在我們通過執行時間來表徵演算法的效率時，函式的數量級表示了隨著 n 的值增加而增加最快的那些部分。數量級通常稱為大O符號，寫為 O(f(n)) 。它表示對計算中的實際步數的近似。

引數 n 通常稱為‘問題的規模’，T(n) 是解決問題大小為 n 所花費的時間，即 1+n 步長。

比如 T(n)=1+n 。當 n 變大時，常數 1 對於最終結果變得越來越不重要。如果我們找的是 T(n) 的近似值，我們可以刪除 1， 執行時間是 O(n)。要注意，1 對於 T(n) 肯定是重要的。但是當 n 變大時，如果沒有它，我們的近似也是準確的。

另外一個示例，假設對於一些演算法，確定的步數是 T(n)=5n^2 +27n+1005 。當 n 很小時, 例如1 或 2 ，常數 1005 似乎是函式的主要部分。然而，隨著 n 變大，n^2 這項變得越來越重要。事實上，當 n 真的很大時，其他兩項在它們確定最終結果中所起的作用變得不重要。當 n 變大時，為了近似 T(n)，我們可以忽略其他項，只關注 5n^2 。係數 5 也變得不重要。我們說，T(n) 具有的數量級為 f(n)=n^2。 或者 O( n^2 ) 。