Textbook Introduction To Statistical Methods Design of Experiments and Statistical Quality Control Dharmaraja Selvamuthu Ebook All Chapter PDF

Introduction to Statistical Methods
Design of Experiments and Statistical

Quality Control Dharmaraja Selvamuthu
Visit to download the full and correct content document:
https://textbookfull.com/product/introduction-to-statistical-methods-design-of-experime
nts-and-statistical-quality-control-dharmaraja-selvamuthu/
More products digital (pdf, epub, mobi) instant
download maybe you interests ...
Statistical Methods An Introduction to Basic

Statistical Concepts and Analysis 2nd Edition Cheryl
Ann Willard
https://textbookfull.com/product/statistical-methods-an-
introduction-to-basic-statistical-concepts-and-analysis-2nd-
edition-cheryl-ann-willard/
A first course in quality engineering integrating

statistical and management methods of quality Third
Edition Krishnamoorthi
https://textbookfull.com/product/a-first-course-in-quality-
engineering-integrating-statistical-and-management-methods-of-
quality-third-edition-krishnamoorthi/
An Introduction to Statistical Methods and Data

Analysis 7th Edition R. Lyman Ott
https://textbookfull.com/product/an-introduction-to-statistical-
methods-and-data-analysis-7th-edition-r-lyman-ott/
Introduction to Statistical Methods for Financial

Models 1st Edition Thomas A Severini
https://textbookfull.com/product/introduction-to-statistical-
methods-for-financial-models-1st-edition-thomas-a-severini/
A First Course in Quality Engineering: Integrating
Statistical and Management Methods of Quality 3rd
Edition K S Krishnamoorthi
https://textbookfull.com/product/a-first-course-in-quality-
engineering-integrating-statistical-and-management-methods-of-
quality-3rd-edition-k-s-krishnamoorthi/
Statistical Data Analysis using SAS Intermediate

Statistical Methods Mervyn G. Marasinghe
https://textbookfull.com/product/statistical-data-analysis-using-
sas-intermediate-statistical-methods-mervyn-g-marasinghe/
Statistical Field Theory - An Introduction to Exactly

Solved Models in Statistical Physics 2nd Edition
Giuseppe Mussardo
https://textbookfull.com/product/statistical-field-theory-an-
introduction-to-exactly-solved-models-in-statistical-physics-2nd-
edition-giuseppe-mussardo/
Microstates Entropy and Quanta An Introduction to

Statistical Mechanics Don Koks
https://textbookfull.com/product/microstates-entropy-and-quanta-
an-introduction-to-statistical-mechanics-don-koks/
A Primer of Permutation Statistical Methods Kenneth J.

Berry
https://textbookfull.com/product/a-primer-of-permutation-
statistical-methods-kenneth-j-berry/
Dharmaraja Selvamuthu · Dipayan Das
Introduction to Statistical
Methods, Design of
Experiments and
Statistical Quality Control
Introduction to Statistical Methods, Design
of Experiments and Statistical Quality Control
Dharmaraja Selvamuthu Dipayan Das
•
Introduction to Statistical
Methods, Design
of Experiments and Statistical
Quality Control
123
Dharmaraja Selvamuthu Dipayan Das
Department of Mathematics Department of Textile Technology
Indian Institute of Technology Delhi Indian Institute of Technology Delhi
New Delhi, India New Delhi, India
ISBN 978-981-13-1735-4 ISBN 978-981-13-1736-1 (eBook)

https://doi.org/10.1007/978-981-13-1736-1
Library of Congress Control Number: 2018949329
© Springer Nature Singapore Pte Ltd. 2018

This work is subject to copyright. All rights are reserved by the Publisher, whether the whole or part
of the material is concerned, specifically the rights of translation, reprinting, reuse of illustrations,
recitation, broadcasting, reproduction on microfilms or in any other physical way, and transmission
or information storage and retrieval, electronic adaptation, computer software, or by similar or dissimilar
methodology now known or hereafter developed.
The use of general descriptive names, registered names, trademarks, service marks, etc. in this
publication does not imply, even in the absence of a specific statement, that such names are exempt from
the relevant protective laws and regulations and therefore free for general use.
The publisher, the authors and the editors are safe to assume that the advice and information in this
book are believed to be true and accurate at the date of publication. Neither the publisher nor the
authors or the editors give a warranty, express or implied, with respect to the material contained herein or
for any errors or omissions that may have been made. The publisher remains neutral with regard to
jurisdictional claims in published maps and institutional affiliations.
This Springer imprint is published by the registered company Springer Nature Singapore Pte Ltd.
The registered company address is: 152 Beach Road, #21-01/04 Gateway East, Singapore 189721,
Singapore
Foreword
Present-day research either academic or applied is facing entirely a different kind of

problem with respect to data; in particular, the volume, velocity, variety, and
veracity of data available have changed dramatically. Alongside the validity,
variability, veracity, of data have brought in new dimensions to associated risk in
using such data. While the value of data-driven decision making is becoming the
norm these days, the volatility and vulnerability of data pose a newer cautious
approach to using data gathered from social networks and sources. However, the
age-old problem of visualizing data and value adding from data analysis remains
unchanged.
In spite of the availability of newer approaches to learning from data, like
machine learning, deep learning, and other such modern data analytical tools, a
student of engineering or management or social and natural sciences still needs a
good basic grasp of the statistical methods and concepts (1) to describe a system in
a quantitative way, (2) to improve system through experiments, (3) to maintain the
system unaffected by external sources of variation, and (4) to analyze and predict
the dynamics of the system in the future. Toward this goal, students need a resource
(1) that does not require too many prerequisites, (2) that is easy to access, (3) that
explains concepts with examples, (4) that explains the validity of the methods
without getting lost in rigor, and last but not least, (5) that enhances the learning
experience. Professors Dharmaraja Selvamuthu and Dipayan Das have translated
their years of teaching and writing experience in the fields of descriptive and
inferential statistical methods, the design of experiments, and statistical quality
control to come out with a valuable resource that has all the desired features
outlined above.
The efforts of the authors can be seen in the depth and breadth of the topics
covered with the intention to be useful in different courses that are taught in
engineering colleges and technology institutions.
On the other hand, the instructors will enjoy using this resource as it makes their
teaching experience enhanced by the learning outcomes that are bound to accrue
from the content, structure, and exposition of this book. The exercises in this book
v
vi Foreword
add value as assessment tools for instructors and also offer additional practice for
students. The levels of difficulty in exercises are designed with such end in mind.
The authors will be appreciated by both students and instructors for this valuable
addition.
Good textbooks are like caring companions for students. This book has achieved
that merit.
Auckland, New Zealand Prof. Tiru Arthanari

University of Auckland
Preface
Statistics has great relevance to several disciplines like economics, commerce,

engineering, medicine, health care, agriculture, biochemistry, and textiles. A large
number of students with varied disciplinary backgrounds need a course in basics of
statistics, the design of experiments, and statistical quality control at an introductory
level to pursue their discipline of interest. The idea of writing this book emerged
several years ago since there is no textbook available which covers all the three
areas in one book. In view of the diverse audience, this book addresses these three
areas. No previous knowledge of probability or statistics is assumed, but an
understanding of calculus is a prerequisite. The main objective of this book is to
give an accessible presentation of concepts from probability theory, statistical
methods, the design of experiments, and statistical quality control. Practical
examples and end-of-chapter exercises are the highlights of the text as they are
purposely selected from different fields.
Organized into ten chapters, the book comprises major topics on statistical
methods, the design of experiments, and statistical quality control. Chapter 1 is the
introductory chapter which describes the importance of statistical methods, design
of experiments, and statistical quality control. Chapters 2–6 alone could be used as
a text for a one-semester, beginner’s level course in statistical methods. Similarly,
Chaps. 7–10 alone could be used as a text for a one-semester course in design of
experiments. Chapters 2–6 and 10 could be used as a text for a one-semester
introductory course in statistical and quality control. The whole book serves as a
master-level introductory course in all the three topics, as required in textile
engineering or industrial engineering. At the Indian Institute of Technology
(IIT) Delhi, the course Introduction to Statistics and Design of Experiments for
which this text was developed has been taught for over a decade, chiefly to students
majoring in engineering disciplines or mathematics. Chapter 2 introduces the basic
concepts of probability theory, conditional probability, the notion of independence,
and common techniques for calculating probabilities. To introduce probability
concepts and to demonstrate probability calculations, simple probabilistic experi-
ments such as selecting a card from a deck or rolling a die are considered. In
addition, the standard distributions, moments, and central limit theorem with
vii
viii Preface
examples are also discussed in Chap. 2. Chapter 3 presents the descriptive statistics,
which starts with concepts such as data, information, and description. Various
descriptive measures, such as central tendency measures, variability measures, and
coefficient of variation, are presented in this chapter. Inference in mathematics is
based on logic and presumably infallible at least when correctly applied, while
statistical inference considers how inference should proceed when the data are
subject to random fluctuation. Sampling theory can be employed to obtain infor-
mation about samples drawn at random from a known population. However, often it
is more important to be able to infer information about a population from samples
drawn from it. Such problems are dealt with in statistical inference. The statistical
inference may be divided into four major areas: theory, estimation, tests of
hypothesis, and correlation and regression analysis. This book treats these four
areas separately, dealing with the theory of sampling distributions and estimation in
Chap. 4, hypothesis testing in Chap. 5, and correlation and regression analysis in
Chap. 6. The statistical inference is dealt with in detail with sampling distribution in
Chap. 4. The standard sampling distributions such as chi-square, Student’s t, and
F distributions are presented. The sample mean and sample variance are studied,
and their expectations and variances are given. The central limit theorem is applied
to determine the probability distribution they follow. Then, this chapter deals with
point estimation, a method of moments, maximum likelihood estimator, and
interval estimation. The classic methods are used to estimate unknown population
parameters such as mean, proportion, and variance by computing statistics from
random samples and applying the theory of sampling distributions.
Chapter 5 covers a statistical test of the hypothesis in detail with many examples.
The topics such as simple and composite hypotheses, types of error, power,
operating characteristic curves, p value, Neyman–Pearson method, generalized
likelihood ratio test, use of asymptotic results to construct tests, and generalized
ratio test statistic are covered. In this chapter, analysis of variance, in particular,
one-way ANOVA, is also introduced, whereas its applications are presented in the
later chapters. Chapter 6 discusses the analysis of correlation and regression. This
chapter starts by introducing Spearman’s correlation coefficient and rank correlation
and later on presents simple linear regression and multiple linear regression.
Further, in this chapter, nonparametric tests such as Wilcoxon, Smirnov, and
median tests are presented. The descriptive statistics, sampling distributions, esti-
mations, statistical inference, testing of hypothesis, and correlation and regression
analysis are presented in Chaps. 2–6 and are applied to the design and analysis of
experiments in Chaps. 7–9. Chapter 7 gives an introduction to the design of
experiments. Starting with the definition of the design of experiments, this chapter
gives a brief history of experimental design along with the need for it. It then
discusses the principles and provides us with the guidelines of the design of
experiments and ends with the illustration of typical applications of statistically
designed experiments in process-, product-, and management-related activities. This
chapter also deals with a very popular design of experiments, known as a com-
pletely randomized design, which describes how to conduct an experiment and
discusses the analysis of the data obtained from the experiment. The analysis of the
Preface ix
experimental data includes the development of descriptive and regression models, a

