Не уверен, что правильно понял проблему, но если нам нужно просто получить функцию Гауса максимально приближенную к тем точкам, которые у вас есть, то нужно ввести функцию ошибки, которую и нужно оптимизировать. В качестве такой функции, например, можно взять сумму квадратов отклонений ваших точек от гауссианы. Далее итеративно подбирать параметры Гауссианы (их 2) до тех пор пока функция ошибки будет улучшаться. Решение “в лоб” - покоординатный спуск. Более продвинутое решение - градиентный спуск. Нужно будет еще подобрать функцию “затухания” размера шага и критерий остановки (например, количество шагов или размер шага). Алгоритм получается итеративный, но учитывая, что точек у вас мало и функция Гауса не сильно сложная, работать будет довольно быстро, но все же это не аналитическое решение.
Вместо Гауссианы можно взять любую другую функцию на ваш вкус.
