以下是一些减少舍入误差影响的技巧。一个简短的方法是增加浮点精度，例如从float到double，但很多时候这太昂贵或不可能。

卡汉求和

在Kahan 总结中，想法是弥补上一步中的错误。

function KahanSum(input)
var sum = 0.0
var c = 0.0                  // A running compensation for lost low-order bits.
for i = 1 to input.length do
    var y = input[i] - c         // So far, so good: c is zero.
    var t = sum + y              // Alas, sum is big, y small, so low-order digits of y are lost.
    c = (t - sum) - y        // (t - sum) cancels the high-order part of y; subtracting y recovers negative (low part of y)
    sum = t                  // Algebraically, c should always be zero. Beware overly-aggressive optimizing compilers!
next i                       // Next time around, the lost low part will be added to y in a fresh attempt.
return sum

变量c是使用新的和元素input[i]逐步使用的校正。c评估时的误差更小，因为游戏中的数字处于同一数量级。重要的一步是这条线

c = (t - sum) - y 

是明确评估的。

由于编译器的原因，实现的代码无法生效，请参阅wiki，即编译器将所有内容放入一个唯一且直接的命令中，因此不会单独评估前一行。

种类

这是一个非常简单易用的技巧，在对数组进行总和排序并从最小值开始之前。这个想法是小和变得更大，因此减少了舍入误差。

它不能保证有效，但使用它是一个很好的做法。

减法，具有混合符号值的数组

浮点减法不是一个稳定的运算。在数组包含混合有符号值的情况下，需要额外注意避免两个数字的绝对值非常接近。

减少操作

这是一个一般性建议，与一般的值总和没有严格关系。

尝试减少操作以获得结果。一个例子是霍纳方法，其中多项式可以重写为

在这种形式下，多项式可以计算为$N$补充和$N$乘法，反对$N$补充和$\frac{N(N+1)}{N}$范式的乘法。（更多细节，维基）

您可以尝试从较小的元素开始并添加它们，然后再到更大的值。这减少了舍入误差。

还可以尝试括号的运算符优先级。为了详细说明，假设您要计算

舍入误差是由于计算机中实数的有限表示。计算机系统不能使用精确的实数，而只能使用其有理近似值。因此，实际数字不能在计算机中用有限数量的有效数字表示。

在下文中，用 f 小数部分和指数 n 表示以 10 为底的实数是有用的。x = f • 10n。(2.8) 此外，对于 0 以外的任何数，通过方便地选择 n，Fractional 满足 0.1 ≤ | f | <1。例如 3.14 = 0,314 * 10 ^ 1，-0.007856 = • 10 ^ 2 -0.7856。就约定形式而言，数字称为小数部分有效数字。