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

com

Introduction to Probability for Computing 1st

Edition Harchol-Balter

https://textbookfull.com/product/introduction-to-
probability-for-computing-1st-edition-harchol-balter/

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.

Introduction to Probability David F. Anderson

https://textbookfull.com/product/introduction-to-probability-david-f-
anderson/

textboxfull.com

Introduction to Probability Second Edition Joseph K.

Blitzstein

https://textbookfull.com/product/introduction-to-probability-second-
edition-joseph-k-blitzstein/

textboxfull.com

Introduction to Probability and Statistics for Engineers

and Scientists 6th Edition Sheldon M. Ross

https://textbookfull.com/product/introduction-to-probability-and-
statistics-for-engineers-and-scientists-6th-edition-sheldon-m-ross/

textboxfull.com

Introduction to Probability and Statistics Metric Edition

1925-2009) Mendenhall

https://textbookfull.com/product/introduction-to-probability-and-
statistics-metric-edition-1925-2009-mendenhall/

textboxfull.com
Introduction to Probability and Statistics (Metric
Version) 15th Edition William Mendenhall

https://textbookfull.com/product/introduction-to-probability-and-
statistics-metric-version-15th-edition-william-mendenhall/

textboxfull.com

Introduction To Probability 2nd Edition Dimitri P

Bertsekas John N Tsitsiklis

https://textbookfull.com/product/introduction-to-probability-2nd-
edition-dimitri-p-bertsekas-john-n-tsitsiklis/

textboxfull.com

Introduction to Probability and Statistics - Metric

Version, 15e William Mendenhall

https://textbookfull.com/product/introduction-to-probability-and-
statistics-metric-version-15e-william-mendenhall/

textboxfull.com

Introduction to the History of Computing A Computing

History Primer Gerard O’Regan

https://textbookfull.com/product/introduction-to-the-history-of-
computing-a-computing-history-primer-gerard-oregan/

textboxfull.com

Introduction To Computing And Problem Solving Using Python

1st Edition E. Balaguruswamy

https://textbookfull.com/product/introduction-to-computing-and-
problem-solving-using-python-1st-edition-e-balaguruswamy/

textboxfull.com
Introduction to Probability
for Computing

MOR HARCHOL-BALTER
Cambridge University Press
Illustrated by Elin Zhou
 v

“Based on 20 years of teaching Computer Science and Operations Research at

Carnegie Mellon University, Professor Harchol-Balter provides a unique presen-
tation of probability and statistics that is both highly engaging and also strongly
motivated by real-world computing applications that students will encounter in
industry. This book is approachable and fun for undergraduate students, while
also covering advanced concepts relevant to graduate students.”

Eytan Modiano, Massachusetts Institute of Technology

“This book provides a fantastic introduction to probability for computer scien-

tists and computing professionals, addressing concepts and techniques crucial to
the design and analysis of randomized algorithms, to performance well-designed
simulations, to statistical inference and machine learning, and more. Also con-
tains many great exercises and examples. Highly recommend!”

Avrim Blum, Toyota Technological Institute at Chicago

“Mor Harchol-Balter’s new book does a beautiful job of introducing students

to probability! The book is full of great computer science-relevant examples,
wonderful intuition, simple and clear explanations, and mathematical rigor. I love
the question-answer style she uses, and could see using this book for students
ranging from undergraduate students with zero prior exposure to probability all
the way to graduate students (or researchers of any kind) who need to brush up
and significantly deepen (and/or broaden) their knowledge of probability.”

Anna Karlin, University of Washington

“Probability is at the heart of modeling, design, and analysis of computer systems

and networks. This book by a pioneer in the area is a beautiful introduction to the
topic for undergraduate students. The material in the book introduces theoreti-
cal topics rigorously, but also motivates each topic with practical applications.
This textbook is an excellent resource for budding computer scientists who are
interested in probability.”

R. Srikant, University of Illinois at Urbana-Champaign

“I know probability, and have taught it to undergrads and grads at MIT, UC

Berkeley, and Carnegie Mellon University. Yet this book has taught me some
wonderfully interesting important material that I did not know. Mor is a great
thinker, lecturer, and writer. I would love to have learned from this book as a
student – and to have taught from it as an instructor!”

Manuel Blum, U.C. Berkeley and Carnegie Mellon University

vi

To the students at CMU’s

School of Computer Science
whose curiosity and drive
inspire me every day
to keep writing.
Contents

Preface page xvi

Acknowledgments xxiii

Part I Fundamentals and Probability on Events

1 Before We Start ... Some Mathematical Basics 2

1.1 Review of Simple Series 2
1.2 Review of Double Integrals and Sums 4
1.3 Fundamental Theorem of Calculus 7
1.4 Review of Taylor Series and Other Limits 8
1.5 A Little Combinatorics 11
1.6 Review of Asymptotic Notation 15
1.6.1 Big-O and Little-o 15
1.6.2 Big-Omega and Little-omega 17
1.6.3 Big-Theta 18
1.7 Exercises 18

2 Probability on Events 21
2.1 Sample Space and Events 21
2.2 Probability Defined on Events 22
2.3 Conditional Probabilities on Events 24
2.4 Independent Events 27
2.5 Law of Total Probability 30
2.6 Bayes’ Law 32
2.7 Exercises 34

Part II Discrete Random Variables

3 Common Discrete Random Variables 44

3.1 Random Variables 44
3.2 Common Discrete Random Variables 45
3.2.1 The Bernoulli(𝑝) Random Variable 46
3.2.2 The Binomial(𝑛,𝑝) Random Variable 47
3.2.3 The Geometric(𝑝) Random Variable 48
 Contents ix

3.2.4 The Poisson(𝜆) Random Variable 49

3.3 Multiple Random Variables and Joint Probabilities 50
3.4 Exercises 54

4 Expectation 58
4.1 Expectation of a Discrete Random Variable 58
4.2 Linearity of Expectation 63
4.3 Conditional Expectation 67
4.4 Computing Expectations via Conditioning 72
4.5 Simpson’s Paradox 74
4.6 Exercises 76

5 Variance, Higher Moments, and Random Sums 83

5.1 Higher Moments 83
5.2 Variance 85
5.3 Alternative Definitions of Variance 86
5.4 Properties of Variance 88
5.5 Summary Table for Discrete Distributions 91
5.6 Covariance 91
5.7 Central Moments 92
5.8 Sum of a Random Number of Random Variables 93
5.9 Tails 97
5.9.1 Simple Tail Bounds 98
5.9.2 Stochastic Dominance 99
5.10 Jensen’s Inequality 102
5.11 Inspection Paradox 104
5.12 Exercises 107

6 z-Transforms 116
6.1 Motivating Examples 116
6.2 The Transform as an Onion 117
6.3 Creating the Transform: Onion Building 118
6.4 Getting Moments: Onion Peeling 120
6.5 Linearity of Transforms 121
6.6 Conditioning 123
6.7 Using z-Transforms to Solve Recurrence Relations 124
6.8 Exercises 128

Part III Continuous Random Variables

7 Continuous Random Variables: Single Distribution 134

7.1 Probability Density Functions 134
7.2 Common Continuous Distributions 137
7.3 Expectation, Variance, and Higher Moments 141
x Contents

7.4 Computing Probabilities by Conditioning on a R.V. 143

7.5 Conditional Expectation and the Conditional Density 146
7.6 Exercises 150

8 Continuous Random Variables: Joint Distributions 153

8.1 Joint Densities 153
8.2 Probability Involving Multiple Random Variables 156
8.3 Pop Quiz 160
8.4 Conditional Expectation for Multiple Random Variables 161
8.5 Linearity and Other Properties 163
8.6 Exercises 163

9 Normal Distribution 170

9.1 Definition 170
9.2 Linear Transformation Property 172
9.3 The Cumulative Distribution Function 173
9.4 Central Limit Theorem 176
9.5 Exercises 178

10 Heavy Tails: The Distributions of Computing 181

10.1 Tales of Tails 181
10.2 Increasing versus Decreasing Failure Rate 183
10.3 UNIX Process Lifetime Measurements 186
10.4 Properties of the Pareto Distribution 187
10.5 The Bounded-Pareto Distribution 189
10.6 Heavy Tails 189
10.7 The Benefits of Active Process Migration 190
10.8 From the 1990s to the 2020s 191
10.9 Pareto Distributions Are Everywhere 192
10.10 Summary Table for Continuous Distributions 194
10.11 Exercises 194

11 Laplace Transforms 198

11.1 Motivating Example 198
11.2 The Transform as an Onion 198
11.3 Creating the Transform: Onion Building 200
11.4 Getting Moments: Onion Peeling 201
11.5 Linearity of Transforms 203
11.6 Conditioning 203
11.7 Combining Laplace and z-Transforms 204
11.8 One Final Result on Transforms 205
11.9 Exercises 206
 Contents xi

Part IV Computer Systems Modeling and Simulation

12 The Poisson Process 210

12.1 Review of the Exponential Distribution 210
12.2 Relating the Exponential Distribution to the Geometric 211
12.3 More Properties of the Exponential 213
12.4 The Celebrated Poisson Process 216
12.5 Number of Poisson Arrivals during a Random Time 219
12.6 Merging Independent Poisson Processes 220
12.7 Poisson Splitting 221
12.8 Uniformity 224
12.9 Exercises 225

13 Generating Random Variables for Simulation 229

13.1 Inverse Transform Method 229
13.1.1 The Continuous Case 230
13.1.2 The Discrete Case 231
13.2 Accept–Reject Method 232
13.2.1 Discrete Case 233
13.2.2 Continuous Case 234
13.2.3 A Harder Problem 238
13.3 Readings 238
13.4 Exercises 238

14 Event-Driven Simulation 240

14.1 Some Queueing Definitions 240
14.2 How to Run a Simulation 242
14.3 How to Get Performance Metrics from Your Simulation 244
14.4 More Complex Examples 247
14.5 Exercises 249

Part V Statistical Inference

15 Estimators for Mean and Variance 255

15.1 Point Estimation 255
15.2 Sample Mean 256
15.3 Desirable Properties of a Point Estimator 256
15.4 An Estimator for Variance 259
15.4.1 Estimating the Variance when the Mean is Known 259
15.4.2 Estimating the Variance when the Mean is Unknown 259
15.5 Estimators Based on the Sample Mean 261
15.6 Exercises 263
15.7 Acknowledgment 264
xii Contents

