利用MATLAB提供的rand函数生成30000个符合均匀分布的随机数，然后检验随机数的性质。

当你使用MATLAB的`rand`函数生成均匀分布的随机数时，你可以直接调用`rand(1,30000)`。这将返回一个1x30000列向量，其中的每个元素都在区间(0,1)上服从均匀分布。

为了检验这些随机数的性质，我们可以进行以下操作：

1. **检查均值**：如果随机数确实服从均匀分布，它们的平均值（均值）应接近0.5。

   mean_random = mean(rand(1,30000));

2. **检查标准差**：对于均匀分布，标准差应该非常小，因为所有可能的结果几乎都是等概率的。

   std_dev_random = std(rand(1,30000));

3. **直方图**：绘制随机数的直方图可以帮助我们可视化其分布情况，期望看到的是一个平坦的顶部，表示均匀分布。

   histogram(rand(1,30000), 'Normalization', 'probability');
   title('Histogram of Uniformly Distributed Random Numbers');
   xlabel('Random Value');
   ylabel('Probability Density');

4. **Kolmogorov-Smirnov检验**：这是一种统计测试，用于检查数据是否近似于某个理论分布，如均匀分布。如果结果p-value大于显著性水平（例如0.05），则认为随机数符合均匀分布。

   [ks_stat, p_value] = kstest(rand(1,30000), 'Uniform', [0, 1]);

执行上述步骤后，你可以根据计算结果判断随机数是否符合均匀分布。