statistical test of hypothesis based on the one-way classification of analysis of
variance, and multiple comparisons among treatment means. This chapter presents
many numerical examples to illustrate different methods of data analysis. At the
end, the reader is asked to solve many numerical problems to have a full under-
standing of a completely randomized design.
Chapter 8 discusses two important block designs, namely randomized block
design and Latin square design. It describes these designs by using practical
examples and discusses the analysis of the data obtained from experiments con-
ducted in accordance with these designs. The data analysis includes the develop-
ment of descriptive models, statistical tests of a hypothesis based on the two-way
and three-way classifications of analysis of variance, and multiple comparisons
among treatment mean. Also, in this chapter, many numerical examples are solved,
and several numerical problems are given at the end of the chapter as exercises.
Chapter 8 deals with an important class of experimental designs, known as factorial
designs. This chapter discusses the design and analysis of factorial experiments with
two or three factors, where each factor might have the same level or different levels.
It also discusses the design and analysis of 22 and 23 full factorial experiments. This
chapter explains two important design techniques, namely blocking and con-
founding, which are often followed by a factorial experiment. The design and
analysis of two-level fractional factorial design and the concept of design resolution
are explained. In this chapter, many numerical examples are given to illustrate the
concepts of different factorial designs and their methods of analysis. Additional
end-of-chapter exercises are provided to assess students’ understanding of factorial
experiments. Chapter 9 deals with response surface methodology, a collection of
mathematical and statistical tools and techniques used in developing, understand-
ing, and optimizing processes and products along with a description of response
surface models. It discusses the analysis of first-order and second-order response
surface models. It describes popular response surface designs that are suitable for
fitting the first-order and second-order models. Also, it describes the multi-factor
optimization technique based on the desirability function approach. This chapter
reports many numerical examples to illustrate different concepts of response surface
methodology. At the end, readers are asked to solve several numerical problems
based on the response surface methodology. Chapter 10 deals with statistical
quality control. This chapter discusses acceptance sampling techniques used for
inspection of incoming and outgoing materials in an industrial environment. It
describes single and double sampling plans for attributes and acceptance sampling
of variables. Further, this chapter also describes a very important tool in process
control, known as a control chart, which is used to monitor a manufacturing process
with quality assurance in mind. It provides an introduction to control chart. It
describes Shewhart’s three-sigma control charts for variables and attributes. It
discusses the process capability analysis. Also, it describes an advanced control
chart which is very efficient to detect a small shift in the mean of a process. Finally,
this chapter discusses many numerical examples to illustrate different concepts of
acceptance sampling techniques and quality control charts.
x Preface
The exposition of the entire book is processed with easy access to the subject
matter without sacrificing rigor, at the same time keeping prerequisites to a mini-
mum. A distinctive feature of this text is the “Remarks” following most of the
theorems and definitions. In Remarks, a particular result or concept being presented
is discussed from an intuitive point of view. A list of references is given at the end
of each chapter. Also, at the end of each chapter, there is a list of exercises to
facilitate the understanding of the main body of each chapter. Most of the examples
and exercises are classroom-tested in the course that we taught over many years.
Since the book is the outcome of years of teaching experience continuously
improved with students’ feedback, it is expected to yield a fruitful learning expe-
rience for the students, and the instructors will also enjoy facilitating such creative
learning. We hope that this book will serve as a valuable text for students.
We would like to express our gratitude to our organization—Indian Institute of
Technology Delhi—and numerous individuals who have contributed to this book.
Many former students of IIT Delhi, who took courses, namely MAL140 and
TTL773, provided excellent suggestions that we have tried to incorporate in this
book. We are immensely thankful to Prof. A. Rangan of IIT Madras for his
encouragement and criticism during the writing of this book. We are also indebted
to our doctoral research scholars, Dr. Arti Singh, Mr. Puneet Pasricha, Ms. Nitu
Sharma, Ms. Anubha Goel, and Mr. Ajay K. Maddineni, for their tremendous help
during the preparation of the manuscript in LaTeX and also for reading the
manuscript from a student point of view.
We gratefully acknowledge the book grant provided by the office of Quality
Improvement Programme of the IIT Delhi. Our thanks are also due to Mr. Shamim
Ahmad from Springer for his outstanding editorial work for this book. We are also
grateful to those anonymous referees who reviewed our book and provided us with
excellent suggestions. On a personal note, we wish to express our deep appreciation
to our families for their patience and support during this work.
In the end, we wish to tell our dear readers that we have tried hard to make this
book free of mathematical and typographical errors and misleading or ambiguous
statements. However, it might be possible that some are still being left in this book.
We will be grateful to receive such corrections and also suggestions for further
improvement of this book.
New Delhi, India Dharmaraja Selvamuthu

April 2018 Dipayan Das
Contents
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 Statistics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Statistical Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1 Problem of Data Representation . . . . . . . . . . . . . . . . 2
1.2.2 Problem of Fitting the Distribution to the Data . . . . . 3
1.2.3 Problem of Estimation of Parameters . . . . . . . . . . . . 4
1.2.4 Problem of Testing of Hypothesis . . . . . . . . . . . . . . 5
1.2.5 Problem of Correlation and Regression . . . . . . . . . . 6
1.3 Design of Experiments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.1 History . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.2 Necessity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.3 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4 Statistical Quality Control . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2 Review of Probability . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1 Basics of Probability . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1.1 Definition of Probability . . . . . . . . . . . . . . . . . . . . . 19
2.1.2 Conditional Probability . . . . . . . . . . . . . . . . . . . . . . 20
2.1.3 Total Probability Rule . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.4 Bayes’ Theorem . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2 Random Variable and Distribution Function . . . . . . . . . . . . . . 26
2.2.1 Discrete Type Random Variable . . . . . . . . . . . . . . . 27
2.2.2 Continuous Type Random Variable . . . . . . . . . . . . . 31
2.2.3 Function of a Random Variable . . . . . . . . . . . . . . . . 34
2.3 Moments and Generating Functions . . . . . . . . . . . . . . . . . . . . 36
2.3.1 Mean . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.3.2 Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.3.3 Moment of Order n . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.3.4 Generating Functions . . . . . . . . . . . . . . . . . . . . . . . 40
xi
xii Contents
2.4 Standard Probability Distributions . . . . . . . . . . . . . . . . . . . . . 43

2.4.1 Standard Discrete and Continuous Distributions . . . . 44
2.4.2 The Normal Distribution . . . . . . . . . . . . . . . . . . . . . 48
2.5 Central Limit Theorem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
Problems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3 Descriptive Statistics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.2 Data, Information, and Description . . . . . . . . . . . . . . . . . . . . . 64
3.2.1 Types of Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.2.2 Data, Information, and Statistic . . . . . . . . . . . . . . . . 67
3.2.3 Frequency Tables . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.2.4 Graphical Representations of Data . . . . . . . . . . . . . . 70
3.3 Descriptive Measures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
3.3.1 Central Tendency Measures . . . . . . . . . . . . . . . . . . . 79
3.3.2 Variability Measures . . . . . . . . . . . . . . . . . . . . . . . . 85
3.3.3 Coefficient of Variation . . . . . . . . . . . . . . . . . . . . . . 87
3.3.4 Displaying the Measures and Preparing Reports . . . . 89
Problems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
Reference . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
4 Sampling Distributions and Estimation . . . . . . . . . . . . . . . . . . . . . . 97
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.2 Statistical Distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
4.2.1 The Chi-Square Distribution . . . . . . . . . . . . . . . . . . 102
4.2.2 Student’s t-Distribution . . . . . . . . . . . . . . . . . . . . . . 104
4.2.3 F-Distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
4.2.4 Some Important Results on Sampling
Distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
4.2.5 Order Statistics . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
4.3 Point Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
4.3.1 Definition of Point Estimators . . . . . . . . . . . . . . . . . 112
4.3.2 Properties of Estimators . . . . . . . . . . . . . . . . . . . . . 113
4.4 Methods of Point Estimation . . . . . . . . . . . . . . . . . . . . . . . . . 124
4.4.1 Method of Moments . . . . . . . . . . . . . . . . . . . . . . . . 124
4.4.2 Method of Maximum Likelihood . . . . . . . . . . . . . . . 126
4.4.3 Asymptotic Distribution of MLEs . . . . . . . . . . . . . . 130
4.5 Interval Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
4.5.1 Confidence Interval . . . . . . . . . . . . . . . . . . . . . . . . . 131
Problems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
Contents xiii
5 Testing of Hypothesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147

5.1 Testing of Statistical Hypothesis . . . . . . . . . . . . . . . . . . . . . . 147
5.1.1 Null and Alternate Hypothesis . . . . . . . . . . . . . . . . . 148
5.1.2 Neyman–Pearson Theory . . . . . . . . . . . . . . . . . . . . . 149
5.1.3 Likelihood Ratio Test . . . . . . . . . . . . . . . . . . . . . . . 153
5.1.4 Test for the Population Mean . . . . . . . . . . . . . . . . . 154
5.1.5 Test for the Variance . . . . . . . . . . . . . . . . . . . . . . . 159
5.1.6 Test for the Distribution . . . . . . . . . . . . . . . . . . . . . 162
5.1.7 Testing Regarding Contingency Tables . . . . . . . . . . 166
5.1.8 Test Regarding Proportions . . . . . . . . . . . . . . . . . . . 169
5.2 Nonparametric Statistical Tests . . . . . . . . . . . . . . . . . . . . . . . 172
5.2.1 Sign Test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
5.2.2 Median Test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
5.2.3 Kolmogorov Smirnov Test . . . . . . . . . . . . . . . . . . . 175
5.2.4 Mann Whitney Wilcoxon U Test . . . . . . . . . . . . . . . 177
5.3 Analysis of Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
Problems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
6 Analysis of Correlation and Regression . . . . . . . . . . . . . . . . . . . . . 193
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
6.2 Correlation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
6.2.1 Causality . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
6.2.2 Rank Correlation . . . . . . . . . . . . . . . . . . . . . . . . . . 200
6.3 Multiple Correlation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
6.3.1 Partial Correlation . . . . . . . . . . . . . . . . . . . . . . . . . . 203
6.4 Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
6.4.1 Least Squares Method . . . . . . . . . . . . . . . . . . . . . . . 206
6.4.2 Unbiased Estimator Method . . . . . . . . . . . . . . . . . . 208
6.4.3 Hypothesis Testing Regarding Regression
Parameters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
6.4.4 Confidence Interval for b1 . . . . . . . . . . . . . . . . . . . . 214
6.4.5 Regression to the Mean . . . . . . . . . . . . . . . . . . . . . . 215
6.4.6 Inferences Covering b0 . . . . . . . . . . . . . . . . . . . . . . 218
6.4.7 Inferences Concerning the Mean Response
of b0 þ b1 x0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
6.5 Logistic Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
Problems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
7 Single-Factor Experimental Design . . . . . . . . . . . . . . . . . . . . . . . . . 223
7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
7.2 Completely Randomized Design . . . . . . . . . . . . . . . . . . . . . . 223
xiv Contents
7.2.1 A Practical Problem . . . . . . . . . . . . . . . . . . . . . . . . 225

7.2.2 Data Visualization . . . . . . . . . . . . . . . . . . . . . . . . . 226
7.2.3 Descriptive Model . . . . . . . . . . . . . . . . . . . . . . . . . 227
7.2.4 Test of Hypothesis . . . . . . . . . . . . . . . . . . . . . . . . . 231
7.2.5 Multiple Comparison Among Treatment Means
(Tukey’s Test) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
7.3 Randomized Block Design . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
7.3.5 Multiple Comparison Among Treatment Means . . . . 245
7.4 Latin Square Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
7.5 Balanced Incomplete Block Design . . . . . . . . . . . . . . . . . . . . 254
7.5.2 Experimental Data . . . . . . . . . . . . . . . . . . . . . . . . . 255
Problems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
Reference . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
8 Multifactor Experimental Designs . . . . . . . . . . . . . . . . . . . . . . . . . . 265
8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265
8.2 Two-Factor Factorial Design . . . . . . . . . . . . . . . . . . . . . . . . . 265
8.3 Three-Factor Factorial Design . . . . . . . . . . . . . . . . . . . . . . . . 272
8.4 22 Factorial Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
8.4.1 Display of 22 Factorial Design . . . . . . . . . . . . . . . . 277
8.4.2 Analysis of Effects in 22 Factorial Design . . . . . . . . 278
8.4.4 Regression Model . . . . . . . . . . . . . . . . . . . . . . . . . . 282
8.4.5 Response Surface . . . . . . . . . . . . . . . . . . . . . . . . . . 284
Contents xv
8.5 23 Factorial Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285

8.5.1 Display of 23 Factorial Design . . . . . . . . . . . . . . . . 285
8.5.2 Analysis of Effects in 23 Factorial Design . . . . . . . . 286
8.5.3 Yates’ Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . 289
8.5.4 A Practical Example . . . . . . . . . . . . . . . . . . . . . . . . 290
8.6 Blocking and Confounding . . . . . . . . . . . . . . . . . . . . . . . . . . 294
8.6.1 Replicates as Blocks . . . . . . . . . . . . . . . . . . . . . . . . 295
8.6.2 Confounding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
8.6.3 A Practical Example . . . . . . . . . . . . . . . . . . . . . . . . 298
8.7 Two-Level Fractional Factorial Design . . . . . . . . . . . . . . . . . . 300
8.7.1 Creation of 231 Factorial Design . . . . . . . . . . . . . . 300
8.7.2 Analysis of Effects in 231 Factorial Design
with I ¼ ABC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
8.7.3 Creation of Another 231 Factorial Design
with I ¼ ABC . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
8.7.4 Analysis of Effects in 231 Factorial Design
with I ¼ ABC . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
8.7.5 A Practical Example of 231 Factorial Design . . . . . 304
8.7.6 A Practical Example of 241 Factorial Design . . . . . 306
8.7.7 Design Resolution . . . . . . . . . . . . . . . . . . . . . . . . . . 309
Problems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310
Reference . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
9 Response Surface Methodology . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
9.2 Response Surface Models . . . . . . . . . . . . . . . . . . . . . . . . . . . 320
9.3 Multiple Linear Regression . . . . . . . . . . . . . . . . . . . . . . . . . . 321
9.3.1 A Generalized Model . . . . . . . . . . . . . . . . . . . . . . . 322
9.3.2 Estimation of Coefficients: Least Square Method . . . 322
9.3.3 Estimation of Variance r2 of Error Term . . . . . . . . . 324
9.3.4 Point Estimate of Coefficients . . . . . . . . . . . . . . . . . 324
9.3.5 Hypothesis Test for Significance of Regression . . . . 325
9.3.6 Hypothesis Test on Individual Regression
Coefficient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
9.3.7 Interval Estimates of Regression Coefficients . . . . . . 327
9.3.8 Point Estimation of Mean . . . . . . . . . . . . . . . . . . . . 328
9.3.9 Adequacy of Regression Model . . . . . . . . . . . . . . . . 329
9.4 Analysis of First-Order Model . . . . . . . . . . . . . . . . . . . . . . . . 332
9.5 Analysis of Second-Order Model . . . . . . . . . . . . . . . . . . . . . . 335
9.5.1 Location of Stationary Point . . . . . . . . . . . . . . . . . . 335
9.5.2 Nature of Stationary Point . . . . . . . . . . . . . . . . . . . . 337
xvi Contents
9.6 Response Surface Designs . . . . . . . . . . . . . . . . . . . . . . . . . . . 338