16 Classical Statistical Inference 265

16.1 Towards More General Estimators 265
16.2 Maximum Likelihood Estimation 267
16.3 More Examples of ML Estimators 270
16.4 Log Likelihood 271
16.5 MLE with Data Modeled by Continuous Random Variables 273
16.6 When Estimating More than One Parameter 276
16.7 Linear Regression 277
16.8 Exercises 283
16.9 Acknowledgment 284

17 Bayesian Statistical Inference 285

17.1 A Motivating Example 285
17.2 The MAP Estimator 287
17.3 More Examples of MAP Estimators 290
17.4 Minimum Mean Square Error Estimator 294
17.5 Measuring Accuracy in Bayesian Estimators 299
17.6 Exercises 301
17.7 Acknowledgment 304

Part VI Tail Bounds and Applications

18 Tail Bounds 306

18.1 Markov’s Inequality 307
18.2 Chebyshev’s Inequality 308
18.3 Chernoff Bound 309
18.4 Chernoff Bound for Poisson Tail 311
18.5 Chernoff Bound for Binomial 312
18.6 Comparing the Different Bounds and Approximations 313
18.7 Proof of Chernoff Bound for Binomial: Theorem 18.4 315
18.8 A (Sometimes) Stronger Chernoff Bound for Binomial 316
18.9 Other Tail Bounds 318
18.10 Appendix: Proof of Lemma 18.5 319
18.11 Exercises 320

19 Applications of Tail Bounds: Confidence Intervals and

Balls and Bins 327
19.1 Interval Estimation 327
19.2 Exact Confidence Intervals 328
19.2.1 Using Chernoff Bounds to Get Exact Confidence Intervals 328
19.2.2 Using Chebyshev Bounds to Get Exact Confidence Intervals 331
19.2.3 Using Tail Bounds to Get Exact Confidence Intervals
in General Settings 332
19.3 Approximate Confidence Intervals 334
 Contents xiii

19.4 Balls and Bins 337

19.5 Remarks on Balls and Bins 341
19.6 Exercises 341

20 Hashing Algorithms 346

20.1 What is Hashing? 346
20.2 Simple Uniform Hashing Assumption 348
20.3 Bucket Hashing with Separate Chaining 349
20.4 Linear Probing and Open Addressing 352
20.5 Cryptographic Signature Hashing 355
20.6 Remarks 360
20.7 Exercises 360

Part VII Randomized Algorithms

21 Las Vegas Randomized Algorithms 364

21.1 Randomized versus Deterministic Algorithms 364
21.2 Las Vegas versus Monte Carlo 366
21.3 Review of Deterministic Quicksort 367
21.4 Randomized Quicksort 368
21.5 Randomized Selection and Median-Finding 370
21.6 Exercises 373

22 Monte Carlo Randomized Algorithms 383

22.1 Randomized Matrix-Multiplication Checking 383
22.2 Randomized Polynomial Checking 387
22.3 Randomized Min-Cut 389
22.4 Related Readings 394
22.5 Exercises 394

23 Primality Testing 403

23.1 Naive Algorithms 403
23.2 Fermat’s Little Theorem 404
23.3 Fermat Primality Test 408
23.4 Miller–Rabin Primality Test 410
23.4.1 A New Witness of Compositeness 410
23.4.2 Logic Behind the Miller–Rabin Test 411
23.4.3 Miller–Rabin Primality Test 413
23.5 Readings 415
23.6 Appendix: Proof of Theorem 23.9 415
23.7 Exercises 417

Part VIII Discrete-Time Markov Chains

xiv Contents

24 Discrete-Time Markov Chains: Finite-State 420

24.1 Our First Discrete-Time Markov Chain 420
24.2 Formal Definition of a DTMC 421
24.3 Examples of Finite-State DTMCs 422
24.3.1 Repair Facility Problem 422
24.3.2 Umbrella Problem 423
24.3.3 Program Analysis Problem 424
24.4 Powers of P: n-Step Transition Probabilities 425
24.5 Limiting Probabilities 426
24.6 Stationary Equations 428
24.7 The Stationary Distribution Equals the Limiting Distribution 429
24.8 Examples of Solving Stationary Equations 432
24.9 Exercises 433

25 Ergodicity for Finite-State Discrete-Time Markov Chains 438

25.1 Some Examples on Whether the Limiting Distribution Exists 439
25.2 Aperiodicity 441
25.3 Irreducibility 442
25.4 Aperiodicity plus Irreducibility Implies Limiting Distribution 443
25.5 Mean Time Between Visits to a State 448
25.6 Long-Run Time Averages 450
25.6.1 Strong Law of Large Numbers 452
25.6.2 A Bit of Renewal Theory 454
25.6.3 Equality of the Time Average and Ensemble Average 455
25.7 Summary of Results for Ergodic Finite-State DTMCs 456
25.8 What If My DTMC Is Irreducible but Periodic? 456
25.9 When the DTMC Is Not Irreducible 457
25.10 An Application: PageRank 458
25.10.1 Problems with Real Web Graphs 461
25.10.2 Google’s Solution to Dead Ends and Spider Traps 462
25.10.3 Evaluation of the PageRank Algorithm and Practical
Considerations 463
25.11 From Stationary Equations to Time-Reversibility Equations 464
25.12 Exercises 469

26 Discrete-Time Markov Chains: Infinite-State 479

26.1 Stationary = Limiting 479
26.2 Solving Stationary Equations in Infinite-State DTMCs 480
26.3 A Harder Example of Solving Stationary Equations in Infinite-
State DTMCs 483
26.4 Ergodicity Questions 484
26.5 Recurrent versus Transient: Will the Fish Return to Shore? 487
26.6 Infinite Random Walk Example 490
26.7 Back to the Three Chains and the Ergodicity Question 492
 Contents xv

26.7.1 Figure 26.8(a) is Recurrent 492

26.7.2 Figure 26.8(b) is Transient 492
26.7.3 Figure 26.8(c) is Recurrent 494
26.8 Why Recurrence Is Not Enough 494
26.9 Ergodicity for Infinite-State Chains 496
26.10 Exercises 498

27 A Little Bit of Queueing Theory 510

27.1 What Is Queueing Theory? 510
27.2 A Single-Server Queue 511
27.3 Kendall Notation 513
27.4 Common Performance Metrics 514
27.4.1 Immediate Observations about the Single-Server Queue 515
27.5 Another Metric: Throughput 516
27.5.1 Throughput for 𝑀/𝐺/𝑘 517
27.5.2 Throughput for Network of Queues with Probabilistic Routing 518
27.5.3 Throughput for Network of Queues with Deterministic Routing 519
27.5.4 Throughput for Finite Buffer 520
27.6 Utilization 520
27.7 Introduction to Little’s Law 521
27.8 Intuitions for Little’s Law 522
27.9 Statement of Little’s Law 524
27.10 Proof of Little’s Law 525
27.11 Important Corollaries of Little’s Law 527
27.12 Exercises 531

References 539

Index 544
Preface

Probability theory has become indispensable in computer science. It is at the

core of machine learning and statistics, where one often needs to make decisions
under stochastic uncertainty. It is also integral to computer science theory, where
most algorithms today are randomized algorithms, involve random coin flips. It
is a central part of performance modeling in computer networks and systems,
where probability is used to predict delays, schedule jobs and resources, and
provision capacity.

Why This Book?

This book gives an introduction to probability as it is used in computer science
theory and practice, drawing on applications and current research developments
as motivation and context. This is not a typical counting and combinatorics book,
but rather it is a book centered on distributions and how to work with them.

Every topic is driven by what computer science students need to know. For ex-
ample, the book covers distributions that come up in computer science, such as
heavy-tailed distributions. There is a large emphasis on variability and higher
moments, which are very important in empirical computing distributions. Com-
puter systems modeling and simulation are also discussed, as well as statistical
inference for estimating parameters of distributions. Much attention is devoted to
tail bounds, such as Chernoff bounds. Chernoff bounds are used for confidence
intervals and also play a big role in the analysis of randomized algorithms, which
themselves comprise a large part of the book. Finally, the book covers Markov
chains, as well as a bit of queueing theory, both with an emphasis on their use in
computer systems analysis.

Intended Audience
The material is presented at the advanced undergraduate level. The book is based
on an undergraduate class, Probability and Computing (PnC), which I have been
teaching at Carnegie Mellon University (CMU) for almost 20 years. While PnC
is primarily taken by undergraduates, several Masters and PhD students choose
to take the class. Thus we imagine that instructors can use the book for different
levels of classes, perhaps spanning multiple semesters.
 Preface xvii

Question/Answer Writing Style

The book uses a style of writing aimed at engaging the reader to be active, rather
than passive. Instead of large blocks of text, we have short “Questions” and
“Answers.” In working through the book, you should cover up the answers, and
write down your own answer to each question, before looking at the given answer.
The goal is “thinking” rather than “reading,” where each chapter is intended to
feel like a conversation.

Exercises
The exercises in this book are an integral part of learning the material. They also
introduce many of the computer science and statistics applications. Very few of
the exercises are rote. Every problem has important insights, and the insights
often build on each other. Exercises are (very roughly) organized from easier to
harder. Several of the exercises in the book were contributed by students in the
class!

To aid in teaching, solutions to a large subset of the exercises are available

for instructors only at www.cambridge.org/harchol-balter. Instructors who need
solutions to the remaining exercises can request these from the author. The
solutions are for the personal use of the instructor only. They should not be
distributed or posted online, so that future generations can continue to enjoy the
exercises.

Organization of the Material

The book consists of eight parts. Parts I, II, and III provide an introduction to
basic probability. Part IV provides an introduction to computer systems mod-
eling and simulation. Part V provides an introduction to statistical inference.
Parts VI and VII comprise a course in randomized algorithms, starting with tail
bound inequalities and then applying these to analyze a long list of randomized
algorithms. Part VIII provides an introduction to stochastic processes as they’re
used in computing.

Before we describe the parts in more detail, it is worth looking at the dependency
structure for the book, given in Figure P1. Aside from Parts I, II, and III, most
of the parts can be taught in any order.

