Statistical Reasoning for Everyday Life

5th Edition Bennett Solutions Manual

Visit to download the full and correct content document: https://testbankdeal.com/dow
nload/statistical-reasoning-for-everyday-life-5th-edition-bennett-solutions-manual/
More products digital (pdf, epub, mobi) instant
download maybe you interests ...

Statistical Reasoning for Everyday Life 5th Edition

Bennett Test Bank

https://testbankdeal.com/product/statistical-reasoning-for-
everyday-life-5th-edition-bennett-test-bank/

Statistical Reasoning for Everyday Life 4th Edition

Bennett Test Bank

https://testbankdeal.com/product/statistical-reasoning-for-
everyday-life-4th-edition-bennett-test-bank/

Management Skills for Everyday Life 3rd Edition Caproni

Test Bank

https://testbankdeal.com/product/management-skills-for-everyday-
life-3rd-edition-caproni-test-bank/

Statistical Methods for the Social Sciences 5th Edition

Agresti Solutions Manual

https://testbankdeal.com/product/statistical-methods-for-the-
social-sciences-5th-edition-agresti-solutions-manual/
Biology Science for Life 5th Edition Belk Solutions
Manual

https://testbankdeal.com/product/biology-science-for-life-5th-
edition-belk-solutions-manual/

Statistical Methods for Psychology 8th Edition Howell

Solutions Manual

https://testbankdeal.com/product/statistical-methods-for-
psychology-8th-edition-howell-solutions-manual/

Sociology Exploring the Architecture of Everyday Life

Brief Edition 5th Edition Newman Test Bank

https://testbankdeal.com/product/sociology-exploring-the-
architecture-of-everyday-life-brief-edition-5th-edition-newman-
test-bank/

Statistics for the Life Sciences 5th Edition Samuels

Solutions Manual

https://testbankdeal.com/product/statistics-for-the-life-
sciences-5th-edition-samuels-solutions-manual/

Communication in Everyday Life A Survey of

Communication 3rd Edition Duck Solutions Manual

https://testbankdeal.com/product/communication-in-everyday-life-
a-survey-of-communication-3rd-edition-duck-solutions-manual/
 CHAPTER 6

Section 6.1
Statistical Literacy and Critical Thinking

1 No, we should not expect to get exactly heads. As shown in Figure 6.1,
you would get exactly 50 heads only about 8% of the time. However, if
the coin is fair, you should expect to get a result that is fairly
close to 50 heads.
2 A result is statistically significant if it is unlikely to have
occurred by chance.
3 Statistical significance applies to samples. If you conducted a census
that allowed you to determine the actual value of a population
parameter, then there would be no need to quantify the probability that
the value is correct, since it would have been measured. In contrast,
when you measure a sample statistic, there is always some probability
that it does not accurately reflect the true population parameter, and
the concept of statistical significance is designed to quantify that
uncertainty.
4 Statistical significance at the 0.05 level means that there is a 0.05
(or 5%, or 1 in 20) or less probability that the result occurred by
chance, and statistical significance at the 0.01 level means that there
is a 0.01 (or 1%, or 1 in 100)or less probability that the result
occurred by chance. A result that is statistically significant at the
0.05 level is not automatically also significant at the 0.01 level,
because a probability of 0.05 or less does not necessarily mean that
there is a 0.01 or less chance. However, a result that is statistically
significant at the 0.01 level is automatically also significant at the
0.05 level, because a probability of 0.01 or less is also less than a
0.05 chance.
5 This statement does not make sense. The term statistical significance
has a particular meaning with regard to the probability that results
occurred by chance; it does not simply mean that a topic is important.
6 This statement makes sense. Statistical significance is a measure of
the probability of the observed difference happening by chance. If the
probability of these differences happening is almost 50%, it would be
likely to have happened by chance!
7 This statement does not make sense. The question is not whether we
expect to get exactly 501 girls, but whether the result differs
significantly from what would be expected to occur by pure chance,
given that we always expect some distribution of results around the
most likely value. Instead of focusing on the probability of exactly
501 girls, we should include the probability of any other outcomes that
are more extreme, that is, should consider the probability of 501 or
more girls.
8 This statement does not make sense. At any level of statistical
significance, there is always some probability that the result is
incorrect.

Concepts and Applications

9 Statistically significant. The probability of ten correct answers with

random guesses is very small and much less than 0.05 (5%) which is a
common measure of statistical significance. (The student was probably
prepared for the quiz.)

73 Copyright © 2018 Pearson Education, Inc.

74 CHAPTER 6, PROBABILITY IN STATISTICS

10 Statistically significant. Given that Independents typically make up only

about 1 in 3 voters, the result of getting 25 Independents among 25 randomly
selected voters is extreme, and it is unlikely to occur by chance. The
probability is less than 0.05 (5%).
11 Statistically significant. The chance of getting a 6 in each of 10 rolls is
(1/6)10 = 0.0000000165, which is much less than 0.05.
12 Not statistically significant. The result could have occurred by chance.
The chance of not getting a single 6 in 10 rolls is (5/6)10 = 0.162, which is
greater than 0.05.
13 Statistically significant. The result is unlikely to occur by chance. It
would be rare to see that many passengers of a single gender.
14 Statistically significant. The result is unlikely to occur by chance. A
subway car containing 50 men (and no women), all of whom are bald, seems
unlikely.
15 Statistically significant. The result is unlikely to occur by chance. The
population in question has a proportion of almost 80% Americans of Mexican
ancestry and yet the sample taken showed a proportion of only 39% Americans
of Mexican ancestry.
16 Not statistically significant. The rate of headaches is about 6% in the
treatment group and 5% in the control group, and the difference between
those two rates could easily be explained by chance.
17 Even though the sample size is relatively small, such a large (21%)
improvement in mileage is most likely significant.
18 Based on the sample sizes (73 and 83 patients) and the large difference
between the two success rates (92% – 72% = 20%), it appears that the results
are statistically significant.
19 With 945 babies, the number of girls would usually be around 945/2 = 472.5,
so the result of 879 girls is a substantial difference (879 – 472.5 = 406.5)
from the results expected by chance. The results appear to be statistically
significant.
20 The results do have statistical significance at the 0.05 level, but not at
the 0.01 level. The bed nets do appear to be effective in reducing malaria,
although they do not guarantee protection from malaria. This makes some
sense if the subjects do not spend all of their time in bed. Mosquitoes can
bite at any time of day, not just at night. Preventing bites at night with
bed nets is not total protection.
21 a) If 100 samples were selected, the mean temperature would be 98.20°F or
less in 5 or fewer of the samples if the true mean were 98.60°F.
b) Selecting a sample with a mean this small is extremely unlikely if the
true mean is 98.60°F and would not be expected by chance.
22 The likelihood of such a difference occurring simply by chance is less than
0.01% (or 1 in 10,000), so the difference is likely due to the use of the
seat belts.
23 Yes, statistically significant. The result is unlikely to occur by chance.
24 Not statistically significant. The probability of getting another sample
with the same results is 87% and the result could easily occur by chance.

Section 6.2
Statistical Literacy and Critical Thinking

1 An outcome is the most basic possible result of an observation or

experiment. An event is a collection of one or more outcomes that share a
property of interest. For example, if you toss two coins, one possible
outcome is HT and another possible outcome is TH, but if you are interested
in whether the coin comes up heads, both of these outcomes represent the
same event of 1 head (and 1 tail).

Copyright © 2018 Pearson Education, Inc.

 SECTION 6.2, BASICS OF PROBABILITY 75

2 The notation P(A) means the probability that event A will occur. We
often denote events by letters or symbols. The range of possible values
for P(A) is from 0 to 1 (inclusive), with 0 meaning there is no chance
that event A will occur and 1 meaning it is certain that event A will
occur.
3 The theoretical method is based on the assumption that all outcomes are
equally likely and relies on the known probabilities of individual
outcomes. The relative frequency method uses past data to make a
prediction about a future probability. The subjective method bases
probability on intuition and judgment. Examples will vary.
4 A probability distribution represents the probabilities of all possible
events. It can be displayed using a table with two columns (events and
probability of those events) or a graph or a formula.
5 This statement makes sense. The four different outcomes are HTTT, THTT,
TTHT, TTTH.
6 This statement makes sense. There are no months with more than 31 days,
so there is no chance of selecting such a month at random.
7 This statement makes sense. Subjective probabilities are based on
intuition, and it’s certainly reasonable to think that there is a 50%
chance that calculator batteries will need to be replaced during the
next 3 years.
8 This statement does not make sense. The two possibilities are
complements and therefore must always total to 1, but that does not
mean they are each 1/2.

