日常生活中我们对小数进行加减法时，为了方便，通常先把它们的指数化成一致，再比较前面的数值部分；
比如1e-3与1e-1，我们化为1e-3和100e-3,这样就能很明显的得到结果 99e-3了，同样，在计算机中亦是如此；
设想以单精度的浮点数为例，阶码有8位，能表示-128~127之间的数字；而我们在对其阶码进行比较时，如果不偏置，那么0010xx和1000xx在计算机眼中就会认为后者较大，而其实后者是负数；所以这样的话，计算机得先把它们化成原码，再对其进行比较，比较繁琐；
而当浮点数的阶码采用移码的形式时（偏置127），即E=e-Bias （e∈[1,254]，0和255是特殊的值，不呢能取），那么E∈[-126,127]，所以浮点数阶码中储存的e全为正数，可直接比较，不用转换成原码再进行；而实际表示的浮点数的指数部分取值范围就是E的取值范围，所以浮点数的精度为-126~12；
补充一个问题：在观看CSAPP的视频时，里面有个学生提出：为什么这个偏置值要取2k-1-1呢？
教授的回答是：exp的取值范围为[1,254]，而E作为最后小数的指数，它所表示的精度要对半分，非负数要占一般，正数要占一半，而exp只能取254个值，自然最后E的范围只能为[-126,127]，只有这样才能刚好对半分，根据Bias=exp-E，从而得到Bias的值为127；