In particular, it is possible to imagine at least four different courses being taught

from this book, depending on the parts that an instructor might choose to teach.
Figure P2 depicts different courses that one might teach. All the courses start
with Parts I, II, and III, but then continue with Simulation, or Statistics, or
Randomized Algorithms, or Stochastic Processes, depending on the particular
course.
xviii Preface

Part I
Probability
on Events

Part II
Discrete
Random
Variables

Part III
Continuous
Random
Variables

Part IV Part V Part VI Part VIII

Systems Statistical Tail Discrete-Time
Modeling and Inference Bounds Markov Chains
Simulation and Queues

Part VII
Randomized
Algorithms

Figure P1 The dependency structure between the parts of this book. Most parts are
independent of other parts and can be taught in any order.

Description of Each Part

Part I: Foundations and Probability on Events: Part I starts by reviewing the
prerequisites for the book. These include series, calculus, elementary combina-
torics, and asymptotic notation. Exercises and examples are provided to help in
reviewing the prerequisites. The main focus of Part I is on defining probability
on events, including conditioning on events, independence of events, the Law
of Total Probability, and Bayes’ Law. Some examples of applications covered
in Part I are: faulty computer networks, Bayesian reasoning for healthcare test-
ing, modeling vaccine efficacy, the birthday paradox, Monty Hall problems, and
modeling packet corruption in the Internet.

Part II: Discrete Random Variables: Part II introduces the most common dis-
crete random variables (Bernoulli, Binomial, Geometric, and Poisson), and then
 Preface xix

Course 1 Course 2 Course 3 Course 4

Probability Probability Probability and Probability and
and and Randomized Stochastic
Simulation Statistics Algorithms Processes

Part I Part I Part I Part I

Probability Probability Probability Probability
on Events on Events on Events on Events

Part II Part II Part II Part II

Discrete Discrete Discrete Discrete
Random Random Random Random
Variables Variables Variables Variables

Part III Part III Part III Part III

Continuous Continuous Continuous Continuous
Random Random Random Random
Variables Variables Variables Variables

Part IV Part V
Part V Part VI Part IV
Systems Statistical
Statistical Tail Systems
Modeling and Inference Bounds Modeling and
Simulation Simulation

Part VII Part VIII

Randomized Discrete-Time
Algorithms Markov Chains
and Queues

Figure P2 Four different courses that one can teach out of this book.

continues with the standard material on random variables, such as linearity of

expectation, conditioning, conditional probability mass functions, joint distribu-
tions, and marginal distributions. Some more advanced material is also included,
such as: variance and higher moments of random variables; moment-generating
functions (specifically z-transforms) and their use in solving recurrence rela-
tions; Jensen’s inequality; sums of a random number of random variables; tail
orderings, and simple tail inequalities. Both Simpson’s paradox and the inspec-
tion paradox are covered. Some examples of applications covered in Part II are:
noisy reading from a flash storage, the binary symmetric channel, approximating
a Binomial distribution by a Poisson, the classical marriage algorithm, mod-
eling the time until a disk fails, the coupon collector problem, properties of
xx Preface

random graphs, time until 𝑘 consecutive failures, computer virus propagation,

epidemic growth modeling, hypothesis testing in data analysis, stopping times,
total variation distance, and polygon triangulation.

Part III: Continuous Random Variables: Part III repeats the material in Part II,
but this time with continuous random variables. We introduce the Uniform,
Exponential, and Normal distributions, as well as the Central Limit Theorem.
In addition, we introduce the Pareto heavy-tailed distribution, which is most
relevant for empirical computing workloads, and discuss its relevance to today’s
data center workloads. We cover failure rate functions and the heavy-tail property
and their relevance to computing workloads. We again cover moment-generating
functions, but this time via Laplace transforms, which are more commonly used
with continuous random variables. Some applications covered in Part II are:
classifying jobs in a supercomputing center, learning the bias of a coin, dart
throwing, distributions whose parameters are random variables, relating laptop
quality to lifetime, modeling disk delays, modeling web file sizes, modeling
compute usage, modeling IP flow durations, and Internet node degrees.

Part IV: Computer Systems Modeling and Simulation: Part IV covers the
basics of what is needed to run simulations of computer systems. We start by
defining and analyzing the Poisson process, which is the most commonly used
model for the arrival process of jobs into computer systems. We then study how
to generate random variables for simulation, using the inverse transform method
and the accept–reject method. Finally, we discuss how one would program a
simple event-driven or trace-driven simulator. Some applications that we cover
include: Malware detection of infected hosts, population modeling, reliability
theory, generating a Normal random variable, generating Pareto and Bounded
Pareto random variables, generating a Poisson random variable, simulation of
heavy-tailed distributions, simulation of high-variance distributions, simulation
of jointly distributed random variables, simulation of queues, and simulation of
networks of queues.

Part V: Statistical Inference: Part V switches gears to statistics, particularly

statistical inference, where one is trying to estimate some parameters of an ex-
periment. We start with the most traditional estimators, the sample mean and
sample variance. We also cover desirable properties of estimators, including zero
bias, low mean squared error, and consistency. We next cover maximum likeli-
hood estimation and linear regression. We complete this part with a discussion
of maximum a posterior (MAP) estimators and minimum mean square error
(MMSE) estimators. Some applications that we cover include: estimating voting
probabilities, deducing the original signal in a noisy environment, estimating true
job sizes from user estimates, estimation in interaction graphs, and estimation in
networks with error correcting codes.
 Preface xxi

Part VI: Tail Bounds and Applications: Part VI starts with a discussion of tail
bounds and concentration inequalities (Markov, Chebyshev, Chernoff), for which
we provide full derivations. We provide several immediate applications for these
tail bounds, including a variety of classic balls-and-bins applications. The balls
and bins framework has immediate application to dispatching tasks to servers in
a server farm, as well as immediate application to hashing algorithms, which we
also study extensively. We cover applications of tail bounds to defining confidence
intervals in statistical estimation, and well as bias estimation, polling schemes,
crowd sourcing, and other common settings from computing and statistics.

Part VII: Randomized Algorithms: Part VII introduces a wide range of ran-
domized algorithms. The randomized algorithms include Las Vegas algorithms,
such as randomized algorithms for sorting and median finding, as well as Monte
Carlo randomized algorithms such as MinCut, MaxCut, matrix multiplication
checking, polynomial multiplication, and primality testing. The exercises in this
part are particularly relevant because they introduce many additional randomized
algorithms such as randomized dominating set, approximate median finding, in-
dependent set, AND/OR tree evaluation, knockout tournaments, addition of 𝑛-bit
numbers, randomized string exchange, path-finding in graphs, and more. We use
the tail bounds that we derived earlier in Part VI to analyze the runtimes and
accuracy of our randomized algorithms.

Part VIII: Markov Chains with a Side of Queueing Theory: Part VIII provides
an introduction to stochastic processes as they come up in computer science.
Here we delve deeply into discrete-time Markov chains (both finite and infinite).
We discuss not only how to solve for limiting distributions, but also when
they exist and why. Ergodicity, positive-recurrence and null-recurrence, passage
times, and renewal theory are all covered. We also cover time averages versus
ensemble averages and the impact of these different types of averages on running
simulations. Queueing theory is integral to Part VIII. We define the performance
metrics that computer scientists care about: throughput, response time, and load.
We cover Little’s Law, stability, busy periods, and capacity provisioning. A
huge number of applications are covered in Part VIII, including, for example,
the classic PageRank algorithm for ranking web pages, modeling of epidemic
spread, modeling of caches, modeling processors with failures, Brownian motion,
estimating the spread of malware, reliability theory applications, population
modeling, server farm and data center modeling, admission control, and capacity
provisioning.
Acknowledgments

Most textbooks begin with a class, and this book is no exception. I created the
Probability and Computing (called “PnC” for short) class 20 years ago, with the
aim of teaching computer science undergraduates the probability that they need
to know to be great computer scientists. Since then I have had a few opportunities
to co-teach PnC with different colleagues, and each such opportunity has led to
my own learning. I would like to thank my fantastic co-instructors: John Lafferty,
Klaus Sutner, Rashmi Vinayak, Ryan O’Donnell, Victor Adamchik, and Weina
Wang. I’m particularly grateful to Weina, who collaborated with me on three of
the chapters of the book and who is a kindred spirit in Socratic teaching. The
book has also benefited greatly from many spirited TAs and students in the class,
who proposed fun exercises for the book, many referencing CMU or Pittsburgh.

I would also like to thank my illustrator, Elin Zhou, who painstakingly created
every image and figure in the book, while simultaneously managing her under-
graduate classes at CMU. I chose Elin as my illustrator because her artwork
embodies the spirit of fun and inclusiveness that permeates the PnC class. One
of the themes of PnC is chocolate, which is tossed out throughout the class to
students who answer questions. This chocolate would not be possible if it weren’t
for our class sponsor, Citadel, who even paid to have chocolate mailed directly
to student homes throughout the pandemic, while classes were online.

I have been fortunate to have several excellent editors at Cambridge University

Press: Julie Lancashire, Ilaria Tassistro, and Rachel Norridge. Thanks to their
recommendations, the statistics chapters were added, redundant material was
removed, and the style and layout of the book improved immensely. My copy
editor, Gary Smith, was also fantastic to work with and meticulous!

On a personal note, I want to thank my family. In particular, I’m grateful to my

son, Danny Balter, for always telling me that I’m good at explaining things. I’m
also grateful to my mom, Irit Harchol, who is one of my best friends, and who
takes the time to talk with me every day as I walk to and from work. Thanks to
my inlaws, Ann and Richard Young, who are my cheering squad. Finally, I have
infinite love and gratitude for my husband, Ary Young, for always making me
their top priority and for never leaving my side, even if it means sleeping on my
sofa as I sit here typing away.
Part I

Fundamentals and
Probability on Events
In this first part of the book we focus on some basic tools that we will need
throughout the book.

We start, in Chapter 1, with a review of some mathematical basics: series,

limits, integrals, counting, and asymptotic notation. Rather than attempting an
exhaustive coverage, we instead focus on a select “toolbox” of techniques and
tricks that will come up over and over again in the exercises throughout the book.
Thus, while none of this chapter deals with probability, it is worth taking the
time to master its contents.

