贝叶斯Logistic分析是什么？做什么用的？麻烦举个具体的例子。

个人的观点如下：
1.所谓预测，首先应该具有如下函数形式y=f(x).从时间角度，预测可以分为两种：
第一种：预测变量X和响应变量Y在同一个时间跨度范围内，用当前已知信息预测当前未知信息，比如在多元线性回归中。用已知的响应变量值信息建立一个模型来预测缺失的响应变量值。
第二种：预测变量X和响应变量Y不在同一个时间跨度范围内，且预测变量X时间发生在前，响应变量Y发生时间在后，此时用预测变量X信息预测响应变量Y，比如logistic回归分析，预测变量X时间一定在响应变量Y之前发生。
2.显然，在贝叶斯判别分析中，如果我们不考虑响应变量Y的缺失情况，响应变量的发生时间应该不会超过预测变量X的发生时间；因为Y是先验事件，那么此时用得到的判别函数去对新的观测值进行判别时，我们就不能把这种归类叫做“预测”，而应该叫做“归类”。也就是说，所得到的“预测”值Y实际上应该是“归类”值。考虑时间因素，实际上这种“归类”值是对响应变量Y的历史信息的一个“总结”，而不是对未来信息的一个“预测”。
3.而在logistic回归分析中，我们可以根据业务需要，人为对Y变量设置一个可以大于X的发生时间，这样一来，所得到的模型应该就是严格意义上的预测模型，因为我们可以用过去的X的信息预测将来Y的发生情况。
不知道这种理解对不对？
4.综述，个人认为把proc discrim过程和proc logistic过程做比较本身就是错误的，但是我看到很多外国文献都是把它们做对比。