特征函数解释了世界的哪个环节？

• 特征函数（维基百科_中文 _英文）

在概率论中，任何随机变量的特征函数（缩写：ch.f，复数形式：ch.f’s）完全定义了它的概率分布。

特征函数能够唯一确定随机变量的概率分布，如果随机变量的概率密度函数f(x)存在，特征函数相当 f(x)的傅里叶变换。

概率论中，矩母函数（Moment-generating Function）和特征函数（Characteristic Function）是定义 概率分布函数的另一种形式。

傅立叶变换有这样的性质：两个函数卷积的变换等于变换的乘积。在概率论中，它的厉害之处体现在：

1. 任意分布跟他的特征函数一一对应。
2. 两个独立随机变量之和的特征函数就是他们俩特征函数的积。
3. 特征函数在0点附近收敛 <==> 分布函数弱收敛 (Levi continuous theroem)

• Reference

1. 矩母函数和特征函数
2. 如何理解统计中的特征函数？