In Chapter 2, we cover the fundamentals of probability. Here we define proba-

bility based on an experiment and events. We discuss the axioms of probability,
conditioning, independence, the Law of Total Probability, and Bayes’ Law.
1 Before We Start ... Some
Mathematical Basics

This book assumes some mathematical skills. The reader should be comfortable
with high school algebra, including logarithms. Basic calculus (integration, dif-
ferentiation, limits, and series evaluation) is also assumed, including nested (3D)
integrals and sums. We also assume that the reader is comfortable with sets and
with simple combinatorics and counting (as covered in a discrete math class).
Finally, we assume versatility with “big-O” and “little-o” notation. To help the
reader, in this chapter we review a few basic concepts that come up repeatedly
throughout the book. Taking the time to understand these now will make it much
easier to work through the book.

1.1 Review of Simple Series

There are several series that come up repeatedly in the book, starting in Chapter 3.

Question: Try evaluating the following in closed form. (Don’t peek at the answers
until you’ve tried these yourself.) We provide the full derivations below.

(a) 𝑆 = 1 + 𝑥 + 𝑥 2 + 𝑥 3 + · · · + 𝑥 𝑛.
(b) 𝑆 = 1 + 𝑥 + 𝑥 2 + 𝑥 3 + · · · , where |𝑥 | < 1.
(c) 𝑆 = 1 + 2𝑥 + 3𝑥 2 + 4𝑥 3 + · · · + 𝑛𝑥 𝑛−1 .
(d) 𝑆 = 1 + 2𝑥 + 3𝑥 2 + 4𝑥 3 + · · · , where |𝑥 | < 1.

Example 1.1 Evaluate: 𝑆 = 1 + 𝑥 + 𝑥 2 + 𝑥 3 + · · · + 𝑥 𝑛 .

Solution: The trick here is to multiply both sides by the quantity (1 − 𝑥):
(1 − 𝑥)𝑆 = 𝑆 − 𝑥𝑆
= 1 + 𝑥 + 𝑥2 + 𝑥3 + · · · + 𝑥𝑛
−𝑥 − 𝑥 2 − 𝑥 3 − · · · − 𝑥 𝑛+1
= 1 − 𝑥 𝑛+1 .
 1.1 Review of Simple Series 3

Hence,
1 − 𝑥 𝑛+1
𝑆= . (1.1)
1−𝑥
Note that (1.1) assumes that 𝑥 ≠ 1. If 𝑥 = 1, then the answer is clearly 𝑆 = 𝑛 + 1.

Example 1.2 Evaluate: 𝑆 = 1 + 𝑥 + 𝑥 2 + 𝑥 3 + · · · where |𝑥 | < 1.

Solution: This is the same as series (a) except that we need to take the limit as
𝑛 → ∞:
1 − 𝑥 𝑛+1 1
𝑆 = lim 1 + 𝑥 + 𝑥 2 + · · · + 𝑥 𝑛 = lim = . (1.2)
𝑛→∞ 𝑛→∞ 1 − 𝑥 1−𝑥

Question: Why did we need |𝑥 | < 1? What would happen if |𝑥 | ≥ 1?

Answer: If |𝑥 | ≥ 1, then the infinite sum diverges.

Example 1.3 Evaluate: 𝑆 = 1 + 2𝑥 + 3𝑥 2 + 4𝑥 3 + · · · + 𝑛𝑥 𝑛−1 .

Approach 1: One approach is to again use the (1 − 𝑥) trick:

(1 − 𝑥)𝑆 = 1 + 2𝑥 + 3𝑥 2 + 4𝑥 3 + · · · + 𝑛𝑥 𝑛−1
−𝑥 − 2𝑥 2 − 3𝑥 3 − 4𝑥 4 − · · · − 𝑛𝑥 𝑛
= 1 + 𝑥 + 𝑥 2 + 𝑥 3 + · · · + 𝑥 𝑛−1 − 𝑛𝑥 𝑛
1 − 𝑥𝑛
= − 𝑛𝑥 𝑛
1−𝑥
1 − (𝑛 + 1)𝑥 𝑛 + 𝑛𝑥 𝑛+1
= .
1−𝑥
Hence,
1 − (𝑛 + 1)𝑥 𝑛 + 𝑛𝑥 𝑛+1
𝑆= . (1.3)
(1 − 𝑥) 2

Approach 2: An easier approach is to view the sum as the derivative of a known

sum:
𝑑  
𝑆= 1 + 𝑥 + 𝑥2 + 𝑥3 + · · · + 𝑥𝑛
𝑑𝑥
𝑑 1 − 𝑥 𝑛+1
 
=
𝑑𝑥 1−𝑥
(1 − 𝑥) · (−(𝑛 + 1)𝑥 𝑛 ) + (1 − 𝑥 𝑛+1 )
=
(1 − 𝑥) 2
1 − (𝑛 + 1)𝑥 + 𝑛𝑥 𝑛+1
𝑛
= .
(1 − 𝑥) 2
4 1 Before We Start ... Some Mathematical Basics

The above assumes that 𝑥 ≠ 1. If 𝑥 = 1, then the answer is 𝑆 = 1 + 2 + · · · + 𝑛 =

𝑛(𝑛+1)
2 .

Example 1.4 Evaluate: 𝑆 = 1 + 2𝑥 + 3𝑥 2 + 4𝑥 3 + · · · where |𝑥 | < 1.

Solution: We again view 𝑆 as a derivative of a sum:

𝑑  
𝑆= 1 + 𝑥 + 𝑥2 + 𝑥3 + · · ·
𝑑𝑥  
𝑑 1
=
𝑑𝑥 1 − 𝑥
1
= . (1.4)
(1 − 𝑥) 2

1.2 Review of Double Integrals and Sums

Integrals, nested integrals, and nested sums come up throughout the book, starting
in Chapter 7. When evaluating these, it is important to pay attention to the area
over which you’re integrating and also to remember tricks like integration by
parts.

Question: Try deriving the following three expressions (again, no peeking at the
answers).
∫∞
(a) 0 𝑦𝑒 − 𝑦 𝑑𝑦.
∫∞∫ 𝑦
(b) 0 0 𝑒 − 𝑦 𝑑𝑥𝑑𝑦. Do this both with and without changing the order of inte-
gration.
∫ 𝑒 ∫ ln 𝑥
(c) 1 0 1𝑑𝑦𝑑𝑥. Do this both with and without changing the order of inte-
gration.

Below we provide the derivations.

∫∞
Example 1.5 Derive: 0
𝑦𝑒 − 𝑦 𝑑𝑦.

Solution: We start by reviewing integration by parts:

∫ 𝑏 𝑏
∫ 𝑏
𝑢𝑑𝑣 = (𝑢𝑣) − 𝑣𝑑𝑢. (1.5)
𝑎 𝑎 𝑎
 1.2 Review of Double Integrals and Sums 5

Applying (1.5), let 𝑢 = 𝑦, and 𝑑𝑢 = 𝑑𝑦. Let 𝑑𝑣 = 𝑒 − 𝑦 𝑑𝑦, and 𝑣 = −𝑒 − 𝑦 . Then,

∫ ∞ 𝑦=∞
∫ ∞
−𝑦 −𝑦
𝑦𝑒 = −𝑦𝑒 − (−𝑒 − 𝑦 )𝑑𝑦
0 𝑦=0 𝑦=0
∞
= 0 − (−0) − 𝑒 − 𝑦
𝑦=0
= 0 + 0 − (0 − 1)
= 1.
∫ ∞∫ 𝑦
Example 1.6 Derive: 0 0
𝑒 − 𝑦 𝑑𝑥𝑑𝑦.

Solution: Without changing the order of integration, we have:

∫ 𝑦=∞ ∫ 𝑥=𝑦 ∫ 𝑦=∞ 𝑥=𝑦
𝑒 − 𝑦 𝑑𝑥𝑑𝑦 = 𝑥𝑒 − 𝑦 𝑑𝑦
𝑦=0 𝑥=0 𝑦=0 𝑥=0
∫ 𝑦=∞
= 𝑦𝑒 − 𝑦 𝑑𝑦
𝑦=0
= 1.

To change the order of integration, we first need to understand the space over
which we’re integrating. The original region of integration is drawn in Fig-
ure 1.1(a), where 𝑦 ranges from 0 to ∞, and, for each particular value of 𝑦, we
let 𝑥 range from 0 to 𝑦.

y y

x x
(a) Original integration space (b) Equivalent integration space

Figure 1.1 Region of integration drawn two ways.

We can visualize this instead as shown in Figure 1.1(b), where 𝑥 now ranges
from 0 to ∞, and, for each particular value of 𝑥, we let 𝑦 range from 𝑥 to ∞:
∫ 𝑥=∞ ∫ 𝑦=∞ ∫ 𝑥=∞ 𝑦=∞
−𝑦
𝑒 𝑑𝑦𝑑𝑥 = −𝑒 − 𝑦 𝑑𝑥
𝑥=0 𝑦=𝑥 𝑥=0 𝑦=𝑥
∫ 𝑥=∞
= (0 + 𝑒 − 𝑥 )𝑑𝑥
𝑥=0
𝑥=∞
= −𝑒 − 𝑥
𝑥=0
= 1.
6 1 Before We Start ... Some Mathematical Basics

∫ 𝑒 ∫ ln 𝑥
Example 1.7 Derive: 1 0
1𝑑𝑦𝑑𝑥.

Solution: Without changing the order of integration, we have:

∫ 𝑥=𝑒 ∫ 𝑦=ln 𝑥 ∫ 𝑥=𝑒
1𝑑𝑦𝑑𝑥 = ln 𝑥𝑑𝑥
𝑥=1 𝑦=0 𝑥=1
(applying integration by parts)
𝑥=𝑒
∫ 𝑥=𝑒
1
= (ln 𝑥 · 𝑥) − 𝑥 · 𝑑𝑥
𝑥=1 𝑥=1 𝑥
= 𝑒 − 0 − (𝑒 − 1)
= 1.

To change the order of integration, we first need to understand the space over
which we’re integrating. This is drawn in Figure 1.2(a).

y y

1 1

x x
1 e 1 e
(a) Original integration space (b) Equivalent integration space

Figure 1.2 Region of integration drawn two ways.

