rondgluren op een stomp-punt van stronk, de andere, lichtelijk
als veertje neergezweefd, op takknoest van klaarliggende rijs, zacht
pieperen. En schuwloos oogden ze rond, niet bang voor Dirk, die
zwaren jongen boom weer had geheven de lucht in, met geweldige
houwen rondom splinterde, dood getak. Als kleursobere kolibrietjes,
duimklein, tjilpten en huppelden ze dóór aan de voeten van den
hakkenden werkreus, rustig ademend achter hun donsrood borstje,
kleintjes-lief, zwellend in d’r klein leventje, mollig van hun
hollandsch-grauw veervrachtje omkoesterd.
Dirk werkte weer met stijgende heftigheid, al voelde ie z’n handen en

polsen zwaar pijnvol en gebroken z’n armen van het hoog-heffen en
de-lucht-inhakken. Maar z’n werkklauwen, zwart-groen bemost en
bemodderd van het hout, bleven grijpen in de stapels, stilzeker elken
stam, éen na éen, met z’n knoest-armen uit takkenwar rukkend, dat
het knapte, afschudde, sneeuw en zandmodder. Dan snel, suizelde

Textbook Handbook of Statistical Distributions With Applications Second Edition Krishnamoorthy Ebook All 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

Textbook Handbook of Statistical Distributions With Applications Second Edition Krishnamoorthy Ebook All Chapter PDF

Uploaded by

Copyright:

Available Formats

Handbook of statistical distributions

with applications Second Edition

Generalized Statistical Thermodynamics Thermodynamics

Applied statistical inference with MINITAB Second

Robust statistical methods with R Second Edition

Handbook of Statistical Analysis and Data Mining

Handbook of essential oils science technology and

Statistical Computing with R Second Edition Chapman

An Introduction To Statistical Learning With

Elementary probability with applications Second Edition

© 2016 by Taylor & Francis Group, LLC

© 2016 by Taylor & Francis Group, LLC

No claim to original U.S. Government works

International Standard Book Number-13: 978-1-4987-4150-7 (eBook - PDF)

© 2016 by Taylor & Francis Group, LLC

List of Figures xviii

List of Tables xix

Preface to the First Edition xxiii

Preface to the Second Edition xxv

© 2016 by Taylor & Francis Group, LLC

2.9.2 Ratio of Two Independent Random Variables . . . . . 29

3 Discrete Uniform Distribution 35

© 2016 by Taylor & Francis Group, LLC

5.8 Properties and Results . . . . . . . . . . . . . . . . . . . . . 85

7 Geometric Distribution 115

8 Negative Binomial Distribution 119

© 2016 by Taylor & Francis Group, LLC

9 Logarithmic Series Distribution 129

Continuous Distributions 137

10 Continuous Uniform Distribution 139

11 Normal Distribution 143

© 2016 by Taylor & Francis Group, LLC

11.7.3 Inference Based on Type I Censored Samples . . . . . 175

12 Chi-Square Distribution 183

14 Student’s t Distribution 195

© 2016 by Taylor & Francis Group, LLC

15 Exponential Distribution 203

16 Gamma Distribution 215

17 Beta Distribution 247

© 2016 by Taylor & Francis Group, LLC

18 Noncentral Chi-Square Distribution 259

19 Noncentral F Distribution 267

20 Noncentral t Distribution 275

21 Laplace Distribution 283

© 2016 by Taylor & Francis Group, LLC

22 Logistic Distribution 295

23 Lognormal Distribution 305

24 Pareto Distribution 315

25 Weibull Distribution 321

© 2016 by Taylor & Francis Group, LLC

26 Extreme Value Distribution 331

27 Cauchy Distribution 343

28 Inverse Gaussian Distribution 347

29 Rayleigh Distribution 353

© 2016 by Taylor & Francis Group, LLC

30 Bivariate Normal Distribution 357

31 Some Nonparametric Methods 369

© 2016 by Taylor & Francis Group, LLC

1.1 Selecting the dialog box for computing binomial probabilities 2

3.1 The probability mass function when N = 10 . . . . . . . . . . 35

4.1 Binomial probability mass functions . . . . . . . . . . . . . . 39

5.1 Hypergeometric probability mass functions . . . . . . . . . . 75

6.1 Poisson probability mass functions . . . . . . . . . . . . . . . 91