Download the Full Version of textbook for Fast Typing at textbookfull.

com

Theory of stochastic objects probability

stochastic processes and inference 1st Edition
Micheas

https://textbookfull.com/product/theory-of-stochastic-
objects-probability-stochastic-processes-and-inference-1st-
edition-micheas/

OR CLICK BUTTON

DOWNLOAD NOW

Download More textbook Instantly Today - Get Yours Now at textbookfull.com

 Recommended digital products (PDF, EPUB, MOBI) that
you can download immediately if you are interested.

Theory of stochastic objects: probability, stochastic

processes, and inference First Edition Micheas

https://textbookfull.com/product/theory-of-stochastic-objects-
probability-stochastic-processes-and-inference-first-edition-micheas/

textboxfull.com

Applied Probability and Stochastic Processes Second

Edition Beichelt

https://textbookfull.com/product/applied-probability-and-stochastic-
processes-second-edition-beichelt/

textboxfull.com

Applied Probability and Stochastic Processes Second

Edition Beichelt

https://textbookfull.com/product/applied-probability-and-stochastic-
processes-second-edition-beichelt-2/

textboxfull.com

Fundamentals of probability: with stochastic processes

Fourth Edition Ghahramani

https://textbookfull.com/product/fundamentals-of-probability-with-
stochastic-processes-fourth-edition-ghahramani/

textboxfull.com
Generalized Statistical Thermodynamics Thermodynamics of
Probability Distributions and Stochastic Processes Themis
Matsoukas
https://textbookfull.com/product/generalized-statistical-
thermodynamics-thermodynamics-of-probability-distributions-and-
stochastic-processes-themis-matsoukas/
textboxfull.com

Applied Probability From Random Sequences to Stochastic

Processes Valérie Girardin

https://textbookfull.com/product/applied-probability-from-random-
sequences-to-stochastic-processes-valerie-girardin/

textboxfull.com

Fundamentals of Probability With Stochastic Processes

Solution Manual 4th Edition Ghahramani Saeed

https://textbookfull.com/product/fundamentals-of-probability-with-
stochastic-processes-solution-manual-4th-edition-ghahramani-saeed/

textboxfull.com

Theory and Statistical Applications of Stochastic

Processes 1st Edition Yuliya Mishura

https://textbookfull.com/product/theory-and-statistical-applications-
of-stochastic-processes-1st-edition-yuliya-mishura/

textboxfull.com

Introduction to Stochastic Processes 1st Edition Tapas

Kumar Chandra

https://textbookfull.com/product/introduction-to-stochastic-
processes-1st-edition-tapas-kumar-chandra/

textboxfull.com
 Theory of
Stochastic Objects
Probability, Stochastic Processes
and Inference
CHAPMAN & HALL/CRC
Texts in Statistical Science Series
Series Editors
Joseph K. Blitzstein, Harvard University, USA
Julian J. Faraway, University of Bath, UK
Martin Tanner, Northwestern University, USA
Jim Zidek, University of British Columbia, Canada

Statistical Theory: A Concise Introduction Analysis of Variance, Design, and Regression:

F. Abramovich and Y. Ritov Linear Modeling for Unbalanced Data,
Practical Multivariate Analysis, Fifth Edition Second Edition
A. Afifi, S. May, and V.A. Clark R. Christensen
Practical Statistics for Medical Research Bayesian Ideas and Data Analysis: An Introduction
D.G. Altman for Scientists and Statisticians
R. Christensen, W. Johnson, A. Branscum,
Interpreting Data: A First Course
and T.E. Hanson
in Statistics
A.J.B. Anderson Modelling Binary Data, Second Edition
D. Collett
Introduction to Probability with R
K. Baclawski Modelling Survival Data in Medical Research, Third
Edition
Linear Algebra and Matrix Analysis for Statistics
D. Collett
S. Banerjee and A. Roy
Introduction to Statistical Methods for
Modern Data Science with R
Clinical Trials
B. S. Baumer, D. T. Kaplan, and N. J. Horton
T.D. Cook and D.L. DeMets
Mathematical Statistics: Basic Ideas and Selected
Applied Statistics: Principles and Examples
Topics, Volume I, Second Edition
P. J. Bickel and K. A. Doksum D.R. Cox and E.J. Snell

Mathematical Statistics: Basic Ideas and Selected Multivariate Survival Analysis and Competing Risks
Topics, Volume II M. Crowder
P. J. Bickel and K. A. Doksum Statistical Analysis of Reliability Data
Analysis of Categorical Data with R M.J. Crowder, A.C. Kimber, T.J. Sweeting,
C. R. Bilder and T. M. Loughin and R.L. Smith

Statistical Methods for SPC and TQM An Introduction to Generalized Linear Models,
D. Bissell Third Edition
A.J. Dobson and A.G. Barnett
Introduction to Probability
J. K. Blitzstein and J. Hwang Nonlinear Time Series: Theory, Methods, and
Applications with R Examples
Bayesian Methods for Data Analysis, Third Edition R. Douc, E. Moulines, and D.S. Stoffer
B.P. Carlin and T.A. Louis
Introduction to Optimization Methods and Their
Statistics in Research and Development, Applications in Statistics
Second Edition B.S. Everitt
R. Caulcutt
Extending the Linear Model with R: Generalized
The Analysis of Time Series: An Introduction, Linear, Mixed Effects and Nonparametric Regression
Sixth Edition Models, Second Edition
C. Chatfield J.J. Faraway
Introduction to Multivariate Analysis Linear Models with R, Second Edition
C. Chatfield and A.J. Collins J.J. Faraway
Problem Solving: A Statistician’s Guide, A Course in Large Sample Theory
Second Edition T.S. Ferguson
C. Chatfield
Multivariate Statistics: A Practical Approach
Statistics for Technology: A Course in Applied B. Flury and H. Riedwyl
Statistics, Third Edition
C. Chatfield
Readings in Decision Analysis Exercises and Solutions in Statistical Theory
S. French L.L. Kupper, B.H. Neelon, and S.M. O’Brien
Discrete Data Analysis with R: Visualization and Design and Analysis of Experiments with R
Modeling Techniques for Categorical and Count J. Lawson
Data Design and Analysis of Experiments with SAS
M. Friendly and D. Meyer J. Lawson
Markov Chain Monte Carlo: Stochastic Simulation A Course in Categorical Data Analysis
for Bayesian Inference, Second Edition T. Leonard
D. Gamerman and H.F. Lopes
Statistics for Accountants
Bayesian Data Analysis, Third Edition S. Letchford
A. Gelman, J.B. Carlin, H.S. Stern, D.B. Dunson,
A. Vehtari, and D.B. Rubin Introduction to the Theory of Statistical Inference
H. Liero and S. Zwanzig
Multivariate Analysis of Variance and Repeated
Measures: A Practical Approach for Behavioural Statistical Theory, Fourth Edition
Scientists B.W. Lindgren
D.J. Hand and C.C. Taylor Stationary Stochastic Processes: Theory and
Practical Longitudinal Data Analysis Applications
D.J. Hand and M. Crowder G. Lindgren

Linear Models and the Relevant Distributions and Statistics for Finance
Matrix Algebra E. Lindström, H. Madsen, and J. N. Nielsen
D.A. Harville The BUGS Book: A Practical Introduction to
Logistic Regression Models Bayesian Analysis
J.M. Hilbe D. Lunn, C. Jackson, N. Best, A. Thomas, and
D. Spiegelhalter
Richly Parameterized Linear Models: Additive, Time
Series, and Spatial Models Using Random Effects Introduction to General and Generalized
J.S. Hodges Linear Models
H. Madsen and P. Thyregod
Statistics for Epidemiology
N.P. Jewell Time Series Analysis
H. Madsen
Stochastic Processes: An Introduction, Third Edition
P.W. Jones and P. Smith Pólya Urn Models
H. Mahmoud
The Theory of Linear Models
B. Jørgensen Randomization, Bootstrap and Monte Carlo
Methods in Biology, Third Edition
Pragmatics of Uncertainty B.F.J. Manly
J.B. Kadane
Statistical Regression and Classification:
Principles of Uncertainty From Linear Models to Machine Learning
J.B. Kadane N. Matloff
Graphics for Statistics and Data Analysis with R Introduction to Randomized Controlled Clinical
K.J. Keen Trials, Second Edition
Mathematical Statistics J.N.S. Matthews
K. Knight Statistical Rethinking: A Bayesian Course with
Introduction to Functional Data Analysis Examples in R and Stan
P. Kokoszka and M. Reimherr R. McElreath
Introduction to Multivariate Analysis: Linear and Statistical Methods in Agriculture and Experimental
Nonlinear Modeling Biology, Second Edition
S. Konishi R. Mead, R.N. Curnow, and A.M. Hasted
Nonparametric Methods in Statistics with SAS Statistics in Engineering: A Practical Approach
Applications A.V. Metcalfe
O. Korosteleva Theory of Stochastic Objects: Probability, Stochastic
Modeling and Analysis of Stochastic Systems, Processes and Inference
Third Edition A.C. Micheas
V.G. Kulkarni Statistical Inference: An Integrated Approach,
Exercises and Solutions in Biostatistical Theory Second Edition
L.L. Kupper, B.H. Neelon, and S.M. O’Brien H. S. Migon, D. Gamerman, and F. Louzada
Beyond ANOVA: Basics of Applied Statistics Spatio-Temporal Methods in Environmental
R.G. Miller, Jr. Epidemiology
G. Shaddick and J.V. Zidek
A Primer on Linear Models
J.F. Monahan Decision Analysis: A Bayesian Approach
J.Q. Smith
Stochastic Processes: From Applications to Theory
P.D Moral and S. Penev Analysis of Failure and Survival Data
P. J. Smith
Applied Stochastic Modelling, Second Edition
B.J.T. Morgan Applied Statistics: Handbook of GENSTAT
Analyses
Elements of Simulation
B.J.T. Morgan E.J. Snell and H. Simpson

