加えて、主に、より頻繁に使用疫学において、ロジスティック回帰として知らロジスティック（ロジスティック）回帰分析は、より一般的なシナリオは、疾患のリスク因子、予測によれば、等の疾患の危険因子の発生確率を探索することです。例えば、胃がんのリスク要因を調査するために、あなたは2つのグループを選択することができ、一つのグループは、非胃癌グループのグループ胃癌である、2つのグループは確かに異なる兆候やライフスタイルを持っています。ここでの従属変数は、2つのカテゴリ変数のための「はい」か「いいえ」で胃が、独立変数は、年齢、性別、食事、H. pylori感染など、多くのことを含めることができるかどうかです。引数は、連続または分類することができるのいずれかになります。ロジスティック回帰分析によって、我々は一般的にどのようなリスク胃癌の要因を最後に理解することができます。
複数の線形回帰とロジスティック回帰、実際に多くの共通点を持って、それらの異なる従属変数での最大の違いの嘘、その他は基本的に同様、正確にこのため、両方のリターンは、すなわちモデルの線形一般、同じファミリーに起因することができます（線形モデルを一般化）。それはポアソン分布であれば、それはある場合のモデルは、それが連続している場合は、基本的に類似している、複数の線形回帰、あること、が異なるため、変数の異なるこの家族を形成し、二項分布場合、ロジスティック回帰は、ポアソン回帰は、です負の二項分布は、その上の負の二項回帰である、と。限り、彼らはそれに従属変数を区別するために注意を払うよう。
従属変数のロジスティック回帰は、バイナリとすることができるだけでなく、マルチ分類することができるが、2つの分類がより一般的であり、より簡単に説明します。だから、実際に最も一般的に使用されるバイナリロジスティック回帰です。
ロジスティック回帰の主な目的：まず、リスク要因について見て、特定の疾患のためなどの危険因子を見つけるために、上記のように。第二に、私はすでにロジスティック回帰モデルを確立した場合、モデルは異なる独立変数で予測できることを予測し、疾患の発生確率やどのくらいの状況。見通しはやや似ていると3分の1が、実際には、決定することで、ロジスティックモデルによる疾患に属する人の確率を決定するか、または人は、特定の疾患に属していることがいかに可能性を見ているどのくらいの状況に属していることです。
フォームのロジスティック写像
X_（N + 1）= ax_n（1-x_nに関する）
パラメータは、その前の混乱に> = 3.569946、xのない振動値、固定値で小さい、安定した定常状態値におけるxの値は、より大きな、安定である場合期間内に
このように、> = 3.569946で、擬似乱数は、xの値は予測できない、不安定であるため、生成されてもよいです。次のように具体的な作品：
