Download the full version of the ebook at ebookname.

com

Applied probability and stochastic processes 2nd

Edition Beichelt F.

https://ebookname.com/product/applied-probability-and-
stochastic-processes-2nd-edition-beichelt-f/

OR CLICK BUTTON

DOWNLOAD EBOOK

Download more ebook instantly today at https://ebookname.com

Instant digital products (PDF, ePub, MOBI) available
Download now and explore formats that suit you...

Stochastic Processes in Science Engineering and Finance

1st Edition Frank Beichelt

https://ebookname.com/product/stochastic-processes-in-science-
engineering-and-finance-1st-edition-frank-beichelt/

ebookname.com

Probability and Stochastic Processes 1st Edition Ionut

Florescu

https://ebookname.com/product/probability-and-stochastic-
processes-1st-edition-ionut-florescu/

ebookname.com

Fundamentals of Probability with Stochastic Processes 3rd

Edition Saeed Ghahramani

https://ebookname.com/product/fundamentals-of-probability-with-
stochastic-processes-3rd-edition-saeed-ghahramani/

ebookname.com

Assessing Media Education A Resource Handbook for

Educators and Administrators Lea s Communication 2nd
Edition William G. Christ
https://ebookname.com/product/assessing-media-education-a-resource-
handbook-for-educators-and-administrators-lea-s-communication-2nd-
edition-william-g-christ/
ebookname.com
Histories of Southeastern Archaeology 1st Edition Shannon
Tushingham (Ed.)

https://ebookname.com/product/histories-of-southeastern-
archaeology-1st-edition-shannon-tushingham-ed/

ebookname.com

Astrocytes and Epilepsy 1st Edition Jacqueline A. Hubbard

https://ebookname.com/product/astrocytes-and-epilepsy-1st-edition-
jacqueline-a-hubbard/

ebookname.com

The Architecture Reference Specification Book 2nd Edition

Julia Mcmorrough

https://ebookname.com/product/the-architecture-reference-
specification-book-2nd-edition-julia-mcmorrough/

ebookname.com

Struggling Giants City Region Governance in London New

York Paris and Tokyo 1st Edition Paul Kantor

https://ebookname.com/product/struggling-giants-city-region-
governance-in-london-new-york-paris-and-tokyo-1st-edition-paul-kantor/

ebookname.com

Leadership Hacks Clever Shortcuts to Boost Your Impact and

Results 2nd Edition Stein

https://ebookname.com/product/leadership-hacks-clever-shortcuts-to-
boost-your-impact-and-results-2nd-edition-stein/

ebookname.com
Document and image compression Barni M. (Ed.)

https://ebookname.com/product/document-and-image-compression-barni-m-
ed/

ebookname.com
 Mathematics Second
Edition

Applied Probability and Stochastic Processes, Second Edition

presents a self-contained introduction to elementary probability
Applied Probability

Applied Probability and

theory and stochastic processes with a special emphasis on their
and Stochastic

Stochastic Processes
applications in science, engineering, finance, computer science, and
operations research. It covers the theoretical foundations for modeling
time-dependent random phenomena in these areas and illustrates Processes
applications through the analysis of numerous practical examples.
New to the Second Edition Second Edition
• Completely rewritten part on probability theory—now more than
double in size
• New sections on time series analysis, random walks, branching
processes, and spectral analysis of stationary stochastic
processes
• Comprehensive numerical discussions of examples, which
replace the more theoretically challenging sections
• Additional examples, exercises, and figures
Presenting the material in a reader-friendly, application-oriented
manner, the author draws on his 50 years of experience in the field to
give readers a better understanding of probability theory and stochastic
processes and enable them to use stochastic modeling in their work.
Many exercises allow readers to assess their understanding of the
topics. In addition, the book occasionally describes connections
between probabilistic concepts and corresponding statistical
approaches to facilitate comprehension. Some important proofs
Frank Beichelt
and challenging examples and exercises are also included for more
theoretically interested readers.

Beichelt

K24109

w w w. c rc p r e s s . c o m

K24109_cover.indd 1 2/12/16 9:52 AM

Applied Probability
and Stochastic
Processes
Second Edition
This page intentionally left blank
Applied Probability
and Stochastic
Processes
Second Edition

Frank Beichelt
University of the Witwatersrand
Johannesburg, South Africa
CRC Press
Taylor & Francis Group
6000 Broken Sound Parkway NW, Suite 300
Boca Raton, FL 33487-2742
© 2016 by Taylor & Francis Group, LLC
CRC Press is an imprint of Taylor & Francis Group, an Informa business

No claim to original U.S. Government works

Version Date: 20160208

International Standard Book Number-13: 978-1-4822-5765-6 (eBook - PDF)

This book contains information obtained from authentic and highly regarded sources. Reasonable
efforts have been made to publish reliable data and information, but the author and publisher cannot
assume responsibility for the validity of all materials or the consequences of their use. The authors and
publishers have attempted to trace the copyright holders of all material reproduced in this publication
and apologize to copyright holders if permission to publish in this form has not been obtained. If any
copyright material has not been acknowledged please write and let us know so we may rectify in any
future reprint.

Except as permitted under U.S. Copyright Law, no part of this book may be reprinted, reproduced,
transmitted, or utilized in any form by any electronic, mechanical, or other means, now known or
hereafter invented, including photocopying, microfilming, and recording, or in any information stor-
age or retrieval system, without written permission from the publishers.

For permission to photocopy or use material electronically from this work, please access www.copy-
right.com (http://www.copyright.com/) or contact the Copyright Clearance Center, Inc. (CCC), 222
Rosewood Drive, Danvers, MA 01923, 978-750-8400. CCC is a not-for-profit organization that pro-
vides licenses and registration for a variety of users. For organizations that have been granted a photo-
copy license by the CCC, a separate system of payment has been arranged.

Trademark Notice: Product or corporate names may be trademarks or registered trademarks, and are
used only for identification and explanation without intent to infringe.
Visit the Taylor & Francis Web site at
http://www.taylorandfrancis.com
and the CRC Press Web site at
http://www.crcpress.com
 CONTENTS
PREFACE
SYMBOLS AND ABBREVIATIONS
INTRODUCTION

PART I PROBABILITY THEORY

1 RANDOM EVENTS AND THEIR PROBABILITIES

1.1 RANDOM EXPERIMENTS 7
1.2 RANDOM EVENTS 8
1.3 PROBABILITY 11
1.3.1 Classical Definition of Probability 12
1.3.2 Geometric Definition of Probability 15
1.3.3 Axiomatic Definition of Probability 17
1.3.4 Relative Frequency 20
1.4 CONDITIONAL PROBABILITY AND INDEPENDENCE OF
RANDOM EVENTS 22
1.4.1 Conditional Probability 22
1.4.2 Total Probability Rule and Bayes' Theorem 25
1.4.3 Independent Random Events 28
1.5 EXERCISES 32

2 ONE-DIMENSIONAL RANDOM VARIABLES

2.1 MOTIVATION AND TERMINOLOGY 39
2.2 DISCRETE RANDOM VARIABLES 43
2.2.1 Probability Distributions and Distribution Parameters 43
2.2.2 Important Discrete Probability Distributions 48
2.3 CONTINUOUS RANDOM VARIABLES 59
2.3.1 Probability Distributions 59
2.3.2 Distribution Parameters 63
2.3.3 Important Continuous Probability Distributions 73
2.3.4 Nonparametric Classes of Probability Distributions 86
2.4 MIXTURES OF RANDOM VARIABLES 92
2.5 GENERATING FUNCTIONS 95
2.5.1 z-Transformation 96
2.5.2 Laplace Transformation 99
2.6 EXERCISES 106

3 MULTIDIMENSIONAL RANDOM VARIABLES

3.1 TW0-DIMENSIONAL RANDOM VARIABLES 117
3.1.1 Discrete Components 117
3.1.2 Continuous Components 120
3.1.2.1 Probability Distribution 120
3.1.2.2 Conditional Probability Distribution 127
3.1.2.3 Bivariate Normal Distribution 131
3.1.2.4 Bivariate Exponential Distributions 132
3.1.3 Linear Regression and Correlation Analysis 133
3.2 n-DIMENSIONAL RANDOM VARIABLES 144
3.3 EXERCISES 149

4 FUNCTIONS OF RANDOM VARIABLES

4.1 FUNCTIONS OF ONE RANDOM VARIABLE 155
4.1.1 Probability Distribution 155
4.1.2 Random Numbers 163
4.2 FUNCTIONS OF SEVERAL RANDOM VARIABLES 169
4.2.1 Introduction 169
4.2.2 Mean Value 170
4.2.3 Product of Two Random Variables 172
4.2.4 Ratio of Two Random Variables 173
4.2.5 Maximum of Random Variables 175
4.2.6 Minimum of Random Variables 177
4.3 SUMS OF RANDOM VARIABLES 179
4.3.1 Sums of Discrete Random Variables 179
4.3.2 Sums of Continuous Random Variables 181
4.3.2.1 Sum of Two Random Variables 181
4.3.2.2 Sum of Random Variables 186
4.3.3 Sums of a Random Number of Random Variables 194
4.4 EXERCISES 196
 5 INEQUALITIES AND LIMIT THEOREMS
5.1 INEQUALITIES 199
5.1.1 Inequalities for Probabilities 199
5.1.2 Inequalities for Moments 202
5.2 LIMIT THEOREMS 204
5.2.1 Convergence Criteria for Sequences of Random Variables 204
5.2.2 Laws of Large Numbers 206
5.2.2.1 Weak Laws of Large Numbers 206
5.2.2.2 Strong Laws of Large Numbers 207
5.2.3 Central Limit Theorem 208
5.2.4 Local Limit Theorems 214
5.3 EXERCISES 217

