(eBook PDF) Intro Stats Pearson New

International Edition
Visit to download the full and correct content document:
https://ebooksecure.com/download/ebook-pdf-intro-stats-pearson-new-international-e
dition/
 Intro Stats
De Veaux Velleman Bock
Intro Stats
Richard D. De Veaux
Paul F. Velleman David E. Bock

Fourth Edition
Fourth Edition

ISBN 978-1-29202-250-5

9 781292 022505
 Stats Starts Here

Statistics in a Word
It can be fun, and sometimes useful, to summarize a discipline in only a few words. So,
Statistics is about
Economics is about . . . Money (and why it is good).
variation Data vary
because we don’t see every- Psychology: Why we think what we think (we think).
thing and because even what Paleontology: Previous Life.
we do see and measure, we Biology: Life.
measure imperfectly.
Religion: After Life
So, in a very basic way,
Statistics is about the real, im- Anthropology: Who?
perfect world in which we live. History: What, where, and when?
Philosophy: Why?
Engineering: How?
Accounting: How much?
In such a caricature, Statistics is about . . . Variation.

2 Data
Amazon.com opened for business in July 1995, billing itself as “Earth’s Biggest Bookstore.”
By 1997, Amazon had a catalog of more than 2.5 million book titles and had sold books to
more than 1.5 million customers in 150 countries. In 2010, the company’s sales reached
$34.2 billion (a nearly 40% increase from the previous year). Amazon has sold a wide vari-
ety of merchandise, including a $400,000 necklace, yak cheese from Tibet, and the largest
book in the world. How did Amazon become so successful and how can it keep track of so
many customers and such a wide variety of products? The answer to both questions is data.
But what are data? Think about it for a minute. What exactly do we mean by “data”?
Do data have to be numbers? The amount of your last purchase in dollars is numerical
data. But your name and address in Amazon’s database are also data even though they
are not numerical. What about your ZIP code? That’s a number, but would Amazon care
about, say, the average ZIP code of its customers?
Let’s look at some hypothetical values that Amazon might collect:

105-2686834-3759466 Ohio Nashville Kansas 10.99 440 N B00000I5Y6 Katherine H.

105-9318443-4200264 Illinois Orange County Boston 16.99 312 Y B000002BK9 Samuel P.
105-1872500-0198646 Massachusetts Bad Blood Chicago 15.98 413 N B000068ZVQ Chris G.
103-2628345-9238664 Canada Let Go Mammals 11.99 902 N B000001OAA Monique D.
002-1663369-6638649 Ohio Best of Kansas Kansas 10.99 440 N B002MXA7Q0 Katherine H.

Try to guess what they represent. Why is that hard? Because there is no context. If we
don’t know what values are measured and what is measured about them, the values are
meaningless. We can make the meaning clear if we organize the values into a data table
such as this one:

Previous Album New Purchase

Order Number Name State/Country Price Area Code Download Gift? ASIN Artist
105-2686834-3759466 Katherine H. Ohio 10.99 440 Nashville N B0000015Y6 Kansas
105-9318443-4200264 Samuel R Illinois 16.99 312 Orange County Y B000002BK9 Boston
105-1372500-0198646 Chris G. Massachusetts 15.98 413 Bad Blood N B000068ZVQ Chicago
103-2628345-9238664 Monique D. Canada 11.99 902 Let Go N B0000010AA Mammals
002-1663369-6638649 Katherine H. Ohio 10.99 440 Best of Kansas N B002MXA7Q0 Kansas

Now we can see that these are purchase records for album download orders from Amazon.
The column titles tell what has been recorded. Each row is about a particular purchase.


Data trumps
intuition Amazon moni-
tors and evolves its website
to better serve customers and
maximize sales. To decide
which changes to make, ana-
lysts experiment with new
designs, offers, recommenda-
tions, and links. Statisticians
want to know how long you’ll
spend browsing the site and
whether you’ll follow the links
or purchase the suggested
items. As Ronny Kohavi, for-
mer director of Data Mining
and Personalization for
Amazon, said, “Data trumps
intuition. Instead of using our
intuition, we experiment on
the live site and let our cus-
tomers tell us what works for
them.”
A S
Activity: Collect data in
an experiment on yourself. With the
computer, you can experiment on yourself
and then save the data. Go on to the
subsequent related activities to check
your understanding.

Stats Starts Here
What information would provide a context? Newspaper journalists know that the lead
paragraph of a good story should establish the “Five W’s”: who, what, when, where, and
(if possible) why. Often, we add how to the list as well. The answers to the first two ques-
tions are essential. If we don’t know what values are measured and who those values are
measured on, the values are meaningless.
Who and What
In general, the rows of a data table correspond to individual cases about whom (or about
which, if they’re not people) we record some characteristics. Cases go by different names,
depending on the situation.
■ Individuals who answer a survey are called respondents.
■ People on whom we experiment are subjects or (in an attempt to acknowledge the
importance of their role in the experiment) participants.
■ Animals, plants, websites, and other inanimate subjects are often called experimental
units.
■ Often we simply call cases what they are: for example, customers, economic quarters,
or companies.
■ In a database, rows are called records—in this example, purchase records. Perhaps the
most generic term is cases, but in any event the rows represent the who of the data.
Look at all the columns to see exactly what each row refers to. Here the cases are dif-
ferent purchase records. You might have thought that each customer was a case, but notice
that, for example, Katherine H. appears twice, both in the first and the last row. A common
place to find out exactly what each row refers to is the leftmost column. That value often
identifies the cases, in this example, it’s the order number. If you collect the data yourself,
you’ll know what the cases are. But, often, you’ll be looking at data that someone else col-
lected and you’ll have to ask or figure that out yourself.
Often the cases are a sample from some larger population that we’d like to under-
stand. Amazon doesn’t care about just these customers; it wants to understand the buying
patterns of all its customers, and, generalizing further, it wants to know how to attract
other Internet users who may not have made a purchase from Amazon’s site. To be able to
generalize from the sample of cases to the larger population, we’ll want the sample to be
representative of that population—a kind of snapshot image of the larger world.
We must know who and what to analyze data. Without knowing these two, we don’t
have enough information to start. Of course, we’d always like to know more. The more we
know about the data, the more we’ll understand about the world. If possible, we’d like to
know the when and where of data as well. Values recorded in 1803 may mean something
different than similar values recorded last year. Values measured in Tanzania may differ
in meaning from similar measurements made in Mexico. And knowing why the data were
collected can tell us much about its reliability and quality.
How the Data Are Collected
How the data are collected can make the difference between insight and nonsense. Data
that come from a voluntary survey on the Internet are almost always worthless. One
primary concern of Statistics is the design of sound methods for collecting data. Whenever
we introduce data, we’ll provide a margin note listing the W’s (and H) of the data. Identi-
fying the W’s is a habit we recommend.
The first step of any data analysis is to know what you are trying to accomplish and
what you want to know. To help you use Statistics to understand the world and make deci-
sions, we’ll lead you through the entire process of thinking about the problem, showing
what you’ve found, and telling others what you’ve learned.

3 Variables
“Far too many scientists
have only a shaky grasp
of the statistical techniques
they are using. They employ
them as an amateur chef em-
ploys a cookbook, believing
the recipes will work with-
out understanding why. A
more cordon bleu attitude . . .
might lead to fewer statisti-
cal soufflés failing to rise.”
—The Economist,
June 3, 2004, “Sloppy
stats shame science”
Stats Starts Here
For Example IDENTIFYING THE “WHO”
In December 2011, Consumer Reports published an evaluation of 25 tablets from a
variety of manufacturers.
QUESTION: Describe the population of interest, the sample, and the Who of the study.
ANSWER: The magazine is interested in the performance of tablets currently offered
for sale. It tested a sample of 25 tablets, which are the “Who” for these data. Each
tablet selected represents all similar tablets offered by that manufacturer.
The characteristics recorded about each individual are called variables. They are usu-
ally found as the columns of a data table with a name in the header that identifies what
has been recorded. In the Amazon data table we find the variables Order Number, Name,
State/Country, Price, and so on.
Categorical Variables
Some variables just tell us what group or category each individual belongs to. Are you
male or female? Pierced or not? We call variables like these categorical, or qualitative,
variables. (You may also see them called nominal variables because they name catego-
ries.) Some variables are clearly categorical, like the variable State/Country. Its values
are text and those values tell us what category the particular case falls into. But numerals
are often used to label categories, so categorical variable values can also be numerals. For
example, Amazon collects telephone area codes that categorize each phone number into a
geographical region. So area code is considered a categorical variable even though it has
numeric values. (But see the story in the following box.)
Area codes—numbers or categories? The What and Why of area codes are
not as simple as they may first seem. When area codes were first introduced, AT&T was still
the source of all telephone equipment, and phones had dials.
To reduce wear and tear on the dials, the area codes with the lowest digits (for which the
dial would have to spin least) were assigned to the most populous regions—those with the most
phone numbers and thus the area codes most likely to be dialed. New York City was assigned
212, Chicago 312, and Los Angeles 213, but rural upstate New York was given 607, Joliet was
815, and San Diego 619. For that reason, at one time the numerical value of an area code could
be used to guess something about the population of its region. Since the advent of push-button
phones, area codes have finally become just categories.
Descriptive responses to questions are often categories. For example, the responses to
the questions “Who is your cell phone provider?” or “What is your marital status?” yield
categorical values. When Amazon considers a special offer of free shipping to customers,
it might first analyze how purchases have been shipped in the recent past. Amazon might
start by counting the number of purchases shipped in each category: ground transporta-
tion, second-day air, and overnight air. Counting is a natural way to summarize a categori-
cal variable like Shipping Method.
Quantitative Variables
When a variable contains measured numerical values with measurement units, we call it
a quantitative variable. Quantitative variables typically record an amount or degree of
something. For quantitative variables, its measurement units provide a meaning for the
numbers. Even more important, units such as yen, cubits, carats, angstroms, nanoseconds,


Privacy and the
Internet You have many
Identifiers: a social security
number, a student ID number,
possibly a passport number, a
health insurance number, and
probably a Facebook account
name. Privacy experts are wor-
ried that Internet thieves may
match your identity in these dif-
ferent areas of your life, allow-
ing, for example, your health,
education, and financial records
to be merged. Even online com-
panies such as Facebook and
Google are able to link your
online behavior to some of these
identifiers, which carries with
it both advantages and dan-
gers. The National Strategy for
Trusted Identities in Cyberspace
(www.wired.com/images_blogs/
threatlevel/2011/04/NSTIC
strategy_041511.pdf) proposes
ways that we may address this
challenge in the near future.

