聶相田 范天雨 王博

摘要：針對(duì)目前我國水利工程建設(shè)市場(chǎng)“雙隨機(jī)一公開”監(jiān)管制度實(shí)行中采用的常規(guī)隨機(jī)抽樣方法存在抽檢不均衡問題，提出一種均衡性改進(jìn)的抽取方法。該方法在隨機(jī)抽取的基礎(chǔ)上，考慮被抽取對(duì)象的抽中次數(shù)，提高被抽取次數(shù)較少的對(duì)象的被抽中概率，使抽取結(jié)果趨于均衡;引入專家經(jīng)驗(yàn)系數(shù)來調(diào)整檢查人員抽取概率，改善抽取結(jié)果。根據(jù)檢查人員和被檢查對(duì)象的不同特點(diǎn)，分別建立不同的改進(jìn)模型，并應(yīng)用概率的方法對(duì)改善效果進(jìn)行定量分析。

關(guān)鍵詞：雙隨機(jī)抽取;均衡性;概率;監(jiān)督檢查;水利工程建設(shè)

中圖分類號(hào)：TV512

文獻(xiàn)標(biāo)志碼：A

doi：10.3969/j .issn. 1000- 1379.2019.02.030

開展水利工程建設(shè)“雙隨機(jī)一公開”市場(chǎng)監(jiān)管是目前全國水利行業(yè)推行的一項(xiàng)新的制度。隨機(jī)抽取檢查人員、隨機(jī)抽取檢查對(duì)象，以避免因信息過早泄露而發(fā)生腐敗現(xiàn)象，達(dá)到監(jiān)督檢查的最優(yōu)效果[1]。目前已有的隨機(jī)抽取方法，大多是直接使用某種隨機(jī)函數(shù)對(duì)抽取對(duì)象隨機(jī)排序，然后從中取出所需數(shù)量的對(duì)象[2]。這種方法雖然簡(jiǎn)單易行，但在實(shí)際應(yīng)用中卻會(huì)出現(xiàn)一種現(xiàn)象，即一段時(shí)間內(nèi)某些對(duì)象被頻繁抽取，而另一部分對(duì)象被抽取的次數(shù)很少甚至一直未被抽中。這一現(xiàn)象令被抽取對(duì)象感到不公平，認(rèn)為其被抽取的機(jī)會(huì)不平等，從而對(duì)抽取過程的公平公正性產(chǎn)生質(zhì)疑。這種抽取結(jié)果不均衡的問題，是一般隨機(jī)抽取方法中的單純一次性隨機(jī)抽取造成的[3-7]。

基于此，筆者提出了均衡性改善系數(shù)的概念，通過均衡性改善系數(shù)來修正各個(gè)對(duì)象的被抽取概率，以保證抽取結(jié)果趨于均衡[8-9]。依據(jù)專家擅長領(lǐng)域與檢查工作的符合性制度，提出了專家經(jīng)驗(yàn)系數(shù)的概念，通過調(diào)整經(jīng)驗(yàn)系數(shù)來調(diào)整專家的被抽取概率，增加經(jīng)驗(yàn)豐富專家的被抽中概率，減少經(jīng)驗(yàn)欠缺的專家的被抽中概率，以達(dá)到監(jiān)督檢查的最優(yōu)效果[10-12]。在上述研究基礎(chǔ)上，運(yùn)用概率理論對(duì)改進(jìn)效果進(jìn)行數(shù)據(jù)分析驗(yàn)證[13-15]。

1 市場(chǎng)主體的抽取

“雙隨機(jī)一公開”監(jiān)督檢查的對(duì)象是市場(chǎng)主體，如水利施工企業(yè)、水利監(jiān)理企業(yè)和水利工程質(zhì)量檢測(cè)企業(yè)等。該市場(chǎng)主體種類多、數(shù)量大，在抽取檢查對(duì)象的時(shí)候，不僅要做到隨機(jī)性還要有針對(duì)性，對(duì)有不良記錄對(duì)象（被投訴舉報(bào)過或有違法違規(guī)行為的檢查對(duì)象），隨機(jī)抽取時(shí)增加其被抽取的概率[16]。