PART II STOCHASTIC PROCESSES

6 BASICS OF STOCHASTIC PROCESSES
6.1 MOTIVATION AND TERMINOLOGY 221
6.2 CHARACTERISTICS AND EXAMPLES 225
6.3 CLASSIFICATION OF STOCHASTIC PROCESSES 230
6.4 TIME SERIES IN DISCRETE TIME 237
6.4.1 Introduction 237
6.4.2 Smoothing of Time Series 239
6.4.3 Trend Estimation 243
6.4.4 Stationary Discrete-Time Stochastic Processes 246
6.5 EXERCISES 252

7 RANDOM POINT PROCESSES

7.1 BASIC CONCEPTS 255
7.2 POISSON PROCESSES 261
7.2.1 Homogeneous Poisson Processes 261
7.2.1.1 Definition and Properties 261
7.2.1.2 Homogeneous Poisson Process and Uniform Distribution 267
7.2.2 Nonhomogeneous Poisson Processes 274
7.2.3 Mixed Poisson Processes 278
7.2.4 Superposition and Thinning of Poisson Processes 284
7.2.4.1 Superposition 284
7.2.4.2 Thinning 285
7.2.5 Compound Poisson Processes 287
 7.2.6 Applications to Maintenance 289
7.2.7 Application to Risk Analysis 292
7.3 RENEWAL PROCESSES 299
7.3.1 Definitions and Examples 299
7.3.2 Renewal Function 302
7.3.2.1 Renewal Equations 302
7.3.2.2 Bounds on the Renewal Function 308
7.3.3 Asymptotic Behavior 311
7.3.4 Recurrence Times 315
7.3.5 Stationary Renewal Processes 318
7.3.6 Alternating Renewal Processes 319
7.3.7 Compound Renewal Processes 324
7.3.7.1 Definition and Properties 324
7.3.7.2 First Passage Time 329
7.4 EXERCISES 332

8 DISCRETE-TIME MARKOV CHAINS

8.1 FOUNDATIONS AND EXAMPLES 339
8.2 CLASSIFICATION OF STATES 350
8.2.1 Closed Sets of States 350
8.2.2 Equivalence Classes 351
8.2.3 Periodicity 353
8.2.4 Recurrence and Transience 354
8.3 LIMIT THEOREMS AND STATIONARY DISTRIBUTION 360
8.4 BIRTH AND DEATH PROCESSES 364
8.4.1 Introduction 364
8.4.2 General Random Walk with Two Absorbing Barriers 365
8.4.3 General Random Walk with One Absorbing Barrier 368
8.5 DISCRETE-TIME BRANCHING PROCESSES 370
8.5.1 Introduction 370
8.5.2 Generating Function and Distribution Parameters 371
8.5.3 Probability of Extinction and Examples 373
8.6 EXERCISES 376

9 CONTINUOUS-TIME MARKOV CHAINS

9.1 BASIC CONCEPTS AND EXAMPLES 383
9.2 TRANSITION PROBABILITIES AND RATES 387
9.3 STATIONARY STATE PROBABILITIES 396
9.4 SOJOURN TIMES IN PROCESS STATES 399
9.5 CONSTRUCTION OF MARKOV SYSTEMS 401
9.6 BIRTH AND DEATH PROCESSES 405
9.6.1 Birth Processes 405
9.6.2 Death Processes 408
9.6.3 Birth and Death Processes 410
9.6.3.1 Time-Dependent State Probabilities 410
9.6.3.2 Stationary State Probabilities 418
9.6.3.3 Nonhomogeneous Birth and Death Processes 421
9.7 APPLICATIONS TO QUEUEING MODELS 425
9.7.1 Basic Concepts 425
9.7.2 Loss Systems 428
9.7.2.1 M/M/∞ -System 428
9.7.2.2 M/M/s/0 -System 428
9.7.2.3 Engset's Loss System 430
9.7.3 Waiting Systems 431
9.7.3.1 M/M/s/∞ -System 431
9.7.3.2 M/G/1/∞ -System 434
9.7.3.3 G/M/1/∞ -System 438
9.7.4 Waiting-Loss-Systems 439
9.7.4.1 M/M/s/m-System 439
9.7.4.2 M/M/s/∞ -System with Impatient Customers 441
9.7.5 Special Single-Server Queueing Systems 442
9.7.5.1 System with Priorities 442
9.7.5.2 M/M/1/m-System with Unreliable Server 445
9.7.6 Networks of Queueing Systems 447
9.7.6.1 Introduction 447
9.7.6.2 Open Queueing Networks 447
9.7.6.3 Closed Queueing Networks 454
9.8 SEMI-MARKOV CHAINS 458
9.9 EXERCISES 465

10 MARTINGALES
10.1 DISCRETE-TIME MARTINGALES 475
10.1.1 Definition and Examples 475
10.1.2 Doob-Type Martingales 479
10.1.3 Martingale Stopping Theorem and Applications 486
10.2 CONTINUOUS-TIME MARTINGALES 489
10.3 EXERCISES 492
 11 BROWNIAN MOTION
11.1 INTRODUCTION 495
11.2 PROPERTIES OF THE BROWNIAN MOTION 497
11.3 MULTIDIMENSIONAL AND CONDITIONAL DISTRIBUTIONS 501
11.4 FIRST PASSAGE TIMES 504
11.5 TRANSFORMATIONS OF THE BROWNIAN MOTION 508
11.5.1 Identical Transformations 508
11.5.2 Reflected Brownian Motion 509
11.5.3 Geometric Brownian Motion 510
11.5.4 Ornstein-Uhlenbeck Process 511
11.5.5 Brownian Motion with Drift 512
11.5.5.1 Definitions and First Passage Times 512
11.5.5.2 Application to Option Pricing 516
11.5.5.3 Application to Maintenance 522
11.5.6 Integrated Brownian Motion 524
11.6 EXERCISES 526

12 SPECTRAL ANALYSIS OF STATIONARY PROCESSES

12.1 FOUNDATIONS 531
12.2 PROCESSES WITH DISCRETE SPECTRUM 533
12.3 PROCESSES WITH CONTINUOUS SPECTRUM 537
12.3.1 Spectral Representation of the Covariance Function 537
12.3.2 White Noise 544
12.4 EXERCISES 547

REFERENCES 549

INDEX 553
 PREFACE TO THE SECOND EDITION

The book is a self-contained introduction into elementary probability theory and

stochastic processes with special emphasis on their applications in science, engineer-
ing, finance, computer science and operations research. It provides theoretical founda-
tions for modeling time-dependent random phenomena in these areas and illustrates
their application through the analysis of numerous, practically relevant examples. As
a non-measure theoretic text, the material is presented in a comprehensible, applica-
tion-oriented way. Its study only assumes a mathematical maturity which students of
applied sciences acquire during their undergraduate studies in mathematics. The study
of stochastic processes and its fundament, probability theory, as of any other mathe-
matically based science, requires less routine effort, but more creative work on one's
own. Therefore, numerous exercises have been added to enable readers to assess to
which extent they have grasped the subject. Solutions to many of the exercises can
be downloaded from the website of the Publishers or the exercises are given together
with their solutions. A complete solutions manual is available to instructors from the
Publishers. To make the book attractive to theoretically interested readers as well,
some important proofs and challenging examples and exercises have been included.
'Starred' exercises belong to this category. The chapters are organized in such a way
that reading a chapter usually requires knowledge of some of the previous ones. The
book has been developed in part as a course text for undergraduates and for
self-study by non-statisticians. Some sections may also serve as a basis for pre-
paring senior undergraduate courses.
The text is a thoroughly revised and supplemented version of the first edition so that
it is to a large extent a new book: The part on probability theory has been completely
rewritten and more than doubled. Several new sections have been included in the part
about stochastic processes as well: Time series analysis, random walks, branching
processes, and spectral analysis of stationary stochastic processes. Theoretically more
challenging sections have been deleted and mainly replaced with a comprehensive
numerical discussion of examples. All in all, the volume of the book has increased by
about a third.
This book does not extensively deal with data analysis aspects in probability and sto-
chastic processes. But sometimes connections between probabilistic concepts and the
corresponding statistical approaches are established to facilitate the understanding.
The author has no doubt the book will help students to pass their exams and practi-
cians to apply stochastic modeling in their own fields of expertise.
The author is thankful for the constructive feedback from many readers of the first
edition. Helpful comments to the second edition are very welcome as well and should
be directed to: [email protected].

