统计推断是可以用于数值变量的，并且在数值变量的分析中有着极为重要的作用。数值变量是指其值可以用数字表示的变量，通常具有测量单位，比如身高、体重、血压、血糖值等。统计推断主要包括参数估计和假设检验，下面分别阐述其在数值变量中的应用。

参数估计，就是用样本统计量来估计总体参数。对于数值变量，我们可以通过抽取一定数量的样本，计算样本的均值、标准差等统计量，进而估计总体的均值、标准差等参数。例如，要了解某地区成年人的平均身高，我们不可能测量该地区所有成年人的身高，这时就可以随机抽取一部分成年人作为样本，计算样本的平均身高，以此来估计该地区所有成年人的平均身高。常用的参数估计方法有点估计和区间估计，点估计是直接用样本统计量作为总体参数的估计值，而区间估计则是给出一个包含总体参数的可能范围，并给出该范围包含总体参数的概率。

假设检验也是统计推断的重要组成部分。在面对数值变量时，我们常常需要判断样本所代表的总体与已知总体或者其他样本所代表的总体之间是否存在差异。例如，在研究一种新的降压药的疗效时，我们可以将患者随机分为两组，一组服用新药，一组服用安慰剂，一段时间后测量两组患者的血压值。通过假设检验，我们可以判断新药组和安慰剂组患者的平均血压差异是否具有统计学意义，从而推断新药是否真的有降压效果。常用的针对数值变量的假设检验方法有t检验、方差分析等，这些方法可以根据不同的研究设计和数据特点来选择使用。

此外，对于服从特定分布的数值变量，如正态分布，统计推断还可以基于其分布特征进行更深入的分析。我们可以利用正态分布的性质，对样本数据进行标准化处理，从而更方便地进行参数估计和假设检验。

综上所述，统计推断在数值变量的研究中具有广泛的应用，能够帮助我们从样本数据中获取关于总体的信息，做出科学的决策和推断。