Probability: Methods and Measurement Applied Nonparametric Statistical Methods,

A. O’Hagan Fourth Edition
P. Sprent and N.C. Smeeton
Introduction to Statistical Limit Theory
A.M. Polansky Data Driven Statistical Methods
P. Sprent
Applied Bayesian Forecasting and Time Series
Analysis Generalized Linear Mixed Models:
A. Pole, M. West, and J. Harrison Modern Concepts, Methods and Applications
W. W. Stroup
Statistics in Research and Development,
Time Series: Modeling, Computation, and Inference Survival Analysis Using S: Analysis of
R. Prado and M. West Time-to-Event Data
M. Tableman and J.S. Kim
Essentials of Probability Theory for Statisticians
M.A. Proschan and P.A. Shaw Applied Categorical and Count Data Analysis
W. Tang, H. He, and X.M. Tu
Introduction to Statistical Process Control
P. Qiu Elementary Applications of Probability Theory,
Second Edition
Sampling Methodologies with Applications H.C. Tuckwell
P.S.R.S. Rao
Introduction to Statistical Inference and Its
A First Course in Linear Model Theory Applications with R
N. Ravishanker and D.K. Dey M.W. Trosset
Essential Statistics, Fourth Edition Understanding Advanced Statistical Methods
D.A.G. Rees P.H. Westfall and K.S.S. Henning
Stochastic Modeling and Mathematical Statistics: Statistical Process Control: Theory and Practice,
A Text for Statisticians and Quantitative Scientists Third Edition
F.J. Samaniego G.B. Wetherill and D.W. Brown
Statistical Methods for Spatial Data Analysis Generalized Additive Models: An Introduction
O. Schabenberger and C.A. Gotway with R, Second Edition
Bayesian Networks: With Examples in R S. Wood
M. Scutari and J.-B. Denis Epidemiology: Study Design and
Large Sample Methods in Statistics Data Analysis, Third Edition
P.K. Sen and J. da Motta Singer M. Woodward
Introduction to Statistical Methods for Financial Practical Data Analysis for Designed Experiments
Models B.S. Yandell
T. A. Severini
 Texts in Statistical Science

Theory of
Stochastic Objects
Probability, Stochastic Processes
and Inference

Athanasios Christou Micheas

Department of Statistics, University of Missouri, USA
CRC Press
Taylor & Francis Group
6000 Broken Sound Parkway NW, Suite 300
Boca Raton, FL 33487-2742
© 2018 by Taylor & Francis Group, LLC
CRC Press is an imprint of Taylor & Francis Group, an Informa business
No claim to original U.S. Government works
Printed on acid-free paper
Version Date: 20171219
International Standard Book Number-13: 978-1-4665-1520-8 (Hardback)
This book contains information obtained from authentic and highly regarded sources. Reasonable efforts have been
made to publish reliable data and information, but the author and publisher cannot assume responsibility for the
validity of all materials or the consequences of their use. The authors and publishers have attempted to trace the
copyright holders of all material reproduced in this publication and apologize to copyright holders if permission to
publish in this form has not been obtained. If any copyright material has not been acknowledged please write and let
us know so we may rectify in any future reprint.
Except as permitted under U.S. Copyright Law, no part of this book may be reprinted, reproduced, transmitted, or
utilized in any form by any electronic, mechanical, or other means, now known or hereafter invented, including
photocopying, microfilming, and recording, or in any information storage or retrieval system, without written permission
from the publishers.
For permission to photocopy or use material electronically from this work, please access www.copyright.com
(http://www.copyright.com/) or contact the Copyright Clearance Center, Inc. (CCC), 222 Rosewood Drive, Danvers, MA
01923, 978-750-8400. CCC is a not-for-profit organization that provides licenses and registration for a variety of users. For
organizations that have been granted a photocopy license by the CCC, a separate system of payment has been arranged.
Trademark Notice: Product or corporate names may be trademarks or registered trademarks, and are used only for
identification and explanation without intent to infringe.

Library of Congress Cataloging-in-Publication Data

Names: Micheas, Athanasios Christou, author.

Title: Theory of stochastic objects : probability, stochastic processes and
inference / by Athanasios Christou Micheas.
Description: Boca Raton, Florida : CRC Press, [2018] | Includes
bibliographical references and index.
Identifiers: LCCN 2017043053| ISBN 9781466515208 (hardback) | ISBN
9781315156705 (e-book)
Subjects: LCSH: Point processes. | Stochastic processes.
Classification: LCC QA274.42 .M53 2018 | DDC 519.2/3--dc23
LC record available at https://lccn.loc.gov/2017043053

Visit the Taylor & Francis Web site at

http://www.taylorandfrancis.com
and the CRC Press Web site at
http://www.crcpress.com
To my family
 Contents

Preface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xv

List of Figures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxi

List of Tables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxiii

List of Abbreviations . . . . . . . . . . . . . . . . . . . . . . . . . . . xxv

List of Symbols . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxvii

List of Distribution Notations . . . . . . . . . . . . . . . . . . . . . . xxix

1 Rudimentary Models and Simulation Methods . . . . . . . . . . . 1

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Rudimentary Probability . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1 Probability Distributions . . . . . . . . . . . . . . . . . . . 4
1.2.2 Expectation . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.3 Mixtures of Distributions . . . . . . . . . . . . . . . . . . 9
1.2.4 Transformations of Random Vectors . . . . . . . . . . . . . 11
1.3 The Bayesian Approach . . . . . . . . . . . . . . . . . . . . . . 11
1.3.1 Conjugacy . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3.2 General Prior Selection Methods and Properties . . . . . . 14
1.3.3 Hierarchical Bayesian Models . . . . . . . . . . . . . . . . 15
1.4 Simulation Methods . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4.1 The Inverse Transform Algorithm . . . . . . . . . . . . . . 17
1.4.2 The Acceptance-Rejection Algorithm . . . . . . . . . . . . 18
1.4.3 The Composition Method for Generating Mixtures . . . . . 20
1.4.4 Generating Multivariate Normal and Related Distributions . 20
1.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.6 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2 Statistical Inference . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2 Decision Theory . . . . . . . . . . . . . . . . . . . . . . . . . . 27
ix
x CONTENTS
2.3 Point Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.3.1 Classical Methods . . . . . . . . . . . . . . . . . . . . . . 30
2.3.2 Bayesian Approach . . . . . . . . . . . . . . . . . . . . . . 39
2.3.3 Evaluating Point Estimators Using Decision Theory . . . . 40
2.3.4 Convergence Concepts and Asymptotic Behavior . . . . . . 42
2.4 Interval Estimation . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.4.1 Confidence Intervals . . . . . . . . . . . . . . . . . . . . . 45
2.4.2 Highest Posterior Density Credible Sets . . . . . . . . . . . 46
2.4.3 Decision Theoretic . . . . . . . . . . . . . . . . . . . . . . 48
2.5 Hypothesis Testing . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.5.1 Classic Methods . . . . . . . . . . . . . . . . . . . . . . . 49
2.5.2 Bayesian Testing Procedures . . . . . . . . . . . . . . . . . 55
2.5.3 Decision Theoretic . . . . . . . . . . . . . . . . . . . . . . 58
2.5.4 Classical and Bayesian p-values . . . . . . . . . . . . . . . 60
2.5.5 Reconciling the Bayesian and Classical Paradigms . . . . . 65
2.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.7 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66

3 Measure and Integration Theory . . . . . . . . . . . . . . . . . . . 77

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
3.2 Deterministic Set Theory . . . . . . . . . . . . . . . . . . . . . . 77
3.3 Topological Spaces and σ-fields . . . . . . . . . . . . . . . . . . 79
3.4 Product Spaces . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.5 Measurable Spaces and Mappings . . . . . . . . . . . . . . . . . 86
3.6 Measure Theory and Measure Spaces . . . . . . . . . . . . . . . 91
3.6.1 Signed Measures and Decomposition Theorems . . . . . . 97
3.6.2 Carathéodory Measurability and Extension Theorem . . . . 100
3.6.3 Construction of the Lebesgue Measure . . . . . . . . . . . 103
3.7 Defining Integrals with Respect to Measures . . . . . . . . . . . . 106
3.7.1 Change of Variable and Integration over Sets . . . . . . . . 113
3.7.2 Lebesgue, Riemann and Riemann-Stieltjes Integrals . . . . 115
3.7.3 Radon-Nikodym Theorem . . . . . . . . . . . . . . . . . . 118
3.7.4 Product Measure and Fubini Theorem . . . . . . . . . . . . 121
3.7.5 L p -spaces . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
3.8 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
3.9 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133

4 Probability Theory . . . . . . . . . . . . . . . . . . . . . . . . . . . 139

4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
4.2 Probability Measures and Probability Spaces . . . . . . . . . . . 139
4.2.1 Extension of Probability Measure . . . . . . . . . . . . . . 140
4.2.2 Defining Random Objects . . . . . . . . . . . . . . . . . . 143
4.2.3 Distribution Functions and Densities . . . . . . . . . . . . 148
CONTENTS xi
4.2.4 Independence . . . . . . . . . . . . . . . . . . . . . . . . . 153
4.2.5 Calculating Probabilities for Limits of Events . . . . . . . . 158
4.2.6 Expectation of a Random Object . . . . . . . . . . . . . . . 159
4.2.7 Characteristic Functions . . . . . . . . . . . . . . . . . . . 162
4.3 Conditional Probability . . . . . . . . . . . . . . . . . . . . . . . 165
4.3.1 Conditioning on the Value of a Random Variable . . . . . . 165
4.3.2 Conditional Probability and Expectation Given a σ-field . . 170
4.3.3 Conditional Independence Given a σ-field . . . . . . . . . 177
4.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
4.5 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179