We can visualize this instead as shown in Figure 1.2(b), which leads to the nested
integrals:
∫ 𝑦=1 ∫ 𝑥=𝑒 ∫ 𝑦=1 𝑥=𝑒
1𝑑𝑥𝑑𝑦 = 𝑥 𝑦
𝑑𝑦
𝑦=0 𝑥=𝑒 𝑦 𝑦=0 𝑥=𝑒
∫ 𝑦=1
= (𝑒 − 𝑒 𝑦 )𝑑𝑦
𝑦=0
𝑦=1
= (𝑒𝑦 − 𝑒 𝑦 )
𝑦=0
= (𝑒 − 𝑒) − (0 − 𝑒 0 )
= 1.
 1.3 Fundamental Theorem of Calculus 7

1.3 Fundamental Theorem of Calculus

The Fundamental Theorem of Calculus (FTC) will come up in the book starting
in Chapter 7. We state it here and provide some intuition for why it holds.

Theorem 1.8 (FTC and extension) Let 𝑓 (𝑡) be a continuous function defined
on the interval [𝑎, 𝑏]. Then, for any 𝑥, where 𝑎 < 𝑥 < 𝑏,
∫ 𝑥
𝑑
𝑓 (𝑡)𝑑𝑡 = 𝑓 (𝑥). (1.6)
𝑑𝑥 𝑎
Furthermore, for any differentiable function 𝑔(𝑥),
∫ 𝑔( 𝑥)
𝑑
𝑓 (𝑡)𝑑𝑡 = 𝑓 (𝑔(𝑥)) · 𝑔 ′ (𝑥). (1.7)
𝑑𝑥 𝑎

We start with intuition for (1.6):

∫𝑥
The integral 𝑎 𝑓 (𝑡)𝑑𝑡 represents the area under the curve 𝑓 (𝑡) between 𝑡 = 𝑎
and 𝑡 = 𝑥. We are interested in the rate at which this area changes for a small
change in 𝑥.

It helps to think of the integral as a “box” parameterized by 𝑥.

∫ 𝑥
Box(𝑥) = 𝑓 (𝑡)𝑑𝑡 .
𝑎

∫ 𝑥
𝑑 𝑑 Box(𝑥 + Δ) − Box(𝑥)
𝑓 (𝑡)𝑑𝑡 = Box(𝑥) = lim
𝑑𝑥 𝑎 𝑑𝑥 Δ→0 Δ
∫ 𝑥+Δ ∫𝑥
𝑎
𝑓 (𝑡)𝑑𝑡 − 𝑎 𝑓 (𝑡)𝑑𝑡
= lim
Δ→0 Δ
∫ 𝑥+Δ
𝑓 (𝑡)𝑑𝑡
= lim 𝑥
Δ→0 Δ
𝑓 (𝑥) · ✓
Δ
≈ lim 𝑓 (𝑥) ≈ 𝑓 (𝑥 + Δ) for tiny Δ
Δ→0 ✓
Δ
= 𝑓 (𝑥).

The same argument applies to (1.7):

∫ 𝑔( 𝑥)
Box(𝑥) = 𝑓 (𝑡)𝑑𝑡 .
𝑎
Random documents with unrelated
content Scribd suggests to you:
 267. Das Lazarettzelt. (S. 269.)

268. Kalpets Bett auf dem Kamelrücken. (S. 269.)

269. Der Leichenzug. (S. 271.)
270. Der tote Kalpet auf seinem lebenden Katafalk. (S. 271.)
 Zwanzigstes Kapitel.
Der Zug nach Süden.

