Dos problemas relacionados con la detección de puntos de cambio en modelos de regresión lineal son considerados. Uno implica saltos discontinuos en un modelo de regresión y el otro implica líneas de regresión conectadas en lugares desconocidos. Se ha desarrollado una importante literatura para estimar modelos de regresión segmentados debido a su amplio rango de aplicaciones. El método de regresión segmentada (SEG) con un paquete R ha sido utilizado por muchos investigadores ya que es fácil de usar, converge rápidamente y produce estimaciones suficientes. El método SEG permite múltiples puntos de cambio pero está restringido a modelos continuos. Dicha restricción limita realmente las aplicaciones prácticas de SEG cuando se trata de saltos discontinuos encontrados con frecuencia en problemas reales de puntos de cambio. En este documento, proponemos un modelo de regresión segmentado, permitiendo saltos discontinuos, líneas conectadas o la ocurrencia de saltos y puntos de cambio conectados en un solo modelo. El enfoque de segmentación propuesto puede derivar las estimaciones de puntos de salto, puntos de cambio conectados y parámetros de regresión simultáneamente, permitiendo múltiples puntos de cambio. Se discuten las inicializaciones del algoritmo propuesto y la decisión sobre el número de segmentos. Los resultados experimentales y las comparaciones demuestran la efectividad y superioridad del método propuesto. Varios ejemplos reales de diversas áreas ilustran la practicidad del nuevo método.