9.6.1 Designs for Fitting First-Order Model . . . . . . . . . . . 339
9.6.2 Experimental Designs for Fitting Second-Order
Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 339
9.7 Multi-factor Optimization . . . . . . . . . . . . . . . . . . . . . . . . . . . 344
Problems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 350
10 Statistical Quality Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
10.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
10.2 Acceptance Sampling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
10.3 Single Sampling Plan for Attributes . . . . . . . . . . . . . . . . . . . . 354
10.3.1 Definition of a Single Sampling Plan . . . . . . . . . . . . 354
10.3.2 Operating Characteristic Curve . . . . . . . . . . . . . . . . 355
10.3.3 Acceptable Quality Level . . . . . . . . . . . . . . . . . . . . 356
10.3.4 Rejectable Quality Level . . . . . . . . . . . . . . . . . . . . . 356
10.3.5 Designing an Acceptance Sampling Plan . . . . . . . . . 357
10.3.6 Effect of Sample Size on OC Curve . . . . . . . . . . . . . 359
10.3.7 Effect of Acceptance Number on OC Curve . . . . . . . 360
10.4 Double Sampling Plan for Attributes . . . . . . . . . . . . . . . . . . . 360
10.5 Acceptance Sampling of Variables . . . . . . . . . . . . . . . . . . . . . 362
10.5.1 Acceptance Sampling Plan . . . . . . . . . . . . . . . . . . . 362
10.5.2 The Producer’s Risk Condition . . . . . . . . . . . . . . . . 363
10.5.3 The Consumer’s Risk Condition . . . . . . . . . . . . . . . 363
10.5.4 Designing of Acceptance Sampling Plan . . . . . . . . . 363
10.6 Control Charts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365
10.6.1 Basis of Control Charts . . . . . . . . . . . . . . . . . . . . . . 365
10.6.2 Major Parts of a Control Chart . . . . . . . . . . . . . . . . 366
10.6.3 Statistical Basis for Choosing k Equal to 3 . . . . . . . . 367
10.6.4 Analysis of Control Chart . . . . . . . . . . . . . . . . . . . . 368
10.7 Types of Shewhart Control Charts . . . . . . . . . . . . . . . . . . . . . 369
10.7.1 The Mean Chart . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
10.7.2 The Range Chart . . . . . . . . . . . . . . . . . . . . . . . . . . 371
10.7.3 The Standard Deviation Chart (s-Chart) . . . . . . . . . . 372
10.8 Process Capability Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . 376
10.9 Control Chart for Fraction Defectives . . . . . . . . . . . . . . . . . . . 380
10.10 Control Chart for the Number of Defectives . . . . . . . . . . . . . . 381
10.11 Control Chart for The Number of Defects . . . . . . . . . . . . . . . 382
10.12 CUSUM Control Chart . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 383
10.13 Exponentially Weighted Moving Average Control Chart . . . . . 388
10.13.1 Basics of EWMA . . . . . . . . . . . . . . . . . . . . . . . . . . 389
10.13.2 Construction of EWMA Control Chart . . . . . . . . . . . 389
10.13.3 Choice of L and k . . . . . . . . . . . . . . . . . . . . . . . . . 391
Contents xvii
Problems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 393
Reference . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 398
Appendix A: Statistical Tables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 399
Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 427
About the Authors
Dharmaraja Selvamuthu is Professor in the Department of Mathematics, Indian

Institute of Technology Delhi, India. He also served as Head of the Department of
Mathematics, Indian Institute of Technology Delhi. He earned his M.Sc. degree in
applied mathematics from Anna University, Chennai, India, in 1994, and Ph.D. degree
in mathematics from the Indian Institute of Technology Madras, India, in 1999. He has
held visiting positions at Duke University, USA; Emory University, USA; University
of Calgary, Canada; University of Los Andes, Bogota, Colombia; National University
of Colombia, Bogota, Colombia; University of Verona, Italy; Sungkyunkwan
University, Suwon, Korea; and Universita Degli Studi di Salerno, Fisciano, Italy. His
research interests include applied probability, queueing theory, stochastic modeling,
performance analysis of computer and communications systems, and financial math-
ematics. He has published over 45 research papers in several international journals of
repute and over 20 research papers at various international conferences.
Dipayan Das is Professor in the Department of Textile Technology, Indian Institute

of Technology Delhi, India. He obtained his Ph.D. degree from the Technical
University of Liberec, the Czech Republic, in 2005. His research interests include
modeling of fibrous structures and their properties, product and process engineering
using statistical and mathematical techniques, and nonwoven products and processes.
He has published four books including two monographs and over 100 research papers
in scientific journals and conference proceedings. He is a recipient of the
BIRAC-SRISTI Gandhian Young Technological Innovation (GYTI) Appreciation
Award (in 2018), IIT Delhi Teaching Excellence Award (in 2017), and Kusuma Trust
Outstanding Young Faculty Fellowship (from 2008 to 2013).
xix
Acronyms
CDF Cumulative distribution function

MGF Moment-generating function
MLE Maximum likelihood estimator
MSE Mean square error
PDF Probability density function
PGF Probability generating function
PMF Probability mass function
RV Random variable
xxi
Chapter 1
Introduction
1.1 Statistics
Statistics is the science of data. The term statistics is derived from the New Latin
statisticum collegium (“council of state”) and the Italian word statista (“statesman”).
In a statistical investigation, it is known that for reasons of time or cost, one may not
be able to study each individual element (of population). Consider a manufacturing
unit that receives raw material from the vendors. It is then necessary to inspect the
raw materials before accepting it. It is practically impossible to check each and every
item of raw material. Thus, a few items (sample) are randomly selected from the lot
or batch and inspected individually before taking a decision to reject or accept the
lot. Consider another situation where one wants to find the retail book value (depen-
dent variable) of a used automobile using the age of the automobile (independent
variable). After conducting a study over the past sale of the used automobile, we
are left with the set of numbers. The challenge is to extract meaningful informa-
tion from the behavior observed (i.e., how age of the automobile is related to the
retail book value). Hence, statistics deals with the collection, classification, analysis,
and interpretation of data. Statistics provide us with an objective approach to do
this. There are several statistical techniques available for learning from data. One
needs to note that the scope of statistical methods is much wider than only statistical
inference problems. Such techniques are frequently applied in different branches of
science, engineering, medicine, and management. One of them is known as design
of experiments. When the goal of a study is to demonstrate cause and effect, experi-
ment is the only source of convincing data. For example, consider an investigation in
which researchers observed individuals and measure variable of interest but do not
attempt to influence response variable. But to study cause and effect, the researcher
deliberately imposes some treatment on individuals and then observes the response
variables. Thus, design of experiment refers to the process of planning and conducting
experiments and analyzing the experimental data by statistical methods so that valid
and objective conclusions can be obtained with minimum use of resources. Another
© Springer Nature Singapore Pte Ltd. 2018 1

D. Selvamuthu and D. Das, Introduction to Statistical Methods,
Design of Experiments and Statistical Quality Control,
https://doi.org/10.1007/978-981-13-1736-1_1
2 1 Introduction
important application of statistical techniques lies in statistical quality control, often

abbreviated as SQC. It includes statistical process control and statistical product
control. Statistical process control involves certain statistical techniques for mea-
surement and analysis of process variation, while statistical product control involves
certain statistical techniques for taking a decision whether a lot or batch of incoming
and outgoing materials is acceptable or not.
This book comprises of statistical methods, design of experiment, and statistical
quality control. A brief introduction to these three parts is as follows.
1.2 Statistical Methods
The architect of modern statistical methods in the Indian subcontinent was undoubt-
edly Mahalanobis,1 but he was helped by a very distinguished scientist C R Rao.2
Statistical methods are mathematical formulas, models, and techniques that are used
in statistical inference of raw data. Statistical inference mainly takes the form of
problem of point or interval estimation of certain parameters of the population and
of testing various claims about the population parameters known as hypothesis testing
problem. The main approaches to statistical inference can be classified into paramet-
ric, nonparametric, and Bayesian. Probability is an indispensable tool for statistical
inference. Further, there is a close connection between probability and statistics. This
is because characteristics of the population under study are assumed to be known in
probability problem, whereas in statistics, the main concern is to learn these charac-
teristics based on the characteristics of sample drawn from the population.
1.2.1 Problem of Data Representation
Statistics and data analysis procedures generally yield their output in numeric or
tabular forms. In other words, after an experiment is performed, we are left with
the set of numbers (data). The challenge is to understand the features of the data
and extract useful information. Empirical or descriptive statistics helps us in this. It
encompasses both graphical visualization methods and numerical summaries of the
data.
1 Prasanta Chandra Mahalanobis (June 29, 1893–June 28, 1972) was an Indian scientist and applied
statistician. He is best remembered for the Mahalanobis distance, a statistical measure, and for being
one of the members of the first Planning Commission of free India.
2 Calyampudi Radhakrishna Rao, known as C R Rao (born September 10, 1920) is an Indian-born,
naturalized American, mathematician, and statistician. He is currently Professor Emeritus at Penn

State University and Research Professor at the University at Buffalo. He has been honored by
numerous colloquia, honorary degrees, and festschrifts and was awarded the US National Medal of
Science in 2002.
1.2 Statistical Methods 3
Graphical Representation
Over the years, it has been found that tables and graphs are particularly useful ways
for presenting data. Such graphical techniques include plots such as scatter plots,
histograms, probability plots, spaghetti plots, residual plots, box plots, block plots,
and bi-plots. In descriptive statistics, a box plot is a convenient way of graphically
depicting groups of numerical data through their quartiles. A box plot presents a
simple but effective visual description of the main features, including symmetry or
skewness, of a data set. On the other hand, pie charts and bar graphs are useful in
the scenario when one is interested to depict the categories into which a population
is categorized. Thus, they apply to categorical or qualitative data. In a pie chart, a
circle (pie) is used to represent a population and it is sliced up into different sectors
with each sector representing the proportion of a category. One of the most basic and
frequently used statistical methods is to plot a scatter diagram showing the pattern of
relationships between a set of samples, on which there are two measured variables
x and y (say). One may be interested in fitting a curve to this scatter, or in the
possible clustering of samples, or in outliers, or in colinearities, or other regularities.
Histograms give a different way to organize and display the data. A histogram does
not retain as much information on the original data as a stem-and-leaf diagram, in
the sense that the actual values of the data are not displayed. Further, histograms
are more flexible in selecting the classes and can also be applied to the bivariate
data. Therefore, this flexibility makes them suitable as estimators of the underlying
distribution of the population.
Descriptive Statistics
Descriptive statistics are broken down into measures of central tendency and mea-
sures of variability (spread), and these measures provide valuable insight into the
corresponding population features. Further, in descriptive statistics, the feature iden-
tification and parameter estimation are obtained with no or minimal assumptions on
the underlying population. Measures of central tendency include the mean, median,
and mode, while measures of variability include the standard deviation or variance,
the minimum and maximum variables, and the kurtosis and skewness. Measures of
central tendency describe the center position of a data set. On the other hand, mea-
sures of variability help in analyzing how spread-out the distribution is for a set of
data. For example, in a class of 100 students, the measure of central tendency may
give average marks of students to be 62, but it does not give information about how
marks are distributed because there can still be students with 1 and 100 marks. Mea-
sures of variability help us communicate this by describing the shape and spread of
the data set.
1.2.2 Problem of Fitting the Distribution to the Data
There is a need to learn how to fit a particular family of distribution models to

the data; i.e., identify the member of the parametric family that best fits the data.
4 1 Introduction
For instance, suppose one is interested to examine n people and record a value
1 for people who have been exposed to the tuberculosis (TB) virus and a value
0 for people who have not been so exposed. The data will consist of a random
vector X = (X 1 , X 2 , . . . , X n ) where X i = 1 if the ith person has been exposed to
the TB virus and X i = 0 otherwise. A possible model would be to assume that
X 1 , X 2 , . . . , X n behave like n independent Bernoulli random variables each of which
has the same (unknown) probability p of taking the value 1. If the assumed parametric
model is a good approximation to the data generation mechanism, then the parametric
inference is not only valid but can be highly efficient. However, if the approximation
is not good, the results can be distorted. For instance, we wish to test a new device
for measuring blood pressure. We will try it out on n people and record the difference
between the value returned by the device and the true value as recorded by standard
techniques. The data will consist of a random vector X = (X 1 , X 2 , . . . , X n ) where
X i is the difference for the ith person. A possible model would be to assume that
X 1 , X 2 , . . . , X n behave like n independent random variables each having a normal
distribution with mean 0 and variance σ 2 density where σ 2 is some unknown positive
real number. It has been shown that even small deviations of the data generation
mechanism from the specified model can lead to large biases. Three methods of fitting
models to data are: (a) the method of moments, which derives its name because it
identifies the model parameters that correspond (in some sense) to the nonparametric
estimation of selected moments, (b) the method of maximum likelihood, and (c) the
method of least squares which is most commonly used for fitting regression models.
1.2.3 Problem of Estimation of Parameters
In addition, there is a need to focus on one of the main approaches for extrapolating
sample information to the population, called the parametric approach. This approach
starts with the assumption that the distribution of the population of interest belongs to
a specific parametric family of distribution models. Many such models depend on a
small number of parameters. For example, Poisson models are identified by the single
parameter λ, and normal models are identified by two parameters, μ and σ 2 . Under
this assumption (i.e., that there is a member of the assumed parametric family of
distributions that equals the population distribution of interest), the objective becomes
that of estimating the model parameters, to identify which member of the parametric
family of distributions best fits the data.
Point Estimation
Point estimation, in statistics, is the process of finding an approximate value of some
parameter of a population from random samples of the population. The method
mainly comprises of finding out an estimating formula of a parameter, which is
called the estimator of the parameter. The numerical value, which is obtained from
the formula on the basis of a sample, is called estimate.
Example 1.1 Let X 1 , X 2 , . . . , X n be a random sample from any distribution F with