5 Convergence of Random Objects . . . . . . . . . . . . . . . . . . 183

5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
5.2 Existence of Independent Sequences of Random Variables . . . . 183
5.3 Limiting Behavior of Sequences of Random Variables . . . . . . 184
5.3.1 Slutsky and Cramér Theorems . . . . . . . . . . . . . . . . 184
5.3.2 Consistency of the MLE . . . . . . . . . . . . . . . . . . . 186
5.4 Limiting Behavior of Probability Measures . . . . . . . . . . . . 187
5.4.1 Integrating Probability Measures to the Limit . . . . . . . . 187
5.4.2 Compactness of the Space of Distribution Functions . . . . 191
5.4.3 Weak Convergence via Non-Central Moments . . . . . . . 193
5.5 Random Series . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
5.5.1 Convolutions . . . . . . . . . . . . . . . . . . . . . . . . . 194
5.5.2 Fourier Inversion and the Continuity Theorem . . . . . . . 196
5.5.3 Limiting Behavior of Partial Sums . . . . . . . . . . . . . . 199
5.5.4 Central Limit Theorems . . . . . . . . . . . . . . . . . . . 200
5.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
5.7 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204

6 Random Sequences . . . . . . . . . . . . . . . . . . . . . . . . . . 207

6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
6.2 Definitions and Properties . . . . . . . . . . . . . . . . . . . . . 207
6.3 Martingales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
6.3.1 Filtrations and Stopping Times . . . . . . . . . . . . . . . 215
6.3.2 Convergence Theorems . . . . . . . . . . . . . . . . . . . 216
6.3.3 Applications . . . . . . . . . . . . . . . . . . . . . . . . . 223
6.3.4 Wald Identities and Random Walks . . . . . . . . . . . . . 225
6.4 Renewal Sequences . . . . . . . . . . . . . . . . . . . . . . . . . 226
6.5 Markov Chains . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
6.5.1 Definitions and Properties . . . . . . . . . . . . . . . . . . 233
6.5.2 Discrete State Space . . . . . . . . . . . . . . . . . . . . . 236
6.5.3 The Martingale Problem . . . . . . . . . . . . . . . . . . . 240
6.5.4 Visits to Fixed States: General State Space . . . . . . . . . 241
xii CONTENTS
6.5.5 Visits to Fixed States: Discrete State Space . . . . . . . . . 243
6.5.6 State Classification . . . . . . . . . . . . . . . . . . . . . . 248
6.5.7 Limiting Behavior . . . . . . . . . . . . . . . . . . . . . . 255
6.6 Stationary Sequences and Ergodicity . . . . . . . . . . . . . . . . 258
6.7 Applications to Markov Chain Monte Carlo Methods . . . . . . . 262
6.7.1 Metropolis-Hastings Algorithm . . . . . . . . . . . . . . . 263
6.7.2 Gibbs Sampling . . . . . . . . . . . . . . . . . . . . . . . 264
6.7.3 Reversible Jump Markov Chain Monte Carlo . . . . . . . . 265
6.8 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
6.9 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269

7 Stochastic Processes . . . . . . . . . . . . . . . . . . . . . . . . . 275

7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
7.2 The Poisson Process . . . . . . . . . . . . . . . . . . . . . . . . 277
7.3 General Stochastic Processes . . . . . . . . . . . . . . . . . . . . 279
7.3.1 Continuous Time Filtrations and Stopping Times . . . . . . 281
7.3.2 Continuous Time Martingales . . . . . . . . . . . . . . . . 283
7.3.3 Kolmogorov Existence Theorem . . . . . . . . . . . . . . . 285
7.4 Markov Processes . . . . . . . . . . . . . . . . . . . . . . . . . . 289
7.4.1 Càdlàg Space . . . . . . . . . . . . . . . . . . . . . . . . . 289
7.4.2 Infinitesimal Generators . . . . . . . . . . . . . . . . . . . 294
7.4.3 The Martingale Problem . . . . . . . . . . . . . . . . . . . 296
7.4.4 Construction via Subordinated Markov Chains . . . . . . . 297
7.4.5 Discrete State Space . . . . . . . . . . . . . . . . . . . . . 298
7.4.5.1 Sample Paths and State Classification . . . . . . . . 301
7.4.5.2 Construction via Jump Times . . . . . . . . . . . . 303
7.4.5.3 Infinitesimal Generator and Transition Function . . 305
7.4.5.4 Limiting Behavior . . . . . . . . . . . . . . . . . . 307
7.4.5.5 Birth-Death Processes . . . . . . . . . . . . . . . . 309
7.4.6 Brownian Motion . . . . . . . . . . . . . . . . . . . . . . . 312
7.4.7 Construction of the Wiener Measure . . . . . . . . . . . . . 314
7.5 Building on Martingales and Brownian Motion . . . . . . . . . . 317
7.5.1 Stochastic Integrals . . . . . . . . . . . . . . . . . . . . . . 317
7.5.2 Stochastic Differential Equations . . . . . . . . . . . . . . 324
7.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331
7.7 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332

A Additional Topics and Complements . . . . . . . . . . . . . . . . 337

p
A.1 Mappings in R . . . . . . . . . . . . . . . . . . . . . . . . . . . 337
A.2 Topological, Measurable and Metric Spaces . . . . . . . . . . . . 338
A.3 Baire Functions and Spaces . . . . . . . . . . . . . . . . . . . . . 342
A.4 Fisher Information . . . . . . . . . . . . . . . . . . . . . . . . . 343
A.5 Multivariate Analysis Topics . . . . . . . . . . . . . . . . . . . . 344
CONTENTS xiii
A.6 State Classification . . . . . . . . . . . . . . . . . . . . . . . . . 345
A.7 MATLAB R Code Function Calls . . . . . . . . . . . . . . . . . 346
A.8 Commonly Used Distributions and Their Densities . . . . . . . . 347

Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
 Preface

Random variables and random vectors have been well defined and studied for
over a century. Subsequently, in the history of statistical science, researchers began
considering collections of points together, which gave birth to point process theory
and more recently, to random set theory. This was mainly motivated due to advances
in technology and the types of data that experimenters began investigating, which
in turn led to the creation and investigation of advanced statistical methods able to
handle such data.
In this book we take the reader on a journey through some of the most essential
topics in mathematics and statistics, constantly building on previous concepts, mak-
ing the transition from elementary statistical inference to the advanced probabilistic
treatment more natural and concrete. Our central focus is defining and exploring the
concept of a random quantity or object in different contexts, where depending on
the data under consideration, “random objects” are described using random vari-
ables, vectors or matrices, stochastic processes, integrals and differential equations,
or point processes and random sets.
This view of random objects has not been adequately investigated and pre-
sented in mathematics and statistics textbooks that are out there since they have
mostly concentrated on specific parts of the aforementioned concepts. This is one
of the reasons why I undertake the task of writing a textbook that would present
the knowledge in a concrete way, through examples and exercises, which is sorely
needed in understanding statistical inference, probability theory and stochastic pro-
cesses. This approach will help the instructor of these topics to engage the students
through problem sets and present the theory and applications involved in a way that
they will appreciate.
Since this monumental task cannot be accomplished in a single textbook, the
theoretical and modeling topics considered have been organized in two texts; this
text is concerned with rudimentary to advanced theoretical aspects of random ob-
jects based on random variables, including statistical inference, probability theory
and stochastic processes. The modeling of these objects and their applications to
real life data is presented in the text Theory and Modeling of Stochastic Objects:
Point Processes and Random Sets (forthcoming, hereafter referred to as TMSO-
PPRS). The latter stochastic objects are a natural extension of random variables

