(eBook PDF) Introduction to Probability, Second

Edition pdf download

https://ebooksecure.com/product/ebook-pdf-introduction-to-
probability-second-edition/

Download more ebook from https://ebooksecure.com

We believe these products will be a great fit for you. Click
the link to download now, or visit ebooksecure.com
to discover even more!

(eBook PDF) Introduction to Probability Models 12th

Edition

http://ebooksecure.com/product/ebook-pdf-introduction-to-
probability-models-12th-edition/

(eBook PDF) Introduction to Probability by Mark Ward

http://ebooksecure.com/product/ebook-pdf-introduction-to-
probability-by-mark-ward/

(eBook PDF) Introduction to Probability and Statistics

15th Edition

http://ebooksecure.com/product/ebook-pdf-introduction-to-
probability-and-statistics-15th-edition/

Introduction to Probability and Statistics 14th Edition

(eBook PDF)

http://ebooksecure.com/product/introduction-to-probability-and-
statistics-14th-edition-ebook-pdf/
(eBook PDF) Knowing the Odds An Introduction to
Probability

http://ebooksecure.com/product/ebook-pdf-knowing-the-odds-an-
introduction-to-probability/

(eBook PDF) Introduction to Probability and Statistics

4rd Canadian Edition

http://ebooksecure.com/product/ebook-pdf-introduction-to-
probability-and-statistics-4rd-canadian-edition/

(eBook PDF) An Introduction to Probability and

Statistical Inference 2nd Edition

http://ebooksecure.com/product/ebook-pdf-an-introduction-to-
probability-and-statistical-inference-2nd-edition/

(eBook PDF) Introduction to Probability and Statistics

3rd by William Mendenhall

http://ebooksecure.com/product/ebook-pdf-introduction-to-
probability-and-statistics-3rd-by-william-mendenhall/

(eBook PDF) Introduction to Probability with Texas Hold

'em Examples 2nd Edition

http://ebooksecure.com/product/ebook-pdf-introduction-to-
probability-with-texas-hold-em-examples-2nd-edition/
To our mothers, Steffi and Min
Contents

Preface xiii

1 Probability and counting 1

1.1 Why study probability? . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Sample spaces and Pebble World . . . . . . . . . . . . . . . . . . . . 3
1.3 Naive definition of probability . . . . . . . . . . . . . . . . . . . . . 6
1.4 How to count . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5 Story proofs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6 Non-naive definition of probability . . . . . . . . . . . . . . . . . . . 21
1.7 Recap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.8 R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.9 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

2 Conditional probability 45
2.1 The importance of thinking conditionally . . . . . . . . . . . . . . . 45
2.2 Definition and intuition . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.3 Bayes’ rule and the law of total probability . . . . . . . . . . . . . . 52
2.4 Conditional probabilities are probabilities . . . . . . . . . . . . . . . 59
2.5 Independence of events . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.6 Coherency of Bayes’ rule . . . . . . . . . . . . . . . . . . . . . . . . 67
2.7 Conditioning as a problem-solving tool . . . . . . . . . . . . . . . . 68
2.8 Pitfalls and paradoxes . . . . . . . . . . . . . . . . . . . . . . . . . . 74
2.9 Recap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
2.10 R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
2.11 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83

3 Random variables and their distributions 103

3.1 Random variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
3.2 Distributions and probability mass functions . . . . . . . . . . . . . 106
3.3 Bernoulli and Binomial . . . . . . . . . . . . . . . . . . . . . . . . . 112
3.4 Hypergeometric . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
3.5 Discrete Uniform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
3.6 Cumulative distribution functions . . . . . . . . . . . . . . . . . . . 120
3.7 Functions of random variables . . . . . . . . . . . . . . . . . . . . . 123
3.8 Independence of r.v.s . . . . . . . . . . . . . . . . . . . . . . . . . . 129
3.9 Connections between Binomial and Hypergeometric . . . . . . . . . 133
3.10 Recap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136

ix
x Contents

3.11 R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
3.12 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140

4 Expectation 149
4.1 Definition of expectation . . . . . . . . . . . . . . . . . . . . . . . . 149
4.2 Linearity of expectation . . . . . . . . . . . . . . . . . . . . . . . . . 152
4.3 Geometric and Negative Binomial . . . . . . . . . . . . . . . . . . . 157
4.4 Indicator r.v.s and the fundamental bridge . . . . . . . . . . . . . . 164
4.5 Law of the unconscious statistician (LOTUS) . . . . . . . . . . . . . 170
4.6 Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
4.7 Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
4.8 Connections between Poisson and Binomial . . . . . . . . . . . . . . 181
4.9 *Using probability and expectation to prove existence . . . . . . . . 184
4.10 Recap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
4.11 R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
4.12 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194

5 Continuous random variables 213

5.1 Probability density functions . . . . . . . . . . . . . . . . . . . . . . 213
5.2 Uniform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
5.3 Universality of the Uniform . . . . . . . . . . . . . . . . . . . . . . . 224
5.4 Normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
5.5 Exponential . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
5.6 Poisson processes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
5.7 Symmetry of i.i.d. continuous r.v.s . . . . . . . . . . . . . . . . . . . 248
5.8 Recap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
5.9 R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
5.10 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255

6 Moments 267
6.1 Summaries of a distribution . . . . . . . . . . . . . . . . . . . . . . 267
6.2 Interpreting moments . . . . . . . . . . . . . . . . . . . . . . . . . . 272
6.3 Sample moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276
6.4 Moment generating functions . . . . . . . . . . . . . . . . . . . . . . 279
6.5 Generating moments with MGFs . . . . . . . . . . . . . . . . . . . . 283
6.6 Sums of independent r.v.s via MGFs . . . . . . . . . . . . . . . . . . 286
6.7 *Probability generating functions . . . . . . . . . . . . . . . . . . . 287
6.8 Recap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
6.9 R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
6.10 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298

7 Joint distributions 303

7.1 Joint, marginal, and conditional . . . . . . . . . . . . . . . . . . . . 304
7.2 2D LOTUS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
7.3 Covariance and correlation . . . . . . . . . . . . . . . . . . . . . . . 326
Contents xi

7.4 Multinomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332

7.5 Multivariate Normal . . . . . . . . . . . . . . . . . . . . . . . . . . . 337
7.6 Recap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343
7.7 R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 346
7.8 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348

8 Transformations 367
8.1 Change of variables . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
8.2 Convolutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 375
8.3 Beta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 379
8.4 Gamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 387
8.5 Beta-Gamma connections . . . . . . . . . . . . . . . . . . . . . . . . 396
8.6 Order statistics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 398
8.7 Recap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 402
8.8 R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 404
8.9 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 407

9 Conditional expectation 415

9.1 Conditional expectation given an event . . . . . . . . . . . . . . . . 415
9.2 Conditional expectation given an r.v. . . . . . . . . . . . . . . . . . 424
9.3 Properties of conditional expectation . . . . . . . . . . . . . . . . . 426
9.4 *Geometric interpretation of conditional expectation . . . . . . . . . 431
9.5 Conditional variance . . . . . . . . . . . . . . . . . . . . . . . . . . . 432
9.6 Adam and Eve examples . . . . . . . . . . . . . . . . . . . . . . . . 436
9.7 Recap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 439
9.8 R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441
9.9 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 443

10 Inequalities and limit theorems 457

10.1 Inequalities . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 458
10.2 Law of large numbers . . . . . . . . . . . . . . . . . . . . . . . . . . 467
10.3 Central limit theorem . . . . . . . . . . . . . . . . . . . . . . . . . . 471
10.4 Chi-Square and Student-t . . . . . . . . . . . . . . . . . . . . . . . . 477
10.5 Recap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 480
10.6 R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 483
10.7 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 486

11 Markov chains 497

11.1 Markov property and transition matrix . . . . . . . . . . . . . . . . 497
11.2 Classification of states . . . . . . . . . . . . . . . . . . . . . . . . . . 502
11.3 Stationary distribution . . . . . . . . . . . . . . . . . . . . . . . . . 506
11.4 Reversibility . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 513
11.5 Recap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 520
11.6 R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 521
11.7 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 524
xii Contents

12 Markov chain Monte Carlo 535

12.1 Metropolis-Hastings . . . . . . . . . . . . . . . . . . . . . . . . . . . 536
12.2 Gibbs sampling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 548
12.3 Recap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 554
12.4 R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 555
12.5 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 557

13 Poisson processes 559

13.1 Poisson processes in one dimension . . . . . . . . . . . . . . . . . . 559
13.2 Conditioning, superposition, and thinning . . . . . . . . . . . . . . . 561
13.3 Poisson processes in multiple dimensions . . . . . . . . . . . . . . . 573
13.4 Recap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 575
13.5 R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 575
13.6 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 577

