Las partículas en suspensión (PM) son un contaminante clave que afecta negativamente la salud humana. La exposición a altas concentraciones de estas partículas puede causar muerte prematura, enfermedades cardíacas, problemas respiratorios o reducción de la función pulmonar. El trabajo previo sobre las partículas en suspensión estaba limitado a áreas específicas. Por lo tanto, se requieren más estudios para investigar los patrones de las partículas en suspensión debido a sus propiedades complejas y variables, y sus concentraciones y composiciones asociadas para evaluar la productividad numérica de los programas de control de la contaminación para la calidad del aire. En consecuencia, para controlar la contaminación por partículas en suspensión y diseñar planes efectivos para contrarrestarla, es importante medir la eficiencia y eficacia de las políticas aplicadas por el Ministerio de Medio Ambiente. El propósito principal de esta investigación es construir un modelo de simulación para la identificación de un punto de cambio en la concentración de partículas en suspensión, y si ocurre en diferentes áreas del mundo. La metodología se basa en el enfoque bayesiano para el análisis de diferentes estructuras de datos y se utiliza una prueba de razón de verosimilitud para detectar un punto de cambio en un tiempo desconocido. Se ha utilizado datos en tiempo real de las concentraciones de partículas en suspensión en diferentes ubicaciones para la verificación numérica. Los parámetros del modelo antes del punto de cambio y los parámetros después del punto de cambio han sido analizados críticamente para evaluar la eficacia de las políticas ambientales para las concentraciones de partículas en suspensión. La razón principal para utilizar diferentes áreas es sus características considerablemente diferentes, es decir, el entorno, la densidad de población y la densidad de vehículos de transporte. En consecuencia, este estudio también proporciona información sobre qué tan bien este modelo sugerido podría funcionar en diferentes áreas.