Email: yangying@tsinghua.edu.cn
教育背景博士（北京大学，1996）、教授（博导）
工作履历2004.07-现在，清华大学数学科学系，副教授、教授
2001.12-2004.07，美国宾夕法尼亚大学医学院，博士后
2000.10-2001.07，德国Bayreuth大学数学系，访问
1998.07-2002.11，北京大学数学科学学院，讲师、副教授
1996.07-1998.06，清华大学应用数学系，博士后

社会兼职中国数学会概率统计学会第十一届理事会副理事长（2018.10-2022.10）
全国工业统计教学研究会副理事长(2018.11-2022.11)
第二届全国应用统计专业学位研究生教育指导委员会委员（2017.10—2021.10）
研究领域统计学，非/半参数估计理论、纵向数据分析、生存分析、空间统计等。
奖励与荣誉2015年获得宝钢优秀教师奖
学术成果本人致力于统计理论和数据驱动的统计方法和应用研究。对一些重要问题进行了深入研究，得到一些有意思结果。在非参数中位数估计及其光滑参数选择和混合纵向数据的统计方法和理论等方面提出了新的统计方法。此外，还进行医学等方面的应用统计方法研究。交叉核实(cross-validation, CV)在许多领域中有广泛应用，但其理论性质严重滞后。直到上个世纪80年初才有进展，P. Hall和S. Marron (1983,1987) 等统计学家在该领域中做出了开创性贡献，但他们关注的L₂-CV不稳健。为稳健期间，郑忠国和本人(1998) 提出了选择光滑参数的中位数交叉核实 (MCV) 准则。本人和合作者发展了与文献中处理这类问题截然不同的方法，证明了MCV估计具有强一致相合性，这是出乎预料之外的深刻结果，无论统计学和还是数学方面都是非平凡的，显著推进了Hall和Marron等的工作。文献中普遍使用的L₂-CV估计只有平均相合性。密度函数估计是统计学中最基本的问题。本人独立地研究了半参数密度函数的惩罚似然估计方法，提出了估计参数分量和非参数分量的有效计算方法，从Bayes观点出发提出了选择光滑参数的广义最大似然准则。在非常一般的条件之下，利用再生核Hilbert空间理论证明了惩罚似然估计的相合性和收敛速度。本人和他的学生康健等研究了混合Poisson和连续响应纵向数据的统计分析方法，建立了这类数据的基本模型和统计推断方法，提出了相关性随时间变化时的参数估计方法。
[1]Zhongguo Zheng and Ying Yang (1998). Cross validation and median criterion，Statistica Sinica, 8：907-921.
[2]Ying Yang，M-cross-validation in local median estimation，Acta Mathematica Sinica-English Series，2006.9.01，22（5）：1565-1582
[3]Ying Yang (2009). Penalized Semiparametric Density Estimation. Statistics and Computing, 19, 355-366.
[4]Yang, Ying，Kang Jian，Mao, Kai，Zhang Jie (2007). Regression models for mixed Poisson and continuous longitudinal data，Statistics in Medicine, 26:3782-3800.
[5]Yuanyuan Shen, Tianxi Cai, Yu Chen, Ying Yang and Jinbo Chen (2015). Retrospective likelihood-based methods for analyzing case-cohort genetic association studies. Biometrics, 71：960-968.
人才培养指导博士生12名（已毕业4名，在读8名），指导硕士生35名硕士（已毕业33名，在读2名）。