从统计分析的思想方法角度，我们可以将统计学分为两大类，即描述性统计和推断性统计。
描述性统计（Descriptive Statistics）研究的是数据采集、整理、分类、汇总、图表表示数据、概括和分析的统计方法。例如，对某一班级《统计学》期终考试分数的分析，按优秀、良好、及格和不及格人数的简单汇总和直方图表示、班级平均分的计算、各题型答题的正确率分析等一系列卷面简单分析，都属于描述性统计分析。
推断性统计（Inferential Statistics）研究的是如何利用样本数据来推断总体特征的统计方法。例如，在产品质量检验中，对产品合格率或优良率的估计在多数情形下不是对每个产品进行全面检测，而是从产品的批次中随机抽取一定的样本进行检测，根据样本检测结果对该批次产品质量做出总体评价。商业企业的客户满意度分析也不是基于对所有客户满意度的问卷调查，而是按一定抽样方案对部分客户作问卷调查，并利用该调查数据结果对客户总体满意程度做出估计。
对于统计方法，我们需要有正确的认识，统计方法获得的结论与逻辑推理获得的结论的途径存在较大差别，任何有效的统计方法只有当这个系统或是所讨论的总体满足方法本身的基本假设时，才能获得可靠的结论，例如古典的线性回归分析方法中的随机扰动项，需要满足同方差、非自相关和服从正态分布等若干假定条件，否则得到的极有可能是伪回归结论。所以，误用统计方法可能会导致描述分析或推断分析严重错误，这个错误将严重影响决策。初学者千万不能把对方法的误用看作是方法本身的问题，这是两个不同的概念。
即使统计方法被正确地应用，结果对于非统计专业人士来说也可能存在解读上的困难。例如，统计数据中显著性的改变可能是由样本的随机变量所致，但这个显著性可能与事先分析的直觉并不完全相符，对结果的解释不仅需要良好的统计学知识，有时还需要较强的专业背景知识。这一典型实例便是收入与学历之间在许多现实情况下并不呈现正相关关系，因为许多高收入者学历并不高，但从整个社会而言，学历高的人群收入则明显高于低学历者。
