En este trabajo se realiza una breve introducción de los modelos de innovaciones de espacio de estado y su relación con los métodos de suavizado exponencial. Si bien los pronósticos puntuales de ambos métodos coinciden cuando se definen parámetros equivalentes, los MEE permiten entre otras cosas encontrar intervalos de predicción y estimación máximo verosímil de los parámetros. Se presentan los métodos de suavizado generalmente más usados y se definen los correspondiente MEE de innovaciones. Se encuentra la forma reducida de los MEE, las cuales coinciden con distintos modelos ARIMA. Para la estimación máximo verosímil de MEE de innovaciones, se utilizan ecuaciones recursivas, no siendo necesario usar el filtro de Kalman, para calcular la verosimilitud, como en los clásicos MEE, por no tener múltiples fuentes de error. Se realizan dos aplicaciones a series reales, una con tendencia y otra con tendencia y estacionalidad. Los resultados encontrados muestran que en estos casos las constantes de suavizado de los métodos de suavizado exponencial equivalentes a los parámetros al modelo MEE de innovaciones difieren notablemente en sus valores. Así mismo, que no hay una supremacía absoluta de un método sobre los otros, sin embargo, los modelos de espacio de estado permiten una interpretación más directa de los componentes que intervienen en la serie.