POPs计算例证
理解了什么是POPs和它是怎么形成的，很明显下一步问题是它作为一个估计工具怎么样使用。一些POPs计算需要的信息可能是需求分析阶段没充分清楚的信息。然而，我们有可以采用的方法来合理估计计算POPs需要的参数。下面一个例子来自[17]。利用项目提供的信息和一个面向对象度量工具，我们将演示怎么样进行POPs计算。开发的软件是个OOCase工具。它是用Smalltalk开发的，有36个类和1040个方法。软件开发团队的生产力高于平均值，他们有大量的软件开发经验。
第一步是计算WMC。我们知道平均每类的方法是29（1040/36）。虽然我们不清楚这些方法的类别上的分布情况，我们可以用我们在研究过程中确定的百分比来计算：
构造器/解析器(20%)=6
读取器(30%)=9
修正器(45%)=13
叠加器(5%)=1
我们用图3来确定复杂度，我们用每类发送消息数（numberofmessagessent）和实例变量数，既然他们可利用。从这我们可以近似得到实例变量和发送消息。
通过计算发送消息和实例变量和把他们与复杂性分配表（表3）进行匹配，我们确定了方法的复杂度。图4显示了分析情况及最终结果的低、平均和高复杂方法数
图3用来确定复杂度的数据
接着我们用图5确定这个例子的平均NOC和DIT。从这我们计算得平均NOC是1.4,我们用子类的总数除以那些有子类的类（父类）的总数（30/21）。我们计算得平均DIT是1.6，顶层类是6（图中层次水平为0的类数）
22%低45%平均
图4例子的复杂性分配
最后我们用所有得到的输入进行一个POPs计算，如图6所示。虽然这个例子是采用的一个已经完成的项目，也可以用早在分析阶段的工作产品进行一个相类似的分析。当用例分析已经完成的时候，应该包含有用的动作者，他们的行为和初步的类结构，从这些可以近似地推出其他参数。
