想象你每半小时查看一次实验数据，一旦效果“够好”就停。问题是，今天的数据常和昨天相关，整体规律也可能随时间变化；如果仍按独立、固定分布的数据处理，置信区间可能过窄，反复查看还会增加误判风险。
Mingxuan Ge 和 Yanlong Liu 提出时间一致的依赖中心极限定理。中心极限定理是普通置信区间的理论支柱；“时间一致”则要求统计保证在整个观察期同时成立，让研究者不必预先指定停止时点。作者把适用范围扩展到非平稳且有序列依赖的数据，并据此构造渐近置信序列——一种随数据持续更新、长期来看仍保持覆盖保证的区间。
论文最值得注意的一点，是发现已有定义即使面对独立同分布数据，也可能产生无法达到预期全程覆盖率的置信序列。作者加入一个简单的“最终包含”条件来补上缺口，同时允许更灵活地估计长期波动。相关保证属于渐近结果，重点是数据积累后的可靠性，并非有限样本下每一刻都精确成立。