xv
xvi PREFACE
and vectors and we can think of the TMSO-PPRS text as a natural continuation of
the theory presented herein.
In particular, we present a comprehensive account of topics in statistics in a
way that can be a natural extension of a more traditional graduate course in prob-
ability theory. This is especially true for Chapters 1 and 2, which is a feature that
has been lacking from available texts in probability theory. Another distinguishing
feature of this text is that we have included an amazing amount of material. More
precisely, one would need to use at least one book on real analysis, one in measure
and/or probability theory, one in stochastic processes, and at least one on statistics
to capture just the expository material that has gone into this text.
Being a teacher and mentor to undergraduate and graduate students, I have seen
their attempts to comprehend new material from rudimentary to advanced mathe-
matical and statistical concepts. I have also witnessed their struggles with essential
topics in statistics, such as defining a probability space for a random variable, which
is one of the most important constructs in statistics. This book attempts to introduce
these concepts in a novel way making it more accessible to students and researchers
through examples. This approach is lacking in most textbooks/monographs that one
can use to teach students.
Instructors and researchers in academia often find themselves complementing
material from several books in order to provide a spherical overview of the topics
of a class. This book is the result of my efforts over the years to provide comprehen-
sive and compact accounts of topics I had to teach to undergraduate and graduate
students.
Therefore, the book is targeted toward students at the master’s and Ph.D. levels,
as well as academicians in the mathematics and statistics disciplines. Although the
concepts will be built from the master’s level up, the book addresses advanced read-
ers in the later chapters. When used as a textbook, prior knowledge of probability
or measure theory is welcomed but not necessary.
In particular, Chapters 1 and 2 can be used for several courses on statistical
inference with minor additions for any proofs the instructor chooses to further il-
lustrate. In these chapters we summarize over a century and a half of development
in mathematical statistics. Depending on the level of the course, the instructor can
select specific exercises to supplement the text, in order to provide a better under-
standing and more depth into the concepts under consideration. For example, using
selectively the material and exercises from Chapters 1, 2, 4 and 5, I have taught
several sequences on statistical inference at the University of Missouri (MU), in-
cluding Stat7750/60 and 4750/60 (statistical inference course at the undergraduate
and master’s level), Stat8710/20 (intermediate statistical inference course at the
Ph.D. level) and Stat9710/20 (advanced inference for Ph.D. students).
At the master’s level, it is recommended that the instructor omits advanced top-
ics from Chapter 2, including most of the decision-theoretic topics and the corre-
PREFACE xvii
sponding proofs of the relevant results. Basic theorems and their proofs, such as
the Bayes or the factorization theorem, should be presented to the students in de-
tail. The proofs of such results are included as exercises, and the instructor can use
the solution manual in order to choose what they deem appropriate to illustrate to
the students.
For example, when teaching a statistical inference course for Ph.D. students, all
concepts presented in Chapters 1 and 2 should be introduced, as well as topics on
asymptotics from Chapter 5. However, certain proofs might be beyond the level of
an intermediate statistical inference course for Ph.D. students. For example, when
it comes to introducing evaluation of point estimators, we may omit the explicit
proof of all parts of the important remark 2.12 and simply present the material, or
the compactness results in Chapter 5, and focus only on the central limit theorems
or Slutsky and Cramér theorems.
For an advanced course on statistical inference at the Ph.D. level, one would
omit most of the rudimentary results of Chapter 1, and focus on topics from Chap-
ter 2 (inference), Chapter 4 (e.g., characteristic functions), and Chapter 5 (asymp-
totics), including all the important proofs of the theorems and remarks presented in
the text. Once again, the instructor can find the solution manual invaluable in this
case, since it will allow them to select the topics they want to present along with
concrete proofs.
Chapters 3-5 can be used to introduce measure theoretic probability to mathe-
matics and statistics graduate students. Some of the proofs should be skipped since
it would take more than one semester to go through all the material. More precisely,
over the past decade when I taught the advanced probability theory course Stat9810
at MU, I had to omit most of the measure theoretic proofs and be quite selective in
the material for a one-semester course. For example, important theorems and their
proofs, like Fubini, Kolmogorov 0-1 Law, Radon-Nikodym or Kolmogorov Three
Series, should be illustrated to the students in detail.
In contrast, one may skip the proofs of the theoretical development of the
Carathodory extension theorem, or omit the proofs of the decomposition theorems
(Chapter 3) and the compactness theorems of Chapter 5. Of course, most of the
important results in measure and probability theory and their proofs are still there
for the inquisitive student and researcher who needs to go deeper. These chapters
are fairly comprehensive and self-contained, which is important for Ph.D. students
that have not had an advanced real analysis course.
Chapter 6 is a fairly comprehensive account of stochastic processes in discrete
time and in particular Markov chains. This material has been used to teach an intro-
ductory course on stochastic processes to both undergraduate and master’s students
(Stat4850/7850), as well as Ph.D.-level students in one semester (Stat 9820, a con-
tinuation of Stat9810). Note that most of the development and exposition of discrete
Markov chains and processes does not require heavy measure theory as presented
xviii PREFACE
in Chapters 6 and 7, therefore making it accessible to a wide variety of students, in-
cluding undergraduates. A good working knowledge of matrix algebra is required
in this case, which is a requirement for the undergraduate and graduate students
when they take this course. In particular, the instructor simply needs to explain in a
rudimentary way “transition probability measures,” e.g., replace it with the notion
of transition probabilities and matrices, and then the material can be presented to
the students in a non-measure theoretic way.
The material in Chapter 7 has been used to teach stochastic processes in con-
tinuous time to Ph.D. (Stat 9820) and advanced master’s level students, including
topics from Chapter 6, as mentioned above. The instructor can supplement materi-
als from other chapters as they see fit in order to build the mathematical foundations
of the concepts presented as needed. For example, in the beginning of the class we
may conduct a mini review of probability theory and Markov chains before jumping
into continuous time stochastic processes.
As you begin reading, several features that help with the learning process should
immediately draw your attention; each chapter begins with basic illustrations and
ends with a more advanced treatment of the topic at hand. We are exploring and
reconciling, when feasible, both the frequentist and Bayesian approaches to the
topics considered. In addition, recent developments in statistics are presented or
referenced in the text and summary of each chapter.
Proofs for most of the theorems, lemmas and remarks presented in each chapter
are given in the text or are requested as exercises, with the exception of the rudi-
mentary Chapters 1 and 2, where the proofs are requested as exercises only. Proofs
and additional information on the topics discussed can be found in the books or
journal papers referenced at the summary section of each chapter. Of course, the
interested reader can find proofs to selected exercises in the supplementary online
material for the book (see website below).
The theorems and results presented in the text can range from easy to compli-
cated, and therefore, we usually follow them with an illustrative remark or example
to explain the new concept. To further help in our understanding of the material
and for quick reference, various topics and complements from mathematics and
statistics are included in an appendix.
The MATLAB R code used for the examples presented along with solutions
to exercises and other material, such as errata, can be found at the book website
https://www.crcpress.com/9781466515208.

There are many people that have contributed, in their own way, to the creation
of this book. I am grateful to the faculty members of the Department of Statistics at
the University of Missouri, USA, for their constructive interactions and discussions
over the years. In particular, special thanks go to my friends and colleagues Christo-
pher Wikle, Scott Holan, Stamatis Dostoglou and Joe Cavanaugh (University of
PREFACE xix
Iowa), and my friend and mentor Konstantinos Zografos from the Department of
Mathematics, University of Ioannina, Greece. Lastly, my academic advisor, Distin-
guished Professor of Statistics Dipak Dey, Department of Statistics, University of
Connecticut, USA, has been an inspiration to me over the years.
I am grateful to Professors Stamatis Dostoglou, Department of Mathematics,
University of Missouri, USA, Georg Lindgren, Department of Mathematical Statis-
tics, Centre for Mathematical Sciences, Lund, Sweden, and an anonymous re-
viewer, for their invaluable comments and suggestions regarding earlier versions
of the manuscript. Special thanks go to my friend and colleague Distinguished Pro-
fessor Noel Cressie, School of Mathematics and Applied Statistics, University of
Wollongong, Australia, for his support and encouragement over the years as I was
working on the manuscript, as well as for his advice regarding all aspects of the
book, including its title.
Additional thanks go to the hundreds of students for their undivided attention
while they had to take classes from me on these topics and have helped me better
myself through the teaching process. In particular, special thanks goes to all my
graduate students, especially to Jiaxun Chen and Alex Oard. I am also grateful to
Rob Calver, Michele Dimont, Becky Condit and the friends at Chapman-Hall/CRC
for their patience while the manuscript was composed and for their help with the
copy edit process.
Above all, my appreciation and love to my family, my daughters Vaso, Evi and
Christina, my wife Lada and my father Christos, for their unconditional love and
understanding.
I apologize in advance for any typos or errors in the text and I would be grateful
for any comments, suggestions or corrections the kind reader would like to bring to
my attention.
Sakis Micheas
December 2017
 List of Figures

4.1 Displaying random objects: (a) random functions, (b)-(d) random

counting measures showing regularity, randomness and clustering
of the points, (e) random discs, and (f) Gaussian random field. . . 149

7.1 Brownian motion realizations: (a) univariate, (b) bivariate. . . . . 314

xxi
 List of Tables

2.1 Schematic for any hypothesis testing problem along with the
occurrence of the Type I and II errors. . . . . . . . . . . . . . . . 50
2.2 Simulations of Monte Carlo goodness-of-fit tests. We used
L = 100000 predictive samples for n = 10, 50, 100 observed sample
points and the data is simulated from three models Uni f (0, 1),
Gamma(10, 10), and N(−10, 1). We choose λ = 1 for the
hyperparameter, and p pred is provided for four statistics
T 1 (X) = X(1) , T 2 (X) = X(n) , T 3 (X) = X, and T 4 (X) = S 2 . Based on
these results T 1 emerges as the best test statistic in order to assess
the entertained model. . . . . . . . . . . . . . . . . . . . . . . . 64

4.1 Characteristic functions of commonly used continuous

distributions. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
4.2 Characteristic functions of commonly used discrete distributions. 166

xxiii
 List of Abbreviations

a.s. Almost Surely

BCT Bounded Convergence Theorem
Be Beta function
Càdlàg Continue à Droite, Limites à Gauche (RCLL)
cdf Cumulative Distribution Function
cf Characteristic Function
CI Confidence Interval
CLT Central Limit Theorem
CR-LB Cramer-Rao Lower Bound
DCT Dominated Convergence Theorem
ev. Eventually
HBM Hierarchical Bayesian Model
HPD Highest Posterior Density
iid Independent and Identically Distributed
i.o. Infinitely Often
LHS Left-Hand Side
MAP Maximum a Posteriori
MCMC Markov Chain Monte Carlo
MCT Monotone Convergence Theorem
MLE Maximum Likelihood Estimator
MG Martingale
mgf Moment Generating Function
PEL Posterior Expected Loss
pgf Probability Generating Function

xxv
xxvi LIST OF ABBREVIATIONS
PP Point Process
RHS Right-Hand Side
RCLL Right Continuous Left Limits
SLLN Strong Law of Large Numbers
sMG Sub-Martingale
SMG Super-Martingale
TMSO-PPRS Theory and Modeling of Stochastic Objects: Point Processes
and Random Sets
UMVUE Uniformly Minimum Variance Unbiased Estimator
WLLN Weak Law of Large Numbers
wlog Without Loss of Generality
w.p. With Probability
 List of Symbols