Concepts and Applications

9 There are eight possible outcomes: GGG, GGB, GBG, BGG, GBB, BGB, BBG,
BBB. Only one outcome (GGG) corresponds to the event of three girls:
P(all girls) = 1/8, or 0.125.
10 There are 16 possible outcomes: GGGG, GGGB, GGBG, GBGG, BGGG, GGBB,
GBGB, GBBG, BGGB, BBGG, BGBG, GBBB, BGBB, BBGB, BBBG, BBBB. There are 6
possible outcomes that include two boys and two girls, taking into
account birth order: P(2 boys and 2 girls) = 6/16, or 0.375.
11 3/4, assuming that heads and tails are equally likely to occur. There
are four possible outcomes (HH, TH, HT, TT), and only three of them
include one head or two heads.
12 1/2, assuming all sides of die are equally likely to be rolled. There
are six numbers, and half of them are odd.
13 30/365 = 6/73, or 0.0822, assuming that the selection is random in the
sense that all of the 365 days have the same chance of being selected.
14 1/5, or 0.2, assuming that the guess is random in the sense that all
five possible answers have the same chance of being selected.
15 4/52 = 1/13, assuming that each card is equally likely to be drawn and
because there are four aces in the deck of 52 cards.
16 1/7, assuming that births on each day of week are equally likely.
17 1/365, assuming that births on the 365 days are equally likely.
18 1/2, or 0.5, assuming that heads and tails are equally likely to occur.
Each coin toss is independent of the tosses before it, and the
probability is unaffected by prior information.
19 1/2, or 0.5, assuming that boys and girls are equally likely. Each new
birth is independent of the preceding births, and the probability is
unaffected by prior information.
20 6/6 = 1, assuming that each face of the die is equally likely (a fair
die). Since the possible outcomes are 1, 2, 3, 4, 5 and 6, any roll
would have a result less than 10.
21 P(day of week doesn’t have a “y”) = 0/7 = 0.
22 P(day of week has a “d”) = 7/7 = 1.
Copyright © 2018 Pearson Education, Inc.
76 CHAPTER 6, PROBABILITY IN STATISTICS

23 P(not queen) = 1 – P(queen) = 1 – 4/52 = 1 – 1/13 = 12/13. We are assuming a

fair deck of cards where each card is equally likely to be drawn.
24 P(not heart) = 1 – P(heart) = 1 – 13/52 = 1 – 1/4 = 3/4. We are assuming a
fair deck of cards where each card is equally likely to be drawn.
25 P(not correct) = 1 – P(correct) = 1 – 1/5 = 4/5 or 0.8, assuming that the
guess is random in the sense that all five possible answers have the same
chance of being selected. [See the answer to Exercise 14 for P(correct).]
26 Three names of days include the letter “t” (Tuesday, Thursday, Saturday).
So P(no t) = 1 – P(t) = 1 – 3/7 = 4/7.
27 P(missing basket) = 1 – P(making basket) = 1 – 3/4 = 1/4, or 0.25
28 P(not born on Saturday) = 1 – P(born on Saturday) = 1 – 1/7 = 6/7
[See answer to Exercise 16 for P(born on Saturday)]
29 P(not type O) = 1 – P(type O) = 1 – 0.45 = 0.55
30 P(not defective) = 1 – P(defective) = 1 – 0.02 = 0.98
31 P(red) = 13/100 = 0.13; P(blue) = 27/100 = 0.27; P(yellow) = 8/100 = 0.08;
P(not orange) = 1 – P(orange) = 1 – 25/100 = 75/100 = 0.75. We are assuming
that all of the 100 of M&M’S are equally likely to be selected.
32 You would expect to get a score of 20%. We are assuming that with random
guessing, the different answers are all equally likely.
33 There are eight possible outcomes: GGG, BGG, GBG, GGB, BBG, BGB, GBB, BBB
For each of the parts below, the solution is obtained by dividing the number
of outcomes in the event by 8.

Result Probability
Three girls 1/8 = 0.125
Two girls, one boy 3/8 = 0.375
One girl, two boys 3/8 = 0.375
Three boys 1/8 = 0.125
Total 1.000

a) 1/8 = 0.125 (GGG)

b) 3/8 = 0.375 (BBG, BGB, GBB)
c) 1/8 = 0.125 (GBB)
d) 7/8 = 0.875 (GGG, BGG, GBG, GGB, BBG, BGB, GBB)
e) 4/8 = 0.5 (BBG, BGB, GBB, BBB)
34 a) 16: BBBB, BBBG, BBGB, BGBB, GBBB, BBGG, BGBG, BGGB, GBGB, GBBG, GGBB,
BGGG, GBGG, GGBG, GGGB, GGGG.

Result Probability
Four girls 1/16 = 0.0625
Three girls, one boy 4/16 = 0.2500
Two girls, two boys 6/16 = 0.3750
One girl, three boys 4/16 = 0.2500
Four boys 1/16 = 0.0625
Total 1.0000

b) 2/16 = 1/8, or 0.125 (BBBB, GGGG)

c) 1/16 = 0.0625 (BGBG)
d) 6/16 = 3/8 = 0.375 (BBGG, BGBG, BGGB, GBGB, GBBG, GGBB)
35 The forecaster has been right 26 out 30 times, a relative frequency of 26/30
= 13/15, or 0.867. Thus, her probability of being correct on the next
forecast is 0.867.
36 A hundred year flood occurs about once every one hundred years, so the
probability of one this year is 1/100, or 0.01.
37 P(Success) = 0.72.
38 P(Success) = 67/73 = 0.918.

Copyright © 2018 Pearson Education, Inc.

 SECTION 6.2, BASICS OF PROBABILITY 77

39
Outcomes for Tossing Four Fair Coins

Coin 1 Coin 2 Coin 3 Coin 4 Outcome Probability

H H H H HHHH 1/16
H H H T HHHT 1/16
H H T H HHTH 1/16
H H T T HHTT 1/16
H T H H HHTH 1/16
H T H T HTHT 1/16
H T T H HTTH 1/16
H T T T HTTT 1/16
T H H H THHH 1/16
T H H T THHT 1/16
T H T H THTH 1/16
T H T T THTT 1/16
T T H H TTHH 1/16
T T H T TTHT 1/16
T T T H TTTH 1/16
T T T T TTTT 1/16

Event Probability Distribution for Tossing Four Coins

4 heads, 0 tails 1/16 0.0625 HHHH
3 heads, 1 tail 4/16 0.25 HHHT, HHTH, HHTH, THHH
HHTT, HTHT, HTTH, THHT, THTH,
2 heads, 2 tails 6/16 0.375 TTHH
1 heads, 3 tails 4/16 0.25 HTTT, THTT, TTHT, TTTH
0 heads, 4 tails 1/16 0.0625 TTTT
Total 16/16 1

a) P(all same) = 2/16 = 1/8, or 0.125

b) P(not same) = 1 – P(same) = 1 – 2/16 = 14/16 = 7/8, or 0.875
c) P(two heads and two tails) = 6/16, or 0.375
40 a) P(any number) = 1/27, or 0.037
b) Based on the histogram 10 occurs the most with a relative
frequency of 82/1639, or 0.0500.
c) The histogram would have a shape that is very close to a uniform
distribution.

Copyright © 2018 Pearson Education, Inc.

78 CHAPTER 6, PROBABILITY IN STATISTICS

Section 6.3
Statistical Literacy and Critical Thinking

1 The law of large numbers states that if a process is repeated through many
trials, the proportion of the trials in which event A occurs will be close
to the probability P(A). It does not apply to a single trial (observation or
experiment), or even to small numbers of trials, but only to a large number
of trials.
2 With the relatively small number of 10 tosses, the probability of getting a
result slightly away from the most likely outcome of 5 is still quite high.
However, when the number of tosses is 1000, the outcomes will be tightly
distributed around the most likely outcome of 500, so a result of 600 would
be highly improbable.
3 The expected value of a variable is the weighted average of all its possible
values. It is computed using the formula given in the text. Because it is an
average, we should expect a value close to the expected value to occur only
when there are a large number of events, so that the law of large numbers
comes into play.
4 The gambler’s fallacy is the mistaken belief that a streak of bad luck makes
a person “due” for a streak of good luck (or that a streak of good luck will
continue). Examples will vary.
5 This statement makes sense. Most people lose money in the lottery, so the
expected value, which represents what you can expect to get as a return,
should be less than what you spend. Furthermore, a lottery is a business,
and good business plans are created so as to make money rather than lose
money over the long term.
6 This statement makes sense. For every $1 bet, the expected return is 64¢,
so this is a losing game and there is no reason to bet much money on it.
7 This statement does not make sense. All sets of three numbers have the same
probability and the same chance of winning.
8 This statement does not make sense. This is an example of the gambler’s
fallacy.

Concepts and Applications

9 No, you should not expect to get exactly 250 girls since the probability of
that particular outcome is extremely small. The proportion of girls should
approach 0.5 as the number of births increases.
10 It means that the driver is “due” for an accident or a traffic citation. If
citations happen randomly, then the statement is not true. If citations
depend on driving habits, it may be a true statement.
11 For each of the possible outcomes heads or tails, your net winnings would be
(after subtracting the $10 it costs you to play) 5$ or $0. Therefore, your
expected net winnings = ($5)(1/2) + ($0)(1/2) = $2.50. It appears that you
should play. However, you are not tossing the coin, so there is a chance of
cheating occurring. It would be wise to be wary of such a bet.
12 You have a 1/10,000 chance of winning $4999 and a 9999/10,000 chance of
losing $1. Thus, your expected value is
($4999)(1/10,000) + (-$1)(9999/10,000) = -$0.50, or a loss of $0.50.
13 a) –$161 for surviving and $100,000 – $161 = $99,839 for not surviving.
b) P(surviving) = 0. 9986, P(not surviving) = 1 – P(surviving) = 0. 0014.
c) The expected value is –$161 × 0.9986+ $99,839 × 0.0014= -$21.
d) Yes, the insurance company can make a profit. The expected value for
the insurance company is $21, which indicates that the company can
expect to make an average of $21 for each such policy.

Copyright © 2018 Pearson Education, Inc.

