Les fonctions et les tracés de plans d'expériences peuvent être utilisés pour élaborer des matrices d'expériences à des fins d'analyse et de classement des facteurs, de développement de modèles statistiques et de réalisation de simulations de Monte Carlo.

Vous pouvez créer des matrices d'expériences en utilisant les fonctions intégrées. Avec les utilitaires de plans d'expériences, vous pouvez analyser les propriétés de matrices d'expériences fractionnelles factorielles ou modifier des matrices d'expériences. Par exemple, utilisez la fonction doelabel pour convertir les valeurs codées d'une matrice d'expériences en valeurs réelles. Vous pouvez également utiliser les fonctions vectorielles et matricielles pour modifier davantage les matrices d'expériences. Par exemple, utilisez stackpour ajouter des points de centrage et créer une expérience complète ou factorielle fractionnelle ou utilisez augment pour ajouter un tableau extérieur tenant compte des facteurs de bruit dans les plans de Taguchi.

Pour classer les facteurs, vous pouvez calculer les effets ou les effets de niveau des facteurs, des interactions ou de blocs des plans. La fonction quickscreen est parfaitement adaptée au classement des plans codés à 2 niveaux. La fonction effects est plus générale. Elle calcule les effets de niveau de toute matrice d'expériences.

Vous pouvez afficher les résultats de l'expérience dans une boîte à moustaches, un tracé des effets ou un tracé Pareto afin de déterminer si les facteurs sont significatifs. Vous pouvez également réaliser une analyse de la variance (ANOVA) avec la fonction anova pour tester la validité des facteurs.

Vous pouvez utiliser la fonction polyfit pour mapper rapidement une surface de régression polynomiale multivariée. Si vous préférez utiliser des coefficients de régression, utilisez la fonction polyfit. Cette fonction fournit également d'autres informations sur chaque coefficient de régression. Pour obtenir un ensemble plus complet de diagnostics, utilisez polyfitstat. Cette fonction fournit les paramètres des modèles, la sortie de polyfitc, une ANOVA pour la régression et une analyse détaillée de chaque exécution ou point de données utilisé pour créer une surface de régression polynomiale multivariée. Pour améliorer la précision numérique, les données sont mises à l'échelle en interne grâce à l'écart-type dans toutes les fonctions de régression polynomiale, si un modèle de degré complet est indiqué. Si un degré polynomial partiel ou incomplet est spécifié, aucune mise à l'échelle n'est effectuée.

Pour les autres types de fonctions d'ajustement, utilisez la fonction multidfit pour calculer leurs paramètres d'ajustement.

Toutes les fonctions ci-dessus acceptent les matrices d'expériences.

Les méthodes de Monte Carlo permettent de simuler, à l'aide de nombreuses itérations, le comportement statistique d'un système complexe fait de composants à variances uniques. Au lieu de rechercher des solutions algorithmiques et analytiques, ces méthodes appliquent de manière itérative des valeurs aléatoires à la valeur de chaque composant afin de modéliser le comportement statistique du système complexe.

Vous pouvez générer des nombres aléatoires pour les simulations de Monte Carlo à l'aide d'une des fonctions suivantes : LogNormal, Normal, Uniform, Weibull. Vous pouvez également utiliser la fonction montecarlo pour créer un échantillon de Monte Carlo pour une fonction donnée. Ceci est utile, par exemple, pour prévoir le comportement des futures expériences en utilisant des modèles créés à partir d'expériences précédentes.