A m 25. August sollten wir endlich das Lager Nr. 44 endgültig

verlassen und neuen Schicksalen und Erfahrungen
entgegengehen. Ladak war jetzt unser Ziel; aber ich hatte mir fest
vorgenommen, nicht eher die Richtung nach Westen einzuschlagen,
als bis wir weiter südlich wieder auf unüberwindliche Hindernisse
stießen. Die Tibeter waren jetzt wachsam, das ganze Land war wie
im Belagerungszustand, eine Mobilmachung hatte bereits
stattgefunden, das wußten wir, und wir konnten uns sehr leicht
ausrechnen, daß wir früher oder später wieder tibetischen Truppen
von Angesicht zu Angesicht gegenüberstehen würden. Für den
Anfang zogen wir jetzt also nach Süden.
Merkwürdigerweise erkrankten über Nacht drei von unseren
Pferden, aber nicht von denen, die die Reise nach Lhasa
mitgemacht hatten. Das eine taumelte und fiel unaufhörlich, das
andere verendete schon im Lager, und das dritte kam nur noch über
den ersten Paß des Tagemarsches, ehe es stürzte, um sich nie
wieder zu erheben. Es war ein trauriger Anfang und zeigte deutlich,
daß wir früher oder später auf die Hilfe der Tibeter angewiesen sein
würden.
Als ich geweckt wurde, schneite es stark, und als wir aufbrachen,
goß es wie mit Scheffeln. Die ganze Gegend sieht aus wie mit
Straßenkot begossen, in den man einsinkt, ohne festen Fuß fassen
zu können. Zuerst wurde der Fluß überschritten, dann zogen wir
durch den Schlamm nach einem kleinen Passe hinauf. Mehrere
Reiter mußten nach verschiedenen Richtungen ausgesandt werden,
um zu untersuchen, ob der Boden trug. Über einen neuen Fluß
schreiten wir unglaublich langsam nach einem höheren Passe
hinauf. Hier müssen alle zu Fuß gehen, auf die Gefahr hin, daß ihre
Stiefeln im Morast steckenbleiben. Die armen Kamele zerreißen, da
sie fest einsinken und der Karawane nicht folgen können,
unaufhörlich ihre Nasenstricke. Wären unserer nicht soviele
gewesen, so hätten wir diejenigen Kamele, die bis zur Hälfte in dem
losen nassen Tonschlamme, der sie zäh festhielt, eingesunken
waren, ganz einfach im Stiche lassen müssen. Die Last muß ihnen
sofort abgenommen und auf einigermaßen festen Boden gestellt
werden, damit nicht auch sie verschwindet. Der Tonschlamm wird
mit Spaten abgegraben, das Kamel auf die Seite gelegt, seine Beine
mit Seilen herausgewunden und eine mehrfach übereinandergelegte
Filzdecke unter das Tier gebreitet, damit seine Füße festen Halt
finden, wenn es sich endlich selbst aufzustehen bemüht. Sonst sind
die Kamele verloren, denn sie bleiben ruhig liegen, bis man sie
herauszieht. Währenddessen gießt es, daß es auf der Erde klatscht.
Alles wird aufgeweicht und durch und durch naß, als sollten diese
Höhen fortgespült werden.
Jenseits des Passes wurde das Terrain ein wenig besser; die
Südabhänge sind infolge der Einwirkung der hier jedoch äußerst
selten auftretenden Sonne gewöhnlich vorteilhafter für uns. Am
rechten Ufer eines Flusses hatte die Karawane während unserer
Abwesenheit einige Tage zugebracht, und da dort noch ein großer
Argolhaufen lag, machten wir an dieser Stelle Halt.
Am folgenden Tag waren sowohl das Wetter wie auch die
Wegverhältnisse günstiger, aber das Land ist fast unfruchtbar und
arm an Wild. Nur ein einsamer Kulan zeigte sich und wurde von
Sirkin erlegt. Gewöhnlich schreibt die Gestalt des Bodens uns die
Richtung unseres Weges vor, und da jener nach Südsüdwesten hin
am ebensten aussah, zogen wir nach dieser Seite. Ungefähr 40
Kilometer westlich von unserer Route erhob sich ein kleines
Schneemassiv mit rudimentären Gletschern; es setzte sich im Süden
in einer merkwürdigerweise meridionalen Bergkette mit vereinzelten
Schneegipfeln fort.
 Tschernoff hatte vor einiger Zeit die Gegend rekognosziert und
teilte mir jetzt mit, daß er an einer etwas weiter südlich gelegenen
Quelle deutliche Kamelspuren gesehen habe. Als wir am 27. August
dort vorbeizogen, zeigte er mir den Platz, und richtig hatten dort
Kamele in großer Zahl geweidet. Woher sie gekommen waren und
was für Menschen sie gehört hatten, war und blieb uns ein Rätsel.
Sollten sie am Ende einer mongolischen Pilgerkarawane, die sich
von Nordosten hierher verirrt hatte, gehört haben?
Denselben Tag mußten wir auch Bowers Route gekreuzt haben,
obwohl es nicht möglich war, die Stelle, wo dies geschah, zu
identifizieren. Im Süden erhob sich vor uns eine neue Bergkette,
aber wir waren nur imstande, bis an ihren Fuß zu gelangen, wo das
Lager Nr. 67 aufgeschlagen wurde. Der Herbst hatte seinen Einzug
gehalten, das Minimumthermometer zeigte −5,1 Grad, und am Tage
hatten wir nicht mehr als +7,9 Grad.
Als ich am 28. aufstand und mit dem Beladen der Tiere schon
angefangen war, wurde mir gemeldet, daß Kalpet, ein Mann aus
Kerija, fehle. Ich verhörte die Leute, die aussagten, daß er gestern
über Brustschmerzen geklagt habe und auf dem Marsche
zurückgeblieben sei. Sie seien jedoch der Meinung gewesen, daß er
langsam unseren Spuren folge und in der Dunkelheit, ohne daß
jemand darauf geachtet habe, im Lager angekommen sein werde.
Nun fehle er aber noch immer. Ich ließ die Tiere weitergrasen und
schickte Tschernoff und Turdu Bai zu Pferd mit einem Maulesel ab,
um den Mann lebendig oder tot herbeizuschaffen, — er konnte ja
unterwegs plötzlich erkrankt sein und mußte sich jedenfalls in einer
schlimmen Lage befinden, da er uns nicht nachgekommen war und
einen ganzen Tag nichts zu essen bekommen hatte. Nach einigen
Stunden kamen sie mit dem armen Menschen an, der aufs beste
verpflegt wurde und auf einem Maulesel reiten durfte, als wir endlich,
bedeutend verspätet, aufbrachen.
Obgleich der Boden tragfähig war, wurde der Tagemarsch doch
ziemlich anstrengend, denn wir mußten über eine ganze Reihe von
Pässen und Kämmen.
 Mit zwei Kamelen geht es jetzt zu Ende; sie können nicht mehr
mitkommen; sie müssen später geholt werden und sind natürlich
stets unbeladen. Große Ordnung herrscht in der Karawane. Der
diensttuende Kosak bringt die Nacht auf dem Platze zu, wo die Tiere
unter Aufsicht ihrer Wächter, die man aus der Ferne singen hört,
grasen. Heute abend begab sich Schagdur dorthin, nachdem er in
der Jurte der Kosaken zu Abend gegessen hatte, und die Töne der
Balalaika verhallten am Fuße der Hügel. Die drei übrigen Kosaken,
die den Erzählungen Schagdurs und des Lamas mit gespanntem
Interesse gelauscht hatten, sehnten sich jetzt danach, mit den
Tibetern in Berührung zu treten. Sie sahen mich verwundert und
fragend an, als ich ihnen sagte, daß unsere Karawane früher oder
später in ihrem Marsche von einer unüberwindlichen Heerschar
aufgehalten werden würde.
Dieser Lagerplatz, Nr. 68, befand sich in einer Höhe von 5068
Meter. Schon um 9 Uhr abends war die Temperatur auf −1,9 Grad
gesunken und hielt sich während der Nacht auf −6,2 Grad. Auch
diese Tagereise führte über drei kleine, aber recht beschwerliche
Pässe; die Bergketten erstrecken sich jetzt wieder von Westen nach
Osten, und alle Täler fallen nach Süden ab. Eine vierte Kette
brauchten wir nicht zu übersteigen, da sie von einem Flusse
durchbrochen wurde, dem wir folgten.
Alte Lagerplätze sind jetzt ziemlich häufig und lassen sich teils an
den gewöhnlichen drei Steinen, auf die der Kochtopf gestellt wird,
teils an Schädeln von erlegten Yaken und Archaris erkennen. Bei
einem solchen Platze lud die Weide zu einem Extrarasttage ein.
Eine Herde von 50 Kulanen zog sich bei unserem Herannahen
zurück. Yake und Wildschafe sind gleichfalls zahlreich vertreten,
ebenso Hasen. Ein Lampe wurde eifrig von allen sieben Hunden
verfolgt und von Jolldasch gefangen. Jollbars strengt sich nicht
weiter an, bevor die Beute nicht eingefangen ist; dann erst tritt er auf
und hält einen gehörigen Schmaus.
Der Rasttag war in jeder Beziehung herrlich, das Wetter gut; der
Rauch stieg manchmal senkrecht von den Lagerfeuern auf, und
unsere erschöpften Tiere schwelgten in dem guten Grase. In der
Nähe fanden wir noch mehrere alte Lagerplätze, und aus dem
Schafmiste ließ sich schließen, daß die Gegend nicht nur von
Jägern, sondern auch von Nomaden aufgesucht wird. Wir konnten
also jeden Augenblick auf Menschen stoßen, und bei denen, die
noch keine Tibeter gesehen hatten, wurde die Neugier immer größer.
Schagdur und Turdu Bai rekognoszierten in östlicher Richtung
und fanden dort eine ganze Reihe „Iles“ oder Male, die aus Steinen,
oder wo Gestein fehlte, aus Erdschollen errichtet waren. Die Reihe
erstreckte sich weit nach Süden, und die Male standen so dicht, daß
sie, nach Schagdurs Annahme, wahrscheinlich die Grenzlinie einer
Provinz bezeichneten, um so mehr, als von einem Wege dort keine
Spur zu entdecken war. Sirkin schoß einen „Kökkmek“-Bock, der
photographiert wurde (Abb. 260). Schagdur ebenfalls einen.
Letzterer und eine hübsche kleine „Jure“ (Antilope Cuvieri) wurden
von den Kosaken abends vermittelst einiger Pflöcke und Schnüre in
der natürlichen Stellung, die sie während des Laufens einnehmen,
aufgestellt. Am Morgen waren sie steif gefroren und konnten allein
stehen wie Turnpferde. Es geschah, damit ich die Tiere
photographieren konnte (Abb. 261).
31. August. Es ist nicht angenehm, aus seinem süßesten
Morgenschlafe aufgeweckt zu werden; doch ist man erst angekleidet
und in Ordnung, so geht alles seinen ruhigen Gang, und der Tag
verläuft ebenso wie seine Vorgänger. Wir hatten jetzt ein viel
gastfreundlicheres Land als bisher erreicht; der Boden ist fest, das
Terrain senkt sich, und wir brauchten keine Pässe zu forcieren. Auch
der Himmel war uns hold, die Temperatur stieg auf +18,2 Grad.
Südwestlich von unserem Wege zeigte sich ein kleiner Salzsee, der
der Sammelplatz aller Wasserläufe der Gegend war. Am Ufer saßen
einige gewaltige Adler. Ihre Jungen, die eben flügge waren, wurden
von den Hunden angegriffen, verteidigten sich aber so tapfer mit
Schnabel und Krallen, daß die Angreifer sich zurückziehen mußten.
Am 1. September überschritten wir in einem 4855 Meter hohen
Passe die nächste Kette, die ganz und gar aus weichem Material
bestand und abgerundete Formen hatte. Vom Passe hatte man nach
Süden eine außerordentlich weite Aussicht. In der Ferne ließ
allerdings ein schwaches Dunkel einen Kamm ahnen, sonst aber
schienen wir ein paar gute Tagereisen ebenen Terrains vor uns zu
haben. Der Boden schimmerte stärker grün als bisher,
dessenungeachtet waren aber keine Nomaden zu sehen; die