Johannesburg, March 2016 Frank Beichelt

This page intentionally left blank
 SYMBOLS AND ABBREVIATIONS

symbols after an example, a theorem, a definition

f (t) ≡ c f (t) = c for all t being element of the domain of definition of f
f∗g convolution of two functions f and g
f ∗(n) n th convolution power of f
f (s), L{f, s} Laplace transform of a function f
o(x) Landau order symbol
δi j Kronecker symbol

Probability Theory
X, Y, Z random variables
E(X), Var(X) mean (expected) value of X, variance of X
f X (x), F X (x) probability density function, (cumulative probability) distribution
function of X
F Y (y x), f Y (y x) conditional distribution function, density of Y given X = x
X t , F t (x) residual lifetime of a system of age t, distribution function of X t
E(Y x) conditional mean value of Y given X = x
λ(x), Λ(x) failure rate, integrated failure rate (hazard function)
N(μ, σ 2 ) normally distributed random variable (normal distribution) with
mean value µ and variance σ 2
ϕ(x), Φ(x) probability density function, distribution function of a standard
normal random variable N(0, 1)
f X (x 1 , x 2 , ... , x n ) joint probability density function of X = (X 1 , X 2 , ... , X n )
F X (x 1 , x 2 , ... , x n ) joint distribution function of X = (X 1 , X 2 , ... , X n )
Cov(X, Y), ρ(X, Y) covariance, correlation coefficient between X and Y
M(z) z-transform (moment generating function) of a discrete random
variable or of its probability distribution, respectively
Stochastic Processes
{X(t), t ∈ T}, {X t , t ∈ T} continuous-time, discrete-time stochastic process with
parameter space T
Z state space of a stochastic process
f t (x), F t (x) probability density, distribution function of X(t)
f t 1 ,t 2 ,...,t n (x 1 , x 2 , ... , x n ), F t 1 ,t 2 ,...,t n (x 1 , x 2 , ... , x n )
joint density, distribution function of (X(t 1 ), X(t 2 ), ... , X(t n ))
m(t) trend function of a stochastic process
C(s,t) covariance function of a stochastic process
C(τ) covariance function of a stationary stochastic process
C(t), {C(t), t ≥ 0} compound random variable, compound stochastic process
ρ(s,t) correlation function of a stochastic process
{T 1 , T 2 , ...} random point process
{Y 1 , Y 2 , ...} sequence of interarrival times, renewal process
N integer-valued random variable, discrete stopping time
{N(t), t ≥ 0} (random) counting process
N(s, t) increment of a counting process in (s, t]
H(t), H 1 (t) renewal function of an ordinary, delayed renewal processs
A(t) forward recurrence time, point availability
B(t) backward recurrence time
R(t), {R(t), t ≥ 0} risk reserve, risk reserve process
A, A(t) stationary (long-run) availability, point availability
(n)
p ij , p ij one-step, n-step transition probabilities of a homogeneous,
discrete-time Markov chain
p i j (t); q i j , q i transition probabilities; conditional, unconditional transition rates
of a homogeneous, continuous-time Markov chain
{π i ; i ∈ Z} stationary state distribution of a homogeneous Markov chain
π0 extinction probability, vacant probability (sections 8.5, 9.7)
λj , μj birth, death rates
λ, μ, ρ arrival rate, service rate, traffic intensity λ/μ (in queueing models)
μi mean sojourn time of a semi-Markov process in state i
µ drift parameter of a Brownian motion process with drift
W waiting time in a queueing system
L lifetime, cycle length, queue length, continuous stopping time
L(x) first-passage time with regard to level x
L(a,b) first-passage time with regard to level min(a, b)
{B(t), t ≥ 0} Brownian motion (process)
σ2, σ σ 2 = Var(B(1)) variance parameter, volatility
{S(t), t ≥ 0} seasonal component of a time series (section 6.4), standardized
Brownian motion (chapter 11).
{B(t), 0 ≤ t ≤ 1} Brownian bridge
{D(t), t ≥ 0} Brownian motion with drift
M(t) absolute maximum of the Brownian motion (with drift) in [0, t]
M absolute maximum of the Brownian motion (with drift) in [0, ∞)
{U(t), t ≥ 0} Ornstein-Uhlenbeck process, integrated Brownian motion process
ω, w circular frequency, bandwidth
s(ω), S(ω) spectral density, spectral function (chapter 12)
 Introduction
Is the world a well-ordered entirety,
or a random mixture,
which nevertheless is called world-order?
Marc Aurel

Random influences or phenomena occur everywhere in nature and social life. Their
consideration is an indispensable requirement for being successful in natural, econ-
omical, social, and engineering sciences. Random influences partially or fully contri-
bute to the variability of parameters like wind velocity, rainfall intensity, electromag-
netic noise levels, fluctuations of share prices, failure time points of technical units,
timely occurrences of births and deaths in biological populations, of earthquakes, or
of arrivals of customers at service centers. Random influences induce random events.
An event is called random if on given conditions it can occur or not. For instance,
the events that during a thunderstorm a certain house will be struck by lightning, a
child will reach adulthood, at least one shooting star appears in a specified time
interval, a production process comes to a standstill for lack of material, a cancer
patient survives chemotherapy by 5 years are random. Border cases of random events
are the deterministic events, namely the certain event and the impossible event. On
given conditions, a deterministic (impossible) event will always (never) occur. For
instance, it is absolutely sure that lead, when heated to a temperature of over
327.5 0 C will become liquid, but that lead during the heating process will turn to
gold is an impossible event. Random is the shape, liquid lead assumes if poured on an
even steel plate, and random is also the occurrence of events which are predicted from
the form of these castings to the future. Even if the reader is not a lottery, card, or
dice player, she/he will be confronted in her/his daily routine with random influences
and must take into account their implications: When your old coffee machine fails
after an unpredictable number of days, you go to the supermarket and pick a new one
from the machines of your favorite brand. At home, when trying to make your first
cup of coffee, you realize that you belong to the few unlucky ones who picked by
chance a faulty machine. A car driver, when estimating the length of the trip to his
destination, has to take into account that his vehicle may start only with delay, that a
traffic jam could slow down the progress, and that scarce parking opportunities may
cause further delay. Also, at the end of a year the overwhelming majority of the car
drivers realize that having taken out a policy has only enriched the insurance compa-
ny. Nevertheless, they will renew their policy because people tend to prefer moderate
regular cost, even if they arise long-term, to the risk of larger unscheduled cost.
Hence it is not surprising that insurance companies belonged to the first institutions
that had a direct practical interest in making use of methods for the quantitative
evaluation of random influences and gave in turn important impulses for the develop-
2 APPLIED PROBABILITY AND STOCHASTIC PROCESSES

ment of such methods. It is the probability theory, which provides the necessary
mathematical tools for their work.
Probability theory deals with the investigation of regularities random events are
subjected to.
The existence of such statistical or stochastic regularities may come as a surprise to
philosophically less educated readers, since at first glance it seems to be paradoxic-
al to combine regularity and randomness. But even without philosophy and without
probability theory, some simple regularities can already be illustrated at this stage:
1) When throwing a fair die once, then one of the integers from 1 to 6 will appear
and no regularity can be observed. But if a die is thrown repeatedly, then the fraction
of throws with outcome 1, say, will tend to 1/6, and with increasing number of throws
this fraction will converge to the value 1/6. (A die is called fair if each integer has
the same chance to appear.)
2) If a specific atom of a radioactive substance is observed, then the time from the
beginning of its observation to its disintegration cannot be predicted with certainty,
i.e., this time is random. On the other hand, one knows the half-life period of a radio-
active substance, i.e., one can predict with absolute certainty after which time from
say originally 10 gram (trillions of atoms) of the substance exactly 5 gram is left.
3) Random influences can also take effect by superimposing purely deterministic
processes. A simple example is the measurement of a physical parameter, e.g., the
temperature. There is nothing random about this parameter when it refers to a spe-
cific location at a specific time. However, when this parameter has to be measured
with sufficiently high accuracy, then, even under always the same measurement
conditions, different measurements will usually show different values. This is, e.g.,
due to the degree of inaccuracy, which is inherent to every measuring method, and to
subjective moments. A statistical regularity in this situation is that with increasing
number of measurements, which are carried out independently and are not biased by
systematic errors, the arithmetic mean of these measurements converges towards the
true temperature.
4) Consider the movement of a tiny particle in a container filled with a liquid. It
moves along zig-zag paths in an apparently chaotic motion. This motion is generated
by the huge number of impacts the particle is exposed to with surrounding molecules
of the fluid. Under average conditions, there are about 10 21 collisions per second
between particle and molecules. Hence, a deterministic approach to modeling the
motion of particles in a fluid is impossible. This movement has to be dealt with as a
random phenomenon. But the pressure within the container generated by the vast
number of impacts of fluid molecules with the sidewalls of the container is constant.
Examples 1 to 4 show the nature of a large class of statistical regularities:
The superposition of a large number of random influences leads under certain
conditions to deterministic phenomena.
INTRODUCTION 3

Deterministic regularities (law of falling bodies, spreading of waves, Ohm's law,

chemical reactions, theorem of Pythagoras) can be verified in a single experiment if
the underlying assumptions are fulfilled. But, although statistical regularities can be
proved in a mathematically exact way just as the theorem of Pythagoras or the rules
of differentiation and integration of real functions, their experimental verification
requires a huge number of repetitions of one and the same experiment. Even leading
scientists spared no expense to do just this. The Comte de Buffon (1707 − 1788) and
the mathematician Karl Pearson (1857 − 1936) had flipped a fair coin several
thousand times and recorded how often 'head' had appeared. The following table
shows their results (n number of total flippings, m number of outcome 'head'):

Scientist n m m/n
Buffon 4040 2048 0.5080
Pearson 12000 6019 0.5016
Pearson 24000 12012 0.5005

