数值变量的统计描述方法主要分为集中趋势描述和离散程度描述两大类，以下为你详细介绍。

集中趋势描述是用一个代表值来反映一组数据的一般水平，常用的指标有算术均数、几何均数和中位数。算术均数适用于对称分布，特别是正态分布的数据。它是一组数据的总和除以数据的个数，能反映数据的平均水平。例如，在研究一群成年人的身高时，算术均数可以让我们了解这组人群的平均身高情况。几何均数常用于原始数据呈偏态分布，但经过对数变换后呈正态分布或近似正态分布的数据，像医学中抗体滴度等资料，使用几何均数能更好地描述其集中趋势。中位数则是将一组数据从小到大排序后，位于中间位置的数值。它适用于各种分布类型的数据，尤其是偏态分布、分布不明或有极端值的数据。比如在研究某地区居民的收入情况时，由于可能存在少数高收入者拉高整体数值，此时中位数能更合理地反映居民收入的一般水平。

离散程度描述则是反映数据的变异情况，常用的指标有极差、四分位数间距、方差、标准差和变异系数。极差是一组数据中的最大值与最小值之差，计算简单，但只考虑了两个极端值，不能反映组内其他数据的变异程度，稳定性较差。四分位数间距是上四分位数与下四分位数之差，它不受极端值的影响，常用于描述偏态分布数据的离散程度。方差和标准差是描述对称分布，特别是正态分布数据离散程度的常用指标。方差是每个数据与均数之差的平方值的平均数，标准差是方差的平方根。标准差越大，说明数据的离散程度越大，数据越分散。变异系数是标准差与均数之比，它消除了单位的影响，常用于比较不同单位或均数相差较大的多组资料的离散程度。例如，比较身高（单位：厘米）和体重（单位：千克）的变异情况，就可以使用变异系数。

综上所述，在对数值变量进行统计描述时，需要根据数据的分布类型和特点，合理选择集中趋势和离散程度的描述指标，以全面、准确地反映数据的特征。