 SECTION 6.3, THE LAW OF LARGE NUMBERS 79

14 a) –$226 for surviving and $50,000 – $226 = $49,774 for not

surviving.
b) P(surviving) = 0. 9968, P(not surviving) = 1 – P(surviving) = 0.
0032.
c) The expected value is –$226 × 0.9968 + $49,774 × 0.0032= -$66.
d) Yes, the insurance company can make a profit. The expected value
for the insurance company is $66, which indicates that the
company can expect to make an average of $66 for each such
policy.
15 Your waiting time is uniformly distributed between 0 and 24 minutes.
The center of this symmetric distribution is 12 minutes, so 12 minutes
is your expected waiting time.
16 a) For a $5.00 bet, the expected value is –$5.00 × 20/38 + $5.00 ×
18/36 = $-0.26.
b) The best option is to not bet, because the expected value for no
bet is 0, which is better than ‒26¢.
17 The expected value for a $20 bet is –$20 × 251/495 + $20 × 244/495 = –
$0.28. So, in the long run, the expected value for each dollar bet is -
$0.28/$20.00 = -$0.014 or ‒1.4¢.
18 The expected value is (-$0.50)(9,999/10,000) + ($2788 –
$0.50)(1/10,000) = -$0.22. In the long run, you can expect to lose
$0.22 for each $0.50 bet.
19 For the 1-point attempt, Expected value = (1 × 0.94) + (0 × 0.06) =
0.94. For the 2-point attempt, Expected value = (2 × 0.37) + (0 ×
0.63) = 0.74. The 1-point attempt makes more sense in most cases.
However, if a team is two points behind with little or no time left, it
makes no sense to go for 1 point. The same is true if the team is
behind by 16 points and it is unlikely that the team will have enough
time to score three times.
20 a) The expected value is ($1,000,000)(1/90,000,000) +
($100,000)(1/110,000,000) + ($25,000)(1/110,000,000) +
($5,000)(1/36,667,000) + ($2,500)(1/27,500,000) = $0.012
b) 1.2 cents minus the cost of the stamp. Mathematically, it is not
worth entering the contest, but the small cost might be worth the
excitement of anticipating a win.
21 a) Decision 1:
Option A: Expected value = $1,000,000
Option B: Expected value = (%2,500,000 × 0.10) + ($1,000,000 ×
0.89) + ($0 × 0.01) = $1,140,000
Decision 2:
Option A: Expected value =
($1,000,000 × 0.11) + ($0 × 0.89) = $110,000
Option B: Expected value =
($2,500,000 × 0.10) + ($0 × 0.90) = $250,000
b) Responses are not consistent with expected values in Decision 1,
but they are consistent in Decision 2.
c) It appears that people choose the certain outcome ($1,000,000) in
Decision 1.
22 a) If you toss a head, with probability 0.5, the difference
decreases to 23; If you toss a tail, with probability 0.5, the
difference increases to 25.
b) On each of 1000 additional tosses, the probability is 0.5 that
the difference will increase and 0.5 that it will decrease. So,
overall, the difference is equally as likely to be greater than
24 as it is to be less than 24.
c) Once you have 24 more tails than heads, the difference is as
likely to increase as to decrease; thus, the number of tails is
likely to remain greater than the number of heads.
Copyright © 2018 Pearson Education, Inc.
80 CHAPTER 6, PROBABILITY IN STATISTICS

d) By part (c), the number of tails is likely to exceed the number of

heads at any time. The gambler’s fallacy is that the difference
between heads and tails will eventually be corrected.

Section 6.4
Statistical Literacy and Critical Thinking

1 Travel risk is a rate that quantifies the risk involved in traveling and is
often expressed in terms of an accident rate or death rate. These rates are
in essence expected values and represent probabilities. For example, an
annual accident rate of 750 accidents per 100,000 people tells us that the
probability of a person being involved in an accident (in one year) is 750
in 100,000 = 0.0075. Travel risks must be interpreted with care, as
sometimes they are stated per 100,000 people, as above, but other times they
are stated per trip or per mile.
2 Vital statistics are data related to births and deaths. The rate of 13.2
births per 1000 people means that on average, for every 1000 people in the
population, there are 13.2 births.
3 Life expectancy is the number of additional years a person of a given age
can expect to live on average. A 30-year-old person will have a shorter life
expectancy than a 20-year-old person because the 30-year-old person is not
expected to live as many additional years as the 20-year-old.
4 It means that based on current medical and health data, a person who is 20
years old today will, on average, live to be about 80 years old. However, if
there are improvements in medical treatments and public health, today’s 20-
year-olds will live longer than that on average.
5 This statement does not make sense. Many products do this, including
automobiles.
6 This statement does not make sense. Many fewer people ride motorcycles, so
the higher death rate does not imply higher absolute numbers of deaths.
7 This statement does not make sense. Life expectancy is an average based on
current medicine and public health statistics. An individual’s life span
depends on many other factors.
8 This statement makes sense. On average, a 60-year-old has fewer remaining
years of life than a 20-year old, which means a shorter life expectancy.
9 For 2000, the fatality rate per thousand departures was 92/9035 = 0.0102;
For 2008, the fatality rate per thousand departures was 3/10,437 = 0.0003;
For 2014, the fatality rate per thousand departures was 2/8,987= 0.0002.
The year 2014 was the safest because it had the lowest number of fatalities
per 1000 departures.
10 In 2000, the fatality rate per billion passenger miles was 92/692.8 =0.1328;
In 2008, the fatality rate per billion passenger miles was 3/722.8 =0.0042;
In 2014, the fatality rate per billion passenger miles was 2/ 868.4 =0.0023.
The year 2014 was the safest because it had the lowest rate of fatalities
per billion passenger miles.
11 For 2000, the fatality rate per million passengers was 92/666.2 =0.1381;
For 2008, the fatality rate per million passengers was 3/690.2 =0.0043;
For 2014, the fatality rate per million passengers was 2/ 756.0 =0.0026.
The year 2014 was the safest because it had the lowest number of fatalities
per million passengers.
12 For 2014, the fatality rate per passenger mile is 2/ 868,400,000,000 =
0.0000000000023 (or 2.3 × 10‒12) deaths per passenger mile. This very small
number is inconvenient to write and is not easily understood.
13 The birth rate in the United States was 3,952,937/316,128,839 = 0.0125 or
12.5 births per 1000 people.
14 The birth rate in California was 503,634/38,332,521 = 0.0131 or 13.1 births
per 1000 people.

Copyright © 2018 Pearson Education, Inc.

 SECTION 6.5, COMBINING PROBABILITIES 81

15 The death rate in California was 250,567/38,332,521 = 0.0065 or 6.5

deaths per 1000 people. The death rate in Florida was
182,121/19,552,860 = 0.0093 or 9.3 deaths per 1000 people.
Florida probably has a higher death rate due to the large number of
older people who retire there.
16 The death rate in California was 250,567/38,332,521 = 0.0065 or 6.5
deaths per 1000 people. The death rate in the United States was
2,540,928/316,128,839 = 0.0080 or 8.0 deaths per 1000 people.
California has a lower death rate than the United States.
17 Based on current life expectancy data, a randomly selected 20-year-old
would be expected to live 59.5 additional years beyond his or her 20th
birthday.
18 Based on current life expectancy data, a randomly selected 18-year-old
would be expected to live 61.4 additional years beyond his or her 18th
birthday.
19 The death rate was 65 deaths per 100,000 people or approximately 6.5
deaths per 10,000 people.
20 The death rate was 74 deaths per 100,000 people or approximately 7.4
deaths per 10,000 people.
21 The death rate due to Alzheimer’s disease was 84,767/325,000,000 =
0.0002608 or 26.08 per 100,000 people.
22 The death rate due to heart disease was 611,105/325,000,000 = 0.0018803
or 188.03 per 100,000 people.
23 The death rate due to stroke was 128,978/325,000,000 = 0.0003969.
So, in a city of population 500,000 people, you would expect 0.0003969
× 500,000 = 198.43, approximately 198 people, would die due to a
stroke.
24 The death rate due to chronic respiratory diseases was
149,205/325,000,000 = 0.0004591. So, in a city of population 500,000
people, you would expect 0.0004591 × 500,000 = 229.55, approximately
230 people would die due to chronic respiratory diseases.
25 The death rate for 60-year-olds is estimated at 7.5 per 1000 people.
So out of 14 million people, 7.5 × 14,000,000/1000 = 105,000 people.
26 The death rate for 25-year-olds is estimated at 2 per 1000 people.
So out of 42 million people, 2 × 42,000,000/1000 = 84,000 people.
27 Based on current life expectancy data, they would be expected to live
another 40 years to age 80.
28 Based on current life expectancy data, they would be expected to live
another 10 years to age 90.
29 The life expectancy percentage increase is (80 – 48)/48 = 0.66 or a 66%
increase. Women in 2100 would be expected to live to 80 × 1.66 = 133
years old.
30 The life expectancy percentage increase is (74 – 46)/46 = 0.61 or a 61%
increase. Men in 2100 would be expected to live to 74 × 1.61 = 119
years old.

Section 6.5
Statistical Literacy and Critical Thinking

1 The student that is chosen from the statistics class for event A does
not affect the probability of choosing a female from the psychology
class for event B. Since the students are picked from different
classes, the two events are independent.
2 When the geneticists selects one pea out of the 4 peas (event G), it
will change the probability of choosing another pea from the remaining
three peas (event Y). The outcome of the first event affects the
probability of the second event, so the two events are dependent.

Copyright © 2018 Pearson Education, Inc.

82 CHAPTER 6, PROBABILITY IN STATISTICS

3 Yes, a pollster could select an adult that is a male Republican. Events M

and R could occur at the same time, so the events are overlapping.
4 No, since you cannot roll an odd number and an even number at the same time,
these events are complementary as well as non-overlapping. By definition,
the complement of an event does not overlap with the event itself.
5 This statement does not make sense. The numbers drawn are independent of
previous outcomes.
6 This statement does not make sense. The outcomes are H1, H2, H3, H4, H5,
H6, T1, T2, T3, T4, T5, T6, so P(H or 2) = 7/12, not 2/3.
7 This statement makes sense. It is a valid application of the either/or rule
for non-overlapping events.
8 This statement makes sense. Lottery results from week to week are
independent, so what happened in the past does not affect what happens now
or in the future.

