Introduction to Robust Estimation and Hypothesis

Testing 5th Edition Rand R. Wilcox pdf download

https://ebookmass.com/product/introduction-to-robust-estimation-
and-hypothesis-testing-5th-edition-rand-r-wilcox/

Explore and download more ebooks at ebookmass.com

Here are some recommended products for you. Click the link to
download, or explore more at ebookmass.com

Introduction to Robust Estimation and Hypothesis Testing

4th Edition Rand Wilcox

https://ebookmass.com/product/introduction-to-robust-estimation-and-
hypothesis-testing-4th-edition-rand-wilcox/

Applications of Hypothesis Testing for Environmental

Science Abbas F.M. Alkarkhi

https://ebookmass.com/product/applications-of-hypothesis-testing-for-
environmental-science-abbas-f-m-alkarkhi/

Introduction to Software Testing: A Practical Guide to

Testing, Design, Automation, and Execution 1st Edition
Panagiotis Leloudas
https://ebookmass.com/product/introduction-to-software-testing-a-
practical-guide-to-testing-design-automation-and-execution-1st-
edition-panagiotis-leloudas/

Psychological Testing and Assessment: An Introduction to

Tests and Measurement 10th Edition Ronald Jay Cohen

https://ebookmass.com/product/psychological-testing-and-assessment-an-
introduction-to-tests-and-measurement-10th-edition-ronald-jay-cohen/
Introduction to Business Law, 5th Edition Jones

https://ebookmass.com/product/introduction-to-business-law-5th-
edition-jones/

Stress testing the USA : public policy and reaction to

disaster events 2nd Edition John R. Short

https://ebookmass.com/product/stress-testing-the-usa-public-policy-
and-reaction-to-disaster-events-2nd-edition-john-r-short/

Introduction to Learning and Behavior 5th Edition – Ebook

PDF Version

https://ebookmass.com/product/introduction-to-learning-and-
behavior-5th-edition-ebook-pdf-version/

(eBook PDF) Introduction to Global Politics 5th Edition

https://ebookmass.com/product/ebook-pdf-introduction-to-global-
politics-5th-edition/

Introduction to Public Health 5th Edition, (Ebook PDF)

https://ebookmass.com/product/introduction-to-public-health-5th-
edition-ebook-pdf/
Introduction to Robust Estimation and
Hypothesis Testing
 Introduction to Robust
Estimation and Hypothesis
Testing
Fifth Edition

Rand R. Wilcox
Professor of Psychology
University of Southern California
Los Angeles, California, United States
Academic Press is an imprint of Elsevier
125 London Wall, London EC2Y 5AS, United Kingdom
525 B Street, Suite 1650, San Diego, CA 92101, United States
50 Hampshire Street, 5th Floor, Cambridge, MA 02139, United States
The Boulevard, Langford Lane, Kidlington, Oxford OX5 1GB, United Kingdom
Copyright © 2022 Elsevier Inc. All rights reserved.
No part of this publication may be reproduced or transmitted in any form or by any means, electronic or mechanical, including
photocopying, recording, or any information storage and retrieval system, without permission in writing from the publisher.
Details on how to seek permission, further information about the Publisher’s permissions policies and our arrangements with
organizations such as the Copyright Clearance Center and the Copyright Licensing Agency, can be found at our website:
www.elsevier.com/permissions.
This book and the individual contributions contained in it are protected under copyright by the Publisher (other than as may be
noted herein).
Notices
Knowledge and best practice in this field are constantly changing. As new research and experience broaden our understanding,
changes in research methods, professional practices, or medical treatment may become necessary.
Practitioners and researchers must always rely on their own experience and knowledge in evaluating and using any
information, methods, compounds, or experiments described herein. In using such information or methods they should be
mindful of their own safety and the safety of others, including parties for whom they have a professional responsibility.
To the fullest extent of the law, neither the Publisher nor the authors, contributors, or editors, assume any liability for any injury
and/or damage to persons or property as a matter of products liability, negligence or otherwise, or from any use or operation of
any methods, products, instructions, or ideas contained in the material herein.

Library of Congress Cataloging-in-Publication Data

A catalog record for this book is available from the Library of Congress

British Library Cataloguing-in-Publication Data

A catalogue record for this book is available from the British Library

ISBN: 978-0-12-820098-8

For information on all Academic Press publications

visit our website at https://www.elsevier.com/books-and-journals

Publisher: Katey Birtcher

Editorial Project Manager: Sara Valentino
Production Project Manager: Beula Christopher
Designer: Bridget Hoette
Typeset by VTeX
Printed in the United States of America
Last digit is the print number: 9 8 7 6 5 4 3 2 1
à mon seul œuf
Contents
Preface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxv
Chapter 1: Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 Problems With Assuming Normality. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Transformations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 The Influence Curve . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 The Central Limit Theorem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5 Is the ANOVA F Robust? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6 Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.7 More Remarks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.8 R Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.9 Some Data Management Issues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.9.1 Eliminating Missing Values . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.10 Data Sets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Chapter 2: A Foundation for Robust Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.1 Basic Tools for Judging Robustness. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.1.1 Qualitative Robustness . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.1.2 Infinitesimal Robustness . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.1.3 Quantitative Robustness . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2 Some Measures of Location and Their Influence Function . . . . . . . . . . . . . . . . . . 31
2.2.1 Quantiles. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2.2 The Winsorized Mean. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2.3 The Trimmed Mean . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.2.4 M-Measures of Location . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2.5 R-Measures of Location . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.3 Measures of Scale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.4 Scale-Equivariant M-Measures of Location . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.5 Winsorized Expected Values . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
Chapter 3: Estimating Measures of Location and Scale . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.1 A Bootstrap Estimate of a Standard Error . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.1.1 R Function bootse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

vii
Contents

3.2 Density Estimators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

3.2.1 Silverman’s Rule of Thumb . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2.2 Rosenblatt’s Shifted Histogram . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2.3 The Expected Frequency Curve . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2.4 An Adaptive Kernel Estimator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.2.5 R Functions skerd, kerSORT, kerden, kdplot, rdplot, akerd, and
splot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.3 The Sample Median and Trimmed Mean . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.3.1 R Functions mean, tmean, median, and lloc . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.3.2 Estimating the Standard Error of the Trimmed Mean . . . . . . . . . . . . . . . . 60
3.3.3 Estimating the Standard Error of the Sample Winsorized Mean . . . . . 65
3.3.4 R Functions winmean, winvar, winsd, trimse, and winse . . . . . . . . . . . . 65
3.3.5 Estimating the Standard Error of the Sample Median . . . . . . . . . . . . . . . . 66
3.3.6 R Function msmedse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.4 The Finite Sample Breakdown Point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.5 Estimating Quantiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.5.1 Estimating the Standard Error of the Sample Quantile . . . . . . . . . . . . . . . 68
3.5.2 R Function qse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.5.3 The Maritz–Jarrett Estimate of the Standard Error of x̂q . . . . . . . . . . . . . 70
3.5.4 R Function mjse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.5.5 The Harrell–Davis Estimator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.5.6 R Functions qest and hd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.5.7 A Bootstrap Estimate of the Standard Error of θ̂q . . . . . . . . . . . . . . . . . . . . 73
3.5.8 R Function hdseb . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.6 An M-Estimator of Location . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.6.1 R Function mad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.6.2 Computing an M-Estimator of Location . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.6.3 R Function mest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.6.4 Estimating the Standard Error of the M-Estimator . . . . . . . . . . . . . . . . . . . 82
3.6.5 R Function mestse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
3.6.6 A Bootstrap Estimate of the Standard Error of μ̂m . . . . . . . . . . . . . . . . . . . 84
3.6.7 R Function mestseb . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.7 One-Step M-Estimator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.7.1 R Function onestep . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
3.8 W-Estimators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
3.8.1 Tau Measure of Location . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.8.2 R Function tauloc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.8.3 Zuo’s Weighted Estimator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.9 The Hodges–Lehmann Estimator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
3.10 Skipped Estimators. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
3.10.1 R Functions mom, zwe, and bmean . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90

viii
 Contents

3.11 Some Comparisons of the Location Estimators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90

3.12 More Measures of Scale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.12.1 The Biweight Midvariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3.12.2 R Function bivar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
3.12.3 The Percentage Bend Midvariance and tau Measure of Variation . . . 96
3.12.4 R Functions pbvar and tauvar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
3.12.5 The Interquartile Range . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3.12.6 R Functions idealf, idrange, idealfIQR, and quantile. . . . . . . . . . . . . . . . . 99
3.13 Some Outlier Detection Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
3.13.1 Rules Based on Means and Variances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
3.13.2 A Method Based on the Interquartile Range . . . . . . . . . . . . . . . . . . . . . . . . . . 101
3.13.3 Carling’s Modification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
3.13.4 A MAD-Median Rule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
3.13.5 R Functions outbox, out, and boxplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
3.13.6 R Functions adjboxout and adjbox . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.14 Exercises. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
Chapter 4: Inferences in the One-Sample Case . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
4.1 Problems When Working With Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
4.1.1 P-Values and Testing for Equality: Hypothesis Testing Versus
Decision Making . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
4.2 The g-and-h Distribution. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
4.2.1 R Functions ghdist, rmul, rngh, rmul.MAR, ghtrim, and gskew . . . . . 115
4.3 Inferences About the Trimmed, Winsorized Means . . . . . . . . . . . . . . . . . . . . . . . . . . 116
4.3.1 Comments on Effect Size and Non-Normal Distributions . . . . . . . . . . . 120
4.3.2 R Functions trimci, winci, D.akp.effect.ci, and depQSci. . . . . . . . . . . . . 121
4.4 Basic Bootstrap Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
4.4.1 The Percentile Bootstrap Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
4.4.2 R Functions onesampb and hdpb . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
4.4.3 Bootstrap-t Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
4.4.4 Bootstrap Methods When Using a Trimmed Mean. . . . . . . . . . . . . . . . . . . 126
4.4.5 Singh’s Modification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
4.4.6 R Functions trimpb and trimcibt. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
4.5 Inferences About M-Estimators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
4.5.1 R Functions mestci and momci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
4.6 Confidence Intervals for Quantiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
4.6.1 Beware of Tied Values When Making Inferences About Quantiles . 137
4.6.2 A Modification of the Distribution-Free Method for the Median . . . . 138
4.6.3 R Functions qmjci, hdci, sint, sintv2, qci, qcipb, and qint . . . . . . . . . . . 140
4.7 Empirical Likelihood . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
4.8 Inferences About the Probability of Success . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144

ix
Contents

4.8.1 R Functions binom.conf.pv and cat.dat.ci. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147

4.9 Concluding Remarks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
4.10 Exercises. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
Chapter 5: Comparing Two Groups . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
5.1 The Shift Function . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
5.1.1 The Kolmogorov–Smirnov Test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
5.1.2 R Functions ks, kssig, kswsig, and kstiesig . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
5.1.3 Confidence Bands for the Shift Function . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
5.1.4 R Functions sband and wband . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
5.1.5 Confidence Band for Specified Quantiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
5.1.6 R Functions shifthd, qcomhd, qcomhdMC, and q2gci . . . . . . . . . . . . . . . 168
5.1.7 R Functions g2plot and g5plot. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
5.2 Student’s T Test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
5.3 Comparing Medians and Other Trimmed Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
5.3.1 R Functions yuen and msmed . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
5.3.2 A Bootstrap-t Method for Comparing Trimmed Means . . . . . . . . . . . . . . 179
5.3.3 R Functions yuenbt and yhbt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
5.3.4 Measuring Effect Size. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
5.3.5 R Functions ESfun, akp.effect.ci, KMS.ci, ees.ci, med.effect, qhat,
and qshift . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
5.4 Inferences Based on a Percentile Bootstrap Method . . . . . . . . . . . . . . . . . . . . . . . . . 193
5.4.1 Comparing M-Estimators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
5.4.2 Comparing Trimmed Means and Medians . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
5.4.3 R Functions trimpb2, pb2gen, medpb2, and M2gbt . . . . . . . . . . . . . . . . . . 197
5.5 Comparing Measures of Scale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
5.5.1 Comparing Variances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
5.5.2 R Functions comvar2 and varcom.IND.MP. . . . . . . . . . . . . . . . . . . . . . . . . . . 200
5.5.3 Comparing Biweight Midvariances and Deviations From the
Median . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
5.5.4 R Functions b2ci, comvar.locdis, and g5.cen.plot . . . . . . . . . . . . . . . . . . . . 201
5.6 Permutation Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
5.6.1 R Function permg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
5.7 Methods Based on Ranks and the Typical Difference . . . . . . . . . . . . . . . . . . . . . . . . 203
5.7.1 The Cliff and Brunner–Munzel Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
5.7.2 A Quantile Shift Measure of Effect Size Based on the Typical
Difference . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
5.7.3 R Functions cidv2, bmp, wmwloc, wmwpb, loc2plot, shiftQSci,
akp.effec.ci, ES.summary, ES.summary.CI, ES.sum.REL.MAG, and
loc.dif.summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
5.8 Comparing Two Independent Binomial and Multinomial Distributions . . . . 216

x
Visit https://ebookmass.com today to explore
a vast collection of ebooks across various
genres, available in popular formats like
PDF, EPUB, and MOBI, fully compatible with
all devices. Enjoy a seamless reading
experience and effortlessly download high-
quality materials in just a few simple steps.
Plus, don’t miss out on exciting offers that
let you access a wealth of knowledge at the
best prices!
 Contents