Q≪µ Q is absolutely continuous with respect to µ

B(X) Borel sets of the space X
DΨ[0,+∞) Càdlàg space: Ψ-valued functions defined on
[0, +∞) with RCLL
M or M(µ∗ ) Carathéodory measurable sets
n!
C nx = (n−x)!x!
Combination: the number of ways we can select x
objects out of n objects
n! P
k
C nx1 ,x2 ,...,xk = x1 !x2 !...xk !
Multinomial Coefficient, xi = n,
i=1
xi = 0, 1, . . . , n, i = 1, 2, . . . , k
CR[0,+∞) Continuous R-valued functions defined on [0, +∞)
↓ Decreasing Sequence Converging to
d
X=Y X and Y have the same distribution
X ∼ fX , F X , QX X has density fX or cdf F X or distribution QX
x! = 1 ∗ 2 ∗ . . . ∗ (x − 1) ∗ x Factorial of an integer x
F Closed subsets of R p
∀ For every (or for all)
∃ There exist(s)
⇒ Implies
⇔ If and only if
↑ Increasing Sequence Converging to
I(x ∈ A) = IA (x) Indicator function of the set A, 1 if x ∈ A, 0 if x < A
µp Lebesgue measure on R p
ω1 ∨ ω2 max{ω1 , ω2 }
ω1 ∧ ω2 min{ω1 , ω2 }

xxvii
xxviii LIST OF SYMBOLS
an
an = o(bn ) bn
→ 0 as n → ∞
1:1 One-to-one (function)
h dQ i
dµ
Radon-Nikodym derivative of Q with respect to µ
p
R, R Real numbers in 1 and p dimensions
R = R ∪ {−∞} ∪ {+∞} Extended real line
R+ , R0+ {x ∈ R : x > 0}, {x ∈ R : x ≥ 0}
Q⊥µ Q and µ are mutually singular measures
[P], [µ] With respect to measure P or µ
Z Integers, {. . . , −2, −1, 0, 1, 2, . . .}
Z = Z ∪ {−∞} ∪ {+∞} Extended integers
Z+ , Z+0 , Z+ {1, 2, . . .}, {0, 1, 2, . . .}, {0, 1, 2, . . . , +∞}
Exploring the Variety of Random
Documents with Different Content
The Project Gutenberg eBook of Suomen
päivä; Herra koulumestari
This ebook is for the use of anyone anywhere in the United States
and most other parts of the world at no cost and with almost no
restrictions whatsoever. You may copy it, give it away or re-use it
under the terms of the Project Gutenberg License included with this
ebook or online at www.gutenberg.org. If you are not located in the
United States, you will have to check the laws of the country where
you are located before using this eBook.

Title: Suomen päivä; Herra koulumestari

Kaksi 1-näytöksistä kuvaelmaa

Author: Urho Wiljo Walakorpi

Release date: January 24, 2024 [eBook #72790]

Language: Finnish

Original publication: Hämeenlinna: Boman & Karlsson, 1906

Credits: Tapio Riikonen

*** START OF THE PROJECT GUTENBERG EBOOK SUOMEN PÄIVÄ;

HERRA KOULUMESTARI ***
SUOMEN PÄIVÄ; HERRA KOULUMESTARI

Kaksi 1-näytöksistä kuvaelmaa

Kirj.

URHO HAAPANEN [U. W. Walakorpi]

Hämeenlinnassa, Arvi A. Karisto, 1906.

SUOMEN PÄIVÄ
Runokuvaelma
HENKILÖT:

LOUHI.
ERÄS VANHA MIES.
NUORI TYTTÖ.
Suomalaisia sotureita.
Pohjolaisia sotureita.

NÄYTTÄMÖ:

Metsä. Taustana järviä, kukkuloita, laaksoja. — Yö. Aivan pimeä.

Eräs vanha mies, sauvan nojassa kulkeva, tulee nuoren tytön

taluttamana.

Kyynelissä ovat miehen silmät, murhe kasvoista kuvastuu, pilvien

peittämänä on otsa.

TYTTÖ:

Mitä itket, oi isoni?

MIES:

Kysytkö sa mitä itken! Etkö näe, etkö tiedä, ett' on kyllin suruun
syytä! Katso: yö on yllä maiden, maa on tumma, taivas tumma,
kaikk' on synkkää, sumeata. Onko kumma, vaikka itken: Vankina on
Suomen päivä, sammunut on salon huomen, välkettä ei ees ainoata
välky Suomen taivahalla. Louhi, Pohjolan emäntä, akka kuulu,
käykkäleuka, kytki päivän kalliohon, kytki kuun ja telki tähdet Vaaran
vaskisen sisähän. Iloa ei maailmassa, kun on poissa aurinkoinen, kun
on Valkeus kadonnut, laannut päivä paistamasta.

TYTTÖ:

Eikö sitten koskaan koita aika armaampi, parempi?

MIES:

Kuka tietää, kuka tietää.

Ehkä joskus taikk' ei koskaan —
En ma toivo, en ma luota.

TYTTÖ:

Ainako siis yö on yllä, ainako siis Suomenmaassa pirtit tummat ja

pimeät? Niinkö arvelet, isoni?

MIES:

Kuka tietää, kuten sanoin.

Ainakin nyt siltä näyttää.

TYTTÖ:

Voip' on aikaa ankarata! Itkettääpi jo muakin. Vuotakaatte,

kyynelhelmet, läikkykäätte, surunhelmet! Kun on Suomella surua,
niin on multakin surua: olenhan ma Suomalainen.

MIES:
 Itke, lapsi, itke, itke!
Itke kohtalon kovuutta,
taivaan taaton ankaruutta!
(Silmäilee ympärilleen.)
Miten synkkää, miten tummaa!

Pitkä äänettömyys.

YÖN IMPIEN LAULU:

Etäältä, hymisten.

Sammunut Suomen on päivä, yllä on ikuinen yö, yötärten

karkelo kaikuu, kuolema kannelta lyö.

Sammunut Suomen on päivä, synkkä on taivas ja maa,

ihmiset itkee ja kärsii, kaikki on murheissa. Sammunut
Suomen on päivä — Tuskinpa milloinkaan nousee se taivaalle
taasen syttyen uudestaan.

TYTTÖ:

Taatto!

MIES:

Mit' on sulia sanomista?

TYTTÖ:

Eikö sitten enää löydy Suomessamme sankaria, joss' ois miestä

miekallansa päivän poies päästämähän Pohjolan kivimäestä, vaaran
vaskisen sisästä? Eikö enää löydy miestä, joka voittais Louhen
vallan?

MIES:

Turhia sa tutkaelet! Kuollehet on sankarimme, kuolleet Kullervo-

urohot! Ei oo enää miestä meillä! (Äänettömyys.) Voi, jos oisi mulla
vielä voimat entiset, verevät, kalpaa jos ma vielä voisin käyttää,
kalpaa tuliterää, niin ma Suomeni surusta vapahtaisin! Suomen
päivän päästäisin kivimäestä, nostaisin sen taivahalle paistamahan,
päilymähän ihmisten iki-iloksi.

Mutta heikko, heikko olen, sotatielle en ma kelpaa kalpaa en ma

jaksa käyttää: Voima, voima on kadonnut!

LOUHI Tulee:

Ehkä Vielä jaksaisitkin!

Hahhah! Hahhah!

MIES:

Kuka nauroi?

LOUHI:

Minä nauroin, minä tein sen.

MIES:

Ken sa olet?

LOUHI:
 Pohjan Louhi. Sama, jota sadattelit tuossa äsken, ukko rähjä.

MIES:

Mitä teet sa Suomenmaassa?

LOUHI:

Kuljen aikani kuluksi.

MIES:

Sanon sulle: riennä täältä, lähde lentäen, pakene pimeähän

Pohjolaasi! Ei ole sijoa sulla Suomen sukuisten seassa.

LOUHI:

Ei oo kiirett' temppelihen!
Lähden silloin kun ma lähden.

MIES:

Tee se heti, taikka, taikka…

(Uhkaa häntä sauvallaan)
Poistu Suomelan saloilta,
mene sinne mistä tulit!

LOUHI:

Kas, jo myrsky on tulossa!

MIES:
 Minne panit sa Suomen päivän?

LOUHI:

Vähänpä sa, ukko, tiedät!

Se on lukkojen takana,
etkä sinä ainakana
Ole sitä sieltä saava.

MIES:

Ellen minä, joku toinen.

LOUHI:

Hassutusta! Mull' on mahti.

Teill' ei mitään. Mull' on Voima.
Teill' ei mitään… ei niin mitään.

MIES:

Suuret, suuret on sanasi!

Saadaan nähdä!

LOUHI:

Saadaan nähdä!
Hahhah, hahhah! Naurattaapi;
Heitä hiiteen haavehesi!
Heitä pois ne, ukko-kulta!

MIES:
 Tuki suusi, akka ruoja! Pidä kiinni sa kitasi! Eliös ilku sa ennen
aikaa! Viel' on aika suuri saava, jolloin vailla valtaa olet, jolloin päiv'
on päästettynä Louhen lukkujen takoa.

LOUHI:

Aika tuo ei koskaan koita! Mull' on taiat taskussani, mull' on miestä

niinkuin heinää aina vaarojen varalta…

MIES:

Miestä myös ei meiltä puutu.

LOUHI:

Untelotta urohia, pelkureita järjestänsä! Sellaisia teidän miehet.

MIES:

En ma viitsi riitaan käydä puolihupsun akan kanssa. Kuka elää, se

näkevi.

(Kirkas leimaus. Sitten pimeys.)

TYTTÖ:

Kas, jo päivyen välähdys!

MIES:

Totta! Päivyen välähdys!

LOUHI:
 Mitä lausuitte? Välähdys?
Minähän en mitään nähnyt. . .

