）利用混合同余法生成[0, 1]区间上符合均匀分布的随机序列，并计算该 序列的均值和方差，与理论值进行对比分析。要求序列长度为 1200，推荐参数 为a=65539，M=2147483647，0<x0<M。

利用混合同余法（又称线性同余法）生成均匀分布随机数的基本原理是，通过将当前随机数x乘以一个较大的质数a（这里选择65539），然后对另一个大整数M（如2^31 - 1 = 2147483647）取模，可以保证生成的结果落在[0, M)的范围内，由于取模操作使得结果分布等概率，因此得到的是均匀分布的随机数。

对于序列长度为1200，首先设置初始种子x0（通常小于M），然后采用循环生成序列：

import random

# 定义参数
a = 65539
M = 2147483647
x0 = random.randint(0, M - 1)
seq_length = 1200

# 混合同余法生成随机序列
random_sequence = [((x0 * a + i) % M) / M for i in range(seq_length)]

# 计算均值和方差
mean_theoretical = 1 / 2  # 理论上均匀分布的均值为1/M
variance_theoretical = 1 / (12 * M**2)  # 对于长度n的均匀分布序列，方差为1/(12*n)

mean_computed = sum(random_sequence) / seq_length
variance_computed = sum((xi - mean_computed)**2 for xi in random_sequence) / seq_length

print("理论均值：", mean_theoretical)
print("理论方差：", variance_theoretical)
print("实际均值：", mean_computed)
print("实际方差：", variance_computed)

对比分析：
- 如果实际均值与理论均值接近，说明随机数序列的平均值符合预期；
- 如果实际方差与理论方差接近，表明序列的波动性与理论一致，即随机性良好。