Lagerstellen, an denen wir vorbeikamen, waren alle ziemlich alt.
Obgleich wir nur 20 Kilometer zurückgelegt hatten, blieben wir daher
bei dem ersten Bette, welches Wasser führte.
Gegen 4 Uhr gab es im Lager eine Aufregung. Ein Haufe
schwarzer Punkte, die für weiter südlich weidende wilde Yake
gehalten worden waren, wurden durch das Fernglas als Pferde
erkannt. Der Lama und die Kosaken, außer dem diensthabenden,
ritten dorthin. Ersterer kam jedoch bald wieder und führte sein Pferd,
das krank geworden war, am Zügel. Die Pferde waren fett und
kräftig, aber scheu gewesen. Wächter hatten sich nicht gezeigt, und
nichts deutete an, daß solche beim Herannahen der Reiter entflohen
sein könnten. Für die Besitzer selbst schien die Gegend sicher zu
sein, während es für uns nicht angegangen wäre, die Tiere ohne
Aufsicht zu lassen. Der Ausflug hatte das Gute, daß noch besseres
Weideland entdeckt wurde, wohin wir unsere Tiere trieben und wo
wir ihnen um so eher einen Ruhetag gönnen konnten, als Almas mit
den beiden kranken Kamelen noch nichts von sich hatte hören
lassen.
Frühmorgens machten sich der Lama, Schagdur und Sirkin auf
die Suche nach Tibetern, und wir konnten voraussehen, daß sie
Erfolg haben würden, denn auf den Hügeln im Süden zeigten sich
wohl 1000 Schafe und eine Yakherde.
Gegen Abend kam der Lama mit einer Domba Milch zurück, und
in der Ferne erschienen die Kosaken, drei Tibeter, die ihre Pferde
und ein Schaf führten, buchstäblich vor sich hintreibend. Sie hatten
ein Zelt mit 13 Bewohnern gefunden. Beim Herannahen der Reiter
war die ganze Gesellschaft nach verschiedenen Seiten hin
entflohen; da ihre Pferde jedoch nicht bei der Hand gewesen waren,
hatten unsere Leute sie leicht einholen und nach dem Zelte
zurücktreiben können. Erschreckt wie sie waren, waren sie wenig
mitteilsam, und die Auskünfte, die sie erteilten, waren nicht viel wert.
Sie sagten, daß die Gegend D s c h a n s u n g heiße und ihr
„Bombo“, der an dem großen See Selling-tso wohne, ihnen den Hals
abschneiden würde, wenn sie uns Lebensmittel verkauften. Sie
weigerten sich auch ganz bestimmt, dies zu tun. Nachdem aber
Schagdur, der die Tibeter haßte, seitdem sie uns den Weg nach
Lhasa versperrt hatten, einen der Männer mit seiner Reitpeitsche
traktiert hatte, ließen sie mit sich reden und gaben eine Schüssel
Milch und ein Schaf her. Sie hatten sich erst ganz kürzlich in der
Gegend niedergelassen, so daß sie noch keine Zeit zur Bereitung
saurer Milch gehabt hatten; das noch frische, unberührte Gras um
ihr Zelt herum sprach für die Wahrheit dieser Aussage.
„Wohin reist ihr denn?“ fragte einer von ihnen.
„Nach Ladak“, antwortete der Lama.
„Dann seid ihr auf ganz verkehrtem Wege; nach Süden hin könnt
ihr nur noch eine Tagereise weit kommen, denn dort wird der Weg
vom Selling-tso, wo die Bevölkerung zahlreich ist, versperrt.“
Sie selbst waren Bantsching Bogdo in Taschi-lumpo untertan,
wußten aber nicht, wie viele Tagereisen es bis zu ihrem Tempel sei.
Im Südosten regiere der Dalai-Lama über das Gebiet von Lhasa, im
Osten Kamba Bombo über das von Nakktschu.
Mit sichtbarer Furcht näherten sie sich unserem Lager und
wurden aufgefordert, sich vor der einen Jurte auf einen Teppich zu
setzen (Abb. 262). Tee und Brot wurden ihnen vorgesetzt; nach
einigem Zögern langten sie tüchtig zu. Für das Schaf, das sofort
unter muselmännischen Zeremonien geschlachtet wurde, bezahlten
wir sie mit Lhasageld, für die Milch erhielten sie eine Porzellantasse.
Pferde konnten sie nicht verkaufen, weil die Herde ihnen nicht
gehörte. Sie saßen die ganze Zeit wie auf Kohlen, obwohl der Lama
sie zu beruhigen suchte und versicherte, daß ihnen kein Leid
geschehen solle.
Als wir genug von ihnen hatten, ließen wir sie gehen, und sie
schwangen sich sofort in den Sattel. Inzwischen war der
photographische Apparat aufgestellt worden, und der Lama hielt sie,
den Zügel des einen Pferdes ergreifend, diplomatisch mit einer
letzten Frage fest, so daß ich diese drei halbwilden, barhäuptigen,
mit Säbeln bewaffneten Reiter noch abknipsen konnte, die nun auf
der Abbildung 263 verewigt sind.
Sobald er aber den Zügel losgelassen hatte, schwenkten sie
herum und jagten spornstreichs davon, wobei sie sich umsahen, als
glaubten sie, daß ihnen eine Flintenkugel folgen würde. Als sie
außer Schußweite waren, ritten sie langsamer und sprachen eifrig
miteinander; gewiß fragten sie sich, was wir wohl für seltsame
Menschen sein könnten, da wir ihnen gegenüber so anständig
gewesen seien.
Am 3. September legten wir 29 Kilometer in südsüdwestlicher
Richtung zurück, auf flachem, offenem, gleichmäßig ebenem Lande,
das reich an Tümpeln und kleinen Seen war und oft ganz
vorzügliches Gras aufzuweisen hatte. Keine Hindernisse stellten sich
uns in den Weg, und ich nahm als selbstverständlich an, daß der
Selling-tso jetzt zwischen uns und den niedrigen Bergen, die sich im
Süden nur undeutlich erkennen ließen, liegen müsse. Wir blieben
beisammen, und die kranken Kamele folgten standhaft der
Karawane. Hier und dort sahen wir große Schafherden mit ihren
Wächtern, aber ohne Hunde. Letztere gab es nur bei den Zelten.
Aus einem Zelte holten der Lama und Schagdur eine Domba sauere
Milch. Nach und nach werden die schwarzen Nomadenzelte immer
zahlreicher (Abb. 265) und bilden bisweilen sogar Dörfer. In einem
solchen Dorfe machten die Kosaken einen Besuch, und als sie es
verließen, folgte ihnen ein Pferd, das besonders munter erschien.
Sein Besitzer, ein anderer Mann, ein altes Weib, zwei junge
Mädchen und ein Junge liefen mit einem Stricke hinterdrein, um es
einzufangen. Doch der Gaul zog es vor, sich ganz zu uns zu
gesellen, und wir mußten den Tibetern schließlich wieder zu ihrem
Eigentum verhelfen.
Die jungen Mädchen hatten ihr Haar in zahllose kleine Zöpfe
geflochten, die vom Scheitel wie Radien auf den Rücken und nach
den Seiten herunterhingen und unten der Reihe nach an einen
Streifen roten, mit allerlei Zierraten besetzten Zeuges befestigt
waren (Abb. 264). Von der Mitte dieses Streifens hing ein breites,
buntes, gesticktes Band den Rücken herab. Im übrigen waren sie
barhäuptig und trugen gleich den Männern Pelze und Stiefeln. Wo
die natürlichen Rosen der Wangen ihren Platz hätten haben
müssen, hatten sie die Haut mit irgendeiner rotbraunen Farbe
eingeschmiert und hierdurch ein Paar glänzender, dicker
Firniskrusten zustande gebracht. Einigen von ihren schwarzen
Yaken wurde von unseren Hunden sehr zugesetzt. Die Tiere waren
jedoch so klug, sich in die Mitte eines Tümpels zu flüchten, und
blieben erst stehen, als ihnen das Wasser bis an den Unterkiefer
ging, während die Hunde sie schwimmend umschwärmten. Nun
hatten die Yake nur den Kopf zu verteidigen, und an diesem saßen
die achtunggebietenden Hörner. Diese improvisierte
Wasserpantomime rief in der Karawane große Heiterkeit hervor.
Schon frühmorgens waren sechs Soldaten mit weißen Hüten und
Gewehren wie aus dem Erdboden aufgetaucht und uns auf unserer
linken Seite, aber in gebührender Entfernung gefolgt. Jetzt zeigte
sich rechts von uns eine neue Schar von sieben Mann. Die erste
Truppe ritt auf einem großen Umwege weit hinter uns zu der
letzteren hinüber, und nun umkreisten sie die Karawane, bald vorn,
bald hinten, bald rechts, bald links, zuweilen langsam, zuweilen im
Galopp, und führten eine Art Kampfübungen auf, die, wie ich
vermute, uns Schrecken einjagen sollten. Da es ihnen nicht gelang,
uns zu imponieren, und wir ruhig unseren Weg nach Süden
fortsetzten, näherten sie sich von hinten bis auf ein paar hundert
Meter Entfernung und redeten unter lebhaftem Gestikulieren mit dem
Lama und Schagdur, die zurückgeblieben waren. Bei einem der
Zelte saßen sie ab und gingen hinein.
Inzwischen gelangten wir an das Ufer eines gewaltigen Flusses,
der von Osten kommt und in dem ich bald den S a t s c h u - s a n g p o
wiedererkannte. Jetzt war die Frage, ob es uns gelingen würde,
dieses gewaltige Bett zu passieren. Die Kosaken sollten, während
wir am Ufer warteten, eine Furt suchen. Da, wo wir Halt gemacht
hatten, teilte eine Schlamminsel den Fluß in zwei Arme; hier
probierte es Ördek nackt mit dem Durchwaten. In dem ersten Arme
stieg ihm das Wasser bis an den Hals, in dem zweiten nur bis an die
Achselhöhlen. Als er umkehrte, versuchte er es an einer anderen
Stelle, wo er aber schwimmen mußte. Hier war das Überführen der
Kamele also unmöglich, um so mehr, als der Boden aus tückischem
Schlamme bestand.
Unterdessen waren die Tibeter auch angelangt und auf einen
Hügel am Ufer geritten, wo sie mit lautem Geschrei einen Obo
begrüßten und von wo aus sie unsere verzweifelten Versuche,
hinüberzukommen, mit größtem Interesse beobachteten. Es lag
natürlich nicht in ihrem Interesse, uns Auskunft zu erteilen, und wir
fragten sie auch nicht um Rat.
Nach einem kurzen Marsche flußabwärts kommandierte ich Halt
und ließ das Lager aufschlagen. Das Boot wurde zusammengesetzt,
und mit Ördek als Ruderer maß ich die Tiefen. An einer geeigneten
Stelle wollten wir am folgenden Morgen hinübergehen. Die Kamele
sollten unbeladen und ohne Packsättel hinüberwaten und sämtliches
Gepäck mit dem Boote befördert werden. Ein mehrfaches Seil wurde
quer über den Fluß gespannt. Die Tibeter saßen jetzt unterhalb des
Lagers, waren mäuschenstill und augenscheinlich über das Rätsel
betroffen, wie wir ein ganzes Boot hatten hervorzaubern können. Wir
beabsichtigten anfangs, den Übergang in stiller, dunkler Nacht zu
bewerkstelligen und am nächsten Morgen verschwunden zu sein,
doch daraus wurde nichts, weil wir fürchteten, daß die Kamele sich
erkälten könnten. Am Abend beschloß ich, überhaupt nicht über den
Fluß zu gehen, sondern seinem rechten Ufer bis zu seiner Mündung
in den Selling-tso zu folgen und darauf am Westufer des Sees
entlang zu ziehen, weil Littledale schon längs des östlichen
gegangen war.
Der Abend war still und klar, und die Stille wurde nur durch das
Rauschen des Flusses, die Töne der Balalaika und das Bellen der
Hunde in den Zelthöfen der Tibeter unterbrochen.
Die ganze Nacht blieben die Tibeter auf einem Hügel nordöstlich
vom Lager liegen, wo auch ihr Wachtfeuer brannte.
271. Kalpets Grab. (S. 271.)
 272. Hladsche Tsering, das Mitglied des Heiligen
Rates, seine Pfeife rauchend. (S. 278.)