Stats Starts Here
miles per hour, or degrees Celsius tell us the scale of measurement, so we know how far
apart two values are. Without units, the values of a measured variable have no meaning. It
does little good to be promised a raise of 5000 a year if you don’t know whether it will be
paid in Euros, dollars, pennies, yen, or Estonian krooni.
Sometimes a variable with numeric values can be treated as either categorical or
quantitative depending on what we want to know from it. Amazon could record your Age
in years. That seems quantitative, and it would be if the company wanted to know the
average age of those customers who visit their site after 3 am. But suppose Amazon wants
to decide which album to feature on its site when you visit. Then thinking of your age in
one of the categories Child, Teen, Adult, or Senior might be more useful. So, sometimes
whether a variable is treated as categorical or quantitative is more about the question we
want to ask rather than an intrinsic property of the variable itself.
Identifiers
For a categorical variable like Sex, each individual is assigned one of two possible values,
say M or F. But for a variable with ID numbers, such as a student ID, each individual
receives a unique value. We call a variable like this, which has exactly as many values as
cases, an identifier variable. Identifiers are useful, but not typically for analysis.
Amazon wants to know who you are when you sign in again and doesn’t want to
confuse you with some other customer. So it assigns you a unique identifier. Amazon also
wants to send you the right product, so it assigns a unique Amazon Standard Identification
Number (ASIN) to each item it carries. You’ll want to recognize when a variable is play-
ing the role of an identifier so you aren’t tempted to analyze it.
Identifier variables themselves don’t tell us anything useful about their categories
because we know there is exactly one individual in each. However, they are crucial in
this era of large data sets because by uniquely identifying the cases, they make it pos-
sible to combine data from different sources, protect (or violate) privacy, and provide
unique labels. Many large databases are relational databases. In a relational database,
different data tables link to one another by matching identifiers. In the Amazon example,
the Customer Number, ASIN, and Transaction Number are all identifiers. The IP (Internet
protocol) address of your computer is another identifier, needed so that the electronic mes-
sages sent to you can find you.
Ordinal Variables
A typical course evaluation survey asks, “How valuable do you think this course will
be to you?” 1 = Worthless; 2 = Slightly; 3 = Middling; 4 = Reasonably; 5 = Invaluable.
Is Educational Value categorical or quantitative? Often the best way to tell is to look to
the why of the study. A teacher might just count the number of students who gave each
response for her course, treating Educational Value as a categorical variable. When she
wants to see whether the course is improving, she might treat the responses as the amount
of perceived value—in effect, treating the variable as quantitative.
But what are the units? There is certainly an order of perceived worth: Higher num-
bers indicate higher perceived worth. A course that averages 4.5 seems more valuable
than one that averages 2, but we should be careful about treating Educational Value as
purely quantitative. To treat it as quantitative, she’ll have to imagine that it has “educa-
tional value units” or some similar arbitrary construct. Because there are no natural units,
she should be cautious. Variables that report order without natural units are often called
ordinal variables. But saying “that’s an ordinal variable” doesn’t get you off the hook.
You must still look to the why of your study and understand what you want to learn from
the variable to decide whether to treat it as categorical or quantitative.
 Stats Starts Here

For Example IDENTIFYING “WHAT” AND “WHY” OF TABLETS

RECAP: A Consumer Reports article about 25 tablets lists each tablet’s manufacturer,
cost, battery life (hrs.), operating system (iOS/Android/RIM), and overall performance
score (0–100).
QUESTION: Are these variables categorical or quantitative? Include units where appro-
priate, and describe the “Why” of this investigation.
ANSWER: The variables are
• manufacturer (categorical)
• cost (quantitative, $)
• battery life (quantitative, hrs.)
• operating system (categorical)
• performance score (quantitative, no units)
The magazine hopes to provide consumers with the information to choose a good
tablet.

✓ Just Checking
In the 2004 Tour de France, Lance Armstrong made history by winning the race for an
unprecedented sixth time. In 2005, he became the only 7-time winner and set a new
record for the fastest average speed—41.65 kilometers per hour—that stands to this
day. You can find data on all the Tour de France races on the DVD. Here are the first
three and last ten lines of the data set. Keep in mind that the entire data set has nearly
100 entries.
1. List as many of the W’s as you can for this data set.

2. Classify each variable as categorical or quantitative; if quantitative, identify the

units.

Total Distance
Year Winner Country of Origin Total Time (h/min/s) Avg. Speed (km/h) Stages Ridden (km) Starting Riders Finishing Riders
1903 Maurice Garin France 94.33.00 25.3 6 2428 60 21
1904 Henri Cornet France 96.05.00 24.3 6 2388 88 23
1905 Louis Trousseller France 112.18.09 27.3 11 2975 60 24
f
2002 Lance Armstrong USA 82.05.12 39.93 20 3278 189 153
2003 Lance Armstrong USA 83.41.12 40.94 20 3427 189 147
2004 Lance Armstrong USA 83.36.02 40.53 20 3391 188 147
2005 Lance Armstrong USA 86.15.02 41.65 21 3608 189 155
2006 Óscar Periero Spain 89.40.27 40.78 20 3657 176 139
2007 Alberto Contador Spain 91.00.26 38.97 20 3547 189 141
2008 Carlos Sastre Spain 87.52.52 40.50 21 3559 199 145
2009 Alberto Contador Spain 85.48.35 40.32 21 3460 180 156
2010 Andy Schleck Luxembourg 91.59.27 39.590 20 3642 180 170
2011 Cadel Evans Australia 86.12.22 39.788 21 3430 198 167


 Stats Starts Here

There’s a world of data on the Internet These days, one of the richest
sources of data is the Internet. With a bit of practice, you can learn to find data on almost any
subject. The Internet has both advantages and disadvantages as a source of data. Among the
advantages are the fact that often you’ll be able to find even more current data than those we
present. The disadvantage is that references to Internet addresses can “break” as sites evolve,
move, and die.
Our solution to these challenges is to offer the best advice we can to help you search for
the data, wherever they may be residing. We usually point you to a website. We’ll sometimes
suggest search terms and offer other guidance.
Some words of caution, though: Data found on Internet sites may not be formatted in the
best way for use in statistics software. Although you may see a data table in standard form, an
attempt to copy the data may leave you with a single column of values. You may have to work
in your favorite statistics or spreadsheet program to reformat the data into variables. You will
also probably want to remove commas from large numbers and extra symbols such as money
indicators ($, ¥, £); few statistics packages can handle these.

WHAT CAN GO WRONG?

■ Don’t label a variable as categorical or quantitative without thinking about the data
and what they represent. The same variable can sometimes take on different roles.
■ Don’t assume that a variable is quantitative just because its values are numbers.
Categories are often given numerical labels. Don’t let that fool you into thinking they
have quantitative meaning. Look at the context.
■ Always be skeptical. One reason to analyze data is to discover the truth. Even when
you are told a context for the data, it may turn out that the truth is a bit (or even a
lot) different. The context colors our interpretation of the data, so those who want to
influence what you think may slant the context. A survey that seems to be about all
students may in fact report just the opinions of those who visited a fan website. The
question that respondents answered may be posed in a way that influences responses.

What Have We Learned?

Learning Objectives
Understand that data are values, whether numerical or labels, together with their
context.
■ Who, what, why, where, when (and how )—the W’s—help nail down the context of

the data.
■ We must know who, what, and why to be able to say anything useful based on the

data. The who are the cases. The what are the variables. A variable gives informa-
tion about each of the cases. The why helps us decide which way to treat the
variables.
■ Stop and identify the W’s whenever you have data, and be sure you can identify the

cases and the variables.


 Stats Starts Here

Consider the source of your data and the reasons the data were collected. That can help
you understand what you might be able to learn from the data.
Identify whether a variable is being used as categorical or quantitative.
■ Categorical variables identify a category for each case. Usually we think about the

counts of cases that fall in each category. (An exception is an identifier variable that
just names each case.)
■ Quantitative variables record measurements or amounts of something; they must

have units.
■ Sometimes we may treat the same variable as categorical or quantitative depending

on what we want to learn from it, which means some variables can’t be pigeonholed
as one type or the other.

Review of Terms The key terms are in chapter order so you can use this list to review the material in the chapter.

Data Recorded values whether numbers or labels, together with their context.

Data table An arrangement of data in which each row represents a case and each column
represents a variable.

Context The context ideally tells who was measured, what was measured, how the data
were collected, where the data were collected, and when and why the study was
performed.

Case An individual about whom or which we have data.

Respondent Someone who answers, or responds to, a survey.

Subject A human experimental unit. Also called a participant.

Participant A human experimental unit. Also called a subject.

Experimental unit An individual in a study for which or for whom data values are recorded. Human
experimental units are usually called subjects or participants.

Record Information about an individual in a database.

Sample A subset of a population, examined in hope of learning about the population.

Population The entire group of individuals or instances about whom we hope to learn.

Variable A variable holds information about the same characteristic for many cases.

Categorical (or qualitative) A variable that names categories with words or numerals.
variable

Nominal variable The term “nominal” can be applied to a variable whose values are used only to name
categories.

Quantitative variable A variable in which the numbers are values of measured quantities with units.

Units A quantity or amount adopted as a standard of measurement, such as dollars,

hours, or grams.

Identifier variable A categorical variable that records a unique value for each case, used to name or
identify it.

Ordinal variable The term “ordinal” can be applied to a variable whose categorical values possess some
kind of order.


 Stats Starts Here

On the Computer DATA

A S
Activity: Examine the Data.
Take a look at your own data from your
experiment earlier in the chapter and get
comfortable with your statistics package
as you find out about the experiment test
results.
“Computers are useless.
They can only give you
answers.”
—Pablo Picasso
Most often we find statistics on a computer using a program, or package, designed for
that purpose. There are many different statistics packages, but they all do essentially
the same things. If you understand what the computer needs to know to do what you
want and what it needs to show you in return, you can figure out the specific details of
most packages pretty easily.
For example, to get your data into a computer statistics package, you need to tell
the computer:
■ Where to find the data. This usually means directing the computer to a file stored
on your computer’s disk or to data on a database. Or it might just mean that you
have copied the data from a spreadsheet program or Internet site and it is currently
on your computer’s clipboard. Usually, the data should be in the form of a data
table. Most computer statistics packages prefer the delimiter that marks the divi-
sion between elements of a data table to be a tab character and the delimiter that
marks the end of a case to be a return character.
■ Where to put the data. (Usually this is handled automatically.)
■ What to call the variables. Some data tables have variable names as the first row of
the data, and often statistics packages can take the variable names from the first
row automatically.

Exercises
Section 1
1. Grocery shopping Many grocery store chains offer
customers a card they can scan when they check out and
offer discounts to people who do so. To get the card,
customers must give information, including a mailing
address and e-mail address. The actual purpose is not to
reward loyal customers but to gather data. What data do
these cards allow stores to gather, and why would they
want that data?
2. Online shopping Online retailers such as Amazon.com
keep data on products that customers buy, and even prod-
ucts they look at. What does Amazon hope to gain from
such information?
Section 2
3. Super Bowl Sports announcers love to quote statistics.
During the Super Bowl, they particularly love to an-
nounce when a record has been broken. They might have
a list of all Super Bowl games, along with the scores of
each team, total scores for the two teams, margin of vic-
tory, passing yards for the quarterbacks, and many more
bits of information. Identify the who in this list.
4. Nobel laureates The website www.nobelprize.org allows
you to look up all the Nobel prizes awarded in any year.
The data are not listed in a table. Rather you drag a slider
to the year and see a list of the awardees for that year.
Describe the who in this scenario.
Section 3
5. Grade levels A person’s grade in school is generally
identified by a number.
a) Give an example of a why in which grade level is
treated as categorical.
b) Give an example of a why in which grade level is
treated as quantitative.
6. ZIP codes The Postal Service uses five-digit ZIP codes
to identify locations to assist in delivering mail.
a) In what sense are ZIP codes categorical?
b) Is there any ordinal sense to ZIP codes? In other
words, does a larger ZIP code tell you anything about
a location compared to a smaller ZIP code?
7. Voters A February 2010 Gallup Poll question asked,
“In politics, as of today, do you consider yourself
a Republican, a Democrat, or an Independent?”