1.1 均衡性抽取

在隨機(jī)抽取工作開始之前，將此前市場(chǎng)主體名錄庫中每個(gè)個(gè)體的被抽中次數(shù)作為影響因素，對(duì)每個(gè)市場(chǎng)主體的被抽中概率進(jìn)行調(diào)節(jié)，增加之前被抽中次數(shù)較少的市場(chǎng)主體的被抽中概率，減少之前被抽中次數(shù)較多的市場(chǎng)主體的被抽中概率，通過此方法對(duì)隨機(jī)抽取工作進(jìn)行改善，使隨機(jī)抽取的結(jié)果趨于均衡。針對(duì)有不良記錄的市場(chǎng)主體，可直接列為抽取對(duì)象，即其被抽中的概率為1，以保證及時(shí)查處存在問題的市場(chǎng)主體，達(dá)到良好的監(jiān)管效果。

改進(jìn)方法的具體步驟為：①統(tǒng)計(jì)各個(gè)市場(chǎng)主體被抽中的次數(shù)：②根據(jù)抽取次數(shù)求得各個(gè)市場(chǎng)主體的均衡性系數(shù)：③通過均衡性系數(shù)求出各個(gè)市場(chǎng)主體該次被抽中的概率;④按照概率進(jìn)行最終隨機(jī)抽取工作。

設(shè)市場(chǎng)主體名錄庫中市場(chǎng)主體的數(shù)量為n，給每個(gè)市場(chǎng)主體進(jìn)行編號(hào)，每次按要求從中抽取m個(gè)市場(chǎng)主體作為此次監(jiān)督檢查的對(duì)象，有不良記錄的市場(chǎng)主體個(gè)數(shù)為α（αi

（t≤S，i=1，2，…，n），第s+l次抽取時(shí)，該市場(chǎng)主體被抽中的概率為P。若按照一般隨機(jī)抽取的方法開展抽取工作，則

t越大，則α越小，表示編號(hào)為i的市場(chǎng)主體之前被抽中的次數(shù)越多，均衡性改善系數(shù)越小，則此次該市場(chǎng)主體被抽中的概率越小。通過均衡性抽取，使得被抽取次數(shù)較少的市場(chǎng)主體的被抽中概率增大，以達(dá)到所有市場(chǎng)主體被抽取次數(shù)趨于均衡的目標(biāo)，避免抽取結(jié)果出現(xiàn)極端情況。檢查對(duì)象均衡性抽取步驟見圖1。

對(duì)于檢查對(duì)象的抽取過程，首先要做到公平公正，因此全部抽取過程應(yīng)留有痕跡，保證事后可查，在此基礎(chǔ)上需保證抽取工作的隨機(jī)性及抽取結(jié)果的均衡性，以滿足公平公正性。對(duì)n個(gè)市場(chǎng)主體編號(hào)，是為了便于操作：確定α個(gè)有不良記錄的市場(chǎng)主體，是做到對(duì)暴露出問題的市場(chǎng)主體及時(shí)檢查、及時(shí)處理，防止問題持續(xù)惡化對(duì)人民的生命財(cái)產(chǎn)造成重大損失：統(tǒng)計(jì)各市場(chǎng)主體的抽中次數(shù)，并由此求得各市場(chǎng)主體的均衡性改善系數(shù)，通過改善系數(shù)改變各市場(chǎng)主體的被抽中概率，按照改善后的概率進(jìn)行隨機(jī)抽取，防止抽取結(jié)果極端化，保證隨機(jī)抽取的公平公正。

1.2 均衡性抽取改善效果分析

隨機(jī)抽取的均衡性改善是通過改變各市場(chǎng)主體的被抽取概率來實(shí)現(xiàn)的，因此可利用概率對(duì)均衡性隨機(jī)抽取的改善效果進(jìn)行分析。