Concepts and Applications

9 Since the births are independent, P(Fourth child is a girl) = 1/2 = 0.5.
10 P(GGBB) = P(G1 and G2 and B3 and B4) = P(G1)P(G2)P(B3)P(B4) =
(0.5)(0.5)(0.5)(0.5) = 0.0625 since the four births are independent.
11 Since the digits are independent, P(12) = (1/10)(1/9) = 1/90.
12 a) When sampling with replacement, the outcomes of the first two
selections are independent, so
P(Orange1 and Orange2) = P(Orange1) × P(Orange2) = (6/123)(6/123) =
36/15129 = 0.00238.
b) When sampling without replacement, the outcomes of the first two
selections are dependent, so
P(Orange1 and Orange2) = P(Orange1) × P(Orange2 given Orange1) =
(6/123)(5/122) = 30/15006 = 0.00200
c) If hunters are being selected for a follow-up study, it doesn’t make
much sense to select the same hunter twice, so selecting without
replacement makes more sense. The probability from part (b) would be
more useful.
13 Since the selections can be repeated, the probabilities of each type remain
the same for each selection: 15/50 = 3/10 for rock, 20/50 = 2/5 for jazz,
and 15/50 = 3/10 for country.
a) P(two rock selections in a row) = (3/10) × (3/10) = 0.09
b) P(three jazz selections in a row) = (2/5) × (2/5) × (2/5) = 0.064
c) P(jazz and then country) = (2/5) × (3/10) = 0.12
d) There are 60 equally likely songs available for each selection.
No matter which song is played first, the probability that the next
one is the same is 1/50 = 0.02.
14 a) Dependent events, since the pollster will not call the same person
more than once, the first event will affect the probability of the
second event.
b) P(first male and second female) = P(first is male) × P(second is
female given first is male) = (60/100) × (40/99) = 0.242.
15 The number of people who either pled guilty or were sent to prison is
392 + 564 + 58 = 1014. Therefore, P(guilty plea or sent to prison) =
1014/1028 = 0.986.
16 The number of people who either pled not guilty or were not sent to prison
is 58 + 14 + 564 = 636. Therefore, P(not guilty plea or not sent to prison)
= 636/1028 = 0.619.
17 Altogether, 956 pled guilty out of the total of 1028.
P(First pled Guilty and Second pled Guilty) =
P(First pled Guilty) × P(Second pled Guilty given First pled Guilty) =
(956/1028)(955/1027) = 912,980/1,055,756 = 0.865.

Copyright © 2018 Pearson Education, Inc.

 SECTION 6.5, COMBINING PROBABILITIES 83

18 Altogether, 450 out of the total of 1028 were sent to prison.

P(First to Prison and Second to Prison) =
P(First to Prison) × P(Second to Prison given First to Prison) =
(450/1028)(449/1027) = 202,050/105,5756 = 0.191.
19 Of the total of 1028 defendants, 392 pled guilty and were sent to
prison, so P(Pled Guilty and Went to Prison) = 392/1028 = 0.381.
20 Of the total of 1028 defendants, 564 pled guilty and were not sent to
prison, so P(Pled Guilty and Did not go to Prison) = 564/1028 = 0.549.
21 The number of accidents in which the pedestrian was intoxicated or the
driver was intoxicated is 59 + 79 + 266 = 404. Therefore,
P(the pedestrian was intoxicated or the driver was intoxicated) =
404/985 = 0.410.
22 The number of accidents in which the pedestrian was not intoxicated or
the driver was not intoxicated is 266 + 581 + 79 = 926. Therefore,
P(the pedestrian was not intoxicated or the driver was not intoxicated)
= 926/985 = 0.940.
23 The number of accidents in which the pedestrian was intoxicated or the
driver was not intoxicated is 59 + 266 + 581 = 906. Therefore,
P(the pedestrian was intoxicated or the driver was not intoxicated) =
906/985 = 0.920.
24 The number of accidents in which the pedestrian was not intoxicated or
the driver was intoxicated is 79 + 581 + 59 = 719. Therefore,
P(the pedestrian was not intoxicated or the driver was intoxicated) =
719/985 = 0.730.
25 Of the 985 accidents, 138 involved intoxicated drivers. When two
accidents are selected without replacement, P(First Driver intoxicated
and Second driver intoxicated) = P(First Driver intoxicated) × P(Second
driver intoxicated given First Driver intoxicated) = (138/985)(137/984)
= 0.0195.
26 Of the 985 accidents, 325 involved intoxicated drivers. When two
accidents are selected without replacement,
P(First Pedestrian intoxicated and Second Pedestrian intoxicated) =
P(First Pedestrian intoxicated) × P(Second Pedestrian intoxicated given
First Pedestrian intoxicated) = (325/985)(324/984) = 0.109.
27 a) P(drug or placebo) = (120 + 100)/300 = 220/300 = 0.733
b) P(improved or not improved) = (138 + 162)/300 = 1
c) We can work this one in two ways:
P(drug or improved) = (65 + 55 + 42 + 31)/300 = 193/300 = 0.643;
also P(drug or improved) = P(drug) + P(improved) -
P(drug and improved) = 120/300 + 138/300 - 65/300 = 193/300 =
0.643.
d) P(drug and improved) = 65/300 = 0.22.
28 a) P(both improved) = (138/300) × (138/300) = 0.212
b) P(both improved) = (138/300) × (137/299) = 0.211
c) The results are close but different.
29 a) There are 1205 people surveyed, 1049 of whom responded and 156 of
whom refused to respond. Therefore, P(Refuse) = 156/1205 = 0.129.
This probability suggests that high refusal rates may be a
problem for pollsters since the survey might result in a sample
that is not representative of the population being surveyed.
Those who refuse may constitute a group with opinions that differ
from those who respond.
b) There are 202 people 60 and over who responded, so the
probability of choosing such a person at random is 202/1205 =
0.168.

Copyright © 2018 Pearson Education, Inc.

84 CHAPTER 6, PROBABILITY IN STATISTICS

c) There are 1049 who responded plus 11 more in the 18-21 age group who
did not respond, for a total of 1060. Thus the probability that a
person is randomly chosen who responded or is in the 18-21 age group
is 1060/1205 = 0.880.
d) There are 156 people who refused to respond plus another 202 who are
over 59 and responded. Therefore, the probability that a randomly
chosen person refused to respond or is over 59 is 358/1205 = 0.297.
30 a) There are 156 people who refused to respond.
P(both refused) = (156/1205) × (156/1205) = 0.0168.
b) There are 156 people who refused to respond.
P(both refused) = (156/1205) × (155/1204) = 0.0167.
c) The results are close but different. In practice, we can treat them as
independent events, since 2/1205 is less than 5% of the population
size.
31 a)
Positive results Negative results Total
Used marijuana 119 3 122
Didn’t use 24 154 178
marijuana
Total 143 157 300

b) The total number of applicants that had a positive result was 143.
The total number of applicants that said they didn’t use marijuana was
178. Since the applicants that had a positive result and also said
they didn’t use marijuana was counted twice, we take away 24.
P(positive or does not use) = (143 + 178 – 24)/300 = 297/300 = 0.99
c) P(both tested positive) = (143/300) × (143/300) = 0.227
d) P(both tested positive) = (143/300) × (142/299) = 0.226
e) If two job applicants are being selected for follow-up testing, it
doesn’t make much sense to select the same person twice, so selecting
without replacement makes more sense.
32 a) P(B number) = 15/75 = 0.20
b) P(two B numbers in a row) = P(B number on first draw) × P(B number on
second draw | B number on the first draw) = 15/75 × 14/74 = 0.038.
c) P(B number or O number) = 30/75 = 0.400.
d) P(B number, then a G number, then an N number) = P(B number) ×
P(G number | B number) × P(N number | B number and a G number) =
15/75 × 15/74 × 15/73 = 0.0083
e) P(five non-B numbers) = 60/75 × 59/74 × 58/73 × 57/72 × 56/71 = 0.316.

Chapter 6 Review Exercises

1 The total number of subjects is (15 + 42 + 32 + 9) = 98. The total number

of subjects that lied was 42 + 9 = 51. P(Lied) = 51/98 = 0.520
2 The total number of subjects is (15 + 42 + 32 + 9) = 98. The number of
subjects that lied and their polygraph indicated not lying was 32.
P(Didn’t Lie and polygraph indicated not lying) = 32/98 = 0.327
3 The total number of subjects that lied was 42 + 9 = 51. The total number of
subjects whose polygraph indicated lying was 15 + 42 = 57.
P(Lied or polygraph indicated lying) = P(Lied) +
P(polygraph indicated lying) - P(Given lied and polygraph indicated lying) =
(51 + 57 – 42)/98 = 66/98, or 0.673.
4 The total number of subjects that did not lie was 15 + 32 = 47. The total
number of subjects whose polygraph indicated they did not lie was 32 + 9 =
41.
P(did not lie or polygraph indicated did not lie) = P(did not lie) +
P(polygraph indicated did not lie) - P(did not lie and polygraph indicated
did not lie) =(47 + 41 – 32)/98 = 56/98, or 0.571.
Copyright © 2018 Pearson Education, Inc.
 CHAPTER 6, QUIZ 85

5 The total number of subjects that lied was 42 + 9 = 51. The total
number of subjects that did not lie was 15 + 32 = 47
P(lied or did not lie) = (51 + 47)/98 = 1.0
6 P(both lied) = (51/98) × (50/97) = 0.268
7 P(all three lied) = (51/98) × (50/97) × (49/96) = 0.137
8 Based on data from J. D. Power and Associates, 22% of car colors are
black, so any estimate between 0.05 and 0.35 is reasonable.
9 a) P(Not Good) = 1 – P(Good) = 1 – 0.27 = 0.73
b) P(Both good) = P(Good1 and Good2) = P(Good1)P(Good2)
=(0.27)(0.27) = 0.0729.
c) Expected number of good chips = 0.27 × 5 = 1.35.
d) P(all 5 good) = 0.275 = 0.001435. Getting 5 good ones in 5
selections has a very small probability if 27% of the chips are
good, so we would tend to believe that the true yield is greater
than 27%.
10 a) P(death due to motor vehicle crash) = 10.3/100,000 = 0.000103.
b) The probability that one person does not die in a crash is
1 – 0.000103 = 0.999897.
P(two randomly selected people do not die in vehicle crash) =
0.999897 × 0.999897 = 0.9998.