5.8.1 R Functions binom2g and bi2CR. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219

5.8.2 Comparing Discrete (Multinomial) Distributions . . . . . . . . . . . . . . . . . . . . 220
5.8.3 R Functions binband, splotg5, and cumrelf . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
5.9 Comparing Dependent Groups . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
5.9.1 A Shift Function for Dependent Groups . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
5.9.2 R Function lband . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
5.9.3 Comparing Specified Quantiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
5.9.4 R Functions shiftdhd, Dqcomhd, qdec2ci, Dqdif, and difQpci . . . . . . 228
5.9.5 Comparing Trimmed Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
5.9.6 R Function yuend . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
5.9.7 A Bootstrap-t Method for Marginal Trimmed Means . . . . . . . . . . . . . . . . 234
5.9.8 R Function ydbt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
5.9.9 Inferences About the Typical Difference. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
5.9.10 R Functions loc2dif, l2drmci, and dep.dif.fun . . . . . . . . . . . . . . . . . . . . . . . . 235
5.9.11 Percentile Bootstrap: Comparing Medians, M-Estimators, and Other
Measures of Location and Scale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
5.9.12 R Functions two.dep.pb and bootdpci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
5.9.13 Handling Missing Values . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
5.9.14 R Functions rm2miss and rmmismcp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
5.9.15 Comparing Variances and Robust Measures of Scale . . . . . . . . . . . . . . . . 244
5.9.16 R Functions comdvar, rmVARcom, and RMcomvar.locdis . . . . . . . . . . 246
5.9.17 The Sign Test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
5.9.18 R Function signt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
5.9.19 Effect Size for Dependent Groups. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
5.9.20 R Function dep.ES.summary.CI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
5.10 Exercises. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
Chapter 6: Some Multivariate Methods. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
6.1 Generalized Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
6.2 Depth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
6.2.1 Mahalanobis Depth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
6.2.2 Halfspace Depth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
6.2.3 Computing Halfspace Depth. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
6.2.4 R Functions depth2, depth, fdepth, fdepthv2, and unidepth. . . . . . . . . . 259
6.2.5 Projection Depth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
6.2.6 R Functions pdis, pdisMC, and pdepth. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
6.2.7 More Measures of Depth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
6.2.8 R Functions zdist, zoudepth prodepth, Bagdist, bagdepth, and
zonoid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
6.3 Some Affine Equivariant Estimators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
6.3.1 Minimum Volume Ellipsoid Estimator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265

xi
Contents

6.3.2 The Minimum Covariance Determinant Estimator . . . . . . . . . . . . . . . . . . . 266

6.3.3 S-Estimators and Constrained M-Estimators . . . . . . . . . . . . . . . . . . . . . . . . . 267
6.3.4 R Functions tbs, DETS, and DETMCD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
6.3.5 Donoho–Gasko Generalization of a Trimmed Mean . . . . . . . . . . . . . . . . . 269
6.3.6 R Functions dmean and dcov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
6.3.7 The Stahel–Donoho W-Estimator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
6.3.8 R Function sdwe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
6.3.9 Median Ball Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
6.3.10 R Function rmba . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
6.3.11 OGK Estimator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
6.3.12 R Function ogk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
6.3.13 An M-Estimator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
6.3.14 R Functions MARest and dmedian . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
6.4 Multivariate Outlier Detection Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
6.4.1 The Relplot and Bagplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
6.4.2 R Functions relplot and Bagplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
6.4.3 The MVE Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
6.4.4 Methods MCD, DETMCD, and DDC. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
6.4.5 R Functions covmve and covmcd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
6.4.6 R Functions out and outogk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
6.4.7 The MGV Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
6.4.8 R Function outmgv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285
6.4.9 A Projection Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
6.4.10 R Functions outpro and out3d . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288
6.4.11 Outlier Identification in High Dimensions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
6.4.12 R Functions outproad and outmgvad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
6.4.13 Methods Designed for Functional Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
6.4.14 R Functions FBplot, Flplot, medcurve, func.out, spag.plot, funloc,
and funlocpb . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
6.4.15 Comments on Choosing an Outlier Detection Method . . . . . . . . . . . . . . . 295
6.5 A Skipped Estimator of Location and Scatter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
6.5.1 R Functions smean, mgvmean, L1medcen, spat, mgvcov, skip, and
skipcov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
6.6 Robust Generalized Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299
6.6.1 R Function gvarg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
6.7 Multivariate Location: Inference in the One-Sample Case . . . . . . . . . . . . . . . . . . . 300
6.7.1 Inferences Based on the OP Measure of Location . . . . . . . . . . . . . . . . . . . . 300
6.7.2 Extension of Hotelling’s T 2 to Trimmed Means . . . . . . . . . . . . . . . . . . . . . 302
6.7.3 R Functions smeancrv2 and hotel1.tr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
6.7.4 Inferences Based on the MGV Estimator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
6.7.5 R Function smgvcr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304

xii
 Contents

6.8 The Two-Sample Case . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304

6.8.1 Independent Case . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
6.8.2 Comparing Dependent Groups . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
6.8.3 R Functions smean2, mul.loc2g, MUL.ES.sum, Dmul.loc2g,
matsplit, and mat2grp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
6.8.4 Comparing Robust Generalized Variances . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
6.8.5 R Function gvar2g. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
6.8.6 Rank-Based Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
6.8.7 R Functions mulrank, cmanova, and cidMULT . . . . . . . . . . . . . . . . . . . . . . 310
6.9 Multivariate Density Estimators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
6.10 A Two-Sample, Projection-Type Extension of the Wilcoxon–
Mann–Whitney Test. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312
6.10.1 R Functions mulwmw and mulwmwv2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
6.11 A Relative Depth Analog of the Wilcoxon–Mann–Whitney Test . . . . . . . . . . . 315
6.11.1 R Function mwmw . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
6.12 Comparisons Based on Depth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
6.12.1 R Functions lsqs3 and depthg2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
6.13 Comparing Dependent Groups Based on All Pairwise Differences . . . . . . . . . 323
6.13.1 R Function dfried. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
6.14 Robust Principal Component Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325
6.14.1 R Functions prcomp and regpca . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
6.14.2 Maronna’s Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
6.14.3 The SPCA Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
6.14.4 Methods HRVB and MacroPCA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
6.14.5 Method OP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
6.14.6 Method PPCA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
6.14.7 R Functions outpca, robpca, robpcaS, SPCA, Ppca, and
Ppca.summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330
6.14.8 Comments on Choosing the Number of Components . . . . . . . . . . . . . . . . 332
6.15 Cluster Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 337
6.15.1 R Functions Kmeans, kmeans.grp, TKmeans, and TKmeans.grp . . . 337
6.16 Classification Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 338
6.16.1 Some Issues Related to Error Rates . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
6.16.2 R Functions CLASS.fun, CLASS.bag, class.error.com, and menES 344
6.17 Exercises. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348
Chapter 7: One-Way and Higher Designs for Independent Groups . . . . . . . . . . . . . . . . 351
7.1 Trimmed Means and a One-Way Design. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
7.1.1 A Welch-Type Procedure and a Robust Measure of Effect Size . . . . . 353
7.1.2 R Functions t1way, t1wayv2, t1way.EXES.ci, KS.ANOVA.ES,
fac2list, t1wayF, and ESprodis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356

xiii
Contents

7.1.3 A Generalization of Box’s Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 360

7.1.4 R Function box1way . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
7.1.5 Comparing Medians and Other Quantiles. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362
7.1.6 R Functions med1way and Qanova . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 363
7.1.7 Bootstrap-t Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 364
7.1.8 R Functions t1waybt, btrim, and t1waybtsqrk . . . . . . . . . . . . . . . . . . . . . . . . 365
7.2 Two-Way Designs and Trimmed Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 367
7.2.1 R Functions t2way and bb.es.main . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 370
7.2.2 Comparing Medians. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 373
7.2.3 R Functions med2way and Q2anova . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 375
7.3 Three-Way Designs, Trimmed Means, and Medians . . . . . . . . . . . . . . . . . . . . . . . . . 375
7.3.1 R Functions t3way, fac2list, and Q3anova . . . . . . . . . . . . . . . . . . . . . . . . . . . . 377
7.4 Multiple Comparisons Based on Medians and Other Trimmed Means. . . . . . 380
7.4.1 Basic Methods Based on Trimmed Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381
7.4.2 R Functions lincon, conCON, IND.PAIR.ES, and stepmcp. . . . . . . . . . 383
7.4.3 Multiple Comparisons for Two-Way and Three-Way Designs. . . . . . . 390
7.4.4 R Functions bbmcp, RCmcp, mcp2med, twoway.pool, bbbmcp,
mcp3med, con2way, and con3way . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 391
7.4.5 A Bootstrap-t Procedure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 394
7.4.6 R Functions linconbt, bbtrim, and bbbtrim . . . . . . . . . . . . . . . . . . . . . . . . . . . 396
7.4.7 Controlling the Familywise Error Rate: Improvements on the
Bonferroni Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 397
7.4.8 R Functions p.adjust and mcpKadjp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 401
7.4.9 Percentile Bootstrap Methods for Comparing Medians, Other
Trimmed Means, and Quantiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 402
7.4.10 R Functions linconpb, bbmcppb, bbbmcppb, medpb, Qmcp,
med2mcp, med3mcp, and q2by2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 402
7.4.11 Deciding Which Group Has the Largest Measure of Location . . . . . . 405
7.4.12 R Functions anc.best.PV, anc.bestpb, PMD.PCD, RS.LOC.IZ,
best.DO, and bestPB.DO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 410
7.4.13 Determining the Order of the Population Trimmed Means . . . . . . . . . . 411
7.4.14 R Function ord.loc.PV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 412
7.4.15 Judging Sample Sizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 412
7.4.16 R Function hochberg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 413
7.4.17 Measures of Effect Size: Two-Way and Higher Designs . . . . . . . . . . . . . 414
7.4.18 R Functions twowayESM, RCES, interES.2by2, interJK.ESmul, and
IND.INT.DIF.ES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 415
7.4.19 Comparing Curves (Functional Data) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 416
7.4.20 R Functions funyuenpb and Flplot2g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 417
7.4.21 Comparing Variances and Robust Measures of Scale . . . . . . . . . . . . . . . . 418
7.4.22 R Functions comvar.mcp and robVARcom.mcp . . . . . . . . . . . . . . . . . . . . . . 418

