Statistics 在模型等高线图和x，y数据之间查找卡方值

我有实验数据的x和y坐标，我正试图用一个椭圆来拟合。 我的x数据在列表

xpix

中，我的y数据在列表

ypix

中。我用椭圆

np.meshgrid

和

np.contour

拟合了旋转的方程

xpix = [.....]
ypix = [.....]
x = np.linspace(-80, 80, 100)
y = np.linspace(-80, 80, 100)
X, Y = np.meshgrid(x,y)
#equation of rotated ellipse below, uses X and Y
F = (X*np.cos(63*np.pi/180) -Y*np.sin(63*np.pi/180))**2 /352.8676 + (X*np.sin(63*np.pi/180) + 
Y*np.cos(63*np.pi/180))**2 / 6300 - 1
plt.contour(X,Y,F,[0])

下面显示了我的情节，仅供参考：

其中我非常满意，因此我想找到轮廓数据和

xpix，ypix

数据之间的卡方值。我完全不知道该怎么做，因为轮廓数据有一个完全不同的数组结构-它用

plt.contour中的第四个参数绘制了最适合椭圆的数组值。我认为，为了手动执行此操作，我必须筛选所有
X，Y
值，以找到用于构建此椭圆的值。有没有更快的方法可以直接做到这一点？我知道要使用
stats.chisquare（ypix，y_model）
，例如，
ypix
和
y_model
需要具有相同的形状

一旦我了解了如何做，我的目标是运行一个函数，不断改变旋转角度、半短轴和长轴，直到卡方最大化

谢谢大家!
 这不是问题的答案。仅供参考，这是拟合方法的比较

与OP使用的软件中实现的非线性回归不同，直接线性回归给出了以下结果：


注：由于问题中没有数字形式的数据，因此通过扫描问题中编辑的图片生成数据。所以上面使用的数据肯定是不正确的。更重要的是，图片上的点不是点而是圆形标记。
谢谢，老实说，您提供的数据与我使用的数据非常接近。请问你是怎么做到的？还有，有没有办法获得半长轴和半短轴，我需要它们来计算椭圆度？上面的数据是用一个软件在扫描你问题中发布的图像时生成的。计算相同颜色（本例中为蓝色）上每个像素的坐标。每个像素簇仅替换为簇中心的一个点。对于重叠的簇，这并不总是可靠的半轴的长度可通过以下公式（21）和（22）计算：。符号与上述不同：a=a；b=b/2；c=c；d=d/2；f=E/2；g=-1。计算半轴长度的另一种方法是在知道中心坐标和倾斜角度的情况下，写出轴的方程（线性）。这条直线与椭圆的交点（因为椭圆的方程式已知）给出了顶部的坐标，然后是中心和顶部之间的长度。半轴长度的公式添加在答案的末尾。此外，倾斜角度公式中的一个错误也被纠正了。这些都非常有用和有趣。在这个回归模型中，什么样的停止标准可以决定什么时候拟合“足够好”？你会用卡方检验吗？