Chapter 6 Quiz

1 P(Correct) = 0.6, so P(Wrong) = 1 – 0.6 = 0.4 or 40%.

2 These are independent events, so P(First Correct and Second Correct) =
P(First Correct) × P(Second Correct) = (0.6)(0.6) = 0.36 or 36%.
3 Answers may vary. This doesn’t happen very often, so an estimate of
0.01 or lower is reasonable.
4 Yes, the method appears to be effective, since the probability is very
small that the trial results could have occurred by chance.
5 P(Ā) = 1 – P(A) = 1 – 0.65 = 0.35
6
Passed Failed Total
Group A 10 14 24
Group B 417 145 562
Total 427 159 586
P(Passed) = 427/586 = 0.729
7 P(Group B or Passed) = (562 + 10)/586 = 0.976.
8 P(First is Group A and Second is Group A) = (24/586)(23/585) = 0.00161.
9 P(Group A and Passed) = 10/586 = 0.0171
10 P(Failed or Group A) =
P(Failed) + P(Group A) – P(Failed and in Group A) =
(159 + 24 - 14)/586 = 0.288.

Copyright © 2018 Pearson Education, Inc.

Another random document with
no related content on Scribd:
 – Hát tudja mit, megengedem! – mondta a kék majdnem
sértődötten s azzal a különös tartózkodással, ami a finom ember
ismérve a női hús dolgában. S idegesen igazgatta a hóna alatt azt a
koporsóformájú tokot, amelyben a brácsája volt.
És megint csak nézett és most még különlegesebben nézett és
elnézett az útra, féloldalt fordulva, messze elnézett és a háztetőkre
nézett és a háztetőkön is túl, ameddig csak el tudott nézni. Mit látott
vajjon? Kéményeket látott szép sorjában a háztetőkön és derűs kis
felhőket az égen, habosan odarajzolva a telefónállványok fölé.
Valóban, ez egy kékkabátos, púpos kis emberke volt, inkább
emberi lény, mint emberke, élettől, sorstól, vágyaktól felperzselt
fajtaságban, mely minden tövist s minden gizt-gazt felszedett
magára és mindig csak fénylik és sötétlik és mindig csak rezdül és
szól hallgatag fájdalmakról, még ha nem is szólnak hozzá. Kis
bajusza is volt, néhány szőrszálból összetákolva az orra alatt, ami
élesen kinyúlt, mint egy késpenge, avult cimpákkal, amelyeken dús
cigarettafüstök egy kevés borostyánszegélyt hagytak. A szeme, a kis
púposok és félszegek sunyiságával, titkon villogott és fürdött
azokban a permanens és epekedő kajánságokban, melyekkel a
világot, mint egy jegenyefát, olyan egyenesnek látta, a maga silány
alkata rovására. És valóban Patak Ferenc volt, és valóban brácsás a
legjavából, aki most, próba után, hazafelé tartott azzal a sárgával,
aki viszont nem tudni mért, de régi barátja volt egy ellentétes
világszemléletben, de mégis régi barátja a szomszéd kávéházból.
– Megengedem, – mondta mégegyszer, időt nyervén közben –
de maga annyit beszél, annyit beszél, hogy én rekedek bele, amíg
magát hallgatom.
És megindult púposan, mint egy törpe teve a szfinx alatt, a szfinx
alatt, mint egy sivatagban.
De rögtön vissza is fordult.
– Maga mondhat, amit akar, amit csak akar, azt mondhatja, –
variálta – de maga itt nem fog megváltoztatni semmit, Isten
egyesítette az ember lelkét a testével. Maga akarja elválasztani és
maga akar szembeszállni Isten akaratával, maga?! De hát kicsoda
maga, nevetséges!
És ismét megindult s a másik is leragadt a falról, mint egy nagy
plakát, ami lóg s most már némi szürkeségekkel is hátul, a fal
porától. S követte a másikat.
Átjöttek az úton és befordultak egy görbe utcába s úgy
mendegéltek egymás mellett, mint két filozóf Weimarban, csak
éppen hogy gyalázatos házfalak mentén.
– Nevetséges! – mondta Patak Ferenc, leszögelve
eszmeköréhez és a fejét rázva.
– Pö! Pö! – mondta a másik fölényesen s az ajkát pattogtatva. –
Ennék egy jó ebédet, – tette hozzá intencióval.
– Egy jó ebédet? – ismételte a másik, meglepő jóindulattal.
Némi remény derengett az ebéd tekintetében. Szinte felüdülve
ment a sárga, felüdülve a hegedűtok mellett, mint aki nagy vidáman
kísérne egy gyermekkoporsót. És próbálta felvenni bölcsesége
fonalát, hű étvágya érdekében.
– Megvallom, lássa, – kezdte, – épp az éjjel olvastam egy
keresztény tudósban, amit maga itt fölhánytorgat mostan. Mert
mindig éjjel olvasok keresztény tudósokat, francia nyelven és
magyar fordításban, – tette hozzá, mintegy fokozva érdemét.
– No jól van! jól van! – mondta a másik s csak ment a bús utcán,
az őszi napban.
– Én nem szállok szembe az isteni renddel, ha az anyagon
változtatok, – folytatta a sárga. – Ha majd fű nő a testemből s a
lelkem elrepült: ezzel a jó Isten műve nem kevésbé dicsőséges. Az
ember sokkal nyomorultabb, amint azt képzeli. Itt van a gőgje,
kérem, amikor úgy gondolja, hogy az egész világ van degradálva
azzal, ha e világban ő tönkremegy. Holott billió és billió ember és
százmilliószor annyi föld, mint a mennyin élünk, csak egy atom, hát
nem igaz? De nem folytatom, – fejezte be udvariasan.
 – Nem is! – mondta a másik. – Maga az én számomra nagyon
magas.
– Oh, Istenem, lássa, nem tehetek róla, már engem így neveltek.
Van ebben jó is, rossz is, amit akar. Alapjában véve, nem vezetnek
engem úgynevezett vezérelvek, nem! Örülök, ha élek. De azt tudom,
hogy senki sem fél bajoktól annyira, mint éppen a szegény ember.
Holott az ilyet már megnyugtathatná bús életének számos
körülménye, hogy ugyanis már rosszabb nem lehet. Nápolyban
például a béna koldusok és leprások reszketnek legjobban, mikor a
Vezuv füstölögni kezd.
– Ezt se folytassa kérem, – mondta a másik.
– Nem kérem, – felelte készségesen.
– Mit akar a koldusoktól és a leprásoktól? Hát van is az ma már,
leprás! kérem szépen.
És megállott és a brácsával a hóna alatt, a sárgakabát szemébe
nézett. Egy pillanatra meg is ingott a lábszárán s éktelen vállával a
kék kabátban. A másik elszántan figyelte és várt, azzal a halálos
türelemmel, amelyet semmi a világon el nem térít a céljától.
– Magával nem lehet beszélni, – mondta a zenész, egy nagy
lélekzet után, s megint ment tovább.
– Dehogy nem! – felelte kedvesen s követte. – De valami bántja
magát, – tette hozzá, – akármit mond kedves Patak, de valami
bántja magát, becsületemre!
– Maga azt nem tudhatja, mi bánt engem, – felelte. – Én el
lehetek hintve az emberiség szemetében, ahogy maga azt gondolja,
mint egy narancshéj, ellehetek hintve, de maga azt még sem
tudhatja, mi bánt engem, ha egyáltalán bánt valami. Jól adja!
– Akárhogyan adom, jól vagy rosszul, az mellékes. Viszont a
megfigyelés sem kutya! Lássa, nekünk, rendes embereknek, akik
nem vagyunk zenészek és nincsen meghatározott foglalkozásunk és
mindössze, úgy valahogy, a hirlapírókhoz állunk legközelebb,
nekünk a jó Isten azt adományozta, hogy megfigyelők lehetünk. A
szemünk a legfinomabb műszer. Mi úgy látunk, univerzális
értelemben, mint a csillagászok az égi tengerek végtelenségében. A
módszerünk precizitása szinte túllő a célon. Mert nem is kell ahoz
sok finomság, hogy az ember a más szívébe lásson.
És most megelégedetten dörgölte a kezét, mint aki jó nyomra
talált.
– Igazán? – kérdezte a másik, a brácsával a hóna alatt – igazán?
Szóval meg kell, hogy adjam magam és ráfeküdjek egy
boncasztalra?
– Ezt nem mondom.
– Még szép!
S megint jöttek vagy ötven lépést egymás mellett, azzal a
fölényes, keserű, sőt titkon bizalmatlankodó érzéssel egymás iránt,
ami a tartós barátság legjobb garanciája.
– Magát csak a Marica érdekli, – mondta a sárga, átmenet nélkül,
hirtelen, – a Marica! Azért olyan fontos magának a test, azért olyan
gurmand s olyan zenész maga! A Marica! A Marica! Hát nem
elhoznám magának, becsületemre! Csak tudnám, hova a pokolba
ment!
Akkor a másik, lehajtva a fejét, abba a tíz szál szőrbe nevetett
titokban, ami az orra alatt volt.
– Maga minden nap ezt mondja, – mondta egy árnyalat
nehezteléssel, de nagyon vidáman.
– Hát mit mondjak? – kérdezte, – a két karját kitárva.
– Igaza van.
Már ekkor a kapuban állt, kis zenészember, felderülve,
felperzselve, két sunyi szemével, ami égett. És minden tövis, minden
nyomor s minden szent szemét, amit hordott, imhol kivirult rajta, a
púpja tömbjén, ami nagyobbnak tűnt.
 – A Marica! A Marica! – hebegte és kacagott. És olyan boldognak
tünt, hogy szinte ragyogott. – – No jöjjön fel ebédelni, – folytatta. –
Lesz, ami lesz, ha csak egy jó falat! De tudja, tudja, úgy kell, hogy
tegyen, mintha soha nem is ismerte volna!
– Hát természetesen, – felelte a másik egyszerűen, mint aki
nincs meglepve.
És akkor eltűntek a kapuban.
 A REJTÉLY.