xiv
 Contents

7.5 A Random Effects Model for Trimmed Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 418

7.5.1 A Winsorized Intraclass Correlation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 419
7.5.2 R Function rananova . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422
7.6 Bootstrap Global Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422
7.6.1 R Functions b1way, pbadepth, and boot.TM . . . . . . . . . . . . . . . . . . . . . . . . . 426
7.6.2 M-Estimators and Multiple Comparisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 428
7.6.3 R Functions linconm and pbmcp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 431
7.6.4 M-Estimators and the Random Effects Model . . . . . . . . . . . . . . . . . . . . . . . . 431
7.6.5 Other Methods for One-Way Designs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432
7.7 M-Measures of Location and a Two-Way Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432
7.7.1 R Functions pbad2way and mcp2a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 434
7.8 Ranked-Based Methods for a One-Way Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 435
7.8.1 The Rust–Fligner Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 436
7.8.2 R Function rfanova . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 437
7.8.3 A Rank-Based Method That Allows Tied Values. . . . . . . . . . . . . . . . . . . . . 438
7.8.4 R Function bdm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 439
7.8.5 Inferences About a Probabilistic Measure of Effect Size . . . . . . . . . . . . 439
7.8.6 R Functions cidmulv2, wmwaov, and cidM . . . . . . . . . . . . . . . . . . . . . . . . . . 441
7.9 A Rank-Based Method for a Two-Way Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 442
7.9.1 R Function bdm2way . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 444
7.9.2 The Patel–Hoel, De Neve–Thas, and Related Approaches to
Interactions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 444
7.9.3 R Functions rimul, inter.TDES, LCES, linplot, and plot.inter . . . . . . . 447
7.10 MANOVA Based on Trimmed Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 449
7.10.1 R Functions MULtr.anova, MULAOVp, fac2Mlist, and YYmanova 451
7.10.2 Linear Contrasts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 453
7.10.3 R Functions linconMpb, linconSpb, YYmcp, and fac2BBMlist . . . . . 455
7.11 Nested Designs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 457
7.11.1 R Functions anova.nestA, mcp.nestAP, and anova.nestAP. . . . . . . . . . . 460
7.12 Methods for Binary Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 461
7.12.1 R Functions lincon.bin and binpair . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 462
7.12.2 Identifying the Group With the Highest Probability of Success . . . . . 462
7.12.3 R Functions bin.best, bin.best.DO, and bin.PMD.PCD . . . . . . . . . . . . . . 463
7.13 Exercises. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 463
Chapter 8: Comparing Multiple Dependent Groups . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 467
8.1 Comparing Trimmed Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 467
8.1.1 Omnibus Test Based on the Trimmed Means of the Marginal
Distributions Plus a Measure of Effect Size . . . . . . . . . . . . . . . . . . . . . . . . . . 467
8.1.2 R Functions rmanova and rmES.pro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 468

xv
Contents

8.1.3 Pairwise Comparisons and Linear Contrasts Based on Trimmed

Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 471
8.1.4 Linear Contrasts Based on the Marginal Random Variables . . . . . . . . . 473
8.1.5 R Functions rmmcp, rmmismcp, trimcimul, wwlin.es,
deplin.ES.summary.CI, and boxdif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 474
8.1.6 Judging the Sample Size . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 476
8.1.7 R Functions stein1.tr and stein2.tr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 477
8.1.8 Identifying the Group With the Largest Population Measure of
Location . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 477
8.1.9 Identifying the Variable With the Smallest Robust Measure of
Variation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 478
8.1.10 R Functions comdvar.mcp, ID.sm.varPB, rmbestVAR.DO,
rmanc.best.PV, RM.PMD.PCD, rmanc.best.PB, RMPB.PMD.PCD,
and rmanc.best.DO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 479
8.2 Bootstrap Methods Based on Marginal Distributions . . . . . . . . . . . . . . . . . . . . . . . . 481
8.2.1 Comparing Trimmed Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 481
8.2.2 R Function rmanovab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 482
8.2.3 Multiple Comparisons Based on Trimmed Means . . . . . . . . . . . . . . . . . . . 482
8.2.4 R Functions pairdepb and bptd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 484
8.2.5 Percentile Bootstrap Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 485
8.2.6 R Functions bd1way and ddep. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 489
8.2.7 Multiple Comparisons Using M-Estimators or Skipped Estimators . 490
8.2.8 R Functions lindm and mcpOV. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 492
8.2.9 Comparing Robust Measures of Scatter. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 493
8.2.10 R Function rmrvar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 494
8.3 Bootstrap Methods Based on Difference Scores and a Measure of Effect
Size . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 494
8.3.1 R Functions rmdzero and rmES.dif.pro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 495
8.3.2 Multiple Comparisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 497
8.3.3 R Functions rmmcppb, wmcppb, dmedpb, lindepbt, and qdmcpdif . 498
8.3.4 Measuring Effect Size: R Function DEP.PAIR.ES . . . . . . . . . . . . . . . . . . . 500
8.3.5 Comparing Multinomial Cell Probabilities . . . . . . . . . . . . . . . . . . . . . . . . . . . 501
8.3.6 R Functions cell.com, cell.com.pv, and best.cell.DO. . . . . . . . . . . . . . . . . 501
8.4 Comments on Which Method to Use . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 502
8.5 Some Rank-Based Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 504
8.5.1 R Functions apanova and bprm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 506
8.6 Between-by-Within and Within-by-Within Designs. . . . . . . . . . . . . . . . . . . . . . . . . . 506
8.6.1 Analyzing a Between-by-Within Design Based on Trimmed Means 507
8.6.2 R Functions bwtrim, bw.es.main, and tsplit. . . . . . . . . . . . . . . . . . . . . . . . . . . 509
8.6.3 Data Management: R Function bw2list . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 511
8.6.4 Bootstrap-t Method for a Between-by-Within Design . . . . . . . . . . . . . . . 512

xvi
 Contents

8.6.5 R Functions bwtrimbt and tsplitbt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 513

8.6.6 Percentile Bootstrap Methods for a Between-by-Within Design . . . . 514
8.6.7 R Functions sppba, sppbb, and sppbi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 516
8.6.8 Multiple Comparisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 517
8.6.9 R Functions bwmcp, bwmcppb, bwmcppb.adj, bwamcp, bw.es.A,
bw.es.B, bwbmcp, bw.es.I, bwimcp, bwimcpES, spmcpa, spmcpb,
spmcpbA, and spmcpi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 520
8.6.10 Within-by-Within Designs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 524
8.6.11 R Functions wwtrim, wwtrimbt, wwmcp, wwmcppb, wwmcpbt,
ww.es, wwmed, and dlinplot. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 525
8.6.12 A Rank-Based Approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 526
8.6.13 R Function bwrank . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 530
8.6.14 Rank-Based Multiple Comparisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 532
8.6.15 R Function bwrmcp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 532
8.6.16 Multiple Comparisons When Using a Patel–Hoel Approach to
Interactions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 532
8.6.17 R Function BWPHmcp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 533
8.7 Three-Way Designs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 533
8.7.1 Global Tests Based on Trimmed Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 533
8.7.2 R Functions bbwtrim, bwwtrim, wwwtrim, bbwtrimbt, bwwtrimbt,
wwwtrimbt, and wwwmed. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 534
8.7.3 Data Management: R Functions bw2list and bbw2list . . . . . . . . . . . . . . . 535
8.7.4 Multiple Comparisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 536
8.7.5 R Functions wwwmcp, bbwmcp, bwwmcp, bbwmcppb, bwwmcppb,
wwwmcppb, and wwwmcppbtr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 537
8.8 Exercises. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 538
Chapter 9: Correlation and Tests of Independence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 541
9.1 Problems With Pearson’s Correlation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 541
9.1.1 Features of Data That Affect r and T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 544
9.1.2 Heteroscedasticity and the Classic Test That ρ = 0 . . . . . . . . . . . . . . . . . . 546
9.2 Two Types of Robust Correlations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 546
9.3 Some Type M Measures of Correlation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 546
9.3.1 The Percentage Bend Correlation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 547
9.3.2 A Test of Independence Based on ρpb . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 549
9.3.3 R Function pbcor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 549
9.3.4 A Test of Zero Correlation Among p Random Variables. . . . . . . . . . . . . 550
9.3.5 R Function pball. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 551
9.3.6 The Winsorized Correlation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 553
9.3.7 R Function wincor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 554
9.3.8 The Biweight Midcovariance and Correlation . . . . . . . . . . . . . . . . . . . . . . . . 555

xvii
Contents

9.3.9 R Functions bicov and bicovm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 556

9.3.10 Kendall’s tau. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 557
9.3.11 Spearman’s rho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 558
9.3.12 R Functions tau, spear, cor, taureg, COR.ROB, and COR.PAIR. . . . . 558
9.3.13 Heteroscedastic Tests of Zero Correlation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 560
9.3.14 R Functions corb, corregci, pcorb, pcorhc4, and rhohc4bt . . . . . . . . . . . 562
9.4 Some Type O Correlations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 563
9.4.1 MVE and MCD Correlations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 563
9.4.2 Skipped Measures of Correlation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 564
9.4.3 The OP Correlation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 564
9.4.4 Inferences Based on Multiple Skipped Correlations . . . . . . . . . . . . . . . . . 565
9.4.5 R Functions scor, scorall, scorci, mscorpb, mscorci, mscorciH,
scorreg, scorregci, and scorregciH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 567
9.5 A Test of Independence Sensitive to Curvature. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 569
9.5.1 R Functions indt, indtall, and medind . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 571
9.6 Comparing Correlations: Independent Case . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 572
9.6.1 Comparing Pearson Correlations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 573
9.6.2 Comparing Robust Correlations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 573
9.6.3 R Functions twopcor, tworhobt, and twocor . . . . . . . . . . . . . . . . . . . . . . . . . . 574
9.7 Exercises. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 574
Chapter 10: Robust Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 577
10.1 Problems With Ordinary Least Squares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 579
10.1.1 Computing Confidence Intervals Under Heteroscedasticity . . . . . . . . . 581
10.1.2 An Omnibus Test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 586
10.1.3 R Functions lsfitci, olshc4, hc4test, and hc4wtest . . . . . . . . . . . . . . . . . . . . 587
10.1.4 Comments on Comparing Means via Dummy Coding . . . . . . . . . . . . . . . 590
10.1.5 Salvaging the Homoscedasticity Assumption. . . . . . . . . . . . . . . . . . . . . . . . . 590
10.2 The Theil–Sen Estimator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 590
10.2.1 R Functions tsreg, tshdreg, correg, regplot, and regp2plot . . . . . . . . . . . 594
10.3 Least Median of Squares. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 595
10.3.1 R Function lmsreg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 595
10.4 Least Trimmed Squares Estimator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 596
10.4.1 R Function ltsreg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 596
10.5 Least Trimmed Absolute Value Estimator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 596
10.5.1 R Function ltareg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 597
10.6 M-Estimators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 597
10.7 The Hat Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 598
10.8 Generalized M-Estimators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 601
10.8.1 R Function bmreg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 604
10.9 The Coakley–Hettmansperger and Yohai Estimators. . . . . . . . . . . . . . . . . . . . . . . . . 605

xviii
 Contents

10.9.1 MM-Estimator. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 607

10.9.2 R Functions chreg and MMreg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 608
10.10 Skipped Estimators. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 609
10.10.1 R Functions mgvreg and opreg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 609
10.11 Deepest Regression Line. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 610
10.11.1 R Functions rdepth.orig, Rdepth, mdepreg.orig, and mdepreg. . . . . . . 611
10.12 A Criticism of Methods With a High Breakdown Point. . . . . . . . . . . . . . . . . . . . . . 611
10.13 Some Additional Estimators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 612
10.13.1 S-Estimators and τ -Estimators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 612
10.13.2 R Functions snmreg and stsreg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 613
10.13.3 E-Type Skipped Estimators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 614
10.13.4 R Functions mbmreg, tstsreg, tssnmreg, and gyreg. . . . . . . . . . . . . . . . . . . 615
10.13.5 Methods Based on Robust Covariances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 616
10.13.6 R Functions bireg, winreg, and COVreg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 619
10.13.7 L-Estimators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 620
10.13.8 L1 and Quantile Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 620
10.13.9 R Functions qreg, rqfit, and qplotreg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 621
10.13.10 Methods Based on Estimates of the Optimal Weights. . . . . . . . . . . . . . . . 622
10.13.11 Projection Estimators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 622
10.13.12 Methods Based on Ranks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 623
10.13.13 R Functions Rfit and Rfit.est. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 624
10.13.14 Empirical Likelihood Type and Distance-Constrained Maximum
Likelihood Estimators. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 625
10.13.15 Ridge Estimators: Dealing With Multicollinearity . . . . . . . . . . . . . . . . . . . 625
10.13.16 R Functions ols.ridge, rob.ridge, and rob.ridge.liu . . . . . . . . . . . . . . . . . . . 627
10.13.17 Robust Elastic Net and Lasso Estimators: Reducing the Number of
Independent Variables. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 628
10.13.18 R Functions lasso.est, lasso.rep, RA.lasso, LAD.lasso, H.lasso,
HQreg, and LTS.EN. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 630
10.14 Comments About Various Estimators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 631
10.14.1 Contamination Bias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 632
10.15 Outlier Detection Based on a Robust Fit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 637
10.15.1 Detecting Regression Outliers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 638
10.15.2 R Functions reglev and rmblo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 638
10.16 Logistic Regression and the General Linear Model . . . . . . . . . . . . . . . . . . . . . . . . . . 640
10.16.1 R Functions glm, logreg, logreg.pred, wlogreg, logreg.plot,
logreg.P.ci, and logistic.lasso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 641
10.16.2 The General Linear Model. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 643
10.16.3 R Function glmrob . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 643
10.17 Multivariate Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 644
10.17.1 The RADA Estimator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 645

