Las funciones y los gráficos de diseño de experimentos (DOE) se pueden utilizar para la creación de matrices de diseño experimentales, el análisis y la selección de factores, el desarrollo de modelos estadísticos y la realización de simulaciones Monte Carlo.

Las matrices de diseño se pueden crear mediante funciones integradas. Las funciones de utilidad DOE permiten analizar las propiedades de las matrices de diseño factorial fraccional o modificar las matrices de diseño. Por ejemplo, utilice la función doelabel para convertir los valores codificados de una matriz de diseño en valores reales. También se pueden utilizar las funciones de vectores y matrices para modificar otros aspectos de las matrices de diseño. Por ejemplo, utilice stack para añadir puntos centrales a un diseño factorial fraccional o completo, o use augment para añadir un array exterior que represente los factores de ruido en diseños Taguchi.

Para filtrar factores, se pueden calcular los efectos o los efectos de nivel de los factores, las interacciones o el bloqueo del diseño. La función quickscreen es perfecta para el filtrado de diseños codificados de nivel 2. La función effects es más general y calcula los efectos de nivel para cualquier matriz de diseño.

Los resultados del experimento se pueden visualizar en un gráfico de caja, de efectos o de Pareto para decidir si los factores son relevantes. También se puede realizar un análisis de varianza (ANOVA) con la función anova para comprobar si los factores son relevantes.

Se puede utilizar la función polyfit para asignar rápidamente una superficie de regresión polinomial multivariada. Si se prefiere trabajar con coeficientes de regresión, utilice la función polyfitc. Esta función también devuelve información adicional sobre cada coeficiente de regresión. Para obtener un conjunto de diagnósticos más completo, utilice polyfitstat. Esta función devuelve parámetros de modelo, la salida de polyfitc, un ANOVA de regresión y un análisis detallado de cada ejecución o punto de datos que se utiliza para crear la superficie de regresión polinomial multivariada. Si se especifica un modelo completo, se aplica una escala a los datos internamente de acuerdo con la desviación estándar en todas las funciones de regresión polinomial para conseguir una mayor precisión numérica. Si se especifica un modelo polinomial parcial o incompleto, no se realiza ningún escalado.

Para otros tipos de funciones de ajuste, utilice la función multidfit para calcular los parámetros de ajuste.

Todas las funciones anteriores admiten matrices de diseño.

Los métodos Monte Carlo generan, a través de numerosas iteraciones, el comportamiento estadístico de un sistema complejo formado por componentes con variaciones únicas. En lugar de buscar soluciones algorítmicas de forma cerrada, estos métodos aplican iterativamente valores aleatorios a cada valor de componente para modelar el comportamiento estadístico del sistema complejo.

Se pueden generar números aleatorios para simulaciones Monte Carlo con las siguientes funciones: LogNormal, Normal, Uniform, Weibull. También se puede utilizar la función montecarlo para crear una muestra Monte Carlo de una función determinada. Esto es de gran utilidad, por ejemplo, para predecir el comportamiento de experimentos futuros que se realicen con modelos de regresión creados a partir de experimentos anteriores.