Egy sápadt fiatalember ült Keszel dékán előtt és nyugtalanul

előretolta az orrát, a cimpák izgalmával. A szemüvegén olyan
hosszú zsinór volt, hogy bár kétszer beszegélyezte a fülét, még
maradt belőle dúsan egy félméter, kusza karikákban a mellényén.
– Tessék nekem ezt megmagyarázni, – mondta a fiatalember, –
tessék ebbe a rejtélybe belelátni, – mondta és földúltan, szegény, a
szék legszélére csúszott s úgy lebegett ott, egész hosszú sovány
testével, alig egy arasznyi helyen. S beszéd közben is, amint
öntudatlan fel-felemelkedett, csak megmaradt a levegőben, görbén.
Nem mondhatni, hogy e fiatalembernek valami különös bája vagy
egyéni varázsa volt. Fénytelen lénye, nyilvánvalóan sok
nélkülözésekben, a könyvtárak és hónapos szobák reflexét
derengette. És fölkuszált hajában à la Petőfi, az egyetemi tantermek
hulladozó vakolatának fehér kis pilléi rezegtek. Két szeme kissé
megriadtan jelezte a hosszú virrasztások és tanulások reménytelen
sivárságát. De akit a külsők és látszatok nem zavarnak, talán
sejthetett e fiatalemberben valami különös és szépségekért
ábrándozó lelket.
– Mert én méltóságodnak felelősséggel tartozom, folytatta a
fiatalember. – Én nem akarom, hogy méltóságod azt gondolhassa,
hogy kitüntető jóindulatát egy gézengúzra pazarolja. Méltóságod
bepártol engem méltóságos Horeb tanár úrhoz filológiai szolgálatra,
ha merem magam így kifejezni. Mint hellenista arról van szó, hogy
Horeb tanár úrnak az ő tudományos kutatásaiban szerény
munkatársa legyek. Erre mi történik? Nem múlik el négy hét és
kiteszik a szűrömet. Tessék nekem ezt megmagyarázni, tessék ebbe
a rejtélybe belelátni, – fejezte be e makacs szólamvezetéssel.
– Talán nem vált be? – kockáztatta meg félénken a dékán.
– Mi az, hogy nem váltam be?! – hebegte a fiatalember és
felemelkedve a székről, ülő helyzetében a levegőbe dermedt. – Hát
volt arra alkalom, hogy beváljak, hogy beválhassak, volt hozzá mód
és lehetőség csak egy pillanatra is?! Egy könyv nem sok, de annyit
nem engedett Horeb tanár úr, egy könyvet! Egy foliánshoz, egy
kézirathoz, egy szál papirhoz nem engedett közel! Mindjárt az első
nap és rögtön rövid bemutatkozásom után, csak éppen hogy jelezte
feldolgozandó anyagunkból a Democritos elméletét és Pericles
politikáját, – nem is jelezte, csak úgy odavetette s máris küldött kifelé
a könyvtárszobából. »Sok munkám van!« mondta. »Hát nem
kegyeskedik igénybe venni engem?« kérdeztem. »Ön alkalmazva
van!« felelte és magára zárta az ajtót. Már csak a kulcslyukon át
láthattam, micsoda kéjjel forgatja sarmata papirjait s még a
fürdőszobában is, a kádban, Timostheost olvassa! Kissé sértődten
bevallom, így ellézengve a házában, meglestem végre egy
megjelölhetetlen helyen, amint jött ki éppen a kis ajtón, a
klasszikusokkal a hóna alatt. »Tétlenül hordozom itt magamban,
mondtam neki, görög mámoromat Babylontól Erya hegyéig! S
elunottan forgatom két hüvelykujjamban, kora reggeltől késő estig,
Pythagoras naprendszerét! Tessék engem igénybe venni
munkálataiban!« esedeztem. »Ön alklmazva van és felemelem a
fizetését!« felelte. S megint napokig nem láttam.
– Rejtélyes, igazán rejtélyes, – jegyezte meg a dékán
érdeklődve.
– Azazhogy pardon! valakit láttam. A méltóságos asszonyt
láttam. Aspásia és Thais árnya helyett a Horeb tanár úr fulmináns
feleségét!
– Ami nem ugyanaz! – vetette közbe Keszel dékán komolyan.
– Nem! – hagyta helyben igen energikusan a fiatalember. – Ez
egy levantei nő, ha merem magam így kifejezni. Fulminare oculis!
 – Fulminis deflagrare, – mondta a dékán.
– Fulmen brutum, – mondta a fiatal ember, hogy ne hagyja
magát.
– Fulmina verborum! – csattant ki a dékán,
– Fulmina fortunae! – vágott vissza a fiatalember.
– Caesar ad Euphratem fulminat, – mondta végül a dékán, hogy
e gladiátori szóharcot befejezze.
– Hogy én menjek vele valami cukrászhoz, – folytatta a
fiatalember, – és vágassam le a hajamat, ez volt a hölgy első
kívánsága, az első nap. Máskor, hogy menjünk kocsikázni a
városligetbe! Mikor mindezt udvariasan bár, de megtagadtam, azt
mondta: »Igaza van, jobb lesz itthon.« S rögtön, a délutáni teájára
invitált, fölsorolván vendégeit a tudományos világból, ami bevallom
vonzott engemet. De esti hat órakor, az előszobában, az üres
ruhafogasok előtt, arra kellett következtetnem, hogy 1. vagy senki
nem jött, vagy 2. a tea maradt el, mire szerénytelennek, de sőt
kínosnak ítéltem, hogy egyedül csak én jelentkezzem.
– Nagyon finom, nagyon helyes, – mondta a dékán.
– És még száz ilyen eset, Argos, Trója és Naxos helyett, jóniai
nők és mennyei ritmusok helyett, amit hellén bódulatom oly
epekedőn várt s remélt a Horeb tanár úrral való közös és kéjes
munkálkodásban! Szóval még száz ilyen eset s végre az utolsó,
tegnap este! A méltóságos asszony üzen, hogy rögtön jöjjek, mert
beteg. »Menjen!« kiáltotta Horeb tanár, aki épp jött megint a
klasszikusokkal és hallotta az üzenetet. »Megyek«, rebegtem kissé
megriadtan a szokatlan hangra, de némi megelégedéssel is, hogy
van itt végre, noha a filológiákon kívül, egy konkrét megbízásom,
amivel megtisztel engemet. És siettem a feleségéhez. De odabenn,
a szoba mélyén és elaléltan egy pamlagon, a praxitelesi
utánzatoknak egy olyan álmárványa derengett Horebné testi
alakzatából, a lámpaernyő fénykörében, hogy rögtön
visszavonulnom kellett. S ha már nem is művészi érzékem, de
illemtudásom parancsolta ezt.
 – Mindenesetre! – hagyta helyben a dékán.
– No igen! Mindenesetre! – ismételgette földúltan a fiatalember s
megint felállt s megint leült, a szék legszélén lebegve. – Ma reggel
aztán, se szó, se beszéd, kiadták az utamat, – jelentette.
– Már most, – kezdte a dékán, hogy konkludáljon.
– Már most, – vágott a szavába a fiatalember, – tessék nekem
ezt megmagyarázni, tessék ebbe a rejtélybe belelátni! – mondta
mégegyszer a szólamvezetéssel.
– Nem értem! Nem értem! – felelte a dékán s eltünődve vakart a
füle mellett.
 A VENDÉG.

