实验设计 (DOE) 函数和绘图可用于构建实验设计矩阵、分析和筛选因子、开发统计模型以及执行蒙特卡洛模拟。

可以使用内置函数创建设计矩阵。通过 DOE 效用函数，可以分析部分析因设计矩阵的属性，也可以修改设计矩阵。例如，使用函数 doelabel 将设计矩阵的编码值转换为实数值。也可以使用矢量和矩阵函数进一步修改设计矩阵。例如，使用 stack 将中心点添加到完全析因设计或部分析因设计中，或使用 augment 添加用于说明 Taguchi 设计中噪声因子的外部数组。

要筛选因子，可计算因子、交互作用或设计块的效果或水平效果。函数 quickscreen 最适合筛选 2 水平编码设计。计算任何设计矩阵的水平效果时，通常会使用函数 effects。

可以在箱线图、效果图或柏拉图中显示实验结果，以确定因子的显著性。也可以使用函数 anova 来分析方差 (ANOVA)，以校验因子的显著性。

可以使用函数 polyfit 快速映射多变量多项式回归曲面。如果要使用回归系数，请使用函数 polyfitc。此函数还将返回有关各个回归系数的更多信息。要获得一组更完整的诊断信息，请使用 polyfitstat。此函数会返回模型参数、polyfitc 的输出、回归的 ANOVA 以及每个游程或数据点 (用于创建多变量多项式回归曲面) 的详细分析。要提高数字精度，将在指定全阶模型时按照所有多项式回归函数中的标准差在内部对数据进行缩放。如果指定了部分或不完整的多项式，则不会执行缩放操作。

对于其他类型的拟合函数，请使用函数 multidfit 计算其拟合参数。

上述所有函数均接受设计矩阵。

在许多迭代中构建的蒙特卡洛法，是由含有特殊变量的组件组成的复杂系统的统计行为。这些方法不是用于查找算法的，闭合型的解，而是将随机数值应用到每个元件值以模拟复杂系统的统计行为。

可以使用以下其中一个函数来生成用于蒙特卡洛模拟的随机数字：LogNormal、Normal、Uniform 和 Weibull。也可通过函数 montecarlo 为给定函数创建蒙特卡洛样本。例如，要通过从先前实验中创建的回归模型来预测将来实验的行为，就可使用该函数。