Thus, the more frequently a coin is flipped, the more approaches the ratio m/n the
value 1/2 (compare with example 1 above). In view of the large number of flipp-
ings, this principal observation is surely not a random result, but can be confirmed
by all those readers who take pleasure in repeating these experiments. However,
nowadays the experiment 'flipping a coin' many thousand times is done by a comput-
er with a 'virtual coin' in a few seconds. The ratio m/n is called the relative frequency
of the occurrence of the random event 'head appears.'
Already the expositions made so far may have convinced many readers that random
phenomena are not figments of human imagination, but that their existence is object-
ive reality. There have been attempts to deny the existence of random phenomena by
arguing that if all factors and circumstances, which influence the occurrence of an
event are known, then an absolutely sure prediction of its occurrence is possible. In
other words, the protagonists of this thesis consider the creation of the concept of
randomness only as a sign of 'human imperfection.' The young Pierre Simeon
Laplace (1729 − 1827) believed that the world is down to the last detail governed by
deterministic laws. Two of his famous statements concerning this are: 'The curve
described by a simple molecule of air in any gas is regulated in a manner as certain
as the planetary orbits. The only difference between them lies in our ignorance.' And:
'Give me all the necessary data, and I will tell you the exact position of a ball on a
billiard table' (after having been pushed). However, this view has proved futile both
from the philosophical and the practical point of view. Consider, for instance, a
biologist who is interested in the movement of animals in the wilderness. How on
earth is he supposed to be in a position to collect all that information, which would
allow him to predict the movements of only one animal in a given time interval with
absolute accuracy? Or imagine the amount of information you need and the
corresponding software to determine the exact path of a particle, which travels in a
fluid, when there are 10 21 collisions with surrounding molecules per second. It is an
4 APPLIED PROBABILITY AND STOCHASTIC PROCESSES

unrealistic and impossible task to deal with problems like that in a deterministic way.
The physicist Marian von Smoluchowski (1872 − 1917) wrote in a paper published in
1918 that 'all theories are inadequate, which consider randomness as an unknown
partial cause of an event. The chance of the occurrence of an event can only depend
on the conditions, which have influence on the event, but not on the degree of our
knowledge.'
Already at a very early stage of dealing with random phenomena the need arose to
quantify the chance, the degree of certainty, or the likelihood for the occurrence of
random events. This had been done by defining the probability of random events and
by developing methods for its calculation. For now the following explanation is
given: The probability of a random event is a number between 0 and 1. The imposs-
ible event has probability 0, and the certain event has probability 1. The probability
of a random event is the closer to 1, the more frequently it occurs. Thus, if in a long
series of experiments a random event A occurs more frequently than a random event
B, then A has a larger probability than B. In this way, assigning probabilities to
random events allows comparisons with regard to the frequency of their occurrence
under identical conditions. There are other approaches to the definition of probabili-
ty than the classical (frequency) approach, to which this explanation refers. For
beginners the frequency approach is likely the most comprehensible one.
Gamblers, in particular dice gamblers, were likely the first people, who were in need
of methods for comparing the chances of the occurrence of random events, i.e., the
chances of winning or losing. Already in the medieval poem De Vetula of Richard de
Fournival (ca 1200−1250) one can find a detailed discussion about the total number
of possibilities to achieve a certain number, when throwing 3 dice. Geronimo
Cardano (1501 − 1576) determined in his book Liber de Ludo Aleae the number of
possibilities to achieve the total outomes 2, 3, ..,12, when two dice are thrown. For
instance, there are two possibilities to achieve the outcome 3, namely (1,2) and (2,1),
whereas 2 will be only then achieved, when (1,1) occurs. (The notation (i, j) means
that one die shows an i and the other one a j.) Galileo Galilei (1564 − 1642) proved
by analogous reasoning that, when throwing 3 dice, the probability to get the (total)
outcome 10 is larger than the probability to get a 9. The gamblers knew this from
their experience, and they had asked Galilei to find a mathematical proof. The
Chevalier de Méré formulated three problems related to games of chance and asked
the French mathematician Blaise Pascal (1623 − 1662) for solutions:
1) What is more likely, to obtain at least one 6 when throwing a die four times, or in
a series of 24 throwings of two dice to obtain at least once the outcome (6,6)?
2) How many time does one have to throw two dice at least so that the probability to
achieve the outcome (6,6) is larger than 1/2?
3) In a game of chance, two equivalent gamblers need each a certain number of points
to become winners. How is the stake to fairly divide between the gamblers, when for
some reason or other the game has to be prematurely broken off ? (This problem of
the fair division had been already formulated before de Méré , e.g., in the De Vetula.)
INTRODUCTION 5

Pascal sent these problems to Pierre Fermat (1601 − 1665) and both found their
solutions, although by applying different methods. It is generally accepted that this
work of Pascal and Fermat marked the beginning of the development of probability
theory as a mathematical discipline. Their work has been continued by famous
scientists as Christian de Huygens (1629 − 1695), Jakob Bernoulli (1654 − 1705),
Abraham de Moivre (1667 − 1754), Carl Friedrich Gauss (1777 − 1855), and last
but not least by Simeon Denis de Poisson (1781 − 1840). However, probability theory
was out of its infancy only in the thirties of the twentieth century, when the Russian
mathematician Andrej Nikolajewic Kolmogorov (1903 − 1987) found the solution of
one of the famous Hilbert problems, namely to put probability theory as any other
mathematical discipline on an axiomatic foundation.
Nowadays, probability theory together with its applications in science, medicine,
engineering, economy et al. are integrated in the field of stochastics. The linguistic
origin of this term can be found in the Greek word stochastikon. (Originally, this term
denoted the ability of seers to be correct with their forecasts.) Apart from probability
theory, mathematical statistics is the most important part of stochastics. A key subject
of it is to infer by probabilistic methods from a sample taken from a set of interesting
objects, called among else sample space or universe, to parameters or properties of
the sample space (inferential statistics). Let us assume we have a lot of 10 000
electronic units. To obtain information on what percentage of these units is faulty, we
take a sample of 100 units from this lot. In the sample, 4 units are faulty. Of course,
this figure does not imply that there are exactly 400 faulty units in the lot. But
inferential statistics will enable us to construct lower and upper bounds for the
percentage of faulty units in the lot, which limit the 'true percentage' with a given
high probability. Problems like this led to the development of an important part of
mathematical statistics, the statistical quality control. Phenomena, which depend both
on random and deterministic influences, gave rise to the theory of stochastic
processes. For instance, meteorological parameters like temperature and air pressure
are random, but obviously also depend on time and altitude. Fluctuations of share
prices are governed by chance, but are also driven by periods of economic up and
down turns. Electromagnetic noise caused by the sun is random, but also depends on
the periodical variation of the intensity of sunspots.
Stochastic modeling in operations research comprises disciplines like queueing
theory, reliability theory, inventory theory, and decision theory. All of them play an
important role in applications, but also have given many impulses for the theoretical
enhancement of the field of stochastics. Queueing theory provides the theoretical
fundament for the quantitative evaluation and optimization of queueing systems, i.e.,
service systems like workshops, supermarkets, computer networks, filling stations,
car parks, and junctions, but also military defense systems for 'serving' the enemy.
Inventory theory helps with designing warehouses (storerooms) so that they can on
the one hand meet the demand for goods with sufficiently high probability, and on
the other hand keep the costs for storage as small as possible. The key problem with
dimensioning queueing systems and storage capacities is that flows of customers,
6 APPLIED PROBABILITY AND STOCHASTIC PROCESSES

service times, demands, and delivery times of goods after ordering are subject to
random influences. A main problem of reliability theory is the calculation of the
reliability (survival probability, availability) of a system from the reliabilities of its
subsystems or components. Another important subject of reliability theory is model-
ling the aging behavior of technical systems, which incidentally provides tools for
the survival analysis of human beings and other living beings. Chess automats got
their intelligence from the game theory, which arose from the abstraction of games of
chance. But opponents within this theory can also be competing economic blocs or
military enemies. Modern communication would be impossible without information
theory. This theory provides the mathematical foundations for a reliable transmission
of information although signals may be subject to noise at the transmitter, during
transmission, and at the receiver. In order to verify stochastic regularities, nowadays
no scientist needs to manually repeat thousands of experiments. Computers do this
job much more efficiently. They are in a position to virtually replicate the operation
of even highly complex systems, which are subjected to random influences, to any
degree of accuracy. This process is called (Monte Carlo) simulation. More and very
fruitful applications of stochastic (probabilistic) methods exist in fields like physics
(kinetic gas theory, thermodynamics, quantum theory), astronomy (stellar statistics),
biology (genetics, genomics, population dynamic), artificial intelligence (inference
under undertainty), medicine, genomics, agronomy and forestry (design of experi-
ments, yield prediction) as well as in economics (time series analysis) and social
sciences. There is no doubt that probabilistic methods will open more and more
possibilities for applications, which in turn will lead to a further enhancement of the
field of stochastics.
More than 300 hundreds years ago, the famous Swiss mathematician Jakob Bernoulli
proposed in his book Ars Conjectandi the recognition of stochastics as an independ-
ent new science, the subject of which he introduced as follows:
To conjecture about something is to measure its probability: The Art of conjecturing
or the Stochastic Art is therefore defined as the art of measuring as exactly as possi-
ble the probability of things so that in our judgement and actions we always can
choose or follow that which seems to be better, more satisfactory, safer and more
considered.
In line with Bernoulli's proposal, an independent science of stochastics would have
to be characterized by two features:
1) The subject of stochastics is uncertainty caused by randomness and/or ignorance.
2) Its methods, concepts, and language are based on mathematics.
But even now, in the twenty-first century, an independent science of stochastics is
still far away from being officially established. There is, however, a powerful sup-
port for such a move by internationally leading academics; see von Collani (2003).
 PART I
Probability Theory
There is no credibility in sciences in which
no mathematical theory can be applied,
and no credibility in fields which have no
connections to mathematics.
Leonardo da Vinci

CHAPTER 1
Random Events and Their Probabilities
1.1 RANDOM EXPERIMENTS

If water is heated up to 100 0 C at an air pressure of 101 325 Pa, then it will inevitab-
ly start boiling. A motionless pendulum, when being pushed, will start swinging. If
ferric sulfate is mixed with hydrochloric acid, then a chemical reaction starts, which
releases hydrogen sulfide. These are examples for experiments with deterministic
outcomes. Under specified conditions they yield an outcome, which had been known
in advance.
Somewhat more complicated is the situation with random experiments or experim-
ents with random outcome. They are characterized by two properties:
1. Repetitions of the experiment, even if carried out under identical conditions, gen-
erally have different outcomes.
2. The possible outcomes of the experiment are known.
Thus, the outcome of a random experiment cannot be predicted with certainty. This
implies that the study of random experiments makes sense only if they can be repeat-
ed sufficiently frequently under identical conditions. Only in this case stochastic or
statistical regularities can be found.
8 APPLIED PROBABILITY AND STOCHASTIC PROCESSES