mean μ. One may need to estimate the mean of the distribution. One of the natural
choices for the estimator of the mean is
1
n
Xi .
n i=1
Other examples may need to estimate a population proportion, variance, percentiles,

and interquartile range (IQR).
Confidence Interval Estimation
In many cases, in contrast to point estimation, one may be interested in constructing
an interval that contains the true value (unknown) of the parameter value with a
specified high probability. The interval is known as the confidence interval, and the
technique of obtaining such intervals is known as interval estimation.
Example 1.2 A retailer buys garments of the same style from two manufacturers and
suspects that the variation in the masses of the garments produced by the two makers
is different. A sample of size n 1 and n 2 was therefore chosen from a batch of garments
produced by the first manufacturer and the second manufacturer, respectively, and
weighed. We wish to find the confidence intervals for the ratio of variances of mass
of the garments from the one manufacturer with the other manufacturer.
Example 1.3 Consider another example of a manufacturer regularly tests received

consignments of yarn to check the average count or linear density (in the text).
Experience has shown that standard count tests on specimens chosen at random
from a delivery of a certain type of yarn usually have an average linear density of μ0
(say). A normal 35-tex yarn is to be tested. One is interested to know that how many
tests are required to be 95% sure that the value lies in an interval (a, b) where a and
b are known constants.
1.2.4 Problem of Testing of Hypothesis
Other than point estimation and interval estimation, one may be interested in deciding
which value among a set of values is true for a given distribution. In practice, the
functional form of the distribution is unknown. One may be interested in some
properties of the population without making any assumption on the distribution. This
procedure of taking a decision on the value of the parameter (parametric) or nature of
distribution (nonparametric) is known as the testing of hypothesis. The nonparametric
tests are also known as distribution-free tests. Some of the standard hypothesis tests
are z test, t test (parametric) and K S test, median test (nonparametric).
6 1 Introduction
Example 1.4 Often one wishes to investigate the effect of a factor (independent
variable x) on a response (dependent variable y). We then carry out an experiment
to compare a treatment when the levels of the factor are varied. This is a hypothesis
testing problem where we are interested in testing the equality of treatment means of
a single factor x on a response variable y (such problems are discussed in Chap. 7).
Example 1.5 Consider the following problem. A survey showed that a random sam-
ple of 100 private passenger cars was driven on an average 9,500 km a year with a
standard deviation of 1,650 km. Use this information to test the hypothesis that pri-
vate passenger cars are driven on the average 9,000 km a year against the alternatives
that the correct average is not 9,000 km a year.
Example 1.6 Consider another example of some competitive examination perfor-

mance of students from one particular institute in this country who took this exam-
ination last year. From the sample of n student’s score and known average score,
we wish to test the claim of an administrator that these students scored significantly
higher than the national average.
Example 1.7 Consider one another example of the weekly number of accidents over
a 30-week period in Delhi roads. From the sample of n observations, we wish to test
the hypothesis that the number of accidents in a week has a Poisson distribution.
Example 1.8 Let x1 , x2 , . . . , xn and y1 , y2 , . . . , yn be two independent random sam-

ples from two unknown distribution functions F and G. One is interested to know
whether both samples come from same distribution or not. This is a problem of
nonparametric hypothesis testing.
Nonparametric tests have some distinct advantages. Nonparametric tests may be

the only possible alternative in the scenarios when the outcomes are ranked, ordinal,
measured imprecisely, or are subject to outliers, and parametric methods could not be
implemented without making strict assumptions about the distribution of population.
Another important hypothesis test is analysis of variance (ANOVA). It is based on
the comparison of the variability between factor levels to average variability within
a factor level, and it is used to assess differences in factor levels. The applications of
ANOVA are discussed in design of experiments.
1.2.5 Problem of Correlation and Regression
Correlation refers to a broad class of relationships in statistics that involve depen-

dence. In statistics, dependence refers to a relationship between two or more random
variables or data sets, for instance, the correlation between the age of a used auto-
mobile and the retail book value of an automobile, correlation between the price and
demand of a product. However, in practice, correlation often refers to linear relation-
ship between two variables or data sets. There are various coefficients of correlation
that are used to measure the degree of correlation. Correlations are useful because
they can indicate a predictive relationship that can be exploited in practice. On the
other hand, regression analysis is a tool to identify the relationship that exists between
a dependent variable and one or more independent variables. In this technique, we
make a hypothesis about the relationship and then estimate the parameters of the
model and hence the regression equation. Correlation analysis can be used in two
basic ways: in the determination of the predictive ability of the variable and also in
determining the correlation between the two variables given.
The first part of the book discusses statistical methods whose applications in the
field of design of experiments and SQC are discussed in second part of the book. For
instance, in design of experiments, a well-designed experiment makes it easier to
understand different sources of variation. Analysis techniques such as ANOVA and
regression help to partition the variation for predicting the response or determining
if the differences seen between factor levels are more than expected when compared
to the variability seen within a factor level.
1.3 Design of Experiments
1.3.1 History
The concept of design of experiments was originated by Sir R. A. Fisher3 (Mont-

gomery 2007; Box et al. 2005). This happened when he was working at the Rotham-
sted Agricultural Experiment Station near London, England. The station had a huge
record of happenstance data of crop yield obtained from a large number of plots
of land treated every year with same particular fertilizer. It also had the records of
rainfall, temperature, and so on for the same period of time. Sir Fisher was asked if
he could extract additional information from these records using statistical methods.
The pioneering work of Sir Fisher during 1920–1930 led to introduce, for the first
time, the concept of design of experiment. This concept was further developed by
many statisticians. The catalytic effect of this concept was seen after the introduc-
tion of response surface methodology by Box and Wilson in 1951. The design of
experiments in conjunction with response surface methodology of analysis was used
to develop, improve, and optimize processes and products. Of late, the design of
experiments has started finding applications in cost reduction also. Today, a large
number of manufacturing and service industries do use it regularly.
3 Sir Ronald Aylmer Fisher FRS (February 17, 1890–July 29, 1962), who published as R. A. Fisher,
was a British statistician and geneticist. For his work in statistics, he has been described as “a genius
who almost single-handedly created the foundations for modern statistical science” and “the single
most important figure in twentieth-century statistics.”
8 1 Introduction
1.3.2 Necessity
There are several ways an experiment can be performed. They include best-guess
approach (trial-and-error method), one-factor-at-a-time approach, and design of
experiment approach. Let us discuss them one by one with the help of a practical
example. Suppose a product development engineer wanted to minimize the electrical
resistivity of electro-conductive yarns prepared by in situ electrochemical polymer-
ization of an electrically conducting monomer. Based on the experience, he knew
that the polymerization process factors, namely polymerization time and polymeriza-
tion temperature, played an important role in determining the electrical resistivity of
the electro-conductive yarns. He conducted an experiment with 20 min polymeriza-
tion time and 10 ◦ C polymerization temperature and prepared an electro-conductive
yarn. This yarn showed an electrical resistivity of 15.8 k/m. Further, he prepared
another electro-conductive yarn keeping the polymerization time at 60 min and poly-
merization temperature at 30 ◦ C. Thus, prepared electro-conductive yarn exhibited
electrical resistivity of 5.2 k/m. He thought that this was the lowest resistivity pos-
sible to obtain, and hence, he decided not to carry out any experiment further. This
strategy of experimentation, often known as best-guess approach or trial-and-error
method, is frequently followed in practice. It sometimes works reasonably well if
the experimenter has an in-depth theoretical knowledge and practical experience of
the process. However, there are serious disadvantages associated with this approach.
Consider that the experimenter does not obtain the desired results. He will then
continue with another combination of process factors. This can be continued for a
long time, without any guarantee of success. Further, consider that the experimenter
obtains an acceptable result. He then stops the experiment, though there is no guar-
antee that he obtains the best solution. Another strategy of experiment that is often
used in practice relates to one-factor-at-a-time approach. In this approach, the level
of a factor is varied, keeping the level of the other factors constant. Then, the level
of another factor is altered, keeping the level of remaining factors constant. This is
continued till the levels of all factors are varied. The resulting data are then ana-
lyzed to show how the response variable is affected by varying each factor while
keeping other factors constant. Suppose the product development engineer followed
this strategy of experimentation and obtained the results as displayed in Fig. 1.1. It
can be seen that the electrical resistivity increased from 15.8 to 20.3 k/m when
the polymerization time increased from 20 to 60 min, keeping the polymerization
temperature constant at 10 ◦ C. Further, it can be seen that the electrical resistivity
decreased from 15.8 to 10.8 k/m when the polymerization temperature raised from
10 to 30 ◦ C, keeping the polymerization time at 20 min. The optimal combination of
process factors to obtain the lowest electrical resistivity (10.8 k/m) would be thus
chosen as 20 min polymerization time and 30 ◦ C polymerization temperature.
The major disadvantage of the one-factor-at-a-time approach lies in the fact that
it fails to consider any possible interaction present between the factors. Interaction
is said to happen when the difference in responses between the levels of one factor is
not same at all levels of the other factors. Figure 1.2 displays an interaction between
1.3 Design of Experiments 9
Fig. 1.1 Effects of polymerization process factors on electrical resistivity of yarns
Fig. 1.2 Effect of

interaction between
polymerization time and
temperature
polymerization temperature and polymerization time in determining the electrical

resistivity of electro-conductive yarns. It can be observed that the electrical resis-
tivity increased with the increase of polymerization time when the polymerization
temperature was kept at a lower level (10 ◦ C). But the resistivity decreased with the
increase of polymerization time when the polymerization temperature was kept at a
higher level (30 ◦ C). The lowest resistivity (5.2 k/m) was registered at a polymer-
ization time of 60 min and polymerization temperature of 30 ◦ C. Note that the lowest
resistivity obtained with the factorial experiment with four runs was much smaller
than that obtained with the one-factor-at-a-time experiment with three runs. In prac-
tice, interactions between factors happen frequently; hence, the one-factor-at-a-time
approach fails to produce the desirable results. The correct approach in dealing with
many factors is factorial design of experiment. In this approach, the factors are varied
together, instead of one at a time. Let us illustrate this concept with the help of earlier
example of electro-conductive yarn. Suppose a factorial design of experiment was
carried out with four runs as follows. In run 1, the polymerization time was kept
10 1 Introduction
at 20 min and the polymerization temperature was maintained at 10 ◦ C. In run 2,

the polymerization time was kept at 60 min and the polymerization temperature was
maintained at 10 ◦ C. In run 3, the polymerization time was kept at 20 min and the
polymerization temperature was maintained at 30 ◦ C. In run 4, the polymerization
time was kept at 60 min and the polymerization temperature was kept at 30 ◦ C. In
this way, four specimens of electro-conductive yarns were prepared. This is a two-
factor factorial design of experiment with both factors kept at two levels each. Let us
denote the factors by symbols A and B, where A represents polymerization time and
B refers to polymerization temperature. The levels are called as “low” and “high” and
denoted by “−” and “+”, respectively. The low level of factor A indicates 20 min,
and the high level of factor A refers to 60 min. Similarly, the low level of factor B
refers to 10 ◦ C and the high level of factor B indicates 30 ◦ C. The results of electrical
resistivity for the four runs are displayed in Table 1.1. It is possible to calculate the
main effects of polymerization time and polymerization temperature on the electrical
resistivity of yarns. Also, it is possible to calculate the effect of interaction between
polymerization time and polymerization temperature on the electrical resistivity of
yarns. This is discussed below. The main effect of A is calculated from the difference
between the average of the observations when A is at high level and the average of
the observations when A is at low level. This is shown below.
5.2 + 20.3 10.8 + 15.8
A= − = −0.55.
2 2
Similarly, the main effect of B is calculated from the difference between the average
of the observations when B is at high level and the average of the observations when
B is at low level. This is shown below.
5.2 + 10.8 20.3 + 15.8
B= − = −10.05.
2 2
Similarly, the interaction effect of AB is calculated from the difference between the
average of the observations when the product AB is at high level and the average of
the observations when the product AB is at low level. This is shown below.
5.2 + 15.8 10.8 + 20.3

AB = − = −5.05.
2 2
Table 1.1 Electrical Run Factor A Factor B Product AB Resistivity

resistivity of yarn (k/m)
1 − − + 15.8
2 + − − 20.3
3 − + − 10.8
4 + + + 5.2
Another random document with
no related content on Scribd:
hänen aseenkantajiansa vastaan, mutta hän teki kiertoliikkeitä ja sai
enemmistön kannatuksen.
Samalla kuulin, että talo vihdoinkin oli asuttavassa kunnossa.