 Stats Starts Here
The possible responses were “Democrat,” “Republican,”
“Independent,” “Other,” and “No Response.” What kind
of variable is the response?
8. Job hunting A June 2011 Gallup Poll asked Americans,
“Thinking about the job situation in America today,
would you say that it is now a good time or a bad time
to find a quality job?” The choices were “Good time” or
“Bad time.” What kind of variable is the response?
9. Medicine A pharmaceutical company conducts an
experiment in which a subject takes 100 mg of a sub-
stance orally. The researchers measure how many
minutes it takes for half of the substance to exit the
bloodstream. What kind of variable is the company
studying?
10. Stress A medical researcher measures the increase in
heart rate of patients under a stress test. What kind of
variable is the researcher studying?
Chapter Exercises
11. The news Find a newspaper or magazine article in which
some data are reported. For the data discussed in the ar-
ticle, answer the same questions as for Exercises 7–10.
Include a copy of the article with your report.
12. The Internet Find an Internet source that reports on a
study and describes the data. Print out the description and
answer the same questions as for Exercises 7–10.
(Exercises 13–20) For each description of data, identify
Who and What were investigated and the Population of
interest.
13. Gaydar A study conducted by a team of American
and Canadian researchers found that during ovulation,
a woman can tell whether a man is gay or straight by
looking at his face. To explore the subject, the authors con-
ducted three investigations, the first of which involved 40
undergraduate women who were asked to guess the sexual
orientation of 80 men based on photos of their face. Half
of the men were gay, and the other half were straight. All
held similar expressions in the photos or were deemed to
be equally attractive. None of the women were using any
contraceptive drugs at the time of the test. The result: the
closer a woman was to her peak ovulation the more accurate
her guess. (news.yahoo.com/does-ovulation-boost-womans-
gaydar-210405621.html)
14. Hula-hoops The hula-hoop, a popular children’s toy in
the 1950s, has gained popularity as an exercise in recent
years. But does it work? To answer this question, the
American Council on Exercise conducted a study to eval-
uate the cardio and calorie-burning benefits of “hooping.”
Researchers recorded heart rate and oxygen consumption
of participants, as well as their individual ratings of per-
ceived exertion, at regular intervals during a 30-minute
workout. (www.acefitness.org/certifiednewsarticle/1094/)
15. Bicycle safety Ian Walker, a psychologist at the Uni-
versity of Bath, wondered whether drivers treat bicycle
riders differently when they wear helmets. He rigged
his bicycle with an ultrasonic sensor that could measure
how close each car was that passed him. He then rode on
alternating days with and without a helmet. Out of 2500
cars passing him, he found that when he wore his helmet,
motorists passed 3.35 inches closer to him, on average,
than when his head was bare. (Source: NY Times,
Dec. 10, 2006)
16. Investments Some companies offer 401(k) retirement
plans to employees, permitting them to shift part of
their before-tax salaries into investments such as mutual
funds. Employers typically match 50% of the employees’
contribution up to about 6% of salary. One company,
concerned with what it believed was a low employee
participation rate in its 401(k) plan, sampled 30 other
companies with similar plans and asked for their 401(k)
participation rates.
17. Honesty Coffee stations in offices often just ask users
to leave money in a tray to pay for their coffee, but
many people cheat. Researchers at Newcastle Uni-
versity alternately taped two posters over the coffee
station. During one week, it was a picture of flowers;
during the other, it was a pair of staring eyes. They
found that the average contribution was significantly
higher when the eyes poster was up than when the flow-
ers were there. Apparently, the mere feeling of being
watched—even by eyes that were not real—was enough
to encourage people to behave more honestly.
(Source: NY Times, Dec. 10, 2006)
18. Blindness A study begun in 2011 examines the use
of stem cells in treating two forms of blindness, Star-
gardt’s disease and dry age-related macular degenera-
tion. Each of the 24 patients entered one of two separate
trials in which embryonic stem cells were to be used to
treat the condition. (beta.news.yahoo.com/first-patients-
enroll-stem-cell-trials-blindness-134757558.html)
19. Not-so-diet soda A look at 474 participants in the San
Antonio Longitudinal Study of Aging found that partici-
pants who drank two or more diet sodas a day “experi-
enced waist size increases six times greater than those of
people who didn’t drink diet soda.” (news.yahoo.com/
diet-sodas-dont-help-dieting-175007737.html)
20. Molten iron The Cleveland Casting Plant is a large,
highly automated producer of gray and nodular iron
automotive castings for Ford Motor Company. The com-
pany is interested in keeping the pouring temperature
of the molten iron (in degrees Fahrenheit) close to the
specified value of 2550 degrees. Cleveland Casting mea-
sured the pouring temperature for 10 randomly selected
crankshafts.

 Stats Starts Here
(Exercises 21–34) For each description of data, identify the
W’s, name the variables, specify for each variable whether
its use indicates that it should be treated as categorical or
quantitative, and, for any quantitative variable, identify the
units in which it was measured (or note that they were not
provided).
21. Weighing bears Because of the difficulty of weighing a
bear in the woods, researchers caught and measured
54 bears, recording their weight, neck size, length, and
sex. They hoped to find a way to estimate weight from
the other, more easily determined quantities.
22. Schools The State Education Department requires local
school districts to keep these records on all students: age,
race or ethnicity, days absent, current grade level, stan-
dardized test scores in reading and mathematics, and any
disabilities or special educational needs.
23. Arby’s menu A listing posted by the Arby’s restaurant
chain gives, for each of the sandwiches it sells, the type
of meat in the sandwich, the number of calories, and the
serving size in ounces. The data might be used to assess
the nutritional value of the different sandwiches.
24. Age and party The Gallup Poll conducted a representa-
tive telephone survey of 1180 American voters during the
first quarter of 2007. Among the reported results were the
voter’s region (Northeast, South, etc.), age, party affilia-
tion, and whether or not the person had voted in the 2006
midterm congressional election.
25. Babies Medical researchers at a large city hospital inves-
tigating the impact of prenatal care on newborn health
collected data from 882 births during 1998–2000. They
kept track of the mother’s age, the number of weeks the
pregnancy lasted, the type of birth (cesarean, induced,
natural), the level of prenatal care the mother had (none,
minimal, adequate), the birth weight and sex of the baby,
and whether the baby exhibited health problems (none,
minor, major).
26. Flowers In a study appearing in the journal Science, a
research team reports that plants in southern England are
flowering earlier in the spring. Records of the first flower-
ing dates for 385 species over a period of 47 years show
that flowering has advanced an average of 15 days per
decade, an indication of climate warming, according to
the authors.
27. Herbal medicine Scientists at a major pharmaceutical
firm conducted an experiment to study the effectiveness
of an herbal compound to treat the common cold. They
exposed each patient to a cold virus, then gave them
either the herbal compound or a sugar solution known to
have no effect on colds. Several days later they assessed
each patient’s condition, using a cold severity scale

ranging from 0 to 5. They found no evidence of benefits
of the compound.
28. Vineyards Business analysts hoping to provide informa-
tion helpful to American grape growers compiled these
data about vineyards: size (acres), number of years in
existence, state, varieties of grapes grown, average case
price, gross sales, and percent profit.
29. Streams In performing research for an ecology class,
students at a college in upstate New York collect data on
streams each year. They record a number of biological,
chemical, and physical variables, including the stream
name, the substrate of the stream (limestone, shale, or
mixed), the acidity of the water (pH), the temperature
(°C), and the BCI (a numerical measure of biological
diversity).
30. Fuel economy The Environmental Protection Agency
(EPA) tracks fuel economy of automobiles based on in-
formation from the manufacturers (Ford, Toyota, etc.).
Among the data the agency collects are the manufacturer,
vehicle type (car, SUV, etc.), weight, horsepower, and gas
mileage (mpg) for city and highway driving.
31. Refrigerators In 2006, Consumer Reports published an
article evaluating refrigerators. It listed 41 models, giving
the brand, cost, size (cu ft), type (such as top freezer),
estimated annual energy cost, an overall rating (good,
excellent, etc.), and the repair history for that brand
(percentage requiring repairs over the past 5 years).
32. Walking in circles People who get lost in the desert,
mountains, or woods often seem to wander in circles
rather than walk in straight lines. To see whether people
naturally walk in circles in the absence of visual clues,
researcher Andrea Axtell tested 32 people on a football
field. One at a time, they stood at the center of one goal
line, were blindfolded, and then tried to walk to the other
goal line. She recorded each individual’s sex, height,
handedness, the number of yards each was able to walk
before going out of bounds, and whether each wandered
off course to the left or the right. No one made it all the
way to the far end of the field without crossing one of the
sidelines. (Source: STATS No. 39, Winter 2004)
33. Kentucky Derby 2012 The Kentucky Derby is a horse
race that has been run every year since 1875 at Churchill
Downs, Louisville, Kentucky. The race started as a
1.5-mile race, but in 1896, it was shortened to 1.25 miles
because experts felt that 3-year-old horses shouldn’t run
such a long race that early in the season. (It has been run
in May every year but one—1901—when it took place on
April 29). Here are the data for the first four and several
recent races.
 Stats Starts Here

Year Winner Jockey Trainer Owner Time

2012 I’ll Have Another M. Gutierrez D. O’Neill Reddam Racing 2:01.83
2011 Animal Kingdom J. Velazquez H. G. Motion Team Valor 2:02.04
2010 Super Saver C. Borel T. Pletcher WinStar Farm 2:04.45
2009 Mine That Bird C. Borel B. Woolley Double Eagle Ranch 2:02.66
2008 Big Brown K. Desormeaux R. Dutrow IEAH Stables, Pompa et al 2:01.82
2007 Street Sense C. Borel C. Nafzger James Tafel 2:02.17
…
1878 Day Star J. Carter L. Paul T. J. Nichols 2:37.25
1877 Baden Baden W. Walker E. Brown Daniel Swigert 2:38
1876 Vagrant R. Swim J. Williams William Astor 2:38.25
1875 Aristides O. Lewis A. Williams H. P. McGrath 2:37.75
Source: http://horsehats.com/KentuckyDerbyWinners.html

✓
34. Indy 2012 The 2.5-mile Indianapolis Motor Speedway
has been the home to a race on Memorial Day nearly
every year since 1911. Even during the first race, there Just Checking ANSWERS
were controversies. Ralph Mulford was given the check-
ered flag first but took three extra laps just to make sure 1. Who—Tour de France races; What—year, winner,
he’d completed 500 miles. When he finished, another country of origin, total time, average speed, stages,
driver, Ray Harroun, was being presented with the total distance ridden, starting riders, finishing riders;
winner’s trophy, and Mulford’s protests were ignored. How—official statistics at race; Where—France (for
Harroun averaged 74.6 mph for the 500 miles. In 2011, the most part); When—1903 to 2011; Why—not spec-
the winner, Dan Wheldon, averaged 170.265 mph. ified (To see progress in speeds of cycling racing?)
Here are the data for the first five races and five 2. Variable Type Units
recent Indianapolis 500 races. Year Quantitative or Years
Identifier
Year Driver Time Speed (mph) Winner Categorical
1911 Ray Harroun 6:42:08 74.602 Country of Origin Categorical
1912 Joe Dawson 6:21:06 78.719 Total Time Quantitative Hours/minutes/
1913 Jules Goux 6:35:05 75.933 seconds
1914 René Thomas 6:03:45 82.474 Average Speed Quantitative Kilometers
1915 Ralph DePalma 5:33:55.51 89.840 per hour
… Stages Quantitative Counts (stages)
2008 Scott Dixon 3:28:57.6792 143.567
Total Distance Quantitative Kilometers
2009 Hélio Castroneves 3:19:34.6427 150.318
Starting Riders Quantitative Counts (riders)
2010 Dario Franchitti 3:05:37.0131 161.623
2011 Dan Wheldon 2:56:11.7267 170.265 Finishing Riders Quantitative Counts (riders)
2012 Dario Franchitti 2:58:51.2532 167.734


