下图显示了两条剂量反应曲线。实验的目的是确定两个EC50值。EC50是在最小反应和最大反应之间产生一半反应的浓度（剂量）。下图中的每条曲线都单独拟合了其中一个数据集。水平线表示EC50 的 95% 置信区间。

虽然曲线很好地拟合了数据点，但置信区间却相当宽。我们确实没有足够精确地确定EC50，从而得出有用的结论。问题在于控制数据（正方形）并没有真正定义曲线的底部高原，而处理数据（圆形）也没有真正定义曲线的顶部高原。由于数据不能很好地界定最小和最大反应，因此数据也不能很清楚地界定最小和最大反应之间的中点。因此，每个EC50的置信区间超过了一个数量级。实验的全部意义在于确定两个EC50值，但EC50 的拟合优度值却存在不可接受的不确定性。

这个问题可以通过共享参数来解决。就本示例而言，共享定义上、下高原和斜率的参数。但不要共享 EC50 值，因为控制数据和处理数据的 EC50 值明显不同。

结果如下。

曲线图看起来只是略有不同。但现在程序以极大的信心找到了拟合优度参数。EC50值的 95% 置信区间跨度约为 2 倍（而不共享参数时为 10 倍或更多）。

控制数据很好地定义了曲线的顶部，但没有定义曲线的底部。处理过的数据能很好地确定曲线的底部，但不能确定顶部。通过同时拟合两个数据集，共享一些参数，可以合理确定两个 EC50 值。