本題沒有輸入，如果你輸入了任何東西，可能會導致各種不可預期的結果。

請#include "lib2293.h"之後實作下列函數：
void calculate_distribution(int N, double* mean, double* stdev);

這個函數第一個參數 N 意義如題目所示。這個函數必須將所求的期望值存入第二個參數 mean 指向的 double，並將所求的標準差存入第三個參數 stdev 指向的 double。在一次執行中，這個函數將會被執行多次，所以請確保其有做好相關的初始化動作。

由於記憶體限制的緣故，這個函數中需要呼叫下列函數來分段取得 $a_i$：
int get_array(int C, int a[]);

每次呼叫這個函數，評測系統將會依序讀入 $a_i$ 中的接下來 $C$ 個數字（也就是假設之前已經讀了 $x$ 個數字，則會讀入 $a_{x+1},a_{x+2},\cdots ,a_{x+C}$），將結果存入 a 陣列後回傳 1。如果剩下的數字不足 $C$ 個，評測系統將不會修改 a 陣列並直接回傳 0。呼叫此函數前請確認 a 至少能夠存下 $C$ 個 int，否則將會產生不可預期的錯誤。

對於所有測資：

• $1\le N\le 6\times {10}^6$
• $1\le M\le {10}^9$
• 一次執行中呼叫 calculate_distribution 的次數不超過 5 次。

對於 100 分的測資，$N\le 3\times {10}^5$。

本題沒有輸出，如果你輸出了任何東西，你將會獲得一個WA。

假設正確的期望值與標準差分別是 $\mu ,\sigma$，而你回傳的期望值與標準差分別是 ${\mu }_1,{\sigma }_1$，若 $KL(N(\mu ,\sigma )\parallel N({\mu }_1,{\sigma }_1))\le {10}^{-2}$，你的答案將會被視為正確。

註：$KL(P\parallel Q)$ 代表 KL divergence 、$N(\mu ,\sigma )$ 代表常態分布。$KL(N(\mu ,\sigma )\parallel N({\mu }_1,{\sigma }_1))=\log \frac{{\sigma }_1}{\sigma }+\frac{{\sigma }^2-{\sigma }_1^2+(\mu -{\mu }_1{)}^2}{2{\sigma }_1^2}$。在 $\mu ={\mu }_1$ 的情況下，$KL(P\parallel Q)\le {10}^{-2}$ 的條件大約是 $0.908\sigma \le {\sigma }_1\le 1.108\sigma$。

對於所有測資，若你的程式執行時間為時限的 $x$ 倍（$0\le x\le 1$），該筆測資的分數為 $A\times (p+qf(x))$，其中 $A$ 為該筆測資標示的分數、$p,q$ 為各測資敘述上標示的常數，並給定常數 $a=1,b=0.2$，

$$f(x)=(s(x)\frac{(bx{)}^a-b^a}{(bx{)}^a-1.1x^a}+(1-s(x))(1-\frac{x^2}{2}))$$

$$s(x)=\{\begin{array}{ll}x,& x\in \{0,1\}\\ \frac{1}{1+\exp (\frac{8a}{b}\cot \left(\pi x^{-\frac{\ln 2}{0.1+\ln b}}\right))},& \text{otherwise}\end{array}$$

你只需要知道 $f(0)=1,f(1)=0$，且 $f(x)$ 嚴格遞減就可以了。不過如果想要詳細了解這些函數在幹嘛的話，可以參考這個連結。

範例測資中，若 1 號硬幣是正面則 $R=2$，否則 $R=0$，因此 $R$ 的期望值和標準差都是 1。由於 $KL(N(1,1)\parallel N(1.1,0.95))\approx 8.26\times {10}^{-3}\le {10}^{-2}$，因此會被視為正確。

這裡有一個測試用的標頭檔，可以用來測試。
該標頭檔接受以下輸入，數字間皆以空白分隔：
第一行：$T$（呼叫 calculate_distribution 的次數）
接下來 $T$ 行：$N,a_1,a_2,\cdots ,a_N$

程式將會對每組測資輸出一行包含兩個浮點數，代表你回傳的值。

改編自 TIOJ 2076 / TIOJ 終極壓常數大賽 pB