Let Ω be the set of possible outcomes of a random experiment. This set is called
sample space, space of elementary events, or universe. Examples of random experi-
ments and their respective sample spaces are:
1) Counting the number of traffic accidents a day in a specified area: Ω = {0, 1, ...}.
2) Counting the number of cars in a parking area with maximally 200 parking bays at
a fixed time point: Ω = {0, 1, ..., 200}.
3) Counting the number of shooting stars during a fixed time interval: Ω = {0, 1, ...}.
4) Recording the daily maximum wind velocity at a fixed location: Ω = [0, ∞).
5) Recording the lifetimes technical systems or organisms: Ω = [0, ∞).
6) Determining the number of faulty parts in a set of 1000: Ω = {0, 1, ..., 1000}.
7) Recording the daily maximum fluctuation of a share price: Ω = [0, ∞).
8) The total profit sombody makes with her/his financial investments a year.
This 'profit' can be negative, i.e. any real number can be the outcome: Ω = (−∞, +∞).
9) Predicting the outcome of a wood reserve inventory in a forest stand: Ω = [0, ∞).
10) a) Number of eggs a sea turtle will bury at the beach: Ω = {0, 1, ...}.
b) Will a baby turtle, hatched from such an egg, reach the water? Ω = {0, 1} with
meaning 0: no, 1: yes.

As the examples show, in the context of a random experiment, the term 'experiment'
has a more general meaning than in the customary sense.
A random experiment may also contain a deterministic component. For instance, the
measurement of a physical quantity should ideally yield the exact (deterministic)
parameter value. But in view of random measurement errors and other (subjective)
influences, this ideal case does not materialize. Depending on the degree of accuracy
required, different measurements, even if done under identical conditions, may yield
different values of one and the same parameter (length, temperature, pressure, amper-
age,...).

1.2 RANDOM EVENTS

A possible outcome ω of a random experiment, i.e. any ω ∈ Ω, is called an element-

ary event or a simple event.
1) The sample space of the random experiment 'throwing two dice consists of 36
simple elements: Ω = {(i, j), i, j = 1, 2, . . ., 6}. The gambler wins if the sum i + j is at
least 10. Hence, the 'winning simple events' are (5, 5), (5, 6), (6, 5), and (6, 6).
2) In a delivery of 100 parts some may be defective. A subset (sample) of n = 12 parts
is taken, and the number N of defective parts in the sample is counted. The elemen-
tary events are 0,1,...,12 (possible numbers of defective parts in the sample). The
delivery is rejected if N ≥ 4.
1 RANDOM EVENTS AND THEIR PROBABILITIES 9

3) In training, a hunter shoots at a cardboard dummy. Given that he never fails the
dummy, the latter is the sample space Ω, and any possible impact mark at the dum-
my is an elementary event. Crucial subsets to be hit are e.g. 'head' or 'heart.'
Already these three examples illustrate that often not single elementary events are
interesting, but sets of elementary events. Hence it is not surprising that concepts and
results from set theory play a key role in formally establishing probability theory. For
this reason, next the reader will be reminded of some basic concepts of set theory.

Basic Concepts and Notation from Set Theory A set is given by its elements. We
can consider the set of all real numbers, the set of all rational numbers, the set of all
people attending a performance, the set of buffalos in a national park, and so on. A
set is called discrete if it is a finite or a countably infinite set. By definition, a count-
ably infinite set can be written as a sequence. In other words, its elements can be
numbered. If a set is infinite, but not countably infinite, then it is called nondenumer-
able. Nondenumerable sets are for instance the whole real axis, the positive half-axis,
a finite subinterval of the real axis, or a geometric object (area of a circle, target).
Let A and B be two sets. In what follows we assume that all sets A, B, ... considered
are subsets of a 'universal set' Ω . Hence, for any set A, A ⊆ Ω .
A is called a subset of B if each element of A is also an element of B.
Symbol: A ⊆ B.
The complement of B with regard to A contains all those elements of B which are not
element of A.
Symbol: B\A
In particular, A = Ω\A contains all those elements which are not element of A.
The intersection of A and B contains all those elements which belong both to A and B.
Symbol: A ∩ B
The union of A and B contains all those elements which belong to A or B (or to both).
Symbol: A ∪ B
These relations between two sets are illustrated in Figure 1.1 (Venn diagram). The
whole shaded area is A B.

Ω B
A
A∩B
B\A
A\B

Figure 1.1 Venn diagram

10 APPLIED PROBABILITY AND STOCHASTIC PROCESSES

For any sequence of sets A 1 , A 2 , . . ., A n , intersection and union are defined as

n n
Ai = A1 ∩ A2 ∩ . . . ∩ An , Ai = A1 A2 . . . An .
i=1 i=1
De Morgan Rules for 2 Sets
A B = A ∩ B, A∩B=A B. (1.1)
De Morgan Rules for n Sets
n n n n
Ai = Ai, Ai = Ai . (1.2)
i=1 i=1 i=1 i=1

Random Events A random event (briefly: event) A is a subset of the set Ω of all
possible outcomes of a random experiment, i.e. A ⊆ Ω.
A random event A is said to have occurred as a result of a random experiment
if the observed outcome ω of this experiment is an element of A: ω ∈ A.
The empty set ∅ is the impossible event since, for not containing any elementary
event, it can never occur. Likewise, Ω is the certain event, since it comprises all pos-
sible outcomes of the random experiment. Thus, there is nothing random about the
events ∅ and Ω. They are actually deterministic events. Even before having complet-
ed a random experiment, we are absolutely sure that Ω will occur and ∅ will not.
Let A and B be two events. Then the set-theoretic operations introduced above can be
interpreted in terms of the occurrence of random events as follows:
A ∩ B is the event that both A and B occur,
A B is the event that A or B (or both) occur,
If A ⊆ B (A is a subset of B), then the occurrence of A implies the occurrence of B.
A\ B is the set of all those elementary events which are elements of A, but not of B.
Thus, A\ B is the event that A occurs, but not B. Note that (see Figure 1.1)
A\ B = A\ (A ∩ B). (1.3)
The event A = Ω\ A is called the complement of A. It consists of all those elementary
events, which are not in A.
Two events A and B are called disjoint or (mutually) exclusive if their joint occur-
rence is impossible, i.e. if A ∩ B = ∅. In this case the occurrence of A implies that B
cannot occur and vice versa. In particular, A and A are disjoint for any event A ⊆ Ω .

Short Terminology
A∩B A and B
A B A or B
A⊆B A implies B, B follows from A
A\B A but not B
A A not
Random documents with unrelated
content Scribd suggests to you:
The Project Gutenberg eBook of Le meilleur
ami
This ebook is for the use of anyone anywhere in the United States
and most other parts of the world at no cost and with almost no
restrictions whatsoever. You may copy it, give it away or re-use it
under the terms of the Project Gutenberg License included with this
ebook or online at www.gutenberg.org. If you are not located in the
United States, you will have to check the laws of the country where
you are located before using this eBook.

Title: Le meilleur ami

Author: René Boylesve

Release date: April 8, 2021 [eBook #65031]

Language: French

Credits: Laurent Vogel and the Online Distributed Proofreading Team

at https://www.pgdp.net (This book was produced from
images made available by the HathiTrust Digital Library.)

*** START OF THE PROJECT GUTENBERG EBOOK LE MEILLEUR AMI

***
 RENÉ BOYLESVE

LE
MEILLEUR AMI
— ROMAN —

CINQUIÈME ÉDITION

PARIS
CALMANN-LÉVY, ÉDITEURS
3, RUE AUBER, 3

Il a été tiré de cet ouvrage

TRENTE EXEMPLAIRES SUR PAPIER DE HOLLANDE
et
DIX EXEMPLAIRES SUR PAPIER DE CHINE,
tous numérotés.
 A
MARCEL BOULENGER
LE MEILLEUR AMI
 « C’est une vieille histoire qui reste toujours
nouvelle, et celui à qui elle vient d’arriver en a le
cœur brisé. »

Henri Heine (Intermezzo).