Szamosligeten ültünk ezen a téli estén, táblabíró nagybátyám

házában, ahol mindig rend volt, amint azt tudjuk, katonai rend és
fegyelem. (Lásd: Nemes szív, rendes ember.) Odakünn a kertben s
az ablak alatt az udvaron, a diófákat rázta a szél s üde havakat
csapkodott a redőnyöknek, patakzúgásos melankóliákkal. Egy lámpa
lógott a mennyezetről, barátságos sugárzással a terített asztal fölött,
ahol körben ültünk a kávéscsészék előtt, és bensőnkben nagyon
csodálkoztunk, hogy kitünő házigazdánk szótlanul tűri ezt a
természeti rendellenességet, aki oly szigorú ember volt. Szinte gêne-
ben voltunk miatta, hogy robusztus tekintélye, hatalma s energiája
semmit sem tehet e novemberi intempériákkal szemben s aggódva
lestük, mint válhatunk itt hirtelen, tehetetlen haragjában, kollektív
bűnbakokká, akik rezignáltan s reménytelen igákba törve, rég
megadtuk magunkat e felsőbbrendű egyéniség ellentmondást nem
tűrő varázsának. Itt ült a jegyző, véknyan, mint a szűk esztendő s
egy-egy korty kávét nyelt gyorsan, minden szélrohamra. A főúr is itt
volt s aki mosolygott azzal az egyházi bonhomiával, mely a rosszat
is jónak értékeli, ahogy ez mind Istentől származik. De gyönyörű
nagynéném, tatár szépsége tündöklésével a lámpa alatt, a csésze
fülébe dugta, merengő ábrándossággal, hosszú fehér mutatóujját s
azontúl lágyan sugározta azt a bíróférji terrort, mely annál
keserűbbnek tűnt, hogy elfogadottnak látszott.
Holott, nem tudom. Bölcsészetet tanulván Debrecenben: az élet
nagy rejtélye, az én számomra, e függőlámpás idillben is, kísértő
homályait sodorta s eltünődve figyeltem nagynéném arcán azokat a
sűrű szempilla-rebbenéseket, melyekkel e kivételes nő mintegy a
muló perceket kergeti s pergeti le egy örökkévalóság előtt. Mit várt e
téli estén, hová epedt el, hová gondolt el, a csésze fülébe fűzött
ujjával, mint egy kapoccsal, ami szimbolikusan, de törékenyen is, az
életét odazárja, ki tudja, micsoda titokhoz, micsoda kéjek mámorába!
Hirtelen bejött a kulcsár akkor s valami úri vándort jelentett, aki
szállást kérne az éjszakára, a hófúvásban elakadván. Egy tragikus
perc volt ez, melyben a nő, egy önfeledt fölsóhajtással, már-már
szólott volna s ugyanakkor az ajkára harapta le amit mondani akart.
S angyalian nyugodt volt, egy szava nem volt, egy hangja, semmi,
mikor nagybátyám engedélyével s a vendéglátási házszabályok
szigorú betartásával, hótól, mocsoktól s bundáktól letakarítva, az
idegen beléphetett.
Egy barna fiatalember volt, magas, vállas, sugárzóan jókedvű a
télben, csak épen, hogy nem mehetett tovább. Különben a szelesdi
gróf vendége, ahogy mondta s akit várnak estére odaát, csakhogy a
révész már nem viszi a kompot.
– Bolond is volna! Egy ilyen éjjel! – motyogta a jegyző.
– Nem is szabad! – mondotta nagybátyám szigorúan, s fordulva
egyet, mint a szemafor a nyilt pálya fölött, amit sugárzó lámpája
lezár, két tüzes szemmel nézett nagynénémre, mint mindig mikor
valami tilosat jelzett.
– Nem is szabad, – ismételte a nő, lágy megadással, egyazon
véleményen s azzal a szinte technikai pontossággal, mellyel egy
egész vonat állna meg.
– Viszont a füzesen át nem ismerem az utat, – tette hozzá a fiatal
ember, könnyelműen.
– A szél fúj, de a hold süt, – mondta a főúr ártatlanul s csak
éppen, hogy mondjon valamit, miközben a zsalugáterek mentén, egy
kissé féloldalt fordulva, az időt kémlelte odakünn. – Ha jól tudom az
ősz óta van itt uraságod, s már láttam pingálni is, az erdészlak
mentén, a füzesben.
– Engem? – kérdezte a fiatalember meglepetten.
 – Hát lehet az? – kiáltott fel nagynéném, oly túlzott készséggel és
kétkedéssel a fiatal ember javára, hogy mint minden túlzás, ez is
eltévesztette hatását.
Mindez nem tűnt fel csak nekem. Mért hazudnak? – kérdeztem
magamba, eltünődve. Micsoda bűntársi szövetkezés sodorta itt
kábító mérgét, hogy mindketten hazugságokba kúszálták bele
magukat, mikor az igaz szó e percben, talán kevésbé volt
veszélyes?
De pszichológiát is tanulván Debrecenben: arról a permanens
rémületről is tudtam, mellyel szegény megtévedt emberi lelkünk úgy
őrzi titkait, oly aggódón s oktalan leplezéssel, mintha az igazság már
akkor is kitárná e titkokat, mikor még semmit sem árulna el belőlük.
S most már folytatni kellett ezen a csapáson.
– Most vagyok itt először életemben, – mondta a fiatalember.
A hideg futott át rajtam. De hiszen csak a gróf kocsisát kellett
volna megkérdezni künn, hogy itt némi világosság derengjen és
meghaljon egy ember. (Lásd: Nemes szív rendes ember.)
– Ne vitatkozzunk! – mondotta nagybátyám táblabírói fölényével
s az emelvényhez szokva, a sok mindenféle vádlott- és vádlónépség
között. – Ne vitatkozzunk! – ismételte, a vendég iránt előzékenyen. –
Hogy már volt itt vagy sem, ezt csak jobban tudja, mint te, – fordult
az öreg paphoz s azt hitte, ezzel valami szellemeset mondott. S
ekképen leintvén az alibi e vitáját, ismét rendet teremtett a házában.
A jegyző, a főúr, haza is mentek aztán békességgel s főleg a
tisztelendő bandukolt át a fehér úton s a hold alatt azzal a sajátos
megelégedéssel, amit csak az ilyen tiszta lelkek éreznek, mikor nem
nekik volt igazuk.
S akkor, így négyünkkel a lámpa alatt, az asztalnál, az egész est
úgyszólván lezajlottnak tűnt s megint egy nap múlott el a télben,
megint egy nap mint a többi napok amik múlnak, az egész élet ami
múlik, a sok mindenféle idők fonalán. A szél megszűnt, a hold vígan
sütött szűz havakra a tetőn s kéklő világát eregette, árnyékok nélkül,
a falak hosszában a zsalugáterekre. A vendég alig beszélt már,
cigarettáit sodorgatva, nagynéném szótlanul ült, azzal a sajátságos
közömbösséggel, mely szinte túl van már minden boldogságon s
kéjesen őrzi mindazt, amit akart. Csak nagybátyám beszélt még, a
pipája füstjében sok mindenféle színes dolgokat törvényről s rendről
a világban, zord telekről régen s egykori vándorokról. És lankadatlan
energiákkal, melyek túlélték a napot, a hajdani szent mágusokat
cibálta elő, ötletes analógiákkal és teológikusan egy hajdani
éjszakából s akik akkor, három jó királyok, szintén hófúvásban
mentek.
– Ez így volt, – mondta, – mikor még rend volt!
S amint így felsóhajtott szokatlan érzelmességgel, a pipájából
egy egész nagy bárányfelhőt fújt.
S akkor csend volt sokáig. De a kulcsár léptei kongtak a
kőlépcsőn, az ajtó mögött.
– Az ágy meg van vetve – mondotta nagybátyám a vendéghez
fordulva s még mielőtt a kulcsár beszélhetett. – Mindig rendet
tartottam a házamban, – tette hozzá jóízűen. – No gyerünk anya, –
mondotta még és indult.
De még nem volt túl a küszöbön, mikor nagynéném hirtelen, egy
más világba szédült, fölszakadt lelke sikolyával. Még meg sem várta,
hogy én is menjek s már az ember kezének dőlt az asztalon, a fehér
fogával harapdálva.
– Oh itt vagy nekem egy egész éjszakára! – hebegte és sírt.
 TÖRTÉNET EGY ÉKIRATBÓL.

Horeb tanár úr, orientalista s assyrologus, Goldziher és

Varjassy tanár urak híres ellenfele, egy könyvesboltból jött ki a Váci
utcában, amikor megláttam. Közismert eredeti divatja szerint, fekete
kemény kalapja oly lehetetlenül mélyen volt a fejébe nyomva, hogy a
füle kétfelé állt, kínosan legörbülve a karima alatt. Úgy kellett
valahogy meghajolnom, féloldalt a kalapja alá, hogy a szemébe
nézhessek s köszönthessem.
– Jó napot! – mondtam igen élénk hangon, amit e rohamsisakos
fej megkövetelt.
– Jó napot! – felelte egy gyakorlott pillantással, sötéten a kalapja
alól, mint egy tömlöcablakból. – Éppen jó, hogy látom.
– Igen, mert én önt nem, – feleltem az egyik fülnek, mert
igazában alig láttam mást.
– Ön újabban sokat foglalkozik velem, noha közepes
szakértelemmel, – folytatta keserűn Horeb tanár ur, nyilvánvaló
célzással A rejtély és Szalánczy Marietta című műveimre. – No nem
baj, – tette hozzá rezignáltan, – ha jól esik, miért ne? »Habent me
ipsum sibi documentum,« ahogy Cicero mondja! No de mondok én
önnek, talán illetékesebben, egy rövid kis történetet egy sziriai
ékiratból, amit megírhat az ujságba.
És a könyvesbolttól, a piaristák palotájáig, elmondta a
következőket:
– Mikor egy nap Antiochiában, az imperium gondolata nyugatról
keletre tolódván, valakit királynak kikiáltottak: a nép ujjongott s látni
kívánta az uralkodót, akit eddig sohse látott. »No gyerünk, Abu
Kalakh«, fordult az új király egyik kegyencéhez, aki ép ott volt a
közelében, »te lész a hadsegédem. Rögtön öltözz fel szépen, amint
én is fölöltözöm, aztán fogass be két szép arabs lovat a kis sárga
kocsimba, elkocsizunk az Orontes partjáig, hogy ilyenformán a nép
megismerjen engem!« »Nagyon helyes«, felelte Abu Kalakh, s
gyorsan felöltözve, már várta is a királyt a kocsiban, mert még nem
tudta, hogy az nem volt illendő, előbb beszállnia. A király is
beszállott s odaszólt a kocsisnak: »Az Orontesig és vissza!« »Óh
vissza, azt már nem tudom!« morogta a hadsegéd a foga között,
amint nyilvánvalóan valami gonosz tervet forralhatott magában.
»Tessék?« kérdezte a király. »Nem mondtam semmit«, felelte
Kalakh, s már vigan jöttek az úton. S amerre csak jöttek a cédrusok
alatt s az olajfák mentén, a nép ujjongott s kiáltott: »Éljen a király!« S
voltak itt, a honbeliek között, ciliciaiak is és jó atyafiak Phrygiából,
akik csak nézték a szép fogatot és éljeneztek, de nem tudták, melyik
a király a két aranypaszomántos közül, aki a kocsiban ült. És jobbra-
balra fordulván kérdezgették a benszülött antiochiaiaktól: »Melyik a
király?« »Azt mi sem tudjuk«, felelték ezek. S mint a futótűz terjedt
hirtelen a kérdés, szájró-szájra: »Melyik a király?! Melyik a király?!«
S már mindenfelől zúgott a hang, ahogy mind többen s többen lettek
az utcán: »Melyik a király?!« s végre a kocsiban is meghallották ezt.
»Ha te kevésbé ülnél ilyen büszkén mellettem«, súgta a király
hadsegéde fülébe, »ezek mind tudnák, hogy én vagyok a király. De
te még büszkébben ülsz mint én.« »Ez igaz«, felelte Abu Kalakh,
»de viszont engem is megválaszthattak volna, nem igaz?« kérdezte
szigorúan. »A helyzet az«, felelt a király már-már kissé idegesen,
»hogy engem választottak. S illő, hogy a nép meg is ismerje, akit
megválasztott!« »Rendben van«, felelte a hadsegéd s egy hirtelen
mozdulattal rögtön úgy kilökte a kocsiból a királyt, hogy ez szinte
röpült szegény s egy nagyot zuhant végül, egy babébokor tetejére,
aranypaszomántosan. S akkor e barbár tömegek előtt, a Felség
személye iránt, nem volt kétség többé. Mind rohantak a kocsi után, a
sok népek, örjöngő üdvrivalgással! S az ünnepi zsivaj oly messze
zúgott el, hogy még az Orontesen is túl, százhúsz mérföldnyire,
meglepett hajósok gályáikkal, megálltak a tengeren… De a bús
királyhoz, a babérba rogyva, egy magányos idegen közeledett akkor,
névszerint Flavius Corippus történetíró, aki éppen e királyválasztásra
jött el Antiochiába, történelmi tanulmányok céljából s elvegyülve a
nép közé, az egész jelenetet látta. »No ébredj, te szegény ember!«
mondta s a király fölé hajolva átfogta a derekát s kiemelte a
bokorból. S lágyan a sebeihez is ért, a vérét szárítgatva, finom
selyemkendőjével. Mire a király, nyöszörgőn megszólalt: »Hát te
nem rohansz a többiekkel?« kérdezte csodálkozva. »Én nem!« felelt
Corippus csendesen. »Mert különböző ismereteim alapján, de vérző
homlokod után is ítélve, ha arról van szó, melyik a király, azt kell
hinnem, csakis te lehetsz az… A nép máskép ítél s máskép ítél a
bölcs. No eredj szépen haza s pihend ki magadat.« Azzal
elbúcsúzott a királytól, miután mégegyszer végigvonta lágy
selyemkeszkenőjét a homlokán.
– Amit a tanár úrral nem tehetett volna, – feleltem, meglehetős
hálátlanul e szép történetért.
 SZALÁNCZY MARIETTA.