A Math 581
A.1 Sets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 581
A.2 Functions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 585
A.3 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 590
A.4 Difference equations . . . . . . . . . . . . . . . . . . . . . . . . . . . 592
A.5 Differential equations . . . . . . . . . . . . . . . . . . . . . . . . . . 593
A.6 Partial derivatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . 594
A.7 Multiple integrals . . . . . . . . . . . . . . . . . . . . . . . . . . . . 594
A.8 Sums . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 596
A.9 Pattern recognition . . . . . . . . . . . . . . . . . . . . . . . . . . . 599
A.10 Common sense and checking answers . . . . . . . . . . . . . . . . . 599

B R 601
B.1 Vectors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 601
B.2 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 602
B.3 Math . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 602
B.4 Sampling and simulation . . . . . . . . . . . . . . . . . . . . . . . . 603
B.5 Plotting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 603
B.6 Programming . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 603
B.7 Summary statistics . . . . . . . . . . . . . . . . . . . . . . . . . . . 604
B.8 Distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 604

C Table of distributions 605

References 607

Index 609
Preface

This book provides a modern introduction to probability and develops a foundation

for understanding statistics, randomness, and uncertainty. A variety of applications
and examples are explored, from basic coin-tossing and the study of coincidences to
Google PageRank and Markov chain Monte Carlo. As probability is often considered
to be a counterintuitive subject, many intuitive explanations, diagrams, and practice
problems are given. Each chapter ends with a section showing how to explore the
ideas of that chapter in R, a free software environment for statistical calculations
and simulations.

Lecture videos from Stat 110 at Harvard, the course which gave rise to this book,
are freely available at http://stat110.net. Additional supplementary materials
such as R code, animations, and solutions to the exercises marked with s , are also
available at this site.

Calculus is a prerequisite for this book; there is no statistics prerequisite. The main
mathematical challenge lies not in performing technical calculus derivations, but in
translating between abstract concepts and concrete examples. Some major themes
and features are listed below.

1. Stories. Throughout this book, definitions, theorems, and proofs are pre-
sented through stories: real-world interpretations that preserve mathemat-
ical precision and generality. We explore probability distributions using
the generative stories that make them widely used in statistical modeling.
When possible, we refrain from tedious derivations and instead aim to
give interpretations and intuitions for why key results are true. Our expe-
rience is that this approach promotes long-term retention of the material
by providing insight instead of demanding rote memorization.

2. Pictures. Since pictures are thousand-word stories, we supplement defini-

tions with illustrations so that key concepts are associated with memorable
diagrams. In many fields, the difference between a novice and an expert
has been described as follows: the novice struggles to memorize a large
number of seemingly disconnected facts and formulas, whereas the expert
sees a unified structure in which a few principles and ideas connect these
facts coherently. To help students see the structure of probability, we em-
phasize the connections between ideas (both verbally and visually), and
at the end of most chapters we present recurring, ever-expanding maps of
concepts and distributions.

xiii
xiv Preface

3. Dual teaching of concepts and strategies. Our intent is that in reading this
book, students will learn not only the concepts of probability, but also
a set of problem-solving strategies that are widely applicable outside of
probability. In the worked examples, we explain each step of the solution
but also comment on how we knew to take the approach we did. Often we
present multiple solutions to the same problem.
We explicitly identify and name important strategies such as symmetry
and pattern recognition, and we proactively dispel common misunder-
standings, which are marked with the h (biohazard) symbol.
4. Practice problems. The book contains about 600 exercises of varying dif-
ficulty. The exercises are intended to reinforce understanding of the ma-
terial and strengthen problem-solving skills instead of requiring repetitive
calculations. Some are strategic practice problems, grouped by theme to
facilitate practice of a particular topic, while others are mixed practice,
in which several earlier topics may need to be synthesized. About 250
exercises have detailed online solutions for practice and self-study.
5. Simulation, Monte Carlo, and R. Many probability problems are too dif-
ficult to solve exactly, and in any case it is important to be able to check
one’s answer. We introduce techniques for exploring probability via sim-
ulation, and show that often a few lines of R code suffice to create a
simulation for a seemingly complicated problem.
6. Focus on real-world relevance and statistical thinking. Examples and ex-
ercises in this book have a clear real-world motivation, with a particu-
lar focus on building a strong foundation for further study of statistical
inference and modeling. We preview important statistical ideas such as
sampling, simulation, Bayesian inference, and Markov chain Monte Carlo;
other application areas include genetics, medicine, computer science, and
information theory. Our choice of examples and exercises is intended to
highlight the power, applicability, and beauty of probabilistic thinking.

The second edition benefits from hundreds of comments, questions, and reviews from
students who took courses using the book, faculty who taught with the book, and
readers using the book for self-study. We have added many new examples, exercises,
and explanations based on our experience teaching with the book and the feedback
we have received.
New supplementary materials have also been added at http://stat110.net,
including animations and interactive visualizations that were created in connec-
tion with the edX online version of Stat 110. These are intended to help make
probability feel more intuitive, visual, and tangible.
Preface xv

Acknowledgments

We thank our colleagues, the Stat 110 teaching assistants, and several thousand Stat
110 students for their comments and ideas related to the course and the book. In
particular, we thank Alvin Siu, Angela Fan, Anji Tang, Anqi Zhao, Arman Sabbaghi,
Carolyn Stein, David Jones, David Rosengarten, David Watson, Dennis Sun, Hyung-
suk Tak, Johannes Ruf, Kari Lock, Keli Liu, Kelly Bodwin, Kevin Bartz, Lazhi
Wang, Martin Lysy, Michele Zemplenyi, Miles Ott, Peng Ding, Rob Phillips, Sam
Fisher, Sebastian Chiu, Sofia Hou, Sushmit Roy, Theresa Gebert, Valeria Espinosa,
Viktoriia Liublinska, Viviana Garcia, William Chen, and Xander Marcus.
We also thank Ella Maru Studio for helping to create the cover image for the
second edition. The image illustrates the interplay between two-dimensional and
one-dimensional probability distributions.
We especially thank Bo Jiang, Raj Bhuptani, Shira Mitchell, Winston Lin, and
the anonymous reviewers for their detailed comments, and Andrew Gelman, Carl
Morris, Persi Diaconis, Stephen Blyth, Susan Holmes, and Xiao-Li Meng for count-
less insightful discussions about probability.
John Kimmel at Chapman & Hall/CRC Press provided wonderful editorial expertise
throughout the writing of this book. We greatly appreciate his support.
Finally, we would like to express our deepest gratitude to our families for their love
and encouragement.
Joe Blitzstein and Jessica Hwang
Cambridge, MA and Stanford, CA
January 2019
1
Probability and counting

Luck. Coincidence. Randomness. Uncertainty. Risk. Doubt. Fortune. Chance.

You’ve probably heard these words countless times, but chances are that they were
used in a vague, casual way. Unfortunately, despite its ubiquity in science and ev-
eryday life, probability can be deeply counterintuitive. If we rely on intuitions of
doubtful validity, we run a serious risk of making inaccurate predictions or over-
confident decisions. The goal of this book is to introduce probability as a logical
framework for quantifying uncertainty and randomness in a principled way. We’ll
also aim to strengthen intuition, both when our initial guesses coincide with logical
reasoning and when we’re not so lucky.

1.1 Why study probability?

Mathematics is the logic of certainty; probability is the logic of uncertainty. Prob-

ability is extremely useful in a wide variety of fields, since it provides tools for
understanding and explaining variation, separating signal from noise, and modeling
complex phenomena. To give just a small sample from a continually growing list of
applications:

1. Statistics: Probability is the foundation and language for statistics, en-

abling many powerful methods for using data to learn about the world.

2. Physics: Einstein famously said “God does not play dice with the uni-
verse”, but current understanding of quantum physics heavily involves
probability at the most fundamental level of nature. Statistical mechanics
is another major branch of physics that is built on probability.

3. Biology: Genetics is deeply intertwined with probability, both in the in-

heritance of genes and in modeling random mutations.

4. Computer science: Randomized algorithms make random choices while

they are run, and in many important applications they are simpler and
more efficient than any currently known deterministic alternatives. Proba-
bility also plays an essential role in studying the performance of algorithms,
and in machine learning and artificial intelligence.

1
2 Introduction to Probability

5. Meteorology: Weather forecasts are (or should be) computed and expressed
in terms of probability.

6. Gambling: Many of the earliest investigations of probability were aimed

at answering questions about gambling and games of chance.

7. Finance: At the risk of redundancy with the previous example, it should

be pointed out that probability is central in quantitative finance. Modeling
stock prices over time and determining “fair” prices for financial instru-
ments are based heavily on probability.

8. Political science: In recent years, political science has become more and
more quantitative and statistical, with applications such as analyzing sur-
veys of public opinion, assessing gerrymandering, and predicting elections.