J’évite ordinairement de passer par cette avenue Raphaël qui me

rappelle trop de souvenirs. Un hasard m’y a mené tantôt ;
j’accompagnais un ami ; nous causions ; je levais les yeux à peine ;
pourtant je crois bien avoir aperçu la pelouse du tennis, le tramway
qui grince en tournant vers la Muette, et le jeu de bagues. Tout à
coup, nous sommes arrêtés par un sol boueux, creusé d’ornières
dégoûtantes, et mon compagnon me dit :
— Tiens ! c’était là l’hôtel des Chanclos !… bon Dieu ! comme tout
passe !…
Il fallut donc s’arrêter là, d’abord pour tourner la boue, et puis
pour voir ce qui est maintenant à la place de l’ancienne habitation
des Chanclos. Une sorte de palais monumental a dévoré le joli hôtel
du baron de Chanclos et son voisin, celui de la princesse V*** ; et
les arbres admirables des deux parcs, ces beaux platanes, ces
marronniers, ces vieux ormes tordus, ces érables d’argent, dont le
feuillage se diversifiait si gaiement même avant l’automne, un
boulingrin solennel et plat en a rasé la forêt, la gaieté, la fantaisie
colorée et l’agréable ombrage, pour découvrir, en noble perspective,
au bout du jardin français, une fontaine, elle aussi monumentale, et
copie de Versailles. Enfin, il ne reste rien du passé, que nos
souvenirs ; et, puisque sous notre régime de bouleversements
rapides, la chose écrite seule a quelque chance de se faufiler entre
les décombres et les murs nouveaux, je veux essayer d’évoquer à la
place de ce qui est aujourd’hui, ce qui n’est plus et qui, il n’y a
pourtant pas de cela dix ans, était la jeunesse, la vie charmante, la
plus riante promesse d’avenir. « Bon Dieu ! comme tout passe !… »
 C’est la voix de Bernerette de Chanclos qui me frappe avant toute
chose au moment où je me penche sur ce trou déjà obscur qu’est
une dizaine d’années en arrière. Je l’entends, sous les marronniers
garnis de feuilles nouvelles… C’était une voix qui, vers la quinzième
année, avait pris je ne sais quel timbre à la fois argentin et grave,
laissant, après coup, une résonance comparable à celle de certains
angélus frais et mélancoliques, qu’on n’entend que dans la
campagne à la tombée du jour : quand Bernerette avait parlé,
comprend-on cela ? ce n’était pas fini ; elle avait projeté dans
l’atmosphère quelque chose d’exquis, et qui voletait ou demeurait là,
en suspension, comme des vapeurs ou des parfums. Et cette voix
n’était pas juste dès que l’on essayait de l’employer pour le chant,
c’est assez étrange ; et Bernerette avait, en outre, un petit défaut de
prononciation, un besoin de manger quelques syllabes, comme si
elle eût été pressée, la pauvre petite, et comme si les mots lui
eussent paru trop longs pour le peu de temps qui lui était donné. Ce
défaut-là pouvait bien être un charme. J’entends cette voix sous les
marronniers !… J’arrivais, en familier de la maison, et Bernerette me
criait de loin :
— Henri ! Henri ! il y a du nouveau : nous nous costumons le 23 !
Tout est fini. La voix joyeuse qui a résonné ainsi sous les
marronniers ne résonnera plus nulle part ; et les marronniers qui en
ont arrêté les vibrations pour les garder plus délicieuses, sont
dépecés et brûlés. Oh ! la petite torture subtile et savante qu’est un
instant précis d’autrefois qui apparaît en fantôme !
 Je me souviens qu’après m’avoir annoncé la soirée, Bernerette
empoigna un bout de chien loulou nommé Joë, qu’elle avait, et, le
tenant par les pattes de devant, elle lui fit faire prestement trois
tours de ronde. Je voulus être de la partie ; je saisis une main de
Bernerette et une patte de Joë, et nous tournâmes jusqu’à ce que le
chien se fâchât.
J’avais vingt-cinq ans, Bernerette dix-neuf. Je n’étais pas trop gai
de ma nature ; elle non plus ; mais la perspective d’un bal costumé a
des vertus qu’on cherche en vain à approfondir : notre désir d’être
ou de paraître différent de ce que nous sommes suffit peut-être à en
expliquer l’attrait considérable chez la plupart des femmes et des
hommes.
Elle se mit aussitôt à me parler de ce bal costumé et me dit que
sa mère avait invité et fait inviter « des quantités de gens », jusqu’à
des inconnus, pour danser. Elle sourit finement en disant « des
inconnus », parce qu’elle avait un goût, peut-être excessif, de
l’imprévu, de la chose nouvelle, et je la taquinais là-dessus
quelquefois :
— Vous êtes lasse de vos amis, Bernerette ; vous en voudriez
d’autres !…
— Non ! disait-elle. Mais le prince Charmant, dame ! pour qu’il se
présente, il faut bien que les portes soient ouvertes !
Elle ne songeait pas le moins du monde à me faire mal, en disant
cela. Hélas ! je ne prétendais pas à jouer jamais le rôle de prince
Charmant : il y avait si longtemps que j’étais l’ami de Bernerette ! A
présent, quand je recueille les souvenirs de ce temps-là, je
m’aperçois que moi, j’aimais Bernerette. Mais je ne le croyais pas.
On peut aimer sans savoir qu’on aime : c’est que, pour nous cacher
un sentiment inopportun, l’esprit recourt à des ruses merveilleuses.
Dépourvu du bandeau qui m’aveuglait, est-ce que j’aurais pu
approcher Bernerette deux fois la semaine sans faire la figure d’un
jeune homme aspirant à sa main ? La main de Bernerette, non
vraiment, je n’y pensais pas ! Je n’étais qu’un petit avocat, débutant
et quelconque. Mademoiselle de Chanclos était ce qu’on appelait
encore dans ce temps-là un « très beau parti ». Aussi il fallait voir
comme j’avais le cœur léger, comme je badinais, riais, soulevais les
épaules lorsqu’il s’agissait de ces passions auxquelles on fait allusion
dans les saynètes et dans les pièces de vers fameuses que l’on récite
dans les salons ou que l’on chante au piano ! D’être jamais épris,
moi, ah ! non, je ne courais pas risque que l’on me suspectât ! Pour
moi-même comme pour tout le monde, ah ! que j’étais donc un
garçon tranquille !…
Comme Bernerette disait avoir choisi pour elle, à ce bal, le
costume de la Finette de Watteau, je m’écriai :
— Bravo ! vous me donnez une idée !
— Laquelle ?
— Je serai, moi, l’Indifférent !
Madame de Chanclos descendait à ce moment les marches du
perron ; elle m’entendit et dit :
— Voilà qui vous ira bien.
Et le bal eut lieu le 23. Je ne le vis guère. J’y fus de très
mauvaise humeur et le quittai rapidement. C’est ce soir-là qu’il
m’apparut que je n’avais de vrai plaisir qu’auprès de Bernerette.
Bernerette se prodiguant à tous ne fut pas à moi deux minutes. Elle
avait beaucoup de succès avec son toquet, son pli Watteau, sa
guitare ; il y avait ce qu’on a raison de nommer un monde fou ; des
jeunes gens nombreux, des danseurs en quantité suffisante ; et la
Finette, c’est-à-dire la grâce, la fantaisie, l’esprit, la chanson qui fait
rire et pleurer, passait et repassait des bras d’un mousquetaire
encombrant à ceux d’un long imbécile d’arlequin ; des bras d’un
Incroyable à ceux d’un Roméo ; des bras d’un nègre authentique, en
roi mage, hideux, à ceux d’un magnifique lancier de Nemours, beau,
svelte et grand garçon, qui vint à moi, après un quadrille, et me dit
en me tendant la main :
— Mes compliments, mon cher, tu es joliment bien dans la
maison : nous avons causé de toi tout le temps, mademoiselle de
Chanclos et moi…
 Je n’avais pas reconnu en lui un ancien camarade de lycée,
Claude Gérard. A peine avions-nous échangé quatre mots, qu’une
Junon le réclamait, et je vis que plusieurs femmes le suivaient des
yeux. Peu après, Bernerette valsait avec un homme masqué par une
tête de veau. Je m’en allai. Devina-t-elle, je ne sais comment, ma
retraite ? La voilà qui échappe à ce monstre et qui court à moi :
— Henri ! Henri ! vous partez ?
Je remontai quatre marches pour la saluer. J’étais heureux qu’elle
me retînt. Quand je fus près d’elle, elle posa sa main près de sa
bouche, pour parler bas, et moi je souriais niaisement parce qu’elle
s’apprêtait à ne parler qu’à moi seul. Elle me dit, pour moi seul en
effet :
— Qui est-ce, dites, le lancier avec le plastron jaune ?… il vous
connaît ; nous avons parlé de vous tout le temps !…
— Il se nomme Claude Gérard.
— Je le sais, parbleu ? On me l’a présenté, peut-être ! mais qui
est-ce ?
— C’est un joli garçon !
— Vous faites exprès de me faire enrager. D’ailleurs, ce que je
vous demande là, je m’en moque, vous pensez !… Alors, vous vous
en allez, Henri ?
— Oui.
— Allons vous n’êtes pas gentil !
Je lui dis adieu : je descendis quelques marches ; mais elle
demeurait penchée sur l’escalier. Je pouvais bien croire qu’elle était
fâchée de me voir si tôt partir. Alors je me retournai vers elle et lui
souris encore aussi niaisement que la première fois. Tout à coup, je
sentis comme un démon qui m’obligea de dire à Bernerette :
— Je vous donnerai des détails sur Claude Gérard !
— Ah ! fit-elle.
Et je vis dans son œil que c’était cela même qu’elle attendait,
penchée sur la rampe.
 — Mais, dites-moi tout de suite, reprit-elle, c’est un jeune homme
qu’on peut recevoir ?…
— Sans travestissement ? Mais oui, Bernerette !
Elle n’insista plus pour me retenir ; elle quitta l’escalier et
disparut.
Je rentrai chez moi à pied, par le plus long. Je marchai beaucoup,
cette nuit-là. Dieu ! qu’il faisait beau sous ces allées du Ranelagh,
voûtes de verdure, silencieuses et profondes ! Comme un petit hôtel,
environné d’un jardin, a l’air de bien dormir !… Les maisons, dans la
rue, le passant les frôle, il les touche et il semble un peu qu’il leur
marche sur les pieds ; mais derrière ces grilles, ces haies de fusains
et ces plates-bandes gazonnées, sombre velours si pur, les petits
hôtels ont un sommeil abrité, heureux, et qui fait du bien au
passant. Leur paix et la fraîcheur nocturne me retinrent, — je le
croyais du moins, — et je fus près d’une heure à faire les cent pas
dans le Ranelagh.
Et puis, quelques journées passées, du travail, des soucis d’autre
sorte atténuèrent le malaise de cette soirée. Je ne pensais pas trop
aux mousquetaires, aux arlequins, aux nègres ni au lancier de
Nemours, lorsque, avant même d’avoir revu Bernerette, je me
trouvai nez-à-nez, sur le boulevard des Capucines, avec l’ex-lancier
en personne, Claude Gérard. Il m’aborda avec bonne humeur et
franchise :
— Ah ! bien, mon vieux, la drôle de chose ! On reste dix ans sans
se croiser seulement dans la rue, et voilà deux rencontres dans la
même semaine !…
— La vie a plus de fantaisie que les hommes.
— Te souviens-tu du père Passereau ?
C’était notre commun professeur de rhétorique. Et les souvenirs
de lycée affluèrent. Nous fûmes, sans nous être aperçus du chemin,
sur la place de la Concorde. Gérard ne me dit mot de la soirée du
Ranelagh ; je n’y fis moi-même aucune allusion ; il semblait bien aise
de me revoir ; il parlait avec abondance et sans m’ennuyer, je
l’avoue ; je jugeai tout de suite qu’il était demeuré le brave garçon
que j’avais connu sur les bancs. Il était vraiment joli homme ; je le
voyais bien au regard des femmes qui allaient à lui comme les
papillons du soir à la lumière ; mais lui ne semblait pas y prendre
garde ; il n’en tirait aucune vanité ; il était accoutumé, sans doute, à
ces hommages muets des inconnues ; peut-être en était-il las.
Comme nous inclinions vers le boulevard Saint-Germain, en face
du Palais-Bourbon, une jeune femme, d’une beauté célèbre, portant
une des premières toilettes printanières, passa dans une victoria
découverte et donna à mon compagnon, le temps que les chevaux
ralentissaient au tournant, ses yeux splendides ; tout autre homme
en eût été affolé. Je ne pus me retenir de le lui faire remarquer. Il
sourit. Je lui dis :
— Tu sais qui est cette femme ?
Il ne le savait pas. Je la lui nommai. Il me dit :
— J’ai une amie que je te présenterai si tu me fais l’amitié de
venir un soir dîner chez moi sans cérémonie.
Est-ce que l’appréhension que j’avais eue lors du bal costumé
n’était pas absurde ? Voyons ! Pour deux simples questions de
Bernerette : « Ce jeune homme, quel est-il ? Et peut-on le
recevoir ? » voilà mon esprit et mon cœur en campagne, et je passe
une nuit blanche à marcher comme un homme trahi !… Que ce jeune
homme eût plu à Bernerette, quoi d’extraordinaire à cela ? D’autres
jeunes gens, à ma connaissance, déjà précédemment avaient plu à
Bernerette. Quant à Claude Gérard, il ne m’avait même pas parlé
d’elle ; les femmes lui étaient assez indifférentes ; il avait une
maîtresse qui les devait éclipser toutes, c’était évident. J’allais la
connaître.
 Je dînai au Ranelagh avant d’aller chez Claude Gérard. Là, il ne
fut parlé que de la soirée, mais de Claude Gérard à peine. On l’avait
trouvé bien ; il avait fait honneur au bal costumé, oui, mais d’autres
jeunes gens aussi. Allons ! ce n’était pas celui-là encore qui « nous »
ravirait Bernerette ! Et je pensais ce « nous » un peu comme
l’eussent fait monsieur ou madame de Chanclos, peu pressés, cela
va sans dire, de marier leur enfant unique. Ce fut d’un ton bien
dégagé, vraiment, que je dis à Bernerette, pour m’acquitter de ma
promesse :
— Je vais vous donner les quelques détails annoncés sur ce
monsieur Gérard !…
— Donnez ! dit-elle.
— Eh bien ! c’est un auditeur au Conseil d’État : il est sérieux,
intelligent, de bel avenir…
— Tant mieux pour lui !
— De famille provinciale… fortune modeste, au moins
d’apparence, mais…
— Que voulez-vous que cela me fasse ?…
— Ses mœurs sont pures, autant que j’en ai pu juger en me
promenant avec lui, pour vous complaire, de la Madeleine à
l’Odéon…
— Merci mille fois !
— Ah ! j’oubliais : officier de réserve, 2e dragons…
 — Mais je m’en moque !…
— Bon ! Très bien. Ne parlons plus de lui.
— Ah ! vous savez que maman l’a réinvité ?…
— Parfait !
— Qu’avez-vous ?…
— Rien du tout.
Elle paraissait plus animée que de coutume ; elle parlait
beaucoup ; elle sautait dans les allées du jardin, comme cinq ou six
ans auparavant, lorsqu’elle était encore une fillette. Que le pauvre
Joë fut donc bousculé !
Il y avait une chaumière rustique au fond du jardin, que l’on
éclairait le soir au moyen d’une grosse lanterne vénitienne arrondie
en ballon et de la couleur d’une orange. Assis dans des fauteuils
d’osier, monsieur et madame de Chanclos, quelques amis et moi,
nous regardions jouer Bernerette et son chien.
— Je ne sais pas ce qu’elle a, dit sa mère.
— Elle est jeune, dit un ami de la famille.