 Stats Starts Here
Answers
Here are the “answers” to the exercises for this chapter. The answers are outlines of the complete solution. Your solution should follow the
model of the Step-by-Step examples, where appropriate. You should explain the context, show your reasoning and calculations, and draw
conclusions. For some problems, what you decide to include in an argument may differ somewhat from the answers here. But, of course, the
numerical part of your answer should match the numbers in the answers shown.
1. Retailers, and suppliers to whom they sell the information, will
use the information about what products consumers buy to tar-
get their advertisements to customers more likely to buy their
products.
3. The individual games.
5. a) Sample—A principal wants to know how many from
each grade will be attending a performance of a school
play.
b) Sample—A principal wants to see the trend in the amount of
mathematics learned as students leave each grade.
7. Categorical.
9. Quantitative.
11. Answers will vary.
13. Who—40 undergraduate women; What—Ability to differentiate
gay men from straight men; Population—All women.
15. Who—2500 cars; What—Distance from car to bicycle;
Population—All cars passing bicyclists.
17. Who—Coffee drinkers at a Newcastle University coffee station;
What—Amount of money contributed; Population—All people
in honor system payment situations.
19. Who—474 participants in the San Antonio Longitudinal Study
of Aging; What—Diet soda consumption and waist size change;
Population—All diet soda drinkers.
21. Who—54 bears; Cases—Each bear is a case; What—Weight,
neck size, length, and sex; When—Not specified; Where—Not
specified; Why—To estimate weight from easier-to-measure
variables; How—Researchers collected data on 54 bears they
were able to catch.
Variable—Weight; Type—Quantitative; Units—Not specified;
Variable—Neck size; Type—Quantitative; Units—Not
specified; Variable—Length; Type—Quantitative; Units—Not
specified; Variable—Sex; Type—Categorical.
23. Who—Arby’s sandwiches; Cases—Each sandwich is a case;
What—Type of meat, number of calories, and serving size;
When—Not specified; Where—Arby’s restaurants; Why—To
assess nutritional value of sandwiches; How—Report by Arby’s
restaurants; Variable—Type of meat; Type—Categorical;
Variable—Number of calories; Type—Quantitative; Units—
Calories; Variable—Serving size; Type—Quantitative;
Units—Ounces.
25. Who—882 births; Cases—Each of the 882 births is a case;
What—Mother’s age, length of pregnancy, type of birth, level
of prenatal care, birth weight of baby, sex of baby, and baby’s
health problems; When—1998–2000; Where—Large city

hospital; Why—Researchers were investigating the impact of
prenatal care on newborn health; How—Not specified exactly,
but probably from hospital records; Variable—Mother’s age;
Type—Quantitative; Units—Not specified, probably years;
Variable—Length of pregnancy; Type—Quantitative; Units—
Weeks; Variable—Birth weight of baby; Type—Quantitative;
Units—Not specified, probably pounds and ounces; Variable—
Type of birth; Type—Categorical; Variable—Level of prenatal
care; Type—Categorical; Variable—Sex; Type—Categorical;
Variable—Baby’s health problems; Type—Categorical.
27. Who—Experiment subjects; Cases—Each subject is a case;
What—Treatment (herbal cold remedy or sugar solution) and
cold severity; When—Not specified; Where—Not specified;
Why—To test efficacy of herbal remedy on common cold;
How—The scientists set up an experiment; Variable—Treat-
ment; Type—Categorical; Variable—Cold severity rating;
Type—Quantitative (perhaps ordinal categorical); Units—Scale
from 0 to 5; Concerns—The severity of a cold seems subjective
and difficult to quantify. Scientists may feel pressure to report
negative findings of herbal product.
29. Who—Streams; Cases—Each stream is a case; What—Name
of stream, substrate of the stream, acidity of the water,
temperature, BCI; When—Not specified; Where—Upstate New
York; Why—To study ecology of streams; How—Not specified;
Variable—Stream name; Type—Identifier; Variable—Substrate;
Type—Categorical; Variable—Acidity of water; Type—
Quantitative; Units—pH; Variable—Temperature; Type—
Quantitative; Units—Degrees Celsius; Variable—BCI; Type—
Quantitative; Units—Not specified
31. Who—41 refrigerator models; Cases—Each of the 41 refrigera-
tor models is a case; What—Brand, cost, size, type, estimated
annual energy cost, overall rating, and repair history; When—
2006; Where—United States; Why—To provide information
to the readers of Consumer Reports; How—Not specified;
Variable—Brand; Type—Categorical; Variable—Cost; Type—
Quantitative; Units—Not specified (dollars); Variable—Size;
Type—Quantitative; Units—Cubic feet; Variable—Type;
Type—Categorical; Variable—Estimated annual energy cost;
Type—Quantitative; Units—Not specified (dollars);
Variable—Overall rating; Type—Categorical (ordinal);
Variable—Percent requiring repair in the past 5 years; Type—
Quantitative; Units—Percent.
33. Who—Kentucky Derby races; What—Date, winner, jockey,
trainer, owner, and time; When—1875 to 2012; Where—
Churchill Downs, Louisville, Kentucky; Why—Not specified
(To see trends in horse racing?); How—Official
statistics collected at race; Variable—Year; Type—
 Stats Starts Here

Identifier and Quantitative; Units—Year; Variable—Winner; Type—Categorical; Variable—Time; Type—Quantitative;

Type—Identifier; Variable—Jockey; Type—Categorical; Units—Minutes and seconds.
Variable—Trainer; Type—Categorical; Variable—Owner;

Photo Acknowledgments
Photo credits appear in order of appearance within the chapter.

Jannoon028/Shutterstock; Frazz © 2003 Jef Mallett. Distributed by Universal Uclick. Reprinted

with permission. All rights reserved.; (woman reading a tablet) Wavebreakmedia Ltd./
Shutterstock; (telephone) Tuja66/Fotolia LLC; Stefano Rellandini/Reuters;
(keyboard/world/map image) Toria/Shutterstock; (collection of papers with a tablet)
Jannoon028/Shutterstock



 Displaying and Describing
Categorical Data

From Chapter 2 of Intro Stats, Fourth Edition. Richard D. De Veaux, Paul F. Velleman, David E. Bock. Copyright © 2014 by Pearson
Education, Inc. All rights reserved.


 Displaying and Describing
Categorical Data
1 Summarizing and Displaying a
Single Categorical Variable
2 Exploring the Relationship
Between Two Categorical
Variables

Where are we going?

What is your class: Freshman,
Sophomore, Junior, or Senior?
What is your blood type? Which
candidate do you plan to vote
for?
Data are not just numbers—
the answers to all these ques-
tions are categories. We’ll study
categorical variables like these,
but things get even more excit-
ing when we look at how cat-

w
egorical variables work together.
Are men or women more likely
hat happened on the Titanic at 11:40 on the night of April 14, 1912, is
to be Democrats? Are people
well known. Frederick Fleet’s cry of “Iceberg, right ahead” and the three
with blue eyes more likely to be
accompanying pulls of the crow’s nest bell signaled the beginning of a
left-handed?
nightmare that has become legend. By 2:15 a.m., the Titanic, thought by
You often see categorical
many to be unsinkable, had sunk, leaving more than 1500 passengers and crew members
data displayed in pie charts or
on board to meet their icy fate.
bar charts, or summarized in
Below are some data about the passengers and crew aboard the Titanic. Each case
tables, sometimes in confusing
(row) of the data table represents a person on board the ship. The variables are the per-
ways. But, with a little skill, it’s
son’s Survival status (Dead or Alive), Age (Adult or Child), Sex (Male or Female), and
not hard to do it right.
ticket Class (First, Second, Third, or Crew).

Table 1
Part of a data table showing four Survival Age Sex Class
variables for nine people aboard the Dead Adult Male Third
Titanic.
Dead Adult Male Crew
Dead Adult Male Third
Dead Adult Male Crew
Dead Adult Male Crew
Dead Adult Male Crew
Alive Adult Female First
Dead Adult Male Third
Dead Adult Male Crew

A S Video: The Incident tells the The problem with a data table like this—and in fact with all data tables—is that you
story of the Titanic, and includes rare film can’t see what’s going on. And seeing is just what we want to do. We need ways to show
footage. the data so that we can see patterns, relationships, trends, and exceptions.


 Displaying and Describing Categorical Data

1 Summarizing and Displaying a Single Categorical Variable

So, what should we do with data like these? There are three things you should always do
first with data.

Who People on the Titanic The Three Rules of Data Analysis

What Survival status, age, sex, 1. Make a picture. A display of your data will reveal things you’re not likely to see in
ticket class a table of numbers and will help you to Think clearly about the patterns and relation-
When April 14, 1912 ships that may be hiding in your data.
Where North Atlantic
2. Make a picture. A well-designed display will Show the important features and

How
patterns in your data. It could also show you things you did not expect to see:
A variety of sources and extraordinary (possibly wrong) data values or unexpected patterns.
Internet sites 3. Make a picture. The best way to Tell others about your data is with a well-chosen
Why Historical interest picture.
These are the three rules of data analysis. There are pictures of data throughout the
text, and new kinds keep showing up. These days, technology makes drawing pictures of
data easy, so there is no reason not to follow the three rules.

Figure 1
A picture to tell a story. In November
2008, Barack Obama was elected the
44th president of the United States.
News reports commonly showed the
election results with maps like the
one on top, coloring states won by
Obama blue and those won by his
opponent John McCain red. Even
though McCain lost, doesn’t it look
like there’s more red than blue?
That’s because some of the larger
states like Montana and Wyoming
have far fewer voters than some of
the smaller states like Maryland and
Connecticut. The strange-looking
map on the bottom cleverly distorts
the states to resize them proportional
to their populations. By sacrificing an
accurate display of the land areas,
we get a better impression of the
votes cast, giving us a clear picture
of Obama’s historic victory.
(Source: www-personal.umich.
edu/~mejn/election/2008/)

The Area Principle

We’re ready to follow the three rules of data analysis and make a picture of the data. But a
bad picture can distort our understanding rather than help it. On the next page is a graph of
the Titanic data. What impression do you get about who was aboard the ship?
It looks like most of the people on the Titanic were crew members, with a few pas-
sengers along for the ride. That doesn’t seem right. What’s wrong? The lengths of the
ships do match the number of people in each ticket class category. However, experience
and psychological tests show that our eyes tend to be more impressed by the area than by
other aspects of each ship image. So, even though the length of each ship matches up with


 Displaying and Describing Categorical Data

Figure 2
How many people were in each class
on the Titanic? From this display,
it looks as though the service must
have been great, since most aboard
were crew members. Although the Crew
length of each ship here corresponds
to the correct number, the impression
is all wrong. In fact, only about 40%
were crew.

A S Activity: Make and examine

Third

a table of counts. Even data on some-

thing as simple as hair color can reveal
surprises when you organize it in a data Second
table.
First

0 300 600 900

Class Count one of the totals, it’s the associated area in the image that we notice. There were about
First 325 3 times as many crew as second-class passengers, and the ship depicting the number of
Second 285 crew is about 3 times longer than the ship depicting second-class passengers. The problem
Third 706 is that it occupies about 9 times the area. That just isn’t a correct impression.
Crew 885 The best data displays observe a fundamental principle of graphing data called the
area principle. The area principle says that the area occupied by a part of the graph should
correspond to the magnitude of the value it represents. Violations of the area principle are a
Table 2 common way to lie (or, since most mistakes are unintentional, we should say err) with Statistics.
A frequency table of the
Titanic passengers.
Frequency Tables
A display that distorts the number of cases can be misleading. But before we can follow
Class % the area principle to accurately display a categorical variable, we need to organize the
First 14.77 number of cases associated with each category. Even when we have thousands of cases, a
Second 12.95 variable like ticket Class, with only a few categories, is easy to organize. We just count the
Third 32.08 number of cases corresponding to each category and put them in a table. This frequency
Crew 40.21 table also records the totals and uses the category names to label each row. We use the
names of the categories to label each row in the frequency table. For ticket Class, these are
Table 3 “First,” “Second,” “Third,” and “Crew.”
A relative frequency table for the For a variable with dozens or hundreds of categories, a frequency table will be much
same data. harder to read. You might want to combine categories into larger headings. For example,
instead of counting the number of students from each state, you might group the states
into regions like “Northeast,” “South,” “Midwest,” “Mountain States,” and “West.” If the
1000
number of cases in several categories is relatively small, you can put them together into
800 one category labeled “Other.”
Counts are useful, but sometimes we want to know the fraction or proportion of the
Frequency

600
data in each category, so we divide the counts by the total number of cases. Usually we
400 multiply by 100 to express these proportions as percentages. A relative frequency table
displays the percentages, rather than the counts, of the values in each category. Both types
200
of tables show how the cases are distributed across the categories. In this way, they de-
0 scribe the distribution of a categorical variable because they name the possible categories
First Second Third Crew
Class
and tell how frequently each occurs.