Lähdettiin katsomaan uutta kotia. Kaikki oli vielä mullin mallin ja
keskeneräistä. Vaikea oli uskoa taloa siksi, joka meille oli esiintynyt
niin ruusuisessa valossa. Luvattuja mukavuuksia ei näkynyt: turhaan
haki hissiä ja kylpyhuonetta. Katri huokasi raskaasti ja sanoi, että
kylpyhuone olisi ollut välttämätön. Kun katsoin häntä tarkemmin,
ymmärsin liiankin hyvin, mitä hän tarkoitti…
Vaikka pettymyksemme olikin suuri, ei meillä ollut aikaa sitä

vaikeroida. Olihan se sittenkin kauan kaivattu oma koti, jonka
luomiseen olimme hikemme ja väkemme uhranneet! Jahka kaikki
saataisiin järjestykseen, niin tulisi kyllä mukavaa ja hauskaa. Sirkan
huone sisustettiin hänen oman makunsa mukaan. Hän otti osaa
keväällä pidettäviin ylioppilaskirjoituksiin, ja minä olin iloinen
kyetessäni nyt valvomaan, etteivät kaikenlaiset herrankekkaleet
saaneet viekoitella tyttöä kahvilaan ja automobiiliretkille.
Uudessa kodissa saatoin taas paremmin antautua

laulunopetukseen, koska Sirkan soittokone oli käytettävissäni. Se oli
tärkeänä eränä tuloarviossani. Niin paljon kun olinkin ahertanut kynä
kädessä, oli siitä kuitenkin hyvin vähän kertynyt kukkaroon.
Hääpäiväämme lukuunottamatta oli elämämme hauskin hetki se,

jolloin muutimme uuteen kotiin. Sirkka auttoi muuttopuuhissa.
Madonnankuvan nähdessään hän alkoi uteliaasti tarkastaa sitä,
katsoi Katria ja sanoi:
"Ei, mutta Katri! Kuva on sinun näköisesi."

Minä sanoin tehneeni saman huomion, mutta se oli varmaan
paljasta kuvittelua.
"Jos istuisit tuossa asennossa lapsi sylissä, olisit ihan ilmetty

madonna", väitti Sirkka uudelleen.
Katri punehtui ja sanoi:
"Minulla ei ole lasta… Enkä minä ole mikään madonna…
"Annappa Sirkan lukea se kaunis laulusi", pyysin minä.
"Onko Katri kirjoittanut laulun?" ihastui Sirkka ja alkoi heti vaatia

sitä lukeakseen. Eikä hän hellittänyt ennen kuin voitti. Luettuaan hän
sanoi:
"Voi, jos osaisin säveltää, kirjoittaisin lauluun musiikin. Siitä tulisi

erinomainen. Kuka olisi uskonut, että sinä osaat runoilla. Mutta
ihmekös se, kun on runoilijan kanssa naimisissa! Jospa minäkin
saisin runoilijan! Ei sentään, he ovat niin juroja ja kömpelöitä eivätkä
välitä vähääkään ulkonaisesta esiintymisestään."
"Mikä mies sinun sulhasesi on?" kysyi Katri.
Sirkka punastui ja alkoi katsella madonnankuvaa.
"Enon pitää sepittää sävellys tähän lauluun! Enohan on opiskellut

musiikin teoriaa", sanoi tyttö.
"Voisihan sitä koettaa, kun pääsisi muuttopuuhista", lupasin

saadakseni hänet kimpustani.
Kun madonna sitte vietiin muun romun mukana ullakolle, unohtui

koko asia.
Jos talo oli kehno, olivat vuokrat sitä komeammat. Emme olleet
uskoa silmiämme! Keskikaupungilla olisi helpommalla asunut. Mitä
jäisi meille enää ruokaan ja vaatteisiin! Katri laski kumminkin, että
liika huone tuottaisi 40—50 markkaa, mikä vähentäisi vuokraa
tuntuvasti. Sirkka puolestaan lupasi ottaa asuintoverin, jos saisi
siistin naisen, joka olisi päivät poissa. Se ei häiritsisi hänen
opintojansa, ja se voisi tuottaa 15—20 markkaa kuussa.
Aloimme ahkerasti ilmoittaa lehdissä, mutta pitkiin aikoihin ei

kukaan ottanut sitä huomioonsa. Siihen oli syynä matkan pituus ja
talon kehnous. Ilmeisesti oli myöskin huoneita enemmän kuin
kysyjiä.
Eräänä aamuna tuli vihdoin nuori, hienosti puettu neiti, kädessään

sanomalehti, toisessa hatturasia. Hän hyväksyi huoneen ja lupasi
muuttaa heti. Uusi asukas oli hyvin puhelias, kertoi omistavansa
suuren muotiliikkeen. Tavarat olivat tulipalossa joutuneet hukkaan,
mutta hän oli saanut korvauksen yhtiöltä. Tulipa hän siveellisellä
kuohumuksella maininneeksi siitäkin, että kaupungilla oli iltasin
vaarallinen liikkua hävyttömien herrojen tähden, jotka eivät antaneet
naisten kulkea rauhassa.
Olimme iloisia, kun saimme Sirkalle vakavahenkisen

huonekumppanin, ja kun nainen lisäksi vaikutti sivistyneeltä, ei meillä
ollut mitään häntä vastaan. Vuokran hän lupasi suorittaa
kuukausittain tai viikottainkin, miten vain halusimme.
Käydessäni ensi kertaa vuokraa maksamassa huomautin

tirehtöörille, ettei talo ollut lupausten arvoinen ja että kauhea vuokra
saattaisi varattoman osakkaan perikatoon. Hän nauroi: talo oli joka
suhteessa uudenaikainen, mutta jos tahdoin nähdä huonon talon, piti
minun mennä katsomaan sille ja sille kadulle sitä ja sitä taloa. Hissi
kyllä puuttui, mutta minä olin nuori kiipeämään. Mitä
kylpyhuoneeseen tuli, niin oli Helsingissä riittävästi saunoja, eikä siis
likaisena tarvinnut olla. Huoneiden kylmyyttä oli kovasti moitittu,
mutta se tuli siitä, että keskuslämmitys alussa toimi
epäsäännöllisesti; se vika kyllä korjaantuisi. Vuokrat eivät
isännöitsijän mielestä olleet korkeat, ja ne vielä alenisivatkin pian.
Lopputuloksena oli siis, että talossa asui kuin ruhtinas palatsissaan.
Ei muuta kuin maksaa vuokransa täsmällisesti, silloin kaikki menee
kuin rasvattu.
Samassa tilaisuudessa jouduin todistajaksi välikohtaukseen, joka

herätti minussa pahoja aavistuksia. Olin aikeissa lähteä, kun sisään
tuli mies, jonka kiihtyneestä puheesta eroitin sanoja sellaisia kuin
"keinottelu", "huijaus", "petkutus". Samassa hän veti tukun papereita
taskustaan ja heitti ne tirehtöörille vasten naamaa huutaen: "Tuossa
ovat roskapaperinne!" Tirehtööri ei ollut toipunut hämmästyksestään,
kun mies jo huusi ovelta: "Kaikkien roistojen kanssa pitää joutua
tekemisiin!"
"Tämä juttu ratkaistaan raastuvanoikeudessa!" uhkasi tirehtööri.
Mutta mies oli jo hävinnyt. Katselin hänen hylkäämiänsä papereita

ja huomasin ne kauhukseni kaivosyhtiön osakkeiksi. En malttanut
olla kysymättä, olivatko kaivososakkeet arvottomia, kun mies oli ne
pois heittänyt. Hän vastasi nauraen, että räyhääjä oli mielipuoli.
Kysyin osinkoa; tirehtööri selitti, ettei ollut vielä päätetty,
maksettaisiinko kymmenen vai viisitoista prosenttia. Hän oli
ehdottanut kahtakymmentä.
Sirkan asuintoveri oli ollut meillä pari viikkoa, ja yhä

salaperäisemmältä hän alkoi tuntua. Hän oli iltasin myöhään ulkona,
toisinaan koko yön. Hän pyysi anteeksi, liikkeessä tehtiin ylityötä.
Eräänä päivänä hänen hattukotelonsa äkkiä katosi. Aloimme pelätä
pahaa, ja kun ei häntä toisenakaan päivänä kuulunut, soitin
liikkeeseen, jossa hänen piti työskennellä. Sain vastaukseksi, ettei
siellä ollut mitään tietoa sennimisestä henkilöstä.
Pian selvisi, mikä otus vuokralaisemme oli. Sirkka kertoi, että

nainen eräänä yönä oli aikonut tulla kotiin humalaisen herrasmiehen
seurassa, mutta kääntynyt takaisin huomatessaan hänen olevan
hereillä. Kuinka me kauhistuimmekaan saadessamme tietää, miten
läheisessä kosketuksessa Sirkka oli ollut katunaisen kanssa!
Vähemmän merkitsi se, että hän hyväsydämisyydessään oli
lainannut mokomalle neljäkymmentä markkaa muka aivan
tilapäiseen tarpeeseen.
"Kylläpä olemme tulleet nenästä vedetyiksi! Mutta kuka siitä

naisesta olisi uskonut sellaista!" päivitteli Katri.
"Siitä näet, että ulkonäkö pettää. Olkoon tämä opiksi! Paras on

vaatia asukkailtamme vuokra etukäteen, niinkuin itsekin maksamme
yhtiölle."
Vielä ikävämpää oli, että minä en saanut oppilaita, niinkuin olin

toivonut. Matka oli liian pitkä.
Siunatuksi lopuksi ilmoitti Katri salaisuuden: saisin valmistautua

vastaanottamaan iloista tapausta.
Syystä kyllä kaipasi Katri kylpyhuonetta!

KOLMASTOISTA LUKU.
Kurjuus astuu kynnyksen yli.
Herra tirehtöörillä oli omissa nimissään suuri, komea huoneusto

talossa, ja uusia hienoja huonekaluja tuotiin monta kuormallista.
Niin pian kuin isännöitsijä muutti taloon, jouduimme me muut

kovan komennon alaisiksi. Tirehtöörin vanha vältti oli: "Tämä juttu
jatkuu raastuvanoikeudessa". Etenkin hän valvoi ankarasti, ettei
talossa saanut asua huonomaineisia, epäsiveellisyyttä harjoittavia
henkilöitä — itse hän tietysti oli sen lain yläpuolella.
Ei kuitenkaan hänenkään olonsa Onnelassa ruusuilla tanssimista

ollut. Mustasukkainen rakastajatar pani toimeen kohtauksia, ja
naapurien yörauha tuli usein mitä ikävimmin häirityksi.
Me emme hakeneet Sirkalle uutta toveria, mutta toisen huoneen

vuokrasimme eräälle työläisperheelle. Tällä kertaa menettelimme
varovammin: vaadimme vuokran etukäteen. Pian kuitenkin mies
joutui työttömäksi lakon takia. Emme julenneet heitä häätää, etenkin
kun tiesimme, että työläiset yleensä rehellisesti maksavat parempien
aikojen tultua.
Jokainen päivä lisäsi meille vaikeuksia. Sirkka alkoi sairastella. Se
johtui vilustumisesta. Huoneemme olivat kosteat ja kylmät kuin
kellari.
Keväällä piti Sirkan saada kauan uneksimansa lyyry.
Katri oli käynyt ostamassa kimpun vereksiä kukkia, ja kun ensi

parvi "vastaleivottuja" riemuhuudoin ja valkolakkiansa heilutellen kiiti
alas yliopiston korkeita rappusia, lähdimme etsimään häntä. Kesti
kauan ennenkuin löysimme hänet, sillä senaatintori oli kuin kuohuva,
valkea meri. Sitte tulivat toverit ja ihailijat, ja pian oli tyttö kukissa
kiireestä kantapäähän. Katrin kukat aivan hukkuivat noihin loistaviin
ruusu- ja orvokkikimppuihin, mutta Sirkka sanoi, että ne olivat
kaikista rakkaimmat.
Koska tyttö oli rasittunut ja levon tarpeessa, aloimme hommata

häntä maalle.
Kesänviettomme oli kuitenkin vaikeasti järjestettävissä.

