El método bayesiano Hurst-Kolmogorov (HK) estima de manera más precisa el exponente de Hurst de una serie temporal que el antiguo Análisis de Fluctuación Desprovisto de Tendencia (DFA), especialmente cuando la serie temporal es corta. Sin embargo, esta ventaja conlleva un costo en términos de tiempo de computación. El tiempo de computación aumenta de forma exponencial con la longitud de la serie temporal, superando fácilmente varias horas para limitando la utilidad del método HK en paradigmas en tiempo real, como la biofeedback y las interfaces cerebro-computadora.