xix
Contents

10.17.2 The Least Distance Estimator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 646

10.17.3 R Functions MULMreg, mlrreg, and Mreglde . . . . . . . . . . . . . . . . . . . . . . . . 647
10.17.4 Multivariate Least Trimmed Squares Estimator . . . . . . . . . . . . . . . . . . . . . . 648
10.17.5 R Function MULtsreg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 649
10.17.6 Other Robust Estimators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 649
10.18 Exercises. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 649
Chapter 11: More Regression Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 653
11.1 Inferences About Robust Regression Parameters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 653
11.1.1 Omnibus Tests for Regression Parameters . . . . . . . . . . . . . . . . . . . . . . . . . . . . 654
11.1.2 R Functions regtest, ridge.test and ridge.Gtest . . . . . . . . . . . . . . . . . . . . . . . 660
11.1.3 Inferences About Individual Parameters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 662
11.1.4 R Functions regci, regciMC and wlogregci . . . . . . . . . . . . . . . . . . . . . . . . . . . 663
11.1.5 Methods Based on the Quantile Regression Estimator . . . . . . . . . . . . . . . 665
11.1.6 R Functions rqtest, qregci, and qrchk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 667
11.1.7 Inferences Based on the OP-Estimator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 669
11.1.8 R Functions opregpb and opregpbMC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 670
11.1.9 Hypothesis Testing When Using a Multivariate Regression
Estimator RADA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 670
11.1.10 R Function mlrGtest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 671
11.1.11 Robust ANOVA via Dummy Coding. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 672
11.1.12 Confidence Bands for the Typical Value of y, Given x . . . . . . . . . . . . . . . 672
11.1.13 R Functions regYhat, regYci, and regYband . . . . . . . . . . . . . . . . . . . . . . . . . 674
11.1.14 R Function regse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 676
11.2 Comparing the Regression Parameters of J ≥ 2 Groups . . . . . . . . . . . . . . . . . . . . . 676
11.2.1 Methods for Comparing Independent Groups . . . . . . . . . . . . . . . . . . . . . . . . 676
11.2.2 R Functions reg2ci, reg1way, reg1wayISO, ancGpar, ols1way,
ols1wayISO, olsJmcp, olsJ2, reg1mcp, and olsWmcp . . . . . . . . . . . . . . . 682
11.2.3 Methods for Comparing Two Dependent Groups . . . . . . . . . . . . . . . . . . . . 687
11.2.4 R Functions DregG, difreg, and DregGOLS . . . . . . . . . . . . . . . . . . . . . . . . . . 689
11.3 Detecting Heteroscedasticity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 690
11.3.1 A Quantile Regression Approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 690
11.3.2 The Koenker–Bassett Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 691
11.3.3 R Functions qhomt and khomreg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 691
11.4 Curvature and Half-Slope Ratios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 692
11.4.1 R Function hratio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 693
11.5 Curvature and Non-Parametric Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 695
11.5.1 Smoothers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 696
11.5.2 Kernel Estimators and Cleveland’s LOWESS . . . . . . . . . . . . . . . . . . . . . . . . 696
11.5.3 R Functions lplot, lplot.pred, and kerreg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 698
11.5.4 The Running-Interval Smoother . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 700

xx
Visit https://ebookmass.com today to explore
a vast collection of ebooks across various
genres, available in popular formats like
PDF, EPUB, and MOBI, fully compatible with
all devices. Enjoy a seamless reading
experience and effortlessly download high-
quality materials in just a few simple steps.
Plus, don’t miss out on exciting offers that
let you access a wealth of knowledge at the
best prices!
Exploring the Variety of Random
Documents with Different Content
parhaiten turvassa, eivätkä ole muiden tiellä.

Francisco nousi kiviportaita yläkerrokseen. Huoneet olivat täynnä

savua eikä hän voinut erottaa mitään. Luoti suhahti hänen ohitseen,
ja hän meni ikkunaan etsien suojaa pylvään takaa.

Liekit eivät enää loimunneet yhtä raivokkaina eikä kuumuus ollut

enää niin sietämätön kuin äsken. Pian ilmaisi pariin kertaan toistuva
rytinä, että kuisti oli romahtanut maahan. Francisco katsoi ulos
ikkunasta. Rakennuksen eteen oli varissut hehkuvaa tuhkaa ja
hyökkääjien täytyi hetkeksi vetäytyä takaisin. Kuistista ei ollut jäljellä
muuta kuin muurin ikkunoiden yläpuolelle asetettujen poikkihirsien
palavat tyngät sekä kannatinpylväiden hehkuvat jäännökset.

Mutta savu hälveni alhaalla, ja pari kiväärin laukausta ilmaisi, että

Francisco oli huomattu.

— Katto on pelastunut, hän ajatteli vetäytyen takaisin ikkunasta.

Meille on varmasti vain eduksi, että kuisti on nyt poissa.

Oli vaikea saada selville, mitä merirosvot nyt aikoivat tehdä.

Hetken perästä he lakkasivat ampumasta ja Francisco palasi
kumppaniensa luo. Savu oli vähitellen haihtunut ja Franciscon väki
saattoi asettua entisille paikoilleen yläkertaan; mutta kun rosvot
eivät jatkaneet ampumista, eivät hekään tietysti voineet tehdä
mitään, koska ainoastaan kiväärinlaukausten välähtäessä saattoi
erottaa vihollisen. Ei kuulunut uutta hyökkäystä porttia eikä
alakerran ikkunoita vastaan ja Francisco koetti turhaan arvata, mitä
rosvoilla oli mielessä.

Melkein puoli tuntia kului jännittyneessä odotuksessa. Muutamat

espanjalaiset jo luulivat, että merirosvot olivat peräytyneet veneilleen
ja menneet matkoihinsa, mutta Francisco tunsi vastustajansa
paremmin. Mitään muuta hän ei saattanut tehdä kuin pysytellä
ylhäällä ja tuon tuostakin katsoa ulos nähdäkseen mitä siellä
puuhattiin. Diego ja pari muuta miestä jäivät yläkertaan hänen
luokseen, muut lähetettiin alas turvaan.

— Pyhä Francisco! Tämä on ollut kauhea yö, herra! Kuinka kauan

vielä kestää, ennen kuin päivä koittaa? sanoi Diego.

— Ainakin kaksi tuntia, vastasi Francisco. Mutta sitä ennen on

taistelu ratkaistu.

— Pyhimykset olkoot meille armolliset: Katsokaa eivätkö ne tule

tuolla?

Francisco tirkisti ulos pimeyteen majoihin päin ja huomasi joukon

miehiä hiipimässä taloa kohti. Vielä muutama silmänräpäys, niin hän
saattoi erottaa heidät ihan selvästi.

— Aivan niin, olet oikeassa, Diego. He ovat tehneet tikapuita ja

aikovat rynnätä sisään ikkunoista. Kutsu kaikki väki ylös. Nyt tulee
ankara kahakka.

Espanjalaiset riensivät yläkertaan ja miehittivät huoneen, jonka

suojana kuisti oli ollut ja jossa oli etupuolella kolme ikkunaa joelle
päin.

— Saammeko nyt ampua, herra?

— Ei, ei! Älkää ampuko, ennen kuin he ovat aivan lähellä. Heitä ei
voi kiivetä yhdellä kertaa useampia kuin kaksi joka ikkunaan.
Muistakaa nyt, pojat, että teidän on tapeltava urhoollisesti, sillä he
eivät säästä henkeänne, eivät tunne armoa eikä sääliä.
 Samassa pistivät karkeatekoisten tikapuiden päät näkyviin joka
ikkunasta. Tikkaat oli kyhätty kokoon häthätää, mutta ne olivat lujaa
tekoa ja olivat melkein yhtä leveät kuin ikkunatkin. Kuului kova
huuto, sitten rosvot kiipesivät yhtaikaa ylös kaikkia tikapuita myöten.

Francisco seisoi keskimmäisen ikkunan kohdalla, kun Hawkhurst

ilmestyi ikkunaan sapeli kädessä. Hän löi syrjään häntä kohti
ojennetun kiväärin, ja luoti suhahti ohi kehenkään sattumatta. Vielä
askel, niin hän olisi ollut sisällä, mutta nyt Francisco laukaisi ja luoti
tunkeutui Hawkhurstin vasempaan olkaan. Rosvo kohotti oikeaa
kättään, mutta ennen kuin hän oli ehtinyt tarttua kiinni toista kertaa,
karkasi rohkea espanjalainen kivääreineen hänen kimppuunsa ja
tyrkkäsi hänet syrjään, niin että hän horjahti taaksepäin ja vei
pudotessaan mukanaan kaksi toveriaan, jotka olivat hänen jäljessään
kiivenneet tikapuille.

Francisco tunsi Hawkhurstin äänestä ja käsitti, ettei hänen

haavoituttuaan tätä ikkunaa vastaan suunnatulla hyökkäyksellä ollut
enää mitään merkitystä; hän riensi siis vasempaan ikkunaan. Siltä
suunnalta hän oli kuullut Kainin äänen tämän kehottaessa miehiään.

Hän oli arvannut oikein: Kain oli ikkunassa ja koetti raivata

itselleen tietä, mutta Diego ja muutamia muita rohkeita miehiä oli
edessä. Merirosvokapteenilla oli kuitenkin vyö täynnä pistooleja, ja
hän oli jo menestyksellisesti laukaissut niistä kolme. Diego ja kaksi
hänen luotettavinta miestään oli haavoittunut, ja muut, joiden olisi
ollut vastustettava Kainin rynnäkköä, pelkäsivät kovasti hänen
jättiläiskokoaan. Francisco syöksyi hänen kimppuunsa, mutta mitäpä
niin nuoren miehen voimat olisivat voineet Kainin jättiläisruholle.
Kuitenkin hän sai tartutuksi vasemmalla kädellään Kainin kurkkuun ja
tähtäsi häntä pistoolilla, kun toisen pistoolin leimaus jonkun Kainin
toverin ampuessa äkkiä valaisi kirkkaasti Franciscon kasvot juuri kun
tämä huusi: — Veri verestä! Se riitti. Nähdessään tuon — niin kuin
luuli — yliluonnollisen ilmestyksen merirosvopäällikkö päästi
kauhistuneen huudon ja romahti tainnoksissa tikapuilta maahan
kuistin vielä palavien jäännöksien joukkoon.

Molempien päälliköiden joutuminen taistelukyvyttömiksi ja

espanjalaisten urhea vastarinta tukahdutti hyökkääjien innon. He
alkoivat horjua ja peräytyivät vihdoin vieden mukanaan
haavoittuneensa. Espanjalaiset hurrasivat; Francisco etunenässä he
ajoivat merirosvoja takaa tikapuita myöten ja muuttuivat nyt
vuorostaan hyökkääjiksi. Merirosvot peräytyivät kuitenkin hyvässä
järjestyksessä, hitaasti, askel askelelta ja yhä ampuen estäen siten
espanjalaisia pääsemästä aivan likelle, kunnes he olivat ehtineet
veneilleen. Silloin he tekivät uuden hyökkäyksen, jolloin syntyi
ankara käsikähmä.