9. Medicine: The development of randomized clinical trials, in which patients

are randomly assigned to receive treatment or placebo, has transformed
medical research in recent years. As the biostatistician David Harrington
remarked, “Some have conjectured that it could be the most significant
advance in scientific medicine in the twentieth century. . . . In one of the
delightful ironies of modern science, the randomized trial ‘adjusts’ for both
observed and unobserved heterogeneity in a controlled experiment by in-
troducing chance variation into the study design.” [16]

10. Life: Life is uncertain, and probability is the logic of uncertainty. While it
isn’t practical to carry out a formal probability calculation for every deci-
sion made in life, thinking hard about probability can help us avert some
common fallacies, shed light on coincidences, and make better predictions.

Probability provides procedures for principled problem-solving, but it can also pro-
duce pitfalls and paradoxes. For example, we’ll see in this chapter that even Got-
tfried Wilhelm von Leibniz and Sir Isaac Newton, the two people who independently
discovered calculus in the 17th century, were not immune to basic errors in prob-
ability. Throughout this book, we will use the following strategies to help avoid
potential pitfalls.

1. Simulation: A beautiful aspect of probability is that it is often possible to

study problems via simulation. Rather than endlessly debating an answer
with someone who disagrees with you, you can run a simulation and see
empirically who is right. Each chapter in this book ends with a section
that gives examples of how to do calculations and simulations in R, a free
statistical computing environment.

2. Biohazards: Studying common mistakes is important for gaining a stronger

understanding of what is and is not valid reasoning in probability. In this
book, common mistakes are called biohazards and are denoted by h (since
making such mistakes can be hazardous to one’s health!).
Probability and counting 3

3. Sanity checks: After solving a problem one way, we will often try to solve
the same problem in a different way or to examine whether our answer
makes sense in simple and extreme cases.

1.2 Sample spaces and Pebble World

The mathematical framework for probability is built around sets. Imagine that an
experiment is performed, resulting in one out of a set of possible outcomes. Before
the experiment is performed, it is unknown which outcome will be the result; after,
the result “crystallizes” into the actual outcome.
Definition 1.2.1 (Sample space and event). The sample space S of an experiment
is the set of all possible outcomes of the experiment. An event A is a subset of the
sample space S, and we say that A occurred if the actual outcome is in A.

B
FIGURE 1.1
A sample space as Pebble World, with two events A and B spotlighted.

The sample space of an experiment can be finite, countably infinite, or uncountably

infinite (see Section A.1.5 of the math appendix for an explanation of countable and
uncountable sets). When the sample space is finite, we can visualize it as Pebble
World , as shown in Figure 1.1. Each pebble represents an outcome, and an event is
a set of pebbles.
Performing the experiment amounts to randomly selecting one pebble. If all the
pebbles are of the same mass, all the pebbles are equally likely to be chosen. This
special case is the topic of the next two sections. In Section 1.6, we give a general
definition of probability that allows the pebbles to differ in mass.
Set theory is very useful in probability, since it provides a rich language for express-
4 Introduction to Probability

ing and working with events; Section A.1 of the math appendix provides a review of
set theory. Set operations, especially unions, intersections, and complements, make
it easy to build new events in terms of already-defined events. These concepts also
let us express an event in more than one way; often, one expression for an event is
much easier to work with than another expression for the same event.
For example, let S be the sample space of an experiment and let A, B ⊆ S be events.
Then the union A ∪ B is the event that occurs if and only if at least one of A, B
occurs, the intersection A ∩ B is the event that occurs if and only if both A and B
occur, and the complement Ac is the event that occurs if and only if A does not
occur. We also have De Morgan’s laws:
(A ∪ B)c = Ac ∩ B c and (A ∩ B)c = Ac ∪ B c ,
since saying that it is not the case that at least one of A and B occur is the same
as saying that A does not occur and B does not occur, and saying that it is not
the case that both occur is the same as saying that at least one does not occur.
Analogous results hold for unions and intersections of more than two events.
In the example shown in Figure 1.1, A is a set of 5 pebbles, B is a set of 4 pebbles,
A ∪ B consists of the 8 pebbles in A or B (including the pebble that is in both),
A ∩ B consists of the pebble that is in both A and B, and Ac consists of the 4
pebbles that are not in A.
The notion of sample space is very general and abstract, so it is important to have
some concrete examples in mind.
Example 1.2.2 (Coin flips). A coin is flipped 10 times. Writing Heads as H and
Tails as T , a possible outcome (pebble) is HHHT HHT T HT , and the sample space
is the set of all possible strings of length 10 of H’s and T ’s. We can (and will) encode
H as 1 and T as 0, so that an outcome is a sequence (s1 , . . . , s10 ) with sj ∈ {0, 1},
and the sample space is the set of all such sequences. Now let’s look at some events:
1. Let A1 be the event that the first flip is Heads. As a set,
A1 = {(1, s2 , . . . , s10 ) : sj ∈ {0, 1} for 2 ≤ j ≤ 10}.
This is a subset of the sample space, so it is indeed an event; saying that A1 occurs
is the same thing as saying that the first flip is Heads. Similarly, let Aj be the event
that the jth flip is Heads for j = 2, 3, . . . , 10.
2. Let B be the event that at least one flip was Heads. As a set,
10
[
B= Aj .
j=1

3. Let C be the event that all the flips were Heads. As a set,
10
\
C= Aj .
j=1
Probability and counting 5

4. Let D be the event that there were at least two consecutive Heads. As a set,
9
[
D= (Aj ∩ Aj+1 ). 
j=1

Example 1.2.3 (Pick a card, any card). Pick a card from a standard deck of 52
cards. The sample space S is the set of all 52 cards (so there are 52 pebbles, one for
each card). Consider the following four events:
• A: card is an ace.
• B: card has a black suit.
• D: card is a diamond.
• H: card is a heart.
As a set, H consists of 13 cards:

{Ace of Hearts, Two of Hearts, . . . , King of Hearts}.

We can create various other events in terms of the events A, B, D, and H. Unions,
intersections, and complements are especially useful for this. For example:
• A ∩ H is the event that the card is the Ace of Hearts.
• A ∩ B is the event {Ace of Spades, Ace of Clubs}.
• A ∪ D ∪ H is the event that the card is red or an ace.
• (A ∪ B)c = Ac ∩ B c is the event that the card is a red non-ace.
Also, note that (D ∪ H)c = Dc ∩ H c = B, so B can be expressed in terms of D and
H. On the other hand, the event that the card is a spade can’t be written in terms
of A, B, D, H since none of them are fine-grained enough to be able to distinguish
between spades and clubs.
There are many other events that could be defined using this sample space. In
fact, the counting methods introduced later in this chapter show that there are
252 ≈ 4.5 × 1015 events in this problem, even though there are only 52 pebbles.
What if the card drawn were a joker? That would indicate that we had the wrong
sample space; we are assuming that the outcome of the experiment is guaranteed
to be an element of S. 
As the preceding examples demonstrate, events can be described in English or in
set notation. Sometimes the English description is easier to interpret while the
set notation is easier to manipulate. Let S be a sample space and sactual be the
actual outcome of the experiment (the pebble that ends up getting chosen when the
experiment is performed). A mini-dictionary for converting between English and
sets is given on the next page.
6 Introduction to Probability

English Sets
Events and occurrences
sample space S
s is a possible outcome s∈S
A is an event A⊆S
A occurred sactual ∈ A
something must happen sactual ∈ S
New events from old events
A or B (inclusive) A∪B
A and B A∩B
not A Ac
A or B, but not both (A ∩ B c ) ∪ (Ac ∩ B)
at least one of A1 , . . . , An A1 ∪ · · · ∪ An
all of A1 , . . . , An A1 ∩ · · · ∩ An
Relationships between events
A implies B A⊆B
A and B are mutually exclusive A∩B =∅
A1 , . . . , An are a partition of S A1 ∪ · · · ∪ An = S, Ai ∩ Aj = ∅ for i 6= j

1.3 Naive definition of probability

Historically, the earliest definition of the probability of an event was to count the
number of ways the event could happen and divide by the total number of possible
outcomes for the experiment. We call this the naive definition since it is restrictive
and relies on strong assumptions; nevertheless, it is important to understand, and
useful when not misused.
Definition 1.3.1 (Naive definition of probability). Let A be an event for an exper-
iment with a finite sample space S. The naive probability of A is
|A| number of outcomes favorable to A
Pnaive (A) = = .
|S| total number of outcomes in S
(We use |A| to denote the size of A; see Section A.1.5 of the math appendix.)
In terms of Pebble World, the naive definition just says that the probability of A is
the fraction of pebbles that are in A. For example, in Figure 1.1 it says
5 4 8 1
Pnaive (A) = , Pnaive (B) = , Pnaive (A ∪ B) = , Pnaive (A ∩ B) = .
9 9 9 9
Probability and counting 7

