众所周知统计推断有三种理论：普遍承认的是Neyman理论，即频率学派理论，Bayes推断和信仰推断（Fiducial）.Bayes推断基于后验分布，由先验分布和样本分布求得.信仰推断是基于信仰分布，直接利用样本求得.两者推断方式一致，都是用分布进行推断，称为分布推断.频率学派哲学思想认为未知参数是常数，样本有参数信息，用是样本函数的统计量推断参数，包括点估计、区间估计和参数的假设检验。认为样本有双重性，作具体推断时是常数，固定的，非随机的，考虑大样本和导出推断方法时认为样本是随机的，其不完善处在于统计推断时样本是随机变量，具体推断时又是非随机的，似乎样本的随机性和非随机性有相当的随意性.本文从分析传统的参数估计、假设检验特性，得到最本质的推断是置信上限。如果将样本视为常数，置信上限是置信度的函数，其反函数，即置信度是置信上界的函数，以此作为分布推断就得到Neyman推断，因此，Neyman（频率学派）统计推断方法也可以视为分布推断。三种推断的方法是可以统一于分布推断的，但是他们的推断哲学是完全不同的，都有其不完善之处。若一随机变量的分布是Neyman推断分布，则它为推断随机变量。推断随机变量的期望、中位数和众数可作为通常的参数的点估计。用其经验分布推断参数和置信区间，就是普遍适用的参数模拟推断。用推断随机变量估计参数称为随机变量推断，简称变量推断，是Neyman推断的扩展。并将其应用于多个正态总体参数的检验问题，得到有用的检验方法。随机变量推断为复杂系统可靠性基于子系统数据的模拟估计提供了理论根据，并给出基于子系统独立的观测数据，以及系统可靠性的模拟算法。针对具体实例，模拟了复杂系统可靠性模拟算法的效果，展示该方法可用性。