均衡性改善效果為均衡性抽取方法與一般隨機(jī)抽取方法相比所改變的幅度，定義為，，則

根據(jù)式（4）可知，均衡性改善幅度，的取值為[一1，0]，I等于0表示該市場(chǎng)主體在前s次抽取中均未被抽中，，小于0表示該主體在前s次抽取中最少被抽中過1次，I等于-1表示前s次抽取中該主體全部被抽中。

取n= 100，m=10，α=l，s=10，編號(hào)為i的市場(chǎng)主體被抽取次數(shù)ti不同時(shí)，均衡性改善系數(shù)、第s+l次的被抽中概率以及改善效果見表1。

根據(jù)表1可知，經(jīng)過均衡性改進(jìn)后，隨著被抽到次數(shù)的增加，均衡性改善系數(shù)逐漸減小，其被抽中的概率逐漸降低。當(dāng)前10次全部被抽中時(shí)，則第11次被抽中的概率為0，均衡性改善幅度為-1，即第11次確定不檢查該對(duì)象。因此，在經(jīng)過均衡性改進(jìn)后，被抽到次數(shù)相對(duì)越多的對(duì)象在下次抽取時(shí)被抽中的概率就越小，通過這一方法使少量次的抽取情況下抽取結(jié)果較為均衡。

2 監(jiān)督檢查人員的抽取

“雙隨機(jī)一公開”監(jiān)督檢查工作的檢查人員的抽取是從檢查人員名錄庫中隨機(jī)抽取若干名專家。在抽取時(shí)不僅要考慮各專家被抽中的次數(shù)，還需考慮專家的經(jīng)驗(yàn)（即專家的專業(yè)水準(zhǔn)），通過均衡性改善系數(shù)和專家經(jīng)驗(yàn)系數(shù)改變各專家的被抽中概率，以達(dá)到抽取結(jié)果均衡及專家最優(yōu)的目的[17]。

具體抽取步驟為：對(duì)名錄庫中各專家進(jìn)行編號(hào)處理，統(tǒng)計(jì)各專家的被抽中次數(shù)，計(jì)算均衡性改善系數(shù)及經(jīng)驗(yàn)系數(shù)，求出所有專家該次被抽中的概率，按照概率在名錄庫中隨機(jī)抽取若干名。設(shè)名錄庫中專家人數(shù)為n，每次從中隨機(jī)抽取m人組成監(jiān)督檢查小組。

定義l：α為編號(hào)為i的專家的均衡性改善系數(shù)，具體含義及計(jì)算方法見1.1。

定義2：β為編號(hào)為i的專家的經(jīng)驗(yàn)系數(shù)，β的取值區(qū)間為（0，2）。當(dāng)0<β<1時(shí)，該專家的經(jīng)驗(yàn)有所欠缺;當(dāng)β =1時(shí)，該專家經(jīng)驗(yàn)未知或者經(jīng)驗(yàn)一般;當(dāng)1<β<2時(shí)，該專家的經(jīng)驗(yàn)較為豐富。β越大則編號(hào)為i的專家經(jīng)驗(yàn)越豐富，β越小則該專家經(jīng)驗(yàn)越不足。β的值可通過專家打分法求出。

在隨機(jī)抽取時(shí)，同時(shí)考慮專家被抽中次數(shù)和專家經(jīng)驗(yàn)的影響。通過均衡性改善系數(shù)，減小被抽中次數(shù)較多的專家的被抽取概率，增大被抽中次數(shù)較少的專家的被抽取概率。通過專家經(jīng)驗(yàn)系數(shù)β，調(diào)整專家i的被抽中概率，對(duì)于經(jīng)驗(yàn)不足的專家（0<β<1），減小其被抽中的概率;對(duì)于經(jīng)驗(yàn)豐富的專家（1<β<2），增大其被抽中的概率。通過均衡性改善系數(shù)及專家經(jīng)驗(yàn)系數(shù)調(diào)整專家的被抽取概率，使隨機(jī)抽取工作能持續(xù)良好地進(jìn)行。抽取步驟見圖2。