For the complements of the events just considered,

4 5 1 8
Pnaive (Ac ) = , Pnaive (B c ) = , Pnaive ((A ∪ B)c ) = , Pnaive ((A ∩ B)c ) = .
9 9 9 9
In general,

|Ac | |S| − |A| |A|

Pnaive (Ac ) = = =1− = 1 − Pnaive (A).
|S| |S| |S|

In Section 1.6, we will see that this result about complements always holds for
probability, even when we go beyond the naive definition. A good strategy when
trying to find the probability of an event is to start by thinking about whether it will
be easier to find the probability of the event or the probability of its complement.
De Morgan’s laws are especially useful in this context, since it may be easier to
work with an intersection than a union, or vice versa.
The naive definition is very restrictive in that it requires S to be finite, with equal
mass for each pebble. It has often been misapplied by people who assume equally
likely outcomes without justification and make arguments to the effect of “either
it will happen or it won’t, and we don’t know which, so it’s 50-50”. In addition to
sometimes giving absurd probabilities, this type of reasoning isn’t even internally
consistent. For example, it would say that the probability of life on Mars is 1/2
(“either there is or there isn’t life there”), but it would also say that the probability
of intelligent life on Mars is 1/2, and it is clear intuitively—and by the properties
of probability developed in Section 1.6—that the latter should have strictly lower
probability than the former. But there are several important types of problems
where the naive definition is applicable:
• when there is symmetry in the problem that makes outcomes equally likely. It is
common to assume that a coin has a 50% chance of landing Heads when tossed,
due to the physical symmetry of the coin.1 For a standard, well-shuffled deck of
cards, it is reasonable to assume that all orders are equally likely. There aren’t
certain overeager cards that especially like to be near the top of the deck; any
particular location in the deck is equally likely to house any of the 52 cards.
• when the outcomes are equally likely by design. For example, consider conducting
a survey of n people in a population of N people. A common goal is to obtain a
simple random sample, which means that the n people are chosen randomly with
all subsets of size n being equally likely. If successful, this ensures that the naive
definition is applicable, but in practice this may be hard to accomplish because
of various complications, such as not having a complete, accurate list of contact
information for everyone in the population.
1
See Diaconis, Holmes, and Montgomery [7] for a physical argument that the chance of a tossed
coin coming up the way it started is about 0.51 (close to but slightly more than 1/2), and Gelman
and Nolan [11] for an explanation of why the probability of Heads is close to 1/2 even for a coin
that is manufactured to have different weights on the two sides (for standard coin-tossing; allowing
the coin to spin is a different matter).
8 Introduction to Probability

• when the naive definition serves as a useful null model. In this setting, we assume
that the naive definition applies just to see what predictions it would yield, and
then we can compare observed data with predicted values to assess whether the
hypothesis of equally likely outcomes is tenable.

1.4 How to count

Calculating the naive probability of an event A involves counting the number of

pebbles in A and the number of pebbles in the sample space S. Often the sets
we need to count are extremely large. This section introduces some fundamental
methods for counting; further methods can be found in books on combinatorics, the
branch of mathematics that studies counting.

1.4.1 Multiplication rule

In some problems, we can directly count the number of possibilities using a basic but
versatile principle called the multiplication rule. We’ll see that the multiplication rule
leads naturally to counting rules for sampling with replacement and sampling without
replacement, two scenarios that often arise in probability and statistics.

Theorem 1.4.1 (Multiplication rule). Consider a compound experiment consisting

of two sub-experiments, Experiment A and Experiment B. Suppose that Experiment
A has a possible outcomes, and for each of those outcomes Experiment B has b
possible outcomes. Then the compound experiment has ab possible outcomes.

To see why the multiplication rule is true, imagine a tree diagram as in Figure 1.2.
Let the tree branch a ways according to the possibilities for Experiment A, and for
each of those branches create b further branches for Experiment B. Overall, there
are b| + b +{z· · · + }b = ab possibilities.
a

h 1.4.2. It is often easier to think about the experiments as being in chronological

order, but there is no requirement in the multiplication rule that Experiment A has
to be performed before Experiment B.

Example 1.4.3 (Runners). Suppose that 10 people are running a race. Assume that
ties are not possible and that all 10 will complete the race, so there will be well-
defined first place, second place, and third place winners. How many possibilities
are there for the first, second, and third place winners?

