당시 사람들은 로그 테이블을 사용하여 숫자를 더 빠르게 곱했습니다. 왜 이런거야? 이므로 로그는 곱셈을 더하기로 변환 합니다. 따라서 두 개의 큰 숫자 와 를 곱하기 위해 로그를 발견하고 로그 를 추가 한 다음 다른 테이블에서 를 찾아 보았습니다 .a b z = log ( a ) + log ( b ) exp ( z )로그( a b ) = 로그( a ) + 로그( b )에이비지= 로그( a ) + 로그( b )특급( z)
이제 특성 함수는 확률 분포에 대해 비슷한 기능을 수행합니다. 가정하자 메일 갖는다 및 분배 갖는다 , 그리고 및 독립적이다. 그러면 의 분포는 와 , 의 컨벌루션 입니다 .f Y g X Y X + Y f g f * g엑스에프YgXYX+Yfgf∗g
이제 특성 함수는 컨볼 루션에 대한 "로그 테이블 트릭"과 유사합니다. 가 의 특성 함수 이면 다음 관계가 유지 되기 때문입니다 . fϕff
ϕfϕg=ϕf∗g
또한 대수의 경우와 마찬가지로 특성 함수의 역함수를 쉽게 찾을 수 있습니다. 여기서 는 알 수없는 밀도 인 경우 의 역 푸리에 변환으로 를 얻을 수 있습니다 . h h ϕ hϕhhhϕh
특성 함수 변환해서 회선 에 승산 밀도 함수의 대수 변환하는 것과 동일한 방식으로 승산 에 또한 숫자. 두 변환 모두 비교적 복잡한 작업을 비교적 간단한 작업으로 변환합니다.