Mutta rosvot olivat menettäneet paljon väkeä eikä heidän

rohkeutensa ollut enää entisellään, kun he eivät nähneet
päällikköään. Hawkhurst oli kuitenkin taas pystyssä ja antoi käskyjä
yhtä tyynesti kuin tavallisesti. Hän huomasi Franciscon, syöksyi
tämän kimppuun, tarttui hänen kaulukseensa ja raastoi hänet
rosvojen joukkoon.

— Otetaan ainakin tämä mukaan! huusi Hawkhurst, heidän

verkalleen peräytyessään veneisiin. Franciscon kimppuun kävi useita
miehiä, ja hänet paiskattiin veneeseen. Samassa kaikki veneet
pyrkivät rosvojen hurjasti soutaessa espanjalaisten luotituiskua
pakoon. Espanjalaiset ajoivat näet heitä takaa pitkin joenrannikkoa
yhä ampuen.
TAPAAMINEN

Alakuloisina merirosvot palasivat laivaan. Kuunariin jääneet, jotka

olivat odottaneet saavansa lastata siihen kultaharkkoja, saivatkin
ottaa vastaan ainoastaan haavoittuneita, ja moni kumppani makasi
kuolleena rannalla. Päällikkö oli murheellinen ja synkkämielinen.
Hawkhurst oli pahasti haavoittunut, hänet oli vietävä kannen alle heti
laivaan tultua. Ainoa saalis oli heidän entinen toverinsa Francisco,
jonka Hawkhurst viimeiseksi työkseen käski panna rautoihin. Veneet
nostettiin laivaan hiljaisuuden ja synkeän mielialan vallitessa. Kuunari
tarvitsi sitten kaikki purjeensa, ja aamun sarastaessa espanjalaiset
näkivät sen kaukana saaresta purjehtimassa pohjoiseen päin.

Kuunarissa levisi nopeasti huhu, että Francisco oli ollut syynä

rosvojen häviöön, ja vaikka se olikin vain arvelu, heillä oli kuitenkin
hyvät syyt epäluuloihin ajatellessaan, etteivät espanjalaiset olisi
mitenkään tienneet varustautua taistelemaan, jollei Francisco olisi
tuntenut merirosvolaivaa. Epäluulot muuttuivat pian lujaksi
vakaumukseksi. Siitä syystä rupesi moni merirosvo vihaamaan häntä
katkerasti ja he odottivat vahingoniloisina hetkeä, jolloin hänet
surmattaisiin. Vangiksi oton he katsoivat vain rangaistuksen
alkusoitoksi.
 — Hiljaa, herra Francisco! sanoi syvä ääni ihan sen arkun vieressä,
jolla Francisco nukkui. Tämä kääntyi katsomaan ja näki vanhan
ystävänsä neekerin.

— Kas vain, Pompeius. Oletteko kaikki vielä laivassa?

— Ei olla kaikki, vastasi neekeri pudistaen päätään. Muutama

kuollut — muutamat mennä tiehensä — neljä neekeri vain jäljellä.
Herra Francisco, kuinka te tule takaisin? Kaikki luule, että te kuoli.
Minä sano ei, ei kuollut — on noitakeino — on kirja!

— Se noitakeino minulla on vielä jäljellä, vastasi Francisco ja otti

esille Raamatun takkinsa taskusta. Omituista kyllä Francisco itse
tunsi jonkinlaista taikauskoista luottamusta Raamattuun, ja hän oli
pannut sen povitaskuunsa ennen kuin merirosvot tekivät
hyökkäyksen.

— Se hyvin hyvä, herra Francisco, silloin te turvassa varmaan.

Tässä tule Johnson… hän kovin ilkeä mies. Minä mene pois.

Kain oli mennyt kajuuttaansa mielentilassa, jota tuskin voi kuvailla.

Hän oli suunnattomasti hämmästynyt. Huolimatta Franciscon luodista
saamastaan haavasta hän ei olisi koskaan sallinut Hawkhurstin jättää
poikaa maihin sellaiseen paikkaan, jossa ei ollut odotettavana muuta
kuin surkea kuolema. Vaikka nuoren miehen uhkarohkeus oli häntä
suututtanut, hän kuitenkin rakasti tätä paljon enemmän kuin
itsekään aavisti; ja kun hän oli toipunut haavastaan ja kuullut, minne
Francisco oli jätetty, hän oli nuhdellut Hawkhurstia niin kiivaasti ja
katkerasti, ettei Hawkhurst ollut unohtanut eikä antanut anteeksi
sitä. Nälkään nääntyneen nuorukaisen kuva kummitteli alinomaa
Kainin silmissä ja teki hänet onnettomaksi. Hänen rakkautensa
Franciscoon oli kasvanut kymmenkertaiseksi nyt kun nuorukainen oli,
niin kuin hän luuli, ainaiseksi mennyt häneltä, eikä sen jälkeen ollut
kertaakaan nähty Kainin hymyilevän. Hän kävi yhä synkemmäksi ja
rajuluontoisemmaksi, niin että miehet vapisivat hänen ilmestyessään
kannelle.

Franciscon salaperäinen ilmaantuminen esiin niin pitkän ajan

perästä ja semmoisessa maapallon osassa, jossa ei olisi hevin voinut
luulla hänen olevan, teki Kainiin lannistavan vaikutuksen. Kun hänet
talutettiin veneeseen, hänen ajatuksensa olivat vielä sekaisin ja vasta
sitten, kun he jo olivat ihan laivan luona, hän huomasi nuorukaisen
todellakin olevan aivan lähellään. Ja mielellään hän olisi syleillyt ja
suudellut tätä, sillä Francisco oli Kainista arvokkaampi saalis kuin
kaikki Intian aarteet. Yksi hyvä, yksi ainoa jalo tunne eli vielä Kainin
rinnassa. Vaikka hän oli syyllistynyt kaikkiin rikoksiin mitä suinkin
saattaa ajatella, vaikka hänen kätensä olivatkin veren tahraamat ja
hän itse sotakannalla koko maailmaa vastaan, tuo tunne leimusi
kuitenkin puhtaana hänen sielussaan, eikä sitä voinut tukahduttaa.
Mahdollisesti siitä olisi voinut tulla se majakkatuli, joka opastaisi
hänet takaisin katumuksen ja hyveen tielle.

Mutta toisiakin tunteita tunkeutui merirosvokapteenin mieleen.

Hän tunsi Franciscon mielenlujuuden ja päättäväisyyden. Jollakin
selittämättömällä ja hänen mielestään yliluonnollisella tavalla
Francisco oli saanut tiedon äitinsä kuolemasta. Kenties hänen
rakkautensa kohtasi nuorukaisen puolelta vihaa ja epäluuloa? Hän oli
liiankin varma siitä, että niin kävisi. Silloin pääsi hänen synkkä raju
luonteensa voitolle ja hän tahtoi kostaa Franciscon hyökkäyksen.
Mutta hänen kummastuksensa tämän ilmestyessä jälleen näkyviin oli
tavaton ja hän vapisi Franciscon nähdessään, ikään kuin nuorukainen
olisi ollut hänen syyttäjänsä ja tuomarinsa. Siten hän siirtyi
ajatuksissaan kauheasta äärimmäisyydestä toiseen, kunnes vihdoin
rohkaisi mielensä ja lähetti noutamaan Franciscoa.

Päällikön käskyn toimitti mustapartainen, tylynnäköinen mies, jota

Francisco ei ennen ollut kuunarissa nähnyt. Francisco vapautettiin
kahleista ja vietiin kajuuttaan. Kapteeni nousi ja sulki oven.

— Tuskinpa uskoin enää näkeväni täällä sinua, Francisco, sanoi

Kain aluksi.

— Ettepä tietenkään luullut, vastasi Francisco. Mutta nyt olen

jälleen vallassanne ja voitte tyydyttää kostonhimonne.

— Minulla ei ole mitään sellaisia ajatuksia, enkä olisi suinkaan

sallinut sinua päästettävän maihin, jos vain olisin tiennyt siitä
ennakolta. Niin tälläkään hetkellä, juuri kun yrityksemme on
rauennut tyhjiin sinun takiasi, en tunne lainkaan vihaa sinua
kohtaan, vaikka käy vaikeaksi suojella sinua toisten raivolta. Olen
vilpittömästi iloinen nähdessäni sinut hengissä; katkerasti olen surrut
kuolemaasi.

Ja Kain ojensi kätensä.

Mutta Francisco laski käsivartensa ristiin rinnalle ja oli vaiti.

— Onko sinun niin vaikea antaa minulle anteeksi? sanoi kapteeni.

Tiedäthän, että puhun totta.

— Luulen, kapteeni Kain, että puhutte totta; olette siksi rohkea

mies, ettette valehtele. Omasta puolestani annan teille anteeksi
kaiken mikä on mahdollista; mutta käteenne en voi tarttua.
 — Mitä sinä vielä vaadit? Eikö meistä voi jälleen tulla ystävät?
Sinulla on valta mennä mihin tahdot. Kas niin, Francisco tartu
käteeni ja unohda mitä on tapahtunut!

— Samaanko käteen, joka kenties on tahrautunut äitini vereen!

huudahti
Francisco. En koskaan!

— Asia ei ole niin, niin totta kuin Jumala elää! huudahti Kain
kiivaasti. Ei! Ei, aivan niin pahasti ei asia sentään ole. Vihapäissäni
satutin tosin käteni äitiisi, myönnän sen. En tahtonut tehdä hänelle
pahaa, mutta tahtomattani tulin tehneeksi, ja hän kuoli. Niin on asia
todellisuudessa. Totta on myös, että itkin häntä, sillä rakastin häntä
niin kuin nyt sinua. Se oli minulle kamala, katkera isku, jatkoi Kain
puhuen kuin itsekseen, nojaten päätään käteensä ja lyhyeksi
hetkeksi unohtaen Franciscon läsnäolon. Se teki minusta sen mikä
nyt olen, se teki minut kovasydämiseksi. — Francisco, jatkoi Kain
kohottaen päätään, merirosvo en ollut, niin kauan kuin äitisi eli.
Kirous on pääni päällä; niitä, joita rakastan eniten, minun täytyy
kohdella huonoimmin. Rakastin äitiäsi enemmän kuin mitään muuta,
ja kuitenkin tein hänelle paljon pahaa ja tulin syypääksi hänen
kuolemaansa. Lähinnä äitiäsi, jonka muistoa rakastan ja kunnioitan
ja jota ajatellessani sydämeni heltyy — olen rakastanut sinua, ja
kuitenkin olen kohdellut sinua pahoin. Sinä vastustit minua ja siinä
teit oikein. Jos olisit ollut väärässä, en olisi pitänyt siitä lukua; mutta
juuri se että olit oikeassa sai minut hurjistumaan. Sinun rukouksesi
päivällä, äitisi rukoukset unissa…

Franciscon sydän heltyi. Jollei Kain katunutkaan tekojaan, hän oli

kuitenkin murtunut.

— Säälin teitä sielustani ja sydämestäni.

 — Sinun pitää tehdä vielä enemmän, Francisco, sinun pitää tulla
ystäväkseni, sanoi Kain, ojentaen jälleen kätensä.

— En voi puristaa kättänne; se on liiaksi veren tahraama, vastasi

Francisco.

— Niin, niin, samaa olisi äitisikin sanonut. Mutta kuule minua,

Francisco, jatkoi Kain hiljentäen ääntänsä kuiskaukseksi, jottei
kukaan kuulisi heitä. Olen väsynyt tähän elämään — kenties
murheissani siitä, mitä olen tehnyt, aion luopua siitä — minulla on
kätkössä suuria rikkauksia, eikä kukaan muu kuin minä itse tiedä
missä ne ovat. Sano minulle, Francisco, emmekö lähde molemmat
pois laivasta ja rupea elämään onnellista elämää tekemättä
kenellekään mitään pahaa? Sinä saat osuuden kaikesta mitä minulla
on. Sano, oletko tyytyväinen ehdotukseeni?