Solution: There are 10 possibilities for who gets first place, then once that is fixed
there are 9 possibilities for who gets second place, and once these are both fixed
Discovering Diverse Content Through
Random Scribd Documents
Emellertid närmade sig den dag, då fiskaren hade lofvat, att kasta
Bubblan tillbaka i hafvet.
Det hade under dessa sex år gått fiskaren väl. Hvarje morgon fann
han sina nät fulla af strömming, och när det blåste hårdt, flöt hans
båt lätt som ett spån öfver vågorna, som liksom nego och banade
väg för den. Han förstod nog, hvem han hade att tacka för allt detta,
och så tänkte han, att det kunde vara osäkert, huruvida hafsmannen
alltjämt skulle vilja bry sig om honom, när han väl hade fått sin son
tillbaka.
Han talade därom med sin hustru, och hon sade: »Du är dum, om
du kastar hafsungen ut på djupet. Ser du inte, hvilken makt vi ha
öfver dem där nere, så länge de veta, att han är i vårt våld. Nej du,
låt dem vänta! Ens löften till så’nt folk behöfver man inte ta så
noga.»
Och så beslöt fiskaren, att han skulle behålla Bubblan ännu en tid.
På aftonen precis sex år sedan den kväll fiskaren talat med
hafsfolket var det härligaste månsken.
Hafvet var spegelblankt, och då fiskaren lade ut sina nät, fick han se,
att just där månen speglade sig som en hvit silfversköld i hafvet,
började vågorna röra sig och brusa, och med ens dök hafsfolket upp
ur vattnet.
Hafsmannen hade en tångkrans på hufvudet och kappa med
glimmande musselskal öfver axlarna, och hafsfrun hade en klänning
af hvitt skum med silfverstänk, och en lång, skimrande dimslöja
öfver håret.
»Nu!» ropade hafsmannen till fiskaren. »Nu är stunden kommen! Gif
mig min son, min Bubbla tillbaka!»
Fiskaren låtsade, som om han icke hörde, utan sysslade med sina
nät.
Då ropade hafsfrun med klagande röst:
»Gif oss vår son, vår Bubbla tillbaka!»
»Lugna er!» sade fiskaren och reste sig i båten. »Lugna er ännu en
tid! Er son har det bra hos oss, och han önskar som vi, att tills vidare
få stanna kvar där uppe i skogssjön. Det är väl inte så brådt! Ta er
ett bad och lugna er!»
»Jaså, det är på det sättet mänskorna hålla sina löften!» ropade
hafsmannen.
»Olycka och förbannelse öfver er!» skrek hafsfrun.
»Det skulle kunna hända, att du i framtiden ser strömmingsstimmen
gå en annan väg än i dina nät!» hväste hafsmannen.
»Alla mina hafsjungfrur skola hjälpa mig, att sopa böljorna öfver din
båt!» tjöt hafsfrun.
»Storm och blixt skola krossa dig, dräpa dig! Böljorna skola jaga dig,
taga dig, skrämma dig, klämma dig, gömma dig!» ropade hafsfrun.
»Skrik lagom!» sade fiskaren och lade lugnt ut sina nät. »Om jag
ser, att ni inte i allt hjälper mig, utan i stället försöker stjälpa mig —
ja, då hänger jag samma dag er hafsskatt i första, bästa gran uppe
vid sjön, där han nu plaskar som bäst.»
Hafsfrun uppgaf ett så långt och ohyggligt tjut, att fiskaren blef
riktigt rädd, och fyrtornet ute på skäret blinkade med ögonen af
förskräckelse.
»Tjut måttligt!» ropade han därpå. »Det skall inte hända er son
något ondt, så länge ni i allt gör mig till viljes. Och om sex år — ja,
nu är det riktigt sant — om sex år skall ni så säkert få honom ner på
hafsbotten igen, som jag nu står här.»
»Och ljuger!» skrek hafsfrun.
»Gör som ni vill!» svarade fiskaren blott. »Men har ni något hjärta i
er, så tänk på, att er sons lif beror på er själfva!»
Då gaf hafsfolket ett så förfärligt skrik ifrån sig, att månen af
förskräckelse gömde sig bakom en sky.
Då den åter kom fram, voro de försvunna i djupet.
Men den natten blef det den våldsammaste storm. Hafvet vrålade
och larmade som om alla onda andar voro lössläppta. Vågorna
sprutade så högt upp, att de slogo och piskade mot rutorna i
fiskarstugan och de där inne icke kunde sofva.
»Hvad är det? Hvad är det?» frågade fiskarhustrun och stirrade ut i
natten, där hafvet rasade.
»Å, det är bara hafsfolket, som är på misshumör för att det inte
genast får sin vilja fram. Det går dem i magen, och de ha dåliga
drömmar, men det lugnar sig snart!»
I tre dagar och tre nätter rasade stormen, men så blef hafvet lugnt,
och första gången fiskaren lade ut näten, hade han dem fullare än
någonsin.
Då hände det en dag, att Bubblan och Vifvan sutto vid sjön och
talade med hvarandra. Bubblan hade från sjöbotten hämtat upp
några små musslor, som han hade lagt på stranden.
»Men dessa äro inte vackra,» sade han, »inte tillräckligt vackra till
min Vifva. Jag minns, då jag var helt liten och satt på hafsbotten, att
jag lekte med stora rosenröda snäckor, som min mor gaf mig. Om
jag bara kunde få fatt i en af dem.»
»Ja, hur skall det gå till?» frågade Vifvan. »Jag kan inte gå ner på
hafsbotten efter dem. Då skulle jag dö, och aldrig mer komma igen
och leka med dig!»
»Nej, men du kan gå ner till stranden och ropa på far min, och när
han kommer, så säg till honom: »Bubblan längtar efter snäckor! Af
de röda, af de stora, af de allra vackraste, som mor hans gaf honom
att leka med, då han var liten; af dem, som kunde brusa och susa
och säga: »Schy, scho — hela hafvet stormar.»
Ja, det lofvade Vifvan, och hon längtade så att ge Bubblan, det han
önskade, att hon rent af glömde, att hon var förbjuden att gå ned till
stranden, utan sprang så fort hon kunde.
Då hon hade kommit alldeles intill hafvet, gick hon ut på en lång rad
flata stenar, som lågo i vattnet, och från den allra yttersta ropade
hon:
»Hafsman! Hafsman! Bubblefar, kom!» Då hon hade ropat tre
gånger, började det bubbla så underligt i hafvet, och upp från djupet
steg hafsmannen med tång i håret och musselskal i skägget.
Då han fick se Vifvan, som stod och lyste i solskenet med sitt långa
gullhår, skrattade han och visade alla sina stora tänder.
»Bubblan ber att få snäckor, af dem, som växa på hafsbotten, af de
stora, af de röda, af dem, som kunna brusa och susa och säga:
Schy, scho — hela hafvet stormar!» ropade Vifvan.
Då nickade hafsmannen långsamt och plumsade åter ner i djupet,
men en stund därpå kom han upp igen och hade båda händerna
fulla af stora, rosenröda snäckor, som sågo ut som de godaste
frukter.
»Schy — scho — scha — schuu,» sade han och räckte ena handen
mot Vifvan, medan han så vänligt visade tänderna.
Vifvan sträckte ifrigt sina händer efter dem, men i detsamma
kastade hafsmannen alla snäckorna i hafvet, så att de föllo som en
regnskur öfver vattnet, och i ett nu hade han gripit Vifvan om lifvet
och höll henne fast.
Hon skrek allt hvad hon kunde, men han andades öfver hennes
ansikte, öfver mun och ögon, öfver hennes nacke och hals, och då
bredde sig som en tunn, hvit hinna öfver hela hennes kropp, och
hon domnade af.
Då dök hafsmannen ned i djupet med henne.
Först då han var nere på botten, lade han Vifvan på en bänk af
sjögräs, och där fick hon ligga länge och sofva. Men sedan simmade
han fram och andades åter öfver henne, och då föll den tunna, hvita
hinnan af henne, och hon öppnade ögonen och kunde se och lefva i
hafvet.
Först trodde hon, att hon drömde, och ville oupphörligt torka vattnet
ur ögonen, men så förstod hon plötsligt, hvar hon var, och var icke
alls rädd.
»O! Jag är i hafvets djup!» sade hon. Här, där min lilla Bubbla är
född. Nu vill jag se allt, allt här nere, så att jag kan berätta honom
därom, när jag åter kommer upp.»
Simma kunde hon ju icke som de andra, då hon icke hade en sådan
fiskstjärt som de, men två af sjöjungfrurna buro henne på gullstol
emellan sig och så susade de i väg med henne genom vattnet.
Och där nere i hafvet var allt så underbart, så stort och ljust och
oändligt.
När solen lyste ofvanför på himlen, strålade allting på djupet som
smälta ädelstenar, men gick det skyar öfver himlen, blef allting där
nere så kyligt och hemlighetsfullt.
För resten var hafvet icke ett ögonblick sig likt. Det växlade i
ständiga färgskiftningar, och så tonade det i en evig, böljande musik.
Än ljöd det i stormfyllda, mäktiga ackord, än susade det i underbara,
tjusande harmonier, och än sjöng det stilla, klara sånger.
Det var så lefvande som intet Vifvan hade sett på jorden. Det
flammade till och fördunklades, gnistrade och susade, sjöng och
hviskade från morgon till afton utan uppehåll. Om natten sof Vifvan
på en säng af sjögräs, och då hörde hon ännu i drömmen hafvets
underbara musik.
Men hon var icke alltid på botten af hafvet. Ofta buro sjöjungfrurna
henne upp till hafsytan och dansade på vågorna med henne.
När då hafvet låg som en enda lysande yta framför henne och hon
säkert och lätt vaggade på sjöjungfrurnas armar, kände hon sig som
en lycklig bölja och skrattade af glädje.
Men när hafvet stormade vildt, satte sjöjungfrurna henne på ett skär,
och så tumlade de omkring henne och visade henne sina lekar i
hafvet. De dansade ringdansar genom vågorna och hoppade högt
upp, så att det sprutade om dem. Än stodo de på hufvudet och än
på stjärten. Man visste knappt, hvad som var upp och ned på dem,
och så sjöngo och skreko och skrattade de så högt, att skeppen,
som kommo förbi, satte alla segel till och skyndade mot land.
Här, utifrån hafvet sedt, såg landet så flackt och obetydligt ut.
Bergåsen var som en liten låg jordvall, den högsta gran i skogen såg
ut som en liten pinne, som stack upp öfver stranden, och
fiskarstugan var som en leksak, som en enda af de stora vågorna
skulle kunnat krossa i spillror.
Nej hafvet! Det var stort och mäktigt och oändligt, aldrig detsamma
och icke likt något annat, och Vifvan började att älska hafvet och
glömma jorden.
Väl tänkte hon ibland på sina föräldrar och ännu oftare tänkte hon
på lilla Bubblan och längtade efter honom, men när hon sade det till
hafsmannen och hafsfrun svarade de:
»Han kommer snart! Han kommer om sex år, och sex år äro blott
som ett vågslag i hafvet.»
Och så tröstade sig Vifvan och lyssnade till hafvets brus.
Men hemma hos fiskaren hade de saknat Vifvan samma dag hon
försvunnit.
De sökte henne först uppe vid den lilla skogssjön, där de alltid
trodde sig kunna finna henne, när hon var länge borta, men där
fanns hon icke, och att hon icke på länge hade varit där, förstodo de
af Bubblans förskräckta ansikte. Han hade simmat ända intill
stranden och låg med armbågarna på stenen och hufvudet i
händerna och stirrade in emot skogen, hvarifrån han väntade, att
Vifvan skulle komma tillbaka.
Då föll det fiskaren in att gå ner till hafvet. En aning sade honom, att
nu hade hafsmannen hämnats; och i solnedgången fick han se, huru
hafsmannen låg stödd mot en stor sten, icke långt från land, och såg
upp mot fiskarstugan.
»God afton, hafsman!» sade fiskaren. »Det var just dig jag ville tala