Figure 3 Bar Charts

People on the Titanic by Ticket Class.
With the area principle satisfied, we Figure 3 shows a chart that obeys the area principle. It’s not as visually entertaining
can see the true distribution more as the ships, but it does give an accurate visual impression of the distribution. The
clearly. height of each bar shows the count for its category. The bars are the same width,


Another random document with
no related content on Scribd:
ihmeet ja enteet, joita huomataan valtioiden, ruhtinaiden ja
yksityisten henkilöitten häviön edellä, ovat hyvien enkelien armeliaita
muistutuksia, joita huolimattomat ihmiset nimittävät vain
sattumuksen ja luonnon ilmiöiksi.

Paitsi näitä erityisiä ja yksityisiä henkiä saattaa hyvinkin olla

yltyleinen ja koko maailmalle yhteinen henki. Sitä mieltä oli Plato ja
samoin edelleen hermeettiset filosofit. Jos kerran on olemassa
luonto, joka yhdistää ja sitoo hajalliset ja erikoiset yksilöt samaan
heimoon, miksi ei voisi olla sellaista, joka yhdistää ne kaikki? Ainakin
olen varma siitä, että on olemassa yhteinen henki, joka vaikuttaa
meissä, mutta ei ole osa meistä. Ja se on Jumalan henki, sen ylevän
ja mahtavan olennon tuli ja säteily, joka on henkien elämä ja
todellinen voima, samoin kuin niiden olentojen, jotka eivät tunne
auringon voimaa. Se tuli on aivan toisenluontoista kuin helvetin tuli.
Sama lempeä elämän voima ja lämpö liikkui vetten päällä ja
kuudessa päivässä hautoi esiin maailman. Ja tämä säteily karkoittaa
manalan sumut ja poistaa kauhistuksen, pelon, murheen ja
epätoivon pilvet ja säilyttää sielun rauhan. Ken ei tunne tämän
hengen lämmintä ja lempeätä tuulahdusta, sitä en uskalla sanoa
eläväksi olennoksi, vaikka tuntisin hänen valtimonsa sykähtelevän.
Sillä totisesti ilman sitä ei mielestäni edes päiväntasaajan seudulla
ole mitään lämmintä, eikä mitään valoa, vaikka asuisin itse
auringossa.

Mitä siis henkiin tulee, niin kaukana siitä, että kieltäisin niiden
olemassaolon, pikemmin uskon, ettei ainoastaan kokonaisilla
valtioilla, vaan yksityisillä henkilöilläkin on ohjaava ja suojeleva
enkelinsä. Tämä ei ole Rooman kirkon uusi mielipide, vaan jo
Pythagoraan ja Platon esittämä. Siinä ei ole mitään vääräuskoista, ja
vaikka sitä ei nimenomaan mainitakaan raamatussa, on se kuitenkin
ihmiselämälle hyvä ja hyödyllinen ajatus. Se saattaisi olla hyvä
olettamus poistamaan monia epäilyksiä, joille tavallinen filosofia ei
voi antaa mitään ratkaisua.

Jos vaaditte minun mielipidettäni ja selitystäni niiden luonteesta,

täytyy minun sanoa, että käsitykseni ovat niukat. Enimmäkseen voin
määritellä niitä vain kielteisellä tavalla, niinkuin Jumalankin olemusta,
tai vertaillen itseemme ja muihin luotuihin. Sillä tässä
maailmankaikkeudessa on olemassa asteittainen kehitys ja
luontokappalten arvojärjestys, joka ei ylene satunnaisesti ja
epäjärjestyksessä, vaan soveliaan järjestelmän mukaisesti ja
suhteellisesti. Pelkästään vain olevien ja todellisesti elävien välillä on
suuri ero; kasvien ja eläinten välillä sitäkin suurempi ja edelleen
näiden ja ihmisten välillä kaikkein suurin ero. Ja jos tämä suhde
pitää paikkansa, tulisi ihmisten ja enkelien välillä olla vielä
tuntuvampi eroavaisuus.

Me emme ymmärrä enkelien olemusta, jotka eroavat meistä

kuolemattomuudellaan, — sillä vaikka luullaan myös ihmisen ennen
lankeemusta olleen kuolemattoman, täytyy kuitenkin myöntää, että
ihminen silloinkin oli toisenlainen kuin enkelit. Kun siis emme voi
hankkia mitään varmaa tietoa jälkimäisten luonteesta, ei ole mikään
huono menettelytapa se erinäisten oppisuuntien noudattama, että
mitä tahansa hyviä ominaisuuksia tapaamme itsessämme
kätkettyinä, voimme niitä heissä edellyttää sitä suuremmassa ja
täydemmässä määrässä. Uskon, että heillä on välitön tietämys ja
että he kykenevät järkensä ensimmäisellä päätelmällä suorittamaan
sellaista, mitä me emme osaa muutoin kuin harkiten tai
opiskeltuamme. Samoin uskon heidän tuntevan asioita ja esineitä
niiden muodosta ja määrittelevän erikoisten eroavaisuuksien
perusteella sellaista, mitä me osaamme kuvata vain ominaisuuksien
ja ilmiöiden avulla. Siitä syystä ne asiat, jotka meistä näyttävät vain
mahdollisilta, voivat heistä olla päivänselviä. He myös tuntevat
yksilöiden sekä erikoisia että myöskin luvullisia muotoja ja
ymmärtävät, minkä erityisen eroavaisuuden nojalla kukin
yksityisolento tulee, paitsi sen suhdetta heimoon, yksilölliseksi.
Samoin kuin sielu kykenee panemaan liikkeelle sen ruumiin, jota se
elävöittää, hekin voivat vaikuttaa keneen hyvänsä, vaikka eivät
olekaan sen asukkaita. Meidän vaikutuksemme on riippuvaista
ajasta, paikasta ja välimatkasta, mutta se näkymätön käsi, joka
johdatti Habakukin jalopeurain luolaan tai Filippuksen Asdodiin,
rikkoo tätä sääntöä salaperäisellä tavalla, jota kuolevainen ei voi
tuntea.

Jos heillä kerran on tuo välitön tietämys, jonka avulla he voivat

nähdä toistensa ajatuksia ikäänkuin kasvoilla heijastuvina, en voi
jyrkästi kieltää, että he myöskin tuntevat suuren osan meidän
ajatuksiamme. Ne, jotka tehdäkseen turhanaikaiseksi pyhimyksiin
vetoamisen, ovat kieltäneet, että heillä on mitään tietoa meidän
asioistamme, ovat menneet liian pitkälle ja saavat suoda anteeksi,
jos olen toista mieltä, kunnes voin täydellisesti vastata tuohon
raamatun kohtaan: taivaan enkelit iloitsevat syntisen kääntymisestä.

En voi suuren kirkkoisän ja hänen kannattajiensa tavoin varmasti

selittää ensimmäisen luomispäivän sanaa tulkoon valo vain enkelien
luomista tarkoittavaksi. Myönnän kyllä, ettei ole mitään muita luotuja,
jotka luonnostaan olisivat niin läheisesti auringonvalon kaltaisia. Me
kyllä sanomme sitä pelkästään sattumaksi, mutta siinä, missä valo
on omaperäistä, se on henkistä ainetta, ja voinee olla enkeli.
Lyhyesti sanottuna: ajattele valoa näkymättömäksi, niin se on henki.
 Nämä ovat varmaankin Luojan mestariteoksia, hänen luomisensa
kukka tai niin sanoaksemme tyhjyyden paras osa. Ne ovat todella
olemassa sillä asteella, jota me vain toivomme ja pidämme joskus
mahdollisena. Me olemme vain ruumiillisen ja henkisen olotilan
välisiä olennoita, näitä kahta tilaa yhdistävä rengas, joka toteuttaa
sekä Jumalan että luonnon toimintamuotoja. Tällöin ei hypätä
äärimmäisyydestä toiseen, vaan sietämättömät välimatkat on täytetty
tällaisilla keskiarvoisilla ja ositetuilla olennoilla. Kieltämätöntä on, että
me olemme saaneet osan Jumalan henkeä ja kaltaisuutta, mutta
itsemme nimittäminen mikrokosmokseksi, pienoismaailmaksi, oli
mielestäni vain korupuhetta, kunnes lähemmin tutkittuani ja
ajateltuani asiaa huomasin, että siinä onkin perää. Sillä ensin
olemme vain raaka-ainetta ja kuulumme niiden luotujen joukkoon,
jotka vain ovat olemassa ilman varsinaista elämää tai tajuntaa ja
järkeä; seuraava aste on verrattavissa kasvin elämään; sitä
seuraava on eläimen ja sitten ihmisen elämää. Ja lopuksi seuraa
henkisen elämän aste, yhdistäen salaperäisellä tavalla nuo viisi eri
olevaisuuden lajia, joihin sisältyy ei ainoastaan tämän maapallon,
vaan koko maailman olioiden oleminen.

Ihminen on siis todellinen ja suurenmoinen »moniluonto», joka on

määrätty elämään, ei ainoastaan muiden olentojen tavalla eri
olotiloissa, vaan erilaisissa, erillisissä maailmoissa. Sillä vaikka
aistimme tajuavat vain yhden maailman, käsittää järki kaksi
maailmaa: toinen on näkyvä, toinen näkymätön. Mooses näyttää
antaneen niistä selostuksen, mutta se on ainakin jälkimäiseen
nähden niin epäselvä, että eräät sen osat ovat vieläkin kiistanalaisia.
Ensimmäisen Mooseksenkirjan alkuluvut ovatkin mielestäni sangen
hämäriä. Vaikka jumaluusoppineet ovat koettaneet inhimilliselle
järjelle sovittaa kaikki kirjaimellisesti ymmärrettäväksi, voinevat
vertauskuvalliset tulkinnat myös olla hyväksyttäviä. Ehkäpä Mooses
oli egyptiläisten hieroglyyfikoulussa oppinut tätä salaperäistä
esitystapaansa.

Mitä tähän aineettomaan maailmaan tulee, ei meidän tarvinne

mennä ensimmäisen liikkuvan toiselle puolen. Sillä tässä
aineellisessakin kulkevat henget yhtä vapaasti, välittämättä ajasta,
paikasta tai liikuntarajoituksista, kuin tämän maailman äärimmäisten
rajojen tuolla puolen. Jos vain oletamme, että ruumiillisuus häviää tai
että esineet lieuennetaan äärimmäisiin alkuaineisiinsa asti, niin
tapaamme enkelien asumasijan, ja jos sitä nimitänkin Jumalan
kaikkialla läsnä olevaksi olemukseksi, en sillä toivoakseni loukkaa
hänen arvoansa. Sillä ennen maailman luomista oli Jumala kaikki
kaikessa. Enkeleitä varten hän näet ei luonut uutta maailmaa eikä
nimenomaista olopaikkaa, ja siitä syystä ne ovat siellä, missä on
hänen olemuksensa, jopa elävät matkan päässä hänessä itsessään.

