用途：估算 Alkosto“每 25/50 名顾客”促销下一次中奖事件还需等待多久。
主要能力：支持两种模式。purchase_rate 模式根据每分钟购买数、观测通道数与总开放通道数估算到达率；winner_timestamps 模式根据中奖公告时间戳计算间隔均值、标准差与变异系数，判断节奏为规律、混合或随机。输出包括中奖事件平均间隔、从“现在”起的期望等待、实用等待截止时间 optimal_wait_minutes、截止时间内出现中奖事件的概率，以及未命中时的“重新测量”规则。若提供 time_value_per_minute 与 expected_bonus_value，还会给出期望价值与时间成本的对比建议。
使用方式：阈值 K 为周一至周五 25，周六、周日或节假日 50。purchase_rate 模式需提供 observed_purchases、observed_minutes、observed_lanes，可选 total_open_lanes 与 model（global 或 per_lane）。winner_timestamps 模式需提供有序时间戳，可选 elapsed_since_last_winner_minutes。可用脚本进行确定性计算：python3 scripts/calc_wait.py --input-json '{"mode":"purchase_rate","is_weekend_or_holiday":true,"model":"global","observed_purchases":5,"observed_minutes":2,"observed_lanes":5,"total_open_lanes":15}' 或 python3 scripts/calc_wait.py --input-json '{"mode":"winner_timestamps","winner_timestamps":["12:10:15","12:27:40","12:46:05","13:02:20"],"elapsed_since_last_winner_minutes":6}'。
适用场景：在 Alkosto 门店促销期间，根据现场观测或历史公告时间，辅助判断是否继续等待。
限制：数据稀疏时结果不确定，需明确说明假设；未命中截止时间时应重新测量并重算。具体收费、平台与效果资料暂未提供。