统计学中的离散型变量和连续型变量有以下区别：
1. 定义与性质：
离散型变量是对可进行计数的数据进行描述的变量，如人数、项目数量等。其取值是独立的、间断的，存在一个或多个明确的取值点。常见的离散型变量包括整数和分类变量。它们的观测数据可以被具体列举，每一个具体的观测值只能出现在观测数据中一次。例如，人口数是一个离散变量，可以精确计数具体的人数。
连续型变量是对可以进行定量测量的数据进行描述的变量，如温度、收入等。连续型变量的数值在理论上是连续的，它们可以在一定的数值范围内连续取值。它们无法像离散型变量那样简单地计数，而是一个无限可能性的区间。这些变量的可能值可以有无数个具体值或间隔分布，在给定范围内的任何特定值都可能出现在数据中。例如，一天内的温度会不断变化，这是连续型变量的特点。此外连续型变量常用于测量值的稳定性变化关系等描述统计分析，对数据差异的检测比离散型变量更准确有效。当使用这类数据进行数理统计研究时对于特定区间内的数值波动会有更精确的分析结果。
2. 统计方法应用的不同：对于离散型变量和连续型变量的统计方法也有所不同。离散型变量主要关注计数和频率分布，而连续型变量则关注均值、中位数等指标的评估及其波动性分析方法如标准差计算等研究描述总体规律的差异性并侧重于总体的科学定量推测方面尤其不可忽视细微差别对总体特征的影响。因此在进行统计分析时需要根据不同的数据类型选择合适的统计方法进行分析处理以确保结果的准确性。