Tavallaan on totta, että Jumala loi kaikki ihmistä varten, mutta ei

sentään niin pitkälle, että noiden ylevämpien olentojen luominen
riippuisi meidän luomisestamme, vaikkakin he palvelevina henkinä
ovat halukkaita täyttämään Jumalan tahtoa ihmisen
vähäpätöisemmissä, maallisissa asioissa. Jumala on tehnyt kaikki
itseänsä varten, ja mahdotonta on, että hän olisi luonut muun takia
kuin omaksi kunniakseen. Mitään muuta ei hänellä työstään ole, eikä
muu ole hänen ulkopuolellaan. Sillä kun kunnia on ulkonainen
ominaisuus ja riippuu enemmän kunnioittavasta kuin
kunnioitettavasta, niin oli tarpeellista luoda olento, joka hänelle
osoittaisi kunnioitusta. Sellaisia olentoja ovat toisessa maailmassa
enkelit ja tässä ihminen. Jos me sen laiminlyömme, unhotamme
koko luomisen tarkoitusperän ja voimme syystä kylläkin saattaa
Jumalan katumaan ei ainoastaan sitä, että hän on luonut maailman,
vaan sitäkin, että hän on vannonut olevansa sitä hävittämättä.
 Että on olemassa vain yksi maailma, on uskon päätelmä.
Aristoteles ei koko filosofiallaan ole kyennyt sitä toteen näyttämään,
ja yhtä heikosti hän on koettanut todistaa maailman ikuisuutta.
Väittely tästä asiasta vaivasi paljon muinaisia filosofeja, mutta
Mooses ratkaisi kysymyksen, ja kaikki on nyt pelastettu uudella
sanalla: luominen, joka merkitsee jonkin tekemistä tyhjästä. Mitä
taas tämä viimemainittu merkitsee? Sitä, mikä on jonkin vastakohta,
tai tarkemmin sanoen sitä, mikä on täysi vastakohta Jumalalle. Sillä
hän ainoastaan on; kaikki muu on olemassa vain riippuvaisena ja on
jotakin vain erikseen tarkastettuna. Ja siinä jumaluusoppi yhtyy
filosofiaan, eikä siis vain siittäminen perustu vastakohtiin, vaan myös
luominen. Jumala, joka itse on kaikkien olioiden kokonaisuus, on
tyhjyyden vastakohta. Tyhjyydestä hän loi kaikki, joten siitä, missä ei
ollut mitään, tuli jotakin ja kaikkiolevaisuus elähdytti olemattomuuden
olevaisuudeksi.

Koko luominen on salaperäistä, mutta erittäinkin ihmisen

luominen. Muut luodut tehtiin Jumalan hengen puhalluksesta,
syntyen tyhjästä hänen pelkän sanansa kutsumuksesta. Mutta
ihmistä kyhätessään (kuten raamattu esittää) hän oli
havaannollisena tekijänä, eikä hänen työnsä ollut niin paljon luomista
kuin valmistamista. Kun hän oli valikoinut muiden olentojen ainekset,
oli heti tuloksena muoto ja sielu, mutta kun hän oli kyhännyt ihmisen
ulkonaisen hahmon, täytyi hänen suorittaa toinen työläämpi,
luominen, — luoda jotakin itsensä kaltaista, mikä on katoamaton ja
kuolematon sielu.

Näistä kahdesta ominaisuudesta meillä on takeena myös

pakanallisten filosofien lausumat mielipiteet. Plato myöntää
ylimalkaisesti, eikä Aristoteleskaan kiellä. Mutta jumaluusoppi on
tässä luomiskysymyksessä herättänyt toisen pulman, jota on
saksalaisissa oppisaleissa paljon käsitelty niin samankaltaisilla ja
yhdenvertaisilla syillä ja vastasyillä, että vaikeus on jäänyt
selvittämättä. Minä en hyväksy Paracelsuksen mielipidettä, joka
rohkeasti esittää, miten ihminen voitaisiin luoda käyttämättä
sukupuoliyhteyttä, mutta en voi olla ihmettelemättä, että on suuri
joukko sellaisia, jotka kieltävät sielunperiytymisen, vaikka heillä ei ole
muuta tukea käsitykselleen, kuin Augustinuksen puhetaidollinen
lause ja sanaleikki: Creando infunditur, fundendo creatur [luomalla
vuodatetaan sisään, sisään vuodattamalla luodaan]. Kumpikin
käsitys soveltuu hyvin uskontoon. Kuitenkin olisin mieluummin
jälkimäisen puolella, jollei eräs vastaväite minua vaivaisi. Se ei ole
syntynyt mietiskelystä eikä viisasteluista, vaan aivan terve järki ja
tavalliset huomiot ovat sen herättäneet, eikä se ole kenenkään
kirjailijan teoksista otettu, vaan se on kasvanut omien aivojeni
rikkaruohojen joukossa. Tarkoitan johtopäätöstä tapahtuneiksi
väitetyistä hirveistä tuloksista, joita tuottaa ihmisen ja eläimen
yhtyminen. Sillä jollei ihmisen sielu ole hänellä synnynnäinen,
vanhempain siemenessä hänelle siirtynyt, miksi eivät nuo tulokset
ole pelkkiä eläimellisiä, vaan niissä on nähtävissä järjen ilmiöitäkin,
mikäli niitä niin soveltumattomissa elimissä voi ilmaantua?

Enkä taasen voi jyrkästi kieltää, että sielu tässä maallisessa

tilassaan on kokonaan ja kaikissa suhteissa elimetön, mutta että sen
tavallisten toimien suorittamiseksi tarvitaan sekä elimien sopusuhta
ja oikea järjestely että myöskin sen toimintaan sovelias lämpömäärä.
Kuitenkaan ei tämä ihmisen ruumiin kokonaisuus ja näkyväinen
rakenne ole sielun väline eikä varsinainen asunto. Pikemminkin se
on aistimien asunto ja järjen välikappale. Tutkiessamme ihmisen
ruumiin rakennetta, tulemme monenlaisiin filosofisiin kysymyksiin,
vieläpä sellaisiin, jotka johtivat pakanoitakin jumalallisiin asioihin.
Kuitenkaan en saa niin suurta tyydytystä kaikista merkillisistä
huomioista ja ihmeellisistä asioista, joita keksin ihmisen ruumiin
rakenteessa, kuin siitä seikasta, etten löydä minkäänlaista sielun
elintä tai välinettä. Sillä ihmisen aivoissa, joita nimitämme järjen
asunnoksi, ei ole huomattavana muuta kuin mitä tavataan eläimen
kallossa. Ja tämähän on havaannollinen eikä suinkaan vähäinen
todistus sielun elimettömyydestä, ainakin siinä merkityksessä kuin
tavallisimmin sitä käytämme.

Me olemme siis ihmisiä emmekä tiedä miten. Meissä on jotakin,

mikä voi olla ulkopuolellammekin ja jää jälkeemme. Ihmeellistä vain
on, ettei se mitenkään voi ilmaista, mitä se on ollut ennen meitä, eikä
voi sanoa, kuinka se meihin tuli.

Mitä sitten tähän ruumiillisen olemuksemme vankilaan tulee, jonne

sielu näyttää olevan suljettu ennen ylösnousemista, ei se ole muuta
kuin aivan alkeellista rakennetta, jonka täytyy tuhaksi muuttua. Että
kaikki liha on ruohoa, se ei ole vain kuvaannollisesti, vaan
kirjaimellisestikin totta. Sillä kaikki luontokappaleet, joita näemme,
ovat vain kedon ruohoja, jotka ovat muuttuneet niiden ruumiiksi, ja
sitten ne taas siirtyvät meidän ruumiiseemme lihaksi. Voinpa mennä
vielä pitemmälle ja sanoa, että olemme kauhuksemme ihmissyöjiä,
jotka emme ainoastaan syö ihmisiä, vaan vieläpä itseämmekin. Eikä
sekään ole mikään vertauskuva, vaan suora totuus. Sillä ruumiimme
koko ainejoukko, jonka nyt näemme, on tullut suumme kautta; tämä
runko, jota katselemme, on ennen ollut edessämme pöydällä;
lyhyesti sanoen: me olemme syöneet oman itsemme.

En usko, että Pythagoraan viisaus milloinkaan suoranaisesti ja

kirjaimellisessa merkityksessä sai toteen näytetyksi
metempsychosis-teoriaansa, jonka mukaan ihmisen sielu voi siirtyä
eläimeen. Kaikista hahmonmuuttumisista uskon vain yhden, nimittäin
Lootin vaimon muuttumisen. Sillä Nebukadnesarin muuttuminen ei
mennyt niin pitkälle. Muissa sellaisissa en ole nähnyt muuta totuutta
kuin mitä niihin kätketty ajatus ja siveellinen opetus sisältää.

Uskon, että eläimen koko olento häviää ja jääpi samanlaiseen

tilaan kuoleman jälkeen kuin ennenkuin se aineellistettiin eläväksi.
Samoin uskon, että ihmisen sielu ei joudu vastakohtaansa eikä
rappioon, vaan jää jäljelle ruumiista ja pysyy kuoleman jälkeenkin
varsinaisen luonteensa perustuksella, ilman mitään ihmettä, ja että
uskovaisten ihmisten sielut, jätettyänsä maan, ottavat asuntonsa
taivaassa. Lisäksi uskon, että kuolleitten ilmestymiset ja aaveet eivät
ole ihmisten harhailevia sieluja, vaan paholaisten rauhattomia
retkeilyjä, ne kun koettavat viekoitella meitä pahuuteen,
verenvuodatukseen ynnä muihin rikoksiin, uskotellen meille, että
autuaat henget eivät saa rauhaa haudoissaan, vaan harhailevat
huolissaan maailman asioista. Syynä siihen, että tuollaisia ilmiöitä
usein esiintyy hautausmailla, ruumishuoneissa ja kirkoissa, on se,
että nämä ovat vainajien lepopaikkoja, joissa paholainen, kuten
röyhkeä tappelija, katselee ylpeänä Aatamista saamansa voiton
merkkejä ja saalista.

Siinäpä on se surkea tappio, jota valitamme ja joka saa meidät niin

usein huudahtamaan: voi, Aatami, mitä sinä teitkään! Minä kiitän
Jumalaa, etteivät ne siteet ja velvollisuudet, jotka kiinnittävät minua
maailmaan, ole niin tiukat ja tärkeät, jotta olisin elämään hullaantunut
tai vapisisin kuoleman nimen kuullessani. Eipä sillä, että olisin
tunnoton sen uhkauksia ja kauhua vastaan, tai että olisin
haudankaivajan tapaan tylsistynyt ja menettänyt kykyni ymmärtää
kuolemaa, koska olen penkonut kuolleitten sisälmyksiä, alinomaa
nähnyt avattuja ruumiita, luurankoja ja mädäntyneitä jäännöksiä.
Päinvastoin juuri toimittaen noin kauheata ja ajatellen sen
äärimmäisiä seurauksia, en tapaa siinä mitään, joka voisi lannistaa
ihmistä, saatikka vakautuneen kristityn uskoa. Senpä vuoksi en ole
suutuksissani ensimmäisten vanhempiemme erehdyksistä enkä
haluton kantamaan osaani tässä yhteisessä kohtalossa ja siis
kuolemaan, niinkuin parhaatkin ihmisistä, lakaten hengittämästä,
jättäen jäähyväiset kaikelle näkyväiselle, ollakseni tuokion aikaa kuin
olematon ja muuttuakseni hetken perästä hengeksi.

Kun täysin tarkastan itseäni ilman tuota kaiken tasoittajaa ja

lahjomatonta oikeuden jakajaa, kuolemaa, pidän itseäni kaikista
olevaisista kurjimpana. Jollei olisi toista elämää, johon toivon
pääseväni, ei tämän maailman kaikki turhuus saisi minusta yhtäkään
hengähdystä houkutelluksi. Jos paholainen saisi minut uskomaan,
etten milloinkaan voi kuolla, niin siitä pelkästä ajatuksesta heittäisin
henkeni. Minulla on niin halveksiva käsitys tästä tavallisesta
elämästä, auringon alustalaisuudesta, ettei täällä eläminen
mielestäni ole oikeata ihmisenä olemista, inhimillisyyden arvoista.
Odottaessani parempaa voin kuitenkin kärsivällisesti elää tätä
elämää ja silti parhaimmissa mietteissäni uhmata kuolemaa. Minä
kunnioitan jokaista, joka kuolemaa ylenkatsoo, enkä voi rakastaa
ketään, joka sitä pelkää. Senpä vuoksi luonnostani rakastan sotilasta
ja kunnioitan ryysyisiä ja halveksittuja rykmenttejä, jotka ovat valmiit
jonkun päällikön käskystä kuolemaan. Pakanalla saattaa olla syytä
rakastaa elämää, mutta jos kristitty hätkähtää kuolemaa, en voi
ymmärtää, kuinka hän voi vapautua siitä pulasta, että hän on joko
liian halukas tähän elämään tai toivoton tulevaiseen elämään
nähden.

