Normalmente, los valores que se registran en una serie temporal de la forma

El proceso consiste en generar una serie

• Si es próximo a 1, entonces se asigna mayor importancia a la información que aportan las últimas observaciones realizadas.
• Si es cercano a 0, se reparte más equitativamente la importancia que se concede a todas las observaciones muestrales, incluidas las más remotas en el pasado.

El método del alisado exponencial es útil también para realizar predicciones. Así, si la última observación fue la de la etapa n, el pronóstico para n+1 será el valor .

La siguiente serie representa el número de mujeres fallecidas por bronquitis, enfisema y asma en el Reino Unido; son datos registrados mensualmente durante los años 1974-75.

Año	Ene	Feb	Mar	Abr	May	Jun	Jul	Ago	Sep	Oct	Nov	Dic
1974	901	689	827	677	522	406	441	393	387	582	578	666
1975	830	752	785	664	467	438	421	412	343	440	531	771

Se quiere obtener una serie suavizada a partir de los datos reales, así como un pronóstico del número de fallecimientos esperados para el primer mes del año 1976.

Inicialmente se ha escogido un coeficiente de alisamiento de 0.5 para efectuar el suavizado. En el gráfico a la derecha, el color azul corresponde a la serie original y el rojo a la suavizada por el método del alisamiento exponencial. En primer lugar, se aprecia un comportamiento cíclico a lo largo del año, muy típico de las enfermedades en las vías respiratorias. La predicción solicitada para enero de 1976 es de 651 fallecidas, siendo la cantidad real para ese mes de 767. Modificando el valor del coeficiente y pulsando la barra de cálculo, se puede comprobar cómo cambian tanto el aspecto de la serie suavizada como la predicción; por ejemplo, para un coeficiente de 0.9, el pronóstico es de 747 para el primer mes de 1976.

(Fuente: Peter J. Diggel (1992) Time Series. A Biostatistical Introduction. Oxford Science Publication.)