在卫生统计学中，两型错误分别为Ⅰ型错误和Ⅱ型错误，它们在概念、产生原因、控制方法等方面存在明显区别。

Ⅰ型错误也称为假阳性错误，是指在假设检验中，拒绝了实际上成立的原假设。通俗来讲，就是错误地认为存在差异或效应。例如，在比较两种药物疗效的研究中，原假设是两种药物疗效无差异，但由于抽样误差等原因，我们得出了两种药物疗效有差异的结论，这就犯了Ⅰ型错误。其发生的概率用α表示，通常也被称为检验水准，一般在研究开始前就会设定，如常见的α = 0.05。α值越小，犯Ⅰ型错误的概率就越低。

Ⅱ型错误也称为假阴性错误，是指在假设检验中，不拒绝实际上不成立的原假设。也就是错误地认为不存在差异或效应。继续以上述药物疗效研究为例，实际上两种药物疗效是有差异的，但由于样本量过小、测量误差等原因，我们没有检测出这种差异，从而得出两种药物疗效无差异的结论，这就犯了Ⅱ型错误。其发生的概率用β表示。1 - β被称为检验效能，它反映了在原假设不成立时，正确拒绝原假设的能力。

从控制方法来看，要控制Ⅰ型错误，主要是通过合理设定检验水准α。而要控制Ⅱ型错误，通常可以增加样本量，提高测量的准确性和可靠性等。一般来说，在样本量固定的情况下，α和β的变化是相反的，降低α会使β增大，反之亦然。只有增加样本量，才能在一定程度上同时降低α和β。

总之，Ⅰ型错误和Ⅱ型错误是卫生统计学假设检验中需要重点关注的问题，正确区分它们有助于我们合理设计研究、准确分析结果，避免得出错误的结论。