med.»
»Står till tjänst!» svarade hafsmannen och kammade sitt skägg med
sina långa, bruna fingrar. »Hvad är det fråga om?»
»Jo, om ingenting mer eller mindre än om min egen dotter,» svarade
fiskaren. »Du skulle väl inte ha sett Vifvan?»
»Hon med gullhåret?» sade hafsmannen. »Jo, det kunde kanske
hända, att jag har sett henne. Jag har till och med sett henne
alldeles nyss! Hon satt på hafsbotten och drog pärlor på sjögräs.»
»Då ger du mig henne genast tillbaka!» ropade fiskaren. »Genast
hör du — — eller — —».
»Eller hvad för slag?» frågade hafsmannen, satte sin tångkrans på
sned och lade armarna i kors. Han såg morsk ut.
»Eller jag hänger din son i första gran i skogen,» skrek fiskaren.
»Det är lätt gjordt!»
»Det är ännu lättare, att kväfva din dotter i en bölja,» sade
hafsmannen.
»Nå, då skall du få din herr son igen,» ropade fiskaren. »Med stjärt
och allt! Jag skall redan i afton hämta honom i brygghuskaret och
stjälpa honom i hafvet.»
»Gör dig inte besvär!» sade hafsmannen lugnt. »Det var ju tal om
sex år, tyckte jag, att du nyligen sade. Jag tycker om, att man är
precis med sina löften. Ditt första löfte bröt du och flyttade fram
tiden. Nu skall du inte förhasta dig med, att vilja påskynda den. I sex
år väntar jag på min son, och i sex år behåller jag din dotter. På
midsommardagen om sex år sätter jag henne i land vid din dörr i
samma ögonblick, som du kastar min son i hafvet. Det måste vara
ordning i allt.»
»Å, du gamla hafskatt! Du stygga gamla hafstroll! Tvi dig!» skrek
fiskaren och hotade honom med en båtshake. Men hafsmannen satt
alldeles stilla och skrattade, så att man såg alla hans tänder.
»Snälla lilla rara hafsgubbe!» sade då fiskaren. »Lilla rara hafsfarbror
och kommendörkapten! Skulle du inte kunna ge mig Vifvan just nu
med detsamma. Skulle det inte vara roligt att redan i dag få din
gosse tillbaka?»
»Det skulle nog vara roligt,» svarade hafsmannen, »men det är en
sak, som är ännu roligare, och det är att hämnas! Det är vildt
roligt!» och så skrattade han så hemskt, att fiskaren kände kalla
kårar utefter ryggen.
»Om sex år!» ropade hafsmannen igen, »om sex år skall du ha din
dotter frisk och stark tillbaka; — det vill säga så vida du passar noga
på min son. Ty sker det honom det allra minsta ondt, ja då — — du
vet! Det går så lätt i en bölja!»
I detsamma gled en lång, lång bölja med rasslande skum in emot
stranden, och hafsmannen och solen sjönko ned i hafvet.
Medan Vifvan lefde sitt lif nere i hafvets djup, satt lilla Bubblan uppe
i skogssjön och såg upp i träden, undrande hvarför hon aldrig, aldrig
kom.
Först sade fiskarhustrun länge till honom, att hon hade rest bort,
men då dagar och veckor gingo, måste hon fram med sanningen och
berätta Bubblan, att Vifvan hade sjunkit i hafvet, och icke förr än om
sex år skulle hon komma upp igen.
Då kröp Bubblan ned på botten af sjön och syntes icke till på sex
dagar.
Men svälten dref honom upp, ty i den lilla sjön fanns just ingen fisk,
och nu hade han blifvit van vid ordentlig människoföda; och så bar
fiskarhustrun till honom mat liksom Vifvan hade gjort, och försökte
göra lifvet så drägligt för honom som möjligt.
Hon hade af fiskaren fått höra hafsmannens hotelser, att det
berodde på, huru de behandlade Bubblan, om Vifvan skulle komma
helbrägda tillbaka till dem igen.
Både hon och fiskaren gingo upp till sjön, så ofta de hade en stund
ledig, och hade alltid mat med till Bubblan. Då de visste, att de på
flere dagar icke skulle få tid att komma upp i skogen, satte de ett
helt tråg med strömming vid sjökanten, så att han icke skulle sakna
något, medan de voro borta, så att svälte gjorde han ju inte, och
han kunde ju lätt nog hålla sig ren, då han hade hela sjön att tvätta
sig i. Men det var också alltsammans.
Fiskaren och hans hustru sade honom visserligen ett par ord, när de
kommo för att hälsa på honom, men de kunde hvarken leka med
honom eller sjunga för honom, och, framför allt, de brydde sig
egentligen icke det minsta om honom, utan tittade endast till
honom, därför att de voro rädda för hafsmannen.
Det var något annat, då Bubblan hade sin egen, kära Vifva till
lekkamrat. Hon älskade honom, som om han hade varit hennes egen
bror, och delade sorg och glädje med honom, och så var hon så
vacker att se på! Fiskargumman var icke alls vacker. Hon var så
mager och torr som en gammal sill, och så luktade hon alltid
strömming.
För hvarje år, som gick, blef Bubblan allvarligare. Han växte mer och
mer — och fiskstjärten växte förstås också — och han blef lång och
mager, fick långt, svart hår och sådana sorgsna mörkblå ögon. Han
låg för det mesta nära stranden och spelade på sin flöjt alla de
melodier, han hört Vifvan sjunga, och ännu flera, som han själf
hittade på; eller också låg han och tittade upp i trädtopparna och
såg björkarna vifta och granarna susa och asparna darra. Träden i
skogen voro hans bästa vänner.
»Hvad hon skall längta efter er alla, ni vackra träd!» sade han till sig
själf. »Stackars lilla Vifvan där nere i det stora, kalla hafvet, där det
hvarken växer lingon eller nyponblommor!» och så grät han, ty det
tyngde så förskräckligt på hans samvete, att det var för hans skull
Vifvan hade gått till hafvet; ty hafsmänniskorna ha också samvete
liksom alla andra skapade varelser.
Så började han räkna dagarna och veckorna till dess Vifvan skulle
komma hem, och då han ingen almanacka hade, hittade han på, att
för hvar dag som gick, lägga en liten sten vid stranden, och när han
hade lagt sex gånger tre hundrasextiofem stenar, ja, då kom den
lyckliga dag de skulle ses igen. Han tänkte icke på, att han just
samma dag skulle kastas i hafvet!
För Bubblan var hvarje dag af dessa sex år så tung som en sten, för
Vifvan flöt hvarje dag så lätt som en bölja.
Och så randades midsommardagen sex år efter den dag hon blifvit
dragen ned i hafvet, och då hon skulle sättas i land på jorden igen.
Fiskaren hade tidigt på morgonen begifvit sig upp till skogssjön med
sin kärra, hvarpå han satt sitt största bykkar, fullt af vatten, och däri
lyfte han och hans hustru Bubblan.
De hade flätat en krans af eklöf till hans mörka hår och hängt en
annan krans kring hans axlar. Då de kommo till stranden, lyfte de
honom ned i båten, och båten var klädd med björklöf och röda
pioner; det var ju midsommardag, och det fattiga hafsfolket skulle
väl ändå se litet af allt det gröna, hvarmed jorden klär sig till
midsommar.
Där låg Bubblan i båten med hakan på relingen och stirrade ut mot
hafvet, hvarifrån Vifvan skulle komma.
Det var den klaraste solskensdag.
Himlen och hafvet voro så blå och flöto så öfver i hvarandra, att man
knappt kunde se hvilket, som var hvilket, och öfver hela vattenytan
gingo små krusiga böljor, som om en stor befolkning skulle vara i
rörelse för att vänta på något, som skulle komma. Och nu! — Där
ute på djupet började det röra sig! Det susade, det brusade, och se!
Upp från djupet steg hela festtåget.
I spetsen kommo tre hornblåsare.
Det var tre unga hafsgossar, som redo på sprattlande sjöhästar och
blåste på stora snäckor, så att kinderna stodo som segel för vinden.
Så kommo hafsmannen och hafsfrun arm i arm. Hon var klädd i grön
glimmertång med pärlor, och hade koraller kring halsen.
Han var i stor uniform d. v. s. i grön gördel med blå musslor,
bärnstenshalsband och bärnstensörhängen och en väldig treudd i
handen.
Bakom dem kom en stor skara hafsmänniskor, hafsjungfrur i hvita
skumslöjor med kransar af näckrosor kring håret, och hafsmän i blå
och gröna böljekappor med rosetter af blommande tång kring
stjärtarna.
De dansade par om par framför triumfvagnen, som nu körde fram
öfver vågorna.
Sex frustande delfiner drogo ett stort rosenrödt snäckskal, och därpå
stod Vifvan.
Hon var klädd i en hafsblå böljeslöja med tusentals gnistrande stänk,
och kring hennes skuldror fladdrade hennes långa, lockiga gullhår
och sväfvade som solstrålar efter henne.
Bakom triumfvagnen kom därpå den öfriga uppvaktningen af
dansande sjöjungfrur, som spelade på silfverharpor och blåste på
långa flöjter af kristall, medan små hafsungar hela tiden slogo volt
omkring dem som delfiner.
Men uppe i luften sväfvade en lång rad af hvita måsar som en sky
efter tåget.
Bubblan låg i båten och såg ut emot hafvet och emot Vifvan.
Hon log emot honom, och lyste som själfva solen, där hon gled fram
öfver vågorna.
»Kommer du! Kommer du ändtligen!» ropade han och bredde ut
armarna emot henne.
Hon närmade sig stranden, och nu satte hon sin fot på den stora
stenen nedanför fiskarstugan.
Bubblan reste sig till hälften i båten för att vända sig emot henne,
men i samma ögonblick Vifvan steg i land, trampade fiskaren så
hårdt i ena sidan af båten, att Bubblan gled ut öfver den andra sidan
och ned i hafvet, där hafsfolket snabbt som en tanke drog honom till
botten.
Ja, nu var Vifvan hemma igen, och hennes föräldrar kunde icke nog
förvåna sig öfver, huru stor och vacker hon blifvit. Hennes ögon voro
blå som hafvet på en sommardag, hennes gång var så gungande,
hennes stämma så sjungande, och hennes gullhår sken omkring
henne, så att hon lyste.
»Vi ha ju fått en riktig prinsessa hem,» sade fiskaren och förblef
stående med mössan i handen.
»Är det här ni bo?» frågade Vifvan och såg sig omkring. »Det var
förskräckligt smått och trångt, och så kväfs man ju af brist på luft!
Jag kom inte alls ihåg, att stugan var så liten!»
»Och Bubblan? Hvar är Bubblan?» frågade hon vidare. Hon hade
icke sett, då han försvann i hafvet.
»Han kommer snart tillbaka,» svarade modern. »Hans föräldrar ville
bara tala litet med honom,» och så försökte de att vända hennes
tankar på något annat.
Hon skulle se trädgården och ängen, och gå upp på berget till den
lilla sjön, men öfverallt gick hon tyst.
»Hvad det är smått, alltsammans!» sade hon. »Jag kan ju inte
andas.»
Det enda, som gladde henne att se, var den lilla sjön, där Bubblan
hade bott, och där hon hade lekt med honom, men hon tyckte också
att den hade krympt ihop och blifvit så sorgligt liten.
»Det allra minsta rum nere i hafvet är mycket större, än denna
vattenskvätt,» sade hon. »Den är inte stort större än hafsfruns
nackspegel.»
Hvar dag frågade hon bara:
»Kommer inte Bubblan snart?» och så måste de ju slutligen säga
henne, att hon gjorde bäst i att glömma honom, ty nu skulle visst
hafsfolket näppeligen släppa honom mera.
Då blefvo Vifvans ögon mörka, och hon hvarken sjöng eller skrattade
mera.
Hon satt endast och grubblade på, huru hon åter skulle kunna få se
sin barndomsvän.