— Minusta tuntuu hyvältä kuulla, että te, kapteeni Kain, aiotte

luopua laittomasta elämästänne. Mutta ottaisinko osan teidän
rikkauksistanne? Sitä en voi, sillä ne on hankittu väärällä tavalla.

— Niitä ei voi jättää takaisin omistajilleen, mutta haluan tehdä

niillä hyvää. Aion todellakin tehdä niin. Minä — tahdon — katua. Ja
jälleen hän ojensi kätensä.

Francisco oli kahden vaiheilla.

— Niin totta kuin Jumala minua auttakoon, kadun rikoksiani! Minä

kadun, Francisco! huudahti merirosvopäällikkö.

— Ja minä annan kristittynä teille kaiken anteeksi, vastasi

Francisco.
Antakoon Jumala myös teille anteeksi!
 — Amen! vastasi Kain juhlallisesti ja kätki kasvonsa käsiinsä.

Siinä asennossa hän oli muutamia minuutteja, ja Francisco katseli

häntä äänettömänä. Vihdoin kapteeni otti kädet kasvoiltaan, ja
Franciscon hämmästykseksi hänen silmänsä olivat aivan kosteat ja
poskella näkyi kyynel. Francisco ei enää odottanut, että käsi
uudelleen ojennettaisiin hänelle, vaan meni kapteenin luo, tarttui
hänen käteensä ja puristi sitä sydämellisesti.

— Jumala siunatkoon sinua, poika! Jumala siunatkoon sinua,

poika!
Jumala siunatkoon sinua! sanoi Kain. Jätä minut nyt yksin!

Francisco meni jälleen kannelle sydän keventyneenä ja kiitollisena.

Hänen ilmeestään huomasivat heti kaikki, ettei häntä ollut tuomittu
rangaistukseen, ja useat, jotka aikaisemmin eivät olleet uskaltaneet
katsoa häneen, tervehtivät häntä nyt. Se mies, joka oli päästänyt
hänet kahleista, oli Hawkhurstin käskyläisiä eikä tiennyt miten
käyttäytyä, mutta Francisco, joka huomasi hänet, viittasi kädellään
että hän menisi kannen alle, ja mies teki niin. Heti huomattiin, että
Franciscolla oli jälleen sananvaltaa laivassa, ja ensimmäisen
todistuksen antoi siitä uusi toinen perämies ilmoittamalla hänelle,
että ylähangan puolella oli näkyvissä purjelaiva.

Francisco otti kaukoputken katsellakseen vierasta alusta

lähemmin. Se oli hyvin varustettu kuunari, jolla oli kaikki purjeet
levällään. Koska hän ei halunnut kenenkään muun menevän
kajuuttaan, hän meni sinne itse, koputti ovelle, ennen kuin astui
sisään ja ilmoitti, että laiva oli näkyvissä.

— Kiitos, Francisco! Sinun pitää nyt joitakin päiviä hoitaa

Hawkhurstin virkaa — sitä ei kestä kauan — äläkä luule, että aion
enää anastaa ainoatakaan alusta. En enää hätyytä yhtäkään laivaa,
vannon sen. Mutta tuo kuunari — tiedän tarkalleen, mikä se on — on
risteillyt etsimässä meitä jonkin aikaa, ja vielä viikko sitten olin hyvin
halukas kohtaamaan sen saadakseni vuodattaa vielä enemmän
verta. Nyt aion tehdä mitä voin karttaakseni sitä ja päästäkseni itse
pakoon. Enempää en voi tehdä. Itse en aio antautua vangiksi.

— Siitä en voi teitä moittia. Lienee helppoa päästä erilleen

hätyyttäjästä. "Kostaja" jättää kyllä kaikki muut jälkeensä.

— Paitsi "Enterpriseä", sisarlaivaansa; mutta Jumalan nimessä

tässä alkaa puhdas peli, jatkoi Kain, jonka taisteluinto taas heräsi
silmänräpäykseksi. Minua pidettäisiin pelkurina, jos karttaisin
taistelua. Älä kuitenkaan pelkää, Francisco. Olen antanut sanani ja
aion sen pitää.

Kain meni kannelle ja katseli vierasta laivaa kaukoputkella.

— Niin, kyllä se epäilemättä on "Enterprise", hän sanoi kovalla

äänellä, niin että merirosvot kuulivat hänen sanansa. Amiraali on
vasta vasten lähettänyt sen merelle ja antanut siihen täysilukuisen
miehistön, parhaat miehet mitä hänellä on. Mikä vahinko, että meillä
on niin vähän väkeä!

— Meitä on tarpeeksi monta, kapteeni, sanoi yksi rosvoista.

— Niin kyllä, virkkoi Kain, jos olisi toivossa muuta kuin kova
selkäsauna; mutta se olisi lorun loppu, enkä voi uhrata enempää
väkeä kuin jo olen menettänyt. Valmiina kääntämään! hän jatkoi ja
meni perän puolelle.
 "Enterprise" oli silloin vain noin neljän mailin päässä ja laski
suoraan "Kostajaa" kohti, joka purjehti laitatuuleen. "Kostajan"
kääntyessä "Enterprise" vähensi latvapurjeen ja luovasi ylös tuuleen
sekä tuli sillä tavoin hyvän matkaa ylätuuleen "Kostajasta", joka nyt
levitti kaikki purjeensa. Merirosvot, jotka olivat kyllästyneet
tappelemiseen ja joita ei ollut innostamassa Hawkhurstin läsnäolo
eivätkä päällikön kehotukset, olivat nyt yhtä innokkaita karttamaan
taistelua kuin ennen sitä etsimään.

Kumpikaan kuunari ei näkynyt alussa olevan toistaan parempi

purjehtimisessa; puolen tunnin ajan molemmat kulkivat laitatuulta,
ja kun Edvard Templemore toisen kerran mittasi välimatkan
sekstantilla, hän ei voinut huomata voittaneensa edes kaapelinmittaa
"Kostajalta".

— Meidän on laskettava puoli piirua, sanoi Edvard lähimmälle

miehelleen. Siihen meillä kyllä on varaa, meidän ei silti tarvitse
joutua tuulen alapuolelle takaa-ajettavastamme.

"Enterprise" laski puoli piirua, vauhti parani, ja välimatka lyheni

runsaan neljännesmailin.

— Rupeavat tavoittamaan, huomautti Francisco. Meidän täytyy

laskea piirun verran.

Niin tehtiin, ja "Kostaja" olisi voittanut takaisin, minkä oli

menettänyt, jollei "Enterprise" olisi laskenut vielä enemmän.

Tällä tavoin kumpikin kuunari muutteli suuntaansa, kunnes niiden

asema oli muuttunut siten, että "Enterprise" nyt oli "Kostajan" oikean
puoleisen peräpartaan kohdalla. Välimatka pysyi kuitenkin samana
kuin ennen, noin kolmena ja puolena mailina, ja näytti siltä, että
takaa-ajon täytyisi joka tapauksessa muodostua "Enterpriselle"
pitkälliseksi ja väsyttäväksi. Viimeksi mainittu laski jälleen piirun
päästäkseen lähemmäksi "Kostajaa". Molemmat kulkivat nyt itään
päin.

Noin tuntia ennen pimeän tuloa näkyi suoraan "Kostajan" keulan

edessä toinen purjelaiva, joka selvästi huomattiin fregatiksi.
Merirosvot säikähtivät, koska oli melkein varmaa, että laiva oli
englantilainen risteilijä, ja siinäkin tapauksessa ettei asian laita olisi
niin, heillä oli täysi syy otaksua, että uusi laiva tekisi puolestaan
voitavansa auttaakseen heidän kiinniottamistaan. Fregatista oli
nähtävästi huomattu molemmat kuunarit, sillä pian se levitti kaikki
purjeet ja se kääntyi aina neljännestunnin perästä pysyäkseen
entisessä asemassaan noihin toisiin nähden. "Enterprisestä", josta
fregatti myös oli huomattu, alettiin ampua pitkällä tykillä ainoastaan
siinä tarkoituksessa, että se huomattaisiin fregatissa, sillä "Kostaja"
oli siksi kaukana, ettei tulella ollut lainkaan tehoa.

— Tästä tulee kiusallinen juttu, huomautti Kain.

— Ei ole enää tuntiakaan siihen kun tulee pimeä, vastasi

Francisco; se yksin voi pelastaa meidät.

Kain mietti silmänräpäyksen.

— Pitkä tykki kuntoon, pojat! Me vastaamme ampumiseen ja

nostamme Amerikan lipun, siitä saa fregatin päällikkö ainakin vähän
ajattelemista, ja sitten yö saa tehdä loput.

"Kostajan" pitkä tykki oli nyt kunnossa.

 — Minä en käyttäisi tätä tykkiä, huomautti Francisco. Se ilmaisee
selvästi meidän vahvuutemme, ja silloin olisi mahdoton selittää,
miksi pyrimme pakoon. Mutta jos ammumme laitatykeillä, on meidän
tykistömme paukkeen ja tuon toisen kuunarin voimakkaampien
laukausten välillä siksi suuri ero, että fregatissa ehkä uskotaan
meidän laivaamme amerikkalaiseksi.

— Se on totta, vastasi Kain, ja kun Amerikka elää nykyisin sovussa

muun maailman kanssa, on vihollisemme tietysti merirosvo. Avatkaa
oikean laidan tykkiportit! Pitäkää huoli, että lippu on kunnossa.

"Kostaja" alkoi nyt ampua silloin tällöin muutamia laukauksia

laitatykistöllään, mutta niiden pauke tuskin kantoi fregattiin asti. Sitä
vastoin "Enterprisen" keskilaivatykin jyrinä kiiri kumeana pitkin
merenpintaa ja ankarat pamaukset kuuluivat tuulen kantamina
selvästi suureen laivaan, joka oli "Enterprisestä" tuulen alapuolella.

Sellainen oli tilanne auringon vaipuessa aaltoihin, ja kohta esti

pimeys näkemästä laivasta toiseen muutoin kuin yökaukoputkella.

— Mitä arvelette? Mitä meidän on nyt tehtävä, kapteeni Kain?

kysyi
Francisco.

— Olen päättänyt tehdä uhkarohkean yrityksen. Purjehdin fregatin

luo ikään kuin etsiäkseni suojaa, ilmoitan, että tuo toinen laiva on
merirosvo, ja pyydän apua. Sitten on oma asiani vetäytyä pois
loukosta; kuu ei nouse ennen kuin kello yhden tienoissa.

— Tosiaankin rohkea ja ovela juoni! Mutta jos fregatista ruvetaan

meitä epäilemään, kun olemme heidän tykistönsä kantomatkalla?
 — Silloin käännämme sille selkämme. En pelkäisi sen pattereita,
jollei tuota kuunaria olisi lähellä.

Sen jälkeen kun pimeä oli tullut, "Kostaja" oli aivan fregatin
vieressä. Kain vähennytti purjeita vain vähitellen, ikään kuin hänellä
olisi ollut vähän väkeä.

— Kuunari ohoi! Mikä on kuunarin nimi?

— "Eliza of Baltimore" Cartagnesta, vastasi Kain ja luovi ylös

sotalaivan suojanpuolelle, jonka jälkeen hän lisäsi: Tuo laiva, tuo
tuolla kauempana, joka ajaa meitä takaa, on merirosvo. Lähetänkö
veneen sinne fregattiin?

— Ei tarvitse; pysytelkää likellämme.

— Selvä on! vastasi Kain.

— Valmis kääntämään! huudettiin nyt fregatista; ensimmäinen

perämies puhalsi pilliin, ja muutaman silmänräpäyksen perästä laiva
kääntyi jo toiselle kyljelle. "Kostaja" kääntyi myös ja pysytteli ihan
lähellä fregattia.

Sillä välin oli "Enterprise" pitämällä suuntansa muuttamattomana

vähitellen joutunut tuulen alapuolelle. Edvard Templemore ja hänen
miehistönsä ällistyivät suuresti nähdessään alusten liikkeet. He
luulivat jo erehtyneensä ja arvelivat ettei se laiva, jota he olivat
ajaneet takaa, ollutkaan merirosvoalus; sitten taas otaksuivat, että
merirosvot olivat nousseet kapinaan päällikköään vastaan ja
antautuneet fregatille. Edvard käänsi kuunarin laitatuuleen ja
purjehti suoraan toisia kohti saadakseen selville miten asian laita
todella oli. Fregatin päällikkö, joka oli pitänyt laivoja silmällä,
hämmästyi nyt puolestaan yhtä suuresti — niin kuin hän luuli —
merirosvojen rohkeutta.