(Kirkas leimaus.)

MIES:

Taas! On vapaa Suomen päivä

TYTTÖ:

Vapaa, Vapaa! Mun isoni!

(Näyttämö valkenee vähitellen. — Louhi katsoo kummastellen.)

MIES:

Terve sulle, päivä uusi, terve, ihmeisen ihana! Kiitos, taatto

taivahassa, että vielä löytyi maassa miestä miekankäyttäjätä! Sit' en
äsken luullut oisi. Nyt sen uskon ja häpeän sanojani äskeisiä… Anna
ne anteeksi, jumala! Puhuinhan ma tietämättä. (Louhelle.) Akka, mi
on aatoksesi?

LOUHI:

Näätte varmaankin näkyjä!

(Erikseen.)
Onko totta tää Vai unta…?

MIES:
 Tule! Katso! Tuoll' on taasen hymyhuuli aurinkomme, Tuolla
taivahan laella paistamassa, poistamassa Suomen yötä synkeätä…
Katso, Louhi, tuolla, tuolla! Voitettu sun valtas ompi…

LOUHI erikseen:

Kuolo, kuolo ja kirous!

(Aseiden kalsketta.)

MIES:

Kuule! Sankarit tulevat… Paras, että laitat luusi tästä hieman

loitommalle . . .

LOUHI:

Luuletko, ma että pelkään?

MIES:

Siit' ei epäilystä.

LOUHI:

Mokomia! Hahhah, hahhah! Tiedä, että Pohjan Louhi ei ole

konsana pelännyt eikä anonut armahdusta, madellut matona
maassa! Ylpein otsin käy hän aina — Se sa tiedä, ukko rähjä! — Nyt
ma menen, mutta kerran tulen kuin tulenkin takaisin. Silloin vapise,
Kalevan kansa, pelkää, pelkää ja vapise! En ma tule tuulispäänä
vienona ja hiljaisena, tulen koskena kohisten, rajusäänä raivokkaana,
tulen melskeellä, melulla… Silloin vapise, Kalevan kansa!
 (Pois.)

MIES:

Akoilla aina on lorunsa,

suut on suuret naikkosilla!
Kuka elää, se näkevi! —
Taisi eukko vimmastua…
No — ei ihmett' ollenkana:
Menetti aarteensa ihanat. —
Kas, jo sankarit tulevat!
(Suomalaisia sotureita tulee.)
Terve teille, ylevät urhot!
Terve, kolminkertaisesti terve!
Terve, maani parhaat pojat!
Kiitos työstänne jalosta!
Siitä koko Kalevan kansa
kantava on kiitostansa
teille aina ja alati!

TYTTÖ:

Aina, aina ja alati!

ERÄS SOTURI:

Elkää ennen ylistelkö kuin on leikkimme verinen leikittynä loppuun

asti. Viholliset meitä Vaanii… Kas, jo tuolla ne tulevat. (Miehille.)
Valmiit olkaa. Kohta tässä sodan liekit leimuavat. Miekat esiin.
Rohkeutta. Voitto meidän on oleva!

(Valmistautuvat.)
 Esiin hyökkäävät POHJOLAISET:

(Taistelu. — Tyttö juoksee pakoon.)

ERÄS POHJOLAINEN:

Eespäin, uljaat Pohjolaiset!

Lyödään maahan Kalevan miehet!

LOUHI syöksyy esiin:

Niin, kas niin, mun poikaseni, sillä tavoin, sillä tavoin! Vielä mekin
voittaa voimme, Vielä onni meitä suosii, viel' ei kaikk' ole hukassa.

MIES ottaa taisteluun osaa hutkien sauvallaan:

Pidä kiinni sa kitasi, heitä hullut haavehesi! Sun me syöksemme

pakohon koko laumasi keralla… Eläköhön suomalaisuus!

SUOMALAISET:

Eläköhön Suomen kansa!

LOUHI:

Uljuutta, mun poikaseni.

Palkkanne suuri on oleva!

SUOMALAISET:

Paetkaa, Pohjan peikot!

Pois jo tieltä! Me tulemme!
 (Tuima taistelu. Pohjolaiset pakenevat. Taistelu siirtyy edemmäksi.)

LOUHI jää yksikseen näyttämölle:

Kuolo, kuolo ja kirous! Pakohon käy Pohjolaiset, uroot uhkeat ja

verevät! Oi on, oi on onnettomuutta, oi on päivyttä pimeää! Kaikk'
on mennyt! Heill' on voitto. Mull' ei mitään, ei niin mitään! Kukistunut
valta-istuin ompi ylpeen Pohjan Louhen!

Oi, te untelot urohot, miehet pelkurit ja raukat, teidän syytänne

tää kaikki — Sit' en jätä kostamatta — Jumalauta! sen ma vannon.

(Pois.)

MIES tulee kotvasen kuluttua:

Pakoon kaikki, pakoon kaikki! Voiton saavat meidän miehet. Ylös

vuorille paeten rientää Pohjan poikain parvi, rientää kuni
lammaslauma risahduksen kuultuansa.

Kiitos, taatto taivahassa, kiitos teille, Suomen miehet, kiitos,

urheat urohot!

TYTTÖ tulee, syleilee taattoansa:

Nyt olen iloinen, isoni!

Oothan siekin ilomiellä?

MIES:

Kuinka kysyt sellaisia! Enkö nyt ma riemuitseisi! Onhan lyöty

Pohjan pojat; onhan kaattu kuolon valta, onhan taasen taivahalla
päivä ihmeinen ihana.
 (Linnut laulaa. Yhä valkeammaksi muuttuu ilma.
Käenkin kukuntaa rupeaa kuulumaan.)

Katso, kuinka kirkkahana maallemme se hymyääpi!

Katso, kuinka luonto loistaa, läikkyy veet ja kummut kukkii aamun

armahan valossa!

Kuule kuinka linnut laulaa, kuule, kuinka käet kukkuu Suomen

onnea, suloa iloks' ihmislapsosille!

Mutta kaikkein kauneimpana helähtääpi huomenvirsi maista,

metsistä, vesistä, kummuilta ja kukkuloilta; sitä laulaa maa ja taivas,
se soi virtain välkkehessä sekä koskien kohussa. Kuunnelkaamme!

HUOMENVIRSI:

Alkaa helkkyä ensin hiljaisena sitten kasvavana, valtavana.

— Sävel: Maa isänmaamme Suomenmaa…

Jo hälvennyt on synkkä yö,

tuo raskas, painava!
Taas taivaalla on valovyö,
taas helppoa on toimi, työ,
kun valkeus on herrana
maassamme armaassa.

Soi laulu, soinnu suruton!

Nyt juhlii Suomenmaa:
Voitettu Louhen valta on,
ja syösty on hän pakohon…
 Ei päivyttä tän kauniimpaa!
Uus' aika tänne saa.

Soi laulu kirkas, keväinen, sa kaikkein huulilta, soi niinkuin

soitto läntisen, soi niinkuin uhma ukkosen, soi metsistä ja
vaaroilta: on juhla Suomessa.

MIES on lakki kädessä laulua kuunnellut:

Tuntuu niinkuin nuorenisi, tuntuu niinkuin uudestansa oisi nuori ja

verevä. — Eikö oo tää kaunist' kaikki?

TYTTÖ:

Totta, totta mun isoni! En ma tiedä miten voisin iloani ilminäyttää;

mutta sen, sen ma tiedän, että onni maan ja taivaan sielussani
sulauupi yhteen yhdeksi iloksi; ja sen tiedän, että mielein kirkas on
kuin suvipäivä, ja sen, että rintani mun lyö ja velloo lähteen lailla,
pulppuaa kuin kevätpuro nuorna, nuorna ja pyhänä…

MIES:

Samallaista miekin tunnen, ja en myöskään tiedä miten iloani

ilminäyttää voisin muille ja sinulle.

Ah! En uskonut olisi, että myöskin minä vielä näkevä oon

onnellisna maani armahan, ihanan. — Nyt ma kuolen mielelläni, nyt
ma pääni lepoon painan onnellisuus otsalla ja huulosilla hertas hymy.

Kiitos, taatto taivahassa, kiitos, julkinen jumala, että annoit aamun

uuden, että päästit päivyemme Pohjolan kivimäestä, vaaran vaskisen
sisästä, takaa Louhen telkimien! Ilman sinun apuasi ei ois mitään
aikaan saatu: sinä meille voiton annoit, siksi kiitän ma sinua.

Terve, päivä, kirkas päivä, terve huomen hohteleva, joka jäljestä

surujen taivaallamme päilyt taasen!

Esirippu.

HERRA KOULUMESTARI

HENKILÖT:

Koulumestari. Maiju, hänen emännöitsijänsä, 50 vuotias. Pekkola,

Koulumestarin tuttavia.

Tapahtuu eräänä sunnuntai-iltapäivänä Koulumestarin luona.

NÄYTTÄMÖ:

Koulumestarin huone. Kalustus yksinkertainen ja vaatimaton:

pöytä, pari tuolia ja sohva, seinällä muutamia tauluja ja iso
seinäpeili. Pöydällä pinkka paperia. Perällä ja oikealla ovi.

Koulumestari aamunutussa ja tohveleissa.

Koulumestari: Maiju!

Maiju: (Kyökissä.) Täällä ollaan. (Tulee oikealta.)

Koulumestari: Mitä kuuluu, Maiju?

Maiju (Niiaten): Kiitos kysymästä, herra Koulumestari! Minä voin

erittäin hyvin.

Koulumestari: Siis terveenä. Se on hyvä se. Terveys on hyvä asia.