用簡(jiǎn)單隨機(jī)抽取方法抽取時(shí)，編號(hào)為i的專家被抽到的概率為P，運(yùn)用改進(jìn)后的方法進(jìn)行隨機(jī)抽取時(shí)，該專家被抽中的概率為P，均衡性改善幅度為I1，通過專家經(jīng)驗(yàn)系數(shù)的改善幅度為I2，總體改善幅度為I3，則

取n= 100、m=5、s=10，編號(hào)為i的專家被抽取次數(shù)t不同時(shí)，均衡性改善系數(shù)、第s+l次被抽中概率以及改進(jìn)效果見表2。

從表2可以看出，經(jīng)過均衡性改進(jìn)后，隨著被抽中次數(shù)的增加，其被抽中概率是逐漸降低的;在被抽中次數(shù)相同的情況下，經(jīng)過經(jīng)驗(yàn)系數(shù)的調(diào)整，可在一定范圍內(nèi)增大經(jīng)驗(yàn)豐富的專家的被抽中概率，降低經(jīng)驗(yàn)不足的專家被抽中的概率;如果前s次全部被抽中，則不論該專家經(jīng)驗(yàn)豐富與否，在第s+l次抽取時(shí)被抽到的概率均為0。因此，通過均衡性系數(shù)減小被抽到的次數(shù)較多的專家此次被抽取的概率，通過經(jīng)驗(yàn)系數(shù)提高或降低專家被抽到的概率：在被抽中次數(shù)不太多的情況下，專家的經(jīng)驗(yàn)較為豐富，通過均衡性系數(shù)使概率減小的幅度可能會(huì)小于通過經(jīng)驗(yàn)系數(shù)增加的幅度，最終使其被抽中的概率增大。綜合來看，達(dá)到了抽取專家最優(yōu)及抽取結(jié)果均衡的目的。

3 周期性改善效果分析

隨機(jī)抽取改善效果指的是單次抽取的改善效果，即經(jīng)過前s次抽取后，第s+l次抽取時(shí)的改善效果;周期性均衡性改善效果指的是在一段時(shí)期進(jìn)行多次抽取活動(dòng)后，對(duì)抽取結(jié)果的總體改善情況[8，18]。

由表3可知，隨著被抽中次數(shù)的增多，該專家的被抽中概率變小，改善幅度加大;當(dāng)被抽中次數(shù)及專家經(jīng)驗(yàn)系數(shù)一定時(shí)，隨著抽取次數(shù)的增加，改善幅度逐漸減小，專家被抽中的概率逐漸增大;抽中次數(shù)和抽取次數(shù)不變的情況下，專家的經(jīng)驗(yàn)系數(shù)越大，被抽中的概率越大。如前文所述，導(dǎo)致抽取結(jié)果不均衡的主要原因是抽取活動(dòng)次數(shù)太少，當(dāng)抽取的次數(shù)增加，用本文改進(jìn)方法的效果會(huì)相應(yīng)減弱;對(duì)經(jīng)驗(yàn)豐富的專家，通過經(jīng)驗(yàn)系數(shù)，能明顯提高其被抽中概率，對(duì)經(jīng)驗(yàn)欠缺的專家則相反。因此，通過本文提出的改進(jìn)方法，能在短期內(nèi)使隨機(jī)抽取的結(jié)果更加均衡，抽取的專家更有經(jīng)驗(yàn)，進(jìn)而使“雙隨機(jī)一公開”監(jiān)督檢查工作能持續(xù)良好地進(jìn)行下去。

4 結(jié)論

針對(duì)市場(chǎng)主體的隨機(jī)抽取，考慮其被抽取次數(shù)，提出了均衡性改善系數(shù)，并以此對(duì)市場(chǎng)主體的隨機(jī)抽取方法進(jìn)行改進(jìn)，保證了隨機(jī)抽取結(jié)果的均衡性：針對(duì)監(jiān)督檢查人員，考慮專家被抽取次數(shù)和專家經(jīng)驗(yàn)系數(shù)綜合影響，提出了隨機(jī)抽取的改進(jìn)方法，降低了被抽中次數(shù)較多的專家的被抽中的概率，同時(shí)提高了經(jīng)驗(yàn)豐富專家的被抽中的概率。通過概率的方法對(duì)改進(jìn)效果進(jìn)行分析，結(jié)果表明該均衡性改進(jìn)方法效果良好。