— Eihän tuo roisto vain aikone yrittää vallata meidän laivaamme!

hän ihmetteli perämiehelle.

— Ei ole takeita; tunnettehan, millainen hän on miehiään.

Vakuutetaan, että hänellä on kolmesataa miestä laivassaan, siis juuri
saman verran kuin meilläkin. Tai ehkä hän aikoo ampua meitä
täydeltä laidalta ja sitten puikahtaa jälleen tuulen puolelle.

— Joka tapauksessa meidän on oltava valmiit ampumaan, vastasi

päällikkö. Oikean laidan tykit valmiiksi, niiden suutulpat pois!
Käskekää ylähangan vahti kannelle.

"Enterprise" oli nyt ihan lähellä fregattia tuulen puolella ja aikoi

mennä sen ohi peränpuolelta ja siten luovata laitatuuleen.

— Se ei vieläkään vähennä purjeita, sanoi perämies samassa, kun

kuunari keula kohisten hyvää vauhtia ilmaantui tuulen puolelle noin
kaapelinmitan päähän laivasta.

— Se on täynnä miehiä, sanoi fregatin purjehdusupseeri, joka

katseli sitä yökaukoputkella.

— Ampukaa siihen laukaus! komensi päällikkö.

Tykinlaukaus pamahti. Kun savu hälveni, huomattiin kuunarin

etumärssypurjeen, jota juuri levitettiin, roikkuvan partaalla. Luoti oli
osunut keulamastoon ja katkaissut sen.

"Enterprise" tuli hetkeksi kykenemättömäksi jatkamaan

matkaansa.
 — Kuunari ohoi! Mikä on kuunarin nimi?

— Hänen majesteettinsa kuunari "Enterprise".

— Lähettäkää heti tänne vene.

— Selvä on!

— Kutsukaa väki kannelle ja vähentäkää purjeita!

Fregatin ala- ja prammipurje koottiin ja isomärssypurje

käännettiin.

— Lippu-upseeri, missä toinen kuunari on?

— Toinen kuunariko? Tuossa aivan lähellä, vastasi lippu-upseeri,

joka samoin kuin kaikki muut oli niin kiintynyt seuraamaan
"Enterprisen" liikkeitä, että oli unohtanut pitää silmällä
"amerikkalaisen" kuunarin puuhia. Hän oli vastannut umpimähkään
ja hyppäsi nyt lippuarkulle katsomaan tarkemmin, missä kuunari oli.
Mutta se ei ollutkaan enää näkyvissä! Kain, joka oli visusti tarkannut,
mitä oli tapahtunut toisten laivojen kesken, jok'ikinen silmänräpäys
valmiina pujahtamaan pakoon, oli kääntynyt niin pian kuin fregatti
laukaisi tykkinsä toiseen kuunariin päin, ja lasketti nyt laitatuuleen
kaikki purjeet levällään. Yökiikarilla saattoi kuunarin nähdä noin
puolen mailin päässä fregatin perän takana ja silloin oivallettiin heti
sen ovela juoni. Fregatti käänsi, lisäsi purjeita, antoi Edvardin palata
takaisin kuunariinsa veneellään, jota ei ollut aikaa odottaa, kääntyi ja
rupesi ajamaan karkulaista takaa. Mutta "Kostaja" oli pian siitä
tuulen puolella ja aamun valjetessa siitä ei enää näkynyt jälkeäkään.

Vihastuneena osakseen tulleesta menettelystä ja lujasti päättäen

vaatia asiaa sotaoikeuteen Edvard Templemore oli seurannut fregatin
perässä niin pian kuin saattoi jälleen levittää purjeet. Puolenpäivän
aikaan hän tavoitti fregatin ja kaikki selvisi nyt täydellisesti. Vaikka oli
harmillista, ettei merirosvoa saatu kiinni, olivat kaikki kuitenkin sitä
mieltä, että hän oli rohkeudellaan ja kylmäverisyydellään ansainnut
päästä pakoon. Huomattiin, että "Enterprisen" masto voitiin
hät'hätää korjata ja lastoittaa puulastoilla niin, että kuunari kykenisi
pian jatkamaan risteilyään. Fregatin salvumiehet lähetettiin
"Enterpriseen", vauriot korjattiin kahdessa päivässä, ja sitten Edvard
Templemore lähti jälleen etsimään "Kostajaa".
EREHDYS

"Kostaja" viiletti pohjoista kohti kaikki purjeet levällään. Se oli

jättänyt takaa-ajajansa kauas taakseen, eikä pilkkuakaan ollut
näkyvissä taivaanrannalla, kun Francisco, joka jälleen oli muuttanut
asumaan päällikön kajuuttaan, seuraavana aamuna tuli kannelle.
Vaikka Kain oli sitä vaatinut, hän oli kieltäytynyt ottamasta mitään
päälliköntehtäviä ja piti itseään vain matkustajana tai vankina, joka
kunniasanaansa vastaan sai vapaasti liikkua.

Hän oli oleskellut kannella muutamia minuutteja, kun hän huomasi

señor Cumanoksen väkeen kuuluvien kadonneiden kalastajien
puhelevan keskenään. Miesten vangitseminen oli kokonaan haihtunut
hänen muististaan, mutta nyt hän meni puhuttelemaan heitä. Suuri
oli heidän hämmästyksensä heidän nähdessään hänet
merirosvolaivassa, kunnes Francisco ilmoitti miten kaikki oli käynyt.
He puolestaan kertoivat, mitä heille oli tapahtunut ja kuinka heitä oli
koetettu pakottaa ilmaisemaan totuus kiduttamalla peukaloruuveilla
— he näyttivät hänelle peukalonsa. Franciscoa pöyristytti julma näky,
mutta hän lohdutti heitä luvaten, että he pian pääsisivät palaamaan
takaisin entisen isäntänsä luo.
 Mennessään jälleen perälle päin Francisco kohtasi kannella
Hawkhurstin. Heidän katseensa iskivät yhteen vihasta säihkyen.
Hawkhurst oli kalpea verenvuodosta ja nähtävästi vielä heikko,
mutta hän oli kuullut, että kapteeni ja Francisco olivat tehneet
julkisen sovinnon eikä hän voinut enää kauemmin jäädä vuoteeseen
lojumaan. Hän tiesi myös että kapteeni oli karttanut ryhtyä
taisteluun "Enterprisen" kanssa ja aavisti, että Kainin mielessä oli
tapahtunut muutos muissakin suhteissa. Vaikka hän olikin sairas, hän
päätti kuitenkin tarkoin valvoa, mitä tapahtui. Hän tunsi veristä vihaa
niin Franciscoa kuin Kainiakin kohtaan ja odotti vain sopivaa
tilaisuutta kostaakseen. Tällä hetkellä heidän valtansa oli kuitenkin
liian suuri, mutta hän tunsi, että vielä koittaisi aika jolloin hänen
vuoronsa olisi riemuita voitostaan.

Francisco meni hänen ohitseen mitään sanomatta.

— Olette jälleen vapaa kuten näen, sanoi Hawkhurst pilkallisesti

hymyillen.

— Siitä minun ei tarvitse kiittää ainakaan teitä, vastasi Francisco.

Eikä siitäkään, että olen vielä hengissä.

— Ei kylläkään, mutta luulen, että minä saan kiittää teitä luodista,

joka on olkapäässäni, virkkoi perämies.

— Niin saattekin, myönsi Francisco tyynesti.

— Olkaa varma siitä, että maksan teille velkani korkoineen.

— En lainkaan epäile, että teette niin jos joskus saatte siihen

tilaisuuden. Mutta en pelkää teitä!
 Samassa kapteeni kiipesi kajuutanportaita kannelle. Hawkhurst
kääntyi poispäin ja meni keulan puolelle.

— Tuolla miehellä on paha mielessä sinua kohtaan, Francisco,

lausui kapteeni hiljaa. Tiedän tuskin, kehen saatan luottaa, mutta
häntä täytyy pitää silmällä. Hän lietsoo tyytymättömyyttä ja
uppiniskaisuutta miesten keskuudessa ja on tehnyt niin jo jonkin
aikaa. Eipä silti, että se merkitsisi mitään, jos hän vain pysyy
aloillaan vielä vähän aikaa. Pian hän kyllä voi saada minun
puolestani päällikkyyden tässä laivassa, mutta jos hän koettaa
anastaa sitä ennen aikaansa…

— Minä tiedän kehen voi luottaa, sanoi Francisco. Mennään pois

kannelta.

Francisco lähetti sanan Pompeiukselle ja antoi hänelle käskynsä

päällikön läsnä ollessa. Kaikkien kummastukseksi Hawkhurst hoiti
vahtivuoronsa jo samana yönä ja näytti ponnistuksista huolimatta
päivä päivältä toipuvan haavastaan. Kului monta päivää, mitään
erikoista ei tapahtunut, ja "Kostaja" purjehti kaiken aikaa samaan
suuntaan. Mitä kapteeni tuumi, siitä ei kukaan saanut selkoa.
Francisco oli ainoa, joka tiesi hänen suunnitelmistaan.

— Vedestä alkaa olla puute, kapteeni, ilmoitti Hawkhurst eräänä

aamuna. Riittääköhän sitä niin kauan kuin ehdimme
määräpaikkaamme?

— Kuinka moneksi päiväksi on vielä täysi vesivarasto?

— Korkeintaan kahdeksitoista päiväksi.

 — Siinä tapauksessa meidän täytyy tulla toimeen puolella
vesimäärällä.

— Miehet haluavat tietää, mihin olemme menossa.

— Ovatko he valinneet teidät tekemään tätä kysymystä?

— Eivät oikeastaan valinneet, mutta minä itse haluan tietää sen,

vastasi Hawkhurst röyhkeällä äänellä.

— Kutsukaa väki kannelle, virkkoi Kain. Koska kuulutte tähän

laivaan ja olette käskyvaltani alainen, saatte haluamanne tiedon
samalla kertaa kuin muut.

Rosvolaivan miehistö kokoontui peräkannelle.

— Pojat, aloitti Kain, arvelen, että haluatte tietää, mihin olemme

menossa. Kun meillä on niin paljon haavoittuneita laivassa ja niin
paljon saalista ruumassa, on aikomukseni purjehtia Caicos-saarille,
vanhaan tapaamispaikkaamme. Onko vielä muuta, mitä tahdotte
kysyä minulta?

— On, vastasi Hawkhurst. Tahdomme tietää, mitä aiotte tehdä

tälle nuorelle miehelle, Franciscolle. Olemme jääneet vaille
äärettömiä rikkauksia, jotka olivat jo melkein käsissämme; yhdeksän
kuollutta jäi joukostamme ja kolmekymmentä haavoittunutta makaa
vuoteessa. Siihen kaikkeen on Francisco syypää. Me vaadimme
oikeutta!

Useat merirosvot ilmaisivat yhteen ääneen olevansa samaa mieltä,

ja monet huusivat tahtovansa oikeutta.
 — Hyvät ystävät, te vaaditte oikeutta, ja sitä saatte, vastasi Kain.
Kaikki tunnette tuon nuorukaisen. Minä olen kasvattanut hänet
pienestä poikapahasesta. Hän ei ole koskaan voinut tottua siihen
elämään, jota me vietämme, ja on usein tahtonut erota meistä
mutta sitä ei ole sallittu. Hän vaati minua vastuuseen meidän oman
lakimme mukaan ja haavoitti minua, mutta en kuitenkaan vihaa
häntä, sillä hänellä oli oikeus puolellaan. Jos olisin tiennyt, että hänet
aiottiin jättää maihin nääntymään nälkään, en olisi koskaan sallinut
sitä. Minkä rikoksen hän on tehnyt? Ei mitään. Jos hän on rikkonut,
hän on rikkonut minua vastaan. Vaikka hän oli viaton, hänet
tuomittiin kuolemaan, ja te itse vastustitte tuomiota. Eikö asia ollut
niin?