Je reverrai longtemps cette danse à la lueur orangée de la

lanterne. Je la trouvais insolite, quoique Bernerette eût coutume de
s’agiter ainsi parfois avec le pauvre Joë, et il n’y avait pas si
longtemps, n’avions-nous pas dansé, Bernerette, Joë et moi-même,
à l’annonce de « la soirée du 23 » ! Il ne faut qu’un peu de
mélancolie pour voir plus profondément dans les scènes d’apparence
ordinaire. Je n’en manquais pas sans doute, et il me sembla que
Bernerette, en s’agitant, abandonnait tous les mouvements de la
jeunesse insouciante et pure ; elle secouait ses bras, ses jambes, son
jeune corps si souple, et j’en voyais tomber un à un les derniers
gestes puérils, qu’une grâce, une langueur nouvelles remplaçaient à
mesure en embarrassant peu à peu l’enfant métamorphosée en
femme. Je me souviens d’un rien : après avoir sauté sur la pelouse,
par-dessus Joë, elle porta la main à son sein qu’elle avait senti
vibrer, et aussitôt elle fut un peu gênée et s’assit. Ses tempes étaient
moites, ses beaux cheveux d’un blond d’or penchaient d’un côté, et
elle les empoigna pour les remettre d’aplomb. A ce moment, je vis
pour la première fois sous ses yeux une presque inappréciable
cernure dont la courbe alliée au dessin du nez donnait à sa
physionomie un air de gravité surprenant ; et son bras levé, sa gorge
saillante et sa bouche entr’ouverte me troublèrent.
 J’allai quelques jours après chez Claude Gérard. Ah ! la singulière
émotion que la mienne ! Est-ce que je haïssais ce Gérard ? Est-ce
que je n’éprouvais pas un certain plaisir à l’approcher, à le
connaître ?
Il habitait un petit appartement, rue de Vaugirard, entre la rue
Bonaparte et le musée du Luxembourg, dans une maison vieillotte, à
porche vénérable et belle cour. On grimpait tout en haut. Une bonne
proprette m’introduisit dans le « bureau de monsieur », bureau, ma
foi, fort bien, avec bibliothèque vitrée contenant la rigide collection
du Dalloz, pendule familiale de zinc doré, photographies de gens
intègres et de professeurs en robe ; des codes partout, et la Gazette
des Tribunaux. Quel sérieux ! Non, rien, rien vraiment, d’un
séduisant jeune homme de vingt-sept ans !
Claude parut et me dit aussitôt :
— Que je t’avertisse : motus, devant mon amie, sur la soirée chez
les Chanclos… A propos, ces gens sont bien gentils : ils me
bombardent d’invitations… Pendant que nous sommes seuls, donne-
moi un avis : dois-je accepter ?
— Drôle d’avis ! n’es-tu pas d’âge à savoir ?…
— Je veux dire tout simplement : « Est-ce une maison où l’on se
rase ? »
— Ce n’est pas non plus une maison où l’on s’amuse. Le père et
la mère, tu as pu en juger, même sous le travestissement, ne sont
pas ce qu’on appelle de « joyeux fêtards ». On lit chez eux la Revue
des Deux Mondes, et l’on fait maigre le vendredi.
— Tu comprends, dit-il, moi, si je vais dans le monde, j’aime que
ce soit pour me détendre un peu.
Je souris, non sans inquiétude. Qu’appelait-il « se détendre »,
puisqu’il vivait librement chez lui, en garçon, avec sa maîtresse ?
Deux jeunes gens entrèrent : l’un était son collègue au Conseil
d’État, l’autre un élève de l’École des sciences politiques. Ni l’un ni
l’autre, pas plus que Gérard, d’ailleurs, n’avaient cette attitude
gourmée ou fate que l’on prête volontiers à ces messieurs des
doctes écoles ou des corps imposants de l’État : ils semblaient
d’assez gais compagnons même, mais ils mirent une sourdine à leurs
propos et rectifièrent leur tenue quand la jeune femme, qui jouait ici
le rôle de maîtresse de maison, entra. Ils la connaissaient ; lui
serrèrent la main. On me présenta :
— Isabelle !
Isabelle n’était ni jolie ni très jeune. C’était une femme menacée
d’embonpoint, les cheveux teints, la figure et la bouche assez
fraîches. On ne savait si elle était timide ou guindée ; elle ne
semblait pas à son aise ; et les deux amis et Gérard lui-même
avaient je ne sais quoi de bien compassé depuis qu’elle était là. On
se fût cru chez un ménage bourgeois, où la femme, peu habituée au
monde, fait cent efforts pour donner à entendre qu’elle sait vivre.
Jamais repas ne fut plus digne, jamais propos ne furent plus décents
et plus mesurés. Je fus tenté plusieurs fois de dire à Gérard : « Les
Chanclos, non, non ! ne sont pas une maison où l’on se rase. » Car je
comprenais qu’il s’y fût « détendu ». On était chez eux beaucoup
plus libre que chez lui.
Quantité de sujets de conversation évidemment gênaient Gérard
et Isabelle. Le nom d’un certain café du quartier Latin, jeté par moi,
répandit un froid ; le nom d’un bal public parut disgracieux à
entendre ; enfin, il n’y avait pas jusqu’à ce merveilleux jardin du
Luxembourg, qui s’étalait non loin de là et dont l’on voyait par la
fenêtre un angle de verdure, qui ne rappelât sans doute quelque
mystère douloureux au ménage. Il y eut un soulagement quand, de
retour dans la glaciale bibliothèque, ces messieurs du Conseil d’État
et de l’École des sciences politiques abordèrent des questions
d’ordre administratif. J’eus un aparté avec Isabelle.

