Atualmente nos dispositivos m´oveis percebe-se uma escassa oferta de energia, além de demandas cada vez maiores por parte dos diversos componentes de hardware e software embarcados. Estes componentes internos evoluíram vertiginosamente com exceção das baterias, que freiam o avanço tecnológico destes aparelhos. Devido a diversidade de ambientes e usuários, soluções que visam diminuir a demanda energética nestes dispositivos precisam ser adaptáveis através do reconhecimento e previsão do padrão de uso. Modelos de séries temporais são ferramentas clássicas para solucionar problemas que envolvem previsão, porém apesar de ser uma ´área bastante estudada, são poucos os trabalhos relacionados `a dispositivos m´oveis. Devido a diversidade de métodos para previsão de séries temporais e a escassez de trabalhos semelhantes, este trabalho propõe a comparação de m´métodos clássicos para previsão em séries temporais executando em dispositivos m´oveis. Estes testes comparativos demonstraram que os m´métodos propostos são aplicáveis computacionalmente nos dispositivos m´oveis, porém devido a natureza não estacionária de algumas séries ou períodos destas, em termos de precisão somente 27,5% das previsões tiveram erro abaixo dos 120 minutos, mostrando que estes m´métodos de previsão mais simplórios podem não servir para a maioria das soluções relacionadas a otimização energética e padrão de uso em dispositivos móveis.