Se on lahja jumalalta, mutta sitäkään ei ole kaikille annettu… Jaha,
jaha… (Kävelee hajamielisenä.) Jaha, jaha… Onko Maiju niin kiltti ja
tuo tänne saappaani ja nuttuni… frakkini… ymmärrätkö?

Maiju: Kyllä, kyllä. (Aikoo mennä.)

Koulumestari: Kuulehan, älä vielä! Kalvosimeni ja kaulukseni tuo

myöskin tänne. Älä myöskään unhota valkoista rusettiani… pientä
valkoista rusettiani… ymmärräthän?

Maiju: Tietysti minä ymmärrän, herra Koulumestari.

Koulumestari: Vai niin… Tietysti sinä ymmärrät… Jaha. Tietysti

sinä ymmärrät… heh, heh… No niin… Kiiruhda sitten vaan… tuo
esitelmä…

Maiju: Paikalla, herra Koulumestari. (Menee.)

 Koulumestari (Kävelee edestakaisin mietteissään leukapartaansa
sivellen): Tämä on siis vihdoin tullut tämä suuri päivä, tämä odotettu
päivä, jolloin minä ensikertaa esitelmänpitäjänä esiinnyn. Olen jo
viisiviidettä vuotta tämän maailman matoisia maita tallustanut, mutta
eipä vielä koskaan ennen ole minulle tällaista suuriarvoista tilaisuutta
avautunut. Esiintyä julkisesti, saada puhua kansajoukolle, saada
ilmituoda omia ajatuksiansa! Olisinko voinut kuvitella mitään
tämäntapaista! Ja kumminkin tapahtuu se aivan pian… aivan pian…
Niinpä niinkin! Sinä et olekaan niin tyhmä mies, Koulumestari! Sinulla
on päässäsi paljon sellaista, mistä ei monella muulla ole edes
aavistustakaan… ei aavistustakaan… Eipä sitä vaan joka miestä
pyydetä esitelmää pitämään, eipä sitä vaan joka miestä tulla lakki
kourassa kumartelemaan, alamaisimmasti anoen, että "olisimme
hyvin onnelliset jos te, hyvä herra, jos te herra Koulumestari, joka
yleisesti olette tunnettu taitavaksi puhujaksi, tekisitte meille niin
ystävällisen palveluksen ja hyväntahtoisuudessanne — tietysti vaan
pelkässä hyväntahtoisuudessanne — avustaisitte meitä ohjelman
suorittamisessa… pitämällä esimerkiksi lyhyen esitelmän… lyhyen
esitelmän…" Tjaah! Tästä ajatella voi useammallakin tavalla…
johtopäätös on kumminkin aina oleva sama. Siitä ei pääse yli eikä
ympäri. Alatpa tulla huomatuksi henkilöksi, Koulumestari! Ja
huomatuksi ei kai tässä maailmassa pääse kukaan, ellei hänellä ole
pääkuoressaan jotakin muutakin kun paljaita höyheniä… Vai mikä lie
muiden mielipide tästä asiasta! (Maiju, tuoden saappaita, kalvosimia
y.m. tarpeita, tulee.)

Maiju: Tässähän minä olen, herra Koulumestari.

Koulumestari: Ja tavaraa on sinulla koko kantamuksellinen.

Maiju: Niin, herra Koulumestari… Tässä on saappaanne…

 Koulumestari: Jaha, siinä on saappaani…

Maiju: Olen ne parhaani mukaan putsannut ja plankannut.

Koulumestari: Jaha, jaha… sen minä kyllä uskon. Sinä olet

todellakin kuuliainen ja kiltti tyttölapsi, Maiju.

Maiju: Ja tässä on kauluksenne ja kalvosimenne. Katsokaahan

miten kiiltävät!

Koulumestari: Jaha, Maiju… Minä näen että ne kiiltävät…

(Itsekseen.) Oikein uskollinen ja hyväluontoinen palvelija.

Maiju: Ja tässä frakkinne… Olen harjannut sen niin puhtaaksi kuin

mahdollista.

Koulumestari: Jaha, jaha. Kiitoksia, kiitoksia, paljon kiitoksia!

Kaikki teet aina täsmällisesti ja huolellisesti, (itseks.) Voiko missään
maakunnassa löytyä miellyttävämpää lapsukaista! Niin herttaista,
niin sydämellistä hänen esiintymisensä… rakastettavaa, vähintäin
rakastettavaa… suloista! — Minun täytyy palkita häntä jollakin
tavalla. Kunpa nyt keksisin vaan… (Ajattelee.) Aivan oikein: hänellä
on liian huono palkka. (Maijulle.) Kuuleppas, Maiju! Sinä olet vanha
ja koeteltu palvelija.

Maiju (Syvään niiaten): Koetan olla kykyni jälkeen, herra

Koulumestari.

Koulumestari: Mutta sinulla on aivan liian huono palkka.

Maiju: Ah, herra Koulumestari…!

Koulumestari: Ainoastaan kahdeksan markkaa kuukaudessa.

 Maiju: Siihen olen erittäin tyytyväinen, herra Koulumestari.

Koulumestari: Palvelijalla pitää olla — se on aina ollut minun

prinsiippini — palkka hänen töittensä jälkeen. Ja sentähden
ylennänkin sinun palkkaasi kahdella markalla kuukaudessa.

Maiju (Syvään niiaten): Miten minä voin kiittää teitä, herra

Koulumestari!

Koulumestari: No no, Maijuseni, eihän tässä nyt… tämän olet

rehellisesti ansainnut… Pääasia on vaan se, että olet tyytyväinen
palveluspaikkaasi ja isäntääsi… Se on pääasia… Niin! Tyytyväisyys on
hyvä avu. On ihmisiä, jumala paratkoon, jotka eivät ole koskaan
tyytyväisiä. Niin!… (Katsoo kelloansa.) Mutta nyt täytyy sinun jättää
minut muutamaksi hetkiseksi yksikseni ja mennä askareillesi, sillä
minun tulee pukeutua ja eihän ole oikein soveliasta, että…

Maiju (Hymyillen): Kyllä ymmärrän, herra Koulumestari. (Menee

niiaten.)

Koulumestari: Hän on erinomainen lapsi tuo Maiju. Muuta en taida

sanoa hänestä. Rehellinen, kuuliainen, ahkera ja ymmärtäväinen…
Mitäpä enempää voisi palvelijalta toivoa? Olipa oikein hyvä, että
ymmärsin hieman korottaa hänen kehnoa palkkaansa; se teki hänet
entistä iloisemmaksi ja toimeliaammaksi.

Jaha… mutta pukeutua täytyy. (Heittää aamunuttunsa tuolille ja

alkaa pukeutua.) On tosiaankin sangen suuri kunnia saada julkisesti
esiintyä… Sinne iltamaan tulee varmaan myös lukkarikin, tuo
pienipäinen elukka, joka aina on huutanut, ettei minun päävärkissäni
muka ole kaikki ruuvit oikeilla paikoillaan… Heh, sehän todistaa
selvää hulluutta lukkarista itsestään, että hän, joka on olevinaan
täysijärkinen, sanoo minua, selväpäistä miestä, hulluksi! Saapas
nähdä mitä se urkujenpolkija tänä-iltana hoilaa, kun saa kuulla
puheeni… eiköhän venyne hänen joutsenkaulansa jotakuta tuumaa
pitemmäksi? Mokomakin vääräsääri… kuin aivastus seipään nenässä
koko mies!

Ai ai miten hemmetin kiiltäviksi se Maijun typykkä nämä saappaat

on kiillottanut! Ja entäs sitten kalvosimet ja kaulus! Kaikki välkkyy ja
hohtaa kuin ensi-lumi mustassa maassa. Erinomainen lapsi!
Löytyisipä hänen kaltaisiaan olentoja vaan useampia tässä
matoisessa maailmassa! Olisipa edes joka tuhannella isännällä yhtä
ymmärtäväinen ja älykäs apulainen! Niin ei kumminkaan, ikävä kyllä,
ole laita. Palveluspiiat ja palkolliset eivät enää tuskin rahtuakaan
välitä velvollisuuksistaan, he tahtovat itse päästä määrääjiksi ja
käskijöiksi, ja sanokoonpa isäntä heille vaikkapa parikin sanaa
opastukseksi: heti on talosta rauha ijankaikkisesti kadonnut.
Surullinen, mutta ylitsepääsemätön totuus. Elämä käy perikatoansa
kohti… (Ihailee itseänsä peilistä.) Mutta niinpä olenkin minä jo
saanut valmiiksi itseni. Tämä puku sopii minulle kerrassaan
mainiosti, se ei ole hullumpi, ei totta maar olekaan! Kunpa vain
varmasti tietäisin, että pappilan Katri-neiti tulee tuonne
juhlatilaisuuteen… Olisi ihme, ellei hän edes hiukkasta minuun
ihastuisi… Kaunis tyttö… Olen luullakseni rakastunut häneen… Ja
kuka voi vannoa, ettei hänkin ole rakastunut minuun! Tapahtuuhan
elämässä muutenkin niin monenkaltaisia asioita… Sitäpaitsi en minä
vielä ole liian vanha mies kauniillekaan tytölle. Enkä ole aivan
rumakaan… varsinkaan tässä puvussa… Kuka tietää, vaikka vielä
kerran… (Naurahtaa.) Onhan paljon ihmeellisempääkin sattunut…
Niin, Katri-neiti, kuka tietää, kuka tietää… (Järjestelee peilin edessä
pukuaan. Tekee erilaisia liikkeitä: kumarruksia y.m. — Maiju ilmestyy
ovelle; Koulumestari ei heti huomaa hänen tuloaan.) Maijuko siellä?
Mitä sinulla on asiaa?

Maiju: Ettei herra Koulumestari nyt vaan pahastuisi, kun minä tulin
häiritsemään… Se esitelmä…

Koulumestari: Esitelmi!

