数值变量统计推断主要包括参数估计和假设检验这两大方法，以下为你详细介绍。

参数估计是指用样本统计量来估计总体参数，它又可分为点估计和区间估计。点估计是直接用样本统计量来估计总体参数，比如用样本均数来估计总体均数。这种方法简单直观，但没有考虑抽样误差。而区间估计则是按一定的概率（可信度）来估计总体参数所在的范围，常用的可信度为 95%或 99%，所得到的区间称为置信区间。例如，根据样本数据计算出总体均数的 95%置信区间，意味着在多次抽样中，大约有 95%的置信区间会包含总体均数。区间估计考虑了抽样误差，能更准确地反映总体参数的可能取值范围。

假设检验是先对总体参数或分布作出某种假设，然后根据样本信息来判断这种假设是否成立。常见的假设检验方法有 t 检验、z 检验、F 检验和卡方检验等。t 检验常用于样本含量较小、总体标准差未知时的均数比较，包括单样本 t 检验、配对样本 t 检验和成组设计两样本 t 检验。z 检验适用于总体标准差已知或样本含量较大时的均数比较。F 检验主要用于方差分析，用于多个样本均数的比较。卡方检验则用于分类变量资料的假设检验，比如推断两个或多个总体率或构成比之间有无差别。

在实际应用中，需要根据研究目的、资料类型、设计方案等因素综合选择合适的统计推断方法。并且在进行统计推断时，要注意各方法的适用条件，以确保结果的准确性和可靠性。同时，统计推断的结果只是一种概率性的判断，需要结合专业知识进行合理的解释。