Till hafsstranden fick hon icke gå, ty fiskaren lefde i en ständig
ångest, att hafsfolket åter skulle ta henne, och hon visste också nu,
att på hafsbotten kan intet människobarn lefva, som icke
hafsmannen själf har andats på. Hon ville helst ha Bubblan upp till
sig på jorden.
Och Bubblan själf! Ja, han tänkte aldrig på annat. Han simmade
omkring som en skugga nere på hafsbotten och hade aldrig ro,
hvarken dag eller natt. Det plågade honom, att det ständigt blänkte
till och strålade i hafvet, och den eviga musiken där nere gjorde
honom så orolig och sjuk att han ofta borrade sig ända ned i botten
för att slippa höra den.
Han tänkte på tystnaden uppe vid den lilla skogssjön, på björkdoften
och de varma ångorna från granskogen. Han slöt ögonen för alla de
blå böljorna, som susade så lockande omkring honom och tänkte på
nyponbuskarna, som nu stodo fulla af rosor, och smultronbacken,
där nu Vifvan gick och plockade bär, och han grät så salta tårar, som
endast en hafsgosse kan gråta.
In till stranden fick han aldrig simma, men ibland fick han tillåtelse,
att stiga upp öfver vattenytan och se emot land. Och då kunde han
ligga timtals i solskenet och stirra in mot skogen, där han kände den
höga granen, som sköt upp öfver de andra.
»Där bakom ligger min egen, älskade sjö!» suckade han. »Och där
går Vifvan ensam, ensam!»
Och Vifvan satt nästan alltid uppe vid sjön. Då hon icke fick gå ned
till hafvet, ville hon icke se det. Hon längtade efter hafvet så att det
brände i bröstet på henne, och hvarje andetag hon tog var henne en
plåga.
»Om jag ändå hade Bubblan här!» suckade hon. »Så skulle vi tala
om hafvet och om allt det underbara där nere, och — hvem vet —
kanske kunde hon en dag få veta hemligheten, huru han skulle
kunna föra mig lefvande ned på djupet.»
Hon lät smultronen stå utan att äta dem och lät blommorna vissna
utan att plocka dem.
Hon brydde sig icke om någonting.
Ibland stod hon uppe på backen och såg ut öfver stranden, och då
inbillade hon sig, att hon såg Bubblan ute på hafvet, men det kunde
ju lika gärna vara en hafsmås, som simmade på vågorna.
Och Bubblan såg mot land och undrade, om det var Vifvans långa
gullhår, som lyste uppe på sluttningen, eller om det blott var
solstrålar på ängen.
Så gick hela sommaren, och hösten kom.
Det hade regnat mycket på sensommaren, och alla bäckar och åar
voro fulla af vatten. Från den lilla skogssjön flöt också en bäck ned
mot hafvet. Den hade lång väg att gå genom den djupa skogen och
genom en bred, trädbevuxen dal ut till hafvet.
Under hela försommaren hade den varit torr, och man kunde gå i
flodbädden som på en väg, men nu efter regnskurarna fylldes den
allt mer och mer med vatten och sprang skummande från sjön in i
skogen och vidare ned mot hafvet.
»Denna bäck finner väg till hafvet,» tänkte Vifvan. »Skulle det vara
omöjligt, att finna väg från hafvet och dit upp?»
Om hon blott en gång kunde få tala med Bubblan! Men hur skulle
det väl gå till? —
Då hände det en dag, att det blef en stark storm, och hafsfolket
hade fullt upp att göra med att dansa omkring ett skepp, som var
nära att förlisa långt ute på hafvet.
Fiskaren var upptagen af att draga i land sina not och båtar, och då
passade Vifvan på och sprang allt hvad hon kunde längs stranden till
en liten bukt, där det alltid var mera lä än på andra ställen.
»Bubblan!» ropade hon emot stormen. »Bubblan! Kom upp! Det är
Vifvan som ropar!»
Bubblan flöt nere i hafvet, ensam och sorgsen. Han ville aldrig vara
med om att göra människor skada, som de andra hafsmänniskorna,
och han lyssnade genom stormen och tyckte sig känna igen Vifvans
stämma.
Han vågade sig upp, och då han visste, att alla hafsmänniskorna
voro långt borta, simmade han, så fort han kunde, in emot stranden.
»Vifvan! Min Gullvifva, är det du?» ropade han till henne.
»Ja, ja, ja!» ropade hon tillbaka.
»Och aldrig kunna vi nå hvarandra mera,» svarade han med
klagande stämma. »Min far har sagt, att lefvande kommer du aldrig
mer till hafvets botten. Han hatar din far och mor och dig och alla
människor!»
»Då måste du komma till mig,» sade Vifvan. Hon kunde nu tala
saktare, ty Bubblan hade simmat helt nära henne.
»Ser du», sade hon och böjde sig så långt ut öfver vattnet, som hon
kunde, »när bara denna storm är förbi, skall du simma upp i bäcken,
som långt här ifrån kastar sig i hafvet. Jag vet, hur dess lopp går,
och när du följer det, kommer du till sist till vår egen sjö bland
bergen i skogen. Där skall ingen ta dig ifrån mig och ingen finna dig,
och där skola vi lefva så lyckligt med hvarandra som då vi voro barn.
Kommer du, Bubblan?»
»Om jag kommer!» svarade han. »Ja, så säkert, som jag lefver,
kommer jag, ty jag kan inte lefva långt från dig!»
»Men vägen är svår!» sade Vifvan. »Du måste hela tiden simma
emot strömmen.»
»Om jag bara når dig, simmar jag mot alla rasande böljor,» svarade
han.
»När då stormen är öfver, ger du dig åstad, och tre dagar efteråt
väntar jag dig uppe vid sjön!»
»Du skall inte behöfva vänta tills solen går ned den första dagen,
förrän jag är hos dig,» svarade Bubblan, och därmed skildes de, ty
han hörde på böljebruset, att hafsinvånarna voro på väg hem från
skeppsbrottet.
Då stormen var förbi, brusade hafvet ännu i två dagar, men så lade
det sig till ro, och allt blef stilla. Solen kom åter fram på himlen och
lyste på allt det färgade löfvet i skogen.
Vattnet stod högt i sjöarna, och alla bäckar skummade och brusade
hvita ned öfver höjderna.
Det var tidigt på morgonen, medan hafsfolket ännu hvilade, då
Bubblan steg upp öfver vattenytan och simmade in mot land. Han
följde kusten åt, tilldess han kom till mynningen af den ström, som
Vifvan talat om.
Här var landet lågt, ån var bred och flöt tämligen stilla ut i hafvet.
Det första stycket var icke svårt att simma, då dalen bredde sig
jämn, och Bubblans största förskräckelse var, att någon från hafvet
skulle se honom och sätta efter honom; därför höll han sig intill
strandbrädden, där vassen dolde honom.
Men längre in i landet gjorde strömmen en sväng, och då började
många träd att växa utefter dess stränder, så att Bubblan kände sig i
säkerhet för hafsfolket. Nu hade han endast människor att frukta.
Det var ännu tidigt på morgonen, och han simmade så fort han
kunde, tilldess han nådde skogen. Ekarna hade redan börjat att bli
gulbruna, askarna voro hvitgröna, och rönnar och aspar hade blad
så röda som blod. Men lönnträdens löf hade alla färger, och det såg
brokigt och gladt ut i solskenet.
Här började strömmen att bli smalare, och inne i skogen var den
endast en hvit skummande bäck. Bubblan stannade ett ögonblick.
Han var het efter sin häftiga färd, och nu inandades han med glädje
doften af de vissnande löfträden och vällukten från granskogen.
»Ack, ni vackra, välsignade träd!» sade han och sträckte armarna
emot dem. »Hvad det är skönt, att vara i skogen igen! Den varma,
tysta skogen, långt borta från det kalla, hemska hafvet!» och så
började han att simma upp emot skogen.
Men han fick det icke lätt, ty bäcken ville ned mot hafvet, och
Bubblan ville upp mot höjderna, och hårda, vilda böljor slogo mot
hans bröst och ville rifva honom med sig. Då höll han sig åter till
sidorna af bäcken, där strömmen icke var så strid som i midten, och
där klängde han sig fast vid buskar och träd, som växte vid bäckens
kanter och hvilade ofta på en sten för att samla krafter.
Skogen blef tätare och tätare, och solen lyste öfver alla de brokiga
träden. Man hörde intet annat ljud än bäcken, som susade framåt
med ett klingande metalljud.
Det blef svårare och svårare, att arbeta sig upp emot strömmen, och
Bubblan måste hvarje ögonblick hvila.
Men så tänkte han: »Gullvifvan väntar mig däruppe i tystnaden på
bergen, och där skola vi alltid stanna och alltid vara lyckliga,» och så
simmade han vidare med nya krafter.
Då klang det ett horn genom skogen.
Det var jägare, som voro ute för att jaga älg.
Det rasslade genom löfvet, hundarna kommo rusande med tungan
ute ur halsen, och bakom dem följde jägarskaran med bågar och
lansar.
Bubblan höll sig alldeles stilla bland albuskarna. Men då stormade
bäcken så hårdt emot honom, att han måste vidare. Han gjorde ett
par slag för att nå en sten under bergväggen. Då hörde han
jägarnas rop:
»Älgen! Älgen! Den har kastat sig i bäcken! Där, under albuskarna!»
Bubblan kastade sig ned och kröp in bland buskarna så fort han
kunde, men han hörde, huru jägarna stormade in i snåret ofvanför
honom.
Nu hven en pil genom luften, ännu en följde den; den träffade
Bubblan midt i nacken och gick genom halsen på honom.
Han gled och föll, och i detsamma tog bäcken honom och hvirflade
honom bort emot djupet.
Den snurrade och vände honom och kastade hans döda kropp från
den ena klippafsatsen till den andra. Så flöt den ned i dalen, och
Bubblan bars som ett visset blad mot kusten och ut i det stora,
öppna hafvet.
Där togo böljorna emot honom och gungade honom vidare, och så
fann hafsfolket honom och begrafde honom på hafsbotten.
Men Vifvan satt och väntade.
Hon väntade i tre dagar, hon väntade i sex, men då Bubblan aldrig
kom, tänkte hon, att hon, skulle följa bäckens lopp och se efter
honom; och så sprang hon in i skogen och gick hela tiden längs
bäcken.
Den skummade i väg så hvit och glad, som om den aldrig skulle ha
sett något sorgligt i hela sitt lif.
På ett ställe tyckte Vifvan, att det var blod i vattnet, men det var
blott asparnas röda blad, som hade droppat ned.
Och så sprang hon nedför berget, genom dalen och ut mot hafvet!
Nej, Bubblan fanns där icke!
»Bubblan, min Bubbla! Hvarför kommer du inte?» frågade hon och
lade sig på en stor sten och såg ned i det klara hafsvattnet. Men
ingen svarade.
»Bubblan, är du där?» frågade hon åter och lade ansiktet ända ned
öfver vattnet.
»Ja!» hörde hon tydligt en stämma svara där nere.
»Törs jag komma till dig?» frågade hon igen. Hon tyckte så säkert,
att det var Bubblans röst hon hörde. »Kom!» hviskade det där
nerifrån. »Kom fort!»
Då gick Vifvan ut på den yttersta stenen, och där under var hafvet
så djupt, att hon icke kunde se botten.
»När du inte kan komma till mig, så kommer jag till dig!» sade hon.
»Nu kommer jag!»
Och så sprang hon ut.
Men denna gång andades icke hafsmannen på hennes ansikte. Han
lät henne sjunka som en hvit sten till botten.
»Ja, hvad skulle ni med oss att göra?» mumlade han och stötte
henne ner under sanden. »Hvad skulle ni med oss att göra!» — —
Men däruppe låg det stora hafvet och glänste och log i solskenet,
som om det aldrig hade funnits en Vifva och en stackars liten
Bubbla.
 INNEHÅLL.