— Oli, vastasivat useimmat merirosvot.

— Hän pelastui ikään kuin ihmeen avulla ja joutui hoitamaan

toisen omaisuutta. Tämän omaisuuden puolustaminen ei ole rikos.
Hän joutui vangiksi, ja nyt te vaaditte oikeutta. Sen te saatte. Jos
otaksumme, että hänen täytyy hengellään sovittaa rikoksensa, niin
onhan teillä tällä kertaa velvollisuus armahtaa hänet, koska te jo
aikaisemmin tuomitsitte hänet syyttömänä ja jätitte hänet
kuolemaan. Minä vaadin sitä, hyvät ystävät, enkä vaadi sitä
ainoastaan hänen itsensä tähden, vaan suosionosoituksena
päälliköllenne.

— Siihen suostutaan, se on puhdasta peliä kaikki tyynni, huusi

suurin osa miehistä.

— Kiitos, hyvät ystävät! Palkinnoksi teidän myöntyväisyydestänne

jaan osuuteni laivassa olevasta saaliista teille niin pian kuin tulemme
Caicos-saarille.
 Hänen sanansa saivat miesten mielessä aikaan täydellisen
muutoksen kapteenin eduksi, ja nekin, jotka ennen olivat pitäneet
Hawkhurstin puolta, siirtyivät Kainin kannattajiksi. Hawkhurst oli sillä
hetkellä kuin ilmetty paholainen.

— Ottakoot ne, jotka suostuvat myymään itsensä, teidän kultanne,

huusi hän; minä en sitä huoli. Veri verestä, sen tahdon saada, ja
sanon teille ennakolta; pojan henki on minun. Minä tahdon ottaa
sen, ja estäkää minua jos voitte, jatkoi perämies ja pui nyrkkiään
ihan kapteenin kasvojen edessä.

Mutta nyt nousi Kainillekin veri päähän. Silmänräpäyksessä hän

oikaisihe suoraksi, tempasi käteensä sorkkaraudan ja iski
Hawkhurstia niin että tämä kaatui pitkäkseen laivan kannelle.

— Siitä saat, petturi! karjaisi Kain laskien jalkansa Hawkhurstin

niskalle. Vetoan teihin, miehet. Ansaitseeko tämä mies enää olla
perämiehenä täällä? Saako hän elää?

— Ei! ei! huusivat merirosvot. Kuolkoon!

Francisco astui silloin esiin. — Hyvät ystävät, hän aloitti, olette

myöntäneet päälliköllenne suosionosoituksen. Sallikaa minun nyt
pyytää teitä antamaan tämän miehen elää. Muistakaa, kuinka usein
hän on johtanut teidät voittoon ja kuinka urhoollinen ja luotettava
hän on tähän saakka ollut. Muistakaa, että haava vielä vaivaa häntä
ja että se on tehnyt hänen mielensä ärtyisäksi. Hän ei voi enää olla
perämiehenä, sillä hän ei voi nauttia päällikkönne luottamusta, mutta
antakaa hänen elää ja lähteä pois laivasta.

— Olkoon menneeksi, jos suostutte siihen, sanoi Kain silmäillen

väkeään.
 Rosvot myöntyivät. Hawkhurst kohosi verkalleen seisoalleen ja
hänet autettiin hyttiinsä. Toinen perämies korotettiin ensimmäiseksi
perämieheksi ja hänen seuraajansa vaali jätettiin miehistön
tehtäväksi.

Tämän tapauksen jälkeen vallitsi merirosvolaivassa kolmen päivän

ajan järjestys ja rauha. Kain, joka nyt tiesi aivan varmasti miten
hänen tuli menetellä, ilmoitti tuumansa Franciscolle, ja hänen
aikeittensa vakuutena oli lahja, jonka hän oli antanut miehilleen
luvattuaan heille oman osuutensa laivassa vielä olevasta saaliista.

Kainin ja Franciscon välille kehittyi tuttavallinen, jopa sydämellinen

suhde, mutta Franciscon äidistä ja omista entisistä
elämänvaiheistaan Kain ei tahtonut koskaan puhua mitään. Kun
Francisco useasti kyseli häneltä noita asioita, hän vastasi aina: —
Pian saat sen tietää, mutta et vielä. Rupeaisit vihaamaan minua
liiaksi.

"Kostaja" purjehti nyt heikossa myötäisessä pitkin Puerto Ricon

rannikkoa. Saman päivän iltana, kun maata oli ilmestynyt näkyviin,
tuli aivan tyven kuunarin ollessa kolmisen mailin päässä rannasta, ja
uusi ensimmäinen perämies ehdotti, että hän menee veneellä maihin
noutamaan vettä joensuusta, joka oli kaukoputkella huomattu. Koska
asia oli tärkeä, Kain myöntyi ja vene lähti maata kohti lastinaan
joukko tyhjiä vesilekkereitä.

Nyt sattui niin, että "Kostaja" oli juuri vastapäätä saaren

kuvernöörin don Alvarezin maatilaa. Clara oli huomannut kuunarin ja
tavalliseen tapaansa ripustanut valkoisen liinan ikkunaan, sillä niin
pitkän matkan päästä ei merimieskään olisi voinut erottaa "Kostajaa"
"Enterprisestä". Clara oli sitten rientänyt rannalle rotkoon
odottamaan Edvard Templemorea. Merirosvojen vene laski maihin
juuri heidän tapaamispaikkansa kohdalla ja perämies hyppäsi
rannalle. Clara juoksi vastaan, mutta ennen kuin hän oli huomannut
erehdyksensä, perämies oli jo kopannut hänet syliinsä.

— Pyhä neitsyt! Kuka te olette ja mitä aiotte tehdä? huusi tyttö

koettaen riuhtoa itseään irti.

— Olenpa vain mies, joka on kovin mieltynyt kauniisiin tyttöihin,

vastasi perämies pidellen kiinni saalistaan.

— Päästäkää irti, lurjus! huusi Clara. Tiedättekö kuka minä olen?

— En tiedä, enkä siitä välitäkään, vastasi merirosvo.

— Kenties kuitenkin välität, kun kuulet, että minä olen kuvernöörin

tytär! huusi Clara koettaen työntää miestä luotaan.

— Totta vieköön, olette oikeassa, kaunis neiti! Siitä minä todellakin

välitän, sillä kuvernöörin tyttärestä saa aina runsaat lunnaat. Hei,
pojat, auttakaapa tekin. Tämä on äksy ja uppiniskainen kuin
muulivarsa. Älkää välittäkö vedestä, vaan heittäkää lekkeri takaisin
veneeseen; tätä saalista emme saa millään muotoa päästää
käsistämme.

Clara huusi ja riuhtoi, mutta hänen suulleen sidottiin nenäliina ja

hänet nostettiin veneeseen, joka lähti heti takaisin.

Kun perämies palasi kuunariin ja kertoi, millaisen saaliin hän oli

saanut, ihastuivat rosvot ikihyväksi, koska he toivoivat lisää
ryöstörahoja. Kain ei tietenkään voinut tehdä vastaväitteitä, koska se
olisi ollut vastoin hänen tapojaan. Hän käski viedä tytön kajuuttaan,
nostatti veneen laivaan ja levitytti jälleen purjeet, koska alkoi taas
tuulla.
 Sillä välin Francisco koetti lohduttaa Clara raukkaa vakuuttaen,
ettei hänen tarvinnut pelätä mitään, ja lupasi suojella häntä.

Tyttö parka itki aivan menehtyäkseen, kunnes Kain tuli kajuuttaan

ja vahvisti Franciscon vakuutukset. Olihan vähän lohtua siitäkin, että
tapasi ystäviä siellä, missä oli odottanut osakseen vain loukkauksia ja
kaikenlaisia nöyryytyksiä — Francisco oli näet ilmoittanut, että laiva
oli merirosvoalus — ja nuorukaisen ystävällisyys ja huomaavaisuus
vaikutti tyttöön rauhoittavasti.

Seuraavana päivänä hän ilmaisi Franciscolle minkä vuoksi hän oli

mennyt rantaan ja erehtynyt laivoista. Francisco ja Kain lupasivat
suorittaa lunnaat hänen puolestaan odottamatta, että isä lähettäisi
ne, ja huvittaakseen tyttöä nuorukainen kuunteli hänen jutteluaan
Edvard Templemoresta. Siitä aiheesta Claralla riitti aina puhumista,
ja kohta Francisco tunsi heidän rakkaustarinansa.

Mutta "Kostaja" ei ehtinyt tapaamispaikkaan niin aikaisin kuin oli

aiottu, sillä tullessaan Puerto Ricon pohjoispuolelle se kohtasi
englantilaisen fregatin, joka alkoi ajaa sitä takaa, ja "Kostajan" täytyi
pyrkiä pakoon. Mutta kuunari purjehti huonommin peräntakaisessa
tuulessa ja takaa-ajoa kesti kolme päivää, kunnes oli ehditty
Bahama-saarten ohi.

Merirosvot kärsivät kovaa juomaveden puutetta, niin että heidän

oli pakko yhä vähentää annoksia. Fregatti, joka oli jäänyt yhä
enemmän jälkeen, kun tuuli rupesi heikkenemään, oli vielä
näkyvissä. Vihdoin tuuli lakkasi kokonaan ja oli tyventä kaksi päivää.
Toisen päivän iltana fregatti lähetti veneensä tekemään hyökkäystä
viiden mailin päässä olevaa kuunaria vastaan, mutta silloin alkoi
tuulla pohjoisesta, ja "Kostaja" jätti fregatin kauas jälkeensä.
 Vasta seuraavana päivänä Kain uskalsi jälleen kääntää laivan
etelään yrittääkseen hankkia vettä. Vihdoin se onnistuikin, vaikka
perin vaivalloisesti ja aiheutti paljon ajanhukkaa, kun vettä oli vain
niukasti.

Sitä paitsi viivyttivät kuunaria vastatuuli ja merivirrat, niin että he

vasta kolmen viikon kuluttua siitä, kun olivat lähteneet Puerto Ricon
rannikolta, näkivät sen maan, joka ennen oli ollut heidän
kokoontumispaikkansa.

Edvard Templemore ja "Enterprise" olivat jääneet Etelä-Amerikan

rannikolle etsimään "Kostajaa", joka oli niin merkillisellä tavalla
livahtanut heidän käsistään.

Edvard oli etsinyt kaikkialta ja suunnannut sitten matkansa

Windward-saarille, etsien yhä vihollistaan. Hän oli tiedustellut
jokaisesta laivasta, joka kohdattiin, mitä niissä tiedettiin
"Kostajasta", mutta ei saanut kuulla mitään. Vihdoin hän saapui
Puerto
Ricon kohdalle.

Nyt ei tosin ollut aikaa ajatella Claraa, mutta koska hän kerran oli
menossa sinne päin, hän purjehti pitkin saaren rannikkoa, ja kun
hänen aluksensa oli hämärän tullessa ihan kuvernöörin asuinpaikan
edustalla, hän laski niin lähelle rannikkoa, että saattoi kaukoputkella
tarkastaa ikkunoita. Sovittua merkkiä ei kuitenkaan näkynyt.
Odotettuaan pimeän tuloon saakka hän jatkoi matkaansa aivan
menehtymäisillään levottomuudesta ajatellessaan, että kuvernööri oli
kai saanut kaiken tietoonsa. Mutta hän saapui paikalle kaksi päivää
sen jälkeen kun Clara oli ryöstetty.
Welcome to our website – the perfect destination for book lovers and
knowledge seekers. We believe that every book holds a new world,
offering opportunities for learning, discovery, and personal growth.
That’s why we are dedicated to bringing you a diverse collection of
books, ranging from classic literature and specialized publications to
self-development guides and children's books.

More than just a book-buying platform, we strive to be a bridge

connecting you with timeless cultural and intellectual values. With an
elegant, user-friendly interface and a smart search system, you can
quickly find the books that best suit your interests. Additionally,
our special promotions and home delivery services help you save time
and fully enjoy the joy of reading.

Join us on a journey of knowledge exploration, passion nurturing, and

personal growth every day!

ebookmasss.com