统计学中的离散型变量和连续型变量有以下区别：

1. 定义不同：离散型变量是指其取值只能是一些具体的数值，不能进行细分或连续变化的变量；而连续型变量则是指其取值可以是连续的、可以进行无限细分的变量。

离散型变量的特点：

离散型变量的取值是离散的、不连续的，例如人口数量、样本数量等，它们只能取整数值，不能进行无限细分。离散型变量的概率分布通常通过频数或频率来描述。常见的离散型变量包括计数数据、有序数据等。由于其离散性，这类变量的数据收集和分析方法也有其特殊性。

连续型变量的特点：

连续型变量的取值是连续的，可以进行无限细分。例如，身高、体重、温度等都可以进行小数点的表示，拥有无穷多的可能值。这类变量的概率分布一般通过概率密度函数来描述。在统计学中，连续型变量的分析涉及均值、方差等参数的估计和假设检验等。由于其连续性，连续型变量的分析方法和理论更加丰富和复杂。

两者的主要差异在于变量的取值方式和特性。离散型变量主要处理有限、离散的数值点，而连续型变量则处理连续的、可以细分的数值范围。在统计学分析和数据处理中，需要根据变量的类型选择合适的方法和模型。此外，在数据可视化方面，离散型和连续型变量的图表展示方式也有所不同。了解这两种变量的特性对于正确进行数据分析和统计推断至关重要。