Muutamat jumaluusoppineet arvioivat Aatamin olleen

kolmenkymmenen vanhan silloin, kun hänet luotiin, koskapa
olettavat hänet luoduksi täysikäisenä ja täysin kehittyneenä. Tosin
olemme kaikki vähän vanhempia kuin ikämme ja jokainen on
muutamia kuukausia vanhempi kuin luuleekaan, sillä me elämme,
liikumme, olemme olemassa aineellisuuden vaikutuksen alaisina ja
taudeille alttiina siinä toisessa maailmassa, todellisessa
mikrokosmoksessa, joka on äidin kohtu. Sillä paitsi sitä yleistä
olemassaoloa, jonka käsitämme meille kuuluvan kaaoksessamme,
jolloin lepäämme elämämme alkusyyn huomassa, olemme ja
elämme kolmen eri maailman piirissä, saaden mitä selvimmin eri
asteita. Äitimme pimeässä maailmassa ja kohdussa on oloaikamme
lyhyt, laskettuna kuukausissa, mutta kuitenkin pitempi kuin monen
elävän olennon aika auringon valossa ollessaan. Me emme
silloinkaan ole ilman varsinaista elämää, aistimista ja järkeä, vaikka
olentomme, ilmaistakseen toimintaansa, näkyy odottavan tilaisuutta
päästä esineihin käsiksi ja viettävän siellä vain alkeellisinta
elintapaa. Sittemmin astuessamme tähän maailmaan me nousten
tulemme toisenlaisiksi olennoiksi, ryhdymme toimittamaan ihmisen
järkeviä tekoja ja ilmaisemme, joskin himmeästi, jumalallista
alkuperäämme, joka kuitenkin vasta sitten täydellisesti ilmenee, kun
olemme vielä kerran luoneet yltämme maallisen verhomme, se on:
lihan aineellisen painon, ja vapaudumme toiseen, viimeiseen
maailmaan, apostoli Paavalin selittämättömään paikkaan, henkien
varsinaiseen asuntoon.

Se vähä, mitä olen oppinut viisaiden kivestä (joka on jotakin

parempaa kuin kullan korkein olomuoto), on opettanut minulle koko
joukon jumaluusoppia ja ohjannut uskoani ymmärtämään, kuinka
kuolematon ja häviämätön sieluni voi vähän aikaa piillä lihani
suojassa. Silkkimadon salaperäiset ja omituiset muutokset johtivat
filosofiset ajatukseni jumaluusoppiin. Noissa luonnon ilmiöissä, jotka
näyttävät saattavan pulaan järkemme, on jotakin jumalallista; niissä
on enemmän kuin tavallinen katsoja havaitsee.
 Luonnostani olen kaino. Ei seurustelu, ikä, enempää kuin
matkatkaan ole voineet ujouttani poistaa tai minua paaduttaa. Mutta
erästä häveliäisyyteni laatua olen harvoin tavannut muissa: totta
puhuakseni en niin paljon pelkää kuolemaa kuin häpeän sitä. On
suorastaan luontoamme alentavaa joutua pienessä hetkessä niin
muuttumaan, että lähimmät ystävämme, vaimo ja lapset pelästyvät
ja karttavat meitä ja että taivaan linnut ja metsän pedot, jotka
luonnostaan peläten ennen tottelivat meitä, nyt rupeavat
raatelemaan. Tämä ajatus on kerran myrskyssä saanut minut
toivomaan, että joutuisin meren pohjaan, jonne katoaisin muiden
näkemättä ja säälimättä, kenenkään ihmettelemättä ja vuodattamatta
kyyneliä ja pitämättä puheita kuolevaisuudesta tai sanomatta:

Quantum mutatus ab illo!

Kuinka on muuttunut mies!

Eipä sillä, että häpeäisin ruumiini kokoonpanoa tai voisin syyttää

luontoa jonkin kohtani pahasta patustamisesta, tai valittaa omaa
paheellista elämääni minkään inhottavan taudin saamisesta, joten en
voisi nimittää itseäni yhtä terveelliseksi matojen ruuaksi kuin joku
toinenkin.

Muutamat voivat kärsivällisemmin suhtautua kuolemaan sen

rohkaisun perusteella, jota tuntevat hedelmällisestä lapsisadostaan,
kun he elämänsä päätyttyäkin jäävät näköjään vielä siinä eloon
ikäänkuin todellisimmassa aikakirjassa. Tämä käsitys, että elämä
jatkuu jälkeläisissä, näyttää minusta olevan vain itsepetosta,
arvotonta ihmiselle, jonka pitäisi vain ajatella tulevaa maailmaa ja
jalommalla tavalla kunnianhimoisena toivoa saavansa elää omana
itsenään taivaassa mieluummin kuin mitään nimellistä ja
varjoelämää maan päällä.
 Senvuoksi aion kuollessani sanoa täydelliset jäähyväiset tälle
maailmalle, välittämättä muistopatsaasta, elämäkerrasta tai
hautakirjoituksesta. Enpä edes välitä pelkän nimeni muistamisesta
muualla kuin Jumalan yltyleisessä luettelossa. En ole vielä niin
kyynillinen, että hyväksyisin Diogeneen testamentin, enkä liioin ole
aivan samaa mieltä kuin Lukanus kerskatessaan:

Cæto legitur, qui non habet urnam.

Taivas kattona sen, ken ei ole pantuna uurnaan.

Mutta maltillisemmin arvostellen hyväksyn niiden sävyisät aikeet,

jotka haluavat levätä isiensä uurnien likellä ja sievimmällä tavalla
maaksi muuttua. En kadehdi korppien ja varisten osaa enkä liioin
ennen vedenpaisumusta eläneitten isien pitkiä ja väsyneitä
elinpäiviä. Jos astrologiassa on jotakin perää, saattanen minäkin
elää jonkun riemuvuoden yli. Tähän asti en ole nähnyt ainoaakaan
Saturnuksen kierrosta eikä valtimoni ole tykyttänyt
kolmeakymmentäkään vuotta. Ja kuitenkin olen yhtä vaille nähnyt
Euroopan kaikkien kuninkaitten tomun laskettavan maahan.
Aikalaisiani ovat olleet kolme keisaria, neljä sulttaania ja yhtä monta
paavia. Tuntuu kuin olisin elänyt yli oman aikani, alkaen jo väsyä
elämään auringon alla. Olen puristanut kättä ihastuksen kanssa
vereni läikehtiessä lämpimänä elämäni mätäkuussa, ja nyt huomaan
jo odottelevani vanhuuden vaivoja. Maailma on minusta vain uni tai
pilanäytelmä, ja me itse siinä vain ilveilijöitä ja kummallisuuksia, kun
asiaa vakavammin mietiskelen.

Luonnollisestikaan ei ole luvatonta pyytää saada elää kauemmin

kuin Vapahtajamme eli, siis saavuttaa korkeampi ikä kuin missä hän
katsoi sopivimmaksi kuolla. Kuitenkin, jos taivaassa jumaluusopin
vakuutuksen mukaan ei ole harmaita hiuksia, vaan kaikki nousevat
kuolleista täydellisessä kukoistuksessaan, elämme täällä vain
kuluttamassa noita hyviä puoliamme, jotta sitten tulevaisessa
elämässä vielä suuremman ihmeen kautta ne saisimme takaisin, ja
siispä elämme täällä vain taantuaksemme myöhemmin. Jos olisi
mitään toiveita saada elää niin kauan, että vapautuisi paheesta tai
että määrä-iässä pääsisi synnistä, olisi aivan täysi syy rukoilla
Metusalemin ikää. Mutta ikä ei ojenna, vaan pikemmin käpertää
luontoamme, tehden huonoista taipumuksista vieläkin huonompia
tottumuksia ja (niinkuin usein tauditkin) tuottaen parantumattomia
vammoja. Sillä joka päivä, jonka vanhenemme, käyden heikommiksi,
tulee synti meissä voimakkaammaksi, ja kuta useammat elämämme
päivät ovat, sitä lukemattomammiksi karttuvat syntimme.
Kuudentoista vuoden iässä tehty synti ei ole, olojen
samankaltaisuudesta huolimatta, enää samanarvoinen
neljänkymmenen vuoden ikäisessä, vaan se paisuu ja
monikertaistuu ikämme mukana, ja jos jo alinomainen rikkominen on
puolustamatonta, sitä vähemmin oikeuttaa meitä puolusteluun
arvostelukykymme kypsyminen.

Kuta useammin teemme jotakin syntiä, sitä enemmän se käy

paheeksi. Mikäli sen tekeminen jatkuu, sikäli se edistyy pahempaan
suuntaan, sillä pahuuden määrä lisääntyy kerta kerralta, niinkuin
lukuarvot numeroissa, joilla äärimmäinen on arvoltaan suurempi kuin
kaikki muut yhteensä. Ja vaikka luulen, ettei kukaan voi elää hyvin
yhtä kertaa, ellei saisi elää kahdesti, en kuitenkaan omasta puolesta
tahtoisi uudelleen elää kulunutta elämääni, uudelleen aloittaa
päivieni vaellusta. Tätä en sano siitä syystä kuin Cicero, koska muka
olen elänyt hyvin, vaan koska pelkään, että eläisin uudelleen
huonommin. Huomaan, että kehittyvä arvostelukykyni joka päivä
neuvoo minua, kuinka tulisin paremmaksi, mutta vallattomat
mielihaluni ja piintynyt pahuuteni saavat minut päivä päivältä
tekemään pahemmin. Huomaan miehuuteni iällä samat synnit, joita
ilmeni nuoruudessanikin. Silloin tein monta niistä, koska olin lapsi, ja
kun nytkin niitä teen, olen vieläkin lapsi. Siitä syystä ymmärrän kyllä,
että ihminen voi olla kahdesti lapsi, ennenkuin ehtii
vanhuudenhöperöksi, ja tarvitsee Aesonin kylpyä ennen
kuudenkymmenen vuoden ikää.

Ja totisesti tarvitaan melko paljon kaitselmuksen johtoa, jotta

ihminen pääsisi kuudenkymmenen vanhaksi. Tarvitaan paljon
enemmän kuin kelpo luonto tuota ikää varten. Vaikka rohkea ja
elämänhaluinen mieli itsessään sisältää öljyä
seitsemäksikymmeneksi vuodeksi, näyttää minusta, että muutamissa
sitä ei riitä elämänvaloksi paljoakaan yli kolmenkymmenen vuoden.
Ne, jotka kirjoittavat kokonaisia kirjoja pitkästä elämästä, eivät tunne
kaikkia pitkän iän syitä. Ne, jotka tuntevat elävänsä parhaimmissa
voimissa ja pirteimmällä mielellä, eivät määrittele, miksi Aapeli ei
elänyt yhtä kauvan kuin Aatami.