Comment avais-je gagné sa confiance ? Elle me laissa entendre

qu’elle menait plusieurs vies superposées, dont la plupart
dissimulées soigneusement à Gérard. Aucun des amis de Gérard, j’en
eusse juré, n’ignorait ce que j’apprenais là. Isabelle avait un besoin
inextinguible de narrer sa propre histoire à tout venant. Et d’ailleurs,
prenant ainsi les devants, et vous gagnant par ses confidences, elle
obviait aux rapports qu’un ami étourdi peut faire : « Tiens ! j’ai
rencontré l’autre jour Isabelle avec un grand brun », ou bien : « Ah
çà ! Isabelle a donc de la famille à Saint-Germain ? » Mais elle n’était
point du tout habile ; elle ne gouvernait pas le moins du monde sa
parole ; elle savait son défaut, et c’est à cause de cela qu’elle
adoptait devant Gérard cette tenue austère, ces propos neutres,
cette attitude de personnage officiel, qui nous avaient incommodés
pendant la première partie de la soirée, mais qui ne semblaient pas
déplaire à Gérard, car si Gérard aimait à se « détendre » chez les
autres, il était flatté que l’on pût dire que chez lui, même en ménage
irrégulier, on se tenait très comme il faut.
Je ne causais pas depuis trois minutes avec Isabelle, qu’elle me
disait avoir perdu un enfant qui aurait aujourd’hui sept ans, que ce
pauvre petit s’appelait Gustave, qu’il était si joli que son père aurait
certainement fait tôt ou tard pour lui ce qu’il n’aurait pas fait pour la
maman :
— Oui, monsieur, il me l’avait promis ; c’était bien dans son idée
de régulariser… Là-dessus, pan ! voilà cette malheureuse scarlatine…
Le chagrin d’Isabelle durait encore ; elle s’oubliait ; je crus qu’elle
allait pleurer et j’en étais un peu gêné, car Gérard, ou les deux amis
tout au moins, n’allaient pas manquer de penser qu’Isabelle me
parlait déjà de son petit. Elle soupçonna ma crainte, elle me dit :
 — Claude le sait ; je ne lui ai rien caché… Même qu’il m’a
proposé, le Jour des Morts, de m’accompagner sur la tombe, au
cimetière Montparnasse. Ça, non, je ne l’ai pas voulu. Pensez donc,
si le père avait eu, lui aussi, l’idée d’y aller !…
— Et il l’a eue probablement, puisqu’il aimait tant son fils !…
— Oui, oui, monsieur, il l’a eue, vous pouvez m’en croire. Il n’a
pas tenu toute sa parole, non, et en cela, il est fautif, mais je ne
laisserais pas dire de lui que ce n’est pas un homme de cœur, et
bon, et généreux…
Évidemment Isabelle n’avait pas cessé toutes relations avec le
père de son enfant. Isabelle me dit, sans plus de transition :
— Pour ça, Claude n’en sait rien, par exemple. Il est d’un jaloux !
Quoique l’autre ne soit plus de la première jeunesse…
— C’est que Claude vous aime !…
— Oh ! de ce côté-là, dit-elle, je n’ai pas à me plaindre ! Et voilà
bientôt quatre ans que ça dure… Un si joli garçon !
Elle parut réfléchir, hésiter un instant, puis elle me dit :
— Il a été en soirée avec vous, je le sais. Il ne m’en a rien dit,
comme de juste, mais ce n’est pas de ces choses qui nous
échappent, à nous. Il avait pris trop soin de recommander le silence
à la concierge… Quand je suis arrivée ici, — je viens le mercredi et le
samedi — ce qu’il avait fait était écrit sur toutes les figures…
Sur un signe de Gérard, Isabelle se leva pour remplir
machinalement ses devoirs de maîtresse de maison ; elle offrit de la
bière, et la discussion sur les matières administratives fut
interrompue entre Claude Gérard et ses deux amis. Claude me prit à
part à son tour et me demanda :
— Comment la trouves-tu ?
— Mais, charmante !…

Je descendis avec les deux amis. Dans la rue, celui de ces jeunes
gens qui n’était encore qu’élève de l’École des sciences politiques
envia le sort de Claude : c’était une chance de posséder une
maîtresse si correcte. L’auditeur de première classe au Conseil d’État
souleva l’épaule et dit que cette liaison était au contraire déplorable
et qu’elle ruinerait l’avenir de Gérard.
— Cette liaison n’est pas éternelle, hasardai-je en riant.
L’auditeur avança les lèvres et me regarda de biais. Je repris :
— Gérard n’est pas esclave ; il a une maîtresse qu’il voit deux fois
par semaine, bon ; mais, entre temps, il sort, il est libre ; il
commence à aller dans le monde…
— Avec quelles précautions ! quelle abondance de cachotteries !
Sa soirée costumée a été l’escapade nocturne d’un collégien, d’un
gamin qui s’échappe par la fenêtre !
— Elle ne lui a causé que plus de plaisir : il recommencera.
— Mais le plaisir qu’il éprouve à fuir en cachette vient de ce qu’il
se sent prisonnier !…
Et l’auditeur au Conseil d’État prophétisa :
— Gérard épousera Isabelle !
Je ne pus m’empêcher de rire. Le plus jeune de ces messieurs fit
comme moi et s’écria :
— Et l’autre ?…
L’auditeur au Conseil d’État ne broncha pas, car il ne me croyait
pas informé. Je dis alors, moi aussi :
— Oui, en effet, et l’autre ?…
Il fut surpris un instant, me regarda, comprit qu’Isabelle m’avait
parlé dès la première entrevue comme elle l’avait fait sans doute à
lui-même. Il dit :
— L’autre ?… Eh bien, oui, ce sera alors probablement notre
devoir d’avertir Claude qu’il n’est pas le seul amant d’Isabelle, et
alors…
— Alors, dit le jeune homme, il faudra bien qu’il rompe avec sa
maîtresse.
 — Alors, dit l’auditeur, il rompra avec nous et il épousera sa
maîtresse !

Le paradoxe était amusant. Le chemin de ces messieurs et le

mien étant le même, nous ne nous séparâmes pas que je n’eusse
entendu toute l’idylle du beau Claude et d’Isabelle.
Il l’avait rencontrée dans un café du quartier Latin, celui-là
précisément dont le nom, prononcé par moi pendant le dîner, avait
paru si malséant ; un des amis, présent ce soir, l’accompagnait et
avait été témoin des premières paroles échangées. Isabelle portait
alors le deuil de son petit garçon, et ses cheveux blonds, sous le
crêpe, lui donnaient un certain air de belle jeune veuve, et de dignité
douloureuse, destinés à séduire définitivement le correct et sérieux
Gérard. La conquête, toutefois, avait été un peu trop facile, et de
ceci un ami avait été témoin, mais Gérard aujourd’hui niait cette
particularité, et il disait à son ami : « J’ai voulu me flatter ; tu ne
sauras jamais ce que j’ai eu de fil à retordre. » Elle avouait la perte
d’un enfant, se disait mariée d’abord, puis, quelque temps après,
donnait à entendre qu’elle n’avait été que fiancée à un jeune officier
d’infanterie de marine, parti inopinément pour le Tonkin, d’où il
n’était pas revenu… Par malchance, Gérard la rencontrait la même
semaine dans le jardin du Luxembourg, au côté d’un monsieur qui
lui tenait la taille enlacée.
L’ami qui racontait cela souriait.
 Bernerette était informée que je devais revoir Gérard dans
l’intervalle de deux de mes visites au Ranelagh. J’affectai de ne point
parler de lui avant qu’elle-même ne m’y invitât. Elle ne se pressa
pas. Le dîner et une bonne partie de la soirée se passèrent sans
qu’elle fît mine de se souvenir du « lancier de Nemours », et je me
disais à part moi : « Faut-il qu’elle mette tant d’application à
dissimuler l’intérêt qu’elle prend à lui ! » Et, en même temps, je
pensais : « Mais c’est ma réserve, à moi, qui est suspecte ! Pourquoi,
puisqu’on sait ici que j’ai dîné cette semaine avec Gérard, pourquoi
est-ce que je tarde tant à dire simplement : « Je l’ai vu ; j’ai dîné
avec lui. » Si Bernerette est fine, elle est en droit de supposer de
moi : « Il est jaloux. » Parlons donc ! Non ! je ne pouvais pas parler.
Un moment, s’agita entre nous la question de savoir quel jour
avait eu lieu la première d’une pièce aux Variétés, où j’assistais, où
monsieur et madame de Chanclos n’assistaient pas. Je n’ai aucune
mémoire des dates, je dis :
— C’était vendredi.
Bernerette me dit :
— Non. Vendredi, vous dîniez chez monsieur Gérard.
Je convins qu’elle avait raison.
Je dus aussi pâlir un peu, car je surprenais sous ce petit front la
pensée qui ne l’avait pas quittée de la soirée : « Il a dîné vendredi
chez monsieur Gérard, il va nous parler de lui… Tiens ! il ne nous
parle pas de lui… Ah çà ! va-t-il nous parler de lui… » Et enfin :