Csak tartsa fenn a kalapját, – mondotta Nemény vezérigazgató

annak a sápadt fiatal embernek, aki most belépett hozzá az irodába,
a Keleti Bank palotájában. – Az ablak nyitva van, amint látja.
Csakugyan, az ablak tárva-nyitva volt egy csendes kis aszfaltos
utcára, a márciusi reggelben. Hideg levegő áradt be üdítő és
megváltó fuvalatokkal Nemény vezér felé, aki asztrakán sapkájával,
frigiai formákban, úgyszólván hagyományosan asztmatikusnak tünt.
A szemüvege mögül, két kék golyó bágyadtan sugározta a tüdeje
reménységét. És keresztbe vetett combján, gömbölyded hasa
nyugodott professzionátus letétben, egy tömör aranylánc korlátjával,
amely az egyik mellényzsebéből a másikba nyúlt.
– Köszönöm, – mondta a fiatalember s leült, szép zöld kalapjával
a fején.
– Tehát Tardy Pál? Ez ön? – szólott a vezér érdeklődve.
– Igen, – felelte a fiatalember.
– No lássuk csak, – folytatta Nemény, szokatlanúl türelmesen és
diszponáltan a friss levegőben. – Lásuk csak, – ismételte
mindjobban felmelegedve a hidegben. – Azzal kezdem, hogy úgy
elvben, mint gyakorlatban a protekció barátja vagyok. Számomra
ugyanis, ahogyan tudniillik én értelmezem: a protekció, a mi
társadalmi szervezetünkben, a legsímább módja az
érvényesülésnek, mondhatnám a létért való küzdelemnek, ha nagy
szavakat akarnék használni. Továbbá, információ tekintetében is,
megkímél minden utánjárástól. A felelősséget is áthárítja másra. Önt
Szabóky Zsigmond Ráfáel barátom ajánlja a Keleti Bank-ban való
bizonyos speciális, merném mondani diplomáciai szolgálatokra,
azokkal az ellentétes, sőt ellenséges érdekkörökkel szemben,
melyek bennünket, gazdasági koncepcióinkban és
terjeszkedésünkben meggátolnának Angórában és általában Kis-
Ázsiában, ahol még lehet valamit keresni. Szóval Szabóky ajánlja
önt s ez nekem elég. Én Szabóky barátomat, ön nyilyán tudja ezt, a
legkiválóbb emberek egyikének tartom nemcsak Magyarországon,
de mindenütt az egész világon, gazdaságpolitikai értelemben
szólván. Emberismerete, ítélete, egyszerűen megdöbbentő, ez így
van! Tehát rendben van. Én következéskép nem fogom önt
levizsgáztatni itten valami curriculum vitae-ből, vagy cucurriculum
vitae-ből, ahogy Szomory mondaná, – jegyezte meg azzal az
eltolódott és szellemtelen fölénnyel, amellyel bankigazgatók
aposztrofálnak nagy író-úriembereket, meglehetősen tájékozatlanúl.
– Szóval nem, kedves Tardy Pál, – folytatta, – nem! Mindössze egy
kis részlet érdekelne, egy egész kis részlet, no nem mondom, hogy
nem érdekelne! Az ön esete Szalánczy Mariettával. Ez az, ami
érdekelne.
És egy nagyot fujt az ablak felé, felizgult nosztalgiásan.
De a fiatalember nem felelt. Ez a fura variáció, ez az egész
rapszódikus átmenet legkényesebb magánügyére, mely a tolakodó
kíváncsiságot leszámítva, semmikép nem tartozott ide, oly váratlanul
érte, hogy meg sem lepődött miatta. Flegmatikusan elhárítván a
kérdést, mintha nem is hallotta volna, látszólag arra várt, hogy
elhangozzék térben és időben s nyoma vesszen. Nemény ült, várt,
kövéren az aranyláncával, a perzsa sapkájával frigiásan s lefújva. A
cigarettatárcáját is nyújtogatta a fiatalember felé, nyilvánvaló
csábítással az intimusabb hangulatra, mint a ravasz bíró, ki a
vádlottat csábítja.
A fiatalember rágyújtott és csendesen mint egy más világból, így
szólott:
– Mégis szeretnék magamról beszélni, ha csak egész röviden is,
– mondta.
 – Tessék csak! Tessék! – felelte a másik csalódva és
reménykedőn.
– A háborus korszakról csak annyit, hogy négy hónapig feküdtem
Vladimir Wolinskiben egy tábori kórházban, behavazva a
haslövésemmel.
– A vére ömlött közben! – jegyezte meg Nemény, egy nagyot
fújva és szigoruan a hadvezetőség ellen.
– Nem mondhatnám, hogy ömlött, – felelte Tardy Pál – inkább
csak megfagyott rajtam. Künn, az éjben, farkasok rágták a ponyvát,
a barakk szélén, a hold alatt.
– Szép élmény! – mondta a vezér irónikusan, – nagyon szép
élmény! De úgy látom, kiheverte.
– Meg se kottyant. Egész üde maradtam. Nincs semmi baj, –
mondta a fiatalember.
– No hála Isten.
– Igen. Sok minden lepattan rólam. Egész hegyeket rázok le
magamról.
– Egész volhyniai éjszakákat! – fokozta Nemény a beszédet,
buzdítással.
– Ugy van! Egész volhyniai éjszakákat, kékre fagyva, csak úgy
kihajítok az életemből, mint egy borsónyi jeget a pezsgős
poharamból! – fejtette tovább romantikusan, egy keserü mosollyal.
– Szerencsés természet! – fújta a vezér, a frigiai perzsát még
kacérabbul behorpasztva a fején.
– Lehet! Nem tudom, – felelte Tardy. – Meg vagyok edzve.
– Látom.
– Engedje meg, hogy folytassam.
 – Hallgatom. De ami igazán érdekelne, azt jeleztem már, –
szólott Nemény, kötve magát s a combjait felváltva egy röpke
mozdulattal a hasa alatt.
De ismét úgy tűnt, hogy a fiatalember nem is hallja e szavakat.
– Keleti kérdésekben – folytatta egyszerüen, egy második
cigarettára gyújtva, – meglehetősen verzátus vagyok. Ismereteim
nem úgy veendők a philologiai fantáziák értelmében, mint általában
az orientalistáknál, hanem veendők gyakorlati értelemben, – ezt
legyen szabad hangsúlyoznom. Hosszú évekig, még az sem igen
ártott meg testi és lelki épségemnek, hogy Horeb tanár úr
munkatársa voltam ama görög studiumok terén, melyek a Periclés
politikája és Democritos elmélete címü híres műveinek egyéni és
kollektív tévedéseihez vezettek. Mi tudjuk azt jól, amit e »nevető«-
ről, σ γελαδἱυος! – e bölcsről szóval Hippocrates írt, a mindenféle
görög betegségeket s ragályokat tárgyaló könyvében. Mi tudjuk azt
is, hogy Aristoteles szerint, jó Democritos mindenről gondolkodott,
ami már fölmenthette volna Horeb tanár urat attól, hogy ő bármiről is
gondolkodjon. Azt is tudjuk, hogy Diog. Laert. 72 munkát tulajdonít a
»nevető«-nek, s hogy gyönyörű ion nyelvezetét Cicero a Plátóéhoz
hasonlítja. Az atomtan világában elmélyedve, Lencippusz nyomán
azt is tudtuk rég, hogy tényleges alkat szerint van édes, van keserű,
van meleg, van hideg, van szín, de valósággal csak parány és űr
van, ezt tudtuk. Az empiria nagy elve szerint azt sem felejtettük el,
hogy vagy semmi sem igaz, vagy ami igaz, az nem világos, és
Horeb tanár úr csak ott tévedt, ahol mindezt fejtegetni kezdte, – a
leglényegesebb pontokon, csekélység! Igy kínlódtam vele
betüittasan, rögeszmésen, talán hatvan, hetven éjszakán át s
hajnalig, mindég hajnalig! az utolsó csillag eltűnéséig az égen!
– No ezt is kiheverte, – mondta a vezér, megadva magát, amint
úgy látta, hogy itt türelmesnek kell lennie.
– Meg se kottyant, – felelte Tardy, – sőt! E nehéz időkben néhai
Goldziher tanár úrral találkozván, éppen robusztus fizikumomra
hivatkozva buzdított az ékirat tudományára s ezzel kapcsolatosan
egy dél-arábiai utazásra Hodejdából kiindulva, Szaná-án át, a