Yingying Fan es una estadística chino-estadounidense y titular de la Cátedra Centennial de Administración de Empresas y profesora del Departamento de Ciencias de Datos y Operaciones de la Escuela de Negocios Marshall de la Universidad del Sur de California . [1] Actualmente es decana asociada del Programa de Doctorado en la USC Marshall. También tiene nombramientos conjuntos en la Facultad de Letras, Artes y Ciencias Dana y David Dornsife de la USC y en la Facultad de Medicina Keck de la USC. Sus contribuciones a la estadística y la ciencia de datos fueron reconocidas con la Medalla Guy de Bronce de la Royal Statistical Society en 2017 [2] y la Medalla Medallón del Instituto de Estadística Matemática en 2023. [3] Fue elegida miembro de la Asociación Estadounidense de Estadística en 2019 [4] y miembro del Instituto de Estadística Matemática por sus contribuciones fundamentales a la inferencia de alta dimensión, la selección de variables, la clasificación, las redes y la metodología no paramétrica, en particular en el campo de la econometría financiera, y por su concienzudo servicio profesional en 2020. [5]
Fan, junto con sus colaboradores, ha desarrollado algunas herramientas estadísticas y de ciencia de datos populares, incluido el criterio de información generalizado (GIC), las imitaciones del modelo X (MXK), la inferencia de aprendizaje profundo utilizando imitaciones (DeepLINK) y la inferencia estadística sobre perfiles de membresía en redes grandes (SIMPLE), así como alguna teoría asintótica fundamental para bosques aleatorios de alta dimensión y los vectores propios de matrices aleatorias grandes.
Algunas de sus publicaciones representativas incluyen:
Actualmente es coeditora del Journal of Business & Economic Statistics. Además, se desempeña como editora de Statistics Surveys de IMS y editora coordinadora de IMS-CUP para la serie de libros de texto y monografías de IMS-Cambridge University Press.