Huoneustostamme oli vuokra maksettava, asuimmepa maalla tai
kaupungissa. Olimme pitkin talvea ilmoittaneet, mutta emme
onnistuneet saamaan sopivaa kesäasukasta.
Paljon kiusaa ja tappiota koitui meille asukkaistamme. Vaimo

sairasteli, mies oli yhä työtönnä — ja monen kuukauden vuokra
maksamatta. Heidät oli sanottava irti, mutta en tiedä, miksi se tuntui
niin vaikealta.
Kun ei minulla ollut luontoa tehdä sitä muutoin, turvauduin

hätävalheeseen. Sanoin, että olimme vuokranneet huoneuston
kokonaisuudessaan. Meillä olisi ollut oikeus pidättää huonekalut
vuokrasta, mutta pidimme mieluummin vahingon hyvänämme. Katri
sanoi katkerasti naurahtaen:
"Tällainen vuokralaisten pitäminen vie meidät vararikkoon."
"Sitä minäkin pelkään. Ei saisi olla sydäntä — ainoastaan kylmä,

omaa etuansa laskeva järki."
Hädin saimme kokoon sen verran, että saatoimme maksaa oman

vuokramme yhtiölle, sillä siltä ei ollut armoa odotettavissa.
Kesän viettoa painostivat raskaat huolet ja synkät aavistukset

tulevaisuuden suhteen. Ennen muuta tuotti Sirkan asia vaikeuksia.
Hänen oli määrä syksyllä lähteä ulkomaille. Mutta hänpä sanoikin
jättävänsä soitto-opinnot ja ryhtyvänsä laulua harjoittamaan. Tiesin
hänellä olevan hyvän lauluäänen, mutta asetuin kuitenkin
vastustavalle kannalle, koska hän jo oli peräti pitkällä
piaanonsoitossa. Mutta naisen itsepäisyyttä vastaan on hyödytön
taistella — ja lopuksi täytyi minun taipua. Nyt kuitenkin puuttui
kaikkein välttämättömin — raha. Perintö oli sijoitettu osakkeihin.
Kuka muuttaisi ne takaisin rahaksi? Yritin ottaa osakkeita vastaan
lainan, mutta rahamiehet eivät huolineet niitä vakuudeksi. Eikä
niiden myymistä kannattanut ottaa puheeksikaan.
Kiusaannuksissani menin tirehtöörin luo ja kerroin, mitä muut

ajattelivat hänen suurta voittoa tuottavista arvopapereistaan. Hän
antoi lyhyitä, kiertäviä vastauksia ja päästäkseen eroon minusta
asettui itse hyökkäävälle kannalle.
"Teillä on monen kuukauden vuokra suorittamatta. Maksakaa se

ensi tilassa, muuten…"
Hän ei sanonut loppuun, vaan jätti minulle täydentämisen
tilaisuuden.
Parin päivän perästä ilmoitti isännöitsijä, että koska minä en ollut

maksanut vuokraani, oli yhtiö päättänyt periä sen laillista tietä. Tämä
uhkaus sai minut suunniltani. Katrin tila oli nyt sellainen, että hänen
oli pitänyt jättää toimensa. Minun täytyi jälleen vedota setäni
avuliaisuuteen, mutta hän sanoi jo kylliksi uhranneensa minun
tähteni —, jota en parhaalla tahdollanikaan voinut kieltää.
"Enkö minä pahaa pelännyt! Sinun on heti myytävä osakkeet, jos

se vielä on mahdollista."
Raskain mielin lähdin kotiin. Katri ei tahtonut kuulla puhettakaan

osakkeiden myynnistä. Hetikö taas pitäisi lähteä omasta kodista
toisten nurkissa elää kituuttamaan? Ei! Niin pian kuin hän tulee
entiselleen, tekee hän työtä yöt päivät, jotta saataisiin asua omassa
kodissa.
Olin pyytänyt yhtiötä ottamaan huomioon vaikean tilani ja

odottamaan. Mutta eräänä aamuna tuli haastemies. Minä seisoin
kuin puulla päähän lyötynä. Koetin salata koko asiaa Katrilta, mutta
hän loukkaantui ja kysyi, miksi minä en luottanut häneen.
Menin vielä kerran isännöitsijän luo ja pyysin järjestää asian, mutta

hän sanoi sen jo menevän laillista latuansa. Minä sain syyttää
itseäni; miksen maksanut ajoissa?
Kun minulla ei ollut varoja asianajajan palkkaamiseen, oli minun

itse lähdettävä vastaamaan asiastani. Katrille en ilmoittanut mitään,
sillä olin varma, että hän siinä tapauksessa tulisi oikeuteen minua
rohkaisemaan.
Eräänä aamuna otti korkea oikeus jutun käsitelläkseen. Tirehtööri
oli itse vetäytynyt kulissien taakse ja antanut jutun Jutkun ja Metkun
asianajotoimiston huostaan.
Raastuvanoikeuden puheenjohtaja, pieni, kuivettunut, kärtyisen

näköinen herra, käännähti tuolillaan, jotta se narahti pahaenteisesti.
Hän rykäisi virallisen kuivasti, sijoitti lasit nokalleen, jonka väri oli
sinipunainen, ja alkoi selailla pöydällä olevia papereita. Lopuksi hän
aivasti ja niisti nenänsä peloittavalla ankaruudella. Minä luin
kaikessa tuossa varoituksen: "arvonantoa, herraseni, te, joka olette
hävyttömästi jättänyt vuokranne maksamatta".
Pöydän kummallakin sivulla istuivat neuvosherrat ikävystyneinä ja

haukottelivat. Tuntui siltä kuin olisi heidät siirretty pikkutunneilta
suoraan oikeuden istuntoon. Heidän elottomilla kasvoillaan saattoi
lukea minulle osoitetun paheksumislausunnon: "miksette hyvällä
maksanut vuokraanne, ettei meidän olisi joutavan jutun takia
tarvinnut hauskasta seurasta lähteä?"
Puheenjohtaja suvaitsi kääntyä minun vaivaisen syntisen puoleeni

ja kysyä, olinko haastekirjassa mainittu henkilö. Vastasin, että
minulla oli kunnia olla se mies. Mutta selvästi näki, ettei sitä minään
kunniana pidetty. Ja totta puhuen hävetti itseänikin olla omissa
housuissani. Sata kertaa mieluummin olisin ollut joku muu henkilö —
yksi noista, jotka tähän aikaan luovivat jotakin ravintolaa kohti
tilatakseen maukkaan aamiaisen.
Herra puheenjohtaja alkoi ruotsiksi murtaen lukea haastekirjaa —

nähtävästi minun laskuuni, vaikka minä osasin koko sepitelmän
ulkoa sekä etu- että takaperin. Musertavan taidepaussin jälkeen hän
kysyi, oliko minulla mitään sen johdosta sanottavaa.
Minä rykäisin — minäkin vuorostani. Mutta se ei tehnyt toivottua
vaikutusta. Siltä puuttui virkamahtia. Sitte minä sanoin, että minulla
oli asiakirjan johdosta yhtä ja toista sydämelläni.
Korkea oikeus osoitti hiukan vilkkautta ja asettui odottavalle

kannalle. Mutta tuskin olin päässyt alkuun yhtiön perättömistä
lupauksista, kun puheenjohtaja kysyi kärsimättömästi, mitä se asia
tähän kuului. Vastasin, että se hipaisi jokseenkin läheltä, ja jatkoin
esitystäni.
Puheenjohtaja kysyi sitte kantajalta, mitä hän arveli minun

puolustuspuheestani. Siihen sanoi Jutkun ja Metkun mies julkeasti,
että heidän nähdäkseen se ei vaikuttanut mitään itse asiaan. Hän
vaati juttua heti päätettäväksi.
Lyhyen neuvottelun jälkeen julisti korkea oikeus päätöksen, joka

meni siihen suuntaan, että minun piti heti mukisematta maksaa
yhtiölle korkojen kanssa, mitä olin sille maksava, sekä oikeuskuluja
niin ja niin paljon.
Kun minä maahan lyötynä ja musertuneena tulin kotiin, riensi Katri

vastaani ja sanoi olevansa aivan varma, että minä olin suoriutunut
voittajana. Hän ei ymmärtänyt, että lakimiehet pitelevät lakipykäliä
kuin etevä peluri sakkinappuloita.
"Katri-kulta", sanoin, "mitäs minä mahdoin yksin kokonaista yhtiötä

vastaan. Jos olisin voinut palkata ovelan asianajajan, olisin ehkä
voittanut."
Asia jatkui laillista kulkuansa. Eräänä aamuna, kun Sirkka oli

lähtenyt opistoon, tuli pari hienoa herrasmiestä, joista toisella oli
salkku kainalossa. Toinen luki oikeuden päätöksen. Häikäilemättä
tulivat he sisään, ja alkoivat merkitä huonekaluja, liimaten kuhunkin
keltaisen lapun.
Ryöstöherrojen mentyä kiitin sydämestäni Jumalaa, ettei Katri ollut

tätä murhenäytelmää näkemässä — hän oli päivää ennen siirtynyt
synnytyslaitokseen.
Puuttui vielä viimeinen näytös: omaisuutemme myynti

pakkohuutokaupalla.
Sattui sadepäivä, ja saattoi pitää varmana, että omaisuutemme

menisi polkuhintaan. Märkinä viruivat huonekalumme, nuo meille niin
tutut ja rakkaat. Sirkan pianiino oli kolhittu naarmuille.
Koko omaisuudestamme kertyi tuskin sen vertaa, että yhtiön

saatava tuli kuitatuksi.
Kun Sirkka kotiin tultuaan näki huoneensa tyhjänä, jäi hän alussa
aivan sanattomaksi. Minun täytyi ilmaista kaikki; mitäpä olisi
hyödyttänytkään salata totuutta.
"Minä yksin olen syyllinen. Säästä Katria!"
Hän oli kauan vaiti ja sanoi sitte:
"Pitää vuokrata soittokone."
Lupasin järjestää asian parhaani mukaan, ja hän oli taas iloinen

kuten ennenkin.
Vihdoin tuli Katri kotiin kantaen jotakin, jota hän piteli kuin olisi
siinä ollut helposti särkyvä esine. Hän laski sen sänkyyn, oikaisihe ja
sanoi veitikkamaisesti hymyillen:
"Olen hankkinut vuokralaisen!"
Olin niin raskasmielinen, etten ymmärtänyt leikkiä. Sanoin:
"Kiitos, Katri-kulta! Sinä saat aina jotakin aikaan."
"Älä minua kiitä", sanoi hän nauraen. "Se on yhtä paljon sinun
ansiotasi."
Kun hän sitte katsoi ympärilleen ja näki, että huone oli tyhjä,
säikähti hän niin että pelkäsin hänen pyörtyvän ja otin hänestä kiinni.
Mutta hän sanoi:
"Ei mitään, se menee kyllä ohi. Ymmärrän kaikki…"
"Anna anteeksi, Katri rakas!" rukoilin. "Minä olen syypää

kaikkeen."
Hän istahti sängyn laidalle — ryöstömiehet olivat vieneet tuolit.

Hän oli kalpea ja vapisi.
"Täällä on kylmä! Se paleltuu, lapsi-raukka."
Hän otti pienokaisen sängystä ja suuteli sitä sanoen:
"Lapsi-parka! Pahaan aikaan sinä tulit maailmaan!"
Ja hän puristi sitä rintaansa vasten aivan kuin olisi tahtonut

sydänverellään sitä lämmittää…
NELJÄSTOISTA LUKU.
Oman kodin unelma särkyy.
"Mutta mitä sanoo setä, kun saa kuulla, että meille onkin tullut
poika!" nauroi Katri eräänä aamuna kylvettäessään lasta keittiön
astiasoikossa.
"Sanos muuta! Luonnollisesti hän peruuttaa lahjoituksensa."
Samassa tuli Sirkka nuottilaukku kädessä musiikkiopistoon

lähteäkseen.
"Joko olet pitkällä äänenmuodostuksessa?" kysyin.
"Harjoituksia minä laulan ja vokaliisejä. Piakkoin saan aarian."
Katri kuivasi lapsen ja lopetti kylvyn suutelemalla sitä.
"Annas kun koetan, paljonko se painaa!" pyysi Sirkka.
"Sinä pudotat."
"Enkä pudota." — Ja hän otti lapsen varovasti käsivarrelleen.

"Mikä sen nimeksi tulee?"
"Matti", sanoin minä.
"Matti! Mikä nimi se on!" huusivat naiset yhdestä suusta.
"Rehellinen suomalainen nimi", ilmoitin minä.
Mutta Katri väitti, että lapsi oli hänen, hän antaa sille nimen. Minä
huomautin vaatimattomasti, että poika oli hiukan niinkuin minunkin.
Sitä puhetta ei otettu kuuleviin korviin. Myöhemmin heillä oli pitkä ja
perinpohjainen neuvottelu lapsen nimestä. Koko almanakka tutkittiin
kannesta kanteen.
"Moosesko siitä tulee?" kysyin minä.
"Ei, kuin Kullervo", sanoi Sirkka.
"Kullervo on niin traagillinen nimi", yhtyi Katri.
"No, olkoon vaikka Kalervo! En puutu koko juttuun."
Nähdessäni, millä sanomattomalla rakkaudella Katri katseli

esikoistaan, tunsin suurta iloa, mutta samalla syvää surua
sydämessäni. Tulevaisuus näytti nyt synkemmältä kuin milloinkaan.
Katrin oli täytynyt jättää paikkansa voidakseen hoitaa lastaan.
Lauluoppilaani olivat huvenneet olemattomiin. Olin tarjonnut erästä
näytelmääni teatterille, mutta pitkien neuvottelujen jälkeen se
hylättiin. Emme edes olleet onnistuneet saamaan vuokralaista
tyhjään huoneesemme, vaikka olimme panneet suuret rahat
ilmoituksiin. Kuin uhkaava Damokleen miekka häilyi vuokravelka
yllämme, eikä ollut armoa odotettavissa.
Kaikkein pahimmin painoi kuitenkin Sirkan kohtalo minua. Hänen
kehutut osakkeensa eivät tuottaneet mitään. Minussa vakaantui yhä
enemmän se käsitys, että niiden arvo oli tuottonsa mukainen.
Pankkiosakkeet myin nimellisarvosta erään liiketoimiston välityksellä.
Setä väitti, että minua oli taaskin hävyttömästi kynitty, sillä
osakkeiden arvo oli pörssissä kolminkertainen.
Eräänä päivänä kutsui isännöitsijä minut puheilleen —