參考文獻(xiàn)：

[1] 王雪芬，基于社會(huì)網(wǎng)絡(luò)的科技咨詢專家?guī)鞓?gòu)建及其可視化研究[D].南京：南京理工大學(xué)，2010：27-37.

[2] 牛勇，劉海雄，青海省政府采購專家管理系統(tǒng)中專家?guī)斓某槿》椒╗J].青海大學(xué)學(xué)報(bào)（自然科學(xué)版），2008，26（4）：27-31.

[3]劉丹，國內(nèi)同行評(píng)議專家?guī)煅芯烤C述[J].重慶大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2012，18（5）：87-91.

[4] SUN W， LIN A，YU H，et al.All-Dimension NeighborhoodBased Particle Swarm Optimization with Randomly SelectedNeighbors[J]. Information Sciences， 2017， 405： 141-156.

[5] JIANG L，CAI Z，ZHANG H，et al.Not So Greedy： Ran-domly Selected Naive Bayes[ J]. Expert Systems with Appli-cations， 2012， 39（12）： 11022-11028.

[6] QIU C， JIANC L，LI C.Randomly Selected Decision Treefor Test-Cost Sensitive Leaming[J]. Applied SoftComputing， 2017， 53：27-33.

[7] BIENVENU L，MERKIE W. Effective Randomness for Com-putable Probability Measures[J]. Electronic Notes inTheoretical Computer Science， 2007， 167：117-130.

[8]卓澤強(qiáng)，概率思想在數(shù)學(xué)證明和計(jì)算中的應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2007 ，37（13）：189-192.

[9] 孟陶然，高學(xué)東，印澤斌，評(píng)審專家隨機(jī)抽取過程中的均衡性改善方法[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2010，40（13）： 37-42.

[10] 楊東風(fēng)，馮海燕，職稱評(píng)審評(píng)委隨機(jī)抽取系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].現(xiàn)代電子技術(shù)，2015，38（14）：85-88.

[11]江卓軍，陳璇，蘇曉蘭，等，一種復(fù)雜約束下的采購評(píng)審專家自動(dòng)抽取算法[J].現(xiàn)代電子技術(shù)，2018，41（3）：75-79.

[12] 范聰，李建增，張巖，基于采樣優(yōu)化的隨機(jī)抽取一致性算法[J/OL].電光與控制：l-6[2018-07-27].http：//kns.cnki. net/kcms/detail/41. 1227. TN. 201 80418. 14 12. 026. ht- ml.

[13] CHERNOV A， SHEN A， VERESHCHAGIN N， et al.On-Line Probability， Complexity and Randomness[C]//Algo-rithniic Learning Theory. Berlin Heidelberg： Springer，2008：138-153.

[14]HOYRUP M.Randomness on Computable Probability Spaces：A Dynamical Point of View[M]. New York：Springer VerlagNew York Inc.， 2011： 43-67.

[15]CULVER Q.Topics in Algorithmic Randomness and EffectiveProbability[J].Indiana： University of Notre Dame， 2015： 7-23.

[16] 劉源，尹慧萍，朱建平，基于隨機(jī)抽取的AR模型定階和參數(shù)評(píng)估[J].統(tǒng)計(jì)與決策，2016（24）：16-18.

[17] 馬恩強(qiáng)，建立“雙隨機(jī)一公開”消防監(jiān)督檢查制度的思考[J].消防科學(xué)與技術(shù)，2016，35（9）：1309-1311.

[18] 王巍，趙鐵軍，辛國棟，等，基于條件隨機(jī)域模型的比較要素抽取研究[J].自動(dòng)化學(xué)報(bào)，2015，41（8）：1385-1393.