سری زمانی مجموعه ای از داده های وابسته است که معمولا با فواصل زمانی منظم (روزانه، هفتگی، ماهانه یا سالانه) مشاهده می شوند. در تحلیل سری های زمانی گاهی نقاطی وجود دارند که پارامترهای مدل یا توزیع سری دچار پرش یا تغییر می شود، از دیدگاه آماری به این نقاط نقطه تغییر می گویند. در عمل تعداد نقاط تغییر و مکان آنها نامعلوم بوده و کشف و شناسایی آنها از دیدگاه کاربردی به ویژه مدل بندی و پیش بینی سری زمانی از اهمیت به سزایی برخوردار می باشد. در این مقاله مدل اتورگرسیو مرتبه دوم در حضور نقطه تغییر معرفی می شود. پس از آن برآورد پارامترهای مدل AR(2) در حضور نقطه تغییر و با فرض معلوم بودن نقطه تغییر به روش درستنمایی ماکسیمم شرطی بدست می آید. در نهایت به کمک یک مثال سری زمانی (داده های عملکرد نرم افزار در طول 30 ماه) برآورد پارامترها مورد بررسی قرار می گیرند
