嘿，我来帮你揪出这个拟合不对的问题根源～

首先得明确一个关键知识点：当你把标准正态分布（均值=0，标准差=1）的每个数据点平方后，得到的分布并不是非中心卡方分布，而是自由度为1的中心卡方分布（χ²(1)）！

你混淆了中心卡方和非中心卡方的适用场景：

• 非中心卡方分布（ncx2）对应的是：如果原始变量是均值为μ、方差为1的正态分布，即$X \sim N(\mu,1)$，那么$X^{2$才服从自由度$k=1$、非中心参数$\lambda=\mu}2$的非中心卡方分布。
• 但你的原始数据是均值为0的标准正态，也就是$\mu=0$，这时候$\lambda=0$，非中心卡方就退化成了中心卡方分布。

为什么你用scipy.stats.ncx2(k=1, lambda=1)拟合不对？因为这个分布的均值是$k+\lambda=2$，而你的平方后数据的均值接近1（和χ²(1)的均值一致，χ²(k)的均值就是k），两者的分布形态自然对不上。

你应该改用scipy里的中心卡方分布模块来拟合，代码示例如下：

import scipy.stats as stats
import numpy as np
import matplotlib.pyplot as plt

# 生成你的数据
np.random.seed(42)
norm_data = np.random.normal(0, 1, 10000)
squared_data = norm_data ** 2

# 绘制直方图
plt.hist(squared_data, bins=30, density=True, alpha=0.5, color='red', label='Squared Normal Data')

# 生成中心卡方分布的拟合曲线
x = np.linspace(0, 10, 1000)
chi2_pdf = stats.chi2.pdf(x, df=1)
plt.plot(x, chi2_pdf, color='blue', label='Chi-Squared (df=1) PDF')

plt.legend()
plt.show()

这样拟合出来的曲线应该就能和你的直方图完美匹配了。另外你提到尝试调整λ也没用，这很正常——因为本质上你用错了分布类型，不是参数的问题～

备注：内容来源于stack exchange，提问作者user1551817