통갤님들 안녕하세요. 저는 통갤 덕분에 통계학 많은 부분을 독학하고 있는 한량입니다.
덕분에 Hogg 수리통계학도 깨고 몽고메리 회귀분석도 보고 좀 체계가 잡히는 것 같습니다.


제가 언젠가 리뷰 논문을 한번 읽었는데, 현대 통계학의 역사가 대강 1900년대 초 유전학/심리학/계량경제학/농학
에서 분야 방법론의 발전과 함께 수리통계학의 해석학적 토대가 이루어졌더라구요, 그러면서

로널드 피셔가 등장한 1920년대 쯤에 거의 현재 통계학 교과서의 상당부분의 빈칸이 채워지고...

그런데 가설 검정 부분에 대한 논쟁을 보면서 의문이 생겼습니다. Fisher vs. Neyman-Pearson 논쟁은 위키에도 실려있을 정도로

굉장히 핫한 논쟁인 것 같습니다. 보니까 Fisher는 검정 자체 보다는 주로 우리가 배우는 추정의 optimality에 대해 많은 시간을 쏟은 걸로

알고, 반대로 실질적으로 hypotheses testing 자체는 Neyman-Pearson 학파의 유물로 보입니다.


학문 역사 논문 같은 걸 읽어보면,

1) 피셔: P값을 만들었지만 단일 귀무가설 밖에 없었음. 피셔는 P값을 단일 귀무가설을 귀납적으로 반증하는 척도로만 주장했음
2) 네이만-피어슨: H0, H1를 만들고 1종 및 2종 오류의 개념을 창시. 같은 유의수준 하에서 검정력이 최대화되는

most powerful test (or 최량기각역)을 이용해서 우리가 가진 표본의 통계량이 이 기각역 안에 들어가면 H_0를 기각하고 H_1을 채택함


그런데 1950년대 심리계측학자들이 이 두 진영의 논쟁을 담지 않고 그냥 짬뽕시켜서 "잡종 검정법(Hybrid testing)"을 만든게

현대적인 Null-hypothesis significance testing (NHST)의 시작이라고 하더라구요. 특히 2018년, 19년에 막 까이기 전에도 1990년대에도

NHST의 잘못된 시작에 대한 우려가 굉장히 많았다는 자료들이 보입니다.


그런데 질문이 있는게, 사실상 네이만-피어슨의 우도비 방식에서 alpha=0.05의 기준으로 최량기각역을 구하는 방식이 결국
우리가 일반적으로 생각하는 H_0 확률분포 하에서 관측치의 극단확률을 재서 P

제 생각엔 이게 정말 잡종검정이 아니라, 그냥 네이만-피어슨의 방식의 확장이라고 밖에 보이지 않아서요... 고수님들의 고견 구합니다 ㅜㅜ

P.S. 우도비 검정 (LRT)가 모델 비교에서 많이 사용되는 걸로 아는데, 수리통계학에서의 예제들을 보면 LRT가 결국 다양한 상황 (e,g, 정규성을 가정한 평균 비교에서 T-test)과 equivalent하더라구요. 그러면 LRT가 일종의 빈도주의 통계학의 universal law는 아닌지도 또 궁금합니다.