實驗設計法 (DOE) 函數及繪圖可用以建構實驗設計矩陣、分析及篩檢係數、開發統計模型以及執行 Monte Carlo 模擬法。

您可使用內建函數建立設計矩陣。利用 DOE 工具函數，可分析部份階乘設計矩陣的屬性，或修改設計矩陣。例如，使用 doelabel 函數可將設計矩陣的編碼值轉換為實數。也可以使用向量及矩陣函數，進一步修改設計矩陣。例如，使用 stack 在全階乘或部份階乘設計中加入中心點，或使用 augment 增加外表 (outer array)，結算 Taguchi 設計中的雜訊因子。

若要篩檢係數，您可計算係數、相互作用或設計區塊的效果或層級效果。 quickscreen 是最適合篩檢二階編碼設計的函數。 effects 函數是較普通的函數，其計算所有設計矩陣的階層效果。

您可利用箱型圖、效果圖或柏拉圖顯示實驗結果，以判斷係數是否有意義。也可使用 anova 函數執行變數分析 (ANOVA)，以檢測係數是否有意義。

您可使用 polyfit 函數快速對應多變量多項式遞歸曲面。若要改用遞歸係數，請使用 polyfitc 函數。此函數也會傳回有關各遞歸係數的其他資訊。如需較完整的診斷集，請使用 polyfitstat。此函數會傳回模型參數、 polyfitc 的輸出、用於遞歸的變數分析(ANOVA)，以及每次執行的詳細分析，或用以建立多變量多項式遞歸曲面的數據點。若要加強數值精確度，須在內部以多項式遞歸函數的標準差，調整數據刻度 (若指定全階模型)。若指定部分或不完整的多項式，即不會執行任何刻度調整。

若為其他類型的擬合函數，請使用 multidfit 函數計算其擬合參數。

以上所有函數都接受設計矩陣。

Monte Carlo 方法透過多次反覆運算，會建立由唯一變異數元件所組成之複數系統的統計行為。這些方法不會求解使用演算法的封閉式解題，而是會將亂數值反覆套用至每個元件值，以建立複數系統的統計行為模型。

您可使用下列任一函數，產生 Monte Carlo 模擬法的亂數： LogNormal、 Normal、 Uniform、 Weibull。也可以使用 montecarlo 函數建立指定函數的 Monte Carlo 樣本。此估法很實用，例如，使用過去實驗所建立的遞歸模型，即可預測未來的實驗變化。