Notación Big O

Como no veo este curso en los Recursos les dejo este curso que me ayudo a comprender Big O de una manera facil y rapida https://platzi.com/cursos/complejidad-js/

Les comparto un video en inglés, bastante comprensible explicando el tema de complejidad computacional:

www .youtube. com/watch?v=47GRtdHOKMg

• Constant - O(1)
  Runtime does not depend on input size
  Example: Look up the first item
  [1,2,5]

• Logarithmic - O(log(n))
  Runtime grows slower than the input size
  Example: Binary Search
  Search an element in an ordered list
  Open dictionary in half
  Check value
  See if is at the first half or the second half of the dictionary

• Linear - O(n)
  The runtime grows at the same rate as the input.
  Example: Unsorted list

• Log-Linear - O(n log(n))
  An operation of log(n) complexity for each input value
  Example: Efficient Sorting

• Quadratic - O(n^2)
  An operation of complexity O(n) is carried out for each input
  Example: Check all pairs of input values (Double for loop)

• Polynomial - O(n^3)…
  Computations with other exponents (n^4, n^5, etc)
  Example: Check all triplets of input values (Triple for loop)

• Exponential - O(2^n)…
  Complexity is multiplied (doubled, tripled, etc) with each additional input value
  Example: Recursive Algorithms - Traveling salesman problem

• Worse- O(n!)
  Runtimes can be worse than exponential
  Examples: Permutations

creo que lo correcto habría sido decir que las complejidades son O(log x), O(x) porque el eje es x, la otra opción es cambiar x por n para ilustrar mejor la relación entre el aumento de valores con su función