vuokravelan takia tietenkin. Hän kohteli minua kylmästi, sanoen
minua huonoksi yhtiömieheksi ja kehoittaen minua myymään
osakkeeni; muussa tapauksessa myyttäisi yhtiö ne
pakkohuutokaupalla. Minä käytin tilaisuutta ja kysyin, miten niiden
kaivososakkeiden laita oli. Hän vastasi, ettei hän nyt joutanut
enempiin keskusteluihin. Mutta minä päätin pysyä lujana ja sanoin:
"En aio poistua, ennenkuin asia on perinpohjin selvitetty."
Tirehtööri kääntyi hermostuneena minuun ja kysyi:
"Mitä te siis tahdotte?"
"Tahdon tietää, onko osakkeilla mitään arvoa vai ovatko ne

roskapaperia."
Hän naurahti halveksivasti ja sanoi yli olkain:
"Turha on sitä teille selittää. Te ette ole mikään liikemies ettekä

ymmärrä osakkeiden arvoa."
Syntyi hiljaisuus. Minä kokosin viimeiset voimani

loppurynnäkköön.
"Jos teissä on rahtunen rehellisyyttä, niin myöntäkää, että
osakkeet ovat paljasta, käärepaperia."
Hän oli hetken ääneti ikäänkuin olisi arvioinut vastustajansa voimia

ja sanoi sitten:
"No, jos tahdotte, niin olkoon sanottu, että kaivosyhtiö juuri jättää
vararikkoanomuksen, mutta me muodostamme uuden yhtiön."
Tunsin, miten veri kuohahti koskena aivoihini.
"Mitä minulla on siitä iloa?"
"Voitte ottaa osakkeita uudessa yhtiössä."
"Entä vanhat?"
"Jaa, vanhatko osakkeet? Ne ovat tietysti arvottomia."
Maailma musteni silmissäni, mutta koetin säilyttää malttini ja

sanoin:
"Se on ainakin suoraa puhetta. Entä ne muut osakkeet?"
Tirehtööri katsoi ovea kohti, mutta minä en ollut sitä huomaavinani.
"Jaa, nekö kasvisvoi-osakkeet! Ne ovat parhaita, mitä yleensä on

olemassa."
"Totuus esiin!" huusin minä sellaisella voimalla, että tirehtööri otti

askeleen takaperin.
Hän haki sanoja vastaukseen, mutta minä kuulin vain epäselvää

mutinaa.
Se riitti minulle.
"Siis kaikki mennyttä! Sisarentyttäreni koko perintö menetetty!"
Tirehtööri hymähti:
"Vähänkös sellaista sattuu! Liike-elämä on arpajaispeliä. Te teette

panoksen, mutta sattuu tyhjä arpa. No, mitä siitä. Toisella kertaa
voitte voittaa."
Moinen kiemurteleminen viilsi minua kuin olisin saanut

puukonpiston.
Astuin uhkaavana tirehtööriä kohti ja sanoin:
"Mutta minulla ei ole rahoja uuteen panokseen. Sitäpaitsi olen

vastuunalainen sisarentyttäreni rahoista, jotka olivat uskotut hoitooni,
tietäkää se!"
"Mitä minulla on teidän sisarentyttärenne kanssa tekemistä!"

murahti hän olkapäitään ylenkatseellisesti kohauttaen.
Nyt en voinut enää hillitä itseäni. Vihasta vavisten huusin:
"Petturi! Rosvo!"
Tirehtööri nauroi. Hän näytti pikemmin iloitsevan kuin

loukkaantuneen sanoistani.
"Hyvä että huusitte niin kovaa, että kuulivat sen viereisessä

huoneessa. Juttu jatkuu raastuvanoikeudessa!"
Olin siinä määrin kiihtynyt, etten ensinkään oivaltanut, mitä uhkaus

tarkoitti.
Kotiin tultuani olin aivan näännyksissä ja huokasin:
"Katri rakas! Jumala meitä armahtakoon! Sirkan perintö on

menetetty!"
"Menetetty! Laupias taivas!" parkaisi Katri.
Kerroin koko asian. Hän puhkesi itkemään.
"Sirkka-raukka! Mitä hän nyt sanoo! Ja sinä onneton! Mikset

ottanut tarkempaa selkoa asiasta?"
Mutta nyt oli katumus myöhäinen. Itku ja valitus ei auttanut. Mikä

oli menetetty, se oli hukassa. Pyysin häntä olemaan puhumatta
Sirkalle onnettomuudesta ainakin toistaiseksi.
*****
Huijari ei ollut turhia uhannut. Muutaman päivän päästä sain

haasteen, jossa vaadittiin edesvastausta kunnianloukkauksesta.
Lakimies-lurjukset Jutku ja Metku olivat uudelleen kimpussani.
Epätoivoisena menin kertomaan sedälle kaikki. Hän piti varmana,

että olin joutunut veijarien saksiin. Kun sanoin, että Sirkan perintö oli
menetetty, suuttui hän yhä enemmin.
"Kas sillä lailla! Sinä olet oivallinen holhooja, sinä!"
Tämä moite sattui minuun niin kipeästi, etten voinut pidättää

itkuani.
"Mistä minä tiesin, että se mies sellainen konna oli!"
Setä pahastui yhä enemmän.

"Elä sinä syytä muuta kuin omaa tyhmyyttäsi! Huijari on menetellyt
liikemiehen tavoin. Myyjä kehuu aina tavaraansa; ostajan asia on
katsoa, ettei tule petetyksi."
"Setä näkyy puolustavan sitä roistoa! Sitä en toki olisi odottanut",

sanoin loukattuna.
"Minä en puolusta, mutta yhtä vähän voin hyväksyä sinun

menettelyäsi."
Vaikka tuntui siltä, että setä ei ymmärtänyt minua, kerroin hänelle

kunnianloukkausjutusta.
"Yhä parempaa!" sanoi hän. "Menet lörpöttelemään roskaa ja

sotket itsesi vielä pahemmin sen heittiön verkkoihin. On parasta, että
menet pyytämään häneltä anteeksi."
"Anteeksi! En ikänä! Minä päinvastoin todistan, että hän on se,

miksi häntä sanoin."
"Millä sinä sen todistat? Hänellä on ovela asianajaja, joka pistää

sinut pussiin."
"Niinpä hankin minäkin lakimiehen", sanoin itsepäisesti ja jätin

pahoillani sedän. Olin mennyt siinä toivossa, että hän auttaisi minua,
mutta sen sijaan hän olikin soimannut. Ja ylpeydessäni minä päätin,
etten enää ikinä käänny setäni puoleen, käyköön miten tahansa.
Niinpä lähdinkin Hodon ja Ahmatin asianajotoimistoon. Herrat

lupasivat ottaa jutun ajaakseen ja vakuuttivat varmasti voittavani.
Mutta kun kysyin palkkiota, määräsivät he niin mahdottoman
summan, että lupasin hakea helpomman edustajan. Sanoin hyvästi,
mutta lakiherra huomautti kohteliaasti:
"Neuvottelu maksaa 10 markkaa!"
Maksoin ja menin Puntin ja Pykälän lakiasiaintoimistoon. Täällä

harjoitti kaksi herrasmiestä nyrkkeilyä jonkun häväistysjutun vuoksi.
Lakimies seisoi syrjässä odottaen vesissä suin, että saisi edellisen
lisäksi pahoinpitelyjutun ajaakseen. Tappelijat kuitenkin erosivat
vaihtaen nimityksiä sellaisia kuin "aasi" ja "sika" sekä muita
kohteliaisuuksia. Kutsuttuna esiin kerroin asiani. Hekin vakuuttivat,
että voitto varmasti kuului minulle, ja jos kuitenkin menettäisin, niin
he vetoaisivat hovioikeuteen, vaikkapa senaattiin asti.
Kun juttu ensi kerran huudettiin esille, toi huijari koko

konttorihenkilökuntansa todistamaan, että minä olin häntä,
kunniallista miestä, sanonut rosvoksi. Asianajajani pyysi lykkäystä
näyttääkseen toteen, että rosvon nimi oli sangen sattuva miehestä,
joka oli puhaltanut turvattoman orpotytön perinnön.
Sillävälin sattui seikka, joka loi uutta valoa huijarin elämään.
Sirkka viipyi eräänä iltana tavallista myöhempään ulkona. Hän tuli

ilman saattajaa, mikä tapahtui hyvin harvoin. Pihalta oli valaistus jo
sammutettu. Pimeässä tunsi tyttö jonkun käyvän käsivarteensa.
Säikähtäen kapaisi hän rappuja ylös. Löytämättä heti avaimen reikää
alkoi hän kovasti röykyttää ovea. Hyppäsin ylös, avasin oven ja
laskin tytön eteiseen. Näin tumman haamun, joka aikoi livistää
tiehensä.
"Seis!" huusin minä.
"Täälläkö se tyttö asuu!" sanoi haamu, joka ei ollut sen vähempi

henkilö kuin itse herra tirehtööri.
"Millä oikeudella te ahdistatte turvatonta tyttöä?"
Huijari jäi hetkeksi vaiti, mutta pääsi pian tasapainoon ja sanoi:
"Isännöitsijänä olen velvollinen valvomaan, ettei huonoja naisia

asu talossa."
Moinen katala solvaus sai minut suunniltani.
"Tämän tytön kunniallisuudesta vastaan minä. Mutta jos tahdotte

epäsiveellisyyttä vastustaa, niin asuu täällä eräs Esa Ansio niminen
heittiö, jonka elämä jättää siinä suhteessa melkoisen paljon
toivomisen varaa."
Mies aikoi vetäytyä portaita alas, mutta minä sanoin hänen omilla
sanoillaan:
"Tämä juttu jatkuu raastuvanoikeudessa."
Sirkka kertoi saman miehen häntä ennenkin vahtineen ja

houkutelleen luoksensa.
Hykersin käsiäni ilosta. Nyt oli lurjus käsissäni! Tytön holhoojana

en ollut ainoastaan oikeutettu, vaan velvollinenkin vetämään veijarin
tilille kunniallisen tytön ahdistamisesta epäsiveellisessä
tarkoituksessa. Eikä sata saivartajaa pystyisi pesemään häntä
puhtaaksi.
Mutta kun puhuin asiasta naisille, pyysi Sirkka, ettei siitä puhuttaisi
enempää. Tulisi poliisitutkinto ja oikeudenkäynti, ja hän saisi hävetä.
Katri oli samaa mieltä. Nuoren tytön maine siitä kärsisi, niin syytön
kuin hän olikin.
Minua suututti heidän itsepäisyytensä.
"Katsotaanko siis läpi sormien tuollaista konnantyötä! Mies, joka

on tehnyt meille niin paljon pahaa, ryöstänyt Sirkan perinnönkin
viimeistä penniä myöten!"
"Minunko perintöni!" huudahti Sirkka ja katsoi minuun suu auki.
Olin paljastanut koko salaisuuden. Peruuttaminen oli mahdotonta.
"Niin juuri. En aikonut sitä vielä sanoa, mutta on parasta, että

tiedät, millainen heittiö sinun ahdistajasi on."
Olin varma, että hän nyt muuttaisi mielipiteensä. Mutta hän sanoi
lempeästi:
"Olkoon, että se mies on tehnyt väärin meitä kohtaan. Mutta me

emme saa pahaa pahalla kostaa."
Katsoin liikutettuna, melkein kyynelsilmin tyttöä, joka noin saattoi

antaa anteeksi. Ajattelin samalla itseäni. Minäkin olin tehnyt väärin
Sirkkaa kohtaan, olin saattanut hänet kurjuuteen, eikä hän ollut
minuakaan syyttänyt.
*****
Mutta sitä katkerampaa vihaa kantoi huijari minua kohtaan. Niin

pian kuin tuli hiukankin vuokravelkaa, antoi hän haasteen. Asia meni
laillista menoansa: oikeudenkäynti, tuomio, ulosmittaus. Mutta kun
meillä ei enää ollut mitään otettavaa, vaativat ryöstöherrat
ullakkokonttorin avaimia. Siellä oli madonnankuva pölyttyneenä
nurkassaan. Toinen potkaisi Kristus-lasta otsaan, johon tuli tahra, ja
sanoi:
"Ska' vi ta den där?"
"Va' ska' vi göra me' så'nt skräp!" nauroi toinen.
Alas tullessaan kysyivät asunto-osakkeita. Sanoin, etten aio niitä

luovuttaa. He uhkasivat mennä neuvottelemaan isännöitsijän
kanssa. Parin päivän perästä ilmestyi lehtiin näin kuuluva ilmoitus:
4 asunto-osaketta
osakeyhtiössä Onnela, å 1,000 markkaa, myydään — ellei

maksua tai muuta laillista estettä tule — julkisella täkäläisessä
huutokauppakamarissa pidettävällä pakkohuutokaupalla.
Ostohinnasta on puolet heti maksettava ja loput viikon kuluessa.