Während wir am Morgen darauf mit einer Flußmessung

beschäftigt waren, die 68 Kubikmeter in der Sekunde ergab, langte
der Häuptling der Gegend mit einigen Soldaten an, ließ sich bei dem
Lama nieder und betrachtete unser Tun mit grenzenloser
Verwunderung. Er bat um genaue Auskunft über unsere Absichten
und erklärte, falls wir geraden Weges nach Ladak ziehen wollten,
werde er uns Führer für zehn Tagereisen besorgen und uns Pferde,
Schafe und alles, was wir sonst noch brauchten, verkaufen; sei es
aber unsere Absicht, nach Lhasa zu gehen, so müsse er erst einen
Kurier dorthin senden und wir hätten die Antwort abzuwarten, die
vielleicht erst in einem Monat käme. Gingen wir ohne weiteres nach
Lhasa, so werde er den Nomaden in der Gegend verbieten, uns
überhaupt etwas zu verkaufen, und er werde mit seinen Soldaten
alles tun, um unser Vordringen zu hindern. Täte er dies nicht, so
würden sowohl er wie seine Leute den Kopf verlieren. Als ich sagte,
da würde ihnen recht geschehen, bemerkte er lachend, für uns wäre
das freilich vorteilhaft, für sie selbst aber sehr unangenehm.
Schließlich teilte ich ihm mit, daß wir weder ihn noch seinen Führer
brauchten, da wir selbst wüßten, wohin wir zu ziehen gedächten.
„Ja“, antwortete er unerschrocken, „ihr könnt uns das Leben
nehmen, aber solange wir es noch besitzen, werden wir versuchen,
euer Vordringen nach Süden zu verhindern.“
Die Kamele wurden eingetrieben, und die Karawane hatte Befehl,
so nahe wie möglich längs des rechten Flußufers zu marschieren,
während ich und Ördek das Boot bestiegen, um uns von der
Strömung nach Westen treiben zu lassen. Mein Sitzplatz war
außerordentlich bequem von Kissen und Decken hergestellt, und der
Sicherheit halber hatten wir Proviant mitgenommen. Es wurde eine
jener unvergeßlichen, herrlichen Fahrten wie vor zwei Jahren auf der
Fähre; ich saß in schönster Ruhe und ließ die Landschaft an mir
vorüberziehen.
Gerade unterhalb des Lagers machte der Fluß eine scharfe
Biegung, so daß wir eine Weile sogar nach Ostnordost trieben. Der
Wachthügel der Tibeter bestand aus Konglomerat und rotem und
grünem Sandstein und fiel gerade in der Biegung, wo der Fluß
schmal war, steil ins Wasser hinunter. Die Strömung war dort
ziemlich stark, und als das Boot unmittelbar unter der steilen Wand
hinstrich, stimmten die Tibeter ein wildes Geheul an; man konnte
befürchten, daß sie uns mit einem Regen von Sandsteinblöcken
bombardieren würden. Wir atmeten daher erleichtert auf, als wir
unverletzt an ihnen vorbeigekommen waren.
 Nachher geht der Fluß nirgends durch anstehendes Gestein und
wird ziemlich gerade. Er wird von 4–5 Meter hohen Uferterrassen
von Lehm eingefaßt, und das Land wird immer flacher und öder. Das
Bett verbreitert sich immer mehr und wird immer reicher an
Schlamminseln, die die Wassermasse in mehrere Arme teilen. Ördek
half mit dem Ruder, und wir trieben in schwindelnder Fahrt den
Satschu-sangpo hinunter; es war herrlich, aber wie selten kommt es
vor, daß ein großer Fluß so liebenswürdig ist, gerade in der Richtung
unseres Weges zu strömen!
Seine trübe Flut schwenkt dann nach Südwesten ab. Rechts
haben wir eine kleinere Bergkette, in deren Tälern mehrere von
Schaf- und Yakherden umgebene Zelte liegen. Der hohe Uferwall
entzog die Karawane unseren Blicken, aber Tschernoff, der uns zu
Pferde begleitete, hielt die Verbindung zwischen uns und ihr
aufrecht. Am Nachmittag wurde das Wetter ungünstig, denn es
erhob sich ein so starker Südwestwind, daß der Fluß Wellen schlug
und die Fahrt gehindert wurde. Ganze Wolken von Sand und Staub
wehten uns entgegen. Wir hatten jedoch einen so großen Vorsprung,
daß wir ein paarmal auf die Karawane, die noch immer von den
Tibetern verfolgt wurde, warten mußten. An dem letzten Punkte, wo
Gras zu sehen war, machten wir am rechten Ufer Halt, und hier
ließen sich auch die Tibeter nieder.
Jetzt, da sie nicht über Pässe zu gehen brauchten, hielten sich
die kranken Kamele noch immer aufrecht. Muhammed Tokta war
erschöpft und schien ein Herzleiden zu haben. Mit Kalpet war es
noch ebenso, er war still und wortkarg und hatte keine Freunde unter
den anderen, die auch behaupteten, daß er gar nicht krank sei,
sondern sich nur verstelle, damit er immer reiten dürfe und nicht zu
arbeiten brauche. Einer der Kameraden schlug ihn sogar deshalb,
weil die anderen nun die Arbeit übernehmen sollten, die er bisher
getan hatte. Ich wußte nicht, was ich glauben sollte, aber
merkwürdig kam mir die Sache vor, denn der Mann hatte einen
riesigen Appetit. Glücklicherweise machte ich ihm keine Vorwürfe,
sondern bat nur Tschernoff, ihn zu beobachten. Ich würde es später
sehr bereut haben, wenn ich unfreundlich gegen ihn gewesen wäre,
denn er war wirklich krank, und unter den anderen war keiner, der
seine Partei nahm.
Am Morgen des 5. September sah es drohend aus, aber der Tag
wurde klar; leider hatten wir schon von Mittag an starken
Gegenwind, doch die Luft wurde immer reiner, und man konnte
merken, daß der Wind über einen gewaltigen See hingestrichen war
und nicht aus der Steppe stammte. Über mehreren
Sandsteinschwellen bildeten sich Stromschnellen, die wir jedoch mit
Leichtigkeit passieren konnten. Der Satschu-sangpo ist hier eng und
eingeklemmt. Zahllose Schluchten münden wie enge Korridore und
Gänge auf beiden Seiten des Flusses. Man merkt deutlich, daß der
See einst viel größer gewesen sein muß und daß der Fluß jetzt die
alten Sedimente des Sees durchfließt. Die Höhe der Uferterrassen
beträgt 6,7 Meter, und sie sind oft senkrecht.
Nach einer scharfen, zeitraubenden Biegung nach Nordosten
strömt der Fluß beinahe schnurgerade nach Süden. Nur ein paar
Schlammhalbinseln sind vorhanden. Die Terrassen sind bis 8 Meter
hoch, werden aber in demselben Verhältnisse niedriger, wie sich die
Breite des Bettes von 100 Meter auf 400 Meter vergrößert. Der Wind
weht gerade in diesen eigentümlichen Abflußkanal hinein. Die Jolle
stampft fühlbar, und die Fahrgeschwindigkeit ist unbedeutend,
obgleich Ördek mit dem Ruder unverdrossen arbeitet. Fern im
Süden verschwinden die markierten Linien der Terrassen, eine
grenzenlose Perspektive öffnet sich großartig und bezaubernd. Die
Breite beträgt jetzt wohl 500 Meter und die Tiefe ziemlich
gleichmäßig etwa 1 Meter; die Terrassen werden noch niedriger und
sind schließlich nur 1 Meter und noch weniger hoch. Weit konnte es
nach dem Selling-tso nicht mehr sein, wie weit aber, war unmöglich
zu bestimmen, denn die Luftspiegelung über den Wasserflächen
erlaubte uns kein Urteil. Nur die am Ostufer des Sees liegende
Bergkette zeichnete sich deutlich ab, aber sie schien über dem
Boden zu schweben und auf einer Luftschicht zu ruhen, die auf
verwirrende Art spielte und zitterte. Ebenso ist es mit den Kamelen,
die zwei Kilometer westlich von uns marschieren; sie scheinen auf
langen, schmalen Stelzen zu gehen, und die ganze Karawane
schwebt gleichsam in der Luft.
 Nun aber öffnet sich der Fluß trompetenförmig zu einem
großartigen Ästuarium; die Breite vergrößert sich auf 1 und 2
Kilometer, schließlich verschwinden auf beiden Seiten die Ufer, und
vor uns dehnt sich die gewaltige, blaugrüne Fläche des S e l l i n g - t s o
aus. Die Flußterrasse hatte ebenfalls von 1 Meter bis 10 Zentimeter
an Höhe abgenommen, und schließlich lag der Schlamm mit dem
Wasserspiegel in gleicher Höhe. Noch fuhren wir jedoch auf
Flußwasser, das im Gegensatz zu dem herrlichen, frischen und
sicherlich salzigen Wasser dort draußen grau und trübe aussah.
Zunächst war der See so flach, daß wir einen weiten Umweg
machen mußten, um an das nordwestliche Ufer gelangen zu
können, wo einige der Unseren mit Pferden warteten, um uns und
das Boot nach dem Lager zu befördern. Der Südwind war jetzt so
frisch, daß der See sich mit Schaumköpfen bedeckte, und wir hielten
es für geraten, Schuhe und Strümpfe auszuziehen und das Boot in
eine Bucht hineinzuschleppen. Eine Stunde später waren wir
wohlbehalten in dem neuen Lager, in dessen Nähe drei tibetische
Zelte aufgeschlagen waren.
Die Karawane hatte ebenfalls einen guten Tag gehabt, obwohl
die Tibeter sich mausig gemacht hatten. Bei zwei Gelegenheiten
waren die Kosaken nach in der Nähe liegenden Zelten geritten, um
Proviant zu kaufen, sofort aber waren die Späher ihnen
zuvorgekommen und hatten jeglichen Handel untersagt. Die
Kosaken waren einer Karawane von 200 Schafen mit Salzlasten
begegnet und hatten auch mit den Besitzern verhandelt. Sogleich
war der Anführer erschienen und hatte in gebieterischem Ton mit
seinen Landsleuten gesprochen, was zur Folge hatte, daß diese
durchaus nicht zu bewegen gewesen waren, etwas zu verkaufen.
Die Kosaken, die von Natur hitziger waren als ich, ließen darauf den
Tibetern durch den Lama sagen, daß sie sich, wenn sie uns nur
folgten, um uns am Kaufen von Lebensmitteln zu verhindern, künftig
gefälligst außer Schußweite halten möchten, denn sonst würden sie
augenblicklich niedergeschossen werden. Da verschwanden sie
denn auch spurlos für den Rest des Tages. Dank diesem Manöver
konnte die Karawane ungehindert nach den drei Zelten gelangen,
wo sie freundlich von den zwölf Bewohnern empfangen wurde,
welche sehr entgegenkommend waren und gern ein Schaf, Milch,
Butter und Fett verkauften. Sie hatten noch keinen Befehl von dem
hartherzigen Häuptlinge erhalten, der uns aus dem Lande
hinaushungern zu können glaubte. Als sie uns nachher besuchten,
wurden sie mit Tee, Brot und Tabak bewirtet, erhielten kleine
Geschenke, wie einige Messer, einen Kompaß und ein paar Stücke
Zeug, und sie waren über die Maßen entzückt. Ihre Gegend nannten
sie S c h a n n i g - n a g b o (die schwarze Mütze).
Während des Rasttages herrschte heftiger Wind, Gewitter und
Hagel. Ich hielt es für klug, nun, da sich die Gelegenheit bot, noch
einige Schafe zu kaufen und den Proviant zu vermehren. Dies
geschah noch im letzten Augenblick, denn schon um 9 Uhr langte
eine Reiterschar von etwas über 50 Mann an; sie schlugen ein paar
Kilometer von uns zwei Zelte mit blauweißen Dächern auf. Erst
gegen 1 Uhr ließen sie etwas von sich hören und unterhandelten auf
neutralem Gebiete zwischen beiden Lagern mit dem Lama. Auf ihre
Botschaft ließ ich antworten, daß ich, wenn es ihrem vornehmsten
Anführer nicht beliebe, sich persönlich bei mir einzustellen,
überhaupt nicht mit ihnen unterhandeln würde. Er kam auch, von
zehn mit Säbeln bewaffneten Leuten begleitet. Nur mit Schwierigkeit
konnten wir sie dazu bewegen, in das Küchenzelt einzutreten, wo
auf einem Sessel Tee, Brot und Tabak aufgetragen waren, doch sie
rührten die Bewirtung nicht an, — sie dachten wohl, daß sie von
Menschen, die ohne Erlaubnis im Lande umherzogen,
schicklicherweise nichts annehmen dürften.
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