我最近正在开发一个车队管理软件。通常，商家请求的到达是一个泊松过程。也就是说，我们平均每 10 分钟就有一个新的商户请求，但有时我们可能会在 10 分钟内收到 2 个商户请求，有时只有 0 个。

我正在考虑根据商家请求的到达率建立一个推理模型：如果他们持续在很短的时间间隔内，则意味着邮政编码很忙，如果他们持续在很长的时间间隔内，则意味着邮政编码是不忙。

从我的角度来看，这看起来像是贝叶斯推理：

$$p(\text{isBusy}|\text{observedInterval}) = \frac{p(\text{observedInterval}|\text{isBusy})\cdotp(\text{isBusy})}{p(\text{observedInterval})}$$

然而，$p(\text{observedInterval}|\text{isBusy})$是我上面描述的泊松过程。所以我不确定这是否真的可以以贝叶斯方式建模。

任何人都可以在这里给我任何见解吗？