Niinpä on elämämme pituuden mittana salainen sääntö: Jumalan

viisaus määräsi sen, mutta hänen jatkuva huolenpitonsa ja
kaitselmuksensa toteuttaa sitä, ja näin täyttävät kaikki henget, me
itse ja kaikki Jumalan luodut olennot, salaperäisellä ja
käsittämättömällä tavalla hänen tahtoansa. Älkööt ne, jotka kuolevat
kolmenkymmenen ikäisinä, siis valittako, että ovat kypsymättömiä.
He poistuvat elämästä niinkuin kerran koko maailmakin, jonka luja ja
hyvin sommiteltu ainejoukko ei saa odottaa kestävänsä enempää
kuin sille on aikaa suotu. Silloin, kun kaikki on siinä täydennetty, on
sen ikäkin täyttynyt. Viimeinen ja yltyleinen kuume saattaa yhtä
luonnollisesti sen tuhota ennen kuudentuhannen vuoden ikää kuin
minut pääsemättäni neljänkymmenen vanhaksi.
 On siis elämämme lankaa punomassa toinen kuin luonnon käsi.
Me emme ainoastaan ole tietämättömät itseämme vastustavista
salaperäisistä voimista, vaan elämämme loppukin on yhtä kätketty
kuin alkumme. Elämämme ura on yöhön kätketty, ja sen eri
tapahtumat ovat merkityt näkymättömällä kädellä. Jos siinä
tunnustammekin tietämättömyytemme, emme varmastikaan erehdy,
kun sanomme, että sitä johtaa Jumalan käsi. Minua miellyttää hyvin
pari Lukanuksen säettä, sittenkun en ainoastaan ole kyennyt niitä
kääntämään, kuten koulussa, vaan myöskin ne ymmärtänyt:

Victurosque Dei celant, ut vivere durent, felix esse mori —

»jumalat salaavat voitokkailtakin, kuinka onnellista on kuolla, jot

jaksaisivat elää.» Tällä runoilijalla on monta etevää ajatusta, hänen
stoalaisen neronsa lahjoittamia. Samoin on Zenolla filosofiassaan ja
yleensä stoalaisten lauselmissa erinomaisia oppeja, jotka
nähdäkseni saarnatuolista esitettyinä kävisivät nykyaikaisesta
jumaluusopista. Siinä he kuitenkin liioittelevat, että sallivat ihmisen
ruveta omaksi surmaajaksensa ja suuresti ylistävät Caton loppua ja
itsemurhaa. Tämä ei todellakaan ole kuolemanpelkoa, mutta
toisaalta se on elämänkammoa. Uljasta tietysti on halveksia
kuolemaa, mutta siinä, missä elämä näyttää kauheammalta kuin
kuolema, on todellinen uljuus juuri se, että uskaltaa elää.

Tässä kohden uskonto on opettanut meille ylevän esimerkin. Sillä

eipä yksikään Curtiuksen, Scaevolan, enempää kuin Codruksenkaan
uljaista teoista kestä vertailussa Jobin uljuuden rinnalla, eikä ole
mitään kidutusta, joka vetäisi vertoja taudin tuottamille kärsimyksille,
samoin kuin ei kuolemassa itsessään mitään tikaria voi pitää
kauheampana kuin sen edellä käyviä enteitä. »Emori nolo, sed me
esse mortuum nihil curo» — en tahtoisi kuolla, mutta en välitä,
vaikka olisinkin kuollut.

Jos minulla olisi Caesarin uskonto, toivoisin kuten hänkin saavani

mieluummin kuolla yhdestä iskusta kuin että kiduttava tauti minut
palasiksi sahaisi. Ihmiset, jotka eivät näe omaa nenäänsä
pitemmälle, luulevat terveyden kuuluvan elämän vakinaisiin ilmiöihin
ja moittivat ruumistansa siitä, että se on sairas. Minä sitävastoin,
joka olen tutkinut ihmisen ruumista ja tiedän, kuinka heikkojen
kiinnikkeiden varassa koko laitos on, ihmettelen sitä, ettemme aina
ole sairaita. Ja ottaen huomioon ne tuhannet mahdollisuudet, jotka
aiheuttavat kuoleman, kiitän Jumalaa siitä, että voimme kuolla vain
yhden kerran. Eivät ainoastaan tautien tuottamat vammat ja
myrkkyjen häijyys tee meistä loppua, vaan niiden lisäksi olemme
voimattomia kaikkia uusia surma-aseita vastaan. Kuka hyvänsä
kykenee tuhoamaan meidät, ja jokaista, jonka tiellämme tapaamme,
voimme epäillä pahoista aikeista henkeämme vastaan.

Senvuoksi on vain se lohdutus jäljellä, että vaikka heikommankin

käden vallassa on ottaa henkemme, ei voimakkainkaan käsi voi
estää meitä kuolemasta. Eikä Jumala itsekään tahtonut poiketa siitä,
vaikka kuolemattomalle tuotti suurta kurjuutta lihassa esiintyminen;
hän ei valinnut kuolematonta olomuotoa. Tässä ruumiillisessa
elämässä ei totisesti ole mitään onnellisuutta, eikä näiden silmiemme
nähtäväksi ole annettu mitään onnea. Ensimmäinen juhlapäivämme
on kuolema. Paholainen on siis pettynyt toiveissaan: me olemme
onnellisempia kuoleman avulla kuin olisimme ilman kuolemaa;
mitään kurjuutta ei ole muualla kuin siellä, missä onnettomuus ei
koskaan lopu. Ja siitä syystä on stoalainen tavallaan oikeassa. Hän
tosin unhottaa, että sekin voi kuolla, joka valittaa onnettomuuttaan;
mikään onnettomuus ei voi meitä vallita, kun kuolema on omassa
vallassamme.

Paitsi tätä kirjaimellista ja varsinaista kuoleman muotoa on

toisiakin, joita jumaluusoppineet mainitsevat ja jotka eivät liene vain
vertauskuvia, kuten lihankuoletus, kuoleminen synnistä ja
maailmasta. Sanon sentähden, että jokaisella ihmisellä on
kaksinainen horoskooppi: toinen koskee hänen ihmisyyttänsä,
syntymistään; toinen kristillisyyttä, kastetta. Ja tästä jälkimäisestä
lasken kohtaloni uran enkä ota huomioon noita välipäiviä tai katso
itseäni miksikään, ennenkuin tulin Vapahtajani omaksi ja hänen
kirjaansa merkityksi. Sitä, joka ei elä tällaista elämää, en voi pitää
muuna kuin ilmiönä, vaikka hänellä onkin ruumiillisuuteen kuuluvat
ominaisuudet. Tältä siveelliseltä kannalta on kuolemattomuuteen
päästäkseen joka päivä kuoltava. Minun mielestäni emme vielä
silloin oikein ymmärrä kuolemaa, kun tarkastelemme pääkalloa tai
katselemme luurankoa arkipäiväisin miettein, joita ne meissä
herättävät. Senvuoksi minusta on näyttänyt hyvältä muuttaa
tavallisesti käytetty Memento mori [muista kuolemaa]
kristillisemmäksi muistolauseeksi: Memento quatuor novissima,
muista neljää välttämätöntä kohtaa jokaisen vaiheissa: kuolemaa,
tuomiota, taivasta ja helvettiä. Eihän pakanainkaan mielikuvitus
pysähtynyt vain hautaa ajattelemaan, vaan hekin käsittivät
jonkinlaisen tuomion tulevaksi kuoleman jälkeen, vaikka toisenlaisen
kuin me, riippuen heidän käsityskannastaan. En voi muuta kuin
kummeksia, miltä sibyllalta tai oraakkelilta he sieppasivat
ennustuksen maailman häviämisestä tulessa tai mistä Lukanus oppi
sanomaan:

Communis mundo superest rogus, ossibus astra

mixturus.
 Vuottavi maailmaa tulenlieska, mi ihmiset, tähdet
nielevä yhdess' on.

Uskon maailman rientävän loppuaan kohti, vaikka se ei vielä ole

vanha eikä rappeutunut eikä konsaan häviä omien perusteittensa
luhistumisella. Samoin kuin luomistyö oli luonnon yläpuolella, samoin
tulee sen vastakohtakin, häviäminen, olemaan. Muutoin maailma ei
loppuisi, vaan muuttuisi. Mutta mikä muu voima voisi sen niin
loppuun kuluttaa paitsi Jumalan hengähdys, joka on kaikkein
kuluttavin tuli, sitä ei ainakaan minun filosofiani voi selittää.

Muutamat luulevat, ettei maailman luomisessa tarvittu edes yhtä

minuuttia ja ettei sen häviämisessäkään enempää aikaa tarvita.
Luomisen kuusi päivää, jotka niin täsmällisesti esitetään, näyttävät
heistä vain kuvaavan Jumalan suuren työn suunnitelmaa ja aatetta
eikä sitä, kuinka hän työssään edistyi. Minun kuvitelmani mukaan ei
viimeisenä päivänä ole sellaista oikeudenkäyntiä tai haastetoimitusta
kuin raamattu tosin näyttää esittävän ja sen piintyneet selittäjätkin
käsittävät. Sillä raamatun käsittämättömät salaisuudet ovat usein
esitetyt kansantajuisesti ja havaannollisesti, ja kun ne ovat kirjoitetut
ihmisiä varten, eivät ne ole esitetyt siten, kuin ne todellisuudessa
ovat, vaan niin, että voitaisiin ymmärtää. Tämä ei tietystikään estä
omaksumasta erilaisista kyvyistä johtuvia erilaisia selityksiä kunkin
omaksi hartaudeksi, niin että yksityisen mielenylennykselle ei
mitenkään tule haittaa.

Jos yrittää määrätä tuon välttämättömästi kerran tulevan

tapauksen vuotta ja päivää, on se sekä suoranaista hulluutta että
myöskin ilmeistä jumalattomuutta. Kuinka voisimme selittää, mitä
tarkoittaa Eliaan kuusituhatta vuotta, tai kuvitella sitä salaisuutta
jollekulle rabbiinille ilmoitetuksi, kun Jumala on sen enkeleiltäkin
salannut? Olisihan siinä ollut erinomainen aihe tiedustella Delfon
oraakkelilta, jonka ehkä olisi täytynyt antaa jokin eriskummaisen
kaksimielinen vastaus. Maailman lopun määräämisessä eivät ole
joutuneet häpeään ainoastaan menneen ajan tähdistälukijain
ennustukset, vaan myös monet heikkopäiset profeetat meidänkin
päivinämme. Vaikka eivät kunnollisesti ymmärrä menneisyyden
eivätkä nykyisyyden ilmiöitä, ovat he kuitenkin tietävinään tulevia
tapahtumia. Heidän aivonsa ovat pikemmin aiotut ilmaisemaan
heikkopäisyyden uskomattomia vaikutelmia sekä toteuttamaan
vanhoja ennustuksia kuin itse olemaan uusien ennustuksien
sepittäjinä.

Minusta se, että niinä päivinä saatte kuulla sotien melskettä ja

sanomia sodista, ei vielä ole ennustus, vaan pysyvä totuus, joka on
ilmennyt siitä saakka, jolloin se lausuttiin. Silloin on merkkejä kuussa
ja tähdissä, mutta kuinka hän siis tulee niinkuin varas yöllä, jos hän
kerran antaa merkkejä tulostaan? Antikristuksen ilmestymisestä
saatu merkki on yhtä epäselvä kuin mikä hyvänsä. Tavallisten
laskelmiemme mukaan hänen olisi jo monta vuotta sitten pitänyt
saapua. Mutta minä olen (puhuakseni suoraan) ainakin puolittain sitä
mieltä, että Antikristus on tavallaan viisasten kivi jumaluusoppineilla,
sillä sen keksiminen on tarkoista säännöistä ja ohjeista huolimatta
tuskin vielä kenellekään onnistunut. Se yleinen käsitys, että maailma
on lähellä loppuansa, on vallinnut ihmisten kesken kaikkina aikoina
samoin kuin meidänkin päivinämme. Pelkäänpä, että ne sielut, jotka
nykyään lähtevät täältä, eivät pääse vapaiksi alttarin juurella
odottavien pyhien huokauksesta: Quousque, Domine? kuinka
kauvan, Herra? ja valittamasta odottaessaan suurta riemujuhlaa.

Viimeinen päivä varmasti tuo esille Jumalan erinomaisen

oikeamielisyyden. Sen täytyy sovittaa ne hellittämättömät epäilykset,