为了找出哪个选项关于 Logit 回归和 SVM 是不正确的，我们需要对每个选项进行分析。

1. **A: Logit回归目标函数是最小化后验概率**

- Logit回归（也称为逻辑回归）是一种用于分类问题的广义线性模型。它通过最大似然估计来拟合数据，目标是最大化似然函数，而不是最小化后验概率。因此，选项 A 是不正确的。

2. **B: Logit回归可以用于预测事件发生概率的大小**

- 这是正确的。逻辑回归模型输出的是事件发生的概率（介于 0 和 1 之间），因此它非常适合用于概率预测。

3. **C: SVM目标是结构风险最小化**

- 支持向量机（SVM）的目标是实现结构风险最小化。SVM 通过寻找最优的超平面来分类数据，并且通过引入软间隔和正则化参数来控制模型的复杂度和误差。这是正确的。

4. **D: SVM可以有效避免模型过拟合**

- 通过使用核函数和正则化，SVM 确实可以有效地避免过拟合，尤其是在高维空间中。这是正确的。

**综上分析，选项 A 是不正确的。**

| 选项 | 描述 | 正确性 |
|------|------|--------|
| A | Logit回归目标函数是最小化后验概率 | 不正确 |
| B | Logit回归可以用于预测事件发生概率的大小 | 正确 |
| C | SVM目标是结构风险最小化 | 正确 |
| D | SVM可以有效避免模型过拟合 | 正确 |