Maiju: Niin, herra Koulumestari… se esitelmä… Ettei herra

Koulumestari vaan myöhästyttäisi itseään.

Koulumestari (Vilkaisten hätäisesti kelloonsa): Mutta kellohan on

vasta neljä…

Maiju: Vasta neljä! Ja minä kun luulin…

Koulumestari: Sinä olet aivan liian huolehtivainen, Maiju. En tahdo

sinua kumminkaan sen takia moittia, sillä tiedänhän että teet kaikki
hyvässä tarkoituksessa. — Vasta neljä on kello… se käy varmasti
oikein… kello viisi alkaa iltama. Tässä on aikaa vielä yllin kyllin…

Maiju: Herra Koulumestari antaa anteeksi…

Koulumestari: No no, ei mitään anteeksi pyydettävää! —

Kuuleppas, odota vähän! — Luuletko että tuonne iltamaan tänä-
iltana tulee paljon väkeä?

Maiju: Eiköhän sitä tule… ainakin minä arvelen…

Koulumestari: Ehkä pappilan herrasväkikin tulee sinne?

Maiju: No nehän nyt kaikissa ovat mukana!

Koulumestari: Ja Katri-neiti myös!

 Maiju: Kyllä kai.

Koulumestari: Jaha, Maiju luulee siis, että Katri-neitikin tulee

nuiden joukkoon?

Maiju: Aivan varmaan hän tulee.

Koulumestari: Mitä Maiju muuten pitää Katri-neidistä? Eikö hän ole

kaikinpuolin kiltti ja hyvä tyttö?

Maiju: Eikä yhtään ylpeäkään niinkuin ne muut.

Koulumestari: Ei, ei, ylpeä ei hän ole. Kaunis on hän myöskin?

Maiju: Se nuori maisteri kuuluukin sitä par'aikaa hakkailevan.

Koulumestari: Hakkailevan? Kuinka? Sanoitko sinä että nuor'

maisteri hakkailee Katri-neitiä?

Maiju: Niinhän ne kuuluvat kylällä kertovan, ja ainahan ne

muutenkin näkyvät olevan yhdessä, niin että eikö siitä lopulta rupea
valmista tulemaan…

Koulumestari: Vai niin, (itsekseen.) Vai sillä tavallako…? (Maijulle.)

Ehkä sinä sittenkin olet erehtynyt, Maiju? Ehkä se on Helmi-neiti,
jota tuo maisteri — —

Maiju: Ei, kyllä se se nuorempi on, se Katri-neiti. Muistan ihan

varmaan.

Koulumestari (Hermostuneesti): Ja sehän nyt on oikeastaan aivan

sama kumpiko se on. Mistä lieneekään päähäni pälkähtänyt ruveta
kyselemään… Aivan sama… (Äänettömyys.) No niin! (Katsoo kelloa.)
Tässä onkin pian kiireet käsissä… Mene sinä Maiju kulta taas
hetkeksi askareillesi, minun pitää hieman tarkastella tuota
esitelmääni… (Itseks.) Vai nuori maisteri! (Maijulle, joka juuri on
sulkemaisillaan oven jälkeensä.) Kuuleppas! Olisi eräs pieni asia…
tuota… tuota…

Mutta sinähän näytät hirveän alakuloiselta? Onko kukaan tehnyt

sinulle mitään pahaa?

Maiju: Eihän toki.

Koulumestari: Kaikessa tapauksessa on sinulle tapahtunut jotakin

salaperäistä… Aivanhan sinä miltei itket! Sano minulle, Maiju
typykkäiseni, mikä sinua vaivaa?

Maiju (Itsekseen): Hän on aina niin hyvä. Oi jospa hän tietäisi

miten paljon häntä rakastan, ja nyt hän on varmaankin kukaties
miten hellästi kiintynyt tuohon pappilan kaunottareen.

Koulumestari: Sinä et vastaa, Maiju?

Maiju: Ei kukaan ole minua loukannut.

Koulumestari: Onko se aivan totta myös? No niin, minä luotan

sinuun, Maiju… ethän sinä osaisikaan valehdella. — Tuota, mitä se
olikaan, kun minun piti sanoa…? (Miettii.) Tuota… Aivan oikein!
Minun piti sanoa, että jos Maiju olisi niin kiltti ja menisi hetkeksi
askareilleen, niin että minä saisin täydessä rauhassa — sinä
ymmärrät — hieman tarkastella tuota esitelmääni…

Maiju: Mutta herra Koulumestarihan käski äsken minua takaisin…?

Koulumestari: Niin juuri, tuota, se oli juuri tuo äskeinen asia, josta
minä tahdoin huomauttaa… taota…
 Maiju (Itsekseen mennessään): Herra Koulumestari on tänäpänä
ihmeellisen hajamielinen.

Koulumestari: Mikähän lienee tytölle tullut? Näytti kovin

murheelliselta… (Kävelee ja miettii.) Vai nuori maisteri! Olisikohan
asianlaita tosiaankin niin… Ehkä ovat he jo kiilloissakin? Ehkä pitävät
pian häitänsäkin? Ja minä, joka en ole hetkeksikään antanut hänen
ajatuksistani poistua! Hm!… Lienee parhainta, että koetan unhottaa
koko naikkosen. Lienee parhainta, että… (Katsoo kelloansa.) Pitää
sitäpaitsi kiirehtiä. (Käy peilin eteen.) Kyllä kai minä sitten olen täysin
valmiina? Frakkini näyttää vielä melkoisen hyvältä, vaikka ikää sillä
kyllä lieneekin enemmän, kuin monella harmaapäällä. Perintönä on
se kulkenut isoisältäni, joka teetti sen itselleen ottaessaan yhden
elämän suurista askeleista: mennessään naimisiin. Häneltä peri sen
isäni, joka taas vuorostaan testamenttasi sen minulle, pojalleen. Siis
vanha on takkini, mutta melkeinpä varma olen, ettei tarkinkaan
keikarin silmä siinä mitään epämuodikasta löytävä ole. Valmis tulen
astumaan puhujalavalle, kukitetulle puhujalavalle, lausuakseni
puheeni yleisölle, joka seurahuoneen laajan salin täyttää ääriään
myöten. Tämä on tosiaankin kunniakasta, kaunista, suurta, ihanaa…
Tämä päivä on juhlien päivä. En vaihtaisi tätä tilaisuutta millinkään…
(Ottaa pöydällä olevan paperipinkan käteensä ja alkaa peilin edessä
erilaisia liikkeitä tehden juhlallisena lukea.) "Arvoisat kansalaiset!
Naiset ja herrat! Me olemme kokoontuneet tänne tänä-iltana
virkistyäksemme, juhlia pitämään, eri kulmilta olemme me tänne
kokoontuneet. Me olemme tänne riemukkain mielin ja iloisin sydämin
kokoontuneet, sillä elähyttäväthän meitä itsekutakin samat
pyrkimykset, samat harrastukset, jalot harrastukset, harrastukset
kodin, kotilieden, synnyinmaan ja kansallisuutemme turvaamiseksi.
Kukapa ei tällaisista harrastuksista olisikaan elähytetyksi tullut!
Arvoisat kansalaiset! Puhun teille kuin ystävilleni konsanaan. Puhun
teille näin, koska luulen tarkkaan tietäväni mikä syvimmällä teissä
liikkuu. Eikö ole se rakkaus kansaamme kaunokaiseen, maahamme
tuhatjärviseen, maahamme ihanaan, avaraan, josta runoilija
hehkuvassa laulussaan laulaa:

"Ja tässä, täss' on tämä maa, sen näkee silmämme, me

kättä voimme ojentaa ja vettä, rantaa osoittaa ja sanoa: kas
täss' on se, maa armas isäimme!…"

(Tavallisella äänellä puhuen.) Kyllä se tuntuu menevän. Saapas

nähdä, (pyyhkii otsaltaan äskeisen innostuksen synnyttämää hikeä)
eivätkö joudu hurmauksiin puheistani. Ja sitten se Katri-neiti — — —
Ässh! Mitäpä hänestä! — Paha vain, ettei Maiju-rukka saa kuulla
esitelmääni… ehkä hän hyvinkin mielellään' tulisi mukaan… No,
mutta käyhän se kylläkin laatuun: voinhan ostaa hänelle pääsylipun
— sillä suoriudutaan siitä. Ihmeellisen näppärä päähänpisto! (Huutaa
ovelta.) Onko Maiju niin hyvä ja tulee vähän tänne.

Maiju: (Kyöklssä.) Aivan heti. (Tulee.)

Koulumestari: Kuuleppas, Maiju, sinun varmaan myös tekisi mielesi

iltamaan?

Maiju: Ettäkö iltamaan?

Koulumestari: Mitä, etkö haluaisi?

Maiju (Naurahtaen): Mitäpä minä vanha ihminen siellä enää…

Koulumestari: Minä vain ajattelin ostaa sinulle pääsylipun, mutta

ellet sinä — —

Maiju: Herra Koulumestari on nyt aivan liian hyvä!

Welcome to our website – the ideal destination for book lovers and
knowledge seekers. With a mission to inspire endlessly, we offer a
vast collection of books, ranging from classic literary works to
specialized publications, self-development books, and children's
literature. Each book is a new journey of discovery, expanding
knowledge and enriching the soul of the reade

Our website is not just a platform for buying books, but a bridge
connecting readers to the timeless values of culture and wisdom. With
an elegant, user-friendly interface and an intelligent search system,
we are committed to providing a quick and convenient shopping
experience. Additionally, our special promotions and home delivery
services ensure that you save time and fully enjoy the joy of reading.

Let us accompany you on the journey of exploring knowledge and

personal growth!

textbookfull.com