Muuten annetaan lähempiä tietoja myyntitilaisuudessa.
Synkässä alistuvaisuudessa katsoin tulevaisuuteen. Kuin hukkuva

oljenkorteen, tartuin siihen ajatukseen, että setä tulisi ja huutaisi
osakkeeni. Mutta hän ei tullut.
Osakkeista tarjottiin 100 markkaa kappaleelta. Yhtiön sääntöjen

mukaan oli entisillä osakkailla etuoikeus niiden lunastamiseen.
Seuraavana päivänä lähetti huijari sanan, että minun oli heti

muutettava, koska asunto oli hänen.
Sinä yönä emme saaneet unta silmäämme. Meidän ei auttanut

muuta kuin lähteä etsimään huonetta, mihin voimme siirtää vähät
kapistuksemme. Satoi, ja kaikki tuli likomäräksi. Sirkka huolehti
lapsesta sillaikaa kun me kuletimme tavaroitamme käsikärryillä,
koska meillä ei ollut varaa ottaa ajuria. Pihalla hyöriessämme huusi
huijari ikkunastaan talonmiehelle:
"Pääsemme vihdoinkin roskaväestä, joka ei maksa vuokraa."
Kuinka ne sanat viilsivätkään sydäntäni, sillä vaikka olimmekin

köyhiä, oli ylpeyteni vielä lannistumaton.
Illan hämärtyessä lähdimme viimeisen kerran katsomaan rakasta

kotiamme. Juuri kun aioimme lähteä sieltä vaipui Katri maahan ja itki
niin toivottomasti, että luulin hänen kuolevan.
"Miksi, miksi piti näin käydä!" nyyhki hän ja väänteli käsiänsä.
"Katri rakas! Jumala koettelee, mutta Hän ei vielä ole hyljännyt

meitä.
Kaikki vielä kääntyy hyväksi."
Näin sanoen nostin hänet ylös. Viimeisen kerran painoin tutun

oven kiinni. Oli tullut pimeä. Muistin madonnankuvan unohtuneen
ullakolle ja lähdin sitä hakemaan. Katri lupasi odottaa kadulla.
Palatessani huomasin katulyhdyn valossa miehen, joka läheni

Katria ja tarttui julkeasti häntä käsivarteen. Salaman nopeudella
hyökkäsin huijaria vastaan ja iskin häntä kaikin voimin vasten
naamaa, niin että hän tupertui maahan.
"Rosvo!" huusin minä. "Kaikki veit minulta, aiotko lopuksi ryöstää

vaimoni!"
Heittiö jupisi jotain käsittämätöntä.
"Konna!" huusin, ja uusi isku sattui samoille seuduille.
Mies kömpi jaloilleen ja otti puolustusasennon.
"Roisto!" huusin ja annoin kolmannen iskun kaupantekijäisiksi.

Huijari tointui hämmästyksestään.
"Mitä tämä merkitsee! Tässä maassa on laki ja oikeus."
"Valitettavasti ei ole lakia ja oikeutta huijareita ja naisten

häväisijöitä vastaan", sanoin minä ja tartuin Katrin käsivarteen.
"Juttu jatkuu raastuvanoikeudessa!" sanoi huijari ja haki lakkinsa

katuojasta.
"Sitä minä sydämeni pohjasta toivon."
Ja me lähdimme. Tultuamme jonkun matkaa päähän kääntyi Katri

ja jäi synkkänä katsomaan. Hänen näkyi olevan mahdoton käsittää,
että meidän oli iäksi jätettävä kotimme, jossa olimme niin paljon
suurta uneksineet. Ja suuret kyynelkarpalot putoilivat pitkin hänen
laihtuneita, kalpeita poskiaan.
"Elä itke, armaani! Jumala kyllä auttaa meitä. Rakkaus rakensi

kodin — ja rakkautemme on meillä jälellä", koetin lohduttaa
onnetonta, itsekin taistellen itkua vastaan.
Hän pyyhki silmiään ja sanoi kyyneltensä takaa hymyillen:
"Rakkaus meille jäi — kaikki muu on riistetty."
"Kun paras jäi, miksi suremme sitä, mikä on vähempiarvoista?"

sanoin minä.
Hän tarttui käteeni lujasti, luottavana, uskollisena. Ja me

kävelimme käsi kädessä tukien toisiamme synkkää tulevaisuutta
kohti, jota ei yksikään toivon säde näyttänyt valaisevan.
VIIDESTOISTA LUKU.
Kuninkuus ja hirttonuora.
Sanotaan, että kun puute astuu sisään yhdestä ovesta, menee

rakkaus ulos toisesta.
Katrin ja minun suhteen tämä väite joutui häpeään. Meidän

rakkautemme varttui ja vahvistui vastoinkäymisissä. Luonnollisesti
meidänkin kesken tuli erimielisyyttä ja väärinymmärrystä, mutta ne
unohtuivat pian. Myrskyä seurasi tyven, ja rakkauden lempeä
päiväpaiste hajoitti murheen mustat pilvet.
Kun me unettoman, raskaan yön jälkeen heräsimme ahtaassa,

pimeässä asunnossamme, tuntui alussa siltä kuin ei enää
kannattaisi nousta jatkamaan elämää. Me olimme kuin haaksirikosta
pelastuneet. Vähät tavaramme olivat sateen ryvettämät ja naarmuja
täynnä; osa oli mennyt kiireessä rikki. Ilma huoneessa oli
ummehtunut, seinäpaperien raoissa vilisi syöpäläisiä. Ehkä oli
tästäkin viheliäisestä hökkelistä joku onneton perhe häädetty
vuokravelan takia.
Emme olleet vielä pukeutuneet, kun tultiin ilmoittamaan, että ensi
kuun vuokra olisi maksettava etukäteen.
"Sellaista se on, kun on köyhä. Ei kukaan luota", sanoin minä ja

istahdin raskaasti huoahtaen takaisin sängyn laidalle.
Katri katseli minua ääneti, tarttui äkkiä päähäni ja veti sitä

puoleensa säälitellen:
"Harmaita hiuksia!"
"Ei suinkaan", väitin minä, sillä kukapa kernaasti myöntäisi

olevansa vanha. Katsahdin peiliin ja näin, että niin kuitenkin oli laita.
Ja raskas huokaus kohosi rinnastani.
Entä Katri? Hän oli kuin haamu, surkea jäännös ennen niin
kauniista ja iloisesta olennosta. Suuret, kirkkaat silmät olivat syvällä
kuopissaan, äsken niin verevä iho oli lakastunut kalpeaksi.
Sydäntäni vihloi katsellessani häntä. Tunsin katkeraa soimausta
sisimmässäni. Pidin itseäni syyllisenä hänen onnettomuuteensa.
Hän nousi ja kävi ripeästi järjestämään uutta kotiamme.
"Meidän täytyy kaikista huolimatta elää — lapsemme tähden",

sanoi hän päättävästi.
Ja hän otti lapsen ja istuutui imettämään sitä. Nähdessään

masennukseni hän jatkoi:
"Arvaanpa, mitä mietiskelet. Kadut, että menit naimisiin."
"Rakas Katri, kuinka voit sellaista ajatella", sanoin minä

loukkaantuneena.
"Ainakin pahoittelet sitä, että otit vaimoksesi köyhän tytön."
"Kadun sitä, että olen saattanut sinut kärsimyksiin, joihin minä

yksin olen syypää."
Katrin silmät kävivät himmeiksi, suupielet alkoivat värähdellä.
"Ei sinun sitä tarvitse katua. Vapaasti olen kohtaloni valinnut, ei

minua ole kukaan pakoittanut."
Minä istahdin hänen viereensä, silitin hänen päätänsä ja suutelin

kalpeata poskea.
Hän hymyili hiljaisesti, entinen iloisuus kirkasti hetkeksi hänen

piirteitään, ja hän sanoi:
"Ei nyt ole aikaa suutelemiseen. Meillä on tärkeämpää tehtävää."
"Kuulehan, Katri! Tahdotko kuulla, mitä minä aamulla vuoteellani

sepitin."
"Onko se pitkä ja sekava?"
"Ei, se on lyhyt ja selvä."
Ja minä lausuin hänelle runon:
KUNINGAS.
Kun nälkä suolissani kurnuttaapi, ja reiät irvistävät

vaatteissain, kun vaimo vieressäni jurnuttaapi, ja kuolo
kummittelee aatteissain,
ma kuningasta silloin kuvittelen ja herkkupöydän laitan
linnassain, ja juhlavieraitani huvittelen, ministereitä virast'
erottain.
Mun onhan laulun, aatteen valtakunta, jot' itsevaltiaana

hallitsen, Sun kanssas, kuningatar, näämme unta, ja
onnemme on suuri, ikuinen.
"Niin minäkö kuningatar! Luulen, että hänen korkeutensa

perintöruhtinas on sairas; se oli levoton koko yön", sanoi Katri ja
viihdytti lasta, joka oli ruvennut itkemään.
"Mutta sanohan, Katri, eikö ole ihmeellistä, että ihminen voi

ajatuksissaan luoda aivan uuden maailman, jossa kaikki on sellaista
kuin hän toivoo ja tahtoo?"
"Kyllähän se on kaunista, mutta nälkäinen vatsa ei tule toimeen

kuvitteluilla, eikä talon isäntä huoli sinun runojasi vuokran maksuksi",
sanoi Katri. Hänen pilassaan oli totta toinen puoli — ehkä vähän
runsaamminkin.
Sirkka astui samassa sisään. Nähdessään kaiken sen surkeuden,

jonka keskellä olimme, tuli hänen muotonsa kovin murheelliseksi.
Huomasimme, miten hän koko sydämellään otti osaa
onnettomuuteemme. Hän istahti puulaatikon syrjälle ja katseli ääneti
ympärilleen. Äkkiä hän näki jotakin nurkassa ja sanoi:
"Madonna on tuolla! Madonna ja lapsi!" jatkoi hän ja silmäsi

veitikkamaisesti Katria.
Katri punehtui ja painoi päänsä alas.
"Joko eno on säveltänyt sen laulun?" kysyi Sirkka.

Textbook Introduction To Statistical Methods Design of Experiments and Statistical Quality Control Dharmaraja Selvamuthu 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 Introduction To Statistical Methods Design of Experiments and Statistical Quality Control Dharmaraja Selvamuthu Ebook All Chapter PDF

Uploaded by

Copyright:

Available Formats

Introduction to Statistical Methods

Design of Experiments and Statistical

Statistical Methods An Introduction to Basic

A first course in quality engineering integrating

An Introduction to Statistical Methods and Data

Introduction to Statistical Methods for Financial

Statistical Data Analysis using SAS Intermediate

Statistical Field Theory - An Introduction to Exactly

Microstates Entropy and Quanta An Introduction to

A Primer of Permutation Statistical Methods Kenneth J.

ISBN 978-981-13-1735-4 ISBN 978-981-13-1736-1 (eBook)

Library of Congress Control Number: 2018949329

© Springer Nature Singapore Pte Ltd. 2018

Present-day research either academic or applied is facing entirely a different kind of

Auckland, New Zealand Prof. Tiru Arthanari

Statistics has great relevance to several disciplines like economics, commerce,

experimental data includes the development of descriptive and regression models, a

New Delhi, India Dharmaraja Selvamuthu

2.4 Standard Probability Distributions . . . . . . . . . . . . . . . . . . . . . 43

5 Testing of Hypothesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147

7.2.1 A Practical Problem . . . . . . . . . . . . . . . . . . . . . . . . 225

8.5 23 Factorial Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285

9.6 Response Surface Designs . . . . . . . . . . . . . . . . . . . . . . . . . . . 338

Dharmaraja Selvamuthu is Professor in the Department of Mathematics, Indian

Dipayan Das is Professor in the Department of Textile Technology, Indian Institute

CDF Cumulative distribution function

© Springer Nature Singapore Pte Ltd. 2018 1

important application of statistical techniques lies in statistical quality control, often

1.2 Statistical Methods

1.2.1 Problem of Data Representation

naturalized American, mathematician, and statistician. He is currently Professor Emeritus at Penn

1.2.2 Problem of Fitting the Distribution to the Data

There is a need to learn how to fit a particular family of distribution models to

1.2.3 Problem of Estimation of Parameters

Example 1.1 Let X 1 , X 2 , . . . , X n be a random sample from any distribution F with

Other examples may need to estimate a population proportion, variance, percentiles,

Example 1.3 Consider another example of a manufacturer regularly tests received

1.2.4 Problem of Testing of Hypothesis

Example 1.6 Consider another example of some competitive examination perfor-

Example 1.8 Let x1 , x2 , . . . , xn and y1 , y2 , . . . , yn be two independent random sam-

Nonparametric tests have some distinct advantages. Nonparametric tests may be

1.2.5 Problem of Correlation and Regression

Correlation refers to a broad class of relationships in statistics that involve depen-

1.3 Design of Experiments

The concept of design of experiments was originated by Sir R. A. Fisher3 (Mont-

Fig. 1.1 Effects of polymerization process factors on electrical resistivity of yarns

Fig. 1.2 Effect of

polymerization temperature and polymerization time in determining the electrical

at 20 min and the polymerization temperature was maintained at 10 ◦ C. In run 2,

5.2 + 15.8 10.8 + 20.3

Table 1.1 Electrical Run Factor A Factor B Product AB Resistivity

Samalla kuulin, että talo vihdoinkin oli asuttavassa kunnossa.

Vaikka pettymyksemme olikin suuri, ei meillä ollut aikaa sitä

Uudessa kodissa saatoin taas paremmin antautua

Hääpäiväämme lukuunottamatta oli elämämme hauskin hetki se,

"Ei, mutta Katri! Kuva on sinun näköisesi."

"Jos istuisit tuossa asennossa lapsi sylissä, olisit ihan ilmetty

Katri punehtui ja sanoi:

"Minulla ei ole lasta… Enkä minä ole mikään madonna…

"Annappa Sirkan lukea se kaunis laulusi", pyysin minä.

"Onko Katri kirjoittanut laulun?" ihastui Sirkka ja alkoi heti vaatia

"Voi, jos osaisin säveltää, kirjoittaisin lauluun musiikin. Siitä tulisi

"Mikä mies sinun sulhasesi on?" kysyi Katri.