Han som försvor sig 3

Alla mina lamm och alla mina björnungar 30

Moster Kajsas skrin 41

Allt som kan flyga 61

Gossen, som ville se troll 67

Alla hafvets vilda vågor 79

Fidelunkan 101

Svenske-Per 115

Bubblan 133
 De Bästa Böckerna

Genom vårt land går för närvarande en mäktig nationell väckelse, som
bland annat tagit sig uttryck i ett storartadt folkbildningsarbete.
Genom föreläsningar och småskrifter har man sökt väcka den stora
massan till längtan efter vetande och kultur, men skall denna längtan
bli något annat än en hastigt förbrunnen låga, behöfver den en
oafbruten näring; och denna näring är litteraturen, böckerna. Det är
knappast möjligt att böckernas betydelse kan skattas för högt.
De skola vara våra vänner, till hvilka vi gå när dagens plikter äro
fullgjorda för att vederkvickas af deras tankars skönhet och deras
känslors värme.
Men för många har svårigheten varit att träffa dessa vänner. Böckerna
ha varit för dyra. Det är för att försöka hjälpa härvidlag, för att i
någon mån ge den inom hela nationen vaknande längtan efter högre
kultur ny näring och större utvecklingsmöjligheter, som undertecknad
beslutat att i ett billighetsbibliotek à 1 kr. volymen ge ut

De Bästa Böckerna.

De Bästa Böckerna komma förnämligast att hämtas ur de rika

litteraturskatter af klassisk och modern svensk skönlitteratur, utländsk
litteratur, populärvetenskap och reseskildringar som tillhöra mitt förlag
och de komma att utstyras på ett särdeles vackert och värdigt sätt.
Det är också därför mitt hopp att De Bästa Böckerna skola tränga
in i tusentals svenska hem, höga som låga, att de skola läsas af alla
åldrar, icke minst af det uppväxande släktet, och att de, där
litteraturen förut varit en dyrbar lyx, skola bli en ny källa till kunskap,
skönhet och glädje.
ALBERT BONNIER.

De Bästa Böckerna

à 1 krona volymen.

Följande volymer föreligga:

C. M. BELLMAN, Fredmans Epistlar. Ord och musik.

AUG. BLANCHE, Hyrkuskens Berättelser.
AUG. STRINDBERG, Hemsöborna.
PER HALLSTRÖM, En gammal historia.
ALPH. DAUDET, Lilla parfvelns historia.
ANNA MARIA LENNGREN, Skaldeförsök.
C. J. L. ALMQVIST, Folklifsberättelser.
VIKTOR RYDBERG, Romerske kejsare i marmor.
GUSTAF AF GEIJERSTAM, Vilse i lifvet.
HELENA NYBLOM, Sagor. 1:a samlingen.

Under förberedning äro:

L i n n é, Lappska resan.
B e l l m a n, Fredmans sånger.
V. v o n B r a u n, Skämtsamma dikter.
E l i a s S e h l s t e d t, Sånger och visor. I urval.
G . H . M e l l i n, Blomman på Kinnekulle.
Z . To p e l i u s, Hertiginnan af Finland.
S e l m a L a g e r l ö f, Kristuslegender.
V e r n e r v . H e i d e n s t a m, Dikter.
E l l e n K e y, Tankar.
To r H e d b e r g, Judas.
D a n i e l F a l l s t r ö m, Dikter. I urval.
A n n a W a h l e n b e r g, Två hustrur.
G u s t a f F. S t e f f e n, Det moderna England.
L e o To l s t o y, Kreutzersonaten.
B e a t r. H a r r a d e n, Skepp, som mötas i natten.
H . S c h a r l i n g, Vid nyårstid i Nöddebo prästgård.
O s c a r W i l d e, Dorian Gray’s porträtt.

☞ Anmälan, se omslagets innersida.