不是说残差，比如，我用scipy的curve_fit拟合高斯分布的函数，我得到拟合高斯分布的振幅，中心位置，并得到这些参数的误差

对于拟合高斯分布函数，可以使用Scipy中的curve_fit函数来拟合数据。该函数返回的popt和pcov分别为拟合参数和其协方差矩阵。协方差矩阵包含每个参数的误差估计。您可以使用以下代码来获取拟合高斯分布函数的振幅、中心位置和其误差：

import numpy as np
from scipy.optimize import curve_fit

# 定义高斯分布函数
def gaussian(x, amp, cen, wid):
    return amp * np.exp(-(x-cen)**2 / wid)

# 生成测试数据
x = np.linspace(-10, 10, 101)
y = gaussian(x, 1, 0, 2) + 0.1 * np.random.randn(len(x))

# 拟合高斯分布函数
popt, pcov = curve_fit(gaussian, x, y)

# 获取拟合参数和其误差
amp, cen, wid = popt
amp_err, cen_err, wid_err = np.sqrt(np.diag(pcov))

print("Amplitude = {:.3f} +/- {:.3f}".format(amp, amp_err))
print("Center    = {:.3f} +/- {:.3f}".format(cen, cen_err))
print("Width     = {:.3f} +/- {:.3f}".format(wid, wid_err))

其中，amp、cen、wid分别为高斯分布函数的振幅、中心位置和宽度，amp_err、cen_err、wid_err分别为其误差。